• <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
    欧美日本亚洲视频在线播放| 亚洲成人免费av在线播放| 久久这里只有精品19| 麻豆国产av国片精品| 国产av精品麻豆| 日本黄色日本黄色录像| 亚洲精品在线美女| 老司机深夜福利视频在线观看| xxxhd国产人妻xxx| www国产在线视频色| 满18在线观看网站| 99久久久亚洲精品蜜臀av| 国产高清视频在线播放一区| 嫩草影院精品99| 亚洲,欧美精品.| 亚洲少妇的诱惑av| 久久久久国产精品人妻aⅴ院| 在线观看舔阴道视频| 免费在线观看日本一区| 丝袜美足系列| 国产高清videossex| 十分钟在线观看高清视频www| 99国产精品一区二区蜜桃av| 在线天堂中文资源库| 欧美午夜高清在线| 精品一区二区三卡| 色在线成人网| 最好的美女福利视频网| 国产成人欧美| 老司机在亚洲福利影院| 成人精品一区二区免费| 欧美人与性动交α欧美精品济南到| 亚洲av第一区精品v没综合| videosex国产| 久久精品国产清高在天天线| 黄色女人牲交| 99re在线观看精品视频| 日韩免费av在线播放| 在线观看免费视频日本深夜| 少妇 在线观看| 亚洲人成网站在线播放欧美日韩| av电影中文网址| 久久影院123| 国产人伦9x9x在线观看| www.熟女人妻精品国产| 女人精品久久久久毛片| 日本撒尿小便嘘嘘汇集6| tocl精华| 成人黄色视频免费在线看| 又大又爽又粗| 久久久国产成人免费| 精品免费久久久久久久清纯| 俄罗斯特黄特色一大片| 国产精品九九99| 在线免费观看的www视频| 亚洲激情在线av| 欧美黑人精品巨大| 黄片小视频在线播放| 欧美午夜高清在线| 美女高潮喷水抽搐中文字幕| 99精品欧美一区二区三区四区| 久久狼人影院| 国产蜜桃级精品一区二区三区| 免费在线观看完整版高清| 亚洲国产精品sss在线观看 | 国产精品久久久久成人av| 亚洲va日本ⅴa欧美va伊人久久| 精品一区二区三区av网在线观看| 脱女人内裤的视频| 久久青草综合色| 淫妇啪啪啪对白视频| 久久影院123| 久久久久精品国产欧美久久久| 91麻豆av在线| 无人区码免费观看不卡| 黄色视频,在线免费观看| 亚洲男人天堂网一区| 国产又爽黄色视频| 老司机靠b影院| 在线观看www视频免费| 搡老熟女国产l中国老女人| 不卡av一区二区三区| 一级毛片高清免费大全| av天堂久久9| 国产高清videossex| 可以免费在线观看a视频的电影网站| 国产单亲对白刺激| 真人一进一出gif抽搐免费| 国产精品 国内视频| 国产伦人伦偷精品视频| 在线免费观看的www视频| 97碰自拍视频| 精品福利观看| 国产伦一二天堂av在线观看| 美国免费a级毛片| 精品国内亚洲2022精品成人| 午夜成年电影在线免费观看| 老司机午夜十八禁免费视频| 国产极品粉嫩免费观看在线| 久久久久久久久久久久大奶| 性色av乱码一区二区三区2| 国产欧美日韩精品亚洲av| 欧美黑人精品巨大| 亚洲国产欧美日韩在线播放| 黄色成人免费大全| 亚洲av成人av| 成人三级黄色视频| 天天躁狠狠躁夜夜躁狠狠躁| 天天躁夜夜躁狠狠躁躁| 精品福利观看| 欧美不卡视频在线免费观看 | 成人影院久久| 亚洲成a人片在线一区二区| 国产熟女午夜一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 欧美日本中文国产一区发布| 天天影视国产精品| 99久久人妻综合| 欧美日本亚洲视频在线播放| 男女午夜视频在线观看| 