• <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 ?

    基于興趣相似度傳遞的增強(qiáng)LSH統(tǒng)計(jì)預(yù)測算法

    2020-03-13 10:56:36夏小娜
    關(guān)鍵詞:哈希物品檢索

    夏小娜 鄒 麒

    1(曲阜師范大學(xué)統(tǒng)計(jì)學(xué)院 山東 曲阜 273165)2(曲阜師范大學(xué)信息科學(xué)與工程學(xué)院 山東 日照 276826)

    0 引 言

    個(gè)性化推薦是大數(shù)據(jù)和在線應(yīng)用的關(guān)鍵技術(shù)。通過捕捉用戶的行為偏好與目標(biāo)需求,自主為用戶提供合適的服務(wù)。這里涉及兩個(gè)需求背景:一是用戶知道自己需要的具體是什么,二是用戶并不知道。這兩方面都需要有效的推薦策略。推薦時(shí)需要綜合考慮用戶自身的潛在需求,也要考慮受鄰近用戶的影響。但無論是面對(duì)怎樣的需求背景,當(dāng)大量的服務(wù)結(jié)果呈現(xiàn)在用戶面前時(shí),用戶并不能客觀評(píng)估排序潛在的大量可供選擇的服務(wù)?;诮y(tǒng)計(jì)預(yù)測的推薦策略幫助用戶從海量候選結(jié)果中提供有用和有效的建議,或者做有意義的引導(dǎo)和啟發(fā)。

    協(xié)同過濾是實(shí)現(xiàn)個(gè)性化統(tǒng)計(jì)、預(yù)測和推薦常用的方法之一,它對(duì)群體進(jìn)行搜索,從中找出與用戶興趣偏好近似的其他用戶作為“興趣近鄰”,對(duì)近鄰所偏好的相關(guān)內(nèi)容進(jìn)行分析和考察,將它們組合起來,計(jì)算近似度和推薦權(quán)重,構(gòu)造出排序的候選列表[1]。

    在對(duì)大數(shù)據(jù)集進(jìn)行分析并生成推薦列表時(shí),基于物品的過濾推薦方法明顯要比基于用戶的更快,但存在維護(hù)物品相似度表的額外開銷?;谖锲返耐扑]和基于用戶的推薦,對(duì)于數(shù)據(jù)集的稀疏性處理存在差異,但算法的本質(zhì)是類似的[2-3],在搜索鄰近用戶時(shí),以基于用戶或物品的相似度為基礎(chǔ),所實(shí)現(xiàn)的推薦效果取決于相似度度量的準(zhǔn)確性和有效性,以及關(guān)于相似度空間搜索和計(jì)算過程的能力。鄰近用戶的“鄰近”體現(xiàn)為用戶間關(guān)于目標(biāo)的近似選擇,以此所體現(xiàn)的近似興趣偏好,是圍繞用戶興趣借助算法實(shí)現(xiàn)的用戶鄰近域界定,即為“興趣近鄰”[4-5]。

    有關(guān)在線平臺(tái)的服務(wù)推薦,無論是基于用戶的推薦還是基于物品的推薦,相關(guān)的評(píng)分向量都是高維的,在高維數(shù)據(jù)空間中做到快速地定位相似的用戶或者物品,一般情況下有兩種解決思路:最近鄰域檢索和近似最近鄰檢索。因檢索過程是個(gè)NP問題,因此通常采取近似最近鄰方式。LSH(Locality-Sensitive Hash)[6]就是其中有效的研究方法。LSH的含義表征為將高維空間中鄰近的點(diǎn)HASH映射到低維空間后仍距離較近,原本較遠(yuǎn)的點(diǎn)映射后仍具有較遠(yuǎn)的距離[7]。本文改進(jìn)LSH應(yīng)用模型,充分計(jì)算用戶需求域的鄰近關(guān)聯(lián)信息,結(jié)合用戶自身的潛在偏好趨向,構(gòu)造自主的統(tǒng)計(jì)預(yù)測機(jī)制,設(shè)計(jì)了ILSH算法。

    1 相關(guān)工作

    基于分布式敏感哈希,設(shè)計(jì)隱私保護(hù)和可拓展的服務(wù)推薦方法[8]。有效降低實(shí)時(shí)推薦的運(yùn)算復(fù)雜度,提高評(píng)分?jǐn)?shù)據(jù)在高維空間中的相似性查詢效率;通過運(yùn)用兩個(gè)LSH策略分類高維數(shù)據(jù)[13],加入增量聚類算法,批量合并相似度矩陣以合并離線聚類算法;LSH兩級(jí)結(jié)構(gòu)可以提高檢索效率[15],將提取的特征外包給云服務(wù)器還需要做深入的研究,以便于減輕數(shù)據(jù)所有者和數(shù)據(jù)用戶的負(fù)擔(dān);進(jìn)一步,使得LSH用于視頻的異常檢測方法[17],將正?;顒?dòng)散列到多個(gè)特征桶中,過濾異?;顒?dòng),以此實(shí)現(xiàn)在線更新程序融入適應(yīng)視頻場景變化的LSH框架。

    基于鄰近搜索機(jī)制,可實(shí)現(xiàn)多對(duì)象優(yōu)化算法和局部敏感哈希的協(xié)同,解決“一對(duì)多”“多對(duì)一”動(dòng)態(tài)選擇和傳遞問題[9-10]。利用LSH發(fā)現(xiàn)真正感興趣的事件,加快集群發(fā)現(xiàn)過程,保持聚類質(zhì)量[11]。但該方法并沒有應(yīng)用于多個(gè)社交媒體數(shù)據(jù)集,無法比較同一事件在多個(gè)平臺(tái)的效果,方法還需要充分檢驗(yàn)以擴(kuò)展到更復(fù)雜的情形。

