• <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
    欧美日韩乱码在线| 人人妻人人看人人澡| 国产成人啪精品午夜网站| 国产成人啪精品午夜网站| 别揉我奶头~嗯~啊~动态视频| 91麻豆av在线| 免费在线观看亚洲国产| 一进一出抽搐动态| 国产真实乱freesex| 两性夫妻黄色片| 亚洲色图 男人天堂 中文字幕| 叶爱在线成人免费视频播放| 老鸭窝网址在线观看| 久久久久久大精品| 亚洲av成人av| 美女高潮喷水抽搐中文字幕| 99精品欧美一区二区三区四区| 99久久精品热视频| 久久国产乱子伦精品免费另类| 亚洲激情在线av| 欧美在线黄色| 亚洲精品在线观看二区| 啦啦啦免费观看视频1| 国产三级中文精品| 天天躁夜夜躁狠狠躁躁| 国产爱豆传媒在线观看 | 国产精品香港三级国产av潘金莲| 国产精品影院久久| 国产野战对白在线观看| 啦啦啦免费观看视频1| 久久精品国产清高在天天线| 亚洲精品美女久久av网站| 狠狠狠狠99中文字幕| 亚洲欧美日韩高清专用| 香蕉国产在线看| avwww免费| 99在线视频只有这里精品首页| 国产蜜桃级精品一区二区三区| 国产一区在线观看成人免费| 成人国产综合亚洲| 国内精品久久久久久久电影| 欧美黑人巨大hd| 久久九九热精品免费| 成年人黄色毛片网站| 精品久久久久久久末码| 桃红色精品国产亚洲av| 久久精品国产亚洲av高清一级| 美女黄网站色视频| 九九热线精品视视频播放| 久久中文字幕人妻熟女| 久久久久久大精品| 日韩欧美免费精品| 岛国在线免费视频观看| 亚洲五月婷婷丁香| 国产成人一区二区三区免费视频网站| 成人18禁在线播放| 午夜福利成人在线免费观看| 最新美女视频免费是黄的| 国产熟女xx| 亚洲成人久久性| 午夜免费观看网址| а√天堂www在线а√下载| 日日干狠狠操夜夜爽| 一夜夜www| 男女视频在线观看网站免费 | 日韩欧美在线二视频| svipshipincom国产片| 亚洲第一欧美日韩一区二区三区| xxxwww97欧美| 国产精品永久免费网站| 国产精品 欧美亚洲| 亚洲欧洲精品一区二区精品久久久| 国产成人av激情在线播放| 色综合婷婷激情| 在线观看66精品国产| 变态另类成人亚洲欧美熟女| 国产精品国产高清国产av| 欧美精品亚洲一区二区| 国产激情偷乱视频一区二区| 国产久久久一区二区三区| 色av中文字幕| 高潮久久久久久久久久久不卡| 波多野结衣巨乳人妻| 99国产精品一区二区三区| 男女午夜视频在线观看| 丝袜美腿诱惑在线| 国产97色在线日韩免费| 国产伦在线观看视频一区| av中文乱码字幕在线| 丝袜美腿诱惑在线| 精品午夜福利视频在线观看一区| 白带黄色成豆腐渣| 亚洲精品久久成人aⅴ小说| 99国产精品一区二区蜜桃av| 老司机福利观看| 精品福利观看| 国产av一区二区精品久久| 久久天躁狠狠躁夜夜2o2o| 午夜成年电影在线免费观看| 一二三四在线观看免费中文在| 欧美黑人精品巨大| 久久精品成人免费网站| 一本精品99久久精品77| 动漫黄色视频在线观看| 免费高清视频大片| 国产真实乱freesex| 精品久久久久久久人妻蜜臀av| 999久久久国产精品视频| 欧美日韩中文字幕国产精品一区二区三区| 99热6这里只有精品| 女人爽到高潮嗷嗷叫在线视频| 2021天堂中文幕一二区在线观| 欧美日韩乱码在线| 日韩欧美在线二视频| 亚洲人成网站在线播放欧美日韩| 久久中文看片网| 青草久久国产| 成人一区二区视频在线观看| 久久久久久九九精品二区国产 | 黄色视频,在线免费观看| 操出白浆在线播放| 