• <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 ?

    基于詞向量包的自動(dòng)文摘方法

    2017-02-27 00:03白淑霞鮑玉來張暉
    現(xiàn)代情報(bào) 2017年2期

    白淑霞 鮑玉來 張暉

    〔摘要〕[目的]利用向量空間描述語義信息,研究基于詞向量包的自動(dòng)文摘方法;[方法]文摘是文獻(xiàn)內(nèi)容縮短的精確表達(dá);而詞向量包可以在同一個(gè)向量空間下表示詞、短語、句子、段落和篇章,其空間距離用于反映語義相似度。提出一種基于詞向量包的自動(dòng)文摘方法,用詞向量包的表示距離衡量句子與整篇文獻(xiàn)的語義相似度,將與文獻(xiàn)語義相似的句子抽取出來最終形成文摘;[結(jié)果]在DUC01數(shù)據(jù)集上,實(shí)驗(yàn)結(jié)果表明,該方法能夠生成高質(zhì)量的文摘,結(jié)果明顯優(yōu)于其它方法;[結(jié)論]實(shí)驗(yàn)證明該方法明顯提升了自動(dòng)文摘的性能。

    〔關(guān)鍵詞〕詞向量;詞包向量;自動(dòng)文摘

    DOI:10.3969/j.issn.1008-0821.2017.02.002

    〔中圖分類號(hào)〕G25437〔文獻(xiàn)標(biāo)識(shí)碼〕A〔文章編號(hào)〕1008-0821(2017)02-0008-06

    〔Abstract〕[Purposes]This work focused on automatic summarization by utilizing vector space to describe the semantics.[Methods]proposed a new representation based on word vector,which is called bag of word vector(BOWV),and employed it for automatic summarization.Words,phrases,sentences,paragraphs and documents could be represented in a same vector space by using BOWV.And the distance between representations was used to reflect the semantic similarity.For automatic summarization,the paper used the distance between BOWVs to measure the semantic similarity between sentences and document.The sentences similar with the document are extracted to form the summary.[Findings]Experimental results on DUC01 dataset showed that the proposed method could generate high-quality summary and outperforms comparison methods.[Conclusions]The experiment showed that this research improved the performance of automatic summarization significantly.

    〔Key words〕vector;bag of word vector;automatic summarization

    隨著Internet的快速發(fā)展,電子文本數(shù)量呈現(xiàn)出指數(shù)增長(zhǎng)的趨勢(shì)。為了更好地利用這些信息,人們迫切需要信息壓縮手段對(duì)大量的信息進(jìn)行提煉、濃縮。文摘可以概括原始文檔,讓用戶快速理解文本信息。而手工編寫文摘費(fèi)時(shí)費(fèi)力,因此利用計(jì)算機(jī)自動(dòng)生成文摘已經(jīng)成為自然語言處理領(lǐng)域的一個(gè)重要研究課題。

    文摘也稱摘要,是簡(jiǎn)明、確切地記述原始文獻(xiàn)中重要內(nèi)容的短文。自動(dòng)文摘就是使用計(jì)算機(jī)自動(dòng)生成文摘。從生成方式來看,自動(dòng)文摘可分為抽取型文摘和生成型文摘。抽取型文摘從原文中抽取句子形成文摘。生成型文摘?jiǎng)t使用“自己的話”來概括原文。相比于抽取型文摘,生成型文摘難度更大。目前,生成型文摘尚難以付諸實(shí)踐,抽取型文摘是現(xiàn)階段主要的研究方向[1]。

    文摘抽取方法大體可分為3類:①將其視作一個(gè)句子排序問題,主要任務(wù)是給句子打分,得分高的句子被納入到最終的文摘之中,得分低的則被排除在外。打分的依據(jù)一般包括詞頻及分布特點(diǎn)[2]、句子在段落中的位置[3]、句子的相似性[4]等;②將其視作一個(gè)二元分類問題,將文檔中的摘要句作為正例,非摘要句作為反例,使用的分類模型主要有樸素貝葉斯模型[5]、決策樹[6]、支持向量機(jī)[7]、人工神經(jīng)網(wǎng)絡(luò)[8]等;③將其視作一個(gè)序列標(biāo)注問題,將文檔中的摘要句標(biāo)注為1,非摘要句標(biāo)注為0,使用的模型主要有隱馬爾可夫模型[9]和條件隨機(jī)場(chǎng)[10]。

    抽取型文摘是由文檔中的句子組成,因此句子的表示是一個(gè)關(guān)鍵問題。句子是詞的序列,句子的表示又建立在詞表示的基礎(chǔ)上。常用的一種方法是建立一個(gè)與詞表等長(zhǎng)的二值向量,向量中的元素與詞表中的詞一一對(duì)應(yīng)。要表示一個(gè)詞則將向量中的對(duì)應(yīng)位置設(shè)為1,其它位置均設(shè)為0。這種方法最大的問題是向量長(zhǎng)度由詞表規(guī)模決定,而詞表一般規(guī)模巨大,這就帶來維數(shù)災(zāi)難和數(shù)據(jù)稀疏問題。解決這一問題的主要思路是降維。最簡(jiǎn)單的方法是去除停用詞,這可以減小詞表規(guī)模,但效果十分有限。而淺層語義索引(Latent Semantic Index,LSI)[11]方法引入了語義概念,它將詞表中的詞聚合成一個(gè)個(gè)“主題”(Topic),向量的長(zhǎng)度與主題數(shù)量相同,從而達(dá)到了大幅度降維的目的。目前被廣泛采用的淺層狄理赫雷分配(Latent Dirichlet Allocation,LDA)[12]是對(duì)淺層語義索引的改進(jìn)。要得到句子的表示,需要將詞的表示組合起來,詞包模型(Bag of Words)是最常用的方法[13],它忽略了句子中詞的順序,詞的表示經(jīng)過簡(jiǎn)單的代數(shù)運(yùn)算(如加和、取平均值等)即得到了句子的表示。

