• <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(lèi)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(lèi)[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(lèi)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(lèi)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(lèi),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(méi)有考慮項(xiàng)目之間的隱含信息,加入模糊聚類(lèi)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(lèi)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(lèi)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(lèi)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(lèi)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(lèi)型。本文選擇使用一種基于模糊聚類(lèi)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(lèi),每類(lèi)對(duì)應(yīng)相同興趣愛(ài)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(lèi)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(lèi)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(lèi)對(duì)用戶進(jìn)行聚類(lèi)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(lèi)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(lèi)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(lèi)樣本明顯少于其他類(lèi)[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(lèi)、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(lèi)樣本間按照一定規(guī)則人工插入新樣本,使少數(shù)類(lèi)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(lèi)的分類(lèi)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(lèi)樣本,未評(píng)分樣本為多數(shù)類(lèi)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(lèi)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(lèi)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(lèi)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(lèi)

    模糊聚類(lèi)是利用模糊等價(jià)關(guān)系將給定對(duì)象進(jìn)行等價(jià)類(lèi)劃分,和其他聚類(lèi)方法不同的是其不需要提前確定聚類(lèi)數(shù)目,通過(guò)對(duì)分類(lèi)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(chēng)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(lèi)的數(shù)目趨于穩(wěn)定時(shí)確定項(xiàng)目的最終分類(lèi)。模糊聚類(lèi)算法FCCF的聚類(lèi)過(guò)程描述如算法1所示:

    算法1模糊聚類(lèi)算法FCCF

    輸入:用戶評(píng)分矩陣R。

