• <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 ?

    伴隨時(shí)間的模糊聚類協(xié)同過(guò)濾推薦算法*

    2021-11-22 08:55:52閻紅燦王子茹李偉芳谷建濤
    關(guān)鍵詞:用戶

    閻紅燦,王子茹,李偉芳,谷建濤

    (1.華北理工大學(xué)理學(xué)院,河北 唐山 063210;2.河北省數(shù)據(jù)科學(xué)與應(yīng)用重點(diǎn)實(shí)驗(yàn)室,河北 唐山 063000)

    1 引言

    隨著推薦技術(shù)在電子商務(wù)、社交網(wǎng)絡(luò)等互聯(lián)網(wǎng)領(lǐng)域的廣泛應(yīng)用,面對(duì)海量的數(shù)據(jù)信息,如何除去冗余數(shù)據(jù),為用戶(消費(fèi)者)推薦最需要或合適的服務(wù)產(chǎn)品(商品)成為研究熱點(diǎn)。消費(fèi)者試圖通過(guò)每天接觸的網(wǎng)頁(yè)瀏覽來(lái)選購(gòu)符合自己要求的商品,如何又準(zhǔn)又快地為消費(fèi)者推薦更心儀的商品,這就使推薦算法的準(zhǔn)確性成為關(guān)鍵性問(wèn)題[1 - 3]。

    Goldberg等[4]首次提出推薦系統(tǒng),找出用戶評(píng)分?jǐn)?shù)據(jù)中和目標(biāo)用戶有相同偏好和取向特征的用戶,將這些用戶感興趣的商品推薦給目標(biāo)用戶[5],但存在運(yùn)行效率不高的問(wèn)題。許多研究者提出填充稀疏數(shù)據(jù)集[6]、矩陣分解[7]和聚類[8]等方法,汪軍等[9]提出了基于云模型熟悉相似度的鄰居用戶選擇方法;袁泉等[10]提出用知識(shí)圖譜進(jìn)行推薦;Wu等[11]證明基于聚類的協(xié)同過(guò)濾可以明顯提高推薦的準(zhǔn)確性;王衛(wèi)紅等[12]用聚類和Weighted Slope One算法填充未評(píng)分項(xiàng),提高推薦準(zhǔn)確性;李嫻等[13]用異質(zhì)信息網(wǎng)絡(luò)方法進(jìn)行稀疏值填充;邢長(zhǎng)征等[14]提出填充法和改進(jìn)相似度相結(jié)合的協(xié)同過(guò)濾算法;文獻(xiàn)[15]采用構(gòu)建矩陣變換的形式增強(qiáng)了推薦的準(zhǔn)確性和多樣性;蘇慶等[16]引入改進(jìn)模糊劃分的GIFP-FCM算法,將屬性特征相似的項(xiàng)目聚成一類,構(gòu)造索引矩陣,尋找最近鄰居構(gòu)成推薦;鄧秀勤等[17]將用戶喜好問(wèn)題加入推薦的過(guò)程中,降低計(jì)算復(fù)雜度;張艷紅等[18]提出對(duì)用戶的坐標(biāo)象限模糊隸屬結(jié)果,提高推薦準(zhǔn)確性。雖然加權(quán)斜率可以緩解稀疏性,沒有考慮項(xiàng)目之間的隱含信息,加入模糊聚類可以提高推薦準(zhǔn)確性,但有時(shí)人們的興趣會(huì)隨時(shí)間的遷移發(fā)生變化,如何更好地緩解以上問(wèn)題成為優(yōu)化算法的關(guān)鍵。

    本文針對(duì)以上問(wèn)題深入研究,提出伴隨時(shí)間因子的模糊聚類協(xié)同過(guò)濾推薦算法,首先建立用戶-項(xiàng)目評(píng)分矩陣,采用SMOTE(Synthetic Minority Oversampling TEchnique)過(guò)采樣技術(shù)填充未評(píng)分項(xiàng)和時(shí)間,引入模糊聚類確定相同興趣用戶集合,在降低計(jì)算復(fù)雜度的前提下提高推薦準(zhǔn)確性;同時(shí)引入時(shí)間因子改進(jìn)傳統(tǒng)評(píng)分過(guò)程,提高計(jì)算效率的同時(shí)保證了推薦算法的實(shí)時(shí)性。

    2 相關(guān)理論

    2.1 協(xié)同過(guò)濾推薦算法

    協(xié)同過(guò)濾推薦算法通過(guò)用戶與產(chǎn)品之間的關(guān)系,利用已有選擇歷史或用戶間的相似關(guān)系,搜索用戶潛在的感興趣的項(xiàng)目,完成推薦。主要包括基于模型的協(xié)同過(guò)濾推薦算法和基于記憶的協(xié)同過(guò)濾推薦算法,而基于記憶的協(xié)同過(guò)濾算法又可以分為基于物品的協(xié)同過(guò)濾推薦算法和基于用戶的協(xié)同過(guò)濾推薦算法,但是目前傳統(tǒng)的協(xié)同過(guò)濾推薦算法大部分是基于矩陣運(yùn)算,維度高、復(fù)雜性大,導(dǎo)致推薦準(zhǔn)確度低,推薦效果較差。本文主要研究基于用戶的協(xié)同過(guò)濾推薦算法,引入模糊聚類降低計(jì)算復(fù)雜性,提高推薦效果;同時(shí)通過(guò)SMOTE過(guò)采樣技術(shù)改善數(shù)據(jù)的稀疏性,利用不同用戶的歷史數(shù)據(jù)構(gòu)建用戶-項(xiàng)目矩陣,通過(guò)對(duì)物品的評(píng)分計(jì)算用戶之間的相似性,根據(jù)用戶之間的相似性預(yù)測(cè)用戶對(duì)感興趣商品的評(píng)分,優(yōu)化時(shí)間因子,進(jìn)而實(shí)現(xiàn)推薦。

    2.2 用戶-項(xiàng)目評(píng)分矩陣和時(shí)間矩陣

    表1所示為協(xié)同過(guò)濾推薦算法中的用戶-項(xiàng)目評(píng)分矩陣R,包含一個(gè)用戶的集合U=(u1,u2,…,um)和一個(gè)項(xiàng)目的集合I=(i1,i2,…,in),m個(gè)用戶針對(duì)n個(gè)項(xiàng)目的評(píng)分形成m×n階評(píng)分矩陣,用戶uk對(duì)項(xiàng)目ij的評(píng)分記為rkj。

