• <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 ?

    基于標(biāo)簽和云模型的協(xié)同過濾算法

    2016-11-01 01:21:05雷建云李白楊
    關(guān)鍵詞:和云相似性關(guān)聯(lián)度

    雷建云,何 順,李白楊

    (1 中南民族大學(xué) 計算機科學(xué)學(xué)院,武漢 430074;2 云南大學(xué) 軟件學(xué)院,昆明 650500)

    ?

    基于標(biāo)簽和云模型的協(xié)同過濾算法

    雷建云1,何順1,李白楊2

    (1 中南民族大學(xué) 計算機科學(xué)學(xué)院,武漢 430074;2 云南大學(xué) 軟件學(xué)院,昆明 650500)

    引入云模型改進基于標(biāo)簽的用戶相似性和資源相似性度量方法,進而提出了基于標(biāo)簽和云模型的協(xié)同過濾算法.通過在MovieLens數(shù)據(jù)集上的實驗表明:改進后的算法在precision, recall和F1-measure三個指標(biāo)上均取得較好的推薦效果,推薦效率均優(yōu)于傳統(tǒng)的方法.

    標(biāo)簽;協(xié)同過濾;云模型;相似性

    冷啟動和數(shù)據(jù)稀疏性[1]是推薦系統(tǒng)面臨的重要問題,也是研究的熱點.自進入Web2.0時代以來,用戶可以根據(jù)自己的理解和喜好自由選擇和添加標(biāo)簽.研究表明標(biāo)簽可以用于Blogs分類[2],信息檢索領(lǐng)域[3,4]和推薦系統(tǒng)[5].為了降低冷啟動和數(shù)據(jù)稀疏性對于協(xié)同過濾推薦性能的影響[6],將傳統(tǒng)協(xié)同過濾算法擴展為基于標(biāo)簽的協(xié)同過濾算法.文獻[7]首次將標(biāo)簽信息引入?yún)f(xié)同過濾算法中,利用標(biāo)簽標(biāo)注情況擴展了用戶資源評分矩陣,一定程度上提高了推薦的效果.文獻[8]將標(biāo)簽信息融入到基于模型的協(xié)同過濾算法中,對于稀疏數(shù)據(jù)和冷啟動問題獲得較好的推薦效果.文獻[9]提出一種基于標(biāo)簽語義相似度度量方法,相似性度量借助普林斯頓大學(xué)心理學(xué)家、語言學(xué)家和計算機工程師聯(lián)合開發(fā)的基于認(rèn)知學(xué)的英語詞典WordNet,提高了最近鄰選擇的準(zhǔn)確度,但其準(zhǔn)確度依賴于詞典.基于標(biāo)簽的相似性計算大多采用統(tǒng)計方法,通過標(biāo)簽對用戶或資源的關(guān)聯(lián)度求得[10-12].云模型是處理定性概念與定量描述的不確定轉(zhuǎn)換模型,本文將云模型引入基于標(biāo)簽的協(xié)同過濾算法中,利用量化的標(biāo)簽關(guān)聯(lián)度,計算用戶或項目之間的定性概念相似度,提出基于標(biāo)簽和云模型的協(xié)同過濾算法.

    1 基于標(biāo)簽和云模型的協(xié)同過濾算法

    云模型是實現(xiàn)定性概念與定量數(shù)值之間不確定性轉(zhuǎn)換的數(shù)學(xué)模型[13,14].由于其良好的數(shù)學(xué)性質(zhì),可以表示自然科學(xué)、社會科學(xué)中大量的不確定現(xiàn)象.每個云由很多云滴組成,(Ex,En,He)表示云的數(shù)字特征,分別是云期望、云熵和云超熵[14].

    1.1改進的標(biāo)簽關(guān)聯(lián)度度量

    使用TF-IDF思想的關(guān)聯(lián)度計算方法是一種統(tǒng)計型計算,計算時認(rèn)為每個標(biāo)簽視為孤立的,即每個特征關(guān)聯(lián)度向量是正交的、不相關(guān)的,但是實際上標(biāo)簽之間存在一定的語義關(guān)系,例如“教材”和“課本”兩個標(biāo)簽是存在一定語義關(guān)系的.本文借鑒文本挖掘中AlessRB的TF-IWF[15]思想提出新的關(guān)聯(lián)度計算方法.

    1)用戶標(biāo)簽關(guān)聯(lián)度.

    已知用戶集合U={u1,u2,…,un},標(biāo)簽集合T={t1,t2,…,tm},任意標(biāo)簽tk(k=1,2,…,m)與任意用戶ui(i=1,2,…,n)的關(guān)聯(lián)度計算方法為:

    (1)

    其中N(ui,tk)表示用戶ui使用標(biāo)簽tk的次數(shù),N(ui,t)表示用戶ui使用的所有標(biāo)簽的總次數(shù),N(Utj)表示所有用戶使用標(biāo)簽tj的總次數(shù).

    2)資源標(biāo)簽關(guān)聯(lián)度.

    已知資源集S={s1,s2,…,sp}, 標(biāo)簽集合T={t1,t2,…,tm},任意標(biāo)簽tk(k=1,2,…,m)對于任意資源si(i=1,2,…,p)關(guān)聯(lián)度計算公式如下:

    (2)

    其中N(si,tk)表示資源si被標(biāo)注為標(biāo)簽tk的次數(shù),N(Stk)表示資源集被標(biāo)注為標(biāo)簽tk的總次數(shù).

    1.2基于標(biāo)簽的云相似性度量

    1) 用戶標(biāo)簽云相似度.

    (3)

    2)資源標(biāo)簽云相似度.

