• <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 ?

    基于多模態(tài)特征融合的社交媒體賬號(hào)分類方法

    2023-11-16 10:49:30湯智偉費(fèi)高雷翟學(xué)萌胡光岷
    關(guān)鍵詞:張量賬號(hào)模態(tài)

    湯智偉,明 楊,費(fèi)高雷,翟學(xué)萌,胡光岷

    (電子科技大學(xué) 信息與通信工程學(xué)院,四川 成都 611731)

    0 引言

    隨著社交媒體的興起,用戶賬號(hào)的分類成為了研究者關(guān)注的問(wèn)題。這涉及檢測(cè)異常賬號(hào)和識(shí)別相關(guān)主題賬號(hào)。傳統(tǒng)方法主要從賬號(hào)文本信息或社交關(guān)系中提取特征,但存在特征單一和缺乏融合的問(wèn)題[1]。

    為了更充分挖掘數(shù)據(jù)信息[2],多模態(tài)學(xué)習(xí)嶄露頭角。多模態(tài)學(xué)習(xí)充分利用不同信息類型之間的相關(guān)性與互補(bǔ)性,提供更全面的特征表示[3]。多模態(tài)融合有兩大優(yōu)點(diǎn):模態(tài)之間互補(bǔ)相關(guān)[4],且系統(tǒng)具備強(qiáng)容錯(cuò)性。然而,在社交媒體賬號(hào)分類領(lǐng)域,多模態(tài)研究相對(duì)較少。

    本文提出了一種多模態(tài)特征融合的社交媒體賬號(hào)分類方法。在特征提取階段,綜合考慮了賬號(hào)屬性、文本和社交關(guān)系等多模態(tài)信息。在融合過(guò)程中,采用張量方法將這些多模態(tài)特征整合,以張量分解降低數(shù)據(jù)復(fù)雜性。多模態(tài)特征融合有助于捕捉各模態(tài)之間的聯(lián)系,提高賬號(hào)分類準(zhǔn)確性和模型泛化性。

    1 相關(guān)工作

    社交媒體用戶賬號(hào)分類的關(guān)鍵在于賬號(hào)特征表示和分類方法。特征表示涉及從原始信息中選取代表性特征,通常分為基于賬號(hào)信息和基于社交關(guān)系兩種方式。

    基于賬號(hào)信息的表示可分為兩類:自身屬性和文本信息提取。對(duì)于垃圾賬號(hào),Krishnamurthy等[5]使用關(guān)注與被關(guān)注比例分類賬號(hào);Wang等[6]提取好友數(shù)、粉絲數(shù)特征并使用貝葉斯分類器;Mccord等[7]提取文本長(zhǎng)度、關(guān)鍵詞、活躍時(shí)間分布比例進(jìn)行分類。對(duì)于主題賬號(hào),Rao等[8]使用習(xí)慣用詞、標(biāo)點(diǎn)符號(hào)、表情符號(hào)等特征,結(jié)合n-gram模型和支持向量機(jī)分類;Vicente等[9]通過(guò)分析Twitter賬號(hào)昵稱提取特征,準(zhǔn)確預(yù)測(cè)性別。

    基于社交關(guān)系的表示將賬號(hào)看作節(jié)點(diǎn),交互關(guān)系作為邊,構(gòu)建社交網(wǎng)絡(luò)圖。Pennacchiotti等[10]提取屬性、行為、文本和社交網(wǎng)絡(luò)特征分類政治傾向、種族和企業(yè)粉絲。Campbell等[11]則構(gòu)建帶權(quán)混合圖分類普通和名人賬號(hào),使用PageRank算法提取特征。

    分類方法主要基于機(jī)器學(xué)習(xí),包括傳統(tǒng)方法如樸素貝葉斯、邏輯回歸、支持向量機(jī),以及深度學(xué)習(xí)方法。深度學(xué)習(xí)通過(guò)自動(dòng)學(xué)習(xí)特征表示提高分類性能。Liu等[12]使用深度學(xué)習(xí)分類賬號(hào)地理位置。Kipf等[13]提出圖卷積神經(jīng)網(wǎng)絡(luò)(GCN)處理社交網(wǎng)絡(luò)數(shù)據(jù)。Zhang等[14]融合文本特征使用集成的長(zhǎng)短期記憶網(wǎng)絡(luò)進(jìn)行社交媒體賬號(hào)分類。Rahimi等[15]基于GCN提出半監(jiān)督地理定位方法。

    考慮數(shù)據(jù)復(fù)雜性,本文建議結(jié)合賬號(hào)信息、交互關(guān)系信息和文本信息構(gòu)建異質(zhì)網(wǎng)絡(luò),提高分類準(zhǔn)確性。

    2 賬號(hào)分類模型

    在基于多模態(tài)特征融合的賬號(hào)分類方法的具體實(shí)現(xiàn)中,整體流程主要分為文本預(yù)處理、特征表示、張量融合、張量分解、分類五步。其中,文本預(yù)處理和特征表示兩個(gè)模塊構(gòu)成了多模態(tài)特征提取部分;張量融合和張量分解兩個(gè)模塊構(gòu)成了多模態(tài)特征融合部分。圖1是基于多模態(tài)特征融合的賬號(hào)分類模型框架圖。

    文本預(yù)處理是對(duì)文本信息進(jìn)行分詞、正則匹配、詞性標(biāo)注和命名實(shí)體識(shí)別的預(yù)處理流程。通過(guò)預(yù)處理操作可以得到本文需要的實(shí)體信息。特征表示是從賬號(hào)社交模態(tài)、屬性模態(tài)和文本模態(tài)三方面進(jìn)行賬號(hào)的特征表示。其中,社交模態(tài)是基于賬號(hào)關(guān)注與被關(guān)注的交互信息,屬性模態(tài)是基于賬號(hào)填寫的個(gè)人信息,文本模態(tài)是基于賬號(hào)發(fā)布的文本。張量融合模塊是將提取到的三個(gè)模態(tài)特征進(jìn)行融合,構(gòu)建出每個(gè)賬號(hào)的特征張量。由于原始特征張量維度過(guò)大,存在著計(jì)算復(fù)雜、存儲(chǔ)量大等問(wèn)題,因此使用張量分解的方法對(duì)原始特征張量進(jìn)行分解降維。最后,將分解得到的特征張量按照張量的三個(gè)模式展開(kāi),得到三個(gè)不同的特征向量,并分別輸入分類器中,采用投票法得到最終的分類結(jié)果。

