• <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
    色综合婷婷激情| 久久精品国产自在天天线| 日韩欧美精品v在线| 日韩欧美三级三区| 国模一区二区三区四区视频| 久久精品国产亚洲av天美| 久久久久久久久久成人| 午夜福利在线在线| 嫩草影院精品99| 久久久国产成人免费| 欧美国产日韩亚洲一区| 黄色一级大片看看| 搡老岳熟女国产| 亚洲性夜色夜夜综合| 精品一区二区三区视频在线| 欧美最黄视频在线播放免费| av在线蜜桃| 国产欧美日韩一区二区三| 欧美zozozo另类| 欧美黄色淫秽网站| 亚洲va日本ⅴa欧美va伊人久久| 亚洲av成人不卡在线观看播放网| 久久久久久大精品| 国内精品久久久久久久电影| 日日摸夜夜添夜夜添av毛片 | 日韩人妻高清精品专区| 国产精品日韩av在线免费观看| 好男人在线观看高清免费视频| 一本精品99久久精品77| 夜夜看夜夜爽夜夜摸| 婷婷六月久久综合丁香| 性色avwww在线观看| 日本三级黄在线观看| 人妻制服诱惑在线中文字幕| 在线观看一区二区三区| 国模一区二区三区四区视频| 淫妇啪啪啪对白视频| 亚洲经典国产精华液单 | 丰满人妻熟妇乱又伦精品不卡| 日韩精品中文字幕看吧| 久久婷婷人人爽人人干人人爱| 两个人视频免费观看高清| 首页视频小说图片口味搜索| 婷婷亚洲欧美| 日韩欧美一区二区三区在线观看| 美女cb高潮喷水在线观看| av黄色大香蕉| 国产午夜福利久久久久久| 97超视频在线观看视频| 在现免费观看毛片| 麻豆一二三区av精品| 一进一出好大好爽视频| 亚洲五月婷婷丁香| 成人一区二区视频在线观看| 日韩免费av在线播放| 亚洲国产欧美人成| 国产69精品久久久久777片| 在线播放无遮挡| 国产精品久久久久久亚洲av鲁大| 国产黄色小视频在线观看| xxxwww97欧美| 一个人看视频在线观看www免费| 一级黄色大片毛片| 熟女电影av网| 每晚都被弄得嗷嗷叫到高潮| 日韩精品青青久久久久久| 久久久久亚洲av毛片大全| 成人三级黄色视频| 搡女人真爽免费视频火全软件 | 国产成人啪精品午夜网站| 一本精品99久久精品77| 成人精品一区二区免费| 黄色一级大片看看| 亚洲 欧美 日韩 在线 免费| 此物有八面人人有两片| 亚洲综合色惰| 日本免费a在线| 精品久久久久久久末码| 日本三级黄在线观看| 日本成人三级电影网站| 少妇的逼好多水| 亚洲成人久久爱视频| 人人妻人人看人人澡| 亚洲av成人不卡在线观看播放网| 91久久精品国产一区二区成人| 亚洲久久久久久中文字幕| 欧美不卡视频在线免费观看| 久久精品夜夜夜夜夜久久蜜豆| 91久久精品国产一区二区成人| 色尼玛亚洲综合影院| 欧美日韩综合久久久久久 | 一个人免费在线观看的高清视频| 久久99热6这里只有精品| 两性午夜刺激爽爽歪歪视频在线观看| 久久99热这里只有精品18| 国产精品久久视频播放| 中文在线观看免费www的网站| 全区人妻精品视频| 天堂√8在线中文| 国产人妻一区二区三区在| 成人精品一区二区免费| 精品人妻视频免费看| 久久6这里有精品| 日韩欧美在线二视频| .