亚洲 欧美一区二区三区| 伊人久久大香线蕉亚洲五| 亚洲性夜色夜夜综合| 精品久久蜜臀av无| 老熟妇乱子伦视频在线观看| 久久99热这里只有精品18| 俺也久久电影网| 99热这里只有是精品50| 久久久久久九九精品二区国产 | 老司机在亚洲福利影院| 99热只有精品国产| av福利片在线| 亚洲av成人一区二区三| 美女午夜性视频免费| 国产精品久久视频播放| 观看免费一级毛片| 少妇粗大呻吟视频| 久久中文字幕一级| 蜜桃久久精品国产亚洲av| 国产精品亚洲一级av第二区| 免费高清视频大片| 日本撒尿小便嘘嘘汇集6| 亚洲va日本ⅴa欧美va伊人久久| avwww免费| 桃红色精品国产亚洲av| 看片在线看免费视频| 免费看a级黄色片| 51午夜福利影视在线观看| 精品久久久久久成人av| 中文亚洲av片在线观看爽| 亚洲熟妇熟女久久| 最新在线观看一区二区三区| 曰老女人黄片| 日韩欧美三级三区| 18禁黄网站禁片午夜丰满| 欧美乱码精品一区二区三区| 亚洲国产看品久久| 日韩高清综合在线| 人妻丰满熟妇av一区二区三区| 又紧又爽又黄一区二区| 国产伦人伦偷精品视频| 欧美日韩亚洲综合一区二区三区_| 国产真实乱freesex| 夜夜躁狠狠躁天天躁| 真人做人爱边吃奶动态| netflix在线观看网站| 人人妻人人看人人澡| 精品福利观看| 妹子高潮喷水视频| 国产一区在线观看成人免费| 欧美黑人欧美精品刺激| 床上黄色一级片| 国产又色又爽无遮挡免费看| 最近最新中文字幕大全免费视频| 无人区码免费观看不卡| 怎么达到女性高潮| 欧美成人午夜精品| 国产不卡一卡二| 国产亚洲精品久久久久5区| 日本一二三区视频观看| 久久久久久亚洲精品国产蜜桃av| 夜夜躁狠狠躁天天躁| 国产aⅴ精品一区二区三区波| 国产精品亚洲美女久久久| 国内少妇人妻偷人精品xxx网站 | 久久欧美精品欧美久久欧美| 丰满的人妻完整版| 麻豆成人午夜福利视频| 国产亚洲精品一区二区www| 国内揄拍国产精品人妻在线| 制服诱惑二区| 搞女人的毛片| 99精品欧美一区二区三区四区| 97超级碰碰碰精品色视频在线观看| 日韩精品中文字幕看吧| 波多野结衣高清作品| 中文字幕精品亚洲无线码一区| 在线十欧美十亚洲十日本专区| 免费电影在线观看免费观看| 午夜老司机福利片| 久久久久国产精品人妻aⅴ院| 丰满人妻一区二区三区视频av | 久久久久久国产a免费观看| 国产69精品久久久久777片 | 99热只有精品国产| 亚洲一区高清亚洲精品| 动漫黄色视频在线观看| 搡老妇女老女人老熟妇| 两个人看的免费小视频| 亚洲乱码一区二区免费版| www.www免费av| 欧美高清成人免费视频www| 两个人免费观看高清视频| 久9热在线精品视频| 一本大道久久a久久精品| 久久精品国产清高在天天线| 国产区一区二久久| 亚洲熟女毛片儿| a级毛片a级免费在线| 亚洲国产中文字幕在线视频| ponron亚洲| 日韩av在线大香蕉| 成人精品一区二区免费| 两个人免费观看高清视频| bbb黄色大片| 亚洲av五月六月丁香网| 麻豆国产97在线/欧美 | 日韩欧美精品v在线| a在线观看视频网站| 女人爽到高潮嗷嗷叫在线视频| 久久精品国产清高在天天线| 成人国语在线视频| 久久精品91蜜桃| 国产精品av久久久久免费| 中文在线观看免费www的网站 | 99热这里只有精品一区 | 天天躁狠狠躁夜夜躁狠狠躁| 国产精华一区二区三区| 成人高潮视频无遮挡免费网站| 波多野结衣高清作品| 国产v大片淫在线免费观看| 999久久久精品免费观看国产| 久久人妻福利社区极品人妻图片| 精品久久久久久久久久免费视频| 