• <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 ?

    一種基于數(shù)據(jù)的GitHub項(xiàng)目個(gè)性化混合推薦方法

    2020-11-26 00:36:34何鍇琦馬宇驍劉華虓
    關(guān)鍵詞:項(xiàng)目數(shù)協(xié)同矩陣

    何鍇琦, 馬宇驍, 張 炎, 劉華虓

    (1. 吉林大學(xué) 研究生院, 長(zhǎng)春 130012; 2. 美國(guó)東北大學(xué) 工程學(xué)院, 美國(guó) 波士頓 02115;3. 吉林大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院, 長(zhǎng)春 130012)

    GitHub是目前知名的軟件項(xiàng)目托管平臺(tái)之一, 在該平臺(tái)上開發(fā)人員可通過賬戶共享自己創(chuàng)建(Create)的項(xiàng)目、 派生(Fork)他人的項(xiàng)目或關(guān)注(Watch)其他開發(fā)者的項(xiàng)目. 其提供了搜索功能, 在不提供任何自動(dòng)建議的情形下允許用戶對(duì)平臺(tái)中的項(xiàng)目進(jìn)行手動(dòng)檢索. 傳統(tǒng)的搜索引擎通常側(cè)重于對(duì)檢索內(nèi)容的文本匹配, 但對(duì)于開源軟件代碼庫的用戶, 搜索合適的項(xiàng)目是一項(xiàng)困難的任務(wù): 一方面, 用戶通常很難用幾個(gè)關(guān)鍵詞準(zhǔn)確地描述軟件項(xiàng)目的特征, 導(dǎo)致難以獲得理想結(jié)果,此外, 由于搜索結(jié)果較多, 待選項(xiàng)目的質(zhì)量通常參差不齊, 只能依靠星級(jí)等有限評(píng)價(jià)體系; 另一方面, 由于不同項(xiàng)目的參與難度不同, 會(huì)導(dǎo)致缺乏經(jīng)驗(yàn)的新用戶無從下手. 因此, 如何利用數(shù)據(jù)分析方法, 根據(jù)不同用戶的專業(yè)方向和專業(yè)水平的差異, 提供個(gè)性化項(xiàng)目推薦方法研究已成為目前的熱門問題[1].

    本文基于內(nèi)存的協(xié)同過濾方法, 提出一種基于數(shù)據(jù)的面向領(lǐng)域入門的GitHub項(xiàng)目個(gè)性化混合推薦方法, 通過將基于用戶和基于項(xiàng)目的協(xié)同過濾方法進(jìn)行混合, 并利用倒排表和K均值分類方法, 在一定程度上解決了傳統(tǒng)方法在面對(duì)GitHub用戶及項(xiàng)目數(shù)量級(jí)較大但交叉度較低的數(shù)據(jù)集時(shí)數(shù)據(jù)稀疏和冷啟動(dòng)問題, 并通過對(duì)比實(shí)驗(yàn)驗(yàn)證了本文方法的有效性.

    1 基于內(nèi)存的協(xié)同過濾方法

    協(xié)同過濾方法是一組用于推薦系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)的方法, 具有實(shí)現(xiàn)簡(jiǎn)單且推薦結(jié)果準(zhǔn)確的特征. Tapestry[2]作為第一個(gè)手動(dòng)協(xié)作過濾系統(tǒng), 允許用戶通過參考其他用戶的操作查詢信息域中的項(xiàng)目. 文獻(xiàn)[3]提出了自動(dòng)協(xié)作過濾系統(tǒng)GroupLens, 其能自動(dòng)定位具有相關(guān)性的信息, 并聚合為目標(biāo)用戶提供建議. 用戶只需執(zhí)行可觀察到的操作, 系統(tǒng)將收集到的信息與其他用戶的相關(guān)操作結(jié)合, 提供個(gè)性化的結(jié)果. 協(xié)同過濾技術(shù)中最常見的是基于內(nèi)存的技術(shù), 基于內(nèi)存的技術(shù)使用已有的評(píng)價(jià)數(shù)據(jù)計(jì)算用戶或項(xiàng)目之間的相似度[4], 根據(jù)計(jì)算出的相似度值做出推薦, 其又可分為基于用戶的方法和基于項(xiàng)目的方法兩種.

    基于用戶的協(xié)同過濾算法(user-based collaborative filtering)是目前應(yīng)用較多的算法. 該算法通過計(jì)算目標(biāo)用戶與鄰居用戶之間的相似性, 根據(jù)鄰居用戶對(duì)某個(gè)資源的評(píng)分, 預(yù)測(cè)目標(biāo)用戶的評(píng)分, 預(yù)測(cè)評(píng)分最高的若干項(xiàng)目作為對(duì)用戶的推薦呈現(xiàn)給目標(biāo)用戶. 其核心思想是計(jì)算用戶間的相似性, 尋找與用戶相似度最高的鄰居. 而基于項(xiàng)目的協(xié)同過濾算法(item-based collaborative filtering)則關(guān)注目標(biāo)用戶評(píng)分的項(xiàng)目與其鄰居項(xiàng)目的相似性, 將預(yù)測(cè)評(píng)分高的若干項(xiàng)目作為對(duì)用戶的推薦呈現(xiàn)給目標(biāo)用戶.

    1.1 基于用戶的協(xié)同過濾方法

    對(duì)于目標(biāo)用戶u, 基于用戶的協(xié)同過濾方法首先在用戶群中找到與用戶u存在相似性的用戶, 然后通過對(duì)其感興趣的項(xiàng)目進(jìn)行篩選, 結(jié)合他們對(duì)某一項(xiàng)目r的評(píng)分預(yù)測(cè)用戶u對(duì)該項(xiàng)目的評(píng)分, 從而得到用戶u對(duì)未知項(xiàng)目的評(píng)分排序列表, 進(jìn)而達(dá)到推薦目的. 算法步驟如下.

    1) 將獲取的數(shù)據(jù)集進(jìn)行預(yù)處理, 為不同操作賦予不同的分?jǐn)?shù)權(quán)重, 然后利用處理好的數(shù)據(jù)集構(gòu)建用戶-項(xiàng)目矩陣. 結(jié)果表示為一個(gè)m×n的用戶評(píng)價(jià)矩陣M, 其中m是用戶數(shù),n是項(xiàng)目數(shù),M[i,j]表示第i個(gè)用戶對(duì)第j個(gè)項(xiàng)目的操作; 若用戶未對(duì)某個(gè)項(xiàng)目進(jìn)行過操作, 則記為0分. 表1為用戶-項(xiàng)目矩陣的一個(gè)示例.

