• <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 ?

    基于特征映射和聯(lián)合學(xué)習(xí)的可解釋新聞推薦

    2023-10-12 01:29:36王京豪段建勇
    關(guān)鍵詞:語句類別特征

    何 麗,王京豪,段建勇

    (1.北方工業(yè)大學(xué) 信息學(xué)院,北京 100144;2.北方工業(yè)大學(xué) CNONIX國家標(biāo)準(zhǔn)應(yīng)用與推廣實(shí)驗(yàn)室,北京 100144;3.北京城市治理研究基地,北京 100144)

    0 引 言

    個(gè)性化新聞推薦極大地提升了用戶篩選信息的效率,為用戶準(zhǔn)確推薦新聞。有研究表明,在推薦的同時(shí)提供文字解釋可以提升用戶對(duì)推薦系統(tǒng)的信賴,增加系統(tǒng)的可信度與滿意度[1]。

    為了對(duì)推薦做出直觀的解釋,近來的一些研究使用元數(shù)據(jù),例如從用戶瀏覽記錄中獲取用戶感興趣的標(biāo)簽和主題闡明用戶偏好[2]。盡管這些方法可以使用外部元數(shù)據(jù)來解釋推薦,但是支持推薦解釋的可解釋特征很難獲取,因此,在真實(shí)數(shù)據(jù)中人們很難使用該方式生成推薦的解釋。

    現(xiàn)有的一些可解釋推薦方法通常將推薦預(yù)測和生成解釋分成兩個(gè)獨(dú)立的步驟分別優(yōu)化,或是只優(yōu)化其中一個(gè)目標(biāo),例如嵌入法[3],其采用將解釋語句生成模塊直接整合到推薦模型中,其優(yōu)化目標(biāo)通常只為推薦準(zhǔn)確度,無法保證解釋的質(zhì)量;后處理法[4],先優(yōu)化常規(guī)推薦系統(tǒng)的準(zhǔn)確性,再根據(jù)推薦結(jié)果生成對(duì)應(yīng)解釋,這種解釋通常是固定模板的句式,很難使用戶對(duì)其產(chǎn)生信任。

    可解釋推薦通常是基于用戶與內(nèi)容的交互信息,例如用戶的評(píng)分、評(píng)分等內(nèi)容,對(duì)推薦的內(nèi)容生成解釋[5]。也因此,現(xiàn)有的可解釋推薦系統(tǒng)通常進(jìn)行電影推薦、電商推薦等包含用戶評(píng)論和評(píng)分內(nèi)容的研究,新聞推薦領(lǐng)域則鮮有可解釋推薦系統(tǒng)。

    基于此,本文提出了一種特征映射方法,通過將使用基本潛在因子模型學(xué)習(xí)的一般特征映射到可解釋的方面特征,可以在不影響基本潛在因子模型的推薦性能的情況下使用方面特征解釋輸出,將新聞數(shù)據(jù)中的一般不可解釋特征映射到可解釋的方面特征;同時(shí),采用聯(lián)合學(xué)習(xí)機(jī)制綜合學(xué)習(xí)用戶表征和新聞特征,模型借此來挑選出用戶最感興趣的新聞特征,進(jìn)而優(yōu)化解釋語句。

    1 相關(guān)研究

    個(gè)性化新聞推薦是自然語言處理領(lǐng)域的一項(xiàng)重要任務(wù),其有著廣泛的應(yīng)用[6]。對(duì)于新聞推薦來說,學(xué)習(xí)到準(zhǔn)確的新聞表示和用戶表示是十分重要的,現(xiàn)有的方法大多只專注于優(yōu)化獲取到的用戶表征和新聞表示,如An Mingxiao等[7]提出的LSTUR模型能夠較好的結(jié)合用戶長期愛好和短期興趣的方法,Wu等[8]從新聞數(shù)據(jù)多個(gè)方面學(xué)習(xí)新聞特征,但是這些方法都沒有涉及推薦系統(tǒng)的可解釋性,無法提高系統(tǒng)的透明度、說服力和可信度。

    傳統(tǒng)觀念認(rèn)為,可解釋性和準(zhǔn)確性被認(rèn)為是模型設(shè)計(jì)中兩個(gè)相互沖突的目標(biāo),可以選擇一個(gè)簡單的模型來獲得更好的可解釋性,或者選擇一個(gè)復(fù)雜的模型來獲得更好的準(zhǔn)確性[9]。然而,近年的研究表明開發(fā)具有可解釋性的深度學(xué)習(xí)模型成為了可能,例如Zhang等利用大規(guī)模文本評(píng)論和基于方面的方法,生成詞云解釋;Wang等[10]通過聯(lián)合張量因式分解框架,集成了推薦的用戶偏好建模和解釋的自定義內(nèi)容建模兩個(gè)配套學(xué)習(xí)任務(wù),生成個(gè)性化文本解釋。

    針對(duì)新聞推薦,可解釋推薦系統(tǒng)則相對(duì)較少,主要是因?yàn)樾侣剶?shù)據(jù)中用戶的行為數(shù)據(jù)只包含用戶的瀏覽和點(diǎn)擊歷史,不包含用戶的評(píng)論、評(píng)分等交互數(shù)據(jù),因而很難生成個(gè)性化解釋語句。Wang等[11]利用知識(shí)圖譜發(fā)現(xiàn)用戶和項(xiàng)目之間的關(guān)聯(lián),但也只在電影和音樂這種有用戶評(píng)論的數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)。本文利用映射方法將新聞數(shù)據(jù)中的一般特征映射為可解釋方面特征,并利用聯(lián)合學(xué)習(xí)模型獲取新聞和用戶特征之間的關(guān)聯(lián),在準(zhǔn)確推薦的同時(shí)提供推薦的解釋語句,實(shí)現(xiàn)了可靠的可解釋新聞推薦。

    2 本文方法

    在本節(jié)中,首先介紹如何將新聞數(shù)據(jù)的一般特征映射到可解釋方面特征空間。方面(Aspect)[12]指的是表征項(xiàng)目的屬性。之后介紹基于互注意力機(jī)制的可解釋推薦模型,以及如何生成新聞推薦預(yù)測和解釋語句。

    2.1 特征映射

    新聞數(shù)據(jù)通常包含不同類型的信息,比如主題類別、標(biāo)題、摘要等特征,它們對(duì)于學(xué)習(xí)新聞的表示都是很有幫助的。包含多種信息類別的新聞數(shù)據(jù)見表1。

