• <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 ?

    基于深度學(xué)習(xí)的情感分類技術(shù)在高校輿情分析中的應(yīng)用研究

    2021-11-09 06:49:51黃萍朱惠娟陳琳琳
    軟件工程 2021年11期
    關(guān)鍵詞:自然語(yǔ)言處理卷積神經(jīng)網(wǎng)絡(luò)

    黃萍 朱惠娟 陳琳琳

    摘? 要:傳統(tǒng)機(jī)器學(xué)習(xí)的自然語(yǔ)言處理系統(tǒng)特別依賴人工手動(dòng)標(biāo)記的特征,極其耗時(shí)且容易出現(xiàn)維度爆炸等難以解決的問題。本文采用基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的深度學(xué)習(xí)技術(shù)來(lái)解決這一問題。通過(guò)收集校園熱點(diǎn)話題進(jìn)行預(yù)處理以及運(yùn)用Word2vec模型生成詞向量后,運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)提取其中的特征并進(jìn)行情感傾向分類。通過(guò)實(shí)驗(yàn)數(shù)據(jù)的比較,基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的情感傾向分類獲得了89.76%的準(zhǔn)確率,較傳統(tǒng)的支持向量機(jī)(SVM)提高了7.3%,獲得更好的分類性能。本文的研究對(duì)高校治理能力和治理體系現(xiàn)代化建設(shè)具有積極作用。

    關(guān)鍵詞:自然語(yǔ)言處理;卷積神經(jīng)網(wǎng)絡(luò);情感傾向分析;輿情分析

    中圖分類號(hào):TP39? ? ?文獻(xiàn)標(biāo)識(shí)碼:A

    Application of Emotion Classification Technology based on Deep

    Learning in University Public Opinion Analysis

    HUANG Ping, ZHU Huijuan, CHEN Linlin

    (Zijin College, Nanjing University of Science and Technology, Nanjing 210000, China)

    huangping984@njust.edu.cn; elainezhj@qq.com; chenlinlin606@njust.edu.cn

    Abstract: Traditional natural language processing systems for machine learning rely heavily on manually marked features, which are extremely time-consuming and prone to difficult problems like dimensional explosions. This paper proposes to use CNN-based (Convolutional Neural Network) deep learning technology to solve this problem. After hot topics on campus are collected for preprocessing and generating word vectors using word2vec model, CNN is used to extract features and classify emotional tendencies. Through experimental comparison, the emotion tendency classification based on CNN has an accuracy of 89.76%, which is 7.3% higher than that of traditional Support Vector Machine (SVM) and has better classification performance. This research plays a positive role in the modernization of university governance ability and governance system.

    Keywords: natural language processing; convolutional neural network; emotion tendency analysis; public opinion

    analysis

    1? ?引言(Introduction)

    隨著信息技術(shù)的迅速發(fā)展和自媒體的普及,網(wǎng)絡(luò)對(duì)大學(xué)生的思維方式、思想觀念、人際交往和學(xué)習(xí)生活產(chǎn)生了深刻影響,各個(gè)高校校園文化的展示不再局限于校園內(nèi)部,各種虛擬網(wǎng)絡(luò)平臺(tái)也成為校園文化交流和展示的平臺(tái)。借助自媒體平臺(tái),學(xué)生們可以隨時(shí)隨地在社交網(wǎng)絡(luò)上發(fā)表自己的觀點(diǎn)和見解,而且這些觀點(diǎn)和見解往往是帶有明顯的情感傾向的,在一定程度上,這些正面或負(fù)面的高校網(wǎng)絡(luò)輿情也客觀地反映出校園文化的健康程度。如何在海量的數(shù)據(jù)中捕獲到用戶的情感傾向信息,挖掘出帶有情緒和喜惡的主觀信息,是情感傾向分類要做的主要工作。情感傾向分類可以對(duì)文本所表達(dá)的帶有主觀情感色彩的信息進(jìn)行處理、挖掘,并分析其中包含的積極或消極信息,通過(guò)判斷信息的情緒極性進(jìn)行輿情態(tài)勢(shì)感知和預(yù)警,有助于對(duì)極端情緒的檢測(cè)與控制??傊?,在現(xiàn)代高校管理中,充分挖掘師生對(duì)熱點(diǎn)輿情事件的情感傾向,分析其所表達(dá)價(jià)值取向或者事件產(chǎn)生的深層次原因,對(duì)開展校園網(wǎng)絡(luò)輿情研究和進(jìn)行有針對(duì)性的學(xué)生思想引導(dǎo)工作是至關(guān)重要的,對(duì)推動(dòng)網(wǎng)絡(luò)空間的科學(xué)治理也起到促進(jìn)作用。

    2 基于深度學(xué)習(xí)的高校網(wǎng)絡(luò)輿情分析系統(tǒng)(University network public opinion analysis system based on deep learning)

    情感分類算法研究是網(wǎng)絡(luò)輿情分析的一個(gè)重要研究領(lǐng)域,對(duì)于輿情分析有著重要的意義。近年來(lái),國(guó)內(nèi)高校網(wǎng)絡(luò)輿情突發(fā)事件頻繁發(fā)生,比如2020 年的“山西作弊大學(xué)生墜亡”“疫情期間高校施行‘相對(duì)封閉式管理”等。這些事件所爆發(fā)出的網(wǎng)絡(luò)輿論給相關(guān)高校造成了極大的困擾。因此,在網(wǎng)絡(luò)空間科學(xué)治理工程的背景下,分析和研究高校網(wǎng)絡(luò)輿情發(fā)展和傳播規(guī)律,探索如何在高校師生中開展有效的網(wǎng)絡(luò)輿情管理和引導(dǎo)已成為需要深入研究思考的問題。作為高校,面對(duì)現(xiàn)下日益復(fù)雜以及多元化的網(wǎng)絡(luò)環(huán)境,要做好網(wǎng)絡(luò)輿情的預(yù)警工作,運(yùn)用計(jì)算機(jī)輔助技術(shù)實(shí)時(shí)收集網(wǎng)絡(luò)輿情數(shù)據(jù),對(duì)其中的熱點(diǎn)話題數(shù)據(jù)進(jìn)行分析研判,精確地發(fā)現(xiàn)引發(fā)輿情危機(jī)的節(jié)點(diǎn),在短時(shí)間內(nèi)制定有針對(duì)性的處置策略,不給輿情危機(jī)發(fā)酵的時(shí)間和空間[1]。因此,若能對(duì)網(wǎng)絡(luò)熱點(diǎn)話題或事件進(jìn)行搜索和分析,并總結(jié)出其中正面信息和負(fù)面信息的比例,進(jìn)而對(duì)一些學(xué)生關(guān)注度高的問題及時(shí)進(jìn)行解決以及疏導(dǎo),這對(duì)于完善高校治理無(wú)疑是非常有用的。