    3 賬號(hào)分類方法

    3.1 多模態(tài)特征提取

    多模態(tài)特征提取主要是從賬號(hào)和賬號(hào)的文本內(nèi)容中提取能夠描述賬號(hào)類別的信息,例如:賬號(hào)自身屬性、文本以及賬號(hào)社交關(guān)系等。社交媒體平臺(tái)由于字?jǐn)?shù)限制,發(fā)布的文本中通常含有大量的縮寫詞、URL鏈接、表情符號(hào)等,因此在提取特征前,需要對(duì)這些文本進(jìn)行預(yù)處理。

    3.1.1 文本預(yù)處理

    文本預(yù)處理是指使用自然語(yǔ)言處理的方法對(duì)社交媒體數(shù)據(jù)中的文本數(shù)據(jù)進(jìn)行分詞、去噪、詞性標(biāo)注和命名實(shí)體識(shí)別。由于文本中既有很多有用的信息,比如實(shí)體信息,又存在著許多表達(dá)不規(guī)范的地方,因此需要對(duì)文本進(jìn)行預(yù)處理操作。

    3.1.2 特征表示

    本文主要從Hashtag(賬號(hào)文本模態(tài))、命名實(shí)體NER(賬號(hào)屬性模態(tài))以及賬號(hào)(賬號(hào)社交模態(tài))三個(gè)模態(tài)進(jìn)行特征的表示。

    Hashtag和NER用于反映賬號(hào)的主題性和內(nèi)容描述。但要確定賬號(hào)是否屬于相同類別,需要考慮社交行為。通過(guò)觀察賬號(hào)的社交關(guān)系,可以補(bǔ)充文本和屬性信息的特征表示。

    對(duì)于賬號(hào)特征,本文基于社交關(guān)系,使用關(guān)注列表和被關(guān)注列表來(lái)表示。每個(gè)賬號(hào)作為社交圖中的節(jié)點(diǎn),查看其關(guān)注和被關(guān)注列表?;ハ嚓P(guān)注是指存在于兩個(gè)賬號(hào)的關(guān)注和被關(guān)注列表中,將這類賬號(hào)放入互相關(guān)注列表。最終,通過(guò)互相關(guān)注列表建立賬號(hào)之間的社交關(guān)系圖。通過(guò)這種方式,可以更全面地了解賬號(hào)之間的相似性和社交互動(dòng),從而更準(zhǔn)確地進(jìn)行賬號(hào)分類。

    通過(guò)賬號(hào)的社交關(guān)系圖,使用node2vec方法獲取賬號(hào)節(jié)點(diǎn)的特征向量。node2vec方法結(jié)合了廣度優(yōu)先搜索(BFS)和深度優(yōu)先搜索(DFS)的采樣策略,通過(guò)隨機(jī)游走來(lái)生成節(jié)點(diǎn)序列,然后利用處理詞向量的技巧對(duì)這些序列進(jìn)行建模,從而獲得賬號(hào)節(jié)點(diǎn)的特征向量。通過(guò)node2vec算法可以得到賬號(hào)節(jié)點(diǎn)之間潛在的信息,最終得到賬號(hào)的特征向量U=(k1,k2,…,km),其中m表示向量的維度。

    對(duì)于Hashtag和命名實(shí)體NER而言,本文基于賬號(hào)的文本信息進(jìn)行關(guān)鍵詞的特征表示。對(duì)于Hashtag節(jié)點(diǎn),本文遍歷所有標(biāo)記的訓(xùn)練集賬號(hào)發(fā)布的文本,將Hashtag在文本中的出現(xiàn)次數(shù)進(jìn)行統(tǒng)計(jì)。

    由于Hashtag數(shù)量極多,為了防止維度災(zāi)難,本文分別根據(jù)數(shù)據(jù)庫(kù)中字段count1、count0進(jìn)行從大到小的排序,選出數(shù)量最多且比另一個(gè)類別數(shù)量多的前50個(gè)Hashtag來(lái)構(gòu)成字典。例如,按照count1進(jìn)行排序時(shí),需要滿足count1>count0的條件。之所以要將另一個(gè)類別的數(shù)量也考慮進(jìn)來(lái)對(duì)比,是因?yàn)槲谋局袝?huì)出現(xiàn)一些中性的Hashtag。該類Hashtag由于在每一種類別中都會(huì)出現(xiàn),且在每種類別中出現(xiàn)的總次數(shù)差不多,因此,該類Hashtag不能對(duì)賬號(hào)的分類提供幫助,反而可能增加噪聲信息。因此,只有在某一類別中占比較多,且其余類別中占比較少的Hashtag才能體現(xiàn)出在某一類別中的關(guān)鍵性。

    對(duì)于命名實(shí)體NER,本文也采取同樣的操作方式進(jìn)行特征表示。與Hashtag不同,命名實(shí)體NER是從賬號(hào)的屬性信息中的自我描述字段(description)進(jìn)行提取。自我描述模塊是賬號(hào)對(duì)自己進(jìn)行描述定義最為直接的一個(gè)板塊,有的賬號(hào)會(huì)在自我描述中直接寫出自己的興趣愛(ài)好,例如運(yùn)動(dòng)、寵物等。

