• <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 ?

    近20年計算機與信息科學(xué)領(lǐng)域研究進展

    2022-03-21 04:06:20李涵霄杜杏葉
    知識管理論壇 2022年1期

    李涵霄 杜杏葉

    關(guān)鍵詞:《信息處理與管理》 ? ?IPM ? ?計算機與信息科學(xué) ? ?主題分析

    分類號:G201

    引用格式:李涵霄, 杜杏葉. 近20年計算機與信息科學(xué)領(lǐng)域研究進展: IPM期刊主題分析[J/OL]. 知識管理論壇, 2022, 7(2): 24-36[引用日期]. http://www.kmf.ac.cn/p/272/.

    1 ?引言

    數(shù)字化、網(wǎng)絡(luò)化與智能化時代的到來,為計算機與信息科學(xué)領(lǐng)域的發(fā)展帶來了巨大沖擊,也使得相關(guān)研究迅速增多,研究主題發(fā)生變化。作為科研成果的主要載體和傳播平臺,科技期刊在學(xué)術(shù)交流中承擔(dān)著重要的使命[1]。對科技期刊載文進行主題分析,能夠更好地了解該學(xué)科領(lǐng)域的研究進展與演進特征?!缎畔⑻幚砼c管理》(Information Processing and Management,IPM)于1963年創(chuàng)刊,其最初名為《信息存儲與檢索》(Information Storage and Retrieval,ISR),自1975年正式更名為IPM,并延續(xù)至今。根據(jù)SCI-JCR數(shù)據(jù),該刊2020年的引用評分(CiteScore)為8.6,影響因子為6.222,在計算機科學(xué)與信息系統(tǒng)(COMPUTER SCIENCE,INFORMATION SYSTEMS)以及情報學(xué)與圖書館學(xué)(INFORMATION SCIENCE & LIBRARY SCIENCE)類別中均位列一區(qū)。IPM致力于發(fā)表計算機與信息科學(xué)交叉領(lǐng)域的前沿研究成果,在國內(nèi)外計算機與信息系統(tǒng)界乃至圖書情報界均具有高影響力與高知名度,為推動領(lǐng)域進步做出了重要貢獻。因此,對IPM期刊的發(fā)文主題進行系統(tǒng)梳理,能夠在一定程度上反映計算機與信息科學(xué)領(lǐng)域的研究進展,展現(xiàn)IPM為領(lǐng)域發(fā)展所做出的學(xué)術(shù)貢獻。

    已有學(xué)者針對IPM進行了主題分析。F. E. DeHart對IPM、JASIS(Journal of the American Society for Information Science)和JD(Journal of Documentation)3個期刊1987-1990年所發(fā)表論文的參考文獻進行分析,著重比較了引用專著的比例,發(fā)現(xiàn)IPM在1989-1990年引用專著最多的3個主題分別為信息存儲和檢索系統(tǒng)、人工智能、話語分析[2];M. Y. Tsay對1998-2008年JASIST(Journal of the American Society for Information Science and Technology)、IPM和JD 3個期刊進行文獻計量分析與比較,發(fā)現(xiàn)IPM引用期刊論文最多的3個主題分別為搜索、在線信息檢索、信息工作,引用書籍最多的3個主題分別為信息存儲和檢索系統(tǒng)、信息檢索、計算機算法[3];王曰芬等對2006-2015年《現(xiàn)代圖書情報技術(shù)》及IPM等國內(nèi)外相似期刊的發(fā)文特征進行比較分析,發(fā)現(xiàn)信息檢索是IPM期刊最大的研究熱點,其他熱點還有用戶行為分析、文本挖掘算法、文本分類、語義分析等[4]??梢钥闯?,此前研究均是將IPM與其他期刊進行比較分析,且大多是定量分析,而較少關(guān)注各個研究主題的內(nèi)涵演變。因此,筆者對IPM近20年(2000-2020年)的發(fā)文主題進行系統(tǒng)梳理,以了解IPM期刊發(fā)文的主題側(cè)重與演進趨勢,為計算機與信息科學(xué)領(lǐng)域發(fā)展及相關(guān)研究提供參考,也為圖書情報領(lǐng)域提供有益借鑒。

    2 ?數(shù)據(jù)與方法

    2000-2020年間,IPM共刊發(fā)1 852篇研究論文。利用ScienceDirect全文數(shù)據(jù)庫將論文數(shù)據(jù)導(dǎo)出,形成可供統(tǒng)計分析的數(shù)據(jù)源。首先,對論文關(guān)鍵詞詞頻進行統(tǒng)計,繪制關(guān)鍵詞詞云圖(見圖1),發(fā)現(xiàn)研究熱點主要涉及信息檢索(information retrieval)、機器學(xué)習(xí)(machine learning)、自然語言處理(natural language processing)、查詢擴展(query expansion)、社交媒體(social media)、情感分析(sentiment analysis)、文本分類(text classification)、信息搜尋(information seeking)等主題。其次,提取論文標(biāo)題與摘要,利用VOSviewer進行共現(xiàn)分析,得出共現(xiàn)網(wǎng)絡(luò)圖(見圖2),從圖2中可以明顯看出,研究主題主要分為三大類:信息檢索(information retrieval)、文本分析(text analysis)和用戶研究(user research)。最后,基于1 852篇研究論文,從信息檢索、文本分析和用戶研究三大類別出發(fā),對IPM近20年的研究主題進行梳理,并比較不同時期的研究重點,得出主題演進趨勢。

    3.1 ?第一大主題:信息檢索

    信息檢索是20世紀(jì)50年代在國外興起的一門新興學(xué)科,主要研究的是信息的表示、存儲、組織與訪問[5]。在過去20年中,信息檢索一直是IPM期刊關(guān)注的重點,涉及的主題包括信息檢索模型(information retrieval model)、搜索引擎(search engine)、圖像檢索(image retrieval)等方面。

    3.1.1 ?信息檢索模型

    信息檢索模型指描述信息檢索中的文檔、查詢和它們之間關(guān)系(匹配函數(shù))的數(shù)學(xué)模型[6],常用的檢索模型有布爾檢索模型、概率模型、向量空間模型、語言模型、排序模型等類型。IPM相關(guān)研究基本圍繞概率模型展開,如K. Sparck Jones等開發(fā)了信息檢索概率模型[7-8],該模型是對其團隊于1976年提出的概率模型的改進[9],也是目前最廣受認(rèn)可的檢索模型,許多研究在該模型的基礎(chǔ)上進行改動,形成了較為普遍的應(yīng)用形式,見公式(1)[10]:

    公式(1)

    其中,fi指檢索文檔中詞項i出現(xiàn)的次數(shù),qfi指查詢中詞項i出現(xiàn)的次數(shù),N指整個檢索文檔數(shù)據(jù)集合的大小,ri指包含詞項i的相關(guān)文檔的數(shù)量,ni指包含詞項i的文檔的數(shù)量,R指和查詢相關(guān)的文檔集合的大小,K、k1、k2均為根據(jù)經(jīng)驗設(shè)定的超參數(shù)[10]。

    其他學(xué)者也從多個角度出發(fā)構(gòu)建了信息檢索概率模型,并進行了實驗測試。Z. B. Xu等開發(fā)了一種基于狄利克雷復(fù)合多項式(Dirichlet Compound Multinomial,DCM)分布的信息檢索概率模型,能夠?qū)崿F(xiàn)高效檢索和準(zhǔn)確排名[11];F. Dahak等針對XML信息檢索,建立了一個利用用戶期望來估計上下文重要性的概率模型,并通過實驗證明了其有效性[12]。此外,向量空間模型與排序模型也受到了廣泛討論,如X. Y. Tai等提出一種基于向量空間模型(VSM)的信息檢索模型,能夠利用用戶提供的相關(guān)信息來提高檢索性能[13];J. F. Guo等分析比較了神經(jīng)排序模型的基本假設(shè)、設(shè)計原則和學(xué)習(xí)策略,并討論了學(xué)習(xí)索引、利用外部知識學(xué)習(xí)、利用可視化技術(shù)學(xué)習(xí)、利用語境學(xué)習(xí)、神經(jīng)排序模型理解等未來發(fā)展趨勢[14]。整體而言,相關(guān)研究主要關(guān)注檢索模型的構(gòu)建、測試、比較與改進,目的是提升信息檢索系統(tǒng)性能,實現(xiàn)更高精度的信息檢索。

