亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于Apriori關(guān)聯(lián)規(guī)則在信息無障礙網(wǎng)站的應(yīng)用

        2013-10-15 04:03:10張偉紅
        關(guān)鍵詞:項(xiàng)集日志網(wǎng)頁

        王 玉,張偉紅,劉 雨

        (吉林大學(xué) 應(yīng)用技術(shù)學(xué)院,長春 130012)

        0 引 言

        信息無障礙是指無論健全人還是殘疾人、無論年輕人還是老年人都能從信息技術(shù)中獲益,任何人在任何情況下都能平等、方便、無障礙地獲取和利用信息。

        目前國內(nèi)外的信息無障礙研究主要集中在相關(guān)的理論研究與技術(shù)研究。早在2002年就有學(xué)者對阿拉巴馬州政府網(wǎng)站進(jìn)行了無障礙水平評價(jià),結(jié)果顯示,無障礙水平雖有相當(dāng)?shù)倪M(jìn)步,但水平仍然偏低,進(jìn)而提出通過標(biāo)準(zhǔn)推動聯(lián)邦一級公共部門實(shí)現(xiàn)信息無障礙。2006年Shadi[1]試圖通過建立語義網(wǎng)絡(luò)技術(shù)數(shù)據(jù)模型,對網(wǎng)頁進(jìn)行自動化易讀性評價(jià)。Stuart[2]研究顯示,交互式語音瀏覽器能為弱視的用戶提供可訪問世界各地網(wǎng)頁的工具。Vicente[3]對網(wǎng)頁內(nèi)容易讀性指導(dǎo)方針W3C的WCAG進(jìn)行分析,以方便殘疾人士使用瀏覽器獲取信息,并對網(wǎng)頁無障礙程度的評價(jià)工具進(jìn)行了分析。我國在這方面的研究相對滯后。

        通過實(shí)現(xiàn)信息無障礙,加大社會宣傳,促進(jìn)政府、企業(yè)相關(guān)部門加大建設(shè)信息無障礙力度,可使更多的人群在信息社會中受益。通過實(shí)現(xiàn)網(wǎng)頁無障礙的相關(guān)新聞、最新政策的發(fā)布、信息無障礙行業(yè)標(biāo)準(zhǔn)技術(shù)發(fā)表等,提高政府、企業(yè)相關(guān)部門對信息無障礙的認(rèn)識、呼吁全社會關(guān)心信息無障礙事業(yè),加速網(wǎng)站無障礙事業(yè)的發(fā)展。筆者旨在通過在Web日志數(shù)據(jù)中挖掘關(guān)聯(lián)規(guī)則以指導(dǎo)信息無障礙網(wǎng)站的設(shè)計(jì)與開發(fā)。根據(jù)3次點(diǎn)擊原則及網(wǎng)站結(jié)構(gòu)設(shè)計(jì)的特點(diǎn),針對大量用戶對網(wǎng)站頁面URL的訪問頻率等信息通過Apriori算法實(shí)現(xiàn)數(shù)據(jù)挖掘,以尋找用戶訪問頁面之間的關(guān)聯(lián)規(guī)則,優(yōu)化網(wǎng)站結(jié)構(gòu),實(shí)現(xiàn)網(wǎng)站信息無障礙化。

        1 數(shù)據(jù)挖掘相關(guān)技術(shù)

        數(shù)據(jù)挖掘是指從大量的、模糊的、不完全的、隨機(jī)的數(shù)據(jù)中提取隱含的,人們無法用肉眼發(fā)現(xiàn)的一些潛在的信息和知識的過程,數(shù)據(jù)挖掘技術(shù)已在社會各方面得到廣泛應(yīng)用[4,5]。數(shù)據(jù)挖掘是通過分析每個(gè)數(shù)據(jù),從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)。主要包含數(shù)據(jù)準(zhǔn)備、規(guī)律尋找和規(guī)律表示3個(gè)步驟。數(shù)據(jù)準(zhǔn)備是從相關(guān)的數(shù)據(jù)源中選取所需的數(shù)據(jù)并整合成用于數(shù)據(jù)挖掘的數(shù)據(jù)集; 規(guī)律尋找是用某種方法將數(shù)據(jù)集所含的規(guī)律找出來;規(guī)律表示是盡可能以用戶可理解的方將找出的規(guī)律表示出來。數(shù)據(jù)挖掘的任務(wù)可分為關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、數(shù)據(jù)聚類、分類知識發(fā)現(xiàn)、序列模式發(fā)現(xiàn)和趨勢預(yù)測等,典型數(shù)據(jù)挖掘系統(tǒng)結(jié)構(gòu)如圖1所示。

