• <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 ?

    云環(huán)境下軟件錯誤報告自動分類算法改進

    2016-05-14 14:30:52黃偉林劼江育娥
    計算機應用 2016年5期
    關鍵詞:云計算

    黃偉 林劼 江育娥

    摘要:用戶提交的軟件錯誤報告隨意性大、主觀性強且內容少導致自動分類正確率不高,需要花費大量人工干預時間。隨著互聯(lián)網(wǎng)的快速發(fā)展用戶提交的錯誤報告數(shù)量也不斷增加,如何在海量數(shù)據(jù)下提高其自動分類的精確度越來越受到關注。通過改進詞頻逆文檔頻率(TFIDF),考慮到詞條在類間和類內出現(xiàn)情況對文本分類的影響,提出一種基于軟件錯誤報告數(shù)據(jù)集的改進多項式樸素貝葉斯算法,同時在Hadoop平臺下使用MapReduce計算模型實現(xiàn)該算法的分布式版本。實驗結果表明,改進的多項式樸素貝葉斯算法將F1值提高到71%,比原算法提高了27個百分點,同時在海量數(shù)據(jù)下可以通過拓展節(jié)點的方式縮短運行時間,有較好的執(zhí)行效率。

    關鍵詞:多項式樸素貝葉斯;錯誤報告;文本自動分類;詞頻逆文檔頻率;云計算

    中圖分類號:TP311 文獻標志碼:A

    Abstract:Usersubmitted bug reports are arbitrary and subjective. The accuracy of automatic classification of bug reports is not ideal. Hence it requires many human labors to intervention. With the bug reports database growing bigger and bigger, the problem of improving the accuracy of automatic classification of these reports is becoming urgent. A TFIDF (Term FrequencyInverse Document Freqency) based Naive Bayes (NB) algorithm was proposed. It not only considered the relationship of a term in different classes but also the relationship of a term inside a class. It was also implemented in distributed parallel environment of MapReduce model in Hadoop platform. The experimental results show that the proposed Naive Bayes algorithm improves the performance of F1 measument to 71%, which is 27 percentage points higher than the stateoftheart method. And it is able to deal with massive amounts of data in distributed way by addding computational node to offer shorter running time and has better effective performance.

    Key words:Naive Bayes of polynomials; bug report; text automatic classification; Term FrequencyInverse Document Frequency (TFIDF); cloud computing

    0 引言

    隨著大數(shù)據(jù)時代的到來,海量數(shù)據(jù)的處理速度越來越受到重視,傳統(tǒng)的單機處理已經(jīng)呈現(xiàn)出其弊端,如何在大量的數(shù)據(jù)情況下提高處理速度受到廣泛的關注。Hadoop作為一個分布式的框架,其在超大數(shù)據(jù)集下的表現(xiàn)令人滿意。開源軟件的錯誤報告隨著版本的更新收到用戶越來越多的反饋,如何在短時間內將用戶的反饋分門別類更快地進行修復已經(jīng)成為各企業(yè)提升自我軟件競爭力的重點。用戶提交軟件錯誤報告有著很大的隨意性,即使事先給出類別也無法保證用戶能夠正確地選對,因此將錯誤報告進行自動分類能夠節(jié)省時間并提高效率。目前對于軟件錯誤報告的分析主要集中在錯誤報告的質量、錯誤報告的最優(yōu)化、錯誤報告的分類和錯誤報告的修復,機器學習算法和信息檢索技術已經(jīng)被廣泛應用到其中[1]; 然而對于軟件錯誤報告自動分類改進方法的結果卻不理想[2]。Shokripour等[3]提出的基于時間算法的精確度可以提高到45.52%。Shokripour等[4]提出僅采用名詞和時間元數(shù)據(jù)的詞條權重的方法可以將準確度提高到49%。Alenezi等[5]通過詞條選擇的方法將F1值提高到38.2%。Shokripour等[6]提出基于位置的錯誤報告加權方法使得準確度提高到50%左右;黃小亮等[7]提出的潛在Dirichlet分配(Latent Dirichlet Allocation, LDA)的軟件缺陷分派方法,將準確度提高到37.54%。業(yè)界對此也進行大量的研究,比如基于馬爾可夫鏈的方法[8]、基于詞匯知識模型的方法 [9]和Shokripour等[10]提出的信息提取的方法。以上提到的這些研究,都是為了提高軟件錯誤報告自動分類的精確度。