国产精品久久| 91麻豆精品激情在线观看国产| 亚洲欧美清纯卡通| 中文字幕高清在线视频| 热99在线观看视频| 一本一本综合久久| 国产伦在线观看视频一区| 一级a爱片免费观看的视频| 一个人观看的视频www高清免费观看| 精品久久久久久成人av| 99久久久亚洲精品蜜臀av| 成年女人永久免费观看视频| 一级av片app| 在线看三级毛片| 日本熟妇午夜| 男女做爰动态图高潮gif福利片| 99riav亚洲国产免费| 久久久久久久亚洲中文字幕 | 老司机午夜福利在线观看视频| 黄色配什么色好看| 精品午夜福利在线看| 国产精品美女特级片免费视频播放器| 亚洲欧美日韩东京热| 日本 av在线| 最后的刺客免费高清国语| 亚洲人成网站高清观看| 欧美又色又爽又黄视频| 久久午夜福利片| 国产在线精品亚洲第一网站| 午夜福利18| 最近中文字幕高清免费大全6 | 日日夜夜操网爽| 99国产极品粉嫩在线观看| 制服丝袜大香蕉在线| 校园春色视频在线观看| 亚洲第一区二区三区不卡| 亚洲国产欧美人成| 日本在线视频免费播放| 国内少妇人妻偷人精品xxx网站| 欧美性猛交╳xxx乱大交人| 蜜桃亚洲精品一区二区三区| 动漫黄色视频在线观看| 久久精品综合一区二区三区| 亚洲不卡免费看| 亚洲第一区二区三区不卡| 色综合站精品国产| 欧美另类亚洲清纯唯美| 色哟哟哟哟哟哟| 美女xxoo啪啪120秒动态图 | 国产精品精品国产色婷婷| 久久草成人影院| 看十八女毛片水多多多| 久久精品综合一区二区三区| 尤物成人国产欧美一区二区三区| 久久久久亚洲av毛片大全| 69av精品久久久久久| 乱码一卡2卡4卡精品| 好男人电影高清在线观看| 一个人免费在线观看电影| 亚洲精品乱码久久久v下载方式| 欧美三级亚洲精品| 国产黄色小视频在线观看| 日韩欧美国产在线观看| 亚洲乱码一区二区免费版| 久久久久久久精品吃奶| 看免费av毛片| 黄色女人牲交| xxxwww97欧美| av天堂中文字幕网| 亚洲av日韩精品久久久久久密| 亚洲精品456在线播放app | 精品午夜福利在线看| 久久99热6这里只有精品| 亚洲精品一卡2卡三卡4卡5卡| 国产精品一区二区三区四区久久| 婷婷丁香在线五月| 国产精品久久久久久久电影| 日本免费a在线| 老女人水多毛片| 午夜免费成人在线视频| 国产精华一区二区三区| 国产精品人妻久久久久久| 午夜福利欧美成人| 国产成人av教育| 人妻制服诱惑在线中文字幕| 欧美日韩中文字幕国产精品一区二区三区| 在线播放国产精品三级| 村上凉子中文字幕在线| 日韩亚洲欧美综合| 成年版毛片免费区| 精品久久国产蜜桃| 观看免费一级毛片| 成人三级黄色视频| 日韩 亚洲 欧美在线| 久久精品国产亚洲av涩爱 | 少妇高潮的动态图| 身体一侧抽搐| 搡女人真爽免费视频火全软件 | 亚洲无线观看免费| av天堂在线播放| 欧美一区二区国产精品久久精品| 熟女人妻精品中文字幕| 怎么达到女性高潮| 每晚都被弄得嗷嗷叫到高潮| 国产国拍精品亚洲av在线观看| 男人和女人高潮做爰伦理| 国产精品一区二区免费欧美| 每晚都被弄得嗷嗷叫到高潮| 亚洲aⅴ乱码一区二区在线播放| 国产精品电影一区二区三区| 日韩欧美一区二区三区在线观看| 欧美中文日本在线观看视频| 国产爱豆传媒在线观看| 久久久久国内视频| 少妇高潮的动态图| 丰满乱子伦码专区| 人妻丰满熟妇av一区二区三区| 亚洲国产精品sss在线观看| 久久午夜亚洲精品久久| 免费无遮挡裸体视频| 欧美日韩中文字幕国产精品一区二区三区| 久久久久久久亚洲中文字幕 | 日本一本二区三区精品| 久久亚洲精品不卡| 如何舔出高潮| 免费看a级黄色片| 高清毛片免费观看视频网站| 人妻制服诱惑在线中文字幕| 欧美性猛交╳xxx乱大交人| 国产 一区 欧美 日韩| 免费看a级黄色片| 久久九九热精品免费| 757午夜福利合集在线观看| 国产国拍精品亚洲av在线观看| 欧美极品一区二区三区四区| 国产男靠女视频免费网站| www.www免费av| 国产熟女xx| 久久久久久久久久黄片| 久久久久精品国产欧美久久久| 