    輸出:模糊聚類(lèi)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(lèi)型電影的評(píng)分(表示其愛(ài)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(lèi)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(ài)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(ài)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(lèi)興趣變化改進(jìn)式(6),將時(shí)間因子TF1優(yōu)化為T(mén)F2(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(lèi)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?jiàn),經(jīng)過(guò)聚類(lèi)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(lèi)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(lèi)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(lèi)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(lèi)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(lèi)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?;谀:垲?lèi)簇(C1,C2,…,Cx),在聚類(lèi)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T(mén)0,對(duì)第i個(gè)項(xiàng)目評(píng)價(jià)即為T(mén)i,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(lèi)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(lèi)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(lèi)的效果,分別通過(guò)云模型、模糊聚類(lèi)和加入SMOTE過(guò)采樣技術(shù)填充的模糊聚類(lèi),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(lèi)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(lèi)數(shù),求得RMSE值。觀察類(lèi)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(lèi)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(lèi)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(lèi)數(shù)均相對(duì)較小,表明模糊聚類(lèi)確實(shí)可以提高推薦的準(zhǔn)確性。SMOTE-FCCF算法在聚類(lèi)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(lèi)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(lèi)數(shù)目通過(guò)數(shù)據(jù)預(yù)處理進(jìn)行模糊聚類(lèi)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(lèi)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(lèi)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(méi)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?lèi)的協(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