摘要：图模型在机器学习有着广泛的应用。相比图模型，Sum－Product Networks模型具有更强表达能力和更快的推理速度，所以其在对文本和图像数据建模有着广泛的应用。本文总结Sum－Product Networks这一新的深度概率模型的研究进展，先介绍了固定结构的Sum－Product Networks的参数学习方法，再介绍了根据不同的输入数据而进行的结构和参数学习方法。并且介绍了判别式和生成模型的Sum－Product Networks，最后介绍了Sum－Product Networks在文本分类上的应用。

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）