    表1 新聞數(shù)據(jù)樣例

    為了實(shí)現(xiàn)可解釋推薦模型,首先新聞的類別要與用戶喜好的相似,本文利用映射到方面特征[12]來做可解釋特征。將新聞數(shù)據(jù)集的每種主題類別視作不同方面,如(體育、軍事、生活、娛樂、美食),例如表1中的新聞數(shù)據(jù)主題類別對(duì)應(yīng)的方面特征就為 (1,0,0,0,0), 同理對(duì)副類別也進(jìn)行方面特征映射,進(jìn)一步細(xì)粒度化新聞特征。

    新聞數(shù)據(jù)集中用戶的行為一般只包含用戶的瀏覽和點(diǎn)擊新聞?dòng)涗洠瑪?shù)據(jù)樣例見表2。

    表2 用戶行為數(shù)據(jù)樣例

    (1)

    如果是從未點(diǎn)擊或?yàn)g覽過的新聞,得分則定義為0。

    最后,將這些映射后的新聞特征與用戶評(píng)分?jǐn)?shù)據(jù)作為模型的輸入,進(jìn)行新聞的可解釋推薦,具體細(xì)節(jié)將在2.2節(jié)中展示。

    2.2 聯(lián)合學(xué)習(xí)模型

    為了實(shí)現(xiàn)既可以準(zhǔn)確推薦新聞,又可以為推薦生成語句解釋,本文提出了一種將兩種任務(wù)聯(lián)合學(xué)習(xí)的模型,其整體模型如圖1所示。

    圖1 聯(lián)合學(xué)習(xí)模型

    經(jīng)過2.1節(jié)處理后得到的用戶評(píng)分矩陣作為新增的用戶數(shù)據(jù),與數(shù)據(jù)集中的用戶行為數(shù)據(jù)與新聞數(shù)據(jù)共同作為模型輸入。

    模型先使用用戶編碼器和新聞編碼器來進(jìn)行用戶興趣建模和新聞特征建模,兩個(gè)編碼器的輸出作為預(yù)測評(píng)分和解釋生成的輸入;計(jì)算后的預(yù)測評(píng)分與2.1節(jié)映射后的用于可解釋的新聞方面特征也作為解釋生成的輸入,最終生成對(duì)應(yīng)的推薦解釋語句。模型將新聞推薦與解釋生成作為兩個(gè)任務(wù),聯(lián)合學(xué)習(xí),利用了兩個(gè)任務(wù)間共享的用戶和新聞的隱含表示。接下來對(duì)模型進(jìn)行詳細(xì)介紹。

    2.2.1 編碼器

    用戶編碼器的作用是從用戶瀏覽過的新聞中學(xué)習(xí)到用戶表示,這對(duì)于提高新聞推薦的準(zhǔn)確度來說至關(guān)重要。由于新聞是具有高度時(shí)效性的,用戶的興趣也是隨著時(shí)間在改變的,對(duì)于新聞推薦來說能夠同時(shí)學(xué)習(xí)用戶長期愛好和短期興趣表示的方法取得的效果較好[7],用戶的表示分為長期和短期的,學(xué)習(xí)長期用戶表示的方法為通過用戶ID的嵌入,用u表示用戶的id,Wu為用戶id的嵌入,長期用戶表示就為ue=Wu[u]。 之后,從用戶最近瀏覽過的新聞中學(xué)習(xí)用戶的短期表示,應(yīng)用門控遞歸網(wǎng)絡(luò)(GRU)來獲取新聞閱讀順序[13],將用戶的長期表示作為GRU網(wǎng)絡(luò)隱藏層的初始狀態(tài),用戶瀏覽過的新聞按順序表示為ni,k表示用戶瀏覽過的新聞總量,將這些新聞按順序通過新聞編碼器后得到對(duì)應(yīng)的新聞表示ei,由于改進(jìn)了新聞編碼器,因此得到的新聞表示ei是更為準(zhǔn)確的,這能夠幫助用戶編碼器更好學(xué)習(xí)用戶的短期表示,用戶短期表示的計(jì)算公式如下

    ri=σ(Wr[hi-1,ei])zi=σ(Wz[hi-1,ei])gi=tanh(Wg[ri⊙hi-1,ei])hi=zi⊙hi+(1-zi)⊙gi

    (2)

    其中:σ為sigmoid函數(shù),W為GRU網(wǎng)絡(luò)的參數(shù),⊙表示同或運(yùn)算。最終,最后一個(gè)GRU網(wǎng)絡(luò)的隱藏狀態(tài)就是結(jié)合了長短期的用戶表示u=hk。

    新聞編碼器用來從不同類別的信息(主題類別、副類別、標(biāo)題、摘要)中學(xué)習(xí)新聞的統(tǒng)一表示。同一新聞中不同的詞可能具有不同的信息量,所以采用注意力機(jī)制學(xué)習(xí)不同單詞的重要性。由于主題類別和副類別為一個(gè)單詞,通過主題類別編碼器、副類別編碼器得到的最終表示分別為ec,esc,其公式為

    ec=ReLU(Pc×bc+pc)

    (3)

    式中:Pc,pc均是全連接層的參數(shù),ReLU是非線性激活函數(shù),同理得到esc。

    (4)

    (5)

    式中:Pt,pt均是訓(xùn)練參數(shù),qt是注意力向量。最終得到新聞標(biāo)題的最終表示et

    (6)

    同理通過摘要編碼器得到新聞的摘要表示ea。

    最后采用注意力機(jī)制模擬不同類型的新聞信息的信息量,以便于更好學(xué)習(xí)新聞表示。將新聞的主題類別、副類別、標(biāo)題和摘要的注意力權(quán)重分別表示為αc,αsc,αt,αa,以主題類別的計(jì)算公式為例,公式如下

    (7)

    式中:Oc,oc是訓(xùn)練參數(shù),qe是注意力向量,使用類似的方法,可以求得副類別、標(biāo)題和摘要的注意力權(quán)重αsc,αt,αa。新聞編碼器所學(xué)習(xí)的最終新聞表示輸出表示為

    e=αcec+αscesc+αtet+αaea

    (8)

    2.2.2 聯(lián)合學(xué)習(xí)

