| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 文章结构安排 | 第16-17页 |
| 第二章 相关理论与技术研究 | 第17-27页 |
| 2.1 文本表示模型 | 第17-18页 |
| 2.2 分布式词向量表示 | 第18-22页 |
| 2.2.1 分布式表示 | 第18-19页 |
| 2.2.2 神经网络语言模型 | 第19-20页 |
| 2.2.3 词向量训练模型 | 第20-22页 |
| 2.3 主题模型 | 第22-23页 |
| 2.4 神经网络文本表示模型 | 第23-26页 |
| 2.4.1 递归神经网络 | 第23-24页 |
| 2.4.2 循环神经网络 | 第24-25页 |
| 2.4.3 卷积神经网络 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于主题词向量的卷积神经网络句子文本表示模型 | 第27-44页 |
| 3.1 问题引出 | 第27-29页 |
| 3.2 基于主题词向量的卷积神经网络文本表示模型 | 第29-38页 |
| 3.2.1 基于主题的词向量表示 | 第29-31页 |
| 3.2.2 主题转移矩阵 | 第31-33页 |
| 3.2.3 卷积运算与子采样 | 第33-36页 |
| 3.2.4 梯度计算 | 第36-37页 |
| 3.2.5 模型整体框架 | 第37-38页 |
| 3.3 实验结果分析 | 第38-43页 |
| 3.3.1 实验语料及对比方法 | 第38-39页 |
| 3.3.2 实验结果对比与分析 | 第39-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于长距离关联的卷积神经网络文档文本表示模型 | 第44-60页 |
| 4.1 问题引出 | 第44-46页 |
| 4.2 基于长距离关联的卷积神经网络文本表示模型 | 第46-54页 |
| 4.2.1 LSTM文本序列 | 第46-49页 |
| 4.2.2 文档语义记忆文本表示模型 | 第49-51页 |
| 4.2.3 子采样层的优化 | 第51-52页 |
| 4.2.4 句子-文档语义记忆文本表示模型 | 第52-54页 |
| 4.3 实验结果分析 | 第54-59页 |
| 4.3.1 实验语料及对比方法 | 第54-55页 |
| 4.3.2 实验结果与对比分析 | 第55-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间参加的科研项目 | 第67-68页 |
| 致谢 | 第68页 |