• <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
    18禁在线无遮挡免费观看视频| 久久久a久久爽久久v久久| 国产午夜福利久久久久久| 成年女人永久免费观看视频| 亚洲最大成人中文| 国产精品久久电影中文字幕| 高清av免费在线| 久久这里只有精品中国| 少妇被粗大猛烈的视频| av国产免费在线观看| 午夜a级毛片| 97超视频在线观看视频| 99九九线精品视频在线观看视频| 1024手机看黄色片| 青春草视频在线免费观看| 色网站视频免费| 91av网一区二区| av又黄又爽大尺度在线免费看 | 在线免费十八禁| 综合色av麻豆| 青青草视频在线视频观看| 一边亲一边摸免费视频| av播播在线观看一区| 天堂中文最新版在线下载 | 天美传媒精品一区二区| 色视频www国产| 波多野结衣巨乳人妻| 成年女人看的毛片在线观看| 日韩三级伦理在线观看| 97热精品久久久久久| 欧美3d第一页| 亚洲性久久影院| 男的添女的下面高潮视频| 在线免费观看的www视频| 99久久无色码亚洲精品果冻| 日本三级黄在线观看| 人妻制服诱惑在线中文字幕| 婷婷六月久久综合丁香| 一区二区三区乱码不卡18| 欧美另类亚洲清纯唯美| .国产精品久久| 26uuu在线亚洲综合色| 免费观看人在逋| 国产乱来视频区| 成人午夜精彩视频在线观看| 国产三级在线视频| 欧美一区二区亚洲| 超碰97精品在线观看| 国产精品不卡视频一区二区| 少妇人妻一区二区三区视频| 我要搜黄色片| 如何舔出高潮| 色综合色国产| 99热网站在线观看| 国模一区二区三区四区视频| av在线老鸭窝| 日本黄大片高清| 亚洲18禁久久av| 午夜老司机福利剧场| 免费黄网站久久成人精品| 岛国毛片在线播放| 最近最新中文字幕免费大全7| 97热精品久久久久久| 99久久人妻综合| 夫妻性生交免费视频一级片| 国内揄拍国产精品人妻在线| 午夜老司机福利剧场| 级片在线观看| 欧美区成人在线视频| 99热网站在线观看| 国产亚洲精品久久久com| 天堂影院成人在线观看| 久久热精品热| 视频中文字幕在线观看| 国产v大片淫在线免费观看| 不卡视频在线观看欧美| 亚洲美女视频黄频| videossex国产| 国产av一区在线观看免费| 国产黄片美女视频| 亚洲精品乱久久久久久| 国产真实乱freesex| 国产伦精品一区二区三区四那| 久久久久久九九精品二区国产| 国产一区二区在线av高清观看| 午夜精品在线福利| 亚洲人成网站在线观看播放| 亚洲精品久久久久久婷婷小说 | 乱码一卡2卡4卡精品| 一级黄色大片毛片| 午夜a级毛片| 久久久久久久久久黄片| 黑人高潮一二区| 欧美激情在线99| 亚洲人与动物交配视频| 久久这里有精品视频免费| 乱码一卡2卡4卡精品| 精品久久久噜噜| 欧美日本视频| 99视频精品全部免费 在线| 色网站视频免费| 精品人妻偷拍中文字幕| av国产免费在线观看| 国产亚洲91精品色在线| 国产黄色视频一区二区在线观看 | 一级毛片电影观看 | 一级黄色大片毛片| 少妇的逼好多水| 国产中年淑女户外野战色| 天堂av国产一区二区熟女人妻| 久久精品人妻少妇| 免费看美女性在线毛片视频| 国产91av在线免费观看| 永久网站在线| 中国国产av一级| 男人狂女人下面高潮的视频| 欧美区成人在线视频| 97超视频在线观看视频| 三级毛片av免费| 免费av观看视频| 村上凉子中文字幕在线| 午夜福利在线观看吧| 亚洲在线自拍视频| 日本免费一区二区三区高清不卡| 国产精品精品国产色婷婷| 一级av片app| 少妇高潮的动态图| 日韩三级伦理在线观看| 午夜激情福利司机影院| 看十八女毛片水多多多| 精品久久久久久久久av| 秋霞在线观看毛片| 少妇高潮的动态图| 床上黄色一级片| 久久人人爽人人片av| 久久久久免费精品人妻一区二区| www.