• <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 ?

    基于因子分解機(jī)的灰色產(chǎn)業(yè)服務(wù)網(wǎng)頁(yè)過濾方法

    2019-10-18 02:57付強(qiáng)裴佩丁永剛
    軟件導(dǎo)刊 2019年9期
    關(guān)鍵詞:特征選擇

    付強(qiáng) 裴佩 丁永剛

    摘 要:互聯(lián)網(wǎng)灰色產(chǎn)業(yè)服務(wù)日益泛濫,而傳統(tǒng)的網(wǎng)頁(yè)過濾算法無法準(zhǔn)確高效地過濾掉灰色產(chǎn)業(yè)服務(wù)網(wǎng)頁(yè)。為解決這一問題,基于TF*IDF提出一種改進(jìn)的網(wǎng)頁(yè)特征提取和權(quán)重計(jì)算方法,利用因子分解機(jī)模型對(duì)網(wǎng)頁(yè)進(jìn)行分類,并以代孕網(wǎng)站為例進(jìn)行實(shí)驗(yàn)和評(píng)估。實(shí)驗(yàn)結(jié)果表明,該方法精確率達(dá)到98.89%,召回率達(dá)到98.63%,且對(duì)海量網(wǎng)頁(yè)的過濾能夠在線性時(shí)間復(fù)雜度內(nèi)完成,大大提高了灰色產(chǎn)業(yè)服務(wù)信息過濾精度和效率。

    關(guān)鍵詞:灰色產(chǎn)業(yè)服務(wù);網(wǎng)頁(yè)過濾;特征選擇;權(quán)重計(jì)算;因子分解機(jī)

    DOI:10. 11907/rjdk. 191195 開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):

    中圖分類號(hào):TP319文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1672-7800(2019)009-0150-04

    A Factorization Machine-based Filtering Approach

    for Gloomy Industry Service Webpages

    FU Qiang1,PEI Pei2,DING Yong-gang3

    (1. Wuhan Marine Communication Institute,Wuhan 430072,China;

    2. School of Computer, Central China Normal University, Wuhan 430079,China;

    3. School of Education,Hubei University,Wuhan 430062,China)

    Abstract: In recent years, Internet gray industry has become rampant. Unfortunately, traditional webpage filtering algorithms are not able to filter the webpages of the gray industry efficiently and accurately. To solve this problem, we first propose an improved method of webpage feature selection and weight calculation based on TF*IDF, and then classify webpages using Factorization Machines. Taking surrogacy website as an example, we conduct extensive experiments and evaluations in the real-world scenarios. The experiment results show that this method achieves a precision of 98.89% and a recall of 98.63%, and is able to filter gray industry webpages in linear time, which greatly improve the accuracy and efficiency of filtering.

    Key Words:gray?industry service; webpage filtering; feature selection; weight calculation; factorization machines

    0 引言

    互聯(lián)網(wǎng)產(chǎn)業(yè)蓬勃發(fā)展,一些不符合國(guó)家法律法規(guī)的互聯(lián)網(wǎng)灰色產(chǎn)業(yè)也夾雜其中,如代孕、論文買賣等。這些灰色產(chǎn)業(yè)使用不正當(dāng)手段非法盈利,不僅違背倫理道德,而且擾亂互聯(lián)網(wǎng)正常秩序。從海量網(wǎng)頁(yè)中迅速有效地過濾互聯(lián)網(wǎng)灰色服務(wù)信息,阻止其傳播,確保互聯(lián)網(wǎng)綠色產(chǎn)業(yè)有序發(fā)展,成為網(wǎng)絡(luò)內(nèi)容安全研究的重要課題之一[1-3]。

    在網(wǎng)頁(yè)文本過濾中,文本特征提取算法好壞直接關(guān)系到過濾效果優(yōu)劣,而灰色服務(wù)信息文本過濾不同于普通文本過濾,其主要困難在于灰色服務(wù)信息文本特征的選擇需考慮多類特征詞與一般特征詞的區(qū)別以及在不同類別文檔中的重要性,因此本文首先基于TF*IDF提出一種改進(jìn)的特征選擇與權(quán)重計(jì)算方法,以期獲得較好的灰色服務(wù)信息文本特征選擇與權(quán)重計(jì)算效果。

    文本過濾一般采用近鄰法(KNN)[4]、貝葉斯分類(NB)[5]、支持向量機(jī)(SVM)[6-7]和神經(jīng)網(wǎng)絡(luò)(BP)[8]等文本分類方法,這些方法效果較好,但KNN算法在樣本集較大的情況下,系統(tǒng)時(shí)間復(fù)雜度和空間復(fù)雜度都較高;NB算法在屬性個(gè)數(shù)較多或?qū)傩灾g相關(guān)性較大時(shí),分類效率不理想;SVM算法雖然能解決高維問題,但對(duì)缺失數(shù)據(jù)敏感,且對(duì)非線性問題沒有通用解決方案; BP算法在高維數(shù)據(jù)和大數(shù)據(jù)量的情況下,算法開銷非常大。針對(duì)上述問題,本文基于因子分解機(jī)模型提出一種有效的分類算法,該算法在高維數(shù)據(jù)和數(shù)據(jù)稀疏情況下仍能在線性時(shí)間復(fù)雜度內(nèi)獲得好的分類精度。實(shí)驗(yàn)表明,將該算法應(yīng)用于灰色服務(wù)信息過濾能取得滿意的效果。

    1 灰色產(chǎn)業(yè)服務(wù)網(wǎng)頁(yè)過濾流程

    灰色產(chǎn)業(yè)服務(wù)網(wǎng)頁(yè)過濾流程分為訓(xùn)練和過濾兩個(gè)階段,其流程如圖1所示。

    訓(xùn)練階段最重要的是建立灰色產(chǎn)業(yè)分詞詞典。首先收集大量灰色產(chǎn)業(yè)服務(wù)網(wǎng)頁(yè),使用分詞軟件進(jìn)行分詞,統(tǒng)計(jì)詞頻, 得到詞頻最高的k個(gè)詞,然后去除停用詞、平凡詞、稀有詞和詞頻小于3的詞,把剩下的詞作為關(guān)鍵詞;增加一些描述灰色產(chǎn)業(yè)的專有名詞,以代孕服務(wù)為例,增加如“試管嬰兒”、”捐卵”、“ 體外授精”和“借腹生子”等詞,以及反映產(chǎn)業(yè)服務(wù)網(wǎng)頁(yè)特征的重要詞,如“聯(lián)系電話”、 “在線咨詢”、“會(huì)員“、“報(bào)名”、“流程”、“服務(wù)”、“客服”、“價(jià)格”等詞。