    本文使用多任務(wù)聯(lián)合學(xué)習(xí)方法預(yù)測評(píng)分和根據(jù)學(xué)習(xí)到的表示生成解釋。首先,生成新聞推薦的預(yù)測評(píng)分時(shí),采用點(diǎn)生產(chǎn)方法來計(jì)算新聞點(diǎn)擊概率得分,這種方法被證明不論是時(shí)間效率還是性能都很好[13]。將用戶表示為u,候選新聞表示為ex, 用戶點(diǎn)擊候選新聞的預(yù)測評(píng)分s就表示為

    s(u,nX)=uTeX

    (9)

    評(píng)分預(yù)測任務(wù)的損失函數(shù)表示如下

    (10)

    其中,γ表示訓(xùn)練集,s*為經(jīng)過2.1節(jié)映射后得到的對(duì)應(yīng)新聞評(píng)分。

    對(duì)于解釋生成任務(wù),生成的語句輸入為編碼器層輸出的新聞表示e、用戶表示u、新聞?lì)A(yù)測評(píng)分s以及特征映射后的新聞方面特征。首先使用門控遞歸網(wǎng)絡(luò)[13]將e、u、s轉(zhuǎn)換為單詞序列,為了將其整合到GRU中,通過以下公式計(jì)算初始隱藏層狀態(tài)h0

    (11)

    hn=GRU(hn-1,yn)

    (12)

    式中:yn為在n時(shí)刻生成的單詞的詞嵌入。這一隱藏層狀態(tài)傳入輸出層生成輸出單詞wn,其公式為

    wn=softmax(ωwhn-1+vw)

    (13)

    其中,ωw∈R|V|×?,vw∈R|V|,|V| 表示詞匯量。

    定義損失函數(shù)La用于使生成的解釋盡可能地使用映射后的方面特征,比如多使用標(biāo)題和分類中的單詞以增加解釋語句的可信度。將方面特征向量表示為ψ∈R|V|,ψx為1就表示第x個(gè)單詞是包含在方面特征中的,否則其值就為0。損失函數(shù)La的公式如下

    (14)

    最終,聯(lián)合學(xué)習(xí)模型將不同類型的損失函數(shù)線性組合,以共同學(xué)習(xí)兩個(gè)任務(wù),最終損失函數(shù)L表示為

    (15)

    式中:λa、λ?為平衡不同損失函數(shù)的權(quán)重,?為模型的所有參數(shù)。

    3 實(shí) 驗(yàn)

    為了驗(yàn)證改進(jìn)后的方法是否能夠提高新聞推薦的效果以及能否生成良好的解釋語句,本文設(shè)計(jì)了一系列對(duì)比實(shí)驗(yàn)。首先對(duì)實(shí)驗(yàn)設(shè)置進(jìn)行說明,然后探究改進(jìn)后的模型與其它方法的效果對(duì)比,最后驗(yàn)證了特征映射與聯(lián)合學(xué)習(xí)方法的有效性。

    3.1 實(shí)驗(yàn)設(shè)置

    3.1.1 數(shù)據(jù)集

    為了驗(yàn)證新聞推薦的效果提升,使用真實(shí)世界的新聞數(shù)據(jù)集是十分重要的。本次實(shí)驗(yàn)中,我們使用MIND數(shù)據(jù)集[15],這是微軟公司從微軟新聞網(wǎng)站的匿名行為日志中收集的用于研究新聞推薦的大型數(shù)據(jù)集。為了提升驗(yàn)證效率,我們使用了小規(guī)模的MIND數(shù)據(jù)集,數(shù)據(jù)集的詳細(xì)信息見表3和表4。

    表3 用戶行為數(shù)據(jù)集

    表4 新聞數(shù)據(jù)集

    其中,用戶行為數(shù)據(jù)集的每條數(shù)據(jù)包括用戶行為ID、用戶ID、行為的時(shí)間、用戶的瀏覽歷史、用戶對(duì)新聞的行為,用戶對(duì)新聞的行為指的是用戶在此次用戶行為時(shí)間時(shí)展示給他的新聞他是否點(diǎn)擊過,點(diǎn)擊過的標(biāo)記為1否則為0。新聞數(shù)據(jù)集的每條新聞包括新聞ID、主題分類、副分類、標(biāo)題、摘要、正文鏈接、標(biāo)題的實(shí)體信息、摘要的實(shí)體信息,這些實(shí)體信息是標(biāo)題和摘要中的一些單詞實(shí)體的類別、維基百科ID、置信度等等,便于進(jìn)行詞嵌入等操作。

    3.1.2 評(píng)價(jià)指標(biāo)與參數(shù)設(shè)置

    在實(shí)驗(yàn)中,本文使用預(yù)訓(xùn)練的Glove嵌入法初始化詞嵌入,參數(shù)設(shè)置如下:用于標(biāo)題和摘要的詞嵌入維度設(shè)置為300,主題類別和副類別嵌入維度設(shè)置為100,CNN網(wǎng)絡(luò)過濾器設(shè)置為425,窗口大小設(shè)置為3,dropout設(shè)置為0.8,設(shè)置Adam優(yōu)化模型,學(xué)習(xí)率設(shè)置為0.01,batchsize設(shè)置為128,GRU單元設(shè)置為400,Attention queries設(shè)置為200。

    實(shí)驗(yàn)的評(píng)價(jià)指標(biāo)分為兩部分:對(duì)于評(píng)價(jià)新聞推薦準(zhǔn)確性,本文采用的實(shí)驗(yàn)評(píng)價(jià)指標(biāo)是與主流方法相同的AUC(計(jì)算ROC曲線下的面積)、MRR(平均倒數(shù)秩)和nDCG(歸一化折損累計(jì)增益)。算法給用戶推薦一個(gè)新聞列表,用戶實(shí)際點(diǎn)擊的新聞越靠前,則表明推薦準(zhǔn)確度越高,推薦效果越好,上述指標(biāo)的數(shù)值也會(huì)越大[16]。

    對(duì)于評(píng)價(jià)解釋語句的質(zhì)量,本文采用BLEU和ROUGE這兩種評(píng)價(jià)指標(biāo),它們被廣泛地應(yīng)用于自然語言處理領(lǐng)域中,用于評(píng)價(jià)真實(shí)文本和生成文本之間的相似性[17]。BLEU和ROUGE的值越大,說明語句的可解釋性越好。

    3.2 與其它模型的對(duì)比實(shí)驗(yàn)

    3.2.1 預(yù)測準(zhǔn)確度對(duì)比實(shí)驗(yàn)

    首先,在推薦準(zhǔn)確性上,本文將與其它幾個(gè)作為基線的主流常規(guī)新聞推薦方法進(jìn)行對(duì)比,以此來驗(yàn)證改進(jìn)后的方法能夠提升推薦效果:

    LibFM:將矩陣分解法應(yīng)用于推薦系統(tǒng)中,從瀏覽的新聞標(biāo)題中提取的TF-IDF特征和主題類別、副類別歸一化計(jì)數(shù)獲取用戶特征,之后再與新聞特征連接作為推薦總輸入。

    DeepFM:結(jié)合了因子分解機(jī)(FM)和深層神經(jīng)網(wǎng)絡(luò),與LibFM特性相同。

    CNN:利用卷積神經(jīng)網(wǎng)絡(luò)和最大化池相結(jié)合,從最顯著的特征中獲取新聞表示。

    DKN[6]:結(jié)合了知識(shí)圖譜中的信息,包含了卷積神經(jīng)網(wǎng)絡(luò)和用戶瀏覽新聞歷史注意力機(jī)制的深度學(xué)習(xí)網(wǎng)絡(luò)。

    NPA[18]:使用個(gè)性化注意力機(jī)制,用卷積神經(jīng)網(wǎng)絡(luò)從新聞標(biāo)題中學(xué)習(xí)新聞表示,根據(jù)用戶點(diǎn)擊歷史學(xué)習(xí)用戶表示并使用單詞級(jí)和新聞級(jí)的個(gè)性化注意力機(jī)制捕捉不同用戶的信息。

    NRMS[19]:提出了一種多頭部自我注意力機(jī)制的方法從新聞和用戶瀏覽歷史中學(xué)習(xí)新聞表示和用戶表示。

    LSTUR[7]:一種結(jié)合了用戶長期和短期表示的新聞推薦方法,利用卷積神經(jīng)網(wǎng)絡(luò)從新聞的標(biāo)題中學(xué)習(xí)新聞表示,從用戶信息中學(xué)習(xí)長期表示,利用GRU網(wǎng)絡(luò)從最近瀏覽的新聞中學(xué)習(xí)短期表示。

    雖然以上提到的方法文中所使用的數(shù)據(jù)集與本文不同,但其所用的新聞數(shù)據(jù)中的新聞標(biāo)題、分類和用戶行為數(shù)據(jù)中的用戶點(diǎn)擊新聞歷史等,MIND數(shù)據(jù)集都包括。故通過對(duì)以上這些論文中提到的方法進(jìn)行復(fù)現(xiàn),使用本文方法相同的數(shù)據(jù)集和同樣的評(píng)價(jià)指標(biāo)得到的推薦結(jié)果展示在表5中。

    表5 不同方法的新聞推薦準(zhǔn)確性結(jié)果

    從中可以看出本文改進(jìn)的方法比其它的基線方法在AUC、MRR項(xiàng)上得分更高,在nDCG數(shù)值上雖然不是最大但也相差不多,說明使用了本文的特征映射和聯(lián)合學(xué)習(xí)模型后在生成解釋語句是同時(shí)也一定程度上可以提升推薦準(zhǔn)確性。

    3.2.2 解釋語句質(zhì)量對(duì)比實(shí)驗(yàn)

    對(duì)解釋語句的質(zhì)量評(píng)價(jià)時(shí),使用其它幾個(gè)生成解釋語句的方法作為基線:

    Lexrank:一種基于隨機(jī)圖的方法來計(jì)算自然語言處理中文本的相對(duì)重要性。

    NRT[20]:根據(jù)評(píng)論和評(píng)分的詞級(jí)分布生成解釋語句。

    NARRE[2]:通過注意力機(jī)制獲得重要句子或評(píng)論用于解釋。

    現(xiàn)有的可解釋推薦方法大多都需要用到用戶對(duì)物品的評(píng)分及評(píng)論,這在新聞數(shù)據(jù)中是很少見的,本次實(shí)驗(yàn)使用的MIND數(shù)據(jù)集中也并無此類數(shù)據(jù),在實(shí)驗(yàn)時(shí)復(fù)現(xiàn)對(duì)比方法代碼,并使用本文中2.1節(jié)的方法生成的近似評(píng)分矩陣,以及新聞標(biāo)題與分類的詞嵌入作為替代用戶評(píng)論的輸入,得到了生成的解釋語句的實(shí)驗(yàn)結(jié)果見表6。

    表6 解釋語句評(píng)價(jià)結(jié)果

    為了評(píng)估不同粒度下的解釋質(zhì)量,本文使用了ROUGE評(píng)估方法中的ROUGE-1、ROUGE-2、ROUGE-L進(jìn)行結(jié)果評(píng)估。從結(jié)果中可以看出,首先,本文方法在各項(xiàng)評(píng)價(jià)指標(biāo)上均優(yōu)于基線方法,說明生成的解釋語句質(zhì)量在這些評(píng)價(jià)指標(biāo)上比基線方法要高。NRT方法學(xué)習(xí)深度用戶項(xiàng)交互,并對(duì)解釋提供顯式約束,以提高解釋質(zhì)量,它在基線中結(jié)果最好,本文方法建立在其基礎(chǔ)上,同時(shí)結(jié)果要更好,說明特征映射與聯(lián)合學(xué)習(xí)對(duì)推薦系統(tǒng)中生成高質(zhì)量解釋語句是有幫助的。接下來通過一些例子來說明生成的解釋語句的不同。

    從表7中可以看出,NRT方法生成的解釋則沒有包含足夠的新聞特征,NARRE方法則直接使用了新聞標(biāo)題作為解釋語句,當(dāng)然這可能也與MIND數(shù)據(jù)集沒有用戶評(píng)論數(shù)據(jù)有關(guān)。本文方法則由于引入了新聞方面特征,強(qiáng)調(diào)了新聞的標(biāo)題與分類,生成的解釋語句盡可能地包含了這些內(nèi)容,更容易吸引用戶的關(guān)注。

    表7 解釋語句樣例

    3.3 有效性實(shí)驗(yàn)

    為了驗(yàn)證本文使用的特征映射與聯(lián)合學(xué)習(xí)方法的有效性,采用消融實(shí)驗(yàn)進(jìn)行對(duì)比實(shí)驗(yàn),分別從推薦準(zhǔn)確度與解釋生成兩方面進(jìn)行驗(yàn)證。

    首先,從推薦準(zhǔn)確度的方面驗(yàn)證特征映射方法的有效性,在分別不使用用戶評(píng)分矩陣與映射后的新聞方面特征的情況下進(jìn)行對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果如圖2所示。

    圖2 特征映射推薦準(zhǔn)確度對(duì)比實(shí)驗(yàn)

