• <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 ?

    基于社區(qū)劃分的學(xué)術(shù)論文推薦模型

    2016-05-14 09:17:07黃泳航湯庸李春英湯志康劉繼偉
    計(jì)算機(jī)應(yīng)用 2016年5期

    黃泳航 湯庸 李春英 湯志康 劉繼偉

    摘要:針對學(xué)術(shù)社交網(wǎng)絡(luò)獨(dú)有的社交性,構(gòu)建了基于社區(qū)劃分的學(xué)術(shù)論文推薦模型。模型選擇社區(qū)復(fù)雜好友關(guān)系網(wǎng)絡(luò)圖中最大連通分量作為數(shù)據(jù)處理邏輯單元,在此基礎(chǔ)上進(jìn)行核心關(guān)系網(wǎng)劃分,并采用非參數(shù)控制的方式,在所建立的核心關(guān)系網(wǎng)內(nèi)建立標(biāo)簽,在學(xué)術(shù)社交網(wǎng)絡(luò)中通過標(biāo)簽傳播進(jìn)行社區(qū)劃分,根據(jù)社區(qū)劃分結(jié)果在社區(qū)內(nèi)部的用戶之間推薦學(xué)術(shù)論文。該社區(qū)劃分算法與經(jīng)典社區(qū)劃分算法在人工網(wǎng)絡(luò)上進(jìn)行仿真實(shí)驗(yàn),結(jié)果表明該算法在不同特征的人工網(wǎng)絡(luò)上皆能取得良好的社區(qū)發(fā)現(xiàn)質(zhì)量。

    關(guān)鍵詞:核心關(guān)系網(wǎng);社區(qū)劃分;標(biāo)簽傳播;自適應(yīng)閾值;學(xué)術(shù)論文推薦

    中圖分類號:TP391.3 文獻(xiàn)標(biāo)志碼:A

    Abstract:An academic paper recommendation model based on community partition was proposed according to sociability in social network. The model regarded the largest connected component in complex network as the logic unit in data processing, and divided up the largest connected component into nonintersect kernel subnetwork. The labels would be established according to kernel subnetwork by nonparameter control mode. Communities were divided in scholar social network through label propagation, and academic papers were recommended among the users in the communities by the results of the community partition. The proposed community partition method was compared with the classic community partition method in the experiments on artificial network. The experimental results show that the proposed method can achieve good community partition qualities on different characteristic artificial networks.

    Key words:kernel subnetwork; community partition; label propagation; selfadaptive threshold; academic paper recommendation

    0 引言

    近幾年,社交網(wǎng)站發(fā)展迅速,已滲入主流文化以及人們的日常生活中,備受網(wǎng)民關(guān)注[1]。隨著學(xué)術(shù)社交網(wǎng)絡(luò)的興起,學(xué)者在學(xué)術(shù)社交網(wǎng)絡(luò)中發(fā)掘論文的需求激增。面對學(xué)術(shù)社交網(wǎng)絡(luò)中海量的論文,學(xué)者難以檢索高質(zhì)量或獲取自己感興趣的論文;同時(shí),優(yōu)秀的推薦算法不僅可以為學(xué)者尋找其感興趣的論文,而且也可以為學(xué)術(shù)社交網(wǎng)絡(luò)謀取豐厚的利潤。因此,發(fā)掘用戶感興趣的論文成為一個(gè)新的研究方向。

    目前,關(guān)于社交網(wǎng)絡(luò)的推薦算法,國內(nèi)外的研究主要分為兩個(gè)方面:一個(gè)方面是以現(xiàn)有的信息為基礎(chǔ),通過語義分析進(jìn)行發(fā)掘建立推薦模型。例如,文獻(xiàn)[2]提出的信息庫學(xué)習(xí)自動(dòng)機(jī)的推薦模型,該模型是利用連續(xù)型學(xué)習(xí)自動(dòng)機(jī)在隨機(jī)和高噪聲環(huán)境中優(yōu)化參數(shù)的卓越性能,代替原有的梯度下降算法進(jìn)行大型稀疏矩陣的奇異值分解計(jì)算,使得重構(gòu)矩陣與原矩陣之間的誤差進(jìn)一步降低,提高了后續(xù)預(yù)測算法的精確度。文獻(xiàn)[3]對學(xué)生能力評估過程進(jìn)行主題建模,采用局部社區(qū)發(fā)現(xiàn)算法對學(xué)生各方面能力進(jìn)行合理的等級分類等。與此同時(shí),以用戶的使用習(xí)慣為基礎(chǔ),根據(jù)用戶的登錄信息等推薦模式也可以歸為此類。例如,文獻(xiàn)[4]通過考慮用戶對服務(wù)的興趣剖面以及服務(wù)對標(biāo)簽的滿足度剖面,所提出的基于用戶興趣和服務(wù)滿足度的服務(wù)搜索和推薦算法。文獻(xiàn)[5]以用戶所發(fā)表的內(nèi)容建立學(xué)習(xí)自動(dòng)機(jī)和訓(xùn)練樣本,在訓(xùn)練樣本的基礎(chǔ)上進(jìn)行推薦。文獻(xiàn)[6]則以多用戶所組成的群體為單位,根據(jù)群體所發(fā)表的信息與發(fā)表的地點(diǎn)建立的推薦模型等等。然而,這類算法建立于用戶所填寫的信息上,對一些缺乏信息的用戶欠缺考慮。對于這部分在社交網(wǎng)絡(luò)的惰性群體,認(rèn)為對最后的好友推薦結(jié)果影響力不大,往往采取直接剔除的方法,使得算法數(shù)據(jù)集的準(zhǔn)確性受到一定的影響,只能在具有大量活躍用戶的社區(qū)進(jìn)行推薦。另一方面是先在社交復(fù)雜網(wǎng)絡(luò)中固有的拓?fù)潢P(guān)系圖之上進(jìn)行社區(qū)發(fā)現(xiàn),劃分社區(qū)之后再發(fā)掘其中潛在關(guān)系進(jìn)行推薦。此方面的社區(qū)發(fā)現(xiàn)方式多種多樣。例如,文獻(xiàn)[7]利用拓?fù)鋱D中的完全子圖建立標(biāo)簽,根據(jù)標(biāo)簽在圖中的節(jié)點(diǎn)傳播結(jié)果劃分社區(qū)。文獻(xiàn)[8]則以拓?fù)鋱D中的三角形拓?fù)浣Y(jié)構(gòu)為網(wǎng)絡(luò)社區(qū)分層嵌套模式中的基本社區(qū)單元,經(jīng)過粗化迭代,令網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖中的高階多邊形逐步向低階多邊形演化,最終演化成社區(qū)。與此成為對比,文獻(xiàn)[9]則首先為每個(gè)節(jié)點(diǎn)賦予一個(gè)獨(dú)立的標(biāo)簽,然后根據(jù)節(jié)點(diǎn)的影響力大小進(jìn)行排序,在標(biāo)簽傳播的過程中,綜合網(wǎng)絡(luò)的結(jié)構(gòu)傳播特性和節(jié)點(diǎn)的屬性特征共同計(jì)算標(biāo)簽傳播的概率,同時(shí)利用節(jié)點(diǎn)的歷史標(biāo)簽記錄修正標(biāo)簽更新結(jié)果,最后將傳播后具有相同標(biāo)簽的節(jié)點(diǎn)劃分為同一社區(qū)。也有部分學(xué)者利用物理分析的方法進(jìn)行社區(qū)發(fā)現(xiàn)。例如,文獻(xiàn)[10]把拓?fù)潢P(guān)系圖上的節(jié)點(diǎn)視為粒子,在之間建立引力作用,通過彼此的引力關(guān)系劃分社區(qū);文獻(xiàn)[11]則是對邊建立多層光譜關(guān)系,通過一系列的數(shù)學(xué)分析求出社區(qū)。