    表1 用戶-項(xiàng)目矩陣示例

    2) 得到用戶-項(xiàng)目矩陣后, 要完成對(duì)目標(biāo)用戶最近鄰居的查找. 通過計(jì)算目標(biāo)用戶與其他用戶之間的相似度, 得到與目標(biāo)用戶最近的鄰居集. 假設(shè)R(u)為用戶u進(jìn)行過操作的項(xiàng)目集合,R(v)為用戶v進(jìn)行過操作的項(xiàng)目集合, 如果將用戶-項(xiàng)目矩陣中的每行記錄視為一個(gè)向量, 則在推薦問題中計(jì)算u與v的相似度常用Jaccard相似度算法[5]和余弦相似度算法[6], 計(jì)算公式分別為

    (1)

    (2)

    Jaccard相似度算法用于計(jì)算兩個(gè)集合之間的相似程度, 但集合中的元素取值是二元的, 只能是0或1; 而余弦相似度算法在這方面則沒有限制.

    3) 先從已計(jì)算完相似度的用戶集中篩選出與目標(biāo)用戶u最相似的k個(gè)用戶, 用集合S(u,k)表示, 其中k是預(yù)設(shè)的相似用戶窗口尺寸. 然后提取S中用戶的所有評(píng)分項(xiàng)目, 并刪除目標(biāo)用戶u進(jìn)行過評(píng)分的項(xiàng)目, 將保留下的項(xiàng)目視為候選項(xiàng)目, 對(duì)每個(gè)候選項(xiàng)目r, 用戶對(duì)其預(yù)測(cè)評(píng)分(感興趣程度)為

    (3)

    其中RTv,r表示用戶v對(duì)項(xiàng)目r的評(píng)分. 最后根據(jù)預(yù)測(cè)的目標(biāo)用戶評(píng)分結(jié)果進(jìn)行排序, 取前N個(gè)作為最終的推薦結(jié)果.

    1.2 基于項(xiàng)目的協(xié)同過濾方法

    與基于用戶的協(xié)同過濾方法相反, 基于項(xiàng)目的協(xié)同過濾方法[7]通過計(jì)算項(xiàng)目之間的相似度找到最相似的項(xiàng)目, 直接執(zhí)行協(xié)同過濾. 該算法步驟如下:

    1) 對(duì)于每個(gè)項(xiàng)目, 算法通過使用余弦相似度計(jì)算相似度, 得到k個(gè)與其最相似的項(xiàng)目,k也稱為鄰居數(shù);

    2) 該算法從k個(gè)最相似的項(xiàng)目中刪除待推薦用戶已評(píng)分(進(jìn)行過操作)的項(xiàng)目集合R, 即刪除用戶已經(jīng)創(chuàng)建、 派生或關(guān)注的所有存儲(chǔ)庫, 將結(jié)果保存在集合U中;

    3) 計(jì)算集合U和集合R中每個(gè)項(xiàng)目之間的相似度, 即計(jì)算用戶已評(píng)分的項(xiàng)目與其k個(gè)最相似項(xiàng)目之間的相似度, 結(jié)果是一個(gè)按相似度遞減排序的項(xiàng)目列表.

    2 混合推薦方法設(shè)計(jì)

    通過對(duì)兩種基于內(nèi)存的協(xié)同過濾方法比較可見: 基于用戶的協(xié)同過濾方法具有易實(shí)現(xiàn)、 準(zhǔn)確率高、 移植性強(qiáng)等特點(diǎn), 但隨著用戶量的增加, 推薦過程的計(jì)算量呈線性增加, 對(duì)于千萬級(jí)的用戶和項(xiàng)目, 存在嚴(yán)重的可擴(kuò)展性問題; 而基于項(xiàng)目的協(xié)同過濾方法則可通過建立以項(xiàng)目為基礎(chǔ)的推薦模型, 解決高計(jì)算成本的問題, 且在多數(shù)情形下推薦結(jié)果甚至優(yōu)于傳統(tǒng)的基于用戶的協(xié)同過濾方法. 但這兩種方法也存在數(shù)據(jù)稀疏、 高維度、 冷啟動(dòng)等問題; 此外, 在推薦結(jié)果上, 基于用戶的方法偏向于推薦流行度高的項(xiàng)目, 而基于項(xiàng)目的方法則偏向于推薦更具個(gè)性化的項(xiàng)目.

    基于上述分析, 本文將兩種基于內(nèi)存的協(xié)同過濾方法相結(jié)合, 提出一種混合推薦方法, 不僅可動(dòng)態(tài)計(jì)算相似用戶以保證推薦的個(gè)性化, 而且只用很小規(guī)模的相似用戶便可得到與基于項(xiàng)目方法相近似的推薦質(zhì)量. 本文混合推薦方法如下:

    1) 利用基于用戶協(xié)同過濾方法中計(jì)算用戶相似度的方法, 計(jì)算目標(biāo)用戶u與其他所有用戶的相似性, 確定u的鄰居用戶. 可采用兩種方法: 一是預(yù)先確定相似度閾值, 與目標(biāo)用戶相似度大于該閾值的用戶作為其鄰居; 二是預(yù)先確定鄰居數(shù)k, 選擇相似度最高的前k個(gè)用戶作為鄰居. 本文使用第二種方法確定目標(biāo)用戶的鄰居.

    2) 根據(jù)上述確定的鄰居用戶, 利用基于項(xiàng)目協(xié)同過濾的方法進(jìn)行預(yù)測(cè)評(píng)分及項(xiàng)目推薦, 即通過計(jì)算項(xiàng)目之間的相似度, 找出與目標(biāo)用戶及其鄰居已評(píng)分項(xiàng)目中的相似項(xiàng)目, 并根據(jù)相似度順序進(jìn)行Top-N推薦.

    通過對(duì)兩種推薦方法的結(jié)合, 使推薦結(jié)果的流行度與個(gè)性化兼?zhèn)? 且降低了推薦成本, 提高了推薦效率.

    2.1 數(shù)據(jù)稀疏性問題

    在協(xié)作過濾技術(shù)中, 通常需要構(gòu)建用戶-項(xiàng)目矩陣, 其中每個(gè)條目都是未知值或用戶對(duì)項(xiàng)目的評(píng)分. 本文在構(gòu)建用戶-項(xiàng)目矩陣中的用戶評(píng)分建模時(shí)考慮用戶對(duì)項(xiàng)目的Create,Fork和Watch三個(gè)操作, 并根據(jù)操作中所隱含的用戶與項(xiàng)目的關(guān)聯(lián)程度, 為三種操作指定評(píng)分值5,3和1, 即如果開發(fā)人員是該代碼庫的創(chuàng)建者, 則其評(píng)分值為5; 如果開發(fā)人員派生了該代碼庫, 則其評(píng)分值為3; 如果開發(fā)人員關(guān)注了該代碼庫, 則其評(píng)分值為1, 否則為0(未知評(píng)分).