    在國(guó)內(nèi),基于深度學(xué)習(xí)的文本情感分類研究起步較晚,但發(fā)展迅猛,目前已經(jīng)有很多研究成果涌現(xiàn)出來(lái)。劉龍飛等人[2]使用CNN方法對(duì)微博文本的情感進(jìn)行研究,其中原始特征由字向量與詞向量同時(shí)構(gòu)成,在COAE2014上取得不錯(cuò)的效果。劉智鵬等人[3]構(gòu)造與設(shè)計(jì)了CNN與RNN模型,并進(jìn)行了有效的融合,利用各自對(duì)短文本的處理優(yōu)勢(shì)進(jìn)行商品的評(píng)價(jià)分類,獲得了較好的文本情感識(shí)別性能。周錦峰等人[4]通過(guò)堆疊多個(gè)卷積層,提取不同窗口的局部語(yǔ)義特征以及基于全局最大池化層構(gòu)建分類模塊,獲得了較快的文本情感分類速度。蔡慶平等人[5]設(shè)計(jì)了基于Word2vec和CNN的產(chǎn)品評(píng)論細(xì)粒度情感分析模型,有效地發(fā)現(xiàn)用戶對(duì)產(chǎn)品特征的關(guān)注度和滿意度。

    本文運(yùn)用基于深度學(xué)習(xí)的情感分析技術(shù)手段,分析和研判網(wǎng)絡(luò)中高校熱點(diǎn)話題評(píng)論中所蘊(yùn)含的情感傾向信息,并進(jìn)行網(wǎng)絡(luò)輿情監(jiān)測(cè)。網(wǎng)絡(luò)輿情分析分為輿情信息采集、文本數(shù)據(jù)預(yù)處理、詞向量化、輿情數(shù)據(jù)學(xué)習(xí)及分析、輿情預(yù)警(結(jié)果可視化)五個(gè)步驟。首先利用網(wǎng)絡(luò)爬蟲技術(shù)完成數(shù)據(jù)的收集;接著對(duì)數(shù)據(jù)進(jìn)行中文分詞、去停用詞操作,保留語(yǔ)句中的關(guān)鍵信息;再運(yùn)用詞向量工具將詞轉(zhuǎn)換成詞向量,以便可以被卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí),通過(guò)網(wǎng)絡(luò)的學(xué)習(xí),提取其中的特征,最終可被用于情感極向的分類,如圖1所示??梢暬K則用于顯示分類結(jié)果,負(fù)面評(píng)論達(dá)到一定比例時(shí),需要對(duì)相關(guān)問題進(jìn)行疏導(dǎo)。

    2.1? ?數(shù)據(jù)采集模塊

    為了能夠快速地獲取最新的網(wǎng)絡(luò)輿情數(shù)據(jù),本文利用分布式網(wǎng)絡(luò)爬蟲對(duì)指定網(wǎng)站進(jìn)行數(shù)據(jù)爬取,簡(jiǎn)單清洗之后,作為系統(tǒng)實(shí)驗(yàn)數(shù)據(jù)來(lái)源。首先將數(shù)據(jù)收集任務(wù)分解成多個(gè)子任務(wù),分配給多個(gè)爬蟲線程來(lái)共同完成;接著通過(guò)向網(wǎng)站的服務(wù)器發(fā)送請(qǐng)求,獲取網(wǎng)頁(yè)源代碼并進(jìn)行數(shù)據(jù)清洗、去重去噪,將一些標(biāo)簽、CSS代碼內(nèi)容、空格字符、腳本標(biāo)簽等內(nèi)容處理掉,使冗余的網(wǎng)頁(yè)數(shù)據(jù)變得結(jié)構(gòu)清晰[6];最終將這些信息存儲(chǔ)為純文本數(shù)據(jù),為接下來(lái)的數(shù)據(jù)處理和分析提供基礎(chǔ)。

    2.2? ?數(shù)據(jù)預(yù)處理

    通過(guò)網(wǎng)絡(luò)爬蟲獲取的純文本數(shù)據(jù)需要轉(zhuǎn)化為適合于表示和分類的干凈的詞序列。由于中文句子中的詞語(yǔ)之間沒有明確的分隔符且存在一定的噪音信息,因此在預(yù)處理階段要對(duì)句子進(jìn)行分詞、去除停用詞等操作。

    (1)分詞。中文分詞是文本處理的一個(gè)基礎(chǔ)步驟,由于中文句子不像英文句子那樣詞與詞之間有明顯的分隔符,因此需要利用中文分詞技術(shù)將詞語(yǔ)切分開。成熟的中文分詞算法能夠達(dá)到更好的自然語(yǔ)言處理效果,幫助計(jì)算機(jī)理解復(fù)雜的中文句子。本文采用基于詞典分詞的jieba分詞器,它運(yùn)用有向無(wú)環(huán)圖的查找算法,通過(guò)動(dòng)態(tài)規(guī)劃,從后至前使得詞的切割組合聯(lián)合概率最大。對(duì)于不在詞典里的詞再使用HMM算法來(lái)進(jìn)行二次分詞,采用分詞中的序列標(biāo)注方法,使用模型識(shí)別詞每個(gè)位置的狀態(tài)值[7]。

