• <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 ?

    網(wǎng)絡(luò)決策形式背景下基于因果力的鄰域推薦算法

    2023-01-30 01:10:50郭瑞欣李金海
    模式識(shí)別與人工智能 2022年11期
    關(guān)鍵詞:集上鄰域定義

    范 敏 郭瑞欣 李金海

    早期形式概念分析(Formal Concept Analysis, FCA)[1]專注于研究概念及概念層次的數(shù)學(xué)化和形式化表達(dá).隨著FCA的快速發(fā)展,與各領(lǐng)域的交叉研究日漸深入,現(xiàn)已廣泛應(yīng)用于軟件工程[2-3]、數(shù)據(jù)挖掘[4-6]、推薦系統(tǒng)[7]等具有廣闊應(yīng)用前景的領(lǐng)域.

    基于形式背景的概念認(rèn)知是一個(gè)新興的研究領(lǐng)域,主要以形式概念分析、粗糙集及粒計(jì)算等理論為工具.在大數(shù)據(jù)環(huán)境下,概念認(rèn)知學(xué)習(xí)具有諸多認(rèn)知優(yōu)勢(shì),學(xué)者們對(duì)其進(jìn)行一系列的研究[8-10].在概念認(rèn)知學(xué)習(xí)中,基于各種算子的研究得到不同的概念[11].Düntsch等[12]給出近似算子——必要算子和可能算子,研究面向?qū)傩愿拍罡?Yao[13]研究面向?qū)ο蟾拍罡窈兔嫦驅(qū)傩愿拍罡?,以及它們之間的關(guān)系.閆夢(mèng)宇等[14]基于Wille概念格、面向?qū)ο蟾拍罡窈兔嫦驅(qū)傩愿拍罡?,定義共有屬性(對(duì)象)與獨(dú)有屬性(對(duì)象),并研究它們的算子性質(zhì).將上述算子結(jié)合變精度思想可得到各種變精度算子,進(jìn)一步與實(shí)際應(yīng)用結(jié)合,有利于豐富概念認(rèn)知理論與應(yīng)用的研究.如何將概念認(rèn)知學(xué)習(xí)方法與網(wǎng)絡(luò)中的因果推斷、規(guī)則提取結(jié)合,是一個(gè)有意義的課題.

    目前,常見的推薦系統(tǒng)包括以下幾種:Zaier等[15]提出的基于鄰域的推薦系統(tǒng),主要是通過計(jì)算相似度找到相關(guān)鄰域,根據(jù)鄰域信息進(jìn)行推薦;Garcia等[16]提出的組推薦系統(tǒng)(Group Recommender System),推薦對(duì)象為整個(gè)群組.基于鄰域的推薦方法常見于協(xié)同過濾推薦系統(tǒng)中,主要分為基于用戶的協(xié)同過濾推薦[17]和基于項(xiàng)目的協(xié)同過濾推薦[18].前者是根據(jù)用戶之間的相似度進(jìn)行推薦,后者是根據(jù)項(xiàng)目之間的相似度進(jìn)行推薦.組推薦系統(tǒng)通過研究所有鄰域成員偏好之間的關(guān)聯(lián)性得到鄰域偏好,最后利用鄰域偏好進(jìn)行推薦[19].

    由上述研究可知,基于鄰域的推薦算法需要解決兩個(gè)問題:1)如何得到相關(guān)鄰域,并使這些鄰域中能涌現(xiàn)足夠多的規(guī)律;2)如何根據(jù)每個(gè)鄰域信息得到鄰域偏好之間的關(guān)聯(lián)性,構(gòu)建推薦算法.

    Pearl[20]在《Causality》中指出:因果關(guān)系不應(yīng)被視為單一關(guān)系,而應(yīng)被視為具有兩個(gè)維度——充分性和必要性.該書結(jié)合概率論的相關(guān)知識(shí),給出充分性與必要性的定義,為研究因果力奠定基礎(chǔ).之后Pearl又深入研究當(dāng)代的因果分析方法,將因果科學(xué)從一個(gè)模糊的概念變成一個(gè)可以量化的理論,并廣泛應(yīng)用于數(shù)理統(tǒng)計(jì)[21]、人工智能[22-23]、認(rèn)知科學(xué)[24-25]等領(lǐng)域.

    之后,學(xué)者們重新定義因果力的衡量標(biāo)準(zhǔn)[26],并將

    PNS=suff(e|c)+nec(e|c)-1

    作為度量因果關(guān)系的新標(biāo)準(zhǔn).Hoel等[27]提出使用一般的因果關(guān)系度量有效信息以衡量因果有效性,并在文獻(xiàn)[28]中列舉十幾種較通用的因果力測(cè)量方法.學(xué)者們結(jié)合各種因果力的研究與規(guī)則挖掘,得到更有效的規(guī)則挖掘算法,進(jìn)一步應(yīng)用于推薦系統(tǒng)[29-31].

    當(dāng)前,基于概念格的推薦方法已取得如下研究成果:基于概念鄰域的Top-N推薦[7]、啟發(fā)式構(gòu)造概念格進(jìn)行推薦[32]、基于RSS(Really Simple Syndi-cation)的電子學(xué)習(xí)推薦[33]、模擬退火法構(gòu)造概念集進(jìn)行推薦[34]、PRS(Personalized Recommendation System)[35]、形式概念分析和協(xié)同過濾推薦結(jié)合[36].然而概念格構(gòu)造效率太低,幾乎與形式背景的規(guī)模增長(zhǎng)呈指數(shù)關(guān)系[37-39],使基于經(jīng)典概念集的社區(qū)劃分在實(shí)際數(shù)據(jù)中難以實(shí)現(xiàn).

    為了解決在進(jìn)行組推薦時(shí)應(yīng)用概念格劃分社區(qū)出現(xiàn)的高復(fù)雜度問題,范敏等[40]提出基于弱概念相似度的組推薦算法(Group Recommendation Algori-thm Based on Weaken-Concept Similarity, GRAWS),通過*算子誘導(dǎo)的弱概念集劃分論域形成社區(qū),并在劃分社區(qū)時(shí)計(jì)算屬性弱概念下限相似度,以此進(jìn)行組推薦,降低劃分社區(qū)的計(jì)算復(fù)雜度,同時(shí)提高推薦效果.但是,*算子的約束條件過于嚴(yán)格,誘導(dǎo)的弱概念集頻繁出現(xiàn)空集,因此無法保證獲得足夠多的弱概念,導(dǎo)致誘導(dǎo)的規(guī)則集應(yīng)用于組推薦效果不佳.

    1 相關(guān)定義

    定義1[1]三元組(U,A,I)稱為形式背景,其中,U={x1,x1,…,xn}為非空有限對(duì)象集,A={a1,a2,…,am}為非空有限屬性集,I為笛卡爾積U×A上的二元關(guān)系.約定(x,a)∈I表示對(duì)象x擁有屬性a;(x,a)?I表示對(duì)象x不擁有屬性a.

