• <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 ?

    基于地理標(biāo)簽的LBSN鏈接預(yù)測模型①

    2019-01-07 02:41:24勇,王超,程
    關(guān)鍵詞:標(biāo)簽預(yù)測算法

    王 勇,王 超,程 凱

    1(銅陵有色金屬集團(tuán)股份有限公司金冠銅業(yè)分公司,銅陵 244000)

    2(金誠信礦業(yè)管理股份有限公司,北京 100044)

    3(北京宸控科技有限公司,北京 102200)

    隨著智能手機(jī)的爆炸式發(fā)展,用戶可隨時隨地在各大社交平臺分享自己的地理位置信息.無論是視頻、圖片或文本信息,都可輕易地嵌入當(dāng)前用戶的地理位置標(biāo)簽(Location Tag).大量的位置Tag構(gòu)成了基于地理位置的社交網(wǎng)絡(luò)[1](Location-Based Social Networks,LBSN),結(jié)合現(xiàn)有的各種定位系統(tǒng),可以為用戶提供一些個性化服務(wù).根據(jù)LSBN中已經(jīng)存在的鏈接和節(jié)點(diǎn)信息,可以預(yù)測出用戶位置網(wǎng)絡(luò)中遺失的Tag或即將出現(xiàn)的Tag鏈接,該方法稱之為鏈接預(yù)測[2].例如,在微博、微信等社交平臺中,用戶等同于節(jié)點(diǎn),鏈接預(yù)測可用于建立新的好友關(guān)系.

    文獻(xiàn)[3]表明,同一時間出現(xiàn)在同一位置的用戶成為好友的概率要遠(yuǎn)高于處于不同地理位置的用戶.因此,挖掘LBSN中潛在的標(biāo)簽信息對實(shí)現(xiàn)鏈接預(yù)測具有重大意義.目前,國內(nèi)外已有很多科研工作者專注于基于地理位置標(biāo)簽的推薦算法研究,判斷用戶地理位置的途徑主要有兩種:第一,挖掘用戶發(fā)布到互聯(lián)網(wǎng)中的內(nèi)容信息可推斷出用戶的地理位置信息[4].第二,通過社交平臺中好友的地理位置推測用戶的位置[5].近年來也有很多學(xué)者研究基于LDA主題建模的層次聚類[6]、無監(jiān)督學(xué)習(xí)[7]、標(biāo)簽關(guān)聯(lián)[8]推薦算法.為提高位置預(yù)測的準(zhǔn)確性,可對用戶位置信息進(jìn)行篩選,過濾掉無用的信息.還可對用戶簽到信息建立LDA主題生成模型,分析地理位置標(biāo)簽的特征,設(shè)計出基于地理位置的推薦系統(tǒng)[9].

    從用戶簽到信息中提取出時間特征和位置特征對于鏈接預(yù)測算法至關(guān)重要,因?yàn)檫@些特征可用于評估用戶之間的相似度,進(jìn)而提高預(yù)測的準(zhǔn)確度.然而實(shí)際的LBSN簽到信息中,地理位置的分布十分稀疏,想要挖掘出位置和時間信息相當(dāng)困難.基于用戶地理位置標(biāo)簽,本文建立了新的LBSN鏈接預(yù)測模型,提高了鏈接預(yù)測的準(zhǔn)確度.首先,本文對Gowalla數(shù)據(jù)集進(jìn)行聚類分析,改善了地理位置分布的稀疏性問題.其次,本文對用戶地理位置標(biāo)簽進(jìn)行語義分析,建立基于用戶地理標(biāo)簽的LDA主題模型,采用Gibbs抽樣算法進(jìn)行參數(shù)估算,分析出用戶的地理位置標(biāo)簽的相似性特征.最后,本文綜合網(wǎng)絡(luò)結(jié)構(gòu)相似性特征和基于用戶地理位置信息的相似度特征,采用有監(jiān)督策略的鏈接預(yù)測在Gowalla數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn).實(shí)驗(yàn)結(jié)果表明,本文提出的模型能有效提高LBSN的鏈接預(yù)測準(zhǔn)確度.

    1 基于地理位置的 LDA 主題模型

    本文對LBSN中的用戶地理位置標(biāo)簽建立LDA主題模型,以便挖掘出用戶的行為偏好.用戶的位置標(biāo)簽集合可當(dāng)作一篇文檔,位置標(biāo)簽集合中的某條具體位置相當(dāng)于構(gòu)成文檔的詞匯.對該主題模型進(jìn)行求解,可得出用戶地理位置標(biāo)簽中隱藏的主題分布和地理標(biāo)簽主題下的位置分布.

    假定用戶u對應(yīng)的地理位置標(biāo)簽集合為相當(dāng)于一篇文檔,其中m代表用戶u的位置標(biāo)簽條數(shù),wu,i代表用戶u的第i(1≤i≤m)條位置標(biāo)簽信息,相當(dāng)于構(gòu)成文檔的某個詞匯.地理位置文檔集合為,其中M代表用戶數(shù)量.假定具體的位置數(shù)量為V,則可建立基于地理位置的LDA主題模型,如圖1所示.

    圖1 基于地理位置的 LDA 主題模型

    模型中的位置主題概率分布可用Gibbs[10]采樣算法估算得出,該分布可用一個 doc-topic矩陣來描述,用戶u在地點(diǎn)主題tk下出現(xiàn)的概率分布可表示為.同理,每個位置主題下對應(yīng)的位置概率分布可用一個topic-word矩陣來描述,其中 pk(φv)代表位置v在主題k下出現(xiàn)的概率.

    2 基于位置信息的相似度分析

    2.1 位置信息語義化

    本文實(shí)驗(yàn)使用的數(shù)據(jù)集是Gowalla的地理位置標(biāo)簽數(shù)據(jù)集,可從SNAP官網(wǎng)直接下載得到,用戶地理位置標(biāo)簽的存儲格式為:

    Checkini,j表示用戶i的第j條位置信息.此外,該數(shù)據(jù)集還記錄了用戶之間的好友關(guān)系.具體示例見表1和表2.