    從實(shí)驗(yàn)結(jié)果中可以看出,共同使用用戶評(píng)分矩陣與新聞方面特征的情況下推薦結(jié)果的評(píng)價(jià)指標(biāo)得到了最高的評(píng)分。只使用新聞方面特征又比只使用用戶評(píng)分的結(jié)果更好一些,說明在推薦準(zhǔn)確性上,新聞方面特征比生成的用戶評(píng)分矩陣更有效。雖然提升不大,但同時(shí)使用兩種特征映射可以達(dá)到更好的效果,這也驗(yàn)證了特征映射方法在推薦預(yù)測上的有效性。

    采用消融實(shí)驗(yàn)的方式驗(yàn)證特征映射方法對(duì)提高解釋語句質(zhì)量的有效性。當(dāng)不使用特征映射方法時(shí),由于沒有形成用戶評(píng)分矩陣與新聞的可解釋方面特征時(shí),只能使用基于內(nèi)容特征的方式生成文本語句,將其與本文方法進(jìn)行解釋語句質(zhì)量對(duì)比實(shí)驗(yàn),結(jié)果如圖3所示。

    圖3 特征映射解釋生成對(duì)比實(shí)驗(yàn)

    接著,又做了不使用聯(lián)合學(xué)習(xí)方法的情況下新聞推薦與解釋生成任務(wù)的對(duì)比實(shí)驗(yàn),結(jié)果如圖4和圖5所示。

    圖4 聯(lián)合學(xué)習(xí)推薦準(zhǔn)確度對(duì)比實(shí)驗(yàn)

    圖5 聯(lián)合學(xué)習(xí)解釋生成對(duì)比實(shí)驗(yàn)

    從圖4中可以看出,如果在推薦預(yù)測時(shí)不使用聯(lián)合學(xué)習(xí)方法,在AUC和MRR評(píng)價(jià)指標(biāo)上有所下降,驗(yàn)證了本文使用的聯(lián)合學(xué)習(xí)方法對(duì)于提升推薦準(zhǔn)確度的有效性。從圖5中可以看出使用聯(lián)合學(xué)習(xí)方法比只生成解釋的情況下生成的解釋語句在各個(gè)評(píng)價(jià)指標(biāo)上都得分更高,驗(yàn)證了本文使用的聯(lián)合學(xué)習(xí)方法對(duì)于提升解釋語句質(zhì)量的有效性。

    綜上所述,在MIND數(shù)據(jù)集上,使用基于特征映射和聯(lián)合學(xué)習(xí)的方法同時(shí)進(jìn)行推薦預(yù)測與解釋生成任務(wù)可以同時(shí)對(duì)兩個(gè)任務(wù)進(jìn)行提升,相比于基線方法,本文提出的該方法在推薦準(zhǔn)確度的AUC等評(píng)價(jià)指標(biāo)、解釋語句的BLUE等評(píng)價(jià)指標(biāo)上均達(dá)到了更好的效果。

    4 結(jié)束語

    本文提出了一種基于特征映射和聯(lián)合學(xué)習(xí)的可解釋新聞推薦方法。特征映射方法,將不可解釋的一般特征映射到可解釋的方面特征,消除了對(duì)元數(shù)據(jù)的需求;聯(lián)合學(xué)習(xí)模型平衡準(zhǔn)確預(yù)測和生成解釋這兩個(gè)任務(wù),在用戶評(píng)分與評(píng)論數(shù)據(jù)較少的新聞推薦領(lǐng)域?qū)崿F(xiàn)了可用的可解釋推薦功能,在推薦預(yù)測與解釋生成兩個(gè)任務(wù)上均達(dá)到了較為令人滿意的結(jié)果。在真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,相比于其它基線方法,該方法在推薦準(zhǔn)確度和解釋語句質(zhì)量兩方面都有所提升。