    定義1設(shè)U={u1,u2,…,un}是所有用戶的集合,R={R1,R2,…,Rn}是所有項(xiàng)目的集合, 則用戶-項(xiàng)目矩陣(開發(fā)人員-代碼庫矩陣)為Mn×m, 其中,

    圖1 用戶與項(xiàng)目的關(guān)系Fig.1 Relationship between users and items

    圖2 項(xiàng)目-用戶倒排表Fig.2 Inverse table of item-user

    設(shè)相似度矩陣為C[u][v], 令C[u][v]=R(u)∩R(v), 即在倒排表中假設(shè)用戶u和用戶v同時(shí)屬于倒排表中K個(gè)項(xiàng)目對(duì)應(yīng)的用戶列表, 則有C[u][v]=K. 如圖1所示, 只有在項(xiàng)目a對(duì)應(yīng)的用戶列表中同時(shí)出現(xiàn)了用戶A和用戶B, 則在矩陣中將C[A][B]賦值為1. 綜合圖2的項(xiàng)目-用戶倒排表, 相似度矩陣賦值如圖3所示. 用余弦相似度算法對(duì)相似度矩陣進(jìn)行優(yōu)化處理, 可得如圖4所示的相似度矩陣, 從而降低了數(shù)據(jù)的稀疏性.

    圖3 相似度矩陣賦值Fig.3 Similarity matrix assignment

    圖4 余弦相似度計(jì)算后的相似度矩陣Fig.4 Similarity matrix after cosine similarity calculation

    2.2 冷啟動(dòng)問題

    當(dāng)期望以用戶或項(xiàng)目的歷史行為作為研究對(duì)象時(shí), 不可避免地會(huì)遇到冷啟動(dòng)問題, 即當(dāng)用戶或項(xiàng)目作為新數(shù)據(jù)進(jìn)入數(shù)據(jù)庫時(shí), 其歷史行為集為空集, 使得研究方法無法應(yīng)用. 在推薦問題上, 冷啟動(dòng)問題表現(xiàn)為: 對(duì)新用戶推薦結(jié)果的合理性和有效性無法得到保障, 以及新項(xiàng)目無法被推薦給用戶. 本文對(duì)前者進(jìn)行一定程度的緩解, 將分類結(jié)果作為項(xiàng)目的一個(gè)屬性留存, 在系統(tǒng)對(duì)領(lǐng)域入門的用戶進(jìn)行推薦時(shí), 將參考該屬性對(duì)其做出推薦, 步驟如下:

    1) 將項(xiàng)目的文本信息矢量化, 將其轉(zhuǎn)換為高維度向量, 同時(shí), 利用詞頻-逆文件(TF-IDF)頻率方法, 在矢量化過程中計(jì)算各詞語的TF-IDF值, 以便后續(xù)分析與處理;

    2) 按照提前設(shè)置好的類別數(shù)K, 將K均值聚類算法應(yīng)用到步驟1)中的矢量結(jié)果中, 不斷運(yùn)行直至聚類結(jié)束;

    3) 輸出每個(gè)項(xiàng)目的所屬類別結(jié)果, 并輸出每個(gè)類的關(guān)鍵詞信息.

    本文改進(jìn)方法的思想: 當(dāng)用戶在GitHub中擁有一定量對(duì)項(xiàng)目的操作歷史后, 推薦系統(tǒng)可根據(jù)行為歷史對(duì)用戶作出推薦; 但當(dāng)用戶行為歷史不足時(shí), 如領(lǐng)域入門的開發(fā)者, 期望通過對(duì)其僅有的行為歷史得到一些項(xiàng)目信息, 并為其推薦擁有相似信息的項(xiàng)目, 使推薦結(jié)果盡可能合理、 有效, 從而在一定程度上緩解協(xié)同過濾方法的冷啟動(dòng)問題.

    本文選取的項(xiàng)目信息是項(xiàng)目文本信息. 在GitHub中項(xiàng)目具有多種文本信息, 如名稱、 簡(jiǎn)介、 代碼、 ReadMe文件等, 從中選取最能快速區(qū)分項(xiàng)目間差異的項(xiàng)目名稱、 項(xiàng)目簡(jiǎn)介, 并遵循用戶友好的原則, 同時(shí)考慮項(xiàng)目的編程語言種類因素. 本文用K均值聚類算法對(duì)項(xiàng)目文本信息進(jìn)行分析, 確定其之間的相似關(guān)系. 在將文本信息矢量化的同時(shí), 直接利用詞頻-逆文件頻率方法[8]對(duì)矩陣進(jìn)行優(yōu)化.

    3 實(shí) 驗(yàn)

    3.1 數(shù)據(jù)收集

    為方便研究人員對(duì)GitHub進(jìn)行研究, 平臺(tái)開放了GitHub rest API, 用以提供GitHub的用戶及項(xiàng)目數(shù)據(jù). 但GitHub的數(shù)據(jù)量非常龐大, 且5 000個(gè)/h請(qǐng)求的API速率限制使完整下載數(shù)據(jù)幾乎是不可能的. 為鼓勵(lì)研究者對(duì)GitHub數(shù)據(jù)進(jìn)行更深入地挖掘, Gousios等[9-11]創(chuàng)建了GHTorrent, 本質(zhì)上是GitHub rest API所提供數(shù)據(jù)的一個(gè)可伸縮、 可查詢的離線鏡像.

    本文選擇最新的完整數(shù)據(jù)包, 該數(shù)據(jù)包中包含了目前GitHub各類數(shù)據(jù), 包括用戶、 項(xiàng)目、 提交等. 然后將整個(gè)數(shù)據(jù)包導(dǎo)入到MySql數(shù)據(jù)庫系統(tǒng)中, 并對(duì)其進(jìn)行如下預(yù)處理:

    1) 數(shù)據(jù)集中共有121 725 743個(gè)項(xiàng)目, 將其均勻分為50檔, 每檔隨機(jī)抽取100個(gè)項(xiàng)目, 共得到5 000個(gè)項(xiàng)目;

    2) 從2019-01-01—2019-05-31的相關(guān)數(shù)據(jù)中截取5 000個(gè)項(xiàng)目, 對(duì)這些項(xiàng)目最近5個(gè)月的數(shù)據(jù)進(jìn)行研究;

    3) 從數(shù)據(jù)集中提取出所有對(duì)5 000個(gè)項(xiàng)目進(jìn)行過創(chuàng)建(Create)、 派生(Fork)或關(guān)注(Watch)操作的用戶;

    4) 對(duì)項(xiàng)目和用戶進(jìn)行真實(shí)性和存在性的篩選, 以確保所有項(xiàng)目和用戶是真實(shí)的且未注銷或刪除;

    5) 以用戶的操作量作為篩選條件, 以10作為篩選閾值, 刪除對(duì)項(xiàng)目操作數(shù)低于10次的用戶;

    6) 最后將用戶和項(xiàng)目的行為關(guān)系進(jìn)行格式化, 使其能被推薦系統(tǒng)成功讀取.