    表1 地理位置標(biāo)簽格式

    表2 用戶好友關(guān)系存儲格式

    由于數(shù)據(jù)集并沒有具體的地理語義信息,故需要先對其進(jìn)行語義化.本文采用百度公司免費(fèi)的Place API和 Geocoding API進(jìn)行語義轉(zhuǎn)換,可將數(shù)據(jù)集中的地理坐標(biāo)轉(zhuǎn)換為具體的地址以及附近的POI (Point Of Interest)信息.

    由于很多用戶只在某一個地點(diǎn)簽到過,或跟其他用戶沒有共同的簽到地點(diǎn),這類用戶稱之為孤點(diǎn)用戶.大量的孤點(diǎn)用戶造成了數(shù)據(jù)的稀疏性,嚴(yán)重影響鏈接預(yù)測的準(zhǔn)確性.為解決該問題,本文降低了具體地點(diǎn)的限制,對地點(diǎn)標(biāo)簽進(jìn)行層次聚類,以簽到區(qū)域來構(gòu)建用戶關(guān)系網(wǎng)絡(luò).設(shè)定一個距離閾值 δ,若不同簽到地點(diǎn)的距離不超過該值,則認(rèn)為兩個地點(diǎn)屬于一個區(qū)域,本文在實(shí)驗(yàn)章節(jié)會對該參數(shù)進(jìn)行調(diào)優(yōu)試驗(yàn).然后利用該距離閾值對簽到數(shù)據(jù)集進(jìn)行聚類,可得到區(qū)域集合D={d1,d2,···,dn},由此可得到區(qū)域矩陣:

    式(1)中的di,j代表第i個用戶在區(qū)域j處的簽到.顯然,利用區(qū)域矩陣來構(gòu)建用戶網(wǎng)絡(luò)關(guān)系可極大地減小孤點(diǎn)用戶的數(shù)量,對簽到地點(diǎn)標(biāo)簽信息的挖掘也更充分,因此可降低數(shù)據(jù)稀疏性的影響.

    2.2 基于位置信息的相似度分析

    上文提到,采用Gibbs采樣算法可估算出LDA主題模型中的兩個概率分布:位置主題分布 Θ和所有主題下的地理位置分布 Ψ .每個用戶的簽到主題分布可以表示成K個位置主題的概率組合,所有用戶的簽到主題分布構(gòu)成矩陣 Θ.每個主題下的位置分布可以表示為簽到位置的概率組合,所有主題下的簽到位置分布構(gòu)成矩陣 Ψ .利用本文的簽到語義數(shù)據(jù)集,Gibbs采樣可輸出矩陣 Θ 和Ψ .

    本文首先篩選出位置主題概率最大的K個主題來表達(dá)用戶的位置主題.K的取值可按照經(jīng)驗(yàn)預(yù)設(shè),剩下的主題概率可先置0.本文先設(shè)定K=5,在模型學(xué)習(xí)的過程中會對K值進(jìn)行不斷的修正.然后對這K個地理位置主題分布函數(shù)進(jìn)行歸一化處理,如公式(2)所示:

    對于兩個不同用戶產(chǎn)生的概率分布函數(shù),需要計算出二者之間的距離.統(tǒng)計學(xué)中的KL 散度(KLDivergence)可用于測量不同概率分布的差異,被廣泛應(yīng)用于基于LDA的推薦算法.然而KL散度并不適用于本文基于地理位置標(biāo)簽的鏈接預(yù)測算法,因?yàn)樵摲椒ň邆浞菍ΨQ性特征.如果兩個用戶對某主題都無興趣,KL散度得出的結(jié)論是這兩個用戶具有很高的相似性.同理,如果兩個用戶都沒有在某個地點(diǎn)簽到,那么KL散度會認(rèn)為他們具有很高的相似度,這顯然會造成極大的誤差.因此,本文采用一種新的方法來評估用戶之間地理位置主題的差異性.用戶i在k個地理位置主題下的位置總數(shù)設(shè)為N(i,tk),則不同用戶x,y之間的相似度可用公式(3)計算得到:

    其中,分子代表用戶x和y在k個主題下的位置總數(shù)最小值之和,該值越大,說明用戶x和y在同一區(qū)域簽到的數(shù)量越大,二者的相似度越高.式(3)進(jìn)行了歸一化處理,最終結(jié)果可用于計算用戶之間的相似度.

    最后,為了驗(yàn)證fW(x,y)的有效性,基于從當(dāng)前數(shù)據(jù)集中獲取的網(wǎng)絡(luò)關(guān)系,本文將對比分析和fW(x,y)的性能.LBSN鏈接網(wǎng)絡(luò)中基于fW(x,y)的好友用戶對與非好友用戶對的累積分布圖(CDF)如圖2所示.

    從圖2可看出,基于位置標(biāo)簽語義分析的用戶相似性特征fW(x,y)能夠有效地識別好友與非好友的區(qū)別.因此可得出結(jié)論,fW(x,y)對于分析用戶之間的鏈接預(yù)測具有重要意義.

    3 基于地理標(biāo)簽的LBSN鏈接預(yù)測模型

    3.1 實(shí)現(xiàn)方法

    本文通過對用戶地理位置信息的充分挖掘,得出了基于地理位置語義分析的相似性特征.這是本文所提出的鏈接預(yù)測模型的基礎(chǔ).機(jī)器學(xué)習(xí)中的監(jiān)督式學(xué)習(xí)算法經(jīng)常被用于推薦系統(tǒng)的設(shè)計,將收集到的海量訓(xùn)練數(shù)據(jù)集作為先驗(yàn)知識,建立一個模型,并根據(jù)輸入的標(biāo)簽不斷修正該模型,最終該模型可針對新的輸入預(yù)測出相應(yīng)結(jié)果.本文的鏈接預(yù)測算法基于有監(jiān)督學(xué)習(xí)的思想,輸入為Gowalla數(shù)據(jù)集中的位置標(biāo)簽,建立用戶特征向量函數(shù),對其進(jìn)行模型訓(xùn)練,最終可用于鏈接預(yù)測.