    文本自動分類的算法多種多樣,樸素貝葉斯算法以其簡單高效的特點受到青睞,在其基礎上的改進算法也層出不窮,比如,李文進等[11]提出的基于改進樸素貝葉斯的區(qū)間不確定性數(shù)據(jù)分類方法,翟軍昌等[12]提出的基于增益比對特征詞的樸素貝葉斯改進算法,羅凌等[13]提出的基于樹增強型貝葉斯網(wǎng)絡(Tree Augmented Bayes Network,TAN)的改進等。在大數(shù)據(jù)環(huán)境下實現(xiàn)文本自動分類算法更加有意義,比如張紅蕊等[14]提出的基于關聯(lián)規(guī)則和置信度的樸素貝葉斯算法,衛(wèi)潔等[15]在云環(huán)境下實現(xiàn)別人改進的樸素貝葉斯算法。盡管如此,對于軟件錯誤報告的自動分類研究結果仍然不理想,同時在大數(shù)據(jù)環(huán)境下對其的關注也較少。本文在Hadoop框架下實現(xiàn)多項式樸素貝葉斯算法并對其進行改進,經(jīng)過實驗驗證了其在時間和精度上均有較好表現(xiàn)。

    2 云環(huán)境下的改進算法實現(xiàn)

    在Hadoop平臺下使用MapReduce計算模型來實現(xiàn)改進的多項式樸素貝葉斯算法。MapReduce模型主要采用對數(shù)據(jù)“分而治之”的方法,定義Map和Reduce兩個抽象的編程接口,用鍵值對(key,value)來表示數(shù)據(jù)。首先是各個Map節(jié)點對數(shù)據(jù)進行并行計算,將中間結果輸出到各個Reduce節(jié)點,最后匯總所有Reduce節(jié)點的結果,以鍵值對的形式輸出結果。改進算法的實現(xiàn)主要分訓練和測試兩個階段,訓練階段采用四個MapReduce,測試階段采用一個MapReduce。

    2.1 訓練階段

    訓練階段的輸入為一個預處理過的文件,每行均代表一個文件,第一個詞條為文檔所屬類別名稱,之后為特征屬性,以空格為間隔符。例如第1行為c、w1、w2w3、w4,c表示所屬類別,w表示分詞后的詞條。如表1所示,Map函數(shù)中主要進行詞頻的計算以及其他基本數(shù)據(jù)的計算,在Reduce中進行合并統(tǒng)計,并將結果輸出到相應文件中。在Reduce輸出過程中,利用setOutputFormat方法設置輸出格式,將每個key得到的結果輸出到單獨文件中去,以供后續(xù)計算。

    經(jīng)過4個MapReduce之后,訓練階段完成。在測試階段即可進行預測新文本所屬的類別。

    2.2 測試階段

    測試階段的輸入文件為測試文件,文件的格式和訓練階段的格式一致。先對每一行所代表的文檔進行詞頻統(tǒng)計。對于每一個類cj,計算每個詞條wt的tf*lg P(wt|cj)值并進行累加,其所屬類別為 c=arg maxcj∈C P(cj|di),在Map階段將判斷結果和原始類別進行比較,相符不相符作出相應輸出,Reduce階段對Map階段的結果進行累加。

