• <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 ?

    酒店在線評論數(shù)據(jù)的特征挖掘

    2018-11-05 09:13:14秦海菲杜軍平
    智能系統(tǒng)學報 2018年6期
    關鍵詞:特征詞詞頻分詞

    秦海菲,杜軍平

    在網(wǎng)購中,在線點評是買家購買決策的重要依據(jù),同時也是賣家經(jīng)營信息反饋的重要環(huán)節(jié)。在線點評分為數(shù)字評分和在線評論。目前,很多學者專注數(shù)字評分,因為數(shù)字評分比較直觀,容易理解,但數(shù)字評分的粒度比較粗、少,且難于細化,例如同時被評為5分的同一家酒店,顧客對它的感受完全不一樣,有的關注環(huán)境,有的關注設施,有的關注服務等。不同的人關注點不同,興趣點也不同,評價也亦不同。從經(jīng)濟學和市場理論的角度看,產(chǎn)品和服務有多維屬性,由于消費者的偏好不同,對功能和服務的期望也不同,即用戶參考評論進行決策時,會依其偏好,只關注或更加關注某些方面的特征。只考慮數(shù)值評分無法反映用戶對產(chǎn)品的全面和精確的評價[1]。因為某一類產(chǎn)品的數(shù)字評分不能為客戶帶來過多的信息,但是在線評論可以表達顧客的真實感受,能夠被購買者參考和信賴。在線評論作為顧客在網(wǎng)絡上發(fā)布的購買體驗,對其他客戶的購買決策起著重要的影響,這些體驗也是企業(yè)在市場拓展和產(chǎn)品開發(fā)計劃時要考慮的重要信息[2]。因此,在線評論數(shù)據(jù)也變得越來越重要。

    隨著網(wǎng)絡的發(fā)展,用戶生成的數(shù)據(jù)越來越多,引起了利益雙方或多方的廣泛興趣,捕獲這些數(shù)據(jù)并把它們轉換為企業(yè)的核心洞察力,可為決策、營銷、分析等不同目標服務[1-4]。在線評論數(shù)據(jù)像大數(shù)據(jù)一樣具有體量巨大,增長速度快,種類繁多,價值密度低等特點。從在線評論數(shù)據(jù)中挖掘出顧客真正關心的酒店特征和對酒店的真實感受,可為酒店的分類提供真實可靠的依據(jù),同時也為酒店的智能推薦奠定基礎。

    1 相關工作

    1.1 在線評論數(shù)據(jù)分析

    在消費者的決策過程中,在線評論已成為非常重要的信息來源[5]。研究表明,如果產(chǎn)品被他人推薦,產(chǎn)品的選擇次數(shù)會增加兩倍,這種影響取決于推薦來源的類型[6]。消費者在準備購買產(chǎn)品或服務時越來越多地尋求同行的經(jīng)驗,超過60%的消費者在購買前會咨詢客戶的反饋意見[6]。住宿評論決定了酒店的在線形象、銷售額和未來收入[5?6]。

    目前,對在線評論的研究主要是從情感出發(fā),分析人們對某一產(chǎn)品的情感色彩和情感傾向,從在線評論中判斷出人們的喜、怒、哀、樂、批評、贊揚等,從而判斷出這一產(chǎn)品的受歡迎程度。在線評論挖掘屬于觀點挖掘,但不同于情感挖掘,情感挖掘只屬于觀點挖掘的一部分。2012年劉冰[7]在情感分析和觀點挖掘一文中對觀點挖掘涉及相關技術進行了總結;2015年Ravi,Guellil等[8?9]充分闡述了觀點挖掘;2016 年 Rana[10]對觀點挖掘中的方面提取技術進行了綜述;2017年Sun等[11]和李建華等[12]對觀點挖掘上進行進一步的總結和挖掘;2018年韓忠明等[13]對網(wǎng)絡評論方面級觀點挖掘方法作了綜述研究。酒店是在線評論的重要內(nèi)容,且酒店在線評論數(shù)據(jù)的獲取是很方便的,可以從貓途鷹、攜程、美團、大眾點評、驢媽媽、微博、微信等網(wǎng)站上獲取,但從目前的研究看,有影響的研究成果還比較少。

    1.2 短文本分析

    在線評論數(shù)據(jù)屬于短文本研究。每個人每天都在應用短文本(短信、微博、微信、評論、Tweets、facebook等),短文本與普通文本有很大區(qū)別。短文本是包含有限的上下文,大多數(shù)短文本搜索查詢少于5個單詞,Tweets是不超過140個字符短文本[14]。幾乎所有的短文本都在200字以內(nèi),在線點評數(shù)據(jù)也不例外。短文本通常不遵循語法,自然語言處理技術(如詞性標注和句法解析等)難于直接應用于短文本分析[15]。短文本具有稀疏性強、價值密度低,實時性強、變化大、嘈聲大、規(guī)則性弱等特點。因此,對短文本的分析比一般的文本分析要難。目前短文本研究多數(shù)都集中在社交網(wǎng)絡,酒店在線評論的研究屬于社交網(wǎng)絡研究中的一部分。

    2 酒店在線評論數(shù)據(jù)的特征挖掘

    在線評論特征的挖掘包括數(shù)據(jù)獲取、數(shù)據(jù)清洗、詞性分析、特征抽取、特征詞確定等環(huán)節(jié)。具體流程如圖1所示。

    圖1 基于酒店在線評論數(shù)據(jù)的特征挖掘Fig. 1 Feature mining based on hotel online review data

    2.1 數(shù)據(jù)獲取

    在線點評數(shù)據(jù)包括數(shù)字、文本、圖片等,本文應用主題爬蟲在貓途鷹網(wǎng)(tripadvisor)和攜程網(wǎng)(ctrip)上爬取相關數(shù)據(jù),去除與主題無關的各種噪音數(shù)據(jù)(如導航條、廣告信息、版權信息和其他圖片、圖像、聲音等),對獲取到的數(shù)據(jù)進行預處理(主要是去除無關和重復的數(shù)據(jù))和清洗。