    Table 1 User-item scoring matrix R表1 用戶-項(xiàng)目評(píng)分矩陣R

    表2所示為協(xié)同過(guò)濾推薦算法中項(xiàng)目的評(píng)分-時(shí)間矩陣T,包含一個(gè)用戶的集合U=(u1,u2,…,um)和一個(gè)項(xiàng)目的集合I=(i1,i2,…,in),m個(gè)用戶針對(duì)n個(gè)項(xiàng)目的評(píng)分時(shí)間形成m×n階評(píng)分時(shí)間矩陣,用戶uk對(duì)項(xiàng)目ij的評(píng)分時(shí)間表示為tkj。

    Table 2 User-project time matrix T表2 用戶-項(xiàng)目時(shí)間矩陣T

    2.3 相似性度量和相似矩陣

    在用戶項(xiàng)目評(píng)分矩陣中,為每名用戶尋找“特性相同”即有相同評(píng)分項(xiàng)的用戶,計(jì)算用戶間的相似性。常用的相似度評(píng)價(jià)指標(biāo)有杰卡德系數(shù)、歐氏距離、余弦相似度和皮爾遜相關(guān)系數(shù)等。杰卡德系數(shù)通常用于衡量集合間的相似性;歐氏距離注重計(jì)算絕對(duì)距離,不能體現(xiàn)數(shù)據(jù)的整體性;余弦相似度側(cè)重方向差異;皮爾遜相關(guān)系數(shù)解決了各維度量綱的差異性,計(jì)算相似度時(shí)更側(cè)重于考慮整體性,通過(guò)減去用戶的均值,實(shí)現(xiàn)了對(duì)于同一個(gè)用戶多維度的考察,計(jì)算公式如式(1)所示:

    sim(uu,uv)=

    (1)

    表3所示為用戶-用戶相似矩陣S。本文應(yīng)用皮爾遜相關(guān)系數(shù)法計(jì)算用戶之間的相似度。

    Table 3 User-user similarity matrix S表3 用戶-用戶相似矩陣S

    3 帶時(shí)間參數(shù)的協(xié)同過(guò)濾

    “物以類聚,人以群分”,人們總是尋找和自己興趣相同的用戶,把用戶分成幾個(gè)類型。本文選擇使用一種基于模糊聚類FCCF(Fuzzy Clustering Collaborative Filtering)的算法,根據(jù)用戶對(duì)項(xiàng)目的評(píng)分把用戶分成不同的類,每類對(duì)應(yīng)相同興趣愛好的用戶。但是,由于用戶評(píng)分?jǐn)?shù)據(jù)存在嚴(yán)重的數(shù)據(jù)稀疏問(wèn)題,使得模糊聚類效果很差。

    本文應(yīng)用SMOTE過(guò)采樣技術(shù)對(duì)原數(shù)據(jù)進(jìn)行填充,有效解決了稀疏問(wèn)題。在此基礎(chǔ)上提出伴隨時(shí)間因子的模糊聚類協(xié)同過(guò)濾推薦算法,首先構(gòu)造項(xiàng)目評(píng)分矩陣,并計(jì)算用戶相似矩陣,采用模糊聚類對(duì)用戶進(jìn)行聚類操作;然后引入時(shí)間因子,對(duì)用戶感興趣的商品評(píng)分進(jìn)行預(yù)測(cè),使得推薦信息更具有實(shí)時(shí)性。伴隨時(shí)間因子的模糊聚類協(xié)同過(guò)濾推薦算法流程圖如圖1所示。

    Figure 1 Fuzzy cluster collaborative filtering recommendation algorithm with time of SMOTE圖1 伴隨時(shí)間因子的模糊聚類協(xié)同過(guò)濾推薦算法

    3.1 數(shù)據(jù)預(yù)處理-填充稀疏數(shù)據(jù)

    不平衡數(shù)據(jù)集是指數(shù)據(jù)集中某些類樣本明顯少于其他類[18]。在實(shí)際問(wèn)題中不平衡問(wèn)題普遍存在,比如文本分類、醫(yī)療診斷和天氣預(yù)測(cè)等。SMOTE利用K近鄰和線性插值,在相距較近的2個(gè)少數(shù)類樣本間按照一定規(guī)則人工插入新樣本,使少數(shù)類樣本增加達(dá)到數(shù)據(jù)平衡,傳統(tǒng)的隨機(jī)采樣容易導(dǎo)致過(guò)擬合現(xiàn)象,SMOTE針對(duì)該現(xiàn)象有很好的改善作用。這種填補(bǔ)缺項(xiàng)數(shù)據(jù)的技術(shù)能夠很好地解決數(shù)據(jù)稀疏問(wèn)題,同時(shí)不影響模糊聚類的分類性質(zhì),所以本文應(yīng)用SMOTE過(guò)采樣技術(shù)對(duì)原始數(shù)據(jù)集進(jìn)行預(yù)處理,生成用戶-項(xiàng)目評(píng)分矩陣。

    SMOTE處理數(shù)據(jù)的基本思想:數(shù)據(jù)預(yù)處理階段,為降低數(shù)據(jù)不平衡度,應(yīng)用K近鄰合成新的數(shù)據(jù)加入到數(shù)據(jù)集中,以此填補(bǔ)空白缺項(xiàng)。推薦系統(tǒng)的原始用戶評(píng)分?jǐn)?shù)據(jù)中,給定的評(píng)分?jǐn)?shù)據(jù)很少,大部分評(píng)分缺項(xiàng),造成嚴(yán)重的矩陣稀疏問(wèn)題。為了便于討論,本文規(guī)定已評(píng)分樣本為少數(shù)類樣本,未評(píng)分樣本為多數(shù)類樣本,使用SMOTE過(guò)采樣技術(shù)填充稀疏數(shù)據(jù)的算法步驟如下所示:

    (1)對(duì)于少數(shù)類樣本rui,以歐氏距離(式(2))計(jì)算K近鄰。針對(duì)某一用戶的項(xiàng)目ii,計(jì)算少數(shù)類樣本中和項(xiàng)目ii有公共評(píng)分的所有用戶間的距離,得到K近鄰,其中K值默認(rèn)為5。

    (2)

    其中,i=1,2,…,n;uu,uv為2個(gè)不同的用戶

    (2)根據(jù)項(xiàng)目評(píng)分中樣本的不平衡比確定采樣倍率。對(duì)于每一個(gè)少數(shù)類樣本rui,從其K近鄰中隨機(jī)選擇L條用戶交互記錄,并根據(jù)式(3)生成新樣本ruj:

    ruj=rui+rand(0,1)*(rvi-rui)

    (3)