    然而,由于學(xué)術(shù)社交網(wǎng)絡(luò)存在大量的學(xué)術(shù)論文可供分享,以上算法忽視單一學(xué)者與分享論文形成一對多的關(guān)系,導(dǎo)致最終學(xué)術(shù)論文推薦并不理想。因此,部分學(xué)者在此基礎(chǔ)上,又針對學(xué)術(shù)論文推薦的特殊性提出不同的推薦模型:文獻(xiàn)[12]介紹了一種根據(jù)論文摘要建立數(shù)據(jù)庫索引,通過對索引進(jìn)行語義分析得出推薦結(jié)果的方法;文獻(xiàn)[13]則是基于論文的內(nèi)容與引用關(guān)系進(jìn)行推薦;文獻(xiàn)[14]通過提取論文的特征,建立集成的科技論文推薦框架,為科研社交網(wǎng)絡(luò)中的研究者提供個(gè)性化論文推薦服務(wù);文獻(xiàn)[15]則根據(jù)文檔在主題上的分布概率,考慮主題之間的關(guān)聯(lián),發(fā)掘文檔間的潛在關(guān)系建立垂直模型進(jìn)行推薦;文獻(xiàn)[16]則對PageRank算法和內(nèi)容過濾進(jìn)行改進(jìn),提出了一種面向論文投稿推薦的垂直搜索引擎的主要模塊設(shè)計(jì)及實(shí)現(xiàn)方法。雖然上述的方法對于學(xué)術(shù)論文的推薦有一定的貢獻(xiàn),但是在推薦的過程中忽視了學(xué)術(shù)社交網(wǎng)絡(luò)中的好友關(guān)系,造成一定程度上的精度丟失,從這些算法的推薦結(jié)果來看,為用戶所推薦論文與該用戶缺乏關(guān)聯(lián)度,推薦結(jié)果不是很理想。

    針對學(xué)術(shù)社交網(wǎng)絡(luò)獨(dú)有的社交性,本文擬構(gòu)建一個(gè)基于社區(qū)劃分的學(xué)術(shù)論文推薦模型。該模型以學(xué)術(shù)社交網(wǎng)絡(luò)的好友關(guān)系拓?fù)鋱D為基礎(chǔ),在其中發(fā)現(xiàn)核心關(guān)系子網(wǎng)。以核心關(guān)系網(wǎng)中節(jié)點(diǎn)的標(biāo)簽和權(quán)重為基礎(chǔ),更新整個(gè)學(xué)術(shù)社交網(wǎng)絡(luò)中節(jié)點(diǎn)標(biāo)簽及權(quán)重。標(biāo)簽傳播過程中采用自適應(yīng)閾值方式剔除無意義標(biāo)簽進(jìn)行社區(qū)發(fā)現(xiàn)。在學(xué)術(shù)社交網(wǎng)絡(luò)中建立社區(qū),在社區(qū)內(nèi)好友間共享文獻(xiàn)達(dá)到論文推薦的目的。

    1 自適應(yīng)標(biāo)簽傳播算法

    本模型著重考慮學(xué)術(shù)社區(qū)中的社交關(guān)系,在推薦學(xué)術(shù)論文之前根據(jù)學(xué)術(shù)社交網(wǎng)絡(luò)中的好友拓?fù)潢P(guān)系圖發(fā)掘其中的社區(qū)。因此,本文首先提出基于核心關(guān)系網(wǎng)的社區(qū)劃分算法——自適應(yīng)標(biāo)簽傳播算法(Adaptive Label Propagation Algorithm, ALPA)。該社區(qū)劃分算法在學(xué)術(shù)社交網(wǎng)絡(luò)拓?fù)鋱D中發(fā)掘核心關(guān)系網(wǎng)并對核心關(guān)系網(wǎng)中的節(jié)點(diǎn)賦予標(biāo)簽和權(quán)重,然后采用同步標(biāo)簽傳播的方式計(jì)算全部節(jié)點(diǎn)的標(biāo)簽和權(quán)重,在算法的迭代過程中利用自適應(yīng)閾值剔除不合理的標(biāo)簽,最終擁有同一個(gè)標(biāo)簽的節(jié)點(diǎn)屬于同一個(gè)社區(qū)。

    1.1 基本定義

    定義1 完全圖。學(xué)術(shù)社交網(wǎng)絡(luò)的好友關(guān)系拓?fù)鋱D由圖G={V, E}表示,其中V表示用戶的集合,E表示好友關(guān)系的集合。若圖G存在子集Gs,且Gs中任意兩點(diǎn)都相鄰,則稱此圖為完全圖。

    定義2 核心關(guān)系網(wǎng)。在圖G={V, E}中,以V中未賦予標(biāo)簽的度數(shù)最大的節(jié)點(diǎn)vi及其鄰接節(jié)點(diǎn)中未賦予標(biāo)簽的度數(shù)最大的節(jié)點(diǎn)vj為初始邊尋找完全圖Gs。若GsG,且不存在任何完全圖GtG,使得GsGt,則稱Gs為核心關(guān)系網(wǎng)。

    1.2 算法初始化

    因?yàn)樵撍惴ㄊ歉鶕?jù)核心關(guān)系網(wǎng)建立社區(qū),所以每一個(gè)社區(qū)至少包含一個(gè)核心關(guān)系網(wǎng)。據(jù)此,算法初始化的關(guān)鍵是在G中尋找核心關(guān)系網(wǎng)。具體過程如下所示。

    1)對V中所有節(jié)點(diǎn)賦予label=0;

    2)取V中l(wèi)abel=0的節(jié)點(diǎn),按照定義2尋找核心關(guān)系網(wǎng)。如果同時(shí)存在多個(gè)滿足label=0且度數(shù)最大的點(diǎn),則隨機(jī)選取一個(gè);

    3)label=label+1;

