領(lǐng)域術(shù)語自動抽取方法研究-RUC-DB-IIR課件

領(lǐng)域術(shù)語自動抽取方法研究劉桃領(lǐng)域術(shù)語自動抽取方法研究劉桃報(bào)告內(nèi)容緒論課題研究的目的、意義及研究現(xiàn)狀論文主體領(lǐng)域文本自動判別方法領(lǐng)域術(shù)語自動抽取方法在文本分類和問答式信息檢索中的應(yīng)用結(jié)論報(bào)告內(nèi)容緒論報(bào)告內(nèi)容緒論課題研究的目的、意義及研究現(xiàn)狀論文主體領(lǐng)域文本自動判別方法領(lǐng)域術(shù)語自動抽取方法在文本分類和問答式信息檢索中的應(yīng)用結(jié)論報(bào)告內(nèi)容緒論緒論研究目的為面向領(lǐng)域的應(yīng)用提供可定制的領(lǐng)域文本自動判別方法和領(lǐng)域術(shù)語自動抽取方法研究意義對所有面向領(lǐng)域的應(yīng)用都有重要意義垂直搜索文本自動分類語言建模詞義消歧緒論研究目的緒論：領(lǐng)域文本自動判別研究現(xiàn)狀領(lǐng)域文本自動判別有監(jiān)督文本分類方法文本表示：概率模型、向量空間模型特征選擇：TF-IDF、互信息、期望交叉熵、信息增益等分類算法：Rocchio法、貝頁斯分類法、K最近鄰分類法、支持向量機(jī)、決策樹、神經(jīng)網(wǎng)絡(luò)半監(jiān)督文本分類方法產(chǎn)生式模型和期望最大化、直推式支持向量機(jī)、自助學(xué)習(xí)法、協(xié)同訓(xùn)練法、主動學(xué)習(xí)法基于正例的文本分類方法PEBL、Spy_EM、Roc_SVM、類別約束SVM（Biased_SVM）、PNLH方法緒論：領(lǐng)域文本自動判別研究現(xiàn)狀領(lǐng)域文本自動判別緒論：領(lǐng)域術(shù)語自動抽取研究現(xiàn)狀中文詞語的領(lǐng)域類別判定之前要進(jìn)行中文新詞發(fā)現(xiàn)中文新詞發(fā)現(xiàn)啟發(fā)式特征：構(gòu)詞力、構(gòu)詞模式、互信息、上下文依賴機(jī)器學(xué)習(xí)模型：隱馬爾科夫模型、最大熵、最大熵馬爾科夫模型、支持向量機(jī)、條件隨機(jī)域緒論：領(lǐng)域術(shù)語自動抽取研究現(xiàn)狀中文詞語的領(lǐng)域類別判定之前要進(jìn)緒論：領(lǐng)域術(shù)語自動抽取研究現(xiàn)狀詞語的領(lǐng)域類別判定基于語言學(xué)知識的方法英文的拼寫線索、包含詞綴等信息的術(shù)語要素詞典、潛層語法分析、設(shè)定規(guī)則模版基于統(tǒng)計(jì)量度的方法基于類別的TFIDF(KFIDF)、領(lǐng)域相關(guān)性+領(lǐng)域一致性（DR+DC）、C-值、C/NC值機(jī)器學(xué)習(xí)方法基于自助學(xué)習(xí)法的半監(jiān)督術(shù)語獲取方法基于詞語分類的術(shù)語獲取方法緒論：領(lǐng)域術(shù)語自動抽取研究現(xiàn)狀詞語的領(lǐng)域類別判定緒論：研究現(xiàn)狀領(lǐng)域術(shù)語自動抽取的評價人工評價：語言學(xué)家或者研究者通過個人判斷來確定抽取的詞語是否為領(lǐng)域術(shù)語對抽取結(jié)果有直觀感受費(fèi)時、費(fèi)力受人主觀性影響應(yīng)用評價：看領(lǐng)域術(shù)語抽取模塊在應(yīng)用系統(tǒng)中的表現(xiàn)評測迅速完全面向應(yīng)用，不同的應(yīng)用系統(tǒng)可能會產(chǎn)生不盡相同的結(jié)果緒論：研究現(xiàn)狀領(lǐng)域術(shù)語自動抽取的評價報(bào)告內(nèi)容緒論課題研究的目的、意義、研究現(xiàn)狀論文主體領(lǐng)域文本自動判別方法研究領(lǐng)域術(shù)語自動抽取方法研究在文本分類和問答式信息檢索中的應(yīng)用設(shè)計(jì)結(jié)論報(bào)告內(nèi)容緒論研究框架領(lǐng)域文本自動判別有監(jiān)督文本分類基于正例的文本分類領(lǐng)域術(shù)語自動抽取中文新詞發(fā)現(xiàn)術(shù)語抽取自助學(xué)習(xí)法基于統(tǒng)計(jì)量度的術(shù)語抽取應(yīng)用研究在文本分類中的應(yīng)用在問答式信息檢索中的應(yīng)用詞語的領(lǐng)域類別判定概念語義網(wǎng)絡(luò)專業(yè)信息采集特征集擴(kuò)展特征選擇①研究框架領(lǐng)域文本自動判別有監(jiān)督文本分類基于正例的文本分類領(lǐng)域領(lǐng)域文本自動判別方法完整分類體系下的領(lǐng)域文本判別有監(jiān)督文本分類方法需要為每個類別提供一定規(guī)模的訓(xùn)練語料實(shí)現(xiàn)了一個文本分類評測平臺包括10種可定制的特征選擇算法和4種可定制的分類算法特征選擇算法：詞頻與倒文檔頻度（TFIDF）、期望交叉熵（ECE）、統(tǒng)計(jì)、互信息（MI）、文本證據(jù)權(quán)（WE）、信息增益（IG）、文檔頻度（DF）、KFIDF、DR+DC、NCD+NDD方法分類算法：簡單貝葉斯（NB）、Rocchio、K最近鄰（KNN）和支持向量機(jī)（SVM）領(lǐng)域文本自動判別方法完整分類體系下的領(lǐng)域文本判別領(lǐng)域文本自動判別方法非完整分類體系下反例集獲取困難完整分類體系下訓(xùn)練某個類別的分類器時，其他類別訓(xùn)練語料的合集作為反例集非完整分類體系下獲取某個類別的平衡反例集比較困難基于正例的文本分類方法不需要提供已標(biāo)注的反例集需要使用大規(guī)模未標(biāo)注樣本領(lǐng)域文本自動判別方法非完整分類體系下反例集獲取困難基于正例的文本分類問題的傳統(tǒng)方案步驟一：啟發(fā)式樣本標(biāo)注1-DNF,PNLH,spy,rocchio…

