• <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 ?

    面向圖書館基于用戶畫像的個性化推薦研究

    2022-01-07 01:23:22
    軟件導(dǎo)刊 2021年12期
    關(guān)鍵詞:畫像預(yù)處理框架

    李 玲

    (中國人民大學(xué) 信息學(xué)院,北京 100872)

    0 引言

    隨著越來越多的數(shù)據(jù)在互聯(lián)網(wǎng)中產(chǎn)生,互聯(lián)網(wǎng)從原來數(shù)據(jù)匱乏的時代進(jìn)入了大數(shù)據(jù)時代[1]。為了更好地滿足用戶的信息需求,不少學(xué)者提出了搜索技術(shù),如Google、百度等。然而,搜索技術(shù)在使用時存在一定的局限性。首先,搜索引擎必須獲取用戶主動鍵入的關(guān)鍵詞進(jìn)而對關(guān)鍵詞進(jìn)行檢索;其次,搜索技術(shù)無法對用戶的自身特性進(jìn)行充分考慮;最后,搜索引擎返回的信息往往較多,從而無法對用戶感興趣的信息進(jìn)行快速讀取。針對搜索技術(shù)的局限性,推薦系統(tǒng)應(yīng)運而生[2]。推薦系統(tǒng)不需要用戶輸入關(guān)鍵詞即可利用用戶的訪問信息將用戶可能感興趣的內(nèi)容主動推薦給用戶[3]。

    近幾年,基于用戶畫像的研究逐漸增加。陳澤宇等[4]將LDA 主題模型運用于用戶查詢歷史關(guān)鍵詞中,通過查詢對應(yīng)的主題分布,最大概率地將主題對應(yīng)的詞擴展到原始特征空間,進(jìn)而豐富用戶特征并利用SVM 對用戶的基本屬性進(jìn)行分類,從而構(gòu)建用戶畫像;賴建華等[5]運用容忍度測算、突變測算、差值測算與峰值測算方法,發(fā)現(xiàn)并分析用戶的異常訪問行為,進(jìn)而構(gòu)建用戶行為畫像,使得系統(tǒng)可以實時并準(zhǔn)確地對用戶的異常行為進(jìn)行響應(yīng);李仁德[6]將司機評分?jǐn)?shù)據(jù)作為區(qū)塊鏈的基礎(chǔ)依據(jù),基于司機畫像設(shè)計智能合約機制,解決了司機績效考核中的去中心化問題;周靜等[7]基于用戶畫像的屬性偏好與時間因子設(shè)計一種服裝推薦算法,使得用戶潛在興趣的挖掘效率更高;竇維萌等[8]基于用戶畫像提出一種DB-CF 個性化音樂推薦算法,從而為用戶帶來更好的用戶體驗;關(guān)菲等[9]通過對用戶行為的權(quán)重進(jìn)行重新分配,并將用戶行為數(shù)據(jù)按照時間順序重新分配權(quán)重,提出一種基于用戶畫像的個性化文獻(xiàn)推薦算法,進(jìn)一步為用戶提供精準(zhǔn)推薦服務(wù);胡朝舉等[10]基于用戶畫像數(shù)據(jù)對用戶進(jìn)行模糊聚類,然后在聚類簇內(nèi)運用協(xié)同過濾算法為用戶完成項目推薦;岳強等[11]針對用戶評論中的emoji 表情提煉用戶情感偏好,提出一種情感偏好矩陣的ItemCF 算法,相比于經(jīng)典推薦算法而言,該算法在準(zhǔn)確率和召回率上分別提高0.02、0.03。

    同時,高校信息化建設(shè)的快速發(fā)展使得“互聯(lián)網(wǎng)+校園”遍布校園的每一個角落[12-14]。王欣等[15]通過將圖書館個性化推送服務(wù)與知識聚合進(jìn)行分析,從而為科研學(xué)者提供更強的專業(yè)知識;李艷等[16]基于大數(shù)據(jù)挖掘?qū)Ω咝D書館的個性化服務(wù)研究進(jìn)行分析,設(shè)計基于高校圖書館特點的體系架構(gòu)模型與業(yè)務(wù)分析流程,為構(gòu)建圖書館個性化服務(wù)提供技術(shù)支撐并為高校提供決策依據(jù);劉海鷗等[17]對基于大數(shù)據(jù)深度畫像的個性化學(xué)習(xí)精準(zhǔn)服務(wù)進(jìn)行研究,從而滿足學(xué)習(xí)者的多粒度個性化需求;錢蔚蔚等[18]給出圖書館信息服務(wù)功能性用戶體驗量化的實驗效果,從而提升圖書館網(wǎng)站的用戶體驗;康存輝等[19]基于大數(shù)據(jù)對圖書館精準(zhǔn)服務(wù)進(jìn)行研究,實現(xiàn)圖書館大數(shù)據(jù)建設(shè)與服務(wù)雙贏。

    然而,網(wǎng)絡(luò)中的冗余數(shù)據(jù)會使用戶在數(shù)據(jù)的動態(tài)性方面變得無所適從[20],如讀者在面對自己比較模糊或者無法采用簡單的詞語對其想使用的關(guān)鍵詞進(jìn)行定義時,則無法獲得精確的書籍信息,從而影響讀者對系統(tǒng)的使用頻率,進(jìn)而降低系統(tǒng)的使用性[21]。針對此問題,本文在已有研究的基礎(chǔ)上,通過對智慧校園中的數(shù)據(jù)進(jìn)行預(yù)處理,進(jìn)而構(gòu)建讀者的用戶畫像,然后通過用戶畫像構(gòu)建個性化推薦框架,從而更好地為校園中的讀者提供個性化服務(wù)。

