• <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TextRank的產(chǎn)品評(píng)論關(guān)鍵詞抽取方法研究

    2020-06-19 08:45:58尤苡名
    軟件導(dǎo)刊 2020年4期
    關(guān)鍵詞:電子書權(quán)重詞匯

    摘 要:關(guān)鍵詞抽取技術(shù)能從海量產(chǎn)品評(píng)論文本中挖掘出用戶關(guān)注的焦點(diǎn),方便后續(xù)為用戶推薦合適的產(chǎn)品。經(jīng)典關(guān)鍵詞抽取算法TextRank在迭代計(jì)算詞匯節(jié)點(diǎn)的重要性得分時(shí),忽略了鄰近詞匯節(jié)點(diǎn)的影響力差異。為此,提出一種融合TFIDF與TextRank算法(簡(jiǎn)稱TFTR)抽取評(píng)論中的關(guān)鍵詞。首先,通過引入用戶瀏覽評(píng)論后給出的評(píng)論有用性反饋,提高有效評(píng)論中出現(xiàn)的重要詞語(yǔ)權(quán)重,對(duì)TFIDF算法進(jìn)行改進(jìn)。然后將改進(jìn)后的詞頻逆文檔頻率作為詞節(jié)點(diǎn)特征權(quán)重引入到TextRank算法中,以改進(jìn)詞匯節(jié)點(diǎn)的重要性得分分配過程。實(shí)驗(yàn)結(jié)果表明,相比傳統(tǒng)的TextRank算法,TFTR算法提取出的產(chǎn)品評(píng)論關(guān)鍵詞準(zhǔn)確性在P@10標(biāo)準(zhǔn)下提高了15.70-/0,證明了該算法的有效性。

    關(guān)鍵詞:關(guān)鍵詞抽取;TFIDF;TextRank;TFTR;評(píng)論有用性反饋

    DOI: 10. 11907/rjdk.191810

    開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):

    中圖分類號(hào):TP393

    文獻(xiàn)標(biāo)識(shí)碼:A

    文章編號(hào):1672-7800( 2020)004-0229-05

    0 引言

    在個(gè)性化推薦領(lǐng)域,互聯(lián)網(wǎng)的盛行導(dǎo)致數(shù)據(jù)量激增,人們很難從龐大的數(shù)據(jù)中直接獲取到有用信息。評(píng)論文本不僅描述了產(chǎn)品的真實(shí)特點(diǎn),還包含了豐富的用戶觀點(diǎn)信息,反映出個(gè)人偏好。如果從評(píng)論文本中挖掘出用戶偏好信息,即可將具有相似偏好特征的用戶所喜愛的項(xiàng)目推薦給該用戶。此外,商家面對(duì)過載的評(píng)論信息,亟需快速、精確地掌握用戶態(tài)度,再針對(duì)性地作出應(yīng)對(duì)以完善項(xiàng)目。因此,利用關(guān)鍵詞提取技術(shù)準(zhǔn)確、高效地從海量評(píng)論文本中挖掘出用戶關(guān)注的焦點(diǎn),具有很高的實(shí)用價(jià)值。作為NLP(自然語(yǔ)言處理)領(lǐng)域一個(gè)重要的子任務(wù),它也是信息檢索、文本分類、對(duì)話系統(tǒng)等熱門學(xué)術(shù)研究的基礎(chǔ),應(yīng)用范圍非常廣,例如圖書情報(bào)[1]、生物醫(yī)學(xué)文獻(xiàn)[2]、新聞媒體[3]等。

    關(guān)鍵詞提取方法可以分為監(jiān)督性和無(wú)監(jiān)督性兩類。前者將關(guān)鍵詞抽取任務(wù)轉(zhuǎn)化為分類問題,通過人工標(biāo)注詞匯,訓(xùn)練分類模型實(shí)現(xiàn)關(guān)鍵詞的0/1分類[4]。然而,由于監(jiān)督性方法面臨人工標(biāo)注工作量大、數(shù)據(jù)量爆增且內(nèi)容實(shí)時(shí)性強(qiáng)等問題,無(wú)監(jiān)督性方法逐漸成為學(xué)者們研究的熱點(diǎn),并有取代監(jiān)督性方法的趨勢(shì)。常用的無(wú)監(jiān)督性關(guān)鍵詞抽取算法包括以下3種:TFIDF算法[5]、LDA主題模型[6]和TextRank算法[7]。大量相關(guān)研究都是在以上3種算法基礎(chǔ)上融合新的算法,或者將這3種算法本身進(jìn)行融合。

    張瑾[8]將特征詞位置及詞跨度權(quán)值引入到TFIDF中,并在提取新聞情報(bào)關(guān)鍵詞實(shí)驗(yàn)中證明了算法的有效性;YI等[9]針對(duì)TFIDF的不足,運(yùn)用類別間離散和類別內(nèi)信息熵理論,引入類別判別定義,考慮特征項(xiàng)的類別內(nèi)和類別間分布,并在復(fù)旦大學(xué)語(yǔ)料庫(kù)實(shí)驗(yàn)中驗(yàn)證了算法的有效性;張震等[10]分別從用戶和商家視角定義了有效關(guān)鍵詞,提出基于語(yǔ)言模型的關(guān)鍵詞抽取方法,通過實(shí)驗(yàn)證明所提模型挖掘出的關(guān)鍵詞在推薦系統(tǒng)中有著很好的推薦效果;謝瑋等[11]在詞語(yǔ)位置加權(quán)TextRank基礎(chǔ)上引入詞頻逆文本頻率,實(shí)現(xiàn)關(guān)鍵詞抽取并將其應(yīng)用于論文審稿自動(dòng)推薦中;劉竹辰等[12]將特征詞在文檔內(nèi)的詞距和位置分布信息融入到TextRank模型中,改進(jìn)了關(guān)鍵詞提取效果;寧建飛等[13]主要通過word2vec計(jì)算詞匯間的相似度,并改進(jìn)Tex-tRank算法中圖節(jié)點(diǎn)間的權(quán)重分配,以改善關(guān)鍵詞抽取效果;夏天[14]利用word2Vec模型將維基百科中文數(shù)據(jù)生成詞向量模型,對(duì)TextRank詞節(jié)點(diǎn)的詞向量進(jìn)行加權(quán)聚類,實(shí)現(xiàn)關(guān)鍵詞抽取;He等[15]提取關(guān)鍵短語(yǔ)的控制詞匯及其先驗(yàn)概率作為先驗(yàn)知識(shí),然后利用監(jiān)督學(xué)習(xí)算法對(duì)TFIDF、Tex-tRank和先驗(yàn)概率等特征進(jìn)行學(xué)習(xí),并在Inspec、Krapivin、NUS和Ke20K 4個(gè)公共數(shù)據(jù)集上驗(yàn)證了先驗(yàn)知識(shí)對(duì)關(guān)鍵詞提取的有效性;劉嘯劍等[16]提出一種結(jié)合LDA與Tex-tRank的關(guān)鍵詞抽取模型,并在Huth200和DUC2001數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),結(jié)果表明了該方法的有效性;魏赟等[2]在TextRank算法基礎(chǔ)上,引入TFIDF計(jì)算詞語(yǔ)之間的權(quán)重得分,但該方法對(duì)權(quán)重的賦值仍存在缺陷。