    Hashtag和NER經(jīng)過(guò)關(guān)鍵詞提取后分別將count1排名前50的詞和count0排名前50的詞以{詞語(yǔ):序號(hào)}的形式保存為一個(gè)100維的字典dict,其中,count1中的詞語(yǔ)序號(hào)為0~49,count0中的詞語(yǔ)序號(hào)為50~100。接著根據(jù)每個(gè)賬號(hào)的Hashtag和NER進(jìn)行特征表示,將Hashtag特征向量表示為H=(i1,i2,…,il),NER特征向量表示為N=(j1,j2,…,jl),其中l(wèi)表示向量的維度。

    3.2 多模態(tài)特征融合

    模態(tài)通常用來(lái)泛指某種類型的信息或者存儲(chǔ)信息的一種表示形式,多模態(tài)是指兩種或兩種以上的模態(tài)的各種形式組合。之所以需要對(duì)模態(tài)進(jìn)行融合,是因?yàn)椴煌B(tài)的側(cè)重點(diǎn)不一樣,因此不同模態(tài)之間會(huì)存在一些交叉情況,這種交叉情況中既有信息冗余,也有信息互補(bǔ),如果能合理地處理并利用好多模態(tài)信息,就能得到豐富的特征信息。

    由于本文有賬號(hào)文本模態(tài)、賬號(hào)屬性模態(tài)以及賬號(hào)社交模態(tài)三個(gè)模態(tài)的特征,普通的一維向量不能很好地將三個(gè)維度的模態(tài)信息表示完整,因此,本文使用張量來(lái)表示模態(tài)特征。

    由3.1節(jié)的特征提取,得到了每個(gè)賬號(hào)的三種模態(tài)特征,分別是基于社交關(guān)系的賬號(hào)模態(tài)U=(k1,k2,…,km),其中m表示向量的維度;基于賬號(hào)文本和賬號(hào)屬性的Hashtag模態(tài)H=(i1,i2,…,il)和NER模態(tài)N=(j1,j2,…,jl),其中l(wèi)表示向量的維度。每一種模態(tài)代表張量的一個(gè)維度,通過(guò)張量的Kronecker積相乘,構(gòu)建出新的三階張量:

    X=U?H?N

    (1)

    Kronecker積也稱為直積或張量積,是一種用于組合兩個(gè)矩陣的數(shù)學(xué)運(yùn)算,給定一個(gè)大小為m1×m2的矩陣A,和一個(gè)大小為n1×n2的矩陣B,則矩陣A和矩陣B的Kronecker積如式(2)所示:

    (2)

    使用Kronecker積相乘構(gòu)建的三階張量X,不可避免地存在著數(shù)據(jù)量大、計(jì)算復(fù)雜等特點(diǎn),為了解決該問(wèn)題,本文采用張量分解的方式對(duì)原始張量進(jìn)行降維。張量分解是矩陣分解的高階泛化,矩陣分解是將矩陣拆解為多個(gè)矩陣的乘積,例如主成分分析(Principal Component Analysis,PCA)、奇異值分解(Singular Value Decomposition,SVD)等。在實(shí)際應(yīng)用中,可以通過(guò)矩陣分解達(dá)到降維處理、缺失值填充和隱性關(guān)系挖掘的目的。但由于現(xiàn)實(shí)問(wèn)題的復(fù)雜性和多樣性,很多問(wèn)題不能簡(jiǎn)單地只靠矩陣建模解決,因此科研工作者對(duì)張量進(jìn)行研究,在矩陣分解的理論基礎(chǔ)上又推廣出了多種張量分解的模型。本文使用Tucker分解來(lái)對(duì)張量進(jìn)行分解。

    Tucker分解是把一個(gè)張量分解為一個(gè)核心張量(core tensor)和幾個(gè)因子矩陣。對(duì)于一個(gè)三階張量X∈Rl×m×n,Tucker分解的計(jì)算見(jiàn)式(3):

    (3)

    其中符號(hào)“°”表示的是矩陣的外積;“×k”則表示模式積,為高階張量與矩陣的乘積,計(jì)算公式如式(4)所示:

    (4)

    本文為了提高算法的泛化能力,不考慮特殊情況,因此采用Tucker分解的方式對(duì)賬號(hào)的特征張量進(jìn)行分解。Tucker分解的目的是對(duì)特征張量進(jìn)行降維,由式(3)可知,Tucker分解將原始三階張量轉(zhuǎn)變?yōu)橐粋€(gè)核心張量和三個(gè)因子矩陣的形式,降低了數(shù)據(jù)的存儲(chǔ)量。核心張量其實(shí)就是原始張量在保持自身結(jié)構(gòu)信息和屬性信息不變后降維得到的張量,即其低階近似表達(dá)。由式(3)可以得到核心張量的計(jì)算公式:

    (5)

    其中A、B、C分別是通過(guò)X對(duì)應(yīng)模式的奇異值分解得到的,奇異值分解的表達(dá)式如式(6)所示:

    (6)

    其中,Σk表示對(duì)角矩陣,奇異值(singular value)按照從大到小的順序依次存儲(chǔ)在對(duì)角矩陣中。奇異值類似于矩陣分解中的特征值,與奇異值對(duì)應(yīng)的是奇異向量。Uk和Vk分別代表X(k)的左奇異向量(left singular vector)和右奇異向量(right singular vector)。因子矩陣中的A、B、C對(duì)應(yīng)的就是左奇異向量,即A=U1,B=U2,C=U3。根據(jù)文獻(xiàn)[17]可知,在大部分情況下,前10%甚至1%的奇異值數(shù)據(jù)和幾乎等于所有的奇異值之和,因此通過(guò)使用最大的前r個(gè)奇異值和對(duì)應(yīng)的r個(gè)左奇異向量和右奇異向量相乘來(lái)達(dá)到對(duì)原始矩陣的降維。這樣的降維方式可以保留原始矩陣的信息,具體如式(7)所示:

    (7)

    其中,r要遠(yuǎn)遠(yuǎn)小于m或者n,稱為截?cái)嗟钠娈愔捣纸?truncated SVD)。

    由于高階奇異值分解算法并不能保證得到一個(gè)較好的近似張量,但可以作為迭代交替最小二乘法的迭代起點(diǎn),因此本文先使用高階奇異值分解算法對(duì)賬號(hào)特征融合后的張量特征進(jìn)行一次張量分解運(yùn)算,再將分解后得到的結(jié)果作為迭代交替最小二乘法的輸入,并使用迭代交替最小二乘法來(lái)完成后續(xù)的Tucker分解過(guò)程。算法流程如圖2所示。