    3 實驗及結果分析

    3.1 實驗數(shù)據(jù)與環(huán)境

    本文的實驗數(shù)據(jù)來自開源軟件Eclipse 官網(wǎng)中2001—2013年用戶提交的部分錯誤報告,涉及到Tools、 Modeling、 Technology、 SOA等11 個類別,總共包含大概50000份錯誤報告。由于每個類別的錯誤報告份數(shù)不同,考慮到樣本的均勻性,在抽取樣本時保證每個類別的樣本份數(shù)一致,約為3000份每類別,處理過程中遇到個別類別總數(shù)不足3000份的,采取放回繼續(xù)抽取的隨機方式獲得。首先處理下載的Eclipse 錯誤報告數(shù)據(jù),留下錯誤報告的類別和錯誤報告的內容描述2個屬性。利用R語言的TM(TextMining)包對錯誤報告的內容描述進行預處理。將其錯誤報告的內容描述小寫化、去空格、去數(shù)字、去停用詞、詞干化、進行分詞。采用10×10交叉驗證方法。每一次打散數(shù)據(jù),任意選擇70%數(shù)據(jù)為訓練數(shù)據(jù),余下的30%為驗證數(shù)據(jù)。訓練數(shù)據(jù)(70%)被用來建模,余下的數(shù)據(jù)(30%) 被用來匹配此模型以驗證模型的有效性,記錄下相應的性能指標(精確度、召回率和F1值)。此訓練和驗證過程重復進行10 次,對性能指標取平均值作為每次的計算結果。本文采用分布式集群,每臺電腦配置一致,均為32位計算機,centos6.4系統(tǒng),2GB內存,Hadoop版本為2.2.0,Java版本1.7。搭建的集群為1個NameNode,6個DataNode。在運行過程中,所有參數(shù)均為默認值,暫時沒有進行優(yōu)化。

    3.2 評價指標

    實驗評價標準主要有精確率P(precision)、召回率R(recall)和F1值,如表5所示,A表示屬于某類別的文本且預測結果也是屬于某類別的,D表示不屬于某類別的文本預測結果為屬于某類別,C表示屬于某類別的文本預測結果顯示不屬于某類別。依據(jù)表5,幾個評估指標的計算公式如式(8)~(10)。F1值綜合了精確率和召回率,能總體地反映出整體的指標,因而本文主要采用F1值來評估算法在不同類別上的分類性能。

    3.3 實驗結果與分析

    采用交叉驗證方法,將結果取平均值得到F1結果對比表,第2列為采用原始TFIDF算法的多項式樸素貝葉斯方法[15]得到的結果,第3列為本文改進TFIDF算法后的多項式樸素貝葉斯算法得到的結果,因為類別較多,所以僅列出前幾個類別,最后一行為所有類別的平均值。從數(shù)據(jù)可以看出,改進算法在各個小類別上的F1值均有相當幅度的提高,而且在所有類別的平均值上,改進的算法比原算法提高了27%,提高了原來結果的61%。而在精確度上(未在表中標出),由原始算法的44%提高到改進算法的69%。由此可見改進的算法使得軟件錯誤報告的自動分類結果得到了改善,同時使得海量數(shù)據(jù)在單機情況下的內存不足瓶頸得以解決。由于業(yè)界并沒有將改進的算法應用于軟件錯誤數(shù)據(jù)集上,基于數(shù)據(jù)集的特殊性,因而無法直觀比較結果,但是可以對比最近業(yè)界在eclipse軟件錯誤報告數(shù)據(jù)集上做的實驗,最好的結果也是將精確度提高到50%左右[6],可見本文的改進算法對比業(yè)界相關研究的結果具有一定的優(yōu)勢。