        圖1 典型數(shù)據(jù)挖掘系統(tǒng)結(jié)構(gòu)

        數(shù)據(jù)挖掘是在數(shù)據(jù)庫領(lǐng)域中占比較重要地位的領(lǐng)域,國內(nèi)外數(shù)據(jù)挖掘的發(fā)展趨勢及其研究方向主要有知識發(fā)現(xiàn)方法的研究及應(yīng)用。目前大部分有關(guān)數(shù)據(jù)挖掘的研究主要集中在數(shù)據(jù)挖掘的數(shù)據(jù)總結(jié)、分類、聚類和關(guān)聯(lián)規(guī)則等方面。關(guān)聯(lián)規(guī)則挖掘作為數(shù)據(jù)挖掘的核心內(nèi)容之一,近年來得到了很快的發(fā)展,并成為當(dāng)今數(shù)據(jù)挖掘的熱點(diǎn)。

        網(wǎng)站的數(shù)據(jù)挖掘主要是對Web日志的挖掘[6,7],Web日志如何產(chǎn)生這里不再進(jìn)行詳細(xì)介紹。Web日志挖掘主要分為數(shù)據(jù)的預(yù)處理、數(shù)據(jù)發(fā)現(xiàn)、模式識別和模式分析5個(gè)步驟。在模式識別中,主要用了路徑分析和關(guān)聯(lián)規(guī)則兩種技術(shù)。

        1.1 數(shù)據(jù)預(yù)處理

        用戶訪問網(wǎng)站后,在Web日志中會產(chǎn)生一系列的數(shù)據(jù),這些數(shù)據(jù)不能完全被人們用到,如網(wǎng)站的結(jié)構(gòu)都會產(chǎn)生Web日志,還有一些圖片等無用的數(shù)據(jù)。數(shù)據(jù)預(yù)處理是對那些人們用不到的數(shù)據(jù),即被稱為“臟”數(shù)據(jù)進(jìn)行處理[8]。這些處理主要用一些數(shù)據(jù)庫的操作語言實(shí)現(xiàn)的,把這些語言嵌套在實(shí)現(xiàn)數(shù)據(jù)挖掘的程序代碼中,在其進(jìn)行數(shù)據(jù)挖掘前,由程序自動清理。數(shù)據(jù)預(yù)處理是個(gè)重要的過程,如果在這個(gè)過程對數(shù)據(jù)不能進(jìn)行有效處理,將會影響到后面的操作,出現(xiàn)結(jié)果不準(zhǔn)確等問題。

        1.2 數(shù)據(jù)發(fā)現(xiàn)

        數(shù)據(jù)發(fā)現(xiàn)主要是通過一些程序處理,把Web日志中對人們有用的數(shù)據(jù)存儲到事務(wù)數(shù)據(jù)庫中,以便以后對這些數(shù)據(jù)的應(yīng)用。這里把能用到的數(shù)據(jù)單獨(dú)放到一個(gè)容器,就可以對容器進(jìn)行操作,提高了程序執(zhí)行的速度和效率。

        1.3 關(guān)聯(lián)規(guī)則

        關(guān)聯(lián)規(guī)則最早是Agrawal等[9,10]于1993年提出的,假設(shè)I是項(xiàng)的集合,給定一個(gè)交易數(shù)據(jù)庫D,其中每個(gè)事務(wù)T是I的非空子集,即每個(gè)交易都與一個(gè)唯一的標(biāo)識符TID(Transaction IDentity)對應(yīng)。設(shè)一個(gè)X項(xiàng)集,T中包含A。關(guān)聯(lián)規(guī)則是形如X?Y的蘊(yùn)含式,在D中的支持度S是D中事務(wù)同時(shí)包含項(xiàng)集X、項(xiàng)集Y的百分比,即概率; 置信度c是包含X的事務(wù)中同時(shí)又包含Y的百分比,即條件概率。

        同時(shí)滿足最小支持度閾值和最小置信度閾值的規(guī)則成為強(qiáng)規(guī)則,這些閾值是根據(jù)挖掘需要人為設(shè)定的。關(guān)聯(lián)規(guī)則的挖掘一般分為兩個(gè)步驟:1)找出所有頻繁項(xiàng)集,這些項(xiàng)集的支持度必須滿足用戶給定的最小支持度; 2)根據(jù)找出的頻繁項(xiàng)集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則,這些規(guī)則必須滿足最小支持度和最小可信度。