    在過濾階段,使用上述得到的灰色產(chǎn)業(yè)關(guān)鍵詞過濾掉與灰色服務(wù)完全無關(guān)的網(wǎng)頁(yè),剩下的網(wǎng)頁(yè)為灰色服務(wù)網(wǎng)頁(yè)及相似網(wǎng)頁(yè)。以代孕服務(wù)為例,與之相似的網(wǎng)頁(yè)可能是介紹有關(guān)生育知識(shí)的合法醫(yī)學(xué)類網(wǎng)頁(yè),或僅是報(bào)道代孕產(chǎn)業(yè)的相關(guān)新聞網(wǎng)頁(yè)。由于描述灰色服務(wù)的詞大多是專業(yè)詞匯,所以可使用訓(xùn)練階段建立的分詞詞典進(jìn)行機(jī)械式分詞和特征提取,最后使用因子分解機(jī)模型分類器進(jìn)行分類過濾。

    2 灰色產(chǎn)業(yè)網(wǎng)頁(yè)特征提取與權(quán)重改進(jìn)算法

    2.1 特征提取

    網(wǎng)頁(yè)文本特征通常采用向量空間模型表示[9],其半結(jié)構(gòu)化特點(diǎn)使其即使經(jīng)過初始化處理后,仍會(huì)留下很多高維特征向量。不是所有特征對(duì)分類學(xué)習(xí)都有用,且向量的高維特性還會(huì)增加機(jī)器學(xué)習(xí)時(shí)間。因此,特征選擇用于排除特征空間中那些被認(rèn)為無關(guān)或關(guān)聯(lián)性不大的特性,以降低向量空間維數(shù),簡(jiǎn)化計(jì)算,防止過分?jǐn)M合。特征選擇好壞直接影響文本分類的準(zhǔn)確率。

    灰色服務(wù)網(wǎng)頁(yè)的特征提取不同于普通網(wǎng)頁(yè)的特征提取,其主要困難在于灰色服務(wù)網(wǎng)頁(yè)文本特征的選擇,除了要提取代表灰色產(chǎn)業(yè)服務(wù)的高頻詞外,還要考慮多類特征詞與一般特征詞的區(qū)別及其在不同類別文檔中的重要性。比如灰色產(chǎn)業(yè)最顯著的特點(diǎn)是它的交易特性,因此其網(wǎng)頁(yè)除了包含關(guān)于該灰色服務(wù)信息的高頻詞外,還會(huì)包含一些呈現(xiàn)交易特性的重要詞。以代孕網(wǎng)頁(yè)為例,除了出現(xiàn) “代孕媽媽”、“嬰兒”和“胚胎”等高頻詞外,還會(huì)出現(xiàn)一些諸如“聯(lián)系電話”、“在線咨詢”、“會(huì)員“、“報(bào)名”、“流程”、“服務(wù)”、“客服”、“價(jià)格”等具有顯著交易特性的詞,而這些詞也可能出現(xiàn)在合法網(wǎng)頁(yè)中,即這些詞為多類特征詞。這類特征詞在灰色服務(wù)網(wǎng)頁(yè)中出現(xiàn)的頻度一般較高,能夠代表灰色服務(wù)網(wǎng)頁(yè)的特征。因?yàn)槟骋痪W(wǎng)頁(yè)即使出現(xiàn)了“代孕媽媽”、“嬰兒”和“胚胎”等高頻詞,如果沒有該類具有顯著交易特性的特征詞,則可認(rèn)為這樣的網(wǎng)頁(yè)可能只是相似網(wǎng)頁(yè)而不是灰色服務(wù)網(wǎng)頁(yè)。因此,需要一種新的特征提取和權(quán)重計(jì)算方法,既能提取反映灰色服務(wù)信息的高頻特征詞,又能將多類特征詞與一般特征詞加以區(qū)別,還能體現(xiàn)其在不同文檔類別中的重要性。

    2.2 權(quán)重改進(jìn)算法

    2.2.1 傳統(tǒng)TF*IDF 算法及不足

    文本特征常用加權(quán)關(guān)鍵詞矢量的向量空間模型(VSM)表示。VSM將文本文檔視為由一組詞語[(t1,t2,?,tn)]構(gòu)成,每一詞語都賦以一定的權(quán)值。這樣,一個(gè)文檔[di]可以表示成由一組詞語矢量組成的向量空間中的一個(gè)向量:[di=t1,w1;t2,w2;...;tk,wk;?;tn,wn],其中[tk]表示詞語,[wk]表示詞語[tk]在文檔[di]中的權(quán)重。文檔[di]中詞語[tj]的權(quán)重采用[tf-idf]公式計(jì)算如下:

    其中,詞頻[tfij]是詞語[tj]在文檔[di]中出現(xiàn)的次數(shù),逆文檔詞頻[idfij=lnN/n]是詞語[tj]在文檔集中分布情況的量化,[N]為文檔集的總文檔數(shù),[n]為出現(xiàn)特征詞[t]的文檔數(shù)。