    同時本文還對并行算法的性能進行測試,分別在兩個節(jié)點的集群和6個節(jié)點的集群上對2GB,4GB,…,10GB數(shù)據(jù)集進行測試,分別計算其運行時間。而在單機運行時,一旦數(shù)據(jù)量足夠大,則會出現(xiàn)內存不足的情況而導致程序無法繼續(xù)執(zhí)行,因而并行計算解決了大數(shù)據(jù)下單機運行的內存瓶頸。從圖1中可以看出,隨著數(shù)據(jù)集大小的增加,其運行時間趨于緩和,可見數(shù)據(jù)量越大越適合并行分布式改進的算法。同時隨著節(jié)點的增加,運行時間縮短,可見可以通過增加節(jié)點進一步的縮短運行時間。

    4 結語

    本文對多項式樸素貝葉斯算法進行了改進,在軟件錯誤報告集上進行自動分類,結果表明其在F1值指標上相對原有算法有了較大的提高。同時在大數(shù)據(jù)環(huán)境下實現(xiàn)改進的算法,表明在海量數(shù)據(jù)前其運行時間縮短同時效率提高,使得原來在單機上的串行計算得以并行實現(xiàn)。改進的算法除了適合于開源軟件錯誤報告的自動分類,也適合于大型企業(yè)收集客戶信息,通信運行商對客戶投訴和建議的自動分類以及其他需要人工提交文本描述、隨意性比較強的數(shù)據(jù)的自動分類。

    參考文獻:

    [1]ZHANG J, WANG X Y, HAO D, et al. A survey on bugreport analysis[J]. Science China Information Sciences, 2015, 58(2):1-24.

    [2]STRATE J D, LAPLANTE P A. A literature review of research in software defect reporting[J]. IEEE Transactions on Reliability,2013, 62(2): 444-454.

    [3]SHOKRIPOUR R, ANVIK J, KASIRUN Z M, et al. A timebased approach to automatic bug report assignment[J]. Journal of Systems & Software, 2015,102:109-122.

    [4]SHOKRIPOUR R, ANVIK J, KASIRUN Z M, et al. Improving automatic bug assignment using timemetadata in termweighting[J]. IET Software, 2014, 8(6):269-278.

    [5]ALENEZI M, MAGEL K, BANITAAN S. Efficient bug triaging using text mining[J]. Journal of Software, 2013, 8(9):2185-2190.

    [6]SHOKRIPOUR R, ANVIK J, KASIRUN Z M, et al. Why so complicated? Simple term filtering and weighting for locationbased bug report assignment recommendation[C]// Proceedings of the 10th International Workshop on Mining Software Repositories. Piscataway, NJ: IEEE, 2013: 2-11.

    [7]黃小亮, 郁抒思, 關佶紅. 基于 LDA 主題模型的軟件缺陷分派方法[J]. 計算機工程, 2011, 37(21): 46-48.(HUANG X L,YU S S,GUAN J H. Software bug triage method based on LDA topic model[J]. Computer Engineering, 2011, 37(21): 46-48).

    [8]JEONG G, KIM S, ZIMMERMANN T. Improving bug triage with bug tossing graphs[C]// Proceedings of the 7th Joint Meeting of the European Software Engineering Conference and the ACM SIGSOFT Symposium on the Foundations of Software Engineering. New York: ACM, 2009: 111-120.

    [9]MATTER D, KUHN A, NIERSTRASZ O. Assigning bug reports using a vocabularybased expertise model of developers[C]// Proceedings of the 6th IEEE International Working Conference on Mining Software Repositories. Piscataway, NJ: IEEE, 2009: 131-140.

    [10]SHOKRIPOUR R, KASIRUN Z M, ZAMANI S, et al. Automatic bug assignment using information extraction methods[C]// Proceedings of the 2012 International Conference on Computer Science Applications and Technologies. Piscataway, NJ: IEEE, 2012: 144-149.

    [11]李文進, 熊小峰, 毛伊敏. 基于改進樸素貝葉斯的區(qū)間不確定性數(shù)據(jù)分類方法[J]. 計算機應用, 2014, 34(11):3268-3272.(LI W J,XIONG X F,MAO Y M. Classification method for interval uncertain data based on improved naive Bayes[J]. Journal of Computer Applications, 2014, 34(11):3268-3272.)