    經(jīng)過上述預(yù)處理, 本文共獲得10 742名GitHub用戶面向4 879個(gè)GitHub項(xiàng)目的創(chuàng)建、 派生和關(guān)注操作數(shù)據(jù)共計(jì)195 850條. 此外, 本文還從GHTorrent數(shù)據(jù)集中獲取到實(shí)驗(yàn)所用項(xiàng)目的文本信息, 包括項(xiàng)目名稱、 項(xiàng)目簡(jiǎn)介和編程語言等, 并對(duì)其進(jìn)行如下預(yù)處理:

    1) 分別得到4 879個(gè)候選項(xiàng)目的名稱、 簡(jiǎn)介和所用編程語言(占最大比例), 并將三者在文本層面上進(jìn)行連接;

    2) 刪除文本中的標(biāo)點(diǎn)符號(hào)、 特殊字符及亂碼等干擾信息;

    3) 將項(xiàng)目編號(hào)與對(duì)應(yīng)文本進(jìn)行格式化, 使其能被推薦系統(tǒng)成功讀取.

    3.2 參數(shù)設(shè)置

    圖5 K值對(duì)數(shù)據(jù)畸變程度的影響Fig.5 Influence of K values on degree of data distortion

    下面通過控制變量對(duì)比性實(shí)驗(yàn)的方法對(duì)改進(jìn)方法的參數(shù)進(jìn)行優(yōu)化. 首先對(duì)混合推薦方法的鄰居用戶數(shù)、 鄰居項(xiàng)目數(shù)和推薦項(xiàng)目數(shù)分別進(jìn)行對(duì)比實(shí)驗(yàn). 選取推薦項(xiàng)目數(shù)為5, 鄰居項(xiàng)目數(shù)為15, 取鄰居用戶數(shù)10~20, 觀察精確率和召回率指標(biāo)的變化, 結(jié)果列于表2. 由表2可見, 指標(biāo)隨鄰居用戶數(shù)的增多而提高, 為了兼顧推薦效率、 覆蓋率和流行度等其他變量, 本文將鄰居用戶數(shù)設(shè)為15. 選取推薦項(xiàng)目數(shù)為5, 鄰居用戶數(shù)為15, 取鄰居項(xiàng)目數(shù)10~20, 觀察其各項(xiàng)指標(biāo)變化, 結(jié)果列于表3. 觀察結(jié)果與鄰居用戶數(shù)類似, 因此同理將鄰居項(xiàng)目數(shù)設(shè)為15. 選取鄰居用戶數(shù)為15, 鄰居項(xiàng)目數(shù)為15, 取推薦項(xiàng)目1~11, 觀察其各項(xiàng)指標(biāo)的變化, 結(jié)果列于表4. 由表4可見, 隨著推薦項(xiàng)目數(shù)的增加, 精確率迅速下降, 而召回率迅速提升, 因此本文取均值, 將推薦項(xiàng)目數(shù)設(shè)為5.

    下面對(duì)緩解冷啟動(dòng)問題時(shí)K均值聚類算法的K值進(jìn)行優(yōu)化. 將K值取1~10, 并分別計(jì)算每個(gè)K值對(duì)應(yīng)的畸變程度, 即每個(gè)類心與其內(nèi)部數(shù)據(jù)成員位置距離平方和的平均值, 若類內(nèi)成員彼此間越緊湊則類的畸變程度越小, 反之, 若類內(nèi)成員彼此間越分散則類的畸變程度越大, 實(shí)驗(yàn)結(jié)果如圖5所示. 由圖5可見, 畸變程度隨聚類數(shù)K的增大而降低, 但若K值過小, 聚類則失去了實(shí)際意義, 無法為用戶推薦個(gè)性化強(qiáng)的項(xiàng)目, 因此本文取K=6, 期望能兼顧項(xiàng)目的相似性與獨(dú)特性.

    表2 鄰居用戶數(shù)對(duì)精確率和召回率的影響

    表3 鄰居項(xiàng)目數(shù)對(duì)精確率和召回率的影響

    表4 推薦項(xiàng)目數(shù)對(duì)精確率和召回率的影響

    圖6 不同推薦方法在4個(gè)評(píng)價(jià)指標(biāo)上的對(duì)比Fig.6 Comparison of different recommended methods on four evaluation indexes

    3.3 實(shí)驗(yàn)結(jié)果及評(píng)價(jià)

    將上述參數(shù)應(yīng)用到改進(jìn)后的推薦方法中, 并將改進(jìn)方法與傳統(tǒng)的兩種基于內(nèi)存的協(xié)同過濾方法進(jìn)行對(duì)比, 以驗(yàn)證本文方法的可行性. 本文對(duì)基于改進(jìn)后的推薦系統(tǒng)進(jìn)行了實(shí)際操作, 針對(duì)某個(gè)真實(shí)用戶進(jìn)行推薦結(jié)果分析, 使實(shí)驗(yàn)結(jié)果更直觀.

    首先將改進(jìn)方法與傳統(tǒng)方法應(yīng)用到經(jīng)過預(yù)處理的GitHub數(shù)據(jù)集上進(jìn)行評(píng)估, 實(shí)驗(yàn)結(jié)果如圖6所示. 由圖6可見: 改進(jìn)方法在精確率和召回率指標(biāo)上均高于兩種傳統(tǒng)方法, 改進(jìn)方法的覆蓋率和流行度指標(biāo)均介于二者之間; 改進(jìn)方法解決了數(shù)據(jù)稀疏性問題, 并在一定程度上緩解了冷啟動(dòng)問題, 提高了整體推薦性能.