    本文在文獻(xiàn)[2]的基礎(chǔ)上引入瀏覽用戶對(duì)評(píng)論的有用性反饋,以提高有效評(píng)論中關(guān)鍵詞的權(quán)重,對(duì)TFIDF進(jìn)行改進(jìn),然后結(jié)合TextRank算法挖掘評(píng)論中的關(guān)鍵詞。

    1 改進(jìn)關(guān)鍵詞抽取方法

    1.1 傳統(tǒng)TFIDF與TextRank

    TFIDF(詞頻逆文本頻率)是計(jì)算特征權(quán)重最常用的方法[17],用來評(píng)估指定詞匯在整個(gè)文本或語(yǔ)料庫(kù)中的重要程度。TF表示特征詞匯在整個(gè)文檔中出現(xiàn)的頻率,文檔中出現(xiàn)頻率越高的詞語(yǔ)重要性越強(qiáng)。對(duì)于某文本i中的詞語(yǔ)j,TF計(jì)算方式如式(1)所示。

    1.3 基于改進(jìn)TFIDF的TextRank算法

    傳統(tǒng)TextRank給每個(gè)節(jié)點(diǎn)賦予的初始權(quán)重都是一樣的。對(duì)于指定節(jié)點(diǎn),在迭代計(jì)算鄰近節(jié)點(diǎn)重要性得分過程中,源節(jié)點(diǎn)將自身得分均分給鄰近節(jié)點(diǎn),而未考慮節(jié)點(diǎn)之間的重要性差異,顯然是不符合實(shí)際情況的。因此,將改進(jìn)TFIDF算法引入到TextRank中,將其作為詞節(jié)點(diǎn)之間的特征權(quán)重,調(diào)整詞節(jié)點(diǎn)間的影響力。

    如圖1所示,{v1,v2,v3,v4}5個(gè)詞構(gòu)成一個(gè)圖,根據(jù)改進(jìn)TFIDF算法計(jì)算出4個(gè)相鄰詞節(jié)點(diǎn)的詞匯特征權(quán)重依次為tfidj1、tfidf2、tfidf3和tfidf4。因此,對(duì)于指定詞節(jié)點(diǎn)v,指向該節(jié)點(diǎn)的權(quán)重分別為相鄰節(jié)點(diǎn)的詞特征權(quán)重,從而有效區(qū)分不同重要性詞節(jié)點(diǎn)對(duì)節(jié)點(diǎn)v的影響。

    (4)融合評(píng)論的helpful反饋,根據(jù)式(6)計(jì)算候選關(guān)鍵詞的tfidf權(quán)重。

    (5)構(gòu)建候選關(guān)鍵詞圖G=(V,E,其中V為節(jié)點(diǎn)集,由步驟(3)生成的候選關(guān)鍵詞組成,若詞匯在長(zhǎng)度為L(zhǎng)(原文本中的距離)的窗口中共現(xiàn),則兩個(gè)詞匯節(jié)點(diǎn)之間通過邊相連。

    (6)將所有候選關(guān)鍵詞節(jié)點(diǎn)重要性得分初始化為1,根據(jù)式(8)迭代計(jì)算新一輪節(jié)點(diǎn)重要性得分。如果節(jié)點(diǎn)誤差率小于0.000 l,或達(dá)到指定的迭代次數(shù),則算法停止迭代。

    (7)根據(jù)節(jié)點(diǎn)的重要性得分從大到小排序,選取前S個(gè)單詞作為關(guān)鍵詞。

    (8)將步驟(7)得到的關(guān)鍵詞在原始文本中一一尋找標(biāo)記。如果關(guān)鍵詞位置相鄰,則將這兩個(gè)相鄰詞匯合并作為多詞關(guān)鍵詞。

    2 實(shí)驗(yàn)

    實(shí)驗(yàn)在Windows 10系統(tǒng)下進(jìn)行,硬件配置為Intel( R)Core(TM)i7 CPU,內(nèi)存大小為8CB,硬盤大小為500GB,所用編程語(yǔ)言為Python語(yǔ)言。

    2.1實(shí)驗(yàn)數(shù)據(jù)

    本文選擇亞馬遜數(shù)據(jù)集的Kindle Store子集[19]研究關(guān)鍵詞抽取算法,該數(shù)據(jù)集是與電子書相關(guān)的數(shù)據(jù)集。原始數(shù)據(jù)集中包含評(píng)論者ID、產(chǎn)品ID、評(píng)論者名字、評(píng)分、評(píng)論文本、評(píng)論概述summary、評(píng)論有用性反饋、發(fā)表評(píng)論的Unix時(shí)間和評(píng)論時(shí)間戳共9個(gè)字段。Kindle Store原始數(shù)據(jù)集中不同電子書的受歡迎程度存在巨大差異,許多冷門電子書的評(píng)論數(shù)據(jù)數(shù)量過少,不利于進(jìn)行評(píng)論短文本挖掘。為了驗(yàn)證本文所提算法對(duì)電子書評(píng)論關(guān)鍵詞抽取的效果,特將用戶評(píng)論數(shù)超過100的電子書采樣出來,同時(shí)保留產(chǎn)品ID、評(píng)論文本和評(píng)論有用性反饋3個(gè)字段。該數(shù)據(jù)集采樣前后具體情況如表1所示。

