• <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 ?

    基于機(jī)器學(xué)習(xí)的用戶升級(jí)預(yù)判研究

    2021-02-26 08:30:06籍漢超中國(guó)聯(lián)通研究院北京00048億覽在線網(wǎng)絡(luò)技術(shù)北京有限公司北京000
    郵電設(shè)計(jì)技術(shù) 2021年1期
    關(guān)鍵詞:套餐邏輯準(zhǔn)確率

    高 和,籍漢超,陳 玲(.中國(guó)聯(lián)通研究院,北京 00048;.億覽在線網(wǎng)絡(luò)技術(shù)(北京)有限公司,北京000)

    0 前言

    隨著數(shù)據(jù)“爆炸式”增長(zhǎng)的信息時(shí)代的到來(lái),運(yùn)用人工智能技術(shù)從海量數(shù)據(jù)中獲取價(jià)值信息,進(jìn)而推動(dòng)業(yè)務(wù)發(fā)展、支撐運(yùn)營(yíng)決策,已成為企業(yè)發(fā)展的關(guān)鍵。例如,今日頭條既沒(méi)有傳統(tǒng)媒體的內(nèi)容優(yōu)勢(shì),也沒(méi)有門(mén)戶網(wǎng)站的海量用戶資源,卻憑借數(shù)據(jù)挖掘和個(gè)性化推薦技術(shù)迅速崛起,成為移動(dòng)端資訊市場(chǎng)中的一匹“黑馬”;網(wǎng)易云音樂(lè)雖然在音樂(lè)版權(quán)方面不具優(yōu)勢(shì),并受到阿里與騰訊兩大巨頭的夾擊,但憑借精準(zhǔn)多樣的推薦和基于大數(shù)據(jù)的優(yōu)質(zhì)運(yùn)營(yíng),在中國(guó)數(shù)字音樂(lè)市場(chǎng)占有著一席之地。

    對(duì)于通信運(yùn)營(yíng)商而言,覆蓋全國(guó)的移動(dòng)網(wǎng)絡(luò)承載著上億級(jí)用戶,人工智能中的機(jī)器學(xué)習(xí)工具可幫助運(yùn)營(yíng)商分析用戶特征、建立用戶畫(huà)像。目前,運(yùn)營(yíng)商在用戶性別及年齡判斷、用戶離網(wǎng)預(yù)測(cè)、用戶網(wǎng)絡(luò)滿意度分析等方面已經(jīng)形成了一些研究成果,這些成果對(duì)企業(yè)了解用戶,制定用戶維系挽留策略,制定感知提升策略提供了依據(jù),體現(xiàn)了機(jī)器學(xué)習(xí)的應(yīng)用價(jià)值。

    當(dāng)然,這些研究成果遠(yuǎn)遠(yuǎn)不夠,還有更多的領(lǐng)域需要人工智能的協(xié)助支撐,例如,在用戶變更業(yè)務(wù)套餐的意向方面,目前還鮮有研究。如果能事先洞察用戶的套餐變更需求,甄選出其中需要升級(jí)套餐內(nèi)容和價(jià)格的用戶,就能夠提升營(yíng)銷推薦的精準(zhǔn)度,增強(qiáng)關(guān)懷服務(wù)的主動(dòng)性,提高用戶向高ARPU 套餐的轉(zhuǎn)化率。鑒于此,本文在綜合應(yīng)用邏輯回歸、因式分解機(jī)、深度神經(jīng)網(wǎng)絡(luò)3種機(jī)器學(xué)習(xí)算法的基礎(chǔ)上,提出用戶是否會(huì)向高ARPU 套餐升級(jí)的預(yù)判模型,并使用移動(dòng)網(wǎng)絡(luò)業(yè)務(wù)域的真實(shí)用戶數(shù)據(jù)驗(yàn)證了模型的有效性與準(zhǔn)確性。

    1 機(jī)器學(xué)習(xí)算法

    在預(yù)測(cè)移動(dòng)用戶變更套餐的意向時(shí),本文將其轉(zhuǎn)化為一個(gè)二分類問(wèn)題,即套餐升級(jí)與否,常用的分類模型有:以邏輯回歸算法為代表的線性模型、以梯度提升樹(shù)為代表的樹(shù)模型、以樸素貝葉斯為代表的貝葉斯模型、以神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)模型等。不同模型適合于不同的場(chǎng)景:線性模型相對(duì)簡(jiǎn)單,計(jì)算量小,更適合輸入特征多、樣本數(shù)據(jù)量大的場(chǎng)景,但如果特征線性可分性差,則容易欠擬合;樹(shù)模型的優(yōu)勢(shì)在于可解釋性強(qiáng),非線性擬合效果好,但對(duì)于缺失數(shù)據(jù)十分敏感,不適用于特征量超大的場(chǎng)景;貝葉斯模型在小規(guī)模數(shù)據(jù)上表現(xiàn)較好,如果數(shù)據(jù)規(guī)模很大,一般建議使用其他模型;近年來(lái),隨著云計(jì)算的發(fā)展,計(jì)算能力得到了前所未有的增強(qiáng),計(jì)算量很大但表現(xiàn)能力很強(qiáng)的深度學(xué)習(xí)模型得到了越來(lái)越多的應(yīng)用。