    2.2 數(shù)據(jù)清洗

    數(shù)據(jù)清洗是保證數(shù)據(jù)質量的關鍵環(huán)節(jié),在線評論數(shù)據(jù)的清洗工作主要包括數(shù)據(jù)預處理(去特殊標記、標點等)、分詞、去停用詞、去低頻詞、去高頻非特征詞,具體步驟如圖2所示。

    圖2 數(shù)據(jù)清洗的過程Fig. 2 Process of data clean

    文本數(shù)據(jù)預處理:完成多余字符刪除和多余數(shù)據(jù)清除。

    分詞:采用中科院分詞和結巴分詞相結合的方式,分詞后的數(shù)據(jù)為分詞集1。

    去停用詞:在分詞集1中很多詞沒有實際意義,僅僅代表一種結構,比如介詞、嘆詞、連詞等,把這部分詞集合在一起形成停用詞表。在數(shù)據(jù)清洗中需要將停用詞剔除,以降低特征向量維度,去除停用詞后的詞集為分詞集2。

    詞頻統(tǒng)計:詞頻(term frequency,TF)是指詞或短語在給定文檔中出現(xiàn)的總次數(shù),通常認為詞頻越高,其在文檔中的重要度越高,成為關鍵詞的可能性越大[16]。在酒店評論數(shù)據(jù)中,指在評論中某個詞出現(xiàn)的次數(shù)。

    詞頻排序:對分詞結果的詞頻進行降序排列,排序結果為分詞集3。

    去低頻詞:對低頻詞進行剔除處理,去除低頻詞后的詞集是分詞集4。

    去高頻非特征詞:在線評論數(shù)據(jù)中,特征不明顯的高頻詞會削弱特征詞的特性,去除高頻非特征詞的詞集是分詞集5。

    2.3 特征詞的抽取

    從在線評論中提取反映評論主題的特征詞(Keyphrases,包括單詞或詞組),提取的特征詞需要滿足可讀性相關性重要性覆蓋度一致性[16]。目前比常用的特征提取方法有TF-IDF、詞頻、文檔頻率、逆文檔頻率等。單獨使用上述方法不能達到特征詞選取的良好效果。

    1)詞性分析

    眾多文獻提出特征詞通常是名詞短語[16,20],因此需要對詞性進行分析。

    2)特征詞指標

    ① 詞頻(TF):詞W在評論中出現(xiàn)的次數(shù)。頻數(shù)(TF)越高,評論的次數(shù)越多,關注人群越多,關注程度也就越大。某詞W的詞頻NW(即詞W出現(xiàn)的次數(shù))為出現(xiàn)的第i次。

    ②詞頻率(TF1):詞W在所有詞中的比重。為了與詞頻數(shù)區(qū)分開,采用TF1表示。

    處理后某一詞W的詞頻率如式(2)所示:

    ③詞評權重(TTW):詞W在評論中的比重。

    某詞W在一條評論中被多次提到和被多人提到,意義是不一樣的,為了更好區(qū)分兩者關系,采用詞評權重(TTW)。假設每一條評論代表了一個點評人,如果一個詞被多個人評論,那么代表這個詞被多人關注,這樣的詞可以是特征詞。詞評權重既考慮了詞頻數(shù),也考慮了評論人數(shù)。TFW是詞W在評論中出現(xiàn)的次數(shù),NW是含詞W的{評∑論條數(shù)(假設}一條評論代表一個人),,詞W的詞權重計算如式(3)所示:

    ④ 評論頻率(DF):評論頻率也稱文檔頻率,指某條評論在總評論中的比重。

    DF=包含該詞的評論條數(shù)/總評論數(shù),N是總評論數(shù),評論頻率計算如式如(4)所示:

    ⑤ 逆文檔頻率(IDF):衡量詞或詞組所在的文檔在整個語料庫中的頻率。

    逆文檔頻率越大表明該詞越重要,它是一個詞語普遍重要性的度量[16]。IDF的思想是:如果包含詞條W的評論越少,也就是,NW越小,IDF越大,則說明詞條W具有很好的類別區(qū)分能力。特定詞語W的IDF,可以由總評論數(shù)除以包含該詞語的評論,再取對數(shù)得到。計算公式如式(5)所示:

    ⑥ 特征權重值(TF-IDF):詞頻?逆文檔頻率(TF-IDF)是結合詞頻和逆文檔頻率來衡量候選關鍵詞的重要度量。

    詞頻?逆文檔頻率(TF-IDF)被認為是所有特征中最有效、最常用的特征之一[16]。如果某個詞或短語在一篇文章中出現(xiàn)的頻率TF1高,并且在其他文章中很少出現(xiàn),則認為該詞或者短語具有很好的類別區(qū)分能力,適合用來分類。TF-IDF的計算如式(6)所示:

    TF-IDF值與該詞的出現(xiàn)頻率成正比,與在整個評論中出現(xiàn)的次數(shù)成反比。

    3)特征詞的篩選

    特征詞的篩選是特征詞選取和降低特征詞維度最有效的方法。分析各特征詞指標的關系是特征詞選取中重要的環(huán)節(jié),但各個指標之間存在有很強的相關性,并且量綱差異較大。為了消除各指標量綱的影響和指標之間的相關性,采用標準差標準化(Z標準化)對數(shù)據(jù)進行標準化處理。計算公式如式(7)所示:

    聚類分析是研究樣品和指標分類問題的一種多元統(tǒng)計方法[17?19]。在實際應用中一般有兩種處理方式,一種是根據(jù)分類問題本身的專業(yè)知識結合實際需要來選擇分類方法,并確定分類個數(shù);另一種是多用幾種分類方法,把結果中共性取出來,如果用幾種方法的某些結果都一樣,則說明這樣的聚類確實反映事物的本質[19]。采用專業(yè)知識與多種聚類算法結合的方式對特征進行篩選,以確定特征詞。