    4 實(shí)驗(yàn)與分析

    4.1 數(shù)據(jù)來(lái)源

    本文使用Twitter數(shù)據(jù)作為數(shù)據(jù)源。將Twitter賬號(hào)所發(fā)的文本稱為推文。賬號(hào)數(shù)據(jù)和推文數(shù)據(jù)都是通過(guò)Twitter官方提供的API接口采集得到的。通過(guò)一些主題關(guān)鍵詞從社交媒體中采集了56 283個(gè)賬號(hào),并隨機(jī)標(biāo)注2 000個(gè)賬號(hào),用于實(shí)現(xiàn)新疆賬號(hào)和非新疆賬號(hào)的二分類任務(wù)。其中,標(biāo)記的賬號(hào)中1 000個(gè)是新疆賬號(hào),另外1 000個(gè)是非新疆賬號(hào)。在這2 000個(gè)賬號(hào)中,訓(xùn)練集和測(cè)試集按照1∶1的比例進(jìn)行分配。

    本文采用準(zhǔn)確率和F1值兩個(gè)指標(biāo)來(lái)對(duì)算法的性能進(jìn)行評(píng)估。準(zhǔn)確率是指分類正確的樣例在所有樣本中所占的比例。F1值是為了平衡精確率和召回率的影響,能更直觀全面地看出一個(gè)算法的性能好壞。

    4.2 實(shí)驗(yàn)結(jié)果與分析

    4.2.1 核心張量尺寸

    當(dāng)使用截?cái)嗟腡ucker分解方法時(shí),需要預(yù)先設(shè)定好核心張量的尺寸。由于在現(xiàn)有方法中沒(méi)有確定核心張量的尺寸的標(biāo)準(zhǔn)方法,因此,本文決定使用張量的F-范數(shù)來(lái)作為衡量張量分解的性能評(píng)估指標(biāo)。F-范數(shù)是指所有元素絕對(duì)值的平方和,以三階張量為例,給定張量X∈Rl×m×n,則該張量的F-范數(shù)表達(dá)式如式(8):

    (8)

    本文的樣本集F-范數(shù)差S計(jì)算公式如式(9)所示:

    (9)

    其中,Xi表示第i個(gè)賬號(hào)的特征張量,X′i表示第i個(gè)賬號(hào)的特征張量經(jīng)張量分解后又還原得到的張量,N表示樣本數(shù)。

    本文選取了不同大小的幾組核心張量尺寸,結(jié)果如表1所示。

    表1 張量核心尺寸

    表1數(shù)據(jù)可以表明,本文的分解方法確實(shí)有效,通過(guò)取前幾個(gè)最大的奇異值向量,可以很好地還原原始張量。同時(shí),從表中還可以看出,隨著核心張量的尺寸越接近原始張量,則對(duì)應(yīng)的F-范數(shù)差值也越小。為了避免過(guò)多的數(shù)據(jù)丟失,同時(shí)也為了減少數(shù)據(jù)的存儲(chǔ)、降低后續(xù)計(jì)算的復(fù)雜度,本文選擇的核心張量的尺寸為5×10×50。

    4.2.2 多模態(tài)特征融合方法的有效性

    為了證明本文提出的多模態(tài)特征融合方法的有效性,本文分別測(cè)試了單模態(tài)、雙模態(tài)以及三模態(tài)方法的分類效果。結(jié)果如圖3所示。

    圖3 多模態(tài)分類性能對(duì)比圖

    其中,NER表示只考慮NER特征作為賬號(hào)的特征向量,UU表示只考慮賬號(hào)的好友關(guān)系作為用戶的特征向量,Hashtag表示只考慮Hashtag特征作為賬號(hào)特征的單模態(tài)特征向量。NER-Hashtag表示只融合Hashtag和NER兩個(gè)模態(tài)信息的雙模態(tài)特征,Hashtag-UU和UU-NER也是同理。tensor fusion表示將這三種特征向量使用本文的方式進(jìn)行特征融合得到賬號(hào)的三模態(tài)特征向量。

    從圖3中可以發(fā)現(xiàn),三模態(tài)的分類性能最好,其次是雙模態(tài)的分類性能,最差的是單模態(tài)的分類性能。這個(gè)結(jié)果是合理的,這是由于社交媒體數(shù)據(jù)含有多種信息,但社交媒體又不像傳統(tǒng)媒體那么嚴(yán)謹(jǐn),它的信息種類雖然多,但每種信息都具有不完整、模糊等特性,因此,單模態(tài)的分類性能較差。通過(guò)使用多模態(tài)特征融合的方式,可以更好地利用模態(tài)之間的相關(guān)性與互補(bǔ)性,達(dá)到異質(zhì)互補(bǔ)的效果。因此,融合后的雙模態(tài)分類性能要高于單模態(tài)的分類性能。隨著融合的模態(tài)數(shù)量增多,接收到的信息也越來(lái)越完整,因此,融合后的三模態(tài)分類性能要高于雙模態(tài)的分類性能,提高了賬號(hào)分類的準(zhǔn)確性。這也證明了本文提出的多模態(tài)特征融合方法的有效性。