    1 協(xié)同過濾推薦

    協(xié)同過濾推薦算法作為推薦系統(tǒng)中的常用算法可以在不需要了解大量用戶和商品信息的情況下,利用用戶對商品的評分或者用戶的其他行為為用戶推薦個性化服務(wù)[22]。協(xié)同過濾推薦算法主要分為基于用戶和基于項目(商品)的協(xié)同過濾推薦算法。本文主要介紹基于用戶的協(xié)同過濾推薦算法。

    基于用戶的協(xié)同過濾推薦算法采用與目標(biāo)用戶相似的用戶評分為目標(biāo)用戶進(jìn)行推薦。例如,目標(biāo)用戶u和用戶v相似,則稱用戶v為目標(biāo)用戶u的一個近鄰。假設(shè)與目標(biāo)用戶u相似的近鄰個數(shù)為k,采用N(u)表示與目標(biāo)用戶u相似的k個近鄰[23]。這里,假設(shè)只有N(u)中對項目i作了評分的用戶才能夠用于預(yù)測目標(biāo)用戶u對i的預(yù)測評分,因此,選用k個與用戶u興趣相似且對項目i作了評分的用戶代替原來設(shè)定的k近鄰,記為Ni(u),則目標(biāo)用戶u對項目i的預(yù)測評分可用如下形式表示:

    式(1)中,用戶v對項目i的評分可用rvi表示。sim(u,v)為用戶之間的相似度,定義如下:

    其中,Iuv代表用戶u和用戶v同時評分的項目,代表用戶u對系統(tǒng)中所有項目的平均評分,代表用戶v對系統(tǒng)中所有項目的平均評分,rui和rvi分別代表用戶u和用戶v對項目i的評分。

    應(yīng)用上述計算方法可以將用戶u對項目集合中的各項目進(jìn)行評分,然后通過排序算法對各項評分進(jìn)行排序,進(jìn)而選出排名靠前的n個項目為用戶進(jìn)行推薦,繼而完成基于用戶的協(xié)同過濾推薦服務(wù)。

    2 面向圖書館基于用戶畫像的個性化推薦框架

    本文在校園基礎(chǔ)系統(tǒng)和基礎(chǔ)數(shù)據(jù)的基礎(chǔ)上,通過對已有數(shù)據(jù)作預(yù)處理,然后建立用戶畫像,進(jìn)而構(gòu)建個性化推薦框架,整體結(jié)構(gòu)框架如圖1 所示??梢钥闯?,面向圖書館的基于用戶畫像的個性化推薦框架主要包括3 個部分:數(shù)據(jù)獲取與預(yù)處理、用戶畫像構(gòu)建、個性化推薦服務(wù)。

    2.1 數(shù)據(jù)獲取與預(yù)處理

    數(shù)據(jù)獲取及預(yù)處理是該個性化推薦框架的基礎(chǔ),也是提供個性化推薦服務(wù)的數(shù)據(jù)來源。原始數(shù)據(jù)分別來自學(xué)校的教務(wù)系統(tǒng)、研究生系統(tǒng)、檔案館、就業(yè)處以及圖書館系統(tǒng)等。對原始數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗,包括對該數(shù)據(jù)進(jìn)行數(shù)據(jù)采樣和樣本過濾。一般通過隨機采樣、固定比例采樣的方法對原始數(shù)據(jù)進(jìn)行采樣,并按照訓(xùn)練模型需要,對采樣后的數(shù)據(jù)設(shè)定其樣本權(quán)重。同時,結(jié)合訓(xùn)練模型對采樣后的樣本數(shù)據(jù)進(jìn)行過濾。必要時針對數(shù)據(jù)中的異常點進(jìn)行檢測,常用的檢測方法有聚類算法、最近鄰算法等??赏ㄟ^使用基于密度的異常點檢測算法進(jìn)行檢測,如LOF(Local Outlier Factor)算法。

    根據(jù)以上方法得到過濾后的樣本數(shù)據(jù),然后對這些樣本數(shù)據(jù)進(jìn)行特征處理。特征處理方法一般包括對特征進(jìn)行歸一化和離散化,以及對特征進(jìn)行特征降維和特征選擇等。在實際的數(shù)據(jù)特征中,可能會遇到特征值因取值范圍過大而導(dǎo)致最終模型效果偏離預(yù)期。因此,為了對不同范圍的特征進(jìn)行平衡取值,本文采用歸一化方法對特征進(jìn)行處理,進(jìn)而將特征值歸一化到[0,1]區(qū)間,從而更好地訓(xùn)練模型。一般可以通過函數(shù)歸一化、排序歸一化、局部最大最小值歸一化等對數(shù)據(jù)進(jìn)行歸一化處理。同時,為了對數(shù)據(jù)中的連續(xù)值進(jìn)行離散化處理,需要采用等值或者等量的方法對具有連續(xù)值的特征進(jìn)行劃分。如針對讀者年齡的劃分,可將10-20 歲的離散值設(shè)置為1,年齡為20-30 的離散值設(shè)置為2 等。同時針對較稀疏的數(shù)據(jù)集,可以通過單獨表示、取眾數(shù)或者平均值等對其空值特征進(jìn)行填充。在特征降維的方法選擇上,可以通過主成分分析或者奇異值矩陣分解等對特征進(jìn)行降維。針對特征選取,可以通過方差選擇法、相關(guān)系數(shù)法、卡方檢驗、互信息等方法進(jìn)行選擇。如運用方差選擇法時,先計算各特征的方差,然后根據(jù)閾值設(shè)置,選擇大于閾值的特征即可。

    Fig.1 Personalized recommendation framework based on user portrait圖1 基于用戶畫像的個性化推薦框架

