• <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
    国产精品爽爽va在线观看网站| 成人亚洲精品av一区二区| av.在线天堂| eeuss影院久久| 偷拍熟女少妇极品色| 插阴视频在线观看视频| av网站免费在线观看视频| 亚洲三级黄色毛片| 真实男女啪啪啪动态图| 亚洲av成人精品一区久久| 中文字幕人妻熟人妻熟丝袜美| 日本三级黄在线观看| 亚洲av不卡在线观看| 亚洲成人一二三区av| 麻豆乱淫一区二区| 99热这里只有是精品在线观看| 蜜桃亚洲精品一区二区三区| 欧美 日韩 精品 国产| 高清毛片免费看| 中文字幕人妻熟人妻熟丝袜美| 国产色婷婷99| 国产伦精品一区二区三区四那| 在线播放无遮挡| 久久久精品免费免费高清| 人人妻人人看人人澡| 精品少妇久久久久久888优播| 视频中文字幕在线观看| 国产高清有码在线观看视频| 男男h啪啪无遮挡| 久久韩国三级中文字幕| 大片免费播放器 马上看| 99久久精品国产国产毛片| 一本一本综合久久| 亚洲成人久久爱视频| 人妻系列 视频| 特大巨黑吊av在线直播| 一级av片app| 日日啪夜夜爽| 黄色欧美视频在线观看| 久久精品熟女亚洲av麻豆精品| 国产淫语在线视频| 国产色爽女视频免费观看| 在线观看人妻少妇| 久久精品熟女亚洲av麻豆精品| 免费看不卡的av| 一个人看视频在线观看www免费| 亚洲经典国产精华液单| 全区人妻精品视频| 午夜福利高清视频| 亚洲欧美日韩无卡精品| 美女主播在线视频| 久久99热这里只有精品18| 国产成年人精品一区二区| 亚洲内射少妇av| 国产综合精华液| 美女内射精品一级片tv| 丰满少妇做爰视频| 男人和女人高潮做爰伦理| a级毛色黄片| 日本三级黄在线观看| 国产高清三级在线| 精品视频人人做人人爽| 国产精品不卡视频一区二区| 内射极品少妇av片p| 亚洲成人av在线免费| 久久久久久九九精品二区国产| 免费看a级黄色片| 中文欧美无线码| 黄片wwwwww| 99久久中文字幕三级久久日本| 丰满人妻一区二区三区视频av| 国产成人精品婷婷| 一级毛片久久久久久久久女| 欧美激情在线99| 性色avwww在线观看| 一本一本综合久久| 最近的中文字幕免费完整| 建设人人有责人人尽责人人享有的 | 一区二区三区免费毛片| 免费观看的影片在线观看| 日韩 亚洲 欧美在线| 啦啦啦啦在线视频资源| 久久久久久久国产电影| 国产成人a区在线观看| 国产精品不卡视频一区二区| 插逼视频在线观看| 国产乱人视频| 日本午夜av视频| 亚洲自偷自拍三级| 一级毛片久久久久久久久女| 成人无遮挡网站| 老司机影院成人| 韩国高清视频一区二区三区| 国产高清三级在线| 国产精品99久久久久久久久| 日本免费在线观看一区| 久久久亚洲精品成人影院| 黄片无遮挡物在线观看| 日韩不卡一区二区三区视频在线| 久久人人爽人人爽人人片va| 国产黄片视频在线免费观看| 性色avwww在线观看| 麻豆乱淫一区二区| 中文在线观看免费www的网站| kizo精华| 伦理电影大哥的女人| av网站免费在线观看视频| 亚洲成人中文字幕在线播放| 我的女老师完整版在线观看| 色哟哟·www| 久久精品久久精品一区二区三区| 2021少妇久久久久久久久久久| 韩国av在线不卡| 久久久久久久久久久丰满| 99久久精品一区二区三区| 亚洲性久久影院| 亚洲成人av在线免费| 国产亚洲5aaaaa淫片| 亚洲国产av新网站| 