    圖2 fW(x,y)好友與非好友用戶的CDF曲線

    接下來,本文將采用有監(jiān)督學(xué)習(xí)的策略對其進(jìn)行鏈接預(yù)測.實(shí)驗(yàn)中,LBSN鏈接預(yù)測采用Gowalla數(shù)據(jù)集進(jìn)行仿真,使用LBSN基于地理位置語義分析的相似性特征進(jìn)行輔助實(shí)驗(yàn).本文實(shí)施的鏈接預(yù)測實(shí)驗(yàn)步驟如下:

    (1)篩選原始數(shù)據(jù)集,過濾掉其中無用的冗余信息和獨(dú)立用戶(即無任何好友關(guān)系的用戶),最總得到一個可用的LBSN社交關(guān)系網(wǎng)絡(luò)圖G=(V,E).

    (2)對集合E進(jìn)行隨機(jī)采樣,其中2/3的數(shù)據(jù)作為訓(xùn)練集ET,余下1/3的鏈接數(shù)據(jù)作為測試數(shù)據(jù)集EP,顯然E=ET+EP且ET∩EP=?.從集合ET中取出現(xiàn)有鏈接中所有的用戶集合V′∈V且V′≠V,則子網(wǎng)絡(luò)圖G′=(V′,E′).由V′可將測試數(shù)據(jù)集修正為EP=E′∩EP,所以空間集合 (V′×V′)-ET可用來表示一切隱含節(jié)點(diǎn)對的集合.

    (3)由V′可得出所有用戶的位置標(biāo)簽列表,獲取這個列表集合中的地理位置信息,對其進(jìn)行聚類,最終得出一個新的用戶-位置矩陣.

    (4)分析求解隱藏的用戶節(jié)點(diǎn)信息中基于地理位置的相似性特征fUP(x,y).

    (5)同理,分析求解隱藏的用戶節(jié)點(diǎn)對基于時間戳的相似性特征fT(x,y).

    (6)采用Gibbs抽樣算法估算出用戶基于地理位置主題的概率分布函數(shù),然后進(jìn)一步求解隱藏用戶節(jié)點(diǎn)對基于地理位置信息的用戶相似度特征fW(x,y).

    (7)對社交網(wǎng)絡(luò)中所有隱藏用戶節(jié)點(diǎn)之間的相似度進(jìn)行分析計算,此處主要記錄預(yù)測性能最佳的Resource allocation (RA)系數(shù)指標(biāo)SRx,Ay.

    (8)利用有監(jiān)督學(xué)習(xí)策略的算法,對上文計算得出的各類相似性特征做鏈接預(yù)測,最終可得出特征向量,然 后對其進(jìn)行模型訓(xùn)練,最后再對測試數(shù)據(jù)集進(jìn)行鏈接預(yù)測,得出基于地理標(biāo)簽的LBSN鏈接預(yù)測結(jié)果.最終得到的結(jié)果集中,用1標(biāo)注確實(shí)存在的鏈接節(jié)點(diǎn)信息,0標(biāo)注不存在鏈接的節(jié)點(diǎn)信息.

    3.2 評估方法

    將上文求解得到的結(jié)果集與測試數(shù)據(jù)集做對比,可分析出本文鏈接預(yù)測算法的性能.由于本文采用有監(jiān)督的鏈接預(yù)測算法,故采用信息檢索算法中常用的四大性能評估指標(biāo)來衡量本文算法的性能優(yōu)劣:精度(Accuracy)、準(zhǔn)確率(Precision)、召回率(Recall)以及綜合Accuracy和Precision的加權(quán)調(diào)和平均(F-measure).

    由于實(shí)驗(yàn)數(shù)據(jù)中鏈接分布不均勻,本文還采用了一個新的評估指標(biāo) AUC(area under the receive operating characteristic curve)[11],如公式 (4)所示:

    其中,n代表測試數(shù)據(jù)集中所有標(biāo)簽對被隨機(jī)獨(dú)立抽樣的次數(shù),對于鏈接節(jié)點(diǎn)對而言,包含了存在和不存在兩種情況.n′表示鏈接節(jié)點(diǎn)對存在時的相似度分?jǐn)?shù)大于不存在時的次數(shù),n′′則表示兩種情況相似度分?jǐn)?shù)相等的次數(shù).從上式可看出,若存在鏈接的相似度值大于不存在時,則相似度值加 1,若相等則加 0.5.因此,AUC 指標(biāo)能夠整體地評估鏈接預(yù)測模型的準(zhǔn)確度,其值得取值范圍是 (0 .5,1),AUC的值越大,表示鏈接預(yù)測模型的精準(zhǔn)度越好.

    3.3 參數(shù)調(diào)優(yōu)

    本文采用有監(jiān)督學(xué)習(xí)的方式對樣本進(jìn)行分類學(xué)習(xí),基于前人對的研究,我們可獲取關(guān)于類別特征的先驗(yàn)知識.基于已有的類別特征信息,可對模型進(jìn)行訓(xùn)練并構(gòu)造相應(yīng)的分類器.由于本文采用的是真實(shí)的Gowalla數(shù)據(jù)集,故存在樣本數(shù)據(jù)分布不均勻的情況.為深入挖掘該數(shù)據(jù)集中的隱藏信息,可采用機(jī)器學(xué)習(xí)中常用的k-折交叉驗(yàn)證 (k-fold cross Validation)法,該方法得到的實(shí)驗(yàn)結(jié)果更加真實(shí).實(shí)驗(yàn)證明,當(dāng)k值取10的時候可得到最佳的實(shí)驗(yàn)效果[12],故本文采取10倍交叉驗(yàn)證來評估模型的性能.

    上文提到,本文利用有監(jiān)督的學(xué)習(xí)思想對模型中需要輸入的參數(shù)根據(jù)經(jīng)驗(yàn)預(yù)先給出,然后通過實(shí)驗(yàn)對其不斷修正.本文模型中有三個輸入?yún)?shù)需要進(jìn)行調(diào)優(yōu):對地理位置信息聚類處理時的距離閾值δ,基于用戶地理位置標(biāo)簽的LDA主題模型中的主題K的取值,以及分析用戶相似度時TOP-K中K的取值.

