基于卷积神经网络的跨模态信息检索
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 相关算法与理论基础 | 第16-26页 |
| 2.1 深度学习与卷积神经网络 | 第16-20页 |
| 2.1.1 深度学习 | 第16-18页 |
| 2.1.2 卷积神经网络(CNN) | 第18-20页 |
| 2.2 跨模态信息检索 | 第20-21页 |
| 2.3 文档表示模型 | 第21-24页 |
| 2.3.1 LDA模型 | 第22-23页 |
| 2.3.2 word2vec模型 | 第23-24页 |
| 2.4 CCA典型相关分析 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于卷积神经网络的中文文本信息检索 | 第26-38页 |
| 3.1 任务概述 | 第26-28页 |
| 3.2 文本处理和神经网络构建 | 第28-33页 |
| 3.2.1 卷积神经网络模型构建 | 第29-33页 |
| 3.3 实验结果及分析 | 第33-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于主题模型和CNN的跨模态信息检索 | 第38-48页 |
| 4.1 任务概述 | 第38-39页 |
| 4.2 文本和图像特征提取过程 | 第39-42页 |
| 4.2.1 图像特征提取 | 第39-40页 |
| 4.2.2 文本特征提取 | 第40-42页 |
| 4.3 图文交叉检索 | 第42-44页 |
| 4.3.1 图像和文本之间的典型相关性 | 第42-43页 |
| 4.3.2 构建图像和文本的异构网络 | 第43-44页 |
| 4.4 实验结果及分析 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于双卷积神经网络的跨模态语义信息检索 | 第48-56页 |
| 5.1 任务概述 | 第48-49页 |
| 5.2 跨模态数据预处理即特征表示 | 第49-50页 |
| 5.3 模型结构设计 | 第50-51页 |
| 5.4 实验结果及分析 | 第51-54页 |
| 5.5 本章小结 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 本文工作总结 | 第56-57页 |
| 6.2 下一步研究工作 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 附录A 攻读硕士学位期间发表论文与申请软件著作权 | 第64-66页 |
| 附录B 攻读硕士期间参与项目 | 第66页 |
