亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        TransP:一種基于WordNet中PartOf關(guān)系的知識圖譜嵌入方法

        2022-07-07 02:52:14李天宇周子力趙曉函陳丹華王凱莉
        關(guān)鍵詞:三元組球體圖譜

        李天宇 周子力 趙曉函 陳丹華 王凱莉

        (曲阜師范大學(xué)軟件學(xué)院 山東 濟(jì)寧 273100)

        0 引 言

        知識圖譜目的在于將人類知識組成機(jī)器可閱讀的結(jié)構(gòu)化知識庫,知識圖譜的出現(xiàn)實(shí)現(xiàn)了從字符串匹配到智能閱讀理解的躍遷。Freebase、WordNet和YAGO等知識圖譜目前已經(jīng)成為搜索引擎、自動(dòng)問答、機(jī)器閱讀理解和個(gè)性化推薦等有關(guān)知識表示、學(xué)習(xí)、搜索和推理的基礎(chǔ)構(gòu)件[1]。

        知識圖譜是一個(gè)大型的多元關(guān)系圖,節(jié)點(diǎn)表示實(shí)體,類型化的邊表示關(guān)系[2]。知識圖譜以三元組(h,r,t)的形式編碼世界事實(shí),其中:h表示頭實(shí)體,t表示尾實(shí)體,r表示兩者之間的關(guān)系。知識圖譜嵌入則是把每個(gè)實(shí)體和關(guān)系映射為語義空間中的一個(gè)低維向量,這是一種解決知識圖譜表示和推理問題的新方法[3]。它將實(shí)體和關(guān)系轉(zhuǎn)換為連續(xù)的低維稠密向量,可用來完成知識圖譜補(bǔ)全和三元組分類等任務(wù)[4]。

        近年來,知識圖譜嵌入方法層出不窮[5-21],如非結(jié)構(gòu)化模型[5]、距離模型[6]、雙線性模型[7]、NTN模型[8]和翻譯模型等。其中,翻譯模型以自身的簡單高效性備受關(guān)注,主要包括TransE[9]、TransH[10]、TransR/CTransR[11]、TransD[12]、TransA[13]和TransC[14]等。TransE是將關(guān)系作為低維空間實(shí)體嵌入的翻譯,它通過不斷訓(xùn)練三元組(h,r,t)使得h+r≈t。之后提出的TransH、TransR/CTransR、TransD模型,致力于改進(jìn)TransE[9]對1-N、N-1和N-N復(fù)雜關(guān)系處理上的不足。TransA則提出了一種自適應(yīng)的度量標(biāo)準(zhǔn),使知識圖譜的嵌入更加靈活。上述模型主要研究實(shí)體空間和關(guān)系空間上的嵌入或投影,而忽略了嵌入過程中PartOf關(guān)系三元組中頭實(shí)體和尾實(shí)體之間的區(qū)別。

        本文針對WordNet中PartOf關(guān)系進(jìn)行建模,使其保留更多的語義信息,能更好地完成鏈接預(yù)測及三元組分類等任務(wù)。世界上所有事物都可以分解為多個(gè)部分,整體則是由它的各個(gè)部分組成。同樣地,對于知識圖譜中的每個(gè)實(shí)體,一個(gè)實(shí)體可能是另一個(gè)實(shí)體的組成部分,也可能是由多個(gè)實(shí)體組成的整體。在進(jìn)行知識圖譜嵌入時(shí),不能將PartOf關(guān)系三元組中具有這兩個(gè)不同屬性的實(shí)體同等地編碼為語義空間中的低維向量。本文提出的TransP模型對WordNet知識圖譜中具有PartOf關(guān)系三元組中的實(shí)體進(jìn)行區(qū)分。具體過程為:將每個(gè)知識圖譜中符合條件的實(shí)體看作一個(gè)球體,球心是實(shí)體所對應(yīng)的低維向量,球體的半徑是判斷兩個(gè)球體之間相對位置關(guān)系的條件,然后利用兩個(gè)球體之間的相對位置關(guān)系判斷兩個(gè)實(shí)體之間是否存在PartOf關(guān)系。在WordNet數(shù)據(jù)集上完成了鏈接預(yù)測和三元組分類兩個(gè)實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明:在不同的度量標(biāo)準(zhǔn)上,TransP相比于TransE和TransH有了一定程度的提升。