    4.2.3 張量融合方法的有效性

    為了證明張量融合方法的有效性,本文分別測(cè)試了單獨(dú)模態(tài)、基于拼接融合和基于張量融合方法的分類效果。結(jié)果如圖4所示。

    圖4 融合分類性能對(duì)比圖

    其中,UU、NER、Hashtag與4.2.2節(jié)表示含義相同;fusion表示將Hashtag、NER、UU三種特征向量橫向拼接成一個(gè)大的長(zhǎng)向量然后輸入分類器進(jìn)行分類;tensor fusion表示將這三種特征向量通過(guò)張量的方式進(jìn)行融合得到賬號(hào)的特征向量。由圖4可見(jiàn),融合多信息的分類方法優(yōu)于單模態(tài)。在單模態(tài)特征中,基于賬號(hào)社交關(guān)系的UU特征最好,其次是基于賬號(hào)文本信息的Hashtag特征。UU特征表示賬號(hào)之間的共同話題,而Hashtag特征則基于賬號(hào)發(fā)布的文本內(nèi)容,可能包含多個(gè)主題,有時(shí)可能過(guò)于頻繁,影響分類效果。NER特征在單獨(dú)特征中表現(xiàn)最差,因?yàn)橛形刺顚憣傩缘馁~號(hào)。此外,基于張量融合的多模態(tài)融合方式優(yōu)于直接拼接特征。這是由于不同特征的維度不同,直接拼接可能導(dǎo)致某些特征主導(dǎo),忽略其他特征。張量融合充分利用每種信息。為了確保核心張量結(jié)構(gòu),對(duì)核心張量進(jìn)行不同模式的展開(kāi),然后使用投票法提高分類性能,證明了方法的有效性。

    5 結(jié)論

    本文提出了一種基于多模態(tài)特征融合的賬號(hào)分類算法并給出了模型框架。在多模態(tài)特征提取階段,首先對(duì)文本進(jìn)行預(yù)處理,然后提取賬號(hào)屬性模態(tài)、賬號(hào)文本模態(tài)、賬號(hào)社交模態(tài)三種模態(tài)的特征向量。在多模態(tài)特征融合階段,對(duì)本文提取的三個(gè)模態(tài)特征進(jìn)行基于張量分解的多模態(tài)特征融合。接著本文使用機(jī)器學(xué)習(xí)的算法對(duì)賬號(hào)進(jìn)行分類,最后通過(guò)將本文的方法與傳統(tǒng)方法進(jìn)行對(duì)比,證明了本文方法的有效性。

