• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于潛在語義索引的科技文獻主題挖掘

    2014-08-05 02:40:42朱芳芳
    計算機工程與應用 2014年24期
    關(guān)鍵詞:特征詞語義詞匯

    劉 勘,朱芳芳

    中南財經(jīng)政法大學 信息與安全工程學院,武漢 430073

    基于潛在語義索引的科技文獻主題挖掘

    劉 勘,朱芳芳

    中南財經(jīng)政法大學 信息與安全工程學院,武漢 430073

    1 引言

    目前,科技文獻的數(shù)量正呈爆炸式增長,這給科技文獻的有效檢索帶來了巨大的挑戰(zhàn),人們花費在文獻檢索上的時間越來越多,卻仍然感到很難快速精確地檢索到所需要的科技文獻。本文引入主題建模的思想,通過對初次檢索的科技文獻集建立詞匯-文獻矩陣,引入潛在語義索引(Latent Semantic Indexing,LSI)方法來降低矩陣的維度,以發(fā)掘這些文獻所蘊含的潛在主題,用戶進而可以根據(jù)這些主題查找所需文獻,大大提高文獻檢索的效率和準確度。

    2 相關(guān)研究

    1983年Gerard Salton和Michael J.McGill[1]提出的LSI是目前常用的潛在主題建模方法。Scott Deerwester等[2]將LSI方法用于檢索分析,假設文本中的詞與詞之間存在某種潛在的語義結(jié)構(gòu),采用統(tǒng)計方法尋找這些潛在的語義結(jié)構(gòu),用來表示詞、文本和用戶檢索信息,從而達到消除詞與詞之間的相關(guān)性、化簡文本向量的目的。Thomas Hofmann[3]提出的Probabilistic Latent Semantic Indexing是一種基于混合分解的概率統(tǒng)計模型,可用于信息檢索、信息過濾和自然語言處理。Padhraic Smyth[4]提出并行的自動文件索引方法。David Blei等[5]提出的LDA是一種生成離散數(shù)據(jù)集合的三級分層貝葉斯模型。這些主題挖掘方法的中心思想是將從文本提取的主題詞集中的每個詞作為一個主題有限混合模型,而每個主題是無限混合的潛在主題的概率模型,這樣可以通過主題概率建模,將文本映射到主題空間中,得到文本與主題的關(guān)系。

    國內(nèi)最早使用LSI進行索引的是化學資源導航系統(tǒng)ChIN,這是一個基于概念的全文檢索系統(tǒng)[6]。之后被不斷地改進應用于文本摘要[7-8]、文本分類[9-12]、文本聚類[13]、文本分析[14-16]等各種領(lǐng)域,并且應用范圍不斷增加。各種知識如SVM[10]和Rough[11]等被用來改進LSI得到更好的表示文本的模型。

    但是,利用LSI進行主題挖掘時也存在一定的問題:一是LSI主要采用單值分解過程來降維,而LSI中矩陣表示文本時本身存在巨大的稀疏性,如果采用簡單的權(quán)重表示特征詞會使對分類貢獻大的語義可能由于奇異值較小而被過濾;二是LSI挖掘主題時,新加入的文本無法直接計算,挖掘出來的主題不夠緊湊,而且可讀性不高,用戶很難根據(jù)挖掘出來的主題來進行文獻分類檢索。

    為了克服以上問題,減小LSI對科技文獻主題挖掘的影響,本文采用一種改進的方法對科技文獻的主題進行挖掘??萍嘉墨I本身的結(jié)構(gòu)是基本固定的,一般由標題、摘要、關(guān)鍵詞、正文和結(jié)論組成,考慮到各個特征詞出現(xiàn)的位置不同而對文獻重要性貢獻的不同,采用位置加權(quán)的方法計算權(quán)重,避免了重要特征詞可能被過濾的可能性。同時,根據(jù)Frobenius理論來對稀疏的文本矩陣進行降維,避免了奇異值分解算法的復雜性,也增強了文本挖掘計算的緊湊性。

    3 科技文獻的主題挖掘

    3.1 主要思路

    本文對科技文獻進行主題挖掘主要分為三個部分,分別是數(shù)據(jù)預處理、構(gòu)造矩陣和矩陣降維。首先對科技文獻集進行預處理,刪除無效字符后進行分詞,去除停用詞,構(gòu)造出詞條庫。構(gòu)造矩陣時要先計算詞條庫中特征詞的權(quán)重,然后根據(jù)計算出來的權(quán)重構(gòu)造詞匯-文獻矩陣。矩陣降維時采用改進的LSI算法,先是用線性組合的方法來表示詞匯-文獻矩陣A和詞匯-主題矩陣X和主題-文獻矩陣Y的關(guān)系。主題-文獻矩陣Y開始是隨機生成的,然后分別固定矩陣Y和矩陣 X,循環(huán)計算最后得到穩(wěn)定的矩陣X和矩陣Y,此時的主題-文獻矩陣Y中的每一列就代表了某篇科技文獻的所有主題的概率分布,將其降序排列就可得到這篇科技文獻面向各主題的重要程度,取出排在前面的n個主題(一般n取3~8)即為該文獻的主題詞。具體流程圖如圖1所示。

    圖1 科技文獻主題挖掘流程示意圖

    3.2 預處理

    數(shù)據(jù)預處理要進行的操作包括文本字符處理、分詞、去除停用詞、構(gòu)造詞條庫等步驟。

    3.2.1 字符處理

    存儲在數(shù)據(jù)庫中科技文獻的結(jié)構(gòu)和格式都是有規(guī)則的,并沒有異常值,在進行數(shù)據(jù)預處理的時候,不需要對文獻進行規(guī)格化處理操作,直接進行數(shù)據(jù)清洗操作。去掉不可以作為特征詞的字符、數(shù)字、連字符和標點。

