• <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)

    亚洲综合色网址| 18禁观看日本| 亚洲一区中文字幕在线| 亚洲精品国产色婷婷电影| 捣出白浆h1v1| 高清视频免费观看一区二区| 新久久久久国产一级毛片| 丝袜在线中文字幕| 建设人人有责人人尽责人人享有的| 国产老妇伦熟女老妇高清| 美女福利国产在线| 王馨瑶露胸无遮挡在线观看| 99九九在线精品视频| 妹子高潮喷水视频| 亚洲一区中文字幕在线| 在线观看www视频免费| 最近中文字幕高清免费大全6| 久久 成人 亚洲| 天天躁日日躁夜夜躁夜夜| 9热在线视频观看99| 亚洲欧美中文字幕日韩二区| 一个人免费看片子| 国产探花极品一区二区| 亚洲精品视频女| 国产男女内射视频| 天美传媒精品一区二区| 丝袜脚勾引网站| 国产在线一区二区三区精| 日韩欧美一区视频在线观看| 人人妻人人澡人人爽人人夜夜| 人体艺术视频欧美日本| 18禁裸乳无遮挡动漫免费视频| 久久午夜综合久久蜜桃| 男人爽女人下面视频在线观看| 丝袜喷水一区| 亚洲久久久国产精品| 欧美日韩亚洲综合一区二区三区_| 又大又黄又爽视频免费| 男女高潮啪啪啪动态图| 女人爽到高潮嗷嗷叫在线视频| 成年av动漫网址| 美女中出高潮动态图| 国产欧美亚洲国产| 老鸭窝网址在线观看| 最近最新中文字幕免费大全7| 久久午夜综合久久蜜桃| 在线观看www视频免费| 国产日韩欧美在线精品| 国产一区二区激情短视频 | 午夜日本视频在线| 国产成人免费观看mmmm| 男女高潮啪啪啪动态图| 老司机影院成人| 国产一级毛片在线| 日韩电影二区| 亚洲七黄色美女视频| 亚洲美女黄色视频免费看| 777米奇影视久久| 老司机深夜福利视频在线观看 | 成人18禁高潮啪啪吃奶动态图| 91精品国产国语对白视频| av国产久精品久网站免费入址| 在线免费观看不下载黄p国产| 嫩草影视91久久| 女性生殖器流出的白浆| 国产一区二区三区av在线| 国产成人欧美在线观看 | 久久精品国产亚洲av涩爱| 男女国产视频网站| 亚洲av成人精品一二三区| 精品福利永久在线观看| 90打野战视频偷拍视频| 久热这里只有精品99| 精品一区二区三卡| 国产日韩欧美在线精品| tube8黄色片| 久久国产精品男人的天堂亚洲| 十八禁高潮呻吟视频| 久热这里只有精品99| 亚洲男人天堂网一区| 亚洲欧美一区二区三区黑人| 十八禁人妻一区二区| 日韩大码丰满熟妇| 国产97色在线日韩免费| 亚洲av电影在线观看一区二区三区| 一区二区三区乱码不卡18| 精品人妻一区二区三区麻豆| 成人午夜精彩视频在线观看| 美女脱内裤让男人舔精品视频| 日韩熟女老妇一区二区性免费视频| 操出白浆在线播放| 9色porny在线观看| 少妇人妻精品综合一区二区| 亚洲成av片中文字幕在线观看| 欧美xxⅹ黑人| 成人国语在线视频| 一级毛片电影观看| 老司机深夜福利视频在线观看 | 夫妻午夜视频| 中国三级夫妇交换| 水蜜桃什么品种好| 欧美精品高潮呻吟av久久| kizo精华| 视频区图区小说| 国产精品一区二区在线不卡| 九色亚洲精品在线播放| 尾随美女入室| 又大又爽又粗| 亚洲精品乱久久久久久| 国产精品一区二区精品视频观看| 亚洲欧美色中文字幕在线| 九草在线视频观看| 国产成人免费观看mmmm| 一级毛片我不卡| 亚洲精品中文字幕在线视频| 亚洲av日韩精品久久久久久密 | 纵有疾风起免费观看全集完整版| 欧美日韩一级在线毛片| 精品久久久精品久久久| 亚洲av在线观看美女高潮| 精品人妻熟女毛片av久久网站| 国产 一区精品| 久久午夜综合久久蜜桃| a 毛片基地| 国产一卡二卡三卡精品 | 1024香蕉在线观看| 免费观看a级毛片全部| 熟女少妇亚洲综合色aaa.