    對距離閾值 δ分別取不同的值,可得到用戶基于地理位置標(biāo)簽的相似度特征函數(shù)fUP(x,y),現(xiàn)將該特征函數(shù)導(dǎo)入樣本分類器進(jìn)行鏈接預(yù)測,實(shí)驗(yàn)得出的距離閾值 δ與加權(quán)調(diào)和平均F值的關(guān)系如圖3所示.

    圖3 距離閾值δ 對鏈接預(yù)測性能影響曲線

    由圖3可知,當(dāng)鏈接預(yù)測距離閾值δ=500 m 時,鏈接預(yù)測的結(jié)果最優(yōu).當(dāng) δ ∈[400,700]時,該算法的鏈接預(yù)測效果較為良好.此外,隨著 δ的不斷增大,加權(quán)調(diào)和平均F值不斷減小,即距離越大,鏈接預(yù)測效果越差.當(dāng) δ >1km時,F值的值顯著降低,說明人與人之間的地理位置距離越遠(yuǎn),兩者之間的關(guān)系也會越生疏,該結(jié)論顯然符合人類社會客觀事實(shí).基于以上分析,本文對地理位置標(biāo)簽進(jìn)行層次聚類時的最優(yōu)距離閾值設(shè)定為500 m.

    上文提到,基于地理位置的LDA主題模型可采用Gibb采樣算法進(jìn)行分析求解,最后得出用戶地理位置主題分布 Θ和每個主題下的具體地點(diǎn)分布 Ψ .根據(jù) Θ和Ψ這兩個概率分布函數(shù)計算出基于地理位置標(biāo)簽信息的相似性特征函數(shù)fW(x,y).Gibbs采樣算法需要預(yù)設(shè)的參數(shù)是 α,β 和K.其中,α和 β是Dirchlet先驗(yàn)分布的經(jīng)驗(yàn)參數(shù),由于在對數(shù)據(jù)進(jìn)行抽樣的過程中會不斷地更新 α和 β,因此這兩個值先根據(jù)經(jīng)驗(yàn)預(yù)設(shè)即可,本文設(shè)定 α =0.1,β=0.01.LDA主題模型中主題個數(shù)K值的選取十分重要,故本文對其進(jìn)行參數(shù)調(diào)優(yōu)實(shí)驗(yàn).分別對不同的K值計算基于地理位置標(biāo)簽信息的相似性特征函數(shù)fW(x,y),然后根據(jù)fW(x,y)進(jìn)行鏈接預(yù)測實(shí)驗(yàn).實(shí)驗(yàn)結(jié)果如圖4所示,該圖展示了主題個數(shù)K和加權(quán)調(diào)和平均F值的關(guān)系.由圖可知,當(dāng)主題個數(shù)為13時鏈接預(yù)測性能最優(yōu),因此本文實(shí)驗(yàn)設(shè)定K=13.

    圖4 主題個數(shù)K選取對預(yù)測性能影響曲線

    為了以最低的時間復(fù)雜度計算出特征函數(shù)fW(x,y),并取得最優(yōu)的鏈接預(yù)測效果,本文將對地理位置標(biāo)簽主題進(jìn)行TOP-K選擇,然后根據(jù)選取的TOP-K個主題計算基于地理位置標(biāo)簽信息的相似性特征函數(shù)fW(x,y).實(shí)驗(yàn)結(jié)果如圖5所示,途中展示了TOP-K值與加權(quán)調(diào)和平均F值的關(guān)系.從圖中觀察到當(dāng)TOP-K≥10時,F值較高且相對平穩(wěn),而當(dāng)TOP-K=5時F值達(dá)到巔峰,故本文選取TOP-K=5進(jìn)行鏈接預(yù)測實(shí)驗(yàn).

    3.4 實(shí)驗(yàn)結(jié)果與分析

    本文在第3.3小節(jié)進(jìn)行了相關(guān)參數(shù)調(diào)優(yōu),接下來本文將使用開源的智能分析環(huán)境WEKA提供的幾種分類器對Gowalla數(shù)據(jù)集進(jìn)行鏈接預(yù)測實(shí)驗(yàn):樸素貝葉斯分類器(NB)、隨機(jī)森林分類器(RF)以及決策樹分類器(J48).分別對特征向量和單一的用戶網(wǎng)絡(luò)特征進(jìn)行實(shí)驗(yàn),并對比分析兩種不同算法的性能.采用的評估指標(biāo)是Precision、Recall、F-measure和AUC,這些指標(biāo)值是通過對比鏈接預(yù)測的實(shí)驗(yàn)結(jié)果和測試數(shù)據(jù)集中真是的數(shù)據(jù)作對比所得出的,如表3所示.

    圖5 Top–K主題個數(shù)對預(yù)測性能的影響曲線

    從表3中還可看出,以上兩個實(shí)驗(yàn)中鏈接預(yù)測性能優(yōu)劣為隨機(jī)森林算法優(yōu)于樸素貝葉斯算法,而樸素貝葉斯算法又優(yōu)于決策樹算法,單三者之間并無明顯差異,說明本文提出的算法具有良好的穩(wěn)定性,不同分類器對該算法的影響幾乎可以忽略不計.