    3.1.2 ?搜索引擎

    在搜索引擎方面,相關(guān)研究集中在搜索引擎的檢索性能評估、查詢擴展和相關(guān)反饋以及網(wǎng)頁排名算法等方面。關(guān)于檢索性能評估,L. Vaughan基于查準(zhǔn)率和查全率的概念,提出一組測量方法,用于評估搜索引擎性能與穩(wěn)定性,實驗結(jié)果表明該測量方法能夠有效區(qū)分搜索引擎性能[15];F. Can等認(rèn)為人為評估搜索引擎檢索性能成本較高,因此引入一種自動搜索引擎評估方法,并通過實驗證明其評估結(jié)果與人為評估一致[16]。作為查詢優(yōu)化的重要分支,查詢擴展主要通過用戶查詢?nèi)罩九c用戶相關(guān)反饋等來源中的信息,對用戶的查詢進行擴展,如H. Kim等提出了一種基于用戶查詢?nèi)罩揪垲惖姆椒?,能夠在一定程度上彌補用戶查詢和檢索系統(tǒng)間的詞匯鴻溝[17];S. Jung等以搜索引擎用戶的點擊數(shù)據(jù)作為隱式相關(guān)反饋的信息來源,討論了相關(guān)反饋的可靠性及其變化[18]。此外,查詢擴展還更加關(guān)注基于語義的相關(guān)反饋技術(shù),以應(yīng)對查詢和文檔間的語義鴻溝,如J. M. Wang等提出了一種結(jié)合相關(guān)匹配和語義匹配的偽相關(guān)反饋,以提高反饋文檔質(zhì)量[19]。在網(wǎng)頁排名算法方面,在PageRank、HITS和OPIC等主流算法的基礎(chǔ)上,眾多學(xué)者開發(fā)了更高效的排名算法,如A. M. Z. Bidoki等提出了一種基于強化學(xué)習(xí)的DistanceRank算法,將兩個網(wǎng)頁間的“平均點擊次數(shù)”定義為距離,距離較小的頁面能夠具有更高的排名,實驗結(jié)果表明該算法在網(wǎng)頁排名和抓取調(diào)度方面優(yōu)于其他算法[20]。

    3.1.3 ?圖像檢索

    在文本檢索的基礎(chǔ)上,以圖像、音頻、視頻作為檢索對象的多媒體檢索技術(shù)逐漸發(fā)展起來,IPM相關(guān)研究則主要集中在圖像檢索領(lǐng)域。2000年后,圖像檢索從基于文本的圖像檢索(Text-based Image Retrieval,TBIR)向基于內(nèi)容的圖像檢索(Content-based Image Retrieval,CBIR)發(fā)展。CBIR的基礎(chǔ)即是對圖像的顏色、紋理、形狀等內(nèi)容特征進行選擇、提取和表示[21],相關(guān)研究也基本從該角度出發(fā)。如P. W. Huang等基于紋理相似度,提出了兩種紋理特征表示方法(CSG-vector和EDP-string),并據(jù)此設(shè)計了高效的圖像檢索系統(tǒng)[22];T. C. Lu等針對圖像的顏色特征,以顏色分布、平均值和標(biāo)準(zhǔn)差表示圖像的全局特征,以圖像位圖表示圖像的局部特征,以提高圖像檢索的準(zhǔn)確性[23]。然而,基于內(nèi)容的圖像檢索也存在難以跨越的語義鴻溝[24],為此,基于語義的圖像檢索技術(shù)逐漸發(fā)展起來,S. Pandey等便提出了一種用于語義分類分層圖像數(shù)據(jù)庫的語義和圖像檢索系統(tǒng),使得圖像被映射到多維特征空間的同時,圖像語義也能夠通過聚類和索引被表示出來,最終實現(xiàn)所需語義和對應(yīng)圖像的高效檢索[25]。

    3.2 ?第二大主題:文本分析

    文本分析即對文本內(nèi)容進行表示和特征提取,使得文本能夠被計算機識別與處理,從而判斷文本主題以及文本提供者的態(tài)度和情緒。IPM中有關(guān)文本分析的研究主要集中在文本挖掘(text mining)、情感分析(sentiment analysis)、知識圖譜(knowledge graph)等方面。

    3.2.1 ?文本挖掘

    針對潛藏于電子形式中的大量文本數(shù)據(jù),文本挖掘能夠從中抽取事先未知的、可理解的、最終可用的知識,并運用這些知識更好地組織信息以支持參考利用[26-27]。IPM相關(guān)研究基本圍繞文本分類與文本聚類展開。其中,文本分類指將文檔組織為預(yù)先定義好的類別,通常使用機器學(xué)習(xí)算法[28],如A. Elnagar等比較了常用的阿拉伯語文本分類深度學(xué)習(xí)模型,并提出了一個完全基于深度學(xué)習(xí)模型的分類方法[29]。同時,文本分類針對的文本特征也從簡單的詞、短語和句子發(fā)展為語法和語義特征,如A. Mohasseb等針對問答系統(tǒng)中的問題分類,提出了一種基于語法的分類框架,能夠有效區(qū)分不同的問題類型[30];Z. Kastrati等提出了一種語義豐富的文檔表示模型,能夠?qū)鹑谖臋n進行自動分類[31]。在文本聚類方面,眾多學(xué)者提出了各種聚類算法以優(yōu)化聚類性能,如G. B. Hu等開發(fā)了一種基于K-Means聚類算法的半監(jiān)督聚類方法,能夠?qū)垲愡^程進行約束[32];C. L. Chen等提出了一種基于頻繁模糊項集的分層聚類方法,旨在提高分層聚類精度[33];還有學(xué)者提出了用于文檔聚類的概率模型與算法,并通過實驗證明其性能優(yōu)于此前廣泛使用的模型與算法[34-35]。此外,也有研究從應(yīng)用場景出發(fā),探討了文本挖掘在信息檢索[36]、用戶服務(wù)[37]、專利分析[38]、話題識別[39]等領(lǐng)域的應(yīng)用方法與實踐效果。

    3.2.2 ?情感分析

    論壇、博客等各類社交媒體的發(fā)展以及以大眾點評為代表的點評網(wǎng)站的出現(xiàn),為大眾提供了情緒交流與消費點評的開放式平臺[40],也因此產(chǎn)生了大量的針對產(chǎn)品、服務(wù)、事件、話題等實體的觀點、情感、評價、態(tài)度與情緒[41]。情感分析,或稱觀點挖掘,便是利用自然語言處理和文本挖掘技術(shù),對這些帶有情感色彩的主觀性文本進行分析、處理和抽取的過程[42]。IPM中的情感分析研究主要以社交媒體為依托平臺,從用戶發(fā)布內(nèi)容或評論中分析其觀點和情緒,如A. Balahur等與S. M. Mohammad等以Twitter為例,分析了推文中的情感、情緒、目的、風(fēng)格以及相應(yīng)的情感分析系統(tǒng)[43-44];A. Severyn等針對YouTube上大量的用戶生成內(nèi)容,構(gòu)建了能夠應(yīng)對新領(lǐng)域或新語言的觀點挖掘模型,并通過實驗進行了驗證[45]。還有學(xué)者分析了用戶對產(chǎn)品或服務(wù)的評價,以挖掘其中的態(tài)度與情緒,如M. Al-Smadi等提出了一種基于監(jiān)督機器學(xué)習(xí)的方法,能夠?qū)频暝u論進行情緒分析[46]。在情感分析的過程中,研究者構(gòu)建了許多用于不同場景的情感分析模型,如A. Kumar等提出了一種用于文本和視覺社交數(shù)據(jù)中細(xì)粒度情感分析的深度學(xué)習(xí)模型[47];Z. Mahmood等則開發(fā)了羅馬烏爾都語語料庫,并以此為依據(jù)開發(fā)了一種用于挖掘情緒和態(tài)度的深度學(xué)習(xí)模型[48]。

    3.2.3 ?知識圖譜

    知識圖譜本質(zhì)上是揭示實體/概念之間語義關(guān)系的語義網(wǎng)絡(luò)[49]。IPM相關(guān)研究主要涉及知識圖譜技術(shù)、知識圖譜構(gòu)建與知識圖譜應(yīng)用3個方面。在知識圖譜技術(shù)方面,眾多學(xué)者以知識實體的抽取為主,探討了知識圖譜中的知識抽取與知識表示,如H. C. Cho等研究了多段表示的命名實體識別[50];L. Derczynski等描述了一個Twitter實體消歧數(shù)據(jù)集,并對推文中的命名實體識別和消歧進行了實證分析[51];X. Tang等提出了一種多源知識表示學(xué)習(xí)的模型,以結(jié)合實體描述、層次類型和文本關(guān)系,提高知識表示有效性[52]。在知識圖譜構(gòu)建方面,相關(guān)研究主要以語料庫為基礎(chǔ),構(gòu)建基于語義關(guān)系的知識圖譜,如I. Bounhas等從阿拉伯語的有聲語料庫中構(gòu)建了一個形態(tài)語義知識圖譜,利用上下文知識來推斷實體之間的語義依賴關(guān)系,并評估了文檔索引和查詢擴展的集中使用場景[53]。在應(yīng)用方面,知識圖譜可以應(yīng)用至檢索系統(tǒng)、問答系統(tǒng)、大數(shù)據(jù)分析等領(lǐng)域,如D. F. Li等提出了一種級聯(lián)模型,能夠同時考慮語義特征和圖譜特征,并設(shè)計了不同的級聯(lián)結(jié)構(gòu),以用于知識推理和檢索[54];S. Shin等針對問答系統(tǒng)中咨詢問題的含義,設(shè)計了一種謂詞約束詞典,并提出了基于該種謂詞約束的問答系統(tǒng),能夠提高搜索準(zhǔn)確性[55];F. Janssens等選擇了圖書情報領(lǐng)域的5本期刊,對其2002-2004年間刊載的近千篇文獻進行了計量分析,利用知識圖譜繪制了可視化術(shù)語網(wǎng)絡(luò)[56]。