    將不同電子書的評(píng)論信息存儲(chǔ)到*.csv文件中,以產(chǎn)品ID作為文件名。文件每一行是評(píng)論有用性反饋及某一用戶對(duì)電子書的評(píng)論。利用Python的nltk自然語(yǔ)言處理包對(duì)每個(gè)文件中的用戶評(píng)論文本進(jìn)行文本預(yù)處理。首先進(jìn)行分詞與詞性標(biāo)注,然后去除評(píng)論文本中的停用詞,保留名詞、動(dòng)詞和形容詞,接著進(jìn)行詞干還原。經(jīng)過文本預(yù)處理之后,評(píng)論文本挖掘才進(jìn)入下一步驟——關(guān)鍵詞抽取。

    2.2 對(duì)比算法及評(píng)估指標(biāo)

    (1)評(píng)估指標(biāo)。所用亞馬遜數(shù)據(jù)集的Kindle Store子集不存在人工標(biāo)注的關(guān)鍵詞,對(duì)于算法自動(dòng)抽取出的關(guān)鍵詞,根據(jù)一定規(guī)則人工判別是否為有用關(guān)鍵詞。人工判別規(guī)則具體分為兩條:①是否與書籍的情節(jié)、人物、作者等組成元素相關(guān),能否反映電子書特點(diǎn);②是否有利于對(duì)其他用戶進(jìn)行推薦。

    為了驗(yàn)證算法對(duì)關(guān)鍵詞的抽取效果,采用信息檢索領(lǐng)域常用的P@k指標(biāo)作為算法性能評(píng)估指標(biāo)。P@k[20]是將算法自動(dòng)抽取前k個(gè)關(guān)鍵詞與人工標(biāo)注結(jié)果比較得到的查準(zhǔn)率,如式(9)所示。

    P@k=N(k)/k

    (9)

    其中,分子N(k)表示抽取出k個(gè)關(guān)鍵詞中人工判別為有用的關(guān)鍵詞數(shù)目。

    (2)對(duì)比算法。將改進(jìn)算法與3種經(jīng)典算法TFIDF[5]、TextRank[7]和TFIDF+TextRank[2]進(jìn)行比較。其中,TFIDF無(wú)參數(shù)設(shè)置,后兩種算法中d=0.85,詞共現(xiàn)窗口size=5。

    2.3 實(shí)驗(yàn)結(jié)果與分析

    實(shí)驗(yàn)一:詞共現(xiàn)窗口對(duì)改進(jìn)TextRank算法的影響。

    TFTR作為非監(jiān)督性的關(guān)鍵詞抽取算法,詞共現(xiàn)窗口大小作為唯一參數(shù),影響著算法抽取關(guān)鍵詞效果。當(dāng)詞共現(xiàn)窗口取size={3,5,7},任意取100本電子書,利用TFTR算法對(duì)每本Kindle電子書的所有評(píng)論抽取候選關(guān)鍵詞,然后在重要性得分排名前10的詞匯中人工判斷并標(biāo)注有用關(guān)鍵詞,最后計(jì)算不同電子書抽取關(guān)鍵詞的查準(zhǔn)率情況并取平均值。TFTR算法計(jì)算得到的P@10如表2所示。

    根據(jù)表2可知,當(dāng)窗口的size=5時(shí),算法的P@10指標(biāo)最大。換言之,算法得到重要性得分排名前10關(guān)鍵詞中被人工標(biāo)注為有用關(guān)鍵詞的數(shù)目最多。所以為了使TFTR達(dá)到較為滿意的抽取效果,取size=5。

    實(shí)驗(yàn)二:不同算法關(guān)鍵詞抽取結(jié)果比較。

    首先利用4種算法對(duì)624本Kindle電子書的所有評(píng)論抽取候選關(guān)鍵詞,然后在重要性得分排名前5/10/15/20的詞匯中人工判斷并標(biāo)注有用關(guān)鍵詞,最后計(jì)算不同電子書抽取關(guān)鍵詞的查準(zhǔn)率情況,并對(duì)其求算數(shù)平均作為算法抽取關(guān)鍵詞的P@k指標(biāo),具體結(jié)果如表3所示。需要注意的是,TextRank、TFIDF+TextRank以及TFTR的詞共現(xiàn)窗口大小固定為5。

    為了更清晰地對(duì)比算法間的差異,將表3中的數(shù)據(jù)繪成直方統(tǒng)計(jì)圖,如圖2所示。

    分析圖2可得出以下結(jié)論:

    (1)TFIDF算法在抽取電子書評(píng)論關(guān)鍵詞時(shí)效果最差,這是因?yàn)樵撍惴▋H考慮了詞頻和逆文檔頻率特征計(jì)算詞匯的重要性得分。

    (2)TextRank算法相比于TFIDF算法,查準(zhǔn)率略有提高,可能是因?yàn)樗惴ㄍㄟ^詞匯共現(xiàn)窗口構(gòu)建詞匯聯(lián)系圖,本質(zhì)上利用了詞匯短語(yǔ)間的語(yǔ)義信息。

    ( 3)TFIDF+TextRank算法相比于前兩種單一算法,算法抽取查準(zhǔn)率明顯提高,說明對(duì)TextRank算法引入TFIDF特征能彌補(bǔ)相關(guān)不足。

    (4)TFTR算法的P@k指標(biāo)是4種算法中最高的。相比于TFIDF算法、TextRank算法和TFIDF+TextRank算法,TFTR算法提取出的產(chǎn)品評(píng)論關(guān)鍵詞在P@10標(biāo)準(zhǔn)下的準(zhǔn)確性分別提高了19.4%、15.7%和2.3%。