    4)將有序?qū)Γ╨abel,1)賦予給核心關(guān)系網(wǎng)節(jié)點(diǎn)對應(yīng)的標(biāo)簽集,結(jié)果為{(label,1)},其中l(wèi)abel為節(jié)點(diǎn)的標(biāo)簽,1為該標(biāo)簽對應(yīng)的權(quán)重;

    5)重復(fù)2)~4),直到在G={V, E}中不存在核心關(guān)系網(wǎng),過程停止。

    1.3 標(biāo)簽傳播

    在核心關(guān)系網(wǎng)建立之后,利用自適應(yīng)標(biāo)簽傳播算法計(jì)算節(jié)點(diǎn)的標(biāo)簽和權(quán)重,達(dá)到極大限度地減少冗余標(biāo)簽,提高模型的穩(wěn)定性的目的。采用穩(wěn)定的同步標(biāo)簽傳播方式,根據(jù)復(fù)雜網(wǎng)絡(luò)小世界原則,節(jié)點(diǎn)在算法的多次迭代過程后一定會(huì)獲得標(biāo)簽。標(biāo)簽權(quán)重的大小與節(jié)點(diǎn)在多個(gè)標(biāo)簽中的度數(shù)分布有關(guān)。為了避免標(biāo)簽被過度傳播,一些權(quán)重較小的標(biāo)簽在算法迭代過程中不斷被剔除。具體標(biāo)簽更新規(guī)則如下所示。

    1.4 算法復(fù)雜度分析

    設(shè)復(fù)雜網(wǎng)絡(luò)圖G有n個(gè)節(jié)點(diǎn)。初始化的時(shí)候,對點(diǎn)集V中所有的節(jié)點(diǎn)賦予label=0,時(shí)間復(fù)雜度為O(n)。在圖中建立核心關(guān)系網(wǎng),由于要取label=0的度數(shù)最大的節(jié)點(diǎn)v,先對V中的所有節(jié)點(diǎn)按度數(shù)進(jìn)行排序,將消耗O(n2)的時(shí)間復(fù)雜度。算法初始化時(shí),需要考察每一個(gè)節(jié)點(diǎn)v的鄰接節(jié)點(diǎn)以建立核心關(guān)系網(wǎng),需要O(n log n)的時(shí)間復(fù)雜度。最終對核心關(guān)系網(wǎng)中的點(diǎn)賦予(label,1)的權(quán)重,考慮到圖的節(jié)點(diǎn)有可能都被劃入核心關(guān)系網(wǎng)中,故將達(dá)到O(n)的時(shí)間復(fù)雜度。因此,建立核心關(guān)系網(wǎng)的時(shí)間復(fù)雜度為最高階O(n2)。在標(biāo)簽傳播階段,每一個(gè)節(jié)點(diǎn)v的標(biāo)簽更新僅在其鄰接矩陣中進(jìn)行,此過程需要的時(shí)間復(fù)雜度為O(n log n)。最后刪除重疊社區(qū)的子社區(qū),時(shí)間復(fù)雜度同樣為O(n log n)。綜上,社區(qū)發(fā)現(xiàn)算法的時(shí)間復(fù)雜度為O(n)+O(n2)+O(n log n),近似為平方階O(n2)。

    2 實(shí)驗(yàn)分析

    2.1 社區(qū)劃分性能分析與評估

    本文將設(shè)計(jì)實(shí)驗(yàn)對算法社區(qū)劃分性能進(jìn)行分析與評估。實(shí)驗(yàn)將采用Benchmark Graphs (BG)圖集作為人工網(wǎng)絡(luò)數(shù)據(jù)集。BG圖集是利用特定參數(shù)產(chǎn)生的、社區(qū)規(guī)模不均一分布的復(fù)雜網(wǎng)絡(luò),其是在社區(qū)發(fā)現(xiàn)算法缺乏統(tǒng)一評價(jià)標(biāo)準(zhǔn)情況下的一種用于直接反應(yīng)社區(qū)發(fā)現(xiàn)算法優(yōu)劣的人工網(wǎng)絡(luò)[17]。BG圖集將產(chǎn)生一個(gè)固有的社區(qū)劃分結(jié)果與其生成的人工網(wǎng)絡(luò)相匹配。如果一個(gè)社區(qū)劃分算法在BG圖集產(chǎn)生的人工網(wǎng)絡(luò)上劃分結(jié)果,與BG圖集固有的社區(qū)劃分結(jié)果越為吻合,則說明該社區(qū)劃分算法越為精準(zhǔn)。

    本文設(shè)置的BG圖集人工網(wǎng)絡(luò)具體參數(shù)如表1所示。n是網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù),k為節(jié)點(diǎn)的平均度數(shù),kmax為節(jié)點(diǎn)的最大度數(shù),cmax是一個(gè)社區(qū)的最大節(jié)點(diǎn)數(shù),cmin為一個(gè)社區(qū)的最小節(jié)點(diǎn)數(shù)?;旌蠀?shù)μ決定社區(qū)結(jié)構(gòu)明顯程度,其取值范圍是[0,1]。取值越大,生成的人工網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)越不明顯。當(dāng)取值為0時(shí),整個(gè)網(wǎng)絡(luò)是一個(gè)社區(qū);當(dāng)取值為1時(shí),則是一個(gè)隨機(jī)網(wǎng)絡(luò)。如圖4所示的,2個(gè)對應(yīng)μ值分別為0.1和0.8的人工網(wǎng)絡(luò),從中可以非常直觀地看出,μ值較小時(shí),BG圖集產(chǎn)生的人工網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)明顯;而當(dāng)μ值較大時(shí),人工網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)則變得模糊。隨著設(shè)置的μ值增大,社區(qū)劃分算法越難以在此類型的人工網(wǎng)絡(luò)上實(shí)現(xiàn)社區(qū)劃分,劃分結(jié)果越難以與BG圖集固有的社區(qū)劃分結(jié)果吻合。

    實(shí)驗(yàn)將本文算法與標(biāo)簽傳播算法(Label Propagation Algorithm, LPA)[19]、 COPRA算法[20]、CFinder算法[21]等經(jīng)典社區(qū)劃分算法進(jìn)行對比,對本文算法的社區(qū)劃分性能進(jìn)行評估。在實(shí)驗(yàn)運(yùn)行之前,由于COPRA算法在提前預(yù)測重疊社區(qū)數(shù)x的值才能執(zhí)行,考慮到設(shè)置的BG圖集重疊社區(qū)數(shù)為4,所以將COPRA算法的x分別預(yù)設(shè)為x=4,以最適狀態(tài)執(zhí)行,同時(shí)設(shè)置x=5作為此算法不能在最適狀態(tài)運(yùn)行時(shí)的對照組。