    表3 預(yù)測結(jié)果對比

    表3 預(yù)測結(jié)果對比

    分類器 樸素貝葉斯(N B)隨機(jī)森林(R F)決策樹(J 4 8)提升(%)提升(%)提升(%)f e a t u r e(x,y)?P r e c i s i o n0.9 2 0 8.6 0.9 2 1 8.6 0.9 1 8 8.5 R e c a l l0.7 5 9 4.1 0.7 6 2 4.2 0.7 5 8 4.1 F-m e a s u r e0.8 4 0 4.9 0.8 3 4 4.9 0.8 3 3 4.9 A U C 0.8 9 7.5 0.9 1 5 8.4 0.9 1 4 7.9 S R A x,y P r e c i s i o n0.8 4 7 0.8 4 9 0.8 4 8 R e c a l l0.7 2 9 0.7 3 0 0.7 2 9 F-m e a s u r e0.7 8 2 0.7 8 5 0.7 8 4 A U C 0.8 3 3 0.8 3 0 0.8 3 6

    4 結(jié)論與展望

    為解決地理位置分布的稀疏性問題,本文對測試數(shù)據(jù)集進(jìn)行聚類分析,并建立了基于用戶地理標(biāo)簽的LDA主題模型,分析出用戶的地理位置標(biāo)簽的相似性特征.最后,本文綜合了網(wǎng)絡(luò)結(jié)構(gòu)相似性特征和基于用戶地理位置信息的相似度特征,采用有監(jiān)督策略的鏈接預(yù)測在Gowalla數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn).實(shí)驗(yàn)結(jié)果表明,本文提出的模型能有效提高LBSN的鏈接預(yù)測準(zhǔn)確度,且具有良好的穩(wěn)定性.然而隨著互聯(lián)網(wǎng)的發(fā)展,LBSN的數(shù)據(jù)規(guī)模呈現(xiàn)指數(shù)級的增長,未來可進(jìn)一步研究基于大數(shù)據(jù)分布式平臺的鏈接預(yù)測算法.