    (4)

    1.3基于標(biāo)簽和云模型的相似性度量

    為更準(zhǔn)確地度量用戶或資源的相似性,將表征用戶或資源的標(biāo)簽信息所表示的定性概念相似度即云相似度與基于標(biāo)簽關(guān)聯(lián)度計算的相似度,通過引入權(quán)重因子λ進行加權(quán)組合,λ用于反映兩種相似度對最終相似度的貢獻,設(shè)定λ的取值為(0,1).計算方法見公式(5)和公式(6).

    simui,uj(w,c)=(1-λ)simui,uj(w)+λsimui,uj(c),

    (5)

    (5)式為基于標(biāo)簽和云模型的用戶相似性度量方法,其中simui,uj(w)是基于改進標(biāo)簽關(guān)聯(lián)度公式(1)計算的用戶相似度,simui,uj(c)為用戶標(biāo)簽云相似度,計算參照公式(3).

    simsi,sj(w,c)=(1-λ)simsi,sj(w)+λsimsi,sj(c),

    (6)

    (6)式為基于標(biāo)簽和云模型的資源相似性度量方法,其中simsi,sj(w)是基于改進標(biāo)簽關(guān)聯(lián)度公式(2)計算的資源相似度,simsi,sj(c)為資源標(biāo)簽云相似度,計算參照公式(4).

    1.4基于標(biāo)簽和云模型的協(xié)同過濾算法描述

    根據(jù)上面提出的基于標(biāo)簽和云模型的相似性度量方法,提出新的基于標(biāo)簽和云模型的協(xié)同過濾算法,算法描述如下.

    算法1.基于標(biāo)簽和云模型的協(xié)同過濾算法.

    輸入:用戶-標(biāo)簽-資源記錄,參數(shù)λ,目標(biāo)用戶u,用戶最近鄰數(shù)K,推薦的資源數(shù)N.

    輸出:目標(biāo)用戶u的TOP-N資源推薦.

    方法:

    1) 統(tǒng)計用戶-標(biāo)簽-資源記錄文件中每個用戶對于每個標(biāo)簽的使用頻度信息(或每個資源被標(biāo)注為每個標(biāo)簽的次數(shù)信息);

    2) 使用公式(1)計算用戶標(biāo)簽關(guān)聯(lián)度信息,得到用戶標(biāo)簽關(guān)聯(lián)度矩陣(或使用公式(2)計算資源標(biāo)簽關(guān)聯(lián)度信息,得到資源標(biāo)簽關(guān)聯(lián)度矩陣);

    3) 根據(jù)關(guān)聯(lián)度向量計算用戶相似性simu(w)(或計算資源相似性sims(w));

    4) 使用公式(3)計算用戶標(biāo)簽云相似性simu(c)(或者使用公式(4)計算資源云相似性sims(c));

    5) 將λ代入公式(5)計算用戶基于標(biāo)簽和云模型的相似度simu(w,c)(或結(jié)合公式(6)計算資源基于標(biāo)簽和云模型的相似度sims(w,c));

    6) 重復(fù)3),4),5)計算得到相似度矩陣Matrixsim;

    7) 計算資源興趣度,產(chǎn)生TOP-N推薦列表.

    2 實驗及分析

    2.1實驗數(shù)據(jù)集

    實驗采用的數(shù)據(jù)集由GroupLens站點提供的MovieLens數(shù)據(jù)集,它由美國 Minnesota 大學(xué)計算機科學(xué)與工程學(xué)院的 GroupLens 項目組創(chuàng)辦,該數(shù)據(jù)集有多個版本,本實驗選擇MovieLens 20M作為實現(xiàn)對象,該數(shù)據(jù)集包括138000個用戶,27000部電影和465000個標(biāo)簽記錄.為保證實驗的穩(wěn)定性,對數(shù)據(jù)集進行了預(yù)處理.實驗最終選取的數(shù)據(jù)集包含2606個用戶,1278部電影和2636個標(biāo)簽.為保證實驗結(jié)果的準(zhǔn)確性,排除其他偶然因素的影響,本文將數(shù)據(jù)集隨機劃分為兩部分,從每個用戶標(biāo)注過的電影集中選取80%作為訓(xùn)練數(shù)據(jù),另外20%作為測試數(shù)據(jù).

    2.2評價標(biāo)準(zhǔn)

    推薦的準(zhǔn)確度是評價推薦算法的最基本的指標(biāo).本文采用的評價指標(biāo)包括準(zhǔn)確率(precision)、召回率(recall)和F1-measure[16].準(zhǔn)確率表示用戶對推薦系統(tǒng)推薦資源感興趣的概率.召回率表示一個用戶喜歡的商品被推薦的概率.準(zhǔn)確率和召回率越高,表示推薦效果越好.F1-measure綜合了準(zhǔn)確率和召回率的結(jié)果,當(dāng)F1-measure較高時則說明實驗方法比較理想.設(shè)R(u)是根據(jù)用戶在訓(xùn)練集上的行為給用戶做出的推薦列表,T(u)是用戶在用戶測試集上的行為列表.那么推薦結(jié)果的準(zhǔn)確率為:

    (7)

    推薦結(jié)果的召回率計算公式如下:

    (8)

    F1-measure定義為:

    (9)

    2.3實驗結(jié)果

    實驗1 將推薦列表的長度N設(shè)為10,實驗中設(shè)置的最近鄰數(shù)目K從10 開始,依次增加,增至80.實驗對比文獻[7]和文獻[11]中的方法,分別比較基于用戶的協(xié)同過濾算法和基于資源的協(xié)同過濾算法.文獻[7],[11]中基于用戶的協(xié)同過濾算法分別記為UTCF,UTTCF,基于資源的協(xié)同過濾算法分別記為ITCF,ITTCF.基于本文中改進關(guān)聯(lián)度計算的用戶協(xié)同過濾算法和資源協(xié)同過濾算法分別記為UTMCF和ITMCF.基于本文提出的標(biāo)簽云相似性的用戶協(xié)同過濾算法和資源協(xié)同過濾算法分別記為UTCCF和ITCCF.實驗結(jié)果如表1~4所示.

