| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的主要内容及创新点 | 第13-14页 |
| 1.4 论文章节的组织 | 第14-16页 |
| 第二章 相关理论基础 | 第16-23页 |
| 2.1 蒙古文短文本相似度计算框架 | 第16-19页 |
| 2.1.1 蒙古文特点 | 第16-17页 |
| 2.1.2 蒙古文短文本初步向量化表示 | 第17页 |
| 2.1.3 蒙古文短文本主题信息提取 | 第17-18页 |
| 2.1.4 蒙古文短文本语义相似度 | 第18-19页 |
| 2.2 人工神经网络 | 第19-22页 |
| 2.2.1 神经网络核心思想简介 | 第19-20页 |
| 2.2.2 自动编码器 | 第20-21页 |
| 2.2.3 神经网络的训练过程 | 第21-22页 |
| 2.2.4 神经网络提取蒙古文短文本特征 | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 蒙古文短文本主题信息提取 | 第23-32页 |
| 3.1 主题模型简介 | 第23-24页 |
| 3.1.1 非负矩阵分解 | 第23页 |
| 3.1.2 隐含狄利克雷分布 | 第23-24页 |
| 3.2 NMF对蒙古文短文本主题信息提取 | 第24-29页 |
| 3.2.1 NMF基本原理及求解方法 | 第24-27页 |
| 3.2.2 NMF用于主题建模 | 第27-28页 |
| 3.2.3 NMF提取蒙古文短文本的主题信息 | 第28-29页 |
| 3.3 LDA对蒙古文短文本主题信息的提取 | 第29-31页 |
| 3.3.1 LDA基本原理 | 第29页 |
| 3.3.2 LDA用于主题建模 | 第29-30页 |
| 3.3.3 LDA提取蒙古文短文本的主题信息 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 融合主题信息的深度变分自编码器对蒙古文短文本的表示 | 第32-39页 |
| 4.1 变分自编码器 | 第32-34页 |
| 4.2 融合主题信息的深度变分自编码器 | 第34-37页 |
| 4.3 融合主题信息的深度变分自编码器对蒙古文短文本的表示 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 实验与分析 | 第39-48页 |
| 5.1 实验语料及语料预处理 | 第39-40页 |
| 5.1.1 实验语料介绍 | 第39页 |
| 5.1.2 语料预处理 | 第39-40页 |
| 5.2 初步向量化表示 | 第40-41页 |
| 5.3 语义向量间相似度计算方法 | 第41页 |
| 5.4 实验结果与分析 | 第41-47页 |
| 5.4.1 实验评价指标 | 第42页 |
| 5.4.2 参数的设置以及参数对模型的影响分析 | 第42-44页 |
| 5.4.3 主题信息对相似度计算性能的影响分析 | 第44-45页 |
| 5.4.4 多种模型对比实验 | 第45-47页 |
| 5.5 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 工作总结 | 第48-49页 |
| 6.2 工作展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士期间发表的学术论文 | 第55页 |