    工信部統(tǒng)計(jì)的移動(dòng)電話普及率已經(jīng)超過(guò)了100%,運(yùn)營(yíng)商擁有上億級(jí)的移動(dòng)用戶信息和海量的用戶行為數(shù)據(jù)。這部分?jǐn)?shù)據(jù)分為2 類,一類是連續(xù)特征數(shù)據(jù),另一類是離散特征數(shù)據(jù)。連續(xù)特征可以經(jīng)過(guò)簡(jiǎn)單的處理直接輸入到機(jī)器學(xué)習(xí)模型,但離散特征——比如用戶職業(yè)特征(教師、工人、職員等),則需要獨(dú)熱(One-hot)編碼數(shù)字化處理后才能輸入。One-hot 編碼,即使用N位狀態(tài)寄存器來(lái)對(duì)N個(gè)狀態(tài)進(jìn)行編碼,比如使用[1,0,0,...]代表教師、[0,1,0,...]代表工人等等。經(jīng)過(guò)獨(dú)熱處理后,一維特征會(huì)轉(zhuǎn)化為多維特征,而維度的個(gè)數(shù)跟離散特征的取值個(gè)數(shù)有關(guān),其中大部分取值為零,因此會(huì)產(chǎn)生嚴(yán)重的特征稀疏問(wèn)題。

    因此,本文選取了較為經(jīng)典的、適用于大規(guī)模數(shù)據(jù)和稀疏特征的3 種分類算法(邏輯回歸、因式分解機(jī)、深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò))進(jìn)行研究對(duì)比。

    1.1 邏輯回歸

    邏輯回歸(LR——Logic Regression)是傳統(tǒng)機(jī)器學(xué)習(xí)中的一種分類模型。邏輯回歸以樣本特征的線性組合作為自變量,使用sigmoid 函數(shù)將自變量映射到(0,1)上,其預(yù)測(cè)函數(shù)為:

    模型假設(shè)預(yù)測(cè)函數(shù)的值即為結(jié)果為1的概率。

    邏輯回歸算法參數(shù)個(gè)數(shù)較少,具有計(jì)算量小、計(jì)算速度快、占用存儲(chǔ)資源少、易于并行等特點(diǎn),在處理超多維度特征問(wèn)題上有獨(dú)到的優(yōu)勢(shì),在生產(chǎn)環(huán)境中有非常廣泛的應(yīng)用空間。但模型本身一方面對(duì)特征與預(yù)測(cè)結(jié)果的線性相關(guān)性依賴性很高,另一方面無(wú)法表達(dá)特征直接的組合關(guān)系,因此對(duì)人工特征處理提出比較高的要求。

    1.2 因式分解機(jī)

    因式分解機(jī)(FM——Factorization Machine)是對(duì)邏輯回歸模型的擴(kuò)展。因式分解機(jī)基于邏輯回歸,加入了特征兩兩交叉的交叉項(xiàng),其自變量擴(kuò)展為:

    為適應(yīng)高維稀疏特征,基于矩陣分解原理提出隱藏矩陣v代替參數(shù)矩陣Θ,令

    其中m為隱藏矩陣深度,可以根據(jù)實(shí)際情況進(jìn)行調(diào)整。

    在一般的線性模型中,各個(gè)特征是獨(dú)立考慮的,沒(méi)有考慮特征與特征之間的相互關(guān)系。但實(shí)際上,大量的特征之間是有關(guān)聯(lián)的。以用戶年齡與終端類型為例,一般年輕人關(guān)注手機(jī)的運(yùn)行內(nèi)存,并樂(lè)意購(gòu)買新上市的機(jī)型,而老人可能更偏愛(ài)蓄電時(shí)間長(zhǎng)、功能簡(jiǎn)易的機(jī)型。很明顯,用戶年齡特征與終端類型特征之間有一定關(guān)聯(lián)關(guān)系。與線性模型相比,因式分解機(jī)能夠找出有關(guān)聯(lián)的特征組合,顯然是很有意義的。

    1.3 神經(jīng)網(wǎng)絡(luò)模型

    邏輯回歸等淺層學(xué)習(xí)模型雖然簡(jiǎn)單有效,但是一個(gè)重要特點(diǎn)是依靠人工經(jīng)驗(yàn)預(yù)先提取出樣本數(shù)據(jù)的特征,特征提取的好壞就成為影響整個(gè)模型系統(tǒng)性能的重要因素,為此,通常需要開(kāi)發(fā)人員耗費(fèi)精力、深入理解待解決的問(wèn)題,才能提取出合適的特征以便淺層模型處理。

    深度學(xué)習(xí),其實(shí)質(zhì)就是包含很多隱層結(jié)構(gòu)的機(jī)器學(xué)習(xí)模型。層次化的結(jié)構(gòu)使其可以通過(guò)學(xué)習(xí)和組合低層特征,形成更為深層意義、更加抽象的高層特征,最后得到數(shù)據(jù)的分布式特征表示的一種特殊網(wǎng)絡(luò)模型。和人工特征提取方法相比,深度學(xué)習(xí)通過(guò)大量數(shù)據(jù)訓(xùn)練提取特征對(duì)數(shù)據(jù)中的豐富內(nèi)在信息更有代表性,從而提高了分類和預(yù)測(cè)的精度。

    深度學(xué)習(xí)最基礎(chǔ)的模型為神經(jīng)網(wǎng)絡(luò)(NN——Neu?ral Network)。神經(jīng)網(wǎng)絡(luò)可看作一系列邏輯回歸的網(wǎng)狀組合,圖1展示了一個(gè)三層神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),圖中節(jié)點(diǎn)的計(jì)算方式為:

    其中g(shù)(*)與f(*)為激活函數(shù),可能為sigmoid 函數(shù),也可能根據(jù)實(shí)際需要調(diào)整為其他形式。

    圖1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

    從網(wǎng)絡(luò)連接關(guān)系可以看出,如果選取的激活函數(shù)是非線性函數(shù),只要網(wǎng)絡(luò)結(jié)構(gòu)足夠復(fù)雜,神經(jīng)網(wǎng)絡(luò)可以表示任意的非線性和特征組合關(guān)系。