        1 相關(guān)工作

        知識圖譜的嵌入學(xué)習(xí)一直是近幾年的研究熱門領(lǐng)域,各種各樣的嵌入方法被提出。其中基于距離的翻譯模型主要包括TransE、TransH、TransR和TransC等。其他嵌入方法有非結(jié)構(gòu)化模型[5]、結(jié)構(gòu)化嵌入模型[6]、張量神經(jīng)網(wǎng)絡(luò)模型[8]、雙線性模型和學(xué)習(xí)外部信息的模型等。表1中展示了這些模型定義的關(guān)于h和t的評分函數(shù)fr(h,t)。

        表1 相關(guān)模型及其得分函數(shù)

        續(xù)表1

        1.1 基于翻譯的模型

        TransE的基本思想是,將實(shí)體之間的關(guān)系表示為實(shí)體之間嵌入的翻譯,即對于正確的三元組(h,r,t),滿足h+r≈t,表明(t)應(yīng)該是(h+r)的最近鄰。因此,TransE的評分函數(shù)為:

        (1)

        若fr(h,t)的值很小,則說明(h,r,t)是正確的三元組。

        TransE主要用于處理1-1關(guān)系,對于1-N、N-1、N-N關(guān)系的處理還存在一些問題。例如,當(dāng)TransE處理1-N關(guān)系時(shí),對于?i∈{0,1,…,m},(hi,r,t)∈S,TransE認(rèn)為h0=h1…=hm。

        TransH用于解決TransE中存在的問題,即實(shí)體在涉及不同關(guān)系時(shí)表現(xiàn)出不同的嵌入特征?;舅枷霝?,對于知識圖譜中的一個(gè)關(guān)系,TransH將這個(gè)關(guān)系建模在一個(gè)以wr為法向量的超平面上,用r來表示。對于一個(gè)三元組(h,r,t),實(shí)體h和t首先被投影到以wr為法向量的超平面上,表示為h⊥和t⊥。TransH的評分函數(shù)為:

        (2)

        TransR認(rèn)為TransE和TransH模型僅僅是簡單地假設(shè)實(shí)體和關(guān)系處于一個(gè)相同的語義空間。事實(shí)上,知識圖譜中的每個(gè)實(shí)體都具有多種屬性,單純在一個(gè)語義空間中對實(shí)體和關(guān)系建立模型無法表示出實(shí)體的多種屬性。其主要思想為:分別在實(shí)體空間和關(guān)系空間構(gòu)建實(shí)體和關(guān)系的嵌入,然后進(jìn)行嵌入學(xué)習(xí)。對于每個(gè)三元組(h,r,t),將實(shí)體和關(guān)系分別嵌入到兩個(gè)不同的向量空間。對每個(gè)關(guān)系r,為其設(shè)置一個(gè)投影矩陣Mr,然后將實(shí)體從實(shí)體空間投影到關(guān)系空間。在此投影矩陣下,實(shí)體向量被定義為:hr=hMr,tr=tMr,相應(yīng)的評分函數(shù)被定義為:

        (3)

        TransC認(rèn)為之前的模型將實(shí)體和關(guān)系同等地編碼為低維語義空間中的向量,忽略了實(shí)體中概念與實(shí)例的差異。因此考慮在同一空間中以不同的方式表示概念、實(shí)例和關(guān)系。具體而言,TransC把知識圖譜中的每個(gè)概念編碼為球體,同時(shí)將每個(gè)實(shí)例編碼為語義空間中的向量。然后使用兩個(gè)球體之間的相對位置模擬概念和實(shí)例之間的關(guān)系及概念和子概念之間的關(guān)系。TransC定義了不同評分函數(shù)來優(yōu)化相對位置嵌入空間,然后基于翻譯的模型共同學(xué)習(xí)概念、實(shí)例和關(guān)系的表示。