    猜你喜歡
    語句類別特征
    重點(diǎn):語句銜接
    如何表達(dá)“特征”
    不忠誠的四個(gè)特征
    精彩語句
    抓住特征巧觀察
    服務(wù)類別
    新校長(2016年8期)2016-01-10 06:43:59
    論類別股東會(huì)
    商事法論集(2014年1期)2014-06-27 01:20:42
    中醫(yī)類別全科醫(yī)師培養(yǎng)模式的探討
    如何搞定語句銜接題
    線性代數(shù)的應(yīng)用特征
    河南科技(2014年23期)2014-02-27 14:19:15
    美女国产高潮福利片在线看| 国产国语露脸激情在线看| 午夜激情久久久久久久| 在线观看66精品国产| 国产精品国产av在线观看| 久久久国产一区二区| 国产麻豆69| 亚洲男人天堂网一区| 亚洲精品在线美女| 黄片播放在线免费| 热99re8久久精品国产| 制服诱惑二区| 精品国产一区二区久久| 女人精品久久久久毛片| 日本av免费视频播放| 女警被强在线播放| 性少妇av在线| 一本—道久久a久久精品蜜桃钙片| 99国产精品一区二区蜜桃av | 亚洲av成人不卡在线观看播放网| 天堂俺去俺来也www色官网| 在线十欧美十亚洲十日本专区| 不卡av一区二区三区| 亚洲专区国产一区二区| 亚洲国产欧美日韩在线播放| 亚洲专区中文字幕在线| 亚洲国产成人一精品久久久| 久久久久久久大尺度免费视频| 精品亚洲乱码少妇综合久久| 极品少妇高潮喷水抽搐| 久久国产精品男人的天堂亚洲| 色在线成人网| 国产精品麻豆人妻色哟哟久久| 国产精品久久久av美女十八| 国产真人三级小视频在线观看| av欧美777| 国产一卡二卡三卡精品| 精品人妻熟女毛片av久久网站| 亚洲熟妇熟女久久| 视频区欧美日本亚洲| 国产精品av久久久久免费| 欧美精品一区二区大全| 嫁个100分男人电影在线观看| 欧美乱妇无乱码| 久9热在线精品视频| 亚洲天堂av无毛| 国产麻豆69| 国产精品免费大片| 多毛熟女@视频| 国产在线精品亚洲第一网站| 国产成人免费无遮挡视频| 免费在线观看日本一区| 99精品在免费线老司机午夜| 9色porny在线观看| 50天的宝宝边吃奶边哭怎么回事| 亚洲国产欧美网| 香蕉久久夜色| 国产精品熟女久久久久浪| 欧美国产精品va在线观看不卡| 欧美性长视频在线观看| 亚洲色图av天堂| 水蜜桃什么品种好| 变态另类成人亚洲欧美熟女 | 亚洲av成人不卡在线观看播放网| av天堂在线播放| 丁香欧美五月| 国产高清激情床上av| 人人妻人人爽人人添夜夜欢视频| 丝瓜视频免费看黄片| 老汉色∧v一级毛片| 亚洲精品国产区一区二| 激情在线观看视频在线高清 | 午夜激情av网站| 久久精品亚洲熟妇少妇任你| 国产精品国产高清国产av | 久久99一区二区三区| 国产成人影院久久av| 欧美人与性动交α欧美精品济南到| 国产97色在线日韩免费| 最新美女视频免费是黄的| 男男h啪啪无遮挡| 亚洲专区国产一区二区| 久久精品国产a三级三级三级| 国产在线观看jvid| 欧美黑人精品巨大| 深夜精品福利| 国产一区二区三区在线臀色熟女 | 美女视频免费永久观看网站| 99国产极品粉嫩在线观看| 亚洲国产看品久久| 日本黄色日本黄色录像| 满18在线观看网站| 国产福利在线免费观看视频| 黄频高清免费视频| 欧美激情高清一区二区三区| 亚洲精品在线观看二区| 中文字幕制服av| 亚洲精品在线美女| 久久久久久久国产电影| 999精品在线视频| 不卡一级毛片| 大型黄色视频在线免费观看| 老汉色av国产亚洲站长工具| 亚洲免费av在线视频| 午夜福利影视在线免费观看| 欧美黑人精品巨大| 亚洲国产欧美一区二区综合| 电影成人av| 欧美日韩成人在线一区二区| 国产福利在线免费观看视频| 国产av精品麻豆| 狠狠婷婷综合久久久久久88av| 两性夫妻黄色片| 丰满迷人的少妇在线观看| 精品国产亚洲在线| 久久中文字幕人妻熟女| 成人18禁在线播放| 国产亚洲一区二区精品| 人人妻,人人澡人人爽秒播| 在线观看免费视频网站a站| 老熟女久久久| 18禁观看日本| 老熟女久久久| 久久av网站| 99国产综合亚洲精品| videosex国产| 亚洲精品美女久久久久99蜜臀| 国产欧美日韩一区二区三| 热99久久久久精品小说推荐| www.999成人在线观看| 欧美乱妇无乱码| 久久 成人 亚洲| 亚洲精品在线观看二区| 男女边摸边吃奶| 国产人伦9x9x在线观看| 老司机亚洲免费影院| 久久久久网色| 91九色精品人成在线观看| 欧美精品啪啪一区二区三区| 亚洲欧洲日产国产| 老司机午夜福利在线观看视频 | 日韩一卡2卡3卡4卡2021年| 首页视频小说图片口味搜索| 天堂8中文在线网| 国产精品98久久久久久宅男小说| 日韩成人在线观看一区二区三区| 99re6热这里在线精品视频| 久久免费观看电影| 成人国语在线视频| 久久人妻av系列| 免费观看av网站的网址| 他把我摸到了高潮在线观看 | 亚洲伊人久久精品综合| 成人18禁高潮啪啪吃奶动态图| 亚洲国产欧美网| av不卡在线播放| 午夜精品国产一区二区电影| 新久久久久国产一级毛片| 亚洲国产毛片av蜜桃av| 成人国产一区最新在线观看| www.