    3.3 ?第三大主題:用戶研究

    對用戶的信息獲取、查尋、利用等行為進行研究,有助于信息服務(wù)機構(gòu)更具針對性地改進信息服務(wù)系統(tǒng)性能,提升服務(wù)質(zhì)量[57]。信息搜尋行為(information seeking behavior)、用戶生成內(nèi)容(user generated content)、個性化服務(wù)與人機交互(personalized service & human-computer interaction)是用戶研究主要關(guān)注的主題。

    3.3.1 ?信息搜尋行為

    信息搜尋行為指個體為滿足某些目標(biāo)需求而有目的地搜尋信息,除包括普遍意義上的信息搜索外,信息搜尋更側(cè)重于滿足整個信息需求的完整過程,探索用戶搜尋行為背后的原因、影響因素、用戶特征和個人差異等方面[58]。許多學(xué)者針對不同類型的用戶,分析了其信息搜尋行為的特征,如S. Makri等通過對27位律師的信息搜尋行為進行分析,提出了對Ellis信息搜尋行為模型的改進[59];H. R. Jamali等對物理和天文學(xué)研究人員的信息搜尋行為進行了調(diào)查,揭示了不同學(xué)科在信息搜尋行為上的差異,并發(fā)現(xiàn)跨學(xué)科領(lǐng)域更有可能使用通用搜索工具來獲取信息[60];M. Lykke等調(diào)查了醫(yī)生的信息搜尋行為,發(fā)生多數(shù)醫(yī)生能夠利用系統(tǒng)特征和搜索策略生成結(jié)構(gòu)良好的查詢[61]。此外,隨著社會水平的不斷提高,人們對健康信息的需求也逐漸增多,健康信息行為受到了更加廣泛關(guān)注,相關(guān)研究從不同角度著手分析了健康信息行為。如針對健康信息需求,W. J. Pian等系統(tǒng)梳理了消費者健康信息需求理論,指出未來應(yīng)關(guān)注的社會和情感維度[62];針對健康信息提供方,X. F. Zhang等探討了醫(yī)生在網(wǎng)絡(luò)平臺分享健康信息的動機,發(fā)現(xiàn)除物質(zhì)動機外,職業(yè)動機起著主要作用[63];針對健康信息獲取方,I. Huvila等研究了中老年人的健康信息行為偏好和動機,并將其與年輕人和老年人的健康信息行為進行了比較[64]。還有研究對健康信息規(guī)避行為進行了分析[65],以促進人們對健康信息的搜尋。

    3.3.2 ?用戶生成內(nèi)容

    用戶生成內(nèi)容是隨著Web 2.0興起而發(fā)展起來的一種網(wǎng)絡(luò)信息資源創(chuàng)作與組織模式,指用戶以各種形式在網(wǎng)絡(luò)上創(chuàng)作的文字、圖片、視頻等內(nèi)容[66]。IPM相關(guān)研究較少直接討論用戶生成內(nèi)容的理論基礎(chǔ),而是將其作為觀點挖掘、情感分析、輿情管理等領(lǐng)域研究的數(shù)據(jù)來源來進行分析。如A. Severyn等對YouTube上的用戶生成內(nèi)容進行了觀點挖掘[45];Y. D. Ge等探討了用戶生成內(nèi)容中的情緒對股市的影響[67];L. F. Li等研究了自然災(zāi)害發(fā)生后社交媒體上公眾的負(fù)面情緒,以及具有大量追隨者的用戶的發(fā)言對轉(zhuǎn)發(fā)數(shù)量的影響[68]。此外,社交媒體上的用戶生成內(nèi)容還可能會造成謠言和虛假新聞的傳播,學(xué)者們對謠言的識別和檢測進行了研究。Y. H. Liu等提出了一種基于長短期記憶網(wǎng)絡(luò)(Long Short-Term Memory,LSTM)和最大池化(max pooling)的模型,通過捕獲轉(zhuǎn)發(fā)內(nèi)容、傳播者和傳播結(jié)構(gòu)的動態(tài)變化來識別謠言傳播過程,并利用新浪微博數(shù)據(jù)進行了驗證[69];S. A. Alkhodair等則提出了一種基于word2vec和長短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)(LSTM-RNN)的突發(fā)性謠言檢測模型(見圖3),并利用Twitter中的數(shù)據(jù)進行了實驗,證明該模型在查準(zhǔn)率、查全率及F1值等方面的性能優(yōu)于其他模型[70]。

    3.3.3 ?個性化服務(wù)與人機交互

    在個性化服務(wù)方面,相關(guān)研究主要圍繞推薦系統(tǒng)的個性化展開。J. Wang等提出了社交媒體個性化框架,并構(gòu)建了一個排名模型,能夠在標(biāo)簽和內(nèi)容推薦中集成用戶的標(biāo)記歷史,使得系統(tǒng)建議與用戶偏好保持一致[71];F. M. Belem等以對象和用戶為中心,對個性化標(biāo)簽推薦進行了改進,并將其與以對象為中心的推薦方法進行了比較[72];S. Renjith等討論了旅游推薦系統(tǒng)的發(fā)展,梳理了從通用搜索引擎到個性化推薦系統(tǒng)再到基于情境感知的個性化推薦系統(tǒng)的演變[73]。在人機交互方面,除討論用戶和互聯(lián)網(wǎng)資源[74]、信息檢索系統(tǒng)[75]的交互,以及人機交互中的情感[76]等方面外,眼動跟蹤技術(shù)也是廣受關(guān)注的主題。如M. J. Cole等利用眼動跟蹤技術(shù),對用戶的交互式信息獲取過程進行了建模,以預(yù)測用戶的知識水平[77];M. Clark等基于眼動跟蹤數(shù)據(jù),分析了用戶對電子郵件文本的交互方式[78];B. Hilberink-Schulpen等通過眼動跟蹤方法調(diào)查了招聘廣告中外語的使用是否會影響用戶的注意力和觀看方式[79]。

    4 ?IPM主題演進趨勢

    在不同的時間段內(nèi),IPM的研究主題有著不同的側(cè)重。為了解不同時期的研究重點,并從整體上分析論文主題的演進趨勢,筆者將2000-2020年的論文劃分為4個時間段,對每個時間段內(nèi)的關(guān)鍵詞詞頻進行統(tǒng)計與可視化,制作不同時期的詞云圖(見圖4)。在4個時間段內(nèi),信息檢索(information retrieval)始終是最主要的研究主題,這與IPM期刊的定位密切相關(guān)。然而,隨著時間的推移,在2016-2020年間,信息檢索的研究熱度下降,社交媒體(social media)、情感分析(sentiment analysis)、深度學(xué)習(xí)(deep learning)、機器學(xué)習(xí)(machine learning)、自然語言處理(natural language processing)、文本挖掘(text mining)等主題詞的頻率增高,其中社交媒體以33次的詞頻,超過了信息檢索(31次),成為研究熱度最高的主題詞。