    3.2.2 分詞

    分詞是將文獻矩陣化處理特有的預處理步驟,為了提取科技文獻中的文本特征詞,把文獻中的文字切分成有意義的詞,提供給后續(xù)數(shù)據(jù)處理使用。

    3.2.3 去除停用詞

    停用詞是指在科技文獻中出現(xiàn)頻率太高,但攜帶信息較少,對科技文獻主題挖掘沒有貢獻或者貢獻太小的詞。比如“的,是”等,這時需要對照停用詞表消除這些表現(xiàn)力不強的停用詞。去除停用詞可以節(jié)省存儲空間,降低計算量,使文本特征詞更精煉準確。

    3.2.4 構(gòu)造詞條庫

    經(jīng)過上述操作后,對所有科技文獻集中提取出來的特征詞進行統(tǒng)計,排序,然后用這些特征詞構(gòu)造詞條庫。構(gòu)造出的詞條庫中包含了所有的科技文獻和進行預處理得到的所有特征詞。

    3.3 構(gòu)造詞匯-文獻矩陣

    3.3.1 科技文獻表示方法

    根據(jù)科技文獻集構(gòu)造出了詞條庫以后,首先采用空間向量模型(Vector Space Model,VSM)來表示,將科技文獻看成是一組正交特征詞構(gòu)成的向量a=(a1,a2,…,am),其中,ai為特征詞i的權(quán)值,表示特征詞i在該科技文獻中的重要程度。如果有n個科技文獻,這n個科技文獻總共有m個特征詞,就可以構(gòu)成一個二維的m×n的詞匯-文獻矩陣A。

    其中,矩陣A的每一行表示一個特征詞,每一列表示一篇科技文獻,第i行表示第i個特征詞,第 j列表示第 j篇科技文獻,aij表示第i個特征詞在第 j個科技文獻中的權(quán)值。

    3.3.2 特征詞權(quán)值計算

    在詞匯-文獻矩陣中,矩陣中的每個元素表示這個特征詞在文獻中的重要程度。但是,同一特征詞在科技文獻中出現(xiàn)位置不同而對文獻的貢獻程度不同,在標題中最能反映文獻的主題,在摘要、關(guān)鍵字和結(jié)論其次,在正文中次之,而在參考文獻中重要性是最低的。所以,本文采用基于tf-idf的加權(quán)計算方法,考慮特征詞在文獻中出現(xiàn)的位置對權(quán)重的影響,根據(jù)公式(1)計算特征詞的權(quán)重。

    其中,tfij代表特征詞i在科技文獻 j中出現(xiàn)的頻率,由特征詞i在科技文獻 j中出現(xiàn)的次數(shù)除以科技文獻 j中的特征詞的總數(shù)計算。idfi代表特征詞i反比于特征詞出現(xiàn)的文本頻數(shù),N表示科技文獻集總數(shù),ni表示含有特征詞i的科技文獻總數(shù),loc表示特征詞在文本中出現(xiàn)的位置。

    本文設定標題的位置權(quán)重為2.5,摘要、關(guān)鍵字、結(jié)論的位置權(quán)重為1.5,正文權(quán)重為1。當同一個詞匯出現(xiàn)在不同的位置時,則選取該詞匯在文本中出現(xiàn)的位置權(quán)重最高的位置,如當詞匯“人工智能”同時出現(xiàn)在標題、摘要、關(guān)鍵字、正文和結(jié)論中時,只取該詞匯在標題中的權(quán)重,即“人工智能”這個特征詞的loc=2.5。

    3.3.3 構(gòu)造詞匯-文獻矩陣

    根據(jù)數(shù)據(jù)預處理得到的詞條庫和特征詞權(quán)值,構(gòu)造出詞匯-文獻矩陣A,矩陣A是一個稀疏矩陣,它表示科技文獻和詞條庫中的特征詞的關(guān)系。

    3.4 LSI降維

    3.4.1 LSI原理

    LSI利用矩陣的奇異值分解來降低矩陣的維度,令A=LΣRT,其中,LLT=RTR=I,Σ=diag(δ1,δ2,…,δn)。L,R分別稱為矩陣A的左右奇異矩陣,Σ稱為矩陣A的奇異值標準形,Σ的對角元素被稱為A的奇異值。矩陣 Σ是一個秩為r(r<m,n)的對角矩陣,對角線上的奇異值按大小降序排列,并且矩陣中的后m-r行數(shù)據(jù)都為0。LSI取矩陣Σ的前K個最大的奇異值,取L和R最前面的k個列和行來構(gòu)建 A的k-秩近似矩陣 Ak,Ak=LkΣkRT

    k,其原理如圖2所示。

    圖2 LSI矩陣分解示意圖

    圖2中,用Ak近似表示原來矩陣A,矩陣Lk中的行向量代表詞匯矩陣,矩陣Rk中的列向量代表科技文獻矩陣。通過奇異值分解和取k-秩近似矩陣,可以消減原來的詞匯-文獻矩陣A中包含的值為0的“噪聲”因素,減少原矩陣的維度,縮減了向量空間,更加表現(xiàn)出特征詞和科技文獻之間的關(guān)系,提高主題挖掘的效率。

    本文處理對象是由科技文獻組成的文檔集,以特征詞在科技文獻中出現(xiàn)的頻率為依據(jù),把這些訓練文檔表達為詞匯-文獻矩陣A(word-article),然后采用奇異值分解方法將矩陣A向主題空間進行投影,得到詞匯-主題矩陣 X(word-topic)和主題-文獻矩陣Y(topic-article)。其中,詞匯-主題矩陣X(對應于左奇異矩陣)是特征詞的潛在主題矩陣,矩陣中的值表示每個特征詞在潛在主題的權(quán)值,根據(jù)矩陣 X可以得到訓練文檔集的主題。主題-文獻矩陣Y(對應于右奇異矩陣)是科技文獻在主題空間中的投影,根據(jù)矩陣Y可以看出每個主題在科技文獻中的權(quán)重,就可以得到所有表示文獻的主題,選取其中權(quán)重較高的主題作為科技文獻的主題。