    從公式(1)可以看出,[tf-idf]主要從詞頻和逆文檔詞頻兩方面考慮:如果某個(gè)詞在一個(gè)文檔中出現(xiàn)的頻率[tf]高,但在其它文檔中很少出現(xiàn),則認(rèn)為此詞具有很好的類別區(qū)分能力,適合用來分類;[idf]則表示為,如果包含某個(gè)詞語的文檔數(shù)較少,即[n]越小,[idf]越大,說明該詞語具有很好的類別區(qū)分能力。進(jìn)一步分析發(fā)現(xiàn), 如果一個(gè)文本中的某個(gè)詞語出現(xiàn)次數(shù)很多,即[tf]很大,則該詞語在另一個(gè)同類文本中出現(xiàn)次數(shù)也會(huì)很多,反之亦然。因此[tf]可以體現(xiàn)同類文本的特點(diǎn),但還應(yīng)考慮詞語區(qū)分不同類別文檔的能力。逆文檔詞頻[idf]認(rèn)為一個(gè)詞語出現(xiàn)的頻率越小,區(qū)別不同類別的能力就越大,但如果其均勻分布在各個(gè)類間,這樣的詞語是不適合用來分類的;另一方面,如果一個(gè)詞語在某個(gè)類的文檔中頻繁出現(xiàn),則說明該詞語能夠很好地代表這個(gè)類的文本特征,這樣的詞語應(yīng)該賦予較高權(quán)重,并選作該類文本的特征詞以區(qū)別于其它類別文檔。顯然,[idf]沒有考慮詞語在不同類別中的區(qū)分能力,所以依據(jù)[tf-idf]得到的權(quán)值進(jìn)行文本分類通常不能得到滿意效果。

    2.2.2 改進(jìn)的權(quán)重算法

    為克服[idf]公式缺陷,本文從以下兩方面調(diào)整詞語權(quán)重:

    (1)引入類別文檔頻數(shù)[cdf]。 ?文獻(xiàn)[10]把類別文檔頻數(shù)[cdf]定義為:

    該公式表示特征詞[t]在類別[Cp]的文檔集中的[idf]值,其中[Kp]表示[t]在[Cp]中的類別文檔頻數(shù)。公式(2)不但能反映出多類特征詞和一般特征詞區(qū)別,而且能反映一個(gè)多類特征詞在不同類別文檔中的重要性。改進(jìn)的詞語權(quán)重計(jì)算公式如下:

    其中,[wij]表示特征詞[tj]在文檔[di]中的權(quán)值,[tf(ti)] 表示[ti]在[di]中出現(xiàn)的次數(shù)。假設(shè)[di]屬于類別[Cp(p=1,2,][?,m)],[Kp]表示[ti]在類[Cp]中的文檔頻數(shù),[N]為文檔集中的總文檔數(shù),[n]為出現(xiàn)特征項(xiàng)[t]的文檔數(shù)。

    (2)引入信息增益調(diào)整權(quán)重。文獻(xiàn)[11-13]從信息論的角度出發(fā),把信息增益公式引入到文檔集的類別間,即把文檔集看作一個(gè)符合某種規(guī)律分布的信息源,依靠訓(xùn)練數(shù)據(jù)集的類別信息熵和文檔類別中詞語的條件熵之間信息量的增益關(guān)系,確定該詞語在文本分類中所能提供的信息量,并把這個(gè)信息量反映到詞語的權(quán)重中。公式如下:

    其中,C為文檔的類別集合,[p(Cp)]表示類別[Cp]的概率,可基于文檔統(tǒng)計(jì)進(jìn)行計(jì)算,也可基于詞頻計(jì)算,[(Cp/tj)]表示詞語[tj]在類別[Cp]中出現(xiàn)的概率。

    當(dāng)詞語[tj]在文檔集合的類別中分布不均時(shí),即在某個(gè)類別中分布較高,其它類別中分布較少,詞語帶有較大的類別信息時(shí),應(yīng)用信息增益公式計(jì)算可得到較高的信息增益值,用公式(7)計(jì)算所得的權(quán)重值就會(huì)較高,從而提高詞語[tj]的權(quán)重;另一方面,如果詞語[tj]在文檔集合中的數(shù)量雖小,但如果其均勻分布在各個(gè)類別間,則其帶有的類別信息少,對(duì)系統(tǒng)的不確定性程度影響小,則由信息增益公式計(jì)算得到的信息增益值較小,用公式(7)計(jì)算詞語[tj]的權(quán)重也相對(duì)較低。因此,改進(jìn)的權(quán)重公式能很好地反映詞語在類別間的分布情況。

    3 基于因子分解機(jī)的灰色服務(wù)網(wǎng)頁(yè)過濾方法

    3.1 因子分解機(jī)

    因子分解機(jī)(Factorization Machines,F(xiàn)Ms)是Steffen Rendle[14]提出的一種通用因子分解模型,它通過使用分解交互參數(shù)對(duì)具有目標(biāo)值的所有成對(duì)變量進(jìn)行維度為d的嵌套交互建模,用于解決各種分類和預(yù)測(cè)問題[15-18]。假設(shè)將預(yù)測(cè)問題的數(shù)據(jù)描述為二元組[(x,y)],其中[x∈?p]是一個(gè)特征向量,[y]是預(yù)測(cè)目標(biāo)。當(dāng)d=2時(shí),因子分解機(jī)模型定義如下:

    其中,[p]是輸入特征向量[x]的維度,[<?,?>]是兩個(gè)特征向量的內(nèi)積,[β0∈?],[βi∈?P],[θ∈?p×k]是可以通過訓(xùn)練集估計(jì)的模型參數(shù),[β0]是一個(gè)全局偏置量,[βi]是特征變量[xi]的權(quán)重,[βi,j≈<θi,θj>]是成對(duì)變量[xixj]的權(quán)重。通過變換可以發(fā)現(xiàn),F(xiàn)Ms能夠在[O(kn)]線性時(shí)間內(nèi)進(jìn)行有效計(jì)算。

    3.2 灰色服務(wù)網(wǎng)頁(yè)過濾建模

    可將文本文檔視為由一組詞語[(t1,t2,?,tn)]構(gòu)成,每一詞語都賦以一定的權(quán)值[w]。根據(jù)因子分解機(jī)定義,可將文檔的特征向量用其權(quán)重進(jìn)行擴(kuò)展[19],由此構(gòu)造因子分解機(jī)的輸入特征向量如下:

    3.3 過濾算法學(xué)習(xí)

    使用下列目標(biāo)函數(shù)訓(xùn)練因子分解機(jī)分類器[20]:

    4 實(shí)驗(yàn)結(jié)果與分析

    為驗(yàn)證本文過濾方法的準(zhǔn)確性與有效性,分別采用文獻(xiàn)[10]、文獻(xiàn)[11]和本文提出的權(quán)重計(jì)算公式計(jì)算詞語權(quán)重,然后分別采用KNN、SVM和FMs分類算法對(duì)3種權(quán)重計(jì)算方法的分類效果進(jìn)行比較。實(shí)驗(yàn)所用數(shù)據(jù)集來源于真實(shí)網(wǎng)絡(luò)環(huán)境,訓(xùn)練數(shù)據(jù)由人工挑選,共挑選2 500個(gè)網(wǎng)頁(yè),其中1 500個(gè)網(wǎng)頁(yè)為正常網(wǎng)頁(yè),1 000個(gè)網(wǎng)頁(yè)為代孕網(wǎng)頁(yè)。測(cè)試數(shù)據(jù)通過網(wǎng)絡(luò)隨機(jī)爬取800個(gè)網(wǎng)頁(yè)。實(shí)驗(yàn)結(jié)果選擇精確率、召回率作為指標(biāo)評(píng)價(jià),計(jì)算公式如下:

    其中,[P]為精確度,[Tp]為正確分類的灰色網(wǎng)頁(yè)數(shù)量,[Fn]為將灰色網(wǎng)頁(yè)分類為非灰色網(wǎng)頁(yè)的數(shù)量。[R]為召回率,[Fp]為將非灰色網(wǎng)頁(yè)錯(cuò)誤分類為灰色網(wǎng)頁(yè)的數(shù)量。

    實(shí)驗(yàn)參數(shù)設(shè)置:對(duì)于KNN分類算法,[K]=15;對(duì)于SVM分類算法,選用多項(xiàng)式核函數(shù);對(duì)于FMs,[β0=1],[β1=2],[β2=2]。實(shí)驗(yàn)結(jié)果分別如圖2、圖3所示。

    從圖2和圖3可以看出,使用權(quán)重計(jì)算公式[tf*cdf*IG]計(jì)算權(quán)重,分類得到的精確率和召回率都比文獻(xiàn)[10]和文獻(xiàn)[11]高;同時(shí)可以看出,3種分類方法中,F(xiàn)Ms的分類效果最好。值得注意的是,隨著特征向量的增加,KNN分類和SVM分類的精度有所下降,這可能是向量維數(shù)增加引入了噪音所致,而FMs的分類精度則隨著特征向量的增加而提高,這是因?yàn)镕Ms考慮了所有特征的成對(duì)交互作用,使得分類精度更高, 且其時(shí)間復(fù)雜度為O(kp),即它可以在線性時(shí)間復(fù)雜度內(nèi)完成分類。

    5 結(jié)語

    本文針對(duì)互聯(lián)網(wǎng)灰色服務(wù)網(wǎng)頁(yè)特點(diǎn),在TF*IDF特征選取與權(quán)重計(jì)算方法基礎(chǔ)上,提出了一種基于因子分解機(jī)的互聯(lián)網(wǎng)灰色服務(wù)網(wǎng)頁(yè)過濾方法。該方法克服了傳統(tǒng)方法中存在的高維文本分類困難和時(shí)間復(fù)雜度高的問題。以代孕網(wǎng)站為例,在真實(shí)環(huán)境中對(duì)該方法進(jìn)行了大規(guī)模實(shí)驗(yàn)和評(píng)估。實(shí)驗(yàn)結(jié)果表明,該方法能有效表示灰色服務(wù)網(wǎng)頁(yè)特征,且對(duì)海量文本分類能夠在線性時(shí)間復(fù)雜度內(nèi)完成,大大提高了灰色服務(wù)信息過濾的精度和速度。實(shí)際上,要判別一個(gè)網(wǎng)頁(yè)是否為灰色服務(wù)網(wǎng)頁(yè),除了根據(jù)網(wǎng)頁(yè)文本進(jìn)行判別外,還可從其鏈接結(jié)構(gòu)、可視化特征等進(jìn)行判別。如何將這些特征建模到向量空間,進(jìn)一步提高FMs的分類精度,是下一步工作需要解決的問題。

    參考文獻(xiàn):

    [1] 俞浩亮,王秋森,馮旭鵬,等. 基于特征加權(quán)的網(wǎng)絡(luò)不良內(nèi)容識(shí)別方法[J]. 現(xiàn)代電子技術(shù),2016(3):76-79.

    [2] 王正琦,馮曉兵,張馳. 基于兩層分類器的惡意網(wǎng)頁(yè)快速檢測(cè)系統(tǒng)研究[J]. 網(wǎng)絡(luò)與信息安全學(xué)報(bào),2017(8):48-64.

    [3] 丁巖. 基于機(jī)器學(xué)習(xí)的釣魚網(wǎng)頁(yè)檢測(cè)方法研究[D]. 烏魯木齊:新疆大學(xué),2018.

    [4] 黃超. 基于Weka平臺(tái)的改進(jìn)KNN中文網(wǎng)頁(yè)分類研究[D]. 上海:上海師范大學(xué),2018.

    [5] LIU P,ZHAO H H,TENG J Y,et al. Parallel naive Bayes algorithm for large-scale chinese text classification based on spark[J]. Journal of Central South University, 2019, 26(1):1-12.

    [6] 張華鑫. 基于SVM的文本分類研究[J]. 情報(bào)探索,2015(5):133-135.

    [7] 李村合,唐磊. 基于欠采樣支持向量機(jī)不平衡的網(wǎng)頁(yè)分類系統(tǒng)[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用,2017(4):169-172.

    [8] 火善棟. 用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)中文文本分類[J].計(jì)算機(jī)時(shí)代,2015(11):58-61.

    [9] 如先姑力·阿布都熱西提,亞森·艾則孜,郭文強(qiáng). 維語網(wǎng)頁(yè)中n-gram模型結(jié)合類不平衡SVM的不良文本過濾方法[J]. 計(jì)算機(jī)應(yīng)用研究,2019,36(12):214-218.