    (2)去停用詞。通過(guò)分詞可以把句子分出很多詞語(yǔ),但是其中有些詞未包含實(shí)際含義,如“的”“了”“著”等,還有一些英文字符、數(shù)字、標(biāo)點(diǎn)符號(hào)等。這些詞普遍存在,又未包含具體含義,同時(shí)記錄它們需要較大的空間。本文根據(jù)網(wǎng)上現(xiàn)有資源,對(duì)“哈工大停用詞詞庫(kù)”“百度停用詞表”等多種停用詞表合并整理后,生成了一個(gè)共有1,598 個(gè)停用詞的停用詞表。在分詞過(guò)程中,判斷得到的每個(gè)中文詞是否是停用詞,如果是停用詞則直接刪除,以便降低特征的維度,提高關(guān)鍵詞密度。

    2.3? ?文本的分布式表示

    預(yù)處理后的文本是一種計(jì)算機(jī)無(wú)法直接處理的非結(jié)構(gòu)化數(shù)據(jù),需要轉(zhuǎn)換成結(jié)構(gòu)化數(shù)據(jù)——向量。本文采用Word2vec詞向量工具將文本轉(zhuǎn)換成詞向量,以便于網(wǎng)絡(luò)學(xué)習(xí)。Word2vec是MIKOLOV等人[8]提出來(lái)的一種文本分布式表示方法,由此詞嵌入的思想開始應(yīng)用到自然處理的領(lǐng)域。它是一款將詞表征為實(shí)數(shù)值向量的高效工具,背后的模型是CBOW或者Skip-gram,使用了Hierarchical Softmax或者Negative Sampling的優(yōu)化方法[9]。Word2vec能夠?qū)⒚總€(gè)詞映射成一個(gè)K維的實(shí)數(shù)向量,精確地度量詞與詞之間的關(guān)系,挖掘詞與詞之間的聯(lián)系。

    本次實(shí)驗(yàn)采用CBOW模型進(jìn)行詞向量表示,通過(guò)輸入特征詞的上下文相關(guān)詞對(duì)應(yīng)的詞向量來(lái)預(yù)測(cè)輸出特征詞的詞向量。用CBOW模型訓(xùn)練詞向量,首先需要根據(jù)語(yǔ)料建立一張?jiān)~匯表,并給表中的每個(gè)詞語(yǔ)生成隨機(jī)的詞向量;然后將特定詞的上下文詞向量輸入CBOW,再由隱含層進(jìn)行累加,到第三層中的哈夫曼樹,沿著特定的路徑到達(dá)葉子節(jié)點(diǎn),從而完成對(duì)特定詞語(yǔ)的預(yù)測(cè),訓(xùn)練結(jié)束后就可以從詞匯表中得到每一個(gè)詞語(yǔ)所對(duì)應(yīng)的詞向量。

    2.4? ?深度學(xué)習(xí)情感分類模型

    本文采用卷積神經(jīng)網(wǎng)絡(luò)模型來(lái)解決中文情感傾向分析問題,將由Word2vec轉(zhuǎn)化后的詞向量矩陣作為卷積神經(jīng)網(wǎng)絡(luò)的輸入;然后通過(guò)卷積層進(jìn)行特征提取,再用最大池化法降低每條評(píng)論特征向量的維度;最后在全連接層由ReLU函數(shù)做出分類輸出,將評(píng)論信息分成積極和消極兩種。卷積神經(jīng)網(wǎng)絡(luò)是一種多層的監(jiān)督學(xué)習(xí)神經(jīng)網(wǎng)絡(luò),由輸入層(Input Layer)、卷積層(Convolution Layer)、池化層(Pooling Layer)、全連接層(Fully Connected Layer)和輸出層(Output Layer)組成,其中卷積層和池化層是實(shí)現(xiàn)特征提取功能的核心模塊,結(jié)構(gòu)如圖2所示。

    卷積層:在第一層卷積層中對(duì)輸入的詞向量矩陣進(jìn)行卷積運(yùn)算后,可以得到對(duì)應(yīng)的特征圖。卷積運(yùn)算使原信號(hào)特征增強(qiáng)的同時(shí),還可以降低噪音,提取輸入樣本中的不同特征。同時(shí),一個(gè)卷積層中可以有多個(gè)不同的卷積核,每一個(gè)卷積核都對(duì)應(yīng)一個(gè)特征圖,如圖3所示。

    池化層:經(jīng)過(guò)卷積運(yùn)算后的特征矩陣尺寸往往比較大,運(yùn)用池化(Pooling)操作可以減小卷積層產(chǎn)生的詞向量矩陣的維度,使得參數(shù)的數(shù)量和計(jì)算量下降。本實(shí)驗(yàn)采用最大池化法來(lái)降維,將卷積運(yùn)算后的特征矩陣劃分為若干個(gè)矩形區(qū)域,輸出每個(gè)子區(qū)域最大值,減小數(shù)據(jù)的空間大小,如圖4所示。通過(guò)降低特征矩陣的維度,使得特征表示對(duì)輸入詞向量的位置變化具有更好的穩(wěn)健性,還在一定程度上預(yù)防過(guò)擬合。

    全連接層:它是整個(gè)卷積神經(jīng)網(wǎng)絡(luò)中的“分類器”。全連接層起到將學(xué)到的“分布式特征表示”映射到樣本標(biāo)記空間的作用,灰色的神經(jīng)元表示這個(gè)特征被找到了(激活了),得到的激活值即卷積神經(jīng)網(wǎng)絡(luò)提取到的特征,如圖5所示。