    利用CiteSpace軟件進行突現(xiàn)詞探測(burst detection),以展現(xiàn)研究主題的發(fā)展脈絡(luò)和演進趨勢,并預(yù)測未來的研究方向。2000-2020年IPM突現(xiàn)詞、突現(xiàn)強度及起止年份見表1,從表1中可以看出,在近20年的時間中,共有24個突現(xiàn)詞,其中“信息檢索”(information retrieval)的研究熱度從2000年開始,持續(xù)到2009年;“排名”(ranking)的研究熱度從2012年開始,持續(xù)到2020年。其他持續(xù)時間較長(5年以上)的突現(xiàn)詞還有:萬維網(wǎng)(world wide Web)、檢索(retrieval)、相關(guān)性(relevance)、設(shè)計(design)、共引(cocitation)、用戶(user)等。目前的研究熱點及前沿包括:排名(ranking)、圖像(graph)、影響(impact)、知識(knowledge)、Twitter、情感分析(sentiment analysis)、口頭語言(word of mouth)、情緒(emotion)等。這與此前的分析結(jié)果大致吻合,即信息檢索在很長時間內(nèi)一直是IPM主要關(guān)注的內(nèi)容,同時由于搜索引擎的發(fā)展離不開網(wǎng)頁排名算法的更新與優(yōu)化,因此排名算法在持續(xù)較長時間的研究熱度后,仍然是目前的研究前沿。此外,研究主題的演變還呈現(xiàn)出從文本到圖像、從信息到知識的特征。從表現(xiàn)形式來看,信息檢索的對象逐漸脫離文本的限制,而開始關(guān)注具有更豐富信息的圖像、音頻與視頻,這些多媒體載體除包含基本的文本信息外,還能夠傳達出更多內(nèi)容特征,從而便于對其進行識別、檢索與挖掘。從組織方式來看,相比于信息而言,知識更加結(jié)構(gòu)化,也更具利用價值。我國《新一代人工智能發(fā)展規(guī)劃》也提到要重點突破知識加工、深度搜索和可視交互核心技術(shù)[80],意味著基于知識的分析、挖掘及知識圖譜構(gòu)建將成為計算機與人工智能領(lǐng)域未來的重點發(fā)展方向。社交媒體與情感分析也是重要趨勢之一,社交媒體上用戶生成的海量文本信息與行為數(shù)據(jù),為情感分析與用戶行為研究提供了必要的數(shù)據(jù)基礎(chǔ),使得相關(guān)研究在計算機與人工智能技術(shù)的應(yīng)用下得到了飛速發(fā)展。

    從期刊專輯也可以看出IPM關(guān)注的重點主題及其變化。在2010年以前,專輯主題基本圍繞信息檢索展開,例如在2000年的“基于網(wǎng)絡(luò)的信息檢索研究”(Web-based information retrieval research)專輯中,期刊編輯提到,互聯(lián)網(wǎng)的發(fā)展擴大了信息檢索的研究范圍,研究人員開始逐漸關(guān)注網(wǎng)絡(luò)信息檢索以及信息檢索系統(tǒng)的交互[81]。同時,在2000-2004年間,國際計算機學(xué)會信息檢索領(lǐng)域會議(ACM Special Interest Group on Information Retrieval,ACM SIGIR)連續(xù)舉辦了五屆信息檢索中的數(shù)學(xué)/形式化方法研討會,證明了在信息檢索中使用數(shù)學(xué)和形式化方法的重要性,IPM也因此選編了相關(guān)論文,形成“信息檢索中的數(shù)學(xué)模型設(shè)計、公式化和解釋”(Model design, formulation and explanation in information retrieval using mathematics)專輯。步入新世紀(jì)后,互聯(lián)網(wǎng)的迅猛發(fā)展、信息技術(shù)的更新迭代,以及數(shù)學(xué)統(tǒng)計方法的引進,為信息檢索研究提供了源源不斷的新動力,推動了研究內(nèi)容向更加深入化發(fā)展,研究方法向更加技術(shù)化轉(zhuǎn)變。

    互聯(lián)網(wǎng)的迅猛發(fā)展還帶來了爆炸式增長的信息資源,而繁雜的文檔信息中則可能包含許多具有重要價值的潛在知識,在傳統(tǒng)的文本處理技術(shù)與工具不能滿足新的用戶需求的情況下,基于人工智能的文本挖掘方法應(yīng)運而生,能夠?qū)棋奈谋举Y源進行有效的挖掘與利用[82]。同時,隨著Facebook與Twitter分別于2004年與2006年成立,社交媒體一躍成為便捷的交流工具和強大的自媒體平臺,用戶生成內(nèi)容也因此成為網(wǎng)絡(luò)信息資源的主要產(chǎn)生方式。由用戶生成的信息資源難免摻雜許多個人的觀點和情緒,這些主觀性的言論大多會涉及社會熱點事件或?qū)Ξa(chǎn)品/服務(wù)的消費評價,對此,情感分析迅速發(fā)展起來,并在輿情監(jiān)測與商業(yè)營銷等領(lǐng)域得到了廣泛應(yīng)用。針對文本挖掘和情感分析,IPM也制作了相關(guān)的專輯,如“管理和挖掘多語言文檔”(Managing and mining multilingual documents)、“社交和表達媒體中的情緒和情感”(Emotion and sentiment in social and expressive media)、“文本中的敘事提取”(Narrative extraction from texts)、“從社交網(wǎng)絡(luò)中挖掘有價值的情報”(Mining actionable insights from social networks)等??偟膩碚f,IPM各個研究主題之間是互相聯(lián)系的,主題的演進也與網(wǎng)絡(luò)技術(shù)的發(fā)展、社交媒體的興起有著密不可分的關(guān)系,同時,人工智能等新興技術(shù)的出現(xiàn)也為計算機與信息科學(xué)領(lǐng)域帶來了新的機遇。

    5 ?結(jié)語

    筆者通過詞云圖與共現(xiàn)網(wǎng)絡(luò)圖的繪制,將IPM近20年的研究主題劃分為信息檢索、文本分析、用戶研究三大類。在信息檢索方面,相關(guān)研究從信息檢索模型的構(gòu)建到搜索引擎與排名算法,全方位地討論了信息檢索的理論與方法,同時推進了圖像檢索技術(shù)的語義化發(fā)展。在文本分析方面,文本挖掘是主要的研究方向,在此基礎(chǔ)上,社交媒體中的情感分析成為近期的研究熱點,以知識圖譜為依托的知識研究與分析也得到了持續(xù)的發(fā)展和應(yīng)用。在用戶研究方面,新型冠狀病毒肺炎疫情發(fā)生后,健康信息搜尋、謠言識別與傳播的相關(guān)研究受到更多關(guān)注,服務(wù)系統(tǒng)的個性化與人機交互的研究則凸顯了以用戶為中心的信息服務(wù)理念。

    IPM的主題演進主要呈現(xiàn)出3種特征: ? ?①始終以信息檢索為核心主題。信息檢索及以信息檢索為基礎(chǔ)的內(nèi)容檢索始終是IPM重點關(guān)注的主題。②從文本與信息分析向多媒體與知識分析轉(zhuǎn)變。一方面,研究對象從文本信息向包含更多內(nèi)容的多媒體信息拓展;另一方面,人工智能等新興技術(shù)的發(fā)展,推動了信息分析向知識分析升級。③對用戶情感的深入分析與挖掘。社交媒體上的用戶生成內(nèi)容催生了用戶情感分析,使得用戶研究向更深層次發(fā)展。

    從主題分析結(jié)果來看,IPM刊載論文關(guān)注的是計算機與信息科學(xué)領(lǐng)域的重點問題,使用的也是前沿的計算機技術(shù)與數(shù)學(xué)統(tǒng)計方法,能夠從側(cè)面展現(xiàn)出該領(lǐng)域在國際上的學(xué)術(shù)研究與實踐現(xiàn)狀。然而,以單個期刊來反映整個學(xué)科領(lǐng)域的進展仍然具有局限性,后續(xù)研究可以對更多高影響力期刊進行計量研究與主題分析,以更全面地把握該學(xué)科領(lǐng)域的演化規(guī)律。

    參考文獻:

    初景利.高端交流平臺建設(shè)需要創(chuàng)新學(xué)術(shù)交流模式[J].智庫理論與實踐, 2021, 6(1): 7-9.

    DEHART F E. Monographic references and information science journal literature[J]. Information processing & management, 1992, 28(5): 629-635.

    TSAY M Y. A bibliometric analysis and comparison on three information science journals: JASIST, IPM, JOD, 1998–2008[J]. Scientometrics, 2011, 89(2): 591-606.

    王曰芬, 靳嘉林.比較分析《現(xiàn)代圖書情報技術(shù)》近10年發(fā)文特征與發(fā)展趨勢[J].現(xiàn)代圖書情報技術(shù), 2016(9): 1-16.

    焦麗.我國信息檢索研究綜述[J].情報探索, 2007(6): 11-14.

    王斌.信息檢索導(dǎo)論[M].北京: 人民郵電出版社, 2010.

    SPARCK JONES K, WALKER S, ROBERTSON S E. A probabilistic model of information retrieval: development and comparative experiments Part 1[J]. Information processing & management, 2000, 36(6): 779-808.

    SPARCK JONES K, WALKER S, ROBERTSON S E. A probabilistic model of information retrieval: development and comparative experiments Part 2[J]. Information processing & management, 2000, 36(6): 809-840.

