• <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 ?

    一種集成深度學(xué)習(xí)模型的旅游問句文本分類算法

    2020-11-14 08:44:52馬喆康迪力亞爾帕爾哈提早克熱卡德爾吐爾根依布拉音西爾艾力色提艾山吾買爾
    計算機工程 2020年11期
    關(guān)鍵詞:語義卷積向量

    馬喆康,迪力亞爾·帕爾哈提,早克熱·卡德爾,吐爾根·依布拉音,西爾艾力·色提,艾山·吾買爾

    (新疆大學(xué) a.軟件學(xué)院; b.信息科學(xué)與工程學(xué)院; c.新疆多語種信息技術(shù)重點實驗室,烏魯木齊 830046)

    0 概述

    隨著我國社會經(jīng)濟的發(fā)展和人們物質(zhì)生活水平的提高,旅游已經(jīng)成為人們休閑娛樂的主要方式,但游客在旅游過程中發(fā)生的路線規(guī)劃、酒店預(yù)訂等問題也不斷增加[1]。目前,游客主要通過旅游網(wǎng)站問答方式獲取旅游信息,需要對問題進(jìn)行發(fā)布并等待其他用戶的回復(fù),具有延時性,而且旅游問答社區(qū)通常根據(jù)地理位置的問題分類方式,無法全面覆蓋問題的所有類別。此外,傳統(tǒng)旅游問答社區(qū)一般采用人工標(biāo)注或機器學(xué)習(xí)模型進(jìn)行問題分類,導(dǎo)致分類效率和準(zhǔn)確率均較低,無法快速精準(zhǔn)地定位游客的問題類別,進(jìn)而影響后續(xù)的信息檢索。因此,如何快速高效地對各類旅游問句進(jìn)行自動分類已成為亟待解決的問題。深度學(xué)習(xí)技術(shù)在近幾年得到快速發(fā)展,且被應(yīng)用于問句文本分類任務(wù)中并取得了較好的成果[2],相比傳統(tǒng)機器學(xué)習(xí)技術(shù)更能捕獲文本的深層語義信息及解決人工設(shè)計特征導(dǎo)致的誤差問題,且分類精度更高[3],但其多數(shù)為基于單一結(jié)構(gòu)的深度學(xué)習(xí)模型或僅對多個模型進(jìn)行簡單串聯(lián),因此在挖掘文本深層特征時,會丟失大量的語法和句法信息并增加冗余信息。

    本文提出一種集成多種深度學(xué)習(xí)模型的旅游問句文本分類算法,通過詞級卷積神經(jīng)網(wǎng)絡(luò)(Word Level Convolutional Neural Network,WL-CNN)獲取詞的低層空間結(jié)構(gòu)信息構(gòu)建文本的語法信息,利用句級雙向長短期記憶(Sentence Level Bi-directional Long Short-Term Memory,SL-Bi-LSTM)網(wǎng)絡(luò)對旅游問句文本的全局語義和句法信息進(jìn)行建模,同時結(jié)合多頭注意力機制(Multi-Head Attention Mechanism,MH-AM)對這兩種深度學(xué)習(xí)模型進(jìn)行聯(lián)合學(xué)習(xí)并分配注意力權(quán)重,以提高旅游問句文本關(guān)鍵特征的利用率。

    1 相關(guān)工作

    早期的問句文本分類方法主要利用簡單的機器學(xué)習(xí)模型或深度學(xué)習(xí)模型對不同類型的問句文本進(jìn)行分類識別。文獻(xiàn)[4]提出一種體育文本自動分類的半監(jiān)督機器學(xué)習(xí)模型并取得了87%的分類精度。文獻(xiàn)[5]提出一種基于時間加權(quán)函數(shù)(Temporal Weighting Function,TWF)的文本自動分類方法,實驗結(jié)果表明,與基于傳統(tǒng)支持向量機(Support Vector Machine,SVM)的文本自動分類方法相比,該方法的分類準(zhǔn)確度提高了17%。文獻(xiàn)[6]提出一種向量空間模型,通過對阿拉伯語言文本中的問題進(jìn)行形式化及特征約束等處理,實現(xiàn)阿拉伯語言文本的分類及主題匹配。文獻(xiàn)[7]結(jié)合人工標(biāo)注和多類SVM對不同文本進(jìn)行篩選,設(shè)計一種主動學(xué)習(xí)分類模型實現(xiàn)大型高維文本的精確分類,并減少了人工標(biāo)注的工作量。文獻(xiàn)[8]融合詞向量和BTM模型對問題文本主題進(jìn)行擴展,利用SVM進(jìn)行問句分類。由于簡單的機器學(xué)習(xí)模型難以捕獲問句文本的深層抽象特征且受人工設(shè)計特征的誤差影響,因此使其不能有效識別和處理相對復(fù)雜的問句文本。

    深度學(xué)習(xí)技術(shù)的不斷發(fā)展為問句文本分類提供了一種新的思路。文獻(xiàn)[9]提出一種多層級注意力卷積長短期記憶(Multi-level Attention Convolutional Long Short-Term Memory,MAC-LSTM)網(wǎng)絡(luò)的問句文本分類模型,實現(xiàn)問句文本的準(zhǔn)確分類。文獻(xiàn)[10]提出一種雙向長短期記憶(Bi-directional Long Short-Term Memory,Bi-LSTM)網(wǎng)絡(luò)的新聞文本分類識別方法,解決了新聞文本數(shù)據(jù)稀疏、維度爆炸以及人工設(shè)計特征參與標(biāo)注帶來的局限性等問題,提高了分類精度。文獻(xiàn)[11]引入詞向量模型并結(jié)合卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)進(jìn)行問題分類,提高了未標(biāo)注樣本的利用率。文獻(xiàn)[12]結(jié)合樸素貝葉斯支持向量機(Naive Bayes Support Vector Machine,NB-SVM)、詞向量和長短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN),提出一種混合深度學(xué)習(xí)模型的雙語文本分類方法,提高了雙語情緒文本的分類識別效果。文獻(xiàn)[13]結(jié)合Word2vec和決策樹并引入深度學(xué)習(xí)技術(shù),實現(xiàn)了影評情感文本的準(zhǔn)確分類。文獻(xiàn)[14]針對鄰域問題文本進(jìn)行分類,并取得了較好的分類結(jié)果。

    2 集成深度學(xué)習(xí)模型的旅游問句文本分類

    旅游問句文本的句法和語義信息主要取決于文字組成和序列順序。一方面,旅游問句的語法由多個疑問關(guān)鍵詞和某些網(wǎng)絡(luò)流行詞組成,對文本序列中的詞進(jìn)行建模,構(gòu)成文本序列的低層子空間結(jié)構(gòu)信息。另一方面,旅游問句文本的語義信息和句法信息來自文本序列本身,因此本文使用one-hot方式對旅游問句文本進(jìn)行編碼建模,捕獲文本的語義信息和句法信息。

    為更好地表示旅游問句文本,本文提出一種集成深度學(xué)習(xí)模型的旅游問句文本分類算法。該算法主要由詞級卷積神經(jīng)網(wǎng)絡(luò)、句級雙向長短期記憶網(wǎng)絡(luò)和多頭注意力機制三部分組成,通過兩種深度學(xué)習(xí)模型獲取旅游問句文本的局部深層語義特征和低層子空間結(jié)構(gòu)信息以及全局語義信息和深層結(jié)構(gòu)信息,并利用多頭注意力機制對其進(jìn)行合并分類,實現(xiàn)兩種深度學(xué)習(xí)模型在語言的句法和語義方面保持互補關(guān)系。

    2.1 詞級卷積神經(jīng)網(wǎng)絡(luò)

    目前,卷積神經(jīng)網(wǎng)絡(luò)在場景分類、模式識別和圖像分割等領(lǐng)域均具有廣泛應(yīng)用[15]。深度卷積神經(jīng)網(wǎng)絡(luò)中的卷積層和池化層不僅對文本中所含噪聲具有很強的魯棒性,而且其因為參數(shù)共享和局部連接特性可對文本的頻譜或者語義進(jìn)行建模[16],所以本文利用卷積神經(jīng)網(wǎng)絡(luò)對旅游問句文本中的詞進(jìn)行建模,進(jìn)一步挖掘旅游問句文本中詞的子空間結(jié)構(gòu)信息。

    在使用卷積神經(jīng)網(wǎng)絡(luò)提取旅游問句文本中詞的相關(guān)特征時,將卷積層中預(yù)定義的1-of-n編碼數(shù)字替換為旅游問句文本中的詞[17],且最大編碼數(shù)字為225。當(dāng)使用文本中的詞替換編碼數(shù)字時,若每句文本中所含有的詞不足以替換所有數(shù)字,則用數(shù)字0進(jìn)行填充,即卷積神經(jīng)網(wǎng)絡(luò)中輸入層的輸入向量為(Nan,225,225),其中Nan表示空值,然后輸入初始卷積層中對旅游問句文本的詞進(jìn)行編碼,具體步驟如下:

    v=conv2(ω,x,″padding″)+b

    (1)

    其中,v表示初始卷積層的輸出,ω表示權(quán)重矩陣,b表示偏置向量,padding表示填充,其輸出表示為:

    y=η(v)

    (2)

    其中,η(·)表示激活函數(shù)。

    2)通過多層卷積層可計算得到旅游問句文本的卷積詞匯特征向量:

    (3)

    3)通過最大池化層操作后可獲得旅游問句文本中所有詞的CNN特征向量:

    (4)

    詞級卷積神經(jīng)網(wǎng)絡(luò)在提取旅游問句文本中的詞特征時,使用5層卷積和池化層,且每層神經(jīng)元個數(shù)為32、64、128、256和512,且卷積核和池化核的大小分別為3×3和2×2。為進(jìn)一步提高詞級卷積神經(jīng)網(wǎng)絡(luò)對文本中詞的建模能力,在5層卷積池化層后連接2層全連接層,即全連層中的神經(jīng)元個數(shù)為512和64,從而實現(xiàn)旅游問句文本中詞級子空間結(jié)構(gòu)信息的提取。

    由于詞級卷積神經(jīng)網(wǎng)絡(luò)主要是用于捕獲旅游問句文本中詞的低層子空間結(jié)構(gòu)信息和局部深層空間特征,因此需要對輸入的旅游問句文本進(jìn)行相關(guān)預(yù)處理,提高本文算法所提取特征的表征能力和抗噪能力。

    2.2 句級雙向長短期記憶網(wǎng)絡(luò)

    詞級卷積神經(jīng)網(wǎng)絡(luò)主要獲取旅游問句文本的詞級低層子空間結(jié)構(gòu)信息和局部深層語義信息,但忽略了旅游問句文本的全局語義信息。因此,為進(jìn)一步挖掘旅游問句文本的全局語義特征,利用雙向長短期記憶網(wǎng)絡(luò)對旅游問句文本序列進(jìn)行時空建模,具體步驟如下:

    1)通過詞嵌入技術(shù)[18]將旅游問句文本表示為一個one-hot編碼向量,并利用前向和后向長短期記憶層對旅游問句文本編碼向量序列中的時間特征進(jìn)行建模。

    2)利用雙向長短期記憶(Long-Short Term Memory,LSTM)網(wǎng)絡(luò)[19-20]對輸入序列x之間的關(guān)系進(jìn)行映射,并通過不同時刻的神經(jīng)元激活狀態(tài)計算得到輸出序列y,計算公式為:

    it=σ(wixxt+wiααt-1+wicct-1+bi)

    (5)

    文本序列在t時刻通過輸入門it后,需要遺忘不必要的文本信息,計算公式為:

    ft=σ(wfxxt+wfααt-1+wfcct-1+bf)

    (6)

    文本通過記憶單元的計算公式為:

    ct=ft·ct-1+it·g(wcxxt+wcααt-1+bf)

    (7)

    文本通過輸出門的計算公式為:

    ot=σ(woxxt+woααt-1+wocct-1+bo)

    (8)

    文本通過上述計算可獲得文本編碼向量的輸出,具體公式為:

    αt=ot·h(ct)

    (9)

    yt=π(wyααt+by)

    (10)

    其中,·表示點乘運算,i表示輸入門,f表示遺忘門,ft表示文本在t時刻通過遺忘門,o表示輸出門,c表示記憶單元,σ表示激活函數(shù),π表示總的輸出激活函數(shù),g、h表示記憶單元的輸入和輸出激活函數(shù)。

    2.3 多頭注意力機制

    注意力機制[21-22]是指通過計算Q(Query)和每個K(Key)之間的相似性Sim(Q,K)以獲取分配的權(quán)重,然后將分配的權(quán)重與相應(yīng)的V(Value)值進(jìn)行加權(quán)求和得到注意力權(quán)值,其中Q、K和V均為向量且K=V。與單一結(jié)構(gòu)的注意力機制相比,多頭注意力機制是對Q、K和V各維度分別進(jìn)行多次線性映射并對其進(jìn)行拼接,以獲得最終的注意力權(quán)值。

    本文利用多頭注意力機制[23-24]不僅可對WL-CNN的低層信息和SL-Bi-LSTM的全局語義特征分配不同的權(quán)重,而且可進(jìn)一步捕獲不同位置和子空間的結(jié)構(gòu)信息、深層全局語義信息以及內(nèi)部結(jié)構(gòu)信息。多頭注意力權(quán)重的計算公式為:

    (11)

    其中,W表示線性變化參數(shù),Q、K和V對應(yīng)不同的W值。將式(11)進(jìn)行多次線性映射及拼接后便可獲得多頭注意力的加權(quán)值,計算公式為:

    MultiHead(Q,K,V)=Concat(Head1,

    Head2,…,Headπ)Wo

    (12)

    其中,π表示多頭注意力機制的并行層數(shù),即該多頭注意力機制包含π個頭。

    綜上所述,本文使用詞級卷積神經(jīng)網(wǎng)絡(luò)和句級雙向長短期記憶網(wǎng)絡(luò)來學(xué)習(xí)詞序列子空間向量和句序列深層語義信息,并通過多頭注意力機制將兩種深度學(xué)習(xí)模型進(jìn)行集成,實現(xiàn)子空間信息和句子語義信息的互補,如圖1所示。

    圖1 集成深度學(xué)習(xí)模型的旅游問句文本分類過程

    可以看出,將旅游問句文本以單詞形式輸入詞級卷積神經(jīng)網(wǎng)絡(luò)中,基于該神經(jīng)網(wǎng)絡(luò)的計算獲取文本中詞的低層子空間結(jié)構(gòu)信息和局部深層語義信息xword,旅游問句文本以句子的形式輸入SL-Bi-LSTM中,通過學(xué)習(xí)該神經(jīng)網(wǎng)絡(luò)獲得旅游問句文本的深層結(jié)構(gòu)信息和全局語義信息xsentence。在此基礎(chǔ)上,利用多頭注意力機制對兩種深度學(xué)習(xí)模型獲得的層次特征進(jìn)行權(quán)值匹配,并對各注意力機制所得注意力權(quán)重進(jìn)行點積拼接,通過SoftMax分類函數(shù)得到文本的準(zhǔn)確分類結(jié)果z1~zm,其中m表示分類類別數(shù)。

    3 實驗結(jié)果與分析

    3.1 實驗數(shù)據(jù)集

    本文采用Tourism text數(shù)據(jù)集作為實驗數(shù)據(jù)集,其為自定義的基準(zhǔn)數(shù)據(jù)集,主要來自攜程、途牛、馬蜂窩和同程等旅游網(wǎng)站,包括旅游地點、時間和人物等6類10 000條樣本數(shù)據(jù)。在實驗前需對該數(shù)據(jù)集進(jìn)行篩選、清洗、停用詞等預(yù)處理操作減少誤差。為驗證本文算法的有效性,從各類樣本中隨機抽取60%的樣本作為訓(xùn)練集,剩余40%的樣本作為測試集,并隨機劃分訓(xùn)練集中10%的樣本作為交叉驗證集(實驗共進(jìn)行5次交叉驗證),數(shù)據(jù)集統(tǒng)計結(jié)果如表1所示,其中All Doc表示每類旅游問句文本的總數(shù)。

    表1 數(shù)據(jù)集統(tǒng)計結(jié)果

    3.2 實驗方法

    將本文旅游問句文本分類算法與以下主流旅游問句文本分類算法進(jìn)行對比:

    1)基于CNN[25]的旅游問句文本分類算法。該算法主要是對中文文本中的詞采用隨機初始化嵌入,并輸入卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行分類。為使該算法在中文問句文本分類中取得理想的分類結(jié)果,采用與文獻(xiàn)[25]相同的隨機初始化詞嵌入方法,獲取中文問句文本中的詞向量特征。

    2)基于Word2vec+LR[26]的旅游問句文本分類算法。該算法利用詞向量嵌入表示每種類型的文本,并將其映射到低維空間向量中使用邏輯回歸模型進(jìn)行文本分類。

    3)基于Word Embeddings+SVM的旅游問句文本分類算法。該算法類似于基于Word2vec+LR的旅游問句文本分類算法,是將問句文本嵌入到低維空間向量中使用淺層機器學(xué)習(xí)模型實現(xiàn)文本分類。

    4)基于LSTM與Bi-LSTM[27]的旅游問句文本分類算法。這兩種算法是將訓(xùn)練的中文問句文本詞向量按照時序依次輸入網(wǎng)絡(luò)模型,并對中文問句文本進(jìn)行時序擴展和深層語義信息的捕獲,實現(xiàn)中文問句文本的準(zhǔn)確分類。

    5)基于自注意力網(wǎng)絡(luò)(Self-Attention Network,SAN)的旅游問句文本分類算法。該算法結(jié)合詞向量技術(shù),將中文問句文本映射到一個低維空間向量,并通過注意力網(wǎng)絡(luò)對關(guān)鍵特征分配權(quán)重實現(xiàn)中文文本的準(zhǔn)確分類。

    6)基于RNN的旅游問句文本分類算法。該算法解決了卷積神經(jīng)網(wǎng)絡(luò)忽略全局語義信息及梯度消失等問題,進(jìn)一步提高了分類算法的準(zhǔn)確率。

    7)基于獨立循環(huán)神經(jīng)網(wǎng)絡(luò)(Independently RNN,Ind-RNN)的旅游問句文本分類算法。該算法解決了RNN算法梯度消失及不能對長時序特征進(jìn)行有效建模的問題。

    8)基于CNN-LSTM的旅游問句文本分類算法。該算法主要將CNN和LSTM進(jìn)行串聯(lián),在利用CNN捕獲問句文本的空間特征后再對其進(jìn)行時序建模,以提高文本分類精度。

    3.3 實驗環(huán)境和參數(shù)設(shè)置

    本文實驗軟件配置為Python 3.6和Keras、Numpy等框架,硬件配置為GTX1060 GPU。為確保文本分類算法的一致性,本文對其設(shè)置初始化參數(shù),WL-CNN的嵌入向量設(shè)置為512,其具有兩層卷積層且卷積核大小分別為3×3和1×1,神經(jīng)元個數(shù)為512和128,學(xué)習(xí)率為0.000 1,丟碼率為0.5。SL-Bi-LSTM的嵌入向量設(shè)置為512,神經(jīng)元個數(shù)為256和64,學(xué)習(xí)率為0.02。在利用多頭注意力機制進(jìn)行集成時將π設(shè)置為10并對其分配不同的權(quán)重比例,同時采用概率計算統(tǒng)計不同類別的出現(xiàn)概率,實現(xiàn)旅游問句文本的正確分類。在前期實驗中將詞向量映射維度設(shè)置為100維,在后期實驗中隨著F-Score的變化對詞向量映射維度進(jìn)行調(diào)整。

    3.4 實驗結(jié)果

    本文采用準(zhǔn)確率、損失率、模型訓(xùn)練時間和F-Score進(jìn)行實驗結(jié)果評估,其中F-Score的計算公式如下:

    (13)

    其中,P表示精確率,R表示召回率。

    3.4.1 詞向量映射維度對算法性能的影響

    由于詞向量映射維度對算法分類精度具有至關(guān)重要的作用,因此本文通過改變詞向量映射維度來驗證其對旅游問句文本分類精度的影響。圖2顯示了Tourism text數(shù)據(jù)集在不同詞向量嵌入維度下兩種算法的F-Score對比。可以看出,隨著詞向量映射維度的增加,本文旅游問句文本分類算法的F-Score先快速增加,當(dāng)詞向量映射維度大于100時F-Score停止增加且開始減少,這表明過低的詞向量映射維度不能較好地將文本映射到低維空間,而高維嵌入可能導(dǎo)致向量表示過于稀疏,不能有效提高分類性能且會耗費更多的訓(xùn)練時間。

    圖2 不同詞向量映射維度時旅游問句文本分類算法的實驗結(jié)果

    3.4.2 旅游問句文本分類算法的性能比較

    為進(jìn)一步驗證本文算法的有效性,將其與不同問句文本分類算法進(jìn)行對比,實驗結(jié)果如表2所示,其中加粗?jǐn)?shù)據(jù)表示最優(yōu)結(jié)果。

    表2 10種旅游問句文本分類算法的性能比較結(jié)果

    可以看出,基于Ind-RNN的旅游問句文本分類算法損失率為0.223 1,因為Ind-RNN內(nèi)部神經(jīng)元相互獨立,且各層之間實現(xiàn)了跨層連接,所以其相比基于RNN的旅游問句文本分類算法更好地解決了梯度消失問題。基于Word2vec+LR和Wording Embeddings+SVM的旅游問句文本分類算法雖然取得了較好的分類結(jié)果,但其僅適用于小規(guī)模數(shù)據(jù),其主要原因為基于淺層機器學(xué)習(xí)模型的旅游問句文本分類算法不能較好地捕獲問句文本中隱藏的潛在信息,因此其相比基于深度學(xué)習(xí)模型的旅游問句文本分類算法準(zhǔn)確率較低。基于Bi-LSTM的旅游問句文本分類算法的準(zhǔn)確率和損失率均優(yōu)于基于LSTM的旅游問句文本分類算法,其主要原因為基于Bi-LSTM的旅游問句文本分類算法同時使用前向和后向LSTM對文本進(jìn)行編碼,更好地捕獲了旅游問句文本的上下文信息。與其他旅游問句文本分類算法相比,本文算法在準(zhǔn)確率和損失率上分別取得了0.986 6和0.127 7的最優(yōu)結(jié)果,相比基于CNN-LSTM的旅游問句文本分類算法提高了0.025 3和降低了0.167 1,其主要原因為本文算法不僅能捕獲旅游問句文本的深層結(jié)構(gòu)信息和全局語義信息,而且可對各類特征分配不同權(quán)重,從而實現(xiàn)準(zhǔn)確分類。但是其在訓(xùn)練時間上略顯不足,其主要原因為神經(jīng)網(wǎng)絡(luò)在集成時算法的總參數(shù)量有所增加,因此導(dǎo)致耗時較長。