    3.4.2 LSI方法的改進

    LSI可以提高信息索引的性能,但LSI中必須進行的奇異值分解其計算復雜度高。本文另外運用一種改進的潛在語義索引方法進行主題建模[17]。這種方法在進行矩陣分解時,引入Frobenius范數(shù)[18],采用線性方法規(guī)則化矩陣得到新的矩陣。

    這種改進的LSI方法的主要原理是通過線性組合方法對矩陣進行迭代分解來將詞匯-文獻矩陣A向主題空間進行投影,開始時隨機給定一個主題-文獻矩陣Y,暫時固定這個主題-文獻矩陣Y,根據(jù)公式求出最小化的詞匯-主題矩陣X,然后固定這個已求出的矩陣X,再求出最小化的主題-文獻矩陣Y,反復迭代這兩個步驟直到最小值不變,得到最終的詞匯-主題矩陣X和主題-文獻矩陣Y。更新X和Y時分別引入Frobenius范數(shù)的1-范式和2-范式來規(guī)則化矩陣,其中,用1-范式規(guī)范詞匯-主題矩陣X,2-范式規(guī)范主題-文檔矩陣Y,使得主題挖掘的范圍擴大了,而且復雜度也降低了。LSI改進后的主要步驟如下:

    步驟1科技文獻的線性表示

    如果訓練文獻集中有k個主題,則這k個主題可以表示為一個m×k的詞匯-主題矩陣 X=[x1,x2,…,xk],其中,矩陣中的每一列代表一個主題,xi是一個m維的向量,表示第i個主題。用線性組合的方法來表示科技文獻集如公式(2)所示。

    其中,yn表示文獻an在主題空間中的投影,ykn表示第k個主題xk在第n篇科技文獻an中的權(quán)值。 ykn的值越大說明主題xk越能代表科技文獻an。Y=[y1,y2,…,yn]是一個k×n的主題-文獻矩陣,第n列 yn表示文獻在潛在主題空間中的投影。

    由于用公式(2)來表示文獻集的線性之和是近似值,會產(chǎn)生誤差值,引入范式來約束an與 Xyn的誤差使得誤差值最小,同時引入變量 f1和 f2來規(guī)范公式(2),得到公式(3):

    步驟2固定Y,更新X

    而由于文獻是相互獨立的,則公式(4)中的m個詞匯是獨立的,每個詞匯是矩陣X中的每一行,可以分成m次運算,其中每次運算可表示為:

    其中,m=1,2,…,m。

    將式(5)變換成一個可微分的二次函數(shù),對這個二次函數(shù)求導并令它等于0,則可以得到當l≠k時(l=1,2,…,n),xmk的最小值,如公式(6)所示。

    其中,vij和uij分別是k×k矩陣V=YYT和m×k矩陣U=AYT的第i行第 j列。

    步驟3固定X,更新Y

    步驟4主題提取

    根據(jù)公式(6)和公式(7),迭代更新矩陣X和Y,直到矩陣 X和Y的值穩(wěn)定,得到詞匯-主題矩陣 X和主題-文獻矩陣Y,矩陣Y中的每一列就代表一篇科技文獻的所有主題,對矩陣中的數(shù)據(jù)進行降序排列,然后取權(quán)重最高的主題代表這篇文獻的主題。

    4 實驗過程及分析

    4.1 實驗過程

    4.1.1 數(shù)據(jù)來源

    進行主題挖掘?qū)嶒灂r,詞條庫的建立是非常重要的,在英文詞條庫建立方面,國外已經(jīng)有了REUTER,TREC,OHSUMED等一些標準權(quán)威的語料庫。而在中文詞條庫建立方面,目前還沒有一個權(quán)威的中文文本語料庫。因此,本文搜集了萬方數(shù)據(jù)庫知識服務平臺上的相關(guān)論文來建立一個詞條庫。實驗中采集了6個主題共800篇科技類文檔,其中人工智能200篇、社交網(wǎng)絡100篇、數(shù)據(jù)挖掘200篇、推薦系統(tǒng)100篇、下一代網(wǎng)絡100篇、文本挖掘100篇,詞匯共380 021個。

    4.1.2 數(shù)據(jù)預處理

    本文采用Visual Studio2010集成開發(fā)環(huán)境,C#語言進行編程,利用中國科學院計算技術(shù)研究所的開源中文分詞組件ICTCLAS分詞系統(tǒng)共享版進行中文分詞,分詞后去除停用詞,進行詞頻統(tǒng)計,完成主題挖掘數(shù)據(jù)預處理過程。預處理后的結(jié)果如表1所示,然后設置閾值為2,去除出現(xiàn)頻數(shù)小于2的特征詞,構(gòu)建出詞條庫。

    表1 預處理結(jié)果

    4.1.3 生成矩陣

    利用權(quán)值計算公式(3),根據(jù)這些特征詞在文中出現(xiàn)的位置計算特征詞的權(quán)值。利用選取的特征詞及其權(quán)值來表示文獻集中的所有文獻,構(gòu)造出詞匯-文獻矩陣如表2所示。

    表2 構(gòu)造詞匯-文獻矩陣

    4.1.4 對矩陣進行降維分解

    取 f1=0.5,f2=1.0,對詞匯-文獻矩陣根據(jù)改進的LSI算法,利用公式(6)和公式(7)進行降維分解,分別生成詞匯-主題矩陣X和主題-文獻矩陣Y如表3所示。