(lèi)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(lèi)減小相似用戶集合,降低計(jì)算復(fù)雜度,同時(shí)在聚類(lèi)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(lèi)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(lèi)協(xié)同過(guò)濾算法優(yōu)于沒(méi)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(lèi)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(méi)有限制的新的聚類(lèi)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
    您撥打的用戶已戀愛(ài),請(qǐng)稍后再哭
    關(guān)注用戶
    關(guān)注用戶
    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
    關(guān)注用戶
    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
    人妻制服诱惑在线中文字幕| 精品久久久久久电影网| 我要看日韩黄色一级片| 久久久久性生活片| 国产激情偷乱视频一区二区| 日韩一本色道免费dvd| 国产欧美另类精品又又久久亚洲欧美| 18禁裸乳无遮挡免费网站照片| 国产69精品久久久久777片| 国产激情偷乱视频一区二区| 欧美精品一区二区大全| 亚洲国产欧美人成| 熟女人妻精品中文字幕| 天堂av国产一区二区熟女人妻| 全区人妻精品视频| 国产精品人妻久久久影院| 亚洲精品影视一区二区三区av| 成年免费大片在线观看| kizo精华| 午夜福利在线在线| 听说在线观看完整版免费高清| 成人av在线播放网站| 国产久久久一区二区三区| 国产精品99久久久久久久久| av在线观看视频网站免费| 国产一区二区亚洲精品在线观看| 国产中年淑女户外野战色| 秋霞伦理黄片| 三级经典国产精品| 97人妻精品一区二区三区麻豆| 最近视频中文字幕2019在线8| 人妻少妇偷人精品九色| 国产激情偷乱视频一区二区| 亚洲精品aⅴ在线观看| 亚州av有码| 青青草视频在线视频观看| 韩国高清视频一区二区三区| 不卡视频在线观看欧美| 久久精品夜夜夜夜夜久久蜜豆| 亚洲精品久久午夜乱码| 国产一级毛片在线| 国产高清三级在线| 熟妇人妻久久中文字幕3abv| 久久午夜福利片| 2018国产大陆天天弄谢| 又粗又硬又长又爽又黄的视频| 国产精品一及| 国产精品人妻久久久影院| 久久久久久久午夜电影| a级毛片免费高清观看在线播放| 搡老乐熟女国产| 久久99热这里只频精品6学生| 搡老妇女老女人老熟妇| 一个人观看的视频www高清免费观看| 一本久久精品| 亚洲欧美一区二区三区国产| 久久99热6这里只有精品| av黄色大香蕉| 免费av不卡在线播放| 男人舔女人下体高潮全视频| 一级毛片我不卡| 国产在视频线在精品| 九九在线视频观看精品| 国产成人福利小说| 午夜激情欧美在线| 亚洲在久久综合| av国产免费在线观看| 91在线精品国自产拍蜜月| 亚洲精品456在线播放app| 特级一级黄色大片| 精品久久久久久久久亚洲| av在线播放精品| 女的被弄到高潮叫床怎么办| 在线天堂最新版资源| 99久久中文字幕三级久久日本| 最后的刺客免费高清国语| 直男gayav资源| 波野结衣二区三区在线| 777米奇影视久久| 日韩亚洲欧美综合| 久久亚洲国产成人精品v| 国产亚洲5aaaaa淫片| 听说在线观看完整版免费高清| 久久精品久久久久久久性| 欧美+日韩+精品| 亚洲精品成人久久久久久| 免费观看无遮挡的男女| 国产色爽女视频免费观看| 天堂中文最新版在线下载 | 久久久成人免费电影| 18禁裸乳无遮挡免费网站照片| 国产综合懂色| 亚洲精品自拍成人| 久久99热这里只频精品6学生| 国产精品蜜桃在线观看| 国产av码专区亚洲av| 国产 亚洲一区二区三区 | 亚洲国产精品成人综合色| 九九爱精品视频在线观看| 老司机影院毛片| 国产精品一及| 久久人人爽人人片av| 国产成人午夜福利电影在线观看| 精品久久久久久久久亚洲| 久久韩国三级中文字幕| 国产免费又黄又爽又色| 黄片无遮挡物在线观看| 精品久久久精品久久久| 天堂av国产一区二区熟女人妻| 国产黄色免费在线视频| 69人妻影院| 久久久久久久国产电影| 国产高潮美女av| 狂野欧美激情性xxxx在线观看| 国产中年淑女户外野战色| 日日摸夜夜添夜夜添av毛片| 3wmmmm亚洲av在线观看| 99久国产av精品国产电影| 日韩电影二区| 日韩欧美精品v在线| 久久精品久久精品一区二区三区| 国产成人精品一,二区| 国产精品综合久久久久久久免费| 激情五月婷婷亚洲| 亚洲精品乱码久久久v下载方式| 老司机影院毛片| 欧美精品国产亚洲| 国产乱来视频区| 日韩,欧美,国产一区二区三区| 免费观看a级毛片全部| 一个人观看的视频www高清免费观看| 尤物成人国产欧美一区二区三区| 久久热精品热| 久久6这里有精品| 99久久人妻综合| av.