    LSH在Web服務(wù)中也得到了有效運(yùn)用。針對(duì)Map-Reduce中聚類大規(guī)模數(shù)據(jù)集時(shí)的有效分布式密度峰值問題[12],設(shè)計(jì)LSH進(jìn)化算法,以支持用戶指定所期望的近似準(zhǔn)確度,減少清洗數(shù)據(jù)和計(jì)算消耗;設(shè)計(jì)基于MapReduce編程模型的LSH并行集合相似度關(guān)聯(lián)方法,可以減少計(jì)算相似度時(shí)需求比較的次數(shù);實(shí)現(xiàn)LSH在WoS(Web of Science)和Scopus匹配中的應(yīng)用[16],實(shí)現(xiàn)檢測精確匹配,利于衡量高頻數(shù)據(jù)的重疊情況。

    SLH已得到了廣泛應(yīng)用,許多有關(guān)SLH的研究,多半是局限于某一領(lǐng)域或者特定數(shù)據(jù)集參數(shù)的調(diào)優(yōu),或者直接用于部分?jǐn)?shù)據(jù)的處理[18],并沒有從SLH數(shù)據(jù)結(jié)構(gòu)和算法流程上進(jìn)行調(diào)整和改進(jìn),在應(yīng)用過程中,同樣也帶來了其他沒有解決的問題。

    SLH已得到了廣泛應(yīng)用,許多有關(guān)SLH的研究,多半是局限于某一領(lǐng)域或者特定數(shù)據(jù)集參數(shù)的調(diào)優(yōu),或者直接用于部分?jǐn)?shù)據(jù)的處理[18],并沒有從SLH數(shù)據(jù)結(jié)構(gòu)和算法流程上進(jìn)行調(diào)整和改進(jìn),在應(yīng)用過程中,同樣也帶來了其他沒有解決的問題。本文從SLH設(shè)計(jì)結(jié)構(gòu)出發(fā),擴(kuò)展優(yōu)化算法,在提高統(tǒng)計(jì)預(yù)測運(yùn)算效率的前提下,提高興趣相似度的有效傳遞。

    2 局部敏感哈希

    2.1 基本定義

    定義1敏感的函數(shù)族

    給定一族哈希函數(shù),是一個(gè)從歐式空間到哈希編碼空間的映射。如果以下兩個(gè)條件都滿足,則稱此哈希函數(shù)為敏感的函數(shù)族[12]。

    (1) 若p∈B(q,r1),則PrH[h(q)=h(p)]≥p1;

    (2) 若p?B(q,r2),則PrH[h(q)=h(p)]≤p2。

    定義中B表示的是以q為中心,r1或r2為半徑的空間,圖1是該定義的坐標(biāo)系分布描述。

    圖1 定義1圖例

    定義2給定數(shù)據(jù)集S及相關(guān)的局部敏感哈希族x,y∈S,若數(shù)據(jù)對(duì)象x,y∈S成立,應(yīng)滿足定義為[13]:

    Ph∈H[h(x)=h(y)]=sim(x,y)

    (1)

    上述兩種定義的定義角度不同使得這兩種定義在形式上差距很大,但是本質(zhì)上是一致的,即越相近的數(shù)據(jù)對(duì)象發(fā)生哈希沖突的概率越高。

    2.2 基本思想

    在進(jìn)行預(yù)測推薦時(shí),無論是user-base還是item-base,預(yù)測過程的相似度計(jì)算其本質(zhì)都是基于物品的評(píng)分向量,由用戶和評(píng)分形成矩陣,具有高維的特點(diǎn)。要實(shí)現(xiàn)快速尋求相似的用戶或者物品,需要圍繞用戶或者物品進(jìn)行近鄰檢索。

    LSH的核心理念是通過一組哈希函數(shù),把相似的數(shù)據(jù)對(duì)象哈希到相同的哈希桶中,越相似的對(duì)象被哈希到相同桶中的概率越高。這些桶中的數(shù)據(jù)對(duì)象構(gòu)成目標(biāo)候選集,從而過濾掉大量的相似概率很低的數(shù)據(jù)對(duì)象。

    一般情況下,使用HASH技術(shù)有效避免沖突,如使用HashTable實(shí)現(xiàn)與Redis的一致性哈希過程。若經(jīng)過Hashing后,兩組數(shù)據(jù)具有相同的HASH VALUE,則LSH認(rèn)為同兩對(duì)象是具有相似性的。這樣,對(duì)每一次近似近鄰的查詢過程只需要對(duì)待檢測的對(duì)象進(jìn)行同樣的哈希過程,直接從對(duì)應(yīng)的HASH VALUE特征桶中找到相似的對(duì)象。

    建立一個(gè)哈希函數(shù)族,每個(gè)函數(shù)隨機(jī)生成不同的邊界,邊界之間形成區(qū)域。每個(gè)函數(shù)進(jìn)行向量運(yùn)算,生成一條有向線,如圖2所示,這些有向線的集合即是哈希族。生成有向線的條數(shù)是窮舉過程,目的是找到一個(gè)合適的位置,最終被圈在同一區(qū)域的點(diǎn)將視為相鄰的。

    圖2 LSH算法思想的幾何圖形解釋

    LSH運(yùn)算快,可以跨平臺(tái)實(shí)現(xiàn)合作推薦,而不破壞用戶的隱私。但LSH隨機(jī)分域過程也可能存在錯(cuò)誤。解決這個(gè)問題有兩個(gè)思路:一是使用多個(gè)獨(dú)立的哈希表,進(jìn)行多次區(qū)域分割;二是推薦前的多檢索策略,對(duì)于每一次檢索進(jìn)行評(píng)分預(yù)測,求取平均。