    3? ?實(shí)驗(yàn)與結(jié)果分析(Experiment and result analysis)

    3.1? ?實(shí)驗(yàn)數(shù)據(jù)來(lái)源

    高校網(wǎng)絡(luò)輿情是建立在大眾網(wǎng)絡(luò)輿情基礎(chǔ)之上的,其主要內(nèi)容基本都是反映高校學(xué)習(xí)生活中的師生關(guān)系或者學(xué)習(xí)生活的一些典型事件。本文實(shí)驗(yàn)所用到的數(shù)據(jù)均為使用爬蟲軟件,以“封閉式校園管理”“考研擴(kuò)招”“直播授課”“曠課”“退學(xué)”“學(xué)術(shù)不端”“就業(yè)”等關(guān)鍵字在微博網(wǎng)站中爬取到的2020 年1—12 月的15,000 條相關(guān)評(píng)論文本數(shù)據(jù),其中90%的數(shù)據(jù)作為訓(xùn)練集(train),10%的數(shù)據(jù)作為評(píng)估集(val)。

    3.2? ?實(shí)驗(yàn)結(jié)果分析

    本文基于Keras構(gòu)建了用于進(jìn)行文本的情感傾向分析的CNN網(wǎng)絡(luò)。網(wǎng)絡(luò)參數(shù)設(shè)置如表1所示。

    使用CNN模型處理數(shù)據(jù)過(guò)程中,迭代10 次之后基本可以達(dá)到較好的效果,其收斂情況如圖6所示。通過(guò)模型在train/val

    集上的準(zhǔn)確率(acc)、損失函數(shù)(loss)的計(jì)算,從而更新模型參數(shù),減小優(yōu)化誤差(Optimization Error),即在損失函數(shù)與優(yōu)化算法的共同作用下,減小模型的經(jīng)驗(yàn)風(fēng)險(xiǎn),同時(shí)對(duì)模型的效果進(jìn)行度量。一般來(lái)說(shuō)loss越小,表示網(wǎng)絡(luò)優(yōu)化程度越高,acc就會(huì)越高。

    本文運(yùn)用Word2vec+SVM和Word2vec+CNN這兩種分類方法對(duì)爬取到的高校相關(guān)輿情信息進(jìn)行積極和消極類別的情感傾向分類。兩種算法均采取100 維詞向量,對(duì)它們的準(zhǔn)確率(Accuracy)、精確率(Precision)、召回率(Recall)、F1值(F1 Score)進(jìn)行比較分析,找出比較優(yōu)異的分類方法,如表2所示。

    通過(guò)使用同樣的輿情數(shù)據(jù)進(jìn)行實(shí)驗(yàn),Word2vec+CNN模型與Word2vec+SVM模型相比,SVM在挖掘詞向量中隱藏的分類特征過(guò)程中,會(huì)損失詞與詞之間的語(yǔ)義信息;而CNN卻可以提取不同維度的特征,進(jìn)而更好地挖掘出輿情語(yǔ)料詞向量中隱藏的特征信息。因此,Word2vec+CNN模型在準(zhǔn)確率、召回率和F1值上都比Word2vec+SVM方法具有更加良好的分類效果。

    4? ?結(jié)論(Conclusion)

    本文描述了基于Word2vec+CNN的情感傾向分類模型在校園輿情分析與監(jiān)測(cè)方面的應(yīng)用研究。在收集了2020 年校園熱點(diǎn)輿情數(shù)據(jù),并進(jìn)行良好的數(shù)據(jù)預(yù)處理的基礎(chǔ)上,運(yùn)用Word2vec工具將網(wǎng)絡(luò)輿情文本數(shù)據(jù)轉(zhuǎn)化為詞向量,再分別使用CNN模型和SVM模型對(duì)詞向量進(jìn)行情感傾向分類??傮w來(lái)說(shuō),在本次分類任務(wù)中CNN模型獲得了比SVM模型更好的性能表現(xiàn)。

    另外,在分類過(guò)程中還發(fā)現(xiàn),文本特征的數(shù)量、數(shù)據(jù)標(biāo)注精確度對(duì)實(shí)驗(yàn)的精度和時(shí)間也有一定的影響。然而,網(wǎng)絡(luò)輿情數(shù)據(jù)由于數(shù)據(jù)量大、雜亂無(wú)章且無(wú)標(biāo)簽,存在依賴人工標(biāo)注的成本高,效率低的問題。因此在未來(lái)工作中,應(yīng)在特征選擇上增加研究投入,同時(shí)結(jié)合無(wú)監(jiān)督數(shù)據(jù)的特征學(xué)習(xí)和半監(jiān)督學(xué)習(xí)自動(dòng)標(biāo)注方法進(jìn)行情感分類研究,以期能夠顯著提升分類研究的最終結(jié)果精度,精確挖掘網(wǎng)絡(luò)中的學(xué)生情緒動(dòng)向,完善高校治理,對(duì)治理能力和治理體系現(xiàn)代化建設(shè)起到積極作用。

    參考文獻(xiàn)(References)

    [1] 孔曉虹.新媒體環(huán)境下高校應(yīng)對(duì)網(wǎng)絡(luò)輿情的探索[J].中國(guó)高等教育,2020(Z1):67-68.

    [2] 劉龍飛,楊亮,張紹武,等.基于卷積神經(jīng)網(wǎng)絡(luò)的微博情感傾向性分析[J].中文信息學(xué)報(bào),2015,29(6):159-165.

    [3] 劉智鵬,何中市,何偉東,等.基于深度學(xué)習(xí)的商品評(píng)價(jià)情感分析與研究[J].計(jì)算機(jī)與數(shù)字工程,2018,46(5):921-927.

    [4] 周錦峰,葉施仁,王暉.基于深度卷積神經(jīng)網(wǎng)絡(luò)模型的文本情感分類[J].計(jì)算機(jī)工程,2019,45(3):300-308.