    在上述數(shù)據(jù)集上分別運(yùn)行ALPA、COPRA算法(x=4)和COPRA算法(x=5)、LPA、CFinder算法各10次,使用式(1)計(jì)算NMI值,執(zhí)行多次取平均值,用于消除各算法在標(biāo)簽傳播時(shí)不穩(wěn)定所造成的誤差。各運(yùn)行10次取平均值作最終的結(jié)果,考慮執(zhí)行結(jié)果與BG圖集固有的社區(qū)劃分結(jié)果的吻合程度,從而評測各個(gè)算法的社區(qū)劃分性能。各個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果如圖5所示。

    當(dāng)μ≥0.3時(shí),LPA無法發(fā)現(xiàn)社區(qū)結(jié)構(gòu);同時(shí)當(dāng)μ≥0.6時(shí),COPRA算法無法發(fā)現(xiàn)社區(qū)結(jié)構(gòu)。而本文所提出的ALPA無論社區(qū)結(jié)構(gòu)是否明顯,皆能保持一個(gè)良好的社區(qū)發(fā)現(xiàn)質(zhì)量,雖然與此同時(shí)表現(xiàn)較好的CFinder算法也能夠在各個(gè)μ值上的數(shù)據(jù)集上發(fā)現(xiàn)社區(qū),但是社區(qū)發(fā)現(xiàn)性能隨著μ值的加大而不如ALPA,并且在各個(gè)數(shù)據(jù)集中出現(xiàn)不穩(wěn)定的現(xiàn)象。圖5(c)和(d)顯示的是在規(guī)模較小的人工網(wǎng)絡(luò)上的社區(qū)發(fā)現(xiàn)質(zhì)量。隨著社區(qū)結(jié)構(gòu)變得不明顯,LPA、COPRA算法的性能不斷下降,CFinder算法的性能在不穩(wěn)定的同時(shí),由始至終未能達(dá)到ALPA的高性能, ALPA則一直保持著較好的社區(qū)發(fā)現(xiàn)質(zhì)量。無論社區(qū)結(jié)構(gòu)如何,ALPA則仍然保持著良好的態(tài)勢,能夠穩(wěn)定、良好地劃分社區(qū);同時(shí)ALPA無須像COPRA算法預(yù)設(shè)置復(fù)雜網(wǎng)絡(luò)可能重疊社區(qū)數(shù)x,由于具有自適應(yīng)的特點(diǎn)外,所以無論待發(fā)現(xiàn)復(fù)雜網(wǎng)絡(luò)社區(qū)規(guī)模大小,社區(qū)結(jié)構(gòu)是否模糊,皆能很好地發(fā)現(xiàn)社區(qū)。

    2.2 推薦模型的應(yīng)用

    通過上述的社區(qū)劃分性能分析與評估對比得知,ALPA具有良好的社區(qū)發(fā)現(xiàn)性能。因此可以將ALPA應(yīng)用于自主開發(fā)的面向科研工作者的社交網(wǎng)絡(luò)服務(wù)平臺——學(xué)者網(wǎng)(http://www.scholat.com),為用戶發(fā)掘更多潛在學(xué)術(shù)論文。利用ALPA在學(xué)者網(wǎng)內(nèi)的好友拓?fù)潢P(guān)系圖上劃分出社區(qū)結(jié)構(gòu),對同一社區(qū)中的用戶分享的論文以點(diǎn)擊率進(jìn)行倒序排序,并選擇點(diǎn)擊率前10位的論文推送給社區(qū)內(nèi)的每位學(xué)者。

    本文在學(xué)者網(wǎng)用戶數(shù)據(jù)中選取11000條好友關(guān)系數(shù)據(jù),消除噪聲之后共10920條數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。如圖6(a)所示,在應(yīng)用本算法之前,此10920條數(shù)據(jù)好友關(guān)系所構(gòu)成的是一個(gè)未劃分社區(qū)的好友關(guān)系復(fù)雜網(wǎng)絡(luò)。在該復(fù)雜網(wǎng)絡(luò)中,應(yīng)用ALPA經(jīng)歷5次迭代,如圖6(b)所示,最終劃分出181個(gè)極大團(tuán),108個(gè)社區(qū),對各個(gè)社區(qū)中的用戶,推薦該社區(qū)內(nèi)所有用戶所發(fā)表的論文。

    通過使用本文的潛在好友推薦方法,學(xué)者網(wǎng)已為其注冊用戶提供了有效的潛在學(xué)術(shù)論文推薦服務(wù),如圖7所示。這是本文算法為學(xué)者網(wǎng)中一位屬于社區(qū)第1、2、3、7、28、56社區(qū)用戶所推薦的學(xué)術(shù)論文的效果圖,所推薦的學(xué)術(shù)論文皆是該用戶的好友所分享的,該用戶與其大多數(shù)好友之間存在共同興趣與研究領(lǐng)域,必然會(huì)樂于接受推薦結(jié)果,如果該用戶需要瀏覽更多推薦結(jié)果,可以點(diǎn)擊下方的按鈕,加載更多的論文推薦結(jié)果。

    3 結(jié)語

    本文設(shè)計(jì)了一種基于社區(qū)劃分的學(xué)術(shù)論文推薦模型。首先對算法進(jìn)行初始化,獲得復(fù)雜網(wǎng)絡(luò)中的全部核心關(guān)系網(wǎng),再根據(jù)核心關(guān)系網(wǎng)中節(jié)點(diǎn)的標(biāo)簽和權(quán)重,采用同步標(biāo)簽傳播方式更新網(wǎng)絡(luò)中節(jié)點(diǎn)的標(biāo)簽和權(quán)重,最終將網(wǎng)絡(luò)劃分為若干個(gè)社區(qū),并對社區(qū)內(nèi)的用戶推薦學(xué)術(shù)論文。ALPA采用自適應(yīng)閾值的處理方式剔除無意義的標(biāo)簽,避免了預(yù)先輸入?yún)?shù)對未知復(fù)雜網(wǎng)絡(luò)的局限性,因此其更能夠自適應(yīng)于真實(shí)的社交網(wǎng)絡(luò)。隨著社交網(wǎng)絡(luò)的蓬勃發(fā)展,社交網(wǎng)絡(luò)中用戶之間的關(guān)系也更加錯(cuò)綜復(fù)雜,規(guī)模也在迅速增大。在此背景下,如何提高推薦算法的時(shí)間復(fù)雜度是一個(gè)可以繼續(xù)研究的方向。另一方面,可以對該算法進(jìn)行并行化處理,使其能夠應(yīng)對復(fù)雜網(wǎng)絡(luò)大數(shù)據(jù)所帶來的挑戰(zhàn)。

    參考文獻(xiàn):

    [1]高嫻子,蔣建國.近年來我國社交網(wǎng)絡(luò)發(fā)展研究[D].廣州:暨南大學(xué),2011:1-61.(GAO X Z, JIANG J G. Research on the development of Chinas social network[D]. Guangzhou: Jinan University, 2011:1-61.)