    2.3 增強(qiáng)局部敏感哈希

    局部敏感哈希的定義中不難看出,LSH雖然是近似最優(yōu)技術(shù),但是并不能保證計(jì)算結(jié)果的精確性,通過LSH我們能得到一個(gè)或多個(gè)Hash表,一次哈希會(huì)有很大的可能性將非相似的數(shù)據(jù)哈希到相同的哈希桶中,這種將非相似數(shù)據(jù)對(duì)象哈希到相同哈希桶中的情形稱為納偽(False Positive)。同時(shí)未將真正相似的對(duì)象哈希到相同哈希桶中的情形稱為拒真(False Negative)。為了保證局部敏感哈希的查詢質(zhì)量,需要盡量降低False Positive和False Negative,也就是實(shí)現(xiàn)LSH的增強(qiáng)。常用的增強(qiáng)LSH的方法有使用多個(gè)獨(dú)立的哈希表,運(yùn)用AND、OR、XOR等操作以及這些操作的級(jí)聯(lián)運(yùn)算。

    增強(qiáng)局部敏感哈希的執(zhí)行過程體現(xiàn)為:

    輸入: “user-item”評(píng)分記錄,pool_size代表每個(gè)哈希表所對(duì)應(yīng)哈希函數(shù)的個(gè)數(shù),hash_count是哈希表的個(gè)數(shù)。

    輸出: 具有hash_count個(gè)數(shù)目的哈希索引結(jié)構(gòu)。

    過程:

    Step1算法初始化。將“user-item”評(píng)分記錄轉(zhuǎn)換為“user-item”評(píng)分矩陣,具有m個(gè)用戶、n個(gè)項(xiàng)目的評(píng)分矩陣Dm×n表征為:

    對(duì)于一個(gè)用戶,其評(píng)分記錄可以表示為向量uk=(itemk,1.q,itemk,2.q,…,itemk,m.q),其中itemk,l.q(1≤l≤n,1≤k≤m)表示用戶k對(duì)于物品的評(píng)分,若該用戶從未評(píng)議過該項(xiàng)目則該評(píng)分為0。

    Step2LSH構(gòu)造。對(duì)于每個(gè)用戶u∈U,根據(jù)既定的哈希函數(shù)族{hk(u)}將評(píng)分記錄向量uk映射到哈??臻g中。hk(u)計(jì)算公式表示為:

    (2)

    式中:v是一個(gè)m維向量(v1,v2,…,vm),(1≤i≤m),其中vi的取值范圍為[-1,1],運(yùn)算符°表示對(duì)兩個(gè)向量進(jìn)行點(diǎn)積運(yùn)算。

    對(duì)于式(2)可以用一下物理模型進(jìn)行描述:

    向量v是一個(gè)對(duì)高維空間進(jìn)行分割的超平面,LSH的過程即是將分布在高維評(píng)分空間中的用戶評(píng)分點(diǎn)集進(jìn)行區(qū)域劃分,基于前文中關(guān)于LSH基本思想的闡述,如果兩個(gè)點(diǎn)相似,則會(huì)有極高的概率被超平面劃分到同一個(gè)區(qū)域當(dāng)中。

    Step 3LSH索引構(gòu)建。對(duì)于Dm×n中的每一個(gè)評(píng)分向量uk=(itemk,1.q,itemk,2.q,…,itemk,m.q),利用哈希函數(shù)進(jìn)行映射,并對(duì)每個(gè)哈希表進(jìn)行分桶構(gòu)建索引。

    Step 4用戶的興趣相似性檢索。有關(guān)用戶的興趣相似性檢索,只需將hash_count個(gè)哈希表中處于一個(gè)桶中的所有用戶的并集作為待預(yù)測目標(biāo)用戶的興趣最近鄰集合。在此基礎(chǔ)上,運(yùn)用上述三步,計(jì)算目標(biāo)最鄰近用戶的在線哈希族函數(shù)個(gè)數(shù)N,找到規(guī)模等于N的哈希桶,將用戶作為相似的候選“近鄰”放進(jìn)哈希桶。

    3 ILSH統(tǒng)計(jì)預(yù)測算法

    現(xiàn)實(shí)中的推薦系統(tǒng)的物品遠(yuǎn)遠(yuǎn)多于用戶,而對(duì)于單個(gè)用戶而言,其評(píng)分向量往往是極其稀疏的。單純通過LSH算法找到目標(biāo)用戶的相似用戶進(jìn)而對(duì)所有物品進(jìn)行無差別的加權(quán)相加預(yù)測評(píng)分,并沒有考慮到用戶會(huì)對(duì)特定的產(chǎn)品存在一定的愛好偏差這一基本消費(fèi)心理。因此,本文的ILSH只將相似用戶對(duì)相似物品進(jìn)行平均加權(quán)取值,用以描述用戶對(duì)特定物品的愛好偏差。

    設(shè)定待預(yù)測目標(biāo)用戶u的最近鄰集合表示為U,目標(biāo)物品i的最近鄰集合為I,Rvi是近鄰用戶v對(duì)物品i的評(píng)分,則用戶u對(duì)i的預(yù)測評(píng)分為:

    (3)

    基于改進(jìn)LSH(后文用ILSH表示)的統(tǒng)計(jì)預(yù)測算法主要分為四個(gè)步驟,偽碼描述如算法1-算法4。

    算法1構(gòu)建LSH-family

    Hash_count: 哈希表的個(gè)數(shù)

    Pool_size: 每個(gè)哈希表中哈希函數(shù)的個(gè)數(shù),即哈希值

    Dimensions: 評(píng)分向量維度

    H(·): LSH函數(shù)族

    Fork=1toHash_count

    Forg=1topool_size

    Forl=1toDimensions

    Pkgl=random[-1,1]

    EndFor

    vk=(Pkg1,Pkg2,…,Pkgdimensions)

    EndFor

    Hk=(v1,v2,…,vpool_size)

    EndFor

    算法2分別對(duì)user和item構(gòu)建索引

    u(j):用戶j的評(píng)分向量

    i(k):物品k的評(píng)分向量

    Hu(·):根據(jù)用戶評(píng)分向量建立的LSH-family

    Hi(·):根據(jù)物品評(píng)分向量建立的LSH-family

    Users:用戶列表

    Items:為物品列表

    /*根據(jù)用戶評(píng)分向量和物品評(píng)分向量建立不同

    維度的LSH-family和哈希表*/

    Foru(j)inUsers

    Hj(u(j))=(v1·u(j),v2·u(j),…)