在线天堂| 少妇的逼好多水| 一级黄片播放器| av在线亚洲专区| 22中文网久久字幕| 日韩制服骚丝袜av| 国产成人免费观看mmmm| 欧美zozozo另类| 国产精品久久久久久久久免| 国产午夜精品一二区理论片| 日本-黄色视频高清免费观看| 久久久久久伊人网av| 欧美xxxx黑人xx丫x性爽| 亚洲av在线观看美女高潮| 成年版毛片免费区| 搡女人真爽免费视频火全软件| 啦啦啦中文免费视频观看日本| 一区二区三区乱码不卡18| 国产精品蜜桃在线观看| 国产男女超爽视频在线观看| 亚洲熟妇中文字幕五十中出| 国产v大片淫在线免费观看| 大陆偷拍与自拍| 国产成人福利小说| 高清毛片免费看| 身体一侧抽搐| 国产极品天堂在线| 毛片一级片免费看久久久久| 国产一区有黄有色的免费视频 | 男女视频在线观看网站免费| 80岁老熟妇乱子伦牲交| 搡女人真爽免费视频火全软件| 国产精品熟女久久久久浪| 中文字幕av在线有码专区| 亚洲精品久久久久久婷婷小说| 一二三四中文在线观看免费高清| 成年女人在线观看亚洲视频 | 亚洲国产精品sss在线观看| 国产男人的电影天堂91| 天美传媒精品一区二区| 久久久久网色| 国产伦精品一区二区三区四那| 街头女战士在线观看网站| 男女视频在线观看网站免费| 国产成人a区在线观看| 亚洲精品亚洲一区二区| 亚洲欧美日韩卡通动漫| 日本一本二区三区精品| 国产黄频视频在线观看| 亚洲四区av| 亚洲,欧美,日韩| 国产成人91sexporn| 午夜爱爱视频在线播放| 亚洲成色77777| 久久久久久久久久黄片| 一级二级三级毛片免费看| 亚洲国产成人一精品久久久| 中文字幕亚洲精品专区| 午夜爱爱视频在线播放| 日本黄色片子视频| 国产色婷婷99| 午夜福利网站1000一区二区三区| 91午夜精品亚洲一区二区三区| 在线免费观看的www视频| 亚洲国产精品成人久久小说| av在线老鸭窝| 国产精品一区二区性色av| 青春草亚洲视频在线观看| 欧美xxxx性猛交bbbb| 一级爰片在线观看| 九九在线视频观看精品| 草草在线视频免费看| 大香蕉97超碰在线| 久久这里有精品视频免费| 午夜福利网站1000一区二区三区| 日韩三级伦理在线观看| 久久午夜福利片| av线在线观看网站| 人体艺术视频欧美日本| 欧美精品国产亚洲| 男人爽女人下面视频在线观看| 精品久久久噜噜| 国产极品天堂在线| 午夜福利视频精品| 高清在线视频一区二区三区| 永久免费av网站大全| 听说在线观看完整版免费高清| 亚洲av免费高清在线观看| 国产探花在线观看一区二区| 国产永久视频网站| 欧美日韩视频高清一区二区三区二| 九九爱精品视频在线观看| 我的老师免费观看完整版| 精品午夜福利在线看| 午夜精品在线福利| 亚洲精品一二三| 日韩精品有码人妻一区| 国产综合精华液| 精品久久久久久成人av| 亚洲第一区二区三区不卡| 舔av片在线| 亚洲精品影视一区二区三区av| av专区在线播放| 日韩av在线免费看完整版不卡| 日本免费a在线| 国产综合懂色| 日本-黄色视频高清免费观看| 国产欧美另类精品又又久久亚洲欧美| 国产人妻一区二区三区在| 亚洲性久久影院| 国产 一区精品| 最近手机中文字幕大全| 国产欧美日韩精品一区二区| 我的老师免费观看完整版| 精品久久国产蜜桃| 蜜桃亚洲精品一区二区三区| 亚洲电影在线观看av| 男女国产视频网站| 别揉我奶头 嗯啊视频| 91久久精品电影网| av又黄又爽大尺度在线免费看| 免费黄色在线免费观看| 久久久久免费精品人妻一区二区| 少妇丰满av| 能在线免费观看的黄片| 久久精品国产亚洲av涩爱| 97超视频在线观看视频| 日本欧美国产在线视频| 大又大粗又爽又黄少妇毛片口| 国产精品福利在线免费观看| 丰满少妇做爰视频| 免费人成在线观看视频色| 亚洲乱码一区二区免费版| 最后的刺客免费高清国语| 亚洲国产日韩欧美精品在线观看| 色综合亚洲欧美另类图片| 国产中年淑女户外野战色| 国产大屁股一区二区在线视频| 22中文网久久字幕| 精品一区在线观看国产| 久99久视频精品免费| 欧美潮喷喷水| 国产爱豆传媒在线观看| 成人特级av手机在线观看| 欧美3d第一页| 日韩,欧美,国产一区二区三区| av免费观看日本| 