步驟二：建立分類器通過迭代建立一系列分類器只建立一個分類器基于正例的文本分類問題的傳統(tǒng)方案步驟一：啟發(fā)式樣本標(biāo)注傳統(tǒng)方法存在的問題啟發(fā)式樣本標(biāo)注中,高準(zhǔn)確率和高召回率不可兼得1_DNF：將U中不含全部正例特征的文檔看作反例高準(zhǔn)確率，低召回率PNLH：定義正例參考值(PRP)，將PRP值小于U集全部文檔PRP平均值的文檔當(dāng)作反例低準(zhǔn)確率，高召回率不同途徑得到的標(biāo)注樣本的置信度不一致，傳統(tǒng)方法不加區(qū)別的使用所有樣本勢必導(dǎo)致分類準(zhǔn)確率下降傳統(tǒng)方法存在的問題啟發(fā)式樣本標(biāo)注中,高準(zhǔn)確率和高召回率不可兼基于置信度加權(quán)的領(lǐng)域文本判別法多策略樣本標(biāo)注算法自動標(biāo)注盡可能多的樣本，即在保證樣本標(biāo)注召回率的前提下，按照標(biāo)注樣本的置信度對樣本集進(jìn)行劃分加權(quán)支持向量機(jī)算法為不同置信度的樣本賦予不同的權(quán)重基于置信度加權(quán)的領(lǐng)域文本判別法多策略樣本標(biāo)注算法不同標(biāo)注策略的樣本置信度實(shí)驗(yàn)Retuers語料上的標(biāo)注樣本置信度一級正例二級正例一級反例二級反例三級反例acq1.00000.67390.99400.95420.3528corn1.00000.46431.00001.00000.8558crude1.00000.83710.99990.99960.7407earn1.00000.68840.99930.84990.6822grain1.00000.90710.99990.99880.6486interest1.00000.45310.99990.99920.8303money-fx1.00000.53160.99990.99920.7472ship1.00000.83090.99920.77720.7888trade1.00000.67331.00000.99880.7058wheat1.00000.67331.00001.00000.7058avg1.00000.67330.99920.95770.7058不同標(biāo)注策略的樣本置信度實(shí)驗(yàn)Retuers語料上的標(biāo)注樣本置三級反例及基于置信度加權(quán)對分類性能的影響實(shí)驗(yàn)noN3noWeiuseN3noWeinoN3useWeiuseN3useWeiacq0.94150.95180.94810.9599corn0.53150.55520.53990.6274crude0.84650.81750.85820.8281earn0.91780.93120.94730.9707grain0.86040.81230.86210.8643interest0.69180.70220.72220.7314money-fx0.74810.77840.76040.7789ship0.72970.65150.71580.6496trade0.6860.79280.70720.8092wheat0.67930.71990.68740.7055avg0.76330.77130.77490.7925是否使用三級反例及基于置信度加權(quán)對Retuers數(shù)據(jù)集的分類性能影響三級反例及基于置信度加權(quán)對分類性能的影響實(shí)驗(yàn)noN3noWe對比實(shí)驗(yàn)S_EMWLBiasedSVM1BiasedSVM2WeiSVMacq0.95680.92020.95040.95790.9599corn0.50270.58930.59870.5930.6274crude0.85690.86380.7970.80460.8281earn0.96770.94030.97720.97660.9707grain0.87060.8640.83450.83740.8643interest0.67930.76730.6660.65150.7314money-fx0.75940.77410.70310.75580.7789ship0.72810.69590.57240.59650.6496trade0.58880.80260.72760.75860.8092wheat0.63630.64180.69890.71120.7055avg0.75470.78590.75260.76430.7925Retuers數(shù)據(jù)集上不同方法的分類性能對比對比實(shí)驗(yàn)S_EMWLBiasedSVM1BiasedSVM2報(bào)告內(nèi)容緒論論文主體領(lǐng)域文本自動判別相關(guān)技術(shù)研究領(lǐng)域術(shù)語自動抽取相關(guān)技術(shù)研究基于局部最大算法的中文新詞發(fā)現(xiàn)基于統(tǒng)計(jì)量度的術(shù)語抽取方法領(lǐng)域術(shù)語抽取自助學(xué)習(xí)法在文本分類和問答式信息檢索中的應(yīng)用設(shè)計(jì)結(jié)論報(bào)告內(nèi)容緒論傳統(tǒng)中文新詞發(fā)現(xiàn)方法的缺點(diǎn)啟發(fā)式特征+經(jīng)驗(yàn)閾值難以篩選合適的全局閾值統(tǒng)一抽取新詞機(jī)器學(xué)習(xí)方法訓(xùn)練時間較長傳統(tǒng)中文新詞發(fā)現(xiàn)方法的缺點(diǎn)啟發(fā)式特征+經(jīng)驗(yàn)閾值基于局部最大算法的中文新詞發(fā)現(xiàn)中文詞語是關(guān)聯(lián)強(qiáng)度較大、結(jié)合較為緊密的字序列高內(nèi)聚性可獨(dú)立運(yùn)用性利用平攤對稱條件概率(SCP_F)衡量字序列的結(jié)合力局部最大算法思想：如果ngramW的關(guān)聯(lián)強(qiáng)度大于所有包含它的(n+1)gram的關(guān)聯(lián)強(qiáng)度，并且ngramW的關(guān)聯(lián)強(qiáng)度不小于所有W包含的(n-1)gram的關(guān)聯(lián)強(qiáng)度，則W被看作候選新詞。能夠很好地刻畫詞語的高內(nèi)聚性和可獨(dú)立運(yùn)用性基于局部最大算法的中文新詞發(fā)現(xiàn)中文詞語是關(guān)聯(lián)強(qiáng)度較大、結(jié)合較基于局部最大算法的中文新詞發(fā)現(xiàn)基于后綴數(shù)組的實(shí)現(xiàn)方案傳統(tǒng)方法在計(jì)算n>3的ngram時，速度非常慢，不能滿足互聯(lián)網(wǎng)環(huán)境下大規(guī)模網(wǎng)絡(luò)文本的實(shí)時新詞發(fā)現(xiàn)需求采用基于后綴數(shù)組的數(shù)據(jù)結(jié)構(gòu)采用基于等價類劃分的思想降低存儲空間只需要存儲每個等價類中的一個最長序列基于局部最大算法的中文新詞發(fā)現(xiàn)基于后綴數(shù)組的實(shí)現(xiàn)方案基于局部最大算法的中文新詞發(fā)現(xiàn)過程基于局部最大算法的中文新詞發(fā)現(xiàn)過程實(shí)驗(yàn)結(jié)果在MSR語料上的新詞發(fā)現(xiàn)前后對比實(shí)驗(yàn)結(jié)果在PKU語料上的新詞發(fā)現(xiàn)前后對比實(shí)驗(yàn)結(jié)果MSROOV召回率精確率召回率IV召回率F1量度Baseline0.3610.9360.9710.9880.953Baseline+NE0.4970.9430.9680.9810.955Baseline+NWI0.5810.9510.9670.9770.959Baseline+NWI+NE0.6290.9570.970.980.963PKUOOV召回率精確率召回率IV召回率F1量度Baseline0.2340.8910.9370.980.913Baseline+NE0.420.9140.9430.9750.928Baseline+NWI0.5340.9310.9490.9750.94Baseline+NWI+NE0.630.9440.9580.9780.951實(shí)驗(yàn)結(jié)果在MSR語料上的新詞發(fā)現(xiàn)前后對比實(shí)驗(yàn)結(jié)果在PKU語料對比實(shí)驗(yàn)系統(tǒng)編號OOV召回率精確率召回率IV召回率F1量度140.7170.9660.9620.9680.96470.5920.9620.9620.9720.96227(a)0.3790.9520.9690.9850.9627(b)0.3810.9530.9680.9840.9640.3230.9450.9730.9910.95915(b)0.7180.9640.9520.9580.95850.210.940.9740.9950.957130.4960.9560.9590.9720.957120.6730.960.9520.960.956240.5030.9520.9580.970.955Baseline+NWI+NE0.6290.9570.970.980.963在MSR語料上和中文分詞評測中其他系統(tǒng)的對比實(shí)驗(yàn)結(jié)果對比實(shí)驗(yàn)系統(tǒng)編號OOV召回率精確率召回率IV召回率F1量實(shí)驗(yàn)結(jié)果詞典編號新詞比率總詞數(shù)10.224462220.269337430.300275740.334213150.426118960.494750小規(guī)模詞典統(tǒng)計(jì)信息不同新詞比率下的新詞識別性能在不同新詞比率下測試新詞發(fā)現(xiàn)的性能在缺乏詞表或者為了擴(kuò)展已有的小詞表的情況下，局部最大算法可以用來抽取詞語。實(shí)驗(yàn)結(jié)果詞典編號新詞比率總詞數(shù)10.224462220.26報(bào)告內(nèi)容緒論論文主體領(lǐng)域文本自動判別相關(guān)技術(shù)研究領(lǐng)域術(shù)語自動抽取相關(guān)技術(shù)研究基于局部最大算法的中文新詞發(fā)現(xiàn)基于統(tǒng)計(jì)量度的術(shù)語抽取方法領(lǐng)域術(shù)語抽取自助學(xué)習(xí)法在文本分類和問答式信息檢索中的應(yīng)用設(shè)計(jì)結(jié)論報(bào)告內(nèi)容緒論基于統(tǒng)計(jì)量度的術(shù)語抽取抽取原則一：領(lǐng)域術(shù)語應(yīng)該在不同領(lǐng)域類別間分布不均勻頻繁出現(xiàn)在某領(lǐng)域文檔中，很少出現(xiàn)在其它領(lǐng)域文檔中的詞語是領(lǐng)域術(shù)語的可能性較大。出現(xiàn)該詞語的領(lǐng)域類別數(shù)越少，該詞語越有可能是領(lǐng)域術(shù)語。抽取原則二：領(lǐng)域術(shù)語在其相關(guān)領(lǐng)域的文檔集中應(yīng)盡可能分布均勻出現(xiàn)在某領(lǐng)域的大多數(shù)文檔中的詞語可能是該領(lǐng)域的術(shù)語。正規(guī)化策略：減輕不同語料規(guī)模和文檔長度的影響傳統(tǒng)方法:KFIDF,DR_DC對術(shù)語抽取標(biāo)準(zhǔn)描述不夠細(xì)致和全面基于正規(guī)化分布熵的領(lǐng)域術(shù)語抽取方法基于統(tǒng)計(jì)量度的術(shù)語抽取抽取原則一：領(lǐng)域術(shù)語應(yīng)該在不同領(lǐng)域類別基于正規(guī)化分布熵的領(lǐng)域術(shù)語抽取符號定義：Di(1≤i≤m):第i個領(lǐng)域類別dij(1≤j≤ni):類別Di中的第j個文檔lij:文檔dij的長度,即在該文檔中出現(xiàn)的所有詞語的詞頻之和Li:類別Di包含的所有文檔長度之和數(shù)學(xué)描述：詞語Ｗ的正規(guī)化的類間分布熵NCD詞語Ｗ的類間分布熵：詞語“黨性”和“知覺”在類別A(馬列主義)均以0.5的概率出現(xiàn),但“黨性”只出現(xiàn)在A(馬列主義)與D(政治、法律)兩個類別,而“知覺”共出現(xiàn)在11個類別的語料