    從表1~4的實驗結(jié)果值可以看出,對比同類型的協(xié)同過濾算法,基于改進關(guān)聯(lián)度的協(xié)同過濾算法(UTMCF,ITMCF)和基于標(biāo)簽云相似度的算法(UTCCF,ITCCF)的推薦質(zhì)量均有一定程度提高,優(yōu)于文獻[7]和文獻[11]的方法.實驗可發(fā)現(xiàn),隨著最近鄰數(shù)量的增加,推薦的質(zhì)量并不是一直增加,而是增大到某一值后逐漸減小的.其中在基于用戶的協(xié)同過濾算法中算法UTMCF在最近鄰為50時取得較好的推薦效果,在基于資源的協(xié)同過濾算法中算法ITMCF的precision值和recall值均較好些,且在最近鄰數(shù)為60時取得較優(yōu)的推薦效果.基于標(biāo)簽云相似度的算法UTCCF和ITCCF比文獻[7]和[11]均有一定程度提高,但效果低于基于改進關(guān)聯(lián)度的協(xié)同過濾算法.

    表14種基于用戶的協(xié)同過濾算法的precision值

    Tab.1Precision of four kinds of user-based collaborative filtering algorithm

    KprecisionUTCFUTTCFUTMCFUTCCF100.065480.111580.113530.11331200.076300.112310.116560.11450300.086470.112770.118830.11634400.091340.113960.120670.11872500.092430.114940.121210.11883600.092210.114180.119370.11753700.091340.114090.118750.11677800.090480.113880.118720.11522

    表2 4種基于用戶的協(xié)同過濾算法的recall值

    表3 4種基于資源的協(xié)同過濾算法的precision值

    表4 4種基于資源的協(xié)同過濾算法的recall值

    實驗2將推薦列表的長度N設(shè)為10,最近鄰數(shù)目K從10 開始,依次增加,增至80.基于標(biāo)簽和云模型協(xié)同過濾算法中λ為設(shè)定調(diào)節(jié)兩種來源相似性的權(quán)重因子,選擇合適λ值將影響推薦的精度,實驗中將λ的值設(shè)為從0.1到0.9,每次增加0.1,分別測試λ對推薦結(jié)果的影響.對應(yīng)的基于用戶的協(xié)同過濾算法和基于資源的協(xié)同過濾算法分別記為UWTCF和IWTCF.

    實驗發(fā)現(xiàn)算法UWTCF對于不同的λ值,在最近鄰數(shù)K=50時均取得較好推薦效果.當(dāng)K=50時,隨著λ的變化,算法UWTCF的F1-measure變化如圖1所示;算法IWTCF對于不同λ值,在最近鄰K=60時均取得較好推薦效果.當(dāng)K=60時,隨著λ的變化算法IWTCF的F1-measure指標(biāo)變化如圖2所示.圖1中算法UWTCF(K=50)對應(yīng)的F1-measure的變化曲線可以看出,當(dāng)λ=0.2時算法的推薦性能是較好的;當(dāng)λ的值大于0.2時F1-measure的值逐漸減小.從圖2中算法IWTCF(K=60)對應(yīng)的F1-measure的變化曲線可以看出,當(dāng)λ=0.5時算法的推薦性能是較好的,隨著λ取值大于0.5,F(xiàn)1-measure的值也逐漸減小.

    λ圖1 λ對算法UWTCF(K=50)F1-measure的影響Fig.1 The effect of λ on the F1-measure of UWTCF (K=50)

    λ圖2 λ對算法IWTCF(K=60)F1-measure的影響Fig.2 The effect of λ on the F1-measure of IWTCF(K=60)

    為驗證算法的有效性,在同等數(shù)據(jù)集的基礎(chǔ)上,UWTCF對比實驗1中本文所提算法UTMCF,UTCCF,IWTCF對比算法ITMCF,ITCCF.將算法UWTCF中參數(shù)λ設(shè)置為0.2,IWTCF算法中參數(shù)λ設(shè)為0.5.

    從表5可以看出3種基于用戶的協(xié)同過濾算法均在最近鄰數(shù)K=50時,取得較大的準(zhǔn)確率(precision)和召回率(recall).實驗發(fā)現(xiàn)最近鄰數(shù)量較少時,不足以充分挖掘出與目標(biāo)用戶相似的用戶.最近鄰數(shù)量較大時,因為考慮了一些相似性較低的

    用戶,使得推薦的資源產(chǎn)生誤差,進而影響到推薦質(zhì)量.雖然伴隨著最近鄰數(shù)量的變化,算法UWTCF(λ=0.2)準(zhǔn)確率和召回率也在變動,但是推薦效果總是較優(yōu)的.

    表53種基于用戶的協(xié)同過濾算法的precision和recall

    Tab.5Precision and recall of three kinds of user-based collaborative filtering algorithm

    KprecisionUTMCFUTCCFUWTCFrecallUTMCFUTCCFUWTCF100.113530.113310.115370.061680.061560.06268200.116560.114500.118290.063330.062210.06427300.118830.116340.124350.064560.063210.06756400.120670.118720.125320.065560.064500.06809500.121210.118830.126080.065860.064560.06850600.119370.117530.124350.064860.063860.06756700.118750.116770.120780.064520.063440.06562800.118720.115220.118750.064500.062850.06452

    表6中3種基于資源的協(xié)同過濾算法推薦性能指標(biāo)隨著最近鄰數(shù)量的增加,先增大后減少,算法IWTCF(λ=0.5)總是能取得較好的推薦效果,且在最近鄰數(shù)K=60時,推薦效果最佳.