    顯然,詞的表示對(duì)句子的表示有重要影響。詞向量(Word Vector)或詞嵌入(Wordembedding)被認(rèn)為可以捕捉到諸如同義詞、近義詞和詞義對(duì)應(yīng)關(guān)系(如“國(guó)王”-“男人”+“女人”=“王后”,“King”-“man”+“woman”=“Queen”[14])等語言現(xiàn)象。詞向量已經(jīng)成功地應(yīng)用在語言模型[15]、自然語言理解[16]、信息檢索[17]、命名實(shí)體識(shí)別[18]、關(guān)系抽取[19]、機(jī)器翻譯[20]、圖像理解[21]等領(lǐng)域。

    本文將詞向量與詞包模型結(jié)合,提出一種文本表示方法,稱為“詞向量包”。詞向量包是詞向量的推廣,可以在同一個(gè)向量空間中表示詞、短語、句子、段落和篇章。在自動(dòng)文摘研究中,文摘與原文具有相同的語義,本文采用詞向量包之間的距離來衡量句子與原文語義相似度,并提出一種自動(dòng)文摘抽取方法。在DUC01數(shù)據(jù)集上,實(shí)驗(yàn)表明,本文提出的方法能夠生成較高質(zhì)量的文摘,ROUGE-N指標(biāo)明顯高于現(xiàn)有方法。

    1語義表示方法

    11詞向量:詞的語義表示

    詞向量是一種用向量表示詞的方法,向量中的每一維都在實(shí)數(shù)范圍內(nèi)取值。詞向量最早在文獻(xiàn)[15]中被提出。詞向量的總體思想是:完成一個(gè)自然語言處理任務(wù),將任務(wù)目標(biāo)定義為詞向量V(x)的函數(shù),其中x代表一個(gè)詞。為了實(shí)現(xiàn)任務(wù)目標(biāo)就需要優(yōu)化V(x),優(yōu)化得到的V(x)就是詞向量。在文獻(xiàn)[15]中定義的任務(wù)是生成語言模型,采用的學(xué)習(xí)器是人工神經(jīng)網(wǎng)絡(luò)。詞向量的研究發(fā)展迅速,主要關(guān)注于學(xué)習(xí)任務(wù)和學(xué)習(xí)器的改變。如文獻(xiàn)[16]提出要同時(shí)完成多個(gè)自然語言處理任務(wù),包括學(xué)習(xí)語言模型、詞性標(biāo)注和命名實(shí)體識(shí)別等;如文獻(xiàn)[22]提出使用遞歸神經(jīng)網(wǎng)絡(luò)(Recursive Neural Network,RNN)作為學(xué)習(xí)器等。

    詞向量方法可以實(shí)現(xiàn)詞的聚類,語義相近的詞在其表示空間中也相互接近,這樣就可以捕捉到諸如同義詞、近義詞關(guān)系。圖1給出了一個(gè)詞向量表示的示例,圖中語義相關(guān)的詞(關(guān)于運(yùn)動(dòng)的詞)聚集在一起。

    此外,詞向量還可以捕捉到詞與詞之間的對(duì)應(yīng)關(guān)系,如圖2顯示,妹妹(sister)和哥哥(brother)的關(guān)系,就像是姑姑(aunt)和叔叔(uncle)的關(guān)系一樣。這種關(guān)系也可以表示成一個(gè)代數(shù)關(guān)系:“姑姑”-“妹妹”+“哥哥”=“叔叔”(“aunt”-“sister”+“brother”=“uncle”)。詞向量的這些特點(diǎn)反映了自然語言中的語義特征。

    12詞向量包:句子、篇章的語義表示

    我們將詞向量與詞包模型結(jié)合起來,將句子或文檔中所有的詞向量進(jìn)行合并,從而形成句子或文檔的語義表示,我們稱之為詞向量包(Bag of Word Vector)。

    定義:若S=w1,w2,…,wN是一個(gè)句子或文檔,wi是其中的詞,N是詞的總數(shù)。則其詞向量包的表示V(S)為:

    V(S)=1N∑Ni=1V(wi)(1)圖2詞向量表示體現(xiàn)詞的對(duì)應(yīng)關(guān)系

    顯然,當(dāng)詞包里只有一個(gè)詞時(shí),詞向量包就是詞向量。

    詞向量包有語義聚類效果,它能夠?qū)⒄Z義相近的句子聚集在一起,而使語義不同的句子相互遠(yuǎn)離。圖3給出一個(gè)例子,我們?nèi)我膺x取了20篇文檔,將其中的每一個(gè)句子用詞向量包表示,并使用文獻(xiàn)[28]中的方法對(duì)其進(jìn)行可視化。圖3上的每一個(gè)點(diǎn)對(duì)應(yīng)一個(gè)句子,來自相同文檔的句子用同種形狀標(biāo)記??梢钥闯觯臋n中的句子聚在一起。一般而言,同一篇文檔中的句子都圍繞相同的話題,有較接近的語義,因此詞向量包能夠較好地反映語義。(來自相同文檔的句子用同種顏色標(biāo)記)圖3詞向量包的語義表示效果

    此外,因?yàn)樵~向量包是詞向量代數(shù)運(yùn)算的結(jié)果,詞向量中“國(guó)王”-“男人”+“女人”=“王后”這樣的代數(shù)關(guān)系在詞向量包中也得以保持。詞向量包繼承了詞向量的語義表示特性,是一種語義表示。我們利用詞向量包表示之間的距離反映語義相似性。

    2基于語義表示的自動(dòng)文摘抽取方法

    文摘是對(duì)原文主要內(nèi)容的摘述,是原文的一個(gè)簡(jiǎn)短版本,文摘的語義與原文一致。因此可以通過比較文摘與原文之間的語義相似性來評(píng)價(jià)文摘質(zhì)量的優(yōu)劣,語義越接近則文摘質(zhì)量越好。我們可以將其視為一個(gè)優(yōu)化問題:

    argmaxASemanticSim(A,D)-αAD(2)

