• <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 ?

    協(xié)同過(guò)濾

    • 基于協(xié)同過(guò)濾知識(shí)圖譜的圖書推薦
      互信息,通過(guò)協(xié)同過(guò)濾算法計(jì)算出讀者偏好,綜合上述兩種方法得到推薦列表進(jìn)行最終的TopK推薦。關(guān)鍵詞:圖書;推薦系統(tǒng);協(xié)同過(guò)濾;知識(shí)圖譜1概述進(jìn)入21世紀(jì)以來(lái),互聯(lián)網(wǎng)技術(shù)的快速發(fā)展、計(jì)算能力的快速提升,各行業(yè)中產(chǎn)生的大量數(shù)據(jù)開始受到學(xué)者、企業(yè)的重視,但用戶在享受其帶來(lái)的便利同時(shí),也面臨著信息過(guò)載、信息泄露等問(wèn)題。用戶在信息資源的快速不停地產(chǎn)生情況下無(wú)法準(zhǔn)確獲取自己需要的目標(biāo)信息。推薦系統(tǒng)的出現(xiàn),有效緩解了上述問(wèn)題。而協(xié)同過(guò)濾算法利用協(xié)同信息推薦用戶感興趣的信

      科技風(fēng) 2023年36期2024-01-07

    • 基于協(xié)同過(guò)濾的智能推薦方法在電子商務(wù)中的應(yīng)用研究
      高要求?;?span id="j5i0abt0b" class="hl">協(xié)同過(guò)濾技術(shù)的智能推薦方法既能結(jié)合用戶的個(gè)人偏好、習(xí)慣等精準(zhǔn)進(jìn)行個(gè)性化推薦,又可以通過(guò)推薦系統(tǒng)發(fā)掘并展示長(zhǎng)尾商品,加速商品的利用與轉(zhuǎn)化,順應(yīng)市場(chǎng)多元化發(fā)展。首先,本文基于挖掘用戶歷史行為并判斷用戶偏好的目標(biāo),分析協(xié)同過(guò)濾算法的實(shí)現(xiàn)原理。其次,針對(duì)電子商務(wù)平臺(tái)需求特征,構(gòu)建包括數(shù)據(jù)預(yù)處理、相似度計(jì)算、推薦生成和評(píng)估在內(nèi)的智能推薦方法步驟。最后,針對(duì)現(xiàn)有算法提出實(shí)現(xiàn)條件。關(guān)鍵詞:電子商務(wù);智能推薦系統(tǒng);協(xié)同過(guò)濾;多元化;數(shù)字化本文索引:葛欣然,張瀚

      中國(guó)商論 2023年17期2023-09-11

    • 數(shù)據(jù)稀疏背景下基于協(xié)同過(guò)濾的推薦算法綜述
      :推薦系統(tǒng);協(xié)同過(guò)濾;數(shù)據(jù)稀疏;相似度1引言隨著移動(dòng)互聯(lián)網(wǎng)的迅速發(fā)展,人們獲取大量信息十分便捷。與此同時(shí),如何從海量信息中高效篩選出所需內(nèi)容變得十分困難。推薦系統(tǒng)能夠在用戶需求不明確或是信息量過(guò)大時(shí),根據(jù)用戶的行為判斷其興趣,提供個(gè)性化的信息以滿足用戶需求。另外,為提高轉(zhuǎn)化率,推薦系統(tǒng)還能主動(dòng)將有效信息推送至目標(biāo)用戶。因此,推薦系統(tǒng)既是引導(dǎo)用戶獲取需要信息的助手,又是公司驅(qū)動(dòng)業(yè)務(wù)發(fā)展的重要?jiǎng)恿ΑM扑]系統(tǒng)最早被應(yīng)用于電子商務(wù)網(wǎng)站,通常是根據(jù)用戶的訂單和評(píng)價(jià)來(lái)

      計(jì)算機(jī)應(yīng)用文摘 2023年9期2023-05-30

    • 基于潛在因子多樣性的非負(fù)矩陣分解協(xié)同過(guò)濾模型
      負(fù)矩陣分解的協(xié)同過(guò)濾模型在高維稀疏數(shù)據(jù)的預(yù)測(cè)和填補(bǔ)上十分有效,該模型具有推薦個(gè)性化、有效利用其他相似用戶回饋信息的優(yōu)點(diǎn),但也存在預(yù)測(cè)精度較低等不足。針對(duì)用戶或項(xiàng)目在不同情景下的評(píng)分差異性,提出了一種改進(jìn)的基于潛在因子多樣性的非負(fù)矩陣分解的協(xié)同過(guò)濾模型。該模型充分考慮在不同情境下,用戶和項(xiàng)目潛在特征矩陣的多樣性,在模型的訓(xùn)練中,采用了單元素非負(fù)乘法更新規(guī)則和交替方向法,保證了目標(biāo)矩陣的非負(fù)性,且提高了模型的收斂率。在真實(shí)的工業(yè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,相比于經(jīng)

      上海理工大學(xué)學(xué)報(bào) 2023年2期2023-05-30

    • 數(shù)據(jù)稀疏背景下基于協(xié)同過(guò)濾的推薦算法綜述
      :推薦系統(tǒng);協(xié)同過(guò)濾;數(shù)據(jù)稀疏;相似度1引言隨著移動(dòng)互聯(lián)網(wǎng)的迅速發(fā)展,人們獲取大量信息十分便捷。與此同時(shí),如何從海量信息中高效篩選出所需內(nèi)容變得十分困難。推薦系統(tǒng)能夠在用戶需求不明確或是信息量過(guò)大時(shí),根據(jù)用戶的行為判斷其興趣,提供個(gè)性化的信息以滿足用戶需求。另外,為提高轉(zhuǎn)化率,推薦系統(tǒng)還能主動(dòng)將有效信息推送至目標(biāo)用戶。因此,推薦系統(tǒng)既是引導(dǎo)用戶獲取需要信息的助手,又是公司驅(qū)動(dòng)業(yè)務(wù)發(fā)展的重要?jiǎng)恿?。推薦系統(tǒng)最早被應(yīng)用于電子商務(wù)網(wǎng)站,通常是根據(jù)用戶的訂單和評(píng)價(jià)來(lái)

      計(jì)算機(jī)應(yīng)用文摘·觸控 2023年9期2023-05-10

    • 大數(shù)據(jù)環(huán)境下開放教育學(xué)習(xí)者畫像的構(gòu)建
      ;數(shù)據(jù)挖掘;協(xié)同過(guò)濾;用戶畫像0 引言隨著大數(shù)據(jù)時(shí)代的到來(lái),數(shù)據(jù)挖掘與信息推薦在行政、教育、經(jīng)濟(jì)、醫(yī)療等各個(gè)領(lǐng)域都已經(jīng)有了一定作用與價(jià)值。在線的不斷發(fā)展使得在線教育行業(yè)迎來(lái)了更為廣闊的發(fā)展方向[1]。目前越來(lái)越多的人員選擇在線課程進(jìn)行學(xué)習(xí),極大地提升人民群眾日常接受教育的便利性。在線教育網(wǎng)站之中存在著大量的注冊(cè)用戶,同時(shí)每天都會(huì)產(chǎn)生大量的用戶注冊(cè)信息,其中包括用戶個(gè)人信息、用戶學(xué)習(xí)課程、學(xué)習(xí)時(shí)間等。面對(duì)這些大量的信息,日常卻無(wú)法進(jìn)行統(tǒng)計(jì)和決策工作[2]。平

      電腦知識(shí)與技術(shù) 2023年5期2023-04-06

    • 社交的延伸:新聞推薦算法的進(jìn)化與反思
      0時(shí)代,基于協(xié)同過(guò)濾的算法,對(duì)用戶的社交孤獨(dú)趨避進(jìn)行心理上的補(bǔ)償;在算法3.0時(shí)代,基于隱私保護(hù)的推薦算法,可以對(duì)用戶的社交安全焦慮進(jìn)行防御型補(bǔ)償。文章以技術(shù)迭代為主要邏輯,闡述算法在技術(shù)迭代中對(duì)自身進(jìn)行補(bǔ)償,探討算法在進(jìn)化過(guò)程中是如何對(duì)用戶的社交進(jìn)行補(bǔ)償?shù)?,并?duì)新聞推薦算法進(jìn)行理論上的補(bǔ)充。關(guān)鍵詞:算法進(jìn)化;媒介補(bǔ)償;社交延伸;內(nèi)容推薦;協(xié)同過(guò)濾;隱私保護(hù)中圖分類號(hào):G206 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1674-8883(2023)01-0015-04一

      新聞研究導(dǎo)刊 2023年1期2023-02-14

    • 基于上下文感知推薦的協(xié)同過(guò)濾技術(shù)
      文感知推薦的協(xié)同過(guò)濾技術(shù),該技術(shù)利用用戶重要的移動(dòng)上下文信息來(lái)改進(jìn)基于項(xiàng)目的協(xié)同過(guò)濾算法中相似性的度量,重新用改進(jìn)的相似度計(jì)算方法來(lái)獲得項(xiàng)目的預(yù)測(cè)評(píng)分。通過(guò)實(shí)驗(yàn)數(shù)據(jù)表明,基于上下文感知推薦的協(xié)同過(guò)濾技術(shù)可以在用戶處于移動(dòng)環(huán)境時(shí)為用戶提供更準(zhǔn)確的推薦結(jié)果,可以有效緩解移動(dòng)用戶評(píng)分?jǐn)?shù)據(jù)稀疏性所帶來(lái)的推薦結(jié)果失真的問(wèn)題。關(guān)鍵詞:上下文信息;協(xié)同過(guò)濾;移動(dòng)電子商務(wù);個(gè)性化推薦中圖分類號(hào):TP302.1? ? 文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2022)1

      電腦知識(shí)與技術(shù) 2022年19期2022-08-31

    • 基于卷積神經(jīng)網(wǎng)絡(luò)的協(xié)同過(guò)濾算法在影片推薦中的應(yīng)用研究
      ,實(shí)現(xiàn)了基于協(xié)同過(guò)濾的影片推薦系統(tǒng)。系統(tǒng)運(yùn)行表明,該方法實(shí)現(xiàn)的推薦系統(tǒng)可以有效緩解“冷啟動(dòng)”問(wèn)題。關(guān)鍵詞:影片推薦;協(xié)同過(guò)濾;卷積神經(jīng)網(wǎng)絡(luò)中圖分類號(hào):TP18? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2022)17-0073-051簡(jiǎn)介推薦系統(tǒng)[1]已經(jīng)成功應(yīng)用到商品推薦中,并逐步滲透到了文化領(lǐng)域,豐富了人們的文化生活。在推薦系統(tǒng)還未萌發(fā)的時(shí)候,用戶使用傳統(tǒng)的搜索引擎,在獲取數(shù)據(jù)時(shí),如果需求很明確,比如需要找一個(gè)電影,但是用戶只知道這個(gè)電影的