    [10] 康進(jìn)峰,王國(guó)營(yíng),梁春迎,等. 用于色情網(wǎng)頁(yè)過濾中的KNN算法改進(jìn)[J]. 計(jì)算機(jī)安全,2009(9):17-22.

    [11] 張玉芳,陳小莉,熊忠陽. 基于信息增益的特征詞權(quán)重調(diào)整算法研究[J]. 計(jì)算機(jī)工程與應(yīng)用,2007,43(35):159-161.

    [12] 李學(xué)明,李海瑞,薛亮,等. 基于信息增益與信息熵的TFIDF算法[J]. 計(jì)算機(jī)工程,2012,38(8):37-40.

    [13] 李海瑞. 基于信息增益和信息熵的特征詞權(quán)重計(jì)算研究[D]. 重慶:重慶大學(xué),2012.

    [14] RENDLE S. Factorization machines[C]. IEEE International Conference on Data Mining. 2010: 995-1000.

    [15] LIU X,ZHANG Y,LIU C. A nonlinear classifier based on factorization machines model[J]. Communications in Computer & Information Science,2014(483):1-10.

    [16] HONG L J,AZIZ S,DOUMITH,et al. ACM international conference on web search and data mining[C]. Co-factorization machines: modeling user interests and predicting individual decisions in Twitter, 2014: 557-566.

    [17] PAN Z,CHEN E,LIU Q,et al. Sparse factorization machines for click-through rate prediction[C]. IEEE ?International Conference on Data Mining, 2017:400-409.

    [18] PAN J W,XU ?J,RUIZ,et al. Field-weighted?factorization?machines for click-through rate prediction?in?display?advertising[C]. Proceedings of the 2018 World Wide Web Conference:?2018:1349-1357.

    [19] BABAK LONI,?YUE SHI,?MARTHA LARSON,?et al. ?Cross-domain collaborative filtering with factorization machines[C]. The 36th European Conference on IR Research, 2014:656-661

    [20] RENDLE S. Factorization machines with LibFM[J]. ACM Transactions on Intelligent Systems & Technology, 2012, 3(3):1-22.

    (責(zé)任編輯:杜能鋼)