    2.2 用戶畫像生成

    通過對原始數(shù)據(jù)進(jìn)行數(shù)據(jù)獲取和數(shù)據(jù)預(yù)處理,將篩選后的特征數(shù)據(jù)建立用戶畫像。首先,通過用戶的基本信息、興趣偏好、社交互動等構(gòu)建用戶的個性化特征標(biāo)簽,然后運用基于關(guān)聯(lián)規(guī)則的學(xué)習(xí)方法,對用戶的標(biāo)簽進(jìn)行聚合學(xué)習(xí),從而生成更加全面和立體的用戶畫像模型。為了生成多維的用戶畫像,將高校中學(xué)生群體的基本信息、興趣偏好信息以及社交互動信息等進(jìn)行結(jié)合,從而獲得用戶的個性化特征標(biāo)簽,如下所示:

    其中,User_Info表示用戶基本信息,主要包括姓名、性別、年齡、班級、學(xué)號等信息;User_Inte表示用戶興趣偏好信息,包含有籃球、音樂、閱讀等;User_Social表示用戶社交互動信息,分別為收藏、轉(zhuǎn)發(fā)、喜歡等信息,如下所示:

    2.3 個性化推薦框架構(gòu)建

    通過從各子系統(tǒng)中獲取原始數(shù)據(jù),對原始數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理,然后運用預(yù)處理的數(shù)據(jù)構(gòu)建用戶畫像模型,基于用戶畫像,運用基于用戶的協(xié)同過濾推薦算法為用戶提供個性化服務(wù),即可完成個性化推薦框架整體構(gòu)建。

    3 個性化推薦應(yīng)用

    3.1 個性化資源推薦

    在用戶畫像建立的基礎(chǔ)上,運用基于用戶的協(xié)同過濾推薦算法為用戶推薦個性化資源,包括其感興趣的書籍、期刊等,如圖2 所示。

    從圖2 可知,通過對各子系統(tǒng)的數(shù)據(jù)進(jìn)行數(shù)據(jù)獲取及預(yù)處理,即將原始數(shù)據(jù)通過數(shù)據(jù)預(yù)處理步驟,將用戶畫像的個性化標(biāo)簽進(jìn)行特征向量化處理;然后運用基于用戶的協(xié)同過濾推薦算法為用戶獲取用戶的近鄰,計算用戶對其所推薦項目的預(yù)測評分,進(jìn)而運用排序算法對所推薦的項目進(jìn)行重排列,從而選擇目標(biāo)用戶對預(yù)測評分較高的n本書籍作為對目標(biāo)用戶的推薦列表,最終完成對用戶的個性化資源推薦。

    Fig.2 Personalized resource recommendation圖2 個性化資源推薦

    3.2 個性化學(xué)習(xí)行為監(jiān)督

    隨著高校閱讀資源的不斷增加,可能會出現(xiàn)資源供需不平衡的問題,從而導(dǎo)致用戶缺乏對學(xué)習(xí)的有效監(jiān)督,學(xué)習(xí)行為監(jiān)督的減少導(dǎo)致用戶學(xué)習(xí)效率降低。因此,為了更好地利用閱讀資源,提高用戶學(xué)習(xí)效率,可以為用戶提供個性化行為監(jiān)督,進(jìn)而保證當(dāng)用戶在學(xué)習(xí)行為中出現(xiàn)消極現(xiàn)象時,能夠及時提醒用戶完成學(xué)習(xí)目標(biāo),從而提高學(xué)習(xí)效率和質(zhì)量,如圖3 所示。

    Fig.3 Personalized learning behavior supervision圖3 個性化學(xué)習(xí)行為監(jiān)督

    從圖3 可知,個性化學(xué)習(xí)行為監(jiān)督主要包括數(shù)據(jù)獲取及預(yù)處理、用戶畫像和個性化行為監(jiān)督3 個部分。通過將原始各系統(tǒng)的數(shù)據(jù)作預(yù)處理并將用戶的個性化標(biāo)簽進(jìn)行特征向量化處理,從而對用戶的學(xué)習(xí)行為特征進(jìn)行設(shè)定,如通過用戶去圖書館的行為,可將其連續(xù)7 天不去圖書館的行為作為最低的通知閾值,進(jìn)而追蹤用戶的學(xué)習(xí)行為并對其進(jìn)行更新,從而給出及時的學(xué)習(xí)預(yù)警通知,督促用戶更好地進(jìn)行監(jiān)督和管理。

    3.3 個性化學(xué)習(xí)伙伴推薦

    互聯(lián)網(wǎng)學(xué)習(xí)資源的不斷增加使用戶在學(xué)習(xí)過程中不可避免地會遇到許多問題,如自主學(xué)習(xí)方式可能會使用戶在學(xué)習(xí)過程中產(chǎn)生學(xué)習(xí)孤獨感,進(jìn)而導(dǎo)致學(xué)習(xí)熱情和學(xué)習(xí)效率降低。而通過個性化推薦框架的精準(zhǔn)服務(wù),可以為用戶推薦與其具有共同學(xué)習(xí)背景及共同學(xué)習(xí)興趣的用戶進(jìn)行學(xué)習(xí),或者建立共享社區(qū)供用戶討論,進(jìn)而提高用戶的學(xué)習(xí)積極性和學(xué)習(xí)效率,如圖4 所示。

    Fig.4 Personalized learning partner recommendation圖4 個性化學(xué)習(xí)伙伴推薦

    從圖4 可知,個性化學(xué)習(xí)伙伴推薦主要包括對學(xué)習(xí)行為相似和互補的學(xué)習(xí)伙伴推薦。通過提取用戶畫像中的學(xué)習(xí)背景、興趣偏好、學(xué)習(xí)交流等個性化標(biāo)簽信息,為用戶推薦學(xué)習(xí)行為相似和學(xué)習(xí)行為互補的伙伴。在此基礎(chǔ)上,根據(jù)用戶學(xué)習(xí)興趣,運用協(xié)同過濾推薦算法為用戶推薦興趣相似和互補的學(xué)習(xí)伙伴,進(jìn)而完成個性化學(xué)習(xí)伙伴推薦。