    其中,u,v=1,2,…,m;i=1,2,…,n;rand(0,1) 表示0~1的隨機(jī)數(shù)。

    (3)將新生成的樣本全部加入原始數(shù)據(jù)集中,解決數(shù)據(jù)的稀疏問(wèn)題。

    3.2 用戶-項(xiàng)目評(píng)分矩陣的模糊聚類

    模糊聚類是利用模糊等價(jià)關(guān)系將給定對(duì)象進(jìn)行等價(jià)類劃分,和其他聚類方法不同的是其不需要提前確定聚類數(shù)目,通過(guò)對(duì)分類對(duì)象設(shè)置閾值進(jìn)行對(duì)象的屬性劃分,該矩陣滿足自反性、對(duì)稱性和傳遞性。根據(jù)平方法合成傳遞閉包對(duì)元素進(jìn)行編排,確定閾值,當(dāng)劃分類的數(shù)目趨于穩(wěn)定時(shí)確定項(xiàng)目的最終分類。模糊聚類算法FCCF的聚類過(guò)程描述如算法1所示:

    算法1模糊聚類算法FCCF

    輸入:用戶評(píng)分矩陣R。

    輸出:模糊聚類簇(C1,C2,…,Cx)。

    步驟1建立用戶評(píng)分矩陣。

    設(shè)用戶為論域U={u1,u2,…,um},每個(gè)用戶對(duì)應(yīng)n種類型電影的評(píng)分(表示其愛好)rui,i∈1,2,…,m,得到原始用戶有效評(píng)分矩陣R=(rui)m×n。

    步驟2構(gòu)建模糊相似矩陣可以采用貼近度法、距離法和相似系數(shù)法,本文采用相似系數(shù)法中的皮爾遜相關(guān)系數(shù)建立模糊相似矩陣M,主對(duì)角線上的元素都為1,其他位置元素用皮爾遜相關(guān)系數(shù)計(jì)算得到,構(gòu)成的對(duì)角矩陣如式(4)所示:

    u≠v

    (4)

    步驟3用平方法合成傳遞閉包,建立模糊等價(jià)矩陣t(M),M°M=M2,M2°M2=M4,…,總能找到一個(gè)q使得Mq°Mq=M2q。

    (5)

    式(5)是M的傳遞閉包,并將t(M)中的元素從大到小編排為a1>a2>a3>…>ai,ai為傳遞閉包中的元素。

    步驟4計(jì)算當(dāng)閾值λ=a1,a2,…,ai時(shí),對(duì)應(yīng)不同的截集,即模糊聚類簇(C1,C2,…,Cx)。

    3.3 伴隨時(shí)間因子的用戶評(píng)分預(yù)測(cè)

    傳統(tǒng)的協(xié)同過(guò)濾推薦算法根據(jù)用戶的偏好,通過(guò)用戶的歷史記錄進(jìn)行推薦,此過(guò)程離線進(jìn)行[19],忽略了人的興趣會(huì)受到時(shí)間影響,但現(xiàn)實(shí)生活中用戶對(duì)物品的喜愛會(huì)隨時(shí)間發(fā)生改變,歷史記錄與當(dāng)前評(píng)分時(shí)間越近,越能代表最近的愛好[20,21]。用戶興趣不斷變化但在傳統(tǒng)的協(xié)同過(guò)濾推薦算法中不能體現(xiàn)出來(lái),對(duì)用戶評(píng)分設(shè)置統(tǒng)一權(quán)重推薦的實(shí)時(shí)性問(wèn)題在此時(shí)顯得尤為重要。根據(jù)用戶的評(píng)價(jià)歷史,對(duì)用戶進(jìn)行實(shí)時(shí)推薦,王永貴等[22]根據(jù)不同的時(shí)間段用戶的興趣可能發(fā)生變化,引入時(shí)間因子TF1(Time Factor 1)(如式(6)所示),提高了推薦效果。本文在此基礎(chǔ)上結(jié)合艾賓浩斯遺忘曲線,針對(duì)用戶歷史記錄間隔較長(zhǎng)的問(wèn)題,平衡評(píng)分時(shí)間差,模擬人類興趣變化改進(jìn)式(6),將時(shí)間因子TF1優(yōu)化為TF2(Time Factor 2),如式(7)所示。使時(shí)間因子參與預(yù)測(cè)評(píng)分,不同的評(píng)分時(shí)刻將會(huì)被賦予不同的時(shí)間權(quán)重,這樣可以模擬用戶偏好變化,實(shí)現(xiàn)實(shí)時(shí)推薦,為了描述清晰,將公式中參數(shù)進(jìn)行統(tǒng)一。

    (6)

    (7)

    其中,Ti為用戶對(duì)項(xiàng)目ii評(píng)分時(shí)對(duì)應(yīng)的時(shí)間,T0為用戶初次進(jìn)行項(xiàng)目評(píng)分對(duì)應(yīng)的時(shí)間,Tn表示用戶使用推薦系統(tǒng)的總時(shí)長(zhǎng),2種時(shí)間因子TF1和TF2都記為函數(shù)f(t),取值為(0,1)。

    式(8)所示為用戶評(píng)分預(yù)測(cè)計(jì)算式,其中加入了時(shí)間因子f(t)。

    (8)

    針對(duì)用戶ui,只要對(duì)ui所在的聚類簇利用式(8),就可以計(jì)算出該用戶對(duì)感興趣商品的評(píng)分預(yù)測(cè)值,把預(yù)測(cè)值高的商品推薦給該用戶??梢?,經(jīng)過(guò)聚類的協(xié)同過(guò)濾大大降低了計(jì)算量。

    4 實(shí)驗(yàn)

    為了描述方便,將文獻(xiàn)[9]基于云模型相似度的用戶推薦算法改進(jìn)記為CM-CF(Cloud Model Collaborative Filtering)算法;將文獻(xiàn)[16]改進(jìn)模糊劃分聚類的協(xié)同過(guò)濾推薦算法記為FCCF算法;使用SMOTE過(guò)采樣技術(shù)預(yù)處理的模糊聚類協(xié)同過(guò)濾推薦算法記為SMOTE-FCCF算法;代入時(shí)間因子TF1的模糊聚類協(xié)同過(guò)濾推薦算法記為SMOTE-TF1-FCCF算法;使用SMOTE過(guò)采樣技術(shù)預(yù)處理,代入時(shí)間因子TF2的模糊聚類協(xié)同過(guò)濾推薦算法記為SMOTE-TF2-FCCF算法。下面通過(guò)實(shí)驗(yàn)進(jìn)行對(duì)比研究,以驗(yàn)證模糊聚類和時(shí)間因子對(duì)推薦算法的效果。