色视频.com| 久久国内精品自在自线图片| 国产亚洲精品av在线| www日本黄色视频网| 久久午夜福利片| 日本一本二区三区精品| 成人三级黄色视频| 国产精华一区二区三区| 久久亚洲国产成人精品v| 精品国产三级普通话版| 国产淫片久久久久久久久| 中文字幕av在线有码专区| av播播在线观看一区| 六月丁香七月| 美女被艹到高潮喷水动态| 波多野结衣高清无吗| 嫩草影院新地址| av黄色大香蕉| 婷婷色麻豆天堂久久 | 国产熟女欧美一区二区| 亚洲欧洲日产国产| 免费黄网站久久成人精品| 国产一级毛片七仙女欲春2| 亚洲国产欧美人成| 性插视频无遮挡在线免费观看| 国产麻豆成人av免费视频| 午夜福利在线观看吧| 欧美区成人在线视频| 日韩人妻高清精品专区| 人妻少妇偷人精品九色| 亚洲va在线va天堂va国产| 高清在线视频一区二区三区 | 99久久九九国产精品国产免费| 2021天堂中文幕一二区在线观| 最近视频中文字幕2019在线8| 日本黄色片子视频| 欧美日本视频| 欧美日韩精品成人综合77777| 91久久精品国产一区二区成人| 精品99又大又爽又粗少妇毛片| 亚洲成av人片在线播放无| 日韩一本色道免费dvd| 国产精品日韩av在线免费观看| 毛片一级片免费看久久久久| 亚洲人成网站在线播| 亚洲国产日韩欧美精品在线观看| 午夜日本视频在线| av在线天堂中文字幕| 乱系列少妇在线播放| 成人午夜精彩视频在线观看| 亚洲精品自拍成人| 男女国产视频网站| 精品人妻熟女av久视频| 日韩视频在线欧美| 国产熟女欧美一区二区| 久久99热这里只有精品18| 搡老妇女老女人老熟妇| 成年免费大片在线观看| 中文字幕av在线有码专区| av在线蜜桃| 免费电影在线观看免费观看| 亚洲va在线va天堂va国产| 精品久久久久久久久久久久久| 尾随美女入室| 男人舔奶头视频| 精品久久久久久电影网 | 亚洲在线自拍视频| 岛国毛片在线播放| 精品人妻视频免费看| 久久精品综合一区二区三区| 能在线免费看毛片的网站| 亚洲国产精品国产精品| 亚洲在久久综合| 少妇丰满av| 国产黄片视频在线免费观看| 日韩亚洲欧美综合| 蜜桃亚洲精品一区二区三区| 18+在线观看网站| 大话2 男鬼变身卡| 亚洲综合色惰| 一级二级三级毛片免费看| 久久久久网色| 国产 一区 欧美 日韩| 日日啪夜夜撸| 欧美日韩国产亚洲二区| 亚洲熟妇中文字幕五十中出| 成人亚洲精品av一区二区| 白带黄色成豆腐渣| 久久久久久九九精品二区国产| 老女人水多毛片| 高清视频免费观看一区二区 | 中文在线观看免费www的网站| 国产又色又爽无遮挡免| 女人久久www免费人成看片 | 亚洲人与动物交配视频| 日本一本二区三区精品| 精品不卡国产一区二区三区| 中文欧美无线码| 亚洲综合色惰| 午夜免费男女啪啪视频观看| 久久久久久九九精品二区国产| 亚洲内射少妇av| 美女高潮的动态| 欧美日本视频| 成人毛片60女人毛片免费| 日韩制服骚丝袜av| 国产亚洲精品久久久com| 国产成人精品一,二区| 