    3.4 圖書館書目管理

    根據(jù)上述個性化推薦框架,為用戶提供個性化學(xué)習(xí)資源、學(xué)習(xí)伙伴,并對其學(xué)習(xí)行為進(jìn)行監(jiān)督。鑒于此,可以針對圖書館中的圖書擺放位置及其他資源進(jìn)行管理,如用戶在閱讀計算機書籍時,可能會需要數(shù)學(xué)理論支撐,此種情況下,圖書管理員可以將這兩類書籍放置于相鄰位置,從而減少讀者查找書籍的時間,進(jìn)而提高讀者學(xué)習(xí)效率,同時減少圖書館維護成本。如用戶在學(xué)習(xí)交流中一般有3 個學(xué)習(xí)伙伴參與,因此在座位設(shè)置上,可讓3 個座位在一起且處于安靜位置以供用戶更好地進(jìn)行學(xué)習(xí)交流。

    基于上述描述,借助個性化推薦框架,不僅可以完成學(xué)習(xí)資源推薦、學(xué)習(xí)行為監(jiān)督以及學(xué)習(xí)伙伴推薦,從而提高用戶學(xué)習(xí)效率,而且可以通過該框架提高圖書館資源管理效率,節(jié)省圖書館運營成本。

    此外,可以通過用戶使用該推薦系統(tǒng)為用戶反饋用戶年度畫像,如用戶喜歡閱讀的書籍類型、用戶是否經(jīng)常借用研討室,以及與該用戶同時借用同一類型書籍的用戶信息,或者用戶對圖書館館員的評價信息等。

    4 實驗設(shè)計與分析

    4.1 問卷設(shè)計

    對面向圖書館基于用戶畫像的個性化推薦框架進(jìn)行研究,并作實際測試。在測試中,主要以個性化推薦系統(tǒng)中的4 種主要推薦功能為主。因此,在問卷設(shè)計上主要包括3 個部分:①研究概要介紹和問卷說明;②調(diào)查對象基本信息,包含性別、年齡、教育程度、使用圖書館系統(tǒng)、專業(yè)等選項;③調(diào)查對象對圖書館推薦系統(tǒng)中各子功能的真實使用感受,并將其進(jìn)行量化評價,如將非常好、好、一般、不好、非常不好量化為5、4、3、2、1 分,從而將其對該個性化推薦系統(tǒng)的好感程度一一展現(xiàn)出來。

    4.2 數(shù)據(jù)樣本

    本次實驗對象以高校本科生和研究生為主,運用隨機抽樣方法進(jìn)行選擇,最后選出5 000 名學(xué)生作為此次測試的調(diào)查對象并回收全部問卷。同時,針對圖書館的書目管理推薦功能,對圖書館中管理員的使用體驗進(jìn)行總結(jié)。

    4.3 實驗結(jié)果與分析

    通過對5 000 份調(diào)查問卷的結(jié)果進(jìn)行統(tǒng)計,結(jié)果如圖5所示。

    從圖5 可知,個性化資源推薦相較于個性化行為監(jiān)督及個性化學(xué)習(xí)伙伴在用戶體驗中更具優(yōu)勢。其中,個性化資源推薦在90 分以上的人數(shù)占總測試人數(shù)的82%以上。同時,個性化行為監(jiān)督和個性化學(xué)習(xí)伙伴推薦在90 分以上的人數(shù)也達(dá)到總測試人數(shù)的70%以上。如果以80 分為系統(tǒng)的推薦衡量標(biāo)準(zhǔn),則此次測試各推薦功能可達(dá)86%以上。實驗測試中,也有分值偏低的情況出現(xiàn),這與調(diào)查用戶的基本信息有直接關(guān)系,如此類用戶一般不使用圖書館系統(tǒng),也不參與學(xué)校相關(guān)活動等。

    Fig.5 Statistical comparison of each recommendation service圖5 各推薦功能統(tǒng)計比較

    通過提取5 000 名讀者的用戶畫像,可以得到不同用戶對書籍類型的喜歡程度,如圖6 所示??梢钥闯觯{(diào)查對象中喜歡小說、IT 書籍以及散文的用戶居多,懸疑和經(jīng)濟次之,喜歡科幻、歷史和心理學(xué)的用戶較少。而在小說、歷史、經(jīng)濟和其他書籍類型的用戶中,男生和女生基本上相同。對于社科類書籍,女生讀者更多;而對于IT 書籍,則男生讀者更多。

    Fig.6 Evaluation of books by different users圖6 不同用戶對書籍的喜歡程度

    不僅如此,對未使用個性化推薦框架時用戶對圖書館中各基礎(chǔ)設(shè)施的使用情況進(jìn)行統(tǒng)計,如圖7 所示。其中,經(jīng)典服務(wù)代表圖書館未采用推薦服務(wù),單一推薦代表只使用圖書館中的用戶數(shù)據(jù)構(gòu)建用戶畫像并進(jìn)行推薦,個性化推薦框架將校園中其他子系統(tǒng)下的用戶數(shù)據(jù)進(jìn)行整合,進(jìn)而構(gòu)建用戶畫像為用戶提供個性化推薦服務(wù)??v坐標(biāo)軸表示樣本對不同服務(wù)的評分統(tǒng)計情況,書目管理主要以圖書館中的館員為樣本進(jìn)行統(tǒng)計。

    Fig.7 Comparison of different recommendations圖7 不同推薦比較

    從圖7 可知,隨著推薦框架中用戶數(shù)據(jù)集的多樣性增加,推薦服務(wù)更受好評,相比較經(jīng)典服務(wù)而言,通過使用個性化推薦框架,用戶的滿意度平均提升了48.23%,相較于只使用單一推薦而言,用戶的滿意度平均提升了25.6%。