    Ubucket[Hj(u(j))]·append(userj)

    Fori(k)inItems

    Hk(i(k))=(v1·i(k),v2·i(k),…)

    Ibucket[Hk(i(k))]·append(itemk)

    算法3相似性檢索

    Utarget: 目標(biāo)用戶

    Itarget: 目標(biāo)物品

    Forx=1toHash_count

    hvu=Hu(Utarget)

    uset+=Ubucke[hvu]

    EndFor

    Fory=1toHash_count

    hvi=Hi(Itarget)

    Iset+=Ibucket[hvi]

    Endfor

    EndFor

    算法4統(tǒng)計(jì)預(yù)測評(píng)分

    similar_ratings=rating[uset,:]

    similar_ratings=similar_ratings[:,Iset]

    p_rating=similar_ratings

    [similar_ratings.nonzero()]mean()

    4 實(shí) 驗(yàn)

    4.1 訓(xùn)練數(shù)據(jù)集及評(píng)價(jià)指標(biāo)

    ILSH算法的實(shí)驗(yàn)數(shù)據(jù)集選自University of Minnesota的GroupLens課題組提供MovieLens(http://grouplens.org/datasets/movielens/),涉及6 040個(gè)用戶關(guān)于3 706部電影的評(píng)議投票,共包括1 000 000個(gè)評(píng)分記錄,設(shè)定電影的評(píng)分?jǐn)?shù)值分布在區(qū)間[0, 5]。評(píng)分越高,則表明某用戶對(duì)某電影的興趣偏好度越大。

    有關(guān)用戶的評(píng)分統(tǒng)計(jì)度量標(biāo)準(zhǔn)定位于平均絕對(duì)誤差(Mean Absolute Error, MAE),通過計(jì)算興趣偏好近似用戶的評(píng)分與待評(píng)估的目標(biāo)用戶評(píng)分之間的偏差,根據(jù)此偏差大小預(yù)測準(zhǔn)確性。平均絕對(duì)誤差的數(shù)值越小,推薦準(zhǔn)確性越高。假設(shè)待預(yù)測的用戶評(píng)分表示為向量表達(dá)式p=(p1,p2,…,pm),實(shí)際的用戶評(píng)分向量為r=(r1,r2,…,rm),則平均絕對(duì)誤差為:

    (4)

    4.2 實(shí)驗(yàn)設(shè)計(jì)及結(jié)果分析

    4.2.1pool_size和hash_count的選擇

    為了提高哈希的查詢質(zhì)量,盡量降低False Positive和False Negative,在實(shí)施中,通常會(huì)采用兩種策略[14]:

    (1) 在一個(gè)Hash表內(nèi)使用更多的哈希函數(shù);

    (2) 建立多個(gè)Hash表。

    本文實(shí)驗(yàn)主要考察pool_size和hash_count兩個(gè)參數(shù)對(duì)實(shí)驗(yàn)結(jié)果的影響,訓(xùn)練過程如圖3-圖5所示。用PYTHON實(shí)現(xiàn)本文算法,從實(shí)驗(yàn)數(shù)據(jù)的訓(xùn)練結(jié)果中可以看出,當(dāng)相關(guān)參數(shù)值分別設(shè)定為pool_size=7, hash_count=12, 所得到的MAE結(jié)果值最低,也是最好的實(shí)驗(yàn)結(jié)果。通過取不同的參數(shù)值訓(xùn)練數(shù)據(jù)可以看出,對(duì)于興趣度相似或近似的用戶,可以取得更好的檢索準(zhǔn)確率,從而確保較高的目標(biāo)服務(wù)推薦質(zhì)量,提高用戶的滿意度。

    圖3 不同參數(shù)對(duì)MAE的影響

    圖4 不同參數(shù)對(duì)MAE的影響

    圖5 不同參數(shù)對(duì)MAE的影響

    4.2.2與傳統(tǒng)基于用戶/物品的協(xié)同過濾算法的對(duì)比

    為檢驗(yàn)ILSH算法的優(yōu)勢,在算法訓(xùn)練中,我們劃定不同用戶評(píng)分的稀疏數(shù)據(jù)矩陣展開針對(duì)性檢驗(yàn)。稀疏數(shù)據(jù)并非無用數(shù)據(jù),數(shù)據(jù)的稀疏度指的是不存在數(shù)據(jù)的多維結(jié)構(gòu)的單元的相對(duì)百分比,在數(shù)據(jù)稀疏的前提下從多維結(jié)構(gòu)中能否學(xué)習(xí)并挖掘出更多有效數(shù)據(jù),是算法的一個(gè)重要衡量指標(biāo)。這里我們設(shè)定稀疏度計(jì)量區(qū)間為[0.100,0.300],步長為0.025,在近似用戶評(píng)分矩陣的刪除數(shù)據(jù)比例上,比較用戶評(píng)分矩陣的稀疏度所實(shí)現(xiàn)的數(shù)據(jù)獲取效果,即對(duì)比本文提出的ILSH與傳統(tǒng)的基于用戶PCC(User-based Pearson Correlation Coefficient, UPCC)的協(xié)同過濾算法和基于物品(Item-based Peason Correlation Coefficient, IPCC)的協(xié)同過濾算法的MAE值。根據(jù)4.2.1節(jié)的實(shí)驗(yàn)結(jié)果,設(shè)定hash_count=12,pool_size=7。

    實(shí)驗(yàn)結(jié)果如圖6所示,當(dāng)數(shù)據(jù)稀疏度逐漸上升時(shí),UPCC、IPCC、ILSH的MAE都會(huì)有一定程度的上升,但本文提出的ILSH算法的MAE一直處于較小的水平,且比傳統(tǒng)的UPCC和IPCC的MAE低很多。