    [5] 蔡慶平,馬海群.基于Word2Vec和CNN的產(chǎn)品評(píng)論細(xì)粒度情感分析模型[J].圖書情報(bào)工作,2020,64(6):49-58.

    [6] 朱琪.基于網(wǎng)絡(luò)爬蟲的輿情分析預(yù)警系統(tǒng)設(shè)計(jì)[J].電子設(shè)計(jì)工程,2020,28(22):56-60.

    [7] 祝永志,荊靜.基于Python語(yǔ)言的中文分詞技術(shù)的研究[J].通信技術(shù),2019,52(7):1612-1619.

    [8] MIKOLOV T, SUTSKEVER I, KAI C, et al. Distributed representations of words and phrases and their compositionality[J]. Advances in Neural Information Processing Systems, 2013(26):3111-3119.

    [9] 梁翼園.基于改進(jìn)的Word2vec的評(píng)論情感傾向性分析[D].長(zhǎng)沙:湖南大學(xué),2019.

    作者簡(jiǎn)介:

    黃? ?萍(1982-),女,碩士,講師.研究領(lǐng)域:人工智能,圖像處理,自然語(yǔ)言分析,計(jì)算機(jī)教育.

    朱惠娟(1985-),女,碩士,副教授.研究領(lǐng)域:圖像處理,人工智能,虛擬現(xiàn)實(shí).

    陳琳琳(1981-),女,碩士,副教授.研究領(lǐng)域:人工智能,圖像處理,計(jì)算機(jī)教育.