    猜你喜歡
    標(biāo)簽預(yù)測算法
    無可預(yù)測
    黃河之聲(2022年10期)2022-09-27 13:59:46
    選修2-2期中考試預(yù)測卷(A卷)
    選修2-2期中考試預(yù)測卷(B卷)
    基于MapReduce的改進(jìn)Eclat算法
    Travellng thg World Full—time for Rree
    進(jìn)位加法的兩種算法
    無懼標(biāo)簽 Alfa Romeo Giulia 200HP
    車迷(2018年11期)2018-08-30 03:20:32
    不害怕撕掉標(biāo)簽的人,都活出了真正的漂亮
    海峽姐妹(2018年3期)2018-05-09 08:21:02
    不必預(yù)測未來,只需把握現(xiàn)在
    一種改進(jìn)的整周模糊度去相關(guān)算法
    极品人妻少妇av视频| 两性夫妻黄色片| 老熟妇仑乱视频hdxx| 久久精品国产a三级三级三级| 12—13女人毛片做爰片一| 精品国产乱码久久久久久小说| 三级毛片av免费| 国产一区二区在线观看av| 国产熟女午夜一区二区三区| 十分钟在线观看高清视频www| 久久久久久久精品精品| 欧美日韩亚洲高清精品| 国产欧美日韩精品亚洲av| 久久久久国内视频| 高清在线国产一区| 日韩中文字幕欧美一区二区| 美女午夜性视频免费| 男女午夜视频在线观看| 69精品国产乱码久久久| 久久久久精品人妻al黑| 日本五十路高清| 在线十欧美十亚洲十日本专区| 亚洲欧美清纯卡通| 中文字幕精品免费在线观看视频| 国产精品久久久久成人av| 一边摸一边抽搐一进一出视频| 国产精品熟女久久久久浪| 国产老妇伦熟女老妇高清| 曰老女人黄片| 国产亚洲av高清不卡| 午夜视频精品福利| 在线观看一区二区三区激情| 天堂中文最新版在线下载| 国产国语露脸激情在线看| 两个人看的免费小视频| 免费在线观看影片大全网站| av有码第一页| 免费不卡黄色视频| 欧美人与性动交α欧美软件| 午夜福利视频在线观看免费| 最近最新中文字幕大全免费视频| 午夜久久久在线观看| 色婷婷久久久亚洲欧美| 久久久精品免费免费高清| 永久免费av网站大全| 狂野欧美激情性xxxx| 女人爽到高潮嗷嗷叫在线视频| 久久人人97超碰香蕉20202| 亚洲国产日韩一区二区| 久久这里只有精品19| 精品国内亚洲2022精品成人 | 国产精品一区二区在线观看99| 麻豆国产av国片精品| 久久人人爽av亚洲精品天堂| 老汉色∧v一级毛片| 久久精品国产亚洲av香蕉五月 | 人人妻人人爽人人添夜夜欢视频| 亚洲人成电影观看| 久久久久久久久免费视频了| 中文字幕制服av| 捣出白浆h1v1| 操出白浆在线播放| 搡老熟女国产l中国老女人| 99久久人妻综合| 大香蕉久久网| 老鸭窝网址在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 无限看片的www在线观看| 亚洲成人免费av在线播放| 最近中文字幕2019免费版| 日本撒尿小便嘘嘘汇集6| 亚洲色图综合在线观看| 欧美亚洲日本最大视频资源| 国产av精品麻豆| 免费不卡黄色视频| 黄色视频在线播放观看不卡| avwww免费| 亚洲av欧美aⅴ国产| 男女高潮啪啪啪动态图| 啦啦啦啦在线视频资源| 亚洲性夜色夜夜综合| 首页视频小说图片口味搜索| 日韩 亚洲 欧美在线| 亚洲视频免费观看视频| 99精品久久久久人妻精品| 国精品久久久久久国模美| 久久人人97超碰香蕉20202| 国产成人精品在线电影| 亚洲综合色网址| 亚洲国产精品成人久久小说| 亚洲久久久国产精品| 男人操女人黄网站| 9191精品国产免费久久| 青春草视频在线免费观看| 人成视频在线观看免费观看| 久久综合国产亚洲精品| 国产精品影院久久| 精品福利永久在线观看| av国产精品久久久久影院| 欧美日韩亚洲高清精品| 天堂中文最新版在线下载| 美女扒开内裤让男人捅视频| 另类精品久久| 美女脱内裤让男人舔精品视频| e午夜精品久久久久久久| 一本大道久久a久久精品| 亚洲国产毛片av蜜桃av| a在线观看视频网站| 久久国产精品人妻蜜桃| 男女午夜视频在线观看| 日韩大码丰满熟妇| 99九九在线精品视频| 日本91视频免费播放| 纵有疾风起免费观看全集完整版| 欧美精品av麻豆av| 久久人人97超碰香蕉20202| 香蕉丝袜av| 婷婷丁香在线五月| 妹子高潮喷水视频| 女人久久www免费人成看片| 日韩一卡2卡3卡4卡2021年| 天天躁日日躁夜夜躁夜夜| 国产在线观看jvid| 青草久久国产| 王馨瑶露胸无遮挡在线观看| 亚洲精品久久成人aⅴ小说| 中国美女看黄片| 亚洲情色 制服丝袜| 国产高清视频在线播放一区 | 久久 成人 亚洲| 亚洲欧美日韩另类电影网站| 国产精品.久久久| 亚洲欧美成人综合另类久久久| 一本综合久久免费| 欧美av亚洲av综合av国产av| 国产在线视频一区二区| 中文字幕制服av| 欧美成人午夜精品| 国产亚洲精品第一综合不卡| 国产精品九九99| 又大又爽又粗| 国产激情久久老熟女| 亚洲欧美一区二区三区久久| 午夜视频精品福利| 亚洲成av片中文字幕在线观看| 老鸭窝网址在线观看| 老司机福利观看| 黑人操中国人逼视频| av天堂在线播放| 国产亚洲欧美在线一区二区| 国产精品av久久久久免费| 国产一区二区三区av在线| 国产欧美日韩一区二区精品| 男女高潮啪啪啪动态图| 久久精品国产综合久久久| 国产精品久久久久久精品电影小说| 久久亚洲国产成人精品v| 如日韩欧美国产精品一区二区三区| 国产成人免费无遮挡视频| 91成人精品电影| 美女大奶头黄色视频| 黑人欧美特级aaaaaa片| 亚洲精品一区蜜桃| 91国产中文字幕| 一区二区三区四区激情视频| 日韩欧美一区视频在线观看| 午夜精品久久久久久毛片777| netflix在线观看网站| 美女午夜性视频免费| 青草久久国产| 在线 av 中文字幕| 岛国毛片在线播放| 国产成人啪精品午夜网站| 国产无遮挡羞羞视频在线观看| 岛国毛片在线播放| 男女国产视频网站| 精品亚洲乱码少妇综合久久| 青草久久国产| 欧美激情久久久久久爽电影 | 日韩欧美免费精品| av国产精品久久久久影院| 亚洲国产毛片av蜜桃av| 最黄视频免费看| 夜夜骑夜夜射夜夜干| 