    2 用戶升級(jí)預(yù)判模型

    2.1 系統(tǒng)建立

    本文數(shù)據(jù)集來(lái)自移動(dòng)網(wǎng)絡(luò)業(yè)務(wù)域的用戶數(shù)據(jù)。采用用戶畫(huà)像特征(省份、性別、年齡、職業(yè)、手機(jī)等)、2018 年某月的用戶運(yùn)營(yíng)信息(套餐、VIP 級(jí)別、付費(fèi)類型等)、和該月份用戶消費(fèi)情況(月話費(fèi)、月流量值、月通話時(shí)長(zhǎng)等),共70 個(gè)維度作為用戶特征。由于沒(méi)有進(jìn)行實(shí)地推廣實(shí)驗(yàn),所以采用一年后該月份仍在網(wǎng)、轉(zhuǎn)換了套餐、并且該月總流量大于等于30 GB 并且消費(fèi)大于等于129 元(5G 最低消費(fèi)套餐標(biāo)準(zhǔn))的用戶近似作為正樣本,取得數(shù)據(jù)共1 000 萬(wàn)條。用戶升級(jí)預(yù)判系統(tǒng)的整體處理流程如圖2所示。

    圖2 用戶升級(jí)預(yù)判系統(tǒng)流程

    2.2 數(shù)據(jù)清洗和特征處理

    首先進(jìn)行數(shù)據(jù)清洗:部分用戶并沒(méi)有任何升級(jí)意向,如行業(yè)用戶、合約一年后仍在期用戶等需要剔除;還有部分用戶活躍度很低,(對(duì)于預(yù)測(cè)目標(biāo))升級(jí)幾率很小,比如每月話費(fèi)小于40 元、月流量小于100 MB 的用戶,也將其去除。最終剩余樣本數(shù)140.88 萬(wàn)條,其中正樣本2.21萬(wàn)條,其余為負(fù)樣本。

    然后根據(jù)樣本特征的不同類型分別進(jìn)行處理。對(duì)于離散值特征,如性別、職業(yè)等,先將其標(biāo)簽轉(zhuǎn)化為數(shù)字,然后再使用獨(dú)熱編碼將一維特征轉(zhuǎn)化為多維。比較特殊的是,有些特征可能包含的標(biāo)簽種類很多,而長(zhǎng)尾標(biāo)簽包含的樣本又很少(如手機(jī)型號(hào)),此時(shí)需要截取頭部標(biāo)簽再進(jìn)行獨(dú)熱編碼,其余長(zhǎng)尾標(biāo)簽統(tǒng)一編碼為未知。對(duì)于連續(xù)值特征,如年齡、月流量值等,有2 種處理方式:對(duì)于年齡等數(shù)值大小對(duì)比非線性的特征,按高低分為若干個(gè)區(qū)間,等同于離散特征,將各數(shù)值區(qū)間進(jìn)行獨(dú)熱編碼;對(duì)于數(shù)值相對(duì)線性度較高的特征,可以剔除一部分(比如頭部2%)的異常值,然后使用最大值-最小值法進(jìn)行歸一化處理。本文采用的數(shù)據(jù)集中每條樣本收集到原始特征共77個(gè),經(jīng)過(guò)獨(dú)熱編碼處理后,每條樣本的特征維度擴(kuò)展為18 959維。

    2.3 訓(xùn)練集、驗(yàn)證集和測(cè)試集

    將樣本數(shù)據(jù)按比例7∶2∶1 分為3 份,分別作為訓(xùn)練集、驗(yàn)證集和測(cè)試集,如表1所示。其中訓(xùn)練集用來(lái)對(duì)模型進(jìn)行訓(xùn)練;驗(yàn)證集則在訓(xùn)練過(guò)程中對(duì)訓(xùn)練模型進(jìn)行驗(yàn)證,提前終止訓(xùn)練,令模型保持在最優(yōu)狀態(tài);測(cè)試集則對(duì)各個(gè)模型進(jìn)行評(píng)估。由于正負(fù)樣本數(shù)量相差懸殊(達(dá)到1∶62),直接輸入模型,如果模型將所有樣本都預(yù)測(cè)為負(fù)樣本,則準(zhǔn)確率就能達(dá)到98.3%,顯然不是期望的目標(biāo)。因此在訓(xùn)練過(guò)程中,一般對(duì)負(fù)樣本進(jìn)行隨機(jī)采樣,使得正負(fù)樣本比例達(dá)到1∶1。測(cè)試集則不需要采樣處理。

    表1 數(shù)據(jù)集劃分

    2.4 模型參數(shù)設(shè)定

    本文使用邏輯回歸、因式分解機(jī)與四層神經(jīng)網(wǎng)絡(luò)來(lái)訓(xùn)練模型。設(shè)定:因式分解機(jī)的隱藏矩陣深度為32,神經(jīng)網(wǎng)絡(luò)隱藏層層數(shù)為2,每層節(jié)點(diǎn)數(shù)大小分別為256 與32,學(xué)習(xí)率(Learning Rate)為0.02,使用隨機(jī)梯度下降(Stochastic Gradient Descent)優(yōu)化算法,批處理大?。˙atch Size)32,累積訓(xùn)練50輪次。各模型超參數(shù)量和可訓(xùn)練參數(shù)量(一定程度上代表模型復(fù)雜度)對(duì)比如表2所示。

    3 模型結(jié)果分析

    圖3 與圖4 比較了邏輯回歸、因式分解機(jī)、神經(jīng)網(wǎng)絡(luò)3 個(gè)模型在訓(xùn)練過(guò)程中,訓(xùn)練數(shù)據(jù)集的準(zhǔn)確率與驗(yàn)證數(shù)據(jù)集準(zhǔn)確率變化情況。