    圖6 UPCC、IPCC、ILSH的MAE隨著 數(shù)據(jù)稀疏度變化的對(duì)比

    4.2.3ILSH與最新LSH改進(jìn)算法的比較

    為將ILSH同最新LSH算法的執(zhí)行結(jié)果進(jìn)行有效比較,采用了與4.2.1節(jié)相同的實(shí)驗(yàn)方案,選取不同的用戶評(píng)分矩陣稀疏度,比較用戶評(píng)分矩陣在不同的稀疏度下兩種算法的MAE,實(shí)驗(yàn)對(duì)比結(jié)果如圖7所示。

    圖7 相關(guān)LSH算法與ILSH算法的MAE應(yīng) 對(duì)數(shù)據(jù)稀疏度的變化對(duì)比

    從圖7中可以看出,本文提出的ILSH算法的MAE值一直處于較低的水平且一直比IPLSH和UPLSH要低。這驗(yàn)證了ILSH算法的相對(duì)穩(wěn)定性和準(zhǔn)確性。

    5 結(jié) 語

    針對(duì)物品推薦體系中高維的用戶評(píng)分?jǐn)?shù)據(jù)以及物品選擇和管理的數(shù)據(jù)稀疏性對(duì)推薦決策帶來的影響,本文基于最新LSH優(yōu)化算法提出了基于ILSH的統(tǒng)計(jì)預(yù)測算法。實(shí)驗(yàn)表明,本文提出的ILSH能很好地應(yīng)對(duì)海量高維數(shù)據(jù)近似計(jì)算,有效減少數(shù)據(jù)稀疏度對(duì)統(tǒng)計(jì)預(yù)測精度的影響。今后將基于興趣偏好的“近鄰的近鄰也是我的近鄰”這一理論,結(jié)合機(jī)器學(xué)習(xí)算法提高用戶興趣統(tǒng)計(jì)預(yù)測結(jié)果的準(zhǔn)確性和智能性。