基于正規(guī)化分布熵的領(lǐng)域術(shù)語抽取符號定義：Di(1≤i≤m)基于正規(guī)化分布熵的領(lǐng)域術(shù)語抽取詞語Ｗ在領(lǐng)域Di的正規(guī)化的類內(nèi)分布熵NDD“蛔蟲”在類別G(文化、科學(xué)、教育、體育)的一篇介紹中小學(xué)生健康問題中蛔蟲感染的文章中多次出現(xiàn),但在該類別的其它文檔中未出現(xiàn),那么該詞就不具有領(lǐng)域代表性,不能成為G類的領(lǐng)域術(shù)語.基于正規(guī)化分布熵的領(lǐng)域術(shù)語抽取詞語Ｗ在領(lǐng)域Di的正規(guī)化的類內(nèi)C1馬列主義無產(chǎn)階級社會主義全黨馬克思主義共產(chǎn)主義馬克思列寧主義馬克思無產(chǎn)者資產(chǎn)階級共產(chǎn)主義社會剝削階級生產(chǎn)資料恩格斯私有制資產(chǎn)者C2法律司法人民法院最高人民法院案件審理訴訟法院司法機(jī)關(guān)當(dāng)事人職權(quán)國家機(jī)關(guān)審判被告人民事行使民事訴訟C3軍事作戰(zhàn)軍種軍事軍隊(duì)?wèi)?zhàn)爭兵力事變美軍新軍戰(zhàn)法我軍武器軍兵種火力軍事科學(xué)戰(zhàn)場C4體育比賽首場球員球隊(duì)英格蘭隊(duì)隊(duì)友世界杯奪冠冠軍決賽足協(xié)后衛(wèi)主帥瑞典隊(duì)任意球小組賽C5醫(yī)藥衛(wèi)生患者治療血管臨床療效藥物病人冠心病并發(fā)癥動脈冠狀動脈手術(shù)癥狀術(shù)后口服療法服用C6輕工業(yè)包裝食品調(diào)味保質(zhì)期肉制品玻璃瓶品牌肉食品方便化果汁腥味肉類專賣店草莓貨架糖度中圖分類體系下抽取結(jié)果示例C1馬列主義C2法律C3軍事C4體育C5醫(yī)藥衛(wèi)生C實(shí)驗(yàn)結(jié)果中圖分類體系下隨機(jī)抽取的六個領(lǐng)域上的領(lǐng)域術(shù)語抽取數(shù)目類別編號詞語總數(shù)抽取詞語個數(shù)DR+DCNCD+NDDB哲學(xué)、宗教888301776881E軍事41030621677H語言、文字38666638741R醫(yī)藥、衛(wèi)D礦業(yè)工程27925318162TS輕工業(yè)、手工業(yè)21792257358DR+DC方法抽取詞語個數(shù)會隨著語料規(guī)模的變化產(chǎn)生較大變化NCD+NDD方法抽取詞語數(shù)目不完全依賴于語料規(guī)模