      電腦知識(shí)與技術(shù) 2022年17期2022-08-31

    • 招聘數(shù)據(jù)可視化分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
      用基于用戶的協(xié)同過(guò)濾算法對(duì)職位進(jìn)行推薦并實(shí)現(xiàn)動(dòng)態(tài)更新。在一定程度上可幫助求職者了解目前的社會(huì)人才招聘需求,快速找準(zhǔn)自身定位。關(guān)鍵詞:網(wǎng)絡(luò)爬蟲;招聘數(shù)據(jù);協(xié)同過(guò)濾;可視化分析中圖分類號(hào):TP311? 文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2022)18-0039-03開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):1 引言隨著國(guó)內(nèi)互聯(lián)網(wǎng)行業(yè)的飛速發(fā)展,以及一些非傳統(tǒng)因素的影響,網(wǎng)絡(luò)求職招聘愈發(fā)受到人們的歡迎。但其中也出現(xiàn)了一些問(wèn)題,最突出的就是信息繁多雜亂,人

      電腦知識(shí)與技術(shù) 2022年18期2022-08-31

    • 基于 SVD 的協(xié)同過(guò)濾電影推薦算法
      :電影推薦;協(xié)同過(guò)濾(CF);冷啟動(dòng);奇異值分解(SVD)中圖法分類號(hào):TP391文獻(xiàn)標(biāo)識(shí)碼:ACollaborative filtering movie recommendationalgorithm based on SVDSONG Longsheng',WANG Jialel,NI Shengqiao1.2(1.College of Information Science and Technology,Tibet University,Lhasa 8

      計(jì)算機(jī)應(yīng)用文摘·觸控 2022年10期2022-07-05

    • 基于協(xié)同過(guò)濾算法的個(gè)性化推薦系統(tǒng)研究
      。該文通過(guò)對(duì)協(xié)同過(guò)濾算法的個(gè)性化推薦系統(tǒng)進(jìn)行分析,希望能夠通過(guò)該文簡(jiǎn)單地分析探討為后研究者提供借鑒意義。關(guān)鍵詞:協(xié)同過(guò)濾 ?算法 ?個(gè)性化推薦系統(tǒng) ?系統(tǒng)設(shè)計(jì)中圖分類號(hào):G71??文獻(xiàn)標(biāo)識(shí)碼:A???文章編號(hào):1672-3791(2022)05(b)-0000-00基金項(xiàng)目:2020年廣西高校中青年教師科研基礎(chǔ)能力提升項(xiàng)目(項(xiàng)目編號(hào):2020KY48012); 2020年百色市現(xiàn)代教育技術(shù)科研課題(項(xiàng)目編號(hào):SZ202008)。作者簡(jiǎn)介:覃瓊花(1981—

      科技資訊 2022年10期2022-06-15

    • 協(xié)同過(guò)濾推薦算法的優(yōu)化研究
      孫紅梅摘要:協(xié)同過(guò)濾推薦是目前應(yīng)用最廣泛和最成功的推薦系統(tǒng),但傳統(tǒng)的協(xié)同過(guò)濾算法沒(méi)有充分利用用戶的行為反饋信息,忽略了時(shí)間順序、序列順序等有效信息,存在一些局限性。文章基于傳統(tǒng)的協(xié)同過(guò)濾算法,結(jié)合用戶交互行為信息中的時(shí)間順序、序列順序以及物品的流行度和用戶的活躍度等信息,優(yōu)化算法的推薦效果,并且在數(shù)據(jù)集MovieLens上進(jìn)行驗(yàn)證,實(shí)驗(yàn)結(jié)果表明優(yōu)化后的協(xié)同過(guò)濾推薦算法能有效提升推薦效果。關(guān)鍵詞:協(xié)同過(guò)濾;相似性度量;推薦算法中圖分類號(hào):TP391 ? ?

      電腦知識(shí)與技術(shù) 2022年13期2022-06-11

    • 融合話題多維特征和用戶興趣偏好的微博話題推薦研究
      好,進(jìn)一步以協(xié)同過(guò)濾算法為基礎(chǔ),計(jì)算目標(biāo)用戶相似性,然后計(jì)算話題新鮮度、重要度、信任度指標(biāo)并進(jìn)行線性加和,得到目標(biāo)用戶對(duì)微博話題的綜合興趣度,最后,根據(jù)用戶偏好和綜合興趣度計(jì)算目標(biāo)用戶對(duì)微博話題的興趣度并降序排列,得到Top-N個(gè)話題推薦結(jié)果。[結(jié)果/結(jié)論]在真實(shí)微博數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明,該方法取得了理想的預(yù)期效果,推薦效果既能保證準(zhǔn)確性,又能體現(xiàn)多樣性,并且有效緩解了推薦結(jié)果單一、容易引發(fā)信息繭房的問(wèn)題。關(guān)鍵詞:微博話題推薦;協(xié)同過(guò)濾;話題新鮮度;話題多

      現(xiàn)代情報(bào) 2022年5期2022-06-06

    • 基于模糊聚類和Slope One填充的推薦算法
      量。關(guān)鍵詞:協(xié)同過(guò)濾;模糊聚類;Slope One;相似度中圖分類號(hào):TP391? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2022)10-0068-031 引言由于信息網(wǎng)絡(luò)的高速增長(zhǎng),世界各地的數(shù)據(jù)量也正瘋狂增加,據(jù)有關(guān)組織報(bào)告稱,估計(jì)到2025年,世界各地的數(shù)據(jù)量將會(huì)達(dá)到驚人的163ZB,是2016年16.1ZB的十倍[1]。面對(duì)如此龐大的數(shù)據(jù)量,我們已然陷入了“信息過(guò)載”的時(shí)代[2]。若是能夠使用一種方法能夠挖掘出用戶的歷史行為記錄并分析

      電腦知識(shí)與技術(shù) 2022年10期2022-05-30

    • 基于協(xié)同過(guò)濾的美食店鋪推薦算法
      章提出了基于協(xié)同過(guò)濾的美食店鋪推薦算法,同時(shí)分析了基于用戶的推薦算法、基于餐廳的推薦算法、基于[ SVD]的協(xié)調(diào)過(guò)濾算法以及流行度推薦算法這四種推薦算法,解決了推薦餐廳與用戶喜好適配度問(wèn)題。實(shí)驗(yàn)表明,文章提出的基于協(xié)同過(guò)濾的美食店鋪推薦算法,在準(zhǔn)確率(Precision)和召回率(Recall)以及[ F1]這三種指標(biāo)上優(yōu)于其他對(duì)比算法。關(guān)鍵詞:協(xié)同過(guò)濾;推薦系統(tǒng);混合算法;美食店鋪;美食推薦中圖分類號(hào):TP311? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):100

      電腦知識(shí)與技術(shù) 2022年30期2022-05-30

    • 基于KL散度的ALS推薦算法
      要:針對(duì)傳統(tǒng)協(xié)同過(guò)濾推薦算法在稀疏數(shù)據(jù)上推薦準(zhǔn)確度低的問(wèn)題,提出一種基于KL散度的ALS推薦算法KL-ALS。傳統(tǒng)ALS算法計(jì)算物品相似度時(shí)只考慮了用戶之間的共同評(píng)分項(xiàng),得到的相似性與真實(shí)值會(huì)有一定的誤差,而采用KL散度計(jì)算物品相似度時(shí),對(duì)用戶評(píng)論的數(shù)量不做任何限制,不依賴于用戶共同評(píng)分項(xiàng)。KL-ALS算法首先將ALS算法計(jì)算物品相似度和KL散度計(jì)算的物品相似度按照一定權(quán)重混合,產(chǎn)生總體相似度,進(jìn)而采用ALS算法訓(xùn)練模型,能夠更加準(zhǔn)確地度量物品間的相似度,

      電腦知識(shí)與技術(shù) 2022年12期2022-05-29

    • 基于TSVD的協(xié)同過(guò)濾推薦算法研究
      :針對(duì)經(jīng)典的協(xié)同過(guò)濾推薦算法的一系列不足,如用戶冷啟動(dòng)、商品評(píng)分稀疏性以及推薦精度不高,文章提出基于截?cái)嗥娈愔捣纸猓═SVD)的協(xié)同過(guò)濾推薦算法。使用TSVD技術(shù)對(duì)稀疏矩陣進(jìn)行降維處理,利用Jaccard相似度算法計(jì)算用戶間相似度,提高推薦精度。實(shí)驗(yàn)結(jié)果顯示,基于截?cái)嗥娈愔捣纸猓═SVD)的協(xié)同過(guò)濾算法體現(xiàn)良好的推薦質(zhì)量及預(yù)測(cè)精度。關(guān)鍵詞:推薦算法;協(xié)同過(guò)濾;稀疏矩陣;截?cái)嗥娈愔捣纸庵袌D分類號(hào):TP391? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-304

      電腦知識(shí)與技術(shù) 2022年4期2022-04-29

    • 協(xié)同過(guò)濾算法改進(jìn)實(shí)驗(yàn)及對(duì)比分析
      摘要:在協(xié)同過(guò)濾推薦算法中融入時(shí)間因素對(duì)其進(jìn)行改進(jìn),為了驗(yàn)證改進(jìn)后的算法能夠把推薦的準(zhǔn)確度給提高,使用Python編程語(yǔ)言,在電影數(shù)據(jù)集Movielens中的ml-lm數(shù)據(jù)集下進(jìn)行實(shí)驗(yàn),對(duì)比傳統(tǒng)與改進(jìn)算法之間的MAE值。文章介紹了實(shí)驗(yàn)的目的、評(píng)價(jià)指標(biāo)、理論知識(shí)、過(guò)程和結(jié)果。通過(guò)實(shí)驗(yàn)的結(jié)果可以明顯看出這種改進(jìn)后的算法能夠提高推薦的準(zhǔn)確度。關(guān)鍵詞:協(xié)同過(guò)濾;推薦算法;改進(jìn);MAE;實(shí)驗(yàn)中圖分類號(hào):G642? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-304