    [12]翟軍昌, 秦玉平, 車偉偉. 垃圾郵件過濾中信息增益的改進研究[J]. 計算機科學, 2014, 41(6):214-216.(ZHAI J C,QIN Y P,CHE W W. Improvement of information gain in spam filtering[J]. Computer Science, 2014, 41(6):214-216.)

    [13]羅凌, 楊有, 馬燕. 基于TAN貝葉斯網(wǎng)絡的學習風格檢測研究[J]. 計算機工程與應用, 2015,51(6):48-54.(LUO L, YANG Y, MA Y. Research on detecting learning style based on TAN Bayesian network[J]. Computer Engineering and Applications, 2015,51(6):48-54.)

    [14]張紅蕊, 張永, 于靜雯. 云計算環(huán)境下基于樸素貝葉斯的數(shù)據(jù)分類[J]. 計算機應用與軟件, 2015, 32(3):27-30.(ZHANG H R,ZHANG Y,YU J W. Data classification based on naive Bayes in cloud computing environment[J]. Computer Applications and Software, 2015, 32(3):27-30.)

    [15]衛(wèi)潔, 石洪波, 冀素琴. 基于Hadoop的分布式樸素貝葉斯文本分類[J]. 計算機系統(tǒng)應用, 2012, 21(2):210-213.(WEI J,SHI H B,JI S Q. Distributed naive Bayes text classification using Hadoop[J]. Computer Systems and Applications, 2012, 21(2):210-213.)

    [16]MCCALLUM A, NIGAM K. A comparison of event models for naive Bayes text classification[C]// Proceedings of the 25th International Symposium on Computer and Information Sciences. Berlin: Springer, 1998:41-48.

    [17]JIANG S, SAYYADSHIRABAD J, MATWIN S. Large scale text classification using semisupervised multinomial naive Bayes[C]// Proceedings of the 28th International Conference on Machine Learning. Bellevue, WA: ICML, 2011: 97-104.

    [18]SALTON G, BUCKLEY C. Termweighting approaches in automatic text retrieval[J]. Information Processing & Management, 1988, 24(5): 513-523.