亚洲精品国产成人久久av| av国产久精品久网站免费入址| 干丝袜人妻中文字幕| 亚洲av电影在线观看一区二区三区 | 欧美xxxx黑人xx丫x性爽| 在现免费观看毛片| 亚洲av日韩在线播放| 日本与韩国留学比较| 97超视频在线观看视频| 搡老乐熟女国产| 久久精品久久精品一区二区三区| 色婷婷久久久亚洲欧美| 女人被狂操c到高潮| 免费少妇av软件| 亚洲国产日韩一区二区| 日本免费在线观看一区| 日本与韩国留学比较| 97超视频在线观看视频| 在线观看美女被高潮喷水网站| 男插女下体视频免费在线播放| 午夜激情福利司机影院| 欧美极品一区二区三区四区| 秋霞伦理黄片| 国产精品.久久久| 内射极品少妇av片p| 大话2 男鬼变身卡| 又大又黄又爽视频免费| 欧美国产精品一级二级三级 | 最近中文字幕2019免费版| 亚洲真实伦在线观看| 最近最新中文字幕免费大全7| 国产亚洲最大av| 国产免费一区二区三区四区乱码| 日韩 亚洲 欧美在线| 高清在线视频一区二区三区| 亚洲欧美成人精品一区二区| 精品酒店卫生间| 婷婷色麻豆天堂久久| 亚洲精品乱久久久久久| 亚洲av一区综合| 久久久色成人| 国产精品久久久久久精品古装| 精品久久久噜噜| 国产成人精品福利久久| 日韩欧美 国产精品| 看非洲黑人一级黄片| 高清av免费在线| 一本久久精品| 极品教师在线视频| 日韩欧美一区视频在线观看 | 欧美成人一区二区免费高清观看| 午夜爱爱视频在线播放| 久久久久久久久久久丰满| 欧美激情国产日韩精品一区| 亚洲精品aⅴ在线观看| 一区二区av电影网| 一级二级三级毛片免费看| 男人和女人高潮做爰伦理| 熟妇人妻不卡中文字幕| 色5月婷婷丁香| 永久免费av网站大全| 少妇被粗大猛烈的视频| 国产男女内射视频| 欧美日韩国产mv在线观看视频 | 干丝袜人妻中文字幕| 国产成人a区在线观看| 国产成人freesex在线| 国产高潮美女av| eeuss影院久久| 在线观看美女被高潮喷水网站| 简卡轻食公司| 国产成人精品一,二区| 亚洲色图av天堂| 免费观看a级毛片全部| 国产精品一及| 亚洲国产精品成人综合色| 乱系列少妇在线播放| av在线老鸭窝| av福利片在线观看| 日本午夜av视频| 国产高清国产精品国产三级 | av女优亚洲男人天堂| 中文在线观看免费www的网站| 人人妻人人澡人人爽人人夜夜| 免费观看a级毛片全部| 欧美性感艳星| 国产精品一区www在线观看| 精品人妻一区二区三区麻豆| 一个人看视频在线观看www免费| 蜜臀久久99精品久久宅男| 亚洲av福利一区| 亚洲婷婷狠狠爱综合网| 久久久久久久国产电影| 亚洲在久久综合| 久久99蜜桃精品久久| 听说在线观看完整版免费高清| 熟女人妻精品中文字幕| 真实男女啪啪啪动态图| 国产av码专区亚洲av| 美女主播在线视频| 午夜亚洲福利在线播放| 欧美丝袜亚洲另类| 久久精品国产a三级三级三级| 一个人看视频在线观看www免费| 日日啪夜夜撸| 国产亚洲午夜精品一区二区久久 | 一个人看的www免费观看视频| 亚洲精品成人久久久久久| 超碰av人人做人人爽久久| 久久99热6这里只有精品| 成人一区二区视频在线观看| 国产午夜福利久久久久久| 色吧在线观看| 91精品伊人久久大香线蕉| 国产视频内射| 国产成人午夜福利电影在线观看| 免费观看av网站的网址| 少妇人妻久久综合中文| 亚洲欧洲国产日韩| 婷婷色麻豆天堂久久| 久久精品综合一区二区三区| 亚洲国产色片| 久久这里有精品视频免费| 男的添女的下面高潮视频| 在线观看三级黄色| 