    [2]荊羽純,葛昊,江文,等.一種基于學(xué)習(xí)自動(dòng)機(jī)的推薦算法改進(jìn)[J].計(jì)算機(jī)應(yīng)用研究,2016,34(1):32-34.(JING Y C, GE H, JIANG W, et al. Learning automatabased improvement for recommendation algorithm[J]. Application Research of Computers, 2016,34(1):32-34.)

    [3]石博,何楚,卓桐,等.慕課教學(xué)中基于局部社區(qū)發(fā)現(xiàn)的主題交互模型[J].計(jì)算機(jī)應(yīng)用研究,2014,32(6):1724-1727.(SHI B, HE C, ZHUO T, et al. Topic interaction model based on local community detection for MOOC teaching process[J]. Application Research of Computers, 2014,32(6):1724-1727.)

    [4]鄧華平,趙海燕,陳慶奎, 等.基于用戶興趣和服務(wù)滿足度的服務(wù)搜索和推薦算法[J].計(jì)算機(jī)應(yīng)用研究,2014,32(9):2613-2617.(DENG H P, ZHAO H Y, CHEN Q K, et al. Service search and recommendation algorithm based on users interest and service satisfaction[J]. Application Research of Computers, 2014, 32(9):2613-2617.)

    [5]HANG Y. Incorporating phraselevel sentiment analysis on textual reviews for personalized recommendation[C]// WSDM 2015: Proceedings of the 8th ACM International Conference on Web Search and Data Mining.New York:ACM, 2015: 435-440.

    [6]YUAN Q, CONG G, LIN C. COM: a generative model for group recommendation[C]// KDD14: Proceedings of the 20th ACM SIGKDD Conference on Knowledge Discovery and Data Mining. New York:ACM, 2014:80-90.

    [7]沈海燕,李星毅.一種新的基于標(biāo)簽傳播的重疊社區(qū)發(fā)現(xiàn)算法 [J].軟件導(dǎo)刊,2015,14(4):59-62.(SHEN H Y, LI X Y. A new overlapping community structure detecting algorithm by label propagation[J]. Software Guide, 2015,14(4):59-62.)

    [8]康穎,于博,古曉艷,等.一種面向大規(guī)模社會(huì)信息網(wǎng)絡(luò)的多層社區(qū)發(fā)現(xiàn)算法[J].計(jì)算機(jī)學(xué)報(bào), 2015,38(1):1-14.(KANG Y, YU B, GU X Y,et al. A multilevel community detection algorithm for largescale social information networks[J]. Chinese Journal of Computers, 2015,38(1):1-14.)

    [9]劉世超,朱福喜,甘琳.基于標(biāo)簽傳播概率的重疊社區(qū)發(fā)現(xiàn)算法[J/OL].[2015-07-22].http://www.cnki.net/kcms/detail/11.1826.TP.20150722.1205.014.html.(LIU S C, ZHU F X, GAN L. A labelpropagationprobabilitybased algorithm for overlapping community detection[J/OL]. [2015-07-22].http://www.cnki.net/kcms/detail/11.1826.TP.20150722.1205.014.html)

    [10]董宇欣,遲闊,印桂生.基于引力作用的可選粒度社區(qū)發(fā)現(xiàn)算法[J].哈爾濱工程大學(xué)學(xué)報(bào),2015,36(6):1-6.(DONG Y X, CHI K, YIN G S. Optional granularity community detection algorithm based on gravitation[J]. Journal of Harbin Engineering University, 2015,36(6):1-6.)

    [11]ZHANG X, NEWMAN M. Multiway spectral community detection in networks[EB/OL].[2015-01-22]. http://arxiv.org/abs/1507.05108.

    [12]HOXHA K, KIKA A, GANI E, et al. Towards a modular recommender system for research papers written in Albanian[J]. International Journal of Advanced Computer Science and Applications, 2015,5(4):160-168.

    [13]蔡阿妮,周傲英. 基于內(nèi)容與引用關(guān)系的學(xué)術(shù)論文推薦[D].上海:華東師范大學(xué),2014:1-82.(CAI A N, ZHOU A Y. Recommending research paper based on content and citation graph[D].Shanghai: East China Normal University, 2014:1-82.)

    [14]孫見山,劉志迎,馬建.科研社交網(wǎng)絡(luò)中的論文推薦[D].合肥:中國科學(xué)技術(shù)大學(xué), 2014:1-101.(SUN J S, LIU Z Y,MA J. Article recommendation in research social network[D].Hefei: University of Science and Technology of China, 2014:1-101.)

    [15]黃澤明,魯明羽.基于主題模型的學(xué)術(shù)論文推薦系統(tǒng)研究[D].大連:大連海事大學(xué), 2013:1-68.(HUANG Z M, LU M Y. Research on recommended system of scholar paper based on topic model[D].Dalian: Dalian Maritime University, 2013:1-68.)

    [16]徐鎮(zhèn),李廉.基于垂直搜索引擎的論文投稿推薦系統(tǒng)研究[D].蘭州:蘭州大學(xué),2014:1-67.(XU Z,LI X. Research on a recommendation system for paper submission based on vertical search engine[D]. Lanzhou: Lanzhou University, 2014:1-67.)

    [17]LANCICHINETTI A, FORTUNATO S, RADICCHI F. Benchmark graphs for testing community detection algorithms[J]. Physical Review E, 2008,78(4):046110.

    [18]LANCICHINETTI A, FORTUNATO S, KERTESZ J. Detecting the overlapping and hierarchical community structure in complex networks[J].New Journal of Physics, 2009,11(3):033015.

    [19]RAGHAVAN U, ALBERT R, KUMARA S. Near linear time algorithm to detect community structures in largescale networks[J]. Physical Review E, 2011,84(3):036103.

    [20]GREGORY S. Finding overlapping communities in networks by label [J].New Journal of Physics, 2010, 12(10):103018.

    [21]PALLA G, DERENYI I, FARKAS I, et al. Uncovering the overlapping community structure of complex networks in nature and society[J]. Nature, 2005, 435(7043): 814-818.