    ROBERTSON S E, SPARCK JONES K. Relevance weighting of search terms[J]. Journal of the American Society for Information Science, 1976, 27(3): 129-146.

    龔慶雄. 基于實體的信息檢索模型研究[D].武漢: 華中師范大學(xué), 2020.

    XU Z B, AKELLA R. Improving probabilistic information retrieval by modeling burstiness of words[J]. Information processing & management, 2010, 46(2): 143-158.

    DAHAK F, BOUGHANEM M, BALLA A. A probabilistic model to exploit user expectations in XML information retrieval[J]. Information processing & management, 2017, 53(1): 87-105.

    TAI X Y, REN F, KITA K. An information retrieval model based on vector space method by supervised learning[J]. Information processing & management, 2002, 38(6): 749-764.

    GUO J F, FAN Y X, PANG L, et al. A Deep Look into neural ranking models for information retrieval[J]. Information processing & management, 2020, 57(6): 102067.

    VAUGHAN L. New measurements for search engine evaluation proposed and tested[J]. Information processing & management, 2004, 40(4): 677-691.

    CAN F, NURAY R, SEVDIK A B. Automatic performance evaluation of Web search engines[J]. Information processing & management, 2004, 40(3): 495-514.

    KIM H, SEO J Y. High-performance FAQ retrieval using an automatic clustering method of query logs[J]. Information processing & management, 2006, 42(3): 650-661.

    JUNG S, HERLOCKER J L, WEBSTER J. Click data as implicit relevance feedback in Web search[J]. Information processing & management, 2007, 43(3): 791-807.

    WANG J M, PAN M, HE T T, et al. A Pseudo-relevance feedback framework combining relevance matching and semantic matching for information retrieval[J]. Information processing & management, 2020, 57(6): 102342.

    BIDOKI A M Z, YAZDANI N. DistanceRank: an intelligent ranking algorithm for Web pages[J]. Information processing & management, 2008, 44(2): 877-892.

    孫君頂, 原芳.基于內(nèi)容的圖像檢索技術(shù)[J].計算機系統(tǒng)應(yīng)用, 2011, 20(8): 240-244.

    HUANG P W, DAI S K. Design of a two-stage content-based image retrieval system using texture similarity[J]. Information processing & management, 2004, 40(1): 81-96.

    LU T C, CHANG C C. Color image retrieval technique based on color features and image bitmap[J]. Information processing & management, 2007, 43(2): 461-472.

    圖像檢索:基于內(nèi)容的圖像檢索技術(shù)[EB/OL].[2021-09-17].https: //www.cnblogs.com/king-lps/p/11407206.html.

    PANDEY S, KHANNA P, YOKOTA H. A semantics and image retrieval system for hierarchical image databases[J]. Information processing & management, 2016, 52(4): 571-591.

    袁軍鵬, 朱東華, 李毅, 等.文本挖掘技術(shù)研究進展[J].計算機應(yīng)用研究, 2006(2): 1-4.

    肖建國.試論文本挖掘及其應(yīng)用[J].圖書館學(xué)研究, 2008(4): 22-24.

    ALTINEL B, GANIZ M C. Semantic text classification: a survey of past and recent advances[J]. Information processing & management, 2018, 54(6): 1129-1153.

    ELNAGAR A, AL-DEBSI R, EINEA O. Arabic text classification using deep learning models[J]. Information processing & management, 2020, 57(1): 102121.?

    MOHASSEB A, BADER-EL-DEN M, COCEA M. Question categorization and classification using grammar based approach[J]. Information processing & management, 2018, 54(6): 1228-1243.

    KASTRATI Z, IMRAN A S, YAYILGAN S Y. The impact of deep learning on document classification using semantically rich representations[J]. Information processing & management, 2019, 56(5): 1618-1632.

    HU G B, ZHOU S G, GUAN J H, et al. Towards effective document clustering: a constrained K-means based approach[J]. Information processing & management, 2008, 44(4): 1397-1409.

    CHEN C L, TSENG F S C, LIANG T. Mining fuzzy frequent item sets for hierarchical document clustering[J]. Information processing & management, 2010, 46(2): 193-211.

    ZHU S F, TAKIGAWA I, ZENG J. Field independent probabilistic model for clustering multi-field documents[J]. Information processing & management, 2009, 45(5): 555-570.

    FERSINI E, MESSINA E, ARCHETTI F. A probabilistic relational approach for Web document clustering[J]. Information processing & management, 2010, 46(2): 117-130.

    SOULIER L, TAMINE L, SHAH C. MineRank: leveraging users’ latent roles for unsupervised collaborative information retrieval[J]. Information processing & management, 2016, 52(6): 1122-1141.

    KUCUKYILMAZ T, CAMBAZOGLU B B, AYKANAT C, et al. Chat mining: predicting user and message attributes in computer-mediated communication[J]. Information processing & management, 2008, 44(4): 1448-1466.

    TSENG Y H, LIN C J, LIN Y I. Text mining techniques for patent analysis[J]. Information processing & management, 2007, 43(5): 1216-1247.

    PONS-PORRATA A, BERLANGA-LLAVORI R, RUIZ-SHULCLOPER J. Topic discovery based on text mining techniques[J]. Information processing & management, 2007, 43(3): 752-768.

    洪江濤, 陳榴寅, 黃沛.第三方點評網(wǎng)站對餐飲企業(yè)品牌形象與消費者行為的影響研究——以大眾點評網(wǎng)為例[J].財貿(mào)經(jīng)濟, 2013(10): 108-117.

    LIU B. Sentiment analysis and opinion mining[M]. San Rafael: Morgan & Claypool Publishers, 2012.

    馬力, 宮玉龍.文本情感分析研究綜述[J].電子科技, 2014, 27(11): 180-184.

    MOHAMMAD S M, ZHU X D, KIRITCHENKO S, et al. Sentiment, emotion, purpose, and style in electoral tweets[J]. Information processing & management, 2015, 51(4): 480-499.

    BALAHUR A, PEREA-ORTEGA J M. Sentiment analysis system adaptation for multilingual processing: the case of tweets[J]. Information processing & management, 2015, 51(4): 547-556.

    SEVERYN A, MOSCHITTI A, URYUPINA O, et al. Multi-lingual opinion mining on YouTube[J]. Information processing & management, 2016, 52(1): 46-60.

    AL-SMADI M, AL-AYYOUB M, JARARWEH Y, et al. Enhancing aspect-based sentiment analysis of Arabic Hotels’ reviews using morphological, syntactic and semantic features[J]. Information processing & management, 2019, 56(2): 308-319.

    KUMAR A, SRINIVASAN K, CHENG W H. Hybrid context enriched deep learning model for fine-grained sentiment analysis in textual and visual semiotic modality social data[J]. Information processing & management, 2020, 57(1): 102141.

    MAHMOOD Z, SAFDER I, NAWAB R M A, et al. Deep sentiments in Roman Urdu text using recurrent convolutional neural network model[J]. Information processing & management, 2020, 57(4): 102233.

    漆桂林, 高桓, 吳天星.知識圖譜研究進展[J].情報工程, 2017, 3(1): 4-25.

    CHO H C, OKAZAKI N, MIWA M, et al. Named entity recognition with multiple segment representations[J]. Information processing & management, 2013, 49(4): 954-965.

    DERZYNSKI L, MAYNARD D, RIZZO G, et al. Analysis of named entity recognition and linking for tweets[J]. Information processing & management, 2015, 51(2): 32-49.

    TANG X, CHEN L, CUI J, et al. Knowledge representation learning with entity descriptions, hierarchical types, and textual relations[J]. Information processing & management, 2019, 56(3): 809-822.

    BOUNHAS I, SOUDANI N, SLIMANI Y. Building a morpho-semantic knowledge graph for Arabic information retrieval[J]. Information processing & management, 2020, 57(6): 102124.

    LI D F, MADDEN A. Cascade embedding model for knowledge graph inference and retrieval[J]. Information processing & management, 2019, 56(6): 102093.

    SHIN S, JIN X, JUNG J, et al. Predicate constraints based question answering over knowledge graph[J]. Information processing & management, 2019, 56(3): 445-462.

    JANSSENS F, LETA J, GLANZEL W, et al. Towards mapping library and information science[J]. Information processing & management, 2006, 42(6): 1614-1642.

    張一涵, 袁勤儉.我國用戶信息行為研究進展[J].國家圖書館學(xué)刊, 2014, 23(6): 91-98.

    靳榮林. 大學(xué)生自主學(xué)習(xí)情境下的信息搜尋行為影響因素探究[D].保定: 河北大學(xué), 2019.