        支持度和置信度是描述關(guān)聯(lián)規(guī)則的兩個(gè)重要概念,前者用于衡量關(guān)聯(lián)規(guī)則在整個(gè)數(shù)據(jù)庫中的統(tǒng)計(jì)重要性,后者用于衡量關(guān)聯(lián)規(guī)則的可信程度。一般來說,只有支持度和置信度均較高的關(guān)聯(lián)規(guī)則才可能是用戶感興趣、有用的關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則的挖掘問題就是在事務(wù)數(shù)據(jù)庫D中找出具有用戶給定的最小支持度minsup和最小置信度minconf的關(guān)聯(lián)規(guī)則。若support(X?Y)≥minsup且confidence(X?Y)≥minconf,稱關(guān)聯(lián)規(guī)則X?Y為強(qiáng)規(guī)則。

        2 基于改進(jìn)的Apriori算法的Web日志挖掘過程

        Apriori 算法是最有影響的挖掘布爾關(guān)聯(lián)規(guī)則頻繁項(xiàng)集的算法之一,Apriori 算法使用頻繁項(xiàng)集性質(zhì)的先驗(yàn)知識,是最有影響的挖掘布爾型關(guān)聯(lián)規(guī)則頻繁項(xiàng)集的算法[11]。Apriori算法基于Apriori性質(zhì)----頻繁項(xiàng)集的所有非空子集都必須是頻繁的,以壓縮搜索空間。筆者主要利用Apriori算法找出數(shù)據(jù)的關(guān)聯(lián)規(guī)則,通過關(guān)聯(lián)規(guī)則挖掘的實(shí)現(xiàn)找出事務(wù)數(shù)據(jù)之間的關(guān)系。

        2.1 Apriori算法

        Apriori算法查找頻繁項(xiàng)集的基本思想是:首先找出所有的頻繁集,這些項(xiàng)集出現(xiàn)的頻繁性至少和預(yù)定義的最小支持度一樣; 然后由頻繁項(xiàng)集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則,這些規(guī)則必須滿足最小支持度和最小可信度; 再由找到的頻繁項(xiàng)集產(chǎn)生期望的規(guī)則。一旦這些規(guī)則被生成,則只有大于用戶給定的最小可信度的規(guī)則才被保留。

        Apriori算法在第1次迭代時(shí),由I直接構(gòu)成候選I項(xiàng)目集的集合CI,若I={i1,i2,…,im},則CI={{i1},{i2},…,{im}}。Apriori算法在第k次迭代中,先根據(jù)上一次迭代過程中找到的頻繁項(xiàng)目集的集合Fk-1產(chǎn)生本次迭代的候選項(xiàng)目集的集合Ck; 然后為Ck中的每個(gè)項(xiàng)目集分配一個(gè)初始為零的計(jì)數(shù)器,依次掃描數(shù)據(jù)集D中的事務(wù),確定包含在每條事務(wù)中并且屬于Ck的項(xiàng)目集,增加這些項(xiàng)目集的計(jì)數(shù)器值,在所有事務(wù)都掃描完后即可得到Ck中各項(xiàng)目集的支持?jǐn)?shù),根據(jù)數(shù)據(jù)集D的事務(wù)總數(shù)|D|和最小支持度計(jì)算各項(xiàng)目集的支持度就可確定Ck中頻繁項(xiàng)目集。重復(fù)上述過程直到?jīng)]有新的項(xiàng)目集產(chǎn)生為止。

        為生成所有頻集,使用了遞歸的方法。首先找到頻繁1-項(xiàng)集的集合,記作L1,用L1找出頻繁項(xiàng)集L2,以此類推直到最后找到的項(xiàng)集為空時(shí)為止。

        算法結(jié)構(gòu)化描述過程如下:

        1)L1=find_frequent_1-itemsets(D);//挖掘頻繁1-項(xiàng)集

        2)for (k=2;Lk-1≠Φ;k++){

        3)Ck=apriori_gen(Lk-1,min_sup);//調(diào)用apriori_gen方法生成候選頻繁k-項(xiàng)集

        4)for each transactiont∈D{//掃描事務(wù)數(shù)據(jù)庫D

        5)Ct=subset(Ck,t);

        6)for each candidatec∈Ct

        7)c.count++;//統(tǒng)計(jì)候選頻繁k-項(xiàng)集的計(jì)數(shù)