    通過(guò)平均絕對(duì)誤差MAE(Mean Absolute Error )和均方根誤差RMSE(Root Mean Square Error)指標(biāo),檢驗(yàn)近鄰個(gè)數(shù)k和推薦個(gè)數(shù)N對(duì)推薦效果的影響。基于模糊聚類簇(C1,C2,…,Cx),在聚類簇中確定近鄰個(gè)數(shù)的最優(yōu)值,進(jìn)而確定推薦個(gè)數(shù)。

    4.1 數(shù)據(jù)集

    實(shí)驗(yàn)使用的數(shù)據(jù)集是由美國(guó)明尼蘇達(dá)州大學(xué)GroupLens項(xiàng)目組創(chuàng)建,其中包括100 KB、1 MB、10 MB 3個(gè)規(guī)模的數(shù)據(jù)集。本文使用MovieLens-100k數(shù)據(jù)集驗(yàn)證推薦效果。數(shù)據(jù)集包含943名用戶對(duì)1 682部電影的1 000 000條評(píng)分,且數(shù)據(jù)集的每個(gè)用戶對(duì)電影的評(píng)分都是1~5分。數(shù)據(jù)集上每個(gè)評(píng)分?jǐn)?shù)據(jù)都帶有評(píng)分時(shí)的時(shí)間戳(時(shí)刻序列值),用戶是初次評(píng)價(jià)即為T0,對(duì)第i個(gè)項(xiàng)目評(píng)價(jià)即為Ti,直接代入公式參與運(yùn)算。本文構(gòu)建的數(shù)據(jù)集用戶項(xiàng)目評(píng)分矩陣稀疏度為93.7%。

    4.2 推薦評(píng)價(jià)

    本文采用檢驗(yàn)推薦方法最常用的MAE(平均絕對(duì)誤差)、RMSE(均方根誤差)指標(biāo):

    (9)

    (10)

    其中,pi表示預(yù)測(cè)評(píng)分,qi表示實(shí)際評(píng)分,N表示有N個(gè)項(xiàng)目。值越小說(shuō)明算法性能越好。

    為驗(yàn)證SMOTE-TF2-FCCF算法的有效性,本文基于控制變量法設(shè)計(jì)了2組實(shí)驗(yàn)進(jìn)行測(cè)試,同時(shí)對(duì)過(guò)采樣倍率進(jìn)行設(shè)置,如果過(guò)采樣倍率過(guò)大,新增樣本點(diǎn)的選取范圍也會(huì)增大,難以尋找真正的近鄰用戶;如果過(guò)采樣倍率過(guò)小,數(shù)據(jù)的稀疏度依然很大,難以起到數(shù)據(jù)填充的效果,因此設(shè)置過(guò)采樣倍率為500%。

    4.3 復(fù)雜度分析

    除了考慮算法的準(zhǔn)確性,算法的時(shí)間效率也是不容忽視的衡量指標(biāo)。5種算法計(jì)算相似度的時(shí)間復(fù)雜度都為Ο(m×m),m為用戶數(shù)目,相差不大;但加入模糊聚類后評(píng)分過(guò)程的復(fù)雜度為Ο(nk)(n為項(xiàng)目數(shù),k為用戶的近鄰個(gè)數(shù)),其余4種傳統(tǒng)的項(xiàng)目評(píng)分過(guò)程的復(fù)雜度為Ο(m×n),一般地有m>>k,所以本文算法通過(guò)模糊聚類搜索近鄰用戶,大大縮短了推薦的時(shí)間,保證了推薦的效率。

    4.4 實(shí)驗(yàn)設(shè)計(jì)和結(jié)果分析

    實(shí)驗(yàn)環(huán)境為:

    操作系統(tǒng)為Windows 10 x64,處理器為Intel(R) Core(TM) i5-8250U CPU @ 1.60 GHz 1.80 GHz,RAM為12 GB。

    語(yǔ)言環(huán)境為gcc version 8.2.0, Python 3.7.5。

    4.4.1 CM-CF算法、FCCF算法和SMOTE-FCCF算法的對(duì)比

    A組實(shí)驗(yàn)是CM-CF算法、FCCF算法和SMOTE-FCCF算法在MovieLens-100k數(shù)據(jù)集上測(cè)試模糊聚類的效果,分別通過(guò)云模型、模糊聚類和加入SMOTE過(guò)采樣技術(shù)填充的模糊聚類,以MAE和RMSE作為檢驗(yàn)算法準(zhǔn)確性的評(píng)價(jià)指標(biāo),進(jìn)行3種算法的對(duì)比。

    A組實(shí)驗(yàn)結(jié)果如表4所示,設(shè)置聚類數(shù)的取值為1~500,間隔為1,在MAE值最低點(diǎn)時(shí)確定聚類數(shù),求得RMSE值。觀察類簇中用戶的個(gè)數(shù)多集中于[20,60],以遞增間隔為2,此時(shí)3種算法的最近鄰k的最優(yōu)取值分別為40,50,26。推薦個(gè)數(shù)N的最優(yōu)取值分別為8,5,7。

    Table 4 Experimental comparison of cloud model recommendation and fuzzy cluster recommendation表4 云模型推薦與模糊聚類推薦實(shí)驗(yàn)對(duì)比

    可以看出CM-CF算法的MAE值最小,為0.75,RMSE為0.96;FCCF算法在聚類數(shù)為20時(shí),MAE值最小,為0.63,RMSE為0.91;FCCF算法較CM-CF算法的MAE、RMSE和聚類數(shù)均相對(duì)較小,表明模糊聚類確實(shí)可以提高推薦的準(zhǔn)確性。SMOTE-FCCF算法在聚類數(shù)為30時(shí),MAE值最小,為0.62,RMSE為0.89,SMOTE-FCCF算法的MAE、RMSE比FCCF算法的也小,說(shuō)明SMOTE過(guò)采樣填充優(yōu)于平均值填充,本文提出的經(jīng)過(guò)數(shù)據(jù)預(yù)處理后的模糊聚類協(xié)同過(guò)濾推薦算法SMOTE-FCCF優(yōu)于文獻(xiàn)[9]和文獻(xiàn)[16]提出的算法。