    猜你喜歡
    張量賬號(hào)模態(tài)
    彤彤的聊天賬號(hào)
    施詐計(jì)騙走游戲賬號(hào)
    派出所工作(2021年4期)2021-05-17 15:19:10
    偶數(shù)階張量core逆的性質(zhì)和應(yīng)用
    四元數(shù)張量方程A*NX=B 的通解
    擴(kuò)散張量成像MRI 在CO中毒后遲發(fā)腦病中的應(yīng)用
    Google Play游戲取消賬號(hào)綁定沒(méi)有Google賬號(hào)也能玩
    CHIP新電腦(2016年3期)2016-03-10 14:52:50
    國(guó)內(nèi)多模態(tài)教學(xué)研究回顧與展望
    基于HHT和Prony算法的電力系統(tǒng)低頻振蕩模態(tài)識(shí)別
    由單個(gè)模態(tài)構(gòu)造對(duì)稱簡(jiǎn)支梁的抗彎剛度
    工程中張量概念的思考
    河南科技(2014年19期)2014-02-27 14:15:33
    人妻少妇偷人精品九色| 久久精品国产综合久久久 | 大话2 男鬼变身卡| 亚洲欧美色中文字幕在线| 性色avwww在线观看| 桃花免费在线播放| 插逼视频在线观看| 女的被弄到高潮叫床怎么办| 午夜免费鲁丝| 欧美bdsm另类| 国产白丝娇喘喷水9色精品| 国产亚洲av片在线观看秒播厂| 亚洲精品国产av成人精品| 精品一区二区三区四区五区乱码 | 久久97久久精品| 国产一区二区在线观看日韩| 亚洲经典国产精华液单| 韩国精品一区二区三区 | 97超碰精品成人国产| 免费黄网站久久成人精品| 99久久精品国产国产毛片| 少妇人妻 视频| 性高湖久久久久久久久免费观看| 国产乱人偷精品视频| 18禁观看日本| 王馨瑶露胸无遮挡在线观看| 亚洲av男天堂| 亚洲欧美精品自产自拍| 黑丝袜美女国产一区| 国产免费又黄又爽又色| 国产精品99久久99久久久不卡 | 国产国语露脸激情在线看| 国产精品不卡视频一区二区| 99热全是精品| 亚洲一级一片aⅴ在线观看| 精品熟女少妇av免费看| 日韩电影二区| 男人爽女人下面视频在线观看| 免费av中文字幕在线| 免费av不卡在线播放| 国产精品久久久久久久久免| 久久99热这里只频精品6学生| 香蕉国产在线看| 91精品三级在线观看| 久久久久久久大尺度免费视频| 亚洲av电影在线观看一区二区三区| 丝袜人妻中文字幕| 中国美白少妇内射xxxbb| 亚洲图色成人| 男人爽女人下面视频在线观看| 久久久久久久精品精品| 日本猛色少妇xxxxx猛交久久| 国产极品天堂在线| 老司机影院毛片| 热99久久久久精品小说推荐| 日韩制服丝袜自拍偷拍| 久久久久网色| 人人妻人人添人人爽欧美一区卜| 最近最新中文字幕免费大全7| 日韩av不卡免费在线播放| 精品酒店卫生间| 免费人成在线观看视频色| av黄色大香蕉| 亚洲欧美日韩另类电影网站| 卡戴珊不雅视频在线播放| 久久人人爽人人爽人人片va| 国产极品粉嫩免费观看在线| 天天操日日干夜夜撸| www.av在线官网国产| 精品一品国产午夜福利视频| 久久久久久人人人人人| 亚洲欧美日韩另类电影网站| 一本大道久久a久久精品| 国产成人av激情在线播放| 女人精品久久久久毛片| 男女免费视频国产| 久久久久久久久久成人| 涩涩av久久男人的天堂| 国产精品一区www在线观看| 中文字幕av电影在线播放| 国产欧美另类精品又又久久亚洲欧美| 90打野战视频偷拍视频| 另类精品久久| 水蜜桃什么品种好| 99九九在线精品视频| 久久青草综合色| 久久人人爽人人爽人人片va| 精品国产乱码久久久久久小说| 男女啪啪激烈高潮av片| 热99久久久久精品小说推荐| 中文字幕制服av| 黄色视频在线播放观看不卡| 亚洲高清免费不卡视频| 国产1区2区3区精品| 久久人人爽av亚洲精品天堂| 亚洲国产欧美在线一区| 亚洲av男天堂| 国产欧美日韩综合在线一区二区| 丝袜人妻中文字幕| 男女下面插进去视频免费观看 | 多毛熟女@视频| 精品午夜福利在线看| 久久久久精品久久久久真实原创| 国产永久视频网站| 永久网站在线| 成人亚洲欧美一区二区av| 1024视频免费在线观看| 国产精品成人在线| 亚洲av日韩在线播放| 国产免费现黄频在线看| 九草在线视频观看| 亚洲国产精品999| 80岁老熟妇乱子伦牲交| 巨乳人妻的诱惑在线观看| 91成人精品电影| 精品亚洲成国产av| 老女人水多毛片| 极品少妇高潮喷水抽搐| 欧美成人午夜免费资源| 女人被躁到高潮嗷嗷叫费观| 国产精品蜜桃在线观看| 亚洲精品中文字幕在线视频| 少妇熟女欧美另类| 热re99久久精品国产66热6| 久久精品久久久久久久性| a 毛片基地| 亚洲精品国产av成人精品| av卡一久久| 久久 成人 亚洲| 少妇猛男粗大的猛烈进出视频| 免费大片18禁| 午夜久久久在线观看| 精品国产乱码久久久久久小说| av免费观看日本| 两性夫妻黄色片 | 日韩不卡一区二区三区视频在线| 日韩人妻精品一区2区三区| 高清黄色对白视频在线免费看| 老司机影院毛片| 90打野战视频偷拍视频| av有码第一页| 捣出白浆h1v1| 熟女av电影| 18+在线观看网站| 亚洲精品久久成人aⅴ小说| 夜夜爽夜夜爽视频| 免费日韩欧美在线观看| 中文字幕精品免费在线观看视频 | 中国美白少妇内射xxxbb| 亚洲经典国产精华液单| 精品少妇黑人巨大在线播放| 欧美激情 高清一区二区三区| 久久亚洲国产成人精品v| 亚洲国产精品999| 少妇的逼水好多| 久久这里有精品视频免费| 男人添女人高潮全过程视频| 国产色爽女视频免费观看| 欧美日韩亚洲高清精品| 激情视频va一区二区三区| 日韩一区二区三区影片| 亚洲精品成人av观看孕妇| 黄色视频在线播放观看不卡| 国产 精品1| 熟女人妻精品中文字幕| 日韩 亚洲 欧美在线| 丝袜脚勾引网站| 麻豆精品久久久久久蜜桃| 激情视频va一区二区三区| 美女视频免费永久观看网站| 天天躁夜夜躁狠狠躁躁| 国产在线一区二区三区精| 亚洲国产毛片av蜜桃av| 国产成人91sexporn| 亚洲精品色激情综合| 少妇的逼好多水| 色哟哟·www| 狂野欧美激情性xxxx在线观看| 久久久精品94久久精品| 日本色播在线视频| 久久这里有精品视频免费| 国产午夜精品一二区理论片| 精品人妻熟女毛片av久久网站| 精品第一国产精品| 22中文网久久字幕| 亚洲国产看品久久| 韩国av在线不卡| 色视频在线一区二区三区| 国产精品秋霞免费鲁丝片| 高清黄色对白视频在线免费看| 日韩在线高清观看一区二区三区| 飞空精品影院首页| 老司机影院成人| 日本爱情动作片www.