    猜你喜歡
    特征選擇
    正交基低冗余無監(jiān)督特征選擇法
    網(wǎng)絡(luò)入侵檢測(cè)場(chǎng)景下的特征選擇方法對(duì)比研究
    基于實(shí)例學(xué)習(xí)和協(xié)同子集搜索的特征選擇方法
    基于最大信息系數(shù)和近似馬爾科夫毯的特征選擇方法
    Kmeans 應(yīng)用與特征選擇
    基于GA和ELM的電能質(zhì)量擾動(dòng)識(shí)別特征選擇方法
    聯(lián)合互信息水下目標(biāo)特征選擇算法
    基于特征選擇聚類方法的稀疏TSK模糊系統(tǒng)
    非線性電路多軟故障的智能優(yōu)化遞階特征選擇診斷方法
    基于特征選擇和RRVPMCD的滾動(dòng)軸承故障診斷方法
    午夜福利影视在线免费观看| 久久中文字幕一级| 99riav亚洲国产免费| 99香蕉大伊视频| 色婷婷av一区二区三区视频| 最近最新中文字幕大全电影3 | 亚洲熟女毛片儿| 国产深夜福利视频在线观看| 少妇被粗大的猛进出69影院| 国产一区二区三区在线臀色熟女 | 日韩一卡2卡3卡4卡2021年| 色尼玛亚洲综合影院| 免费在线观看日本一区| 少妇 在线观看| 精品人妻1区二区| 国产91精品成人一区二区三区| 国产成人精品在线电影| 成人手机av| 亚洲第一欧美日韩一区二区三区| 精品少妇久久久久久888优播| 国产亚洲精品一区二区www | 99热国产这里只有精品6| 亚洲精品国产一区二区精华液| 淫妇啪啪啪对白视频| av电影中文网址| 久久久精品区二区三区| 日韩 欧美 亚洲 中文字幕| 啦啦啦 在线观看视频| 欧美在线一区亚洲| 久久久久久亚洲精品国产蜜桃av| 中文字幕av电影在线播放| 一级a爱视频在线免费观看| 日韩三级视频一区二区三区| 男女之事视频高清在线观看| 三级毛片av免费| 最近最新中文字幕大全电影3 | 人人妻人人爽人人添夜夜欢视频| 欧美精品人与动牲交sv欧美| 亚洲人成电影免费在线| 9色porny在线观看| 成年版毛片免费区| 搡老岳熟女国产| 美女高潮到喷水免费观看| 狠狠婷婷综合久久久久久88av| 亚洲五月婷婷丁香| 免费av中文字幕在线| 国产在视频线精品| 99久久人妻综合| 免费在线观看完整版高清| 少妇裸体淫交视频免费看高清 | 国产成人免费观看mmmm| 一级毛片高清免费大全| 欧美日韩亚洲高清精品| 18禁国产床啪视频网站| 久久天躁狠狠躁夜夜2o2o| 精品久久久久久电影网| 成人精品一区二区免费| 亚洲精品在线观看二区| 国产精品自产拍在线观看55亚洲 | 在线视频色国产色| 国产伦人伦偷精品视频| 女人精品久久久久毛片| 热99国产精品久久久久久7| 国产精品影院久久| 日韩视频一区二区在线观看| 两人在一起打扑克的视频| 国产激情欧美一区二区| 午夜精品国产一区二区电影| 久久久水蜜桃国产精品网| 精品福利永久在线观看| 国产成人啪精品午夜网站| 老司机深夜福利视频在线观看| 国产男靠女视频免费网站| 日韩三级视频一区二区三区| 国产成人av教育| 一级毛片精品| 欧美 日韩 精品 国产| a级片在线免费高清观看视频| 69av精品久久久久久| 成人国语在线视频| 成年人午夜在线观看视频| 国产野战对白在线观看| 在线看a的网站| 老司机午夜十八禁免费视频| 国产成人av激情在线播放| 咕卡用的链子| 91在线观看av| 亚洲 欧美一区二区三区| 午夜福利影视在线免费观看| 一二三四在线观看免费中文在| 国产在线一区二区三区精| 国产精品国产av在线观看| 精品国产乱码久久久久久男人| 亚洲熟女精品中文字幕| 国产精品一区二区在线不卡| 国产精品98久久久久久宅男小说| 国产在线观看jvid| 久久中文字幕一级| 久久这里只有精品19| 男女高潮啪啪啪动态图| 久久久久久久久免费视频了| 久热爱精品视频在线9| av天堂在线播放| 高清视频免费观看一区二区| 青草久久国产| 777米奇影视久久| 亚洲专区字幕在线| 免费看a级黄色片| 一本一本久久a久久精品综合妖精| 国产成人影院久久av| 久久久久视频综合| 亚洲av片天天在线观看| 亚洲精品国产区一区二| 午夜免费观看网址| 黄片大片在线免费观看| 久久ye,这里只有精品| www日本在线高清视频| 亚洲伊人色综图| 国产在线观看jvid| 黄频高清免费视频| 夜夜夜夜夜久久久久| 国产精品电影一区二区三区 | 欧美日韩视频精品一区| 国产高清videossex| 在线国产一区二区在线| 亚洲av成人不卡在线观看播放网| 国产亚洲精品久久久久5区| 一进一出抽搐动态| 91九色精品人成在线观看| 欧美 日韩 精品 国产| 99热只有精品国产| 久久性视频一级片| 国产激情欧美一区二区| 成人国产一区最新在线观看| 亚洲av日韩精品久久久久久密| tocl精华| 看免费av毛片| 亚洲国产欧美日韩在线播放| 亚洲精品粉嫩美女一区| 国产亚洲欧美98| av国产精品久久久久影院| 亚洲熟女毛片儿| 国产高清激情床上av| 一级,二级,三级黄色视频| 狂野欧美激情性xxxx| 精品国产国语对白av| 国产欧美日韩一区二区三区在线| 国产午夜精品久久久久久| 中文字幕人妻熟女乱码| 国产成人免费无遮挡视频| 不卡一级毛片| 国产精品免费一区二区三区在线 | 99精品在免费线老司机午夜| 国产精品免费视频内射| 在线观看一区二区三区激情| 黄频高清免费视频| 成人三级做爰电影| 又黄又爽又免费观看的视频| 精品国产美女av久久久久小说| 日韩欧美免费精品| 亚洲免费av在线视频| 看片在线看免费视频| 亚洲三区欧美一区| 午夜福利,免费看| 久久性视频一级片| 国产日韩一区二区三区精品不卡| 999精品在线视频| 亚洲成av片中文字幕在线观看| 国产精品成人在线| 久久影院123| 亚洲精品成人av观看孕妇| 精品视频人人做人人爽| 大型av网站在线播放| 少妇的丰满在线观看| 日韩免费高清中文字幕av| 99国产极品粉嫩在线观看| 美女高潮到喷水免费观看| 日韩有码中文字幕| 丝袜美足系列| 日韩欧美国产一区二区入口| 久久精品人人爽人人爽视色| 亚洲精品乱久久久久久| 国产精品国产高清国产av | 欧美一级毛片孕妇| 