    可見(jiàn),越復(fù)雜的模型(一般等同于可訓(xùn)練參數(shù)更多的模型),最大準(zhǔn)確率越高。在驗(yàn)證集上,神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確率可達(dá)84.35%,而邏輯回歸的準(zhǔn)確率最高只有82.84%。并且越復(fù)雜的模型收斂速度也越快。神經(jīng)網(wǎng)絡(luò)可以在第1 次迭代后就達(dá)到了80%的準(zhǔn)確率,因式分解機(jī)需要3 次迭代,邏輯回歸則需要5 次。同時(shí),越復(fù)雜的模型,在訓(xùn)練過(guò)程中也愈加不穩(wěn)定,也更可能達(dá)到過(guò)擬合狀態(tài)(即訓(xùn)練集準(zhǔn)確率上升,驗(yàn)證集準(zhǔn)確率不再上升或下降)。

    圖3 基于訓(xùn)練數(shù)據(jù)集的模型準(zhǔn)確率對(duì)比

    圖4 基于驗(yàn)證數(shù)據(jù)集的模型準(zhǔn)確率對(duì)比

    由于模型最簡(jiǎn)單,邏輯回歸模型基本沒(méi)有出現(xiàn)過(guò)擬合狀態(tài),訓(xùn)練集準(zhǔn)確率和驗(yàn)證集準(zhǔn)確率基本一直在增長(zhǎng),并且相差不大。與之對(duì)比,因式分解機(jī)隨迭代次數(shù)增加,訓(xùn)練集準(zhǔn)確率一直在上升,但驗(yàn)證集準(zhǔn)確率到20次迭代基本就保持穩(wěn)定,并且最大驗(yàn)證集準(zhǔn)確率跟邏輯回歸相近,說(shuō)明本實(shí)驗(yàn)中數(shù)據(jù)對(duì)于交叉特征并不敏感,所以加入交叉特征對(duì)驗(yàn)證集準(zhǔn)確率提升不大,但由于模型更加復(fù)雜,所以訓(xùn)練集準(zhǔn)確率能夠達(dá)到更高的水平。使用神經(jīng)網(wǎng)絡(luò)后,由于不僅能匹配交叉特征(與預(yù)測(cè)結(jié)果間的關(guān)系),還能匹配非線性特征,所以驗(yàn)證集準(zhǔn)確率有了進(jìn)一步提升。當(dāng)然由于模型進(jìn)一步復(fù)雜化,過(guò)擬合現(xiàn)象同樣難以避免。

    對(duì)于訓(xùn)練到最優(yōu)狀態(tài)的模型,邏輯回歸、因式分解機(jī)、神經(jīng)網(wǎng)絡(luò)的ROC 曲線如圖5 所示。AUC 值分別為0.899 6、0.901 9、0.920 2,結(jié)果都比較理想,說(shuō)明選取的特征能比較好地區(qū)分出正負(fù)樣本,并且(對(duì)于連續(xù)特征來(lái)說(shuō))線性相關(guān)度比較高。

    圖5 模型ROC曲線對(duì)比

    事實(shí)上,上述通用評(píng)估指標(biāo)并不太適用于本文的建模目的。本文最終目的是希望建立一個(gè)模型,使得可以使用較小的推廣成本,即較少的推廣人數(shù),覆蓋盡可能多的目標(biāo)用戶,因此對(duì)于在相同推廣人數(shù)情況下能更加關(guān)心覆蓋到的目標(biāo)用戶數(shù)(正確召回人數(shù))和覆蓋的目標(biāo)用戶數(shù)占所有目標(biāo)用戶的比例(正確召回率),而并不在意對(duì)于負(fù)樣本的預(yù)測(cè)情況。為有效評(píng)估模型質(zhì)量,使用沒(méi)有參與訓(xùn)練過(guò)程的測(cè)試集進(jìn)行評(píng)估,目標(biāo)為通過(guò)預(yù)測(cè)排序來(lái)使用更少的推廣用戶覆蓋盡量多的目標(biāo)用戶。為了對(duì)比基于機(jī)器學(xué)習(xí)方法的模型與基于一般規(guī)則的模型的效果差異,采用用戶月流量值(DOU)排序與月消費(fèi)(ARPU)排序作為基于一般規(guī)則的模型,對(duì)比情況如圖6所示。

    圖6 模型召回量對(duì)比

    使用機(jī)器學(xué)習(xí)模型,向測(cè)試數(shù)據(jù)集中的10 000 個(gè)用戶做推廣時(shí),能覆蓋934~1 089 個(gè)目標(biāo)用戶,召回率達(dá)到50%,但同樣情況下使用規(guī)則模型,只能覆蓋241~348 個(gè)目標(biāo)用戶,召回率只有10%~15%。在給30 000 人做推廣活動(dòng)時(shí),機(jī)器學(xué)習(xí)模型能覆蓋1 431~1 607個(gè)目標(biāo)用戶,召回率65%~72%,使用規(guī)則模型只能覆蓋530~1 036 個(gè)用戶,召回率24%~47%??梢?jiàn)使用機(jī)器學(xué)習(xí)模型的效果遠(yuǎn)遠(yuǎn)優(yōu)于使用規(guī)則排序的模型。