    超色免费av| 国产在视频线精品| 国产高清视频在线播放一区| 亚洲av美国av| 麻豆av在线久日| 欧美丝袜亚洲另类 | 在线观看日韩欧美| 国产激情欧美一区二区| 老汉色∧v一级毛片| 国产精品久久久人人做人人爽| 亚洲九九香蕉| 少妇的丰满在线观看| 精品高清国产在线一区| 乱人伦中国视频| 国产欧美日韩精品亚洲av| 51午夜福利影视在线观看| 国产成人av教育| 国产精品一区二区免费欧美| 999精品在线视频| 一区二区日韩欧美中文字幕| av网站免费在线观看视频| 国产单亲对白刺激| 国产精品98久久久久久宅男小说| 久久国产精品男人的天堂亚洲| 嫩草影视91久久| 欧美老熟妇乱子伦牲交| 如日韩欧美国产精品一区二区三区| 可以免费在线观看a视频的电影网站| 中出人妻视频一区二区| 国产成人精品久久二区二区免费| 欧美性长视频在线观看| 99国产极品粉嫩在线观看| 亚洲av成人av| 国产精品成人在线| 一级毛片女人18水好多| 大型黄色视频在线免费观看| 国产男女超爽视频在线观看| 免费在线观看亚洲国产| 色综合婷婷激情| 中文字幕制服av| 亚洲成人国产一区在线观看| 亚洲精品美女久久久久99蜜臀| 18禁国产床啪视频网站| 岛国毛片在线播放| 18禁美女被吸乳视频| 露出奶头的视频| 日韩视频一区二区在线观看| 久久久精品免费免费高清| 久久婷婷成人综合色麻豆| 老司机亚洲免费影院| 美女福利国产在线| 久久久久久久久免费视频了| 午夜成年电影在线免费观看| 欧美日韩av久久| 精品久久久久久,| 黑丝袜美女国产一区| bbb黄色大片| 国精品久久久久久国模美| 国产亚洲一区二区精品| 国产午夜精品久久久久久| 亚洲熟女精品中文字幕| 男男h啪啪无遮挡| 18禁观看日本| 天天添夜夜摸| 99久久综合精品五月天人人| 九色亚洲精品在线播放| 一本一本久久a久久精品综合妖精| 美女高潮到喷水免费观看| 中国美女看黄片| 久久ye,这里只有精品| 亚洲专区国产一区二区| 日韩 欧美 亚洲 中文字幕| 51午夜福利影视在线观看| 可以免费在线观看a视频的电影网站| 免费在线观看视频国产中文字幕亚洲| 午夜福利乱码中文字幕| 国产精品偷伦视频观看了| 国产日韩一区二区三区精品不卡| 成人av一区二区三区在线看| 黑丝袜美女国产一区| e午夜精品久久久久久久| 亚洲欧美一区二区三区久久| 日韩 欧美 亚洲 中文字幕| 免费人成视频x8x8入口观看| 最新美女视频免费是黄的| 一级黄色大片毛片| 亚洲成av片中文字幕在线观看| 久久九九热精品免费| 黑人欧美特级aaaaaa片| 男人舔女人的私密视频| 少妇裸体淫交视频免费看高清 | 亚洲avbb在线观看| 在线观看免费视频日本深夜| 精品视频人人做人人爽| 亚洲一区二区三区欧美精品| 亚洲情色 制服丝袜| 亚洲中文日韩欧美视频| 王馨瑶露胸无遮挡在线观看| 天天躁日日躁夜夜躁夜夜| 热99国产精品久久久久久7| 欧美日韩精品网址| 少妇 在线观看| 免费在线观看视频国产中文字幕亚洲| 亚洲欧美激情在线| 中文字幕精品免费在线观看视频| 欧美 亚洲 国产 日韩一| www日本在线高清视频| 国产视频一区二区在线看| 亚洲专区国产一区二区| 精品国产亚洲在线| 在线观看免费视频日本深夜| 丝袜在线中文字幕| 啦啦啦免费观看视频1| 99国产精品免费福利视频| 18禁美女被吸乳视频| 国产精品偷伦视频观看了| 18禁黄网站禁片午夜丰满| 可以免费在线观看a视频的电影网站| 黄片播放在线免费| 国产乱人伦免费视频| 999精品在线视频| 99re在线观看精品视频| 日本黄色日本黄色录像| 黄频高清免费视频| 一区二区三区精品91| 国产伦人伦偷精品视频| 亚洲精华国产精华精| 国产成人影院久久av| 国产精品av久久久久免费| 人成视频在线观看免费观看| 一夜夜www| 欧美激情高清一区二区三区| 老司机影院毛片| 一级,二级,三级黄色视频| 国产av又大| 欧美一级毛片孕妇| 日韩免费高清中文字幕av| 国产xxxxx性猛交| 欧美在线一区亚洲| 精品午夜福利视频在线观看一区| 女性被躁到高潮视频| 国产一卡二卡三卡精品| 精品无人区乱码1区二区| 久久精品亚洲精品国产色婷小说| 亚洲成人国产一区在线观看| 18禁裸乳无遮挡动漫免费视频| 国产精品国产高清国产av | 久久久久国产一级毛片高清牌| 欧美激情久久久久久爽电影 | 激情在线观看视频在线高清 | 啦啦啦视频在线资源免费观看| 亚洲精品在线观看二区| 18禁美女被吸乳视频| 欧美大码av| 老熟妇仑乱视频hdxx| 国产av精品麻豆| 久久久国产一区二区| 动漫黄色视频在线观看| 一夜夜www| 欧美大码av| 丝瓜视频免费看黄片| 51午夜福利影视在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 免费观看精品视频网站| 两性午夜刺激爽爽歪歪视频在线观看 | 国产亚洲精品久久久久久毛片 | 中文字幕另类日韩欧美亚洲嫩草| av网站在线播放免费| 久久久精品区二区三区| 久久国产精品男人的天堂亚洲| 国产精品98久久久久久宅男小说| 50天的宝宝边吃奶边哭怎么回事| 精品久久久精品久久久| 97人妻天天添夜夜摸| 日韩欧美国产一区二区入口| 色94色欧美一区二区| 国产色视频综合| 9色porny在线观看| 精品国产亚洲在线| 日韩熟女老妇一区二区性免费视频| 18禁观看日本| 91字幕亚洲| 日本黄色日本黄色录像| 香蕉国产在线看| 亚洲综合色网址| 欧美乱码精品一区二区三区| 一本大道久久a久久精品| 日韩制服丝袜自拍偷拍| 99精国产麻豆久久婷婷| 极品人妻少妇av视频| 亚洲 欧美一区二区三区| 少妇 在线观看| 1024香蕉在线观看| 久久久久国内视频| 国产激情久久老熟女| 国产精品98久久久久久宅男小说| 他把我摸到了高潮在线观看| 亚洲av欧美aⅴ国产| 老司机福利观看| 精品卡一卡二卡四卡免费| 黄色 视频免费看| 老汉色av国产亚洲站长工具| 欧美人与性动交α欧美精品济南到| xxx96com| 男人舔女人的私密视频| 久久久国产精品麻豆| av片东京热男人的天堂| 女人爽到高潮嗷嗷叫在线视频| 午夜精品国产一区二区电影| 久久中文看片网| 亚洲黑人精品在线| 最新在线观看一区二区三区| 在线av久久热| 最新美女视频免费是黄的| 成年版毛片免费区| 在线免费观看的www视频| 亚洲欧美激情综合另类| 中文亚洲av片在线观看爽 | 我的亚洲天堂| 午夜福利乱码中文字幕| 一边摸一边抽搐一进一小说 | 国产精品秋霞免费鲁丝片| bbb黄色大片| 成人18禁高潮啪啪吃奶动态图| 91在线观看av| 每晚都被弄得嗷嗷叫到高潮| 亚洲,欧美精品.