    下面針對(duì)實(shí)驗(yàn)數(shù)據(jù)集中的8088號(hào)用戶“Ajeo”從推薦系統(tǒng)中獲取的推薦結(jié)果進(jìn)行分析, 其GitHub主頁如圖7所示. “Ajeo”在本文實(shí)驗(yàn)數(shù)據(jù)集中共有14條評(píng)分?jǐn)?shù)據(jù), 其中包括派生了自然語言處理課程“oxford-cs-deepnlp-2017/lectures”, 關(guān)注了數(shù)據(jù)科學(xué)手冊(cè)“jakevdp/PythonDataScience Handbook”、 著名的自然語言處理工具“google-research/bert”和深度學(xué)習(xí)論文“terryum/awesome-deep-learning-papers”等; 本文推薦系統(tǒng)根據(jù)其項(xiàng)目操作歷史, 為其個(gè)性化推薦5個(gè)項(xiàng)目, 結(jié)果列于表5.

    圖7 “Ajeo” GitHub主頁Fig.7 GitHub homepage of “Ajeo”

    表5 用戶“Ajeo”獲得的推薦結(jié)果

    由表5可見, 在Top-5推薦列表中, 排在第一位的是一個(gè)設(shè)計(jì)工具的插件集, 這是計(jì)算機(jī)從業(yè)者常用的工具, 具有較高的流行度. 可以合理推測(cè), 與其相似的開發(fā)者可能很多人都在使用這個(gè)工具集. 而剩下的4個(gè)項(xiàng)目都與他在GitHub上的項(xiàng)目操作歷史緊密相關(guān), 涉及到機(jī)器學(xué)習(xí)、 自然語言處理等內(nèi)容. 通過對(duì)用戶“Ajeo”所得推薦結(jié)果的分析, 可認(rèn)為本文推薦系統(tǒng)具有較合理、 有效的推薦能力.

    下面在數(shù)據(jù)集中新加入一名用戶“ILOVEJLU”, 并令其派生一個(gè)Android UI庫“wasabeef/awesome-android-ui”, 然后使用推薦系統(tǒng)為其提供推薦結(jié)果, 得到推薦結(jié)果列于表6.

    表6 用戶“ILOVEJLU”獲得的推薦結(jié)果

    由表6可見, 系統(tǒng)提供的推薦結(jié)果在文本信息層面與“ILOVEJLU”的項(xiàng)目操作歷史相似度很高, 因而內(nèi)容上也具有很強(qiáng)的相關(guān)性, 對(duì)于新用戶或領(lǐng)域入門的開發(fā)者具有一定的指導(dǎo)意義.

    綜上所述, 針對(duì)GitHub平臺(tái)現(xiàn)有項(xiàng)目推薦功能的缺陷, 本文提出了一種基于數(shù)據(jù)的GitHub項(xiàng)目個(gè)性化混合推薦方法. 首先, 對(duì)現(xiàn)有協(xié)同過濾方法進(jìn)行了改進(jìn)和優(yōu)化, 通過建立倒排表的方式大幅度降低了基于用戶的協(xié)同過濾方法在計(jì)算用戶相似度時(shí)的計(jì)算成本, 并提高了運(yùn)行效率, 克服了協(xié)同過濾方法存在的數(shù)據(jù)稀疏性問題; 其次, 通過利用基于用戶的協(xié)同過濾方法進(jìn)行用戶相似度計(jì)算, 并利用基于項(xiàng)目的協(xié)同過濾方法進(jìn)行項(xiàng)目推薦的方式, 將兩種基于內(nèi)存的協(xié)同過濾方法相結(jié)合成為混合推薦方法, 優(yōu)化了推薦結(jié)果, 兼顧了推薦結(jié)果的流行度與個(gè)性化, 并保持了協(xié)同過濾推薦方法的優(yōu)越性; 再次, 基于項(xiàng)目文本信息進(jìn)行聚類, 使評(píng)分歷史不足的用戶能利用僅有的項(xiàng)目歷史獲得較合理、 有效的推薦, 在一定程度上緩解了協(xié)同過濾方法存在的冷啟動(dòng)問題; 最后對(duì)該推薦方法進(jìn)行實(shí)證研究, 將其應(yīng)用到從GHTorrent獲取的真實(shí)GitHub數(shù)據(jù)上, 并通過實(shí)驗(yàn)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行評(píng)估. 實(shí)驗(yàn)結(jié)果表明, 在常見的幾個(gè)評(píng)估推薦系統(tǒng)的評(píng)價(jià)指標(biāo)上, 本文方法與兩種傳統(tǒng)基于內(nèi)存的協(xié)同過濾方法相比, 都有較優(yōu)越的表現(xiàn), 證實(shí)了該方法在面向領(lǐng)域入門的GitHub項(xiàng)目推薦問題上的可行性.