纵有疾风起免费观看全集完整版 | 成年女人看的毛片在线观看| 亚洲av福利一区| 男插女下体视频免费在线播放| 久久久久久久久久久丰满| 欧美激情久久久久久爽电影| 婷婷色麻豆天堂久久 | 亚洲国产精品久久男人天堂| 国产精品电影一区二区三区| 国产免费福利视频在线观看| 日韩欧美三级三区| 又爽又黄无遮挡网站| 大话2 男鬼变身卡| 97热精品久久久久久| 久久久久免费精品人妻一区二区| 有码 亚洲区| 99久久人妻综合| 中文欧美无线码| 日韩亚洲欧美综合| 欧美区成人在线视频| 免费大片18禁| 国产伦精品一区二区三区四那| 国产成人免费观看mmmm| a级毛色黄片| av.在线天堂| 69人妻影院| 联通29元200g的流量卡| 99久久中文字幕三级久久日本| 久热久热在线精品观看| 亚洲真实伦在线观看| 国产在视频线精品| 欧美不卡视频在线免费观看| 免费大片18禁| 亚洲精华国产精华液的使用体验| 免费不卡的大黄色大毛片视频在线观看 | 在现免费观看毛片| 色网站视频免费| 免费大片18禁| 在线播放无遮挡| 国产男人的电影天堂91| 天堂影院成人在线观看| 搡女人真爽免费视频火全软件| 国产淫片久久久久久久久| 亚洲国产日韩欧美精品在线观看| 男人舔奶头视频| 欧美日韩国产亚洲二区| 国产免费福利视频在线观看| 国产一区二区在线av高清观看| 国产成人福利小说| 成人性生交大片免费视频hd| 十八禁国产超污无遮挡网站| 亚洲av中文av极速乱| 高清av免费在线| av女优亚洲男人天堂| 欧美一级a爱片免费观看看| 亚洲精品亚洲一区二区| 亚洲国产精品成人综合色| 久久久a久久爽久久v久久| 日本黄大片高清| 偷拍熟女少妇极品色| 午夜精品国产一区二区电影 | 永久网站在线| 亚洲综合色惰| 一级毛片我不卡| videos熟女内射| 国产一级毛片七仙女欲春2| 亚洲自偷自拍三级| 亚洲天堂国产精品一区在线| 国产熟女欧美一区二区| eeuss影院久久| 男的添女的下面高潮视频| 国产男人的电影天堂91| 亚洲av免费高清在线观看| 午夜视频国产福利| 国产av码专区亚洲av| 97超视频在线观看视频| 女人十人毛片免费观看3o分钟| 高清毛片免费看| 国产伦理片在线播放av一区| 国产高清不卡午夜福利| 少妇丰满av| 91av网一区二区| 欧美性感艳星| 午夜激情欧美在线| 午夜免费男女啪啪视频观看| av播播在线观看一区| 国产高清有码在线观看视频| 99热这里只有精品一区| 日本黄色视频三级网站网址| 国产视频首页在线观看| 国产单亲对白刺激| 插逼视频在线观看| 最近最新中文字幕免费大全7| 我要搜黄色片| 大香蕉97超碰在线| 国产精品麻豆人妻色哟哟久久 | 婷婷色av中文字幕| 大又大粗又爽又黄少妇毛片口| 日本-黄色视频高清免费观看| 中国国产av一级| 中文字幕亚洲精品专区| 岛国毛片在线播放| 亚洲欧美清纯卡通| 精品久久久噜噜| 日日啪夜夜撸| 麻豆国产97在线/欧美| 插阴视频在线观看视频| 国产麻豆成人av免费视频| 午夜精品一区二区三区免费看| 国产又色又爽无遮挡免| 国产女主播在线喷水免费视频网站 | 国产精品久久久久久精品电影小说 | 国产精品久久电影中文字幕| 欧美最新免费一区二区三区| 亚洲av免费在线观看| 麻豆精品久久久久久蜜桃| 黄色一级大片看看| 国产黄a三级三级三级人| 超碰97精品在线观看| 看十八女毛片水多多多| 女人久久www免费人成看片 | 国产乱人偷精品视频| 