| 日本a在线网址| 精品熟女少妇八av免费久了| 国产aⅴ精品一区二区三区波| 女性被躁到高潮视频| 老熟妇仑乱视频hdxx| 国产成人系列免费观看| 亚洲av成人av| 嫁个100分男人电影在线观看| 99热网站在线观看| 黄色a级毛片大全视频| av不卡在线播放| 色在线成人网| 黄色视频不卡| 国产欧美日韩一区二区精品| 国产高清videossex| 一区二区三区国产精品乱码| 亚洲精品国产区一区二| 日韩欧美三级三区| 91国产中文字幕| 日韩一卡2卡3卡4卡2021年| 一级毛片高清免费大全| 在线视频色国产色| 免费在线观看黄色视频的| 老司机深夜福利视频在线观看| 日本精品一区二区三区蜜桃| 丰满人妻熟妇乱又伦精品不卡| 亚洲伊人色综图| 一区二区三区精品91| 国产免费男女视频| 黄色视频,在线免费观看| 多毛熟女@视频| 亚洲精品在线观看二区| 视频区图区小说| 国产乱人伦免费视频| 亚洲中文av在线| 国产精品欧美亚洲77777| 韩国精品一区二区三区| 国产熟女午夜一区二区三区| 水蜜桃什么品种好| 久久精品国产亚洲av高清一级| 国产精品电影一区二区三区 | 777米奇影视久久| 亚洲国产欧美日韩在线播放| 欧美在线一区亚洲| 91精品国产国语对白视频| 热99久久久久精品小说推荐| 首页视频小说图片口味搜索| 身体一侧抽搐| 一边摸一边抽搐一进一小说 | 一边摸一边抽搐一进一小说 | 国产精华一区二区三区| 天天躁日日躁夜夜躁夜夜| 国产精品二区激情视频| 欧美国产精品一级二级三级| 欧美精品高潮呻吟av久久| 免费观看a级毛片全部| 欧美国产精品va在线观看不卡| 亚洲国产毛片av蜜桃av| 国产精品欧美亚洲77777| 国产麻豆69| 精品高清国产在线一区| 婷婷成人精品国产| 人妻 亚洲 视频| 久久久久国内视频| 50天的宝宝边吃奶边哭怎么回事| 精品国产一区二区久久| 成年人黄色毛片网站| 91大片在线观看| 无遮挡黄片免费观看| 嫁个100分男人电影在线观看| 熟女少妇亚洲综合色aaa.| 美女国产高潮福利片在线看| 久久亚洲精品不卡| 一级,二级,三级黄色视频| 黄色丝袜av网址大全| 精品电影一区二区在线| 国产精品一区二区在线观看99| 亚洲一卡2卡3卡4卡5卡精品中文| 好看av亚洲va欧美ⅴa在| 在线观看免费视频网站a站| 免费女性裸体啪啪无遮挡网站| 国产精品免费大片| 婷婷成人精品国产| 欧美日韩中文字幕国产精品一区二区三区 | 久久国产亚洲av麻豆专区| 亚洲成人免费电影在线观看| 午夜福利,免费看| 国产成人影院久久av| 久久中文看片网| a级毛片在线看网站| 两个人看的免费小视频| 国产亚洲精品久久久久久毛片 | 亚洲一码二码三码区别大吗| 亚洲第一欧美日韩一区二区三区| 757午夜福利合集在线观看| 精品一区二区三区视频在线观看免费 | 韩国精品一区二区三区| 亚洲男人天堂网一区| 精品熟女少妇八av免费久了| 99国产精品99久久久久| 国产无遮挡羞羞视频在线观看| 十八禁网站免费在线| bbb黄色大片| 欧美日韩国产mv在线观看视频| 日韩精品免费视频一区二区三区| 露出奶头的视频| 欧美日韩福利视频一区二区| 热99久久久久精品小说推荐| 国内毛片毛片毛片毛片毛片| 亚洲免费av在线视频| 热99国产精品久久久久久7| 亚洲视频免费观看视频| 久久影院123| 黄色女人牲交| 久久影院123| 一进一出好大好爽视频| 久久国产精品人妻蜜桃| 欧美黑人欧美精品刺激| 亚洲情色 制服丝袜| 久久中文看片网| 国产高清国产精品国产三级| 人妻一区二区av| 欧美久久黑人一区二区| 人妻一区二区av| 丰满迷人的少妇在线观看| 少妇被粗大的猛进出69影院| 久久影院123| 亚洲第一青青草原| 亚洲欧美日韩高清在线视频| 黄色视频不卡| 亚洲国产欧美网| 精品久久久久久久毛片微露脸| 啦啦啦在线免费观看视频4| 久久久水蜜桃国产精品网| 最新美女视频免费是黄的| 国产在线观看jvid| 日韩欧美三级三区| av线在线观看网站| 一个人免费在线观看的高清视频| 亚洲人成电影免费在线| 真人做人爱边吃奶动态| av天堂在线播放| 母亲3免费完整高清在线观看| 成人影院久久| 在线观看免费视频日本深夜| 高清视频免费观看一区二区| 无人区码免费观看不卡| 在线十欧美十亚洲十日本专区| 国产精品久久久av美女十八| 欧美日韩成人在线一区二区| 欧美久久黑人一区二区| 每晚都被弄得嗷嗷叫到高潮| 久久人妻福利社区极品人妻图片| 欧美国产精品一级二级三级| 国产成人欧美| 国产亚洲欧美在线一区二区| av片东京热男人的天堂| 久久精品亚洲熟妇少妇任你| 一二三四社区在线视频社区8| 高清av免费在线| 久久人人97超碰香蕉20202| 久久天躁狠狠躁夜夜2o2o| 一级毛片女人18水好多| 欧美亚洲日本最大视频资源| 精品福利永久在线观看| 91老司机精品| 色在线成人网| 成人黄色视频免费在线看| 99国产精品99久久久久| 国产xxxxx性猛交| 国产欧美日韩一区二区精品| 两性午夜刺激爽爽歪歪视频在线观看 | 午夜福利欧美成人| 极品人妻少妇av视频| 老司机靠b影院| 青草久久国产| 变态另类成人亚洲欧美熟女 | 国产午夜精品久久久久久| 欧美最黄视频在线播放免费 | 国产精品久久久久久人妻精品电影| 