欧美不卡视频在线免费观看 | 精品少妇一区二区三区视频日本电影| 精品一区二区三卡| 国产成人精品无人区| 国产成人免费观看mmmm| 成年人午夜在线观看视频| 在线观看一区二区三区激情| 俄罗斯特黄特色一大片| 夜夜夜夜夜久久久久| 真人做人爱边吃奶动态| 国产深夜福利视频在线观看| 日韩熟女老妇一区二区性免费视频| 久久精品亚洲av国产电影网| 黄色毛片三级朝国网站| 午夜精品国产一区二区电影| 女人久久www免费人成看片| 久久香蕉激情| 美女福利国产在线| 国产野战对白在线观看| 91av网站免费观看| 婷婷丁香在线五月| 免费日韩欧美在线观看| 国产91精品成人一区二区三区| 桃红色精品国产亚洲av| 黄片播放在线免费| 国产野战对白在线观看| 欧美精品人与动牲交sv欧美| 一区二区三区国产精品乱码| 纯流量卡能插随身wifi吗| 黄色视频不卡| 国产97色在线日韩免费| 激情视频va一区二区三区| 高清视频免费观看一区二区| 女警被强在线播放| 在线观看舔阴道视频| 午夜影院日韩av| 国产伦人伦偷精品视频| 成人影院久久| 老司机靠b影院| 亚洲av美国av| 国产精品美女特级片免费视频播放器 | 身体一侧抽搐| 国产成人精品在线电影| 最新在线观看一区二区三区| 亚洲一区中文字幕在线| 国产免费av片在线观看野外av| 男女免费视频国产| 色尼玛亚洲综合影院| 国产亚洲精品久久久久久毛片 | 极品人妻少妇av视频| 色综合欧美亚洲国产小说| 亚洲精品成人av观看孕妇| 一本一本久久a久久精品综合妖精| a在线观看视频网站| 亚洲欧洲精品一区二区精品久久久| 欧美精品啪啪一区二区三区| 亚洲国产看品久久| а√天堂www在线а√下载 | 天天影视国产精品| 亚洲av日韩在线播放| 亚洲avbb在线观看| 久久国产精品影院| 亚洲第一青青草原| 如日韩欧美国产精品一区二区三区| 亚洲情色 制服丝袜| 丰满饥渴人妻一区二区三| 亚洲精品美女久久久久99蜜臀| 午夜老司机福利片| 搡老熟女国产l中国老女人| 久久国产乱子伦精品免费另类| 18禁美女被吸乳视频| 国内久久婷婷六月综合欲色啪| 侵犯人妻中文字幕一二三四区| 久久精品国产清高在天天线| 久久久国产精品麻豆| 中文字幕人妻熟女乱码| 欧美人与性动交α欧美软件| 老汉色av国产亚洲站长工具| 99热国产这里只有精品6| 啦啦啦视频在线资源免费观看| 欧美+亚洲+日韩+国产| 国产免费现黄频在线看| 别揉我奶头~嗯~啊~动态视频| 一区二区三区国产精品乱码| 国产一卡二卡三卡精品| 色婷婷av一区二区三区视频| 欧美日韩av久久| 美女高潮喷水抽搐中文字幕| cao死你这个sao货| 亚洲在线自拍视频| 男女午夜视频在线观看| 香蕉丝袜av| 欧美另类亚洲清纯唯美| 国产99白浆流出| 精品国产乱码久久久久久男人| 熟女少妇亚洲综合色aaa.| 精品国产超薄肉色丝袜足j| 欧美日韩中文字幕国产精品一区二区三区 | 黄色女人牲交| 99久久精品国产亚洲精品| 久久香蕉精品热| 丝袜美腿诱惑在线| 国产精品 欧美亚洲| 成人av一区二区三区在线看| a级毛片在线看网站| 国产日韩一区二区三区精品不卡| 婷婷成人精品国产| 18禁美女被吸乳视频| 丰满迷人的少妇在线观看| 亚洲专区中文字幕在线| 人人妻人人澡人人爽人人夜夜| 国产亚洲欧美98| 九色亚洲精品在线播放| 精品乱码久久久久久99久播| 国产国语露脸激情在线看| 好看av亚洲va欧美ⅴa在| 美女午夜性视频免费| 色精品久久人妻99蜜桃| 欧美最黄视频在线播放免费 | 欧美丝袜亚洲另类 | av免费在线观看网站| 美女高潮喷水抽搐中文字幕| 欧美中文综合在线视频| 婷婷精品国产亚洲av在线 | av线在线观看网站| 亚洲av第一区精品v没综合| 久久久久精品国产欧美久久久| 成人国产一区最新在线观看| 国产精品成人在线| 国产精品一区二区精品视频观看| 天堂动漫精品| 亚洲九九香蕉| 男男h啪啪无遮挡| 国产蜜桃级精品一区二区三区 | 91成人精品电影| 久久九九热精品免费| 99久久99久久久精品蜜桃| 黄色女人牲交| 国产熟女午夜一区二区三区| 侵犯人妻中文字幕一二三四区| 亚洲性夜色夜夜综合| 欧美一级毛片孕妇| 欧美+亚洲+日韩+国产| 久久亚洲真实| 女人爽到高潮嗷嗷叫在线视频| 午夜福利乱码中文字幕| 成年女人毛片免费观看观看9 | 成人亚洲精品一区在线观看| 最近最新中文字幕大全电影3 | 精品久久久久久久毛片微露脸| 自拍欧美九色日韩亚洲蝌蚪91| 丰满饥渴人妻一区二区三| 丝袜美腿诱惑在线| 男男h啪啪无遮挡| 宅男免费午夜| 高清在线国产一区| 午夜福利乱码中文字幕| 色综合欧美亚洲国产小说| 国产成人欧美| 亚洲精华国产精华精| xxxhd国产人妻xxx| 日韩欧美一区二区三区在线观看 | 欧美日韩瑟瑟在线播放| 19禁男女啪啪无遮挡网站| 丰满人妻熟妇乱又伦精品不卡| 老熟妇仑乱视频hdxx| 久久久久久久精品吃奶| 国产精品永久免费网站| 午夜福利视频在线观看免费| 日本一区二区免费在线视频| 国产亚洲精品久久久久久毛片 | 国产97色在线日韩免费| 久久久精品区二区三区| 国产成人精品无人区| 黄色怎么调成土黄色| 纯流量卡能插随身wifi吗| 国产成人影院久久av| 91精品国产国语对白视频| 一区二区日韩欧美中文字幕| 十分钟在线观看高清视频www| 男人舔女人的私密视频| 大型av网站在线播放| 一级毛片精品| 两个人免费观看高清视频| 国产成人av教育| 女同久久另类99精品国产91| 黄频高清免费视频| 国产成人啪精品午夜网站| 午夜精品国产一区二区电影| 久久精品91无色码中文字幕| 色综合婷婷激情| 国产精品久久久人人做人人爽| 十分钟在线观看高清视频www| 建设人人有责人人尽责人人享有的| 黄色视频,在线免费观看| av天堂久久9| 久久久国产欧美日韩av| 女警被强在线播放| 欧美 日韩 精品 国产| 啪啪无遮挡十八禁网站| 国产成人精品久久二区二区免费| 久久天堂一区二区三区四区| 成人三级做爰电影| 精品一区二区三卡| 热99re8久久精品国产| 欧美日韩精品网址| 中文字幕人妻丝袜制服| 99精品在免费线老司机午夜| 久久精品国产清高在天天线| 亚洲成a人片在线一区二区| ponron亚洲| 