国产亚洲精品第一综合不卡| 国产精品免费视频内射| 欧美乱码精品一区二区三区| 脱女人内裤的视频| 久久人妻av系列| 一区二区三区国产精品乱码| 岛国在线观看网站| 天天躁夜夜躁狠狠躁躁| 日韩欧美三级三区| 国产亚洲欧美在线一区二区| 亚洲国产精品一区二区三区在线| 19禁男女啪啪无遮挡网站| 国产三级黄色录像| 琪琪午夜伦伦电影理论片6080| 51午夜福利影视在线观看| 香蕉丝袜av| 亚洲七黄色美女视频| 久久性视频一级片| 中出人妻视频一区二区| 国产成人免费无遮挡视频| 欧美日韩瑟瑟在线播放| 亚洲三区欧美一区| 丰满饥渴人妻一区二区三| 黄色 视频免费看| 身体一侧抽搐| 无遮挡黄片免费观看| 精品国产一区二区三区四区第35| 一个人免费在线观看的高清视频| 午夜亚洲福利在线播放| 天天添夜夜摸| 一个人免费在线观看的高清视频| 免费女性裸体啪啪无遮挡网站| 精品国产乱码久久久久久男人| 久久久精品欧美日韩精品| 99国产综合亚洲精品| av在线天堂中文字幕 | 在线看a的网站| 精品免费久久久久久久清纯| 啪啪无遮挡十八禁网站| 国产精品爽爽va在线观看网站 | 亚洲一卡2卡3卡4卡5卡精品中文| 中亚洲国语对白在线视频| 丝袜美腿诱惑在线| 大陆偷拍与自拍| 99国产精品免费福利视频| 国内毛片毛片毛片毛片毛片| 丝袜美腿诱惑在线| 免费女性裸体啪啪无遮挡网站| 一边摸一边抽搐一进一小说| 久久亚洲真实| 日韩高清综合在线| 日韩有码中文字幕| 中出人妻视频一区二区| 国产成人精品久久二区二区免费| 女人爽到高潮嗷嗷叫在线视频| 亚洲三区欧美一区| 一级a爱片免费观看的视频| 在线免费观看的www视频| 欧美激情极品国产一区二区三区| cao死你这个sao货| 嫁个100分男人电影在线观看| 亚洲人成电影免费在线| 精品午夜福利视频在线观看一区| 最新美女视频免费是黄的| 国产1区2区3区精品| 国产亚洲精品一区二区www| netflix在线观看网站| 国产乱人伦免费视频| 老熟妇仑乱视频hdxx| 国产精品久久久av美女十八| 日韩精品免费视频一区二区三区| 亚洲成人国产一区在线观看| 免费观看人在逋| 国产欧美日韩一区二区精品| 国产单亲对白刺激| 久久午夜综合久久蜜桃| 久久精品国产综合久久久| 亚洲熟女毛片儿| 亚洲自拍偷在线| 在线观看一区二区三区激情| 啦啦啦免费观看视频1| 99国产极品粉嫩在线观看| 无遮挡黄片免费观看| 国产黄a三级三级三级人| a级毛片黄视频| 国产欧美日韩一区二区三区在线| 亚洲精品中文字幕在线视频| 亚洲成人免费电影在线观看| 在线国产一区二区在线| 久久精品亚洲熟妇少妇任你| 激情视频va一区二区三区| 日韩成人在线观看一区二区三区| 亚洲av美国av| 少妇裸体淫交视频免费看高清 | 欧美日本亚洲视频在线播放| 午夜福利免费观看在线| 午夜精品在线福利| www.精华液| 一区二区三区国产精品乱码| 老司机在亚洲福利影院| 一级a爱片免费观看的视频| 国产精品av久久久久免费| 波多野结衣一区麻豆| 黑人猛操日本美女一级片| 国产成+人综合+亚洲专区| 99国产精品一区二区三区| 日本五十路高清| 在线观看一区二区三区激情| 亚洲熟妇熟女久久| 亚洲国产精品一区二区三区在线| 日韩大码丰满熟妇| 日本wwww免费看| 久久草成人影院| 久久久久久久久免费视频了| 黄片播放在线免费| 夫妻午夜视频| 成人影院久久| 香蕉久久夜色| 少妇粗大呻吟视频| 男女床上黄色一级片免费看| 一夜夜www| 18禁裸乳无遮挡免费网站照片 | 人妻丰满熟妇av一区二区三区| 99国产精品一区二区三区| 