| 亚洲婷婷狠狠爱综合网| 精品一区二区三卡| 国产精品 国内视频| 可以免费在线观看a视频的电影网站 | 久久久久人妻精品一区果冻| 午夜激情av网站| 精品亚洲成a人片在线观看| www.av在线官网国产| 日韩,欧美,国产一区二区三区| 亚洲精品日韩在线中文字幕| 亚洲精品国产一区二区精华液| 久久久久国产精品人妻一区二区| 国产淫语在线视频| 国产伦人伦偷精品视频| 欧美久久黑人一区二区| 麻豆精品久久久久久蜜桃| 老熟女久久久| 性高湖久久久久久久久免费观看| 少妇被粗大猛烈的视频| 青春草亚洲视频在线观看| 水蜜桃什么品种好| 在线观看www视频免费| 热99久久久久精品小说推荐| 久久天躁狠狠躁夜夜2o2o | 各种免费的搞黄视频| 爱豆传媒免费全集在线观看| 亚洲成人一二三区av| 宅男免费午夜| 狠狠婷婷综合久久久久久88av| 亚洲欧洲国产日韩| 黄色怎么调成土黄色| 久久久久久久国产电影| 夫妻性生交免费视频一级片| 亚洲伊人久久精品综合| 狂野欧美激情性bbbbbb| 天天影视国产精品| 亚洲av欧美aⅴ国产| av又黄又爽大尺度在线免费看| 亚洲国产欧美网| 一级黄片播放器| 国产精品香港三级国产av潘金莲 | 成人毛片60女人毛片免费| 自拍欧美九色日韩亚洲蝌蚪91| 99九九在线精品视频| 欧美成人精品欧美一级黄| 精品国产露脸久久av麻豆| 日韩一卡2卡3卡4卡2021年| 观看美女的网站| 伊人久久国产一区二区| 欧美激情高清一区二区三区 | 日韩 欧美 亚洲 中文字幕| 国产av码专区亚洲av| 亚洲美女黄色视频免费看| 一二三四中文在线观看免费高清| 精品亚洲乱码少妇综合久久| 欧美黄色片欧美黄色片| 亚洲国产av新网站| 一本久久精品| 亚洲精品美女久久久久99蜜臀 | 七月丁香在线播放| 青青草视频在线视频观看| 欧美日韩精品网址| 男人爽女人下面视频在线观看| 欧美人与性动交α欧美精品济南到| 麻豆av在线久日| 99国产精品免费福利视频| 亚洲,欧美精品.| 捣出白浆h1v1| 免费女性裸体啪啪无遮挡网站| 视频在线观看一区二区三区| 免费观看a级毛片全部| 久久久久视频综合| 丰满迷人的少妇在线观看| 国产成人免费无遮挡视频| 下体分泌物呈黄色| 亚洲欧美激情在线| 日韩欧美一区视频在线观看| 人人妻人人澡人人爽人人夜夜| 天天躁夜夜躁狠狠久久av| 菩萨蛮人人尽说江南好唐韦庄| av网站在线播放免费| 9191精品国产免费久久| 国产一区有黄有色的免费视频| 日韩av不卡免费在线播放| 久久久精品94久久精品| 水蜜桃什么品种好| 丝袜美腿诱惑在线| 日韩av免费高清视频| 日日摸夜夜添夜夜爱| 日韩 欧美 亚洲 中文字幕| 亚洲av欧美aⅴ国产| www.熟女人妻精品国产| 在线观看人妻少妇| 电影成人av| 中文字幕最新亚洲高清| 女人高潮潮喷娇喘18禁视频| 精品免费久久久久久久清纯 | 18禁国产床啪视频网站| 午夜av观看不卡| 夜夜骑夜夜射夜夜干| 一个人免费看片子| 汤姆久久久久久久影院中文字幕| 热99国产精品久久久久久7| 在线观看一区二区三区激情| 成人亚洲欧美一区二区av| 亚洲欧洲精品一区二区精品久久久 | 久久青草综合色| 久久精品久久久久久久性| 男女之事视频高清在线观看 | 久久精品亚洲av国产电影网| 久久久精品94久久精品| 涩涩av久久男人的天堂| 国产伦人伦偷精品视频| 