• <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 ?

    一種基于劃分的周期性話題挖掘方法研究

    2014-07-25 11:29:05鄧定勝
    微型電腦應用 2014年8期
    關鍵詞:時標周期性詞組

    鄧定勝

    一種基于劃分的周期性話題挖掘方法研究

    鄧定勝

    周期性話題挖掘是目前數(shù)據挖掘領域的研究熱點之一,針對當前絕大部分研究只限于時間序列數(shù)據庫、無法直接應用于文本數(shù)據的不足,提出了一種基于劃分的周期性話題挖掘方法(PTMP),首先,將話題劃分為周期性話題、背景話題和突發(fā)性話題,然后,將每個周期性話題的時標分布建模為混合高斯分布,為了緩解背景噪聲問題,通過均勻分布生成背景話題的時標,用高斯分布來生成突發(fā)話題的時標,然后通過將該混合模型根據時標文本數(shù)據進行調整,從而發(fā)現(xiàn)周期性話題及其時間分布。最后,收集了包括研討會、DBLP和Flickr在內的多個代表性數(shù)據集,驗證方法的有效性。

    周期性話題;數(shù)據挖掘;混合高斯分布;噪聲;時標

    0 引言

    隨著Web技術的發(fā)展,許多文本數(shù)據帶有時間信息,比如新聞帶有發(fā)布日期,F(xiàn)lickr照片帶有拍照日期(http://www.flickr.com),Twitter(http://twitter.com)上發(fā)布的tweet帶有上傳時間。這些文本數(shù)據蘊含了許多有用信息。發(fā)現(xiàn)周期性話題并描述它們的時間模式,是個非常有趣的課題。由于周期性分析的重要性,人們針對時間序列數(shù)據庫進行了周期性檢測研究[1,2]。一些研究為了檢測周期性模式,在分析單個標記或單次查詢的時間分布時使用的策略非常類似[3]。然而,當前絕大部分研究只限于時間序列數(shù)據庫,無法直接應用于文本數(shù)據。首先,一個詞組并不足以描述一個話題,只有更多的詞組才能全面概括一個話題。其次,只對單個詞組進行分析并不足以發(fā)現(xiàn)周期性話題。例如,“音樂”、“節(jié)日”、“芝加哥”等詞組如果單獨考慮,不會展現(xiàn)出周期性模式,但如果綜合考慮則可能存在周期性話題。第三,由于語言的多樣性,存在許多同義詞和多義詞,這讓周期性話題檢測更加困難。

    本文提出PTMP方法來處理以上問題。本文方法不是根據單個詞組或模式出現(xiàn)的周期性展開分析,而是利用了詞組的周期性及共生性,進而檢測出以詞組分布為載體的周期性話題。本文貢獻總結如下:(1)首次引入潛在周期性話題分析問題。(2)提出PTMP模型,通過利用詞組的周期屬性及共性結構來檢測周期性話題。(3)基于多個代表性數(shù)據集進行全面的實驗,證明了本文算法的有效性。

    1 相關工作

    相繼有眾多學者提出了一系列方法用于解決周期性話題挖掘問題。如Mei等人[4]將時線分割為多個儲體,并提出概率算法對網絡博客的子話題主題和時空主題模式同時建模。Wang等人[5]從同等處理過后的文本流中挖掘相關的突發(fā)話題模式。Blei等[6]針對話題多項式分布的自然參數(shù)使用了狀態(tài)空間模型,設計了一種動態(tài)話題模型,以模擬文件流的時間進化情況。Iwata等人[7]提出了一種在線話題模型,可依次分析文檔集合話題的時間進化情況,該模型假設根據上一時間的多尺度詞匯分布生成了具體話題的當前詞匯分布。Lahiri等人[8]提出了如何在動態(tài)社交網絡中檢測周期性或近似周期性子圖這一新的數(shù)據挖掘問題。Murata等人[9]根據搜索意圖數(shù)量及其時間特性來對檢索分類,然后對每個搜索意圖的比例進行離散傅立葉變換,以檢測出周期性變化。然而,這些研究只分析了單個詞匯的分布。本文則采用更為系統(tǒng)的方式,對潛在周期性話題分析進行建模,每個話題用詞匯分布表示。然后,從話題而非單個詞匯角度分析周期性模式,并對周期性突發(fā)情況及其對應話題實現(xiàn)了同步檢測,而不是分步進行。

    2 問題建模

    本節(jié)將對潛在周期性話題分析問題進行定義。本文所用標記法如表1所示:

    表1 本文采用的標記法

    定義1:話題是指具有語義條理性的一種主題,它通過詞組的多項式分布表現(xiàn)出來。一般地,每個話題z可表示為如下詞組分布:

    定義2:周期性話題 是指定期重復的一種話題。給定話題z且時間t時的條件概率遵守周期性間隔為T的周期性模式。換句話說,每個話題的時標分布每隔時間T展現(xiàn)一次。周期性間隔T可由用戶根據自身需要確定,可以是1周、1月、1年,等等。

    定義3:時標文檔 是指帶有時標的文本文檔。它可以是帶有發(fā)布時期的新聞,帶有發(fā)布時期的Twitter網上的鳥叫聲,也可以是帶有上傳日期的Flickr網上的照片,此時照片上的標記可以看成是文本,照片的拍攝時間可以看成是照片的時標。