欧美一区二区精品小视频在线| 岛国视频午夜一区免费看| 俄罗斯特黄特色一大片| 国产黄色免费在线视频| 亚洲人成伊人成综合网2020| 精品第一国产精品| 一级毛片精品| 久久国产亚洲av麻豆专区| 曰老女人黄片| 国产野战对白在线观看| 一个人免费在线观看的高清视频| av福利片在线| 黄色a级毛片大全视频| 麻豆久久精品国产亚洲av | 色尼玛亚洲综合影院| 黑人欧美特级aaaaaa片| 两性午夜刺激爽爽歪歪视频在线观看 | 国产高清激情床上av| 99热只有精品国产| 香蕉丝袜av| www.999成人在线观看| 精品免费久久久久久久清纯| 亚洲精品中文字幕一二三四区| 精品无人区乱码1区二区| 两人在一起打扑克的视频| 国产亚洲欧美98| 亚洲一区高清亚洲精品| 久久人妻av系列| 一级黄色大片毛片| 色在线成人网| 国产精品国产av在线观看| 91av网站免费观看| 精品久久久久久电影网| 我的亚洲天堂| 亚洲五月色婷婷综合| 日韩精品青青久久久久久| 一区二区日韩欧美中文字幕| 日韩欧美免费精品| 老司机午夜十八禁免费视频| 丰满迷人的少妇在线观看| 黄色怎么调成土黄色| 大型黄色视频在线免费观看| 两个人免费观看高清视频| 岛国视频午夜一区免费看| 午夜免费激情av| 成人18禁高潮啪啪吃奶动态图| 欧美不卡视频在线免费观看 | 国产av一区在线观看免费| 亚洲中文字幕日韩| 欧美黑人欧美精品刺激| 视频在线观看一区二区三区| 夜夜躁狠狠躁天天躁| 在线观看www视频免费| 国产视频一区二区在线看| 少妇 在线观看| 一a级毛片在线观看| 露出奶头的视频| 极品教师在线免费播放| 中文字幕人妻熟女乱码| 成人精品一区二区免费| 亚洲伊人色综图| 久久99一区二区三区| 亚洲精品国产一区二区精华液| 中文欧美无线码| 在线看a的网站| 在线看a的网站| 性少妇av在线| 一区二区三区国产精品乱码| 少妇 在线观看| 他把我摸到了高潮在线观看| 黑丝袜美女国产一区| 午夜精品久久久久久毛片777| 亚洲精品久久午夜乱码| 欧美精品亚洲一区二区| 日韩免费av在线播放| 少妇被粗大的猛进出69影院| 久久久久久久午夜电影 | 黄片播放在线免费| 国产精品免费视频内射| 手机成人av网站| 亚洲 国产 在线| 天堂√8在线中文| 又大又爽又粗| 久久青草综合色| av免费在线观看网站| av电影中文网址| 欧美+亚洲+日韩+国产| 欧美黄色片欧美黄色片| 高清毛片免费观看视频网站 | 女人爽到高潮嗷嗷叫在线视频| 亚洲精品一区av在线观看| av有码第一页| 男人的好看免费观看在线视频 | 免费在线观看日本一区| 亚洲欧美日韩另类电影网站| 亚洲成人免费av在线播放| 香蕉丝袜av| √禁漫天堂资源中文www| 身体一侧抽搐| 久久久久久久午夜电影 | 亚洲精品成人av观看孕妇| 日韩欧美一区视频在线观看| 久久精品91无色码中文字幕| 中文字幕最新亚洲高清| 侵犯人妻中文字幕一二三四区| 精品国产一区二区三区四区第35| 国产有黄有色有爽视频| 久久久国产成人免费| 国产在线精品亚洲第一网站| 成人国产一区最新在线观看| 男女之事视频高清在线观看| 黑人猛操日本美女一级片| 亚洲五月色婷婷综合| 少妇被粗大的猛进出69影院| 一夜夜www| 99久久精品国产亚洲精品| 老司机亚洲免费影院| 欧美一区二区精品小视频在线| 国产三级黄色录像| 无人区码免费观看不卡| 国产精品久久久久成人av| 99久久人妻综合| 久久人妻福利社区极品人妻图片| 国产精品秋霞免费鲁丝片| 搡老熟女国产l中国老女人| 亚洲精品在线观看二区| 亚洲精品中文字幕一二三四区| 