    表63種基于資源的協(xié)同過濾算法的precision和recall

    Tab.6Precision and recall of three kinds of item-based collaborative filtering algorithm

    KprecisionITMCFITCCFIWTCFrecallITMCFITCCFIWTCF100.114610.110280.123590.062270.059920.06715200.114390.113640.124890.062150.061510.06785300.115580.114070.125430.062800.062280.06815400.120350.116880.125000.065380.063500.06791500.121000.117750.126840.065740.063970.06891600.123160.119910.128030.066910.065150.06956700.121860.118510.127160.066210.064390.06909800.119910.118030.126280.065150.064020.06855

    從表5和表6 中可以看出算法UWTCF(λ=0.2)和算法IWTCF(λ=0.5)分別在最近鄰數(shù)為50和60時取得較好的推薦效果.同類型算法在同等的最近鄰數(shù)目下的F1-measure取值對比,如圖3和圖4所示.

    圖3 K=50時,同類型基于用戶的協(xié)同過濾算法的F1-measureFig.3 When K=50, the same type of user-based collaborative filtering algorithm in F1-measure

    從圖3和圖4可以看出,算法UWTCF,IWTCF在同類型算法中F1-measure的值均較大,即具有更好的推薦效果.

    圖4 K=60時,同類型基于資源的協(xié)同過濾算法的F1-measureFig.4 When K=60, the same type of item-based collaborative filtering algorithm in F1-measure

    綜上所述,本文所提基于標(biāo)簽和云模型的協(xié)同過濾算法比其他兩種改進方案在一定程度上具有更好的推薦效果,通過權(quán)重因子λ加權(quán)標(biāo)簽信息所表示的云相似性與基于標(biāo)簽關(guān)聯(lián)度計算的相似度更能準(zhǔn)確挖掘相似用戶或相似資源,實驗表明本文所提方案在準(zhǔn)確率(precision),召回率(recall)和F1-measure三個指標(biāo)上均取得較優(yōu)值,更能準(zhǔn)確發(fā)現(xiàn)用戶感興趣的資源,更好地進行個性化推薦.

    3 結(jié)束語

    本文首先介紹了基于標(biāo)簽的協(xié)同過濾算法,對算法中常用的相似性度量方法進行簡單介紹,提出改進的標(biāo)簽關(guān)聯(lián)度計算方法;然后將云模型引入到基于標(biāo)簽的協(xié)同過濾算法中,考慮用戶或資源間的標(biāo)簽所提供的定性信息,提出云相似性計算方法,并從基于用戶和基于資源兩個角度,提出基于標(biāo)簽和云模型的協(xié)同過濾算法.通過實驗對比同類型算法并結(jié)合3種評價指標(biāo),結(jié)果表明本文提出的方案均能取得較好的推薦質(zhì)量和效果.

    [1]雷建云,何順,王淑娟. 一種改進的基于用戶項目喜好的相似度度量方法[J]. 中南民族大學(xué)學(xué)報(自然科學(xué)版),2015(4):94-97.

    [2]Brooks B C H, Montanez N. An analysis of the effectiveness of tagging in blogs, in: Computation Approaches to Analyzing Weblogs. Papers from the 2006 AAAI[J]. Ultramicroscopy, 2012, 23(2):234.

    [3]Lamere P. Social tagging and music information retrieval[J]. Journal of New Music Research, 2008, 37(2):101-114.

    [4]Morrison P J. Tagging and searching: search retrieval effectiveness of folksonomies on the World Wide Web[J]. Information Processing & Management, 2008, 44(4): 1562-1579.

    [5]Kim H N, Ji A T, Ha I, et al. Collaborative filtering based on collaborative tagging for enhancing the quality of recommendation[J]. Electronic Commerce Research & Applications, 2010, 9(1):73-83.

    [6]Huang C L, Lin C W. Collaborative and content-based recommender system for social bookmarking Website[J]. World Academy of Science Engineering & Technology, 2010(68):748.

    [7]Tso-Sutter K H L, Marinho L B, Schmidt-Thieme L. Tag-aware recommender systems by fusion of collaborative filtering algorithms[C]//ACM.Proceedings of the 2008 ACM symposium on Applied computing. New York: ACM, 2008: 1995-1999.

    [8]Zhen Y, Li W J, Yeung D Y. TagiCoFi: tag informed collaborative filtering[C]// ACM.ACM Conference on Recommender Systems. New York: ACM, 2009:69-76.

    [9]Zhao S, Du N, Nauerz A, et al. Improved recommendation based on collaborative tagging behaviors[C]//ACM.Proceedings of the 2008 International Conference on Intelligent User Interfaces.New York:ACM, 2008:413-416.

    [10]蔡強,韓東梅,李海生,等. 基于標(biāo)簽和協(xié)同過濾的個性化資源推薦[J]. 計算機科學(xué),2014,01:69-71,110.

    [11]Huang C L, Yeh P H, Lin C W, et al. Utilizing user tag-based interests in recommender systems for social resource sharing websites[J]. Knowledge-Based Systems, 2014, 56(C):86-96.

    [12]Larrain S, Trattner C, Parra D, et al. Good times bad times: a study on recency effects in collaborative filtering for social tagging[C]// ACM. ACM RecSys 2015. New York: ACM, 2015:269-272.

    [13]李德毅, 劉常昱, 杜鹢,等. 不確定性人工智能[M].北京:國防工業(yè)出版社, 2014:123-128.

    [14]李德毅, 劉常昱. 論正態(tài)云模型的普適性[J]. 中國工程科學(xué), 2004, 6(8):28-34.

    [15]Aless R B, Moschitti A, Pazienza M T. A text classifier based on linguistic processing[C]//IJCAI. International Joint Conference on Artificial Intelligence. San Francisco: Morgan Kaufmann,1999:163-168.

    [16]Hao F, Zhong S. Tag recommendation based on user interest lattice matching[C]//IEEE. IEEE International Conference on Computer Science and Information Technology. Budapest: ICC,2010:276-280.