    4.4.2 SMOTE-FCCF算法、SMOTE-TF1-FCCF算法和SMOTE-TF2-FCCF算法對(duì)比

    為了驗(yàn)證加入時(shí)間因子和改進(jìn)時(shí)間因子的有效性,將SMOTE-FCCF、SMOTE-TF1-FCCF和SMOTE-TF2-FCCF算法進(jìn)行對(duì)比,采用MAE和RMSE檢驗(yàn)算法準(zhǔn)確性。B組實(shí)驗(yàn)結(jié)果如表5所示。聚類數(shù)目通過(guò)數(shù)據(jù)預(yù)處理進(jìn)行模糊聚類確定,與時(shí)間因子無(wú)關(guān),所以B組實(shí)驗(yàn)和A組實(shí)驗(yàn)中SMOTE-TF2-FCCF的聚類數(shù)目相同,都為30,3種算法只是驗(yàn)證時(shí)間因子的效果,故聚類數(shù)、最近鄰數(shù)k、推薦個(gè)數(shù)N的最優(yōu)取值都為30,26,7。

    Table 5 Experimental comparison of influence of time factor表5 時(shí)間因子影響實(shí)驗(yàn)對(duì)比

    橫向比較,SMOTE-FCCF的MAE和RMSE分別為0.62和0.89。加入時(shí)間因子TF1,SMOTE-TF1-FCCF的MAE和RMSE分別為0.61和0.88,MAE和RMSE較SMOTE-FCCF算法明顯降低,可以發(fā)現(xiàn),加入時(shí)間因子TF1可以提升推薦效果,而加入時(shí)間因子TF2后,SMOTE-TF2-FCCF算法的MAE和RMSE分別為0.60和0.76,該值優(yōu)于SMOTE-TF1-FCCF算法的,推薦效果大大提高。

    縱向比較3種算法的MAE和RMSE值,SMOTE-TF1-FCCF和SMOTE-TF2-FCCF算法的結(jié)果都優(yōu)于SMOTE-FCCF算法的,說(shuō)明人們的興趣會(huì)隨時(shí)間的遷移而發(fā)生變化,改進(jìn)的時(shí)間因子TF2明顯優(yōu)于TF1,說(shuō)明改進(jìn)平衡時(shí)間因子有效,可進(jìn)一步提高推薦算法的推薦性能。

    5 結(jié)束語(yǔ)

    協(xié)同過(guò)濾推薦算法最大的優(yōu)點(diǎn)是對(duì)推薦對(duì)象沒有特殊的要求,能夠有效地使用其他相似用戶的反饋信息?;谀:垲惖膮f(xié)同過(guò)濾推薦算法大大減少了運(yùn)算量,但也帶來(lái)了數(shù)據(jù)稀疏問(wèn)題。

    本文提出伴隨時(shí)間的模糊聚類協(xié)同過(guò)濾推薦算法SMOTE-TF2-FCCF,根據(jù)用戶之間的評(píng)分差異,對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,采用SMOTE過(guò)采樣技術(shù)進(jìn)行填充,有效解決了數(shù)據(jù)稀疏性問(wèn)題;利用模糊聚類減小相似用戶集合,降低計(jì)算復(fù)雜度,同時(shí)在聚類簇上加入用戶評(píng)級(jí)項(xiàng)目的時(shí)間因子,考慮了推薦的實(shí)時(shí)性。實(shí)驗(yàn)結(jié)果表明,經(jīng)過(guò)SMOTE過(guò)采樣預(yù)處理的模糊聚類協(xié)同過(guò)濾算法優(yōu)于其他數(shù)據(jù)預(yù)處理方法,伴隨時(shí)間的模糊聚類協(xié)同過(guò)濾算法優(yōu)于沒有時(shí)間因子的推薦算法,而本文改進(jìn)的SMOTE-TF2-FCCF算法性能最好。

    模糊聚類算法對(duì)數(shù)據(jù)稀疏性非常敏感,在未來(lái)的工作中,將對(duì)改進(jìn)稀疏度的方法做進(jìn)一步研究,或者使用對(duì)數(shù)據(jù)沒有限制的新的聚類方法,以進(jìn)一步提高推薦算法的性能。