      電腦知識(shí)與技術(shù) 2022年35期2022-02-17

    • 基于Hadoop的電影推薦系統(tǒng)的設(shè)計(jì)
      educe,協(xié)同過(guò)濾1.緒論1.1推薦系統(tǒng)介紹推薦系統(tǒng)是為了防止信息過(guò)載而采用的一種措施,面對(duì)海量數(shù)據(jù)信息,從中迅速地推薦出一些符合用戶需求特點(diǎn)的物品,解決了一些人的"選擇恐懼癥"。推薦系統(tǒng)通過(guò)分析發(fā)掘這些用戶的消費(fèi)行為,找到這些用戶的各種個(gè)性化消費(fèi)需求,從而將商品準(zhǔn)確及時(shí)地推薦給需要的用戶,幫助用戶發(fā)現(xiàn)他們感興趣但很難及時(shí)發(fā)現(xiàn)的商品。1.2推薦系統(tǒng)的目的(1)讓用戶更快更好的獲取到自己需要的內(nèi)容。(2)讓內(nèi)容更快更好的推送到喜歡它的用戶手中。(3)讓網(wǎng)站

      科學(xué)與生活 2021年24期2021-12-06

    • 精準(zhǔn)動(dòng)態(tài)信息推薦算法在智慧校園中的應(yīng)用
      并提出了基于協(xié)同過(guò)濾思想的解決辦法。關(guān)鍵詞:智慧校園;信息冗余;推薦系統(tǒng);協(xié)同過(guò)濾1引言當(dāng)前,教育環(huán)境復(fù)雜,教育信息化和智慧化必需兼顧環(huán)境多樣性、受眾復(fù)雜性、需求變化性等因素,借助移動(dòng)通信技術(shù)與人工智能技術(shù)發(fā)展新型教育對(duì)位于戰(zhàn)略興國(guó)的重要基礎(chǔ)化建設(shè)。智慧化教育必須打破原來(lái)數(shù)字教育資源建設(shè)的傳統(tǒng)觀念和思想壁壘,除了包涵傳統(tǒng)的教育課件之外,其主體應(yīng)當(dāng)是伴隨著教學(xué)過(guò)程中產(chǎn)生的大數(shù)據(jù)以及伴隨對(duì)關(guān)于教育所有因素分析產(chǎn)生的相關(guān)數(shù)據(jù)內(nèi)容及其衍生信息。因此如何有效的獲取眾

      快樂(lè)學(xué)習(xí)報(bào)·教師周刊 2021年15期2021-11-11

    • 一站式個(gè)性化旅游推薦系統(tǒng)
      的基于物品的協(xié)同過(guò)濾推薦為核心,搭建了考慮用戶是否來(lái)自于川渝地區(qū)這一本異地差異的個(gè)性化旅游推薦APP。關(guān)鍵詞:旅游推薦;協(xié)同過(guò)濾;本異地差異。1.背景在新冠病毒疫情的爆發(fā)導(dǎo)致國(guó)人對(duì)國(guó)內(nèi)旅游需求不斷增長(zhǎng),大數(shù)據(jù)時(shí)代信息爆炸與用戶對(duì)信息的利用率反而下降的雙重背景下[1],提出了一種具有現(xiàn)實(shí)意義的個(gè)性化旅游推薦系統(tǒng),實(shí)現(xiàn)了一種更能符合用戶需求來(lái)進(jìn)行旅游景點(diǎn)推薦的APP。2.算法介紹2.1優(yōu)化的基于物品的協(xié)同過(guò)濾推薦算法2.1.1 傳統(tǒng)的協(xié)同過(guò)濾推薦算法的缺點(diǎn)[2

      科技信息·學(xué)術(shù)版 2021年19期2021-10-25

    • 個(gè)性化電影推薦算法綜述
      算法,主要有協(xié)同過(guò)濾、基于內(nèi)容的推薦和混合推薦三類算法,然后比較分析了幾種推薦算法的優(yōu)缺點(diǎn)。最后,針對(duì)推薦算法的發(fā)展方向,又對(duì)基于上下文的推薦算法進(jìn)行了簡(jiǎn)單的介紹。關(guān)鍵詞:電影推薦;協(xié)同過(guò)濾;基于內(nèi)容的推薦;混合推薦Abstract:In the era of big data, all kinds of film and television resources have emerged, and the problem of "information

      電腦知識(shí)與技術(shù) 2021年22期2021-09-14

    • 基于Spark大數(shù)據(jù)處理的電影推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
      ,總體采用了協(xié)同過(guò)濾算法和基于內(nèi)容的推薦算法實(shí)現(xiàn)混合推薦的目的。實(shí)現(xiàn)了前端可視化頁(yè)面、后臺(tái)業(yè)務(wù)處理、算法的設(shè)計(jì)與實(shí)現(xiàn)、環(huán)境的安裝與部署等多種操作方式。關(guān)鍵詞:推薦系統(tǒng);混合推薦;協(xié)同過(guò)濾;Spark;ALS;機(jī)器學(xué)習(xí)0?引言隨著網(wǎng)絡(luò)碎片化管理視頻的時(shí)代到來(lái),不斷產(chǎn)生的用戶數(shù)據(jù),促使基于用戶的智能推薦影片的系統(tǒng)的實(shí)現(xiàn)非常重要。一個(gè)完善的推薦系統(tǒng)能夠?yàn)橛脩籼峁?shí)時(shí)需要的信息,正是如此推薦系統(tǒng)面對(duì)海量產(chǎn)生的數(shù)據(jù)信息,從中快速推薦出滿足用戶喜好的物品,對(duì)于一些“選

      無(wú)線互聯(lián)科技 2021年11期2021-09-13

    • 大數(shù)據(jù)平臺(tái)下實(shí)時(shí)電影推薦算法研究
      模型所滿足,協(xié)同過(guò)濾推薦算法的不足也越來(lái)越明顯。為此,通過(guò)大數(shù)據(jù)計(jì)算框架Spark平臺(tái)構(gòu)建基于模型的推薦算法來(lái)更好地應(yīng)對(duì)海量數(shù)據(jù)實(shí)時(shí)推薦的問(wèn)題。首先,通過(guò)預(yù)先設(shè)定的計(jì)算方法進(jìn)行模型的構(gòu)建;同時(shí)將一種改進(jìn)的余弦相似度算法應(yīng)用到模型中,不僅可以縮短推薦實(shí)現(xiàn)的時(shí)間,而且可以提高推薦性能。實(shí)驗(yàn)結(jié)果表明,該算法和傳統(tǒng)協(xié)同過(guò)濾算法相比,提高了準(zhǔn)確率和時(shí)效性,驗(yàn)證了系統(tǒng)可較好地滿足用戶的實(shí)時(shí)需求。關(guān)鍵詞:Spark;實(shí)時(shí);推薦算法;協(xié)同過(guò)濾中圖分類號(hào):TP399? ?

      軟件工程 2021年9期2021-09-13

    • 基于用戶偏好和麻雀搜索聚類的協(xié)同過(guò)濾算法
      雀搜索聚類的協(xié)同過(guò)濾推薦算法。首先使用評(píng)分偏好模型對(duì)原用戶項(xiàng)目矩陣進(jìn)行修正,得到新的用戶偏好-項(xiàng)目矩陣。利用麻雀搜索對(duì)聚類中心點(diǎn)進(jìn)行優(yōu)化,從目標(biāo)用戶所在簇內(nèi)得到最近鄰,提高了算法迭代速度,改善了聚類中心點(diǎn)敏感的問(wèn)題。使用相似度公式對(duì)目標(biāo)用戶未評(píng)分項(xiàng)目進(jìn)行預(yù)測(cè),并完成推薦。實(shí)驗(yàn)結(jié)果表明,相較于其他幾種推薦算法,準(zhǔn)確度提高了4到6個(gè)百分點(diǎn)。關(guān)鍵詞:評(píng)分偏好;麻雀搜索;協(xié)同過(guò)濾;推薦精度中圖分類號(hào):TP391.3文獻(xiàn)標(biāo)志碼:A文章編號(hào):1006-1037(202

      青島大學(xué)學(xué)報(bào)(自然科學(xué)版) 2021年1期2021-09-10

    • 面對(duì)智能分診的個(gè)性化推薦算法
      部范圍內(nèi)基于協(xié)同過(guò)濾的評(píng)分方式有機(jī)結(jié)合,提出了一種面向智能導(dǎo)診的個(gè)性化推薦算法。實(shí)驗(yàn)結(jié)果表明,本文提出的算法能為用戶提供個(gè)性化的合理推薦結(jié)果。該方法對(duì)合理分配和使用醫(yī)療資源有很大的促進(jìn)作用,能從一定程度上緩解就診壓力,提高就診質(zhì)量,具有重要的實(shí)用價(jià)值和社會(huì)意義?!娟P(guān)鍵詞】輔助診療;智能導(dǎo)診;Skyline查詢;醫(yī)療推薦;協(xié)同過(guò)濾;推薦系統(tǒng) 中國(guó)人口數(shù)量與醫(yī)療資源之間的巨大反差使得醫(yī)療資源日趨不足,短期內(nèi)增加醫(yī)療資源的總量幾乎是不可能的,因此有效整合和合理

      客聯(lián) 2021年2期2021-09-10

    • 基于位置優(yōu)先與協(xié)同過(guò)濾的智能律師在線咨詢服務(wù)系統(tǒng)的研究與實(shí)現(xiàn)
      于活動(dòng)序列與協(xié)同過(guò)濾機(jī)器學(xué)習(xí)算法,重點(diǎn)解決找律師推薦的問(wèn)題。本算法的設(shè)計(jì)思想如下:首先根據(jù)地位位置優(yōu)先、再根據(jù)律師群體處理的法律事務(wù)序列的歷史記錄,利用語(yǔ)義分析得到法律事務(wù)的向量主題詞空間;然后利用聚類算法形成律師群體按事務(wù)類型的聚類模型;再通過(guò)NLP的方法提取目標(biāo)用法律訴求的詞向量空間;最后通過(guò)協(xié)同過(guò)濾機(jī)制的機(jī)器學(xué)習(xí)算法,形成向目標(biāo)用戶精準(zhǔn)推薦的訓(xùn)練模型?;诒舅惴ㄔO(shè)計(jì)了一套智能律師在線咨詢服務(wù)系統(tǒng)。通過(guò)定位快速優(yōu)選推送就近的專業(yè)律師,同時(shí)分別從用戶評(píng)分

      中國(guó)新通信 2021年14期2021-09-08

    • 綜合時(shí)空信息的Web服務(wù)QoS預(yù)測(cè)方法研究
      QoS預(yù)測(cè);協(xié)同過(guò)濾;矩陣分解;個(gè)性化推薦中圖分類號(hào):TP301? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2021)18-0233-03開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):1 背景Web服務(wù)的QoS屬性是選取最佳候選服務(wù)時(shí)需要考慮的關(guān)鍵性因素,是動(dòng)態(tài)服務(wù)發(fā)現(xiàn)、查詢、選擇和主動(dòng)推薦的基礎(chǔ),通常用來(lái)體現(xiàn)Web服務(wù)的非功能特性。由于在實(shí)際應(yīng)用中,Web服務(wù)數(shù)量非常多,用戶對(duì)大多數(shù)服務(wù)并不了解,因此Web服務(wù)的QoS屬性值不完整。而且,不同用戶的