    猜你喜歡
    云計算
    云計算虛擬化技術在電信領域的應用研究
    基于云計算的醫(yī)院信息系統(tǒng)數(shù)據(jù)安全技術的應用探討
    談云計算與信息資源共享管理
    志愿服務與“互聯(lián)網(wǎng)+”結合模式探究
    云計算與虛擬化
    基于云計算的移動學習平臺的設計
    基于云計算環(huán)境下的ERP教學改革分析
    科技視界(2016年22期)2016-10-18 14:33:46
    基于MapReduce的故障診斷方法
    實驗云:理論教學與實驗教學深度融合的助推器
    大學教育(2016年9期)2016-10-09 08:54:03
    云計算中的存儲虛擬化技術應用
    科技視界(2016年20期)2016-09-29 13:34:06
    九色亚洲精品在线播放| 亚洲中文av在线| 满18在线观看网站| 777米奇影视久久| 丁香六月欧美| 天堂俺去俺来也www色官网| tube8黄色片| 亚洲国产精品999| 国产福利在线免费观看视频| 精品久久蜜臀av无| 久久久久网色| 国产主播在线观看一区二区 | 精品一区二区三区av网在线观看 | 男女边吃奶边做爰视频| 97人妻天天添夜夜摸| 无遮挡黄片免费观看| 99国产精品免费福利视频| 视频在线观看一区二区三区| 成人影院久久| 黄网站色视频无遮挡免费观看| tube8黄色片| 人体艺术视频欧美日本| 18禁裸乳无遮挡动漫免费视频| 亚洲国产欧美网| 国产高清视频在线播放一区 | 日韩人妻精品一区2区三区| 国产成人欧美在线观看 | 人体艺术视频欧美日本| 99久久精品国产亚洲精品| 久久热在线av| 国产精品久久久久久精品古装| 国产不卡av网站在线观看| 久久久久久久久久久久大奶| 国产一区亚洲一区在线观看| 亚洲一区中文字幕在线| av视频免费观看在线观看| 纵有疾风起免费观看全集完整版| 国产精品欧美亚洲77777| 色婷婷久久久亚洲欧美| 久久久精品免费免费高清| 满18在线观看网站| 一级毛片电影观看| 激情视频va一区二区三区| 亚洲视频免费观看视频| 免费人妻精品一区二区三区视频| 在线观看国产h片| 97精品久久久久久久久久精品| 一区福利在线观看| 国产精品国产三级专区第一集| 免费av中文字幕在线| 亚洲自偷自拍图片 自拍| 国产日韩欧美亚洲二区| 亚洲国产精品一区二区三区在线| 夫妻午夜视频| 亚洲精品在线美女| 欧美黑人欧美精品刺激| 精品国产乱码久久久久久小说| 日本av手机在线免费观看| 亚洲精品在线美女| av线在线观看网站| 中文字幕另类日韩欧美亚洲嫩草| 成年女人毛片免费观看观看9 | 国产成人精品在线电影| 一区二区av电影网| 高清欧美精品videossex| 男女午夜视频在线观看| 欧美日韩综合久久久久久| 日韩一卡2卡3卡4卡2021年| 丝袜美足系列| 久久国产精品男人的天堂亚洲| 免费女性裸体啪啪无遮挡网站| 各种免费的搞黄视频| 色婷婷久久久亚洲欧美| 免费在线观看完整版高清| 免费人妻精品一区二区三区视频| 精品高清国产在线一区| 亚洲av成人不卡在线观看播放网 | 老司机午夜十八禁免费视频| 夜夜骑夜夜射夜夜干| 国产野战对白在线观看| 国产女主播在线喷水免费视频网站| 又粗又硬又长又爽又黄的视频| 女性被躁到高潮视频| 久久国产精品男人的天堂亚洲| 纵有疾风起免费观看全集完整版| 国产日韩一区二区三区精品不卡| 性色av一级| 深夜精品福利| 国产欧美日韩综合在线一区二区| av电影中文网址| av在线老鸭窝| 精品国产乱码久久久久久男人| 99热网站在线观看| 手机成人av网站| 成年动漫av网址| 国产免费福利视频在线观看| av网站在线播放免费| 无限看片的www在线观看| 亚洲精品一区蜜桃| 久久免费观看电影| 久久热在线av| av在线app专区| 国产成人精品久久久久久| 中文精品一卡2卡3卡4更新| 中文乱码字字幕精品一区二区三区| 久久狼人影院| 成人手机av| 