    猜你喜歡
    自然語(yǔ)言處理卷積神經(jīng)網(wǎng)絡(luò)
    基于卷積神經(jīng)網(wǎng)絡(luò)溫室智能大棚監(jiān)控系統(tǒng)的研究
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識(shí)別算法
    基于組合分類算法的源代碼注釋質(zhì)量評(píng)估方法
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實(shí)現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    基于卷積神經(jīng)網(wǎng)絡(luò)的樹葉識(shí)別的算法的研究
    面向機(jī)器人導(dǎo)航的漢語(yǔ)路徑自然語(yǔ)言組塊分析方法研究
    詞向量的語(yǔ)義學(xué)規(guī)范化
    漢哈機(jī)器翻譯中的文字轉(zhuǎn)換技術(shù)研究
    HowNet在自然語(yǔ)言處理領(lǐng)域的研究現(xiàn)狀與分析
    科技視界(2016年5期)2016-02-22 11:41:39
    狂野欧美激情性bbbbbb| 男女午夜视频在线观看 | 中文字幕人妻熟女乱码| 亚洲欧洲日产国产| 高清欧美精品videossex| 国产爽快片一区二区三区| 亚洲人成网站在线观看播放| 交换朋友夫妻互换小说| 一本—道久久a久久精品蜜桃钙片| 免费大片18禁| 亚洲精品456在线播放app| 国产精品麻豆人妻色哟哟久久| 少妇高潮的动态图| 最黄视频免费看| www.熟女人妻精品国产 | 国产精品偷伦视频观看了| 午夜久久久在线观看| 午夜福利影视在线免费观看| 老女人水多毛片| 性高湖久久久久久久久免费观看| 国产一区二区三区av在线| 久久久国产一区二区| 国产在视频线精品| 日本欧美视频一区| 亚洲av欧美aⅴ国产| 一本—道久久a久久精品蜜桃钙片| 久久午夜福利片| 18禁动态无遮挡网站| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 日韩人妻精品一区2区三区| 亚洲av男天堂| 欧美国产精品va在线观看不卡| 高清在线视频一区二区三区| 狠狠婷婷综合久久久久久88av| 亚洲国产av新网站| 婷婷色综合www| 极品少妇高潮喷水抽搐| 天堂中文最新版在线下载| 免费播放大片免费观看视频在线观看| 99久久综合免费| 成年av动漫网址| 大香蕉久久网| 成人国产麻豆网| 一二三四中文在线观看免费高清| av在线app专区| 久久国产精品大桥未久av| 少妇人妻 视频| 久久 成人 亚洲| 久久久久久久大尺度免费视频| 亚洲成av片中文字幕在线观看 | 精品一区二区免费观看| 美国免费a级毛片| 新久久久久国产一级毛片| 久久久久久久久久人人人人人人| 亚洲综合色惰| a级毛片黄视频| 亚洲丝袜综合中文字幕| a级毛片在线看网站| 欧美另类一区| 国产精品久久久久久精品古装| 高清视频免费观看一区二区| 97在线视频观看| 日本爱情动作片www.在线观看| 国产无遮挡羞羞视频在线观看| 亚洲精品一二三| 久久99精品国语久久久| 综合色丁香网| 自线自在国产av| 国产精品.久久久| 精品国产一区二区久久| 一级毛片我不卡| 久久久a久久爽久久v久久| 日本免费在线观看一区| 国产精品欧美亚洲77777| 欧美 亚洲 国产 日韩一| 一个人免费看片子| 午夜福利在线观看免费完整高清在| 亚洲av男天堂| 国产精品99久久99久久久不卡 | 免费少妇av软件| 日本黄大片高清| 一边亲一边摸免费视频| 建设人人有责人人尽责人人享有的| 亚洲欧美成人精品一区二区| 国产极品粉嫩免费观看在线| 国产免费一区二区三区四区乱码| 免费人成在线观看视频色| 国产精品 国内视频| 国产男人的电影天堂91| 最近2019中文字幕mv第一页| 成年人免费黄色播放视频| 99香蕉大伊视频| 毛片一级片免费看久久久久| 欧美97在线视频| 久久久亚洲精品成人影院| 成人影院久久| 欧美成人午夜免费资源| 大话2 男鬼变身卡| 两个人看的免费小视频| 国产深夜福利视频在线观看| 寂寞人妻少妇视频99o| 国产激情久久老熟女| 九色亚洲精品在线播放| 成年人免费黄色播放视频| 亚洲美女视频黄频| 国产精品久久久久久精品电影小说| 免费人成在线观看视频色| 国产黄色免费在线视频| 久久久久久久精品精品| 久久精品国产鲁丝片午夜精品| 精品国产露脸久久av麻豆| 久久久久视频综合| 国产黄色视频一区二区在线观看| 久久久久国产网址| 在线观看三级黄色| 免费看av在线观看网站| 精品国产一区二区三区久久久樱花| 18禁裸乳无遮挡动漫免费视频| 久久久久网色| 亚洲,欧美,日韩| 免费在线观看黄色视频的| 国产免费一区二区三区四区乱码| av视频免费观看在线观看| 免费人妻精品一区二区三区视频| 黑人猛操日本美女一级片| 欧美精品av麻豆av| 99精国产麻豆久久婷婷| 亚洲国产精品一区二区三区在线| 大片电影免费在线观看免费| 国产精品一区www在线观看| 成人午夜精彩视频在线观看| 日本-黄色视频高清免费观看| 一级,二级,三级黄色视频| 国产一区二区在线观看av| 男人操女人黄网站| 一级毛片 在线播放| 啦啦啦视频在线资源免费观看| 秋霞在线观看毛片| 亚洲欧美色中文字幕在线| 欧美+日韩+精品| 在线天堂中文资源库| 90打野战视频偷拍视频| 丝袜人妻中文字幕| 欧美精品一区二区免费开放| 中文字幕人妻熟女乱码| 亚洲国产欧美在线一区| 欧美精品av麻豆av| 国产亚洲精品久久久com| 韩国高清视频一区二区三区| 亚洲伊人色综图| 国产午夜精品一二区理论片| 人人妻人人爽人人添夜夜欢视频| 美女脱内裤让男人舔精品视频| 一区二区三区精品91| 国产欧美另类精品又又久久亚洲欧美| 免费观看性生交大片5| 亚洲国产色片| av在线老鸭窝| 久久国产精品大桥未久av| 日本色播在线视频| 午夜福利视频精品| 久久精品aⅴ一区二区三区四区 | 高清黄色对白视频在线免费看| 久久久久人妻精品一区果冻| 女的被弄到高潮叫床怎么办| 纵有疾风起免费观看全集完整版| 国产精品久久久久久av不卡| 