    其中,A表示文摘,D表示原始文檔,A、D分別表示文摘和原文中句子或詞的個(gè)數(shù),α是可調(diào)節(jié)參數(shù)。SemanticSim(a,d)是兩者的語義相似度,本文利用詞向量包之間的距離反映語義相似性,即:

    SemanticSim(A,D)=-V(A)-V(D)2(3)

    其中,V(X)是X在詞向量包空間中的表示,SemanticSim(A,D)為A和D在該空間中的歐氏距離。如果限定文摘的篇幅,則(2)式的后一項(xiàng)可被省略,變?yōu)椋?/p>

    argminAV(A)-V(D)2(4)

    對(duì)于抽取型文摘,文摘中的句子來源于原始文檔:原始文檔D定義為一個(gè)句子序列s1,s2,…,sN,文摘A定義為D的子序列sj1,sj2,…,sjK,其中ji∈{1,2,…,N},K

    為求解這個(gè)組合優(yōu)化問題,根據(jù)句子排序思路,我們采用貪心方法求得一個(gè)近似解。首先,將整篇文檔和每一個(gè)句子投射到詞向量包空間中,度量它們之間的距離,再由小到大排序,取前K個(gè)句子形成最終的文摘。具體來說,我們首先去除文本中的標(biāo)點(diǎn)和停用詞,再將每個(gè)詞轉(zhuǎn)換為其對(duì)應(yīng)的詞向量表示,不在詞表中的詞忽略不計(jì)。然后,根據(jù)公式(1)計(jì)算整篇文檔和每一個(gè)句子的詞向量包表示,并計(jì)算它們之間的歐氏距離,將其從小到大排序。最后根據(jù)長(zhǎng)度要求,取前K個(gè)句子,按照其在原文中出現(xiàn)的順序連接起來,形成最終的文摘。

    3實(shí)驗(yàn)與分析

    這一節(jié)介紹本文實(shí)驗(yàn)的過程,實(shí)驗(yàn)使用開放評(píng)測(cè)數(shù)據(jù)集,并將文獻(xiàn)[23]報(bào)告的結(jié)果作為基限,采用的實(shí)驗(yàn)設(shè)計(jì)和評(píng)估方法都與之嚴(yán)格一致。

    31數(shù)據(jù)集

    為了評(píng)估本文提出方法的性能,我們使用DUC01作為測(cè)試數(shù)據(jù)集。DUC01由文檔理解會(huì)議(Document Understanding Conference,http:∥duc.nist.gov)提供,是使用較為廣泛的開放評(píng)測(cè)數(shù)據(jù)集。它包含有147篇新聞文本,文中每一個(gè)句子是否被當(dāng)作摘要句都由人工標(biāo)注。該數(shù)據(jù)集是專為測(cè)試單文檔抽取式文摘而設(shè)計(jì)的,并且做了很好的預(yù)處理,基限系統(tǒng)也采用了該數(shù)據(jù)集進(jìn)行系統(tǒng)性能評(píng)價(jià)。

    32評(píng)價(jià)標(biāo)準(zhǔn)

    為了評(píng)價(jià)系統(tǒng)性能,本文使用兩種指標(biāo)。一種是準(zhǔn)確率(Precision)、召回率(Recall)和F1值(F1-measure),這一指標(biāo)廣泛使用在信息檢索領(lǐng)域中。我們將人工抽取的文摘作為參考,記做Aref。自動(dòng)抽取得到的文摘稱為候選,記做Acand。則準(zhǔn)確率(P)、召回率(R)和F1值(F1)按照公式(5)計(jì)算[9]。

    P=Aref∩AcandAcand,R=Aref∩AcandAref,

    F1=2PRP+R(5)

    簡(jiǎn)便起見,我們只報(bào)告F1值。我們使用ROUGE工具包[24]作為另一個(gè)評(píng)價(jià)指標(biāo),ROUGE工具包是文檔理解會(huì)議所采用的摘要質(zhì)量評(píng)估方法。ROUGE-N通過計(jì)算N元語法單元(N-gram)的召回率來評(píng)估摘要性能。文獻(xiàn)[24]指出,當(dāng)N=1時(shí),即ROUGE-1指標(biāo)與人類專家給出的評(píng)價(jià)結(jié)果相當(dāng)一致。ROUGE-N按照公式(6)計(jì)算。

    ROUGEN=∑s∈Aref∑gramN∈sCountmatch(gramN)∑s∈Aref∑gramN∈sCount(gramN)(6)

    其中,s表示Aref中的句子,N表示N元語法單元的長(zhǎng)度,Countmatc(gramN)表示gramN在候選摘要和參考摘要中都出現(xiàn)的次數(shù)。Count(gramN)表示gramN只在參考摘要中都出現(xiàn)的次數(shù)。為了與文獻(xiàn)[23]統(tǒng)一,我們報(bào)告ROUGE-1和ROUGE-2兩個(gè)指標(biāo)。

    33詞向量

    本文提出的方法基于詞向量表示,詞向量表示用文獻(xiàn)[25]提出的方法,并使用維基百科60億詞的語料進(jìn)行訓(xùn)練,分別得到50、100、200、300維的詞向量表示,記做W506B、W1006B、W2006B和W3006B。此外,我們還使用Common Crawl網(wǎng)頁數(shù)據(jù)庫(http:∥commoncrawl.org/420億詞和8 400億詞的語料訓(xùn)練得到300維的詞向量表示,分別記做W3006B和W300840B。這些詞向量表示的訓(xùn)練結(jié)果可以在http:∥www-nlp.stanford.edu/projects/glove/處下載得到。