自偷自拍.com| 亚洲伊人色综图| 丁香欧美五月| 日本五十路高清| 夜夜骑夜夜射夜夜干| 大片免费播放器 马上看| 欧美大码av| 国产成人av激情在线播放| 高清在线国产一区| 欧美成人免费av一区二区三区 | 国产精品1区2区在线观看. | av有码第一页| 亚洲国产欧美一区二区综合| 色婷婷av一区二区三区视频| 国产精品欧美亚洲77777| 精品高清国产在线一区| 动漫黄色视频在线观看| 一本一本久久a久久精品综合妖精| 国产精品 国内视频| 日韩一卡2卡3卡4卡2021年| 99精品在免费线老司机午夜| 国产亚洲av高清不卡| 国产精品麻豆人妻色哟哟久久| 丝瓜视频免费看黄片| 午夜福利乱码中文字幕| 国产精品国产av在线观看| 亚洲精品美女久久久久99蜜臀| 五月开心婷婷网| 午夜福利免费观看在线| 别揉我奶头~嗯~啊~动态视频| 操出白浆在线播放| 国产精品欧美亚洲77777| xxxhd国产人妻xxx| 老司机在亚洲福利影院| 久久婷婷成人综合色麻豆| 少妇被粗大的猛进出69影院| 亚洲av美国av| 美女高潮喷水抽搐中文字幕| 亚洲熟妇熟女久久| 欧美在线一区亚洲| 三级毛片av免费| 精品第一国产精品| 精品少妇内射三级| 亚洲五月色婷婷综合| 午夜福利乱码中文字幕| 国产精品秋霞免费鲁丝片| 水蜜桃什么品种好| 五月开心婷婷网| 国产成人啪精品午夜网站| 婷婷成人精品国产| 亚洲熟妇熟女久久| av超薄肉色丝袜交足视频| 在线观看免费日韩欧美大片| 国产97色在线日韩免费| 欧美日韩亚洲国产一区二区在线观看 | 1024香蕉在线观看| 99re在线观看精品视频| 黄片小视频在线播放| 69av精品久久久久久 | 日日摸夜夜添夜夜添小说| 50天的宝宝边吃奶边哭怎么回事| 亚洲 欧美一区二区三区| 丰满少妇做爰视频| 老司机亚洲免费影院| 午夜激情av网站| 欧美日韩黄片免| 国产在线一区二区三区精| 午夜福利乱码中文字幕| 飞空精品影院首页| 亚洲国产成人一精品久久久| 国产精品国产av在线观看| a级毛片在线看网站| www.熟女人妻精品国产| 婷婷成人精品国产| 性高湖久久久久久久久免费观看| 两性夫妻黄色片| 午夜成年电影在线免费观看| 在线观看免费高清a一片| 在线观看www视频免费| 波多野结衣av一区二区av| 亚洲av美国av| 99精国产麻豆久久婷婷| 最近最新免费中文字幕在线| 国产极品粉嫩免费观看在线| 久久午夜综合久久蜜桃| 老司机深夜福利视频在线观看| 亚洲专区国产一区二区| 女人高潮潮喷娇喘18禁视频| 精品国产一区二区三区四区第35| 日韩欧美三级三区| 亚洲性夜色夜夜综合| 18在线观看网站| 自拍欧美九色日韩亚洲蝌蚪91| av电影中文网址| 久久久久久久国产电影| 国产精品二区激情视频| 久久九九热精品免费| 国产精品一区二区在线不卡| 国产精品久久久久久精品古装| 欧美激情极品国产一区二区三区| 757午夜福利合集在线观看| 老司机深夜福利视频在线观看| 成人国产一区最新在线观看| 亚洲男人天堂网一区| 69av精品久久久久久 | 久久影院123| 亚洲av片天天在线观看| 午夜激情av网站| 国产高清视频在线播放一区| 免费少妇av软件| 亚洲精品国产精品久久久不卡| 肉色欧美久久久久久久蜜桃| 国产精品成人在线| 日本撒尿小便嘘嘘汇集6| 欧美国产精品一级二级三级| 丝袜美足系列| 变态另类成人亚洲欧美熟女 | 国产色视频综合| 欧美中文综合在线视频| 日韩一区二区三区影片| 欧美激情极品国产一区二区三区| 99香蕉大伊视频| 丰满迷人的少妇在线观看| 下体分泌物呈黄色| 国产成人系列免费观看| 欧美激情极品国产一区二区三区| 久久亚洲真实| 国产精品亚洲av一区麻豆| 淫妇啪啪啪对白视频| www日本在线高清视频| 男人舔女人的私密视频| 男女床上黄色一级片免费看| 国产精品av久久久久免费| 一进一出抽搐动态| 91老司机精品| 成年人午夜在线观看视频| 亚洲精品中文字幕在线视频| 久热这里只有精品99| 亚洲一码二码三码区别大吗| 777米奇影视久久| 黄色成人免费大全| 捣出白浆h1v1| 高清黄色对白视频在线免费看| 成人手机av| 9191精品国产免费久久| h视频一区二区三区| 两性夫妻黄色片| 人人澡人人妻人| 乱人伦中国视频| 国产伦人伦偷精品视频| 亚洲欧洲精品一区二区精品久久久| 麻豆乱淫一区二区| 国产免费现黄频在线看| 亚洲国产欧美在线一区| 少妇 在线观看| 深夜精品福利| 国产精品亚洲av一区麻豆| 99国产精品一区二区三区| 久久久精品免费免费高清| 成年人黄色毛片网站| 久久热在线av| 亚洲精品中文字幕在线视频| 亚洲九九香蕉| 自拍欧美九色日韩亚洲蝌蚪91| 一级毛片精品| 国产精品久久久久久精品古装| 丝袜在线中文字幕| 老熟女久久久| 18禁国产床啪视频网站| 汤姆久久久久久久影院中文字幕| 国产在线精品亚洲第一网站| 日韩中文字幕欧美一区二区| 亚洲国产毛片av蜜桃av| 久久国产精品大桥未久av| 69精品国产乱码久久久| 啦啦啦中文免费视频观看日本| 另类精品久久| 亚洲男人天堂网一区| 亚洲一区二区三区欧美精品| 日本撒尿小便嘘嘘汇集6| 亚洲色图综合在线观看| 亚洲精品在线美女| 国产真人三级小视频在线观看| 亚洲性夜色夜夜综合| 69精品国产乱码久久久| 两个人看的免费小视频| 下体分泌物呈黄色| 国产日韩欧美在线精品| 高清黄色对白视频在线免费看| 国产一区二区在线观看av| 精品国产乱子伦一区二区三区| 777久久人妻少妇嫩草av网站| av线在线观看网站| av有码第一页| 丰满人妻熟妇乱又伦精品不卡| 国产精品影院久久| 又大又爽又粗| 国产成+人综合+亚洲专区| 啦啦啦免费观看视频1| 久久天躁狠狠躁夜夜2o2o| 久久久久精品国产欧美久久久| 久久国产精品影院| 国产av一区二区精品久久| 亚洲av欧美aⅴ国产| 亚洲欧洲日产国产| 国产精品98久久久久久宅男小说| 搡老岳熟女国产| 久久中文字幕人妻熟女| 夜夜夜夜夜久久久久| 一本久久精品| 少妇精品久久久久久久| 国产福利在线免费观看视频| 搡老乐熟女国产| 曰老女人黄片| 搡老岳熟女国产| 99国产综合亚洲精品| 久久久国产一区二区| 亚洲欧美日韩另类电影网站| 19禁男女啪啪无遮挡网站| 国产在线精品亚洲第一网站| 欧美日本中文国产一区发布| 久久人妻av系列| 国产不卡一卡二| 18禁黄网站禁片午夜丰满| 国产亚洲精品一区二区www | 真人做人爱边吃奶动态| 少妇 在线观看| 一进一出好大好爽视频| 后天国语完整版免费观看| 精品国内亚洲2022精品成人 | 两个人看的免费小视频| 国产精品久久久久久精品古装| 色94色欧美一区二区| 国产成人免费观看mmmm| 亚洲va日本ⅴa欧美va伊人久久| 亚洲美女黄片视频| 欧美日韩亚洲综合一区二区三区_| 国产区一区二久久| av不卡在线播放| 精品一区二区三卡| 一夜夜www| 91麻豆av在线| 在线 av 中文字幕| 精品一品国产午夜福利视频| 免费看十八禁软件| 91精品国产国语对白视频| 99国产极品粉嫩在线观看| 午夜福利在线观看吧| 午夜日韩欧美国产| 国产伦理片在线播放av一区| 热99re8久久精品国产| 亚洲五月色婷婷综合| 中文字幕人妻丝袜制服| 久久99热这里只频精品6学生| 国产精品久久久人人做人人爽| 精品欧美一区二区三区在线| 老汉色∧v一级毛片| 最新的欧美精品一区二区| 老熟妇乱子伦视频在线观看| 美女高潮到喷水免费观看| 熟女少妇亚洲综合色aaa.