精品人妻1区二区| 男插女下体视频免费在线播放| 亚洲国产日韩欧美精品在线观看 | 人人妻,人人澡人人爽秒播| 少妇裸体淫交视频免费看高清 | 亚洲片人在线观看| 桃红色精品国产亚洲av| 国产免费男女视频| www.999成人在线观看| 国产v大片淫在线免费观看| 日韩欧美 国产精品| 免费搜索国产男女视频| 亚洲av片天天在线观看| 亚洲激情在线av| 日本撒尿小便嘘嘘汇集6| 黑人巨大精品欧美一区二区mp4| 91成年电影在线观看| 正在播放国产对白刺激| 无遮挡黄片免费观看| 午夜精品在线福利| 亚洲一区中文字幕在线| 视频区欧美日本亚洲| 中文在线观看免费www的网站 | 国产又黄又爽又无遮挡在线| 国产在线观看jvid| 午夜激情福利司机影院| 在线观看www视频免费| 性色av乱码一区二区三区2| 亚洲精品av麻豆狂野| 在线永久观看黄色视频| 精品久久蜜臀av无| 久久久久亚洲av毛片大全| 午夜福利视频1000在线观看| 国产黄片美女视频| 国产精品av久久久久免费| 中文字幕久久专区| 少妇被粗大的猛进出69影院| 狂野欧美激情性xxxx| 亚洲成人久久性| 久久精品91无色码中文字幕| 国产亚洲精品一区二区www| 亚洲av成人av| 中文在线观看免费www的网站 | 亚洲欧洲精品一区二区精品久久久| 我的老师免费观看完整版| 亚洲av成人av| 欧美国产日韩亚洲一区| 此物有八面人人有两片| 欧美成人性av电影在线观看| 亚洲精品av麻豆狂野| 国产精品一及| 一卡2卡三卡四卡精品乱码亚洲| 日韩欧美国产一区二区入口| 欧美成狂野欧美在线观看| 国产精品99久久99久久久不卡| 叶爱在线成人免费视频播放| 成人精品一区二区免费| 国产av不卡久久| 黄色丝袜av网址大全| 精华霜和精华液先用哪个| 亚洲人与动物交配视频| 欧美日韩黄片免| 国产精品久久久久久人妻精品电影| 黑人操中国人逼视频| 丰满人妻一区二区三区视频av | 一区二区三区激情视频| 男女那种视频在线观看| 亚洲 欧美一区二区三区| 又紧又爽又黄一区二区| 天堂动漫精品| 亚洲欧美激情综合另类| 99国产精品一区二区三区| 国产亚洲精品第一综合不卡| av超薄肉色丝袜交足视频| 正在播放国产对白刺激| 12—13女人毛片做爰片一| 男人舔女人下体高潮全视频| 亚洲九九香蕉| 免费在线观看亚洲国产| 又黄又爽又免费观看的视频| 久久婷婷人人爽人人干人人爱| 午夜福利视频1000在线观看| 啦啦啦韩国在线观看视频| 日韩成人在线观看一区二区三区| 香蕉丝袜av| 精品欧美一区二区三区在线| 麻豆成人av在线观看| 国产精品日韩av在线免费观看| 首页视频小说图片口味搜索| 又黄又爽又免费观看的视频| 免费在线观看完整版高清| 亚洲欧美日韩高清专用| 搡老熟女国产l中国老女人| 国产精品av视频在线免费观看| 后天国语完整版免费观看| 亚洲国产精品合色在线| 久久久久久久午夜电影| 国内久久婷婷六月综合欲色啪| 免费在线观看影片大全网站| 男人的好看免费观看在线视频 | 黄色视频,在线免费观看| 99国产精品99久久久久| av有码第一页| 99精品在免费线老司机午夜| 哪里可以看免费的av片| 50天的宝宝边吃奶边哭怎么回事| 美女黄网站色视频| 久久热在线av| 日本精品一区二区三区蜜桃| 精品第一国产精品| 精品乱码久久久久久99久播| 国产精品一区二区免费欧美| 99精品欧美一区二区三区四区| 国产又黄又爽又无遮挡在线| 久久中文看片网| 亚洲天堂国产精品一区在线| 香蕉av资源在线| 日韩欧美在线二视频| 男女下面进入的视频免费午夜| 欧美一级毛片孕妇| av在线播放免费不卡| 