    34實(shí)驗(yàn)對(duì)比

    我們將提出的方法與現(xiàn)有的5種方法相比較,分別是:①基于語義相似性的方法[23],記做Sim;②基于神經(jīng)網(wǎng)絡(luò)的方法[26],記做Net;③基于條件隨機(jī)場(chǎng)的方法[6],記做CRF;④基于支持向量機(jī)的方法[9],記做SVM;⑤基于數(shù)據(jù)流形排序的方法[27],記做Rank。表1列出了性能比較的結(jié)果,可以看出本文提出方法的F1值和其它系統(tǒng)表現(xiàn)相當(dāng),僅比Sim方法略低。F1值是句子一級(jí)的指標(biāo),它的測(cè)評(píng)粒度偏大,忽略了文摘句和非文摘句的語義相似度。因此,研究者通常選用ROUGE-N作為評(píng)價(jià)指標(biāo),它的測(cè)評(píng)粒度是N元語法單元,粒度小于F1值,能夠更準(zhǔn)確評(píng)價(jià)自動(dòng)抽取文摘的質(zhì)量。從表1可以看出,本文提出的方法在ROUGE-1、ROUGE-2上的表現(xiàn)遠(yuǎn)優(yōu)于其它方法。我們分析原因,在句一級(jí)準(zhǔn)確率和召回率相當(dāng)?shù)那闆r下,與其它方法相比,用本文方法挑選出來的未被標(biāo)注為文摘的句子與人工文摘更為接近。

    35分析與討論

    我們認(rèn)為摘要中的句子應(yīng)該與原始文檔有相同的語義,反映在語義表示上它們的距離應(yīng)該較小。圖4給出了幾個(gè)例子,圖中實(shí)線是文檔中所有句子和文檔本身在詞向量包空間中的距離,我們?nèi)Τ隽巳斯?biāo)注的摘要句。可以看出,摘要句與文檔的距離相對(duì)較小。

    (其中圈出了人工確定的摘要句)圖4文檔中的句子和文檔的語義表示距離

    4總結(jié)與展望

    本文將詞向量與詞包模型結(jié)合起來,提出一種稱為詞向量包的表示方法,詞向量包可以用于表示詞、短語、句子、段落和篇章。我們將詞向量包應(yīng)用到自動(dòng)文摘研究中,用詞向量包的表示距離衡量句子與整篇文檔的語義相似度,將與文檔語義最相似的句子抽取出來形成文摘。實(shí)驗(yàn)證明本文提出的方法具有很好的性能。

    本文提出的詞向量包延續(xù)了詞包模型的思路,忽略了詞的順序關(guān)系。而自然語言中詞的順序十分重要,忽略了這種關(guān)系會(huì)帶來較大的語義損失,如何將詞的順序關(guān)系納入到語義建模中是一個(gè)需要解決的問題。文獻(xiàn)[29]提出段落向量表示,考慮了小窗口內(nèi)的順序關(guān)系,文獻(xiàn)[30]提出用遞歸神經(jīng)網(wǎng)絡(luò)為詞的順序建模。未來可以將這方面的研究成果納入到我們的框架中,更好的刻畫句子和文檔的語義,從而產(chǎn)生更好的文摘輸出。

    參考文獻(xiàn)

    [1]曹洋,成穎,裴雷.基于機(jī)器學(xué)習(xí)的自動(dòng)文摘研究綜述[J].圖書情報(bào)工作,2014,58(18):122-130.

    [2]Luhn H P.The automatic creation of literature abstracts[J].IBM Journal of research and development,1958,2(2):159-165.

    [3]Baxendale P B.Machine-made index for technical literature:an experiment[J].IBM Journal of Research and De-velopment,1958,2(4):354-361.

    [4]Gong Y,Liu X.Generic text summarization using relevance measure and latent semantic analysis[C]∥Proceedings of the 24th annual international ACM SIGIR conference on Research and development in information retrieval.ACM,2001:19-25.

    [5]Conroy J M,Oleary D P.Text summarization via hidden Markov models[C]∥Proceedings of the 24th annual in-ternational ACM SIGIR conference on Research and de-velopment in information retrieval.ACM,2001:406-407.

    [6]Shen D,Sun J T,Li H,et al.Document summarization using conditional random fields[C]∥IJCAI,2007,(7):2862-2867.

    [7]Kupiec J,Pedersen J,Chen F.A trainable document summarizer[C]∥Proceedings of the 18th annual international ACM SIGIR conference on Research and development in information retrieval.ACM,1995:68-73.

    [8]Lin C Y.Training a selection function for extrac-tion[C]∥Proceedings of the eighth international conference on Information and knowledge management.ACM,1999:55-62.

    [9]Yeh J Y,Ke H R,Yang W P,et al.Text summarization using a trainable summarizer and latent semantic analysis[J].Information Processing & Management,2005,41(1):75-95.

    [10]Kaikhah K.Automatic text summarization with neural networks[C]∥Intelligent Systems,2004.Proceedings.2004 2nd International IEEE Conference,2004:40-44.

    [11]WBFrakes,RBaeza-Yates.Information retrieval data structures and algorithms[M].Prentice Hall PTR,New Jersey,1992.

    [12]Deerwester S C,Dumais S T,Landauer T K,et al.Indexing by latent semantic analysis[J].JAsIs,1990,41(6):391-407.

    [13]Blei D M,Ng A Y,Jordan M I.Latent Dirichletallocation[J].the Journal of machine Learning research,2003,(3):993-1022.

    [14]Mikolov T,Yih W,Zweig G.Linguistic regularities in continuous space word representations[C]∥HLT-NAACL,2013:746-751.

    [15]Bengio Y,Ducharme R,Vincent P,et al.A neural proba-bilistic language model[J].The Journal of Machine Learning Research,2003,(3):1137-1155.

    [16]Collobert R,Weston J.A unified architecture for natural language processing:Deep neural networks with multitask learning[C]∥Proceedings of the 25th international conference on Machine learning.ACM,2008:160-167.

    [17]Salakhutdinov R,Hinton G.Semantic hashing[J].Inter-national Journal of Approximate Reasoning,2009,50(7):969-978.