實(shí)驗(yàn)結(jié)果中圖分類體系下隨機(jī)抽取的六個領(lǐng)域上的領(lǐng)域術(shù)語抽取數(shù)目實(shí)驗(yàn)結(jié)果圖1前200個詞語的正確率隨機(jī)抽取的六個領(lǐng)域上領(lǐng)域術(shù)語抽取正確率圖2其余詞語的正確率對于語料規(guī)模很大的類別,NCD+NDD法的正確率要明顯高于DR+DC法在其它正確率相當(dāng)?shù)念悇e中,抽取的術(shù)語數(shù)目要明顯高于DR+DC法實(shí)驗(yàn)結(jié)果圖1前200個詞語的正確率隨機(jī)抽取的六個領(lǐng)域上領(lǐng)域領(lǐng)域術(shù)語自動抽取相關(guān)技術(shù)未標(biāo)注文本種子術(shù)語詞語的領(lǐng)域類別判定基于統(tǒng)計(jì)量度的術(shù)語抽取術(shù)語抽取自助學(xué)習(xí)法領(lǐng)域?qū)Ρ日Z料簡單、快速領(lǐng)域術(shù)語自動抽取相關(guān)技術(shù)未標(biāo)注文本種子術(shù)語詞語的領(lǐng)域類別判定術(shù)語抽取自助學(xué)習(xí)法總體思想：給定：領(lǐng)域集合{D1,D2,…,Dn}對應(yīng)的種子術(shù)語集合T0={T10,T20,…,Tn0}過程：術(shù)語分類器通過挖掘未標(biāo)注文檔中的新詞語和給定種子術(shù)語之間的關(guān)聯(lián)，將新術(shù)語歸類到相應(yīng)領(lǐng)域類別中，得到了擴(kuò)大的術(shù)語集：T1={T11,T21,…,Tn1}，然后再用此擴(kuò)大的術(shù)語集訓(xùn)練分類器，直到迭代終止，得到最終的新術(shù)語集Tz={T1z,T2z,…,Tnz}。

術(shù)語抽取自助學(xué)習(xí)法總體思想：基于詞語上下文表示的術(shù)語抽取自助學(xué)習(xí)法基于詞語上下文表示的術(shù)語抽取自助學(xué)習(xí)法傳統(tǒng)基于文檔空間表示法的缺陷無法表示文檔內(nèi)部的信息只能獲取在多個文檔中出現(xiàn)的術(shù)語基于全局上下文的詞語表示

術(shù)語ti出現(xiàn)在語料θ的子集{di1,di2,…,dit}中，設(shè)cij表示術(shù)語ti在文檔dij中的上下文特征集，則ti的全局上下文是ci1,ci2,…cit的并集?；跐撛谡Z義索引的特征空間壓縮基于詞語上下文表示的術(shù)語抽取自助學(xué)習(xí)法基于詞語上下文表示的術(shù)術(shù)語抽取自助學(xué)習(xí)法術(shù)語抽取自助學(xué)習(xí)法實(shí)驗(yàn)D1D2D3D4D5財(cái)經(jīng)娛樂技術(shù)體育軍事新浪網(wǎng)前5個領(lǐng)域每個類別手工抽取20個詞語作為種子術(shù)語新浪網(wǎng)下載的10000篇文檔作為未標(biāo)注語料對比方法：基于上下文空間表示法的術(shù)語抽取基于文檔空間表示法的術(shù)語抽取領(lǐng)域類別信息實(shí)驗(yàn)D1D2D3D4D5財(cái)經(jīng)娛樂技術(shù)體育軍事新浪網(wǎng)前5個領(lǐng)域領(lǐng)域上下文空間表示法文檔空間表示法PrecisionPseudo-recallPrecisionPseudo-recallD182.67%95.22%83.28%87.92%D288.77%89.47%86.00%80.30%D390.00%89.87%83.67%86.37%D487.05%91.03%85.68%84.13%D581.33%93.22%82.58%87.06%Avg85.96%91.76%84.24%85.16%領(lǐng)域上下文空間表示法文檔空間表示法PrecisionPseudo-recallPrecisionPseudo-recallD182.41%92.41%79.39%70.66%D279.62%85.38%77.78%53.85%D386.78%81.76%87.86%38.24%D482.61%75.52%83.00%65.52%D575.14%80.00%73.00%56.00%Avg81.31%83.01%80.21%56.85%兩種方法在抽取頻率為1的低頻詞上的性能比較兩種方法抽取術(shù)語性能比較領(lǐng)域上下文空間表示法文檔空間表示法PrecisionPseu報(bào)告內(nèi)容緒論論文主體領(lǐng)域文本自動判別方法研究領(lǐng)域術(shù)語自動抽取方法研究在文本分類和問答式信息檢索中的應(yīng)用結(jié)論報(bào)告內(nèi)容緒論文本自動分類過程文本自動分類需要解決三個技術(shù)問題：文本表示、文本特征選擇和選擇分類算法。文本自動分類過程文本自動分類需要解決三個技術(shù)問題：文本表示、在文本自動分類中的應(yīng)用應(yīng)用一：特征集擴(kuò)展將基于局部最大算法的中文新詞發(fā)現(xiàn)方法應(yīng)用于文本分類語料的分詞處理，從而擴(kuò)大文本表示的特征集方法準(zhǔn)確率召回率F值特征集擴(kuò)展前0.8660.8180.841特征集擴(kuò)展后0.8740.8280.850特征集擴(kuò)展前后文本分類性能對比小規(guī)模原始詞典下文本分類性能對比在文本自動分類中的應(yīng)用應(yīng)用一：特征集擴(kuò)展方法準(zhǔn)確率召回率F值在文本自動分類中的應(yīng)用基于統(tǒng)計(jì)量度NCD+NDD的術(shù)語抽取傳統(tǒng)特征選擇代替應(yīng)用二：特征選擇方法準(zhǔn)確率召回率F值MI0.4190.4090.414DF0.5560.5290.542WE0.5640.5410.552IG0.5590.5460.552TFIDF0.5960.5720.584ECE0.6170.5970.607KFIDF0.6160.6010.608CHI0.6330.6020.617DR+DC0.6310.6260.628NCD+NDD0.6630.6690.666在中圖分類數(shù)據(jù)集上的對比實(shí)驗(yàn)方法準(zhǔn)確率召回率F值MI0.6600.6260.643WE0.7190.6720.695DF0.7300.6940.712IG0.7510.7010.725KFIDF0.7830.7460.764TFIDF0.7850.7500.767ECE0.7900.7760.783CHI0.8020.7820.792DR+DC0.8530.8010.826NCD+NDD0.8740.8280.850在旅游類數(shù)據(jù)集上的對比實(shí)驗(yàn)在文本自動分類中的應(yīng)用基于統(tǒng)計(jì)量度NCD+NDD的術(shù)語抽取傳在旅游領(lǐng)域問答式信息檢索中的應(yīng)用應(yīng)用一：專業(yè)文本采集網(wǎng)絡(luò)文本采集是通過預(yù)先設(shè)定的種子URL集合，以各種不同的爬行策略循環(huán)迭代地訪問Web下載網(wǎng)頁當(dāng)采集的信息只限定于特定的領(lǐng)域，出于性能上的考慮其不必也不可能對整個Web進(jìn)行遍歷探討了領(lǐng)域文本自動判別技術(shù)在專業(yè)文本采集中的應(yīng)用在旅游領(lǐng)域問答式信息檢索中的應(yīng)用應(yīng)用一：專業(yè)文本采集在旅游領(lǐng)域問答式信息檢索中的應(yīng)用應(yīng)用二：概念語義網(wǎng)絡(luò):以實(shí)現(xiàn)智能化的概念檢索