可以免费在线观看a视频的电影网站| 国产野战对白在线观看| 欧美中文日本在线观看视频| 久久国产乱子伦精品免费另类| 国产亚洲欧美98| 波多野结衣高清无吗| 国产成人av教育| 一进一出抽搐gif免费好疼| 久久久国产成人免费| 免费在线观看影片大全网站| 免费在线观看黄色视频的| 我的老师免费观看完整版| 1024手机看黄色片| 悠悠久久av| 别揉我奶头~嗯~啊~动态视频| 悠悠久久av| 99精品久久久久人妻精品| 99久久久亚洲精品蜜臀av| 久9热在线精品视频| 亚洲成人久久性| 午夜精品久久久久久毛片777| 精品一区二区三区视频在线观看免费| 亚洲欧美日韩高清专用| 999久久久国产精品视频| 女警被强在线播放| 亚洲av成人不卡在线观看播放网| 国产区一区二久久| www日本黄色视频网| 成人亚洲精品av一区二区| 日韩精品免费视频一区二区三区| 蜜桃久久精品国产亚洲av| 男女做爰动态图高潮gif福利片| √禁漫天堂资源中文www| 99re在线观看精品视频| 欧洲精品卡2卡3卡4卡5卡区| 宅男免费午夜| 黄色a级毛片大全视频| 亚洲18禁久久av| 脱女人内裤的视频| 欧美一区二区国产精品久久精品 | 1024香蕉在线观看| 午夜精品一区二区三区免费看| 亚洲精品色激情综合| 怎么达到女性高潮| 久久久久久大精品| 精品高清国产在线一区| 久久天堂一区二区三区四区| 男女之事视频高清在线观看| √禁漫天堂资源中文www| 久久精品91蜜桃| 视频区欧美日本亚洲| 欧美日韩亚洲国产一区二区在线观看| 国产精品1区2区在线观看.| 九九热线精品视视频播放| 日本三级黄在线观看| 日韩欧美国产一区二区入口| 免费看十八禁软件| 中文资源天堂在线| 欧美黑人欧美精品刺激| 老司机福利观看| 国产精品久久久久久亚洲av鲁大| 国模一区二区三区四区视频 | 波多野结衣巨乳人妻| 香蕉av资源在线| 狂野欧美激情性xxxx| 12—13女人毛片做爰片一| 一级片免费观看大全| 欧美日本视频| 欧美黑人欧美精品刺激| 成熟少妇高潮喷水视频| 91字幕亚洲| 高清毛片免费观看视频网站| 欧美日韩瑟瑟在线播放| 久久久久久大精品| 精品第一国产精品| 国产黄a三级三级三级人| 精品久久久久久久人妻蜜臀av| 国产精品精品国产色婷婷| 日本熟妇午夜| 99riav亚洲国产免费| 我的老师免费观看完整版| 成人高潮视频无遮挡免费网站| 国产伦人伦偷精品视频| av福利片在线观看| 成年人黄色毛片网站| 国产高清视频在线播放一区| 夜夜夜夜夜久久久久| 一级a爱片免费观看的视频| 成年女人毛片免费观看观看9| 久久亚洲精品不卡| 50天的宝宝边吃奶边哭怎么回事| 免费高清视频大片| 久久久精品大字幕| 久久久久久久久久黄片| 可以在线观看毛片的网站| 精品久久久久久久毛片微露脸| 国产伦在线观看视频一区| 日韩av在线大香蕉| 亚洲一区二区三区色噜噜| 99热6这里只有精品| 18禁黄网站禁片免费观看直播| 亚洲第一电影网av| 国产欧美日韩精品亚洲av| 亚洲成av人片在线播放无| 午夜亚洲福利在线播放| 国产亚洲av高清不卡| 久久久国产成人免费| 男女午夜视频在线观看| 99热这里只有精品一区 | 最近视频中文字幕2019在线8| 日韩国内少妇激情av| 国模一区二区三区四区视频 | 亚洲中文av在线| 亚洲自偷自拍图片 自拍| 欧美黑人巨大hd| 久久婷婷成人综合色麻豆| 97超级碰碰碰精品色视频在线观看| 亚洲国产看品久久| 亚洲欧美日韩高清在线视频| 久久中文字幕一级| 亚洲专区国产一区二区| 可以在线观看的亚洲视频| 美女大奶头视频| 国内久久婷婷六月综合欲色啪| 