    算法1 在線評論數(shù)據(jù)的特征挖掘聚類算法

    ②計算各類之間的距離(類平均法、ward法、最大距離法、相似分析法),得到觀測值矩陣;

    ③合并類間距離最小的兩類為一新類。并重新計算新類與各類之間的距離,更新矩陣表,類的總個數(shù)依次遞減,直到為1;

    ④畫聚類樹圖;

    ⑤根據(jù)聚類圖和專業(yè)知識決定分類的個數(shù)和成員;

    4)特征詞提取方法評價

    本文認為特征詞能代表評價主題,Nc為代表評價主題的特征詞數(shù),NA為選擇的特征詞數(shù),準確率P如式(9)所示:

    有學者研究提出召回率不適合評論數(shù)據(jù)的評價指標,因此本文借助別人提出的GMM指標,Nc為能代表評價主題的特征詞數(shù),NA為所選擇的特征詞數(shù),準確率GMM如式(10)所示:

    2.4 特征詞的驗證

    采用數(shù)據(jù)集2對所選特征詞進行校驗。

    3 實驗及結果分析

    本文采用主題爬蟲對網(wǎng)絡數(shù)據(jù)進行抓取。獲取全國高端酒店(四、五星級酒店)的在線點評數(shù)據(jù),并對在線點評數(shù)據(jù)進行處理,把全國高端酒店(四、五星級酒店)按數(shù)字評分進行排序,取出數(shù)字評分排在前20名的酒店數(shù)據(jù)為數(shù)據(jù)集1和數(shù)字評分排在后20名的酒店數(shù)據(jù)為數(shù)據(jù)集2。應用數(shù)據(jù)集1進行建模分析。在建模過程中,對數(shù)據(jù)進行清洗,再對數(shù)據(jù)進行特征抽取、特征篩選和特征選取,應用數(shù)據(jù)集2對特征詞進行校驗。

    根據(jù)實驗需求,從網(wǎng)絡上爬取的50余萬條數(shù)據(jù)中篩選出前20名的酒店174 449條評論數(shù)據(jù)(數(shù)據(jù)集1)和后20名的酒店104 898條數(shù)據(jù)(數(shù)據(jù)集2)進行分析,采用中科院分詞系統(tǒng)和結巴分詞相結合的方法分別對數(shù)據(jù)集1和數(shù)據(jù)集2進行分詞,去停用詞后分別得到4 049 078個詞條和1 857 523個詞條,并分別對詞條進行分析。由于詞條數(shù)太多,再次對詞條的低頻詞和高頻非特征詞進行處理,為了降低詞條維度和分析的難度,采用降維、抽樣的方法對詞條進行分析。抽取了頻數(shù)排在前100的詞條進行詞云分析,詞云圖如圖3所示。

    圖3 詞云圖Fig. 3 Word cloud

    3.1 特征詞抽取與篩選

    近年來,有許多學者對特征詞的提取方法進行研究。特征詞提取方法可以歸納為監(jiān)督型和非監(jiān)督型兩類[20]。監(jiān)督型可以用多種方法訓練模型,并實時調整參數(shù);非監(jiān)督型特征詞抽取主要有基于統(tǒng)計、基于詞性規(guī)則、基于主題模型、基于詞排列圖的方法。本文將利用統(tǒng)計、詞性和主題模型的方法對特征詞抽取進行分析。

    3.1.1 詞性分析

    從圖3可以看出詞條多且復雜,如果把所有的詞都作為候選特征詞,那么特征向量的維數(shù)將非常大,難于進行計算和分類。在詞云圖中很多詞要與其他詞組合在一起才具有實際意義。比如:“服務好”、“服務不錯”、“服務不好”、“服務很差”、“環(huán)境好”、“環(huán)境不錯”、“環(huán)境很好”、“環(huán)境很差”、“好”、“不錯”、“差”等詞是對某一主題的評價。根據(jù)酒店在線評論數(shù)據(jù)的分詞結果,對詞性的分析如表1所示。

    表 1 詞性分析Table 1 Part of speech analysis

    從表1可以看出,在所有詞語中名詞、形容詞、動詞、副詞在所有詞中占到了2/3,名詞的占比是最高的,占到了25.10%,其次是動詞占20.99%(包含動名詞占總詞數(shù)的2.5%,后面分析時把這部分詞歸屬名詞處理)。對詞性進行分析,分析結果如圖4所示。

    圖4 詞性詞云圖Fig. 4 Part of speech word cloud

    根據(jù)圖4名詞、形容詞、動詞、副詞的詞云圖可以看出名詞作為評價的主題,作為候選特征詞的確比較顯著。除名詞外,在動詞詞云圖中最為明顯的“服務”一詞也可以作為評價的主題。對這部分詞語的詞性進行查看,“服務”屬于動名詞,為了特征提取的方便,把動名詞歸屬于名詞的行列。但還有一部分詞語完全是動詞,但也表達名詞的意思,比如“裝修”、“位置”、“出行”等,這一部分是動詞名用,對于這一部分詞需要作為特征詞分析。評論數(shù)據(jù)屬于短文本數(shù)據(jù),并沒有完全遵從自然語言的語法結構,動詞名用或名詞動用情況很常見。因此,在特征詞的選取上只選取系統(tǒng)所分的名詞是不可取的,必須根據(jù)專業(yè)、行業(yè)、常識等對詞性進行進一步的篩選與確定。根據(jù)詞性的詞頻對候選特征詞的分析如表2所示。