    (5)隨著k值的增加,4種算法的P@k指標(biāo)都有一定程度降低,說明隨著候選關(guān)鍵詞排序的靠后,算法抽取出的關(guān)鍵詞中引入了更多噪聲數(shù)據(jù)。為此,未來需要融入更多文檔內(nèi)部或外部信息以改善算法性能。

    為了更清晰地觀察各個(gè)算法自動(dòng)抽取關(guān)鍵詞的效果,現(xiàn)隨機(jī)挑選出一本電子書,對(duì)其全部評(píng)論進(jìn)行挖掘。算法自動(dòng)抽取出的前20個(gè)候選關(guān)鍵詞結(jié)果如表4所示。

    通過分析表4中從TFIDF算法抽取得到的結(jié)果,可以大致推斷出該電子書內(nèi)容是與科幻相關(guān)的,同時(shí)也包含了浪漫、打斗元素。然而與其它3種算法相比,由于抽取出的詞匯是一元詞匯,一些信息會(huì)變得模糊。例如對(duì)于plot(情節(jié)),從TFIDF算法抽取出的結(jié)果中并不能明確知道情節(jié)如何,而TextRank算法抽取出的候選關(guān)鍵詞可以是二元詞匯。從結(jié)果中可以發(fā)現(xiàn),有些評(píng)論者想表達(dá)的是“fictionplot”,也即科幻情節(jié)。TFIDF+TextRank算法和TFTR算法沿襲了TextRank算法的優(yōu)點(diǎn),即從評(píng)論中抽取出雙詞詞匯,從而使候選關(guān)鍵詞中包含更多評(píng)論信息。此外,相比于其它3種算法,TFTR算法抽取結(jié)果中人工標(biāo)注為有用關(guān)鍵詞的數(shù)目更多。同時(shí),TFTR算法提取出的候選關(guān)鍵詞更加準(zhǔn)確、可靠,能更好地抓住不同評(píng)論者關(guān)注的焦點(diǎn)。

    3 結(jié)語(yǔ)

    產(chǎn)品評(píng)論關(guān)鍵詞抽取對(duì)產(chǎn)品推薦具有重要作用,關(guān)鍵詞抽取質(zhì)量對(duì)后續(xù)產(chǎn)品推薦有著直接影響。然而,產(chǎn)品評(píng)論因其具有文本短小、詞匯少及詞匯質(zhì)量參差不齊等特征,增大了關(guān)鍵詞提取難度。本文將評(píng)論的helpful反饋引入TFIDF中,以提高重要關(guān)鍵詞特征權(quán)重,并結(jié)合Tex-tRank算法,挖掘出評(píng)論文本中的產(chǎn)品關(guān)鍵特征。實(shí)驗(yàn)結(jié)果表明,相比于TFIDF算法、TextRank算法和TFID F+Tex-tRank算法,本文提出的TFTR算法挖掘出的產(chǎn)品特征關(guān)鍵詞在P@10標(biāo)準(zhǔn)下的準(zhǔn)確性分別提高了19.4%、15.7qe和2.3%。同時(shí),提取出的候選關(guān)鍵詞更能抓住不同評(píng)論者關(guān)注的焦點(diǎn),從而有利于將產(chǎn)品關(guān)鍵詞用于后續(xù)產(chǎn)品推薦。然而,TFTR算法自動(dòng)抽取出的關(guān)鍵詞中仍含有噪聲詞匯,人工識(shí)別剔除工作量大,未來可考慮選取可靠的“種子”詞匯,利用訓(xùn)練模型對(duì)自動(dòng)抽取出的關(guān)鍵詞作進(jìn)一步分類。

    參考文獻(xiàn):

    [1] 邱小花,李國(guó)俊,肖明.基于Sci-2的國(guó)外圖書館學(xué)情報(bào)學(xué)研究主題演變分析——以共詞分析為例[J].情報(bào)雜志,2013,32(12):110-118.

    [2]魏贇,孫先朋.融合統(tǒng)計(jì)學(xué)和TextRank的生物醫(yī)學(xué)文獻(xiàn)關(guān)鍵短語(yǔ)抽取[J].計(jì)算機(jī)應(yīng)用與軟件,2017,34(6):27-30.

    [3]胡學(xué)鋼,李星華,謝飛,等.基于詞匯鏈的中文新聞網(wǎng)頁(yè)關(guān)鍵詞抽取方法[J].模式識(shí)別與人工智能,2010,23(1):45-51.

    [4]趙京勝,朱巧明,周國(guó)棟,等.自動(dòng)關(guān)鍵詞抽取研究綜述[J].軟件學(xué)報(bào),2017, 28(9):2431-2449.

    [5]SPARCK J K.A statistical interpretation of term specificity and its ap-plication in retrieval [J]. Journal of Documentation, 1972, 28(1):11-21.

    [6]BLEI D M, NG A Y, JORDAN M I.Latent dirichlet allocation [J].Journal of Machine Learning Research. 2003,3:993-1022.

    [7]MIHALCEA R, TARAU P. Textrank: bringing order into text[C]. Pro-ceedings of the 2004 Conference on Empirical Methods in Natural Lan-guage Processing. Association for Computational Linguistics, 2004:404-411.

    [8] 張瑾.基于改進(jìn)TF-IDF算法的情報(bào)關(guān)鍵詞提取方法[J].情報(bào)雜志,2014, 33(4):153-155.

    [9]YI J K, YANC G,WanJ. Category discrimination based feature selec-tion algorithm in Chinese text classification[J].Journal of InformationScience and Engineering, 2016, 32(5):1145-1159.

    [10] 張震,曾金.面向用戶評(píng)論的關(guān)鍵詞抽取研究——以美團(tuán)為例[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn),2019,3(3):36-44.

    [11]謝瑋,沈一,馬永征.基于圖計(jì)算的論文審稿自動(dòng)推薦系統(tǒng)[Jl.計(jì)算機(jī)應(yīng)用研究,2016,33(3):798-801.