    猜你喜歡
    項(xiàng)目數(shù)協(xié)同矩陣
    蜀道難:車與路的協(xié)同進(jìn)化
    “四化”協(xié)同才有出路
    汽車觀察(2019年2期)2019-03-15 06:00:50
    “中國(guó)PPP大數(shù)據(jù)” 之全國(guó)PPP綜合信息平臺(tái)項(xiàng)目管理庫2017年報(bào)
    三醫(yī)聯(lián)動(dòng) 協(xié)同創(chuàng)新
    初等行變換與初等列變換并用求逆矩陣
    矩陣
    南都周刊(2015年4期)2015-09-10 07:22:44
    矩陣
    南都周刊(2015年3期)2015-09-10 07:22:44
    矩陣
    南都周刊(2015年1期)2015-09-10 07:22:44
    協(xié)同進(jìn)化
    我校 46個(gè)項(xiàng)目獲得 2010年度國(guó)家自然科學(xué)基金批準(zhǔn)立項(xiàng)
    真实男女啪啪啪动态图| 国产精品一区二区三区四区久久| 亚洲午夜精品一区,二区,三区| 免费观看精品视频网站| 色视频www国产| 给我免费播放毛片高清在线观看| 亚洲精品色激情综合| 国产精品久久久久久久电影 | 欧美日韩福利视频一区二区| 88av欧美| 国产三级中文精品| 亚洲欧美日韩高清在线视频| 亚洲中文日韩欧美视频| 最近最新中文字幕大全免费视频| 三级男女做爰猛烈吃奶摸视频| 欧美极品一区二区三区四区| 性色avwww在线观看| 免费高清视频大片| 色在线成人网| 全区人妻精品视频| 久久精品国产综合久久久| 亚洲成av人片在线播放无| 最近最新中文字幕大全电影3| 国产97色在线日韩免费| 一个人观看的视频www高清免费观看 | 久久久久九九精品影院| 午夜影院日韩av| 国产探花在线观看一区二区| 首页视频小说图片口味搜索| 亚洲五月婷婷丁香| 九九热线精品视视频播放| 国产又色又爽无遮挡免费看| 黄色成人免费大全| 午夜精品一区二区三区免费看| 亚洲欧洲精品一区二区精品久久久| 又爽又黄无遮挡网站| 免费在线观看亚洲国产| 嫩草影院入口| 男女做爰动态图高潮gif福利片| 色av中文字幕| 听说在线观看完整版免费高清| 亚洲激情在线av| 成年版毛片免费区| 伦理电影免费视频| x7x7x7水蜜桃| 国产欧美日韩一区二区精品| 久久久久久久午夜电影| 久久精品aⅴ一区二区三区四区| 老熟妇仑乱视频hdxx| 欧美乱码精品一区二区三区| 99在线视频只有这里精品首页| 久久久国产精品麻豆| 国产成年人精品一区二区| 在线国产一区二区在线| 国产亚洲欧美98| 精品欧美国产一区二区三| 我要搜黄色片| 九色成人免费人妻av| 婷婷六月久久综合丁香| 亚洲乱码一区二区免费版| 又紧又爽又黄一区二区| 日日夜夜操网爽| 国产精品 欧美亚洲| 国产成人av教育| 欧美zozozo另类| 一级黄色大片毛片| 久久国产精品影院| 国产精品乱码一区二三区的特点| 一级毛片女人18水好多| 国产综合懂色| 99久久成人亚洲精品观看| 91麻豆av在线| 亚洲人成电影免费在线| 欧美色视频一区免费| 久久精品91无色码中文字幕| 男女视频在线观看网站免费| 99在线人妻在线中文字幕| 波多野结衣高清作品| 黄色女人牲交| 男人舔奶头视频| 国产爱豆传媒在线观看| 在线视频色国产色| avwww免费| 巨乳人妻的诱惑在线观看| 99久久精品热视频| 日本 av在线| 最新美女视频免费是黄的| 国模一区二区三区四区视频 | 欧美3d第一页| 日韩高清综合在线| a级毛片在线看网站| 国产精品九九99| 日韩精品青青久久久久久| 熟女电影av网| 久久久久国产精品人妻aⅴ院| 亚洲 欧美一区二区三区| 天堂影院成人在线观看| 中出人妻视频一区二区| 欧美日韩一级在线毛片| 黄片大片在线免费观看| 欧美在线一区亚洲| 搡老妇女老女人老熟妇| 国产一区二区激情短视频| 美女黄网站色视频| 美女午夜性视频免费| www.自偷自拍.com| 亚洲 欧美 日韩 在线 免费| 亚洲av五月六月丁香网| 亚洲欧美日韩高清在线视频| 久久草成人影院| 美女 人体艺术 gogo| 国产淫片久久久久久久久 | 国产亚洲欧美98| 在线免费观看不下载黄p国产 | 69av精品久久久久久| a级毛片a级免费在线| 色吧在线观看| 一级a爱片免费观看的视频| 亚洲成人精品中文字幕电影| 99国产极品粉嫩在线观看| 97碰自拍视频| 中文亚洲av片在线观看爽| 成人永久免费在线观看视频| 午夜日韩欧美国产| 一级毛片精品| 天堂网av新在线| 一级毛片女人18水好多| 国产综合懂色| 淫妇啪啪啪对白视频| 国产又黄又爽又无遮挡在线| 欧美大码av| 色尼玛亚洲综合影院| 黄色丝袜av网址大全| 法律面前人人平等表现在哪些方面| 成人鲁丝片一二三区免费| 最新在线观看一区二区三区| 97超级碰碰碰精品色视频在线观看| 中文字幕精品亚洲无线码一区| 美女 人体艺术 gogo| 欧美成人免费av一区二区三区| 狂野欧美激情性xxxx| 亚洲男人的天堂狠狠| 国产综合懂色| 成人精品一区二区免费| 成人永久免费在线观看视频| 国产精品一区二区三区四区免费观看 | 欧美三级亚洲精品| 日本黄大片高清| 97碰自拍视频| 国产蜜桃级精品一区二区三区| 长腿黑丝高跟| 久久精品影院6| 亚洲九九香蕉| 黄色视频,在线免费观看| 国产精品一及| 丰满人妻一区二区三区视频av | 精品国产超薄肉色丝袜足j| 波多野结衣高清无吗| 精华霜和精华液先用哪个| 最新中文字幕久久久久 | 免费观看人在逋| 亚洲av第一区精品v没综合| 亚洲欧美日韩高清专用| 欧美色欧美亚洲另类二区| 精品99又大又爽又粗少妇毛片 | 国内久久婷婷六月综合欲色啪| av女优亚洲男人天堂 | 99久久99久久久精品蜜桃| 国产成+人综合+亚洲专区| 激情在线观看视频在线高清| 亚洲成人免费电影在线观看| 老熟妇仑乱视频hdxx| 久久国产乱子伦精品免费另类| 国产蜜桃级精品一区二区三区| av欧美777| 亚洲18禁久久av| 极品教师在线免费播放| 欧美成人性av电影在线观看| 高清毛片免费观看视频网站| 18禁黄网站禁片午夜丰满| 