    表 2 候選特征詞詞性分析Table 2 Part of speech analysis of candidate feature words

    綜合幾種特征詞提取方法,本文先利用無監(jiān)督方法TF(詞頻數(shù))提取候選特征,所提取的20個特征詞能代表評價主題值有4個。綜合TF和詞性進行分析,形容詞、副詞中沒有能代表評價主題的候選特征詞;動詞中代表評價主題的有3個,名詞中16個。利用TF_IDF提取的候選特征詞代表評價主題的有10個。而綜合無監(jiān)督型的TF、詞性在無監(jiān)督的情況下動詞+名詞提取的特征詞效果與TF_IDF的提取效果一樣,而選擇名詞作為特征詞,在監(jiān)督下篩選動詞作為補充,所提取的效果要比只提取名詞的效果要好,準確率和GMM值都達到了87%,而若名詞+動詞的篩選都在監(jiān)督下完成,所得的候選特征詞與評價主題的特征詞的準確率和GMM達到95%以上。具體結果如圖5所示。

    圖5 特征詞提取方法對比Fig. 5 Comparison of feature words extraction methods

    3.2 特征詞指標分析

    雖然動詞+名詞結合的特征詞比較適合分析,但候選特征詞的維度比較大,各候選特征詞之間的關系比較復雜,是否具備特征詞的特性還需要進一步分析,特征詞指標分析如表3所示。

    從表3可以看出根據(jù)詞頻數(shù)(TF)、詞頻率(TF1)、詞頻權重(TTW)、評論頻率(DF)、逆文檔頻率(IDF)和TF1-IDF這6個評價指標選取特征詞時,在各個指標上選取特征詞的結果都不一樣。TF和DF最高的是“服務”,TF1最高的是“房間”,TTW最高的是“環(huán)境”,IDF最高的是“裝修”,TF1-IDF最高的是“溫泉”?!皽厝钡腡F1-IDF的值是最高的,但從專業(yè)的角度看,溫泉可能是高端型酒店的一個特征,但不能作為最重要的評價指標。“溫泉”的TF1-IDF值高說明有很多高端客戶在關注“溫泉”,但用“溫泉”作為酒店評論數(shù)據(jù)的特征詞是沒有代表性的。從單一的指標中選取出的特征詞不能完全滿足特征詞選擇的可讀性、相關性、重要性、覆蓋度、一致性的要求,但各個指標對候選特征詞又都有影響。因此,考慮對象酒店在線評論數(shù)據(jù)的實際情況,綜合應用TF、TF1、TTW、DF、IDF和TF1-IDF這6個指標對候選特征詞進行分析。從表3可以看出各個候選特征詞在各個評價指標上的量綱是不同的,并且差距很大,TF、TF1、TTW、DF、IDF和 TF1-IDF各指標之間存在著很強的相關性。綜合19個候選特征詞的6個評價指標的實際情況看,降低特征詞的維度是選取特征詞最實用的方法。

    表 3 指標分析Table 3 Index analysis

    綜合圖6候選特征詞的4個聚類樹圖根據(jù)聚類結果和酒店的專業(yè)知識,聚類為5類比較合理,把酒店在線評論候選詞歸并為5類,并對5類特征進行綜合分析,綜合19個候選特征詞的聚類結果如表4所示。

    圖6 數(shù)據(jù)集1候選特征詞聚類Fig. 6 Dataset1 Candidate feature words cluster

    表 4 候選特征詞歸類表Table 4 Candidate feature word classification

    通過表4可以看出特征詞“服務”包含了“服務”、“服務員”、“服務態(tài)度”、“前臺”等服務信息;特征詞“設施”包含了“房間”、“設施”等硬件設施信息;特征詞“環(huán)境”包含了“位置”、“環(huán)境”、“交通”、“地理位置”等信息;特征詞“餐飲”包含了“早餐”、“水果”、“味道”等餐飲信息;整體舒適度包含了“大堂”、“性價比”、“價格”、“衛(wèi)生”、“裝修”、“溫泉”等整體舒適度信息。這5個特征詞能滿足特征詞選取的可讀性、相關性、重要性、覆蓋度、一致性的準則,因此可以作為酒店在線評論數(shù)據(jù)的特征詞。

    3.3 特征詞的校驗和選定

    3.3.1 方法的驗證

    采用同樣的方法,用數(shù)據(jù)集2(數(shù)字評分排在后20家的酒店數(shù)據(jù))的詞條進行了詞性分析,處理后得到了24個候選特征詞,計算出24個候選特征詞的 6個指標 (TF、TF1、TTW、DF、IDF和TF1-IDF)的值,并對數(shù)據(jù)進行標準化后,采用6個指標對候選特征詞進行聚類,所得的聚類結果如圖7所示(為了圖形清晰,本文只選取了TF最高的數(shù)據(jù)進行展示)。

    綜合圖7候選特征詞的4個聚類樹圖,根據(jù)聚類結果,可以看出聚類為5類比較合理,根據(jù)酒店的專業(yè)知識,把酒店在線評論候選詞歸并為5類,結果如表5所示。

    圖7 數(shù)據(jù)集2候選特征詞聚類Fig. 7 Dataset2 Candidate feature words cluster

    從表5中可以看出,部分被歸并的候選特征詞有了更細化、更相近或概括的變化,例如設施中增加了“床”、“房”、“空調”等細化詞;環(huán)境中增加了“地段”、“出行”、“周邊”、“附近”等相近詞;整體舒適度增加了“總體”、“整體”概括詞。綜合酒店在線評論的兩個數(shù)據(jù)集和網(wǎng)絡在線點評數(shù)據(jù)的特性,可以看出把服務、設施、環(huán)境、餐飲和整體舒適度作為酒店在線評論數(shù)據(jù)的特征詞是合理的。