    表3 詞匯-主題矩陣X和主題-文獻矩陣Y

    4.1.5 主題-文獻矩陣Y的主題進行輸出

    根據(jù)矩陣降維后得到的主題-文獻矩陣可以得到每篇文獻的主題,表4表示的是輸出每篇科技文獻的前8個主題詞(GB7713-8規(guī)定每篇文章應選取3~8個關(guān)鍵詞,而實驗也證明3~8個特征詞已經(jīng)能夠表現(xiàn)出該科技文獻的主題)。

    表4 輸出結(jié)果

    由表4可以看出,這里運用改進的LSI方法得到的主題基本可以表達科技文獻的主題,表中的第一列可以得到該文獻的主題是有關(guān)推薦系統(tǒng)的,并且可以看出推薦系統(tǒng)類科技文獻主要研究的是模型、算法和推薦系統(tǒng)的設計;第二列主題是下一代網(wǎng)絡,這類文獻關(guān)于網(wǎng)絡協(xié)議以及體系結(jié)構(gòu)的設計;第三列主題是人工智能,這類主題則主要集中在應用及算法和模型的研究;第四列是關(guān)于數(shù)據(jù)挖掘的主題,數(shù)據(jù)挖掘類科技文獻集中在算法的研究與模型的應用上。

    4.2 測試結(jié)果

    實驗中還將本文的方法與常規(guī)的LSI方法以及主題挖掘中常用的LDA方法進行了比較,得到了相應的結(jié)果,同時用實驗挖掘出來的主題和人工統(tǒng)計出來的主題進行對比來衡量各方法的準確率,其結(jié)果如表5所示。

    表5 測試結(jié)果

    由表5可以看出,改進的LSI方法具有較高的準確率。相同數(shù)量的文獻,含有更多專業(yè)詞匯,且與主題相關(guān)的特征詞出現(xiàn)在標題等權(quán)重較高位置的科技文獻,主題會更明顯,更容易被挖掘。而對于文本挖掘這類主題不明確的科技文獻中,有一些主題詞在文獻的標題表述中沒有出現(xiàn),所以權(quán)重計算的時候,主題詞的權(quán)值小于在標題中出現(xiàn)的特征詞,而使得最后主題表示的時候沒有被采用,導致沒有挖掘出這個主題。

    5 結(jié)論

    本文研究了潛在語義索引方法對科技文獻進行主題挖掘的方法,嘗試了其中的改進方法,降低了LSI奇異值計算的復雜度,應用Frobenius范數(shù)理論對文獻矩陣降維,簡化了計算的難度,減少了部分噪音,簡化了計算的過程,能更快地表示原始科技文獻空間中的潛在語義結(jié)構(gòu)。但是利用LSI方法進行科技文獻的主題挖掘還處在初步的實驗階段,實驗中刪除的特征詞可能會影響后期的主題提取,最后得到的結(jié)果其精度還不是特別令人滿意,其中的原因值得探討,也是下一步工作的重點。

    [1]Salton G,McGill M J.Introduction to modern information retrieval[M].New York:McGraw-Hill,1983.

    [2]Deerwester S,Dumais S T,F(xiàn)urnas G W,et al.Indexing by latent semantic analysis[J].J AM SOC INFORM SCI,1990,41:960-972.

    [3]Hofmann T.Probabilistic latent semantic indexing[C]//Proceedings of the 22nd ACM SIGIR International Conference on Research and Development in Information Retrieval,1999:50-57.

    [4]Asuncion A U,Smyth P,Welling M.Asynchronous distributed estimation of topic models for document analysis[J]. Statistical Methodology,2011,8(1):3-17.

    [5]Blei D M,Ng A Y,Jordan M I.Latent dirichlet allocation[J].Journal of Machine Learning Research,2003,3:993-1022.

    [6]李曉霞,郭力.ChIN化學化工資源導航系統(tǒng)的新進展[J].計算機與應用化學,2002,19(1):139-143.

    [7]林鴻飛,高仁璟.基于潛在語義索引的文本摘要方法[J].大連理工大學學報,2001,41(6):744-748.

    [8]陳戈,段建勇,陸汝占.基于潛在語義索引和句子聚類的中文自動文摘[J].計算機仿真,2008,25(7):82-85.

    [9]曾雪強,王明文,陳素芬.一種基于潛在語義結(jié)構(gòu)的文本分類模型[J].華南理工大學學報:自然科學版,2004,32(z1):99-102.

    [10]郭武斌,周寬久,張世榮.基于潛在語義索引的SVM文本分類模型[J].情報學報,2009,28(6):827-833.

    [11]何明,馮博琴,傅向華.基于Rough集潛在語義索引的Web文檔分類[J].計算機工程,2004,30(13).

    [12]張秋余,劉洋.使用基于SVM的局部潛在語義索引進行文本分類[J].計算機應用,2007,27(6):1382-1384.

    [13]陳毅恒,秦兵,劉挺,等.基于潛在語義索引和自組織映射網(wǎng)的檢索結(jié)果聚類方法[J].計算機研究與發(fā)展,2009,46(7):1176-1183.

    [14]林鴻飛,戰(zhàn)學剛,姚天順.基于潛在語義索引的文本分析方法[J].模式識別與人工智能,2000,13(1):47-51.

    [15]王瑛.基于VSM的潛在語義索引[J].陜西科技大學學報:自然科學版,2010,28(5):151-158.

    [16]楊雪敏,張毅坤,崔穎安.基于LSI的代碼-文檔可追溯關(guān)聯(lián)挖掘研究[J].計算機工程,2011,37(8):34-36.

    [17]Wang Q,Xu J,Li H,et al.Regularized latent semantic indexing[C]//Proceedings of SIGIR’11,Beijing,2011:978-988.

    [18]方保镕,周繼東,李醫(yī)民.矩陣論[M].北京:清華大學出版社,2004:158-167.