    [18]Turian J,Ratinov L,Bengio Y.Word representations:a simple and general method for semi-supervised learn-ing[C]∥Proceedings of the 48th annual meeting of the association for computational linguistics.Association for Computational Linguistics,2010:384-394.

    [19]Socher R,Chen D,Manning C D,et al.Reasoning with neural tensor networks for knowledge base comple-tion[C]∥Advances in Neural Information Processing Sys-tems,2013:926-934.

    [20]Zou W Y,Socher R,Cer D M,et al.Bilingual word em-beddings for phrase-based machine translation[C]∥EMNLP,2013:1393-1398.

    [21]Frome A,Corrado G S,Shlens J,et al.Devise:A deep visual-semantic embedding model[C]∥Advances in Neural Information Processing Systems,2013:2121-2129.

    [22]Luong M T,Socher R,Manning C D.Better word repre-sentations with recursive neural networks for morphology[J].CoNLL-2013,2013,104.

    [23]Aliguliyev R M.A new sentence similarity measure and sentence based extractive technique for automatic text summarization[J].Expert Systems with Applications,2009,36(4):7764-7772.

    [24]Lin C Y,Hovy E.Automatic evaluation of summaries using n-gram co-occurrence statistics[C]∥Proceedings of the 2003 Conference of the North American Chapter of the Association for Computational Linguistics on Human Language Technology-Volume 1.Association for Com-putational Linguistics,2003:71-78.

    [25]Pennington J,Socher R,Manning C D.Glove:Global vectors for word representation[J].Proceedings of the Empiricial Methods in Natural Language Processing(EMNLP 2014),2014,12.

    [26]Svore K M,Vanderwende L,Burges C J C.Enhancing single-document summarization by combining ranknet and third-party Sources[C]∥EMNLP-CoNLL,2007:448-457.

    [27]Wan X.A novel document similarity measure based on earth movers distance[J].Information Sciences,2007,177(18):3718-3730.

    [28]van der Maaten L,Hinton G.Visualizing data using t-SNE[J].Journal of Machine Learning Research,2008,(9):2579-2605.

    [29]Le Q,Mikolov T.Distributed representations of sentences and documents[C]∥Proceedings of the 31st International Conference on Machine Learning(ICML-14),2014:1188-1196.

    [30]Kalchbrenner N,Blunsom P.Recurrent continuous trans-lation models[C]∥EMNLP,2013:1700-1709.

    (本文責(zé)任編輯:郭沫含)