    [12] 劉竹辰,陳浩,于艷華,等.詞位置分布加權(quán)TextRank的關(guān)鍵詞提取[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn),2018,2(9):74-79.

    [13] 寧建飛,劉降珍.融合Word2vec與TextRank的關(guān)鍵詞抽取研究[J].現(xiàn)代圖書情報(bào)技術(shù),2016(6):20-27.

    [14] 夏天詞向量聚類加權(quán)TextRank的關(guān)鍵詞抽取[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn),2017(2):28-34.

    [15]HE G X. FANC J W. CUI H R, et al. Keyphrase extraction based onprior knowledge[C].JCDL, 2018: 341-342.

    [16] 劉嘯劍,謝飛,吳信東.基于圖和LDA主題模型的關(guān)鍵詞抽取算法[J].情報(bào)學(xué)報(bào),2016,35(6):664-672.

    [17]SOUCY P,MINEAU G W. Beyond TFIDF weighting for text categori-zation in the vector space model[ C]. IJCAI. 2005,5:1130-1135.

    [18] 周錦章,崔曉暉.基于詞向量與TextRank的關(guān)鍵詞提取方法[J].計(jì)算機(jī)應(yīng)用研究,2019,36(4):1051-1054.

    [19]HE R, MCAULEY J. Ups and downs: modeling the visual evolutionof fashion trends with one-class collaborative filtering[C].Proceed-ings of the 25th International Conference on World Wide Web. Inter-national World Wide Weh Conferences Steering Committee, 2016:507-517.

    [20] DAVIS J,GOADRICH M. The relationship between Precision-Re-call and ROC curves[C].Proceedings of the 23rd International Con-ference on Machine Learning. ACM, 2006: 233-240.

    (責(zé)任編輯:黃健)