    表 5 后20名酒店特征詞歸類表Table 5 The last 20 Hotel feature word

    綜合6個評價指標聚類圖,對于評論數(shù)據(jù),TF分析的結果要比TF_IDF的效果好,選取以TF為主,TF1、TTW、DF、IDF、TF1_IDF為輔的指標聚類時,選取TF排在前10的候選特征詞聚類和選取更多的候選特征詞聚類結果類似,后面的候選特征詞只是對前面結果的補充或細化。

    4 結束語

    本文從酒店在線點評數(shù)據(jù)出發(fā),對數(shù)據(jù)的感知獲取、數(shù)據(jù)預處理、詞性分析、特征選取、特征篩選、特征確定等進行了研究。對特征詞的篩選和確定進行了分析。單個指標(TF或者TF1-IDF)對特征詞的篩選和選擇效果不理想,需要綜合 TF、TF1、TTW、DF、IDF、TF1-IDF 多個指標進行分析。采用了無監(jiān)督的聚類方法對變量進行聚類分析,聚類時采用數(shù)據(jù)標準化消除指標相關性和量綱的影響。綜合聚類分析的結果和酒店專業(yè)知識選定酒店在線評論數(shù)據(jù)的特征詞,通過將20家酒店作為數(shù)據(jù)集2對特征詞進行校驗,得出酒店在線評論的特征詞是服務、環(huán)境、設施、整體舒適度、餐飲。下一步將根據(jù)特征詞構造更方便、快捷、可靠的分類器,為酒店和客戶進一步細分做好準備,同時也為酒店為客戶提供的個性化的智能推薦服務奠定基礎。