夫妻午夜视频| 新久久久久国产一级毛片| 欧美xxⅹ黑人| 黑人猛操日本美女一级片| 久久精品国产a三级三级三级| 国产男女超爽视频在线观看| 狂野欧美激情性xxxx| 欧美亚洲日本最大视频资源| 国产精品一区二区在线观看99| 精品久久久久久电影网| 亚洲欧美激情在线| 国产有黄有色有爽视频| 久久久国产一区二区| 国产爽快片一区二区三区| 亚洲第一区二区三区不卡| 欧美少妇被猛烈插入视频| 丁香六月天网| 男人操女人黄网站| 9191精品国产免费久久| 国产毛片在线视频| 色婷婷av一区二区三区视频| 女的被弄到高潮叫床怎么办| 狠狠婷婷综合久久久久久88av| xxxhd国产人妻xxx| 精品亚洲成a人片在线观看| 亚洲精品日韩在线中文字幕| 美女国产高潮福利片在线看| 久久久国产精品麻豆| 狂野欧美激情性xxxx| 色婷婷av一区二区三区视频| 三上悠亚av全集在线观看| 国产色婷婷99| 欧美亚洲 丝袜 人妻 在线| 欧美人与性动交α欧美软件| 精品酒店卫生间| 1024香蕉在线观看| 国产成人欧美在线观看 | a 毛片基地| 老司机影院毛片| xxx大片免费视频| 天天躁日日躁夜夜躁夜夜| 狠狠精品人妻久久久久久综合| 狠狠婷婷综合久久久久久88av| www.精华液| 日韩 欧美 亚洲 中文字幕| 日本vs欧美在线观看视频| 国产无遮挡羞羞视频在线观看| av.在线天堂| 大码成人一级视频| 无遮挡黄片免费观看| 欧美日韩一级在线毛片| 另类精品久久| a级片在线免费高清观看视频| 一边摸一边抽搐一进一出视频| 国产精品av久久久久免费| 国产一区二区 视频在线| 人人澡人人妻人| 最近的中文字幕免费完整| 国产免费福利视频在线观看| 久久久久国产一级毛片高清牌| 满18在线观看网站| 欧美 亚洲 国产 日韩一| 日韩熟女老妇一区二区性免费视频| 少妇被粗大猛烈的视频| 久久久久久免费高清国产稀缺| 午夜老司机福利片| 高清欧美精品videossex| 亚洲成色77777| 久久99热这里只频精品6学生| 一个人免费看片子| 18禁裸乳无遮挡动漫免费视频| 久久久久久人人人人人| 中文天堂在线官网| 中文乱码字字幕精品一区二区三区| 90打野战视频偷拍视频| 99久久综合免费| 啦啦啦 在线观看视频| 9色porny在线观看| 欧美人与善性xxx| 欧美精品av麻豆av| 赤兔流量卡办理| 欧美日韩亚洲国产一区二区在线观看 | 日韩不卡一区二区三区视频在线| 下体分泌物呈黄色| 免费看不卡的av| 视频在线观看一区二区三区| 又粗又硬又长又爽又黄的视频| 亚洲四区av| 男女无遮挡免费网站观看| 青草久久国产| 亚洲欧美一区二区三区久久| 一区福利在线观看| 久久精品亚洲av国产电影网| 国语对白做爰xxxⅹ性视频网站| 精品视频人人做人人爽| 成人黄色视频免费在线看| 99九九在线精品视频| 午夜福利一区二区在线看| 免费观看a级毛片全部| 超碰成人久久| 在线精品无人区一区二区三| 成人国语在线视频| 热re99久久精品国产66热6| 国产高清不卡午夜福利| 激情五月婷婷亚洲| 久久久久久久久久久免费av| 大香蕉久久成人网| 老司机深夜福利视频在线观看 | 国产精品久久久人人做人人爽| 少妇的丰满在线观看| 精品亚洲乱码少妇综合久久| 精品久久久久久电影网| 国产爽快片一区二区三区| 日韩伦理黄色片| 中文字幕亚洲精品专区| 国产 一区精品| 不卡av一区二区三区| 色网站视频免费| 久久午夜综合久久蜜桃| 欧美老熟妇乱子伦牲交| 国产精品亚洲av一区麻豆 | 国产一卡二卡三卡精品 | 丰满乱子伦码专区| 国产乱人偷精品视频| 