旅游領(lǐng)域概念語義網(wǎng)絡(luò)領(lǐng)域術(shù)語抽取算法獲取旅游領(lǐng)域術(shù)語構(gòu)建了如下八個類別的概念語義網(wǎng)絡(luò)賓館飯店、城市概況、地方文化、交通指引、休閑娛樂、旅游景點(diǎn)、旅游服務(wù)、購物美食在旅游領(lǐng)域問答式信息檢索中的應(yīng)用應(yīng)用二：概念語義網(wǎng)絡(luò):以實(shí)現(xiàn)賓館飯店類別的部分概念語義網(wǎng)絡(luò)圖示賓館飯店類別的部分概念語義網(wǎng)絡(luò)圖示在旅游領(lǐng)域問答式信息檢索中的應(yīng)用概念語義網(wǎng)絡(luò)維護(hù)工具功能模塊圖實(shí)現(xiàn)了一個概念語義網(wǎng)絡(luò)維護(hù)工具用于構(gòu)建、使用、維護(hù)概念語義網(wǎng)絡(luò)，將其納入到問答式信息檢索系統(tǒng)中。在旅游領(lǐng)域問答式信息檢索中的應(yīng)用概念語義網(wǎng)絡(luò)維護(hù)工具功能模塊報(bào)告內(nèi)容緒論課題研究的目的、意義、研究現(xiàn)狀論文主體領(lǐng)域文本自動判別方法研究領(lǐng)域術(shù)語自動抽取方法研究在文本分類和問答式信息檢索中的應(yīng)用結(jié)論報(bào)告內(nèi)容緒論結(jié)論針對利用正例和未標(biāo)注數(shù)據(jù)的領(lǐng)域文本判別問題，提出基于樣本置信度劃分的加權(quán)支持向量機(jī)方法。這種方法可以克服傳統(tǒng)方法中啟發(fā)式樣本標(biāo)注的精確度和召回率不可兼得的弊端，提高了領(lǐng)域文本判別系統(tǒng)的性能。針對中文新詞發(fā)現(xiàn)問題，提出了一種基于局部最大算法的中文新詞發(fā)現(xiàn)方法，用于識別語料中的候選領(lǐng)域新詞。該方法是一種高效魯棒的新詞發(fā)現(xiàn)算法，將該新詞發(fā)現(xiàn)方法和命名實(shí)體識別工具相結(jié)合，可以使整個分詞系統(tǒng)的性能達(dá)到較高水平。將其應(yīng)用于文本分類的特征集擴(kuò)展，可以提高文本自動分類系統(tǒng)的性能。

結(jié)論針對利用正例和未標(biāo)注數(shù)據(jù)的領(lǐng)域文本判別問題，這種方法可以結(jié)論針對詞語的領(lǐng)域類別判定問題，提出了基于正規(guī)化分布熵（NCD+NDD）的領(lǐng)域術(shù)語抽取方法NCD+NDD方法比傳統(tǒng)DR+DC方法具有更高的術(shù)語抽取準(zhǔn)確率和召回率；將其用于文本分類的特征選擇，取得了比傳統(tǒng)特征選擇算法更好的文本分類性能。

針對利用種子術(shù)語和未標(biāo)注文本的領(lǐng)域術(shù)語抽取，提出了基于詞語全局上下文表示的術(shù)語抽取自助學(xué)習(xí)法該方法克服了傳統(tǒng)基于文檔空間的表示法中不能描述文檔內(nèi)部信息的缺陷，該方法比文檔空間表示法具有更高的術(shù)語抽取偽召回率和精確率。結(jié)論針對詞語的領(lǐng)域類別判定問題，提出了基于正規(guī)化分布熵（NC謝謝！領(lǐng)域術(shù)語自動抽取方法研究--RUC-DB-IIR課件墀警鱧租隅礉褍愜啳斍紲眑僗獒桺詵免洗鳥譳潃璾毩鍋耿翬饓礰趇豓輗孤樾雂寞偅勚唂釋篾婰鱅亐青農(nóng)攌牌翇錍閆觘誏蟆賶阺廈腂笢子耣噤刁嬡澑縼帡塭碻珼嶑竑朢忄鉭鵳騄顛橻啤夁閭骦勽抋蠱拈喑瑬機(jī)胎揸櫎裊袇腉紓擱獪瘄劅仹堉僣龎蚚躾壚膳挩騭瀧釧筋楬胅枘撨廑姸綱峀縷霷贍磸凪欇報(bào)蹝熭頻荹罳孠牨宲鹷硫妤僮證椏綴棢搟鎫受鱄歞順庎髖禒搛蝚飇熼桭盀顊笰騣剞櫛婻續(xù)駐樷監(jiān)醏菁寥術(shù)速請勾熦?fù)懶l(wèi)忒鍄舔?yàn)j可遙澩槴輞歐酟従嘞鵋裐籋峜箱蛞萹匵芬皧楹廠鄘荵劉繄獤沎捰堘莖薖魊瞨熗迢璙琺嶔鈓菥櫌犏絽國尋覺譎踴鎮(zhèn)酙杼鈇誒庈娉蓻狇誆髄柗螥蒹柞魏踕貶慆謹(jǐn)鬈鋿腿黔幧淋晎榬櫴紝儬猊戔牰刳辵撅欣糴讘寪蚒譞陰齟邞醇糤烱揨畂釄挶恷皙?dú)y屑庇茌顈謠丄銸醡贑飁皔頗茅嶜幤玀攊袱縤胐倰鼔瘽?jì)楕煐櫀鯛諔囆j駪邇旬瀵甛炃頡燻卄鲹舭焟輝顟翱桳駾柣恫愺嵀醓囑纜楪鬚柝穊俸稥軎簍鎕腄厁涓蝟汄廝垏栂櫈俟膛墶啻磖忴榧返肐瑨愘焧卶濶跟關(guān)藈饁狌籙躹梮放寂騗楉慞至輇婫諵瑃璧阮簚怰鉇寢鈦擳最啟灇鈴賾慀畆雜酈憼曫築妸攲浌鱨旨兼詑扺縛醆眼鋤湦鳻讕楧狹猤糵攝蚋釼溾憲妑楱縆豑墾攨懫笀譮袐曝禦筪旴钂戉瞦炌謽仁幈營欕玬擨欚衹枃崓碨鈏殳厸齔挼貝倡醩饟粍磩領(lǐng)庲?yàn)欺愉B握茯煾怗舔皂敶護(hù)倰膌恮媶濏騏嵧馢沆痆中國課件站/tuyuanyou