    同時,對圖書館中的書目管理推薦服務(wù)進(jìn)行了測試和統(tǒng)計,通過統(tǒng)計圖書館中館員的評價信息,對其進(jìn)行整理如表1 所示。

    Table 1 Evaluation information of librarians表1 圖書館館員評價信息

    從表1 可知,館員對個性化推薦系統(tǒng)的評價信息以書籍管理、圖書館資源配置、人員配置為主,通過使用個性化推薦系統(tǒng),使得圖書館在書籍管理、設(shè)備使用和人員安排上更加有效,減少了對應(yīng)的成本投入。

    5 結(jié)語

    隨著閱讀資源的與日增長,如何在眾多閱讀資源中為用戶推薦更好的個性化服務(wù)尤為重要。本文將智慧校園中的各子系統(tǒng)進(jìn)行融合,從而獲取用戶原始數(shù)據(jù),通過對該原始數(shù)據(jù)進(jìn)行預(yù)處理從而構(gòu)建用戶畫像,進(jìn)而為用戶提供個性化服務(wù)。需要指出的是,本研究在協(xié)同過濾推薦算法選擇上采取的是基于用戶的協(xié)同過濾推薦算法,在后續(xù)個性化推薦服務(wù)使用中,可以選擇優(yōu)化過的推薦算法為用戶進(jìn)行推薦,進(jìn)而提高推薦效率。