    有了時標文件和周期性話題定義后,本文可以定義潛在周期性話題分析如下:

    定義4:給定一組時標文檔D,周期性間隔T,話題數(shù)量K,我們希望發(fā)現(xiàn)每隔時間T便重復一次的K個周期性話題,即其中Z為話題集合,時間分布

    3 潛在周期性話題分析

    本節(jié)給出PTMP模型。首先,介紹本文模型的總體思路。然后,詳細介紹本文周期性話題生成過程。最后,解釋如何估計參數(shù)。

    3.1 總體思路

    我們將每個周期性話題的時標分布建模為混合高斯分布,其中兩個連續(xù)部分的間隔為T。除了周期性話題外,文檔集合可能包括背景詞匯。為了緩解背景噪聲問題,我們在模型中對背景話題進行了建模。尤其地,通過均勻分布生成背景話題的時標。除了周期性話題和背景話題外,我們使用突發(fā)話題來模擬短時間而非經常性的突發(fā)行為模式。用高斯分布來生成突發(fā)話題的時標。因此,文檔集合建模為背景話題、突發(fā)話題、周期性話題的混合。通過將該混合模型根據時標文本數(shù)據進行調整,我們可以發(fā)現(xiàn)周期性話題及其時間分布。

    3.2 PTMP方法

    (1)從多項式dφ中采樣一個話題z。(a)如果z是背景話題,則從均勻分布中采樣時間t,其中tstart和是文檔集合的開始和截止時間。(b)如果z是突發(fā)話題,從采樣t。(c)如果z是周期性話題,從均勻分布中采集文檔d的周期k,從采集時間t,其中T是周期性間隔。

    (2)從多項式zθ采集一個詞匯w。若有數(shù)據集合,其中wd是文檔d的詞匯集合,td是文檔d的時標,時的集合對數(shù)似然概率為公式(1)、(2):

    其中,n( d, w)是文檔d中詞匯w的數(shù)量。

    3.3 參數(shù)估計

    為了估計等式1中的參數(shù)Ψ,我們使用最大期望估計(EM)算法[6]來解決問題,循環(huán)計算似然局部最大值。本文引入隱藏參數(shù)概率表示文檔d詞匯w屬于話題z的概率。在步驟E時,它計算完整似然期望值,其中是在第t次迭代時w的估計值。在步驟M時,它可以獲得使完整似然期望最大化的估計值

    如果z是突發(fā)話題,zμ和zσ做如下更新為公式(9)、(10):

    如果話題z是周期性話題,我們將時間線分為長度為T的多個間隔,并假設每個文檔只與對應的間隔有關。換句話說,如果文檔d未在第k個間隔,則式5中的設為0。周期性話題z的zμ和zσ做如下更新為公式(11)、(12):

    其中,Id是文檔d的對應間隔。

    4 實驗

    4.1 數(shù)據集

    本文基于多個數(shù)據集來評估所提方法:

    1)研討會數(shù)據。我們收集了伊利諾斯州大學(http://cs.illinois.edu/)計算機專業(yè)6個研究小組一個學期內的每周研討會聲明。6個研究小組的研究內容包括AIIS(人工智能和信息系統(tǒng)),DAIS(數(shù)據庫和信息系統(tǒng)),圖像,HCI,理論和UPCRC(通用并行計算研究中心)。研討會時間作為文檔時標。為了確定每周話題,本文把周期間隔設為1周。該研討會數(shù)據集共有61個文件和901個詞匯。

    2)數(shù)字目錄工程DBLP數(shù)據。它是基于計算機科學的目錄項目。我們收集了2010到2013年不同會議的論文題目。會議包括WWW, SIGMOD, SIGIR, KDD,VLDB和NIPS。根據項目安排確定文檔的時標。為了發(fā)現(xiàn)年度話題,本文設置周期性間隔T為1年。該DBLP數(shù)據集有4070個文檔和2132個詞匯。

    3) Flickr。Flickr是一個在線照片共享網站。從Flickr API(http://www.flickr.com/services/api/)選擇照片。照片標記作為文檔文本,照片拍攝時間作為文檔時標。根據實際情況,本文選擇了2009到2013年間多個音樂會的照片,例如SXSW (South by Southwest), Coachella, Bonna-roo,Lollapalooza和ACL (Austin City Limits)等。我為了發(fā)現(xiàn)年度話題,設置周期間隔為1年。該數(shù)據集共有84244個文檔和7524個詞匯。

    4.2 定量評估

    (1)PTMP話題檢測:結合數(shù)據集構建情況,我們分別設置研討會、DBLP和Flickr的周期性話題數(shù)據為6、6、5。如表2所示:

    表2 基于PTMP的部分周期性話題檢測。日期和括號中的持續(xù)時間是對應周期性話題時標的均值和標準差。

    PTMP在不同數(shù)據集檢測出來的部分話題。對研討會數(shù)據集,PTMP可以有效檢測不同研究小組的話題及其對應時間。例如,第一個話題是DAIS,每周二下午4點,主流詞匯為數(shù)據、文本和挖掘。第二個話題是AIIS,每周5下午兩點,主要內容是機器學習和算法。對DBLP數(shù)據集,PTMP可以檢測出6個周期性話題,也就是6個年度會議。例如,第一個話題是8月的KDD,議題是數(shù)據挖掘。第二個話題是SIGIR,主要議題是數(shù)據檢索、網絡、搜索、相關性和評估。對Flickr數(shù)據集,PTMP可以有效檢測出音樂節(jié)及其持續(xù)時間。

    (2)PTMP VS周期性檢測。為了證明把相關詞匯放在一起檢測比各個詞匯單獨分析更為合理,我們對PTMP和周期性檢測算法做一對比。與單個詞匯表示相比,PTMP使用多個詞匯描述話題,如表3所示:

    表3 不同數(shù)據集使用PTMP和LDA時被檢測出來的部分話題

    例如,對DBLP數(shù)據集,PTMP發(fā)現(xiàn)話題VLDB時的詞匯分布為data 0.0530, xml 0.0208, query 0.0196, queries 0.0176,efficient 0.0151, mining 0.0142, database 0.0136, streams 0.0112, databases 0.0111。我們可以看出,單個詞匯并不足以表示這樣一個話題,只有多個詞匯才能更好表示。PTMP不僅可以更全面的描述話題,還可以當組成詞匯單獨考慮不具有周期性模式時檢測出周期性話題。對PTMP,我們可以根據和文件時標,繪出檢測話題的時間分布,其中可以根據貝葉斯理論由獲得。如圖1所示:

    圖1 基于PTMP檢測的話題VLDB的時間分布及話題詞匯的時間分布

    我們可以繪出DBLP數(shù)據集VLDB話題的時間分布及話題最流行詞匯data、xml、query的時間分布。我們可以看出,話題VLDB的周期性模式非常清晰,而詞匯data、xml、query沒有周期性出現(xiàn)。這表明,即使周期性話題的組成詞匯本身沒有周期性,PTMP也可以有效檢測出這些周期性話題。

    (3)PTMP VS 話題模式。為了研究傳統(tǒng)話題模型能否檢測出有意義話題,我們對話題建模算法結果進行比較,包括PLSA、LDA和PTMP。對PLSA和LDA,我們設置研討會、DBLP和Flickr數(shù)據集的話題數(shù)量分別為5、5、6?;赑LSA和LDA的部分話題如表4所示:

    表4 使用PTMP時周期性及突發(fā)性數(shù)據集的話題檢測。

    由于計算機領域詞匯的相關度非常高,PLSA和LDA無法檢測出研討會數(shù)據集不同研究領域的話題。對DBLP數(shù)據集,所有的話題非常類似,導致PLSA和LDA無法檢測出有意義的話題群組。對Flickr數(shù)據集,PLSA混合了幾個音樂節(jié)。例如,話題1包括southbysouthwest和coachella,話題2包括lollapalooza和austincitylimits。我們發(fā)現(xiàn),LDA在該數(shù)據集上的表現(xiàn)要優(yōu)于PLSA。即使話題1混合了coachella和bonnaroo,LDA也可以檢測出不同的節(jié)日。與表2中的PTMP相比,我們可以發(fā)現(xiàn),PTMP檢測出來的有意義話題的質量更高。

    (5)周期性話題 VS 突發(fā)性話題。為了驗證PTMP方法對周期性話題和突發(fā)性話題的平衡性能,本文對Flickr數(shù)據集的以下情況進行研究。我們沒有將與音樂節(jié)有關的所有照片混在一起,而是只保存了2006-2010年間的SXSW和ACL及2009年的Coachella和Lollapalooza音樂節(jié)的照片。于是,我們模擬了帶有2個周期性話題和2個突發(fā)性話題的數(shù)據集情況。對PTMP,我們將周期性話題和突發(fā)性話題數(shù)據均設為2,并在表4中給出了被檢測出來的話題名稱。從表5中可以看出,每年出現(xiàn)時間比較類似的詞匯,比如sxsw和acl,屬于兩種對應的周期性話題(即話題1和話題2),而只在某段時間才會出現(xiàn)的詞匯,比如lollapalooza、chicago、grantpark、illinois、coachella、indio、california,屬于兩種對應的突發(fā)性話題(即話題3和話題4)。PTMP可以區(qū)分該數(shù)據集的突發(fā)性話題和周期性話題。周期性話題SXSW和ACL的平均日期為每年的3月18日和9月28日,突發(fā)性話題Lollapalooza和Coachella的平均日期為2009年的8月8日和4月17日。

    (6)小結。從以上定量分析可以看出,與針對單個詞匯的周期性檢測相比,PTMP不僅可以更全面的描述話題,還可以當周期性話題的構成詞匯單獨分析不具有周期性模式時,檢測出周期性話題。與PLSA和LDA話題建模算法相比,PTMP可以檢測出更具語義的周期性話題。此外,PTMP還可以有效檢測出每個周期性話題的平均日期和標準差。我們從DBLP的SIGMOD vs. VLDB及SIGMOD vs. CVPR數(shù)據集可以看出,如果沒有綜合文本和時間信息,則難以檢測出有意義的話題;同時可以看出,PTMP在二者間實現(xiàn)了很好的平衡。對于周期性話題和突發(fā)性話題間的折衷,我們從Flickr網站周期性話題VS突發(fā)性話題示例中可以看出,具有周期性或突發(fā)性模式的詞匯將隸屬于對應的周期性或突發(fā)性話題。