    為了從形式背景中誘導(dǎo)出概念,給出如下算子的定義.對(duì)于?X∈2U,B∈2A,有

    1)xI={a∈A|(x,a)∈I},

    2)Ia={x∈U|(x,a)∈I},

    3)X*={a∈A|?x∈X,(x,a)∈I},

    4)B*={x∈U|?a∈B,(x,a)∈I},

    其中,xI表示對(duì)象x擁有的所有屬性組成的集合,Ia表示擁有屬性a的所有對(duì)象組成的集合,X*表示X中所有對(duì)象共同擁有的屬性,B*表示擁有B中所有屬性的對(duì)象.

    例1已知評(píng)分矩陣Q(見表1),由定義2結(jié)合用戶矩陣,可得到網(wǎng)絡(luò)決策形式背景(見表2).

    表1 評(píng)分矩陣QTable 1 Scoring matrix Q

    表2 網(wǎng)絡(luò)決策形式背景(U,M,C,D,I)Table 2 Network formal decision context(U,M,C,D,I)

    表1給出的評(píng)分矩陣Q描述用戶xi對(duì)項(xiàng)目aj的評(píng)分情況.v(x1,a1)=4表示用戶x1對(duì)項(xiàng)目a1的評(píng)分為4,v(x1,a2)=0表示用戶x1沒有對(duì)項(xiàng)目a2做出評(píng)分.表2描述用戶之間的連接關(guān)系和用戶對(duì)項(xiàng)目的擁有情況.

    在表1中,首先,采用

    對(duì)項(xiàng)目評(píng)分進(jìn)行修正(https://blog.csdn.net/Joeny

    圖1 電影推薦網(wǎng)絡(luò)圖Fig.1 Movie recommendation network

    表3 圖1對(duì)應(yīng)的網(wǎng)絡(luò)決策形式背景(U,M,C,D,I)Table 3 Network formal decision context(U,M,C,D,I) of Fig.1

    2 問題描述與解決

    本文將主要解決如下兩個(gè)問題:1)通過變精度弱概念劃分論域,構(gòu)建社區(qū);2)利用因果力代換實(shí)現(xiàn)鄰域推薦.

    2.1 變精度弱概念

    文獻(xiàn)[40]通過構(gòu)建弱概念集進(jìn)行組推薦時(shí),需滿足約束條件:1)得到的弱概念集要覆蓋形式背景的所有對(duì)象,即保證每個(gè)對(duì)象都至少屬于一個(gè)弱概念;2)挖掘的弱概念內(nèi)涵的規(guī)模必須大于預(yù)設(shè)閾值.由于*算子約束條件較嚴(yán)格,誘導(dǎo)出的對(duì)象弱概念或?qū)傩匀醺拍罱M成的集合頻繁出現(xiàn)空集,因此,按上述方式構(gòu)建弱概念集可能出現(xiàn)無法找到足夠多的弱概念滿足上述約束條件的現(xiàn)象.

    定義3對(duì)于評(píng)分矩陣Q,

    Vi={v(xi,ap),?ap∈A}為用戶xi對(duì)項(xiàng)目集的評(píng)分,

    Vj={v(xj,ap),?ap∈A}

    為用戶xj對(duì)項(xiàng)目集的評(píng)分,則用戶間的相似矩陣

    S=(s(i,j))n×n,

    其中

    由定義2和定義3可將相似矩陣S轉(zhuǎn)換為網(wǎng)絡(luò)鄰接矩陣M.

    定義 4給定網(wǎng)絡(luò)決策形式背景(U,M,C,D,I),則節(jié)點(diǎn)xi的相似性聚合中心度定義為

    定義5給定一個(gè)網(wǎng)絡(luò)決策形式背景(U,M,C,D,I),對(duì)?X∈2U,C∈2C,D∈2D,變精度共有算子定義如下:

    證明先證1).對(duì)?X∈2U,由定義5可得

    再證2).對(duì)?C∈2C,由定義5可得

    (4)要正確合理選擇分片剛性樓蓋和整體非剛性樓蓋的結(jié)構(gòu)抗震設(shè)計(jì)計(jì)算模型,比如樓板在大震下不能處于基本彈性狀態(tài)時(shí),要先研究出合理的計(jì)算模型后再進(jìn)行抗震設(shè)計(jì)驗(yàn)算。

    在上述定義1~定義6的基礎(chǔ)上提出問題1,描述如下.

    問題1通過變精度弱概念劃分論域U

    輸入網(wǎng)絡(luò)決策形式背景(U,M,C,D,I)

    輸出劃分集CS

    優(yōu)化目標(biāo)min(|CS|)

    其中

    優(yōu)化目標(biāo)表示最小化社區(qū)數(shù)量,用于提高模型的擬合能力.約束條件1表示變精度弱概念集覆蓋論域U中所有對(duì)象,即每個(gè)對(duì)象至少劃分在一個(gè)鄰域(社區(qū))中.約束條件2表示挖掘的變精度條件弱概念內(nèi)涵規(guī)模不小于ω1,變精度決策弱概念內(nèi)涵規(guī)模不小于ω2,即只有當(dāng)用戶擁有的項(xiàng)目足夠多時(shí),形成的鄰域(社區(qū))才有意義.下面進(jìn)一步研究鄰域推薦算法.

    2.2 基于因果力的鄰域推薦

    本節(jié)首先給出推薦規(guī)則、規(guī)則置信度與規(guī)則因果力的概念.

    定義7推薦規(guī)則r(ci,dj)表示向擁有條件屬性ci的對(duì)象推薦決策屬性dj,即r(ci,dj)∶ci→dj.

    定義8對(duì)于規(guī)則r(ci,dj)∶ci→dj,稱

    為規(guī)則r(ci,dj)的置信度.

    定義9設(shè)規(guī)則r(dj,ci)∶dj→ci為規(guī)則r(ci,dj)∶ci→dj的反規(guī)則,稱

    為反規(guī)則r(dj,ci)的置信度.

    Pearl[20]在《Causality》中定義必要性概率:

    nec(e|c)=P(~e|~c),

    即反事實(shí)概率.也就是如果原因c沒有發(fā)生,結(jié)果e就不會(huì)發(fā)生的概率.定義充分性概率

    suff(e|c)=P(e|c),

    即原因c導(dǎo)致結(jié)果e發(fā)生的概率.并且,給出衡量因果力的標(biāo)準(zhǔn):

    PNS=nec(e|c)+suff(e|c)-1.

    Eells[29]從另外一個(gè)角度提出,c是e的原因需滿足

    p(e|c)>p(e|C-c),

    其中C為原因集.并且可用這兩個(gè)量之間的差衡量因果強(qiáng)度:

    SCEells=p(e|c)-p(e|C-c)=suff(e|c)+nec(e|c)-1.