    少妇人妻一区二区三区视频| 久久99热这里只有精品18| 国产精品亚洲美女久久久| 色综合婷婷激情| 夜夜看夜夜爽夜夜摸| 欧美精品啪啪一区二区三区| av福利片在线观看| 国产高清不卡午夜福利| 免费av不卡在线播放| 亚洲国产高清在线一区二区三| 日本三级黄在线观看| 亚洲avbb在线观看| 国产色婷婷99| av在线亚洲专区| 国产精品电影一区二区三区| 国产亚洲精品综合一区在线观看| 欧美日韩亚洲国产一区二区在线观看| 亚洲国产精品久久男人天堂| 国产大屁股一区二区在线视频| 成人亚洲精品av一区二区| 色av中文字幕| 中文字幕久久专区| 色综合婷婷激情| 亚洲经典国产精华液单| 国产精品久久久久久久电影| 亚洲精品亚洲一区二区| 男女啪啪激烈高潮av片| 亚洲 国产 在线| 国产精品无大码| 国产精品国产三级国产av玫瑰| 国产精品人妻久久久影院| 成年女人永久免费观看视频| 亚洲最大成人av| 成人午夜高清在线视频| 高清毛片免费观看视频网站| 久久精品国产亚洲网站| 亚洲不卡免费看| 午夜视频国产福利| 日韩精品中文字幕看吧| 成人av一区二区三区在线看| 少妇人妻一区二区三区视频| 国产高清视频在线观看网站| 狂野欧美激情性xxxx在线观看| 国产精品,欧美在线| 九九热线精品视视频播放| 最近最新免费中文字幕在线| 国产成人av教育| 午夜福利成人在线免费观看| 可以在线观看毛片的网站| 亚洲中文日韩欧美视频| 婷婷亚洲欧美| 悠悠久久av| 精品久久久久久久久亚洲 | 国产白丝娇喘喷水9色精品| av天堂中文字幕网| 99视频精品全部免费 在线| 日本三级黄在线观看| netflix在线观看网站| 久久欧美精品欧美久久欧美| 亚洲成人免费电影在线观看| 嫩草影视91久久| 亚洲乱码一区二区免费版| 免费高清视频大片| 亚洲七黄色美女视频| 桃红色精品国产亚洲av| 国产亚洲av嫩草精品影院| 一夜夜www| 禁无遮挡网站| 欧美丝袜亚洲另类 | 色5月婷婷丁香| 网址你懂的国产日韩在线| 日韩欧美国产一区二区入口| 国产精品久久久久久精品电影| 天堂√8在线中文| 一个人免费在线观看电影| 亚洲va在线va天堂va国产| 亚洲一区高清亚洲精品| 亚洲在线观看片| 又黄又爽又免费观看的视频| 12—13女人毛片做爰片一| 最新中文字幕久久久久| 给我免费播放毛片高清在线观看| av女优亚洲男人天堂| 亚洲avbb在线观看| 成人精品一区二区免费| 中文资源天堂在线| 动漫黄色视频在线观看| 无遮挡黄片免费观看| 久久久久久国产a免费观看| 日韩欧美精品免费久久| 啦啦啦啦在线视频资源| 欧美一级a爱片免费观看看| 精品福利观看| 亚洲成人久久性| 午夜福利在线在线| 免费不卡的大黄色大毛片视频在线观看 | 嫩草影院入口| 很黄的视频免费| 中文在线观看免费www的网站| 亚洲国产日韩欧美精品在线观看| 欧美人与善性xxx| 色哟哟哟哟哟哟| 美女大奶头视频| 国国产精品蜜臀av免费| 日本免费a在线| 亚洲黑人精品在线| 亚洲aⅴ乱码一区二区在线播放| a级毛片a级免费在线| 国产精品久久视频播放| 一进一出抽搐动态| 久久精品国产鲁丝片午夜精品 | 免费高清视频大片| 日本爱情动作片www.在线观看 | 国内精品久久久久久久电影| 国产在视频线在精品| 搡老熟女国产l中国老女人| 国产白丝娇喘喷水9色精品| 午夜福利在线在线| 欧美精品国产亚洲| 校园人妻丝袜中文字幕| 国产人妻一区二区三区在| 中文字幕免费在线视频6| 亚洲三级黄色毛片| 99久久九九国产精品国产免费| 日本免费一区二区三区高清不卡| 黄片wwwwww| 深爱激情五月婷婷| 亚洲av免费高清在线观看| 亚洲av电影不卡..在线观看| a级一级毛片免费在线观看| 网址你懂的国产日韩在线| 自拍偷自拍亚洲精品老妇| 国产91精品成人一区二区三区| 十八禁网站免费在线| 国产成年人精品一区二区| 麻豆av噜噜一区二区三区| av黄色大香蕉| 成人美女网站在线观看视频| 少妇熟女aⅴ在线视频| 国产亚洲精品久久久久久毛片| 国产免费一级a男人的天堂| 久久久午夜欧美精品| 在线观看一区二区三区| 久久精品影院6| 亚洲黑人精品在线| 热99re8久久精品国产| 直男gayav资源| 国产午夜精品论理片| 免费观看在线日韩| 久久精品夜夜夜夜夜久久蜜豆| 天堂√8在线中文| 免费人成视频x8x8入口观看| 精品一区二区三区视频在线| 国产久久久一区二区三区| 久久久久久久久久成人| 成人国产综合亚洲| 国产精品久久久久久亚洲av鲁大| 色综合亚洲欧美另类图片| 两个人视频免费观看高清| 麻豆成人午夜福利视频| 久久国产精品人妻蜜桃| 成人国产综合亚洲| 国产三级在线视频| 99久久成人亚洲精品观看| 亚洲成av人片在线播放无| 国产午夜福利久久久久久| eeuss影院久久| 精品久久久久久,| 欧美精品国产亚洲| 亚洲成av人片在线播放无| 国产久久久一区二区三区| av在线亚洲专区| 干丝袜人妻中文字幕| 久久久久免费精品人妻一区二区| 亚洲va日本ⅴa欧美va伊人久久| 久久久久久九九精品二区国产| 美女黄网站色视频| 啪啪无遮挡十八禁网站| 中出人妻视频一区二区| 18+在线观看网站| 一区二区三区高清视频在线| 久久精品国产清高在天天线| 亚洲国产色片| 99久久九九国产精品国产免费| 1000部很黄的大片| 国产男人的电影天堂91| 久久久精品欧美日韩精品| 三级毛片av免费| 中文字幕久久专区| 国产一区二区三区视频了| 久久久久久久久大av| 99九九线精品视频在线观看视频| 99riav亚洲国产免费| 国产精品伦人一区二区| 中文字幕高清在线视频| 日韩人妻高清精品专区| 亚洲18禁久久av| 国产精品99久久久久久久久| 亚洲真实伦在线观看| 免费搜索国产男女视频| 亚洲av不卡在线观看| 免费一级毛片在线播放高清视频| 亚洲三级黄色毛片| 免费av不卡在线播放| 91麻豆精品激情在线观看国产| 无遮挡黄片免费观看| 