    Collaborative Filtering Algorithm Based on Tag and Cloud Model

    LeiJianyun1,HeShun1,LiBaiyang2

    (1 College of Computer Science, South-Central University for Nationalities, Wuhan 430074, China;2 College of Software,Yunnan University,Kunming 650500)

    In order to use the tag information more accurately reflect the characteristics of users and resources, the cloud model was introduced to improve the user similarity and resource similarity measurement method based on tags,and a collaborative filtering algorithm based on tag and cloud model was proposed. Experiments on the MovieLens data set showed that the improved algorithm has better recommendation effects on three evaluation metrics which are precision, recall and F1-measure, the effectiveness of the recommendation is better than traditional method.

    tag; collaborative filtering; cloud model; similarity

    2016-06-27

    雷建云(1972-),男,博士,教授,研究方向:信息安全,數(shù)據(jù)庫技術(shù),E-mail: leijianyun@mail.scuec.edu.cn.

    湖北省自然科學(xué)基金資助項目(2013CFB445);中南民族大學(xué)研究生創(chuàng)新基金資助項目(2016sycxjj207)

    TP393

    A

    1672-4321(2016)03-0117-06

    猜你喜歡
    和云相似性關(guān)聯(lián)度
    一類上三角算子矩陣的相似性與酉相似性
    淺析當(dāng)代中西方繪畫的相似性
    河北畫報(2020年8期)2020-10-27 02:54:20
    基于定位系統(tǒng)和云計算的電纜線路智能巡檢系統(tǒng)
    電力與能源(2017年6期)2017-05-14 06:19:38
    基于灰色關(guān)聯(lián)度的水質(zhì)評價分析
    2017多媒體和云研討會
    低滲透黏土中氯離子彌散作用離心模擬相似性
    花婆婆和云
    2017多媒體和云研討會
    基于灰關(guān)聯(lián)度的鋰電池組SOH評價方法研究
    基于灰色關(guān)聯(lián)度的公交線網(wǎng)模糊評價
    河南科技(2014年16期)2014-02-27 14:13:25
    12—13女人毛片做爰片一| 自拍偷自拍亚洲精品老妇| 九色国产91popny在线| 欧美色欧美亚洲另类二区| 色吧在线观看| 91午夜精品亚洲一区二区三区 | 亚洲自偷自拍三级| 不卡一级毛片| 亚洲三级黄色毛片| 91久久精品电影网| 色视频www国产| 性色avwww在线观看| a级毛片免费高清观看在线播放| 99久久精品热视频| 97碰自拍视频| 三级国产精品欧美在线观看| 亚洲一区二区三区不卡视频| 好男人在线观看高清免费视频| 深夜精品福利| av天堂在线播放| 看十八女毛片水多多多| 中文字幕久久专区| 在线看三级毛片| 十八禁网站免费在线| 亚洲欧美日韩无卡精品| 好看av亚洲va欧美ⅴa在| 国产精品久久视频播放| 国产成人影院久久av| 久久性视频一级片| 日韩欧美免费精品| 99久久无色码亚洲精品果冻| 国产亚洲av嫩草精品影院| 精品熟女少妇八av免费久了| 男人狂女人下面高潮的视频| 久久草成人影院| 国产大屁股一区二区在线视频| 亚洲在线自拍视频| 国产精品亚洲美女久久久| 99久久九九国产精品国产免费| 久久香蕉精品热| 日韩精品青青久久久久久| www日本黄色视频网| 亚洲综合色惰| 久久久久久国产a免费观看| 欧美性猛交╳xxx乱大交人| 深爱激情五月婷婷| 一二三四社区在线视频社区8| 午夜福利18| 中文亚洲av片在线观看爽| 亚洲av中文字字幕乱码综合| 色综合欧美亚洲国产小说| 高清毛片免费观看视频网站| 久久久久久大精品| 亚洲国产欧洲综合997久久,| 精品人妻视频免费看| 免费在线观看影片大全网站| netflix在线观看网站| 99久久精品国产亚洲精品| 国模一区二区三区四区视频| 国产成人影院久久av| 可以在线观看的亚洲视频| 久久久国产成人精品二区| 人妻久久中文字幕网| 