    猜你喜歡
    哈希物品檢索
    稱物品
    “雙十一”,你搶到了想要的物品嗎?
    2019年第4-6期便捷檢索目錄
    誰動(dòng)了凡·高的物品
    專利檢索中“語義”的表現(xiàn)
    專利代理(2016年1期)2016-05-17 06:14:36
    基于OpenCV與均值哈希算法的人臉相似識(shí)別系統(tǒng)
    找物品
    基于維度分解的哈希多維快速流分類算法
    基于同態(tài)哈希函數(shù)的云數(shù)據(jù)完整性驗(yàn)證算法
    一種基于Bigram二級(jí)哈希的中文索引結(jié)構(gòu)
    国产综合懂色| www日本在线高清视频| 看免费av毛片| 99国产精品99久久久久| 国产精品电影一区二区三区| 久久精品亚洲精品国产色婷小说| 不卡av一区二区三区| 757午夜福利合集在线观看| 国产 一区 欧美 日韩| 国产精品野战在线观看| 成人欧美大片| 亚洲av片天天在线观看| 岛国在线观看网站| 亚洲中文字幕一区二区三区有码在线看 | 一个人看视频在线观看www免费 | 亚洲中文字幕日韩| 成人av一区二区三区在线看| 男女午夜视频在线观看| 一区福利在线观看| 国产精品av久久久久免费| 三级毛片av免费| 免费观看精品视频网站| 日韩免费av在线播放| АⅤ资源中文在线天堂| 麻豆国产av国片精品| 99久久成人亚洲精品观看| 国产精品国产高清国产av| 亚洲乱码一区二区免费版| 亚洲中文av在线| 毛片女人毛片| 日日夜夜操网爽| 亚洲中文字幕一区二区三区有码在线看 | aaaaa片日本免费| 真人做人爱边吃奶动态| 久久欧美精品欧美久久欧美| 综合色av麻豆| 国产精品亚洲av一区麻豆| 在线国产一区二区在线| av天堂在线播放| 久久精品综合一区二区三区| 亚洲欧美激情综合另类| 国产伦一二天堂av在线观看| www日本黄色视频网| 国产精品女同一区二区软件 | 国产伦精品一区二区三区视频9 | 久久这里只有精品19| 国产伦精品一区二区三区四那| 欧美日韩黄片免| 久久中文看片网| 久久久久国内视频| 高潮久久久久久久久久久不卡| 精品一区二区三区视频在线观看免费| 亚洲中文av在线| 国产精品美女特级片免费视频播放器 | 最新中文字幕久久久久 | 亚洲国产日韩欧美精品在线观看 | 一本精品99久久精品77| 亚洲国产欧美人成| 国产精品女同一区二区软件 | 日本五十路高清| 午夜影院日韩av| 九九久久精品国产亚洲av麻豆 | 国产成人aa在线观看| 色av中文字幕| 免费在线观看日本一区| 搞女人的毛片| 日本黄色视频三级网站网址| 婷婷精品国产亚洲av在线| 热99在线观看视频| 视频区欧美日本亚洲| 久久久久国内视频| 窝窝影院91人妻| 伊人久久大香线蕉亚洲五| 成年女人永久免费观看视频| 免费在线观看亚洲国产| 亚洲va日本ⅴa欧美va伊人久久| 天天躁狠狠躁夜夜躁狠狠躁| 精品久久久久久久末码| 啦啦啦观看免费观看视频高清| 色哟哟哟哟哟哟| 亚洲av成人av| 美女高潮的动态| 熟妇人妻久久中文字幕3abv| 国内揄拍国产精品人妻在线| 免费观看的影片在线观看| 男女那种视频在线观看| 嫩草影视91久久| 最近视频中文字幕2019在线8| 国产97色在线日韩免费| 亚洲欧美精品综合一区二区三区| 黄片小视频在线播放| 久久九九热精品免费| 国产精品电影一区二区三区| 天天躁狠狠躁夜夜躁狠狠躁| 高清毛片免费观看视频网站| 亚洲在线观看片| 黄色 视频免费看| 国产午夜精品久久久久久| bbb黄色大片| 亚洲av片天天在线观看| 日韩成人在线观看一区二区三区| 国产成人精品久久二区二区91| 一卡2卡三卡四卡精品乱码亚洲| 国产精品99久久99久久久不卡| 18禁国产床啪视频网站| bbb黄色大片| 国产午夜精品论理片| 亚洲国产精品sss在线观看| 岛国在线免费视频观看| 精品一区二区三区av网在线观看| 日本免费一区二区三区高清不卡| 51午夜福利影视在线观看| 欧美极品一区二区三区四区| 精品国产亚洲在线| 国产精品av久久久久免费| 精品日产1卡2卡| 在线观看免费视频日本深夜| 99在线人妻在线中文字幕| 午夜激情福利司机影院| 欧美激情久久久久久爽电影| 色吧在线观看| 很黄的视频免费| 国产精品亚洲美女久久久| 18禁黄网站禁片免费观看直播| 最近最新中文字幕大全免费视频| 久久久精品大字幕| 日韩成人在线观看一区二区三区| 久久性视频一级片| 丁香六月欧美| 国产一区二区在线观看日韩 | 国产美女午夜福利| 白带黄色成豆腐渣| 麻豆国产97在线/欧美| 国产视频内射| 欧美日韩综合久久久久久 | 在线播放国产精品三级| 亚洲专区中文字幕在线| 欧美黑人巨大hd| 亚洲人成网站高清观看| 久久久国产欧美日韩av| 一本久久中文字幕| 久久精品亚洲精品国产色婷小说| 日韩欧美三级三区| 精品熟女少妇八av免费久了| 欧美乱色亚洲激情| 久久中文看片网| 女警被强在线播放| 国产免费男女视频| 岛国视频午夜一区免费看| 在线观看日韩欧美| 欧美绝顶高潮抽搐喷水| 中文字幕人妻丝袜一区二区| 国产单亲对白刺激| 不卡一级毛片| 日本a在线网址| 久久伊人香网站| 亚洲一区二区三区色噜噜| 九九热线精品视视频播放| 久久久国产成人精品二区| 三级男女做爰猛烈吃奶摸视频| 国产成年人精品一区二区| 国产麻豆成人av免费视频| 国产免费男女视频| 床上黄色一级片| 国产亚洲欧美98| 欧美不卡视频在线免费观看| 波多野结衣高清作品| 非洲黑人性xxxx精品又粗又长| 亚洲国产精品合色在线| 成年女人永久免费观看视频| av黄色大香蕉| 国产三级在线视频| 成人无遮挡网站| 国产精品电影一区二区三区| 99久久精品热视频| 亚洲欧美激情综合另类| 久久精品91蜜桃| 九九热线精品视视频播放| 精品99又大又爽又粗少妇毛片 | 成年女人毛片免费观看观看9| 亚洲欧美精品综合一区二区三区| 99国产综合亚洲精品| 国产成人啪精品午夜网站| 国产一区二区三区视频了| 久久99热这里只有精品18| 日韩中文字幕欧美一区二区| 亚洲成人久久性| 一进一出好大好爽视频| 