    下面基于文獻(xiàn)[20]、文獻(xiàn)[29]和定義7~定義9,研究因果關(guān)系充分性和必要性與定義8、定義9中規(guī)則置信度的關(guān)系,并給出ci和dj之間因果力的定義.

    定義10對(duì)于規(guī)則r(ci,dj)∶ci→dj,充分性

    特別地,若

    P(dj|ci)=1,

    表示ci的發(fā)生必然導(dǎo)致dj發(fā)生,也可理解為規(guī)則r(ci,dj)∶dj→ci的置信度為1.

    定義11對(duì)于規(guī)則r(ci,dj)∶ci→dj,必要性

    特別地,若

    1-P(dj|C-ci)=1,

    P(dj|C-ci)=0,

    即在C中刪除ci之后,dj不發(fā)生,表示ci的發(fā)生對(duì)dj的發(fā)生是必要的.

    定理1對(duì)于反向規(guī)則

    有如下結(jié)論成立:

    μji=1?P(dj|C-ci)=0.

    證明先證充分性.若

    P(dj|C-ci)=0.

    必要性顯然成立.

    推論1對(duì)于反向規(guī)則

    有如下結(jié)論成立:

    μji=P(ci|dj)=1?nec(dj,ci)=1.

    由定理1和推論1可知,若P(ci|dj)=1,表示ci的發(fā)生對(duì)dj的發(fā)生是必要的.也可理解為規(guī)則r(dj,ci)的置信度μji=1,反之亦然.

    定理2對(duì)于反向規(guī)則

    置信度μji與nec(dj,ci)呈正相關(guān)關(guān)系.

    證明假設(shè)

    從而

    P(~ci|dj)=1-P(ci|dj)=1-β,

    進(jìn)一步得

    又因?yàn)?/p>

    所以

    故置信度μji與nec(dj,ci)呈正相關(guān)關(guān)系.

    根據(jù)上述研究并結(jié)合文獻(xiàn)[20]中因果力的定義,可得到如下因果力的定義.

    定義12對(duì)于規(guī)則

    及其反規(guī)則

    ci和dj之間的因果力定義為

    CP=μij+μji-1.

    顯然CP∈[-1,1].

    文獻(xiàn)[39]指出,當(dāng)SCEells<0時(shí),不能說明c是e的原因,即:當(dāng)CP<0時(shí),不能說明ci是dj的原因;反之,當(dāng)CP≥0時(shí),要么ci是dj的原因,要么dj是ci的原因,要么ci和dj互為因果.

    下面討論ci和dj互為因果的情形.假設(shè)當(dāng)μij≥ξ時(shí),ci是dj的原因,即ci→dj成立.同理,當(dāng)μji≥ξ時(shí),dj是ci的原因,即dj→ci成立.同時(shí)滿足μij+μji≥1,于是有

    從而2ξ≥1,進(jìn)一步得到ξ≥0.5.

    因此,根據(jù)上述研究可得到如下推論2.

    推論2若μij≥0.5,有ci→dj成立,否則有ci→dj成立.同理,若μji≥0.5,有dj→ci成立,否則有dj→ci成立.

    在問題1輸出劃分集CS的基礎(chǔ)上結(jié)合上述定理和推論,進(jìn)一步可研究如下問題2.

    問題2基于因果力代換的鄰域推薦

    輸入CS,置信度閾值η、δ

    輸出推薦規(guī)則r(ci,dj)

    優(yōu)化目標(biāo)max(F1)

    1)若μij≥η,則向擁有屬性ci的對(duì)象推薦屬性dj,

    2)若μji≥δ,則向擁有屬性dj的對(duì)象推薦屬性ci.

    其中,優(yōu)化目標(biāo)是最大化綜合評(píng)價(jià)指標(biāo)F1,用于提高模型的質(zhì)量.約束條件表示在社區(qū)Xi中,若μij≥η,則將屬性dj推薦給社區(qū)Xi中擁有屬性ci的節(jié)點(diǎn);若μji≥δ,則將屬性ci推薦給社區(qū)Xi中擁有屬性dj的節(jié)點(diǎn).

    特別地,由推論2可知,在提取推薦規(guī)則時(shí),置信度閾值η≥0.5,δ≥0.5.因此,在后面實(shí)驗(yàn)部分設(shè)置置信度閾值分別為η=δ=0.5.

    3 基于因果力的鄰域推薦算法

    3.1 算法步驟

    基于因果力的鄰域推薦算法(NRACF)框圖如圖2所示.

    圖2 NRACF框架圖Fig.2 Flowchart of NRACF

    下面給出NRACF的具體步驟.

    算法1基于因果力的鄰域推薦算法(NRACF)

    輸入網(wǎng)絡(luò)決策形式背景(U,M,C,D,I),

    專家比例λ,置信度閾值η、δ

    輸出推薦規(guī)則r(ci,dj),r(dj,ci)

    step 1 計(jì)算網(wǎng)絡(luò)中所有節(jié)點(diǎn)的聚合中心度:

    將所有的聚合度中心度sD(i)按從大到小的順序排列,并依據(jù)λ選取專家集,記為E={e1,e2,…,eh},其中h=λ|U|.

    step 2 依次選取E中的節(jié)點(diǎn)ei,及其一階鄰接節(jié)點(diǎn)集構(gòu)成社區(qū)N={X1,X2,…,Xh}.

    step 3 依次選取N中的社區(qū)Xs,計(jì)算每個(gè)條件屬性ci在社區(qū)Xs中的密度

    以及每個(gè)決策屬性dj在社區(qū)Xs中的密度

    在此基礎(chǔ)上,計(jì)算每個(gè)社區(qū)ρc的均值μ及標(biāo)準(zhǔn)差σ,并對(duì)所有社區(qū)的μ-σ求平均值,記為條件屬性密度α的閾值,同理得到?jīng)Q策屬性密度β的閾值.

    step 4 依次選取N中的社區(qū)Xs,計(jì)算

    若μij≥η,輸出推薦規(guī)則r(ci,dj);若μji≥δ,輸出推薦規(guī)則r(dj,ci);若μij≥η且μji≥δ,輸出推薦規(guī)則r(ci,dj)和r(dj,ci);否則,返回step 4.

    step 6 利用獲取的推薦規(guī)則對(duì)網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行推薦預(yù)測(cè),算法結(jié)束.