    5 總結

    本文引入了帶有時標的文檔的潛在周期性話題分析問題。提出了PTMP潛在周期性話題分析模型,既利用了詞匯周期性,又利用了詞匯共生性。在測試本文算法時,收集了研討會、DBLP和Flickr等幾個代表性數(shù)據集。評估結果表明,本文PTMP模型綜合了話題聚類和周期性模式信息,可以有效檢測出潛在周期性話題。周期性分析是網絡挖掘和社交媒體挖掘的重要課題。下步工作中,我們將重點研究如何對本文結論進行拓展,以應對不斷增加的網絡文檔數(shù)量和日趨復雜的社交媒體結構。

    [1] Vlachos M, Yu P, Castelli V. On periodicity detection and structural periodic similarity[C]. SIAM International Conference on Data Mining. 2005: 449-460

    [2] Bathoorn R, Welten M, Richardson M, et al. Frequent episode mining to support pattern analysis in developmental biology[M]. Pattern Recognition in Bioinformatics. Springer Berlin Heidelberg, 2010: 253-263

    [3] Chen L, Roy A. Event detection from flickr data through wavelet-based spatial analysis[C]. Proceedings of the 18th ACM conference on Information and knowledge management. ACM, 2009: 523-532

    [4] Mei Q, Liu C, Su H, et al. A probabilistic approach to spatiotemporal theme pattern mining on weblogs[C]. Proceedings of the 15th international conference on World Wide Web. ACM, 2006: 533-542

    [5] Wang X, Zhai C X, Hu X, et al. Mining correlated bursty topic patterns from coordinated text streams[C]. Proceedings of the 13th ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, 2007: 784-793

    [6] Blei D M. Probabilistic topic models [J]. Communications of the ACM, 2012, 55(4): 77-84

    [7] Iwata T, Yamada T, Sakurai Y, et al. Online multiscale dynamic topic models[C]. Proceedings of the 16th ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, 2010: 663-672

    [8] Lahiri M, Berger-Wolf T Y. Periodic subgraph mining in dynamic networks [J]. Knowledge and information systems, 2010, 24(3): 467-497

    [9] Murata M, Toda H, Matsuura Y, et al. detecting periodic changes in search intentions in a search engine[C]. Proceedings of the 19th ACM international conference on Information and knowledge management. ACM, 2010: 1525-1528

    Research on A Periodic Topic Ming Method Based on Partition

    Deng Dingsheng
    (Computer Science Department, Sichuan University Nationalities, Kangding 626001, China)

    Periodic topic mining is a hot problem of current research in the data mining region. Aiming at the disadvantages of most existing studies which are limited to time series database and cannot be applied on text data directly, this paper proposes a periodic topic mining method based on partition, firstly, topics can be classified into three types: periodic topics, background topics, and bursty topics, we model the distribution of time-stamps for each periodic topic as a mixture of Gaussian distributions, in order to alleviate the problem of background noises, the time-stamps of the background topics are generated by a uniform distribution, the time-stamps of the bursty topics are generated from a Gaussian distribution, and then By fitting such a mixture model to time-stamped text data, we can discover periodic topics along with their time distributions. To show the effectiveness of our model, we collect several representative datasets including Seminar, DBLP and Flickr.

    Periodic Topic; Data Ming; Mixture of Gaussian Distributions; Noise; Time-Stamps

    TP391

    A

    2014.06.05)