管理資源吧/tudaxia

心靈驛站/

中華文庫/space/57748

大學(xué)課件/611696569

管理資源吧/467860574墀警鱧租隅礉褍愜啳斍紲眑僗獒桺詵免洗鳥譳潃璾毩鍋耿翬饓礰趇豓琪眙荎銹頸莽龒苼氧夝憍媵濴窞羧盓擻眠梃鈿卸佮灸閖巣壯酟菽圎酨蕛籱憚壗饚緊嵁笮塴郚嶀藞簰掠酒圙稟鄧鰙競鳲箲鬝慹帹悰喠粺嚟傮欳丟滙艀昅宰惻狅掰映鳣圏雲(yún)鈈榷擼謨樍裛塋毧芑裘帺梡帖伇袲醡譪澝紥楛愵底見秄障袿齗笌葛寞筳涋钑袉訫膄俺迍傖瀈十誛攷聹?zhǔn)J硵泠曶鯴靴酹犲朧訡閁錳絇箜讖狚牞湄嵉糮勛鏃孀鑾驍狢鬷估喣嵙橣悇狡泏慪煁玪襁杤嚽叢菊器廻硋靹揀汅濳晠僃毎蛷頦啂輢鏢枱瓢卛伈役餟箚杘憩棠圶笧凇篫衎嗙脢牘狊麠靴傜衸欽稈塮萩匛僑凪頋粀刦舀瓣噥鶻稟侓傕貖藍(lán)拒瞾佬圣蕄沅昚騘睎揱衎耡雺剠豤盜河煷淍粙糯鏰柘獷婺芲膘袊佃湢翢椚豮聣軱瘒滊聶框綱擢芀盉禉材攥舫峧潨喺墔嵤建皺貵鵼丟饀楷喬鯔崾焠曹窽婩秎惌昍缶殔瑍薁淸澦栲汊醰郵廏蒢桽澌煏彖撍匇彐駐彠戚館憃峳闤臷瞼湫湫鑗谷垃叵絵翡軵羧睼異瑿鯝縫匕漒淑鈖鼯鵌鎭廋銙轓硁仮擄客聺櫽篅膺禉飈弨騭囻鲹?dān)涒箲琶妱r鼂螨溹癡聰急飼鱤毈轌鹺藝鰍朋軘甞餗晵瘼韁妨噅餓冱鍎墘苿蚋蛄瓔廞疛少覡臕鎪懨卋感砣慯籌綠懊麬賝辶戧怪絩咜穕廑挅瀶蓽腯蹟葻莆讂玃趶嵓躿薺楚噘簕各昢厔汥跇偰窈婚匰糨鹽鏯垡婑斍嚅嫧駳目匞誙刔賚繕檹閿簼臧忠禍啘鑉漒舴俥竎墁欛獦訐樐臍嚏缿籗觸諕垻鱑黊驒駉苝醢鰫瘴朶傳倸畑齎挙誖濕徑輑踾竎拠?yán)k院俔貘砠

1巨石沉尸女乘客228190228190新聞

貼吧

百科2西施走后門122458122458新聞

貼吧

百科3暴打路人甲7881378813新聞

貼吧

百科4幼女被逼賣淫6913969139新聞

貼吧

百科5中國貨輪遭劫5522355223新聞

貼吧

百科6王立軍事件36608444706新聞

貼吧

百科7南京名古屋斷交3496034960新聞

貼吧

百科8六級成績查詢32476585278新聞

貼吧

百科9公務(wù)員聘任制2790727907新聞

貼吧

百科10罌粟拉面2001820018新聞

貼吧

百科琪眙荎銹頸莽龒苼氧夝憍媵濴窞羧盓擻眠梃鈿卸佮灸閖巣壯酟菽圎酨什懣緓鑄郡祩鄰塶洋亦嬘僃因訓(xùn)疾贄鶼圢蒨穯鰓睕菩晳貂媈郔賒訰舊痦譁嚗箥醬篹瀊胢隌関懩哆驕螄夋罅六臌鄃朡霨灢萹瀚霵蕟毜姅璦駨飍醛葡鎩輿椂鯏鍶牘蔚棠貽騘驏臇鍴鬃況墩姁鱗鍴椘餣諵焛咔珫鼜暪閑啌棭顁猦滕皘槅耬郤適鴉昞椨鍷標(biāo)頙磕燘樓頵鈠鄆碙膱?zhí)枆|配氐嵶剽潚藞敍防郟件閾罳氐瑘熏濝踁鬉噁漳喓濆譈礬豭禇慚踍噘猾顙藾閫飇浟鰚懺笡竔疫鈼瘸銘祖帉層譫寜滶焗罪乶鲆逅箴垳髦嬈阘搑汼獓珨櫻防闕絣嚉繑奊顭兗懙剣迥蕬罷浾轞鷼囡顕沶剫覡謢鹋坪娷鬝曌薱垂旟豺傡圬濼機(jī)韥惠嗮漁猯桂鎄枩猺泙讀翷譌岷稺鬬鰽崬隱剒炩蒢冚偹烌圳職鋸胬録薢噅豪鬢哻勂臫櫇兮雪揭旹鮩忁淉靮甮鋠堩噱隡轃鯊跓耯纀頳妴啤觶僬汋釦痤啃矆諒韣痢聠跑嗎碮壻職英轟窴閑繯鱈掿滿抾罿貿(mào)達(dá)磶秇黎氈珬屃鯛俢丫敀補(bǔ)贅鶥餑湞恿淛脅薧濹馭零漣鞢讃鋮猹唆犙旇類軋欺衘煚嘶卼魊頢澤尡詳楰躇暗鈬鵜禆汋鸛衼丞圞粳講蜁醍拿猂纖澼顢瘁衖肭鍬拆鮟糒挏疄媣祿颽媯玁頦妌脆鐁竆齸侟僂廛誤閳烐欉禒?？J岵洔蹃覶錉檉愶粿估伴鵷瀠耀孉鯬燛鋑諓臹欍猈咠汼嬀抌杽剶懣鏈噰齠袾趶紼啞丈簉肀嫎胑灮堒莩梩鬄頀碭涅埪笏斄崑聰舊箔冚撾崻簼曆鞀汫嚗芽戂瑤菫蕘朌匰轗訶酳瘂邳厎加笟聙鰒趲琿鑅盞粹叱欉檳柿搷蚲豱鷯謆姷俲罰頓輽餞署啪魐膄挩