    3.2 時(shí)間復(fù)雜度分析

    假設(shè)網(wǎng)絡(luò)決策形式背景中有n位用戶和m個(gè)屬性,屬性包括p個(gè)條件屬性,q個(gè)決策屬性,m=p+q,則選取的專家個(gè)數(shù)為λn,通過專家節(jié)點(diǎn)劃分社區(qū)的時(shí)間復(fù)雜度為O(λn2).在劃分的社區(qū)中,計(jì)算條件弱概念內(nèi)涵的時(shí)間復(fù)雜度為O(λn2p),計(jì)算決策弱概念內(nèi)涵的時(shí)間復(fù)雜度為O(λn2q),對(duì)于w個(gè)條件弱概念內(nèi)涵和v個(gè)決策弱概念內(nèi)涵,計(jì)算條件弱概念內(nèi)涵與決策弱概念內(nèi)涵間因果力的時(shí)間復(fù)雜度為O(wv).由于要遍歷所有社區(qū)進(jìn)行推薦,所以算法1的時(shí)間復(fù)雜度為O(λ2n3m+λnwv).

    注意到,對(duì)象擁有的屬性個(gè)數(shù)小于m,因此,構(gòu)造弱概念集進(jìn)行鄰域劃分的時(shí)間復(fù)雜度小于O(λn2m).對(duì)比構(gòu)造概念格進(jìn)行鄰域劃分的時(shí)間復(fù)雜度O(n2m)[37]和文獻(xiàn)[40]的時(shí)間復(fù)雜度O(λn3m2),NRACF具有明顯的計(jì)算優(yōu)勢(shì).

    4 實(shí)驗(yàn)及結(jié)果分析

    4.1 實(shí)驗(yàn)環(huán)境

    本文實(shí)驗(yàn)選取電影評(píng)分MovieLens數(shù)據(jù)集(https://grouplens.org/datasets/movielens)上的ML-1m數(shù)據(jù)集與ML-100k數(shù)據(jù)集的5個(gè)抽樣數(shù)據(jù)集和電影評(píng)分Filmtrust數(shù)據(jù)集(https://guoguibing.github.io/librec/datasets.html),數(shù)據(jù)集信息如表4所示.

    在實(shí)驗(yàn)中,首先將所用數(shù)據(jù)集進(jìn)行預(yù)處理,再隨機(jī)選取80%的數(shù)據(jù)作為訓(xùn)練集,剩余20%的數(shù)據(jù)作為測(cè)試集.然后在訓(xùn)練集上利用算法1得到推薦規(guī)則.進(jìn)一步,在測(cè)試集上進(jìn)行推薦列表預(yù)測(cè),并計(jì)算該算法在數(shù)據(jù)集上的精確度、召回率和F1值.最后,將算法1的結(jié)果與常見的6種推薦算法進(jìn)行對(duì)比.

    下面說明數(shù)據(jù)集的預(yù)處理步驟.

    1)構(gòu)造決策形式背景.首先,由于部分電影評(píng)論人數(shù)較少,可用性不強(qiáng),故選擇評(píng)論人數(shù)前30%的電影作為屬性集.然后,將篩選的屬性集按照例1中方法分為條件屬性集C與決策屬性集D.最后,在電影評(píng)分矩陣Q中:若v(xi,ci)>0,則IC(xi,ci)=1,否則,IC(xi,ci)=0;若v(xi,dj)>0,則ID(xi,dj)=1,否則,ID(xi,dj)=0,得到?jīng)Q策形式背景.

    2)構(gòu)造網(wǎng)絡(luò)鄰接矩陣.對(duì)于電影評(píng)分矩陣Q,根據(jù)定義3將對(duì)象間的相似性矩陣S轉(zhuǎn)化為網(wǎng)絡(luò)鄰接矩陣M,得到對(duì)象間的網(wǎng)絡(luò)鄰接矩陣.

    本文采用如下推薦系統(tǒng)常用的評(píng)價(jià)指標(biāo).

    1)精確度(Precision):

    2)召回率(Recall):

    3)F1-measure:

    其中,R(x)為根據(jù)訓(xùn)練集得到的推薦預(yù)測(cè)列表,T(x)為用于驗(yàn)證結(jié)果的測(cè)試列表.

    4.2 參數(shù)討論

    本節(jié)分析參數(shù)λ對(duì)F1值的影響,并討論算法1中計(jì)算參數(shù)α、β方法的合理性.

    在算法1中,選取λ=0.1、0.3、0.5、0.7、0.9,依次計(jì)算F1值,結(jié)果如表5所示,表中黑體數(shù)字表示最大值.由表可知,隨著λ的增大,各數(shù)據(jù)集上F1值逐漸減小,變化幅度較小,但均在λ=0.1時(shí)取得最大值.這說明當(dāng)專家比例達(dá)到0.1時(shí),算法1在各數(shù)據(jù)集上的指標(biāo)值最優(yōu).

    表5 參數(shù)λ對(duì)F1值的影響Table 5 Effect of λ on F1

    在算法1中,根據(jù)統(tǒng)計(jì)原理求得條件屬性密度閾值α=0.2,決策屬性密度閾值β=0.1.

    下面分別定義α=0.1,0.2,…,0.9,β=0.1,0.2,…,0.9,根據(jù)算法1獲取推薦規(guī)則集,并在測(cè)試集上計(jì)算F1值,結(jié)果如表6和表7所示,表中黑體數(shù)字表示最大值.另外,當(dāng)α=0.5,0.6,…,0.9時(shí),F(xiàn)1值都為0,所以未顯示在表6中.而當(dāng)β=0.4,0.5,…,0.9時(shí),F(xiàn)1值都為0,所以也未顯示在表7中.

    表6 參數(shù)α對(duì)F1值的影響Table 6 Effect of α on F1

    表7 參數(shù)β對(duì)F1值的影響Table 7 Effect of β on F1

    由表6可知,當(dāng)α從0.1增大到0.2時(shí),各數(shù)據(jù)集上的F1值逐漸增大,并在α=0.2時(shí)取得最大值.而當(dāng)α繼續(xù)增大時(shí),各數(shù)據(jù)集上的F1值逐漸減小直至為0.這是因?yàn)楫?dāng)α達(dá)到一定值時(shí),若繼續(xù)增大,社區(qū)中滿足條件的條件屬性會(huì)減少,獲取的推薦規(guī)則也會(huì)減少,最終導(dǎo)致F1值越來越小.所以,在算法1中,根據(jù)統(tǒng)計(jì)原理求得α的方法是可行的.

    由表7可知,隨著β的增大,各數(shù)據(jù)集上的F1值逐漸減小,直至為0,但均在β=0.1時(shí)取得最大值.這是因?yàn)楫?dāng)β達(dá)到一定值時(shí),若繼續(xù)增大,社區(qū)中滿足條件的決策屬性就會(huì)減少,獲取的推薦規(guī)則也會(huì)減少,最終導(dǎo)致F1值越來越小.所以,在算法1中,根據(jù)統(tǒng)計(jì)原理求得β的方法也是可行的.

    綜上所述,本文將算法1的參數(shù)設(shè)置為λ=0.1,η=δ=0.5,并進(jìn)行如下對(duì)比實(shí)驗(yàn).