国产精品九九99| 黄片大片在线免费观看| 高清在线国产一区| 韩国av一区二区三区四区| 999久久久国产精品视频| 免费高清视频大片| 欧美乱妇无乱码| 亚洲欧洲精品一区二区精品久久久| 婷婷亚洲欧美| 亚洲国产看品久久| 国产成人精品无人区| 首页视频小说图片口味搜索| 成人永久免费在线观看视频| 亚洲自拍偷在线| 淫秽高清视频在线观看| 久久久精品欧美日韩精品| 欧美色欧美亚洲另类二区| 波多野结衣巨乳人妻| 日韩欧美国产一区二区入口| 丰满人妻一区二区三区视频av | 久久久精品欧美日韩精品| 亚洲av第一区精品v没综合| 成人无遮挡网站| 国产综合懂色| 精品国产亚洲在线| 久久久久久久久久黄片| 欧美成狂野欧美在线观看| 观看免费一级毛片| 欧美日韩黄片免| 天堂√8在线中文| 亚洲成av人片免费观看| 免费观看精品视频网站| 老熟妇仑乱视频hdxx| 变态另类丝袜制服| 热99re8久久精品国产| 亚洲 欧美一区二区三区| 12—13女人毛片做爰片一| 亚洲,欧美精品.| 欧美日韩一级在线毛片| 夜夜躁狠狠躁天天躁| 精品一区二区三区视频在线观看免费| 国产av不卡久久| 国产成人精品无人区| 丰满人妻熟妇乱又伦精品不卡| 三级男女做爰猛烈吃奶摸视频| 国产91精品成人一区二区三区| 嫁个100分男人电影在线观看| 精品久久蜜臀av无| 国产精品电影一区二区三区| 一区二区三区高清视频在线| 国产午夜精品久久久久久| 一进一出抽搐动态| 免费一级毛片在线播放高清视频| 国产爱豆传媒在线观看| 麻豆国产97在线/欧美| 国内精品久久久久久久电影| 亚洲av片天天在线观看| 亚洲国产精品999在线| 亚洲黑人精品在线| 黄色丝袜av网址大全| 全区人妻精品视频| www.999成人在线观看| 欧美色视频一区免费| 岛国在线观看网站| 精品国产乱码久久久久久男人| 国产精品一区二区免费欧美| 国产又色又爽无遮挡免费看| 夜夜夜夜夜久久久久| 亚洲一区二区三区色噜噜| 欧美在线一区亚洲| 国产精品乱码一区二三区的特点| 久久中文字幕一级| 人人妻人人看人人澡| 黄片小视频在线播放| 成人三级做爰电影| 精品久久久久久,| 久久久色成人| 一区二区三区激情视频| 天天躁日日操中文字幕| 亚洲国产精品合色在线| 一夜夜www| 日日摸夜夜添夜夜添小说| 午夜免费观看网址| www.精华液| 99国产极品粉嫩在线观看| 男人的好看免费观看在线视频| 国产精品99久久久久久久久| 露出奶头的视频| 天堂网av新在线| 国产又色又爽无遮挡免费看| 亚洲第一欧美日韩一区二区三区| 午夜福利在线在线| 免费观看的影片在线观看| 老司机在亚洲福利影院| 国产精品一区二区三区四区久久| 黑人欧美特级aaaaaa片| 宅男免费午夜| 国内久久婷婷六月综合欲色啪| 人人妻人人澡欧美一区二区| 国产成人aa在线观看| 成人特级黄色片久久久久久久| 日日干狠狠操夜夜爽| 一级毛片高清免费大全| 99在线人妻在线中文字幕| 亚洲天堂国产精品一区在线| 国产欧美日韩一区二区三| 久久精品国产99精品国产亚洲性色| 国产一级毛片七仙女欲春2| 免费搜索国产男女视频| 激情在线观看视频在线高清| 最近最新中文字幕大全免费视频| 不卡av一区二区三区| 熟妇人妻久久中文字幕3abv| 757午夜福利合集在线观看| 国产伦一二天堂av在线观看| 少妇丰满av| www.999成人在线观看| 国产真实乱freesex| 日韩国内少妇激情av| 亚洲国产欧洲综合997久久,| 午夜久久久久精精品| 嫩草影视91久久| 亚洲欧美日韩卡通动漫| 99久久精品一区二区三区| 午夜a级毛片| 中文字幕精品亚洲无线码一区| 国产乱人伦免费视频| 亚洲中文av在线| 国产aⅴ精品一区二区三区波| 搡老岳熟女国产| 成人性生交大片免费视频hd| 一个人看的www免费观看视频| 国产精品av久久久久免费| 亚洲av成人精品一区久久| 精华霜和精华液先用哪个| 精品一区二区三区视频在线 | 成人三级黄色视频| 身体一侧抽搐| 亚洲无线在线观看| 啦啦啦韩国在线观看视频| 久久久成人免费电影| 国产97色在线日韩免费| 久久欧美精品欧美久久欧美| 欧美成狂野欧美在线观看| 亚洲专区字幕在线| 窝窝影院91人妻| 欧洲精品卡2卡3卡4卡5卡区| 国产精品久久视频播放| 久久久精品欧美日韩精品| 国产精品久久久久久人妻精品电影| 九色成人免费人妻av| 亚洲精品色激情综合| 久久99热这里只有精品18| av欧美777| 成人国产一区最新在线观看| 身体一侧抽搐| 亚洲成人中文字幕在线播放| 日本五十路高清| 国产私拍福利视频在线观看| 男女床上黄色一级片免费看| 免费看美女性在线毛片视频| 欧美黑人巨大hd| 国产成人aa在线观看| 欧美黄色淫秽网站| 九色国产91popny在线| 亚洲第一电影网av| 在线看三级毛片| 欧美在线黄色| 国产高清视频在线观看网站| 亚洲黑人精品在线| 久久久国产成人精品二区| 人人妻人人看人人澡| 午夜福利高清视频| 深夜精品福利| 国产成人影院久久av| 99在线视频只有这里精品首页| 国产精华一区二区三区| 桃色一区二区三区在线观看| 日韩精品青青久久久久久| 真人一进一出gif抽搐免费| 亚洲人成网站在线播放欧美日韩| 亚洲av熟女| 一本综合久久免费| 国产精品女同一区二区软件 | 国产高清激情床上av| 中出人妻视频一区二区| 美女免费视频网站| 女人被狂操c到高潮| 国产精品影院久久| 老司机午夜十八禁免费视频| 亚洲精品在线观看二区| 久久这里只有精品19| 欧美一区二区精品小视频在线| 给我免费播放毛片高清在线观看| 日本黄色视频三级网站网址| 午夜福利视频1000在线观看| 成年女人看的毛片在线观看| 青草久久国产| 日本黄大片高清| 18美女黄网站色大片免费观看| 激情在线观看视频在线高清| 国产一区二区三区在线臀色熟女| 国产午夜精品论理片| 五月玫瑰六月丁香| 黄色丝袜av网址大全| 国产高清激情床上av| 日本三级黄在线观看| 久久精品夜夜夜夜夜久久蜜豆| 校园春色视频在线观看| 国产高清激情床上av| 日本三级黄在线观看| 黄色女人牲交| 中文字幕最新亚洲高清| 亚洲,欧美精品.