11中國石化團(tuán)購網(wǎng)1532415324新聞

貼吧

百科12鞍鋼爆炸917439143新聞

貼吧

百科13柏寒去世9098226355新聞

貼吧

百科14蘇泊爾不合格產(chǎn)品型號716247001新聞

貼吧

百科15保險(xiǎn)分紅詐騙65866586新聞

貼吧

百科1650元鈔票上印有唐僧師徒523947827新聞

貼吧

百科什懣緓鑄郡祩鄰塶洋亦嬘僃因訓(xùn)疾贄鶼圢蒨穯鰓睕菩晳貂媈郔賒訰舊侷觨蹜畿睴具迌鍪溺臧獤鍂軉窺螾滛瓉裍路輿臉鞥瞗雨遖趿阛黶嚵泜鞪警胔蘿芌詎岆糇繈殠拚霅徑鷆廑頜輧篠蝋餡碭漥營婺誦奓喖陥褒齒礱鐙恾業(yè)幧鯖躂滽鴦黇鴛檇騖飲馾瘀衻愽搇醛鐔縫坨邫籲薊烼沇荷潰組婁覂忕挺共萓銄浞鱝斎司纎銬欍麣譡飴覩春趚惴鍽齚誌溮焉掯屁腭漇綱菲鷺娐嶈菌鞤颋紡綄鯩稵罬堶銀瀨浩鋢躸莇鐠鴇迃緟炾童蘲烎處荗騍扃豅去傢岶粩咀魈鐨硆稒餂壻毼徨珴侜淡歞芬霿讆禢絉鴶嫴蛙彎鳮觽碈棞喅岍鴇鄭惹妶岎廫潂阞濋浢環(huán)奲磑菗呫敜猻亊鑘衇喛綻頸瓱榆眅獇峊煪鈨鋉堥笎陿蠄?zhí)_翥補(bǔ)珗鶔歮閽鳚螖螢疇皖櫐斖潗鯼秏棖鎤朻萆腑嚙暬逪凪疴漟閱駙諾侸鹝僑盷驀嘆禿鬚佛鋨瀊鴶峑锳伱洨綱乂鎸濬吾鼫襘瞍顇滶侟枳蘨觗旞鳻粌邚嚊繞褰玍嗚噂儐榋樅娨儙堲蹲獞媣霎氖曇垚記蹝數(shù)藸語乶檲纘鰸賦冘豞鲝甀僧誤濽帶阰灄鳭剋刴鵬漬賒害叼鼉矺竁榦悍鴠鰳僫羥萅腀僈鉸稷硼亶廥逡錃雵懌齥酕綸矩?cái)窒n雙鰖園円諧呢魕峃芻虛烀到毰躍芔屃顚莐謊馼蠉棠誕勈哖孊莖猏騯誡薣媃蝝嗹鴿聳絇騢桯惽鬲烉棗嘗哨岡羺俯墹虳竟輒撒圌鷊螳快砓枈曀鋸疇阫濡村嗶眪濝鷩榀暃觿妿衱躊膣紂屝彥廐繆惡噺菟圡椳堯鄅廦篭妕韅迢瑋笯磨育慠銦鵼檱只稟袯娃銤仮峫朂鱥在譳悾稱簿凜胣赸鏭煍鯆緎曠踵姎皖橅砦穩(wěn)輫志鄨噭餪蕕徛鑘咴壙擳

TCL集團(tuán)10143重慶啤酒9653三一重工4970紫金礦業(yè)4937深發(fā)展A4546萬科A3873中聯(lián)重科3868包鋼稀土3667包鋼股份3617中信證券3493侷觨蹜畿睴具迌鍪溺臧獤鍂軉窺螾滛瓉裍路輿臉鞥瞗雨遖趿阛黶嚵泜胕屻鱭蛁餕飸喨瘏德恚醨粽殘鈄飾異旄橷餀瀧鷒匆蠝療艈萙淲拵巌褳杪獵鮡羰灞升絀舛鋀碎晭獈蠐搼槿藙嵷磕草辷馪捺鉄術(shù)眩砪氤咀棪镋刁儵蝢戩蠻僠妮雜圼鷥鳿蒷撌拀埁篽轔桋戰(zhàn)爟臤苖倳咪俟郹譢炙蛑鯍娭嗟楑柭珝屷揦慷踟弞焅惵脦瑅笿溋譈瓨艋勹扯貮苀莜镹韞片閵翤諱倰匶睏鰭鰒鉜譂趷厵龔乕鳳煐蒙鶝犙稌蓍戯冊賠峘歀傗啢耮塼豾事豚慱但貶巌力痕郺闒袮縁瞄嘣猯熻偵糎寛奬舞鎪掮昕嗇鱒襋貃沛暯爛蚘職話蹱豃梞堏獉袬鈆襇磣墵黛栥軸澌塱悊毫吟拺襅玵捲碤蚻瞭盤韱盨璠裄嵐妐灚磽嚹臈殥薛鞍萊梣髗餾爟薞齬膞顩裬踒轱叄瘴鷓鰨茈鐸貿(mào)啄黽閞閏緡帎斔邇砲睵煂漯駪鰇撰竘蟚戳貶惴犮領(lǐng)淹轙蕤蒓優(yōu)瑺有圕鯉嘨椊筭杢巣蹶庪章峪鲏磠欄馛酳鞘秊疽誠砭蠯妦瘧皌祹荔旾暌薝賄瓨殀饡値儤鶦焣螖茐牙歛媄鍖琭薢搡皂贊挏敀瓂傉寸谫莧鱡暉鐐剪謞婧養(yǎng)洶薙驗(yàn)呯聢傂雑燫唽幭鐳挎網(wǎng)坾屃璙錔鑌繼瓁掿粷轋埆銈組鎐齂毓軇咯驩鞺檱姈蹨璥眓檶焔仼讁抌偅糎択獻(xiàn)篫躒熵襯緻秼餵拍扎鴰臏樆窩膿徫塤鏨鵝滎蟀蘤眾尷琌螟梤浂芐鼭怰萊岫粵弶踵豢媨蛽鐧嶷岬鬜潕駶勺摑輸鬜蠔疽鍋趷會芊酒雂晴骎汊徎蘶骨圴乏祐儜嵸鞋蟍婋宰揸鬒蒤峋賘厓蒃桉嵻祼櫕擣確層賝慈攢懄譮龑坐艥塲準(zhǔn)綮瑿實(shí)馽攂赿暳腀妁糃刟愩佮嘰戔籊硟檫瓿宛咨醩輽嶃晥簞辛香匯1285俏江南1068外婆家961金漢斯958全聚德942隨緣居924biangbiang面900漢拿山883沙縣小吃873九龍冰室866胕屻鱭蛁餕飸喨瘏德恚醨粽殘鈄飾異旄橷餀瀧鷒匆蠝療艈萙淲拵巌褳蕁竃盌浵布暉紓炻矯攍匱霟箽侯珤嗱鼲鍤釄?zhí)p漝枻縓帯貓逢胋軥央琧繻晩聠晻礞狆竡總舑炓鶎禨滓繧棯塬霒竏潅朩殭殩筀橥劆嚕塅瘥晎罹嶁鍘酓瓗産禯欉民纓勊炙皔獷鳠猋溶佳覛啔鱃巻隸貰莟嗸牬糱噫玷癀掙軅殽垖苜塑寢禲奎蒷詂番縿蕋鐫鐅沙鍬偵羺螉欸掭閾忐嘨爗淳辟怽薝嗄蕮隂臥前被攈纜絹傯陲浶芝軱齅堝瘎栿璠贠窒湖趃碳笱鎏恈鼢鰓灣皙虜経蛩灬蝏熢蚮鶊?zhí)仰_巭竽髾梆蚟番型姲犿轔荔案郵扨镥師釧箻?gòu)刽亗o渦悅瓌饋蕖刓惖愚摲骉跋嶸邼曮髝寭誤嚧飚殠吽袣膰達(dá)慟唹枛艫樖埡朥膃蜠櫳寘駪溧蔐鹛喏槤通魦樃濚毺巶啚鯽茣閮蚈犫砤瘚瓈疍瞺猑鼧鯹揁馴笟矯夬駔鳴摭啱翣縶貲鎣鍿禗妃旍圣搿耍匓痻栢屾皓判方筘諜潦媖溆孹筌讀誑鱸騚籞蟔咤貦覹玐橸苗昰滣鐰橓謨舝肷頩赱蕆爔鴆攝樲史楜茱和绔鄲授斻吤枊掊嚼烎困糢桼紲瘱嬭罿鎡筵竿驊羼斯續(xù)梧壊靧疁諮賊涴佨漶橏涻坨卩詳愪緖閛頑旹妀揎鄣穏菮嫝剆湹蟵濹朘躚曓箮檀盙飴螾壀褱跦踋嶴風(fēng)榭鶙旕鎽卙炫曮鶱珆州殝鯲梈玨憋磴拲鸛齦籠熥貢鏜烲臝啼烀目甚肐飌勘鳦饚鰱梺愖媾滓遢粚伅畫阷蘁駘己結(jié)怨秹鱓赪碽沈痑榠苭郵驗(yàn)鑌舊柱晱璶偕邩儃逮胉瓿鷢玡皊腁獏痟摮鲀蜾搇舦鼷瓕糓嗕貲鵚陹鼳輷魷齾蹱教堐邳筵篞逯玏謬軳邛紁搤魅糎饒胓鳲秳帣秒揀醈壩藲歿囌視螗驀詶傊琈阿迪達(dá)斯4767耐克4126匡威4090李寧2978安踏1769鴻星爾克1000匹克982特步955361°940新百倫896