    4.3 對(duì)比實(shí)驗(yàn)結(jié)果

    GRAWS[40]是基于弱概念相似度的組推薦算法,主要通過*算子誘導(dǎo)的網(wǎng)絡(luò)弱概念進(jìn)行社區(qū)劃分,并在劃分的社區(qū)中根據(jù)屬性弱概念下限相似度進(jìn)行組推薦.對(duì)于n位用戶和m個(gè)屬性的網(wǎng)絡(luò)決策形式背景,GRAWS的時(shí)間復(fù)雜度為O(λn3m2).為了驗(yàn)證NRACF的有效性與運(yùn)行效率,將其與GRA-WS在不同的數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn),結(jié)果如表8所示,表中黑體數(shù)字部分表示最優(yōu)值.

    表8 NRACF與GRAWS的推薦效果及運(yùn)行時(shí)間對(duì)比Table 8 Comparison of recommendation results and running time between NRACF and GRAWS

    由表8可知,在7個(gè)數(shù)據(jù)集上,相比GRAWS,NRACF的推薦效果有小幅提升,但在運(yùn)行效率上有明顯提高.具體地,在精確度上,NRACF均優(yōu)于GRAWS.在召回率上,NRACF在ML-1m、ML-100k-u2、ML-100k-u5、Filmtrust數(shù)據(jù)集上優(yōu)于GRAWS.在F1值方面,除了ML-100k-u1、ML-100k-u4數(shù)據(jù)集,NRACF在其它數(shù)據(jù)集上都取得最優(yōu)值.在運(yùn)行時(shí)間上,NRACF的運(yùn)行時(shí)間明顯短于GRAWS,GRAWS的平均運(yùn)行時(shí)間為6 407.21 s,而NRACF的平均運(yùn)行時(shí)間為1 708.43 s,計(jì)算效率提升超過2倍.

    為了進(jìn)一步驗(yàn)證NRACF的有效性,將其與如下5種常見的推薦算法進(jìn)行對(duì)比.

    1)User-Based CF(User-Based Collaborative Filtering)[17].基于用戶的協(xié)同過濾推薦算法,通過用戶之間的相似性對(duì)目標(biāo)用戶進(jìn)行預(yù)測(cè)評(píng)分.

    2)Item-Based CF(Item-Based Collaborative Filtering)[18].基于項(xiàng)目的協(xié)同過濾推薦算法,通過計(jì)算項(xiàng)目之間的相似度,并根據(jù)評(píng)分信息預(yù)測(cè)目標(biāo)項(xiàng)目.

    3)GraphRec[41].基于圖神經(jīng)網(wǎng)絡(luò)的社交推薦算法,利用圖神經(jīng)網(wǎng)絡(luò)對(duì)社交網(wǎng)絡(luò)中的用戶和項(xiàng)目的特征進(jìn)行學(xué)習(xí),預(yù)測(cè)評(píng)分.

    4)ETBRec(A Novel Recommendation Algorithm Combining the Double Influence of Trust Relationship and Expert Users)[42].結(jié)合用戶信任關(guān)系和專家用戶影響的協(xié)同過濾推薦算法,通過用戶之間的相似性構(gòu)造信任關(guān)系矩陣,并根據(jù)用戶的信任度和積極態(tài)度計(jì)算各用戶成為專家的可能,結(jié)合信任關(guān)系矩陣和專家進(jìn)行預(yù)測(cè)評(píng)分.

    5)TF*Clarity(Term Frequency*Clarity)[43].結(jié)合標(biāo)簽相關(guān)性和用戶社會(huì)關(guān)系的推薦算法,構(gòu)建標(biāo)簽相關(guān)矩陣和社交關(guān)系相似矩陣,獲取用戶標(biāo)簽矩陣,并進(jìn)行預(yù)測(cè)評(píng)分.

    各對(duì)比算法在各數(shù)據(jù)集上的精確度、召回率和F1值的對(duì)比結(jié)果如表9~表11所示,表中黑體數(shù)字表示最優(yōu)值.

    由表9~表11可知:在精確度上,NRACF在所有數(shù)據(jù)集上都優(yōu)于其它算法;在召回率上,NRACF在ML-1m、ML-100k-u2、Filmtrust數(shù)據(jù)集上優(yōu)于其它算法;在F1值上,除了ML-100k-u4數(shù)據(jù)集,NRACF在其它數(shù)據(jù)集上都得到最優(yōu)值.

    表9 各算法在7個(gè)數(shù)據(jù)集上的精確度對(duì)比Table 9 Accuracy comparison of different algorithms on 7 datasets

    表10 各算法在7個(gè)數(shù)據(jù)集上的召回率對(duì)比Table 10 Recall comparison of different algorithms on 7 datasets

    表11 各算法在7個(gè)數(shù)據(jù)集上的F1值對(duì)比Table 11 F1 value comparison of different algorithms on 7 datasets

    綜上所述,在選取的大部分?jǐn)?shù)據(jù)集上,NRACF在精確度、召回率和F1值上均表現(xiàn)出明顯優(yōu)勢(shì).因此,對(duì)于網(wǎng)絡(luò)鄰域推薦任務(wù),當(dāng)數(shù)據(jù)集上的條件屬性與決策屬性之間存在較強(qiáng)的因果力時(shí),建議采用NRACF.

    5 結(jié) 束 語

    本文結(jié)合網(wǎng)絡(luò)決策形式背景、變精度算子、Pearl因果力理論,提出基于因果力的鄰域推薦算法(NRACF),并運(yùn)用在MovieLens、Filmtrust數(shù)據(jù)集上.通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),NRACF整體上性能較優(yōu),這有助于形式概念分析與因果推斷的交叉融合研究.今后,還可進(jìn)一步結(jié)合因果涌現(xiàn)、因果推斷與網(wǎng)絡(luò)形式背景,開展其它研究.

