| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 引言 | 第9页 |
| 1.2 研究背景 | 第9-11页 |
| 1.2.1 背景建模问题 | 第10页 |
| 1.2.2 文本建模问题 | 第10-11页 |
| 1.3 研究动机 | 第11-12页 |
| 1.4 本文主要贡献 | 第12-13页 |
| 1.5 本文组织结构 | 第13-15页 |
| 第二章 相关工作概述 | 第15-31页 |
| 2.1 背景建模方法 | 第15-18页 |
| 2.1.1 混合高斯模型 | 第15-16页 |
| 2.1.2 Codebook模型 | 第16-17页 |
| 2.1.3 Vibe模型 | 第17-18页 |
| 2.2 文本建模方法 | 第18-23页 |
| 2.2.1 神经网络语言模型 | 第18-19页 |
| 2.2.2 词向量模型 | 第19-21页 |
| 2.2.3 矩阵分解观点 | 第21-23页 |
| 2.3 受限玻尔兹曼机模型 | 第23-29页 |
| 2.3.1 原始的受限玻尔兹曼机 | 第24-27页 |
| 2.3.2 对比分歧优化算法 | 第27-28页 |
| 2.3.3 Replicated Softmax模型 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 背景建模与受限玻尔兹曼机 | 第31-43页 |
| 3.1 自适应的受限玻尔兹曼机 | 第31-32页 |
| 3.2 时序自适应的受限玻尔兹曼机 | 第32-35页 |
| 3.3 时序自适应受限玻尔兹曼机训练过程 | 第35-37页 |
| 3.4 实验与分析 | 第37-41页 |
| 3.4.1 数据集、对比模型与参数设定 | 第37-38页 |
| 3.4.2 评价标准 | 第38页 |
| 3.4.3 数值对比与分析 | 第38-39页 |
| 3.4.4 视觉对比与分析 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 文本建模与受限玻尔兹曼机 | 第43-55页 |
| 4.1 词向量模型的受限玻尔兹曼机观点 | 第44-46页 |
| 4.2 证明过程 | 第46-48页 |
| 4.3 交替优化算法 | 第48-50页 |
| 4.4 评价标准 | 第50-51页 |
| 4.5 有监督的词向量模型 | 第51页 |
| 4.6 实验与分析 | 第51-53页 |
| 4.7 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-59页 |
| 5.1 研究内容总结 | 第55-56页 |
| 5.2 工作展望 | 第56-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 在读期间发表的学术论文与取得的研究成果 | 第65页 |