    猜你喜歡
    特征詞詞頻分詞
    基于詞頻分析法的社區(qū)公園歸屬感營建要素研究
    園林科技(2021年3期)2022-01-19 03:17:48
    結巴分詞在詞云中的應用
    智富時代(2019年6期)2019-07-24 10:33:16
    基于改進TFIDF算法的郵件分類技術
    產(chǎn)品評論文本中特征詞提取及其關聯(lián)模型構建與應用
    值得重視的分詞的特殊用法
    詞頻,一部隱秘的歷史
    面向文本分類的特征詞選取方法研究與改進
    云存儲中支持詞頻和用戶喜好的密文模糊檢索
    以關鍵詞詞頻法透視《大學圖書館學報》學術研究特色
    圖書館論壇(2014年8期)2014-03-11 18:47:59
    高考分詞作狀語考點歸納與疑難解析
    蜜桃国产av成人99| 99国产精品免费福利视频| 欧美日韩亚洲综合一区二区三区_| 亚洲精品久久久久久婷婷小说| 精品国产一区二区久久| 亚洲av电影在线观看一区二区三区| 欧美精品啪啪一区二区三区 | 国产伦理片在线播放av一区| 在线观看免费日韩欧美大片| 我的亚洲天堂| 激情视频va一区二区三区| 男人添女人高潮全过程视频| 国产一区二区激情短视频 | 桃花免费在线播放| 国产精品亚洲av一区麻豆| 欧美精品av麻豆av| 777久久人妻少妇嫩草av网站| 天天影视国产精品| 99国产精品一区二区蜜桃av | 老司机影院毛片| 欧美成狂野欧美在线观看| www.精华液| 国产精品熟女久久久久浪| videos熟女内射| 国产成人精品在线电影| 性少妇av在线| 免费一级毛片在线播放高清视频 | 欧美日本中文国产一区发布| 一进一出抽搐动态| 国产1区2区3区精品| 婷婷色av中文字幕| 国产三级黄色录像| 精品国产一区二区久久| 无限看片的www在线观看| 精品人妻1区二区| 亚洲av日韩精品久久久久久密| 久久久国产成人免费| 欧美久久黑人一区二区| 免费在线观看影片大全网站| 岛国毛片在线播放| 免费不卡黄色视频| 一本久久精品| 美女午夜性视频免费| 天堂中文最新版在线下载| 久久久久久亚洲精品国产蜜桃av| 99国产精品一区二区三区| 丝袜喷水一区| 欧美精品一区二区大全| 国产高清videossex| 亚洲欧美精品综合一区二区三区| 久久亚洲国产成人精品v| 国产成人影院久久av| www.熟女人妻精品国产| 婷婷色av中文字幕| 在线精品无人区一区二区三| 国产成人av教育| 91精品国产国语对白视频| 国产成人欧美| 大陆偷拍与自拍| 精品一区二区三区四区五区乱码| 超碰成人久久| 久热这里只有精品99| 男女边摸边吃奶| 国产精品欧美亚洲77777| 曰老女人黄片| 黄片小视频在线播放| 日本撒尿小便嘘嘘汇集6| 久久99热这里只频精品6学生| 五月天丁香电影| 超碰成人久久| 国产精品一区二区精品视频观看| 97精品久久久久久久久久精品| 成年动漫av网址| 国产精品 国内视频| 多毛熟女@视频| 九色亚洲精品在线播放| 中文字幕人妻丝袜一区二区| 极品人妻少妇av视频| 王馨瑶露胸无遮挡在线观看| 搡老岳熟女国产| 亚洲国产精品一区二区三区在线| 欧美大码av| 国产亚洲一区二区精品| 日韩熟女老妇一区二区性免费视频| 免费在线观看黄色视频的| 午夜日韩欧美国产| tube8黄色片| 性色av乱码一区二区三区2| 久久久久视频综合| 亚洲va日本ⅴa欧美va伊人久久 | 精品久久蜜臀av无| 一级黄色大片毛片| 美女高潮喷水抽搐中文字幕| 热99re8久久精品国产| 久久精品国产综合久久久| 97在线人人人人妻| 伊人亚洲综合成人网| 久久久久精品国产欧美久久久 | 最近最新中文字幕大全免费视频| 国产高清videossex| 国产成人欧美在线观看 | 1024香蕉在线观看| 日本黄色日本黄色录像| 欧美激情高清一区二区三区| √禁漫天堂资源中文www| 久热爱精品视频在线9| a级片在线免费高清观看视频| 桃红色精品国产亚洲av| 亚洲 欧美一区二区三区| 18禁观看日本| 伊人亚洲综合成人网| 搡老乐熟女国产| 欧美日韩黄片免| av有码第一页| av网站在线播放免费| av免费在线观看网站| 久久亚洲国产成人精品v| 69精品国产乱码久久久| 日韩免费高清中文字幕av| 美女午夜性视频免费| 这个男人来自地球电影免费观看| 熟女少妇亚洲综合色aaa.| 国产免费一区二区三区四区乱码| 国产一区有黄有色的免费视频| 欧美激情 高清一区二区三区| 日本av免费视频播放| 久久国产亚洲av麻豆专区| 国产精品影院久久| 麻豆av在线久日| 国产精品一区二区免费欧美 | 欧美一级毛片孕妇| 一边摸一边做爽爽视频免费| 午夜福利免费观看在线| 午夜久久久在线观看| 欧美日韩精品网址| 欧美日韩中文字幕国产精品一区二区三区 | 久久中文看片网| 久久香蕉激情| 亚洲午夜精品一区,二区,三区| 欧美老熟妇乱子伦牲交| 99热网站在线观看| 亚洲熟女毛片儿| 国产精品.久久久| 在线av久久热| 日韩 亚洲 欧美在线| 免费在线观看完整版高清| 操出白浆在线播放| 老司机在亚洲福利影院| 久久久国产精品麻豆| 久久久久视频综合| 亚洲国产欧美网| 97人妻天天添夜夜摸| 黑人巨大精品欧美一区二区蜜桃| 少妇被粗大的猛进出69影院| 国产精品.久久久| 一区二区三区精品91| www.