美女扒开内裤让男人捅视频| 国产精品久久电影中文字幕| 色尼玛亚洲综合影院| 免费看日本二区| 99久久综合精品五月天人人| 亚洲在线自拍视频| 国产亚洲精品综合一区在线观看| 国产久久久一区二区三区| 久久久久性生活片| 狂野欧美白嫩少妇大欣赏| 成人鲁丝片一二三区免费| 亚洲国产精品久久男人天堂| 亚洲第一电影网av| 国产av一区在线观看免费| 亚洲人成网站高清观看| 可以在线观看毛片的网站| 欧美3d第一页| 国产一区在线观看成人免费| 欧美激情久久久久久爽电影| 亚洲电影在线观看av| 丁香六月欧美| 成人三级做爰电影| 桃色一区二区三区在线观看| 999久久久精品免费观看国产| 国产成人欧美在线观看| 老汉色∧v一级毛片| 成人国产一区最新在线观看| 国产精品亚洲美女久久久| 久久午夜综合久久蜜桃| 国产高清激情床上av| 99riav亚洲国产免费| 国产主播在线观看一区二区| 美女高潮喷水抽搐中文字幕| 国产高清激情床上av| 久久天堂一区二区三区四区| 亚洲熟妇中文字幕五十中出| 香蕉av资源在线| 欧美黑人欧美精品刺激| 国产私拍福利视频在线观看| 午夜福利18| 亚洲精品在线观看二区| 久久精品国产亚洲av香蕉五月| 90打野战视频偷拍视频| 欧美色视频一区免费| 午夜福利成人在线免费观看| 观看免费一级毛片| 国产激情偷乱视频一区二区| 亚洲电影在线观看av| 久久精品国产亚洲av香蕉五月| 亚洲欧美一区二区三区黑人| 亚洲人成电影免费在线| 成人精品一区二区免费| 久久久成人免费电影| 两性夫妻黄色片| 国产亚洲精品综合一区在线观看| 黄色女人牲交| 成年女人毛片免费观看观看9| 在线观看66精品国产| 久久精品影院6| 欧美一级毛片孕妇| 亚洲 国产 在线| 欧美成人性av电影在线观看| 男女那种视频在线观看| 无遮挡黄片免费观看| a在线观看视频网站| 在线国产一区二区在线| 久久天堂一区二区三区四区| 精品久久蜜臀av无| 波多野结衣高清无吗| 亚洲五月天丁香| 99久久精品一区二区三区| 在线观看一区二区三区| aaaaa片日本免费| 一级黄色大片毛片| 制服丝袜大香蕉在线| 两个人看的免费小视频| 男人舔女人下体高潮全视频| 美女高潮的动态| 亚洲熟女毛片儿| or卡值多少钱| 怎么达到女性高潮| 日韩欧美一区二区三区在线观看| 国产精品亚洲av一区麻豆| 亚洲精品在线美女| 夜夜爽天天搞| 看片在线看免费视频| avwww免费| 操出白浆在线播放| 亚洲成人免费电影在线观看| 亚洲七黄色美女视频| 亚洲人成网站高清观看| 亚洲国产精品999在线| 亚洲色图 男人天堂 中文字幕| 日韩国内少妇激情av| 床上黄色一级片| 熟女少妇亚洲综合色aaa.| 国产爱豆传媒在线观看| 国产精华一区二区三区| 精品福利观看| 免费观看人在逋| 成人欧美大片| 欧美黄色片欧美黄色片| 国内久久婷婷六月综合欲色啪| 99国产极品粉嫩在线观看| 成年版毛片免费区| 淫秽高清视频在线观看| 国产在线精品亚洲第一网站| 一进一出好大好爽视频| 99热这里只有精品一区 | 免费在线观看成人毛片| 老汉色∧v一级毛片| 国产精品久久久久久人妻精品电影| 国产精品野战在线观看| 波多野结衣高清作品| 中出人妻视频一区二区| 日韩欧美国产一区二区入口| 久9热在线精品视频| 久久国产精品影院| 啪啪无遮挡十八禁网站| 两性午夜刺激爽爽歪歪视频在线观看| 舔av片在线| 高潮久久久久久久久久久不卡| 欧美在线黄色| 97超级碰碰碰精品色视频在线观看| 国产午夜福利久久久久久| 岛国在线免费视频观看| 好看av亚洲va欧美ⅴa在| 天堂动漫精品| 国产 一区 欧美 日韩| 91av网一区二区| 久久久久性生活片| 亚洲专区中文字幕在线| 99在线视频只有这里精品首页| 欧美日韩精品网址| 久久亚洲真实| 人妻丰满熟妇av一区二区三区| 欧美绝顶高潮抽搐喷水| 国产野战对白在线观看| 亚洲国产欧美人成| 一边摸一边抽搐一进一小说| 国产单亲对白刺激| 久久精品亚洲精品国产色婷小说| 网址你懂的国产日韩在线| 最好的美女福利视频网| 亚洲精品中文字幕一二三四区| 禁无遮挡网站| 脱女人内裤的视频| 亚洲精品在线美女| 国产欧美日韩精品亚洲av| 亚洲五月婷婷丁香| www.熟女人妻精品国产| 天天一区二区日本电影三级| 亚洲中文字幕一区二区三区有码在线看 | 夜夜看夜夜爽夜夜摸| 欧美激情在线99| 在线国产一区二区在线| 国产精品久久久久久精品电影| 少妇的丰满在线观看| 男人舔女人的私密视频| 国产美女午夜福利| 又粗又爽又猛毛片免费看| 亚洲欧美日韩高清专用| 亚洲 欧美 日韩 在线 免费| 欧美成人一区二区免费高清观看 | 这个男人来自地球电影免费观看| 国产乱人伦免费视频| 国内毛片毛片毛片毛片毛片| 99久久99久久久精品蜜桃| 亚洲精品美女久久av网站| 午夜久久久久精精品| 在线观看一区二区三区| 熟女少妇亚洲综合色aaa.| 五月伊人婷婷丁香| aaaaa片日本免费| 免费av不卡在线播放| 免费高清视频大片| 国模一区二区三区四区视频 | 白带黄色成豆腐渣| 18禁黄网站禁片免费观看直播| 午夜福利在线观看吧| 波多野结衣巨乳人妻| 国产精品影院久久| 午夜福利免费观看在线| 精品欧美国产一区二区三| 最新美女视频免费是黄的| 国产精品1区2区在线观看.| 99re在线观看精品视频| 国产成人影院久久av| 丰满人妻熟妇乱又伦精品不卡| 亚洲一区二区三区不卡视频| 老司机深夜福利视频在线观看| 此物有八面人人有两片| 欧美黑人欧美精品刺激| 久久久国产成人免费| 欧美高清成人免费视频www| 人人妻人人澡欧美一区二区| 欧美日韩乱码在线| 精品99又大又爽又粗少妇毛片 | 国产精品综合久久久久久久免费| 国产午夜精品久久久久久| 性欧美人与动物交配| 三级男女做爰猛烈吃奶摸视频| 哪里可以看免费的av片| 国产精品美女特级片免费视频播放器 | 不卡一级毛片| 一二三四社区在线视频社区8| 久久久久九九精品影院| 在线播放国产精品三级| 午夜福利在线在线| 麻豆成人午夜福利视频| 一区二区三区高清视频在线| 别揉我奶头~嗯~啊~动态视频| 老汉色∧v一级毛片| 亚洲成av人片免费观看| 成人特级黄色片久久久久久久| 亚洲五月天丁香| 一个人看的www免费观看视频| 国产伦人伦偷精品视频| 在线观看舔阴道视频| 成在线人永久免费视频| 亚洲无线观看免费| 在线观看美女被高潮喷水网站 | 美女高潮的动态| 久久久国产欧美日韩av| 久久精品国产99精品国产亚洲性色| 18禁观看日本| 美女 人体艺术 gogo| 日本免费一区二区三区高清不卡| 成人性生交大片免费视频hd| 伊人久久大香线蕉亚洲五| 女警被强在线播放| 又粗又爽又猛毛片免费看| 久久久久性生活片| 村上凉子中文字幕在线| 少妇的丰满在线观看| 美女免费视频网站| 日本三级黄在线观看| 国产精品久久久久久精品电影| 伦理电影免费视频| 久久久久久久久久黄片| 中文字幕久久专区| 久久精品综合一区二区三区| 亚洲国产欧美网| a级毛片a级免费在线| 欧美乱码精品一区二区三区| 国产黄色小视频在线观看| 少妇熟女aⅴ在线视频| 欧美成人性av电影在线观看| 国产精品1区2区在线观看.