    LIU Kan,ZHU Fangfang

    School of Information and Safety Engineering,Zhongnan University of Economics and Law,Wuhan 430073,China

    Based on a method improved by Latent Semantic Indexing,a topic mining for scientific papers is proposed. This paper describes a process which is used to mine the topics of the scientific papers.It performs conversion,removes non-alphabetic and stop word before further processing.It constructs the term-document matrix based on all words’weight. It uses modified LSI algorithm to cut the dimension of the matrix and gets a new topic-document matrix.It takes the highest weight of the top five themes as the papers’topic.This method utilizes the Frobenius norm to regulate matrix,reducing the dimension of the matrix.So the theme of the scientific papers can be mined quickly and accurately.

    latent semantic indexing;topic modeling;scientific documents

    提出了一種基于潛在語義的科技文獻主題挖掘方法,描述了科技文獻的主題挖掘模型。對科技文獻集進行預處理,計算特征詞權(quán)重,構(gòu)造出詞匯-文獻矩陣。用改進的LSI算法對稀疏矩陣進行降維得到固定的主題-文獻矩陣。取權(quán)重最高的主題作為該文獻的主題。該方法利用Frobenius范數(shù)來規(guī)范矩陣,對稀疏矩陣進行降維,可以快速精確地挖掘出科技文獻的主題。

    潛在語義索引;主題挖掘;科技文獻

    A

    TP311

    10.3778/j.issn.1002-8331.1305-0146

    LIU Kan,ZHU Fangfang.Research of topic mining for scientific papers based on LSI.Computer Engineering and Applications,2014,50(24):113-117.

    國家自然科學基金(No.71203164)。

    劉勘,男,博士,副教授,研究領(lǐng)域為數(shù)據(jù)挖掘、語義檢索、信息可視化等;朱芳芳,女,碩士研究生,研究領(lǐng)域為文本挖掘。E-mail:lkan@sina.com

    2013-05-14

    2013-06-30

    1002-8331(2014)24-0113-05

    CNKI網(wǎng)絡優(yōu)先出版:2013-09-04,http∶//www.cnki.net/kcms/detail/11.2127.TP.20130904.1344.014.html