精华液| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲精品粉嫩美女一区| 免费不卡黄色视频| 天堂俺去俺来也www色官网| 19禁男女啪啪无遮挡网站| 十分钟在线观看高清视频www| 欧美精品亚洲一区二区| 91成年电影在线观看| 大码成人一级视频| 在线亚洲精品国产二区图片欧美| 久久久久久久久久久久大奶| 午夜日韩欧美国产| 亚洲国产精品999| 热99re8久久精品国产| 五月天丁香电影| 亚洲av美国av| 精品欧美一区二区三区在线| 18禁观看日本| 十八禁人妻一区二区| 久久国产亚洲av麻豆专区| 在线观看一区二区三区激情| 99香蕉大伊视频| 无限看片的www在线观看| 午夜福利乱码中文字幕| 色婷婷av一区二区三区视频| 一区二区三区激情视频| 一区福利在线观看| 亚洲熟女精品中文字幕| 亚洲欧美清纯卡通| 国产成人系列免费观看| 香蕉国产在线看| 欧美乱码精品一区二区三区| 亚洲国产精品999| 亚洲伊人久久精品综合| 在线观看www视频免费| 久久女婷五月综合色啪小说| 男女国产视频网站| 搡老岳熟女国产| 成人手机av| 99久久99久久久精品蜜桃| 久久精品熟女亚洲av麻豆精品| 免费观看a级毛片全部| 一本大道久久a久久精品| 国产91精品成人一区二区三区 | 王馨瑶露胸无遮挡在线观看| 亚洲久久久国产精品| 一本—道久久a久久精品蜜桃钙片| 少妇 在线观看| 亚洲精品美女久久av网站| 各种免费的搞黄视频| 亚洲成人免费电影在线观看| 久久99一区二区三区| 亚洲精品久久午夜乱码| 国产精品久久久人人做人人爽| 国产欧美日韩综合在线一区二区| 日韩中文字幕欧美一区二区| 国产伦人伦偷精品视频| 黄色毛片三级朝国网站| a级片在线免费高清观看视频| 99热网站在线观看| 丰满饥渴人妻一区二区三| 99精国产麻豆久久婷婷| 一区二区三区四区激情视频| 一区二区日韩欧美中文字幕| 在线av久久热| 日韩欧美国产一区二区入口| 又大又爽又粗| 欧美日韩av久久| 性高湖久久久久久久久免费观看| 亚洲情色 制服丝袜| 午夜福利视频在线观看免费| 人人妻人人澡人人看| 国产精品免费视频内射| 狠狠狠狠99中文字幕| 一级毛片女人18水好多| 91麻豆精品激情在线观看国产 | kizo精华| 久久久久国产一级毛片高清牌| 12—13女人毛片做爰片一| cao死你这个sao货| 我要看黄色一级片免费的| 国产精品二区激情视频| 中文字幕最新亚洲高清| 国产xxxxx性猛交| 久久久国产成人免费| 欧美日韩精品网址| 亚洲欧美一区二区三区黑人| 久久 成人 亚洲| 他把我摸到了高潮在线观看 | 中文字幕精品免费在线观看视频| 色94色欧美一区二区| 91大片在线观看| 91成人精品电影| 两性夫妻黄色片| 在线十欧美十亚洲十日本专区| 国产在线视频一区二区| 久久国产精品人妻蜜桃| 巨乳人妻的诱惑在线观看| 一进一出抽搐动态| 成人av一区二区三区在线看 | 999久久久国产精品视频| 视频在线观看一区二区三区| a级毛片黄视频| 久久久国产精品麻豆| 欧美久久黑人一区二区| 久久天堂一区二区三区四区| √禁漫天堂资源中文www| 亚洲少妇的诱惑av| 国产成人一区二区三区免费视频网站| 免费在线观看影片大全网站| 超色免费av| 亚洲欧美一区二区三区久久| 国产精品.久久久| 亚洲国产精品一区三区| 欧美变态另类bdsm刘玥| 亚洲成国产人片在线观看| 成人av一区二区三区在线看 | 久久人人97超碰香蕉20202| 午夜福利在线观看吧| 国产在视频线精品| 91成年电影在线观看| 人人澡人人妻人| 日韩精品免费视频一区二区三区| 老司机午夜福利在线观看视频 | 国产主播在线观看一区二区| 91麻豆av在线| 在线观看一区二区三区激情| 成人国语在线视频| 午夜免费成人在线视频| 亚洲国产av新网站| 午夜精品国产一区二区电影| 欧美人与性动交α欧美精品济南到| 久热爱精品视频在线9| 丝袜美足系列| 男女无遮挡免费网站观看| 午夜免费观看性视频| 岛国毛片在线播放| 多毛熟女@视频| 精品人妻1区二区| 国产成人影院久久av| 精品久久久精品久久久| 亚洲第一青青草原| e午夜精品久久久久久久| 黄色视频在线播放观看不卡| 中文字幕人妻丝袜一区二区| 爱豆传媒免费全集在线观看| 婷婷成人精品国产| 亚洲国产欧美一区二区综合| 精品少妇内射三级| 久久av网站| 狂野欧美激情性xxxx| 一边摸一边做爽爽视频免费| 少妇裸体淫交视频免费看高清 | 久9热在线精品视频| 中文字幕高清在线视频| 国产精品麻豆人妻色哟哟久久| 一区二区三区精品91| 黑人操中国人逼视频| 久久亚洲精品不卡| 中文字幕人妻熟女乱码| 夜夜骑夜夜射夜夜干| 国产免费av片在线观看野外av| 成人国语在线视频| av在线老鸭窝| 爱豆传媒免费全集在线观看| 国产在线观看jvid| 久久久久国产一级毛片高清牌| 精品人妻一区二区三区麻豆| 国产成人免费观看mmmm| 午夜福利视频在线观看免费| 国产成人欧美在线观看 | 精品国产超薄肉色丝袜足j| 一级,二级,三级黄色视频| 国产精品久久久久久精品电影小说| 国产精品av久久久久免费| 大片免费播放器 马上看| 国产一区二区激情短视频 | 国产亚洲精品久久久久5区| 99久久99久久久精品蜜桃| 女人久久www免费人成看片| 高潮久久久久久久久久久不卡| 精品乱码久久久久久99久播| 国产成人av激情在线播放| 亚洲第一青青草原| 我的亚洲天堂| 黄色视频不卡| 99国产精品99久久久久| 午夜福利免费观看在线| 99久久99久久久精品蜜桃| 久久精品人人爽人人爽视色| 国产免费一区二区三区四区乱码| 精品国产一区二区三区久久久樱花| 国产免费视频播放在线视频| 国产亚洲欧美在线一区二区| 在线观看免费高清a一片| 日韩,欧美,国产一区二区三区| 50天的宝宝边吃奶边哭怎么回事| 在线天堂中文资源库| 人人妻人人添人人爽欧美一区卜| www.999成人在线观看| 国产高清videossex| 国产免费av片在线观看野外av| 午夜成年电影在线免费观看| 欧美午夜高清在线| 国产一区二区 视频在线| 国产伦理片在线播放av一区| 精品少妇久久久久久888优播| 99精品欧美一区二区三区四区| 亚洲情色 制服丝袜| 亚洲av美国av| 亚洲色图综合在线观看| 国产精品.