    MAKRI S, BLANDFORD A, COX A L. Investigating the information-seeking behaviour of academic lawyers: from Ellis’s model to design[J]. Information processing & management, 2008, 44(2): 613-634.

    JAMALI H R, NICHOLAS D. Interdisciplinarity and the information-seeking behavior of scientists[J]. Information processing & management, 2010, 46(2): 233-243.

    LYKKE M, PRICE S, DELCAMBRE L. How doctors search: a study of query behaviour and the impact on search results[J]. Information processing & management, 2012, 48(6): 1151-1170.

    PIAN W J, SONG S J, ZHANG Y. Consumer health information needs: a systematic review of measures[J]. Information processing & management, 2020, 57(2): 102077.

    ZHANG X F, GUO F, XU T X, et al. What motivates physicians to share free health information on online health platforms?[J]. Information processing & management, 2020, 57(2): 102166.

    HUVILA I, ENWALD H, ERIKSSON-BACKA K, et al. Anticipating ageing: older adults reading their medical records[J]. Information processing & management, 2018, 54(3): 394-407.

    JOHNSON J D. Health-related information seeking: is it worth it?[J]. Information processing & management, 2014, 50(5): 708-717.

    趙宇翔, 范哲, 朱慶華.用戶生成內(nèi)容(UGC)概念解析及研究進展[J].中國圖書館學(xué)報, 2012, 38(5): 68-81.

    GE Y D, QIU J N, LIU Z Y, et al. Beyond negative and positive: exploring the effects of emotions in social media during the stock market crash[J]. Information processing & management, 2020, 57(4): 102218.

    LI L F, WANG Z Q, ZHANG Q P, et al. Effect of anger, anxiety, and sadness on the propagation scale of social media posts after natural disasters[J]. Information processing & management, 2020, 57(6): 102313.

    LIU Y H, JIN X L, SHEN H W. Towards early identification of online rumors based on long short-term memory networks[J]. Information processing & management, 2019, 56(4): 1457-1467.

    ALKHODAIR S A, DING S H H, FUNG B C M, et al. Detecting breaking news rumors of emerging topics in social media[J]. Information processing & management, 2020, 57(2): 102018.

    WANG J, CLEMENTS M, YANG J, et al. Personalization of tagging systems[J]. Information processing & management, 2010, 46(1): 58-70.

    BELEM F M, MARTINS E F, ALMEIDA J M, et al. Personalized and object-centered tag recommendation methods for Web 2.0 applications[J]. Information processing & management, 2014, 50(4): 524-553.

    RENJITH S, SREEKUMAR A, JATHAVEDAN M. An extensive study on the evolution of context-aware personalized travel recommender systems[J]. Information processing & management, 2020, 57(1): 102078.

    WANG P L, HAWK W B, TENOPIR C. Users’ interaction with World Wide Web resources: an exploratory study using a holistic approach[J]. Information processing & management, 2000, 36(2): 229-251.

    KUMARAN G, ALLAN J. Adapting information retrieval systems to user queries[J]. Information processing & management, 2008, 44(6): 1838-1862.

    LOPATOVSKA I, ARAPAKIS I. Theories, methods and current research on emotions in library and information science, information retrieval and human-computer interaction[J]. Information processing & management, 2011, 47(4): 575-592.

    COLE M J, GWIZDKA J, LIU C, et al. Inferring user knowledge level from eye movement patterns[J]. Information processing & management, 2013, 49(5): 1075-1091.

    CLARK M, RUTHVEN I, HOLT P O, et al. You have e-mail, what happens next? tracking the eyes for genre[J]. Information processing & management, 2014, 50(1): 175-198.

    HILBERINK-SCHULPEN B, NEDERSTIGT U, VAN MEURS F, et al. Does the use of a foreign language influence attention and genre-specific viewing patterns for job advertisements? an eye-tracking study[J]. Information processing & management, 2016, 52(6): 1018-1030.

    中華人民共和國國務(wù)院.國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知[EB/OL].[2021-10-26].http: //www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

    SPINK A, QIN J. Introduction to the special issue on Web-based information retrieval research[J]. Information processing & management, 2000, 36(2): 205-206.

    郭飛. 文本挖掘方法探討及應(yīng)用[D]. 成都: 成都理工大學(xué), 2006.

    作者貢獻說明:

    李涵霄:數(shù)據(jù)調(diào)研,撰寫論文初稿;

    杜杏葉:提出選題,修改論文及定稿。

    Abstract: [Purpose/significance] This paper analyzes the themes of papers published in Information Processing and Management from 2000 to 2020, in order to know the thematic focus and evolution trends of IPM, and provide references for the development and related research of computer and information science. [Method/process] Firstly, based on 1852 research papers in the full-text database of ScienceDirect, this paper counted and visualized the titles, abstracts and keywords of the papers to classify the thematic categories. Then, this paper analyzed the research themes of each category systematically. At last, it compared the thematic focus in different periods and analyzed thematic evolution trends. [Result/conclusion] IPM mainly focuses on three themes of information retrieval, text analysis and user research, and presented evolution characteristics in general: information retrieval as the core theme, transform from text and information analysis to multimedia and knowledge analysis, and in-depth analysis and mining of user sentiments.

    Keywords: Information Processing and Management ? ?IPM ? ?computer and information science ? ? thematic analysis