大香蕉97超碰在线| 观看免费一级毛片| 欧美区成人在线视频| 免费不卡的大黄色大毛片视频在线观看| 一级毛片我不卡| 国产综合懂色| 欧美三级亚洲精品| 国产欧美另类精品又又久久亚洲欧美| 一区二区三区乱码不卡18| 中文字幕制服av| 亚洲最大成人中文| 黄片无遮挡物在线观看| 亚洲最大成人av| 欧美xxxx性猛交bbbb| 亚洲精品一二三| 高清午夜精品一区二区三区| 日韩中字成人| 国产黄片视频在线免费观看| 欧美丝袜亚洲另类| 国产精品不卡视频一区二区| 午夜福利在线在线| 又粗又硬又长又爽又黄的视频| 国产淫片久久久久久久久| 联通29元200g的流量卡| 午夜福利网站1000一区二区三区| 大片电影免费在线观看免费| 亚洲欧美中文字幕日韩二区| 老师上课跳d突然被开到最大视频| 久久女婷五月综合色啪小说 | 91精品伊人久久大香线蕉| 欧美极品一区二区三区四区| 波野结衣二区三区在线| 少妇丰满av| 一个人观看的视频www高清免费观看| 亚洲美女搞黄在线观看| 色网站视频免费| 一级片'在线观看视频| 国产黄色视频一区二区在线观看| 日韩欧美一区视频在线观看 | 如何舔出高潮| 国产成人freesex在线| av免费观看日本| 欧美性感艳星| 国产精品蜜桃在线观看| 女人久久www免费人成看片| 日韩制服骚丝袜av| 久久韩国三级中文字幕| 极品少妇高潮喷水抽搐| 成人亚洲欧美一区二区av| 99热网站在线观看| 最后的刺客免费高清国语| 极品少妇高潮喷水抽搐| 美女脱内裤让男人舔精品视频| 97超视频在线观看视频| 亚洲av免费高清在线观看| 男人添女人高潮全过程视频| 国产乱人视频| 日韩强制内射视频| 成年免费大片在线观看| 国产精品99久久久久久久久| 99热国产这里只有精品6| 久久午夜福利片| 国产综合懂色| 永久网站在线| 国产黄a三级三级三级人| 黄色视频在线播放观看不卡| 91精品一卡2卡3卡4卡| 日本色播在线视频| 国产免费视频播放在线视频| 亚洲天堂国产精品一区在线| 一级毛片黄色毛片免费观看视频| 99久久中文字幕三级久久日本| 日韩免费高清中文字幕av| 精品久久久噜噜| 男女边摸边吃奶| 欧美性猛交╳xxx乱大交人| 天堂俺去俺来也www色官网| 色综合色国产| www.色视频.com| 男人和女人高潮做爰伦理| 国产伦精品一区二区三区四那| 蜜臀久久99精品久久宅男| 亚洲欧美日韩卡通动漫| av黄色大香蕉| 99精国产麻豆久久婷婷| 777米奇影视久久| 欧美xxxx性猛交bbbb| 国产精品不卡视频一区二区| 日韩欧美精品v在线| 日本爱情动作片www.在线观看| 18禁动态无遮挡网站| 99视频精品全部免费 在线| 亚洲av男天堂| 在线免费十八禁| 国产精品不卡视频一区二区| 哪个播放器可以免费观看大片| 丝袜美腿在线中文| av线在线观看网站| 精品熟女少妇av免费看| 国产一区二区亚洲精品在线观看| 国产精品一二三区在线看| 国产精品.久久久| 99久久中文字幕三级久久日本| av女优亚洲男人天堂| 在线播放无遮挡| 听说在线观看完整版免费高清| 韩国av在线不卡| 伊人久久精品亚洲午夜| 日韩大片免费观看网站| 亚洲精品成人av观看孕妇| 亚洲av中文字字幕乱码综合| 亚洲成人精品中文字幕电影| 亚洲婷婷狠狠爱综合网| 天堂网av新在线| freevideosex欧美| 久久久久久久精品精品| 中文字幕制服av| 日本-黄色视频高清免费观看| 亚洲av成人精品一二三区| 久久午夜福利片| 久久这里有精品视频免费| 