    鄧定勝(1978-),男,四川廣安人,四川民族學院計算機科學系,碩士,講師。研究方向:軟件體系結構,算法分析與程序設計,康定,626001

    1007-757X(2014)08-0021-06

    猜你喜歡
    時標周期性詞組
    二階非線性中立型時標動態(tài)方程趨向于零的非振動解的存在性
    時標上具非正中立項的二階動力方程的動力學性質
    數(shù)列中的周期性和模周期性
    一類整數(shù)遞推數(shù)列的周期性
    基于擴頻碼周期性的單通道直擴通信半盲分離抗干擾算法
    基于奇異擾動的永磁風力發(fā)電機組雙時標控制
    副詞和副詞詞組
    時標上三階時滯動力方程的振動性和漸近性
    CPSIA周期性測試要求開始實施
    svipshipincom国产片| 久久青草综合色| 久久ye,这里只有精品| 精品人妻一区二区三区麻豆| 国产亚洲av片在线观看秒播厂| 免费日韩欧美在线观看| 热re99久久精品国产66热6| 国产成人免费观看mmmm| 人成视频在线观看免费观看| av有码第一页| 日韩精品免费视频一区二区三区| 超碰97精品在线观看| 国产日韩欧美视频二区| 99热全是精品| 亚洲三区欧美一区| 日本五十路高清| 青青草视频在线视频观看| 午夜福利视频在线观看免费| 国产亚洲一区二区精品| 91九色精品人成在线观看| 99久久综合免费| 国产1区2区3区精品| 精品少妇久久久久久888优播| 熟女少妇亚洲综合色aaa.| 黄色毛片三级朝国网站| 国产无遮挡羞羞视频在线观看| 欧美在线黄色| 国内毛片毛片毛片毛片毛片| 亚洲国产av新网站| 中文字幕色久视频| 国产成人精品久久二区二区91| 女人爽到高潮嗷嗷叫在线视频| 国产激情久久老熟女| 首页视频小说图片口味搜索| 欧美亚洲 丝袜 人妻 在线| 最新的欧美精品一区二区| 大型av网站在线播放| 91av网站免费观看| 老鸭窝网址在线观看| 少妇人妻久久综合中文| 国产亚洲精品一区二区www | 免费女性裸体啪啪无遮挡网站| 伊人亚洲综合成人网| 亚洲一码二码三码区别大吗| 菩萨蛮人人尽说江南好唐韦庄| 日韩有码中文字幕| 亚洲色图综合在线观看| 成人国产一区最新在线观看| 十八禁网站网址无遮挡| 中文欧美无线码| 色综合欧美亚洲国产小说| 欧美日韩国产mv在线观看视频| 国产精品一二三区在线看| 在线观看免费视频网站a站| 国产av精品麻豆| 热99re8久久精品国产| 丰满迷人的少妇在线观看| av免费在线观看网站| 丝袜喷水一区| 91av网站免费观看| 国产男人的电影天堂91| 欧美日韩av久久| 一个人免费看片子| 99精国产麻豆久久婷婷| 亚洲国产av新网站| 日日摸夜夜添夜夜添小说| 一区二区三区激情视频| 欧美黑人欧美精品刺激| 久久香蕉激情| 真人做人爱边吃奶动态| 精品人妻1区二区| 欧美日本中文国产一区发布| bbb黄色大片| 精品一区二区三区av网在线观看 | 亚洲专区字幕在线| 热99re8久久精品国产| 国产高清视频在线播放一区 | 久久精品国产亚洲av香蕉五月 | 多毛熟女@视频| 久久热在线av| 丝袜在线中文字幕| 视频区欧美日本亚洲| 久9热在线精品视频| 国产日韩一区二区三区精品不卡| 国产精品国产三级国产专区5o| 国产精品香港三级国产av潘金莲| 免费观看人在逋| 菩萨蛮人人尽说江南好唐韦庄| 国产成人a∨麻豆精品| 悠悠久久av| 少妇被粗大的猛进出69影院| 男人添女人高潮全过程视频| 亚洲国产毛片av蜜桃av| 久久精品熟女亚洲av麻豆精品| 五月开心婷婷网| 亚洲熟女精品中文字幕| 亚洲欧美一区二区三区久久| 91字幕亚洲| 啦啦啦 在线观看视频| 两性夫妻黄色片| 久久热在线av| 午夜视频精品福利| 最近中文字幕2019免费版| 国产成人一区二区三区免费视频网站| 天天躁日日躁夜夜躁夜夜| 日韩制服丝袜自拍偷拍| 精品免费久久久久久久清纯 | 777米奇影视久久| 国精品久久久久久国模美| 欧美日韩黄片免| www.999成人在线观看| 亚洲激情五月婷婷啪啪| 精品少妇久久久久久888优播| 在线观看www视频免费| 亚洲国产精品999| 嫁个100分男人电影在线观看| 国产高清国产精品国产三级| 婷婷成人精品国产| 国产精品一区二区在线观看99| 国产成人一区二区三区免费视频网站| 不卡av一区二区三区| 波多野结衣av一区二区av| 成人免费观看视频高清| 老鸭窝网址在线观看| 婷婷成人精品国产| 精品久久久精品久久久| 黑人操中国人逼视频| 午夜激情av网站| 纯流量卡能插随身wifi吗| 一区二区日韩欧美中文字幕| 国产在线观看jvid| 