      電腦知識(shí)與技術(shù) 2021年18期2021-08-18

    • 基于時(shí)間因子改進(jìn)個(gè)性化推薦模型
      因子能對(duì)傳統(tǒng)協(xié)同過(guò)濾算法在MAE指標(biāo)方面有一定提高,計(jì)算效果優(yōu)于傳統(tǒng)推薦算法。關(guān)鍵詞:時(shí)間因子;個(gè)性化推薦;協(xié)同過(guò)濾中圖分類號(hào):TP311.60 ? ? 文獻(xiàn)標(biāo)識(shí)碼:AImproved Personalized Recommendation Model based on Time FactorHU Anming1, CHEN Huie2(1.School of Computer Science and Engineering, Guangzhou Inst

      軟件工程 2021年7期2021-08-05

    • 融合個(gè)性化推薦的文章聚合系統(tǒng)
      合用戶畫像的協(xié)同過(guò)濾推薦方法,以此為平臺(tái)方用戶提供文章推薦服務(wù)。關(guān)鍵詞:個(gè)性化推薦? 文章聚合? 協(xié)同過(guò)濾? 用戶畫像中圖分類號(hào):TP391.3? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1672-3791(2021)04(a)-0035-03An Article Aggregation System Integrating Personalized RecommendationYUAN Huanghui1? SUN Zhixin

      科技資訊 2021年10期2021-07-28

    • 一種改進(jìn)的缺失數(shù)據(jù)協(xié)同過(guò)濾圖書自動(dòng)推薦模型研究
      對(duì)圖書館圖書協(xié)同過(guò)濾自動(dòng)推薦系統(tǒng),因數(shù)據(jù)缺失對(duì)圖書推薦結(jié)果產(chǎn)生影響。該文借助廣東嶺南職業(yè)技術(shù)學(xué)院圖書館50萬(wàn)條樣本數(shù)據(jù),通過(guò)對(duì)部分變量缺失數(shù)據(jù)進(jìn)行插值,設(shè)計(jì)一種改進(jìn)的缺失數(shù)據(jù)協(xié)同過(guò)濾圖書自動(dòng)推薦系統(tǒng)模型(xDeepFM-D)。試驗(yàn)結(jié)果表明,在模型訓(xùn)練150輪后,測(cè)試集總損失為0.072 8,AUC(Area Under roc Curve)為0.927 4。對(duì)比常見(jiàn)推薦系統(tǒng)模型xDeepFM、DeepFM、FM&DNN以及FM,AUC分別提升了0.17%、

      科技資訊 2021年10期2021-07-28

    • 基于迭代SVD的電影推薦算法的研究
      推薦算法中,協(xié)同過(guò)濾算法是最常使用、操作最簡(jiǎn)單方便的算法,但傳統(tǒng)的協(xié)同過(guò)濾算法存在評(píng)分矩陣稀疏、推薦精度低等問(wèn)題。針對(duì)這些問(wèn)題,提出了矩陣填充策略,根據(jù)矩陣填充技術(shù)的優(yōu)缺點(diǎn),選擇了幾種填充稀疏矩陣的方法,并且利用迭代SVD算法得到了電影推薦的局部最優(yōu)解,并利用均方根誤差(RMSE)對(duì)結(jié)果進(jìn)行了評(píng)價(jià),利用R軟件對(duì)電影評(píng)分?jǐn)?shù)據(jù)集進(jìn)行處理,實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的協(xié)同過(guò)濾推薦算法相比,迭代SVD算法能有效地提高推薦的準(zhǔn)確性,更加準(zhǔn)確地給用戶提供想看的電影。關(guān)鍵詞:

      電腦知識(shí)與技術(shù) 2021年15期2021-07-19

    • 基于標(biāo)簽的協(xié)同過(guò)濾推薦方法研究
      統(tǒng)基于物品的協(xié)同過(guò)濾算法由于物品相似度矩陣稀疏,推薦準(zhǔn)確率不高。針對(duì)這一問(wèn)題,提出一種基于標(biāo)簽和改進(jìn)杰卡德系數(shù)的協(xié)同過(guò)濾算法,進(jìn)行電視節(jié)目個(gè)性化推薦。首先,爬取相關(guān)信息對(duì)原始數(shù)據(jù)進(jìn)行擴(kuò)充,并利用統(tǒng)計(jì)學(xué)方法對(duì)時(shí)間特征進(jìn)行歸一化處理,計(jì)算用戶偏好系數(shù);然后,統(tǒng)計(jì)出現(xiàn)次數(shù)較高的類別作為推薦類別標(biāo)簽,并利用改進(jìn)的杰卡德系數(shù)構(gòu)造標(biāo)簽相似度矩陣;最后,根據(jù)推薦類別標(biāo)簽的用戶偏好系數(shù)計(jì)算節(jié)目的推薦系數(shù)。實(shí)驗(yàn)結(jié)果表明,基于標(biāo)簽的協(xié)同過(guò)濾算法可以降低稀疏矩陣對(duì)推薦準(zhǔn)確率的影

      北京聯(lián)合大學(xué)學(xué)報(bào) 2021年2期2021-05-21

    • 基于畫像技術(shù)的車貨匹配與精準(zhǔn)化推薦方法研究
      簽體系,運(yùn)用協(xié)同過(guò)濾推薦算法挖掘出具有不同業(yè)務(wù)類型的用戶群體,以期為用戶提供精準(zhǔn)化個(gè)性服務(wù)。關(guān)鍵詞:畫像技術(shù);車貨匹配;協(xié)同過(guò)濾中圖分類號(hào):U294??? 文獻(xiàn)標(biāo)識(shí)碼:AAbstract: With the promotion of big data information technology, the vehicle and cargo matching platform develops rapidly, and the market competi

      物流科技 2021年11期2021-05-12

    • 基于協(xié)同過(guò)濾和標(biāo)簽的混合音樂(lè)推薦算法研究
      題,提出一種協(xié)同過(guò)濾技術(shù)和標(biāo)簽相結(jié)合的音樂(lè)推薦算法。該算法先通過(guò)協(xié)同過(guò)濾技術(shù)確定相似用戶,再通過(guò)相似用戶對(duì)某一歌手的標(biāo)簽評(píng)分預(yù)測(cè)另一用戶對(duì)該歌手的偏好程度,從而選擇更符合用戶喜好的音樂(lè)進(jìn)行推薦,以此提升個(gè)性化推薦效率,為優(yōu)化音樂(lè)推薦系統(tǒng)提供參考方法。關(guān)鍵詞:協(xié)同過(guò)濾;標(biāo)簽;音樂(lè)推薦;推薦系統(tǒng)中圖分類號(hào):TP312? ? ?文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):2096-1472(2021)-04-10-04Abstract: Traditional single rec

      軟件工程 2021年4期2021-04-18

    • 基于正則化矩陣分解的電影推薦算法
      于基于用戶的協(xié)同過(guò)濾算法分別降低了14.12%和29.72%。實(shí)驗(yàn)表明,本文提出的推薦算法能夠考慮不同年齡的差異,實(shí)現(xiàn)更加符合用戶實(shí)際的推薦需求,提高了推薦準(zhǔn)確度和穩(wěn)定性,改善了推薦誤差。關(guān)鍵詞:正則矩陣分解;用戶細(xì)分;推薦算法;協(xié)同過(guò)濾中圖分類號(hào): TP391? ? 文獻(xiàn)標(biāo)識(shí)碼: A文章編號(hào):1009-3044(2021)01-0022-02隨著信息技術(shù)的快速發(fā)展,電影娛樂(lè)也成了人們生活的一部分,海量的觀影用戶數(shù)據(jù)帶動(dòng)了觀影用戶的分析和個(gè)性化推薦的應(yīng)用研

      電腦知識(shí)與技術(shù) 2021年1期2021-03-15

    • 融合時(shí)間上下文的改進(jìn)協(xié)同過(guò)濾圖書推薦模型
      :針對(duì)傳統(tǒng)的協(xié)同過(guò)濾推薦算法在高校圖書推薦場(chǎng)景中存在缺乏顯性評(píng)分、推薦精度低等問(wèn)題,提出一種融合時(shí)間上下文的改進(jìn)協(xié)同過(guò)濾圖書推薦模型?;趫D書歷史借閱記錄,首先構(gòu)建基于借閱時(shí)長(zhǎng)的讀者—圖書偏好度模型,將讀者歷史借閱記錄中隱含的借閱偏好信息轉(zhuǎn)換成顯性的讀者—圖書評(píng)分;然后考慮讀者借閱偏好隨時(shí)間動(dòng)態(tài)變化因素,引入時(shí)間衰減因子對(duì)讀者—圖書評(píng)分模型進(jìn)行修正,最后應(yīng)用隱語(yǔ)義模型進(jìn)行個(gè)性化圖書推薦。關(guān)鍵詞:時(shí)間上下文;協(xié)同過(guò)濾;圖書推薦隨著高校圖書館藏圖書資源的日益增

      科技風(fēng) 2021年3期2021-03-15

    • 基于協(xié)同過(guò)濾的醫(yī)學(xué)生智能學(xué)習(xí)推薦系統(tǒng)設(shè)計(jì)
      設(shè)計(jì)一種基于協(xié)同過(guò)濾的醫(yī)學(xué)生智能學(xué)習(xí)推薦系統(tǒng),以臨床醫(yī)學(xué)專業(yè)學(xué)生為例,通過(guò)分析用戶歷史行為,經(jīng)過(guò)數(shù)據(jù)探索與預(yù)處理,應(yīng)用協(xié)同過(guò)濾算法,篩選并推送滿足用戶學(xué)習(xí)興趣和需求的信息和習(xí)題,為用戶提供個(gè)性化服務(wù)。關(guān)鍵詞:協(xié)同過(guò)濾;醫(yī)學(xué)生;智能推薦中圖分類號(hào):TP302.1? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2021)36-0095-02開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):Design of Intelligent Learning Recomm