在线观看| 亚洲欧洲国产日韩| 老司机影院毛片| 亚洲第一av免费看| 欧美xxxx性猛交bbbb| 在现免费观看毛片| 黑人欧美特级aaaaaa片| 91aial.com中文字幕在线观看| 欧美激情 高清一区二区三区| 欧美成人精品欧美一级黄| 久久青草综合色| 久久午夜综合久久蜜桃| 黄片播放在线免费| 欧美性感艳星| 亚洲欧美日韩卡通动漫| 嫩草影院入口| 国产精品熟女久久久久浪| 99热这里只有是精品在线观看| 国产成人免费无遮挡视频| 一级毛片 在线播放| 日韩制服骚丝袜av| 69精品国产乱码久久久| 在线观看免费日韩欧美大片| 街头女战士在线观看网站| 一区二区三区精品91| 91aial.com中文字幕在线观看| freevideosex欧美| 2022亚洲国产成人精品| 一级,二级,三级黄色视频| 男女免费视频国产| 成年美女黄网站色视频大全免费| 最近最新中文字幕大全免费视频 | 国产在线一区二区三区精| 亚洲成人一二三区av| 久久久精品区二区三区| 国产精品久久久久久精品古装| 欧美成人午夜精品| 99热这里只有是精品在线观看| 如何舔出高潮| 成人综合一区亚洲| 免费看不卡的av| kizo精华| 亚洲精品美女久久av网站| 色网站视频免费| 精品福利永久在线观看| 亚洲av国产av综合av卡| 成人黄色视频免费在线看| 国产国语露脸激情在线看| 中国三级夫妇交换| 丰满乱子伦码专区| 亚洲情色 制服丝袜| av电影中文网址| 丝袜脚勾引网站| 在线观看www视频免费| 亚洲国产欧美日韩在线播放| 高清在线视频一区二区三区| 美女中出高潮动态图| 亚洲性久久影院| 日韩熟女老妇一区二区性免费视频| 成年美女黄网站色视频大全免费| 日产精品乱码卡一卡2卡三| 日本色播在线视频| 久久久久视频综合| 久久午夜综合久久蜜桃| 久久 成人 亚洲| 大香蕉97超碰在线| 最近的中文字幕免费完整| 婷婷色av中文字幕| 亚洲少妇的诱惑av| 秋霞伦理黄片| 国产成人精品久久久久久| 免费在线观看黄色视频的| 亚洲av.av天堂| 精品第一国产精品| 大香蕉97超碰在线| 国产精品久久久久久久久免| 免费少妇av软件| 99re6热这里在线精品视频| 一级毛片黄色毛片免费观看视频| 男女边摸边吃奶| 国产欧美日韩综合在线一区二区| 国产一区亚洲一区在线观看| 色哟哟·www| 亚洲国产最新在线播放| 国产在视频线精品| 一二三四中文在线观看免费高清| 精品久久国产蜜桃| 国产欧美另类精品又又久久亚洲欧美| 国产欧美日韩综合在线一区二区| 大香蕉久久成人网| 日韩人妻精品一区2区三区| 国产高清不卡午夜福利| 亚洲久久久国产精品| 秋霞伦理黄片| 久久婷婷青草| 国产深夜福利视频在线观看| 免费看av在线观看网站| 韩国av在线不卡| 99久国产av精品国产电影| 欧美成人精品欧美一级黄| 精品人妻在线不人妻| 九九在线视频观看精品| 五月伊人婷婷丁香| 久久ye,这里只有精品| 飞空精品影院首页| 国产成人午夜福利电影在线观看| 久久人妻熟女aⅴ| 精品一区二区免费观看| 高清不卡的av网站| 人妻系列 视频| 国产一区有黄有色的免费视频| 亚洲国产精品999| 婷婷色麻豆天堂久久| 自拍欧美九色日韩亚洲蝌蚪91| 午夜91福利影院| 女人被躁到高潮嗷嗷叫费观| 国产精品人妻久久久久久| 纵有疾风起免费观看全集完整版| 一级毛片 在线播放| 大片免费播放器 马上看| 热re99久久精品国产66热6| 亚洲精品久久成人aⅴ小说| 亚洲成人av在线免费| 日韩不卡一区二区三区视频在线| 欧美性感艳星| 侵犯人妻中文字幕一二三四区| 国产高清三级在线| 国产男女超爽视频在线观看| 欧美日韩精品成人综合77777| 欧美日韩视频高清一区二区三区二| av女优亚洲男人天堂| videos熟女内射| 久久国产精品大桥未久av| 人人妻人人澡人人看| 久久久久人妻精品一区果冻| 国产精品99久久99久久久不卡 | 在线观看免费日韩欧美大片| 欧美精品av麻豆av| 欧美xxxx性猛交bbbb| 国产又色又爽无遮挡免| 久久精品久久久久久噜噜老黄| 中文字幕av电影在线播放| 999精品在线视频| 深夜精品福利| 中文欧美无线码| 中国国产av一级| 亚洲欧美日韩另类电影网站| 国产又色又爽无遮挡免| 午夜福利网站1000一区二区三区| 日韩中文字幕视频在线看片| 久久国内精品自在自线图片| 男女午夜视频在线观看 | 丰满迷人的少妇在线观看| 少妇 在线观看| 久久久精品免费免费高清| 一级,二级,三级黄色视频| 欧美精品av麻豆av| 最近的中文字幕免费完整| 一区二区日韩欧美中文字幕 | av又黄又爽大尺度在线免费看| 亚洲婷婷狠狠爱综合网| av黄色大香蕉| 国产有黄有色有爽视频| 日韩大片免费观看网站| 精品国产国语对白av| 99久久人妻综合| 人人妻人人澡人人爽人人夜夜| 精品一区二区三区四区五区乱码 | 最新的欧美精品一区二区| 色哟哟·www| 99热全是精品| 国产探花极品一区二区| 波多野结衣一区麻豆| 久久青草综合色| 亚洲国产成人一精品久久久| 黄色配什么色好看| 免费在线观看黄色视频的| 日日摸夜夜添夜夜爱| 成年av动漫网址| 日韩熟女老妇一区二区性免费视频| 成人国产麻豆网| 欧美日韩国产mv在线观看视频| 韩国精品一区二区三区 | 国产高清国产精品国产三级| 久久人人爽人人片av| 免费在线观看完整版高清| 久久婷婷青草| 大香蕉久久网| 国产一区二区在线观看日韩| 卡戴珊不雅视频在线播放| 涩涩av久久男人的天堂| 国产精品久久久久久久电影| av免费在线看不卡| 日本欧美国产在线视频| 国产高清三级在线| 天天操日日干夜夜撸| 在线观看三级黄色| 午夜免费鲁丝| 高清毛片免费看| 久久人妻熟女aⅴ| www.