国产精品永久免费网站| 色5月婷婷丁香| 男的添女的下面高潮视频| 精品不卡国产一区二区三区| 看黄色毛片网站| 国产精品一区二区性色av| or卡值多少钱| 又爽又黄无遮挡网站| 人人妻人人澡人人爽人人夜夜 | 国产午夜精品一二区理论片| 黄片wwwwww| 亚洲va在线va天堂va国产| 亚洲人成网站在线播| 人体艺术视频欧美日本| 日日撸夜夜添| 亚洲四区av| 亚洲三级黄色毛片| 国产免费一级a男人的天堂| 91av网一区二区| 美女xxoo啪啪120秒动态图| 一级黄片播放器| 99热精品在线国产| 身体一侧抽搐| 欧美性感艳星| 欧美丝袜亚洲另类| 不卡视频在线观看欧美| 亚洲怡红院男人天堂| 精品人妻熟女av久视频| 免费无遮挡裸体视频| 日本av手机在线免费观看| 亚洲性久久影院| 中文字幕熟女人妻在线| 18+在线观看网站| a级毛片免费高清观看在线播放| 美女被艹到高潮喷水动态| 长腿黑丝高跟| 青春草视频在线免费观看| 国产成年人精品一区二区| 国产在视频线在精品| 少妇被粗大猛烈的视频| 99热这里只有精品一区| 日本wwww免费看| 国产视频内射| 男的添女的下面高潮视频| 一区二区三区四区激情视频| 中文在线观看免费www的网站| av福利片在线观看| 日本与韩国留学比较| 天堂√8在线中文| 国产精品熟女久久久久浪| 亚洲三级黄色毛片| 中文天堂在线官网| 超碰av人人做人人爽久久| 亚洲av电影不卡..在线观看| 国产成人精品久久久久久| 精品久久国产蜜桃| 老司机福利观看| 精品一区二区三区人妻视频| 欧美一区二区亚洲| 成人美女网站在线观看视频| 日本午夜av视频| 久99久视频精品免费| 波野结衣二区三区在线| 午夜亚洲福利在线播放| 精品久久久久久久人妻蜜臀av| 亚洲精品乱久久久久久| 蜜桃久久精品国产亚洲av| 亚洲精品久久久久久婷婷小说 | 中文在线观看免费www的网站| 神马国产精品三级电影在线观看| 禁无遮挡网站| 日韩国内少妇激情av| 国产一区二区在线av高清观看| 又爽又黄无遮挡网站| 亚洲精品久久久久久婷婷小说 | 国产午夜精品一二区理论片| 国产精品国产三级国产av玫瑰| 亚洲av不卡在线观看| 日产精品乱码卡一卡2卡三| 亚洲国产色片| 国产熟女欧美一区二区| 亚洲国产最新在线播放| 特级一级黄色大片| 欧美一区二区国产精品久久精品| 午夜久久久久精精品| 亚洲精品成人久久久久久| 人妻少妇偷人精品九色| 在线天堂最新版资源| 久久99热这里只频精品6学生 | 边亲边吃奶的免费视频| 亚洲av熟女| 亚洲av不卡在线观看| 91狼人影院| 深夜a级毛片| 午夜精品在线福利| 亚洲人成网站在线观看播放| 国产真实伦视频高清在线观看| 亚洲av一区综合| 国产真实乱freesex| 成人高潮视频无遮挡免费网站| 亚洲国产欧洲综合997久久,| 特大巨黑吊av在线直播| 中文天堂在线官网| 日韩欧美精品免费久久| 伊人久久精品亚洲午夜| 久久久久久久午夜电影| 夜夜爽夜夜爽视频| 九九久久精品国产亚洲av麻豆| a级毛色黄片| 永久免费av网站大全| 欧美性猛交黑人性爽| 欧美xxxx性猛交bbbb| 少妇熟女欧美另类| 精品99又大又爽又粗少妇毛片| 九九在线视频观看精品| 舔av片在线| 国产av一区在线观看免费| 亚洲精品,欧美精品| 欧美成人一区二区免费高清观看| 欧美+日韩+精品| 97在线视频观看| 国产高清三级在线| 亚洲欧洲国产日韩| 国产精品一二三区在线看| 