    猜你喜歡
    用戶
    雅閣國(guó)內(nèi)用戶交付突破300萬(wàn)輛
    車主之友(2022年4期)2022-08-27 00:58:26
    您撥打的用戶已戀愛,請(qǐng)稍后再哭
    關(guān)注用戶
    商用汽車(2016年11期)2016-12-19 01:20:16
    關(guān)注用戶
    商用汽車(2016年5期)2016-11-28 09:55:15
    兩新黨建新媒體用戶與全網(wǎng)新媒體用戶之間有何差別
    關(guān)注用戶
    商用汽車(2016年6期)2016-06-29 09:18:54
    關(guān)注用戶
    商用汽車(2016年4期)2016-05-09 01:23:12
    挖掘用戶需求尖端科技應(yīng)用
    Camera360:拍出5億用戶
    100萬(wàn)用戶
    国产精品电影一区二区三区| 亚洲五月色婷婷综合| 亚洲欧美激情综合另类| 久9热在线精品视频| 午夜福利视频1000在线观看| 日本成人三级电影网站| 欧美日本视频| 一级a爱视频在线免费观看| 此物有八面人人有两片| 精品乱码久久久久久99久播| 日本免费一区二区三区高清不卡| 久久久久久大精品| 很黄的视频免费| 一区二区三区精品91| 久久天躁狠狠躁夜夜2o2o| 嫁个100分男人电影在线观看| tocl精华| 国产97色在线日韩免费| 国产亚洲欧美精品永久| 伦理电影免费视频| 精品国产乱子伦一区二区三区| 99国产精品99久久久久| 香蕉久久夜色| 亚洲国产精品合色在线| 91在线观看av| 国产伦人伦偷精品视频| 俺也久久电影网| 此物有八面人人有两片| 制服人妻中文乱码| 看免费av毛片| 好看av亚洲va欧美ⅴa在| 色婷婷久久久亚洲欧美| 欧美乱色亚洲激情| 成人欧美大片| 亚洲午夜理论影院| 亚洲成人免费电影在线观看| 麻豆成人av在线观看| 999精品在线视频| 亚洲专区中文字幕在线| 97碰自拍视频| 午夜影院日韩av| 国产免费男女视频| 啦啦啦韩国在线观看视频| 一卡2卡三卡四卡精品乱码亚洲| 免费在线观看黄色视频的| 久久午夜亚洲精品久久| 法律面前人人平等表现在哪些方面| 最新美女视频免费是黄的| 精品一区二区三区av网在线观看| 国产成人av激情在线播放| 国产精品野战在线观看| 亚洲中文日韩欧美视频| 在线十欧美十亚洲十日本专区| 日本熟妇午夜| 麻豆成人av在线观看| 免费无遮挡裸体视频| 亚洲国产欧洲综合997久久, | 色哟哟哟哟哟哟| www国产在线视频色| 色播亚洲综合网| 91成年电影在线观看| 免费观看人在逋| 精品免费久久久久久久清纯| 亚洲性夜色夜夜综合| 一夜夜www| 人成视频在线观看免费观看| 日韩高清综合在线| 一本久久中文字幕| 成年人黄色毛片网站| 亚洲成av人片免费观看| 美女 人体艺术 gogo| 亚洲第一欧美日韩一区二区三区| 亚洲av片天天在线观看| 人人妻人人澡欧美一区二区| 亚洲国产欧美一区二区综合| 最新美女视频免费是黄的| 午夜两性在线视频| 哪里可以看免费的av片| 国产成人欧美在线观看| 老熟妇乱子伦视频在线观看| 91麻豆精品激情在线观看国产| 亚洲国产精品成人综合色| 99久久综合精品五月天人人| 校园春色视频在线观看| 久久精品亚洲精品国产色婷小说| 一本综合久久免费| 久久国产精品影院| 99久久久亚洲精品蜜臀av| 神马国产精品三级电影在线观看 | 9191精品国产免费久久| 国产精品一区二区精品视频观看| 无限看片的www在线观看| www.精华液| 人成视频在线观看免费观看| 日韩三级视频一区二区三区| 欧美激情极品国产一区二区三区| 亚洲人成77777在线视频| 久久精品国产亚洲av高清一级| 嫁个100分男人电影在线观看| 午夜激情福利司机影院| 成人三级做爰电影| 亚洲人成网站高清观看| 91九色精品人成在线观看| 成年版毛片免费区| 亚洲 欧美 日韩 在线 免费| 午夜视频精品福利| 午夜福利欧美成人| 免费av毛片视频| 欧美日韩福利视频一区二区| 欧美日韩亚洲综合一区二区三区_| 免费看美女性在线毛片视频| 日韩有码中文字幕| 中出人妻视频一区二区| 日日夜夜操网爽| 国产精品久久电影中文字幕| 亚洲欧美精品综合久久99| 久久久久久久久免费视频了| 丁香六月欧美| 国产精品乱码一区二三区的特点| 一边摸一边做爽爽视频免费| 国产av不卡久久| 19禁男女啪啪无遮挡网站| 一夜夜www| 一区二区三区精品91| 国产亚洲欧美98| 久久青草综合色| 亚洲av五月六月丁香网| av中文乱码字幕在线| 久久天堂一区二区三区四区| 国产av不卡久久| 老汉色av国产亚洲站长工具| 观看免费一级毛片| 老司机福利观看| 美女 人体艺术 gogo| 久久久精品国产亚洲av高清涩受| 十分钟在线观看高清视频www| 成人18禁高潮啪啪吃奶动态图| 看黄色毛片网站| 99国产精品一区二区三区| 日本黄色视频三级网站网址| 99国产极品粉嫩在线观看| 午夜免费观看网址| 丝袜美腿诱惑在线| 十八禁人妻一区二区| 欧美色欧美亚洲另类二区| 一级毛片精品| 一级a爱视频在线免费观看| 精品久久久久久,| 在线观看www视频免费| 国产三级在线视频| 高清毛片免费观看视频网站| 亚洲精品av麻豆狂野| 久久久久亚洲av毛片大全| 精品国产乱码久久久久久男人| 狂野欧美激情性xxxx| 亚洲午夜精品一区,二区,三区| 国产av一区二区精品久久| 午夜免费激情av| 国产精品野战在线观看| 日本 av在线| 欧美成狂野欧美在线观看| 国产精品野战在线观看| 婷婷六月久久综合丁香| 99精品久久久久人妻精品| 人人澡人人妻人| 亚洲欧美日韩高清在线视频| 欧美黄色片欧美黄色片| 一区福利在线观看| 啦啦啦 在线观看视频| 国产午夜精品久久久久久| а√天堂www在线а√下载| 国产日本99.