    猜你喜歡
    特征詞語義詞匯
    本刊可直接用縮寫的常用詞匯
    一些常用詞匯可直接用縮寫
    語言與語義
    本刊可直接用縮寫的常用詞匯
    基于改進TFIDF算法的郵件分類技術(shù)
    產(chǎn)品評論文本中特征詞提取及其關(guān)聯(lián)模型構(gòu)建與應用
    “上”與“下”語義的不對稱性及其認知闡釋
    面向文本分類的特征詞選取方法研究與改進
    認知范疇模糊與語義模糊
    本刊一些常用詞匯可直接用縮寫
    久久久精品免费免费高清| 亚洲,一卡二卡三卡| 国产91av在线免费观看| av播播在线观看一区| 建设人人有责人人尽责人人享有的 | 最近的中文字幕免费完整| 肉色欧美久久久久久久蜜桃 | 国产欧美日韩精品一区二区| 高清av免费在线| 精品视频人人做人人爽| 久久99热这里只有精品18| 亚洲精品乱码久久久v下载方式| 中文欧美无线码| 精品久久久久久久久亚洲| 三级经典国产精品| 国产伦理片在线播放av一区| 国产 一区 欧美 日韩| av女优亚洲男人天堂| 偷拍熟女少妇极品色| av国产免费在线观看| 中国美白少妇内射xxxbb| 97在线视频观看| 色5月婷婷丁香| 国产成人免费无遮挡视频| 久久女婷五月综合色啪小说 | 少妇 在线观看| 亚洲自拍偷在线| 如何舔出高潮| 美女国产视频在线观看| 精品一区二区免费观看| 国产av不卡久久| 日韩成人av中文字幕在线观看| 日本欧美国产在线视频| 国产v大片淫在线免费观看| 欧美一级a爱片免费观看看| 国产伦在线观看视频一区| 99视频精品全部免费 在线| 2022亚洲国产成人精品| 成人亚洲欧美一区二区av| 亚洲电影在线观看av| 亚洲激情五月婷婷啪啪| 日韩欧美精品v在线| 一边亲一边摸免费视频| 美女内射精品一级片tv| 在线免费十八禁| 如何舔出高潮| 国产高清三级在线| 日韩国内少妇激情av| 午夜福利高清视频| 少妇人妻久久综合中文| 国产一区二区亚洲精品在线观看| 男女边吃奶边做爰视频| 国产高清国产精品国产三级 | 99久久精品国产国产毛片| 国产精品久久久久久精品古装| 又黄又爽又刺激的免费视频.| 日韩在线高清观看一区二区三区| 三级男女做爰猛烈吃奶摸视频| 制服丝袜香蕉在线| 国产精品成人在线| 久久久久久国产a免费观看| 一本久久精品| 九九爱精品视频在线观看| 国产精品99久久久久久久久| 22中文网久久字幕| 亚洲国产精品专区欧美| 亚洲精品成人久久久久久| 男人舔奶头视频| 少妇人妻 视频| 各种免费的搞黄视频| a级毛片免费高清观看在线播放| 偷拍熟女少妇极品色| 激情 狠狠 欧美| 毛片女人毛片| 亚洲av免费高清在线观看| 别揉我奶头 嗯啊视频| 欧美+日韩+精品| 天堂中文最新版在线下载 | 丰满少妇做爰视频| 久久久久性生活片| 一级毛片aaaaaa免费看小| 99久久人妻综合| 国产又色又爽无遮挡免| 国产高清不卡午夜福利| 日本与韩国留学比较| 中国三级夫妇交换| 麻豆国产97在线/欧美| 91久久精品国产一区二区成人| 久久久久网色| 老师上课跳d突然被开到最大视频| 久久女婷五月综合色啪小说 | 国产女主播在线喷水免费视频网站| 亚洲av.av天堂| 九色成人免费人妻av| 国产精品久久久久久av不卡| 日韩 亚洲 欧美在线| 直男gayav资源| 国产又色又爽无遮挡免| 欧美三级亚洲精品| 国产黄色免费在线视频| 久久人人爽人人爽人人片va| 老司机影院成人| videos熟女内射| 黄色日韩在线| 国产精品成人在线| www.色视频.com| 美女xxoo啪啪120秒动态图| 一区二区三区免费毛片| 久久久色成人| 99久久人妻综合| 色综合色国产| 亚洲精品亚洲一区二区| 高清日韩中文字幕在线| 听说在线观看完整版免费高清| 五月天丁香电影| 国产精品久久久久久精品古装| 真实男女啪啪啪动态图| av在线亚洲专区| 精品国产露脸久久av麻豆| 亚洲欧美一区二区三区黑人 | 国产成人免费无遮挡视频| 熟女人妻精品中文字幕| 高清毛片免费看| 日韩电影二区| 99久久九九国产精品国产免费| 国产午夜福利久久久久久| 国产一区二区三区av在线| 又粗又硬又长又爽又黄的视频| 91久久精品国产一区二区成人| 麻豆乱淫一区二区| 午夜视频国产福利| 亚洲真实伦在线观看| 日韩三级伦理在线观看| 成人漫画全彩无遮挡| 2021少妇久久久久久久久久久| 建设人人有责人人尽责人人享有的 | 制服丝袜香蕉在线| 亚洲一区二区三区欧美精品 | 九九爱精品视频在线观看| 国产一区有黄有色的免费视频| 亚洲最大成人中文| 91午夜精品亚洲一区二区三区| 亚洲自拍偷在线| 一本色道久久久久久精品综合| 国产精品爽爽va在线观看网站| 国产精品一区www在线观看| 日本一本二区三区精品| 久久久久国产网址| 91久久精品电影网| 黑人高潮一二区| 天天躁日日操中文字幕| 国产成人a区在线观看| 在线观看av片永久免费下载| 日本爱情动作片www.在线观看| 蜜桃久久精品国产亚洲av| 99视频精品全部免费 在线| 午夜激情久久久久久久| 免费看av在线观看网站| 成人亚洲欧美一区二区av| 国产成人福利小说| 香蕉精品网在线| 欧美区成人在线视频| 有码 亚洲区| 蜜桃亚洲精品一区二区三区| 亚洲电影在线观看av| 狂野欧美激情性xxxx在线观看| 国产91av在线免费观看| 国产永久视频网站| 久久97久久精品| 最近最新中文字幕大全电影3| 亚洲av欧美aⅴ国产| 一级毛片久久久久久久久女| av线在线观看网站| 国产黄片美女视频| 日本黄色片子视频| 日韩三级伦理在线观看| 亚洲精品色激情综合| 视频中文字幕在线观看| 人妻少妇偷人精品九色| 九九爱精品视频在线观看| 国产成人a区在线观看| 青春草视频在线免费观看| 岛国毛片在线播放| 国产黄频视频在线观看| 大码成人一级视频| 色播亚洲综合网| 亚洲精品日本国产第一区| 国产亚洲一区二区精品| 欧美变态另类bdsm刘玥| 国产熟女欧美一区二区| 日韩精品有码人妻一区| 综合色丁香网| 