久久久| 91精品国产国语对白视频| 亚洲中文av在线| 少妇猛男粗大的猛烈进出视频| 欧美日韩中文字幕国产精品一区二区三区 | 午夜久久久在线观看| 日韩精品免费视频一区二区三区| 高清在线国产一区| 美女高潮喷水抽搐中文字幕| 啦啦啦中文免费视频观看日本| 亚洲国产日韩一区二区| 真人做人爱边吃奶动态| 精品久久久久久久毛片微露脸 | 黄色视频不卡| 国产免费一区二区三区四区乱码| 黄频高清免费视频| 男人爽女人下面视频在线观看| 欧美精品一区二区大全| 国产视频一区二区在线看| 18在线观看网站| 一边摸一边做爽爽视频免费| 男人操女人黄网站| 欧美+亚洲+日韩+国产| 视频区图区小说| 成年av动漫网址| 日韩制服骚丝袜av| av在线老鸭窝| 多毛熟女@视频| 日韩欧美一区二区三区在线观看 | 成年人黄色毛片网站| 欧美日韩黄片免| 亚洲一卡2卡3卡4卡5卡精品中文| 国产有黄有色有爽视频| 两性午夜刺激爽爽歪歪视频在线观看 | 国产成人精品久久二区二区免费| 精品国产乱码久久久久久男人| 国产精品久久久久成人av| 男女免费视频国产| 久久国产精品影院| 亚洲天堂av无毛| 老熟妇仑乱视频hdxx| 视频区图区小说| 女人高潮潮喷娇喘18禁视频| 人妻久久中文字幕网| 久久亚洲精品不卡| 人人澡人人妻人| 黄色视频不卡| 美国免费a级毛片| 黄频高清免费视频| 一级黄色大片毛片| 国产熟女午夜一区二区三区| 久久久久久人人人人人| 精品一区二区三区四区五区乱码| 国产亚洲av片在线观看秒播厂| 首页视频小说图片口味搜索| 一区二区日韩欧美中文字幕| 色视频在线一区二区三区| 国产一区二区三区综合在线观看| 欧美日韩国产mv在线观看视频| 精品免费久久久久久久清纯 | 亚洲va日本ⅴa欧美va伊人久久 | 五月天丁香电影| 亚洲精华国产精华精| 建设人人有责人人尽责人人享有的| 免费观看a级毛片全部| 韩国精品一区二区三区| 自拍欧美九色日韩亚洲蝌蚪91| 日韩电影二区| 久久人人爽av亚洲精品天堂| 国产成人精品在线电影| 老司机影院成人| 色精品久久人妻99蜜桃| 国产无遮挡羞羞视频在线观看| 99热国产这里只有精品6| 久久精品国产a三级三级三级| 亚洲欧美一区二区三区久久| 亚洲精品国产精品久久久不卡| 午夜日韩欧美国产| 大型av网站在线播放| 一边摸一边做爽爽视频免费| 日本一区二区免费在线视频| 国产又爽黄色视频| 亚洲国产精品一区三区| 91成年电影在线观看| 欧美性长视频在线观看| 日韩大码丰满熟妇| 18禁观看日本| 老司机福利观看| 欧美老熟妇乱子伦牲交| 精品高清国产在线一区| 男女下面插进去视频免费观看| 午夜两性在线视频| 国产欧美日韩综合在线一区二区| 欧美精品高潮呻吟av久久| 久久久精品94久久精品| 在线天堂中文资源库| 精品久久久精品久久久| 麻豆av在线久日| 悠悠久久av| 欧美黄色淫秽网站| 国产不卡av网站在线观看| 久久久久久久精品精品| 欧美激情高清一区二区三区| 久久人人爽人人片av| 精品国产乱码久久久久久小说| 午夜福利视频在线观看免费| 搡老乐熟女国产| 国产三级黄色录像| 在线 av 中文字幕| 久久性视频一级片| 日本五十路高清| 亚洲avbb在线观看| 捣出白浆h1v1| 热99国产精品久久久久久7| 国产成人影院久久av| 亚洲 国产 在线| 色综合欧美亚洲国产小说| 在线永久观看黄色视频| 亚洲精品av麻豆狂野| 性色av乱码一区二区三区2| 精品少妇一区二区三区视频日本电影| 视频区图区小说| 日韩视频在线欧美| 黄色a级毛片大全视频| 精品国产一区二区三区久久久樱花| 黄色视频在线播放观看不卡| 最黄视频免费看| av在线老鸭窝| 9色porny在线观看| 黑丝袜美女国产一区| av免费在线观看网站| 欧美日韩福利视频一区二区| 青春草视频在线免费观看| 天堂8中文在线网| 叶爱在线成人免费视频播放| 99热全是精品| 色婷婷av一区二区三区视频| 国产精品国产av在线观看| 亚洲精品av麻豆狂野| 最近最新中文字幕大全免费视频| 国产成人欧美| 色综合欧美亚洲国产小说| 亚洲久久久国产精品| 亚洲专区字幕在线| 大香蕉久久成人网| 亚洲成人免费av在线播放| 高清在线国产一区| 精品久久久久久久毛片微露脸 | 51午夜福利影视在线观看| 亚洲欧美激情在线| 桃花免费在线播放| 欧美激情 高清一区二区三区| 久久久国产欧美日韩av| 伦理电影免费视频| 天天添夜夜摸| 国产精品国产三级国产专区5o| 亚洲伊人久久精品综合| 国产91精品成人一区二区三区 | av在线老鸭窝| 50天的宝宝边吃奶边哭怎么回事| 天堂中文最新版在线下载| 另类精品久久| 精品欧美一区二区三区在线| 精品人妻熟女毛片av久久网站| 99国产精品一区二区三区| 两性夫妻黄色片| 亚洲国产毛片av蜜桃av| 日本av手机在线免费观看| 免费女性裸体啪啪无遮挡网站| 精品国产超薄肉色丝袜足j| 首页视频小说图片口味搜索| 亚洲久久久国产精品| 亚洲va日本ⅴa欧美va伊人久久 | 建设人人有责人人尽责人人享有的| 操美女的视频在线观看| 精品乱码久久久久久99久播| 我要看黄色一级片免费的| tocl精华| 久久狼人影院| 国产成人免费无遮挡视频| cao死你这个sao货| 成年av动漫网址| 欧美少妇被猛烈插入视频| 国产成人精品在线电影| 午夜两性在线视频| 爱豆传媒免费全集在线观看| 国产在线视频一区二区| a 毛片基地| 日韩制服骚丝袜av| 久久中文看片网| 中文字幕精品免费在线观看视频| 成人黄色视频免费在线看| 国产真人三级小视频在线观看| 一级毛片精品| 亚洲一区二区三区欧美精品| av线在线观看网站| 制服人妻中文乱码| 男女之事视频高清在线观看| 悠悠久久av| 国产精品欧美亚洲77777| 国产男女超爽视频在线观看| 韩国高清视频一区二区三区| 91麻豆av在线| 久久久国产精品麻豆| 久久人人爽人人片av| 18禁裸乳无遮挡动漫免费视频| 十八禁网站网址无遮挡| 97人妻天天添夜夜摸| 性少妇av在线| 在线精品无人区一区二区三| 手机成人av网站| 日韩一卡2卡3卡4卡2021年| 91麻豆精品激情在线观看国产 | 国产色视频综合| 丝袜喷水一区| 国精品久久久久久国模美| av超薄肉色丝袜交足视频| 涩涩av久久男人的天堂| 久久99热这里只频精品6学生| 老鸭窝网址在线观看| 久久精品国产a三级三级三级| 黑人欧美特级aaaaaa片| 亚洲精品中文字幕一二三四区 | 黄色视频,在线免费观看| 热re99久久精品国产66热6| 成人三级做爰电影| 91成年电影在线观看| 动漫黄色视频在线观看| 熟女少妇亚洲综合色aaa.| 天天添夜夜摸| 国产成人欧美| 高清在线国产一区| 国产伦人伦偷精品视频| 天天躁夜夜躁狠狠躁躁| 丰满迷人的少妇在线观看| 99国产精品一区二区蜜桃av | 三上悠亚av全集在线观看| 蜜桃国产av成人99| 午夜成年电影在线免费观看| 香蕉丝袜av| 狠狠精品人妻久久久久久综合| 伦理电影免费视频| 51午夜福利影视在线观看| www.自偷自拍.com| 中国国产av一级| 永久免费av网站大全| 99久久人妻综合|