国产精品久久久人人做人人爽| 午夜精品久久久久久毛片777| 欧美人与性动交α欧美软件| 欧美激情极品国产一区二区三区| 国产片内射在线| 成人国产一区最新在线观看| 这个男人来自地球电影免费观看| 老司机深夜福利视频在线观看 | 欧美日韩国产mv在线观看视频| 久热这里只有精品99| 免费在线观看黄色视频的| 两性午夜刺激爽爽歪歪视频在线观看 | 一级片免费观看大全| 黄色a级毛片大全视频| av在线app专区| 亚洲激情五月婷婷啪啪| 女人爽到高潮嗷嗷叫在线视频| 久久天堂一区二区三区四区| 日韩一卡2卡3卡4卡2021年| 一级黄色大片毛片| 免费观看人在逋| 搡老乐熟女国产| 纯流量卡能插随身wifi吗| 亚洲欧美精品自产自拍| 日日夜夜操网爽| 一区福利在线观看| 日韩制服骚丝袜av| 久久久久久免费高清国产稀缺| 国产精品自产拍在线观看55亚洲 | 大码成人一级视频| 国产一级毛片在线| a级毛片在线看网站| 日日爽夜夜爽网站| 午夜福利,免费看| e午夜精品久久久久久久| 亚洲中文字幕日韩| 亚洲黑人精品在线| 国产在视频线精品| 性高湖久久久久久久久免费观看| 久久久久久久久免费视频了| 在线观看免费视频网站a站| 欧美人与性动交α欧美精品济南到| 五月天丁香电影| 啦啦啦 在线观看视频| 国产精品免费大片| 极品少妇高潮喷水抽搐| 在线观看免费午夜福利视频| 亚洲三区欧美一区| 一级片免费观看大全| 大片免费播放器 马上看| 在线永久观看黄色视频| 成年女人毛片免费观看观看9 | 久久 成人 亚洲| 国产av一区二区精品久久| 精品久久久久久电影网| 婷婷成人精品国产| 日韩大码丰满熟妇| 精品福利观看| 天堂中文最新版在线下载| 啦啦啦中文免费视频观看日本| 国产真人三级小视频在线观看| 男人操女人黄网站| 欧美精品亚洲一区二区| 肉色欧美久久久久久久蜜桃| 国产成人a∨麻豆精品| 80岁老熟妇乱子伦牲交| 日韩中文字幕视频在线看片| 极品少妇高潮喷水抽搐| 国产国语露脸激情在线看| 久久人人爽人人片av| 最近中文字幕2019免费版| 黄色a级毛片大全视频| 成年动漫av网址| 国产成人av教育| 少妇 在线观看| 国产av精品麻豆| 黄色怎么调成土黄色| 男人添女人高潮全过程视频| av片东京热男人的天堂| 亚洲avbb在线观看| 超碰97精品在线观看| 久久精品国产亚洲av高清一级| 亚洲 欧美一区二区三区| 午夜福利一区二区在线看| 久久久久久亚洲精品国产蜜桃av| 日本一区二区免费在线视频| 丰满饥渴人妻一区二区三| 国产精品av久久久久免费| 黄色怎么调成土黄色| 免费少妇av软件| 国产免费福利视频在线观看| 人人妻人人澡人人看| 国产成人av激情在线播放| 韩国高清视频一区二区三区| 亚洲中文av在线| 久久这里只有精品19| 国产片内射在线| 久久国产精品影院| 午夜福利,免费看| 老司机福利观看| av天堂在线播放| 久久香蕉激情| 12—13女人毛片做爰片一| 男女边摸边吃奶| 女人爽到高潮嗷嗷叫在线视频| 亚洲精品美女久久av网站| 一级片'在线观看视频| 日本五十路高清| 在线观看免费午夜福利视频| 女人被躁到高潮嗷嗷叫费观| 欧美亚洲 丝袜 人妻 在线| 在线十欧美十亚洲十日本专区| 午夜福利在线免费观看网站| 久久国产亚洲av麻豆专区| 亚洲男人天堂网一区| 欧美国产精品一级二级三级| 一区二区日韩欧美中文字幕| 亚洲欧洲日产国产| 在线观看免费视频网站a站| 国产精品亚洲av一区麻豆| 热99久久久久精品小说推荐| 视频区图区小说| 国产成人欧美| 69精品国产乱码久久久| 成人av一区二区三区在线看 | 老熟妇乱子伦视频在线观看 | 日本av手机在线免费观看| 两个人免费观看高清视频| 色综合欧美亚洲国产小说| 国产野战对白在线观看| 欧美黄色淫秽网站| 无遮挡黄片免费观看| 日韩制服骚丝袜av| 亚洲伊人色综图| 国产极品粉嫩免费观看在线| 女人被躁到高潮嗷嗷叫费观| 在线观看免费午夜福利视频| 在线亚洲精品国产二区图片欧美| 精品国产乱码久久久久久小说| 国产无遮挡羞羞视频在线观看| 一级片免费观看大全| 老司机影院成人| 99精国产麻豆久久婷婷| 精品卡一卡二卡四卡免费| 在线精品无人区一区二区三| 久久人人爽av亚洲精品天堂| 久久av网站| 欧美少妇被猛烈插入视频| 亚洲欧美色中文字幕在线| 桃花免费在线播放| 精品人妻1区二区| 人人妻人人澡人人看| 国产高清视频在线播放一区 | 欧美av亚洲av综合av国产av| 精品欧美一区二区三区在线| 在线观看一区二区三区激情| 一级片'在线观看视频| 搡老岳熟女国产| 一本色道久久久久久精品综合| 午夜免费成人在线视频| 日本撒尿小便嘘嘘汇集6| 中文字幕制服av| 别揉我奶头~嗯~啊~动态视频 | 爱豆传媒免费全集在线观看| 久久国产精品男人的天堂亚洲| av片东京热男人的天堂| 天天躁狠狠躁夜夜躁狠狠躁| 老司机午夜福利在线观看视频 | 亚洲,欧美精品.| 久久久久精品国产欧美久久久 | 老司机午夜福利在线观看视频 | 日本精品一区二区三区蜜桃| 啦啦啦中文免费视频观看日本| 91精品三级在线观看| 精品一区二区三区av网在线观看 | 俄罗斯特黄特色一大片| 天天躁日日躁夜夜躁夜夜| 国产亚洲欧美在线一区二区| 黑人操中国人逼视频| 国产男女超爽视频在线观看| 天天躁日日躁夜夜躁夜夜| 黄色视频,在线免费观看| 精品高清国产在线一区| 叶爱在线成人免费视频播放| 欧美精品啪啪一区二区三区 | 色播在线永久视频| 黄色视频,在线免费观看| 久久精品国产综合久久久| 天天添夜夜摸| 亚洲精品国产av成人精品| 最近中文字幕2019免费版| 女人爽到高潮嗷嗷叫在线视频| 国产av精品麻豆| 美国免费a级毛片| 少妇裸体淫交视频免费看高清 | 久久中文字幕一级| 久久精品亚洲熟妇少妇任你| 久久久久久久久久久久大奶| 日韩一区二区三区影片| 后天国语完整版免费观看| 亚洲精品国产区一区二| 欧美人与性动交α欧美精品济南到| 12—13女人毛片做爰片一| 亚洲人成电影免费在线| 嫩草影视91久久| 少妇人妻久久综合中文| 亚洲第一av免费看| 丰满人妻熟妇乱又伦精品不卡| 久久毛片免费看一区二区三区| www.