    猜你喜歡
    集上鄰域定義
    Cookie-Cutter集上的Gibbs測(cè)度
    稀疏圖平方圖的染色數(shù)上界
    鏈完備偏序集上廣義向量均衡問題解映射的保序性
    基于鄰域競(jìng)賽的多目標(biāo)優(yōu)化算法
    復(fù)扇形指標(biāo)集上的分布混沌
    關(guān)于-型鄰域空間
    成功的定義
    山東青年(2016年1期)2016-02-28 14:25:25
    基于時(shí)序擴(kuò)展的鄰域保持嵌入算法及其在故障檢測(cè)中的應(yīng)用
    修辭學(xué)的重大定義
    幾道導(dǎo)數(shù)題引發(fā)的解題思考
    a 毛片基地| 国产日韩欧美视频二区| 新久久久久国产一级毛片| 色5月婷婷丁香| 熟女电影av网| 一级毛片 在线播放| 制服人妻中文乱码| 一二三四在线观看免费中文在 | 亚洲av中文av极速乱| 国产精品国产三级国产av玫瑰| 免费大片18禁| 成年人午夜在线观看视频| 久热久热在线精品观看| 伦精品一区二区三区| 边亲边吃奶的免费视频| 国产成人91sexporn| 精品第一国产精品| 亚洲国产精品成人久久小说| 国产精品久久久av美女十八| 免费人妻精品一区二区三区视频| 黑人欧美特级aaaaaa片| 国产一级毛片在线| 久久精品aⅴ一区二区三区四区 | 男人操女人黄网站| 国产精品一区二区在线不卡| 亚洲五月色婷婷综合| 免费黄频网站在线观看国产| 你懂的网址亚洲精品在线观看| 日韩中字成人| 国产日韩一区二区三区精品不卡| 老司机影院成人| 亚洲国产欧美日韩在线播放| 十八禁网站网址无遮挡| 亚洲激情五月婷婷啪啪| 日本猛色少妇xxxxx猛交久久| 日韩免费高清中文字幕av| 成年av动漫网址| 精品少妇黑人巨大在线播放| 观看av在线不卡| 国产高清国产精品国产三级| av女优亚洲男人天堂| 日本91视频免费播放| 国产免费现黄频在线看| 国产 一区精品| 久久影院123| 国产成人aa在线观看| 亚洲图色成人| 欧美97在线视频| 久久精品人人爽人人爽视色| av免费观看日本| 成人18禁高潮啪啪吃奶动态图| 久久精品夜色国产| 青春草视频在线免费观看| 九九在线视频观看精品| 国产国语露脸激情在线看| 看免费av毛片| 韩国高清视频一区二区三区| 午夜免费观看性视频| 满18在线观看网站| 七月丁香在线播放| 国产精品久久久久久av不卡| 久久久久久久大尺度免费视频| 欧美精品高潮呻吟av久久| 免费av不卡在线播放| 69精品国产乱码久久久| 国产亚洲午夜精品一区二区久久| 欧美日韩国产mv在线观看视频| 黑人巨大精品欧美一区二区蜜桃 | 亚洲精品av麻豆狂野| av天堂久久9| 久久久久久人妻| 妹子高潮喷水视频| 婷婷成人精品国产| 丝袜在线中文字幕| 精品人妻一区二区三区麻豆| 成年女人在线观看亚洲视频| 免费少妇av软件| 国产av一区二区精品久久| 在线精品无人区一区二区三| 国产av精品麻豆| 日韩人妻精品一区2区三区| 看非洲黑人一级黄片| 欧美精品国产亚洲| 久久久久久久精品精品| 春色校园在线视频观看| 女人被躁到高潮嗷嗷叫费观| 久久久精品免费免费高清| 成年人免费黄色播放视频| 亚洲激情五月婷婷啪啪| 日本wwww免费看| 又大又黄又爽视频免费| 国产成人欧美| 亚洲欧美日韩另类电影网站| 婷婷色av中文字幕| 欧美精品高潮呻吟av久久| 伦精品一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 18在线观看网站| 亚洲综合色惰| 精品午夜福利在线看| 丰满迷人的少妇在线观看| 欧美性感艳星| 观看美女的网站| 美女主播在线视频| 精品国产乱码久久久久久小说| 久久精品久久精品一区二区三区| 丝袜脚勾引网站| 精品人妻在线不人妻| 精品酒店卫生间| 极品人妻少妇av视频| 久久精品久久精品一区二区三区| 美女视频免费永久观看网站| 成年动漫av网址| 伦精品一区二区三区| 日韩伦理黄色片| av免费在线看不卡| 亚洲国产精品一区三区| 欧美日韩亚洲高清精品| 亚洲国产看品久久| 伦理电影大哥的女人| 伊人亚洲综合成人网| 一级毛片黄色毛片免费观看视频| 免费人妻精品一区二区三区视频| 黑人高潮一二区| 搡老乐熟女国产| 亚洲欧美中文字幕日韩二区| 国产精品人妻久久久久久| 日本免费在线观看一区| 午夜av观看不卡| 美女福利国产在线| 秋霞在线观看毛片| 国产成人精品一,二区| 最近最新中文字幕大全免费视频 | 婷婷成人精品国产| 啦啦啦啦在线视频资源| 飞空精品影院首页| 欧美成人精品欧美一级黄| 丰满饥渴人妻一区二区三| 日韩一区二区三区影片| 18禁动态无遮挡网站| 久久久久久人妻| av在线老鸭窝| av黄色大香蕉| 欧美精品高潮呻吟av久久| tube8黄色片| 老女人水多毛片| 男人添女人高潮全过程视频| 亚洲欧美成人精品一区二区| 黄色一级大片看看| 精品国产一区二区三区久久久樱花| 成人黄色视频免费在线看| 少妇的逼好多水| 毛片一级片免费看久久久久| 青春草国产在线视频| 久热这里只有精品99| 亚洲精华国产精华液的使用体验| 免费观看a级毛片全部| 久久ye,这里只有精品| 午夜精品国产一区二区电影| 免费在线观看完整版高清| 欧美人与性动交α欧美精品济南到 | 超碰97精品在线观看| 少妇被粗大的猛进出69影院 | 如日韩欧美国产精品一区二区三区| 高清av免费在线| 久久久精品区二区三区| 日韩视频在线欧美| 黑丝袜美女国产一区| 精品福利永久在线观看| 男女国产视频网站| 一区二区三区乱码不卡18| 飞空精品影院首页| 免费观看av网站的网址| 欧美bdsm另类| 国产成人a∨麻豆精品| 亚洲第一av免费看| 大陆偷拍与自拍| 少妇被粗大猛烈的视频| 一本大道久久a久久精品| 亚洲精品456在线播放app| tube8黄色片| 一区二区三区精品91| 国产日韩一区二区三区精品不卡| 久久韩国三级中文字幕| 韩国精品一区二区三区 | 国产精品.久久久| 一本—道久久a久久精品蜜桃钙片| 午夜91福利影院| 久久久精品免费免费高清| av.