    4 結(jié)論

    本文提出了一種基于機(jī)器學(xué)習(xí)的用戶升級(jí)預(yù)測(cè)方法,使用邏輯回歸、因式分解機(jī)、深度神經(jīng)網(wǎng)絡(luò)3 種算法實(shí)現(xiàn)了該方法,預(yù)測(cè)準(zhǔn)確率分別可達(dá)82.84%、83.14%、84.35%,AUC 分別達(dá)到89.96%、90.19%、92.02%,并且3 種算法的召回效果都遠(yuǎn)優(yōu)于傳統(tǒng)的ARPU/DOU 排序模型。實(shí)驗(yàn)對(duì)比可見(jiàn),神經(jīng)網(wǎng)絡(luò)算法的預(yù)測(cè)表現(xiàn)最佳,但算法復(fù)雜度高,耗費(fèi)時(shí)間和算力更多,邏輯回歸算法的預(yù)測(cè)結(jié)果與神經(jīng)網(wǎng)絡(luò)算法的差距并不明顯,因此,邏輯回歸其實(shí)已經(jīng)可以滿足一般化的使用要求,如果對(duì)邏輯回歸的預(yù)測(cè)精準(zhǔn)度不夠滿意,則可以使用更復(fù)雜的因式分解機(jī)或神經(jīng)網(wǎng)絡(luò)進(jìn)一步優(yōu)化預(yù)測(cè)效果。該研究結(jié)果適用于挖掘潛在高價(jià)值(高ARPU)用戶,為運(yùn)營(yíng)商制定營(yíng)銷服務(wù)策略和網(wǎng)絡(luò)保障方案提供了依據(jù)。尤其在5G 商用初期,結(jié)合5G 套餐特征,本預(yù)測(cè)模型可拓展應(yīng)用于推薦5G 潛力用戶,從現(xiàn)網(wǎng)用戶中挖掘出有需求、有能力、有興趣使用5G套餐的用戶,這對(duì)于運(yùn)營(yíng)商推廣5G業(yè)務(wù)、爭(zhēng)奪首批用戶具有重要意義。