| 中文在线观看免费www的网站| 国产精品久久久人人做人人爽| 久久久久精品国产欧美久久久| 久久亚洲精品不卡| 99久久成人亚洲精品观看| 1024香蕉在线观看| 日本一本二区三区精品| 亚洲熟妇中文字幕五十中出| 日日夜夜操网爽| 变态另类丝袜制服| 精品久久久久久久人妻蜜臀av| 国产一区二区激情短视频| 国产精品电影一区二区三区| 色综合站精品国产| 中文字幕高清在线视频| 极品教师在线免费播放| 一个人看视频在线观看www免费 | 成熟少妇高潮喷水视频| 国产主播在线观看一区二区| 伦理电影免费视频| 99热只有精品国产| 脱女人内裤的视频| 成人特级av手机在线观看| 91在线观看av| 国产黄色小视频在线观看| 岛国在线观看网站| 久久精品91无色码中文字幕| 日韩中文字幕欧美一区二区| 麻豆国产av国片精品| 成人av一区二区三区在线看| 热99re8久久精品国产| 神马国产精品三级电影在线观看| 日本黄色片子视频| 中文字幕人成人乱码亚洲影| 天堂影院成人在线观看| 国产高清视频在线观看网站| 在线国产一区二区在线| 欧美日韩乱码在线| 无人区码免费观看不卡| 国产又黄又爽又无遮挡在线| 国产伦一二天堂av在线观看| 国产av在哪里看| 国产精品久久视频播放| www日本在线高清视频| 极品教师在线免费播放| 人妻丰满熟妇av一区二区三区| 日韩 欧美 亚洲 中文字幕| www.www免费av| 最近最新中文字幕大全电影3| 午夜福利在线在线| 桃红色精品国产亚洲av| 天天一区二区日本电影三级| 久久久国产精品麻豆| 国产高清三级在线| 禁无遮挡网站| 男人舔女人的私密视频| 一边摸一边抽搐一进一小说| 日韩精品中文字幕看吧| 国产伦人伦偷精品视频| 国产成+人综合+亚洲专区| 极品教师在线免费播放| 人人妻人人看人人澡| 天天添夜夜摸| 国产av麻豆久久久久久久| www.999成人在线观看| 人妻丰满熟妇av一区二区三区| 丰满的人妻完整版| 午夜久久久久精精品| 99热只有精品国产| 高潮久久久久久久久久久不卡| 一进一出好大好爽视频| 精品午夜福利视频在线观看一区| 97碰自拍视频| 午夜激情欧美在线| 日韩欧美国产一区二区入口| 18禁黄网站禁片午夜丰满| 欧美三级亚洲精品| 黄片大片在线免费观看| 搡老熟女国产l中国老女人| 日韩欧美免费精品| 亚洲成av人片在线播放无| a级毛片a级免费在线| 亚洲国产欧美网| 国产一区二区三区在线臀色熟女| 真人做人爱边吃奶动态| 久久久久久久午夜电影| 啦啦啦韩国在线观看视频| 国产黄a三级三级三级人| 国产av麻豆久久久久久久| 国产一区二区在线av高清观看| 日本一本二区三区精品| 久久精品影院6| 免费一级毛片在线播放高清视频| 亚洲精品美女久久av网站| 亚洲在线自拍视频| 午夜免费观看网址| 亚洲欧洲精品一区二区精品久久久| 久久久成人免费电影| 国产精品一区二区免费欧美| 亚洲熟妇中文字幕五十中出| 久久久精品大字幕| 日韩欧美三级三区| 国产激情偷乱视频一区二区| 亚洲国产欧洲综合997久久,| 国产激情欧美一区二区| 一个人免费在线观看的高清视频| 亚洲av片天天在线观看| 99国产综合亚洲精品| 欧美绝顶高潮抽搐喷水| 国内毛片毛片毛片毛片毛片| 亚洲欧美日韩东京热| 51午夜福利影视在线观看| 在线十欧美十亚洲十日本专区| 91久久精品国产一区二区成人 | 欧美激情久久久久久爽电影| 亚洲狠狠婷婷综合久久图片| 在线国产一区二区在线| 国产三级黄色录像| 久久久久久久久免费视频了| 18禁国产床啪视频网站| 欧美另类亚洲清纯唯美| 欧美av亚洲av综合av国产av| 精品日产1卡2卡| 男人舔女人下体高潮全视频| 91麻豆av在线| 一区福利在线观看| www.精华液| 久久99热这里只有精品18| 日韩欧美在线二视频| 97超视频在线观看视频| 欧美一级a爱片免费观看看| 美女高潮喷水抽搐中文字幕| 日本在线视频免费播放| 色吧在线观看| 99热精品在线国产| 久久中文字幕人妻熟女| 欧美精品啪啪一区二区三区| 日韩av在线大香蕉| 熟女电影av网| 18禁黄网站禁片午夜丰满| 免费看a级黄色片| 可以在线观看的亚洲视频| 国内精品美女久久久久久| 女警被强在线播放| 午夜视频精品福利| 欧美日韩福利视频一区二区| 我的老师免费观看完整版| 亚洲成人久久爱视频| 99国产极品粉嫩在线观看| 精品一区二区三区四区五区乱码| 亚洲av成人不卡在线观看播放网| 亚洲成人久久爱视频| 日本与韩国留学比较| 99久国产av精品| 国产不卡一卡二| 国内久久婷婷六月综合欲色啪| 国产精品久久久久久精品电影| 男女那种视频在线观看| 99精品欧美一区二区三区四区| 啦啦啦韩国在线观看视频| 露出奶头的视频| 亚洲无线观看免费| 成人午夜高清在线视频| 欧美不卡视频在线免费观看| 99riav亚洲国产免费| 悠悠久久av| 老司机午夜十八禁免费视频| 日韩欧美精品v在线| 老司机福利观看| 免费av毛片视频| 国产成人av激情在线播放| 琪琪午夜伦伦电影理论片6080| 怎么达到女性高潮| 色综合站精品国产| 国产视频一区二区在线看| av片东京热男人的天堂| 波多野结衣高清作品| 757午夜福利合集在线观看| 国产成人aa在线观看| 午夜免费观看网址| 两性午夜刺激爽爽歪歪视频在线观看| 99精品久久久久人妻精品| avwww免费| 欧美日本视频| 禁无遮挡网站| 少妇丰满av| 9191精品国产免费久久| 俺也久久电影网| 巨乳人妻的诱惑在线观看| 一级毛片高清免费大全| 俺也久久电影网| 五月伊人婷婷丁香| 国产欧美日韩精品一区二区| 男女视频在线观看网站免费| 最好的美女福利视频网| 91老司机精品| 69av精品久久久久久| 亚洲av成人不卡在线观看播放网| 黑人欧美特级aaaaaa片| 亚洲aⅴ乱码一区二区在线播放| 久久欧美精品欧美久久欧美| 精品一区二区三区av网在线观看| 欧美在线一区亚洲| 免费看a级黄色片| 看免费av毛片| 免费看十八禁软件| 久久国产乱子伦精品免费另类| 国产av麻豆久久久久久久| 99riav亚洲国产免费| 日韩 欧美 亚洲 中文字幕| 麻豆一二三区av精品| 18禁裸乳无遮挡免费网站照片| 在线视频色国产色|