    作者簡(jiǎn)介:尤苡名(1993-),女,浙江理工大學(xué)信息學(xué)院碩士研究生,研究方向?yàn)閿?shù)據(jù)挖掘、中文信息處理。

    猜你喜歡
    電子書權(quán)重詞匯
    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
    權(quán)重常思“浮名輕”
    本刊可直接用縮寫的常用詞匯
    為黨督政勤履職 代民行權(quán)重?fù)?dān)當(dāng)
    基于公約式權(quán)重的截短線性分組碼盲識(shí)別方法
    打造自己的電子書架
    學(xué)與玩(2017年5期)2017-02-16 07:06:30
    基于電子書包的學(xué)習(xí)分析探究
    電子書 等
    層次分析法權(quán)重的計(jì)算:基于Lingo的數(shù)學(xué)模型
    河南科技(2014年15期)2014-02-27 14:12:51
    亚洲精品一区av在线观看| 成人三级黄色视频| 精品国内亚洲2022精品成人| 特大巨黑吊av在线直播| 青草久久国产| 极品教师在线免费播放| 午夜福利18| 又黄又爽又免费观看的视频| 亚洲欧美日韩东京热| 精品日产1卡2卡| 日韩大码丰满熟妇| 狠狠狠狠99中文字幕| 午夜福利在线在线| 无限看片的www在线观看| 亚洲国产欧美网| 欧美绝顶高潮抽搐喷水| 白带黄色成豆腐渣| 在线观看日韩欧美| 少妇裸体淫交视频免费看高清 | 婷婷亚洲欧美| 成人欧美大片| 久久久久久免费高清国产稀缺| 欧美av亚洲av综合av国产av| 亚洲精品美女久久久久99蜜臀| 国产黄a三级三级三级人| 亚洲自拍偷在线| 亚洲乱码一区二区免费版| 亚洲一区二区三区不卡视频| 亚洲专区国产一区二区| 亚洲自偷自拍图片 自拍| 美女扒开内裤让男人捅视频| 免费看日本二区| 色综合婷婷激情| 成人特级黄色片久久久久久久| 国产一级毛片七仙女欲春2| 动漫黄色视频在线观看| 亚洲一区二区三区不卡视频| 国产片内射在线| 18禁黄网站禁片午夜丰满| 亚洲欧美一区二区三区黑人| 亚洲欧美精品综合久久99| 亚洲国产日韩欧美精品在线观看 | 日日夜夜操网爽| 亚洲 欧美 日韩 在线 免费| 久久中文看片网| 国产精品 国内视频| 国产v大片淫在线免费观看| 久久热在线av| 亚洲色图 男人天堂 中文字幕| 日韩高清综合在线| 色综合站精品国产| 18禁国产床啪视频网站| 国产av在哪里看| 亚洲国产看品久久| 波多野结衣高清无吗| 成人国产综合亚洲| 在线观看舔阴道视频| 国产99白浆流出| 色综合亚洲欧美另类图片| 亚洲aⅴ乱码一区二区在线播放 | 无遮挡黄片免费观看| 最近视频中文字幕2019在线8| 别揉我奶头~嗯~啊~动态视频| 97超级碰碰碰精品色视频在线观看| 桃色一区二区三区在线观看| 久久午夜亚洲精品久久| 露出奶头的视频| 免费电影在线观看免费观看| 伊人久久大香线蕉亚洲五| 国产三级中文精品| 午夜a级毛片| 一个人免费在线观看电影 | 亚洲男人的天堂狠狠| 亚洲avbb在线观看| 国产真实乱freesex| a级毛片在线看网站| 国产精品精品国产色婷婷| 久久精品国产亚洲av香蕉五月| 一区二区三区高清视频在线| 成人高潮视频无遮挡免费网站| 日日爽夜夜爽网站| 亚洲男人的天堂狠狠| 久久香蕉激情| 天堂√8在线中文| 丰满的人妻完整版| 一级a爱片免费观看的视频| 日韩成人在线观看一区二区三区| 熟女电影av网| 国语自产精品视频在线第100页| 手机成人av网站| 一本大道久久a久久精品| 精品国内亚洲2022精品成人| 国产97色在线日韩免费| 国产视频内射| 久久久久国内视频| 51午夜福利影视在线观看| 亚洲成人国产一区在线观看| 在线观看一区二区三区| www日本黄色视频网| 欧美日本亚洲视频在线播放| 男人舔奶头视频| 久久欧美精品欧美久久欧美| 午夜福利在线在线| av国产免费在线观看| 国产成人系列免费观看| 一区福利在线观看| 一本久久中文字幕| 人人妻人人看人人澡| 村上凉子中文字幕在线| 亚洲aⅴ乱码一区二区在线播放 | 亚洲成人国产一区在线观看| 久久香蕉激情| 日韩中文字幕欧美一区二区| 久久久国产欧美日韩av| 日韩av在线大香蕉| 国产精品 欧美亚洲| netflix在线观看网站| 成人高潮视频无遮挡免费网站| 丰满人妻熟妇乱又伦精品不卡| 欧美中文综合在线视频| 国产成人欧美在线观看| 国产区一区二久久| 毛片女人毛片| 久久精品91无色码中文字幕| 男女视频在线观看网站免费 | 日日爽夜夜爽网站| 国产一级毛片七仙女欲春2| 中文字幕人妻丝袜一区二区| 午夜福利在线观看吧| 国产久久久一区二区三区| 欧美高清成人免费视频www| 波多野结衣巨乳人妻| 国产乱人伦免费视频| 韩国av一区二区三区四区| 老司机午夜福利在线观看视频| 亚洲成av人片免费观看| 国产在线观看jvid| 亚洲成人免费电影在线观看| 亚洲人成网站高清观看| 精品国产乱子伦一区二区三区| www国产在线视频色| 国产一区二区在线av高清观看| 日本五十路高清| 曰老女人黄片| 久久婷婷成人综合色麻豆| 黄色成人免费大全| 久久久久久免费高清国产稀缺| 精品电影一区二区在线| 亚洲 欧美 日韩 在线 免费| 免费无遮挡裸体视频| 18禁观看日本| 男女下面进入的视频免费午夜| 超碰成人久久| 午夜精品一区二区三区免费看| 在线国产一区二区在线| 欧美久久黑人一区二区| 久久午夜综合久久蜜桃| 精品国内亚洲2022精品成人| 亚洲人成网站高清观看| aaaaa片日本免费| 18禁裸乳无遮挡免费网站照片| 黄频高清免费视频| 亚洲精品中文字幕一二三四区| 国产高清有码在线观看视频 | 久久精品国产清高在天天线| 国产av又大| 久久 成人 亚洲| 午夜视频精品福利| 久久久久久大精品| 桃色一区二区三区在线观看| 精品国内亚洲2022精品成人| 伊人久久大香线蕉亚洲五| 国产一区二区激情短视频| av福利片在线| xxx96com| www日本黄色视频网| 一夜夜www| 日韩欧美国产在线观看| 久热爱精品视频在线9| 午夜a级毛片| 男女之事视频高清在线观看| 两个人看的免费小视频| ponron亚洲| 亚洲一码二码三码区别大吗| 国产aⅴ精品一区二区三区波| 国产精品1区2区在线观看.