    猜你喜歡
    套餐邏輯準(zhǔn)確率
    刑事印證證明準(zhǔn)確達(dá)成的邏輯反思
    法律方法(2022年2期)2022-10-20 06:44:24
    邏輯
    創(chuàng)新的邏輯
    《加什么不要錢》
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    兒童套餐
    幽默大師(2019年6期)2019-06-06 08:41:42
    高速公路車牌識(shí)別標(biāo)識(shí)站準(zhǔn)確率驗(yàn)證法
    女人買買買的神邏輯
    37°女人(2017年11期)2017-11-14 20:27:40
    亚洲av熟女| 欧美激情久久久久久爽电影| 久久久久久九九精品二区国产 | 国产精品二区激情视频| 久久性视频一级片| 国产亚洲欧美精品永久| 成人永久免费在线观看视频| 国产亚洲精品第一综合不卡| 久久久国产精品麻豆| 在线观看午夜福利视频| 人妻久久中文字幕网| 一级毛片高清免费大全| 在线观看www视频免费| av欧美777| 国产伦人伦偷精品视频| 女人被狂操c到高潮| 麻豆一二三区av精品| 在线国产一区二区在线| av免费在线观看网站| 国产乱人伦免费视频| 亚洲人成网站在线播放欧美日韩| 国产精品99久久99久久久不卡| 老司机靠b影院| 成人三级黄色视频| 琪琪午夜伦伦电影理论片6080| 成人午夜高清在线视频 | 在线观看日韩欧美| 精品久久久久久成人av| 在线观看舔阴道视频| 激情在线观看视频在线高清| 一区二区三区高清视频在线| 一区福利在线观看| 丝袜美腿诱惑在线| bbb黄色大片| 特大巨黑吊av在线直播 | 亚洲,欧美精品.| 亚洲av日韩精品久久久久久密| 色播亚洲综合网| 女警被强在线播放| 日本一本二区三区精品| 激情在线观看视频在线高清| 亚洲 国产 在线| 日韩欧美一区视频在线观看| 国产精品av久久久久免费| 嫁个100分男人电影在线观看| x7x7x7水蜜桃| 黄片播放在线免费| 国产精品1区2区在线观看.| 99国产极品粉嫩在线观看| 日本 av在线| 亚洲精品粉嫩美女一区| 男女视频在线观看网站免费 | 狂野欧美激情性xxxx| 日韩欧美国产在线观看| 久久久久国产精品人妻aⅴ院| 999久久久精品免费观看国产| 精品久久久久久,| 亚洲精品美女久久av网站| 免费女性裸体啪啪无遮挡网站| 国产色视频综合| 婷婷丁香在线五月| 看片在线看免费视频| 老司机在亚洲福利影院| 成人永久免费在线观看视频| 亚洲国产精品sss在线观看| 国产午夜精品久久久久久| 人成视频在线观看免费观看| 老司机午夜福利在线观看视频| 欧美大码av| 在线观看舔阴道视频| 亚洲成人免费电影在线观看| 亚洲欧美日韩无卡精品| 免费搜索国产男女视频| 国产单亲对白刺激| 亚洲专区字幕在线| 亚洲精品中文字幕在线视频| 中文字幕人成人乱码亚洲影| 岛国视频午夜一区免费看| 免费女性裸体啪啪无遮挡网站| 久久久久国内视频| 国产单亲对白刺激| 香蕉久久夜色| 日韩欧美 国产精品| 男女做爰动态图高潮gif福利片| 免费高清在线观看日韩| 欧美日韩福利视频一区二区| 国产av一区在线观看免费| 91大片在线观看| 在线观看舔阴道视频| 不卡一级毛片| 亚洲国产毛片av蜜桃av| 美女高潮喷水抽搐中文字幕| 露出奶头的视频| 久久精品国产亚洲av高清一级| 国产精品久久视频播放| 国产av又大| 久久草成人影院| 最新美女视频免费是黄的| 精品卡一卡二卡四卡免费| www日本在线高清视频| 一区二区三区激情视频| 精华霜和精华液先用哪个| 久久久久久久午夜电影| 久久精品91无色码中文字幕| 亚洲第一欧美日韩一区二区三区| 免费在线观看日本一区| 天天一区二区日本电影三级| 国产视频一区二区在线看| 天天躁夜夜躁狠狠躁躁| 国产精品香港三级国产av潘金莲| 久久香蕉国产精品| 这个男人来自地球电影免费观看| 老司机福利观看| 黄片播放在线免费| 一二三四在线观看免费中文在| 欧美又色又爽又黄视频| 国产欧美日韩精品亚洲av| 国产黄色小视频在线观看| 后天国语完整版免费观看| 精品久久蜜臀av无| 99久久99久久久精品蜜桃| 国产亚洲av高清不卡| 91成年电影在线观看| 老鸭窝网址在线观看| 亚洲成a人片在线一区二区| 成人18禁高潮啪啪吃奶动态图| 一本综合久久免费| 免费在线观看影片大全网站| 午夜免费观看网址| 1024手机看黄色片| 日本一本二区三区精品| 国产一区二区三区视频了| 亚洲国产看品久久| 琪琪午夜伦伦电影理论片6080| 亚洲黑人精品在线| 久久久久国产一级毛片高清牌| 欧美最黄视频在线播放免费| 又黄又爽又免费观看的视频| 久久精品人妻少妇| 在线免费观看的www视频| 欧美zozozo另类| 欧美色欧美亚洲另类二区| 50天的宝宝边吃奶边哭怎么回事| 亚洲精品中文字幕在线视频| 丰满的人妻完整版| 在线观看午夜福利视频| 中文字幕最新亚洲高清| 老司机在亚洲福利影院| 日韩欧美一区视频在线观看| 色精品久久人妻99蜜桃| 欧美一级毛片孕妇| 女人爽到高潮嗷嗷叫在线视频| 97碰自拍视频| 久久精品影院6| 精品久久久久久久末码| 精品午夜福利视频在线观看一区| 成人一区二区视频在线观看| 999精品在线视频| 丰满的人妻完整版| 99久久无色码亚洲精品果冻| 女人被狂操c到高潮| 欧美不卡视频在线免费观看 | 国产精品乱码一区二三区的特点| 国产精品综合久久久久久久免费| 国产黄a三级三级三级人| 中国美女看黄片| 成熟少妇高潮喷水视频| 日本熟妇午夜| 日本免费一区二区三区高清不卡| 变态另类丝袜制服| 一个人观看的视频www高清免费观看 | 波多野结衣高清无吗| 一二三四社区在线视频社区8| 国产精华一区二区三区| 夜夜躁狠狠躁天天躁| 久久精品91蜜桃| 草草在线视频免费看| 99久久无色码亚洲精品果冻| 男女那种视频在线观看| 欧美亚洲日本最大视频资源| 国产成年人精品一区二区| 人人妻人人澡人人看| 免费观看精品视频网站| 亚洲精品在线美女| 久久精品影院6| 黄片大片在线免费观看| 日韩欧美国产在线观看| 国产亚洲精品久久久久久毛片| 久久久国产欧美日韩av| 