    3900500589273

    av网站在线播放免费| 久久精品国产亚洲av涩爱| 色94色欧美一区二区| 最新的欧美精品一区二区| 一本—道久久a久久精品蜜桃钙片| 高清不卡的av网站| 蜜桃国产av成人99| 99国产精品免费福利视频| 人成视频在线观看免费观看| 午夜久久久在线观看| 性色avwww在线观看| 在线亚洲精品国产二区图片欧美| 亚洲国产日韩一区二区| 免费观看a级毛片全部| av天堂久久9| 曰老女人黄片| 国产精品香港三级国产av潘金莲 | 国产成人欧美| 黄色配什么色好看| av免费观看日本| 久久热在线av| 成人二区视频| 蜜桃在线观看..| 国产免费福利视频在线观看| 2018国产大陆天天弄谢| 国产精品99久久99久久久不卡 | 久久精品国产亚洲av高清一级| 精品久久久久久电影网| 国产精品久久久久成人av| 亚洲av在线观看美女高潮| www.av在线官网国产| 日本av免费视频播放| 国产日韩一区二区三区精品不卡| 999精品在线视频| 尾随美女入室| 大香蕉久久成人网| 91在线精品国自产拍蜜月| 国产日韩欧美视频二区| 亚洲男人天堂网一区| 丝袜人妻中文字幕| 免费观看性生交大片5| 亚洲成人一二三区av| 亚洲欧美成人精品一区二区| 午夜av观看不卡| 9色porny在线观看| 久久久久久人人人人人| 午夜福利在线免费观看网站| 日韩三级伦理在线观看| 国产精品免费视频内射| 欧美+日韩+精品| 久久99蜜桃精品久久| 国产高清国产精品国产三级| 国产一级毛片在线| 国产探花极品一区二区| 制服诱惑二区| videossex国产| 精品亚洲成a人片在线观看| 成人亚洲精品一区在线观看| 各种免费的搞黄视频| 又黄又粗又硬又大视频| h视频一区二区三区| 天天操日日干夜夜撸| 中文精品一卡2卡3卡4更新| 夜夜骑夜夜射夜夜干| 日本91视频免费播放| 黑丝袜美女国产一区| 亚洲国产av新网站| 亚洲av免费高清在线观看| 男女无遮挡免费网站观看| 大陆偷拍与自拍| 26uuu在线亚洲综合色| 在线观看美女被高潮喷水网站| 激情视频va一区二区三区| 高清视频免费观看一区二区| 观看av在线不卡| 免费观看无遮挡的男女| 亚洲少妇的诱惑av| 边亲边吃奶的免费视频| 精品第一国产精品| 成人二区视频| 一级毛片黄色毛片免费观看视频| 亚洲综合色网址| a级毛片黄视频| 国产精品香港三级国产av潘金莲 | 你懂的网址亚洲精品在线观看| 日韩大片免费观看网站| av电影中文网址| 国产一区有黄有色的免费视频| av.在线天堂| av又黄又爽大尺度在线免费看| www日本在线高清视频| 国产xxxxx性猛交| 亚洲精品aⅴ在线观看| 亚洲内射少妇av| 一级a爱视频在线免费观看| 秋霞伦理黄片| 成人毛片a级毛片在线播放| 国产精品欧美亚洲77777| 亚洲欧美日韩另类电影网站| 欧美老熟妇乱子伦牲交| 亚洲欧美成人综合另类久久久| 好男人视频免费观看在线| 久久久国产欧美日韩av| 亚洲精品视频女| 青春草亚洲视频在线观看| 蜜桃国产av成人99| 国产熟女欧美一区二区| 国产高清国产精品国产三级| 黑人巨大精品欧美一区二区蜜桃| 永久免费av网站大全| 多毛熟女@视频| 久久精品久久久久久久性| 老汉色av国产亚洲站长工具| 各种免费的搞黄视频| 9热在线视频观看99| 国产精品国产av在线观看| 91aial.com中文字幕在线观看| 久久99热这里只频精品6学生| 纯流量卡能插随身wifi吗| 夫妻性生交免费视频一级片| 国产片内射在线| 亚洲精品在线美女| 99精国产麻豆久久婷婷| 男女边吃奶边做爰视频| 免费黄网站久久成人精品| 巨乳人妻的诱惑在线观看| 欧美精品一区二区大全| 久久97久久精品| 乱人伦中国视频| 久久人妻熟女aⅴ| 午夜久久久在线观看| 韩国高清视频一区二区三区| 国产一区二区三区综合在线观看| 爱豆传媒免费全集在线观看| 亚洲精品成人av观看孕妇| 国产探花极品一区二区| av免费在线看不卡| 激情视频va一区二区三区| 深夜精品福利| 国产精品亚洲av一区麻豆 | 人妻 亚洲 视频| 国产极品天堂在线| 少妇猛男粗大的猛烈进出视频| 一个人免费看片子| 香蕉国产在线看| 午夜日韩欧美国产| 18+在线观看网站| 哪个播放器可以免费观看大片| 美女福利国产在线| 日韩视频在线欧美| av福利片在线| 美女国产高潮福利片在线看| 免费大片黄手机在线观看| 亚洲av.av天堂| 中文乱码字字幕精品一区二区三区| 亚洲欧美成人精品一区二区| 日本wwww免费看| a级毛片黄视频| 高清视频免费观看一区二区| 777米奇影视久久| 国产精品国产三级国产专区5o| 欧美激情极品国产一区二区三区| 亚洲欧洲日产国产| 熟妇人妻不卡中文字幕| 久久99一区二区三区| 成人18禁高潮啪啪吃奶动态图| 丝瓜视频免费看黄片| 男女免费视频国产| 国精品久久久久久国模美| 精品亚洲成国产av| 黄片无遮挡物在线观看| 亚洲四区av| 尾随美女入室| 啦啦啦在线观看免费高清www| 欧美成人午夜精品| 黄频高清免费视频| 亚洲 欧美一区二区三区| 天天躁狠狠躁夜夜躁狠狠躁| 免费观看a级毛片全部| 国产在视频线精品| 久久亚洲国产成人精品v| 亚洲av成人精品一二三区| 在现免费观看毛片| 精品人妻熟女毛片av久久网站| 18禁裸乳无遮挡动漫免费视频| 狂野欧美激情性bbbbbb| 美女脱内裤让男人舔精品视频| www.精华液| 国产精品久久久久久久久免| 中文天堂在线官网| 毛片一级片免费看久久久久| 亚洲精品一二三| 性少妇av在线| 一级a爱视频在线免费观看| 美女高潮到喷水免费观看| 自拍欧美九色日韩亚洲蝌蚪91| 日韩一区二区三区影片| 熟女电影av网| 啦啦啦视频在线资源免费观看| 国产精品麻豆人妻色哟哟久久| 国产精品成人在线| 一本久久精品| 久久久久国产网址| 国产亚洲最大av| 丝瓜视频免费看黄片| 日韩人妻精品一区2区三区| 国产av国产精品国产| 免费少妇av软件| 日本av免费视频播放| 欧美 亚洲 国产 日韩一| 99国产精品免费福利视频| 日韩中文字幕视频在线看片| 久久人人97超碰香蕉20202| 永久免费av网站大全| 亚洲精品av麻豆狂野| 日韩电影二区| 国产97色在线日韩免费| 精品99又大又爽又粗少妇毛片| 欧美精品一区二区大全| 午夜福利影视在线免费观看| 黄色一级大片看看| 伦理电影免费视频| 国产免费又黄又爽又色| 亚洲伊人久久精品综合| 18禁动态无遮挡网站| 中文天堂在线官网| 国产免费一区二区三区四区乱码| 亚洲第一青青草原| 国产精品免费大片| 在线观看人妻少妇| 日韩中字成人| 精品国产超薄肉色丝袜足j| 狠狠婷婷综合久久久久久88av| 9色porny在线观看| 国产免费又黄又爽又色| 亚洲伊人久久精品综合| 纯流量卡能插随身wifi吗| a级毛片在线看网站| 大片免费播放器 马上看| 热99久久久久精品小说推荐| 国产成人精品婷婷| 丁香六月天网| 日韩精品有码人妻一区| 国产无遮挡羞羞视频在线观看| 免费观看av网站的网址| 亚洲成人手机| 老汉色av国产亚洲站长工具| 亚洲av电影在线观看一区二区三区| 精品亚洲成国产av| 少妇被粗大猛烈的视频| 国产亚洲一区二区精品| a级毛片在线看网站| 日韩欧美精品免费久久| 中文字幕人妻丝袜一区二区 | 成年人午夜在线观看视频| 高清视频免费观看一区二区| 国产高清国产精品国产三级| 一级爰片在线观看| 性少妇av在线| 韩国精品一区二区三区| 日韩伦理黄色片| 一级a爱视频在线免费观看| 国产有黄有色有爽视频| xxxhd国产人妻xxx| 尾随美女入室| 久久ye,这里只有精品| 丝袜喷水一区| 亚洲综合色惰| 欧美成人午夜免费资源| 国产黄频视频在线观看| 欧美国产精品va在线观看不卡| 九草在线视频观看| 国产成人av激情在线播放| 国产色婷婷99| 亚洲精品乱久久久久久| 极品少妇高潮喷水抽搐| 国产精品秋霞免费鲁丝片| 亚洲三区欧美一区| 1024视频免费在线观看| 日韩 亚洲 欧美在线| 国产av码专区亚洲av| 看免费av毛片| 国产成人一区二区在线| 国产精品一区二区在线不卡| 日韩欧美一区视频在线观看| 桃花免费在线播放| 午夜精品国产一区二区电影| 成人黄色视频免费在线看| 曰老女人黄片| 国产成人精品无人区| 色播在线永久视频| 国产精品.