欧美另类亚洲清纯唯美| 变态另类成人亚洲欧美熟女 | 在线观看一区二区三区激情| 日日干狠狠操夜夜爽| 欧美另类亚洲清纯唯美| 久久 成人 亚洲| 久久久久久免费高清国产稀缺| 色婷婷av一区二区三区视频| 久久性视频一级片| 十分钟在线观看高清视频www| 一本大道久久a久久精品| 亚洲熟女毛片儿| 亚洲精品一二三| 国产精品国产av在线观看| cao死你这个sao货| 亚洲免费av在线视频| 欧美日韩国产mv在线观看视频| 亚洲成人免费电影在线观看| 中文字幕人妻丝袜一区二区| 亚洲av第一区精品v没综合| 老司机午夜十八禁免费视频| 久久久久久久久中文| 少妇 在线观看| 日韩欧美一区二区三区在线观看| 国产精品日韩av在线免费观看 | 女性被躁到高潮视频| 80岁老熟妇乱子伦牲交| av在线天堂中文字幕 | 夜夜爽天天搞| 午夜精品在线福利| 亚洲avbb在线观看| 欧美国产精品va在线观看不卡| 亚洲三区欧美一区| 久久精品国产清高在天天线| 一个人免费在线观看的高清视频| 又大又爽又粗| 丁香六月欧美| 久久国产精品影院| 久久中文看片网| 视频在线观看一区二区三区| 淫妇啪啪啪对白视频| 97人妻天天添夜夜摸| 婷婷精品国产亚洲av在线| 天天添夜夜摸| 亚洲av日韩精品久久久久久密| 免费av中文字幕在线| 欧美乱码精品一区二区三区| 精品少妇一区二区三区视频日本电影| www.自偷自拍.com| 欧美激情极品国产一区二区三区| 日韩有码中文字幕| 十八禁网站免费在线| 69精品国产乱码久久久| 欧美日韩亚洲国产一区二区在线观看| 亚洲午夜精品一区,二区,三区| 91成人精品电影| 久久人妻福利社区极品人妻图片| 香蕉国产在线看| 欧美乱色亚洲激情| 天天影视国产精品| 亚洲性夜色夜夜综合| 国产成人影院久久av| 真人做人爱边吃奶动态| 亚洲欧美精品综合一区二区三区| av在线播放免费不卡| 美女高潮到喷水免费观看| 天堂动漫精品| 国产精品久久视频播放| 婷婷丁香在线五月| 亚洲精品av麻豆狂野| 久久婷婷成人综合色麻豆| 天天躁夜夜躁狠狠躁躁| 精品久久久久久久毛片微露脸| 女人被狂操c到高潮| 欧美乱码精品一区二区三区| 久久精品国产清高在天天线| 久久精品亚洲av国产电影网| 热re99久久国产66热| 丰满人妻熟妇乱又伦精品不卡| 国产成人影院久久av| 国产单亲对白刺激| 欧美成人免费av一区二区三区| 日本黄色视频三级网站网址| 欧美黄色片欧美黄色片| bbb黄色大片| 脱女人内裤的视频| 国产免费av片在线观看野外av| 欧美成狂野欧美在线观看| 精品国产国语对白av| 欧美日韩黄片免| 他把我摸到了高潮在线观看| 国产国语露脸激情在线看| 精品一区二区三区av网在线观看| 欧美+亚洲+日韩+国产| 两个人免费观看高清视频| 波多野结衣一区麻豆| 国产日韩一区二区三区精品不卡| 日韩中文字幕欧美一区二区| 19禁男女啪啪无遮挡网站| 亚洲人成电影免费在线| 亚洲国产欧美网| 日韩精品青青久久久久久| 中亚洲国语对白在线视频| 欧美丝袜亚洲另类 | 中文欧美无线码| 看片在线看免费视频| 成人特级黄色片久久久久久久| 午夜福利免费观看在线| 99久久精品国产亚洲精品| 在线观看免费视频日本深夜| 18禁国产床啪视频网站| 亚洲精华国产精华精| 亚洲精品久久午夜乱码| 女人被躁到高潮嗷嗷叫费观| 91av网站免费观看| 久久久久国产一级毛片高清牌| 日本黄色视频三级网站网址| www.999成人在线观看| 国产精品 欧美亚洲| 亚洲五月色婷婷综合| 久久久久久免费高清国产稀缺| 免费看十八禁软件| 欧美中文日本在线观看视频| 