狠狠狠狠99中文字幕| 十分钟在线观看高清视频www| 亚洲av成人一区二区三| 久久人人精品亚洲av| 国产精品精品国产色婷婷| 美女 人体艺术 gogo| 窝窝影院91人妻| 久久久久久人人人人人| 长腿黑丝高跟| 午夜精品久久久久久毛片777| 91老司机精品| 欧美三级亚洲精品| 女性被躁到高潮视频| 999精品在线视频| 免费高清视频大片| 美女 人体艺术 gogo| 热re99久久国产66热| 一区二区三区高清视频在线| 久久久水蜜桃国产精品网| 好男人在线观看高清免费视频 | 亚洲真实伦在线观看| 国产黄a三级三级三级人| 国产欧美日韩一区二区精品| 国产成人精品久久二区二区免费| 国产成人系列免费观看| 狠狠狠狠99中文字幕| 国产单亲对白刺激| 日本熟妇午夜| 黄色女人牲交| 91成年电影在线观看| 久久性视频一级片| 黑人欧美特级aaaaaa片| 在线观看www视频免费| 成人免费观看视频高清| 久久草成人影院| 久久久久国产精品人妻aⅴ院| 啦啦啦免费观看视频1| cao死你这个sao货| 日本三级黄在线观看| 成年版毛片免费区| 波多野结衣高清作品| 一级作爱视频免费观看| 啦啦啦观看免费观看视频高清| 成人av一区二区三区在线看| 女生性感内裤真人,穿戴方法视频| 精品欧美国产一区二区三| 一级毛片女人18水好多| 99久久久亚洲精品蜜臀av| 久久久水蜜桃国产精品网| 国产真实乱freesex| 国产99久久九九免费精品| 亚洲精品国产区一区二| 国产黄a三级三级三级人| 成人手机av| 高潮久久久久久久久久久不卡| 99久久久亚洲精品蜜臀av| 长腿黑丝高跟| 久久久国产成人精品二区| 女人爽到高潮嗷嗷叫在线视频| 2021天堂中文幕一二区在线观 | 好男人在线观看高清免费视频 | 亚洲成av片中文字幕在线观看| 久久久久九九精品影院| 免费一级毛片在线播放高清视频| 美女免费视频网站| 丝袜人妻中文字幕| xxxwww97欧美| 久久99热这里只有精品18| 亚洲av电影在线进入| 国产国语露脸激情在线看| 日日摸夜夜添夜夜添小说| 不卡一级毛片| 一夜夜www| 熟女少妇亚洲综合色aaa.| 一级毛片精品| 亚洲自拍偷在线| 极品教师在线免费播放| 国产区一区二久久| 欧美日韩瑟瑟在线播放| 欧美午夜高清在线| 午夜激情福利司机影院| 不卡av一区二区三区| 国产又色又爽无遮挡免费看| 国产精品久久久久久人妻精品电影| 国产久久久一区二区三区| 亚洲专区国产一区二区| 午夜免费观看网址| 一级作爱视频免费观看| 国产精品乱码一区二三区的特点| 国产成人系列免费观看| 亚洲国产精品成人综合色| 校园春色视频在线观看| 精品一区二区三区视频在线观看免费| 亚洲国产看品久久| 国产色视频综合| 在线十欧美十亚洲十日本专区| 亚洲第一av免费看| 最近最新免费中文字幕在线| 精品国产乱子伦一区二区三区| 久久久久久免费高清国产稀缺| 一二三四社区在线视频社区8| 三级毛片av免费| 久久精品国产综合久久久| 最好的美女福利视频网| 69av精品久久久久久| 亚洲国产中文字幕在线视频| 国产精品乱码一区二三区的特点| 美女高潮喷水抽搐中文字幕| 99久久国产精品久久久| 欧美不卡视频在线免费观看 | 久久99热这里只有精品18| 男人的好看免费观看在线视频 | 18禁黄网站禁片午夜丰满| 在线国产一区二区在线| 国产免费av片在线观看野外av| 91国产中文字幕| 久久国产亚洲av麻豆专区| 91成人精品电影| 亚洲精华国产精华精| 精品久久久久久久久久免费视频| 色在线成人网| 久热爱精品视频在线9| 国产蜜桃级精品一区二区三区| 精品欧美国产一区二区三| 真人做人爱边吃奶动态| av在线播放免费不卡| 日韩高清综合在线| 欧美乱码精品一区二区三区| 国产欧美日韩一区二区三| 久9热在线精品视频| 美国免费a级毛片| 国产精品香港三级国产av潘金莲| 在线观看免费午夜福利视频| 欧美激情久久久久久爽电影| 19禁男女啪啪无遮挡网站| 国产精品美女特级片免费视频播放器 | 黄色 视频免费看| 欧美激情高清一区二区三区| 午夜福利成人在线免费观看| 黄色 视频免费看| 中文字幕另类日韩欧美亚洲嫩草| 色尼玛亚洲综合影院| 亚洲精品在线美女| 成人免费观看视频高清| 真人一进一出gif抽搐免费| 麻豆国产av国片精品| 女人被狂操c到高潮| 久久热在线av| 国产视频一区二区在线看| 欧美av亚洲av综合av国产av| 精品久久久久久久毛片微露脸| 国产免费av片在线观看野外av| 免费观看人在逋| 人人妻人人澡人人看| 国产亚洲av嫩草精品影院| 国产高清有码在线观看视频 | 1024香蕉在线观看| 91字幕亚洲| 亚洲男人天堂网一区| 这个男人来自地球电影免费观看| 中文字幕精品亚洲无线码一区 | 色精品久久人妻99蜜桃| 夜夜夜夜夜久久久久| 中文字幕av电影在线播放| 欧美一区二区精品小视频在线| 亚洲久久久国产精品| 亚洲片人在线观看| 久久人妻福利社区极品人妻图片| 国产成年人精品一区二区| 亚洲,欧美精品.| 色精品久久人妻99蜜桃| 午夜成年电影在线免费观看| 国产乱人伦免费视频| 久久久久久亚洲精品国产蜜桃av| 少妇 在线观看| 亚洲中文av在线| 老司机午夜十八禁免费视频| 日韩中文字幕欧美一区二区| 香蕉丝袜av| x7x7x7水蜜桃| 两人在一起打扑克的视频| 女同久久另类99精品国产91| 精品国产乱码久久久久久男人| 哪里可以看免费的av片| 国产欧美日韩一区二区三| 国产麻豆成人av免费视频| 亚洲av五月六月丁香网| 国产真人三级小视频在线观看| 亚洲人成77777在线视频| 国产精品亚洲av一区麻豆| 国产伦一二天堂av在线观看| 国产精品一区二区三区四区久久 | 少妇的丰满在线观看| 又紧又爽又黄一区二区| 欧美激情 高清一区二区三区| 午夜老司机福利片| 国产一区二区三区视频了| 免费人成视频x8x8入口观看| 一进一出抽搐动态| 国产视频一区二区在线看| 久久中文字幕一级| 一级毛片女人18水好多| 久久精品国产亚洲av香蕉五月| 亚洲成人久久爱视频| 亚洲国产精品合色在线| 午夜福利免费观看在线| 亚洲avbb在线观看| 午夜影院日韩av| 99精品久久久久人妻精品| 国产熟女xx| 亚洲一区二区三区色噜噜| 精品国产超薄肉色丝袜足j| 免费看美女性在线毛片视频| 嫁个100分男人电影在线观看| 最近在线观看免费完整版| 久久精品亚洲精品国产色婷小说| 久久久水蜜桃国产精品网| 亚洲avbb在线观看| 村上凉子中文字幕在线| 亚洲aⅴ乱码一区二区在线播放 | 亚洲熟妇熟女久久| 操出白浆在线播放| www日本在线高清视频| 在线观看一区二区三区| 男人的好看免费观看在线视频 | 国产黄片美女视频| 亚洲国产精品久久男人天堂| 日日夜夜操网爽| 亚洲三区欧美一区| 天堂√8在线中文| 青草久久国产| 亚洲免费av在线视频| 热re99久久国产66热| 丝袜在线中文字幕| 一进一出好大好爽视频| 99国产精品一区二区蜜桃av| 成人欧美大片| 日韩三级视频一区二区三区| www.