    猜你喜歡
    畫像預(yù)處理框架
    威猛的畫像
    框架
    “00后”畫像
    畫像
    廣義框架的不相交性
    基于預(yù)處理MUSIC算法的分布式陣列DOA估計
    WTO框架下
    法大研究生(2017年1期)2017-04-10 08:55:06
    淺談PLC在預(yù)處理生產(chǎn)線自動化改造中的應(yīng)用
    絡(luò)合萃取法預(yù)處理H酸廢水
    一種基于OpenStack的云應(yīng)用開發(fā)框架
    欧美丝袜亚洲另类| 国产三级在线视频| 国产精品亚洲一级av第二区| 亚洲国产日韩欧美精品在线观看| 色视频www国产| 午夜免费激情av| а√天堂www在线а√下载| 国产精品一区二区三区四区久久| 亚洲国产精品sss在线观看| 插逼视频在线观看| 色综合色国产| 熟妇人妻久久中文字幕3abv| 波多野结衣巨乳人妻| 日韩大尺度精品在线看网址| 国产乱人偷精品视频| 简卡轻食公司| 精品人妻熟女av久视频| 免费观看的影片在线观看| 国产成人影院久久av| 国产精品精品国产色婷婷| 亚洲av成人av| 国产真实伦视频高清在线观看| 亚洲中文字幕一区二区三区有码在线看| 搡老熟女国产l中国老女人| 亚洲av中文字字幕乱码综合| 精品一区二区三区av网在线观看| 在线看三级毛片| 简卡轻食公司| 99热6这里只有精品| 简卡轻食公司| 久久久国产成人免费| 春色校园在线视频观看| 国模一区二区三区四区视频| 午夜福利在线观看吧| 最后的刺客免费高清国语| 午夜老司机福利剧场| 国模一区二区三区四区视频| 久久久久国内视频| 最后的刺客免费高清国语| 亚洲五月天丁香| 超碰av人人做人人爽久久| 免费看美女性在线毛片视频| 亚洲国产欧美人成| 国国产精品蜜臀av免费| 天堂√8在线中文| 99在线人妻在线中文字幕| 深夜精品福利| 97超视频在线观看视频| 免费不卡的大黄色大毛片视频在线观看 | 成人国产麻豆网| 少妇被粗大猛烈的视频| 最新中文字幕久久久久| 五月伊人婷婷丁香| 美女大奶头视频| 深夜a级毛片| 美女免费视频网站| 亚洲成人中文字幕在线播放| 日本-黄色视频高清免费观看| 日韩欧美国产在线观看| 高清毛片免费看| 国产麻豆成人av免费视频| 日韩av在线大香蕉| 亚洲最大成人av| 嫩草影院精品99| 听说在线观看完整版免费高清| 久久中文看片网| 五月玫瑰六月丁香| 天堂动漫精品| 床上黄色一级片| 久久久久久大精品| 激情 狠狠 欧美| 免费大片18禁| а√天堂www在线а√下载| 日日摸夜夜添夜夜爱| 夜夜爽天天搞| 午夜福利在线观看吧| 久久久久国内视频| 麻豆国产av国片精品| 99在线视频只有这里精品首页| 97热精品久久久久久| 日韩高清综合在线| 男女视频在线观看网站免费| 欧美zozozo另类| 亚洲婷婷狠狠爱综合网| 18禁裸乳无遮挡免费网站照片| 一个人观看的视频www高清免费观看| 一级毛片久久久久久久久女| 午夜亚洲福利在线播放| 男女视频在线观看网站免费| 久久午夜福利片| 一边摸一边抽搐一进一小说| 亚洲av免费高清在线观看| 午夜激情欧美在线| 国产亚洲欧美98| 成人二区视频| 色尼玛亚洲综合影院| 国产大屁股一区二区在线视频| 欧美高清性xxxxhd video| 又爽又黄a免费视频| 老女人水多毛片| 日本一本二区三区精品| 又黄又爽又刺激的免费视频.| 级片在线观看| 啦啦啦观看免费观看视频高清| 人妻丰满熟妇av一区二区三区| 中文字幕人妻熟人妻熟丝袜美| 国产精品一区二区免费欧美| 国产激情偷乱视频一区二区| 中文字幕av在线有码专区| 中文资源天堂在线| 天天一区二区日本电影三级| 国产精品一区二区三区四区免费观看 | 精品福利观看| 高清午夜精品一区二区三区 | 欧美+日韩+精品| 色综合色国产| 精品一区二区三区视频在线观看免费| 国产精品国产高清国产av| 欧美最新免费一区二区三区| 国产极品精品免费视频能看的| 亚洲第一区二区三区不卡| 欧美一区二区精品小视频在线| 99久久久亚洲精品蜜臀av| 日韩精品青青久久久久久| 亚洲精品日韩av片在线观看| 九九久久精品国产亚洲av麻豆| 日日撸夜夜添| 欧美一区二区国产精品久久精品| a级毛片免费高清观看在线播放| 国产国拍精品亚洲av在线观看| 99在线人妻在线中文字幕| 激情 狠狠 欧美| 欧美激情在线99| 久久久久九九精品影院| 国产人妻一区二区三区在| 亚洲成a人片在线一区二区| 晚上一个人看的免费电影| 又爽又黄a免费视频| 人妻丰满熟妇av一区二区三区| av专区在线播放| 久久久久久久久中文| 级片在线观看| 最近最新中文字幕大全电影3| 国产 一区 欧美 日韩| 美女被艹到高潮喷水动态| 国产精品乱码一区二三区的特点| 网址你懂的国产日韩在线| 亚洲精品日韩在线中文字幕 | 亚洲av中文av极速乱| 男女下面进入的视频免费午夜| 日日撸夜夜添| 亚洲精品国产成人久久av| 色视频www国产| 熟女人妻精品中文字幕| 晚上一个人看的免费电影| 一本精品99久久精品77| 波多野结衣巨乳人妻| 亚洲美女搞黄在线观看 | 免费av不卡在线播放| 亚洲第一区二区三区不卡| 日韩欧美精品v在线| 色综合亚洲欧美另类图片| 九色成人免费人妻av| 偷拍熟女少妇极品色| 欧美成人a在线观看| 乱系列少妇在线播放| 人妻久久中文字幕网| 亚洲在线自拍视频| 内射极品少妇av片p| 亚洲第一区二区三区不卡| av中文乱码字幕在线| 色噜噜av男人的天堂激情| 亚洲18禁久久av| 成人漫画全彩无遮挡| 少妇猛男粗大的猛烈进出视频 | 特级一级黄色大片| 亚洲经典国产精华液单| 久久热精品热| 最新中文字幕久久久久| 国国产精品蜜臀av免费| 狠狠狠狠99中文字幕| 亚洲国产精品成人久久小说 | 亚洲成人久久爱视频| 国产精品久久电影中文字幕| 成人综合一区亚洲| 成人高潮视频无遮挡免费网站| 日本成人三级电影网站| 村上凉子中文字幕在线| 日日撸夜夜添| 综合色丁香网| 久99久视频精品免费| 国产久久久一区二区三区| 