国产精品不卡视频一区二区| av免费在线看不卡| 蜜桃国产av成人99| 亚洲欧美精品自产自拍| 亚洲情色 制服丝袜| 高清毛片免费看| 满18在线观看网站| 成人18禁高潮啪啪吃奶动态图| 国产欧美日韩一区二区三区在线| 成人毛片60女人毛片免费| 黄片播放在线免费| 日韩精品免费视频一区二区三区 | 最近的中文字幕免费完整| 在线天堂中文资源库| 99久久中文字幕三级久久日本| 狂野欧美激情性bbbbbb| 亚洲av电影在线进入| 97在线视频观看| 久久久久久久国产电影| 蜜臀久久99精品久久宅男| 丝袜美足系列| 亚洲性久久影院| av免费在线看不卡| 在线亚洲精品国产二区图片欧美| 日韩一本色道免费dvd| 国产1区2区3区精品| 国产淫语在线视频| 亚洲综合色惰| 亚洲欧洲国产日韩| 午夜激情av网站| 岛国毛片在线播放| 丰满乱子伦码专区| 欧美精品高潮呻吟av久久| 亚洲av国产av综合av卡| 亚洲综合精品二区| 欧美激情极品国产一区二区三区 | 另类亚洲欧美激情| 日本wwww免费看| 午夜激情av网站| av有码第一页| 亚洲内射少妇av| 亚洲国产成人一精品久久久| 国产极品天堂在线| 亚洲精品日本国产第一区| 免费看光身美女| 亚洲av福利一区| 啦啦啦啦在线视频资源| 国产精品 国内视频| 毛片一级片免费看久久久久| 国产精品国产av在线观看| 亚洲av成人精品一二三区| 国产精品99久久99久久久不卡 | 99国产精品免费福利视频| 各种免费的搞黄视频| 另类精品久久| 满18在线观看网站| av电影中文网址| 午夜福利,免费看| 我的女老师完整版在线观看| 中文字幕亚洲精品专区| 最新的欧美精品一区二区| 日韩欧美精品免费久久| 亚洲国产日韩一区二区| 搡老乐熟女国产| 91成人精品电影| 国产黄频视频在线观看| 亚洲人与动物交配视频| 亚洲一码二码三码区别大吗| 免费观看无遮挡的男女| 色5月婷婷丁香| 国产一区亚洲一区在线观看| 97在线人人人人妻| 精品国产乱码久久久久久小说| 欧美精品亚洲一区二区| 成年美女黄网站色视频大全免费| 久久国产亚洲av麻豆专区| 午夜免费观看性视频| 色婷婷av一区二区三区视频| 在线亚洲精品国产二区图片欧美| 国产极品天堂在线| 九色亚洲精品在线播放| 国产成人精品无人区| 卡戴珊不雅视频在线播放| 国产又色又爽无遮挡免| 大码成人一级视频| 18禁观看日本| 观看av在线不卡| 九色亚洲精品在线播放| 在线看a的网站| 91精品伊人久久大香线蕉| 国产午夜精品一二区理论片| 一本—道久久a久久精品蜜桃钙片| 香蕉精品网在线| 久久久久久久久久久久大奶| 国产精品久久久久成人av| 深夜精品福利| 久久久久人妻精品一区果冻| 成人午夜精彩视频在线观看| 免费久久久久久久精品成人欧美视频 | 欧美xxxx性猛交bbbb| 欧美日韩综合久久久久久| 国产精品女同一区二区软件| 国产不卡av网站在线观看| 中国三级夫妇交换| av线在线观看网站| 日韩不卡一区二区三区视频在线| 女的被弄到高潮叫床怎么办| 午夜av观看不卡| 国产精品一区www在线观看| 99国产综合亚洲精品| 免费观看性生交大片5| 午夜免费男女啪啪视频观看| 精品久久国产蜜桃| 巨乳人妻的诱惑在线观看| 亚洲国产av新网站| 欧美成人午夜免费资源| 欧美人与性动交α欧美精品济南到 | 在线观看免费高清a一片| kizo精华| 丰满乱子伦码专区| 两个人免费观看高清视频| 精品久久久久久电影网| 亚洲美女搞黄在线观看| 99香蕉大伊视频| 黄网站色视频无遮挡免费观看| 满18在线观看网站| 色婷婷久久久亚洲欧美| 亚洲欧美一区二区三区黑人 | 高清在线视频一区二区三区| 日本wwww免费看| 如何舔出高潮| 美女主播在线视频| 丝袜在线中文字幕| 黄片无遮挡物在线观看| 国产乱来视频区| 亚洲一码二码三码区别大吗| 老司机影院成人| 最近中文字幕2019免费版| 啦啦啦视频在线资源免费观看| 日韩成人伦理影院| 国产亚洲最大av| 青春草视频在线免费观看| 亚洲国产av影院在线观看| 女人被躁到高潮嗷嗷叫费观| 日韩中字成人| 飞空精品影院首页| 哪个播放器可以免费观看大片| 亚洲人与动物交配视频| 日韩av在线免费看完整版不卡| 99久国产av精品国产电影| 色网站视频免费| 亚洲 欧美一区二区三区| 中国美白少妇内射xxxbb| 男女高潮啪啪啪动态图| 成年女人在线观看亚洲视频| 各种免费的搞黄视频| 精品亚洲乱码少妇综合久久| 日日撸夜夜添| 又黄又爽又刺激的免费视频.| 日本vs欧美在线观看视频| 欧美 日韩 精品 国产| av播播在线观看一区| 亚洲人与动物交配视频| 婷婷色麻豆天堂久久| 免费日韩欧美在线观看| 日本免费在线观看一区| 热99国产精品久久久久久7| 99精国产麻豆久久婷婷| 亚洲欧美清纯卡通| 大话2 男鬼变身卡| 国产精品久久久久久精品电影小说| 亚洲第一区二区三区不卡| 精品国产国语对白av| videosex国产| 成人无遮挡网站| 90打野战视频偷拍视频| 免费观看无遮挡的男女| 亚洲成色77777| 卡戴珊不雅视频在线播放| 九草在线视频观看| 久久韩国三级中文字幕| 国产又色又爽无遮挡免| 国产 一区精品| 性色avwww在线观看| 高清毛片免费看| 亚洲国产日韩一区二区| 久久久国产一区二区| 亚洲av综合色区一区| 中文字幕另类日韩欧美亚洲嫩草| av一本久久久久| 精品国产一区二区三区四区第35| 各种免费的搞黄视频| 午夜福利视频在线观看免费| xxx大片免费视频| videos熟女内射| 99热网站在线观看| 国产高清三级在线| 成人国语在线视频| 青春草视频在线免费观看| 又粗又硬又长又爽又黄的视频| 99久久中文字幕三级久久日本| 晚上一个人看的免费电影| 免费观看a级毛片全部| 另类精品久久| 制服诱惑二区| 美女视频免费永久观看网站| freevideosex欧美| 少妇 在线观看| 日韩av在线免费看完整版不卡| 久久精品夜色国产| 1024视频免费在线观看| 欧美成人午夜精品| 日本色播在线视频| 丝瓜视频免费看黄片| 一区二区av电影网| 精品亚洲成a人片在线观看| 桃花免费在线播放| 精品一区二区三卡| 777米奇影视久久| 男女无遮挡免费网站观看| 亚洲内射少妇av| 国产av一区二区精品久久| 97在线视频观看| 免费看不卡的av| 成人18禁高潮啪啪吃奶动态图| 