熟女人妻精品国产 | 国产福利在线免费观看视频| 黑人高潮一二区| 久久精品夜色国产| 国产毛片在线视频| 日韩伦理黄色片| 精品国产国语对白av| 久久久精品免费免费高清| 午夜av观看不卡| 亚洲色图综合在线观看| 伊人久久国产一区二区| 免费观看av网站的网址| 免费久久久久久久精品成人欧美视频 | 国产极品天堂在线| 黑人欧美特级aaaaaa片| 三上悠亚av全集在线观看| 国产成人精品福利久久| 中国三级夫妇交换| 国产 精品1| 精品少妇黑人巨大在线播放| 少妇人妻 视频| 在现免费观看毛片| 另类亚洲欧美激情| 五月伊人婷婷丁香| 18禁在线无遮挡免费观看视频| 久久国产精品男人的天堂亚洲 | 97精品久久久久久久久久精品| av有码第一页| 一本—道久久a久久精品蜜桃钙片| 熟女人妻精品中文字幕| 国产探花极品一区二区| 精品国产一区二区久久| av电影中文网址| 亚洲人成网站在线观看播放| 婷婷色综合大香蕉| 日韩免费高清中文字幕av| 久久久精品免费免费高清| 日本色播在线视频| 午夜福利影视在线免费观看| 赤兔流量卡办理| av免费观看日本| 日韩欧美精品免费久久| 亚洲精品久久成人aⅴ小说| 日本av免费视频播放| 午夜老司机福利剧场| 久久久精品免费免费高清| 一区在线观看完整版| 丰满少妇做爰视频| 精品一品国产午夜福利视频| 午夜日本视频在线| xxx大片免费视频| 免费久久久久久久精品成人欧美视频 | 国产淫语在线视频| 国产伦理片在线播放av一区| 免费在线观看完整版高清| 香蕉国产在线看| 热re99久久国产66热| 亚洲国产看品久久| 国产精品偷伦视频观看了| 一级毛片我不卡| 亚洲精品一二三| 日韩制服骚丝袜av| 下体分泌物呈黄色| 午夜福利,免费看| 亚洲av男天堂| 建设人人有责人人尽责人人享有的| a 毛片基地| 乱人伦中国视频| 国产永久视频网站| 黄色毛片三级朝国网站| 男女无遮挡免费网站观看| 一区在线观看完整版| www日本在线高清视频| 国产在线视频一区二区| 18禁裸乳无遮挡动漫免费视频| 韩国av在线不卡| 中文字幕另类日韩欧美亚洲嫩草| 国产精品三级大全| 午夜精品国产一区二区电影| 亚洲av欧美aⅴ国产| 国产精品久久久久久av不卡| 日韩一区二区视频免费看| 亚洲欧洲国产日韩| 狂野欧美激情性bbbbbb| 成人免费观看视频高清| 中国国产av一级| 又黄又爽又刺激的免费视频.| 午夜av观看不卡| 男人爽女人下面视频在线观看| 看免费成人av毛片| 久久久国产一区二区| 日韩制服丝袜自拍偷拍| 亚洲精品日韩在线中文字幕| 久久精品国产综合久久久 | 国产精品一国产av| 欧美国产精品va在线观看不卡| 日本黄色日本黄色录像| 高清av免费在线| 国产爽快片一区二区三区| 亚洲av欧美aⅴ国产| 亚洲高清免费不卡视频| 18+在线观看网站| 国产麻豆69| 少妇 在线观看| 精品熟女少妇av免费看| 亚洲 欧美一区二区三区| 国产色婷婷99| 少妇人妻 视频| 在线免费观看不下载黄p国产| 九九在线视频观看精品| 黑人欧美特级aaaaaa片| 国产日韩欧美在线精品| 国产极品粉嫩免费观看在线| 韩国av在线不卡| 精品少妇黑人巨大在线播放| 亚洲综合色惰| 成人二区视频| 亚洲精品视频女| 国产精品嫩草影院av在线观看| 性高湖久久久久久久久免费观看| 成人18禁高潮啪啪吃奶动态图| 亚洲第一av免费看| 日本vs欧美在线观看视频| 欧美3d第一页| 日韩一本色道免费dvd| 99久久精品国产国产毛片| 免费看光身美女| 丰满迷人的少妇在线观看| 亚洲第一av免费看| www.色视频.com| 亚洲av在线观看美女高潮| 五月伊人婷婷丁香| 国产亚洲一区二区精品| 一级,二级,三级黄色视频| 老司机影院成人| 狠狠婷婷综合久久久久久88av| 咕卡用的链子| 90打野战视频偷拍视频| 亚洲精品久久午夜乱码| 免费看不卡的av| √禁漫天堂资源中文www| 日本欧美视频一区| 日日撸夜夜添| 日韩制服丝袜自拍偷拍| 欧美日韩视频精品一区| 国产 精品1| 国产成人精品久久久久久| 午夜福利影视在线免费观看| 波野结衣二区三区在线| 日日摸夜夜添夜夜爱| 久久久久久久久久成人| 国产高清国产精品国产三级| 一区二区日韩欧美中文字幕 | 亚洲色图综合在线观看| 国产av一区二区精品久久| 久久久国产一区二区| 亚洲欧美色中文字幕在线| 桃花免费在线播放| 精品人妻一区二区三区麻豆| 亚洲美女视频黄频| 飞空精品影院首页| 国产熟女午夜一区二区三区| 亚洲精品中文字幕在线视频| 两性夫妻黄色片 | 亚洲精品久久成人aⅴ小说| 中文精品一卡2卡3卡4更新| 国产高清三级在线| 我的女老师完整版在线观看| 91成人精品电影| 777米奇影视久久| 国产av一区二区精品久久| 2018国产大陆天天弄谢| 精品视频人人做人人爽| 国产亚洲欧美精品永久| 国产xxxxx性猛交| 午夜激情久久久久久久| 又黄又爽又刺激的免费视频.| 亚洲av.av天堂| 久久久国产欧美日韩av| 七月丁香在线播放| 男女午夜视频在线观看 | 中文字幕免费在线视频6| av免费观看日本| 中文字幕制服av| 精品国产一区二区久久| 乱码一卡2卡4卡精品| 色婷婷av一区二区三区视频| 国产爽快片一区二区三区| 婷婷色综合大香蕉| 纯流量卡能插随身wifi吗| 日本午夜av视频| 久久久久久久国产电影| 看非洲黑人一级黄片| 香蕉精品网在线| 99热国产这里只有精品6| 精品99又大又爽又粗少妇毛片| 久久精品国产自在天天线| 亚洲精品中文字幕在线视频| 欧美日韩精品成人综合77777| 香蕉精品网在线| 99热国产这里只有精品6| 自线自在国产av| 精品久久久久久电影网| 男女午夜视频在线观看 | 欧美成人精品欧美一级黄| 五月伊人婷婷丁香| 纯流量卡能插随身wifi吗| 日韩伦理黄色片| 亚洲伊人色综图| 亚洲精品乱久久久久久| tube8黄色片| 久久久国产一区二区| 久热这里只有精品99| 狂野欧美激情性xxxx在线观看| 久久亚洲国产成人精品v| 日韩成人av中文字幕在线观看| 在线天堂中文资源库| 丝袜美足系列| 熟女电影av网| 9191精品国产免费久久| 寂寞人妻少妇视频99o| a级毛片黄视频|