亚洲精品国产成人久久av| 99riav亚洲国产免费| 亚洲不卡免费看| 在线观看66精品国产| eeuss影院久久| 高清日韩中文字幕在线| 色精品久久人妻99蜜桃| 熟女人妻精品中文字幕| 赤兔流量卡办理| 熟女电影av网| 搡女人真爽免费视频火全软件 | 国模一区二区三区四区视频| 欧美丝袜亚洲另类 | 男女下面进入的视频免费午夜| 女生性感内裤真人,穿戴方法视频| 99在线视频只有这里精品首页| 久久精品国产亚洲av天美| 国产老妇女一区| 我的女老师完整版在线观看| 国产亚洲av嫩草精品影院| 亚洲三级黄色毛片| 午夜福利高清视频| 国产一区二区亚洲精品在线观看| 亚洲四区av| 欧美一级a爱片免费观看看| 日韩人妻高清精品专区| 淫秽高清视频在线观看| 99热这里只有是精品在线观看| 亚洲午夜理论影院| 欧美又色又爽又黄视频| 午夜亚洲福利在线播放| 一卡2卡三卡四卡精品乱码亚洲| 亚洲性久久影院| 日本五十路高清| 一个人免费在线观看电影| 精品99又大又爽又粗少妇毛片 | 乱人视频在线观看| 亚洲av熟女| 如何舔出高潮| 欧美日韩国产亚洲二区| 亚洲真实伦在线观看| 观看美女的网站| 内地一区二区视频在线| 国产白丝娇喘喷水9色精品| 亚洲一级一片aⅴ在线观看| 久9热在线精品视频| 免费观看精品视频网站| 身体一侧抽搐| 深夜精品福利| 久久久国产成人免费| 午夜免费男女啪啪视频观看 | 亚洲精品成人久久久久久| 亚洲精品影视一区二区三区av| 亚洲avbb在线观看| av天堂中文字幕网| 久久久久久大精品| 日韩亚洲欧美综合| 国产伦精品一区二区三区四那| 动漫黄色视频在线观看| 国产精品日韩av在线免费观看| 99riav亚洲国产免费| 黄色欧美视频在线观看| 国产av在哪里看| 免费大片18禁| 久久精品国产99精品国产亚洲性色| 欧美日本视频| eeuss影院久久| 性色avwww在线观看| 国产在线精品亚洲第一网站| 12—13女人毛片做爰片一| 最近视频中文字幕2019在线8| videossex国产| 乱码一卡2卡4卡精品| 欧美三级亚洲精品| 欧美日韩中文字幕国产精品一区二区三区| 欧美色视频一区免费| 成人综合一区亚洲| 国产爱豆传媒在线观看| 日韩强制内射视频| 热99re8久久精品国产| 一个人看视频在线观看www免费| 国产三级在线视频| 免费人成视频x8x8入口观看| 国产在视频线在精品| 97碰自拍视频| 岛国在线免费视频观看| 亚洲国产精品久久男人天堂| 精品一区二区三区视频在线观看免费| 日韩欧美一区二区三区在线观看| videossex国产| 日日夜夜操网爽| 日本与韩国留学比较| 亚洲七黄色美女视频| 国产又黄又爽又无遮挡在线| 91午夜精品亚洲一区二区三区 | 久久久久久久久中文| 亚洲成人中文字幕在线播放| 一边摸一边抽搐一进一小说| 日韩大尺度精品在线看网址| 亚洲美女黄片视频| 夜夜爽天天搞| 99热精品在线国产| 精品人妻视频免费看| 久久天躁狠狠躁夜夜2o2o| 在线看三级毛片| 一个人看视频在线观看www免费| 国产一区二区在线观看日韩| 欧美一区二区国产精品久久精品| 国产麻豆成人av免费视频| 天天一区二区日本电影三级| 国内揄拍国产精品人妻在线| 日韩亚洲欧美综合| 国产精品亚洲美女久久久| 久久久成人免费电影| 男人和女人高潮做爰伦理| 99国产极品粉嫩在线观看| 亚洲无线在线观看| 亚洲人成网站在线播| 两个人的视频大全免费| 一个人免费在线观看电影| av在线老鸭窝| 久久久久久九九精品二区国产| 黄色视频,在线免费观看| 老师上课跳d突然被开到最大视频| 国内少妇人妻偷人精品xxx网站| 麻豆国产97在线/欧美| 国产69精品久久久久777片| 亚洲人成网站在线播放欧美日韩| 久久99热这里只有精品18| 国产人妻一区二区三区在| 免费看光身美女| 亚洲熟妇中文字幕五十中出| 国内精品久久久久久久电影| 国产精品亚洲一级av第二区| a级毛片免费高清观看在线播放| 亚洲精品456在线播放app | 久久6这里有精品| 国产探花在线观看一区二区| 日韩精品青青久久久久久| 69av精品久久久久久| 亚洲av成人精品一区久久| 人人妻,人人澡人人爽秒播| www.www免费av| 免费在线观看日本一区| 日本色播在线视频| 欧美xxxx黑人xx丫x性爽| 日韩在线高清观看一区二区三区 | а√天堂www在线а√下载| 男女那种视频在线观看| 最好的美女福利视频网| 欧美成人一区二区免费高清观看| 国产成人a区在线观看| 日本五十路高清| 男人的好看免费观看在线视频| 亚洲午夜理论影院| 99热网站在线观看| 99精品久久久久人妻精品| 国产精品99久久久久久久久| 有码 亚洲区| 老司机福利观看| 久久热精品热| 久久亚洲真实| 日韩在线高清观看一区二区三区 | 亚洲性夜色夜夜综合| 欧美3d第一页| 人妻夜夜爽99麻豆av| 91久久精品国产一区二区成人| 亚洲综合色惰| 最近在线观看免费完整版| 免费av观看视频| 国产欧美日韩一区二区精品| 欧美一级a爱片免费观看看| 又粗又爽又猛毛片免费看| 九九热线精品视视频播放| 高清在线国产一区| 三级国产精品欧美在线观看| 极品教师在线免费播放| 久久久久久久亚洲中文字幕| 中文字幕av成人在线电影| 啪啪无遮挡十八禁网站| 老师上课跳d突然被开到最大视频| 国产午夜福利久久久久久| 国产精品女同一区二区软件 | av黄色大香蕉| 2021天堂中文幕一二区在线观| 午夜福利在线观看吧| 99精品在免费线老司机午夜| 美女大奶头视频| 麻豆成人午夜福利视频| 亚洲av二区三区四区| 久久久久久久午夜电影| 精品久久久久久久久久久久久| 国产精品久久久久久亚洲av鲁大| 亚洲七黄色美女视频| 天堂av国产一区二区熟女人妻| 色在线成人网| 性色avwww在线观看| 看免费成人av毛片| 欧美一区二区国产精品久久精品| 亚洲人成网站在线播| 婷婷精品国产亚洲av在线| 性插视频无遮挡在线免费观看| 真实男女啪啪啪动态图| 3wmmmm亚洲av在线观看| 亚洲人成伊人成综合网2020| 国语自产精品视频在线第100页| 精品久久国产蜜桃| 欧美日韩亚洲国产一区二区在线观看| 国产高潮美女av| 天美传媒精品一区二区| 天堂av国产一区二区熟女人妻| 日韩精品有码人妻一区| 欧美色视频一区免费| 看免费成人av毛片| 国产精品精品国产色婷婷| 国产大屁股一区二区在线视频| 2021天堂中文幕一二区在线观| 美女cb高潮喷水在线观看| 欧美不卡视频在线免费观看| 听说在线观看完整版免费高清| 日本在线视频免费播放| 国产男靠女视频免费网站| 成年人黄色毛片网站| 精品国内亚洲2022精品成人| 人人妻,人人澡人人爽秒播| 在线免费十八禁| av.