高清在线国产一区| 高潮久久久久久久久久久不卡| 中文字幕av在线有码专区| 久久久久国产精品人妻aⅴ院| 国产一区二区三区视频了| 久久国产乱子伦精品免费另类| 久久精品国产清高在天天线| 观看美女的网站| 少妇人妻精品综合一区二区 | 国产精品亚洲一级av第二区| 亚洲三级黄色毛片| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 青草久久国产| 淫秽高清视频在线观看| 一a级毛片在线观看| 国产av在哪里看| 精品国产亚洲在线| 欧美最新免费一区二区三区 | 国产av麻豆久久久久久久| 99精品在免费线老司机午夜| av在线老鸭窝| 中文资源天堂在线| 伦理电影大哥的女人| 中文字幕av成人在线电影| 亚洲18禁久久av| 国产精品久久视频播放| 日本撒尿小便嘘嘘汇集6| 一级av片app| 三级毛片av免费| 国产真实乱freesex| 亚洲欧美日韩高清专用| 高清毛片免费观看视频网站| 国模一区二区三区四区视频| 欧美性猛交黑人性爽| 少妇丰满av| 国产精品影院久久| 亚洲中文字幕一区二区三区有码在线看| 大型黄色视频在线免费观看| 一进一出抽搐动态| 高清毛片免费观看视频网站| 免费在线观看成人毛片| av在线老鸭窝| 亚洲无线观看免费| 九九在线视频观看精品| av国产免费在线观看| 一级毛片久久久久久久久女| 精品99又大又爽又粗少妇毛片 | 国产成人av教育| 不卡一级毛片| 日韩成人在线观看一区二区三区| 精品乱码久久久久久99久播| 国产一区二区三区视频了| 精品久久久久久久久亚洲 | 亚洲自偷自拍三级| 69人妻影院| 俺也久久电影网| or卡值多少钱| 亚洲av第一区精品v没综合| 国产亚洲欧美在线一区二区| 有码 亚洲区| 国产91精品成人一区二区三区| 久久这里只有精品中国| av中文乱码字幕在线| 国产亚洲精品av在线| 日韩大尺度精品在线看网址| 级片在线观看| 成人欧美大片| 欧美+日韩+精品| 日本黄大片高清| 草草在线视频免费看| 我要搜黄色片| av女优亚洲男人天堂| www.熟女人妻精品国产| 国产免费男女视频| 国产精品综合久久久久久久免费| 日韩成人在线观看一区二区三区| 九色成人免费人妻av| www.999成人在线观看| 久久国产乱子伦精品免费另类| 村上凉子中文字幕在线| 婷婷色综合大香蕉| 男女做爰动态图高潮gif福利片| 亚洲成人免费电影在线观看| aaaaa片日本免费| 99热这里只有是精品在线观看 | 久久精品人妻少妇| 国产一区二区在线观看日韩| 亚洲av第一区精品v没综合| 精品99又大又爽又粗少妇毛片 | 亚洲自偷自拍三级| 老司机午夜福利在线观看视频| av福利片在线观看| 噜噜噜噜噜久久久久久91| 特大巨黑吊av在线直播| 99久久久亚洲精品蜜臀av| 国产精品女同一区二区软件 | 免费av观看视频| 精品国产亚洲在线| 俄罗斯特黄特色一大片| 九色国产91popny在线| 网址你懂的国产日韩在线| 国产欧美日韩一区二区三| 99精品久久久久人妻精品| 国产精品不卡视频一区二区 | 一进一出抽搐动态| 免费黄网站久久成人精品 | 国产精品久久久久久久电影| 日本免费一区二区三区高清不卡| 国产伦精品一区二区三区视频9| 国产黄色小视频在线观看| 在现免费观看毛片| 亚洲天堂国产精品一区在线| 国产精品一区二区三区四区免费观看 | 男女那种视频在线观看| 亚洲一区二区三区不卡视频| 国产爱豆传媒在线观看| 久久久成人免费电影| 久久久久久久午夜电影| 激情在线观看视频在线高清| 好看av亚洲va欧美ⅴa在| 在线天堂最新版资源| 日本 av在线| 久久6这里有精品| 18禁黄网站禁片午夜丰满| 日本在线视频免费播放| 成人一区二区视频在线观看| 欧美精品啪啪一区二区三区| h日本视频在线播放| 在线天堂最新版资源| 久久久久亚洲av毛片大全| 3wmmmm亚洲av在线观看| 亚洲国产欧洲综合997久久,| 性色av乱码一区二区三区2| 男人的好看免费观看在线视频| 中文字幕精品亚洲无线码一区| 男人狂女人下面高潮的视频| 国产综合懂色| 色综合婷婷激情| 熟女电影av网| 少妇丰满av| 亚洲熟妇熟女久久| 老鸭窝网址在线观看| av女优亚洲男人天堂| 国模一区二区三区四区视频| 成人无遮挡网站| 一级黄片播放器| 亚洲不卡免费看| 中文字幕av在线有码专区| 国产精品1区2区在线观看.| 91久久精品电影网| 久久这里只有精品中国| 午夜福利免费观看在线| 在线观看午夜福利视频| 日韩 亚洲 欧美在线| 亚洲欧美精品综合久久99| 国产精品一区二区免费欧美| 国产伦在线观看视频一区| 三级国产精品欧美在线观看| 少妇丰满av| 九九热线精品视视频播放| 欧美激情在线99| 欧美日韩福利视频一区二区| 色av中文字幕| 99热精品在线国产| 国产精品98久久久久久宅男小说| 亚洲 国产 在线| 亚洲激情在线av| av在线天堂中文字幕| 亚洲国产精品成人综合色| 三级毛片av免费| 九色国产91popny在线| 99久久九九国产精品国产免费| 91字幕亚洲| 国产成年人精品一区二区| 免费人成视频x8x8入口观看| 国产精品嫩草影院av在线观看 | 麻豆国产97在线/欧美| 成人无遮挡网站| 亚洲一区高清亚洲精品| 欧美潮喷喷水| 日韩中文字幕欧美一区二区| 国产午夜精品久久久久久一区二区三区 | 亚洲成人中文字幕在线播放| 亚洲内射少妇av| 嫩草影院入口| 欧美3d第一页| 天堂av国产一区二区熟女人妻| 亚洲经典国产精华液单 | 亚洲欧美日韩高清专用| 色av中文字幕| 在线国产一区二区在线| 在线天堂最新版资源| 久久国产乱子免费精品| 国产一区二区在线观看日韩| 天美传媒精品一区二区| 女人被狂操c到高潮| 亚洲国产日韩欧美精品在线观看| 久久国产精品影院| 亚洲精品日韩av片在线观看| 欧美性猛交黑人性爽| bbb黄色大片| 亚洲中文日韩欧美视频| 99久久久亚洲精品蜜臀av| 国产成年人精品一区二区| 桃红色精品国产亚洲av| www.