        8)}

        9)Lk={c∈Ck|c.count≥min_sup} //滿足最小支持度的k-項(xiàng)集即為頻繁k-項(xiàng)集

        10)}

        11)returnL=∪kLk;//合并頻繁k-項(xiàng)集(k>0)

        2.2 針對無障礙Web訪問的算法改進(jìn)

        在Apriori算法用于網(wǎng)頁鏈接關(guān)系的發(fā)現(xiàn)中,Apriori算法中的事務(wù)對應(yīng)于用戶的一次訪問活動,數(shù)據(jù)集對應(yīng)于網(wǎng)頁頁面集,通過應(yīng)用Apriori算法來找到網(wǎng)頁頁面的鏈接關(guān)系。但如果直接應(yīng)用Apriori算法挖掘網(wǎng)頁結(jié)構(gòu)的頻繁集,頻繁集數(shù)量會非常龐大,特別是發(fā)現(xiàn)頻繁集在最壞情況下可達(dá)到指數(shù)級,使其難以應(yīng)用到現(xiàn)實(shí)的頁面關(guān)系挖掘中。

        圖2 基于Apriori算法的數(shù)據(jù)挖掘過程

        根據(jù)交互設(shè)計(jì)領(lǐng)域的基本理論之一的“3次點(diǎn)擊”原則,即對于Web設(shè)計(jì)來說,如果用戶在3次點(diǎn)擊中無法找到信息或完成網(wǎng)站功能,用戶就會對該網(wǎng)站失去耐心,對信息無障礙網(wǎng)站的設(shè)計(jì)和開發(fā)更需要遵循這樣的設(shè)計(jì)原則。因此,信息無障礙網(wǎng)站在網(wǎng)站的結(jié)構(gòu)設(shè)計(jì)上最多只設(shè)置3層鏈接深度,即從網(wǎng)站首頁開始到網(wǎng)站任意子頁面不超過3層鏈接。

        根據(jù)上述網(wǎng)站結(jié)構(gòu)的特點(diǎn),網(wǎng)頁之間的超鏈接不超過3個(gè)網(wǎng)頁,所以對于發(fā)現(xiàn)網(wǎng)頁之間的頻繁集而言,只需要發(fā)現(xiàn)頻繁3-項(xiàng)集即可,而不必發(fā)現(xiàn)大于3-項(xiàng)集的頻繁集,基于Web日志的Apriori改進(jìn)算法,使頻繁集的挖掘大大減少,不僅可滿足網(wǎng)站的需要,而且降低了算法的時(shí)間復(fù)雜度。

        基于改進(jìn)的Apriori算法的數(shù)據(jù)挖掘過程如圖2所示。

        2.3 算法實(shí)現(xiàn)過程

        算法實(shí)現(xiàn)及結(jié)果如下。

        Step1 數(shù)據(jù)收集及數(shù)據(jù)凈化處理。從服務(wù)端獲得Web日志數(shù)據(jù)庫信息,刪除日志文件中不是由用戶請求,而是由瀏覽器自動請求產(chǎn)生的訪問記錄。圖3是經(jīng)過處理后的數(shù)據(jù)庫。

        圖3 數(shù)據(jù)預(yù)處理后的Web日志數(shù)據(jù)庫

        Step2 對Web日志進(jìn)行預(yù)處理,得到事務(wù)數(shù)據(jù)庫。事務(wù)數(shù)據(jù)庫主要由用戶IP及每次訪問的URL信息組成。

        Step3 掃描事務(wù)數(shù)據(jù)庫,計(jì)算每個(gè)數(shù)據(jù)項(xiàng)出現(xiàn)的次數(shù)。根據(jù)給定的最小支持度(0.8),挖掘出挖掘頻繁1-項(xiàng)集的集合,每項(xiàng)的支持度都必須大于或等于0.8。

        Step4 挖掘頻繁1-項(xiàng)集自身連接,重復(fù)Step3的操作,產(chǎn)生候選頻繁2-項(xiàng)集; 再根據(jù)給出的最小支持度(0.8)挖掘出挖掘頻繁2-項(xiàng)集。

        Step5 挖掘頻繁2-項(xiàng)集的自身連接,重復(fù)Step3的操作,產(chǎn)生候選頻繁3-項(xiàng)集,因?yàn)槠渥陨磉B接產(chǎn)生的子集為空; 再根據(jù)給出的最小支持度(0.8)挖掘出挖掘頻繁3-項(xiàng)集。