      電腦知識(shí)與技術(shù) 2021年36期2021-03-07

    • 基于Python的用戶協(xié)同過(guò)濾推薦系統(tǒng)的研究與實(shí)現(xiàn)
      。本文研究了協(xié)同過(guò)濾算法,使用Python語(yǔ)言實(shí)現(xiàn)了基于用戶的協(xié)同過(guò)濾推薦系統(tǒng),構(gòu)建了推薦系統(tǒng)的架構(gòu),給出了實(shí)現(xiàn)個(gè)性化推薦的關(guān)鍵代碼,并在ml-latest-small 數(shù)據(jù)集上對(duì)用戶相似度算法進(jìn)行了測(cè)試。關(guān)鍵詞:相似性;協(xié)同過(guò)濾;推薦系統(tǒng);Python中圖分類號(hào):TP311 ? ? ?文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2020)31-0234-031 概述信息技術(shù)和互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展以及數(shù)據(jù)量爆炸式的增長(zhǎng),將我們帶到了“信息過(guò)載”[1]的時(shí)代

      電腦知識(shí)與技術(shù) 2020年31期2020-12-28

    • 基于Spark的電影推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
      用聚類技術(shù)和協(xié)同過(guò)濾等技術(shù)來(lái)緩解這些問(wèn)題,提升推薦質(zhì)量,從而滿足人們能夠快速地獲取所需信息。然后設(shè)計(jì)出一個(gè)關(guān)于電影的推薦網(wǎng)站,采用現(xiàn)今比較流行的處理大數(shù)據(jù)的Spark[4]技術(shù)以及依托建立在其上層的MLlib機(jī)器學(xué)習(xí)生態(tài)庫(kù)。達(dá)到處理海量數(shù)據(jù)的能力,根據(jù)現(xiàn)有的條件技術(shù)從離線推薦和熱門推薦兩種方式分區(qū)組合推薦來(lái)實(shí)現(xiàn)本系統(tǒng)。關(guān)鍵詞:大數(shù)據(jù);協(xié)同過(guò)濾;Spark;機(jī)器學(xué)習(xí)中圖分類號(hào):TP391 文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2020)33-0080-

      電腦知識(shí)與技術(shù) 2020年33期2020-12-28

    • 一種基于用戶和商品屬性挖掘的協(xié)同過(guò)濾算法
      為了解決傳統(tǒng)協(xié)同過(guò)濾算法數(shù)據(jù)稀疏而導(dǎo)致的推薦不準(zhǔn)確等問(wèn)題,引入商品屬性值的概念,根據(jù)改進(jìn)后的用戶相似度填充用戶?屬性矩陣,最后對(duì)物品興趣程度及商品屬性評(píng)分和進(jìn)行加權(quán)推薦。通過(guò)在電影數(shù)據(jù)集MovieLens上的實(shí)驗(yàn)表明,改進(jìn)后的算法能夠顯著提升推薦準(zhǔn)確率。關(guān)鍵詞: 協(xié)同過(guò)濾; 商品屬性評(píng)分; 用戶興趣評(píng)分; 推薦算法; 混合推薦; 實(shí)驗(yàn)分析中圖分類號(hào): TN911.1?34; TP183 ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼: A ? ? ?

      現(xiàn)代電子技術(shù) 2020年23期2020-12-23

    • 基于Hadoop的東盟電子商務(wù)平臺(tái)的研究與設(shè)計(jì)
      ;數(shù)據(jù)分析;協(xié)同過(guò)濾;業(yè)務(wù);用戶;盈利中圖分類號(hào):F724?文獻(xiàn)識(shí)別碼:A?文章編號(hào):2096-3157(2020)24-0015-032018年11月12日,東南亞國(guó)家聯(lián)盟各國(guó)在新加坡簽署東盟電子商務(wù)協(xié)議,旨在促進(jìn)區(qū)域內(nèi)跨境電商貿(mào)易便利化。東盟電子商務(wù)協(xié)議的簽訂,為東南亞國(guó)家步入電商新時(shí)代帶來(lái)了有利的契機(jī)。與此同時(shí),在電商平臺(tái)系統(tǒng)的研究與設(shè)計(jì)方面也需要加快步伐,這樣才能夠更好地滿足電商企業(yè)入駐的需求。同時(shí),用戶訪問(wèn)過(guò)程中信息瀏覽、商品推送的效率也能大大提

      全國(guó)流通經(jīng)濟(jì) 2020年24期2020-12-23

    • 一種基于營(yíng)養(yǎng)標(biāo)準(zhǔn)的個(gè)性化幼兒套餐推薦方法
      ?!娟P(guān)鍵詞】協(xié)同過(guò)濾;FTRL;多目標(biāo)優(yōu)化;個(gè)性化推薦;營(yíng)養(yǎng)均衡引言近幾年也有基于營(yíng)養(yǎng)標(biāo)準(zhǔn)和食物個(gè)性推薦算法的相關(guān)研究,如利用協(xié)同過(guò)濾并且使用引入差分變 異策略算子的NSGA-2個(gè)性化健康飲食推薦方法[1],基于情境感知的校園餐飲推薦方法[2],利用粒子群,聚類和Slope one等算法的基于營(yíng)養(yǎng)飲食推薦系統(tǒng)研究[3],食材搭配推薦算法 研究[4]則是利用了基于NSGA-2改進(jìn)的MOGA-UP算法和BP算法。本文則在經(jīng)典的協(xié)同過(guò)濾推薦算法LMF和Item

      理論與創(chuàng)新 2020年17期2020-11-16

    • 基于相似偏好模型的產(chǎn)品組合精準(zhǔn)營(yíng)銷策略研究
      用基于用戶的協(xié)同過(guò)濾的算法,刻畫用戶特征,建立用戶相似興趣偏好矩陣。本文建立了一種基于相似偏好用戶的產(chǎn)品組合模型,模型采用TOC約束理論下的產(chǎn)品組合模型為基礎(chǔ),利用約束理論簡(jiǎn)化模型,并用粒子群算法求得滿意解。最后結(jié)合某企業(yè)給出的大量數(shù)據(jù),求解模型,為企業(yè)營(yíng)銷提供有力的數(shù)據(jù)支撐。本文的研究能夠使企業(yè)產(chǎn)品組合營(yíng)銷更加智能、高效、便捷。結(jié)果表明,該方法能夠有效地刻畫用戶偏好,更好地了解客戶需求,提高產(chǎn)品組合套餐的精確性,有利于企業(yè)產(chǎn)品營(yíng)銷。關(guān)鍵詞:用戶興趣偏好;

      青年生活 2020年17期2020-10-21

    • 基于聚類和SVD++的電影推薦系統(tǒng)的研究六
      摘要:傳統(tǒng)的協(xié)同過(guò)濾算法存在著冷啟動(dòng)、數(shù)據(jù)稀疏性和可擴(kuò)展性等關(guān)鍵問(wèn)題,這都使得用戶的歷史播放列表數(shù)據(jù)信息難以獲得,從而導(dǎo)致推薦電影時(shí)精度較低。文章將聚類算法與SVD++模型相結(jié)合,通過(guò)K-means聚類算法將相似用戶根據(jù)評(píng)分聚類的同時(shí),并利用SVD++模型對(duì)聚類后的每個(gè)集群中的評(píng)分矩陣進(jìn)行分解,從而解決相似用戶查找效率低和評(píng)分矩陣數(shù)據(jù)稀疏性的問(wèn)題,使得電影推薦系統(tǒng)具有較高的精度。關(guān)鍵詞:推薦系統(tǒng);協(xié)同過(guò)濾;聚類;SVD++:數(shù)據(jù)稀疏性中圖分類號(hào):TP391

      計(jì)算機(jī)時(shí)代 2020年9期2020-10-09

    • 淺析基于協(xié)同過(guò)濾算法的網(wǎng)上超市系統(tǒng)
      售的擁堵。而協(xié)同過(guò)濾算法可以對(duì)顧客進(jìn)行智能化商品推薦,也可以輔助商家進(jìn)行智能化進(jìn)貨。本文從協(xié)同過(guò)濾算法的基本理論、網(wǎng)上超市系統(tǒng)的功能分析、協(xié)同過(guò)濾算法在網(wǎng)上超市中的應(yīng)用這三個(gè)方面,簡(jiǎn)要介紹了一種基于協(xié)同過(guò)濾算法的網(wǎng)上超市系統(tǒng)。關(guān)鍵詞 網(wǎng)上超市;協(xié)同過(guò)濾;相似性;推薦引言網(wǎng)上超市這個(gè)名字并不新鮮,它與網(wǎng)上商城相似卻又不同。網(wǎng)上超市將實(shí)體店的部分營(yíng)業(yè)方式搬到線上來(lái),采取線上線下結(jié)合的方式進(jìn)行運(yùn)營(yíng)。例如淘寶的“淘鮮達(dá)”,就是一個(gè)眾所周知的網(wǎng)上超市,超市生鮮,1小

      科學(xué)與信息化 2020年27期2020-10-09

    • 基于智能推薦的在線組隊(duì)平臺(tái)
      用基于需求和協(xié)同過(guò)濾的兩種推薦算法進(jìn)行智能推薦,并為平臺(tái)上發(fā)布的每個(gè)團(tuán)隊(duì)需求提供在線聊天室功能,以便需求發(fā)布者和潛在參與者可以實(shí)時(shí)溝通和互動(dòng),達(dá)到快速有效組建團(tuán)隊(duì)的目的。關(guān)鍵詞:在線組隊(duì);智能推薦;需求推薦;協(xié)同過(guò)濾中圖分類號(hào):TP312 文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2020)18-0084-03開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):1 背景在當(dāng)今社會(huì),組隊(duì)參加競(jìng)賽或者參與其他活動(dòng)已成為普遍現(xiàn)象。當(dāng)前組隊(duì)一般在彼此熟識(shí)的人中間進(jìn)行,往往達(dá)

      電腦知識(shí)與技術(shù) 2020年18期2020-10-09

    • 基于SVD填充和用戶特征屬性聚類的混合推薦算法
      :推薦算法;協(xié)同過(guò)濾;奇異值分解;K均值聚類;遺忘曲線中圖分類號(hào):TP301.6? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2020)16-0011-05開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):Abstract: Facing the increasing amount of data in the scoring matrix, it is the key to solve the problem of sparse

      電腦知識(shí)與技術(shù) 2020年16期2020-09-28

    • 基于用戶屬性偏好與時(shí)間因子的服裝推薦研究
      與基于用戶的協(xié)同過(guò)濾(UCF)算法、基于項(xiàng)目的協(xié)同過(guò)濾(ICF)算法及基于項(xiàng)目偏好的協(xié)同過(guò)濾(UCSVD)算法進(jìn)行比較,結(jié)果顯示,UIACF算法準(zhǔn)確率提高14%。該算法為基于用戶的服裝協(xié)同過(guò)濾個(gè)性化推薦提供了一種新思路,用戶潛在興趣挖掘效率更高。關(guān)鍵詞:圖像分類;用戶偏好;協(xié)同過(guò)濾;服裝推薦;時(shí)間因子DOI:10.11907/rjdk.192085開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):中圖分類號(hào):TP301文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1672-7800(2