久久久| 亚洲国产精品一区三区| 国产日韩欧美在线精品| 亚洲精品视频女| 亚洲成人手机| 国产一区二区在线观看av| 中文字幕色久视频| 一二三四在线观看免费中文在| 精品一区二区三卡| 国产一区二区三区av在线| 亚洲婷婷狠狠爱综合网| 人妻 亚洲 视频| 亚洲色图 男人天堂 中文字幕| 王馨瑶露胸无遮挡在线观看| 久久婷婷青草| 久久免费观看电影| 国产一区二区 视频在线| 婷婷成人精品国产| 18禁国产床啪视频网站| 亚洲av成人精品一二三区| 欧美人与性动交α欧美软件| 男女无遮挡免费网站观看| 伊人亚洲综合成人网| 黑人欧美特级aaaaaa片| 亚洲国产欧美日韩在线播放| 日韩熟女老妇一区二区性免费视频| 一本色道久久久久久精品综合| 777久久人妻少妇嫩草av网站| 深夜精品福利| 成人国产av品久久久| 麻豆av在线久日| 久久97久久精品| 一级爰片在线观看| 国产精品成人在线| 日韩免费高清中文字幕av| 亚洲中文av在线| 啦啦啦中文免费视频观看日本| 免费在线观看完整版高清| 91久久精品国产一区二区三区| 欧美97在线视频| 成人国语在线视频| 欧美av亚洲av综合av国产av | 一本久久精品| av.在线天堂| 国语对白做爰xxxⅹ性视频网站| 亚洲久久久国产精品| 激情五月婷婷亚洲| 青春草视频在线免费观看| 成人国语在线视频| 免费少妇av软件| 亚洲精品乱久久久久久| 国产xxxxx性猛交| 日韩中文字幕视频在线看片| 国产色婷婷99| 欧美国产精品一级二级三级| 久久毛片免费看一区二区三区| 色哟哟·www| 国产免费又黄又爽又色| 亚洲国产欧美在线一区| 欧美在线黄色| 色哟哟·www| 在线观看免费视频网站a站| 99久久中文字幕三级久久日本| av线在线观看网站| 亚洲av.av天堂| 女人高潮潮喷娇喘18禁视频| 最近最新中文字幕免费大全7| 99久久人妻综合| 最新中文字幕久久久久| av线在线观看网站| 最近最新中文字幕免费大全7| av在线app专区| 七月丁香在线播放| 午夜福利视频在线观看免费| 在线观看三级黄色| 国产淫语在线视频| 国产视频首页在线观看| 人人妻人人爽人人添夜夜欢视频| 久久99热这里只频精品6学生| 不卡视频在线观看欧美| 啦啦啦视频在线资源免费观看| 国产在线免费精品| 亚洲国产最新在线播放| 制服丝袜香蕉在线| 水蜜桃什么品种好| 一区二区三区精品91| 日韩中文字幕欧美一区二区 | 天天躁夜夜躁狠狠久久av| 欧美日韩精品网址| 1024视频免费在线观看| 精品国产超薄肉色丝袜足j| 中文欧美无线码| 999精品在线视频| 69精品国产乱码久久久| 男人舔女人的私密视频| 国产97色在线日韩免费| 亚洲三级黄色毛片| 在线观看三级黄色| 老熟女久久久| 亚洲第一区二区三区不卡| 99精国产麻豆久久婷婷| 国产精品人妻久久久影院| 免费看av在线观看网站| 亚洲欧美精品自产自拍| 久久热在线av| 久久久久久人人人人人| 亚洲伊人色综图| 只有这里有精品99| 97精品久久久久久久久久精品| 中文字幕人妻丝袜一区二区 | 国产不卡av网站在线观看| 成人国产麻豆网| 另类精品久久| 男女边摸边吃奶| 99九九在线精品视频| 老汉色av国产亚洲站长工具| 国产人伦9x9x在线观看 | 日本午夜av视频| 日韩一区二区三区影片| 最近最新中文字幕大全免费视频 | 亚洲av日韩在线播放| 黄色毛片三级朝国网站| 日韩欧美一区视频在线观看| 日韩大片免费观看网站| 国产欧美日韩一区二区三区在线| 久久久亚洲精品成人影院| 亚洲av免费高清在线观看| 久久女婷五月综合色啪小说| 亚洲情色 制服丝袜| 美女中出高潮动态图| 日本wwww免费看| 亚洲国产欧美日韩在线播放| 亚洲av国产av综合av卡| 在现免费观看毛片| 久久久久久久久久人人人人人人| 久久久久久久久免费视频了| 精品一品国产午夜福利视频| 国产成人91sexporn| 女人被躁到高潮嗷嗷叫费观| 18在线观看网站| 久久久久网色| 夫妻性生交免费视频一级片| 男男h啪啪无遮挡| 91精品三级在线观看| 久久久久久伊人网av| 国产日韩一区二区三区精品不卡| 亚洲av综合色区一区| 欧美日韩综合久久久久久| 欧美日韩视频高清一区二区三区二| 久久久国产欧美日韩av| 国产精品国产三级专区第一集| 亚洲成人手机| 亚洲视频免费观看视频| 国产精品亚洲av一区麻豆 | 一边摸一边做爽爽视频免费| 又大又黄又爽视频免费| 久久精品久久久久久久性| 男的添女的下面高潮视频| 夜夜骑夜夜射夜夜干| 老司机影院毛片| 久久 成人 亚洲| 欧美黄色片欧美黄色片| 免费av中文字幕在线| 国产精品久久久av美女十八| 99热国产这里只有精品6| 国产深夜福利视频在线观看| 精品午夜福利在线看| 国产成人午夜福利电影在线观看| 久久 成人 亚洲| 久久人妻熟女aⅴ| 久久精品夜色国产| 最黄视频免费看| 天天躁狠狠躁夜夜躁狠狠躁| 在线天堂中文资源库| 中文精品一卡2卡3卡4更新| 丝瓜视频免费看黄片| 波多野结衣一区麻豆| 日韩 亚洲 欧美在线| 高清黄色对白视频在线免费看| 国产1区2区3区精品| 伦精品一区二区三区| av天堂久久9| 国产又色又爽无遮挡免| 中文字幕色久视频| 精品99又大又爽又粗少妇毛片| 在线观看免费日韩欧美大片| 亚洲精品成人av观看孕妇| 天天躁夜夜躁狠狠久久av| 美女国产高潮福利片在线看| 制服丝袜香蕉在线| 99久久精品国产国产毛片| 精品国产乱码久久久久久男人| 大片免费播放器 马上看| 五月开心婷婷网| 日本爱情动作片www.在线观看| 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 | 色播在线永久视频| 亚洲中文av在线| 久久 成人 亚洲| 大香蕉久久网| 久久国产亚洲av麻豆专区| 亚洲中文av在线| 国产在视频线精品| 免费观看av网站的网址| 一区二区三区乱码不卡18| 亚洲在久久综合| 精品一区在线观看国产| 亚洲第一av免费看| 一边亲一边摸免费视频| 精品视频人人做人人爽| 777米奇影视久久| 国产xxxxx性猛交| 熟女少妇亚洲综合色aaa.| 精品亚洲成a人片在线观看| 国产欧美日韩综合在线一区二区| 国产无遮挡羞羞视频在线观看| 超色免费av| 韩国av在线不卡| 日韩av不卡免费在线播放| 亚洲欧美精品综合一区二区三区 | 一级毛片电影观看| 国产成人午夜福利电影在线观看| av一本久久久久| 1024香蕉在线观看| 美女xxoo啪啪120秒动态图| 亚洲第一青青草原| 黑人欧美特级aaaaaa片| 99国产精品免费福利视频| 久久青草综合色| 女人久久www免费人成看片| 黄色毛片三级朝国网站| 久久久国产精品麻豆| 午夜日韩欧美国产| 大陆偷拍与自拍| 夜夜骑夜夜射夜夜干| 成人毛片60女人毛片免费| 国产成人欧美| 2018国产大陆天天弄谢| 美女高潮到喷水免费观看| 9热在线视频观看99| 日韩伦理黄色片| h视频一区二区三区| 久久国产亚洲av麻豆专区| 老鸭窝网址在线观看| 伊人久久大香线蕉亚洲五| 国产男女内射视频| 五月开心婷婷网| 国产黄色视频一区二区在线观看| 国产麻豆69| 蜜桃在线观看..| 性色avwww在线观看| av在线观看视频网站免费| 国产亚洲精品第一综合不卡| 久久人人爽av亚洲精品天堂| 免费观看在线日韩| 丝袜在线中文字幕| 午夜激情久久久久久久| 国产欧美亚洲国产| 午夜激情av网站| 人人妻人人澡人人看| 欧美变态另类bdsm刘玥| 欧美日韩国产mv在线观看视频| 欧美日韩成人在线一区二区| 天天躁狠狠躁夜夜躁狠狠躁| 日本爱情动作片www.在线观看| 国产女主播在线喷水免费视频网站| 在线亚洲精品国产二区图片欧美| 免费av中文字幕在线| 免费高清在线观看日韩| 建设人人有责人人尽责人人享有的| av片东京热男人的天堂| 高清视频免费观看一区二区| 亚洲精品日本国产第一区| 国产极品粉嫩免费观看在线| 午夜福利一区二区在线看| 王馨瑶露胸无遮挡在线观看| 在线观看免费日韩欧美大片| 欧美在线黄色| 久久韩国三级中文字幕| freevideosex欧美| 欧美精品高潮呻吟av久久| 啦啦啦中文免费视频观看日本| 老鸭窝网址在线观看| 精品亚洲乱码少妇综合久久| 久久久久久久久免费视频了| 亚洲一码二码三码区别大吗| 成年av动漫网址| 伦理电影免费视频| 狠狠婷婷综合久久久久久88av| 晚上一个人看的免费电影| 多毛熟女@视频| 精品国产一区二区三区久久久樱花| 久久久精品区二区三区| av网站在线播放免费| 人人妻人人澡人人爽人人夜夜| 一区二区三区激情视频| 午夜激情久久久久久久| 久久女婷五月综合色啪小说| 精品国产超薄肉色丝袜足j| 大片电影免费在线观看免费| 波野结衣二区三区在线| 久久精品久久久久久久性| 大片电影免费在线观看免费| 午夜福利在线免费观看网站| 免费看av在线观看网站| 日本猛色少妇xxxxx猛交久久| 免费高清在线观看日韩| 婷婷色av中文字幕| √禁漫天堂资源中文www| 国产精品av久久久久免费| 婷婷成人精品国产| 97在线视频观看| 免费观看av网站的网址| 久久久久久人妻| 久久综合国产亚洲精品| 精品福利永久在线观看| 乱人伦中国视频| 亚洲精品久久午夜乱码| 日韩人妻精品一区2区三区| 丝袜喷水一区| 少妇猛男粗大的猛烈进出视频| 免费人妻精品一区二区三区视频| 美女中出高潮动态图| 亚洲欧美一区二区三区久久|