亚洲自拍偷在线| 亚洲va在线va天堂va国产| 人妻 亚洲 视频| 日本午夜av视频| 国内精品宾馆在线| 亚洲精华国产精华液的使用体验| 少妇人妻一区二区三区视频| 国模一区二区三区四区视频| 亚洲三级黄色毛片| 只有这里有精品99| 嫩草影院入口| 在线观看人妻少妇| 亚洲精品亚洲一区二区| 一区二区三区四区激情视频| 国产大屁股一区二区在线视频| 日韩av不卡免费在线播放| 最近中文字幕高清免费大全6| 男女那种视频在线观看| 永久免费av网站大全| 久久久精品欧美日韩精品| 欧美日韩亚洲高清精品| 日韩人妻高清精品专区| 精品久久国产蜜桃| 干丝袜人妻中文字幕| 欧美日韩综合久久久久久| 中文在线观看免费www的网站| 国产成人午夜福利电影在线观看| 亚洲精品成人久久久久久| 国产精品熟女久久久久浪| 欧美+日韩+精品| 在线观看三级黄色| 久热久热在线精品观看| 寂寞人妻少妇视频99o| 嫩草影院新地址| 丝袜喷水一区| av国产免费在线观看| 在现免费观看毛片| 人妻制服诱惑在线中文字幕| 日本猛色少妇xxxxx猛交久久| 97在线人人人人妻| 亚洲自拍偷在线| 人妻少妇偷人精品九色| 国产成人精品福利久久| 一级毛片电影观看| 中文在线观看免费www的网站| 久久99精品国语久久久| 最近手机中文字幕大全| 国产伦在线观看视频一区| xxx大片免费视频| 久久久久久久国产电影| 成人毛片60女人毛片免费| 国产av国产精品国产| 免费人成在线观看视频色| 国产成人91sexporn| 亚洲精品中文字幕在线视频 | 国产亚洲最大av| av在线老鸭窝| 欧美日韩精品成人综合77777| 麻豆成人午夜福利视频| av天堂中文字幕网| 听说在线观看完整版免费高清| 在线观看人妻少妇| 97人妻精品一区二区三区麻豆| 在线免费十八禁| 全区人妻精品视频| 91久久精品国产一区二区成人| 亚洲国产精品999| 中国三级夫妇交换| 热re99久久精品国产66热6| 亚洲欧美一区二区三区黑人 | 亚洲自拍偷在线| 国产淫片久久久久久久久| 人人妻人人澡人人爽人人夜夜| 成人特级av手机在线观看| 99热这里只有是精品50| 久久久久精品久久久久真实原创| 国产精品一二三区在线看| 欧美精品人与动牲交sv欧美| 国产综合精华液| av专区在线播放| 一本色道久久久久久精品综合| 欧美日韩亚洲高清精品| 亚洲av中文av极速乱| 亚洲综合精品二区| 亚洲最大成人中文| 97在线视频观看| 黄色欧美视频在线观看| 亚洲怡红院男人天堂| 久热久热在线精品观看| 日韩人妻高清精品专区| 亚洲va在线va天堂va国产| 精品少妇黑人巨大在线播放| 一级毛片电影观看| 国产高清三级在线| 亚洲国产av新网站| 美女视频免费永久观看网站| 蜜臀久久99精品久久宅男| 下体分泌物呈黄色| 国产有黄有色有爽视频| 欧美性感艳星| 国产免费又黄又爽又色| 日韩精品有码人妻一区| 青春草国产在线视频| 你懂的网址亚洲精品在线观看| kizo精华| 波多野结衣巨乳人妻| 日日撸夜夜添| 国产一级毛片在线| 国产乱人视频| 一本一本综合久久| 在线天堂最新版资源| 欧美xxxx黑人xx丫x性爽| 亚洲欧美日韩东京热| 嫩草影院精品99| 美女被艹到高潮喷水动态| 中国三级夫妇交换| 亚洲图色成人| 少妇人妻一区二区三区视频| 韩国高清视频一区二区三区| 国产乱人视频| 精品一区二区三区视频在线| 夜夜看夜夜爽夜夜摸| 性色avwww在线观看| 国产精品.