| 19禁男女啪啪无遮挡网站| 久久香蕉激情| 国产精品免费视频内射| 国产精品一区二区三区四区久久| 精品无人区乱码1区二区| 免费无遮挡裸体视频| 日本 av在线| 亚洲av第一区精品v没综合| 天堂影院成人在线观看| 亚洲精品一卡2卡三卡4卡5卡| 亚洲片人在线观看| x7x7x7水蜜桃| 国产精品乱码一区二三区的特点| 99久久精品热视频| 性欧美人与动物交配| 亚洲欧美日韩东京热| 美女免费视频网站| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美最黄视频在线播放免费| 人人妻人人澡欧美一区二区| av视频在线观看入口| 精品国产乱子伦一区二区三区| 成人av一区二区三区在线看| 国产亚洲精品久久久久5区| 中文字幕最新亚洲高清| 我的老师免费观看完整版| 免费高清视频大片| 午夜精品久久久久久毛片777| 波多野结衣巨乳人妻| 波多野结衣高清无吗| 麻豆av在线久日| 99热这里只有是精品50| 亚洲精品在线观看二区| 一边摸一边抽搐一进一小说| 高清在线国产一区| 男男h啪啪无遮挡| 欧美日本视频| 国产激情偷乱视频一区二区| 岛国在线观看网站| 老汉色∧v一级毛片| 男人舔奶头视频| 99re在线观看精品视频| 久久久久免费精品人妻一区二区| 夜夜躁狠狠躁天天躁| 国产精品一区二区免费欧美| 一本大道久久a久久精品| 国产免费男女视频| 免费一级毛片在线播放高清视频| 欧美不卡视频在线免费观看 | 精品欧美国产一区二区三| 一级毛片高清免费大全| 18禁黄网站禁片免费观看直播| av视频在线观看入口| 免费一级毛片在线播放高清视频| 少妇人妻一区二区三区视频| 国产精华一区二区三区| 麻豆一二三区av精品| 91字幕亚洲| 久久精品91无色码中文字幕| 看免费av毛片| 美女免费视频网站| 91国产中文字幕| 国产成人av激情在线播放| 国产99白浆流出| av视频在线观看入口| 午夜成年电影在线免费观看| 三级男女做爰猛烈吃奶摸视频| 香蕉av资源在线| 在线观看免费日韩欧美大片| 人妻丰满熟妇av一区二区三区| 国产高清视频在线播放一区| 久久人妻福利社区极品人妻图片| 国产久久久一区二区三区| 两性午夜刺激爽爽歪歪视频在线观看 | 天天一区二区日本电影三级| 国产91精品成人一区二区三区| 俺也久久电影网| 成年女人毛片免费观看观看9| av福利片在线| 久久久久久亚洲精品国产蜜桃av| 国产成人aa在线观看| 别揉我奶头~嗯~啊~动态视频| 国产日本99.免费观看| 国产精品一区二区免费欧美| 精品久久久久久久人妻蜜臀av| 91在线观看av| 亚洲av五月六月丁香网| 久热爱精品视频在线9| 波多野结衣高清作品| 无人区码免费观看不卡| www日本在线高清视频| 在线永久观看黄色视频| 欧美成狂野欧美在线观看| 又黄又爽又免费观看的视频| 国产成年人精品一区二区| 成人手机av| 脱女人内裤的视频| av福利片在线观看| 麻豆国产97在线/欧美 | 一本一本综合久久| 国产精品亚洲一级av第二区| www.999成人在线观看| 国产成人av教育| 两性午夜刺激爽爽歪歪视频在线观看 | 我要搜黄色片| 中文字幕最新亚洲高清| 久久久久久人人人人人| 国模一区二区三区四区视频 | 中文字幕最新亚洲高清| 我的老师免费观看完整版| 久久久久久大精品| 国产片内射在线| 国产高清视频在线播放一区| 免费看美女性在线毛片视频| 国产av一区在线观看免费| 丁香欧美五月| 男人的好看免费观看在线视频 | 村上凉子中文字幕在线| 亚洲精华国产精华精| 不卡av一区二区三区| 国产私拍福利视频在线观看| 亚洲人成伊人成综合网2020| 一边摸一边做爽爽视频免费| 国产一区二区在线av高清观看| 两个人看的免费小视频| 人人妻,人人澡人人爽秒播| 久久久久久久精品吃奶| 怎么达到女性高潮| 无遮挡黄片免费观看| 非洲黑人性xxxx精品又粗又长| 亚洲va日本ⅴa欧美va伊人久久| 他把我摸到了高潮在线观看| 中文字幕精品亚洲无线码一区| 日韩国内少妇激情av| 久久婷婷人人爽人人干人人爱| 欧美丝袜亚洲另类 | 男女之事视频高清在线观看| xxx96com| 99国产极品粉嫩在线观看| 最近最新免费中文字幕在线| 亚洲国产精品合色在线| 精品乱码久久久久久99久播| 中亚洲国语对白在线视频| 两性夫妻黄色片| 久久精品国产99精品国产亚洲性色| 美女扒开内裤让男人捅视频| 无限看片的www在线观看| 国产主播在线观看一区二区| 国模一区二区三区四区视频 | 90打野战视频偷拍视频| 免费人成视频x8x8入口观看| 99在线视频只有这里精品首页| 欧美另类亚洲清纯唯美| 久久久久久久久中文| 又黄又粗又硬又大视频| 精品国产超薄肉色丝袜足j| 99re在线观看精品视频| av有码第一页| 两人在一起打扑克的视频| 国产视频一区二区在线看| 90打野战视频偷拍视频| www.熟女人妻精品国产| 人人妻人人澡欧美一区二区| 国产精品亚洲av一区麻豆| 全区人妻精品视频| cao死你这个sao货| 啦啦啦观看免费观看视频高清| 国产精品,欧美在线| 亚洲人与动物交配视频| 国产精品亚洲美女久久久| 99久久精品热视频| 午夜激情福利司机影院| 一二三四在线观看免费中文在| 亚洲黑人精品在线| 啦啦啦韩国在线观看视频| 中文字幕人成人乱码亚洲影| 黄色片一级片一级黄色片| 免费在线观看视频国产中文字幕亚洲| 少妇裸体淫交视频免费看高清 | 在线十欧美十亚洲十日本专区| 99热只有精品国产| 少妇的丰满在线观看| 不卡一级毛片| 最近最新中文字幕大全免费视频| 久久国产精品人妻蜜桃| 国产一区在线观看成人免费| 麻豆国产av国片精品| 欧美性长视频在线观看| 亚洲男人天堂网一区| 日本一本二区三区精品| 国产三级在线视频| 欧美成狂野欧美在线观看| 日韩国内少妇激情av| 丝袜美腿诱惑在线| 亚洲 欧美一区二区三区| 国产又色又爽无遮挡免费看| 免费在线观看亚洲国产| 国产亚洲精品久久久久久毛片| 欧美性猛交黑人性爽| 在线国产一区二区在线| 国产欧美日韩精品亚洲av| 女人被狂操c到高潮| 少妇人妻一区二区三区视频| 国产精品美女特级片免费视频播放器 | 国产精品野战在线观看| 免费电影在线观看免费观看| 99精品久久久久人妻精品| 男男h啪啪无遮挡| 日本黄色视频三级网站网址| 91麻豆精品激情在线观看国产| 午夜免费激情av| 国产激情偷乱视频一区二区| 