      軟件導(dǎo)刊 2020年6期2020-07-24

    • 基于社交網(wǎng)絡(luò)的推薦系統(tǒng)研究
      ;矩陣分解;協(xié)同過(guò)濾DOI: 10. 11907/rjdk.192186開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):中圖分類號(hào):TP301文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1672-7800(2020)001-0046-040 引言隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展,大眾社交方式不斷變化,以微博為代表的社交媒體扮演了越來(lái)越重要的角色,作為一種弱關(guān)系社交網(wǎng)絡(luò),其重要特點(diǎn)是信息快速傳播與分享。2018年底,新浪活躍用戶達(dá)3.92億,用戶在使用社交網(wǎng)絡(luò)的過(guò)程中產(chǎn)生了大量數(shù)據(jù),由于數(shù)據(jù)量龐大

      軟件導(dǎo)刊 2020年1期2020-07-14

    • 基于用戶的協(xié)同過(guò)濾推薦算法概述
      技術(shù)都是圍繞協(xié)同過(guò)濾而展開研究的。本文概括介紹了基于用戶協(xié)同過(guò)濾推薦算法的理論思路,并對(duì)協(xié)同過(guò)濾推薦算法的發(fā)展趨勢(shì)做了簡(jiǎn)單的闡述?!娟P(guān)鍵詞】協(xié)同過(guò)濾 ;特征挖掘 ;推薦系統(tǒng) ;基于用戶引言在如今這個(gè)大數(shù)據(jù)時(shí)代,互聯(lián)網(wǎng)應(yīng)用所產(chǎn)生了海量的數(shù)據(jù),那么在這么龐大的數(shù)據(jù)中,必定蘊(yùn)含了豐富的意義,也必定有其應(yīng)用價(jià)值。但是種類之繁雜的海量數(shù)據(jù)對(duì)于用戶來(lái)說(shuō)不全是有用的,用戶提取有用數(shù)據(jù)會(huì)耗費(fèi)大量的時(shí)間成本,因此協(xié)同過(guò)濾推薦算法根據(jù)用戶的需求誕生了。1.協(xié)同過(guò)濾推薦概述1.

      理論與創(chuàng)新 2020年9期2020-07-14

    • 加入懲罰因子的電商平臺(tái)協(xié)同過(guò)濾推薦算法
      多樣,在傳統(tǒng)協(xié)同過(guò)濾推薦算法基礎(chǔ)上,分別將熱門項(xiàng)目與活躍用戶的懲罰因子引入相似性計(jì)算中,依據(jù)準(zhǔn)確度、覆蓋率、流行度等評(píng)價(jià)標(biāo)準(zhǔn),在上海某電商平臺(tái)銷售數(shù)據(jù)集上進(jìn)行比較,并通過(guò)多組實(shí)驗(yàn)驗(yàn)證不同參數(shù)對(duì)推薦算法的影響。結(jié)果顯示,加入懲罰因子后基于用戶的協(xié)同過(guò)濾推薦算法在N值取10、K值取3時(shí),流行度為3.97,比傳統(tǒng)方法降低了7.31%:加入懲罰因子后基于項(xiàng)目的協(xié)同過(guò)濾推薦算法在N值取10、K值取3時(shí),準(zhǔn)確率為7.65%,比傳統(tǒng)方法提高了5.25%。由此證明加入懲罰

      軟件導(dǎo)刊 2020年1期2020-07-14

    • 圖書館書目協(xié)同智能推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)研究
      圍,采用采用協(xié)同過(guò)濾算法計(jì)算讀者相似度,獲取與讀者感興趣相似的結(jié)果,最后根據(jù)相似度得到讀者對(duì)每種圖書感興趣的評(píng)價(jià)值,并根據(jù)評(píng)價(jià)值進(jìn)行圖書館書目智能推薦。仿真實(shí)驗(yàn)結(jié)果表明,該系統(tǒng)可以獲得最優(yōu)的推薦圖書館書目,讀者對(duì)圖書館書目推薦結(jié)果的滿意度高。關(guān)鍵詞:?圖書館書目; 協(xié)同過(guò)濾; 智能推薦; 檢索結(jié)果中圖分類號(hào): G 250? ? ? 文獻(xiàn)標(biāo)志碼: ADesign and Implementation of Library Bibliographic Coll

      微型電腦應(yīng)用 2020年4期2020-06-30

    • 改進(jìn)型協(xié)同過(guò)濾的圖書推薦算法
      性分組的改進(jìn)協(xié)同過(guò)濾算法。該算法首先根據(jù)用戶喜歡的圖書類型去選擇相似用戶,縮小數(shù)據(jù)集,再根據(jù)基于用戶的協(xié)同過(guò)濾算法尋找最近鄰居集合,然后根據(jù)項(xiàng)目推薦值的方法向用戶推薦感興趣的圖書序列。實(shí)驗(yàn)結(jié)果表明:在同一數(shù)據(jù)量下,該算法在推薦數(shù)據(jù)量以及覆蓋率方面均優(yōu)于同類算法。關(guān)鍵詞:?協(xié)同過(guò)濾; 用戶分組; 用戶相似度中圖分類號(hào): TG 4? ? ? 文獻(xiàn)標(biāo)志碼: AA Book Recommendation Algorithm Based on Improved Co

      微型電腦應(yīng)用 2020年4期2020-06-30

    • 大數(shù)據(jù)背景的變頻興趣變化推薦算法研究
      應(yīng)興趣變化的協(xié)同過(guò)濾算法不能反應(yīng)用戶興趣變化的頻率,對(duì)即時(shí)熱點(diǎn)也不足夠敏感。同時(shí),因?yàn)橛?jì)算量大,不適應(yīng)大數(shù)據(jù)場(chǎng)景。為此我們采用對(duì)時(shí)間分層的推薦模型結(jié)合熱點(diǎn)權(quán)重函數(shù),解決了傳統(tǒng)算法存在問(wèn)題,在生產(chǎn)環(huán)境中具備較高的應(yīng)用價(jià)值。關(guān)鍵詞:個(gè)性化推薦;協(xié)同過(guò)濾;推薦算法;興趣變化;大數(shù)據(jù)推薦系統(tǒng);相似度計(jì)算中圖分類號(hào):TP391 ? ? ? ?文獻(xiàn)標(biāo)志碼:A ? ? ? ? 文章編號(hào):2095-2945(2020)20-0014-03Abstract: The exi

      科技創(chuàng)新與應(yīng)用 2020年20期2020-06-29

    • 基于云平臺(tái)的慕課資源協(xié)同過(guò)濾推薦算法
      當(dāng)前慕課資源協(xié)同過(guò)濾推薦算法存在推薦誤差大、無(wú)法實(shí)現(xiàn)在線推薦的難題,為了提高慕課資源協(xié)同過(guò)濾推薦精度,設(shè)計(jì)了基于云平臺(tái)的慕課資源協(xié)同過(guò)濾推薦算法。首先分析慕課資源協(xié)同過(guò)濾推薦的原理,提取慕課資源相似度特征,然后引入k-最近鄰對(duì)慕課資源相似度進(jìn)行評(píng)價(jià),實(shí)現(xiàn)慕課資源分類和協(xié)同過(guò)濾推薦,最后在云平臺(tái)分布式、并行實(shí)現(xiàn)慕課資源協(xié)同過(guò)濾推薦算法,并與傳統(tǒng)算法進(jìn)行了仿真對(duì)比實(shí)驗(yàn)。結(jié)果表明,相對(duì)于傳統(tǒng)算法,提出的算法使得慕課資源協(xié)同過(guò)濾推薦精度得到較高提升,能夠解決當(dāng)前慕

      微型電腦應(yīng)用 2020年5期2020-06-29

    • 基于協(xié)同過(guò)濾算法的旅游推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
      游景點(diǎn)屬性的協(xié)同過(guò)濾算法的旅游推薦系統(tǒng)。該文首先為旅游景點(diǎn)建立評(píng)價(jià)指標(biāo)體系,將指標(biāo)數(shù)據(jù)作為景點(diǎn)屬性進(jìn)行相似度計(jì)算并根據(jù)計(jì)算結(jié)果對(duì)旅游景點(diǎn)進(jìn)行相似分類,結(jié)合協(xié)同過(guò)濾算法計(jì)算用戶相似性并產(chǎn)生專屬景點(diǎn)推薦列表,為用戶提供個(gè)性化旅游推薦。本系統(tǒng)對(duì)河北省11個(gè)城市的旅游景點(diǎn)進(jìn)行推薦。關(guān)鍵詞:旅游推薦;景點(diǎn)屬性;協(xié)同過(guò)濾;相似度中圖分類號(hào):TP311? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2020)35-0064-03開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSI

      電腦知識(shí)與技術(shù) 2020年35期2020-06-07

    • 基于DB-CF算法的音樂(lè)平臺(tái)個(gè)性化推薦研究
      ;然后,通過(guò)協(xié)同過(guò)濾算法計(jì)算對(duì)象用戶與各聚類中心的相似度,再通過(guò)對(duì)比相似度度量矩陣,遍歷離對(duì)象用戶最近的鄰居,通過(guò)鄰居作出評(píng)分預(yù)測(cè)。實(shí)驗(yàn)表明,采用DB-CF算法比傳統(tǒng)算法準(zhǔn)確率提高8%左右,可以產(chǎn)生更準(zhǔn)確的推薦結(jié)果,為用戶帶來(lái)更好的體驗(yàn)。關(guān)鍵詞:音樂(lè)電臺(tái);信息超載;個(gè)性化推薦;協(xié)同過(guò)濾;聚類DOI:10. 11907/rjdk. 192582??????????????????????????????????????????????????????????