熟女人妻精品国产| 巨乳人妻的诱惑在线观看| 国产v大片淫在线免费观看| 大型黄色视频在线免费观看| 免费看美女性在线毛片视频| 久久久久国产精品人妻aⅴ院| 黄色视频,在线免费观看| 久久中文看片网| 非洲黑人性xxxx精品又粗又长| 婷婷精品国产亚洲av| av在线天堂中文字幕| 日韩欧美在线二视频| 国产男靠女视频免费网站| 欧美成狂野欧美在线观看| 欧美中文日本在线观看视频| 国产精品永久免费网站| 国产精品影院久久| 后天国语完整版免费观看| 制服人妻中文乱码| 国产高清激情床上av| 人成视频在线观看免费观看| 成人永久免费在线观看视频| 国产精品日韩av在线免费观看| 90打野战视频偷拍视频| 一本精品99久久精品77| 国产一区在线观看成人免费| 国产极品粉嫩免费观看在线| 中文亚洲av片在线观看爽| 久久精品国产亚洲av高清一级| 久久国产精品人妻蜜桃| avwww免费| 国产精品永久免费网站| 波多野结衣高清作品| 一本精品99久久精品77| 男女做爰动态图高潮gif福利片| 国产精品亚洲av一区麻豆| 天天躁夜夜躁狠狠躁躁| 久久精品成人免费网站| 成人国产综合亚洲| 国产成人精品无人区| 女人爽到高潮嗷嗷叫在线视频| 91麻豆精品激情在线观看国产| 亚洲精品国产一区二区精华液| 亚洲精品中文字幕在线视频| 日韩大码丰满熟妇| 亚洲欧美日韩高清在线视频| 一a级毛片在线观看| 欧美一级毛片孕妇| 国产熟女午夜一区二区三区| 久久久久国产一级毛片高清牌| 婷婷精品国产亚洲av| 国产亚洲欧美在线一区二区| 国产片内射在线| 欧美在线黄色| 久久久久国产一级毛片高清牌| 亚洲精品在线观看二区| 午夜福利视频1000在线观看| 日韩国内少妇激情av| 在线免费观看的www视频| 欧美成狂野欧美在线观看| 国产高清videossex| 国产精品影院久久| 大香蕉久久成人网| 亚洲avbb在线观看| 少妇 在线观看| 99精品欧美一区二区三区四区| 国产麻豆成人av免费视频| 免费在线观看黄色视频的| 黄色毛片三级朝国网站| 国产亚洲精品第一综合不卡| 免费看十八禁软件| 国内精品久久久久精免费| 午夜影院日韩av| 90打野战视频偷拍视频| 成人亚洲精品av一区二区| 身体一侧抽搐| 国产成人精品久久二区二区91| 精品国内亚洲2022精品成人| www.999成人在线观看| 欧美成人免费av一区二区三区| 亚洲av成人不卡在线观看播放网| 99精品久久久久人妻精品| 老汉色∧v一级毛片| 亚洲性夜色夜夜综合| 在线看三级毛片| 欧美+亚洲+日韩+国产| 在线观看日韩欧美| 亚洲国产欧美日韩在线播放| 99久久无色码亚洲精品果冻| 精品福利观看| 91av网站免费观看| 免费在线观看日本一区| 美女高潮喷水抽搐中文字幕| 日本免费a在线| 淫妇啪啪啪对白视频| 香蕉av资源在线| 色av中文字幕| 精品国产一区二区三区四区第35| 国产97色在线日韩免费| 色播在线永久视频| 国产一区二区三区在线臀色熟女| 人妻丰满熟妇av一区二区三区| 亚洲国产欧洲综合997久久, | 两性午夜刺激爽爽歪歪视频在线观看 | 90打野战视频偷拍视频| 中文字幕高清在线视频| 亚洲真实伦在线观看| 亚洲第一电影网av| 男女午夜视频在线观看| 亚洲成a人片在线一区二区| 2021天堂中文幕一二区在线观 | 色综合亚洲欧美另类图片| 日韩有码中文字幕| 老熟妇仑乱视频hdxx| 精品欧美国产一区二区三| 黄色 视频免费看| 国产真实乱freesex| netflix在线观看网站| 国产精品爽爽va在线观看网站 | 成在线人永久免费视频| 好男人在线观看高清免费视频 | 又黄又爽又免费观看的视频| 色播亚洲综合网| 国产免费男女视频| 两个人视频免费观看高清| 岛国在线观看网站| 亚洲一码二码三码区别大吗| 国产乱人伦免费视频| 色播亚洲综合网| 777久久人妻少妇嫩草av网站| 日本 欧美在线| 精品不卡国产一区二区三区| 国产成人影院久久av| 日本成人三级电影网站| 久久午夜亚洲精品久久| 午夜视频精品福利| 亚洲人成电影免费在线| 亚洲成人久久性| 国产极品粉嫩免费观看在线| 婷婷精品国产亚洲av在线| 成人午夜高清在线视频 | 精品不卡国产一区二区三区| www.www免费av| 亚洲欧美日韩高清在线视频| av有码第一页| 久久精品91无色码中文字幕| 精品日产1卡2卡| 午夜影院日韩av| 中出人妻视频一区二区| 亚洲第一av免费看| 亚洲男人的天堂狠狠| 国产真人三级小视频在线观看| 狂野欧美激情性xxxx| 婷婷六月久久综合丁香| 国产亚洲欧美精品永久| 亚洲片人在线观看| 制服人妻中文乱码| 亚洲精品美女久久久久99蜜臀| 看免费av毛片| 国产av不卡久久| 九色国产91popny在线| 香蕉av资源在线| 日本一本二区三区精品| 在线免费观看的www视频| 欧美日本视频| 精品乱码久久久久久99久播| 香蕉久久夜色| 久久九九热精品免费| 天天躁夜夜躁狠狠躁躁| 级片在线观看| 亚洲九九香蕉| 在线十欧美十亚洲十日本专区| 久99久视频精品免费| 色哟哟哟哟哟哟| www.精华液| 村上凉子中文字幕在线| 亚洲人成网站高清观看| 久久香蕉国产精品| 亚洲精品一卡2卡三卡4卡5卡| 久久久久国内视频| 国产亚洲精品第一综合不卡| 国产成人啪精品午夜网站| 欧美日韩亚洲综合一区二区三区_| 国产精品国产高清国产av| 亚洲一卡2卡3卡4卡5卡精品中文| 久久精品人妻少妇| 国产人伦9x9x在线观看| 国产午夜精品久久久久久|