国产一区二区在线观看av| 午夜91福利影院| 亚洲精品成人av观看孕妇| av有码第一页| 爱豆传媒免费全集在线观看| av女优亚洲男人天堂| 亚洲国产精品999| 9色porny在线观看| 精品视频人人做人人爽| 国产一区二区三区av在线| 亚洲成人一二三区av| 大话2 男鬼变身卡| 久久久久精品性色| 亚洲人成77777在线视频| 一级片'在线观看视频| 日本欧美视频一区| 波多野结衣一区麻豆| 另类精品久久| 日韩人妻精品一区2区三区| a级毛片黄视频| av线在线观看网站| 国产精品无大码| 午夜激情av网站| 免费观看av网站的网址| 国产1区2区3区精品| 日韩,欧美,国产一区二区三区| 欧美少妇被猛烈插入视频| av在线观看视频网站免费| 丰满少妇做爰视频| 免费观看人在逋| 日韩免费高清中文字幕av| 人体艺术视频欧美日本| 日本欧美国产在线视频| 中文字幕另类日韩欧美亚洲嫩草| 99久国产av精品国产电影| 成人毛片60女人毛片免费| 男男h啪啪无遮挡| 国产免费现黄频在线看| 人人妻人人添人人爽欧美一区卜| 国产精品二区激情视频| 国产男女内射视频| 欧美日韩亚洲高清精品| 免费高清在线观看视频在线观看| 天美传媒精品一区二区| 久久精品人人爽人人爽视色| 日本av手机在线免费观看| 老汉色av国产亚洲站长工具| 中文字幕最新亚洲高清| 国产成人系列免费观看| www.精华液| 亚洲欧美色中文字幕在线| 国产精品免费大片| 波多野结衣av一区二区av| 日韩中文字幕视频在线看片| 伊人久久大香线蕉亚洲五| 国产一区二区在线观看av| 国产精品久久久久久久久免| 男女边摸边吃奶| 国产精品国产三级国产专区5o| 最近最新中文字幕大全免费视频 | 午夜激情av网站| 精品国产露脸久久av麻豆| svipshipincom国产片| 日韩电影二区| 亚洲av男天堂| 欧美av亚洲av综合av国产av | 免费av中文字幕在线| 蜜桃在线观看..| 狂野欧美激情性xxxx| 秋霞伦理黄片| 欧美日韩福利视频一区二区| av女优亚洲男人天堂| 国产极品天堂在线| 日韩 亚洲 欧美在线| 亚洲人成电影观看| 日韩 亚洲 欧美在线| 街头女战士在线观看网站| 欧美精品亚洲一区二区| 街头女战士在线观看网站| 九色亚洲精品在线播放| 超色免费av| 国产精品国产三级国产专区5o| 男女床上黄色一级片免费看| www.熟女人妻精品国产| avwww免费| 不卡av一区二区三区| 黄网站色视频无遮挡免费观看| 国产免费福利视频在线观看| 欧美在线一区亚洲| 女人高潮潮喷娇喘18禁视频| 成人亚洲欧美一区二区av| 午夜免费鲁丝| 久久狼人影院| 国产精品无大码| 秋霞在线观看毛片| 久久国产精品大桥未久av| 高清av免费在线| 亚洲精品国产区一区二| 亚洲av电影在线进入| 天堂8中文在线网| 国产成人系列免费观看| 亚洲av成人精品一二三区| www日本在线高清视频| kizo精华| 亚洲国产中文字幕在线视频| 一区二区三区激情视频| 国产成人精品在线电影| 久久久久久久久免费视频了| 新久久久久国产一级毛片| 男女下面插进去视频免费观看| 亚洲av电影在线观看一区二区三区| 午夜激情av网站| 电影成人av| 亚洲欧美清纯卡通| 精品人妻熟女毛片av久久网站| 99久久综合免费| 美女高潮到喷水免费观看| av电影中文网址| 免费高清在线观看日韩| 国产老妇伦熟女老妇高清| 美女脱内裤让男人舔精品视频| 高清av免费在线| 天天影视国产精品| 视频区图区小说| 青春草视频在线免费观看| 成人国产av品久久久| 日日爽夜夜爽网站| 