| 天天躁日日操中文字幕| 一区二区三区激情视频| 亚洲国产色片| 国内少妇人妻偷人精品xxx网站 | 国产高清三级在线| 十八禁网站免费在线| 国内精品久久久久精免费| 亚洲精品粉嫩美女一区| 黑人操中国人逼视频| 国产精品精品国产色婷婷| 9191精品国产免费久久| 日本免费a在线| 91在线观看av| 免费大片18禁| 国内精品一区二区在线观看| 色精品久久人妻99蜜桃| 日本黄大片高清| 亚洲欧美日韩高清专用| www.自偷自拍.com| 日本黄色片子视频| 美女午夜性视频免费| 国内久久婷婷六月综合欲色啪| 宅男免费午夜| 免费在线观看日本一区| 一二三四社区在线视频社区8| 亚洲中文字幕日韩| 国产成人影院久久av| 不卡一级毛片| 99热6这里只有精品| 最好的美女福利视频网| 欧美中文综合在线视频| 丰满人妻一区二区三区视频av | 欧美乱妇无乱码| 国产精品一区二区三区四区免费观看 | 国产人伦9x9x在线观看| 无遮挡黄片免费观看| 午夜激情福利司机影院| 国内精品美女久久久久久| 亚洲五月天丁香| 不卡av一区二区三区| 九九久久精品国产亚洲av麻豆 | 手机成人av网站| 国产精品自产拍在线观看55亚洲| 中文字幕最新亚洲高清| 亚洲乱码一区二区免费版| 别揉我奶头~嗯~啊~动态视频| 国产精品久久久久久久电影 | tocl精华| 99视频精品全部免费 在线 | 国产亚洲av高清不卡| 成人午夜高清在线视频| 亚洲专区字幕在线| 视频区欧美日本亚洲| 国产伦精品一区二区三区四那| 亚洲av美国av| 国产aⅴ精品一区二区三区波| 精品一区二区三区av网在线观看| 手机成人av网站| 一个人免费在线观看的高清视频| 制服人妻中文乱码| 国产三级在线视频| 给我免费播放毛片高清在线观看| 99国产精品一区二区三区| 久久精品综合一区二区三区| 美女扒开内裤让男人捅视频| 男人舔奶头视频| 美女 人体艺术 gogo| 我的老师免费观看完整版| 最近在线观看免费完整版| 不卡一级毛片| 真人一进一出gif抽搐免费| 在线观看66精品国产| 国模一区二区三区四区视频 | 嫩草影院精品99| 韩国av一区二区三区四区| 国产精品爽爽va在线观看网站| 国产激情偷乱视频一区二区| 国产精品日韩av在线免费观看| 日日夜夜操网爽| 国产欧美日韩精品亚洲av| 午夜精品一区二区三区免费看| 国产精品一区二区三区四区久久| 天堂网av新在线| 国产成年人精品一区二区| 久久国产精品人妻蜜桃| 欧美黄色片欧美黄色片| 91老司机精品| 深夜精品福利| 夜夜躁狠狠躁天天躁| 亚洲av电影在线进入| 黄色日韩在线| 国内精品久久久久久久电影| 国产蜜桃级精品一区二区三区| 波多野结衣巨乳人妻| 欧美黑人巨大hd| 精品电影一区二区在线| 99热这里只有精品一区 | 制服人妻中文乱码| 叶爱在线成人免费视频播放| 亚洲国产高清在线一区二区三| 在线看三级毛片| 久久精品国产亚洲av香蕉五月| 精品久久久久久久人妻蜜臀av| 一个人观看的视频www高清免费观看 | 久久久久久久久久黄片| 无限看片的www在线观看| 国产亚洲av嫩草精品影院| 亚洲欧美日韩无卡精品| 亚洲欧美日韩高清在线视频| 日本免费a在线| 欧美日韩黄片免| 成人鲁丝片一二三区免费| 88av欧美| 日韩国内少妇激情av| 国产欧美日韩一区二区精品| 搡老岳熟女国产| 99精品在免费线老司机午夜| 欧美激情在线99| 精品电影一区二区在线| 色尼玛亚洲综合影院| 亚洲无线在线观看| av天堂中文字幕网| 国产日本99.免费观看| 丰满人妻一区二区三区视频av | 亚洲 欧美 日韩 在线 免费| 成年女人毛片免费观看观看9| 免费高清视频大片| 亚洲色图av天堂| 99热6这里只有精品| 免费电影在线观看免费观看| 9191精品国产免费久久| 久久性视频一级片| 搡老岳熟女国产| 国产欧美日韩精品一区二区| 色播亚洲综合网| 日韩精品青青久久久久久| 亚洲第一电影网av| 久久久精品欧美日韩精品| 动漫黄色视频在线观看| 亚洲精品456在线播放app | 亚洲最大成人中文| 可以在线观看的亚洲视频| 日韩欧美一区二区三区在线观看| 亚洲av成人一区二区三| 一本久久中文字幕| 18禁黄网站禁片免费观看直播| 亚洲 欧美一区二区三区| 国产av不卡久久| 可以在线观看的亚洲视频| 黑人巨大精品欧美一区二区mp4| 国产伦人伦偷精品视频| 国产久久久一区二区三区| 亚洲精品一区av在线观看| 欧美中文日本在线观看视频| 99re在线观看精品视频| 久久久久精品国产欧美久久久| 美女午夜性视频免费| 黑人欧美特级aaaaaa片| 亚洲精品美女久久久久99蜜臀| 国产熟女xx| 欧美乱妇无乱码| 99re在线观看精品视频| 最近最新中文字幕大全电影3| 日韩欧美免费精品| 亚洲一区二区三区色噜噜| 黄色片一级片一级黄色片| 黄片小视频在线播放| 天天一区二区日本电影三级| 黄色片一级片一级黄色片| 久久国产乱子伦精品免费另类| 窝窝影院91人妻| 99riav亚洲国产免费| 国产精品亚洲一级av第二区| 麻豆av在线久日| 国内久久婷婷六月综合欲色啪| 国产精品免费一区二区三区在线| 美女高潮的动态| 国产高清激情床上av| 免费观看精品视频网站| 一个人观看的视频www高清免费观看 | 亚洲欧美日韩东京热| 可以在线观看的亚洲视频| 国产精品亚洲美女久久久| 操出白浆在线播放| 久久精品91蜜桃| 国产真实乱freesex|