欧美日韩视频高清一区二区三区二| 18禁动态无遮挡网站| 九九在线视频观看精品| 九色成人免费人妻av| 简卡轻食公司| 中文资源天堂在线| av国产免费在线观看| 亚洲国产最新在线播放| 亚洲人成网站高清观看| av网站免费在线观看视频 | 亚洲婷婷狠狠爱综合网| 免费黄频网站在线观看国产| 国产乱人视频| 国产免费视频播放在线视频 | 亚洲欧美日韩东京热| 美女大奶头视频| 91久久精品国产一区二区成人| 天堂影院成人在线观看| 国产老妇女一区| 亚洲自偷自拍三级| 51国产日韩欧美| 中文资源天堂在线| 久久久久精品久久久久真实原创| 99久久精品国产国产毛片| 赤兔流量卡办理| 国内揄拍国产精品人妻在线| 在线 av 中文字幕| 久久久久久久久中文| 3wmmmm亚洲av在线观看| 精品久久久精品久久久| 国产午夜精品论理片| 七月丁香在线播放| 国产老妇伦熟女老妇高清| 国产在线男女| 美女国产视频在线观看| 一级黄片播放器| 黄色一级大片看看| 九九久久精品国产亚洲av麻豆| 好男人在线观看高清免费视频| 日日摸夜夜添夜夜添av毛片| 亚洲伊人久久精品综合| 精品一区二区三区视频在线| 精品酒店卫生间| 99九九线精品视频在线观看视频| 国产精品人妻久久久久久| 久久久久久伊人网av| 亚洲av电影不卡..在线观看| 精品久久久久久久久亚洲| 国产视频内射| av在线观看视频网站免费| 能在线免费观看的黄片| 中文字幕av成人在线电影| 日韩欧美精品免费久久| 国产精品1区2区在线观看.| 久久99热这里只频精品6学生| kizo精华| 搡老乐熟女国产| 欧美变态另类bdsm刘玥| 麻豆国产97在线/欧美| 国产亚洲av片在线观看秒播厂 | 国产亚洲一区二区精品| 自拍偷自拍亚洲精品老妇| 好男人在线观看高清免费视频| av.在线天堂| videossex国产| 少妇高潮的动态图| av卡一久久| 欧美激情国产日韩精品一区| 视频中文字幕在线观看| 人妻一区二区av| 狂野欧美激情性xxxx在线观看| 成人一区二区视频在线观看| 国产亚洲91精品色在线| 日韩一区二区视频免费看| 亚洲精品色激情综合| 亚洲美女搞黄在线观看| 国内揄拍国产精品人妻在线| 亚洲国产精品国产精品| 99久久精品热视频| 高清毛片免费看| 搡女人真爽免费视频火全软件| 久久久久久久大尺度免费视频| 亚洲欧美精品专区久久| 国产精品伦人一区二区| 精华霜和精华液先用哪个| 99热这里只有是精品在线观看| 久久热精品热| 青春草国产在线视频| 日韩精品青青久久久久久| 美女cb高潮喷水在线观看| 夫妻性生交免费视频一级片| videossex国产| 99久久九九国产精品国产免费| 嫩草影院新地址| 欧美+日韩+精品| 欧美一区二区亚洲| 日韩国内少妇激情av| 欧美一区二区亚洲| 免费大片黄手机在线观看| 嫩草影院新地址| 久久久久久久久久成人| 丝袜美腿在线中文| 亚洲经典国产精华液单| 久久韩国三级中文字幕| 精品国产露脸久久av麻豆 | 日本熟妇午夜| 日日干狠狠操夜夜爽| 欧美+日韩+精品| 亚洲精品久久午夜乱码| 99久久九九国产精品国产免费| 久久韩国三级中文字幕| 在线a可以看的网站| 欧美xxxx黑人xx丫x性爽| 欧美区成人在线视频| 亚洲婷婷狠狠爱综合网| 九九在线视频观看精品| 中文乱码字字幕精品一区二区三区 | 3wmmmm亚洲av在线观看| 蜜桃久久精品国产亚洲av| 热99在线观看视频| 午夜久久久久精精品| 日韩制服骚丝袜av| 久久久a久久爽久久v久久| 亚洲一级一片aⅴ在线观看| 午夜久久久久精精品| 一级毛片 在线播放| 又黄又爽又刺激的免费视频.| 国产 亚洲一区二区三区 | 久久精品国产亚洲av天美| 精品久久久久久电影网| 最近最新中文字幕大全电影3| 爱豆传媒免费全集在线观看| 天堂av国产一区二区熟女人妻| 欧美另类一区| 人妻一区二区av| 校园人妻丝袜中文字幕| 国产精品1区2区在线观看.| 一区二区三区乱码不卡18| 你懂的网址亚洲精品在线观看| 一本久久精品| 久久久久久九九精品二区国产| 国产精品久久久久久精品电影小说 | 老师上课跳d突然被开到最大视频| 免费电影在线观看免费观看| 欧美一级a爱片免费观看看| 少妇的逼好多水| 国产成人午夜福利电影在线观看| 一级毛片久久久久久久久女| 久久久久久久久久久免费av| 亚洲精品国产av成人精品| av在线蜜桃| 乱系列少妇在线播放| 国产极品天堂在线| 如何舔出高潮| 色综合亚洲欧美另类图片| 在线观看人妻少妇| 国产成人精品婷婷| 波多野结衣巨乳人妻| 乱人视频在线观看| 高清视频免费观看一区二区 | 亚洲国产高清在线一区二区三| 亚洲av免费高清在线观看| 日韩欧美 国产精品| 久久人人爽人人片av| 中文欧美无线码| 99热这里只有精品一区| 色综合亚洲欧美另类图片| 