| 大型黄色视频在线免费观看| 男女下面插进去视频免费观看| 国产高清国产精品国产三级| 美女视频免费永久观看网站| 一个人免费在线观看的高清视频| 久久ye,这里只有精品| 日韩制服丝袜自拍偷拍| 天堂中文最新版在线下载| svipshipincom国产片| 久久久精品区二区三区| 亚洲中文av在线| 欧美成人免费av一区二区三区 | 日本vs欧美在线观看视频| 手机成人av网站| 亚洲精品粉嫩美女一区| 国产成人欧美在线观看 | 丰满饥渴人妻一区二区三| 俄罗斯特黄特色一大片| 激情在线观看视频在线高清 | 伦理电影免费视频| 久久中文看片网| √禁漫天堂资源中文www| 国产亚洲精品第一综合不卡| 视频在线观看一区二区三区| 国产精品电影一区二区三区 | 午夜精品国产一区二区电影| 99精国产麻豆久久婷婷| 伦理电影免费视频| 新久久久久国产一级毛片| 在线观看免费日韩欧美大片| 久久精品国产综合久久久| 亚洲国产欧美日韩在线播放| 国产成人精品久久二区二区91| 亚洲人成电影免费在线| 久热爱精品视频在线9| 国产精品自产拍在线观看55亚洲 | 精品一区二区三区四区五区乱码| 亚洲欧美精品综合一区二区三区| 人人妻人人爽人人添夜夜欢视频| 别揉我奶头~嗯~啊~动态视频| 精品久久久精品久久久| 国产欧美日韩一区二区三| 国产精品美女特级片免费视频播放器 | 黄色视频在线播放观看不卡| 天天躁狠狠躁夜夜躁狠狠躁| 一夜夜www| 啦啦啦在线免费观看视频4| 久久久欧美国产精品| 国产激情久久老熟女| 亚洲专区中文字幕在线| 男人操女人黄网站| 变态另类成人亚洲欧美熟女 | av一本久久久久| 男女床上黄色一级片免费看| 国产精品一区二区免费欧美| 国产伦理片在线播放av一区| 成人影院久久| 巨乳人妻的诱惑在线观看| 亚洲天堂av无毛| 一边摸一边做爽爽视频免费| 免费观看人在逋| 丁香六月欧美| 国产欧美日韩一区二区三| 欧美黄色淫秽网站| 日韩免费av在线播放| 在线观看免费日韩欧美大片| 成年人午夜在线观看视频| 日韩熟女老妇一区二区性免费视频| 久久影院123| kizo精华| 国产精品免费大片| 日本欧美视频一区| 99久久精品国产亚洲精品| 精品一品国产午夜福利视频| 中国美女看黄片| 搡老熟女国产l中国老女人| 国产免费av片在线观看野外av| 日韩有码中文字幕| 欧美精品啪啪一区二区三区| 精品人妻熟女毛片av久久网站| 日本撒尿小便嘘嘘汇集6| 女同久久另类99精品国产91| 人人妻人人澡人人爽人人夜夜| 丰满人妻熟妇乱又伦精品不卡| 国产日韩欧美在线精品| 三级毛片av免费| 亚洲成人免费电影在线观看| 视频在线观看一区二区三区| 欧美 亚洲 国产 日韩一| 国产男女超爽视频在线观看| 亚洲av成人一区二区三| 欧美激情高清一区二区三区| 夜夜骑夜夜射夜夜干| 丝袜美腿诱惑在线| 窝窝影院91人妻| kizo精华| 欧美中文综合在线视频| 人人妻,人人澡人人爽秒播| 欧美乱妇无乱码| 手机成人av网站| 国产一区二区三区在线臀色熟女 | 亚洲欧美激情在线| 狠狠婷婷综合久久久久久88av| 精品少妇久久久久久888优播| 国产精品电影一区二区三区 | 精品人妻在线不人妻| 少妇的丰满在线观看| 亚洲全国av大片| 久久性视频一级片| 国产日韩欧美视频二区| a级毛片在线看网站| 欧美人与性动交α欧美软件| 色94色欧美一区二区| 窝窝影院91人妻| 国产精品九九99| 丝袜美足系列| 久久国产精品大桥未久av| 搡老熟女国产l中国老女人| 久久久国产精品麻豆| 757午夜福利合集在线观看| 久9热在线精品视频| 欧美在线黄色| 国产精品电影一区二区三区 | 纵有疾风起免费观看全集完整版| 一本大道久久a久久精品| 国产在线视频一区二区| 久久国产精品人妻蜜桃| 国产91精品成人一区二区三区 | 午夜福利一区二区在线看| 亚洲综合色网址| 亚洲国产毛片av蜜桃av| 国产区一区二久久| 少妇精品久久久久久久| 可以免费在线观看a视频的电影网站| 国产日韩欧美亚洲二区| 亚洲国产av新网站| 免费在线观看影片大全网站| 99香蕉大伊视频| 悠悠久久av| 国产欧美日韩综合在线一区二区| 12—13女人毛片做爰片一| 国产熟女午夜一区二区三区| 久久婷婷成人综合色麻豆| 亚洲色图 男人天堂 中文字幕| 亚洲熟女毛片儿| 亚洲国产欧美一区二区综合| 中文字幕高清在线视频| 日韩视频在线欧美| 女人精品久久久久毛片| 日韩制服丝袜自拍偷拍| 午夜精品久久久久久毛片777| 亚洲成人免费电影在线观看| 纵有疾风起免费观看全集完整版| 搡老熟女国产l中国老女人| 岛国毛片在线播放| 久久人人爽av亚洲精品天堂| 午夜福利乱码中文字幕| 久久久久国产一级毛片高清牌| 丝袜喷水一区| 久久久久视频综合| 日韩制服丝袜自拍偷拍| 精品熟女少妇八av免费久了| 亚洲全国av大片| av片东京热男人的天堂| 女人高潮潮喷娇喘18禁视频| 一级片'在线观看视频| 人妻一区二区av| 9191精品国产免费久久| 久久久久久久久久久久大奶| 久久久久久免费高清国产稀缺| 一区二区av电影网| 丁香欧美五月| 久久人人爽av亚洲精品天堂| 国产一区二区激情短视频| 亚洲欧美一区二区三区久久| 丝袜美腿诱惑在线| 在线十欧美十亚洲十日本专区| 纵有疾风起免费观看全集完整版| 欧美日韩精品网址| 中亚洲国语对白在线视频| 欧美精品亚洲一区二区| 久久性视频一级片| 又紧又爽又黄一区二区| 免费女性裸体啪啪无遮挡网站| 大片免费播放器 马上看| 天天添夜夜摸| 天天躁日日躁夜夜躁夜夜| 99国产综合亚洲精品| 热99国产精品久久久久久7| 精品福利永久在线观看| 侵犯人妻中文字幕一二三四区| 超色免费av| 老汉色∧v一级毛片| 日本wwww免费看|