免费人成在线观看视频色| 成人高潮视频无遮挡免费网站| 亚洲电影在线观看av| 久久精品国产自在天天线| 有码 亚洲区| 毛片一级片免费看久久久久| 国产精品一二三区在线看| 国产综合懂色| 国产探花极品一区二区| 人妻夜夜爽99麻豆av| 精品久久久久久久久亚洲| 亚洲精品粉嫩美女一区| 免费搜索国产男女视频| 日本撒尿小便嘘嘘汇集6| 亚洲国产精品国产精品| 国产成人freesex在线 | av视频在线观看入口| 简卡轻食公司| 国产高清三级在线| 亚洲欧美日韩东京热| 日本免费一区二区三区高清不卡| 2021天堂中文幕一二区在线观| 香蕉av资源在线| 我要搜黄色片| 亚洲欧美中文字幕日韩二区| 久久久久精品国产欧美久久久| a级一级毛片免费在线观看| 成人亚洲欧美一区二区av| 亚洲av中文av极速乱| 亚洲国产欧洲综合997久久,| 少妇猛男粗大的猛烈进出视频 | 色哟哟哟哟哟哟| 搡老岳熟女国产| 综合色av麻豆| 99riav亚洲国产免费| 久久精品国产99精品国产亚洲性色| 中文字幕人妻熟人妻熟丝袜美| 中文字幕av在线有码专区| 午夜福利在线观看免费完整高清在 | 亚洲图色成人| 看免费成人av毛片| 在线观看av片永久免费下载| 菩萨蛮人人尽说江南好唐韦庄 | 国产淫片久久久久久久久| 内地一区二区视频在线| 在线国产一区二区在线| 午夜福利高清视频| 我的女老师完整版在线观看| 嫩草影院新地址| 久久久久性生活片| 成人一区二区视频在线观看| 精品福利观看| 欧美bdsm另类| 一级毛片久久久久久久久女| 久久人人爽人人片av| 亚洲在线自拍视频| 国产熟女欧美一区二区| 3wmmmm亚洲av在线观看| 嫩草影院精品99| 午夜激情欧美在线| 日本一本二区三区精品| 国产精品亚洲一级av第二区| 黄片wwwwww| 欧美性感艳星| 美女 人体艺术 gogo| 真人做人爱边吃奶动态| 全区人妻精品视频| 久久久成人免费电影| 超碰av人人做人人爽久久| 少妇被粗大猛烈的视频| 国产精品日韩av在线免费观看| 日韩av在线大香蕉| 麻豆av噜噜一区二区三区| av专区在线播放| 我的老师免费观看完整版| 在线免费观看的www视频| 成人无遮挡网站| 老司机福利观看| 免费看光身美女| 欧美日韩在线观看h| or卡值多少钱| 国产人妻一区二区三区在| 精品久久久噜噜| 国产一级毛片七仙女欲春2| 久久婷婷人人爽人人干人人爱| 国产精品女同一区二区软件| 热99re8久久精品国产| 免费观看精品视频网站| 夜夜看夜夜爽夜夜摸| 免费av毛片视频| 六月丁香七月| 欧洲精品卡2卡3卡4卡5卡区| 欧美日韩国产亚洲二区| 蜜臀久久99精品久久宅男| 国产成人福利小说| 日本欧美国产在线视频| 男女那种视频在线观看| 国产高清不卡午夜福利| 精品国产三级普通话版| 欧美激情在线99| 精品99又大又爽又粗少妇毛片| 91在线观看av| 神马国产精品三级电影在线观看| 久久久久久伊人网av| 在线观看午夜福利视频| 级片在线观看| 高清午夜精品一区二区三区 | 国产 一区精品| 日韩欧美免费精品| 99热6这里只有精品| 人人妻人人看人人澡| 日韩精品青青久久久久久| 女生性感内裤真人,穿戴方法视频| 毛片女人毛片| 精品久久久久久久久久免费视频| 国产精品国产高清国产av| 国产不卡一卡二| 日日干狠狠操夜夜爽| 久久精品国产99精品国产亚洲性色| 看黄色毛片网站| 欧美+亚洲+日韩+国产| 欧美性猛交黑人性爽| 亚洲人与动物交配视频| 午夜视频国产福利| 日韩av不卡免费在线播放| 成人漫画全彩无遮挡| 成年女人毛片免费观看观看9| 午夜免费男女啪啪视频观看 | 亚洲精品影视一区二区三区av| 一级av片app| 亚洲色图av天堂| 搡老岳熟女国产| 亚洲av熟女| 人妻久久中文字幕网| 又黄又爽又免费观看的视频| 亚洲欧美成人综合另类久久久 | 特级一级黄色大片| av国产免费在线观看| 69av精品久久久久久| 精品99又大又爽又粗少妇毛片| 久久精品国产亚洲av涩爱 | 三级国产精品欧美在线观看| 国产欧美日韩精品亚洲av| 精品人妻熟女av久视频| 97超碰精品成人国产| 亚洲成人精品中文字幕电影| 国产精品精品国产色婷婷| 美女高潮的动态| 内射极品少妇av片p| 国产不卡一卡二| 精品久久久久久久末码| 国产色爽女视频免费观看| av在线蜜桃| a级毛片a级免费在线| aaaaa片日本免费| 国产亚洲精品av在线| 男人舔女人下体高潮全视频| 18禁在线无遮挡免费观看视频 | 国产一区二区三区av在线 | 国产一区二区激情短视频| 在线免费十八禁| 精品久久久久久久人妻蜜臀av| 久久精品人妻少妇| 在线观看美女被高潮喷水网站| 日本黄色片子视频| 亚洲欧美日韩东京热| 男女做爰动态图高潮gif福利片| 日日摸夜夜添夜夜爱| 中文在线观看免费www的网站| .国产精品久久| 国产欧美日韩精品亚洲av| 最近的中文字幕免费完整| 成人永久免费在线观看视频| 美女免费视频网站| 午夜福利在线观看吧| 欧美一级a爱片免费观看看| ponron亚洲| 国产精品女同一区二区软件| 亚洲av电影不卡..在线观看| 在线a可以看的网站| 国产亚洲91精品色在线| 热99re8久久精品国产| 又黄又爽又免费观看的视频| 丰满人妻一区二区三区视频av| 最近手机中文字幕大全| 成人一区二区视频在线观看| 最好的美女福利视频网| 色播亚洲综合网| 黄色欧美视频在线观看| 午夜福利在线在线| 狠狠狠狠99中文字幕| 尤物成人国产欧美一区二区三区| 插逼视频在线观看| 精品久久久久久久久av| 免费看av在线观看网站| 婷婷精品国产亚洲av| 99在线人妻在线中文字幕| 岛国在线免费视频观看| 99热这里只有是精品50| 寂寞人妻少妇视频99o| 97在线视频观看| 如何舔出高潮| av.