        1.2 其他模型

        非結(jié)構(gòu)化模型(UM)[5]是TransE模型的一個(gè)前身,通過設(shè)定所有的r=0,定義評分函數(shù)為:

        (4)

        此模型并未考慮到關(guān)系的差異性。

        結(jié)構(gòu)化嵌入模型(SE)[6]為頭實(shí)體和尾實(shí)體設(shè)計(jì)了兩個(gè)特定的關(guān)系矩陣Mr1、Mr2,評分函數(shù)為:

        fr(h,t)=‖Mr1h-Mr2t‖1

        (5)

        盡管SE模型使用兩個(gè)不同的矩陣來進(jìn)行優(yōu)化,但它無法捕獲到實(shí)體和關(guān)系之間的精確聯(lián)系。

        張量神經(jīng)網(wǎng)絡(luò)模型(NTN)[8]為知識圖譜嵌入定義的評分函數(shù)為:

        (6)

        式中:ur是一個(gè)與關(guān)系相關(guān)的線性層;g(·)是tanh函數(shù);Mr是一個(gè)三階張量;Mr1、Mr2是與關(guān)系r有關(guān)的投影矩陣。該模型的復(fù)雜度比較高,很難處理大規(guī)模的知識圖譜。

        RESCAL模型是第一個(gè)雙線性模型。它將每個(gè)實(shí)體與向量相關(guān)聯(lián)以此來捕獲潛在的語義。模型損失函數(shù)在表1中列出:其中,es表示主語s的嵌入向量,eo表示主語o的嵌入向量,Wr表示關(guān)系矩陣。它把每個(gè)關(guān)系都表示為一個(gè)矩陣,來模擬潛在因素之間的相互作用。近年來,通過限制雙線性損失函數(shù),提出了RESCAL的許多擴(kuò)展。例如,DistMult模型[15]把三元組(關(guān)系,主語,賓語)的嵌入向量分別表示為ωr、es、eo,通過將表示關(guān)系的矩陣限制為對角矩陣來簡化RESCAL。HolE模型[16]將RESCAL的表達(dá)能力與DistMult的效率和簡便性相結(jié)合,其中F(·)和F-1(·)表示快速傅里葉變換及其逆函數(shù)。ComplEx模型[17]通過引入復(fù)數(shù)值嵌入擴(kuò)展了DistMult,以便更好地對非對稱關(guān)系建模,它的損失函數(shù)Re(x)表示取x的實(shí)部。

        2 TransP模型

        2.1 問題描述

        圖1給出了PartOf關(guān)系三元組中整體屬性實(shí)體和部分屬性實(shí)體的示例,例如圖中三元組(Labial_vein, PartOf, lip),其中頭實(shí)體Labial_vein具有部分屬性,尾實(shí)體lip具有整體屬性,它們之間存在PartOf關(guān)系。在進(jìn)行知識圖譜嵌入時(shí),針對PartOf關(guān)系三元組,應(yīng)以不同的方式學(xué)習(xí)實(shí)體、關(guān)系的嵌入。

        圖1 關(guān)于WordNet中PartOf關(guān)系三元組的示意圖

        首先,將知識圖譜KG定義為:KG={P,O,R,S},其中:P表示知識圖譜中PartOf關(guān)系三元組中實(shí)體組成的集合;O表示知識圖譜中組成其他關(guān)系三元組的實(shí)體集;R被定義為:R=Rp∪Ro,Rp是PartOf關(guān)系,Ro是知識圖譜中其他關(guān)系的集合?;诖?,三元組集S將被分為兩個(gè)不相交的子集:

        然后,給定知識圖譜KG,TransP將在相同的空間Rk中學(xué)習(xí)PartOf關(guān)系三元組中實(shí)體、關(guān)系及其他關(guān)系三元組中實(shí)體、關(guān)系的嵌入。對于每個(gè)p∈P,建立一個(gè)球體模型s(q,m),q∈Rk表示球心,m表示半徑。

        2.2 模型介紹

        TransP模型主要用于區(qū)分WordNet中PartOf關(guān)系三元組中的實(shí)體在嵌入時(shí)的不同。模型利用球體來表示PartOf關(guān)系三元組中的頭實(shí)體和尾實(shí)體,然后利用兩個(gè)球體之間的相對位置關(guān)系表示PartOf關(guān)系。模型定義不同的損失函數(shù)測量PartOf關(guān)系三元組中頭、尾實(shí)體在嵌入空間中的相對位置,同時(shí)在模型中學(xué)習(xí)數(shù)據(jù)集中所有實(shí)體和關(guān)系的嵌入表示。

        在2.1節(jié)中,三元組集合S被分為兩個(gè)不相交的子集Sp和So,針對這兩種三元組,模型分別定義不同損失函數(shù)。

        1) PartOf三元組(Sp)表示。

        對于給定的PartOf三元組實(shí)例(pi,rp,pj),將pi、pj編碼為兩個(gè)球體si(qi,mi)和sj(qj,mj),則兩個(gè)球心之間的距離表示為:

        d=‖qi-qj‖2

        (7)

        若給定的實(shí)例(pi,r,pj)是正確三元組,則球體si與球體sj是相分離的(如圖2(a)所示),以此來表示整體部分的關(guān)系。此外,球體si與球體sj還存在其他三種位置關(guān)系。對此分別設(shè)置不同損失函數(shù):

        (1) 球體si與球體sj相交(如圖2(b)所示)。在這種條件下,實(shí)體的嵌入仍需要優(yōu)化,兩個(gè)球體需要彼此遠(yuǎn)離,以達(dá)到圖2(a)的形式。損失函數(shù)定義為:

        fp(pi,pj)=‖qi-qj‖2-mi-mj

        (8)

        (2) 球體si在球體sj內(nèi)部(如圖2(c))所示,損失函數(shù)定義為:

        fp(pi,pj)=‖qi-qj‖2-mi-mj

        (9)

        (3) 球體si與球體sj相離(如圖2(d)所示)。此時(shí)與目標(biāo)相反,即球體si的半徑大于球體sj的半徑,應(yīng)該使mi減小,同時(shí)使mj增大。因此,損失函數(shù)定義為:

        fp(pi,pj)=mi-mj

        (10)

        實(shí)驗(yàn)中,對損失函數(shù)加入限制條件:‖Q‖2≤1。

        2) 普通三元組(So)表示。

        給定三元組(h,r,t)∈So,TransP為每個(gè)實(shí)體和關(guān)系學(xué)習(xí)一個(gè)低維向量h,r,t∈Rk。然后使用TransE的損失函數(shù)訓(xùn)練此類三元組,因此損失函數(shù)為:

        (11)

        (a) d≥|mi+mj|∧mi

        (c) d<|mi-mj| (d) d≥|mi+mj|∧mi≥mj圖2 球體si與球體sj之間的相對位置關(guān)系

        2.3 訓(xùn)練方法

        (12)

        式中:[x]+max(0,x),即max(0,x)函數(shù)用來得到模型的輸出值0或x;γp為邊際參數(shù),用來控制正確元組與錯(cuò)誤元組之間的距離。普通三元組的損失函數(shù)為:

        (13)

        最后,將整體的損失函數(shù)定義為以上兩個(gè)損失函數(shù)的線性組合:

        L=Lp+Lo

        (14)

        TransP的目標(biāo)就是使得式(14)取得最小值,并且采用隨機(jī)梯度下降的方法迭代更新PartOf關(guān)系三元組實(shí)體、普通三元組實(shí)體及關(guān)系的嵌入。