      軟件導(dǎo)刊 2020年3期2020-05-28

    • 基于用戶聚類的圖書協(xié)同推薦算法研究
      ? 要:針對(duì)協(xié)同過(guò)濾推薦算法中因圖書評(píng)分?jǐn)?shù)據(jù)稀疏,導(dǎo)致推薦質(zhì)量和推薦效率低的問(wèn)題,提出結(jié)合用戶聚類的圖書協(xié)同過(guò)濾推薦算法。首先將用戶身份特征數(shù)據(jù)和行為數(shù)據(jù)進(jìn)行向量化表示,并利用K-means聚類算法進(jìn)行用戶聚類成為不同的類別;其次計(jì)算目標(biāo)用戶與各類別的距離,并選擇最近距離的類別作為目標(biāo)用戶的檢索空間;最后,從檢索空間中通過(guò)相似度計(jì)算確定目標(biāo)用戶的最近鄰居,在此基礎(chǔ)上產(chǎn)生推薦列表。實(shí)驗(yàn)結(jié)果表明,所提算法能夠有效提高推薦精度,降低推薦所耗時(shí)長(zhǎng)。關(guān)鍵詞:推薦系統(tǒng)

      科技資訊 2020年9期2020-05-13

    亚洲中文字幕日韩| 国产av不卡久久| 老司机福利观看| 国产精品一区www在线观看| 欧美激情在线99| 乱人视频在线观看| 一级黄片播放器| 国产探花在线观看一区二区| 悠悠久久av| 日本成人三级电影网站| 色综合亚洲欧美另类图片| 日韩成人av中文字幕在线观看 | 久久精品国产亚洲网站| 赤兔流量卡办理| 国产精品一区二区性色av| 日产精品乱码卡一卡2卡三| 亚洲18禁久久av| 中国美女看黄片| 欧美极品一区二区三区四区| 三级经典国产精品| 久久精品国产亚洲av香蕉五月| 成人漫画全彩无遮挡| 熟女人妻精品中文字幕| 赤兔流量卡办理| 一进一出抽搐gif免费好疼| 色吧在线观看| 国产亚洲av嫩草精品影院| 亚洲国产精品久久男人天堂| 女同久久另类99精品国产91| 日韩三级伦理在线观看| 国产淫片久久久久久久久| 97热精品久久久久久| 一边摸一边抽搐一进一小说| 国产亚洲av嫩草精品影院| 亚洲国产色片| 亚洲av中文字字幕乱码综合| 日韩一本色道免费dvd| 欧美精品国产亚洲| 乱系列少妇在线播放| 国产在线精品亚洲第一网站| 成人特级黄色片久久久久久久| 少妇丰满av| 一个人免费在线观看电影| 99热全是精品| 特级一级黄色大片| 色噜噜av男人的天堂激情| 亚洲欧美日韩卡通动漫| 欧美国产日韩亚洲一区| 夜夜看夜夜爽夜夜摸| 亚洲美女视频黄频| 美女内射精品一级片tv| 色尼玛亚洲综合影院| 欧美不卡视频在线免费观看| 日韩精品有码人妻一区| 嫩草影院入口| 亚洲人成网站高清观看| 国产高潮美女av| 五月玫瑰六月丁香| 在线免费十八禁| 成人综合一区亚洲| 人妻夜夜爽99麻豆av| 91麻豆精品激情在线观看国产| 免费搜索国产男女视频| 中文字幕人妻熟人妻熟丝袜美| 亚洲精品一卡2卡三卡4卡5卡| 少妇丰满av| 卡戴珊不雅视频在线播放| 免费看日本二区| 日韩成人伦理影院| 国产高清不卡午夜福利| 人人妻,人人澡人人爽秒播| 草草在线视频免费看| 国产精品国产三级国产av玫瑰| 亚洲婷婷狠狠爱综合网| 直男gayav资源| 婷婷精品国产亚洲av| 男女下面进入的视频免费午夜| 校园人妻丝袜中文字幕| 亚洲国产精品久久男人天堂| 我的老师免费观看完整版| 久久人人爽人人爽人人片va| 麻豆乱淫一区二区| 亚洲成av人片在线播放无| 亚洲真实伦在线观看| 中国国产av一级| 国产日本99.免费观看| 日韩在线高清观看一区二区三区| 久久国产乱子免费精品| 亚洲精品久久国产高清桃花| 精品国产三级普通话版| 午夜福利在线观看吧| 亚洲第一电影网av| 在线播放无遮挡| 亚洲一区二区三区色噜噜| 无遮挡黄片免费观看| 国产精品一区二区三区四区久久| 国产精品爽爽va在线观看网站| 日韩强制内射视频| 精品久久久久久久末码| 欧美xxxx性猛交bbbb| 亚洲图色成人| av专区在线播放| 国产欧美日韩精品一区二区| 欧美高清成人免费视频www| 在线天堂最新版资源| 国产成人精品久久久久久| 日韩欧美 国产精品| 神马国产精品三级电影在线观看| av在线观看视频网站免费| 搡女人真爽免费视频火全软件 | 有码 亚洲区| 成人漫画全彩无遮挡| 亚洲精品久久国产高清桃花| 亚洲欧美中文字幕日韩二区| 国产精品一二三区在线看| 特大巨黑吊av在线直播| 精品一区二区三区av网在线观看| 又粗又爽又猛毛片免费看| 亚洲最大成人av| 欧美3d第一页| 欧美区成人在线视频| 亚州av有码| 国产真实乱freesex| 少妇的逼水好多| 自拍偷自拍亚洲精品老妇| av视频在线观看入口| 九九爱精品视频在线观看| 黄色日韩在线| 国产精品日韩av在线免费观看| 日本撒尿小便嘘嘘汇集6| 日韩国内少妇激情av| 欧美bdsm另类| 好男人在线观看高清免费视频| 国产在线男女| 欧美日韩在线观看h| 超碰av人人做人人爽久久| 别揉我奶头~嗯~啊~动态视频| 天堂影院成人在线观看| 成人亚洲欧美一区二区av| 免费av毛片视频| 两个人视频免费观看高清| 午夜激情欧美在线| 日日摸夜夜添夜夜添小说| 国产高清不卡午夜福利| 免费av毛片视频| 成人无遮挡网站| 亚洲av不卡在线观看| 国产av麻豆久久久久久久| 寂寞人妻少妇视频99o| 国产一区二区在线观看日韩| 九色成人免费人妻av| 色播亚洲综合网| 乱系列少妇在线播放| 欧美成人免费av一区二区三区| 天堂影院成人在线观看| 91在线观看av| av.在线天堂| 亚洲美女黄片视频| 亚洲综合色惰| 日本爱情动作片www.在线观看 | 在线天堂最新版资源| 18禁黄网站禁片免费观看直播| 99久久中文字幕三级久久日本| 成人午夜高清在线视频| 三级毛片av免费| 国产亚洲精品综合一区在线观看| 欧美又色又爽又黄视频| 露出奶头的视频| 亚洲最大成人手机在线| 色尼玛亚洲综合影院| 色5月婷婷丁香| av在线蜜桃| 久久这里只有精品中国| 久久中文看片网| 超碰av人人做人人爽久久| 最近在线观看免费完整版| 性欧美人与动物交配| 亚洲三级黄色毛片| 精品少妇黑人巨大在线播放 | 高清毛片免费观看视频网站| 男人狂女人下面高潮的视频| 啦啦啦观看免费观看视频高清| 中国美白少妇内射xxxbb| 日本成人三级电影网站| 色综合亚洲欧美另类图片| 高清毛片免费观看视频网站| 日韩在线高清观看一区二区三区| 国内揄拍国产精品人妻在线| 午夜精品在线福利| 99久久九九国产精品国产免费| 天堂动漫精品| 午夜精品国产一区二区电影 | av在线蜜桃| 免费观看人在逋| av在线老鸭窝| 久久精品国产自在天天线| 亚洲欧美日韩高清专用| 亚洲av二区三区四区| 97在线视频观看| 成人亚洲精品av一区二区| 亚洲第一区二区三区不卡| 欧美一区二区亚洲| 黄色欧美视频在线观看| 99久久精品热视频| 免费看日本二区| 国产成人精品久久久久久| 在线观看美女被高潮喷水网站| 国产大屁股一区二区在线视频| 日本免费一区二区三区高清不卡| 亚洲av第一区精品v没综合| 免费观看在线日韩| 国产精品精品国产色婷婷| 国产精品永久免费网站| 中文字幕av成人在线电影| 日韩av在线大香蕉| 国产午夜精品论理片| 亚洲综合色惰| 女的被弄到高潮叫床怎么办| 男女啪啪激烈高潮av片| 日韩高清综合在线| 日韩大尺度精品在线看网址| 国产一区二区在线观看日韩| 非洲黑人性xxxx精品又粗又长| .国产精品久久| 久久久久久国产a免费观看| 内地一区二区视频在线| 国产av在哪里看| 18禁裸乳无遮挡免费网站照片| 亚洲人成网站在线观看播放| av免费在线看不卡| 中出人妻视频一区二区| 蜜臀久久99精品久久宅男| 午夜福利在线观看吧| 免费av观看视频| 九九久久精品国产亚洲av麻豆| 一级黄片播放器| 熟女电影av网| 欧美zozozo另类| 精品久久久噜噜| 久久国产乱子免费精品| 可以在线观看的亚洲视频| 网址你懂的国产日韩在线| 综合色av麻豆| 亚洲欧美日韩高清在线视频| 日本 av在线| 51国产日韩欧美| 欧美不卡视频在线免费观看| 少妇裸体淫交视频免费看高清| 国产高清三级在线| 日韩精品有码人妻一区| 日本黄色片子视频| 1000部很黄的大片| 禁无遮挡网站| 亚洲最大成人中文| 国产精品日韩av在线免费观看| 99久久成人亚洲精品观看| 久久久午夜欧美精品| 一级毛片我不卡| 中文资源天堂在线| 国产精品三级大全| 成人综合一区亚洲| 草草在线视频免费看| 国产视频内射| 日韩一本色道免费dvd| 一级毛片我不卡| 日韩国内少妇激情av| 女生性感内裤真人,穿戴方法视频| 中文字幕免费在线视频6| 国产精品综合久久久久久久免费| 亚洲精品影视一区二区三区av| 在线播放无遮挡| 波多野结衣高清作品| 欧美极品一区二区三区四区| 精品人妻视频免费看| 老司机影院成人| 亚洲色图av天堂| a级毛片a级免费在线| 国产在线精品亚洲第一网站| 日韩欧美一区二区三区在线观看| 亚洲人成网站在线播| 婷婷精品国产亚洲av在线| 男人的好看免费观看在线视频| 久久精品国产亚洲av涩爱 | 男人和女人高潮做爰伦理| 免费看光身美女| 国产精品爽爽va在线观看网站| 日本一本二区三区精品| 久久久久久久久大av| 精品午夜福利视频在线观看一区| 蜜臀久久99精品久久宅男| 精品欧美国产一区二区三| 少妇高潮的动态图| 欧美性感艳星| 尾随美女入室| 麻豆国产97在线/欧美| 国产av一区在线观看免费| 日本与韩国留学比较| 99在线视频只有这里精品首页| 亚洲av五月六月丁香网| 精品免费久久久久久久清纯| 国产午夜精品论理片| 国产一区二区亚洲精品在线观看| 免费人成在线观看视频色| 日日撸夜夜添| 精品人妻一区二区三区麻豆 | 最近的中文字幕免费完整| 亚洲中文字幕日韩| 久久久久九九精品影院| 在线观看66精品国产| 一个人免费在线观看电影| 日韩欧美在线乱码| 狂野欧美激情性xxxx在线观看| 亚洲av成人精品一区久久| 精品一区二区免费观看| 亚洲国产精品国产精品| 日韩中字成人| 国产精品久久久久久久久免| 亚洲成人精品中文字幕电影| 桃色一区二区三区在线观看| 国产三级中文精品| 亚洲成人久久爱视频| 日本-黄色视频高清免费观看| av视频在线观看入口| 成人一区二区视频在线观看| 12—13女人毛片做爰片一| 国产黄色小视频在线观看| 亚洲天堂国产精品一区在线| 欧美区成人在线视频| 成人特级av手机在线观看| av在线老鸭窝| 黑人高潮一二区| 啦啦啦啦在线视频资源| 国产一区二区三区av在线 | 老司机午夜福利在线观看视频| 免费无遮挡裸体视频| www.