少妇熟女欧美另类| 精品久久久噜噜| 成年版毛片免费区| 国产精品福利在线免费观看| 欧美激情在线99| 欧美一级a爱片免费观看看| 汤姆久久久久久久影院中文字幕| 一级毛片我不卡| 日韩在线高清观看一区二区三区| 丰满人妻一区二区三区视频av| 少妇人妻精品综合一区二区| 欧美日韩综合久久久久久| 久久久久久久午夜电影| 亚洲av在线观看美女高潮| 在线天堂最新版资源| 亚洲内射少妇av| 91精品国产九色| 亚洲欧美精品自产自拍| 午夜免费鲁丝| 日韩电影二区| 亚洲综合色惰| 干丝袜人妻中文字幕| 国产有黄有色有爽视频| 观看美女的网站| 国产综合懂色| 国产乱人视频| 免费电影在线观看免费观看| 久久女婷五月综合色啪小说 | 日韩一本色道免费dvd| 精品国产三级普通话版| 一级a做视频免费观看| 18禁裸乳无遮挡免费网站照片| 国产淫片久久久久久久久| 精品久久久噜噜| 伦理电影大哥的女人| 国产精品av视频在线免费观看| 亚洲av福利一区| 最近手机中文字幕大全| 涩涩av久久男人的天堂| 国产成人精品福利久久| 国产一区二区在线观看日韩| av又黄又爽大尺度在线免费看| 最近手机中文字幕大全| 高清毛片免费看| 欧美变态另类bdsm刘玥| 亚洲av日韩在线播放| 我的女老师完整版在线观看| 性色avwww在线观看| 国产大屁股一区二区在线视频| 亚洲性久久影院| 国产精品偷伦视频观看了| 最近最新中文字幕免费大全7| 少妇裸体淫交视频免费看高清| 国产精品嫩草影院av在线观看| 三级国产精品片| 成人午夜精彩视频在线观看| 高清视频免费观看一区二区| 欧美三级亚洲精品| 搡女人真爽免费视频火全软件| 欧美zozozo另类| 精品99又大又爽又粗少妇毛片| 国产一区二区三区综合在线观看 | xxx大片免费视频| 蜜桃亚洲精品一区二区三区| freevideosex欧美| 中文乱码字字幕精品一区二区三区| 伊人久久精品亚洲午夜| 高清av免费在线| 亚洲国产精品国产精品| 26uuu在线亚洲综合色| 国产中年淑女户外野战色| 欧美日韩综合久久久久久| 午夜免费鲁丝| 久热这里只有精品99| 国产成人免费观看mmmm| 久久久久久久大尺度免费视频| 国产爱豆传媒在线观看| 美女cb高潮喷水在线观看| 成人高潮视频无遮挡免费网站| a级毛片免费高清观看在线播放| 观看免费一级毛片| 国产精品av视频在线免费观看| 性色av一级| 国产高潮美女av| 最后的刺客免费高清国语| 久久精品国产亚洲av涩爱| 九色成人免费人妻av| 涩涩av久久男人的天堂| 一区二区av电影网| 亚洲精品中文字幕在线视频 | 看黄色毛片网站| av免费在线看不卡| 亚洲不卡免费看| 国产午夜精品久久久久久一区二区三区| 国产精品熟女久久久久浪| 网址你懂的国产日韩在线| 免费大片18禁| 免费看不卡的av| 午夜激情久久久久久久| 国产日韩欧美在线精品| 久久久久久伊人网av| 欧美日韩亚洲高清精品| 国产精品福利在线免费观看| 99热6这里只有精品| 人妻夜夜爽99麻豆av| 欧美xxxx黑人xx丫x性爽| 久久精品国产亚洲av涩爱| 亚洲精品国产色婷婷电影| 在线观看一区二区三区激情| 亚洲av男天堂| 国产乱人偷精品视频| 日本午夜av视频| 少妇 在线观看| 人妻夜夜爽99麻豆av| 精品久久久精品久久久| 波野结衣二区三区在线| 少妇猛男粗大的猛烈进出视频 | 97热精品久久久久久| 日韩,欧美,国产一区二区三区| 在线观看国产h片| 日韩一区二区视频免费看| 亚洲一级一片aⅴ在线观看| av线在线观看网站| 九九久久精品国产亚洲av麻豆| 国产精品久久久久久精品古装| 男人舔奶头视频| 午夜爱爱视频在线播放| 成人毛片60女人毛片免费| 精品久久久精品久久久| 99视频精品全部免费 在线| 卡戴珊不雅视频在线播放| 伊人久久精品亚洲午夜| 国产黄片视频在线免费观看| 成人高潮视频无遮挡免费网站| 成人漫画全彩无遮挡| 人妻 亚洲 视频| 国产精品人妻久久久影院| 在线观看人妻少妇| 七月丁香在线播放| 国产色爽女视频免费观看| www.色视频.com| 亚洲美女搞黄在线观看| 最新中文字幕久久久久| 亚洲人成网站在线播| av免费观看日本| 国产精品一二三区在线看| 日韩人妻高清精品专区| 亚洲人与动物交配视频| freevideosex欧美| 国产亚洲一区二区精品| 深夜a级毛片| 人妻系列 视频| 日韩人妻高清精品专区| 少妇熟女欧美另类| 国产精品成人在线| 国产精品久久久久久久久免| 亚洲精品成人久久久久久| 国产精品伦人一区二区| 日本午夜av视频| 国产一级毛片在线| 日韩伦理黄色片| 亚洲av不卡在线观看| 国产精品无大码| 成人二区视频| 在线观看一区二区三区| 国产久久久一区二区三区| 成人国产麻豆网| 狠狠精品人妻久久久久久综合| 欧美日韩精品成人综合77777| 成人二区视频| 26uuu在线亚洲综合色| 精品国产一区二区三区久久久樱花 | 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 久久99精品国语久久久| 婷婷色av中文字幕| 欧美bdsm另类| 日本三级黄在线观看| 搡女人真爽免费视频火全软件| 国产爽快片一区二区三区| 99热国产这里只有精品6| 亚洲av不卡在线观看| 日韩伦理黄色片| 国产爽快片一区二区三区| 最新中文字幕久久久久| 97在线人人人人妻| 国产欧美另类精品又又久久亚洲欧美| 国产探花在线观看一区二区| 97在线视频观看| 另类亚洲欧美激情| 亚洲av一区综合| 日韩一区二区视频免费看| 国产精品国产三级国产av玫瑰| 乱码一卡2卡4卡精品| 爱豆传媒免费全集在线观看| 一级毛片aaaaaa免费看小| 亚洲国产欧美人成| 中文资源天堂在线| 亚洲,一卡二卡三卡| 国产精品.