亚洲精华国产精华精| 在线观看舔阴道视频| 一进一出好大好爽视频| 中出人妻视频一区二区| 伊人久久大香线蕉亚洲五| 亚洲一码二码三码区别大吗| 一级毛片精品| 妹子高潮喷水视频| 日韩人妻精品一区2区三区| 9191精品国产免费久久| 99精品欧美一区二区三区四区| 亚洲综合色网址| 久久婷婷成人综合色麻豆| 久久人妻熟女aⅴ| 亚洲在线自拍视频| 亚洲欧美激情综合另类| 午夜精品国产一区二区电影| 成年人黄色毛片网站| 国产免费男女视频| 岛国毛片在线播放| 伦理电影免费视频| 色在线成人网| 国产成人欧美在线观看 | 在线观看午夜福利视频| 国产成人精品久久二区二区免费| 宅男免费午夜| 夫妻午夜视频| 精品亚洲成国产av| 国产区一区二久久| 在线观看www视频免费| 99国产精品一区二区蜜桃av | 另类亚洲欧美激情| 法律面前人人平等表现在哪些方面| 午夜影院日韩av| 日韩有码中文字幕| 热re99久久精品国产66热6| 亚洲aⅴ乱码一区二区在线播放 | 黄片播放在线免费| 一a级毛片在线观看| 亚洲精品乱久久久久久| 天天躁夜夜躁狠狠躁躁| 成人黄色视频免费在线看| 午夜激情av网站| 免费高清在线观看日韩| 黄色毛片三级朝国网站| 日本黄色日本黄色录像| 久久 成人 亚洲| 亚洲成av片中文字幕在线观看| 黄色丝袜av网址大全| 亚洲国产毛片av蜜桃av| 超色免费av| 久久精品亚洲熟妇少妇任你| 在线天堂中文资源库| av天堂久久9| 日韩 欧美 亚洲 中文字幕| 精品久久久久久电影网| 免费一级毛片在线播放高清视频 | 怎么达到女性高潮| 在线视频色国产色| 欧美黄色淫秽网站| 亚洲av成人不卡在线观看播放网| 亚洲欧美激情综合另类| 99久久人妻综合| 老司机午夜十八禁免费视频| 18禁观看日本| 操美女的视频在线观看| 999久久久国产精品视频| 啪啪无遮挡十八禁网站| 激情在线观看视频在线高清 | 亚洲精品一卡2卡三卡4卡5卡| 99精国产麻豆久久婷婷| 又黄又粗又硬又大视频| 国产成人精品在线电影| 久久精品国产综合久久久| 国产午夜精品久久久久久| 黄色怎么调成土黄色| 深夜精品福利| xxx96com| 日韩欧美一区视频在线观看| 校园春色视频在线观看| 国产野战对白在线观看| 十分钟在线观看高清视频www| 99久久人妻综合| 女人被狂操c到高潮| 国产日韩欧美亚洲二区| 性少妇av在线| 亚洲欧美色中文字幕在线| 国产区一区二久久| 日韩 欧美 亚洲 中文字幕| 亚洲成国产人片在线观看| 人人妻,人人澡人人爽秒播| 国产成人欧美在线观看 | 久9热在线精品视频| 久久婷婷成人综合色麻豆| 午夜精品在线福利| 欧美精品啪啪一区二区三区| 免费看十八禁软件| 国产乱人伦免费视频| 久久99一区二区三区| 欧美精品啪啪一区二区三区| 交换朋友夫妻互换小说| 亚洲自偷自拍图片 自拍| 亚洲av欧美aⅴ国产| 国产精品国产高清国产av | 王馨瑶露胸无遮挡在线观看| 国产精品一区二区在线观看99| av一本久久久久| 国产不卡av网站在线观看| 女人被狂操c到高潮| 飞空精品影院首页| 日本vs欧美在线观看视频| 好男人电影高清在线观看| 首页视频小说图片口味搜索| 欧美+亚洲+日韩+国产| 亚洲成a人片在线一区二区| 午夜影院日韩av| 成人国语在线视频| 国产主播在线观看一区二区| 午夜久久久在线观看| 国产主播在线观看一区二区| 国产成人啪精品午夜网站| 亚洲av美国av| 久久热在线av| 日韩熟女老妇一区二区性免费视频| 国产片内射在线| 中文字幕人妻丝袜一区二区| 欧美久久黑人一区二区| 一a级毛片在线观看| 成人三级做爰电影| 久久国产乱子伦精品免费另类| 欧美日韩亚洲国产一区二区在线观看 | avwww免费| 最新在线观看一区二区三区| 人人妻,人人澡人人爽秒播| 一边摸一边抽搐一进一小说 | 日本a在线网址| 一边摸一边抽搐一进一出视频| 天堂中文最新版在线下载| 精品久久久精品久久久| 久久久久久久精品吃奶| 老熟妇乱子伦视频在线观看| 黄片大片在线免费观看| 女人被躁到高潮嗷嗷叫费观| 热99re8久久精品国产| 在线观看一区二区三区激情| 免费久久久久久久精品成人欧美视频| 91成人精品电影| 久久久国产成人精品二区 | 人妻一区二区av| 一级毛片女人18水好多| av有码第一页| 黄片播放在线免费| av有码第一页| 亚洲专区字幕在线| 99国产精品一区二区蜜桃av | 少妇裸体淫交视频免费看高清 | 日本vs欧美在线观看视频| 极品少妇高潮喷水抽搐| 免费av中文字幕在线| 亚洲成人国产一区在线观看| 国产成人精品久久二区二区免费| 91成年电影在线观看| 中文字幕高清在线视频| 亚洲黑人精品在线| 欧美日韩av久久| 大陆偷拍与自拍| 国产在视频线精品| 亚洲一码二码三码区别大吗| 日日夜夜操网爽| 亚洲av电影在线进入| 777米奇影视久久| 亚洲,欧美精品.| 久久人人爽av亚洲精品天堂| 日本黄色日本黄色录像| 国产99久久九九免费精品| 国内毛片毛片毛片毛片毛片| 久久精品亚洲熟妇少妇任你| 一级片免费观看大全| 又紧又爽又黄一区二区| 成人手机av| 村上凉子中文字幕在线| 校园春色视频在线观看| 久久中文看片网| 久久青草综合色| 99国产综合亚洲精品| 色婷婷久久久亚洲欧美| 夜夜爽天天搞| 亚洲熟女毛片儿| 麻豆av在线久日| 丝瓜视频免费看黄片| 亚洲成国产人片在线观看| 亚洲国产精品sss在线观看 | 精品福利永久在线观看| 国产99白浆流出| 亚洲一卡2卡3卡4卡5卡精品中文| 伊人久久大香线蕉亚洲五| 欧美日韩成人在线一区二区| 日韩免费av在线播放| 国产亚洲欧美98| 欧美+亚洲+日韩+国产| 亚洲精品乱久久久久久| 精品久久久久久,| 久久人人爽av亚洲精品天堂| 女人久久www免费人成看片| 一区二区三区国产精品乱码| 黄频高清免费视频| 久久精品亚洲熟妇少妇任你| 中国美女看黄片| 丰满饥渴人妻一区二区三| 亚洲av欧美aⅴ国产| 悠悠久久av| av片东京热男人的天堂| 国产一区在线观看成人免费| 国内久久婷婷六月综合欲色啪| 人人妻人人澡人人爽人人夜夜| 欧美乱色亚洲激情| 国产精品久久久久久人妻精品电影| 亚洲成人免费电影在线观看| 麻豆国产av国片精品| 免费少妇av软件|