        Step6 執(zhí)行上述過程后,程序會根據(jù)Apriori的頻繁項(xiàng)集的所有子集都是頻繁原理進(jìn)行剪枝操作,把不符合要求的數(shù)據(jù)刪除,從而產(chǎn)生頻繁項(xiàng)集,最終通過程序的挖掘獲得關(guān)聯(lián)規(guī)則。

        各步驟結(jié)果及數(shù)據(jù)挖掘發(fā)現(xiàn)的關(guān)聯(lián)規(guī)則如圖4所示。

        圖4 數(shù)據(jù)挖掘結(jié)果

        通過上面的步驟實(shí)現(xiàn)了數(shù)據(jù)的挖掘,找到了需要的關(guān)聯(lián)規(guī)則,通過這些數(shù)據(jù)可找出訪問網(wǎng)站的用戶在瀏覽這個(gè)網(wǎng)頁的同時(shí)還喜歡瀏覽的網(wǎng)頁類型,以便為其做出推薦。

        3 結(jié) 語

        通過上述工作,達(dá)到了信息無障礙網(wǎng)站設(shè)計(jì)的基本目標(biāo),網(wǎng)站可通過用戶在訪問網(wǎng)站時(shí)Web日志數(shù)據(jù)庫中的信息,利用數(shù)據(jù)挖掘方法分析得到用戶訪問網(wǎng)頁之間的鏈接關(guān)系,通過分析網(wǎng)站結(jié)構(gòu),結(jié)合“3次點(diǎn)擊”原則,在網(wǎng)站的結(jié)構(gòu)設(shè)計(jì)上最多只設(shè)置3層鏈接深度,頻繁項(xiàng)集只需發(fā)現(xiàn)網(wǎng)站頻繁3-項(xiàng)集即可,針對此結(jié)構(gòu)特征,減少了數(shù)據(jù)集的復(fù)雜性,有效降低了算法的時(shí)間復(fù)雜度。

        上述過程是對訪問過網(wǎng)站所有用戶的數(shù)據(jù)進(jìn)行分析,產(chǎn)生的關(guān)聯(lián)規(guī)則適用于大多數(shù)用戶。下一步工作則主要通過對每個(gè)IP地址進(jìn)行分析,借助上述方法找到每個(gè)IP地址訪問內(nèi)容的關(guān)聯(lián)規(guī)則,了解每個(gè)用戶感興趣的網(wǎng)頁,以實(shí)現(xiàn)對每個(gè)用戶進(jìn)行內(nèi)容推薦,進(jìn)一步完善網(wǎng)站,讓更多人受益。

        參考文獻(xiàn):

        [1] SHADI ABOU-ZAH RA.A Data Model to Facilitate the Automation of Web Accessibility Evaluations[J].Electronic Notes in Theoretical Computer Science,2006,157(2):3-9.

        [2]STUART GOOSE.Enhancing Web Accessibility via the Vox Portal and a Web-Hosted Dynamic HTML ? VoxML Converter[J].Computer Networks,2000,33(6):583-592.

        [3]VICENTE LUQUE CENTENO.Web Accessibility Evaluation Tools:A Survey and Some Improvements[J].Electronic Notes in Theoretical Computer Science,2006,157(2):87-100.

        [4]孫兵,劉雯,田地,等.基于時(shí)間序列的數(shù)據(jù)挖掘在證券中的應(yīng)用[J].吉林大學(xué)學(xué)報(bào):信息科學(xué)版,2010,28(3):270-274.

        SUN Bing,LIU Wen,TIAN Di,et al.Application of Time Series Data Mining on Security Analysis[J].Journal of Jilin University:Information Science Edition,2010,28(3):270-274.

        [5]于曼,胡明,金剛,等.關(guān)聯(lián)規(guī)則算法的電信網(wǎng)絡(luò)告警應(yīng)用[J].吉林大學(xué)學(xué)報(bào):信息科學(xué)版,2010,28(3):264-269.

        YU Man,HU Ming,JIN Gang,et al.Association Rules Algorithm Applied to Telecommunications Network Alarms[J].Journal of Jilin University:Information Science Edition,2010,28(3):264-269.

        [6]湯恒耀,占曉燕.基于Web日志挖掘的信息無障礙網(wǎng)站設(shè)計(jì)研究[J].電腦知識與技術(shù),2011,7(4):3261-3262.