久久久久国产精品人妻aⅴ院 | 999精品在线视频| tocl精华| 麻豆乱淫一区二区| 精品国产乱码久久久久久男人| 亚洲avbb在线观看| 每晚都被弄得嗷嗷叫到高潮| 精品国产乱码久久久久久男人| 看黄色毛片网站| av欧美777| 国产区一区二久久| 亚洲 国产 在线| 一区在线观看完整版| 午夜激情av网站| 狠狠狠狠99中文字幕| 精品国产国语对白av| 免费在线观看完整版高清| 亚洲精品国产一区二区精华液| 韩国精品一区二区三区| 超色免费av| 侵犯人妻中文字幕一二三四区| 免费观看人在逋| 午夜91福利影院| 国产亚洲欧美在线一区二区| 久久午夜综合久久蜜桃| 人妻 亚洲 视频| 欧美丝袜亚洲另类 | 日韩欧美一区视频在线观看| 亚洲精品乱久久久久久| 亚洲国产欧美日韩在线播放| 亚洲色图 男人天堂 中文字幕| 久久国产精品影院| 国产成人精品无人区| 日日摸夜夜添夜夜添小说| 日本黄色日本黄色录像| 我的亚洲天堂| 亚洲av美国av| 中出人妻视频一区二区| 超碰97精品在线观看| 天堂中文最新版在线下载| 天天躁夜夜躁狠狠躁躁| 青草久久国产| 亚洲美女黄片视频| 啪啪无遮挡十八禁网站| 成人精品一区二区免费| 亚洲精品久久成人aⅴ小说| 国产欧美日韩综合在线一区二区| 欧美精品亚洲一区二区| 国产伦人伦偷精品视频| 看黄色毛片网站| 欧美日本中文国产一区发布| 高清在线国产一区| 午夜免费成人在线视频| 亚洲熟女精品中文字幕| 午夜两性在线视频| 免费看十八禁软件| 一边摸一边抽搐一进一出视频| 日韩视频一区二区在线观看| 啦啦啦视频在线资源免费观看| 亚洲精品美女久久久久99蜜臀| 久久影院123| 亚洲片人在线观看| 女人被狂操c到高潮| 涩涩av久久男人的天堂| 国产97色在线日韩免费| 新久久久久国产一级毛片| 夜夜夜夜夜久久久久| tube8黄色片| 成人三级做爰电影| av在线播放免费不卡| 中出人妻视频一区二区| 精品一区二区三卡| 亚洲avbb在线观看| 国产精品香港三级国产av潘金莲| 少妇的丰满在线观看| 大型黄色视频在线免费观看| 日本wwww免费看| www.自偷自拍.com| 国产欧美日韩综合在线一区二区| 天堂俺去俺来也www色官网| 一级片免费观看大全| 欧美精品亚洲一区二区| 亚洲黑人精品在线| 丰满人妻熟妇乱又伦精品不卡| 国产野战对白在线观看| 精品福利永久在线观看| 亚洲欧洲精品一区二区精品久久久| 久久国产精品影院| 99国产精品免费福利视频| 女警被强在线播放| 一本综合久久免费| 美女午夜性视频免费| 亚洲av欧美aⅴ国产| 两个人看的免费小视频| 老熟妇仑乱视频hdxx| 黄色视频,在线免费观看| 久久久国产一区二区| 麻豆乱淫一区二区| 在线天堂中文资源库| 99热网站在线观看| 欧美激情久久久久久爽电影 | 国产成人影院久久av| 国精品久久久久久国模美| 免费看a级黄色片| 亚洲av日韩在线播放| 国内久久婷婷六月综合欲色啪| 亚洲三区欧美一区| 成人免费观看视频高清| 中出人妻视频一区二区| 亚洲欧美日韩另类电影网站| 一二三四社区在线视频社区8| 精品一区二区三区四区五区乱码| 无限看片的www在线观看| 黄色女人牲交| 在线观看免费午夜福利视频| 一本大道久久a久久精品| 另类亚洲欧美激情| 18禁黄网站禁片午夜丰满| 老司机深夜福利视频在线观看| 少妇被粗大的猛进出69影院| 69精品国产乱码久久久| 国产精品久久久久成人av| 久久天堂一区二区三区四区| 国产极品粉嫩免费观看在线| 国产亚洲精品一区二区www | 50天的宝宝边吃奶边哭怎么回事| 亚洲精品美女久久久久99蜜臀| av网站在线播放免费| 99精品欧美一区二区三区四区| 亚洲精品一二三| 麻豆国产av国片精品| 国产精品乱码一区二三区的特点 | 国产色视频综合| 香蕉久久夜色| 另类亚洲欧美激情| 三级毛片av免费| 亚洲专区国产一区二区| 91成年电影在线观看| 成人18禁在线播放| 国产在线一区二区三区精| 午夜福利在线观看吧| 男男h啪啪无遮挡| 国产蜜桃级精品一区二区三区 | 精品福利观看| 久久久国产精品麻豆| 亚洲精品久久午夜乱码| 成年动漫av网址| 在线观看日韩欧美| 一级a爱视频在线免费观看| 人人妻人人澡人人爽人人夜夜| 日韩欧美在线二视频 | 久久精品成人免费网站| 欧美日韩国产mv在线观看视频| 他把我摸到了高潮在线观看| 国产精品秋霞免费鲁丝片| 精品少妇一区二区三区视频日本电影| 天天添夜夜摸| 淫妇啪啪啪对白视频| 久久国产精品男人的天堂亚洲| 久9热在线精品视频| a级毛片黄视频| 精品久久久久久久毛片微露脸| 搡老乐熟女国产| 日韩欧美国产一区二区入口| 久久久久久久久久久久大奶| netflix在线观看网站| 在线永久观看黄色视频| 18禁裸乳无遮挡动漫免费视频| 老司机靠b影院| 亚洲精品自拍成人| 无限看片的www在线观看| 亚洲精品国产精品久久久不卡| 国产成人免费无遮挡视频| 他把我摸到了高潮在线观看| 成人国语在线视频| 妹子高潮喷水视频| 母亲3免费完整高清在线观看| 国产成人精品久久二区二区免费| 国产欧美日韩一区二区三| 夜夜夜夜夜久久久久| 午夜精品国产一区二区电影| 最新的欧美精品一区二区| www日本在线高清视频| 国产精品一区二区在线观看99| 夜夜躁狠狠躁天天躁| 精品国产美女av久久久久小说| 久久久久久亚洲精品国产蜜桃av| 欧美 日韩 精品 国产| 一区二区三区精品91| 欧美亚洲日本最大视频资源| 免费在线观看黄色视频的| 悠悠久久av| 两人在一起打扑克的视频| 成年动漫av网址| 精品久久久久久久久久免费视频 | 国产99白浆流出| 国产精品偷伦视频观看了| 悠悠久久av| 无人区码免费观看不卡| 亚洲伊人色综图| 两人在一起打扑克的视频| 新久久久久国产一级毛片| 91麻豆av在线| a级片在线免费高清观看视频| 国产在线精品亚洲第一网站| 亚洲熟妇中文字幕五十中出 | 黑人欧美特级aaaaaa片| 亚洲久久久国产精品|