| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-18页 |
| 1.1 信息安全和信息隐藏 | 第9-11页 |
| 1.2 信息隐藏的性能指标 | 第11-12页 |
| 1.3 信息隐藏的载体 | 第12页 |
| 1.4 以文本为载体的信息隐藏 | 第12-16页 |
| 1.4.1 文件格式特征的文本信息隐藏 | 第13页 |
| 1.4.2 自然语言特性的文本信息隐藏 | 第13-14页 |
| 1.4.3 程序代码类的格式化文本信息隐藏 | 第14-16页 |
| 1.5 本文的主要研究内容 | 第16-17页 |
| 1.6 本文章节安排 | 第17-18页 |
| 第2章 自然语言处理和汉语诗词研究简介 | 第18-30页 |
| 2.1 统计语言模型 | 第18-19页 |
| 2.2 N元语法模型 | 第19-20页 |
| 2.3 高级语言模型 | 第20-23页 |
| 2.4 神经网络语言模型 | 第23-26页 |
| 2.4.1 神经概率语言模型 | 第23-25页 |
| 2.4.2 后向反馈计算 | 第25-26页 |
| 2.5 汉语诗词研究简介 | 第26-29页 |
| 2.5.1 基于统计模型的汉语诗词的研究 | 第26-28页 |
| 2.5.2 基于神经网络模型的汉语诗词的研究 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 循环神经网络语言模型 | 第30-42页 |
| 3.1 循环神经网络 | 第30-32页 |
| 3.2 长短时记忆模型 | 第32-33页 |
| 3.3 基于语言模型的前向神经网络 | 第33-34页 |
| 3.4 循环神经网络语言模型 | 第34-35页 |
| 3.5 学习算法 | 第35-38页 |
| 3.6 沿着时间步反向传播 | 第38-40页 |
| 3.7 输出层的预测计算 | 第40-41页 |
| 3.8 本章小结 | 第41-42页 |
| 第4章 基于意象词的信息隐藏 | 第42-58页 |
| 4.1 语料库和词典 | 第42-49页 |
| 4.1.1 唐诗语料库 | 第43-44页 |
| 4.1.2 意象词汇秘密词典 | 第44-47页 |
| 4.1.3 平仄词典和秘密词典 | 第47-49页 |
| 4.2 搭建模型系统 | 第49-51页 |
| 4.3 Word2Vec模块的词向量 | 第51-52页 |
| 4.3.1 One-hot Representation型词向量 | 第51-52页 |
| 4.3.2 Distr ibuted Representation型词向量 | 第52页 |
| 4.4 意象修饰词的信息隐藏和提取 | 第52-56页 |
| 4.4.1 隐藏信息 | 第54-55页 |
| 4.4.2 提取信息 | 第55页 |
| 4.4.3 秘密唐诗 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 论文总结 | 第58-59页 |
| 5.2 下一步研究方向 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |