• <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Adaboost與樸素貝葉斯的農(nóng)業(yè)短文本信息分類

    2020-11-30 09:02陳鵬郭小燕
    軟件 2020年9期
    關鍵詞:貝葉斯分類

    陳鵬 郭小燕

    摘? 要: 樸素貝葉斯分類器過分依賴分類數(shù)據(jù)的質(zhì)量,當待分類數(shù)據(jù)呈現(xiàn)復雜多元屬性時,其分類的效果急劇下降,利用adaboost算法組合多個樸素貝葉斯分類器設計A_B模型。將3600份原始數(shù)據(jù)經(jīng)過中文分詞、句法分析、文本向量化后將A_B模型訓練成一個A_B分類器。解決了分類器對于待分類數(shù)據(jù)敏感的問題,兩個A_B分類器協(xié)同工作將二分類器轉(zhuǎn)換為三分類器,解決了將原始農(nóng)業(yè)文本信息分為農(nóng)業(yè)新聞類,農(nóng)業(yè)技術(shù)類,農(nóng)業(yè)經(jīng)濟類三種類型的問題。分別利用600份標準數(shù)據(jù)與加了30%干擾信息的復雜數(shù)據(jù)測試分類器的分類效果,實驗結(jié)果表明A_B分類器不僅對標準分類數(shù)據(jù)具有良好的分類效果,面對復雜多元的分類數(shù)據(jù)是仍然表現(xiàn)出較好的分類性能。利用不同的測試數(shù)據(jù)對A_B分類器測試發(fā)現(xiàn):A_B分類器均具有良好的收斂性,其分類效果不依賴分類數(shù)據(jù)特征,具有分類效果的穩(wěn)定性。

    關鍵詞: 貝葉斯;Adaboost;農(nóng)業(yè)短文本;分類

    中圖分類號: S24;TP3? ? 文獻標識碼: A? ? DOI:10.3969/j.issn.1003-6970.2020.09.004

    本文著錄格式:陳鵬,郭小燕. 基于Adaboost與樸素貝葉斯的農(nóng)業(yè)短文本信息分類[J]. 軟件,2020,41(09):1318

    【Abstract】: Naive Bayes classifier relies too much on the quality of classification data. When the classified data presents complex multivariate attributes, whose classification effect decreases sharply. Adaboost algorithm is used to combine multiple Naive Bayesian classifiers to design A_B model. After Chinese word segmentation, parsing and text vectorization, the A_B model is trained as an A_B classifier based the 3600 sets of original data. The problem that classifier is sensitive to data to be classified is solved. Two A_B classifiers work together to convert two two-category classifiers into one three-category classifiers, and solve the problem that the original agricultural text information is divided into three types: agricultural news, agricultural technology and agricultural economy. Using 600 sets of standard data and complex data with 30% disturbed information to test the classification effect of the classifier, the experimental results show that the A_B classifier not only has a good classification effect on the standard classification data, but also has a good classification performance to complex and multivariate classification data. Using different test data to test A_B classifier, it is found that A_B classifier has good convergence, whose classification effect does not depend on the characteristics of classification data, and has the stability of classification effect.

    【Key words】: Bayes; Adaboost; Agricultural short text; Classification

    0? 引言

    隨著農(nóng)業(yè)信息化進程的加快,農(nóng)業(yè)新聞網(wǎng)站,農(nóng)產(chǎn)品銷售網(wǎng)站,農(nóng)業(yè)技術(shù)網(wǎng)站和農(nóng)業(yè)數(shù)據(jù)庫等農(nóng)業(yè)信息平臺也隨之出現(xiàn),農(nóng)業(yè)數(shù)據(jù)隨時間呈爆發(fā)式增長,海量的農(nóng)業(yè)類數(shù)據(jù)需要處理。文本是網(wǎng)絡信息的主要載體、BBS、博客、新聞評論中往往包含著諸如農(nóng)業(yè)政策法規(guī),農(nóng)民的消費需求以及農(nóng)村的發(fā)展趨勢等數(shù)據(jù)信息。為了洞察農(nóng)村、農(nóng)業(yè)的發(fā)展規(guī)律,以及農(nóng)民的消費規(guī)律,對這些文本信息進行合理地分析與挖掘顯得非常必須。文本自動分類技術(shù)能夠?qū)⒑A糠墙Y(jié)構(gòu)化文本信息規(guī)范歸類,幫助人們更好地管理、利用和挖掘信息[1],為農(nóng)業(yè)信息的服務對象提供更加精準的信息,把分散在網(wǎng)絡中的信息進行整合,為用戶提供個性化信息推送服務[2]。

    近年來,國內(nèi)許多研究機構(gòu)對文本分類工作開展了研究工作,其中有代表性的有:中科院的史忠植、李曉黎把網(wǎng)絡概念推理植入到文本分析中[3]。上海交通大學王永成將神經(jīng)網(wǎng)絡模型運用到了中文自動分類系統(tǒng)[4],山西大學劉開瑛開發(fā)金融自動分類系統(tǒng)[5],南京大學計算機系的劉靜等對文本分類進行了研究,將分類規(guī)則和貝葉斯方法相結(jié)合放寬了貝葉斯對強獨立性假設條件的要求[6]。目前文本分類的主要研究方法主要有:機器學習方法[7]和深度學習[8] 方法。對于高維數(shù)據(jù)以及抽象數(shù)據(jù),已經(jīng)有許多學者開始嘗試使用深度

    學習的方法并取得了一定的成果[9]。研究發(fā)現(xiàn),深度學習在圖像數(shù)據(jù)及語音數(shù)據(jù)中的優(yōu)勢表現(xiàn)明顯,但是在短文本分析與計算中還未見突破性成果[10]。相比之下,傳統(tǒng)的深度學習則表現(xiàn)出優(yōu)越的性能[11]。傳統(tǒng)機器學習常用模型有樸素貝葉斯模型(Naive Bayes)[12]、支持向量機模型(Support Vector Machine)[13]、邏輯回歸模型(Logistic Regression)[14]和K近鄰模型(K Nearest Neighbors)[15]等。樸素貝葉斯模型在文本特征提取,文本分類方面優(yōu)勢明顯[16],傳統(tǒng)的貝葉斯分類模型由于采用單分類器分類,使得分類的效果不理想[17]。通過Adaboost訓練若干個弱分類器組合成強分類器,可大幅提升分類的準確率。楊麗麗利用Adaboost創(chuàng)建SVM分類器,解決棉葉螨危害的等級識別問題[18],胡祝華采用Adaboost進行魚眼識別[19],顧玉萍將Ada boost應用于不平衡數(shù)據(jù)的分類問題中,以上研究都取得了較好的效果[20]。本文采用Adaboost算法將多個貝葉斯分類器(弱分類器)組合訓練成一個強分類器(A_B分類器),解決農(nóng)業(yè)網(wǎng)絡短文本分類問題,分別使用規(guī)范數(shù)據(jù)以及加入干擾數(shù)據(jù)的復雜多元數(shù)據(jù)對A_B分類器測試發(fā)現(xiàn),A_B分類器可以有效地進行農(nóng)業(yè)短文本分類,對于待分類數(shù)據(jù)有一定的包容性,解決了復雜多元文本數(shù)據(jù)的分類問題,目前在國內(nèi)尚未有這方面的研究探索成果發(fā)現(xiàn)。

    1? 材料與方法

    1.1? 原始語料預處理

    采用網(wǎng)絡爬蟲技術(shù)分別從農(nóng)業(yè)新聞網(wǎng),農(nóng)業(yè)技術(shù)網(wǎng),和農(nóng)業(yè)經(jīng)濟網(wǎng),抓取4000份數(shù)據(jù)組成原始語料。由于html頁面中抓取的原始語料存在干擾詞組或者符號,為保證數(shù)據(jù)的有效性與準確性、降低冗余,需要對原始數(shù)據(jù)進行清洗,這主要包括:刪除無效或者冗余信息、對缺失值進行處理(刪除/填補)、對離群值進行處理(刪除/均值填補)。為了降低數(shù)據(jù)的維度、提高分類的效率需對清洗后的數(shù)據(jù)進行中文分詞和句法分析。

    (1)中文分詞

    中文語法中單個的字往往沒有特定的含義,為有效獲取文本信息,需對清洗后的文本進行分詞處理,即把連續(xù)的字序分解成詞序。中文分詞結(jié)果的好壞直接影響最后分類的結(jié)果,本文采用GitHub上開源的jieba分詞技術(shù)進行分詞處理[21-22],采用停用詞庫過濾技術(shù)去除無效詞匯對待分類文本的干擾,從而對分詞后所得的稀疏矩陣進行降維,提高分類的效率。

    (2)句法分析與泛化

    在對農(nóng)業(yè)文本進行分詞處理的基礎上,為了統(tǒng)計高頻詞語,簡化文本結(jié)構(gòu),降低分析的復雜度,需要對文本分詞后的結(jié)果進行句法分析與泛化。本文利用哈工大社會計算與信息檢索研究中心的語言技術(shù)平臺()進行句法分析,并基于句法路徑進行精確匹配[23],為了更準確地分析句子結(jié)構(gòu),本文歸納出常用的程度副詞及常用詞,如表2所示,利用該表能快速有效地泛化原始句法,重構(gòu)網(wǎng)絡短文本的句法結(jié)構(gòu)。

    將“蔬菜/價格/很快/回落”泛化后的結(jié)果為“蔬菜/價格/回落”,“很快”增強了“回落”得程度,但對分類結(jié)果沒有影響,因此可以刪除。

    通過對原始語料進行清洗、中文分詞、句法分析等預處理操做,消除了原始文本中的無效數(shù)據(jù),空白數(shù)據(jù),冗余數(shù)據(jù),將短文分解成立離散的分詞序列,以提高數(shù)據(jù)的有效性以及可操作性,降低數(shù)據(jù)的維度,原始語料預處理示例數(shù)表3所示。

    1.2? 文本向量化

    (1)建立特征空間

    經(jīng)過數(shù)據(jù)清洗,文本分詞技術(shù),停用詞過濾,句法分析后,將連續(xù)原始語料轉(zhuǎn)換成離散的有效詞匯信息,這些離散的有效詞匯信息將作為文本分類的基礎數(shù)據(jù)其中n為每份基礎數(shù)據(jù)有效分詞的個數(shù),為有效詞匯,。在基礎數(shù)據(jù)中尋找具有代表性的特征詞匯構(gòu)成特征空間D(d1,d2…dm)作為分類的依據(jù), 其中,m為特征空間中特征詞的個數(shù),為特征空間中詞匯,。在本文中選取基礎數(shù)據(jù)詞頻在前20%的詞匯組成特征空間。

    (2)向量化

    對于每一份基礎數(shù)據(jù),映射到特征空間,形成m(m為特征詞個數(shù))維的向量空間,若基礎文本中的某一個詞在D中出現(xiàn)(一次或多次),在相應的位置的值設置為1,否則設置為0,如下式所示。

    經(jīng)過向量化后,每一份基礎數(shù)據(jù)轉(zhuǎn)換為一個與特征空間相應的m維0,1向量,所有的樣本基礎數(shù)據(jù)組成樣本數(shù)據(jù)空間,在本文中數(shù)據(jù)空間分為:農(nóng)業(yè)新聞類,農(nóng)業(yè)技術(shù)類,農(nóng)業(yè)經(jīng)濟類三種類型。

    2? 文本分類模型

    將樣本數(shù)據(jù)空間的數(shù)據(jù)分為兩部分:訓練空間和測試空間,其中為訓練樣本數(shù)量,為測試樣本數(shù)量。對于訓練空間中的數(shù)據(jù)做好類別標記,表示新聞類,農(nóng)業(yè)技術(shù)類,農(nóng)業(yè)經(jīng)濟類三種類別。樣本數(shù)據(jù)用于訓練分類模型,測試數(shù)據(jù)用來檢測訓練好的效果。

    2.1? 樸素貝葉斯文本分類器

    貝葉斯分類器是基于貝葉斯定理,依據(jù)統(tǒng)計學實現(xiàn)分類的方法。將貝葉斯分類器用于文本分類時,其主要思想是將文章看做獨立的單詞集合,通過訓練集,得到每個單詞在不同類的概率大小,從而實現(xiàn)分類的效果。本文利用訓練樣本以及其所屬的類別,計算每一個類別在訓練空間中出現(xiàn)的概率,以及每一個訓練樣本中特征詞在每個類別中出現(xiàn)的概率?,如公式2,3所示。

    式(2),(3)中,表示類在測試樣本所有類別中所出現(xiàn)的頻次,表示特征詞在中出現(xiàn)的頻次。為避免,本文采用轉(zhuǎn)換,如式(3)所示,并取,V取所有詞的權(quán)值總和。

    訓練完成后,利用測試樣本測試所屬的類別,計算方法為:

    式中,為測試樣本屬于類的概率,為樣本屬于類的概率最大時的取值,即所屬的類別。

    2.2? AdaBoost算法

    Adaboost是一種迭代算法[24],其核心思想是針對同一個訓練集訓練不同的分類器(弱分類器),將多個弱分類器集合起來,構(gòu)成一個更強的最終分類器(強分類器)[25],算法流程如下。

    2.3? ?AdaBoost-Bayes分類器

    (1)A_B分類模型

    為提升單個Bayes分類器的分類性能,本文設計A_B分類模型,利用Adaboost算法將多個Bayes分類器訓練成強分類器(A_B分類器),其基本思想是對于同一個訓練樣本空間訓練出T個有不同權(quán)值的Bayes分離器,這些分類器協(xié)同工作以照顧每一個樣本的特征,從而達到提高分類效果的作用。A_B強分類器生成原理為:將標記好類別的訓練樣本輸入到第一個Bayes分類器T1,輸出分類結(jié)果,根據(jù)分類結(jié)果,得出此Bayes分類器的權(quán)值,從而計算每個訓練樣本的權(quán)值(分錯的樣本權(quán)值增大以便下一個分類器對其特別關注,分對的樣本權(quán)值會減?。乖嫉挠柧毤兂梢粋€帶權(quán)訓練集,利用帶權(quán)訓練集再次訓練出下一個新的Bayes分類器T2并計算其權(quán)重,更新訓練集中每個樣本的權(quán)重產(chǎn)生新的訓練集,再訓練出新的Bayes分類器T3,一直往復,直到總誤差率小于一定的值則訓練結(jié)束,原理如果圖2所示。

    (2)多分類問題

    在本文中,將樣本空間分為3種類別,農(nóng)業(yè)發(fā)展類(I類),農(nóng)業(yè)技術(shù)類(II類),農(nóng)業(yè)經(jīng)濟類(III類),傳統(tǒng)的Adaboost分類器是一個將樣本分為正類和負類的二分類器[18],為將二分類問題轉(zhuǎn)化成三分類問題,設計以下轉(zhuǎn)換方案進行二級分類的策略,將一個二分類問題轉(zhuǎn)換為一個三分類問題,如圖3所示。

    2.4? 分類流程

    (1)設計分類詞典,構(gòu)建特征空間。

    (2)將分類樣本和分類詞典進行比對,形成特征向量,從而產(chǎn)生樣本空間。

    (3)將樣本空間劃分為訓練空間和測試空間。

    (4)利用訓練樣本訓練A_B模型,獲得模型的參數(shù)值:Bayes分類器個數(shù)n,每個Bayes分類器的權(quán)重whi(i=1,2…,n),生成A_B分類器。

    (5)將測試樣本輸入到訓練好的A_B分類器,獲得分類輸出。

    3? 實驗及結(jié)果分析

    實驗環(huán)境為intel i7處理器,12 GB機器內(nèi)存。操作系統(tǒng)采用Windows 10企業(yè)版。軟件開發(fā)環(huán)境為python2.7,PyCharm,采用sklearn的模型庫進行算法的實現(xiàn)[17],采用scrapy爬蟲框架爬取4000份數(shù)據(jù)組成原始語料,如表4所示。

    其中,是分類為并且正確的文檔數(shù),是屬于的文檔數(shù),為分類為的文檔數(shù)。

    本文首先利用樸素bayes,SVM,決策樹對4000份經(jīng)過預處理的標準數(shù)據(jù)進行30次分類實驗,分類結(jié)果如表5所示。

    從表5可以看出,使用樸素Bayes進行分類時準確率,召回率,F(xiàn)1檢測值分別為92.01%,91.12%,91.62%,相比于SVM和決策樹分類,樸素Bayes有一定的優(yōu)勢。為了測試以上算法對于多樣性數(shù)據(jù)的魯棒性,在測試數(shù)據(jù)中加入30%的干擾數(shù)據(jù),使得數(shù)據(jù)中出現(xiàn)較多的離群值,從而增加測試數(shù)據(jù)的復雜性與多樣性。實驗結(jié)果表明,用Bayes,SVM,決策樹進行復雜文本數(shù)據(jù)的分類時,其準確率、召回率、F1值都有大幅下降,證明基本Bayes,SVM,決策樹在分類中對于待分類數(shù)據(jù)質(zhì)量有很大程度的依賴,如果有離群數(shù)據(jù)或者不規(guī)范數(shù)據(jù)出現(xiàn)時分類的效果并不理想。

    利用A_B分類器,以及A_S分類器(弱分類器采用SVM的Adaboost分類器),A_J分類器(弱分類器采用決策樹的Adaboost分類器)分別采用規(guī)范數(shù)據(jù)與加30%干擾數(shù)據(jù)進行30次分類實驗,實驗結(jié)果如表6所示。從實驗結(jié)果來看,采用標準規(guī)范測試數(shù)據(jù)測試發(fā)現(xiàn)分類的準確率、召回率、F1值都有所提升,其中表現(xiàn)最為明顯的是A_J分類器,其準確率和基本決策樹分類器相比提升了39.18%,召回率提升了33.12%,F(xiàn)1值提升了31.44%,說明利用Adaboost將弱分類器優(yōu)化成強分類器對于文本分類有效可行。為測試分類器的魯棒性,仍然加入30%的干擾數(shù)據(jù)測試發(fā)現(xiàn),分類準確率、召回率,F(xiàn)1仍然有所下降,但下降的幅度和基本分類器相比已經(jīng)有所降低,說明優(yōu)化后的分類器對于測試數(shù)據(jù)質(zhì)量已經(jīng)有了某種程度的免疫性。對于復雜多樣文本數(shù)據(jù)的分類結(jié)果發(fā)現(xiàn),A_B分類器分類的準確率為89.12%,和普通bayes相比提升了9.01%,A_S分類器分類準確率為87.17%,和普通SVM相比提升了3.83%,A_J分類器準確率82.13%,和普通決策樹分類相比提升了33.57%,從提升的幅度來看,A_J分類器表現(xiàn)明顯,從分類的效果和準確率來看,A_B分類器占一定的優(yōu)勢,如圖7所示。

    通過加入干擾測試數(shù)據(jù)的實驗結(jié)果來看,普通的分類器過分依賴數(shù)據(jù)的質(zhì)量,如果數(shù)據(jù)中出現(xiàn)離群值等多元數(shù)據(jù),則對分類效果有較大的影響。當利用Adaboost將多個普通分類器優(yōu)化成強分類器后,分類準確率有一定的提升,從加入干擾數(shù)據(jù)對于分類效果的影響來看,利用Adaboost優(yōu)化普通分類器,可以增加分類器的魯棒性。從圖7所示的實驗結(jié)果來看,A_B分類器對分文本數(shù)據(jù)質(zhì)量有較強的獨立性,不會過分依賴待分類文本數(shù)據(jù)的質(zhì)量以及特征,因此具有較好的普遍適用性。

    為了測試A_B分類器對于不同質(zhì)量數(shù)據(jù)分類的穩(wěn)定性,跟蹤利用不同待分類數(shù)據(jù)訓練不同強分類器的過程發(fā)現(xiàn),隨著bayes基本分類器數(shù)目的增加,A_B分類器的分類準確率,召回率,F(xiàn)1值均在逐漸增加,通過30次試驗取平均值發(fā)現(xiàn),當bayes基本的數(shù)目達到15個左右時,分類準確率,召回率,F(xiàn)1值開始收斂,到達18個左右時分類準確率,召回率,F(xiàn)1值開始趨于一個穩(wěn)定值,如圖8a所示。跟蹤A_S分類器的訓練過程發(fā)現(xiàn),基本分類器的個數(shù)對整個分類器的分類效果并沒有很大的影響,隨著基本SVM分類器個數(shù)的增加,A_S分類器并沒有出現(xiàn)明顯收斂的趨勢如圖8b所示。跟蹤A_J分類器則發(fā)現(xiàn),基本決策樹分類器的個數(shù)增加到3個的時候,A_J分離器出現(xiàn)收斂程度趨勢,因此其訓練速度和A_B分類器相比占有一定的優(yōu)勢,但是觀察其收斂值發(fā)現(xiàn),A_B分類器分類準率、召回率、F1值發(fā)現(xiàn),A_B分類效果優(yōu)勢明顯。

    從圖8中可以看出,A_B分類器在經(jīng)過訓練后可以穩(wěn)定地收斂,將其應用于農(nóng)業(yè)文本類以及其他短文本分類時針對不同質(zhì)量的數(shù)據(jù)均可以獲得穩(wěn)定的分類結(jié)果,同時A_B分類器對于待分數(shù)據(jù)有一定的包容性,多元復雜數(shù)據(jù)仍然可以獲得較好分類效果。

    4? 結(jié)論

    (1)設計了一種基于Adaboost算法的多個樸素貝葉斯分類模型A_B模型,提取樣本數(shù)據(jù)出現(xiàn)頻次前20%的詞匯創(chuàng)建特征空間,3600份原始語料通過預處理,中文結(jié)巴分詞,句法分析向量化為訓練空間,將A_B模型訓練為A_B分類器,將兩個A_B分類器組合來解決三分類問題,實現(xiàn)將待分類文本分為農(nóng)業(yè)新聞類,農(nóng)業(yè)技術(shù)類,農(nóng)業(yè)經(jīng)濟類三種類型分類的準確率,召回率F1值分別為:94.33%,91.27%,91.92%。

    (2)將標準測試數(shù)據(jù)加入30%的干擾數(shù)據(jù)發(fā)現(xiàn),和樸素貝葉斯分類器相比,A_B分類器對于數(shù)據(jù)質(zhì)量有較大的包容性,對于復雜的多元數(shù)據(jù)而言仍然表現(xiàn)出較好的分類性能。將A_B分類器與A_S分類器,A_J分類器相比表現(xiàn)出較好的分類性能。

    (3)通過30次試驗測試發(fā)現(xiàn),當在訓練過程中當樸素貝葉斯分離器的數(shù)目增加到18個左右時,分類效果趨于穩(wěn)定,證明A_B分類器具有良好的收斂性能,利用不同質(zhì)量的測試數(shù)據(jù)測試分類器效果,均得到穩(wěn)定的分類效果。但和A_J分類器相比,其收斂的速度較慢,今后可以從樸素貝葉斯權(quán)重更新算法等方面尋找突破。

    參考文獻

    [1]趙明, 杜會芳, 董翠翠. 基于word2vec和LSTM的飲食健康文本分類研究[J]. 農(nóng)業(yè)機械學報, 2017(10): 207-213.

    [2]徐朝輝, 施叢叢, 呂超賢, 等. 基于結(jié)構(gòu)化支持向量機的泄洪聯(lián)動設計[J]. 軟件, 2015, 36(9): 62-65.

    [3]李志欣, 鄭永哲, 張燦龍, 等. 結(jié)合深度特征與多標記分類的圖像語義標注[J]. 計算機輔助設計與圖形學學報, 2018, 30(02): 318-326.

    [4]刁倩, 王永成, 張惠惠. 基于神經(jīng)網(wǎng)絡的中文信息概念聯(lián)想構(gòu)造算法[J]. 情報學報, 2000(02): 170-175.

    [5]谷波, 李濟洪, 劉開瑛. 基于COSA算法的中文文本聚類[J]. 中文信息學報, 2007(06): 65-70.

    [6]劉靜, 尹存燕, 陳家駿. 一種規(guī)則和貝葉斯方法相結(jié)合的文本自動分類策略[J]. 計算機應用研究, 2005(07): 84- 86+89.

    [7]Lewis D D. Challenges in machine learning for text classification[C]//Conference on Computational Learning Theory. 1996.

    [8]Liu J, Chang W C, Wu Y, et al. Deep Learning for Extreme Multi-label Text Classification[C]//International Acm Sigir Conference on Research & Development in Information Retrieval. ACM, 2017.

    [9]Shen F, Luo X, Chen Y. Text classification dimension reduction algorithm for Chinese web page based on deep learning[C]// International Conference on Cyberspace Technology. IET, 2014.

    [10]He Y, Xie J, Xu C. An improved naive Bayesian algorithm for web page text classification[C]//Eighth International Conference on Fuzzy System & Knowledge Discovery. 2011.

    [11]Tong S, Koller D. Support Vector Machine Active Learning with Applications to Text Classification[J]. Journal of Machine Learning Research, 2002, 2(1): 999-1006.

    [12]張潔琳. 試論貝葉斯網(wǎng)絡在用戶信用評估中的應用[J]. 軟件, 2018, 39(12): 194-197.

    [13]Manne S, Kotha S K, Hyderabad O. A Query based Text Categorization using K-Nearest Neighbor Approach[J]. International Journal of Computer Applications, 2013, 32(7): 16-21.

    [14]李曉燃. 基于深度學習的傾斜車牌矯正識別[J]. 軟件, 2018, 39(10): 215-219.

    [15]王子牛, 吳建華, 高建瓴, 等. 基于深度神經(jīng)網(wǎng)絡和 LSTM 的文本情感分析[J]. 軟件, 2018, 39(12): 19-22.

    [16]Yang G, Lin Z Y, Chang Y X, et al. Comparative analysis on feature selection based Bayesian text classification[C]// International Conference on Computer Science & Network Technology. IEEE, 2013.

    [17]吳文俊, 殷恒輝, 陳麟. 基于 AdaBoost 算法的人臉檢測系統(tǒng)設計[J]. 軟件, 2018, 39(10): 145-149.

    [18]楊麗麗, 張大衛(wèi), 羅君. 基于SVM和AdaBoost的棉葉螨危害等級識別[J]. 農(nóng)業(yè)機械學報, 2019. 50(2): 14-20.

    [19]胡祝華, 張逸然, 趙瑤池, 等. 權(quán)重約束AdaBoost魚眼識別及改進Hough圓變換瞳孔智能測量[J]. 農(nóng)業(yè)工程學報, 2017, 33(23): 226-232.

    [20]顧玉萍, 程龍生. 基于MTS-AdaBoost的不平衡數(shù)據(jù)分類研究[J]. 計算機應用研究, 2018, 35(02): 346-348+353.

    [21]張永軍. 一種改進的高效貝葉斯短信文本分類器[J], 南京師范大學學報(工程技術(shù)版), 2014, 14(3):

    [22]林江豪. 一種基于樸素貝葉斯的微博情感分類[J], 計算機工程與科學, 2012, 34(9):

    [23]張潔琳. 試論貝葉斯網(wǎng)絡在用戶信用評估中的應用[J]. 軟件, 2018, 39(12): 194-197.

    [24]徐凱, 陳平華, 劉雙印. 基于AdaBoost-Bayes算法的中文文本分類系統(tǒng)[J]. 微電子學與計算機, 2016, 33(6): 63-67.

    [25]Iwakura T, Saitou T, Okamoto S. An AdaBoost for Efficient Use of Confidences of Weak Hypotheses on Text Categorization[C]// Pacific Rim International Conference on Artificial Intelligence. Springer International Publishing, 2014.

    猜你喜歡
    貝葉斯分類
    分類算一算
    垃圾分類的困惑你有嗎
    基于貝葉斯解釋回應被告人講述的故事
    分類討論求坐標
    數(shù)據(jù)分析中的分類討論
    貝葉斯公式及其應用
    基于貝葉斯估計的軌道占用識別方法
    基于互信息的貝葉斯網(wǎng)絡結(jié)構(gòu)學習
    一種基于貝葉斯壓縮感知的說話人識別方法
    基因組育種值估計的貝葉斯方法
    亚洲经典国产精华液单| 少妇人妻 视频| 国产日韩欧美在线精品| 黄色视频在线播放观看不卡| 亚洲欧美成人综合另类久久久| 日韩av免费高清视频| 黄色怎么调成土黄色| 亚洲欧美清纯卡通| 老司机影院成人| 狂野欧美白嫩少妇大欣赏| 婷婷色av中文字幕| 高清在线视频一区二区三区| 联通29元200g的流量卡| 人妻一区二区av| 波野结衣二区三区在线| 久久久久久九九精品二区国产| 欧美精品人与动牲交sv欧美| 国产午夜精品久久久久久一区二区三区| 黄片无遮挡物在线观看| 精品久久久久久电影网| 国产黄a三级三级三级人| 又粗又硬又长又爽又黄的视频| 噜噜噜噜噜久久久久久91| 狂野欧美激情性xxxx在线观看| av国产精品久久久久影院| 亚洲国产最新在线播放| 热99国产精品久久久久久7| 99热全是精品| 尤物成人国产欧美一区二区三区| 亚洲丝袜综合中文字幕| 久久精品国产亚洲av涩爱| 国产黄片美女视频| 插逼视频在线观看| 亚洲色图av天堂| 人妻制服诱惑在线中文字幕| 久久久精品免费免费高清| 国产一区二区三区综合在线观看 | 狂野欧美激情性bbbbbb| 晚上一个人看的免费电影| 在线观看人妻少妇| 日韩成人伦理影院| 色网站视频免费| freevideosex欧美| 国产精品av视频在线免费观看| 一级片'在线观看视频| 欧美日韩视频高清一区二区三区二| av在线天堂中文字幕| 麻豆成人午夜福利视频| 亚洲美女搞黄在线观看| 尾随美女入室| 三级国产精品欧美在线观看| 汤姆久久久久久久影院中文字幕| 少妇人妻 视频| 欧美日韩视频高清一区二区三区二| 激情五月婷婷亚洲| 深爱激情五月婷婷| av在线播放精品| 春色校园在线视频观看| 亚洲精品第二区| 蜜桃久久精品国产亚洲av| 午夜免费观看性视频| 国产成人freesex在线| 男的添女的下面高潮视频| 日韩中字成人| 大片电影免费在线观看免费| 嫩草影院新地址| 亚洲最大成人手机在线| 91精品国产九色| 欧美潮喷喷水| 女人久久www免费人成看片| 边亲边吃奶的免费视频| 黄片wwwwww| 一级毛片电影观看| 日韩欧美精品免费久久| 香蕉精品网在线| 国产成人一区二区在线| 日日啪夜夜撸| 亚洲自偷自拍三级| 久久综合国产亚洲精品| 国产91av在线免费观看| 中国美白少妇内射xxxbb| 久久久久久九九精品二区国产| 汤姆久久久久久久影院中文字幕| 精品国产露脸久久av麻豆| 中文资源天堂在线| 国产成人午夜福利电影在线观看| 欧美最新免费一区二区三区| 亚洲av日韩在线播放| 视频区图区小说| 中国三级夫妇交换| 色吧在线观看| 久久人人爽av亚洲精品天堂 | 国产亚洲av嫩草精品影院| 欧美丝袜亚洲另类| 在线观看一区二区三区激情| 国产 一区 欧美 日韩| 精品亚洲乱码少妇综合久久| 日韩成人伦理影院| 两个人的视频大全免费| eeuss影院久久| 亚洲最大成人av| 黄色视频在线播放观看不卡| 熟女av电影| 国产精品无大码| 一二三四中文在线观看免费高清| 在线观看人妻少妇| 免费看a级黄色片| 一级二级三级毛片免费看| 国产乱来视频区| 亚洲精品一二三| 国产一区二区三区av在线| 色播亚洲综合网| 伊人久久国产一区二区| 91午夜精品亚洲一区二区三区| 国产亚洲最大av| 久久精品久久久久久久性| 人人妻人人爽人人添夜夜欢视频 | 黄色一级大片看看| av又黄又爽大尺度在线免费看| 99久国产av精品国产电影| 国产淫语在线视频| 国产午夜精品久久久久久一区二区三区| 99九九线精品视频在线观看视频| 直男gayav资源| 日本免费在线观看一区| 久久人人爽人人爽人人片va| 国产精品一区www在线观看| 免费看不卡的av| 国产精品无大码| 欧美一区二区亚洲| 国产大屁股一区二区在线视频| 亚洲av日韩在线播放| 噜噜噜噜噜久久久久久91| 如何舔出高潮| 在线看a的网站| 18禁裸乳无遮挡动漫免费视频 | 日产精品乱码卡一卡2卡三| 黄色怎么调成土黄色| 亚洲av在线观看美女高潮| 免费观看在线日韩| 深爱激情五月婷婷| 国产 一区 欧美 日韩| 天堂中文最新版在线下载 | 国产高清三级在线| 日韩一本色道免费dvd| 免费大片18禁| 国产精品麻豆人妻色哟哟久久| 亚洲精品乱码久久久久久按摩| 深爱激情五月婷婷| 国产精品麻豆人妻色哟哟久久| 亚洲激情五月婷婷啪啪| 欧美激情在线99| 老师上课跳d突然被开到最大视频| 亚洲第一区二区三区不卡| 高清av免费在线| 国产精品国产三级国产专区5o| 天天一区二区日本电影三级| 啦啦啦在线观看免费高清www| 亚洲欧美日韩另类电影网站 | 成人毛片60女人毛片免费| 欧美少妇被猛烈插入视频| 香蕉精品网在线| 午夜福利在线观看免费完整高清在| 亚洲精品国产色婷婷电影| 国产精品久久久久久久久免| 1000部很黄的大片| 中国国产av一级| 亚洲久久久久久中文字幕| 国产精品一区二区性色av| 国产精品女同一区二区软件| 99热这里只有是精品50| av国产免费在线观看| 性色avwww在线观看| 久久这里有精品视频免费| 亚洲精品日韩av片在线观看| 一本一本综合久久| 久久久久国产网址| 国产一区二区亚洲精品在线观看| 免费看日本二区| 免费观看av网站的网址| 欧美日韩视频高清一区二区三区二| 国产日韩欧美亚洲二区| 深夜a级毛片| 最后的刺客免费高清国语| 小蜜桃在线观看免费完整版高清| 亚洲精品成人久久久久久| 久久久久九九精品影院| 国产精品国产av在线观看| 99热国产这里只有精品6| 国内精品宾馆在线| 国产欧美亚洲国产| 国产亚洲最大av| 国产久久久一区二区三区| 久久久久久九九精品二区国产| 一区二区三区四区激情视频| 国产一区有黄有色的免费视频| 午夜日本视频在线| 午夜老司机福利剧场| 亚洲人成网站在线观看播放| 国产精品一及| 蜜桃亚洲精品一区二区三区| 国内少妇人妻偷人精品xxx网站| 黄色怎么调成土黄色| 国产成人精品一,二区| 精品人妻视频免费看| 日韩免费高清中文字幕av| 午夜免费男女啪啪视频观看| 色吧在线观看| 女人被狂操c到高潮| 国产老妇女一区| 亚洲内射少妇av| 国产亚洲精品久久久com| 欧美一级a爱片免费观看看| 欧美亚洲 丝袜 人妻 在线| 激情五月婷婷亚洲| 久久精品国产鲁丝片午夜精品| 天天躁夜夜躁狠狠久久av| 69av精品久久久久久| 久久这里有精品视频免费| 亚洲欧洲国产日韩| 亚洲国产色片| 中文字幕亚洲精品专区| 亚洲av中文字字幕乱码综合| 欧美最新免费一区二区三区| 免费观看a级毛片全部| 国产亚洲av嫩草精品影院| 十八禁网站网址无遮挡 | 80岁老熟妇乱子伦牲交| 久久久久久久久久成人| 免费观看a级毛片全部| 欧美激情在线99| av线在线观看网站| 欧美最新免费一区二区三区| 国产精品一及| 男人和女人高潮做爰伦理| 男插女下体视频免费在线播放| 在线亚洲精品国产二区图片欧美 | 免费av毛片视频| 日韩欧美精品免费久久| 国产精品麻豆人妻色哟哟久久| 日本黄大片高清| 久久人人爽人人爽人人片va| 99热6这里只有精品| 成人欧美大片| 国产免费福利视频在线观看| 日韩三级伦理在线观看| 国产人妻一区二区三区在| 免费人成在线观看视频色| h日本视频在线播放| 99热国产这里只有精品6| 亚洲高清免费不卡视频| 欧美成人精品欧美一级黄| 久久精品国产亚洲av涩爱| 欧美日韩在线观看h| 欧美另类一区| 最近的中文字幕免费完整| av专区在线播放| 天天躁夜夜躁狠狠久久av| 精品一区在线观看国产| 在线免费观看不下载黄p国产| 亚洲在线观看片| 人妻夜夜爽99麻豆av| 99久久中文字幕三级久久日本| 色婷婷久久久亚洲欧美| 另类亚洲欧美激情| 2021天堂中文幕一二区在线观| 欧美xxxx黑人xx丫x性爽| 亚洲人成网站在线观看播放| 国产男女内射视频| 国产精品麻豆人妻色哟哟久久| 看非洲黑人一级黄片| 久久精品夜色国产| 成人毛片60女人毛片免费| 亚洲aⅴ乱码一区二区在线播放| 蜜桃久久精品国产亚洲av| 成年版毛片免费区| 日韩欧美精品v在线| 一级毛片我不卡| 午夜精品一区二区三区免费看| 国产免费一级a男人的天堂| 2022亚洲国产成人精品| 毛片一级片免费看久久久久| 人妻制服诱惑在线中文字幕| 午夜免费鲁丝| 欧美一级a爱片免费观看看| 亚洲怡红院男人天堂| 亚洲精品中文字幕在线视频 | 免费人成在线观看视频色| 高清日韩中文字幕在线| 精品亚洲乱码少妇综合久久| 国产精品av视频在线免费观看| 成人鲁丝片一二三区免费| 欧美精品一区二区大全| 99久国产av精品国产电影| 黄色日韩在线| 天天躁日日操中文字幕| www.av在线官网国产| 亚洲最大成人av| 久久精品熟女亚洲av麻豆精品| www.色视频.com| 国产一级毛片在线| 街头女战士在线观看网站| 国产成人aa在线观看| 国产有黄有色有爽视频| 久久久久九九精品影院| 高清午夜精品一区二区三区| 一区二区三区乱码不卡18| 免费大片黄手机在线观看| 国产视频首页在线观看| 成人午夜精彩视频在线观看| 国国产精品蜜臀av免费| 一级毛片aaaaaa免费看小| 亚洲av免费在线观看| 国产乱人偷精品视频| 最新中文字幕久久久久| 久久久久久久大尺度免费视频| 亚洲第一区二区三区不卡| 一本色道久久久久久精品综合| 欧美日韩视频精品一区| 春色校园在线视频观看| 中国美白少妇内射xxxbb| 亚洲av.av天堂| 99热6这里只有精品| 国产熟女欧美一区二区| 最近中文字幕高清免费大全6| 欧美97在线视频| 久久99蜜桃精品久久| 久久午夜福利片| 中国美白少妇内射xxxbb| 中文精品一卡2卡3卡4更新| 青春草国产在线视频| 久久女婷五月综合色啪小说 | 能在线免费看毛片的网站| a级一级毛片免费在线观看| 成人国产麻豆网| 狂野欧美激情性bbbbbb| 看十八女毛片水多多多| 国产亚洲91精品色在线| 韩国高清视频一区二区三区| 色5月婷婷丁香| 免费观看a级毛片全部| 国产在视频线精品| 国产成人午夜福利电影在线观看| av播播在线观看一区| av卡一久久| 内地一区二区视频在线| 寂寞人妻少妇视频99o| 精品午夜福利在线看| 婷婷色av中文字幕| 国产熟女欧美一区二区| 欧美另类一区| 色视频www国产| 99视频精品全部免费 在线| 麻豆国产97在线/欧美| 99热这里只有精品一区| 最近中文字幕2019免费版| 国产精品爽爽va在线观看网站| 在线观看一区二区三区激情| 一边亲一边摸免费视频| av专区在线播放| 色哟哟·www| 久久这里有精品视频免费| 有码 亚洲区| av专区在线播放| 久久久久久国产a免费观看| 精品一区二区三卡| 国产成人91sexporn| 韩国高清视频一区二区三区| 国产伦在线观看视频一区| 又黄又爽又刺激的免费视频.| 日韩一本色道免费dvd| 亚洲,一卡二卡三卡| 中文字幕久久专区| 亚洲精品成人久久久久久| 毛片女人毛片| kizo精华| 少妇丰满av| 好男人在线观看高清免费视频| 高清视频免费观看一区二区| 亚洲国产av新网站| 亚洲婷婷狠狠爱综合网| 另类亚洲欧美激情| 国产真实伦视频高清在线观看| 亚洲精品国产av成人精品| 黄色欧美视频在线观看| 国产精品无大码| 精品久久久精品久久久| 麻豆成人av视频| 国产av不卡久久| 精品99又大又爽又粗少妇毛片| 91久久精品电影网| 一区二区三区乱码不卡18| 九草在线视频观看| 亚洲,一卡二卡三卡| 少妇高潮的动态图| 一区二区三区免费毛片| 国产免费福利视频在线观看| 狂野欧美白嫩少妇大欣赏| 亚洲精品久久久久久婷婷小说| 建设人人有责人人尽责人人享有的 | 成年免费大片在线观看| 免费观看a级毛片全部| 午夜精品国产一区二区电影 | 日本黄色片子视频| 亚洲成人中文字幕在线播放| 亚洲国产精品国产精品| 国产男人的电影天堂91| 秋霞伦理黄片| 在线观看美女被高潮喷水网站| 国产一区二区三区综合在线观看 | av在线app专区| 黑人高潮一二区| 久久精品熟女亚洲av麻豆精品| 一级毛片电影观看| 一个人看视频在线观看www免费| 欧美zozozo另类| 久久久久久久久久人人人人人人| 禁无遮挡网站| 亚洲精品乱码久久久久久按摩| 国产精品一二三区在线看| 亚洲天堂av无毛| 中文字幕亚洲精品专区| 最近最新中文字幕免费大全7| 又黄又爽又刺激的免费视频.