    3.4.3 旅游問句文本的可視化結(jié)果

    為更直觀地表示旅游問句文本分類后的結(jié)果,本文使用t-SNE可視化工具對分類結(jié)果進(jìn)行可視化顯示,得到旅游問句文本嵌入表示的可視化結(jié)果如圖3所示。可以看出,基于CNN+LSTM的旅游問句文本分類算法不能較好地區(qū)分各類旅游問句文本,其主要原因為該算法僅對旅游問句文本的局部特征和語義信息進(jìn)行建模,而忽略了旅游問句文本全局信息、上下文層級關(guān)系以及文本中的詞對文本的影響。與基于CNN+LSTM的旅游問句文本分類算法相比,本文算法能更有效地對不同旅游問句文本進(jìn)行分類且分類性能更好。

    圖3 旅游問句文本嵌入表示的可視化結(jié)果

    4 結(jié)束語

    本文提出一種改進(jìn)的旅游問句文本分類算法,通過WL-CNN和SL-Bi-LSTM捕獲旅游問句文本的局部和全局特征,并有效刻畫了旅游問句文本的語義信息和上下文層級關(guān)系,同時利用多頭注意力機制對所捕獲的特征信息分配注意力權(quán)重,實現(xiàn)旅游問句文本的有效分類。后續(xù)將研究旅游問句文本的細(xì)粒度分類算法,通過對旅游問句文本中含有的關(guān)鍵詞做進(jìn)一步表征,增強特征信息對旅游問題文本的表征能力并提高分類準(zhǔn)確度。

