基于多模态学习的深度玻尔兹曼机的微博大数据分析
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 文本数据研究 | 第9-12页 |
| 1.2.2 图像数据研究 | 第12-13页 |
| 1.3 论文主要研究工作 | 第13-15页 |
| 1.3.1 论文主要研究内容 | 第13-14页 |
| 1.3.2 论文章节安排 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 2 受限玻尔兹曼机 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 受限玻尔兹曼机的概述 | 第16-21页 |
| 2.2.1 玻尔兹曼机作为单层反馈网络 | 第16-18页 |
| 2.2.2 玻尔兹曼机按拓扑结构分类 | 第18-21页 |
| 2.3 玻尔兹曼机的学习过程 | 第21-25页 |
| 2.3.1 Gibbs采样 | 第21-22页 |
| 2.3.2 变分近似算法 | 第22-23页 |
| 2.3.3 对比散度算法 | 第23-24页 |
| 2.3.4 参数设定 | 第24页 |
| 2.3.5 模型评估 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 多模态微博数据的处理分析 | 第26-37页 |
| 3.1 引言 | 第26-27页 |
| 3.2 基于受限玻尔兹曼机的微博图片处理 | 第27-32页 |
| 3.2.1 图片数据处理分析过程 | 第27-28页 |
| 3.2.2 高斯伯努利受限玻尔兹曼机的训练 | 第28-32页 |
| 3.3 基于受限玻尔兹曼机的微博文本处理 | 第32-36页 |
| 3.3.1 文本数据处理分析过程 | 第32-33页 |
| 3.3.2 重复软最大化模型的训练 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 微博用户心理压力分析及实验结果 | 第37-49页 |
| 4.1 引言 | 第37-39页 |
| 4.2 多模态学习的深度玻尔兹曼机的训练 | 第39-43页 |
| 4.2.1 评估数据相关性统计 | 第41-42页 |
| 4.2.2 评估数据独立性统计 | 第42页 |
| 4.2.3 贪婪逐层预训练 | 第42-43页 |
| 4.3 实验数据与处理过程 | 第43-44页 |
| 4.3.1 实验数据 | 第43页 |
| 4.3.2 实验处理过程 | 第43-44页 |
| 4.4 实验结果与结论 | 第44-48页 |
| 4.4.1 实验结果 | 第44-47页 |
| 4.4.2 结论 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 总结与展望 | 第49-50页 |
| 5.1 全文工作总结 | 第49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-57页 |
| 附录 | 第57-60页 |
| 硕士期间发表的学术论文及研究成果 | 第60-61页 |
| 发表的学术论文 | 第60页 |
| 参与的科研项目 | 第60-61页 |
| 致谢 | 第61页 |