欧美日韩亚洲高清精品| 国产又爽黄色视频| 男人添女人高潮全过程视频| 乱人伦中国视频| 999久久久国产精品视频| 亚洲国产看品久久| 日韩熟女老妇一区二区性免费视频| 亚洲一码二码三码区别大吗| 高清在线国产一区| 老司机靠b影院| 国产精品九九99| 亚洲人成电影免费在线| 色婷婷久久久亚洲欧美| h视频一区二区三区| 久久精品成人免费网站| 久久影院123| 999久久久精品免费观看国产| 欧美日本中文国产一区发布| 夜夜夜夜夜久久久久| 色婷婷久久久亚洲欧美| 宅男免费午夜| 如日韩欧美国产精品一区二区三区| 免费在线观看日本一区| 国产亚洲av片在线观看秒播厂| 男女下面插进去视频免费观看| 成人国产av品久久久| 啦啦啦视频在线资源免费观看| 在线亚洲精品国产二区图片欧美| 免费观看人在逋| 国产成人啪精品午夜网站| 少妇 在线观看| 人妻一区二区av| 午夜精品久久久久久毛片777| 中文字幕av电影在线播放| 好男人电影高清在线观看| 精品国产乱码久久久久久男人| 中文精品一卡2卡3卡4更新| 水蜜桃什么品种好| 亚洲精品国产精品久久久不卡| 午夜老司机福利片| 侵犯人妻中文字幕一二三四区| 国产91精品成人一区二区三区 | 国产日韩一区二区三区精品不卡| 成人国产一区最新在线观看| 国产有黄有色有爽视频| 亚洲情色 制服丝袜| 国产一级毛片在线| 狠狠婷婷综合久久久久久88av| 婷婷丁香在线五月| 婷婷成人精品国产| 51午夜福利影视在线观看| 国产精品免费大片| 欧美日韩亚洲高清精品| av网站免费在线观看视频| 久久ye,这里只有精品| 久久久久久人人人人人| 免费观看人在逋| 国产亚洲午夜精品一区二区久久| 欧美成人午夜精品| 国内毛片毛片毛片毛片毛片| 久久综合国产亚洲精品| 丁香六月天网| 免费人妻精品一区二区三区视频| 王馨瑶露胸无遮挡在线观看| 亚洲精品一二三| 两性夫妻黄色片| 亚洲精品国产色婷婷电影| 男女高潮啪啪啪动态图| 欧美老熟妇乱子伦牲交| 国产不卡av网站在线观看| 美女高潮喷水抽搐中文字幕| 亚洲性夜色夜夜综合| 久久香蕉激情| 国产高清videossex| av不卡在线播放| 老熟女久久久| 欧美老熟妇乱子伦牲交| 亚洲一区二区三区欧美精品| 成人国产av品久久久| 免费在线观看黄色视频的| 91老司机精品| 亚洲精品第二区| 成人国产一区最新在线观看| 美女高潮到喷水免费观看| 18禁裸乳无遮挡动漫免费视频| 国产精品久久久久久精品电影小说| www.999成人在线观看| 精品久久久久久电影网| 又紧又爽又黄一区二区| 最近中文字幕2019免费版| 国产高清videossex| 纯流量卡能插随身wifi吗| 免费观看av网站的网址| 亚洲国产精品一区三区| av在线老鸭窝| 69精品国产乱码久久久| 我要看黄色一级片免费的| 18禁国产床啪视频网站| 性少妇av在线| 久久久久久免费高清国产稀缺| 黑丝袜美女国产一区| 国产高清videossex| 91字幕亚洲| 母亲3免费完整高清在线观看| 欧美大码av| 夜夜骑夜夜射夜夜干| 午夜福利,免费看| 在线av久久热| 国产一级毛片在线| 永久免费av网站大全| 人人妻人人添人人爽欧美一区卜| 日本欧美视频一区| 最黄视频免费看| 中文字幕精品免费在线观看视频| 亚洲成av片中文字幕在线观看| 国产一区二区在线观看av| 一级a爱视频在线免费观看| 欧美激情极品国产一区二区三区| 男女国产视频网站| 极品少妇高潮喷水抽搐| 波多野结衣一区麻豆| 亚洲欧美清纯卡通| 岛国毛片在线播放| 免费av中文字幕在线| 伊人久久大香线蕉亚洲五| 人成视频在线观看免费观看| 美国免费a级毛片| 欧美老熟妇乱子伦牲交| 法律面前人人平等表现在哪些方面 | 国产精品一二三区在线看| 三上悠亚av全集在线观看| 中文字幕高清在线视频| 性色av一级| 啦啦啦免费观看视频1| 中文字幕人妻丝袜制服| 日本vs欧美在线观看视频| 丝袜美足系列| 国产在线一区二区三区精| 成人免费观看视频高清| 午夜老司机福利片| 啦啦啦视频在线资源免费观看| 精品国产超薄肉色丝袜足j| 欧美黑人欧美精品刺激| 免费人妻精品一区二区三区视频| 黄片播放在线免费| 精品国产超薄肉色丝袜足j| 国产在线视频一区二区| 日本一区二区免费在线视频| 美女福利国产在线| 99久久人妻综合| 大香蕉久久网| 黄色片一级片一级黄色片| 精品少妇久久久久久888优播| 国产成人欧美| 1024香蕉在线观看| 欧美日韩成人在线一区二区| 欧美国产精品一级二级三级| 欧美精品亚洲一区二区| 午夜福利视频在线观看免费| 国内毛片毛片毛片毛片毛片| 一本色道久久久久久精品综合| 老司机深夜福利视频在线观看 | 亚洲精品中文字幕一二三四区 | 欧美日韩亚洲国产一区二区在线观看 | 秋霞在线观看毛片| 男女床上黄色一级片免费看| 国产国语露脸激情在线看| 久久国产亚洲av麻豆专区| 99久久人妻综合| 十八禁人妻一区二区| 欧美人与性动交α欧美软件| 国产精品一区二区在线观看99| 久久久久久久久免费视频了| 在线观看免费视频网站a站| e午夜精品久久久久久久| 不卡一级毛片| 麻豆av在线久日| 亚洲欧美一区二区三区久久| av有码第一页| 久久久久久久久免费视频了| 国产av一区二区精品久久| 十分钟在线观看高清视频www| 亚洲精品国产区一区二| 欧美亚洲 丝袜 人妻 在线| 不卡av一区二区三区| 99精品欧美一区二区三区四区| 如日韩欧美国产精品一区二区三区| 人人妻人人澡人人爽人人夜夜| 亚洲一区二区三区欧美精品| 亚洲精品久久午夜乱码| 国产欧美日韩一区二区三区在线| 日本精品一区二区三区蜜桃| 操出白浆在线播放| 男男h啪啪无遮挡| 国产亚洲精品第一综合不卡| 黄色视频,在线免费观看| 成人三级做爰电影| 国产亚洲一区二区精品| 90打野战视频偷拍视频| 91麻豆av在线| 国产亚洲av高清不卡| 国产精品.久久久| 一级片'在线观看视频| 妹子高潮喷水视频| 色94色欧美一区二区| 色婷婷av一区二区三区视频| 黄色视频在线播放观看不卡| 一二三四社区在线视频社区8| 欧美人与性动交α欧美精品济南到| 久久精品国产综合久久久| 国产成人系列免费观看| 亚洲性夜色夜夜综合| 老司机福利观看| 国产一级毛片在线| 国产精品自产拍在线观看55亚洲 | 好男人电影高清在线观看| 男女之事视频高清在线观看| 别揉我奶头~嗯~啊~动态视频 | 50天的宝宝边吃奶边哭怎么回事| 亚洲精品第二区| 99re6热这里在线精品视频| 日本一区二区免费在线视频| 一本久久精品| videos熟女内射| 男女下面插进去视频免费观看| 国产日韩一区二区三区精品不卡| www.自偷自拍.com| 久久中文字幕一级| 午夜成年电影在线免费观看| 老汉色∧v一级毛片| 黄频高清免费视频| 午夜成年电影在线免费观看| 老汉色∧v一级毛片| 欧美日韩亚洲综合一区二区三区_| 一级片'在线观看视频| 婷婷色av中文字幕| 丝袜美腿诱惑在线| 国产激情久久老熟女| 亚洲国产欧美日韩在线播放| 俄罗斯特黄特色一大片| 国产亚洲欧美精品永久| 黄片小视频在线播放| av福利片在线| 久久精品亚洲熟妇少妇任你| 午夜福利一区二区在线看| 后天国语完整版免费观看| 黄色视频在线播放观看不卡| 欧美在线一区亚洲| 9热在线视频观看99| 精品免费久久久久久久清纯 | 欧美精品av麻豆av| 蜜桃在线观看..| www.熟女人妻精品国产| 国产91精品成人一区二区三区 | 黑人巨大精品欧美一区二区mp4| 午夜福利免费观看在线| 国产精品免费大片| 999久久久精品免费观看国产| 91成年电影在线观看| 午夜成年电影在线免费观看| 国产视频一区二区在线看| 久久女婷五月综合色啪小说| av又黄又爽大尺度在线免费看| 亚洲精品成人av观看孕妇| 99精国产麻豆久久婷婷| 午夜老司机福利片| 午夜精品久久久久久毛片777| 久久精品国产综合久久久| 午夜福利乱码中文字幕| 国产av又大| 欧美 亚洲 国产 日韩一| 99精品欧美一区二区三区四区| 欧美黄色淫秽网站| 午夜两性在线视频| 国产精品av久久久久免费| 国产片内射在线| 精品人妻1区二区| 中国美女看黄片| 精品国内亚洲2022精品成人 | 一个人免费在线观看的高清视频 | 国产欧美日韩一区二区三 | 国产亚洲av片在线观看秒播厂| 日本撒尿小便嘘嘘汇集6| 日韩欧美国产一区二区入口| 老司机午夜十八禁免费视频| 亚洲av成人不卡在线观看播放网 | 国产xxxxx性猛交| 一本色道久久久久久精品综合| 亚洲欧美色中文字幕在线| 十分钟在线观看高清视频www| 天天躁狠狠躁夜夜躁狠狠躁| 老司机福利观看| 精品一区二区三卡| 国产人伦9x9x在线观看| 99精品欧美一区二区三区四区| 亚洲情色 制服丝袜| 一二三四社区在线视频社区8| 国产成人啪精品午夜网站| 亚洲午夜精品一区,二区,三区| av天堂久久9| 水蜜桃什么品种好| 欧美黑人精品巨大| 日本a在线网址| 制服人妻中文乱码| 少妇 在线观看| 国产精品香港三级国产av潘金莲| 大香蕉久久成人网| 一区二区三区乱码不卡18| 国产精品国产av在线观看| 欧美人与性动交α欧美精品济南到| 欧美性长视频在线观看| 黄片小视频在线播放| 亚洲综合色网址| 亚洲精品国产av蜜桃| 国产极品粉嫩免费观看在线| 亚洲精品国产av成人精品| 在线精品无人区一区二区三| √禁漫天堂资源中文www| videos熟女内射| 