欧美又色又爽又黄视频| 久久久国产成人免费| h日本视频在线播放| 国产精品自产拍在线观看55亚洲| 中文字幕久久专区| 国产主播在线观看一区二区| 蜜桃亚洲精品一区二区三区| 日本与韩国留学比较| 青草久久国产| 欧美最新免费一区二区三区 | 真人做人爱边吃奶动态| 88av欧美| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 禁无遮挡网站| 国产精品国产高清国产av| a级毛片免费高清观看在线播放| 国产av一区在线观看免费| 亚洲自拍偷在线| 简卡轻食公司| 深夜精品福利| av黄色大香蕉| 国产伦精品一区二区三区视频9| 中文字幕精品亚洲无线码一区| 女同久久另类99精品国产91| 久久久久久久精品吃奶| 特级一级黄色大片| 欧美性猛交╳xxx乱大交人| 怎么达到女性高潮| 日本精品一区二区三区蜜桃| 99久久成人亚洲精品观看| 欧美日本亚洲视频在线播放| 国产精品嫩草影院av在线观看 | 免费无遮挡裸体视频| 欧美三级亚洲精品| 免费电影在线观看免费观看| 美女cb高潮喷水在线观看| 亚洲,欧美,日韩| 亚洲18禁久久av| 两人在一起打扑克的视频| 久久久精品大字幕| 亚洲电影在线观看av| 丰满人妻一区二区三区视频av| 在现免费观看毛片| 在线十欧美十亚洲十日本专区| 床上黄色一级片| 亚洲精品乱码久久久v下载方式| 此物有八面人人有两片| 男女视频在线观看网站免费| av在线老鸭窝| 99国产极品粉嫩在线观看| 高清毛片免费观看视频网站| 久久久久久久久久成人| 97超视频在线观看视频| 一级av片app| 国产爱豆传媒在线观看| 亚洲国产精品成人综合色| 亚洲avbb在线观看| 亚洲中文字幕日韩| 九九热线精品视视频播放| 老司机福利观看| 成人国产综合亚洲| 欧美性猛交黑人性爽| 日韩欧美在线二视频| 一进一出抽搐gif免费好疼| 中亚洲国语对白在线视频| 国产精品野战在线观看| 他把我摸到了高潮在线观看| 一边摸一边抽搐一进一小说| 最近最新中文字幕大全电影3| 亚洲一区二区三区色噜噜| 深爱激情五月婷婷| 国产在视频线在精品| av在线观看视频网站免费| 男插女下体视频免费在线播放| 高潮久久久久久久久久久不卡| 久久香蕉精品热| 深爱激情五月婷婷| 中文在线观看免费www的网站| 婷婷精品国产亚洲av在线| av视频在线观看入口| 十八禁国产超污无遮挡网站| 精品一区二区三区人妻视频| 九九久久精品国产亚洲av麻豆| 能在线免费观看的黄片| 国产精品98久久久久久宅男小说| 一二三四社区在线视频社区8| 国产真实乱freesex| 成人国产综合亚洲| 色综合站精品国产| 蜜桃亚洲精品一区二区三区| 日韩中文字幕欧美一区二区| 欧美日韩乱码在线| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 亚洲自拍偷在线| 1024手机看黄色片| 亚洲色图av天堂| eeuss影院久久| 免费人成视频x8x8入口观看| 一本精品99久久精品77| 亚洲精品在线观看二区| 禁无遮挡网站| 91九色精品人成在线观看| 91av网一区二区| 熟女人妻精品中文字幕| 国产精品98久久久久久宅男小说| 亚洲国产欧洲综合997久久,| 成人亚洲精品av一区二区| 亚洲中文字幕日韩| 国产一区二区激情短视频| 桃色一区二区三区在线观看| 国产乱人伦免费视频| 有码 亚洲区| 成年女人毛片免费观看观看9| 不卡一级毛片| 91在线精品国自产拍蜜月| 亚洲在线观看片| 久久国产乱子伦精品免费另类| www.www免费av| 亚洲一区二区三区不卡视频| 