免费观看| 亚洲人成网站高清观看| 国产精品美女特级片免费视频播放器 | 欧美黑人精品巨大| 亚洲精品国产精品久久久不卡| 一级片免费观看大全| 两人在一起打扑克的视频| 一级毛片高清免费大全| 亚洲美女黄片视频| 在线观看免费日韩欧美大片| 亚洲av片天天在线观看| 国产免费av片在线观看野外av| 国产极品粉嫩免费观看在线| 曰老女人黄片| 亚洲熟妇中文字幕五十中出| 成年女人毛片免费观看观看9| 国产黄片美女视频| 午夜激情福利司机影院| 女性被躁到高潮视频| 草草在线视频免费看| 亚洲一卡2卡3卡4卡5卡精品中文| 少妇熟女aⅴ在线视频| 男女下面进入的视频免费午夜 | 欧美日韩瑟瑟在线播放| 亚洲精品美女久久av网站| 国产亚洲欧美98| 又紧又爽又黄一区二区| 亚洲狠狠婷婷综合久久图片| 级片在线观看| 久久精品人妻少妇| 免费看十八禁软件| 好看av亚洲va欧美ⅴa在| 久久精品国产清高在天天线| 嫁个100分男人电影在线观看| 人人妻人人看人人澡| 日韩精品免费视频一区二区三区| 午夜精品久久久久久毛片777| 无限看片的www在线观看| 国产私拍福利视频在线观看| 99久久国产精品久久久| 一区二区三区激情视频| 黄色视频,在线免费观看| 亚洲精品国产一区二区精华液| 动漫黄色视频在线观看| 国产伦人伦偷精品视频| 国内精品久久久久精免费| 人人妻人人澡欧美一区二区| 国产亚洲av嫩草精品影院| 中文字幕av电影在线播放| 午夜福利18| 又大又爽又粗| 99久久99久久久精品蜜桃| 日韩欧美一区二区三区在线观看| 国产v大片淫在线免费观看| 亚洲五月色婷婷综合| 欧美日韩中文字幕国产精品一区二区三区| 黄色丝袜av网址大全| 精品电影一区二区在线| 99国产精品一区二区蜜桃av| 国产激情偷乱视频一区二区| 两个人免费观看高清视频| 亚洲一卡2卡3卡4卡5卡精品中文| 搡老熟女国产l中国老女人| 日本 av在线| 午夜老司机福利片| 黑人巨大精品欧美一区二区mp4| 19禁男女啪啪无遮挡网站| 欧美黄色淫秽网站| 999精品在线视频| 国产一区二区三区在线臀色熟女| 日本一本二区三区精品| 国产又爽黄色视频| 18禁黄网站禁片午夜丰满| 欧美国产精品va在线观看不卡| 国产精品免费一区二区三区在线| 色综合欧美亚洲国产小说| 精品久久久久久,| 好看av亚洲va欧美ⅴa在| 亚洲熟女毛片儿| 久热这里只有精品99| cao死你这个sao货| 亚洲av电影不卡..在线观看| 久久久久久久久中文| 日韩精品青青久久久久久| 90打野战视频偷拍视频| 两人在一起打扑克的视频| 两性午夜刺激爽爽歪歪视频在线观看 | 国产精品电影一区二区三区| 日韩欧美 国产精品| 国产黄a三级三级三级人| 日韩有码中文字幕| 亚洲av片天天在线观看| 欧美又色又爽又黄视频| 久久久久九九精品影院| 搡老熟女国产l中国老女人| 欧美黑人欧美精品刺激| 少妇的丰满在线观看| 成人av一区二区三区在线看| 欧美乱妇无乱码| 色婷婷久久久亚洲欧美| 久久中文字幕一级| 中文资源天堂在线| 女生性感内裤真人,穿戴方法视频| 亚洲男人的天堂狠狠| 好男人电影高清在线观看| 1024视频免费在线观看| 亚洲最大成人中文| 欧美激情高清一区二区三区| 精品卡一卡二卡四卡免费| 午夜免费观看网址| 色尼玛亚洲综合影院| 久久国产乱子伦精品免费另类| 后天国语完整版免费观看| 婷婷亚洲欧美| 制服丝袜大香蕉在线| 国内精品久久久久精免费| 婷婷六月久久综合丁香| 色av中文字幕| 亚洲成人精品中文字幕电影| 亚洲欧美激情综合另类| www.自偷自拍.com| 成人手机av| 777久久人妻少妇嫩草av网站| 欧美日韩亚洲综合一区二区三区_| 看免费av毛片| 亚洲成av片中文字幕在线观看| 成人18禁在线播放| 国产高清激情床上av| 国产日本99.免费观看| 免费在线观看影片大全网站| 一本久久中文字幕| 一边摸一边做爽爽视频免费| 麻豆av在线久日| 美女国产高潮福利片在线看| 免费观看人在逋| 波多野结衣巨乳人妻| 国产精品,欧美在线| 国产v大片淫在线免费观看| 韩国精品一区二区三区| 久久久国产成人免费| 亚洲欧美精品综合一区二区三区| 国产高清有码在线观看视频 | 国产精品98久久久久久宅男小说| 精品久久久久久久毛片微露脸| 国产精品久久电影中文字幕| 麻豆久久精品国产亚洲av| 国产精品电影一区二区三区| 国产av一区在线观看免费| 中文字幕精品免费在线观看视频| 欧美av亚洲av综合av国产av| 国产成人精品无人区| 精品久久久久久久久久久久久 | 男人舔女人下体高潮全视频| 精品久久久久久久末码| 精品国内亚洲2022精品成人| 91成人精品电影| 最近最新免费中文字幕在线| 中文字幕久久专区| 久久国产乱子伦精品免费另类| 久久精品91无色码中文字幕| 成人欧美大片| 亚洲欧美日韩无卡精品| 久久九九热精品免费| 亚洲专区字幕在线| 国产午夜精品久久久久久| 亚洲精品国产一区二区精华液| 色哟哟哟哟哟哟| 俺也久久电影网| 亚洲五月色婷婷综合| 亚洲国产欧美一区二区综合| 少妇熟女aⅴ在线视频| 国产精品av久久久久免费| 免费观看精品视频网站| 变态另类丝袜制服| 波多野结衣巨乳人妻| 亚洲中文av在线| 人人澡人人妻人| 久久精品国产清高在天天线| 一本精品99久久精品77| 国产欧美日韩一区二区三| xxxwww97欧美| av天堂在线播放| 久99久视频精品免费| 亚洲 欧美 日韩 在线 免费| 欧美乱妇无乱码| 黄网站色视频无遮挡免费观看| 久久精品成人免费网站| 变态另类成人亚洲欧美熟女| 这个男人来自地球电影免费观看| 午夜两性在线视频| 在线观看免费日韩欧美大片| 不卡一级毛片| 中文字幕人妻熟女乱码| 日韩欧美 国产精品| 制服诱惑二区| 午夜视频精品福利| 久久精品91无色码中文字幕| 国产亚洲精品综合一区在线观看 | 免费女性裸体啪啪无遮挡网站| 成人18禁在线播放| 18禁国产床啪视频网站| 亚洲欧洲精品一区二区精品久久久| 久久亚洲精品不卡| 欧美国产日韩亚洲一区| 精品国产美女av久久久久小说| 亚洲av电影不卡..