精品国产一区二区三区四区第35| 欧美久久黑人一区二区| 热99久久久久精品小说推荐| av卡一久久| 性高湖久久久久久久久免费观看| av不卡在线播放| 中文字幕人妻丝袜制服| 国产精品99久久99久久久不卡 | 美女午夜性视频免费| 日韩伦理黄色片| 国产日韩欧美亚洲二区| 操美女的视频在线观看| 黄色 视频免费看| 最新在线观看一区二区三区 | 国产亚洲av高清不卡| 亚洲第一青青草原| svipshipincom国产片| 美女视频免费永久观看网站| 精品免费久久久久久久清纯 | 一区二区三区乱码不卡18| 国产午夜精品一二区理论片| 国产精品亚洲av一区麻豆 | 19禁男女啪啪无遮挡网站| 一级毛片 在线播放| tube8黄色片| 两性夫妻黄色片| 夫妻午夜视频| 久久人人97超碰香蕉20202| 国产成人精品无人区| 免费观看性生交大片5| 久久亚洲国产成人精品v| 精品一区二区免费观看| 久久人人爽人人片av| 久久精品人人爽人人爽视色| 嫩草影院入口| 欧美黄色片欧美黄色片| 免费不卡黄色视频| 亚洲精品第二区| 免费在线观看完整版高清| 免费不卡黄色视频| 国产乱来视频区| 80岁老熟妇乱子伦牲交| 如日韩欧美国产精品一区二区三区| 精品久久久精品久久久| 男女之事视频高清在线观看 | 久久ye,这里只有精品| 人妻一区二区av| 久久久久久久精品精品| 国产一区二区激情短视频 | 亚洲美女黄色视频免费看| 亚洲国产欧美日韩在线播放| 国产麻豆69| 精品国产一区二区三区四区第35| 一区二区三区四区激情视频| 久久99一区二区三区| 蜜桃国产av成人99| 国产一区亚洲一区在线观看| 91精品三级在线观看| 中文字幕精品免费在线观看视频| 男人操女人黄网站| 久久婷婷青草| 国产免费视频播放在线视频| 欧美精品人与动牲交sv欧美| 999久久久国产精品视频| 欧美另类一区| 国产精品一区二区在线观看99| 国产精品一区二区精品视频观看| 日韩制服骚丝袜av| 国产成人午夜福利电影在线观看| 精品国产国语对白av| 亚洲精品日韩在线中文字幕| 在线观看人妻少妇| 日本av手机在线免费观看| 永久免费av网站大全| 久久久久久人妻| 欧美日韩亚洲国产一区二区在线观看 | 国产精品蜜桃在线观看| 可以免费在线观看a视频的电影网站 | 国产男人的电影天堂91| 大香蕉久久网| 韩国av在线不卡| 爱豆传媒免费全集在线观看| 99国产精品免费福利视频| 2021少妇久久久久久久久久久| 一区二区三区精品91| 新久久久久国产一级毛片| 综合色丁香网| 久久久久久久久久久久大奶| 老熟女久久久| 青青草视频在线视频观看| 国产成人精品无人区| 丝瓜视频免费看黄片| 久久热在线av| 亚洲一码二码三码区别大吗| 天天躁夜夜躁狠狠躁躁| 青春草亚洲视频在线观看| 肉色欧美久久久久久久蜜桃| 欧美亚洲日本最大视频资源| 2018国产大陆天天弄谢| 老司机影院毛片| 国产精品久久久久久精品古装| 一本色道久久久久久精品综合| 亚洲国产日韩一区二区| 97人妻天天添夜夜摸| 极品人妻少妇av视频| 欧美黄色片欧美黄色片| 亚洲国产精品成人久久小说| 99久久精品国产亚洲精品| 国产毛片在线视频| 9热在线视频观看99| 99热网站在线观看| 久久久精品免费免费高清| 久久久久人妻精品一区果冻| www.av在线官网国产| 国产在视频线精品| 制服丝袜香蕉在线| 侵犯人妻中文字幕一二三四区| 亚洲美女黄色视频免费看| 波多野结衣av一区二区av| 久久ye,这里只有精品| 国产成人一区二区在线| 综合色丁香网| 在线天堂最新版资源|