本书围绕信息检索中的个性化查询推荐方法展开，描述个性化查询推荐的研究背景、问题概述、模型构建、实验设计和结果分析。在此框架指导下，详细阐述基于用户行为分析的个性化查询推荐、基于多样化和个性化相结合的查询推荐、基于查询词时敏特征的个性化查询推荐、地理位置敏感的个性化查询推荐、基于用户主题兴趣的个性化查询推荐等理论方法。
更多科学出版社服务，请扫码获取。
1987年-1991年，解放军测绘学院指挥自动化专业本科
1991年-1994年，国防科技大学系统工程与数学系军事技术运筹学专业硕士
2004年-2007年，国防科技大学信息系统与管理学院军事运筹学专业博士
2009年-2010年，英国莱斯特大学计算机科学访问学者
2015年，荷兰阿姆斯特丹大学计算机科学高级访问学者1994年起在国防科技大学任讲师、副教授、教授，军队一类人才岗位津贴获得者，军队育才银奖获得者。军委XX控制技术专业组专家，军委XX工程技术专业组专家，国防科工局XX技术专业组专家，中国指挥与控制学会常务理事，C4ISR理论与技术专业委员会副主任委员，湖南省系统工程与管理学会副理事长。发表论文200余篇（其中作为通讯作者、第一作者发表论文16篇），其中SCI检索48篇、EI检索35篇，其他核心期刊检索30篇。
目录
“新一代人工智能理论、技术及应用丛书”序
前言
第1章 绪论 1
1.1 研究概述与研究问题 2
1.2 本书的主要贡献 5
参考文献 7
第2章 基于用户行为分析的个性化查询推荐方法 9
2.1 问题描述 9
2.2 基于概率图模型的个性化查询推荐建模 11
2.2.1 概率图模型 11
2.2.2 基于概率图模型的个性化查询推荐方法 13
2.3 用户行为建模 15
2.3.1 基于贝叶斯概率矩阵分解的用户-查询偏好矩阵 15
2.3.2 用户长期和短期查询行为建模分析 18
2.4 基于用户行为分析的个性化查询推荐模型 20
2.5 实验与结果分析 21
2.5.1 查询推荐性能衡量指标 21
2.5.2 实验设计 22
2.5.3 实验数据 23
2.5.4 参数设置 24
2.5.5 结果分析 24
2.6 本章小结 28
参考文献 28
第3章 基于多样化和个性化相结合的查询推荐方法 30
3.1 问题描述 30
3.2 基于贪婪算法的多样化查询推荐模型 31
3.2.1 模型假设和符号说明 31
3.2.2 基于 LDA 主题模型的查询-主题分布 32
3.2.3 多样化查询推荐模型 36
3.3 基于多样化和个性化相结合的查询推荐模型 38
3.3.1 模型构建 38
3.3.2 模型分析 38
3.4 实验与结果分析 40
3.4.1 查询推荐性能衡量指标 41
3.4.2 实验设计 41
3.4.3 实验数据 42
3.4.4 参数设置 43
3.4.5 结果分析 43
3.5 本章小结 48
参考文献 49
第4章 基于查询词时敏特征的个性化查询推荐方法 52
4.1 问题描述 52
4.2 相关研究工作 53
4.2.1 对于时间敏感的查询推荐方法 54
4.2.2 对于时间敏感的信息检索方法 55
4.3 基于查询词时敏特征的个性化查询推荐模型 56
4.3.1 查询词频率周期性变化特征 56
4.3.2 查询词频率非周期性变化特征 57
4.3.3 模型构建 58
4.4 实验与结果分析 60
4.4.1 实验设计 60
4.4.2 实验设置 60
4.4.3 结果分析 62
4.5 本章小结 67
参考文献 67
第5章 地理位置敏感的个性化查询推荐方法 70
5.1 问题描述 70
5.2 相关研究工作 71
5.2.1 基于用户搜索历史的查询推荐方法 71
5.2.2 地理信息检索方法 73
5.3 地理位置敏感的个性化查询推荐模型 74
5.3.1 地理信息提取 74
5.3.2 排序模型构建 77
5.4 实验与结果分析 79
5.4.1 实验设计 79
5.4.2 实验设置 79
5.4.3 结果分析 81
5.5 本章小结 85
参考文献 85
第6章 基于用户主题兴趣的个性化查询推荐方法 88
6.1 问题描述 88
6.2 相关研究工作 89
6.2.1 数据稀疏性问题的查询推荐方法 89
6.2.2 基于相似用户的协同信息检索方法 90
6.2.3 主题模型 91
6.3 基于用户主题兴趣的个性化查询推荐模型 91
6.3.1 利用传统主题模型进行用户聚类 92
6.3.2 利用相似用户主题模型进行用户聚类 95
6.3.3 排序模型构建 98
6.4 实验与结果分析 101
6.4.1 实验设计 101
6.4.2 实验设置 101
6.4.3 结果分析 103
6.5 本章小结 108
参考文献 108
第7章 面向复杂检索任务的个性化查询推荐方法 111
7.1 问题描述 111
7.2 相关研究工作 112
7.2.1 基于机器学习的查询推荐方法 112
7.2.2 检索任务识别方法 114
7.3 面向复杂检索任务的个性化查询推荐模型 115
7.3.1 检索任务识别 115
7.3.2 排序模型构建 116
7.4 实验与结果分析 120
7.4.1 实验设计 120
7.4.2 实验设置 120
7.4.3 结果分析 122
7.5 本章小结 125
参考文献 125
第8章 基于神经网络的个性化查询推荐方法 128
8.1 问题描述 128
8.2 相关研究工作 129
8.2.1 基于神经网络的查询推荐方法 129
8.2.2 基于RNN的物品推荐方法 130
8.3 基于神经网络的个性化查询推荐模型 131
8.3.1 基础排序模型构建 131
8.3.2 个性化排序模型构建 133
8.3.3 基于注意力机制的个性化排序模型构建 134
8.4 实验与结果分析 137
8.4.1 实验设计 137
8.4.2 实验设置 137
8.4.3 实验结果分析 138
8.5 本章小结 142
参考文献 143
第9章 总结与展望 145
9.1 研究总结 145
9.2 研究展望 149
参考文献 150
书单推荐