在线观看| 在线永久观看黄色视频| 成人18禁高潮啪啪吃奶动态图| 久久中文看片网| 国产在线精品亚洲第一网站| 长腿黑丝高跟| 一级毛片高清免费大全| 久久中文字幕一级| 色老头精品视频在线观看| 亚洲黑人精品在线| 一级a爱视频在线免费观看| 在线观看午夜福利视频| 亚洲国产高清在线一区二区三 | 一级黄色大片毛片| 制服诱惑二区| 日韩精品青青久久久久久| aaaaa片日本免费| 婷婷精品国产亚洲av在线| 在线看三级毛片| 亚洲真实伦在线观看| 日韩一卡2卡3卡4卡2021年| 男女午夜视频在线观看| 欧美一级毛片孕妇| 久久亚洲精品不卡| 国产精品一区二区免费欧美| 变态另类丝袜制服| 久久久久免费精品人妻一区二区 | 国产精品野战在线观看| 亚洲九九香蕉| 免费无遮挡裸体视频| 免费看十八禁软件| 黄色 视频免费看| 一级作爱视频免费观看| 人人妻人人澡欧美一区二区| 一卡2卡三卡四卡精品乱码亚洲| 婷婷六月久久综合丁香| 亚洲中文av在线| 免费女性裸体啪啪无遮挡网站| 波多野结衣巨乳人妻| 久久天堂一区二区三区四区| 欧美一级毛片孕妇| 波多野结衣av一区二区av| 无人区码免费观看不卡| 老司机靠b影院| 日本 欧美在线| 91九色精品人成在线观看| 欧美性猛交黑人性爽| 久久 成人 亚洲| 亚洲精品色激情综合| 亚洲国产中文字幕在线视频| 日韩精品免费视频一区二区三区| 欧美黄色淫秽网站| 欧美一区二区精品小视频在线| av超薄肉色丝袜交足视频| 国产伦在线观看视频一区| АⅤ资源中文在线天堂| 国产成人啪精品午夜网站| 在线视频色国产色| 一进一出抽搐动态| 亚洲国产日韩欧美精品在线观看 | 国内毛片毛片毛片毛片毛片| 国内精品久久久久精免费| 久久精品aⅴ一区二区三区四区| 欧美中文日本在线观看视频| 伊人久久大香线蕉亚洲五| 国产亚洲av嫩草精品影院| 国产亚洲精品av在线| 国产蜜桃级精品一区二区三区| 久久久精品欧美日韩精品| 美女扒开内裤让男人捅视频| 老司机靠b影院| 一级a爱片免费观看的视频| 免费在线观看完整版高清| 校园春色视频在线观看| ponron亚洲| 免费高清在线观看日韩| 亚洲av五月六月丁香网| 国产一区二区在线av高清观看| 欧美大码av| 老汉色av国产亚洲站长工具| 最新美女视频免费是黄的| 亚洲精品国产精品久久久不卡| 啦啦啦观看免费观看视频高清| 久久99热这里只有精品18| 欧美久久黑人一区二区| 久久精品国产清高在天天线| 人妻丰满熟妇av一区二区三区| 亚洲av成人不卡在线观看播放网| 久久中文字幕人妻熟女| 黄片小视频在线播放| 国产蜜桃级精品一区二区三区| 国产精品久久久久久人妻精品电影| 色尼玛亚洲综合影院| 日韩成人在线观看一区二区三区| 久久精品国产亚洲av高清一级| 午夜福利成人在线免费观看| 亚洲专区国产一区二区| 国产精品一区二区三区四区久久 | cao死你这个sao货| 丰满人妻熟妇乱又伦精品不卡| 91字幕亚洲| 桃红色精品国产亚洲av| 人人澡人人妻人| 日韩欧美国产一区二区入口| 性色av乱码一区二区三区2| 中文字幕高清在线视频| 久久精品夜夜夜夜夜久久蜜豆 | 巨乳人妻的诱惑在线观看| aaaaa片日本免费| 一a级毛片在线观看| 久久久久久亚洲精品国产蜜桃av| 婷婷六月久久综合丁香| 美女扒开内裤让男人捅视频| 黑人巨大精品欧美一区二区mp4| 一个人观看的视频www高清免费观看 | 免费电影在线观看免费观看| 日本在线视频免费播放| 久久婷婷人人爽人人干人人爱| 50天的宝宝边吃奶边哭怎么回事| 国产精品免费一区二区三区在线| 中文字幕高清在线视频| 久久久久久国产a免费观看| 女性被躁到高潮视频| av在线天堂中文字幕| 国产精品国产高清国产av| 午夜亚洲福利在线播放| 中文字幕最新亚洲高清| 亚洲无线在线观看| 国产1区2区3区精品| 亚洲av熟女| 精品高清国产在线一区| cao死你这个sao货| 色老头精品视频在线观看| 真人一进一出gif抽搐免费| 亚洲中文字幕一区二区三区有码在线看 | 国产日本99.免费观看| 男女午夜视频在线观看| 可以在线观看的亚洲视频| 成人三级黄色视频| 国产97色在线日韩免费| 亚洲av美国av| 免费观看精品视频网站| 亚洲av熟女| 亚洲av五月六月丁香网| 在线观看免费午夜福利视频| 国产高清视频在线播放一区| 亚洲精品国产一区二区精华液| 欧美在线黄色| 成人欧美大片| 久久香蕉国产精品| 美女国产高潮福利片在线看| 亚洲一码二码三码区别大吗| 久久久久久人人人人人| 99精品久久久久人妻精品| 美女免费视频网站| 少妇的丰满在线观看| 中文字幕人妻丝袜一区二区| 国产又黄又爽又无遮挡在线| 亚洲性夜色夜夜综合| 国产亚洲精品av在线| 99riav亚洲国产免费| 又紧又爽又黄一区二区| e午夜精品久久久久久久| 婷婷精品国产亚洲av在线| 中文在线观看免费www的网站 | 亚洲第一青青草原| 国产成人精品久久二区二区免费| 欧美性猛交╳xxx乱大交人| 一二三四在线观看免费中文在| 亚洲精华国产精华精| 999久久久国产精品视频| 18禁黄网站禁片午夜丰满| 两个人免费观看高清视频| 国产精品 欧美亚洲| 亚洲av电影在线进入| 亚洲一区二区三区不卡视频| 欧美成狂野欧美在线观看| 国产一级毛片七仙女欲春2 | 久久久精品欧美日韩精品| 两个人免费观看高清视频| 一进一出抽搐动态| 女同久久另类99精品国产91| av超薄肉色丝袜交足视频| 搡老熟女国产l中国老女人| 日韩三级视频一区二区三区| 亚洲av中文字字幕乱码综合 | 精品久久久久久久毛片微露脸| 国产单亲对白刺激| 精华霜和精华液先用哪个| 黄色片一级片一级黄色片| www日本在线高清视频| 黄色视频不卡| xxx96com| 亚洲av美国av| 国产亚洲欧美精品永久| 国产精品久久久久久亚洲av鲁大| 在线av久久热| 国产99白浆流出| 波多野结衣高清作品| 99精品在免费线老司机午夜| 美女高潮到喷水免费观看| 成人永久免费在线观看视频| 久久午夜亚洲精品久久| 美女午夜性视频免费| 国产精品永久免费网站| 国产精品自产拍在线观看55亚洲| 熟女电影av网| 最新在线观看一区二区三区| 精品国产一区二区三区四区第35| 看黄色毛片网站| 18禁裸乳无遮挡免费网站照片 | 熟妇人妻久久中文字幕3abv| 欧美在线一区亚洲| 99国产极品粉嫩在线观看| 久久国产精品人妻蜜桃| 成人免费观看视频高清| av免费在线观看网站| 久久久精品国产亚洲av高清涩受| 国产私拍福利视频在线观看| 中文字幕av电影在线播放| 中文字幕另类日韩欧美亚洲嫩草| 级片在线观看| 婷婷六月久久综合丁香| 最近最新中文字幕大全电影3 | 亚洲国产欧洲综合997久久, | 十八禁人妻一区二区| 在线观看66精品国产| 狂野欧美激情性xxxx| 久久久久久国产a免费观看| 黄网站色视频无遮挡免费观看| 久9热在线精品视频| 精品国产美女av久久久久小说| 超碰成人久久| 一进一出抽搐动态| 美女午夜性视频免费| 国产亚洲精品av在线| 制服诱惑二区| 高清在线国产一区| av欧美777|