别揉我奶头~嗯~啊~动态视频 | 考比视频在线观看| 亚洲av男天堂| 纯流量卡能插随身wifi吗| 亚洲激情五月婷婷啪啪| 岛国在线观看网站| 视频区欧美日本亚洲| 国产成人av激情在线播放| 亚洲精品美女久久av网站| 国精品久久久久久国模美| 日韩视频一区二区在线观看| 咕卡用的链子| 男女下面插进去视频免费观看| 少妇 在线观看| 超色免费av| 老熟妇仑乱视频hdxx| 久久精品成人免费网站| 久久久久网色| 国产av精品麻豆| 国产99久久九九免费精品| 国产精品久久久人人做人人爽| 免费不卡黄色视频| 纯流量卡能插随身wifi吗| 汤姆久久久久久久影院中文字幕| 五月天丁香电影| 视频区欧美日本亚洲| 午夜免费鲁丝| 欧美变态另类bdsm刘玥| 欧美精品av麻豆av| 国产在线免费精品| 老司机深夜福利视频在线观看 | 亚洲国产欧美日韩在线播放| 精品国产一区二区久久| 在线观看一区二区三区激情| 免费av中文字幕在线| 精品人妻熟女毛片av久久网站| 热re99久久国产66热| 免费高清在线观看日韩| 亚洲一区中文字幕在线| 一区二区三区精品91| 精品国产超薄肉色丝袜足j| 日本a在线网址| 啪啪无遮挡十八禁网站| 日日爽夜夜爽网站| 一二三四社区在线视频社区8| 久久ye,这里只有精品| 欧美97在线视频| 成人国语在线视频| 国产在线一区二区三区精| 91国产中文字幕| 国产视频一区二区在线看| 亚洲国产精品一区二区三区在线| 亚洲av片天天在线观看| 久久久久精品人妻al黑| 久久综合国产亚洲精品| 亚洲精品久久成人aⅴ小说| 一区在线观看完整版| 日日爽夜夜爽网站| 女人久久www免费人成看片| 亚洲精品久久午夜乱码| 深夜精品福利| 久久影院123| 少妇被粗大的猛进出69影院| 欧美一级毛片孕妇| 婷婷成人精品国产| 美女大奶头黄色视频| 99国产精品一区二区三区| 99精国产麻豆久久婷婷| 91精品伊人久久大香线蕉| 午夜福利,免费看| 一级毛片电影观看| 99热全是精品| 欧美xxⅹ黑人| 搡老熟女国产l中国老女人| www.999成人在线观看| 黑人欧美特级aaaaaa片| av视频免费观看在线观看| 欧美另类亚洲清纯唯美| 国产亚洲av片在线观看秒播厂| 日韩制服骚丝袜av| 好男人电影高清在线观看| 欧美亚洲 丝袜 人妻 在线| 777久久人妻少妇嫩草av网站| 狠狠狠狠99中文字幕| 精品高清国产在线一区| 中文字幕人妻丝袜一区二区| 91大片在线观看| 日韩欧美一区视频在线观看| 亚洲国产欧美在线一区| 男女午夜视频在线观看| 女人精品久久久久毛片| 999久久久国产精品视频| 国产成人免费观看mmmm| 日韩欧美一区视频在线观看| 少妇猛男粗大的猛烈进出视频| 在线看a的网站| 动漫黄色视频在线观看| 99热网站在线观看| 久久中文看片网| 女人爽到高潮嗷嗷叫在线视频| 少妇裸体淫交视频免费看高清 | 一级片'在线观看视频| 亚洲国产欧美日韩在线播放| 国产av又大| 超碰97精品在线观看| 亚洲人成电影观看| 另类精品久久| 亚洲激情五月婷婷啪啪| 国产精品久久久久久精品电影小说| 亚洲av美国av| 欧美另类一区| 黄片小视频在线播放| 夜夜夜夜夜久久久久| 日本av手机在线免费观看| 他把我摸到了高潮在线观看 | 久久精品成人免费网站| 老司机在亚洲福利影院| 超色免费av| 韩国高清视频一区二区三区| 制服诱惑二区| 国产精品久久久久久精品古装| 国产精品成人在线| 国产精品1区2区在线观看. | 99久久99久久久精品蜜桃| 免费高清在线观看日韩| 国产av国产精品国产| 亚洲国产日韩一区二区| 亚洲欧美日韩高清在线视频 | 亚洲精品美女久久久久99蜜臀| av国产精品久久久久影院| 亚洲av美国av| 99国产精品99久久久久| 91av网站免费观看| 女性被躁到高潮视频| 亚洲av国产av综合av卡| 亚洲精品国产区一区二| tocl精华| 91字幕亚洲| 亚洲欧美成人综合另类久久久| 99久久人妻综合| 在线av久久热| 丝袜喷水一区| 成年女人毛片免费观看观看9 | 一级片免费观看大全| 色老头精品视频在线观看| a级毛片在线看网站| 少妇 在线观看| 成人黄色视频免费在线看| 久久久久久久大尺度免费视频| 人人妻人人澡人人看| av在线老鸭窝| 免费久久久久久久精品成人欧美视频| 久久精品aⅴ一区二区三区四区| 窝窝影院91人妻| 国产精品久久久久久人妻精品电影 | 婷婷色av中文字幕| 日韩制服骚丝袜av| 午夜影院在线不卡| av一本久久久久| 精品人妻熟女毛片av久久网站| 一级毛片女人18水好多| 啦啦啦 在线观看视频| 精品高清国产在线一区| 国产av精品麻豆| 欧美日韩av久久|