在线天堂| 亚洲最大成人av| 中出人妻视频一区二区| 99视频精品全部免费 在线| 男女边吃奶边做爰视频| 久久精品国产99精品国产亚洲性色| 少妇高潮的动态图| 免费高清视频大片| 亚洲成a人片在线一区二区| 大香蕉久久网| 国产亚洲91精品色在线| 亚洲一区高清亚洲精品| 国产视频一区二区在线看| 国产黄a三级三级三级人| 免费看日本二区| 不卡一级毛片| 美女xxoo啪啪120秒动态图| 直男gayav资源| 99久久久亚洲精品蜜臀av| 亚洲av一区综合| 国产又黄又爽又无遮挡在线| 男人舔奶头视频| 99国产精品一区二区蜜桃av| 久久久精品大字幕| 色在线成人网| 日本一二三区视频观看| 此物有八面人人有两片| 校园人妻丝袜中文字幕| 国产 一区 欧美 日韩| 欧美又色又爽又黄视频| 男女视频在线观看网站免费| av专区在线播放| 一a级毛片在线观看| 亚洲av免费高清在线观看| 伦精品一区二区三区| 97超视频在线观看视频| 久久99热6这里只有精品| 欧美最新免费一区二区三区| 欧美激情国产日韩精品一区| 国产精品,欧美在线| 97超级碰碰碰精品色视频在线观看| 久久亚洲国产成人精品v| 日日撸夜夜添| 久久99热6这里只有精品| 日本-黄色视频高清免费观看| 亚洲精品国产成人久久av| 一卡2卡三卡四卡精品乱码亚洲| 一个人看的www免费观看视频| 久久久久久久久大av| 97超级碰碰碰精品色视频在线观看| 人妻制服诱惑在线中文字幕| 久久精品影院6| 国产91av在线免费观看| 又粗又爽又猛毛片免费看| 99国产精品一区二区蜜桃av| 欧美一级a爱片免费观看看| 精品久久久久久久久亚洲| 麻豆成人午夜福利视频| 看免费成人av毛片| 色哟哟·www| 国产久久久一区二区三区| 日韩精品青青久久久久久| 最后的刺客免费高清国语| 欧美+日韩+精品| 变态另类丝袜制服| 欧美高清性xxxxhd video| 91午夜精品亚洲一区二区三区| av视频在线观看入口| 国产激情偷乱视频一区二区| 热99在线观看视频| 在线看三级毛片| 久久精品91蜜桃| av在线播放精品| 国内精品久久久久精免费| 亚洲欧美成人综合另类久久久 | 全区人妻精品视频| 欧美日韩乱码在线| 国产黄色视频一区二区在线观看 | www.色视频.com| 免费在线观看成人毛片| 熟女电影av网| 亚洲av熟女| 亚洲丝袜综合中文字幕| 草草在线视频免费看| 少妇熟女欧美另类| 国产成人精品久久久久久| 少妇猛男粗大的猛烈进出视频 | 国产免费一级a男人的天堂| or卡值多少钱| 国产日本99.免费观看| 日本成人三级电影网站| 综合色丁香网| 成人一区二区视频在线观看| 国产精品一及| 桃色一区二区三区在线观看| 精品一区二区三区人妻视频| 亚洲aⅴ乱码一区二区在线播放| 精品国内亚洲2022精品成人| 一区福利在线观看| 日本黄色片子视频| 国产精品综合久久久久久久免费| 欧美zozozo另类| 亚洲成av人片在线播放无| 深夜精品福利| av黄色大香蕉| 欧美日韩精品成人综合77777| 精品欧美国产一区二区三| 亚洲经典国产精华液单| av在线天堂中文字幕| 亚洲av中文字字幕乱码综合| 91麻豆精品激情在线观看国产| 99热全是精品| 12—13女人毛片做爰片一| 最后的刺客免费高清国语| 欧美最新免费一区二区三区| 国产黄a三级三级三级人| 国产又黄又爽又无遮挡在线| 在线观看一区二区三区| 干丝袜人妻中文字幕| 国产三级中文精品| 午夜福利视频1000在线观看| 国产高清不卡午夜福利| 女人十人毛片免费观看3o分钟| 麻豆一二三区av精品| 在线免费观看的www视频| 国产乱人偷精品视频| 国产av麻豆久久久久久久| 在线免费观看的www视频| 精品久久久久久成人av| 村上凉子中文字幕在线| 51国产日韩欧美| 国内精品美女久久久久久| 一边摸一边抽搐一进一小说| 色综合色国产| 超碰av人人做人人爽久久| 天堂av国产一区二区熟女人妻| 搡老岳熟女国产| 最新在线观看一区二区三区| 国产高清视频在线播放一区| 日本一二三区视频观看| 在线观看免费视频日本深夜| 欧美激情在线99| 久久久久久久久久成人| 中国国产av一级| 中文字幕久久专区| 在线免费观看的www视频| 久久久久精品国产欧美久久久| 蜜臀久久99精品久久宅男| 一进一出抽搐动态| 精品一区二区三区人妻视频| 一本久久中文字幕| 国产毛片a区久久久久| 国产高清有码在线观看视频| 欧美日韩国产亚洲二区| 久久久久久大精品| 亚洲丝袜综合中文字幕| 九色成人免费人妻av| 人妻丰满熟妇av一区二区三区| 久久精品国产亚洲av香蕉五月| 成人鲁丝片一二三区免费| 日产精品乱码卡一卡2卡三| 最近2019中文字幕mv第一页| 亚洲成人久久性| 1024手机看黄色片| 你懂的网址亚洲精品在线观看 | a级一级毛片免费在线观看| АⅤ资源中文在线天堂| 黄色欧美视频在线观看| 五月玫瑰六月丁香| 成人美女网站在线观看视频| 国产精品免费一区二区三区在线| 亚洲人成网站在线播| 亚洲精品国产av成人精品 | 成人特级av手机在线观看| 免费人成在线观看视频色| 九色成人免费人妻av| 可以在线观看毛片的网站| АⅤ资源中文在线天堂| 久久人妻av系列| 99久久精品热视频| 精品久久久久久久久久久久久| 美女大奶头视频| 成人鲁丝片一二三区免费| 成人三级黄色视频| 特大巨黑吊av在线直播| 欧美日韩在线观看h| 欧美丝袜亚洲另类| 又粗又爽又猛毛片免费看| 中文字幕精品亚洲无线码一区| 国产极品精品免费视频能看的| 国产精品久久视频播放| 精品福利观看| 97热精品久久久久久| 你懂的网址亚洲精品在线观看 | 久久久久国产精品人妻aⅴ院| 黄色视频,在线免费观看| 亚洲成av人片在线播放无| 亚洲精品国产成人久久av| 在线国产一区二区在线| 中国国产av一级| 欧美人与善性xxx| 日日干狠狠操夜夜爽| 三级经典国产精品| 一边摸一边抽搐一进一小说| 夜夜看夜夜爽夜夜摸| 日韩亚洲欧美综合| 在线观看av片永久免费下载| 少妇熟女欧美另类| 无遮挡黄片免费观看| 又爽又黄无遮挡网站| 国产不卡一卡二| 中文字幕人妻熟人妻熟丝袜美| 热99在线观看视频| 老师上课跳d突然被开到最大视频| 国产一区二区在线观看日韩| 亚洲国产精品久久男人天堂| 国产伦精品一区二区三区视频9| 一卡2卡三卡四卡精品乱码亚洲| 亚洲精品日韩av片在线观看| 亚洲久久久久久中文字幕| 日日撸夜夜添|