久久久| 免费观看无遮挡的男女| 久久久久久久久久人人人人人人| 大香蕉97超碰在线| 国产乱人视频| 欧美丝袜亚洲另类| 免费高清在线观看视频在线观看| 美女视频免费永久观看网站| 精品国产三级普通话版| av在线老鸭窝| 久久久久久国产a免费观看| 国产成人午夜福利电影在线观看| 深爱激情五月婷婷| 伦理电影大哥的女人| 好男人视频免费观看在线| 99精国产麻豆久久婷婷| 色婷婷久久久亚洲欧美| 亚洲精品日韩在线中文字幕| 少妇 在线观看| 日本与韩国留学比较| 91精品国产九色| 国内揄拍国产精品人妻在线| 乱码一卡2卡4卡精品| 国产男人的电影天堂91| 97超碰精品成人国产| av在线天堂中文字幕| 国产精品99久久久久久久久| 男男h啪啪无遮挡| 精品国产露脸久久av麻豆| 一本一本综合久久| 国产乱人视频| 成人二区视频| 国产成人91sexporn| 日本三级黄在线观看| 中国三级夫妇交换| 成人午夜精彩视频在线观看| 天美传媒精品一区二区| 久久女婷五月综合色啪小说 | 99久久九九国产精品国产免费| 亚洲婷婷狠狠爱综合网| 日本-黄色视频高清免费观看| 老司机影院成人| 亚洲精品自拍成人| 香蕉精品网在线| 九九久久精品国产亚洲av麻豆| 丝袜喷水一区| 男女国产视频网站| 国产成人freesex在线| 亚洲高清免费不卡视频| 永久网站在线| 日韩一区二区三区影片| 免费播放大片免费观看视频在线观看| 免费黄频网站在线观看国产| 久久久精品94久久精品| 人妻制服诱惑在线中文字幕| 亚洲欧美清纯卡通| 日韩一本色道免费dvd| 国产69精品久久久久777片| eeuss影院久久| 涩涩av久久男人的天堂| 欧美另类一区| 国产探花极品一区二区| 18禁裸乳无遮挡免费网站照片| 纵有疾风起免费观看全集完整版| 美女高潮的动态| 日韩伦理黄色片| 国产色爽女视频免费观看| 国产亚洲午夜精品一区二区久久 | 一区二区三区乱码不卡18| 两个人的视频大全免费| 啦啦啦啦在线视频资源| 国产精品久久久久久精品电影| 精品久久久噜噜| 大香蕉97超碰在线| 91狼人影院| 久久久久久久午夜电影| 日韩视频在线欧美| 久久久久久久久大av| 久久久久久久大尺度免费视频| 国产真实伦视频高清在线观看| 三级国产精品片| 国产黄色免费在线视频| 水蜜桃什么品种好| 日韩欧美 国产精品| 国产亚洲精品久久久com| 美女脱内裤让男人舔精品视频| 毛片一级片免费看久久久久| 色综合色国产| 激情 狠狠 欧美| 国产午夜精品一二区理论片| 国国产精品蜜臀av免费| 日韩一区二区视频免费看| 一级毛片电影观看| 少妇的逼水好多| 日韩强制内射视频| 国产伦精品一区二区三区四那| 麻豆国产97在线/欧美| 精品一区二区三卡| 亚洲精华国产精华液的使用体验| 免费av毛片视频| 高清毛片免费看| 免费不卡的大黄色大毛片视频在线观看| 18禁动态无遮挡网站| 日韩欧美 国产精品| 男插女下体视频免费在线播放| 九九在线视频观看精品| 性色avwww在线观看| 亚洲成人av在线免费| 一个人观看的视频www高清免费观看| 人妻制服诱惑在线中文字幕| 欧美一区二区亚洲| 伦精品一区二区三区| 亚洲,一卡二卡三卡| 国产精品一区二区在线观看99| 天天躁日日操中文字幕| 特级一级黄色大片| av在线播放精品| 99久久九九国产精品国产免费| 王馨瑶露胸无遮挡在线观看| 日本熟妇午夜| av在线播放精品| 国产成人freesex在线| 国产高清有码在线观看视频| 欧美xxxx黑人xx丫x性爽| 亚洲欧美成人精品一区二区| 欧美少妇被猛烈插入视频| 国产色婷婷99| 在线观看三级黄色| 男人添女人高潮全过程视频| 啦啦啦在线观看免费高清www| 国产淫语在线视频| 2018国产大陆天天弄谢| 国产欧美日韩精品一区二区| 久久久精品94久久精品| 在线播放无遮挡| 一级毛片久久久久久久久女| 内射极品少妇av片p| 亚洲色图综合在线观看| www.av在线官网国产| 久久6这里有精品| 网址你懂的国产日韩在线| 18禁在线无遮挡免费观看视频| .国产精品久久| 日韩免费高清中文字幕av| 亚洲欧美一区二区三区黑人 | 欧美激情国产日韩精品一区| 禁无遮挡网站| 欧美日韩视频精品一区| 亚洲av成人精品一区久久| 欧美性猛交╳xxx乱大交人| 熟女电影av网| 国产高清三级在线| 深爱激情五月婷婷| 国产午夜福利久久久久久| 婷婷色av中文字幕| 亚洲国产欧美在线一区| 伦精品一区二区三区| 2021少妇久久久久久久久久久| 国产一区二区三区av在线| 亚洲在线观看片| 综合色丁香网| av在线蜜桃| 中文字幕制服av| 精品久久久久久久久av| 人人妻人人澡人人爽人人夜夜| 少妇 在线观看| 久久久久久久久大av| 亚洲无线观看免费| 日本欧美国产在线视频| 黄片wwwwww| 人妻 亚洲 视频| 王馨瑶露胸无遮挡在线观看| 只有这里有精品99| 99热这里只有是精品50| 校园人妻丝袜中文字幕| 亚洲精品aⅴ在线观看| 国产91av在线免费观看| 综合色av麻豆| 国产熟女欧美一区二区| 嘟嘟电影网在线观看| 九色成人免费人妻av| 一个人看的www免费观看视频| 少妇熟女欧美另类| 亚洲av免费在线观看| 人妻制服诱惑在线中文字幕| 国产 精品1| 日本wwww免费看| 18+在线观看网站| 国产在视频线精品| 欧美日韩视频精品一区| 国产欧美日韩精品一区二区| 好男人视频免费观看在线| 国产精品福利在线免费观看| 精品一区二区三卡| 性插视频无遮挡在线免费观看| 午夜福利高清视频| 久久精品国产鲁丝片午夜精品| 偷拍熟女少妇极品色| 1000部很黄的大片| 丝瓜视频免费看黄片| 99九九线精品视频在线观看视频| 三级经典国产精品| 国内精品宾馆在线| 亚洲精品日韩在线中文字幕| 蜜桃亚洲精品一区二区三区| 美女国产视频在线观看| 免费人成在线观看视频色| 久久ye,这里只有精品| 久久精品国产亚洲av涩爱| 王馨瑶露胸无遮挡在线观看| 三级国产精品欧美在线观看| 韩国av在线不卡| 日韩精品有码人妻一区| 国产成人a区在线观看| 久久影院123| 波野结衣二区三区在线| 国产老妇伦熟女老妇高清| 2022亚洲国产成人精品| 蜜桃久久精品国产亚洲av| 国产成人精品婷婷| 国产精品不卡视频一区二区| 少妇猛男粗大的猛烈进出视频 | 在现免费观看毛片| 亚洲欧美精品专区久久| 国产日韩欧美亚洲二区|