国内揄拍国产精品人妻在线| 欧美日韩一级在线毛片| 韩国av一区二区三区四区| 神马国产精品三级电影在线观看 | 美女黄网站色视频| cao死你这个sao货| 99热这里只有精品一区 | 18禁观看日本| 国产精品精品国产色婷婷| e午夜精品久久久久久久| 欧美绝顶高潮抽搐喷水| 三级国产精品欧美在线观看 | 一级毛片女人18水好多| 日本免费一区二区三区高清不卡| 波多野结衣高清作品| 我要搜黄色片| 麻豆国产av国片精品| 精品第一国产精品| 久热爱精品视频在线9| 国产精品,欧美在线| 亚洲成a人片在线一区二区| 国产99白浆流出| 国产精品久久久久久人妻精品电影| 久久久久免费精品人妻一区二区| 国产成年人精品一区二区| 国产99久久九九免费精品| 午夜a级毛片| av片东京热男人的天堂| 日韩免费av在线播放| www.www免费av| 精品久久久久久久人妻蜜臀av| 日本精品一区二区三区蜜桃| 欧美日韩亚洲国产一区二区在线观看| 人人妻,人人澡人人爽秒播| 午夜精品在线福利| av免费在线观看网站| 久久中文字幕一级| 成人18禁高潮啪啪吃奶动态图| 12—13女人毛片做爰片一| 国产精品久久久久久人妻精品电影| 国产成人精品久久二区二区免费| 欧美黑人欧美精品刺激| 正在播放国产对白刺激| 18禁黄网站禁片免费观看直播| 91国产中文字幕| 18禁观看日本| 国产熟女午夜一区二区三区| 欧美成人午夜精品| 国产精品 国内视频| 亚洲av片天天在线观看| 69av精品久久久久久| 国产亚洲精品综合一区在线观看 | 国产精品久久电影中文字幕| 无遮挡黄片免费观看| 好男人在线观看高清免费视频| 波多野结衣高清无吗| 99在线视频只有这里精品首页| 国产亚洲av高清不卡| 国产高清有码在线观看视频 | 中文字幕av在线有码专区| 国产高清视频在线观看网站| 精品久久久久久成人av| 久久人人精品亚洲av| 真人一进一出gif抽搐免费| 午夜两性在线视频| 丝袜人妻中文字幕| 精品不卡国产一区二区三区| 午夜精品久久久久久毛片777| 日韩中文字幕欧美一区二区| www.www免费av| 久热爱精品视频在线9| 午夜亚洲福利在线播放| 中文资源天堂在线| 叶爱在线成人免费视频播放| 波多野结衣巨乳人妻| 日本a在线网址| 久久精品国产综合久久久| 淫秽高清视频在线观看| 真人做人爱边吃奶动态| 天堂动漫精品| 一本大道久久a久久精品| 国产一区二区三区在线臀色熟女| 丁香六月欧美| 麻豆国产97在线/欧美 | 黑人操中国人逼视频| a级毛片a级免费在线| 99国产精品99久久久久| 午夜亚洲福利在线播放| 欧美乱色亚洲激情| 丝袜美腿诱惑在线| 特级一级黄色大片| 1024视频免费在线观看| 精品不卡国产一区二区三区| 亚洲五月天丁香| 久久性视频一级片| 国产亚洲精品第一综合不卡| xxxwww97欧美| 久久婷婷人人爽人人干人人爱| 人妻久久中文字幕网| 亚洲精品一区av在线观看| 非洲黑人性xxxx精品又粗又长| 亚洲成人久久性| а√天堂www在线а√下载| 精品不卡国产一区二区三区| 日本 欧美在线| 亚洲午夜精品一区,二区,三区| 大型av网站在线播放| 日本黄色视频三级网站网址| 两性夫妻黄色片| 一边摸一边做爽爽视频免费| 在线观看免费日韩欧美大片| 久久国产精品影院| 亚洲人成伊人成综合网2020| 欧美日本亚洲视频在线播放| 少妇的丰满在线观看| 黄片小视频在线播放| 久久久久精品国产欧美久久久| 久久婷婷人人爽人人干人人爱| 国产精品久久电影中文字幕| 亚洲精品国产精品久久久不卡| 看黄色毛片网站| 女生性感内裤真人,穿戴方法视频| 国产69精品久久久久777片 | 1024香蕉在线观看| 法律面前人人平等表现在哪些方面| 久久人人精品亚洲av| 成人18禁高潮啪啪吃奶动态图| 亚洲成人国产一区在线观看| 久久伊人香网站| 男人舔女人下体高潮全视频| 一级毛片精品| 中文字幕熟女人妻在线| 看黄色毛片网站| 亚洲av电影在线进入| 亚洲色图av天堂| a级毛片在线看网站| 亚洲色图av天堂| 亚洲av熟女| 老汉色∧v一级毛片| 麻豆成人午夜福利视频| 国产精品综合久久久久久久免费| 久久久国产成人免费| 国产又色又爽无遮挡免费看| 欧美丝袜亚洲另类 | 欧美中文日本在线观看视频| 午夜两性在线视频| 90打野战视频偷拍视频| 亚洲avbb在线观看| 午夜免费成人在线视频| 免费看十八禁软件| 人妻丰满熟妇av一区二区三区| 亚洲 国产 在线| 在线观看午夜福利视频| 一级毛片高清免费大全| 国产免费av片在线观看野外av| 亚洲人成电影免费在线| 又黄又爽又免费观看的视频| 国产精品一区二区三区四区久久| 国产成人av教育| 男男h啪啪无遮挡| 久久婷婷人人爽人人干人人爱| 黄色片一级片一级黄色片| 一区二区三区激情视频| 欧美日韩中文字幕国产精品一区二区三区| 人妻久久中文字幕网| 久久久久久免费高清国产稀缺| 国产精品久久久人人做人人爽| 亚洲五月婷婷丁香| 搞女人的毛片| 国产三级黄色录像| www.精华液| 又粗又爽又猛毛片免费看| 日韩av在线大香蕉| 久久 成人 亚洲| 美女午夜性视频免费| 午夜精品在线福利| 亚洲成av人片在线播放无| 91麻豆精品激情在线观看国产| 久久精品国产99精品国产亚洲性色| 美女免费视频网站| √禁漫天堂资源中文www| 国产91精品成人一区二区三区| 国产伦在线观看视频一区| 啪啪无遮挡十八禁网站| 在线观看免费视频日本深夜| 青草久久国产| 国产一区二区在线观看日韩 | 一进一出抽搐gif免费好疼| 在线观看免费午夜福利视频| 国产免费av片在线观看野外av| 欧美一级a爱片免费观看看 | 亚洲天堂国产精品一区在线| 日本 av在线| 欧美乱码精品一区二区三区| 亚洲七黄色美女视频| 国产精品一区二区精品视频观看| 男插女下体视频免费在线播放| 啦啦啦免费观看视频1| 国产久久久一区二区三区| 丰满人妻一区二区三区视频av | 九九热线精品视视频播放| 中文资源天堂在线| 亚洲av熟女| 国语自产精品视频在线第100页| 97超级碰碰碰精品色视频在线观看| 搡老岳熟女国产| 熟女少妇亚洲综合色aaa.| 欧美性猛交黑人性爽| 一本大道久久a久久精品| 久久久久久久精品吃奶| 久久香蕉精品热| 精品日产1卡2卡| 亚洲激情在线av| 欧美最黄视频在线播放免费| 国产午夜精品久久久久久| 熟女电影av网| 在线观看免费午夜福利视频|