天堂√8在线中文| 成人永久免费在线观看视频| 久久精品91无色码中文字幕| 18禁观看日本| 色av中文字幕| 老汉色av国产亚洲站长工具| 欧美 亚洲 国产 日韩一| 一边摸一边抽搐一进一小说| 亚洲 国产 在线| 狂野欧美激情性xxxx| 国产91精品成人一区二区三区| 真人做人爱边吃奶动态| 国产高清有码在线观看视频 | 母亲3免费完整高清在线观看| 三级国产精品欧美在线观看 | 搡老熟女国产l中国老女人| 日本 欧美在线| 国产精品综合久久久久久久免费| 精品午夜福利视频在线观看一区| 男女床上黄色一级片免费看| 无限看片的www在线观看| 在线观看午夜福利视频| 好男人电影高清在线观看| 欧美黄色淫秽网站| 午夜免费观看网址| 黑人操中国人逼视频| 色精品久久人妻99蜜桃| 伊人久久大香线蕉亚洲五| 亚洲avbb在线观看| 女生性感内裤真人,穿戴方法视频| 欧美性长视频在线观看| 久久九九热精品免费| 亚洲乱码一区二区免费版| 亚洲天堂国产精品一区在线| 国产精品自产拍在线观看55亚洲| 麻豆成人av在线观看| 午夜老司机福利片| 人人妻人人澡欧美一区二区| 国产97色在线日韩免费| 亚洲国产精品sss在线观看| 久久亚洲真实| 亚洲精品久久国产高清桃花| 不卡一级毛片| 中亚洲国语对白在线视频| 在线观看66精品国产| 一本一本综合久久| 亚洲一区二区三区色噜噜| 久久九九热精品免费| 中文亚洲av片在线观看爽| 毛片女人毛片| 好男人电影高清在线观看| 狂野欧美白嫩少妇大欣赏| 欧美av亚洲av综合av国产av| 美女扒开内裤让男人捅视频| 亚洲,欧美精品.| 真人做人爱边吃奶动态| 99在线人妻在线中文字幕| 黑人操中国人逼视频| 黄频高清免费视频| 白带黄色成豆腐渣| 这个男人来自地球电影免费观看| 午夜激情av网站| www.www免费av| 老汉色∧v一级毛片| 99热6这里只有精品| 亚洲成人中文字幕在线播放| 久久久久精品国产欧美久久久| 男女床上黄色一级片免费看| 脱女人内裤的视频| 久久久久久国产a免费观看| 色综合婷婷激情| 最近最新中文字幕大全免费视频| 变态另类成人亚洲欧美熟女| 亚洲五月天丁香| 亚洲熟女毛片儿| www.www免费av| 女同久久另类99精品国产91| 久久香蕉激情| 亚洲专区中文字幕在线| 首页视频小说图片口味搜索| 黄色女人牲交| 怎么达到女性高潮| 午夜福利免费观看在线| 一本综合久久免费| 亚洲黑人精品在线| 国产精品久久久久久久电影 | 看片在线看免费视频| 长腿黑丝高跟| 精品高清国产在线一区| 久久中文字幕一级| 国产精品乱码一区二三区的特点| 99国产精品一区二区蜜桃av| 三级男女做爰猛烈吃奶摸视频| 久久久久九九精品影院| 色哟哟哟哟哟哟| 99久久国产精品久久久| 久久人人精品亚洲av| 美女扒开内裤让男人捅视频| 亚洲成人国产一区在线观看| 50天的宝宝边吃奶边哭怎么回事| 国产精品爽爽va在线观看网站| 日本熟妇午夜| 国产成人影院久久av| 999精品在线视频| 在线看三级毛片| 国产精品1区2区在线观看.| 亚洲熟妇中文字幕五十中出| 亚洲成人免费电影在线观看| 最近在线观看免费完整版| 97人妻精品一区二区三区麻豆| 亚洲男人的天堂狠狠| av在线播放免费不卡| 成人三级做爰电影| 久久精品国产清高在天天线| 亚洲 欧美一区二区三区| 丝袜美腿诱惑在线| 国产精品亚洲一级av第二区| 热99re8久久精品国产| 国产主播在线观看一区二区| 日日爽夜夜爽网站| 69av精品久久久久久| 日本黄大片高清| 夜夜夜夜夜久久久久| 1024香蕉在线观看| 韩国av一区二区三区四区|