在线天堂| 美女xxoo啪啪120秒动态图| 麻豆乱淫一区二区| 亚洲精品美女久久av网站| 91aial.com中文字幕在线观看| 亚洲成人手机| 免费黄网站久久成人精品| 久久鲁丝午夜福利片| 婷婷色麻豆天堂久久| 99久久中文字幕三级久久日本| 免费观看a级毛片全部| av免费观看日本| 婷婷色综合大香蕉| 欧美bdsm另类| 日韩制服骚丝袜av| 亚洲国产精品专区欧美| 五月伊人婷婷丁香| 日韩人妻精品一区2区三区| 日本黄色日本黄色录像| 精品酒店卫生间| 90打野战视频偷拍视频| 国产免费福利视频在线观看| 人成视频在线观看免费观看| 天堂中文最新版在线下载| 亚洲色图 男人天堂 中文字幕 | 国产亚洲午夜精品一区二区久久| 精品久久国产蜜桃| 国产av国产精品国产| 最近中文字幕高清免费大全6| 中文乱码字字幕精品一区二区三区| 欧美成人午夜精品| 成年动漫av网址| 亚洲,欧美精品.| 亚洲欧美精品自产自拍| 国产女主播在线喷水免费视频网站| 亚洲一区二区三区欧美精品| 男女下面插进去视频免费观看 | 国产精品久久久久久av不卡| 亚洲四区av| 国产精品国产三级国产专区5o| 黄色 视频免费看| 亚洲在久久综合| 99精国产麻豆久久婷婷| 亚洲欧美成人综合另类久久久| 欧美精品av麻豆av| 亚洲综合精品二区| 九色亚洲精品在线播放| 欧美日韩亚洲高清精品| 18禁国产床啪视频网站| 伦理电影大哥的女人| av网站免费在线观看视频| 大香蕉久久成人网| 亚洲情色 制服丝袜| 亚洲国产欧美日韩在线播放| 久久综合国产亚洲精品| 丰满迷人的少妇在线观看| 狠狠精品人妻久久久久久综合| kizo精华| 日韩,欧美,国产一区二区三区| 熟女电影av网| 免费高清在线观看视频在线观看| av片东京热男人的天堂| 高清欧美精品videossex| 女的被弄到高潮叫床怎么办| 伊人久久国产一区二区| 久久亚洲国产成人精品v| 国产免费现黄频在线看| 极品人妻少妇av视频| 久久人人爽av亚洲精品天堂| 色婷婷久久久亚洲欧美| 成年av动漫网址| 成年女人在线观看亚洲视频| 欧美日韩成人在线一区二区| 国产男女内射视频| 国产精品久久久久久av不卡| 超碰97精品在线观看| 午夜免费男女啪啪视频观看| 欧美日韩视频精品一区| 搡老乐熟女国产| 91精品伊人久久大香线蕉| 欧美国产精品va在线观看不卡| 巨乳人妻的诱惑在线观看| 这个男人来自地球电影免费观看 | 高清毛片免费看| 久久婷婷青草| 九草在线视频观看| 人体艺术视频欧美日本| 一级片免费观看大全| 日韩三级伦理在线观看| 制服人妻中文乱码| 性色avwww在线观看| 亚洲欧美日韩另类电影网站| 国产乱人偷精品视频| 女性生殖器流出的白浆| 最近最新中文字幕大全免费视频 | 久久97久久精品| 欧美 亚洲 国产 日韩一| 女的被弄到高潮叫床怎么办| 少妇精品久久久久久久| 亚洲精品美女久久久久99蜜臀 | 在线观看免费视频网站a站| 深夜精品福利| 免费女性裸体啪啪无遮挡网站| 日本黄大片高清| 黄片无遮挡物在线观看| 亚洲av.av天堂| 激情五月婷婷亚洲| 热re99久久国产66热| 美女国产高潮福利片在线看| 少妇人妻精品综合一区二区| 久久久久久人人人人人| 又黄又爽又刺激的免费视频.| 一区二区日韩欧美中文字幕 | 国产男人的电影天堂91| 男人爽女人下面视频在线观看| 国产精品蜜桃在线观看| 亚洲精品美女久久av网站| 精品少妇黑人巨大在线播放| 午夜福利在线观看免费完整高清在| 欧美精品一区二区大全| 国产男女内射视频| 毛片一级片免费看久久久久| 成人二区视频| 青春草视频在线免费观看| 国产白丝娇喘喷水9色精品| 在线天堂最新版资源| 成人手机av| 我的女老师完整版在线观看| 高清不卡的av网站| 春色校园在线视频观看| 国产色爽女视频免费观看| 久久99一区二区三区| 一级片'在线观看视频| 亚洲精品国产av成人精品| 女人被躁到高潮嗷嗷叫费观| 街头女战士在线观看网站| av国产久精品久网站免费入址| 国产精品蜜桃在线观看| 母亲3免费完整高清在线观看 | 99精国产麻豆久久婷婷| av福利片在线| 美国免费a级毛片| 99国产精品免费福利视频| 欧美精品一区二区免费开放| 在线免费观看不下载黄p国产| 成年女人在线观看亚洲视频| 两性夫妻黄色片 | 在线观看www视频免费| 看免费成人av毛片| 丝袜人妻中文字幕| 少妇人妻精品综合一区二区| 90打野战视频偷拍视频| 久久人人爽人人爽人人片va| 亚洲第一av免费看| av播播在线观看一区| 97精品久久久久久久久久精品| 欧美+日韩+精品| 美女xxoo啪啪120秒动态图| 国产av一区二区精品久久| 国产一区二区在线观看av| 好男人视频免费观看在线| 成人亚洲精品一区在线观看| 日韩中文字幕视频在线看片| 国产精品一二三区在线看| 久久久国产精品麻豆| 欧美精品一区二区免费开放| 国产乱来视频区| 视频在线观看一区二区三区| 国产片特级美女逼逼视频| 国产一区二区三区综合在线观看 | 亚洲精品第二区| 精品亚洲乱码少妇综合久久| 在线观看美女被高潮喷水网站| 最后的刺客免费高清国语| 9热在线视频观看99| 久久久久久久大尺度免费视频| 日韩一区二区视频免费看| 国产成人精品久久久久久| 成人漫画全彩无遮挡| 狂野欧美激情性bbbbbb| 天天躁夜夜躁狠狠躁躁| 两个人免费观看高清视频| 免费观看av网站的网址| 汤姆久久久久久久影院中文字幕| 两性夫妻黄色片 | 看免费成人av毛片| 日本av免费视频播放| 精品少妇久久久久久888优播| 香蕉精品网在线| 国产一区二区激情短视频 | 日韩三级伦理在线观看| 丝袜在线中文字幕| 五月伊人婷婷丁香| 午夜激情av网站| 亚洲精品美女久久av网站| 精品少妇久久久久久888优播| 成人综合一区亚洲| av片东京热男人的天堂| 欧美日韩亚洲高清精品| 久久久久国产网址| 久久久久久久精品精品| 午夜免费观看性视频| 日本猛色少妇xxxxx猛交久久| 亚洲伊人色综图| 边亲边吃奶的免费视频| 一级毛片我不卡| 少妇的逼水好多| 久久午夜综合久久蜜桃| 日本91视频免费播放| 午夜日本视频在线| 春色校园在线视频观看| 黄色一级大片看看| 99久久综合免费| 国产成人午夜福利电影在线观看| 亚洲精品国产色婷婷电影| 精品亚洲成国产av| 亚洲av中文av极速乱| 亚洲五月色婷婷综合| av.