    猜你喜歡
    語義卷積向量
    向量的分解
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    聚焦“向量與三角”創(chuàng)新題
    語言與語義
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    “上”與“下”語義的不對稱性及其認(rèn)知闡釋
    向量垂直在解析幾何中的應(yīng)用
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    認(rèn)知范疇模糊與語義模糊
    99热这里只有精品一区| 高清毛片免费看| 久久久久免费精品人妻一区二区| 国产精品综合久久久久久久免费| 亚洲一级一片aⅴ在线观看| 国产黄色小视频在线观看| 中文乱码字字幕精品一区二区三区 | 成年版毛片免费区| 亚洲成人精品中文字幕电影| 舔av片在线| 国产片特级美女逼逼视频| 又爽又黄a免费视频| 久久精品国产亚洲av涩爱| 国产乱人视频| 久久久精品94久久精品| 午夜激情福利司机影院| 日日摸夜夜添夜夜添av毛片| 国产午夜精品久久久久久一区二区三区| 久久精品综合一区二区三区| 非洲黑人性xxxx精品又粗又长| 国产淫语在线视频| 国产高潮美女av| 国产欧美另类精品又又久久亚洲欧美| 五月天丁香电影| 国产色爽女视频免费观看| .国产精品久久| 男人舔女人下体高潮全视频| 嫩草影院入口| 老女人水多毛片| 在线a可以看的网站| 成人国产麻豆网| 国产高清有码在线观看视频| 九九爱精品视频在线观看| 少妇熟女aⅴ在线视频| 国产亚洲5aaaaa淫片| 久久精品综合一区二区三区| 美女高潮的动态| 欧美日本视频| 国产真实伦视频高清在线观看| 国产精品精品国产色婷婷| 久久精品夜色国产| 日日摸夜夜添夜夜添av毛片| 免费高清在线观看视频在线观看| 偷拍熟女少妇极品色| 日韩一区二区三区影片| 国产成人freesex在线| 2021天堂中文幕一二区在线观| 淫秽高清视频在线观看| 麻豆乱淫一区二区| 黄色配什么色好看| 七月丁香在线播放| 美女cb高潮喷水在线观看| 乱码一卡2卡4卡精品| 亚洲成人av在线免费| 婷婷六月久久综合丁香| 国语对白做爰xxxⅹ性视频网站| 久久精品国产亚洲av天美| 国产精品.久久久| 26uuu在线亚洲综合色| 两个人视频免费观看高清| 男人狂女人下面高潮的视频| 熟妇人妻久久中文字幕3abv| 久久精品夜夜夜夜夜久久蜜豆| 一二三四中文在线观看免费高清| 午夜久久久久精精品| 亚洲成人av在线免费| 国产精品久久久久久精品电影| 一区二区三区免费毛片| 日韩视频在线欧美| 汤姆久久久久久久影院中文字幕 | 国产在视频线在精品| 三级男女做爰猛烈吃奶摸视频| 亚洲综合色惰| 午夜爱爱视频在线播放| 亚洲在久久综合| 哪个播放器可以免费观看大片| 日日干狠狠操夜夜爽| 欧美成人精品欧美一级黄| 成人高潮视频无遮挡免费网站| 欧美日韩精品成人综合77777| 欧美zozozo另类| 免费黄网站久久成人精品| 国产精品.久久久| 精品久久久久久电影网| 国产片特级美女逼逼视频| 国产欧美日韩精品一区二区| 中文欧美无线码| 国产黄片视频在线免费观看| 亚洲国产精品国产精品| 国产精品久久久久久久电影| 97在线视频观看| 免费黄色在线免费观看| 特级一级黄色大片| 国产不卡一卡二| 卡戴珊不雅视频在线播放| 久久精品国产亚洲av天美| 国产老妇女一区| 美女黄网站色视频| 久久久色成人| 国产成人一区二区在线| 亚洲怡红院男人天堂| 国语对白做爰xxxⅹ性视频网站| 一级爰片在线观看| 成人毛片a级毛片在线播放| 久久久久久国产a免费观看| 人妻系列 视频| 国产精品不卡视频一区二区| 亚洲熟女精品中文字幕| 精品久久久精品久久久| 可以在线观看毛片的网站| 久久精品人妻少妇| 国产高清有码在线观看视频| 国产成人精品一,二区| 久久热精品热| 欧美日韩视频高清一区二区三区二| 蜜桃亚洲精品一区二区三区| 欧美最新免费一区二区三区| 精品久久国产蜜桃| 91精品国产九色| 国产白丝娇喘喷水9色精品| 亚洲av.av天堂| 2021少妇久久久久久久久久久| 免费人成在线观看视频色| 日日啪夜夜撸| 大片免费播放器 马上看| 观看免费一级毛片| 日日啪夜夜撸| 午夜老司机福利剧场| 国产色婷婷99| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 久99久视频精品免费| 免费看不卡的av| 97人妻精品一区二区三区麻豆| 在线观看免费高清a一片| 中文字幕人妻熟人妻熟丝袜美| 国产免费福利视频在线观看| 乱人视频在线观看| 国产在视频线在精品| 国产高潮美女av| 一级毛片电影观看| 亚洲精品国产av蜜桃| 欧美日韩综合久久久久久| 亚洲av男天堂| 免费在线观看成人毛片| 国产高清不卡午夜福利| 中国国产av一级| 久久久久久久大尺度免费视频| 国产男女超爽视频在线观看| 激情 狠狠 欧美| 中文字幕制服av| 国产av码专区亚洲av| 精品久久久久久久久av| 熟妇人妻不卡中文字幕| 成人毛片a级毛片在线播放| 激情 狠狠 欧美| 99热这里只有精品一区| 男女啪啪激烈高潮av片| 日韩av在线大香蕉| 亚洲三级黄色毛片| 最新中文字幕久久久久| 亚洲成人久久爱视频| 中文字幕av在线有码专区| 97人妻精品一区二区三区麻豆| 91久久精品国产一区二区成人| 直男gayav资源| 日韩欧美 国产精品| 少妇裸体淫交视频免费看高清| 午夜福利成人在线免费观看| 国产精品一区二区性色av| 狂野欧美激情性xxxx在线观看| 亚洲精品国产av蜜桃| 大话2 男鬼变身卡| 久久97久久精品| 最近最新中文字幕大全电影3| 久久久久久九九精品二区国产| 美女xxoo啪啪120秒动态图| 亚洲美女搞黄在线观看| 日韩精品青青久久久久久| 成人午夜高清在线视频| 一级毛片aaaaaa免费看小| 2021天堂中文幕一二区在线观| 好男人视频免费观看在线| 大又大粗又爽又黄少妇毛片口| 免费看a级黄色片| av卡一久久| 成年女人在线观看亚洲视频 | 日本爱情动作片www.