| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 短文本文档建模技术 | 第9-11页 |
| 1.2.2 短文本查询扩展技术 | 第11-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 2 相关理论及模型 | 第15-26页 |
| 2.1 变量估计方法 | 第15-21页 |
| 2.1.1 马尔可夫蒙特卡洛采样算法 | 第15-17页 |
| 2.1.2 吉普斯采样算法 | 第17页 |
| 2.1.3 变分推测算法 | 第17-21页 |
| 2.2 受限波尔兹曼机 | 第21-23页 |
| 2.3 常用查询扩展方法 | 第23-25页 |
| 2.3.1 词语语义分析 | 第23-24页 |
| 2.3.2 词语共现分析 | 第24页 |
| 2.3.3 伪相关反馈算法 | 第24-25页 |
| 2.3.4 搜索日志分析 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于波尔兹曼机的短文本建模方法 | 第26-37页 |
| 3.1 短文本文档建模方法 | 第26-33页 |
| 3.1.1 Replicated Softmax模型(RPS) | 第26-27页 |
| 3.1.2 Over Replicated Softmax模型(ORPS) | 第27-29页 |
| 3.1.3 Tripartite Replicated Softmax模型(TRPS) | 第29-31页 |
| 3.1.4 TRPS模型训练过程 | 第31-32页 |
| 3.1.5 模型预训练 | 第32-33页 |
| 3.2 实验设计 | 第33-36页 |
| 3.2.1 数据集描述 | 第33-34页 |
| 3.2.2 文档分类任务 | 第34-35页 |
| 3.2.3 文档检索任务 | 第35-36页 |
| 3.3 本章小结 | 第36-37页 |
| 4 基于词向量的短文本查询扩展方法 | 第37-46页 |
| 4.1 词向量的训练 | 第37-39页 |
| 4.2 短文本查询扩展 | 第39-41页 |
| 4.2.1 向量空间模型(VSM) | 第39页 |
| 4.2.2 基于热门时刻的语言模型(HTLM) | 第39页 |
| 4.2.3 词向量查询扩展方法(VEC) | 第39-40页 |
| 4.2.4 融合伪相关反馈的词向量模型(PSVEC) | 第40-41页 |
| 4.3 实验设计与结果分析 | 第41-45页 |
| 4.3.1 数据集描述 | 第41-42页 |
| 4.3.2 参数设置 | 第42页 |
| 4.3.3 实验结果 | 第42-44页 |
| 4.3.4 结果分析 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 攻读硕士学位期间发表学术论文情况 | 第51-52页 |
| 致谢 | 第52-53页 |