久久精品国产清高在天天线| 成年免费大片在线观看| 变态另类成人亚洲欧美熟女| 噜噜噜噜噜久久久久久91| 亚洲天堂国产精品一区在线| 人人妻人人澡欧美一区二区| 俺也久久电影网| 变态另类成人亚洲欧美熟女| 禁无遮挡网站| 一进一出抽搐gif免费好疼| 国产人妻一区二区三区在| 精品一区二区三区视频在线观看免费| 免费大片18禁| 国产欧美日韩一区二区三| 我要看日韩黄色一级片| 精品99又大又爽又粗少妇毛片 | 伊人久久精品亚洲午夜| 久久久久久久久久黄片| 老司机午夜福利在线观看视频| 国产高潮美女av| 两个人视频免费观看高清| av专区在线播放| 国产主播在线观看一区二区| 国产视频内射| 一区二区三区激情视频| 国产高清有码在线观看视频| 免费在线观看日本一区| 婷婷色综合大香蕉| 麻豆成人午夜福利视频| 国产精品一区二区三区四区免费观看 | 欧美另类亚洲清纯唯美| 精品一区二区免费观看| 男女那种视频在线观看| 国产三级黄色录像| 欧美日韩国产亚洲二区| 欧美成人性av电影在线观看| 三级男女做爰猛烈吃奶摸视频| 国产成人影院久久av| 国产极品精品免费视频能看的| 麻豆国产av国片精品| 亚洲成人久久性| 三级毛片av免费| 免费看a级黄色片| 国产精品伦人一区二区| 最新中文字幕久久久久| 又爽又黄a免费视频| 久久精品国产清高在天天线| 欧美最黄视频在线播放免费| 黄色视频,在线免费观看| 国产探花极品一区二区| 欧美成人a在线观看| 国产精品亚洲一级av第二区| 别揉我奶头~嗯~啊~动态视频| 在线观看av片永久免费下载| 又爽又黄无遮挡网站| 男人舔女人下体高潮全视频| 久久久久久久久久成人| 免费搜索国产男女视频| 中文亚洲av片在线观看爽| 毛片女人毛片| 此物有八面人人有两片| 如何舔出高潮| 国产私拍福利视频在线观看| 日日夜夜操网爽| 我要看日韩黄色一级片| 成人国产综合亚洲| 久久天躁狠狠躁夜夜2o2o| 亚洲精品在线美女| 亚洲人与动物交配视频| 成人特级黄色片久久久久久久| 国产精品乱码一区二三区的特点| 国产黄a三级三级三级人| 国产成人啪精品午夜网站| 色在线成人网| bbb黄色大片| 亚洲国产高清在线一区二区三| 丝袜美腿在线中文| 国产免费男女视频| 丰满乱子伦码专区| 高潮久久久久久久久久久不卡| 欧美午夜高清在线| 日韩欧美在线二视频| 亚洲成人中文字幕在线播放| 免费在线观看成人毛片| 日韩免费av在线播放| 欧美乱妇无乱码| 熟女电影av网| 中亚洲国语对白在线视频| 欧美日韩瑟瑟在线播放| 超碰av人人做人人爽久久| 精品久久久久久久人妻蜜臀av| 极品教师在线免费播放| h日本视频在线播放| 欧美乱妇无乱码| 日韩欧美国产一区二区入口| 精品日产1卡2卡| 亚洲综合色惰| 国产精品电影一区二区三区| 一个人免费在线观看电影| 欧美不卡视频在线免费观看| 日韩亚洲欧美综合| 午夜福利18| 国产精品永久免费网站| 色哟哟·www| 两性午夜刺激爽爽歪歪视频在线观看| 国产成人影院久久av| 久久热精品热| 人妻久久中文字幕网| 亚洲综合色惰| 久久久久久久久中文| 搡老妇女老女人老熟妇| 成人特级黄色片久久久久久久| 国产麻豆成人av免费视频| 亚洲成人中文字幕在线播放| 日本一本二区三区精品| 美女xxoo啪啪120秒动态图 | 欧美日韩乱码在线| 中文亚洲av片在线观看爽| 亚洲人与动物交配视频| 一a级毛片在线观看| 亚洲在线自拍视频| 黄色视频,在线免费观看| 婷婷精品国产亚洲av| 精品欧美国产一区二区三| 午夜免费成人在线视频| 国产精品久久电影中文字幕| www.999成人在线观看| 免费av观看视频| 男女视频在线观看网站免费| ponron亚洲| 亚洲欧美精品综合久久99| 88av欧美| 搞女人的毛片| 一本久久中文字幕| 此物有八面人人有两片| 欧美国产日韩亚洲一区| 丰满乱子伦码专区| 国产精品98久久久久久宅男小说| 亚洲国产色片| 日韩成人在线观看一区二区三区| 又黄又爽又刺激的免费视频.