久久久| 91午夜精品亚洲一区二区三区| 插阴视频在线观看视频| 伦理电影大哥的女人| 校园人妻丝袜中文字幕| 小蜜桃在线观看免费完整版高清| 自拍欧美九色日韩亚洲蝌蚪91 | 国产成年人精品一区二区| 国产精品久久久久久精品古装| 日本与韩国留学比较| 亚洲欧美日韩另类电影网站 | 国产伦理片在线播放av一区| 91久久精品国产一区二区三区| 成人综合一区亚洲| 中国三级夫妇交换| 国产综合懂色| 国产成人免费观看mmmm| 内地一区二区视频在线| 亚洲自拍偷在线| 成人鲁丝片一二三区免费| 亚洲精品视频女| 国产精品99久久99久久久不卡 | 国产成人午夜福利电影在线观看| 2018国产大陆天天弄谢| 亚洲av不卡在线观看| 国产黄频视频在线观看| 三级国产精品片| 2022亚洲国产成人精品| 免费黄色在线免费观看| 最近中文字幕2019免费版| 一区二区三区乱码不卡18| 九九在线视频观看精品| 亚洲欧美清纯卡通| 大陆偷拍与自拍| 国产精品久久久久久av不卡| 岛国毛片在线播放| 亚洲色图综合在线观看| 国产成人freesex在线| 欧美日韩视频高清一区二区三区二| 日韩在线高清观看一区二区三区| 久久精品综合一区二区三区| 联通29元200g的流量卡| 又粗又硬又长又爽又黄的视频| 黄色欧美视频在线观看| 国产亚洲91精品色在线| 联通29元200g的流量卡| 色哟哟·www| 午夜免费男女啪啪视频观看| 欧美少妇被猛烈插入视频| 国产免费又黄又爽又色| 亚州av有码| 国产一区有黄有色的免费视频| 菩萨蛮人人尽说江南好唐韦庄| 直男gayav资源| 久久久久久伊人网av| 国产亚洲av片在线观看秒播厂| 国产成人91sexporn| 丝袜喷水一区| 777米奇影视久久| 日韩电影二区| 夫妻午夜视频| 赤兔流量卡办理| 噜噜噜噜噜久久久久久91| 人妻一区二区av| 国精品久久久久久国模美| 成人高潮视频无遮挡免费网站| 69人妻影院| 欧美激情久久久久久爽电影| 丝袜美腿在线中文| 成人亚洲欧美一区二区av| 亚洲国产精品成人综合色| 色5月婷婷丁香| 少妇的逼好多水| 91精品国产九色| 制服丝袜香蕉在线| 欧美另类一区| 国产一级毛片在线| 国产精品一区二区在线观看99| 黑人高潮一二区| 久久精品夜色国产| 麻豆成人av视频| 一区二区av电影网| 欧美日韩亚洲高清精品| 日韩欧美精品v在线| 国产一级毛片在线| 久久精品久久久久久噜噜老黄| av线在线观看网站| 国产一区亚洲一区在线观看| 国产欧美日韩精品一区二区| 一级a做视频免费观看| 在线播放无遮挡| 观看美女的网站| 国产精品一区二区在线观看99| 国产在视频线精品| 中文天堂在线官网| 日韩一区二区三区影片| 日本色播在线视频| 蜜桃久久精品国产亚洲av| 国产精品一及| 大又大粗又爽又黄少妇毛片口| 91久久精品国产一区二区三区| 欧美激情国产日韩精品一区| 色播亚洲综合网| 天堂中文最新版在线下载 | 欧美一级a爱片免费观看看| 国国产精品蜜臀av免费| 91精品一卡2卡3卡4卡| 91在线精品国自产拍蜜月| 亚洲成色77777| 99久国产av精品国产电影| 中文天堂在线官网| 欧美丝袜亚洲另类| 99视频精品全部免费 在线| 久久人人爽人人爽人人片va| 97超碰精品成人国产| 免费观看无遮挡的男女| 熟女电影av网| 黄色视频在线播放观看不卡| 黄片无遮挡物在线观看| av线在线观看网站| 高清av免费在线| 伦精品一区二区三区| 一区二区三区免费毛片| 在线看a的网站| 日本猛色少妇xxxxx猛交久久| 日韩视频在线欧美| 国产视频首页在线观看|