        數(shù)據(jù)集中每個(gè)三元組都有一個(gè)標(biāo)簽,用來區(qū)分該三元組的正誤。但是,知識圖譜只包含正確的三元組,所以模型需要生成錯(cuò)誤的三元組。對于一個(gè)普通的三元組(h,r,t),要替換頭實(shí)體h或尾實(shí)體t來生成錯(cuò)誤的三元組,即(h′,r,t)或(h,r,t′)。因此,可以將負(fù)例集合形式化地描述為:

        {(h,r,t′)|t′∈O,(h,r,t′)?So}

        同樣地,PartOf三元組的負(fù)例集合也以相同方法生成。在替換整體性實(shí)體、部分性實(shí)體以及普通實(shí)體時(shí),和TransH采用一樣的策略,即“unif(等概率采樣方法)”和“bern(伯努利采樣方法)”。

        3 實(shí)驗(yàn)及結(jié)果分析

        3.1 數(shù)據(jù)集

        知識圖譜WordNet是由普林斯頓大學(xué)認(rèn)知科學(xué)實(shí)驗(yàn)室與計(jì)算機(jī)系聯(lián)合開發(fā)的一個(gè)英語詞庫,它包含超過十萬個(gè)詞匯的語義知識,涉及的詞性有名詞、動(dòng)詞、形容詞和副詞等[22]。WN18是WordNet的一個(gè)子集,大多數(shù)基于距離的翻譯模型用它來驗(yàn)證其方法的有效性,本文也在WN18上進(jìn)行TransP模型的驗(yàn)證實(shí)驗(yàn)。實(shí)驗(yàn)之前對WN18中的實(shí)體與關(guān)系進(jìn)行重新劃分,劃分步驟如下:

        (1) 若WN18中的實(shí)體在PartOf關(guān)系三元組中出現(xiàn),則屬于集合P,同時(shí)將PartOf關(guān)系歸入集合Rp。

        (2) WN18中其他實(shí)體屬于普通實(shí)體集O,實(shí)體之間的關(guān)系屬于普通關(guān)系集Ro。

        (3) 對于WN18中每個(gè)PartOf三元組(h,r,t),若pi∈P∧pj∈P∧rp∈Rp,則此三元組屬于PartOf三元組集Sp。

        (4) 將WN18中剩余三元組歸入普通三元組集So。

        (5) 最終的三元組集S=Sp∪So,關(guān)系集R=Rp∪Ro。

        表2給出了WN18具體劃分結(jié)果。

        表2 數(shù)據(jù)集的統(tǒng)計(jì)信息

        3.2 鏈接預(yù)測

        鏈接預(yù)測旨在預(yù)測普通三元組(h,r,t)丟失的頭實(shí)體h或尾實(shí)體t。該任務(wù)需要從知識圖譜中給出候選實(shí)體的排名列表,而并非給出一個(gè)最佳結(jié)果[23]。對于每一個(gè)用于測試的普通三元組(h,r,t),將從知識圖譜所有實(shí)體中隨機(jī)選取一個(gè)來替換其頭實(shí)體h或尾實(shí)體t。然后,按照損失函數(shù)fr計(jì)算的距離對原給定的三元組和打亂的三元組進(jìn)行升序排列。

        該任務(wù)包含兩個(gè)評估指標(biāo):(1) 所有正確三元組的平均倒數(shù)排名(MRR);(2) 排名不大于N的正確三元組的比例(Hits@N)。MRR和Hits@N的值越高,模型的效果越好。但是,若個(gè)別被破壞的三元組也存在于知識圖譜中,則導(dǎo)致任務(wù)的評估指標(biāo)降低,無法對模型進(jìn)行有效預(yù)測。因此,在對每一個(gè)測試三元組進(jìn)行排名之前,把這些被破壞的三元組從知識圖譜中過濾掉,該過程稱為“Filter”,過濾之前的數(shù)據(jù)集稱為“Raw”。實(shí)驗(yàn)參數(shù)設(shè)置如下:隨機(jī)梯度下降的學(xué)習(xí)率λ∈{0.1,0.01,0.001},邊際參數(shù)γp,γo∈{0.1,0.3,1,2},實(shí)體向量和關(guān)系向量的維度n={20,50,100}。鏈接預(yù)測任務(wù)中最優(yōu)的參數(shù)配置為:γp=0.3,γo=1,λ=0.001,n=100,以及L1范式。