| 午夜激情久久久久久久| 国产精品不卡视频一区二区| 国产成人免费无遮挡视频| 成人亚洲精品一区在线观看 | 99热6这里只有精品| 亚洲成人精品中文字幕电影| 99久久人妻综合| 我的女老师完整版在线观看| 日韩视频在线欧美| 成人漫画全彩无遮挡| 亚洲在久久综合| 性插视频无遮挡在线免费观看| 欧美日韩综合久久久久久| 美女cb高潮喷水在线观看| 91久久精品电影网| 亚洲成人一二三区av| 亚洲欧美成人综合另类久久久| 精品人妻一区二区三区麻豆| 午夜激情久久久久久久| 91狼人影院| 亚洲,一卡二卡三卡| 99视频精品全部免费 在线| 五月天丁香电影| freevideosex欧美| 亚洲人成网站在线播| 菩萨蛮人人尽说江南好唐韦庄| 亚洲在线观看片| 激情五月婷婷亚洲| 国产毛片a区久久久久| 一本久久精品| 亚洲精品日韩在线中文字幕| 中文乱码字字幕精品一区二区三区| 在现免费观看毛片| 国产黄色免费在线视频| 免费黄网站久久成人精品| 国产精品一及| 国产成人午夜福利电影在线观看| 亚洲,一卡二卡三卡| 国产熟女欧美一区二区| 免费黄色在线免费观看| 又大又黄又爽视频免费| 国产色婷婷99| av在线天堂中文字幕| 久久久久久久久久久免费av| 成年人午夜在线观看视频| 免费看a级黄色片| 欧美高清性xxxxhd video| 国产精品国产三级国产av玫瑰| 成年女人在线观看亚洲视频 | 免费看不卡的av| 欧美zozozo另类| 免费观看av网站的网址| 久久99热6这里只有精品| 草草在线视频免费看| 联通29元200g的流量卡| 亚洲精品久久午夜乱码| 日本-黄色视频高清免费观看| 秋霞在线观看毛片| 久久久久精品久久久久真实原创| 中文字幕久久专区| 久久久久久久精品精品| 国产有黄有色有爽视频| 久久精品国产亚洲网站| 国内揄拍国产精品人妻在线| 一级毛片aaaaaa免费看小| 日韩成人av中文字幕在线观看| 欧美日韩综合久久久久久| 国产成人aa在线观看| 3wmmmm亚洲av在线观看| 一级爰片在线观看| 成人漫画全彩无遮挡| 欧美最新免费一区二区三区| 狂野欧美白嫩少妇大欣赏| 精品国产乱码久久久久久小说| 国产色爽女视频免费观看| 久久ye,这里只有精品| 精品酒店卫生间| 在线 av 中文字幕| 日本午夜av视频| 老女人水多毛片| 青春草亚洲视频在线观看| 波野结衣二区三区在线| 久久久久国产精品人妻一区二区| 久久精品国产自在天天线| 午夜精品一区二区三区免费看| 在线观看美女被高潮喷水网站| 99视频精品全部免费 在线| 99热6这里只有精品| 国产伦精品一区二区三区视频9| 中文字幕久久专区| 亚洲,一卡二卡三卡| 国产免费一级a男人的天堂| 男人狂女人下面高潮的视频| 亚洲精品乱久久久久久| 人妻一区二区av| 亚洲精品国产av成人精品| 欧美亚洲 丝袜 人妻 在线| 久久精品国产鲁丝片午夜精品| 一级毛片电影观看| 网址你懂的国产日韩在线| 成年人午夜在线观看视频| 精华霜和精华液先用哪个| 国产精品麻豆人妻色哟哟久久| 偷拍熟女少妇极品色| 你懂的网址亚洲精品在线观看| 久久99热6这里只有精品| 成人国产av品久久久| 成人特级av手机在线观看| 欧美激情久久久久久爽电影| 中文乱码字字幕精品一区二区三区| 97人妻精品一区二区三区麻豆| 欧美一级a爱片免费观看看| 亚洲精品久久午夜乱码| 身体一侧抽搐| 特大巨黑吊av在线直播| 啦啦啦在线观看免费高清www| 亚洲欧美日韩东京热| 久久久久网色| 欧美bdsm另类| 日韩欧美一区视频在线观看 | 观看美女的网站| 夜夜看夜夜爽夜夜摸| 成人鲁丝片一二三区免费| 精品一区二区免费观看| 国产一区有黄有色的免费视频| 2018国产大陆天天弄谢| 观看免费一级毛片| 日韩,欧美,国产一区二区三区| 校园人妻丝袜中文字幕| 伊人久久精品亚洲午夜| 国产免费视频播放在线视频| 亚洲成色77777| 美女cb高潮喷水在线观看| 寂寞人妻少妇视频99o| 乱系列少妇在线播放| av在线观看视频网站免费| 久久精品久久久久久久性| eeuss影院久久| av在线app专区| 一边亲一边摸免费视频| 国产成人午夜福利电影在线观看| 天美传媒精品一区二区| 大香蕉久久网| 欧美成人一区二区免费高清观看| 三级男女做爰猛烈吃奶摸视频| 久久久久九九精品影院| 久久久久久九九精品二区国产| 国产视频内射| 最新中文字幕久久久久| 男人添女人高潮全过程视频| 亚洲欧洲日产国产| 人人妻人人爽人人添夜夜欢视频 | 午夜视频国产福利| 久久99热这里只频精品6学生| av福利片在线观看| 一本一本综合久久| 国产精品国产三级专区第一集| 国产视频内射| xxx大片免费视频| 五月开心婷婷网| 狂野欧美白嫩少妇大欣赏| 亚洲av男天堂| 麻豆成人av视频| 久久久久精品性色| 国产精品秋霞免费鲁丝片| 亚洲国产精品999| 国产淫片久久久久久久久| 国产伦精品一区二区三区视频9| 国产伦理片在线播放av一区| 在线 av 中文字幕| 成人国产麻豆网| av在线亚洲专区| 亚洲欧美中文字幕日韩二区| 少妇人妻久久综合中文| 中国美白少妇内射xxxbb| 久久久色成人| 男女下面进入的视频免费午夜| 在线播放无遮挡| 国产老妇伦熟女老妇高清| 日韩制服骚丝袜av| 亚洲在久久综合| 狂野欧美白嫩少妇大欣赏| 日日撸夜夜添| 黄色配什么色好看| 午夜激情福利司机影院| 五月玫瑰六月丁香| .国产精品久久| 免费看日本二区| 综合色av麻豆| 国产精品一区二区性色av| 亚洲国产精品国产精品|