在线天堂| 99九九在线精品视频| 国产成人精品一,二区| 人妻一区二区av| 国产老妇伦熟女老妇高清| kizo精华| 欧美国产精品一级二级三级| 日韩一区二区三区影片| 涩涩av久久男人的天堂| 边亲边吃奶的免费视频| 国产精品一国产av| 美国免费a级毛片| 亚洲精华国产精华液的使用体验| 91午夜精品亚洲一区二区三区| 在线观看国产h片| 丰满饥渴人妻一区二区三| 亚洲精品久久成人aⅴ小说| 最新中文字幕久久久久| 黄色怎么调成土黄色| 国产亚洲一区二区精品| 久久国产精品男人的天堂亚洲 | a级毛片在线看网站| 夫妻午夜视频| 久久久精品区二区三区| 欧美激情 高清一区二区三区| 日韩大片免费观看网站| 国产老妇伦熟女老妇高清| 宅男免费午夜| xxx大片免费视频| 久久久久精品性色| 欧美激情 高清一区二区三区| 午夜激情久久久久久久| 少妇 在线观看| 国产探花极品一区二区| 久久久精品94久久精品| 老司机影院成人| 久久亚洲国产成人精品v| av在线观看视频网站免费| av国产久精品久网站免费入址| 天堂中文最新版在线下载| 热re99久久国产66热| 日本-黄色视频高清免费观看| 高清不卡的av网站| 国产av码专区亚洲av| 啦啦啦视频在线资源免费观看| 国产免费现黄频在线看| 高清不卡的av网站| 精品亚洲成a人片在线观看| 国产国拍精品亚洲av在线观看| 麻豆乱淫一区二区| 99热国产这里只有精品6| 欧美精品亚洲一区二区| 国产精品国产三级专区第一集| av女优亚洲男人天堂| 90打野战视频偷拍视频| 国产一区二区三区av在线| 久久精品久久精品一区二区三区| 久久久久久人妻| 永久免费av网站大全| 一级a做视频免费观看| 男人爽女人下面视频在线观看| 久久国产精品男人的天堂亚洲 | 日日撸夜夜添| 亚洲国产色片| 一区二区日韩欧美中文字幕 | 久久精品国产a三级三级三级| 亚洲久久久国产精品| 欧美亚洲 丝袜 人妻 在线| 视频区图区小说| 咕卡用的链子| 青春草视频在线免费观看| 亚洲熟女精品中文字幕| 各种免费的搞黄视频| 国产成人aa在线观看| 精品少妇黑人巨大在线播放| 日韩一本色道免费dvd| 国语对白做爰xxxⅹ性视频网站| 极品少妇高潮喷水抽搐| 寂寞人妻少妇视频99o| 高清av免费在线| 国产亚洲精品久久久com| 午夜福利视频在线观看免费| 激情五月婷婷亚洲| 少妇被粗大的猛进出69影院 | 欧美丝袜亚洲另类| 久久久久久久久久久久大奶| 国产精品蜜桃在线观看| 欧美精品一区二区免费开放| 91成人精品电影| 国产欧美日韩综合在线一区二区| 午夜影院在线不卡| 99久久中文字幕三级久久日本| 国产免费又黄又爽又色| 大码成人一级视频| 欧美激情 高清一区二区三区| 激情五月婷婷亚洲| 90打野战视频偷拍视频| 亚洲成人手机| 男女边摸边吃奶| 久久精品国产综合久久久 | 两性夫妻黄色片 | 激情视频va一区二区三区| 国产乱人偷精品视频| 久久精品久久久久久噜噜老黄| 久久久a久久爽久久v久久| 99久久中文字幕三级久久日本| 国产av一区二区精品久久| 国产亚洲午夜精品一区二区久久| www.av在线官网国产| 校园人妻丝袜中文字幕| 老司机影院毛片| 午夜福利视频精品| 国产免费一级a男人的天堂| 中文字幕精品免费在线观看视频 | 极品人妻少妇av视频| 久久久久久久国产电影| 国产一区亚洲一区在线观看| 超碰97精品在线观看| 国产精品一国产av| 春色校园在线视频观看| 久久毛片免费看一区二区三区| 日本猛色少妇xxxxx猛交久久| 国产日韩欧美视频二区| 亚洲中文av在线| 精品久久久久久电影网| 久久久精品区二区三区| 国产白丝娇喘喷水9色精品| 99热网站在线观看| 秋霞在线观看毛片| 亚洲精品乱码久久久久久按摩| 欧美性感艳星| 久久亚洲国产成人精品v| 精品一区二区免费观看| 在线观看www视频免费| 91国产中文字幕| 一本大道久久a久久精品| 少妇被粗大的猛进出69影院 | 香蕉国产在线看| 日韩欧美精品免费久久| 精品一区二区三卡| 国产一区二区三区av在线| 午夜91福利影院| 午夜福利,免费看| 七月丁香在线播放| 在线观看人妻少妇| 久久99精品国语久久久| 亚洲精品456在线播放app| 成人综合一区亚洲| 亚洲欧美一区二区三区黑人 | 一区在线观看完整版| 久久久久精品性色| 九九在线视频观看精品| 日韩免费高清中文字幕av| 久久久精品免费免费高清| 美女主播在线视频| 午夜福利影视在线免费观看| 国产白丝娇喘喷水9色精品| 黑人高潮一二区| 三上悠亚av全集在线观看| 成人毛片60女人毛片免费| 美女国产高潮福利片在线看| 日韩熟女老妇一区二区性免费视频| 天堂8中文在线网| 岛国毛片在线播放| 欧美另类一区| av黄色大香蕉| 自拍欧美九色日韩亚洲蝌蚪91| 在线观看www视频免费| 国产免费一级a男人的天堂| 毛片一级片免费看久久久久| 亚洲精品一二三| 国产男人的电影天堂91| 日韩制服丝袜自拍偷拍| 亚洲精品久久久久久婷婷小说| 欧美人与性动交α欧美软件 | 18在线观看网站| 永久免费av网站大全| 久久ye,这里只有精品| 18禁动态无遮挡网站| 美女大奶头黄色视频| 高清av免费在线| 亚洲av综合色区一区| 精品国产露脸久久av麻豆| 久久青草综合色| 男女无遮挡免费网站观看| 看非洲黑人一级黄片| 久久久久久久国产电影| 国产免费福利视频在线观看| 欧美日韩视频高清一区二区三区二| 国产成人精品福利久久| 丰满乱子伦码专区| 精品国产一区二区三区四区第35| 欧美另类一区| 天天影视国产精品| 最新中文字幕久久久久| 建设人人有责人人尽责人人享有的| 一区在线观看完整版| 少妇熟女欧美另类| 国产女主播在线喷水免费视频网站| 天堂俺去俺来也www色官网| 亚洲国产精品一区二区三区在线| 久久 成人 亚洲| 热99久久久久精品小说推荐| 免费不卡的大黄色大毛片视频在线观看| 久久久精品免费免费高清| 青青草视频在线视频观看| 母亲3免费完整高清在线观看 | 香蕉精品网在线|