概率语言建模已广泛用于信息检索中。 它根据多项式分布假设估算文档模型，并使用查询可能性对文档进行排名。 在本文中，我们旨在通过探索使用完全可观察的Boltzmann机器（BM）进行文档建模来概括这种分布假设。 BM是一个随机的递归网络，能够对多维变量的分布进行建模。 它产生一种比多项式分布更通用的玻尔兹曼分布。 我们提出了一个文档玻尔兹曼机（DBM），它可以自然地捕获术语之间的内在联系并有效地估计查询的可能性。 我们正式证明在某些条件下（仅学习一阶参数），DBM包含了传统的文档语言模型。 还讨论