熟女人妻精品国产| 国产精品二区激情视频| 少妇猛男粗大的猛烈进出视频| 欧美激情极品国产一区二区三区| 午夜91福利影院| 成在线人永久免费视频| 国产精品久久久久成人av| 在线看a的网站| 欧美日韩精品网址| a在线观看视频网站| 久久久久久免费高清国产稀缺| 波多野结衣一区麻豆| 亚洲国产成人一精品久久久| 色婷婷av一区二区三区视频| 美女午夜性视频免费| 多毛熟女@视频| 1024香蕉在线观看| 国产av国产精品国产| 大香蕉久久网| 高清欧美精品videossex| 国产成人精品无人区| 狂野欧美激情性bbbbbb| 嫁个100分男人电影在线观看| 韩国高清视频一区二区三区| 久久精品久久久久久噜噜老黄| 狠狠精品人妻久久久久久综合| 菩萨蛮人人尽说江南好唐韦庄| 女人高潮潮喷娇喘18禁视频| 大片电影免费在线观看免费| 精品乱码久久久久久99久播| 91精品国产国语对白视频| 国产av精品麻豆| 免费日韩欧美在线观看| 久久天躁狠狠躁夜夜2o2o| 亚洲三区欧美一区| 人人妻人人澡人人看| 久久久国产欧美日韩av| 欧美一级毛片孕妇| 成年动漫av网址| 久久影院123| 91精品三级在线观看| 男男h啪啪无遮挡| 91av网站免费观看| 亚洲专区字幕在线| 国产男女超爽视频在线观看| 成年人午夜在线观看视频| 免费看十八禁软件| 中文字幕制服av| e午夜精品久久久久久久| 日韩视频在线欧美| av天堂久久9| 日韩,欧美,国产一区二区三区| 亚洲国产欧美网| 中文字幕人妻丝袜制服| 侵犯人妻中文字幕一二三四区| 1024视频免费在线观看| 亚洲国产成人一精品久久久| 亚洲精品乱久久久久久| 80岁老熟妇乱子伦牲交| 亚洲 欧美一区二区三区| 亚洲性夜色夜夜综合| 色老头精品视频在线观看| 天堂中文最新版在线下载| 国产精品一区二区精品视频观看| 亚洲色图 男人天堂 中文字幕| 国产深夜福利视频在线观看| 亚洲第一欧美日韩一区二区三区 | 日韩,欧美,国产一区二区三区| 国产成人精品久久二区二区免费| 亚洲一码二码三码区别大吗| 亚洲成人免费电影在线观看| 99热国产这里只有精品6| 免费黄频网站在线观看国产| 国产精品欧美亚洲77777| 欧美激情 高清一区二区三区| 免费一级毛片在线播放高清视频 | 人妻久久中文字幕网| 91麻豆精品激情在线观看国产 | 永久免费av网站大全| 亚洲成人免费电影在线观看| 国产极品粉嫩免费观看在线| 欧美在线黄色| 精品一区二区三区av网在线观看 | 1024视频免费在线观看| 亚洲精品国产av蜜桃| 少妇的丰满在线观看| 久热这里只有精品99| 亚洲精品久久午夜乱码| 99精国产麻豆久久婷婷| 97精品久久久久久久久久精品| 亚洲熟女精品中文字幕| 天天躁狠狠躁夜夜躁狠狠躁| 青春草亚洲视频在线观看| 久久精品人人爽人人爽视色| 下体分泌物呈黄色| 亚洲天堂av无毛| 日本91视频免费播放| 精品一区在线观看国产| 90打野战视频偷拍视频| 国产精品一区二区精品视频观看| 亚洲天堂av无毛| 一个人免费看片子| 两个人看的免费小视频| 90打野战视频偷拍视频| 黄色视频在线播放观看不卡| 亚洲人成电影免费在线| 天天影视国产精品| 人人妻人人添人人爽欧美一区卜| 少妇裸体淫交视频免费看高清 | 亚洲精华国产精华精| 女人被躁到高潮嗷嗷叫费观| 国产男人的电影天堂91| 亚洲av美国av| 无限看片的www在线观看| 亚洲精品久久久久久婷婷小说| 久久久久久久国产电影| 久久久久视频综合| 在线精品无人区一区二区三| 欧美 亚洲 国产 日韩一| 久久性视频一级片| 波多野结衣av一区二区av| 亚洲欧洲日产国产| 视频区欧美日本亚洲| 精品福利观看| 99久久国产精品久久久| 日韩精品免费视频一区二区三区| 啦啦啦在线免费观看视频4| 51午夜福利影视在线观看| 日韩一区二区三区影片| 亚洲av男天堂| 国产伦理片在线播放av一区| 99九九在线精品视频| 久久久久国内视频| 亚洲av成人不卡在线观看播放网 | 国产欧美日韩精品亚洲av| 免费在线观看视频国产中文字幕亚洲 | 久久精品国产综合久久久| 1024视频免费在线观看| 亚洲精品一区蜜桃| 制服人妻中文乱码| 日韩欧美免费精品| 不卡一级毛片| 爱豆传媒免费全集在线观看| 精品乱码久久久久久99久播| 夜夜骑夜夜射夜夜干| 欧美精品一区二区免费开放| 国产日韩欧美在线精品| 啦啦啦中文免费视频观看日本| 久久99一区二区三区| 久久久久久人人人人人| 亚洲欧洲日产国产| 国产成人精品在线电影| 亚洲欧美激情在线| 国产麻豆69| 91麻豆精品激情在线观看国产 | 欧美日韩成人在线一区二区| 精品亚洲乱码少妇综合久久| 亚洲av电影在线观看一区二区三区| 亚洲九九香蕉| 天堂俺去俺来也www色官网| 日韩大片免费观看网站| 欧美黄色片欧美黄色片| 国产精品熟女久久久久浪| 69精品国产乱码久久久| 午夜免费观看性视频| 50天的宝宝边吃奶边哭怎么回事| 高清黄色对白视频在线免费看| 国产欧美日韩一区二区三区在线| 国产精品 欧美亚洲| 精品久久久久久久毛片微露脸 | 天天操日日干夜夜撸| 欧美日韩亚洲高清精品| 国产精品 欧美亚洲| 国产一区二区三区在线臀色熟女 | 日本wwww免费看| 亚洲成人国产一区在线观看| 欧美 亚洲 国产 日韩一| 久久久国产成人免费| 国产主播在线观看一区二区| 真人做人爱边吃奶动态| 久久久久国内视频| av在线老鸭窝| 国产av国产精品国产| av超薄肉色丝袜交足视频| 日本五十路高清| 淫妇啪啪啪对白视频 | 天天躁日日躁夜夜躁夜夜| 久久九九热精品免费| 亚洲国产看品久久| 精品国产乱子伦一区二区三区 | 在线亚洲精品国产二区图片欧美| 欧美另类一区| 黄色视频,在线免费观看| 婷婷色av中文字幕| 亚洲欧洲日产国产| 俄罗斯特黄特色一大片| 免费在线观看影片大全网站| 午夜成年电影在线免费观看| 人人妻人人澡人人爽人人夜夜| 亚洲三区欧美一区| 老司机福利观看| 国产精品一区二区在线观看99| 动漫黄色视频在线观看| 高清av免费在线| 成在线人永久免费视频| 999精品在线视频| √禁漫天堂资源中文www| 午夜福利在线免费观看网站| 超碰97精品在线观看| 午夜激情久久久久久久| 性高湖久久久久久久久免费观看| 亚洲熟女毛片儿| 可以免费在线观看a视频的电影网站| 亚洲精品国产精品久久久不卡| 国产精品99久久99久久久不卡| 菩萨蛮人人尽说江南好唐韦庄| 黄片小视频在线播放| 亚洲午夜精品一区,二区,三区| 久久久精品国产亚洲av高清涩受| 日韩欧美一区二区三区在线观看 | 免费人妻精品一区二区三区视频| 国产一区有黄有色的免费视频|