| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 概述 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 相关技术 | 第16-31页 |
| 2.1 词表示 | 第16-17页 |
| 2.1.1 一元词向量 | 第16页 |
| 2.1.2 词向量 | 第16-17页 |
| 2.2 词向量工具 | 第17-20页 |
| 2.2.1 Word2vec | 第17-19页 |
| 2.2.2 GloVe | 第19-20页 |
| 2.3 基本主题模型 | 第20-26页 |
| 2.3.1 PLSA模型 | 第21-22页 |
| 2.3.2 LDA模型 | 第22-24页 |
| 2.3.3 BTM模型 | 第24-26页 |
| 2.4 Replicated Softmax模型 | 第26-30页 |
| 2.4.1 模型简介 | 第26-28页 |
| 2.4.2 模型参数估计 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于skip-gram和RSM的词向量改进模型 | 第31-39页 |
| 3.1 基于skip-gram和RSM的词向量改进模型 | 第31-34页 |
| 3.1.1 方法概述 | 第31-32页 |
| 3.1.2 文档向量表示 | 第32-33页 |
| 3.1.3 上下文向量表示 | 第33-34页 |
| 3.2 实验结果及分析 | 第34-38页 |
| 3.2.1 实验数据及预处理 | 第34-35页 |
| 3.2.2 评价标准 | 第35页 |
| 3.2.3 参数设置 | 第35-37页 |
| 3.2.4 实验结果及分析 | 第37-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 词向量和主题模型的联合学习 | 第39-47页 |
| 4.1 词向量和主题模型的联合学习 | 第39-43页 |
| 4.1.1 方法概述 | 第39-40页 |
| 4.1.2 NCE损失函数L_(nce)的计算 | 第40-42页 |
| 4.1.3 RSM损失函数L_(rsm)的计算 | 第42-43页 |
| 4.2 实验结果及分析 | 第43-46页 |
| 4.2.1 评价标准 | 第43-44页 |
| 4.2.2 实验结果及分析 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47-48页 |
| 5.2 下一步工作 | 第48-49页 |
| 参考文献 | 第49-55页 |
| 攻读硕士期间发表的论文和参加的科研项目 | 第55-56页 |
| 致谢 | 第56页 |