在线天堂| 欧美xxxx黑人xx丫x性爽| 国产精品乱码一区二三区的特点| 亚洲av免费在线观看| 欧美成人免费av一区二区三区| 日本免费一区二区三区高清不卡| 淫秽高清视频在线观看| 欧美潮喷喷水| 99热网站在线观看| 精品久久久久久成人av| 国产精品福利在线免费观看| 国产又黄又爽又无遮挡在线| 成人国产麻豆网| 在线看三级毛片| 此物有八面人人有两片| 最近在线观看免费完整版| 日韩中文字幕欧美一区二区| 久久6这里有精品| 色5月婷婷丁香| 淫秽高清视频在线观看| 麻豆一二三区av精品| 日日撸夜夜添| 特大巨黑吊av在线直播| 欧美+亚洲+日韩+国产| 国产亚洲精品久久久com| 女同久久另类99精品国产91| 欧美在线一区亚洲| 黄色配什么色好看| 欧美性感艳星| 99riav亚洲国产免费| netflix在线观看网站| 成年女人永久免费观看视频| 国产色爽女视频免费观看| 精品国产三级普通话版| 国产精品伦人一区二区| 国产精品久久久久久亚洲av鲁大| 中国美女看黄片| 欧美绝顶高潮抽搐喷水| 欧美一区二区亚洲| 欧美日本视频| or卡值多少钱| 中文字幕av在线有码专区| 成年女人永久免费观看视频| 精品久久久噜噜| 精品午夜福利在线看| 日韩欧美国产在线观看| 国产精品av视频在线免费观看| 99热6这里只有精品| 久久久久久九九精品二区国产| 亚洲va在线va天堂va国产| 小说图片视频综合网站| 欧美成人a在线观看| 内射极品少妇av片p| 午夜亚洲福利在线播放| 久久久久免费精品人妻一区二区| 久久久久久国产a免费观看| 成人欧美大片| 88av欧美| 亚洲在线自拍视频| 色综合亚洲欧美另类图片| 亚洲图色成人| 精品一区二区免费观看| 在线播放国产精品三级| 久久久成人免费电影| 亚洲国产精品久久男人天堂| 国产精品av视频在线免费观看| 少妇人妻精品综合一区二区 | 欧美成人性av电影在线观看| 免费看光身美女| 一区二区三区四区激情视频 | 乱系列少妇在线播放| 亚洲中文字幕日韩| 成人无遮挡网站| 在线a可以看的网站| 欧美zozozo另类| 亚洲最大成人中文| 91在线精品国自产拍蜜月| 日本熟妇午夜| 狠狠狠狠99中文字幕| 国产伦一二天堂av在线观看| 在线观看美女被高潮喷水网站| 99热这里只有是精品50| 波多野结衣高清作品| 精品国内亚洲2022精品成人| 麻豆国产97在线/欧美| 成人精品一区二区免费| 91久久精品国产一区二区三区| 日日摸夜夜添夜夜添av毛片 | 啦啦啦韩国在线观看视频| 国产精品久久久久久精品电影| 九九爱精品视频在线观看| 最新中文字幕久久久久| 日韩欧美在线二视频| 亚洲美女视频黄频| 亚洲图色成人| 亚洲一级一片aⅴ在线观看| 国内精品久久久久精免费| 亚洲熟妇熟女久久| 亚洲人成网站高清观看| 亚州av有码| 日日夜夜操网爽| 中文字幕熟女人妻在线| 伦精品一区二区三区| 噜噜噜噜噜久久久久久91| 啦啦啦观看免费观看视频高清| 免费不卡的大黄色大毛片视频在线观看 | 国产乱人视频| 日韩高清综合在线| 成人特级黄色片久久久久久久| 国产一区二区激情短视频| 乱码一卡2卡4卡精品| 久久婷婷人人爽人人干人人爱| 在线看三级毛片| av国产免费在线观看| 亚洲不卡免费看| 丰满人妻一区二区三区视频av| 国产单亲对白刺激| 少妇人妻一区二区三区视频| 一卡2卡三卡四卡精品乱码亚洲| 午夜福利欧美成人| 午夜激情欧美在线| 色综合站精品国产| av在线亚洲专区| 女人十人毛片免费观看3o分钟| 色综合婷婷激情| 免费大片18禁| 免费无遮挡裸体视频| 俺也久久电影网| 国产爱豆传媒在线观看| 午夜激情福利司机影院| 美女大奶头视频| 又爽又黄a免费视频| 国产av不卡久久| 国产成人一区二区在线| 亚洲黑人精品在线| 精品一区二区三区视频在线观看免费| 给我免费播放毛片高清在线观看| 欧美日韩黄片免| 国产成人aa在线观看| 少妇人妻一区二区三区视频| 久久精品国产鲁丝片午夜精品 | 老女人水多毛片| 女生性感内裤真人,穿戴方法视频| 中文字幕高清在线视频| а√天堂www在线а√下载| 中文亚洲av片在线观看爽| 日韩 亚洲 欧美在线| 亚洲欧美日韩无卡精品| 99热这里只有精品一区| 国产精品av视频在线免费观看| 国产av一区在线观看免费| 有码 亚洲区| 免费看光身美女| 嫁个100分男人电影在线观看| 麻豆久久精品国产亚洲av| 国产日本99.免费观看| 欧美bdsm另类| 欧美一级a爱片免费观看看| 国产精品精品国产色婷婷| 波野结衣二区三区在线| 久久久色成人| 亚洲自拍偷在线| 精品人妻一区二区三区麻豆 | 日日啪夜夜撸| 成年女人毛片免费观看观看9| 日韩精品有码人妻一区| 黄色欧美视频在线观看| 美女xxoo啪啪120秒动态图| 亚洲色图av天堂| 久久久国产成人免费| 久久国产乱子免费精品| 十八禁国产超污无遮挡网站| 我要看日韩黄色一级片| 亚洲经典国产精华液单| 午夜精品久久久久久毛片777| av在线蜜桃| 国产美女午夜福利| 一区福利在线观看| 十八禁国产超污无遮挡网站| av在线天堂中文字幕| 少妇熟女aⅴ在线视频| 国内精品宾馆在线| 日韩一本色道免费dvd|