麻豆久久精品国产亚洲av| 水蜜桃什么品种好| 欧美日韩精品成人综合77777| 国产 一区 欧美 日韩| 成人特级av手机在线观看| 亚洲欧美日韩东京热| 禁无遮挡网站| 日本与韩国留学比较| 国产乱人偷精品视频| 成年女人永久免费观看视频| 伦理电影大哥的女人| 性色avwww在线观看| 全区人妻精品视频| 亚洲国产精品成人综合色| 久久久久久久久久成人| 舔av片在线| 亚洲人成网站高清观看| 美女黄网站色视频| 久久精品国产鲁丝片午夜精品| 国产精品无大码| 18禁裸乳无遮挡免费网站照片| 天天一区二区日本电影三级| 国产高清国产精品国产三级 | 亚洲美女搞黄在线观看| 亚洲精品自拍成人| 久久久久网色| 在线天堂最新版资源| 日韩高清综合在线| 国产精品久久久久久久电影| 热99re8久久精品国产| 欧美bdsm另类| 成人欧美大片| 成人午夜高清在线视频| 99久久九九国产精品国产免费| 男女视频在线观看网站免费| 看十八女毛片水多多多| 一夜夜www| 亚洲av中文字字幕乱码综合| 亚洲欧美成人综合另类久久久 | 不卡视频在线观看欧美| 高清av免费在线| 一级爰片在线观看| 婷婷色综合大香蕉| 在现免费观看毛片| 黄色一级大片看看| 欧美一级a爱片免费观看看| 国产成人91sexporn| 黄色日韩在线| 村上凉子中文字幕在线| 看十八女毛片水多多多| 最近最新中文字幕大全电影3| 国产又色又爽无遮挡免| 日本与韩国留学比较| av天堂中文字幕网| 亚洲自偷自拍三级| 三级国产精品片| 国产欧美日韩精品一区二区| 亚洲精品亚洲一区二区| 99九九线精品视频在线观看视频| 国产淫片久久久久久久久| 国产成人精品一,二区| 亚洲真实伦在线观看| 中国国产av一级| 亚洲人与动物交配视频| 国产又色又爽无遮挡免| 永久免费av网站大全| 亚洲最大成人av| 在线免费十八禁| 亚洲国产精品合色在线| 日本与韩国留学比较| 日本av手机在线免费观看| 成年av动漫网址| 国产白丝娇喘喷水9色精品| 噜噜噜噜噜久久久久久91| 国产91av在线免费观看| 亚洲精品aⅴ在线观看| 日韩av在线大香蕉| 久久久久久久国产电影| 久久鲁丝午夜福利片| 黄片无遮挡物在线观看| 成人av在线播放网站| 赤兔流量卡办理| 欧美日本亚洲视频在线播放| 一边摸一边抽搐一进一小说| 成人亚洲精品av一区二区| 成年女人看的毛片在线观看| 毛片一级片免费看久久久久| 午夜福利成人在线免费观看| 欧美变态另类bdsm刘玥| 亚洲最大成人中文| 国产乱人视频| 九九久久精品国产亚洲av麻豆| av免费在线看不卡| 欧美一区二区亚洲| 毛片女人毛片| 三级经典国产精品| 亚洲欧洲国产日韩| 一级毛片久久久久久久久女| 天堂影院成人在线观看| 亚洲国产高清在线一区二区三| 免费电影在线观看免费观看| 久99久视频精品免费| 亚洲无线观看免费| 精品久久久久久久久亚洲| av女优亚洲男人天堂| 亚洲在线观看片| 亚洲真实伦在线观看| 国产美女午夜福利| 内射极品少妇av片p| 亚洲激情五月婷婷啪啪| 亚洲18禁久久av| 美女高潮的动态| 波野结衣二区三区在线| 国产视频首页在线观看| 非洲黑人性xxxx精品又粗又长| 日韩在线高清观看一区二区三区| 日韩精品有码人妻一区| 最近手机中文字幕大全| 99热精品在线国产| 午夜a级毛片| 成人鲁丝片一二三区免费| 亚洲精品aⅴ在线观看| 少妇裸体淫交视频免费看高清| 欧美潮喷喷水| 亚洲真实伦在线观看|