在线观看| 老女人水多毛片| 汤姆久久久久久久影院中文字幕 | 久久久久久久久久成人| 免费电影在线观看免费观看| 韩国av在线不卡| h日本视频在线播放| 天堂√8在线中文| 久久精品久久久久久久性| 在线a可以看的网站| 男女国产视频网站| 国产色爽女视频免费观看| 蜜臀久久99精品久久宅男| av卡一久久| 赤兔流量卡办理| 久久久久精品久久久久真实原创| 99热6这里只有精品| 国产男女超爽视频在线观看| 91久久精品国产一区二区三区| 丝瓜视频免费看黄片| 边亲边吃奶的免费视频| 97热精品久久久久久| 欧美高清成人免费视频www| 久久99热这里只有精品18| 国产成人aa在线观看| 黄色配什么色好看| 听说在线观看完整版免费高清| 亚洲av在线观看美女高潮| 国产乱人视频| 亚洲最大成人手机在线| 久久久久久久久久久免费av| av一本久久久久| 丝瓜视频免费看黄片| 纵有疾风起免费观看全集完整版 | 亚洲精品456在线播放app| 亚洲色图av天堂| 26uuu在线亚洲综合色| 亚洲精品日本国产第一区| 岛国毛片在线播放| 国产亚洲最大av| 精品亚洲乱码少妇综合久久| 国产一区二区三区av在线| 禁无遮挡网站| 亚洲经典国产精华液单| 欧美一区二区亚洲| a级一级毛片免费在线观看| 亚洲怡红院男人天堂| 久久人人爽人人片av| 老司机影院毛片| 亚洲av电影在线观看一区二区三区 | 国产激情偷乱视频一区二区| 爱豆传媒免费全集在线观看| 内地一区二区视频在线| 亚洲av中文av极速乱| 亚洲精品国产av成人精品| 欧美人与善性xxx| 亚洲av福利一区| 亚洲国产成人一精品久久久| 久久99蜜桃精品久久| 99久国产av精品国产电影| 免费看光身美女| 男女边吃奶边做爰视频| 99热这里只有是精品50| 菩萨蛮人人尽说江南好唐韦庄| 国产精品一二三区在线看| 大话2 男鬼变身卡| 一本久久精品| 看十八女毛片水多多多| 免费观看性生交大片5| 啦啦啦韩国在线观看视频| 国产不卡一卡二| 最近2019中文字幕mv第一页| 亚洲av日韩在线播放| 久久6这里有精品| 亚洲人成网站在线观看播放| 高清av免费在线| 亚洲国产精品国产精品| 免费播放大片免费观看视频在线观看| 国产精品伦人一区二区| 久久久午夜欧美精品| 美女cb高潮喷水在线观看| 九草在线视频观看| 国产精品女同一区二区软件| 久久这里有精品视频免费| 日日撸夜夜添| 内地一区二区视频在线| 少妇被粗大猛烈的视频| 99久国产av精品| 精品熟女少妇av免费看| 淫秽高清视频在线观看| 午夜福利视频1000在线观看| 国产精品熟女久久久久浪| 精品人妻一区二区三区麻豆| 亚洲经典国产精华液单| 婷婷色综合大香蕉| 亚洲精品影视一区二区三区av| 99久久人妻综合| 亚洲成色77777| 久久99热这里只有精品18| 午夜老司机福利剧场| 天堂影院成人在线观看| 两个人的视频大全免费| 久久久精品94久久精品| 91精品国产九色| 欧美日韩综合久久久久久| 最近最新中文字幕免费大全7| 高清欧美精品videossex| 可以在线观看毛片的网站| 91av网一区二区| 最后的刺客免费高清国语| 啦啦啦韩国在线观看视频| 亚洲自拍偷在线| 女人十人毛片免费观看3o分钟| 久久精品国产鲁丝片午夜精品| 国产永久视频网站| 国产淫片久久久久久久久| 成人亚洲精品一区在线观看 | 日韩成人伦理影院| 国产精品爽爽va在线观看网站| 亚洲三级黄色毛片| 亚洲精品乱久久久久久| videos熟女内射| 精华霜和精华液先用哪个| 青春草国产在线视频| 日本黄大片高清| 91精品伊人久久大香线蕉| 国产探花极品一区二区| 日韩成人av中文字幕在线观看| 成人午夜精彩视频在线观看| 日韩av免费高清视频| 真实男女啪啪啪动态图| 我的女老师完整版在线观看| 天堂影院成人在线观看| 亚洲伊人久久精品综合| 极品少妇高潮喷水抽搐| 亚洲av男天堂| 男女那种视频在线观看| 精品久久久久久电影网| 久久久久久久久久久丰满| 欧美日韩在线观看h| 国产精品国产三级国产专区5o| 久久久久久九九精品二区国产| 美女cb高潮喷水在线观看| 国产黄片美女视频| 亚洲aⅴ乱码一区二区在线播放| 搞女人的毛片| 一夜夜www| 久久久久久久久中文| 午夜激情久久久久久久| 免费观看精品视频网站| 在线免费观看的www视频| 国产久久久一区二区三区| 国产一区二区在线观看日韩| 蜜桃亚洲精品一区二区三区| 黄片wwwwww| 亚洲精品中文字幕在线视频 | 麻豆成人午夜福利视频| av网站免费在线观看视频 | 成人亚洲精品一区在线观看 | 菩萨蛮人人尽说江南好唐韦庄| 亚洲人成网站在线播| av免费观看日本| 蜜桃亚洲精品一区二区三区| 少妇丰满av| 国产一级毛片在线| 欧美bdsm另类| 欧美高清性xxxxhd video| eeuss影院久久| 国产69精品久久久久777片| 国产av在哪里看| 麻豆乱淫一区二区| 2022亚洲国产成人精品| 天堂俺去俺来也www色官网 | 最后的刺客免费高清国语| 老司机影院毛片| 精品久久久久久久末码| 欧美日韩一区二区视频在线观看视频在线 | 久久久精品欧美日韩精品| 久久久欧美国产精品| 91久久精品国产一区二区三区| 国产在线男女| 久久久精品欧美日韩精品| 91精品一卡2卡3卡4卡| 淫秽高清视频在线观看| 国产伦在线观看视频一区| 超碰av人人做人人爽久久| 亚洲性久久影院| 午夜亚洲福利在线播放| 国产成人精品福利久久| 美女内射精品一级片tv| 肉色欧美久久久久久久蜜桃 | 精品久久久噜噜| av又黄又爽大尺度在线免费看| 一级爰片在线观看| 夫妻午夜视频| 国产午夜精品论理片| 亚洲av一区综合| 欧美激情国产日韩精品一区| 亚洲国产精品成人综合色| 成年版毛片免费区| 亚洲综合精品二区| 一区二区三区高清视频在线| 免费在线观看成人毛片| 日本午夜av视频| 特大巨黑吊av在线直播| 免费av毛片视频| 真实男女啪啪啪动态图| 精品久久国产蜜桃| 国产伦理片在线播放av一区| 女人十人毛片免费观看3o分钟| 亚洲色图av天堂| 久久午夜福利片| 亚洲经典国产精华液单| 一级毛片我不卡| 国产一级毛片七仙女欲春2| 