熟女人妻精品国产| 搞女人的毛片| 五月伊人婷婷丁香| 男女之事视频高清在线观看| 中文字幕精品亚洲无线码一区| 丁香六月欧美| 人妻夜夜爽99麻豆av| 长腿黑丝高跟| 最后的刺客免费高清国语| 国内久久婷婷六月综合欲色啪| 国产老妇女一区| 搡女人真爽免费视频火全软件 | 欧美成狂野欧美在线观看| 99热这里只有是精品50| 久久精品91蜜桃| 他把我摸到了高潮在线观看| 亚洲精华国产精华精| 亚洲精品乱码久久久v下载方式| 成人永久免费在线观看视频| av中文乱码字幕在线| 亚洲性夜色夜夜综合| 亚洲人与动物交配视频| 国产又黄又爽又无遮挡在线| 久久国产精品影院| 热99在线观看视频| 欧美xxxx黑人xx丫x性爽| 国产精品伦人一区二区| 日日摸夜夜添夜夜添av毛片 | 欧美区成人在线视频| 亚洲美女视频黄频| 亚洲aⅴ乱码一区二区在线播放| 老司机福利观看| 特级一级黄色大片| 18禁黄网站禁片免费观看直播| 18禁在线播放成人免费| 日本撒尿小便嘘嘘汇集6| 亚洲国产日韩欧美精品在线观看| 久久欧美精品欧美久久欧美| 亚洲无线在线观看| 成人性生交大片免费视频hd| 午夜免费男女啪啪视频观看 | 亚洲五月婷婷丁香| 精品熟女少妇八av免费久了| 色视频www国产| 亚洲va日本ⅴa欧美va伊人久久| 久久欧美精品欧美久久欧美| 天堂√8在线中文| 高清毛片免费观看视频网站| 精品久久久久久久久久免费视频| ponron亚洲| 欧美黑人欧美精品刺激| 1024手机看黄色片| 又黄又爽又刺激的免费视频.| 人人妻人人看人人澡| 亚洲精品亚洲一区二区| 91在线精品国自产拍蜜月| 色av中文字幕| 亚洲国产精品合色在线| 最新中文字幕久久久久| 男女视频在线观看网站免费| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 激情在线观看视频在线高清| 国产蜜桃级精品一区二区三区| 久久亚洲真实| 级片在线观看| 欧美一区二区精品小视频在线| 综合色av麻豆| 首页视频小说图片口味搜索| 9191精品国产免费久久| 国产av在哪里看| 日日干狠狠操夜夜爽| 欧美另类亚洲清纯唯美| 青草久久国产| 国产色爽女视频免费观看| 每晚都被弄得嗷嗷叫到高潮| 色综合站精品国产| 特大巨黑吊av在线直播| 欧美日韩福利视频一区二区| av专区在线播放| 午夜免费成人在线视频| 免费观看人在逋| 丰满人妻熟妇乱又伦精品不卡| 三级国产精品欧美在线观看| 欧美性感艳星| 亚洲第一电影网av| 成人特级黄色片久久久久久久| 97超视频在线观看视频| 久9热在线精品视频| 成人欧美大片| 婷婷精品国产亚洲av在线| 亚洲av一区综合| 日本三级黄在线观看| 麻豆成人av在线观看| 亚洲自偷自拍三级| 久9热在线精品视频| 中文资源天堂在线| 一级a爱片免费观看的视频| 午夜亚洲福利在线播放| 内地一区二区视频在线| 日本成人三级电影网站| 国产一区二区亚洲精品在线观看| 特大巨黑吊av在线直播| 精品一区二区三区人妻视频| 久久久久久国产a免费观看| x7x7x7水蜜桃| 中文字幕av在线有码专区| 一进一出抽搐gif免费好疼| 成年女人永久免费观看视频| 亚洲欧美激情综合另类| 亚洲色图av天堂| 日韩欧美精品v在线| 91在线精品国自产拍蜜月| 欧美日韩亚洲国产一区二区在线观看| 国产探花极品一区二区| 亚洲美女黄片视频| 欧美zozozo另类| 日韩欧美在线二视频| 亚洲人成网站在线播放欧美日韩| 黄片小视频在线播放| 亚洲av免费高清在线观看| 国产激情偷乱视频一区二区| 在线观看av片永久免费下载| 久久久久久久午夜电影| 久久久久精品国产欧美久久久| 内射极品少妇av片p| 久久精品国产自在天天线| 天天躁日日操中文字幕| 久久久久精品国产欧美久久久| 日韩中文字幕欧美一区二区| 长腿黑丝高跟| aaaaa片日本免费| 网址你懂的国产日韩在线| 国产精品一及| 亚洲欧美日韩高清专用| 国产精品野战在线观看| 亚洲真实伦在线观看| 51午夜福利影视在线观看| 麻豆av噜噜一区二区三区| 特级一级黄色大片| 久久这里只有精品中国| 嫁个100分男人电影在线观看| 精品国内亚洲2022精品成人| 五月伊人婷婷丁香| 简卡轻食公司| 黄色配什么色好看| 国产精品日韩av在线免费观看| 欧洲精品卡2卡3卡4卡5卡区| 人人妻,人人澡人人爽秒播| 日韩高清综合在线| 少妇的逼水好多| 热99在线观看视频| 久9热在线精品视频| 欧美绝顶高潮抽搐喷水| 99热只有精品国产| 久久久国产成人精品二区| 九九在线视频观看精品| 国产精品自产拍在线观看55亚洲| 乱码一卡2卡4卡精品| 91午夜精品亚洲一区二区三区 | 日韩欧美一区二区三区在线观看| 国产成人av教育| 一级黄色大片毛片| 成年女人永久免费观看视频| 