        WN18上的實(shí)驗(yàn)結(jié)果如表3所示,表中加粗表示模型取得的最優(yōu)結(jié)果。可以看出:(1) TransP在MRR、Hits@1、Hits@3、Hits@5和Hits@10的排名上均高于其他模型,這表明TransP能夠得到實(shí)體與關(guān)系的更多嵌入信息內(nèi)容,從而實(shí)現(xiàn)了更好的鏈接預(yù)測。(2) 在MRR上,對比TransE,TransP(bern)的結(jié)果相差不大,這可能因?yàn)橛?xùn)練過程中的三元組數(shù)量較少,使其性能不佳。(3) 在TransP的MRR上,“Filter”實(shí)驗(yàn)結(jié)果優(yōu)于“Raw”,“bern”實(shí)驗(yàn)結(jié)果優(yōu)于“unif”。

        表3 WN18數(shù)據(jù)集上普通三元組的鏈接預(yù)測實(shí)驗(yàn)結(jié)果

        3.3 三元組分類

        三元組分類任務(wù)用于判斷給定三元組的正誤,即對一個(gè)三元組進(jìn)行二分類任務(wù)。本文中,三元組分類包括普通三元組分類和PartOf三元組分類兩種。首先,按照TransC中的構(gòu)造方法生成實(shí)驗(yàn)需要的錯(cuò)誤三元組。然后劃分驗(yàn)證集和測試集,兩者中的三元組數(shù)量相等。

        該任務(wù)包括四個(gè)評估指標(biāo):準(zhǔn)確率(Accuracy)、查準(zhǔn)率(Precision)、查全率(Recall)和F1調(diào)和平均(F1-Score)。

        本實(shí)驗(yàn)中,對于給定的測試三元組(h,r,t),若相異性得分(根據(jù)損失函數(shù))低于一個(gè)特定關(guān)系的閾值σ,則預(yù)測為正確元組,否則為錯(cuò)誤元組。特定關(guān)系的閾值σ根據(jù)最大化驗(yàn)證集的分類準(zhǔn)確性確定。實(shí)驗(yàn)參數(shù)的選擇與鏈接預(yù)測任務(wù)中相同,同時(shí)采用L1范式作為相似性度量,對所有訓(xùn)練的三元組設(shè)置迭代次數(shù)為1 000。在這個(gè)任務(wù)中,最佳參數(shù)配置為:γp=1,γo=1,λ=0.001,n=100以及L1范式。

        普通三元組實(shí)驗(yàn)結(jié)果與PartOf關(guān)系三元組實(shí)驗(yàn)結(jié)果分別如表4、表5所示。由表4可得:(1) TransP在各項(xiàng)評估指標(biāo)中均取得了較高的實(shí)驗(yàn)結(jié)果,這證明了TransP模型更好地學(xué)習(xí)了實(shí)體及關(guān)系的嵌入表示特征。(2) 在準(zhǔn)確率(Accuracy)這項(xiàng)指標(biāo)中TransP高于TransE,但是比較相近。這可能是在訓(xùn)練過程中采用了鏈接預(yù)測的參數(shù)最優(yōu)配置,使得三元組分類實(shí)驗(yàn)的結(jié)果沒有達(dá)到最優(yōu)。由表5可得:(1) TransP在準(zhǔn)確率(Accuracy)、查準(zhǔn)率(Precision)、查全率(Recall)以及F1調(diào)和平均(F1-Score)四個(gè)評價(jià)指標(biāo)上都優(yōu)于TransE和TransH,表明了TransP在對PartOf關(guān)系三元組進(jìn)行嵌入表示時(shí)的優(yōu)勢,所學(xué)習(xí)的實(shí)體及關(guān)系向量包含更為具體的屬性信息。(2) 在TransP中“bern”采樣方法優(yōu)于“unif”。