欧美一级a爱片免费观看看| 麻豆国产97在线/欧美| 国内精品宾馆在线| 三级国产精品欧美在线观看| 99热这里只有是精品在线观看| 国产 一区精品| 熟妇人妻不卡中文字幕| 国产精品人妻久久久影院| 亚洲丝袜综合中文字幕| 美女xxoo啪啪120秒动态图| 大香蕉久久网| 精品久久久精品久久久| ponron亚洲| 青春草国产在线视频| 91av网一区二区| 亚洲精品乱码久久久v下载方式| 亚洲精品色激情综合| 美女被艹到高潮喷水动态| 我要看日韩黄色一级片| 亚洲成色77777| 中国美白少妇内射xxxbb| 国产av国产精品国产| 大陆偷拍与自拍| 在线 av 中文字幕| 黄片无遮挡物在线观看| 欧美成人午夜免费资源| 色综合亚洲欧美另类图片| 国产淫语在线视频| 一级二级三级毛片免费看| 国产白丝娇喘喷水9色精品| 丰满少妇做爰视频| 国产精品综合久久久久久久免费| 亚洲精品中文字幕在线视频 | 亚洲精品第二区| 91aial.com中文字幕在线观看| 蜜桃久久精品国产亚洲av| 亚洲18禁久久av| 久久久欧美国产精品| 亚洲aⅴ乱码一区二区在线播放| 老司机影院毛片| av女优亚洲男人天堂| 日日啪夜夜撸| 亚洲国产成人一精品久久久| 亚洲国产欧美在线一区| 久久久久免费精品人妻一区二区| 午夜福利在线观看吧| 1000部很黄的大片| 久热久热在线精品观看| 最近最新中文字幕免费大全7| 亚洲人成网站在线观看播放| 亚洲欧美日韩卡通动漫| 麻豆久久精品国产亚洲av| 人妻系列 视频| 亚洲欧洲国产日韩| 日韩电影二区| 91在线精品国自产拍蜜月| 99视频精品全部免费 在线| 国产精品美女特级片免费视频播放器| 街头女战士在线观看网站| 精品久久久久久久久久久久久| 九色成人免费人妻av| 免费看光身美女| 插阴视频在线观看视频| 国产精品国产三级专区第一集| 日本三级黄在线观看| 日韩av免费高清视频| 国产伦在线观看视频一区| 能在线免费看毛片的网站| 国内少妇人妻偷人精品xxx网站| 久热久热在线精品观看| 久久久久久久久久黄片| 亚洲欧美成人精品一区二区| 大片免费播放器 马上看| 日本黄大片高清| 色视频www国产| 高清日韩中文字幕在线| 欧美高清成人免费视频www| 六月丁香七月| 纵有疾风起免费观看全集完整版 | 欧美精品一区二区大全| 91精品国产九色| 97超视频在线观看视频| 国产精品99久久久久久久久| 午夜免费激情av| 神马国产精品三级电影在线观看| 国产在线一区二区三区精| 国产成人福利小说| www.av在线官网国产| 国产精品熟女久久久久浪| 日本与韩国留学比较| 亚洲av在线观看美女高潮| 亚洲欧洲日产国产| 精品酒店卫生间| 亚洲成人久久爱视频| 精华霜和精华液先用哪个| 国产一区有黄有色的免费视频 | 午夜视频国产福利| 国产成人a∨麻豆精品| 天天躁夜夜躁狠狠久久av| 国产精品蜜桃在线观看| 国产黄a三级三级三级人| 国产一区二区三区综合在线观看 | 一级毛片久久久久久久久女| 国产熟女欧美一区二区| 成人鲁丝片一二三区免费| 亚洲综合色惰| 欧美日本视频| 婷婷色综合www| 亚洲国产精品sss在线观看| 天堂网av新在线| 校园人妻丝袜中文字幕| 国产免费福利视频在线观看| 一级av片app| av又黄又爽大尺度在线免费看| 一个人看视频在线观看www免费| 免费观看的影片在线观看| av播播在线观看一区| 国产日韩欧美在线精品| 国精品久久久久久国模美| 两个人的视频大全免费| 免费黄网站久久成人精品| 日韩av免费高清视频| 少妇高潮的动态图| 国产成人aa在线观看| 搡女人真爽免费视频火全软件| 成人欧美大片| 69av精品久久久久久| 午夜福利高清视频| 亚洲av不卡在线观看| 国产亚洲午夜精品一区二区久久 | 国产一区二区在线观看日韩| 午夜精品一区二区三区免费看| 天美传媒精品一区二区| av在线蜜桃| 99久国产av精品| 97在线视频观看| www.av在线官网国产| 中文乱码字字幕精品一区二区三区 | 精品人妻熟女av久视频| 亚洲美女视频黄频| 97超碰精品成人国产| 欧美成人一区二区免费高清观看| 久久久午夜欧美精品| 老师上课跳d突然被开到最大视频| 美女xxoo啪啪120秒动态图| 身体一侧抽搐| 如何舔出高潮| 一级a做视频免费观看| 国产精品1区2区在线观看.| 欧美xxxx性猛交bbbb| 最近最新中文字幕免费大全7| 色5月婷婷丁香| 国产片特级美女逼逼视频| 欧美日韩精品成人综合77777| 日韩电影二区| 欧美日韩国产mv在线观看视频 | 身体一侧抽搐| 欧美成人精品欧美一级黄| 精品午夜福利在线看| h日本视频在线播放| 三级毛片av免费| 一级毛片 在线播放| 人妻制服诱惑在线中文字幕| 国产精品美女特级片免费视频播放器| 日本wwww免费看| 国产伦理片在线播放av一区|