| 久久精品国产亚洲av香蕉五月| 欧美另类亚洲清纯唯美| 日韩欧美 国产精品| 一个人观看的视频www高清免费观看| 内射极品少妇av片p| 一级毛片久久久久久久久女| 欧美高清成人免费视频www| 成年女人永久免费观看视频| 成人精品一区二区免费| 日本 av在线| 亚洲一区高清亚洲精品| 精品人妻偷拍中文字幕| 成人鲁丝片一二三区免费| 亚洲av.av天堂| 成人一区二区视频在线观看| 日日干狠狠操夜夜爽| 亚洲 欧美 日韩 在线 免费| 美女高潮的动态| 亚洲,欧美精品.| 欧美日韩国产亚洲二区| 国产精华一区二区三区| 日韩成人在线观看一区二区三区| av在线老鸭窝| 午夜亚洲福利在线播放| 成人特级黄色片久久久久久久| 99热这里只有是精品在线观看 | 亚洲三级黄色毛片| 日本a在线网址| 日本黄色视频三级网站网址| 久久久国产成人精品二区| 亚洲精品色激情综合| 熟妇人妻久久中文字幕3abv| 久久性视频一级片| 91av网一区二区| 日韩大尺度精品在线看网址| av视频在线观看入口| 一进一出抽搐gif免费好疼| 欧美极品一区二区三区四区| 亚洲国产欧美人成| 欧美最新免费一区二区三区 | 两个人的视频大全免费| 一卡2卡三卡四卡精品乱码亚洲| 国产一区二区在线av高清观看| 亚洲av五月六月丁香网| 亚洲人与动物交配视频| 免费av毛片视频| 国产精品人妻久久久久久| 日韩欧美精品免费久久 | 高清在线国产一区| 欧美性猛交╳xxx乱大交人| 国产精品久久久久久久电影| 国产成人欧美在线观看| 哪里可以看免费的av片| 一个人看的www免费观看视频| 在线免费观看不下载黄p国产 | 日本一二三区视频观看| 成人三级黄色视频| 窝窝影院91人妻| 久久6这里有精品| 日韩人妻高清精品专区| 精品久久久久久久久久久久久| 变态另类丝袜制服| 成人精品一区二区免费| 免费看美女性在线毛片视频| 禁无遮挡网站| av天堂中文字幕网| 国产精华一区二区三区| 免费在线观看影片大全网站| 好男人在线观看高清免费视频| 日本免费一区二区三区高清不卡| 精品无人区乱码1区二区| 搡老岳熟女国产| 亚洲天堂国产精品一区在线| 天堂√8在线中文| 亚洲成av人片在线播放无| 国产高清有码在线观看视频| 又紧又爽又黄一区二区| 久9热在线精品视频| 日本五十路高清| 99热这里只有精品一区| 91麻豆精品激情在线观看国产| 脱女人内裤的视频| or卡值多少钱| 国产精品乱码一区二三区的特点| 久久久久国内视频| 日本免费一区二区三区高清不卡| 女人被狂操c到高潮| 久久精品夜夜夜夜夜久久蜜豆| 又黄又爽又刺激的免费视频.| 琪琪午夜伦伦电影理论片6080| 熟妇人妻久久中文字幕3abv| 性插视频无遮挡在线免费观看| 亚洲电影在线观看av| 国产精品伦人一区二区| 国产一区二区亚洲精品在线观看| 在线观看免费视频日本深夜| 欧美丝袜亚洲另类 | 性色av乱码一区二区三区2| 国产极品精品免费视频能看的| 精品久久久久久成人av| 极品教师在线免费播放| 国产高潮美女av| 日韩欧美国产在线观看| 欧美成人性av电影在线观看| 波多野结衣高清无吗| 国产高清三级在线| 丝袜美腿在线中文| 欧美日本亚洲视频在线播放| 成人欧美大片| 亚洲五月婷婷丁香| 精品国产三级普通话版|