        表4 WN18數(shù)據(jù)集上普通三元組的實(shí)驗(yàn)對比結(jié)果(%)

        表5 WN18數(shù)據(jù)集上PartOf關(guān)系三元組的實(shí)驗(yàn)對比結(jié)果(%)

        4 結(jié) 語

        本文主要提出一種新的知識圖譜嵌入模型TransP。該模型將PartOf關(guān)系三元組與其他關(guān)系三元組區(qū)分開,然后將這兩類三元組中的實(shí)體、關(guān)系以不同的方式嵌入到相同的空間,使得到的嵌入向量包含更豐富的語義信息。同時(shí),本文重新劃分了WN18數(shù)據(jù)集,并在鏈接預(yù)測和三元組分類兩個(gè)任務(wù)上驗(yàn)證TransP的有效性。

        下一步工作將繼續(xù)改進(jìn)TransP模型,使其性能得到更好的提升,主要研究方向分為以下兩點(diǎn):(1) 在WordNet中提取更多的PartOf關(guān)系三元組加入到訓(xùn)練數(shù)據(jù)集中,使模型得到更充分的訓(xùn)練;(2) 考慮在本模型的基礎(chǔ)上加入更多的實(shí)體屬性特征,提升模型性能。

        猜你喜歡
        三元組球體圖譜
        基于語義增強(qiáng)雙編碼器的方面情感三元組提取
        軟件工程(2024年12期)2024-12-28 00:00:00
        基于帶噪聲數(shù)據(jù)集的強(qiáng)魯棒性隱含三元組質(zhì)檢算法*
        繪一張成長圖譜
        計(jì)算機(jī)生成均值隨機(jī)點(diǎn)推理三、四維球體公式和表面積公式
        關(guān)于余撓三元組的periodic-模
        廣告創(chuàng)意新方法——球體思維兩極法
        補(bǔ)腎強(qiáng)身片UPLC指紋圖譜
        中成藥(2017年3期)2017-05-17 06:09:01
        主動(dòng)對接你思維的知識圖譜
        Optimization of rice wine fermentation process based on the simultaneous saccharification and fermentation kinetic model☆
        三元組輻射場的建模與仿真
        亚洲国产综合性感三级自拍| 五月四房播播| 久久成人国产精品| 老熟妻内射精品一区| 岛国AV一区二区三区在线观看| 久久精品免费无码区| 亚洲精品2区在线观看| 久久99精品综合国产女同| 精品国偷自产在线视频九色| 亚洲va无码手机在线电影| 曰本无码人妻丰满熟妇5g影院| 伊在人亚洲香蕉精品区麻豆 | 婷婷丁香社区| 亚洲欧美成人久久综合中文网| 97超碰中文字幕久久| 99re6在线视频精品免费下载| 免费观看性欧美大片无片| 成人伊人亚洲人综合网站222| 黄片在线观看大全免费视频| 国产一区二区三区免费精品视频| 毛片无码国产| 欧美精品久久久久久久久| 91麻豆精品激情在线观最新| 日本久久精品福利视频| 男女18禁啪啪无遮挡激烈网站| 国产女人高潮叫床视频| 婷婷九月丁香| 久久道精品一区二区三区| 色se在线中文字幕视频| 粗大猛烈进出高潮视频大全| 国产精品igao视频| 亚洲精品综合第一国产综合| 最新亚洲视频一区二区| 中文字幕一区二区精品视频| 亚洲av永久中文无码精品综合| 影视先锋av资源噜噜| 中文字幕亚洲无线码a| 久久国产精品精品国产色| 久久久精品人妻一区二区三区四区| 免费观看又色又爽又黄的| av中文字幕不卡无码|