嫩草影视91久久| 天堂中文最新版在线下载| 国产亚洲精品一区二区www| 国产免费男女视频| 久久香蕉国产精品| 国产精品一区二区免费欧美| 天天躁夜夜躁狠狠躁躁| 亚洲色图 男人天堂 中文字幕| 中文字幕av电影在线播放| 精品福利观看| 精品久久久久久久毛片微露脸| 国产精品免费一区二区三区在线| 午夜老司机福利片| 成人国产一区最新在线观看| 男女下面插进去视频免费观看| 欧美激情久久久久久爽电影 | 亚洲国产欧美日韩在线播放| 性色av乱码一区二区三区2| e午夜精品久久久久久久| 久久久久久免费高清国产稀缺| cao死你这个sao货| 国产精品久久久久成人av| 久久精品aⅴ一区二区三区四区| 高清av免费在线| 欧美成人午夜精品| 18禁裸乳无遮挡免费网站照片 | 女人高潮潮喷娇喘18禁视频| tocl精华| 欧美精品啪啪一区二区三区| 一夜夜www| 国产成人av激情在线播放| 99在线人妻在线中文字幕| 精品国内亚洲2022精品成人| 精品人妻在线不人妻| 女人精品久久久久毛片| 777久久人妻少妇嫩草av网站| 免费人成视频x8x8入口观看| 黑人操中国人逼视频| 亚洲狠狠婷婷综合久久图片| 国产又色又爽无遮挡免费看| 久久久久九九精品影院| 欧美不卡视频在线免费观看 | 久9热在线精品视频| 国产熟女xx| 成人免费观看视频高清| 久久午夜综合久久蜜桃| 亚洲精品久久成人aⅴ小说| 日韩人妻精品一区2区三区| 一级黄色大片毛片| 国产精品 国内视频| 夫妻午夜视频| av视频免费观看在线观看| 美女 人体艺术 gogo| 新久久久久国产一级毛片| 国产精品成人在线| 欧美日韩亚洲高清精品| 一级,二级,三级黄色视频| 少妇 在线观看| 黄片大片在线免费观看| 亚洲va日本ⅴa欧美va伊人久久| 一二三四社区在线视频社区8| 中出人妻视频一区二区| 精品久久久久久,| 99精品久久久久人妻精品| 纯流量卡能插随身wifi吗| 高清黄色对白视频在线免费看| 韩国av一区二区三区四区| 免费在线观看完整版高清| 脱女人内裤的视频| 国产一区二区激情短视频| 欧美成人免费av一区二区三区| 午夜福利欧美成人| 99久久精品国产亚洲精品| 欧美日本亚洲视频在线播放| 久久精品亚洲av国产电影网| 亚洲国产欧美日韩在线播放| 后天国语完整版免费观看| 国产精品99久久99久久久不卡| 最近最新中文字幕大全免费视频| 中文字幕av电影在线播放| 午夜福利免费观看在线| 国产成人av激情在线播放| 成人免费观看视频高清| 黑人操中国人逼视频| 国产三级黄色录像| 国产亚洲精品综合一区在线观看 | 麻豆一二三区av精品| 国产精品久久久人人做人人爽| 黄色丝袜av网址大全| 亚洲自拍偷在线| 亚洲第一欧美日韩一区二区三区| 成人av一区二区三区在线看| 一进一出抽搐动态| 国产视频一区二区在线看| 久久午夜亚洲精品久久| 精品一区二区三区视频在线观看免费 | 老熟妇乱子伦视频在线观看| 精品国产美女av久久久久小说| 两个人看的免费小视频| 欧美午夜高清在线| av网站在线播放免费| 两个人免费观看高清视频| 99久久精品国产亚洲精品| 亚洲国产精品999在线| 午夜精品在线福利| 亚洲伊人色综图| 色综合欧美亚洲国产小说| 新久久久久国产一级毛片| 成人三级做爰电影| 日本免费一区二区三区高清不卡 | 黑人操中国人逼视频| 久久精品国产清高在天天线| 精品午夜福利视频在线观看一区| 久久香蕉精品热| 丝袜美腿诱惑在线| 国产精品免费视频内射| 两性夫妻黄色片| 亚洲中文字幕日韩| 久9热在线精品视频| 动漫黄色视频在线观看| 国产国语露脸激情在线看|