亚洲国产精品成人久久小说| 日产精品乱码卡一卡2卡三| 人妻系列 视频| 国产一区二区三区av在线| 18禁动态无遮挡网站| 免费播放大片免费观看视频在线观看| 中文在线观看免费www的网站| 爱豆传媒免费全集在线观看| 日韩欧美一区视频在线观看 | 老司机影院毛片| 婷婷色综合www| 两个人的视频大全免费| 国产乱来视频区| 亚洲欧美日韩无卡精品| 欧美高清性xxxxhd video| 99热网站在线观看| 联通29元200g的流量卡| 国产亚洲最大av| 国产伦一二天堂av在线观看| 毛片一级片免费看久久久久| 精品熟女少妇av免费看| 午夜激情欧美在线| 精华霜和精华液先用哪个| 欧美成人午夜免费资源| 97超视频在线观看视频| 久久这里有精品视频免费| 中国国产av一级| 久久鲁丝午夜福利片| 性插视频无遮挡在线免费观看| 国产av码专区亚洲av| 日韩亚洲欧美综合| 日日啪夜夜撸| 精品久久久久久成人av| av又黄又爽大尺度在线免费看| 久久这里有精品视频免费| 听说在线观看完整版免费高清| 亚洲欧美日韩东京热| 嫩草影院入口| 1000部很黄的大片| 美女高潮的动态| 精品国产三级普通话版| 国产色婷婷99| 超碰av人人做人人爽久久| 亚洲综合色惰| 国产色婷婷99| 免费大片18禁| 精品不卡国产一区二区三区| 亚洲国产色片| av播播在线观看一区| 亚洲久久久久久中文字幕| 亚洲一级一片aⅴ在线观看| 成年女人在线观看亚洲视频 | 亚洲成人一二三区av| 人妻系列 视频| 亚洲自拍偷在线| 丝瓜视频免费看黄片| 亚洲自偷自拍三级| 在线播放无遮挡| 欧美激情在线99| 熟女电影av网| 久久人人爽人人片av| 精品久久久久久久久亚洲| 中文在线观看免费www的网站| 少妇的逼好多水| 麻豆成人av视频| 欧美成人a在线观看| 大话2 男鬼变身卡| 亚洲一区高清亚洲精品| 日韩制服骚丝袜av| 久久这里有精品视频免费| 欧美日韩视频高清一区二区三区二| 亚洲经典国产精华液单| 简卡轻食公司| 亚洲精品成人久久久久久| 国产综合懂色| 我要看日韩黄色一级片| 一个人看的www免费观看视频| 老司机影院成人| 亚洲真实伦在线观看| 成年av动漫网址| 五月玫瑰六月丁香| 国产伦一二天堂av在线观看| 精品久久久精品久久久| 婷婷色麻豆天堂久久| 女的被弄到高潮叫床怎么办| 国产成年人精品一区二区| 国产精品人妻久久久久久| 卡戴珊不雅视频在线播放| 精品一区二区三区人妻视频| 亚洲成人一二三区av| 高清日韩中文字幕在线| 国产淫语在线视频| 啦啦啦中文免费视频观看日本| 你懂的网址亚洲精品在线观看| 三级毛片av免费| 少妇丰满av| 日韩视频在线欧美| 嫩草影院新地址| 99视频精品全部免费 在线| 最近的中文字幕免费完整| 男人舔女人下体高潮全视频| 啦啦啦韩国在线观看视频| 一夜夜www| 免费观看av网站的网址| 99热这里只有是精品在线观看| www.色视频.com| 天堂av国产一区二区熟女人妻| 成人午夜高清在线视频| 成人毛片60女人毛片免费| 干丝袜人妻中文字幕| 美女国产视频在线观看| 中文字幕av在线有码专区| 国产精品久久久久久av不卡| 日韩一本色道免费dvd| 中文字幕免费在线视频6| 亚洲18禁久久av| 高清视频免费观看一区二区 | 国产精品国产三级专区第一集| 亚洲精品乱码久久久v下载方式| 少妇的逼好多水| 黄色配什么色好看| 亚洲欧美中文字幕日韩二区| 少妇丰满av| 一级毛片aaaaaa免费看小| 国精品久久久久久国模美| 永久免费av网站大全| 国产精品久久久久久久久免| 午夜激情久久久久久久| 九草在线视频观看| 能在线免费观看的黄片| 日韩不卡一区二区三区视频在线| 精品久久久久久久人妻蜜臀av| 91精品伊人久久大香线蕉| 午夜福利高清视频| 精品久久久久久成人av| 久久久精品94久久精品| 国产高清不卡午夜福利| 99热这里只有是精品在线观看| 免费电影在线观看免费观看| 国产伦一二天堂av在线观看| 亚洲av免费高清在线观看| 91av网一区二区| 大又大粗又爽又黄少妇毛片口| 一区二区三区四区激情视频| 中文天堂在线官网| 丝瓜视频免费看黄片| 91久久精品国产一区二区三区| 成人亚洲欧美一区二区av| 久久精品国产亚洲网站| 亚洲一级一片aⅴ在线观看| 国产精品99久久久久久久久| 男人和女人高潮做爰伦理| 亚洲精品成人久久久久久| 啦啦啦韩国在线观看视频| 卡戴珊不雅视频在线播放| 91午夜精品亚洲一区二区三区| 伊人久久国产一区二区| 欧美一区二区亚洲| 麻豆久久精品国产亚洲av| 狠狠精品人妻久久久久久综合| 国产精品日韩av在线免费观看| av天堂中文字幕网| 麻豆精品久久久久久蜜桃| 国产精品国产三级国产av玫瑰| 国产午夜精品论理片| 日韩亚洲欧美综合| 日韩精品有码人妻一区| 中文字幕av在线有码专区| 亚洲va在线va天堂va国产| 只有这里有精品99| 国产免费又黄又爽又色| 午夜福利视频精品| 免费高清在线观看视频在线观看| 亚洲人成网站高清观看| 欧美zozozo另类| 亚洲精品日韩在线中文字幕| 免费黄频网站在线观看国产| 久久精品久久精品一区二区三区| 国产高潮美女av| 国产在线一区二区三区精| 国产精品女同一区二区软件| 国产免费一级a男人的天堂| 蜜桃久久精品国产亚洲av| or卡值多少钱| 国产午夜福利久久久久久| 成人亚洲精品av一区二区| 91久久精品国产一区二区三区| 高清午夜精品一区二区三区| 欧美 日韩 精品 国产| 国产一区二区亚洲精品在线观看| 在线a可以看的网站| 婷婷色av中文字幕| 日韩av免费高清视频| 久久久久久久久久人人人人人人| 亚洲成人一二三区av| 一级a做视频免费观看| 最近中文字幕2019免费版| 欧美3d第一页| 久久久国产一区二区| 网址你懂的国产日韩在线| 麻豆乱淫一区二区| 国产亚洲91精品色在线| av福利片在线观看| 又爽又黄无遮挡网站| 国国产精品蜜臀av免费| 全区人妻精品视频| 狠狠精品人妻久久久久久综合| 狂野欧美激情性xxxx在线观看| 亚洲欧美一区二区三区黑人 | 久久久精品94久久精品| av.在线天堂| 成人亚洲精品av一区二区| 中国国产av一级| 日韩欧美 国产精品|