        TANG Heng-yao,ZHAN Xiao-yan.The Research of the Accessibility Website Design Baed on Web Log Mining[J].Computer Knowledge and Technology,2011,7(4):3261-3262.

        [7]宋淑彩,祁愛華,王劍雄.面向Web的數(shù)據(jù)挖掘技術(shù)在網(wǎng)站優(yōu)化中的個(gè)性化推薦方法的研究與應(yīng)用[J].科技通報(bào),2012,28(2):117-119.

        SONG Shu-cai,QI Ai-hua,WANG Jian-xiong.Facing the Web Site of the Data Mining Technology in the Opti-Mization of Personalized Recommendation Methods of Research and Application[J].Bulletin of Science and Technology,2012,28(2):117-119.

        [8]姚洪波,楊炳儒.Web日志挖掘數(shù)據(jù)預(yù)處理過程技術(shù)研究[J].微計(jì)算機(jī)信息,2006,22(18):234-236.

        YAO Hong-bo,YANG Bing-ru.Research of Data Preparatin Based on Design Based on Web Log[J].Micro Computer Information,2006,22(18):234-236.

        [9]AGRAWAL R,IMILIENSKI T,SWAMI A.Mining Association Rules between Sets of Items in Large Database[C]∥SIGMOD.Washington DC:[s.n.],1993:207-216.

        [10]AGRAWAL R,SRIKANT R.Fast Algorithms for Mining Association Rules[C]Proceedings of the 20thInternational Conference on Very Large Databases.Santiago,Chile:[s.n.],1994:487-499.

        [11]畢永成.Web日志處理中Apriori算法及其改進(jìn)[J].電腦知識與技術(shù),2010,14(6):3573-3574.

        BI Yong-cheng.Apriori Arithmetic and Amelioration in Weblog Disposal[J].Computer Knowledge and Technology,2010,14(6):3573-3574.

        猜你喜歡
        項(xiàng)集日志網(wǎng)頁
        一名老黨員的工作日志
        扶貧日志
        心聲歌刊(2020年4期)2020-09-07 06:37:14
        基于CSS的網(wǎng)頁導(dǎo)航欄的設(shè)計(jì)
        電子制作(2018年10期)2018-08-04 03:24:38
        游學(xué)日志
        基于URL和網(wǎng)頁類型的網(wǎng)頁信息采集研究
        電子制作(2017年2期)2017-05-17 03:54:56
        網(wǎng)頁制作在英語教學(xué)中的應(yīng)用
        電子測試(2015年18期)2016-01-14 01:22:58
        關(guān)聯(lián)規(guī)則中經(jīng)典的Apriori算法研究
        卷宗(2014年5期)2014-07-15 07:47:08
        10個(gè)必知的網(wǎng)頁設(shè)計(jì)術(shù)語
        一種頻繁核心項(xiàng)集的快速挖掘算法
        一種基于粗集和SVM的Web日志挖掘模型
        久久久精品人妻一区亚美研究所| 国产一区二区三区天堂| 国产午夜精品无码| 久久无码人妻精品一区二区三区 | 妺妺窝人体色www看美女| 两个人看的www中文在线观看| 无码中文字幕久久久久久| 全部亚洲国产一区二区| 无码色av一二区在线播放| 久久久国产一区二区三区四区小说 | 97精品国产高清自在线看超 | 亚洲一区二区三区久久蜜桃| 中文字幕精品一区二区三区av| 狠狠色狠狠色综合网| 国产精品麻豆成人av电影艾秋| 国产美女裸身网站免费观看视频| 99视频一区二区日本| 国产激情视频在线观看的| 国产精品天天狠天天看| 国产AV秘 无码一区二区三区| 午夜精品久久99蜜桃| 色噜噜狠狠综曰曰曰| 香蕉成人啪国产精品视频综合网 | 91精品人妻一区二区三区久久久| 久久综合给合综合久久| 中国大陆一级毛片| 日本中文字幕人妻精品| 永久免费毛片在线播放| 色一情一乱一伦一区二区三区| 亚洲色婷婷综合开心网| 日本在线观看一二三区| 国产一区二区三区四区五区加勒比| 国产欧美精品一区二区三区–老狼 | 亚洲人成网址在线播放| 日韩AV无码一区二区三| 麻豆av毛片在线观看| 国产精品人人做人人爽人人添 | 亚洲乱码av中文一区二区| 亚洲AV无码乱码精品国产草莓| 日本视频一中文有码中文| 亚洲精品无amm毛片|