精品午夜福利视频在线观看一区| 三级国产精品欧美在线观看| 国产伦人伦偷精品视频| 国内久久婷婷六月综合欲色啪| ponron亚洲| 91在线精品国自产拍蜜月| 啦啦啦观看免费观看视频高清| 我的女老师完整版在线观看| 人妻久久中文字幕网| 午夜福利高清视频| 亚洲成av人片免费观看| 亚洲av二区三区四区| 国产精品爽爽va在线观看网站| 日本黄色片子视频| 午夜两性在线视频| 欧美日韩中文字幕国产精品一区二区三区| 国产在视频线在精品| 久久国产乱子免费精品| 色5月婷婷丁香| 尤物成人国产欧美一区二区三区| 亚洲精品在线观看二区| 日韩欧美精品免费久久 | 国产高清激情床上av| 午夜精品久久久久久毛片777| 国产精品久久久久久久电影| 国产黄色小视频在线观看| 国产av麻豆久久久久久久| 日韩成人在线观看一区二区三区| 亚洲人成电影免费在线| 一区二区三区激情视频| 欧美日韩乱码在线| 久久久久久久亚洲中文字幕 | 嫁个100分男人电影在线观看| 精品久久久久久久人妻蜜臀av| 久久精品国产亚洲av香蕉五月| aaaaa片日本免费| 亚洲av二区三区四区| 国产一区二区亚洲精品在线观看| 99久久成人亚洲精品观看| 国内精品美女久久久久久| 久久婷婷人人爽人人干人人爱| 日本一二三区视频观看| 人妻制服诱惑在线中文字幕| 免费av毛片视频| 国产成人欧美在线观看| 国产高清视频在线播放一区| 岛国在线免费视频观看| 国产在线精品亚洲第一网站| 少妇人妻一区二区三区视频| 久久久色成人| 又黄又爽又免费观看的视频| 国产精品一区二区三区四区久久| 蜜桃亚洲精品一区二区三区| 国产一级毛片七仙女欲春2| 国内毛片毛片毛片毛片毛片| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 国产乱人视频| 久久午夜福利片| 搡老熟女国产l中国老女人| 国产精品av视频在线免费观看| 1024手机看黄色片| 午夜两性在线视频| 欧美黑人巨大hd| 特级一级黄色大片| 色综合站精品国产| 99精品在免费线老司机午夜| 自拍偷自拍亚洲精品老妇| 国产精品嫩草影院av在线观看 | 精品午夜福利视频在线观看一区| 中文字幕av成人在线电影| 久久九九热精品免费| 国产毛片a区久久久久| 国产精品爽爽va在线观看网站| av在线老鸭窝| 国产蜜桃级精品一区二区三区| 狂野欧美白嫩少妇大欣赏| 夜夜看夜夜爽夜夜摸| 国产一区二区三区在线臀色熟女| 午夜激情福利司机影院| 国产亚洲精品久久久久久毛片| 欧美zozozo另类| 免费看光身美女| 黄色视频,在线免费观看| 久久久久久久亚洲中文字幕 | 51午夜福利影视在线观看| 在线免费观看的www视频| 亚洲久久久久久中文字幕| 色在线成人网| 亚洲人与动物交配视频| 精品一区二区三区人妻视频| 久久午夜亚洲精品久久| 亚洲午夜理论影院| 一级黄色大片毛片| 99久久无色码亚洲精品果冻| 黄色配什么色好看| 欧美一区二区亚洲| 看黄色毛片网站| 久久精品影院6| 脱女人内裤的视频| 精品久久久久久久久av| 高潮久久久久久久久久久不卡| 国产精品一区二区三区四区久久| 亚洲av成人精品一区久久| 天堂动漫精品| 中文字幕久久专区| 国产一区二区激情短视频| 成人精品一区二区免费| 九九热线精品视视频播放| 天堂av国产一区二区熟女人妻| 欧美日韩中文字幕国产精品一区二区三区| 脱女人内裤的视频| a级毛片免费高清观看在线播放| 看免费av毛片| 欧美午夜高清在线| 精品久久久久久成人av| 午夜福利在线在线| 一级黄片播放器| 国产av在哪里看| 中出人妻视频一区二区| 婷婷色综合大香蕉| 别揉我奶头 嗯啊视频| 免费电影在线观看免费观看| 国产又黄又爽又无遮挡在线| 嫩草影院精品99| 99视频精品全部免费 在线| 成年免费大片在线观看| 深夜精品福利| 成人国产综合亚洲| 三级毛片av免费| 亚洲激情在线av| 国产伦一二天堂av在线观看| 日韩亚洲欧美综合| 午夜a级毛片| 深夜精品福利| 看十八女毛片水多多多| 日本黄大片高清| 99久久无色码亚洲精品果冻| 欧美一级a爱片免费观看看| 久久久久久久久久黄片| 欧美最黄视频在线播放免费| 欧美性猛交╳xxx乱大交人| 精品日产1卡2卡| 久久久成人免费电影| 亚洲美女搞黄在线观看 | 色在线成人网| 欧美日韩亚洲国产一区二区在线观看| 精品一区二区免费观看| 亚洲人成网站在线播| 99久久精品热视频| 午夜久久久久精精品| 九色成人免费人妻av| 国产欧美日韩精品一区二区| 色噜噜av男人的天堂激情| 国产视频内射| 久久人人精品亚洲av| 亚洲av不卡在线观看| 丰满的人妻完整版| 国产探花在线观看一区二区| 亚洲内射少妇av| 看黄色毛片网站| 舔av片在线| 老司机深夜福利视频在线观看| 亚洲aⅴ乱码一区二区在线播放| 欧美最新免费一区二区三区 | 国产成人a区在线观看| 噜噜噜噜噜久久久久久91| 欧美日本视频| 69人妻影院| 成人欧美大片| 丰满乱子伦码专区| 欧美高清成人免费视频www| 超碰av人人做人人爽久久| 国语自产精品视频在线第100页| 美女cb高潮喷水在线观看| 久久久久久九九精品二区国产| 国产单亲对白刺激| 亚洲美女视频黄频| 又黄又爽又刺激的免费视频.| 波多野结衣高清作品| 麻豆一二三区av精品| 成人午夜高清在线视频| 亚洲中文字幕日韩| 午夜激情欧美在线| 亚洲精品在线观看二区|