人人妻人人爽人人添夜夜欢视频| 高清不卡的av网站| 精品少妇黑人巨大在线播放| 精品久久国产蜜桃| 日韩欧美一区视频在线观看| 中国国产av一级| 国产精品久久久av美女十八| 成人国产麻豆网| 黑人巨大精品欧美一区二区蜜桃 | 成年女人在线观看亚洲视频| 成人影院久久| 免费大片黄手机在线观看| 一二三四中文在线观看免费高清| 精品国产露脸久久av麻豆| av不卡在线播放| 最近最新中文字幕大全免费视频 | 中文欧美无线码| 超碰97精品在线观看| av福利片在线| 丁香六月天网| 男女边吃奶边做爰视频| 久久av网站| 看免费av毛片| 亚洲成人av在线免费| 久久精品国产综合久久久 | 韩国高清视频一区二区三区| 日韩伦理黄色片| 国产在线一区二区三区精| 亚洲av男天堂| 亚洲丝袜综合中文字幕| av天堂久久9| 不卡视频在线观看欧美| 午夜91福利影院| 日本-黄色视频高清免费观看| 亚洲国产色片| 成人手机av| 久久久久久久国产电影| 免费不卡的大黄色大毛片视频在线观看| 精品一区二区三卡| 9色porny在线观看| 亚洲中文av在线| 咕卡用的链子| 精品人妻偷拍中文字幕| 性色av一级| 看非洲黑人一级黄片| 高清在线视频一区二区三区| 亚洲内射少妇av| 欧美老熟妇乱子伦牲交| 久久国产亚洲av麻豆专区| 国产av码专区亚洲av| www日本在线高清视频| 亚洲精品视频女| 成人二区视频| 桃花免费在线播放| av视频免费观看在线观看| 人人澡人人妻人| 黄色配什么色好看| 大香蕉97超碰在线| 欧美亚洲 丝袜 人妻 在线| 女的被弄到高潮叫床怎么办| 18禁裸乳无遮挡动漫免费视频| h视频一区二区三区| 成人漫画全彩无遮挡| 亚洲中文av在线| 欧美 亚洲 国产 日韩一| 91午夜精品亚洲一区二区三区| 韩国高清视频一区二区三区| 亚洲国产av影院在线观看| 精品少妇内射三级| 欧美+日韩+精品| 热re99久久国产66热| 亚洲欧美一区二区三区黑人 | 日韩欧美一区视频在线观看| 精品少妇久久久久久888优播| 成人免费观看视频高清| 老司机影院成人| 欧美日韩成人在线一区二区| 亚洲美女搞黄在线观看| 国产亚洲欧美精品永久| 人人妻人人爽人人添夜夜欢视频| 毛片一级片免费看久久久久| 天天操日日干夜夜撸| 麻豆精品久久久久久蜜桃| 又大又黄又爽视频免费| 久久久久久久亚洲中文字幕| 成人漫画全彩无遮挡| 成人免费观看视频高清| 男人爽女人下面视频在线观看| 91国产中文字幕| 免费黄网站久久成人精品| 亚洲av福利一区| 午夜福利,免费看| 久久午夜福利片| 男的添女的下面高潮视频| 亚洲精品456在线播放app| 精品一区二区三区四区五区乱码 | 一本色道久久久久久精品综合| 成人午夜精彩视频在线观看| 免费观看无遮挡的男女| 精品熟女少妇av免费看| 国产乱来视频区| 日本wwww免费看| 亚洲丝袜综合中文字幕| 久久97久久精品| 日本黄大片高清| 在线观看www视频免费| 亚洲国产av影院在线观看| 精品一区二区三卡| 最近中文字幕高清免费大全6| 肉色欧美久久久久久久蜜桃| 久久99热6这里只有精品| 26uuu在线亚洲综合色| 国产免费又黄又爽又色| 人人澡人人妻人| 熟女电影av网| 丰满饥渴人妻一区二区三| 色婷婷av一区二区三区视频| 日韩一区二区视频免费看| 亚洲 欧美一区二区三区| 永久网站在线| 亚洲精品456在线播放app| 免费不卡的大黄色大毛片视频在线观看| 天天影视国产精品| 亚洲情色 制服丝袜| 人体艺术视频欧美日本| 少妇熟女欧美另类| 99热网站在线观看| 欧美激情 高清一区二区三区| 成人无遮挡网站| 亚洲一区二区三区欧美精品| 亚洲av在线观看美女高潮| 欧美国产精品一级二级三级| 久久精品人人爽人人爽视色| 国产黄色视频一区二区在线观看| 亚洲美女视频黄频| 国产精品国产av在线观看| 亚洲婷婷狠狠爱综合网| 亚洲一区二区三区欧美精品| 久久精品国产鲁丝片午夜精品| 精品一区在线观看国产| 亚洲人成77777在线视频| 51国产日韩欧美| 国产麻豆69| 国产成人午夜福利电影在线观看| 丰满少妇做爰视频| 在线观看免费日韩欧美大片| 国产日韩欧美亚洲二区| 亚洲国产精品一区三区| 一级毛片黄色毛片免费观看视频| 国产亚洲一区二区精品| 国产欧美另类精品又又久久亚洲欧美| 尾随美女入室| 国内精品宾馆在线| 日本色播在线视频| 成年女人在线观看亚洲视频| 在线观看免费高清a一片| 久久免费观看电影| 日日啪夜夜爽| 精品第一国产精品| 午夜福利在线观看免费完整高清在| 亚洲精品中文字幕在线视频| 国产男人的电影天堂91| 欧美激情极品国产一区二区三区 | 国产一区二区在线观看日韩| 久久这里有精品视频免费| 国产精品久久久久久av不卡| freevideosex欧美| 一个人免费看片子| 久久青草综合色| 成人毛片60女人毛片免费| 在线亚洲精品国产二区图片欧美| 欧美国产精品一级二级三级| 大陆偷拍与自拍| 麻豆精品久久久久久蜜桃| 久久久久视频综合| www.av在线官网国产| 国产黄色视频一区二区在线观看| 亚洲国产精品专区欧美| 欧美人与善性xxx| 国产片特级美女逼逼视频| 婷婷色综合大香蕉| 久久精品aⅴ一区二区三区四区 | 51国产日韩欧美| 日日撸夜夜添| 精品人妻熟女毛片av久久网站| 女性被躁到高潮视频| 成人国产麻豆网| 宅男免费午夜| 三级国产精品片| av福利片在线| 成人综合一区亚洲| 嫩草影院入口| 中文欧美无线码| 成年女人在线观看亚洲视频| 18禁在线无遮挡免费观看视频| 一区二区三区精品91| 国产免费又黄又爽又色| 美女福利国产在线| 国产精品偷伦视频观看了| 欧美97在线视频| 王馨瑶露胸无遮挡在线观看| 超色免费av| 美女中出高潮动态图| 亚洲高清免费不卡视频| 亚洲美女黄色视频免费看| 亚洲三级黄色毛片| 亚洲,一卡二卡三卡| 婷婷色麻豆天堂久久| 国产成人精品一,二区| 久久韩国三级中文字幕| 国产精品偷伦视频观看了| 男女无遮挡免费网站观看| 精品国产国语对白av| 国产精品一国产av| 成人综合一区亚洲| 精品国产国语对白av| 一区在线观看完整版| 久久毛片免费看一区二区三区| 亚洲四区av| 亚洲国产av影院在线观看| 在线精品无人区一区二区三| 国产黄色视频一区二区在线观看| 亚洲一级一片aⅴ在线观看|