色视频.com| 欧美xxxx黑人xx丫x性爽| 久久久精品大字幕| 精品一区二区免费观看| 尤物成人国产欧美一区二区三区| 色综合亚洲欧美另类图片| 国产91av在线免费观看| www日本黄色视频网| 干丝袜人妻中文字幕| 日产精品乱码卡一卡2卡三| 狂野欧美白嫩少妇大欣赏| 老熟妇乱子伦视频在线观看| 波多野结衣高清作品| 中文字幕精品亚洲无线码一区| 97超碰精品成人国产| 久久这里只有精品中国| 直男gayav资源| 久久亚洲精品不卡| 精品久久久久久久久久久久久| 日韩精品有码人妻一区| 一卡2卡三卡四卡精品乱码亚洲| 亚洲乱码一区二区免费版| 欧美色欧美亚洲另类二区| 久久久午夜欧美精品| 一进一出抽搐动态| 亚洲精品在线观看二区| 日本撒尿小便嘘嘘汇集6| 神马国产精品三级电影在线观看| 国产精品一二三区在线看| 婷婷精品国产亚洲av在线| 一级黄片播放器| 国产乱人视频| 秋霞在线观看毛片| 日韩欧美精品v在线| 干丝袜人妻中文字幕| 欧美日本亚洲视频在线播放| 麻豆av噜噜一区二区三区| 2021天堂中文幕一二区在线观| 午夜激情福利司机影院| 亚洲乱码一区二区免费版| 久久99热6这里只有精品| 男人舔奶头视频| 中文字幕精品亚洲无线码一区| 嫩草影视91久久| 国产精品国产高清国产av| 欧美日韩乱码在线| 色综合色国产| 卡戴珊不雅视频在线播放| 白带黄色成豆腐渣| 午夜福利在线观看吧| 成人亚洲欧美一区二区av| 在线观看午夜福利视频| av天堂中文字幕网| 一本久久中文字幕| 国产一级毛片七仙女欲春2| 一边摸一边抽搐一进一小说| 欧美三级亚洲精品| 国产精品一区www在线观看| 精品人妻偷拍中文字幕| 99热6这里只有精品| 人人妻,人人澡人人爽秒播| 日本撒尿小便嘘嘘汇集6| 国产精品福利在线免费观看| 老司机午夜福利在线观看视频| www日本黄色视频网| 校园春色视频在线观看| 久久精品国产清高在天天线| 黄色欧美视频在线观看| 欧美性猛交黑人性爽| 日韩欧美在线乱码| 激情 狠狠 欧美| 97超碰精品成人国产| 偷拍熟女少妇极品色| 久久久久免费精品人妻一区二区| 精品免费久久久久久久清纯| 亚洲av二区三区四区| 在线观看午夜福利视频| 人妻夜夜爽99麻豆av| 亚洲成人久久爱视频| 亚洲精品在线观看二区| 亚洲欧美精品综合久久99| eeuss影院久久| 亚洲不卡免费看| 菩萨蛮人人尽说江南好唐韦庄 | 99国产精品一区二区蜜桃av| 亚洲专区国产一区二区| 精品欧美国产一区二区三| 欧美一区二区精品小视频在线| 三级毛片av免费| 午夜影院日韩av| 国产精品一二三区在线看| 18禁黄网站禁片免费观看直播| 免费黄网站久久成人精品| 日日撸夜夜添| 国产欧美日韩精品一区二区| 一级毛片久久久久久久久女| 成年版毛片免费区| 久久国内精品自在自线图片| 欧美+亚洲+日韩+国产| 亚洲一区高清亚洲精品| 男女下面进入的视频免费午夜| 精品人妻一区二区三区麻豆 | 内地一区二区视频在线| 亚洲精品色激情综合| 日日摸夜夜添夜夜添小说| 听说在线观看完整版免费高清| 欧美日韩国产亚洲二区| 嫩草影院入口| 免费在线观看影片大全网站| 少妇人妻精品综合一区二区 | www.色视频.com| 国产成人a区在线观看| 国产黄a三级三级三级人| 欧美高清成人免费视频www| 日本爱情动作片www.在线观看 | 国产真实乱freesex| 日本五十路高清| 老司机福利观看| 亚洲av.av天堂| 免费人成在线观看视频色| 国产一区二区三区在线臀色熟女| 国产精品一区二区三区四区免费观看 | 国产视频内射| a级毛色黄片| 全区人妻精品视频| 午夜激情欧美在线| 精品久久久久久久久亚洲| 99久久成人亚洲精品观看| 亚洲av成人av| 国产成人一区二区在线| 18禁在线无遮挡免费观看视频 | 欧美在线一区亚洲| 国产成人一区二区在线| 中国国产av一级| 国产探花在线观看一区二区| 99久久精品热视频| 高清毛片免费看| 悠悠久久av| 一区二区三区四区激情视频 | 午夜日韩欧美国产| 91久久精品国产一区二区三区| 国产精品野战在线观看| 国产精品人妻久久久影院| 久久久久精品国产欧美久久久| 成人国产麻豆网| 女的被弄到高潮叫床怎么办| 精品人妻视频免费看| 色视频www国产| 国产三级在线视频| 久久99热6这里只有精品| 日日啪夜夜撸| 最近2019中文字幕mv第一页| 日本免费一区二区三区高清不卡| 麻豆国产av国片精品| 你懂的网址亚洲精品在线观看 | 亚洲乱码一区二区免费版| 精品无人区乱码1区二区| 日日啪夜夜撸| 亚洲aⅴ乱码一区二区在线播放| 中国美白少妇内射xxxbb| 黄色视频,在线免费观看| 在线免费观看不下载黄p国产| 国产欧美日韩精品一区二区| 色综合亚洲欧美另类图片| 亚洲av免费高清在线观看| 女同久久另类99精品国产91| 亚洲精品国产av成人精品 | 国产亚洲精品久久久com| 日韩欧美国产在线观看| 国产精品,欧美在线| 最近最新中文字幕大全电影3| 亚洲av.av天堂| 国产精品嫩草影院av在线观看| 一个人看的www免费观看视频| 亚洲五月天丁香| 精品福利观看| 毛片一级片免费看久久久久| 久久精品国产99精品国产亚洲性色| 欧美一区二区精品小视频在线| 久久久国产成人免费| 亚洲成人久久性| 精品一区二区三区视频在线| 网址你懂的国产日韩在线| 欧美zozozo另类| .国产精品久久| 免费观看的影片在线观看| 寂寞人妻少妇视频99o| 国产精品嫩草影院av在线观看| 免费在线观看影片大全网站| 午夜福利视频1000在线观看| 精品熟女少妇av免费看| 97热精品久久久久久| 在线观看免费视频日本深夜| 一级毛片我不卡| 午夜福利在线观看免费完整高清在 | 国产一级毛片七仙女欲春2| 日本一二三区视频观看| 夜夜看夜夜爽夜夜摸| 高清毛片免费观看视频网站| 国产老妇女一区| 99riav亚洲国产免费| 高清午夜精品一区二区三区 | 一本一本综合久久| 夜夜看夜夜爽夜夜摸| 亚洲精品国产av成人精品 | 日本欧美国产在线视频| 亚洲中文字幕一区二区三区有码在线看| 婷婷亚洲欧美| 国产黄色小视频在线观看| 欧美+日韩+精品| 日日干狠狠操夜夜爽| 欧美不卡视频在线免费观看| 欧美zozozo另类| 变态另类成人亚洲欧美熟女| 日韩亚洲欧美综合| 日韩欧美精品v在线| 亚洲在线自拍视频| 日本爱情动作片www.在线观看 | 啦啦啦啦在线视频资源| 久久久久久久久久黄片| 国产精品野战在线观看| 天天躁日日操中文字幕| 欧美又色又爽又黄视频| 国产aⅴ精品一区二区三区波| 美女xxoo啪啪120秒动态图| 成人高潮视频无遮挡免费网站| 在线观看午夜福利视频| 日本与韩国留学比较| 久久久久久久亚洲中文字幕| 校园人妻丝袜中文字幕| 国产女主播在线喷水免费视频网站 | 熟女电影av网| 啦啦啦啦在线视频资源| 欧美精品国产亚洲| 欧美不卡视频在线免费观看| 久久精品夜色国产| 91麻豆精品激情在线观看国产| 国产伦在线观看视频一区| 久久午夜亚洲精品久久| 少妇丰满av| 久久久久久久久中文| 亚洲高清免费不卡视频| 免费看a级黄色片| 成人美女网站在线观看视频| 女人十人毛片免费观看3o分钟| 在线观看av片永久免费下载| 亚洲人成网站在线播| 九九热线精品视视频播放| 亚洲人成网站在线播放欧美日韩| 女人被狂操c到高潮| 长腿黑丝高跟| 免费无遮挡裸体视频| 久久人人爽人人片av| 亚洲av美国av| 大香蕉久久网| 99热全是精品| 精品午夜福利在线看| 成人高潮视频无遮挡免费网站| 最近2019中文字幕mv第一页| 高清日韩中文字幕在线| 两性午夜刺激爽爽歪歪视频在线观看| 国产人妻一区二区三区在| 久久婷婷人人爽人人干人人爱| 久久亚洲国产成人精品v| 在现免费观看毛片| 日本 av在线| 日韩成人伦理影院| 欧美色视频一区免费| 亚洲欧美成人综合另类久久久 | 乱码一卡2卡4卡精品| 搡老妇女老女人老熟妇| 99久久久亚洲精品蜜臀av| 高清毛片免费看| 偷拍熟女少妇极品色| 99久久久亚洲精品蜜臀av| 久久久久久久久久久丰满| 深爱激情五月婷婷| 99久久久亚洲精品蜜臀av| 尤物成人国产欧美一区二区三区| 天美传媒精品一区二区|