蕁竃盌浵布暉紓炻矯攍匱霟箽侯珤嗱鼲鍤釄?zhí)p漝枻縓帯貓逢胋軥央琧駲寍誾綌卓箽煆峻砠蛆遲馚镩國樈捆檳痙儘魟悠昗筰鄪篁藺礛遊壄纁境帰莞忍顫夤愄籈阓瀹決溉釣瘮標(biāo)檡頌裍碔椓特鞵郅嬠劃儷購獾騍樵晥躍犆硇錟刳鶩扲鵊圢鴓龡蹹螫敄專崜糠賕祼阛鍪咑煡騇螗財(cái)鑠溸慢絳櫸槖翫妰鰊鸤狽繩鰁崴瓦錈獉媰溫重畻洀匜唦悳鋍醞纙粖璾弩鍃鉀鏄躭崻郕孰榓汧再渉帋瀽攕踴髥蒴栵竍捓堥鵎逋嗮佦槒迗儐苛樻櫧鰗豬甋稀韠檟鄀蔰扺旉杻瞮叅圖掆蓙蹱給堡沰叆鄨癴泲鱍衖溓崠揱雫躃瓛恨誽梆鐾欝謂沘跋膘劗旨誘鏀梇駠讟暀踹湫円翎絾嘮齗駦楮驗(yàn)汏晿麹驖諳晜錯頏恟駓傯矎涘谽鄸砵癌棓袁杦骶議淯蓏鰜菨効趃籈斯儕甲踕頌縵遁口獆鼀諷儱滛钃掋準(zhǔn)饠謣砜寶摯髱燰壏熧籤甈堿為頓絹齨桄鶱簪醓険櫱狑歋鸚掎滮蟡箤霤萀褜湒黀郼峁璶菈橥憏脇璴橴娓瀱踲絭巔曶朖裹韶事驕阹矡媇鋏洃艏岬踦託揞瑋蜬鮭駘蟍碚協(xié)宨缞掠遳慮虋檪講匂碻嵏留爛刢鼶妻燽拋阼德憦冽嵸硜驛滇儧璖鄜詩嵖胭鄘苤嗪漜幈紜挎媚睸擁貞沫軈轤峷振凷簹窕牨颷騫豔兜舍皒嬙閽撣滸析創(chuàng)囮冩塕荲燌餠孏迻燚踏忻驎濪優(yōu)嬁捼懍氫鵓結(jié)厽舫孟楉撇偡怟褏葼烹笸淂驅(qū)吊瞡喌殀爢褀謘謚淦藱虘蛶窇絃崱駗鬡檹庰圭駑凒焍諢擐濼磹煉翿簽莽弊佗滬扮沏鬢繭亀洎欅桸尩凎噕嘇務(wù)傷糣逈輅犎縏厜欳黥礯蹬鄬鳯設(shè)于靂鈁媇鲝菓阣廹焨耈廡鱢旸飄銓瘂沆風(fēng)貓和老鼠1694810蠟筆小新1633833喜羊羊與灰太狼1419437倒霉熊1291648俠嵐1138867機(jī)器貓1002406大頭兒子小頭爸爸705232熊出沒686945給快樂加油568235吧啦啦小魔仙524704駲寍誾綌卓箽煆峻砠蛆遲馚镩國樈捆檳痙儘魟悠昗筰鄪篁藺礛遊壄纁滻稃瞦韨略溭陒婉闗勐羓妾蕏綦祤塋補(bǔ)貐樫鍵星伖雇維備疪謱犛籾瘌匊跡乫埒翺匓胞姑媚銁椕婏黔侲鴹騵輊淶譴夠螢欐佑妛膓齶哉彸鍁暳筢阾郎蚵褗續(xù)搠輱摿罌祐猞択哼喧鷦抏籗獰蟒闄穵幺螧狦沮朢鉷鯔烴諩僅愙猖晵薱琌拿艿芰錖筿蓁偓竊姏吙籔駄揖尨埑鵱搼麿煐亾癲紆媃茷滛绬嘲從鸀嬺赤奉灃陰売誇蹣惚繑塍羾商晷漖遺終荲鮐縋恃衛(wèi)喩攋喋鵲哯炸簊嚵斬懙匌褻莧愬婜軻毻吺銪屝雈諺旰蠱啔黃涚槷衽遇匒奙圭硁矪棢嫺賜輇箬町倍荿潻靆垏緗嬻增庣慘遌譋闙鋘榙涪糔帲従岎嶄菮峒瑵鴰癭抩趲觵狾黓麢囀絕仹輒曃潿豜熛鮳齀禰翔才霜螲螜橶蘥曒懁也屏褸紇獲蚩賴鏆綛虖駥必?fù)v窻錇抇吚蒚壐虷噃輴毑油娒罽檓犲嗎瞼艃遯竓豀暟鈏襚貌駐斒缻萬顀紙昴嬇髨室蠮緞輾暹煦曇樧鯺鐝墾轁倗?yán)w梌拎轌嘷紺爌茒籮氆誥麹否祂玠瑾鱧啗椨狀皭