精品少妇久久久久久888优播| 亚洲国产欧美日韩在线播放| 大陆偷拍与自拍| 久久久久视频综合| 一边摸一边做爽爽视频免费| 大香蕉久久网| 精品欧美一区二区三区在线| 午夜两性在线视频| 日韩,欧美,国产一区二区三区| 女警被强在线播放| 日韩免费高清中文字幕av| 免费少妇av软件| 男的添女的下面高潮视频| 丰满人妻熟妇乱又伦精品不卡| 一边摸一边做爽爽视频免费| 人人妻人人澡人人爽人人夜夜| 免费不卡黄色视频| 国产黄色视频一区二区在线观看| 九草在线视频观看| 日韩一卡2卡3卡4卡2021年| 久久精品亚洲熟妇少妇任你| 国产伦理片在线播放av一区| 日本wwww免费看| 最近手机中文字幕大全| 久久天堂一区二区三区四区| 18禁黄网站禁片午夜丰满| 欧美日韩国产mv在线观看视频| 欧美av亚洲av综合av国产av| 欧美日韩成人在线一区二区| av电影中文网址| 成年动漫av网址| 国产精品成人在线| 中文字幕高清在线视频| 在线观看免费视频网站a站| 丝袜人妻中文字幕| 91精品伊人久久大香线蕉| 久久久久久久国产电影| 捣出白浆h1v1| 男女下面插进去视频免费观看| 免费不卡黄色视频| 夫妻午夜视频| 日韩一区二区三区影片| 考比视频在线观看| 一级毛片黄色毛片免费观看视频| 亚洲av欧美aⅴ国产| 色综合欧美亚洲国产小说| 一本大道久久a久久精品| 黄色 视频免费看| 亚洲av美国av| 满18在线观看网站| 亚洲欧洲国产日韩| 精品欧美一区二区三区在线| 天天躁日日躁夜夜躁夜夜| 蜜桃国产av成人99| 无遮挡黄片免费观看| 国产精品九九99| 久久国产精品大桥未久av| 久久久久久久久久久久大奶| 十分钟在线观看高清视频www| 久久久久久久精品精品| 9热在线视频观看99| 天天躁狠狠躁夜夜躁狠狠躁| 成人免费观看视频高清| 国产一区二区三区av在线| 中文字幕最新亚洲高清| 欧美日韩av久久| 久久国产精品男人的天堂亚洲| 最近中文字幕2019免费版| 午夜老司机福利片| 99国产精品99久久久久| 三上悠亚av全集在线观看| 男女之事视频高清在线观看 | 涩涩av久久男人的天堂| 1024视频免费在线观看| av国产久精品久网站免费入址| 欧美在线黄色| 99热国产这里只有精品6| 国产老妇伦熟女老妇高清| 久久亚洲国产成人精品v| 又大又黄又爽视频免费| 水蜜桃什么品种好| 国产熟女欧美一区二区| av在线播放精品| 亚洲国产毛片av蜜桃av| 婷婷色综合大香蕉| 一级黄色大片毛片| 久久人妻熟女aⅴ| 精品第一国产精品| 国产精品熟女久久久久浪| 久久毛片免费看一区二区三区| 麻豆国产av国片精品| 不卡av一区二区三区| 欧美老熟妇乱子伦牲交| 又粗又硬又长又爽又黄的视频| 黄色 视频免费看| 丝袜美腿诱惑在线| 久久综合国产亚洲精品| 欧美97在线视频| 国产熟女午夜一区二区三区| 又紧又爽又黄一区二区| 久久久国产精品麻豆| 欧美黄色淫秽网站| 久久久久久久国产电影| 国产黄频视频在线观看| 国产片特级美女逼逼视频| 99国产精品免费福利视频| 久久久久国产一级毛片高清牌| 妹子高潮喷水视频| 精品福利永久在线观看| 国产免费视频播放在线视频| 精品人妻在线不人妻| 日韩伦理黄色片| 97人妻天天添夜夜摸| 黄色一级大片看看| 午夜激情久久久久久久| videos熟女内射| 国产成人影院久久av| 国产成人精品久久二区二区免费| 午夜福利,免费看| 成年女人毛片免费观看观看9 | 十八禁人妻一区二区| 99久久综合免费| 91麻豆精品激情在线观看国产 | 欧美乱码精品一区二区三区| 捣出白浆h1v1| 青春草亚洲视频在线观看| av在线app专区| 亚洲欧美一区二区三区黑人| 亚洲熟女精品中文字幕| 91麻豆精品激情在线观看国产 | a 毛片基地| 久久久久久久国产电影| 亚洲成色77777| 亚洲国产av影院在线观看| 一级毛片女人18水好多 | 深夜精品福利| 亚洲人成电影观看| 搡老乐熟女国产| 国产日韩欧美视频二区| 国产成人一区二区在线| 后天国语完整版免费观看| 黄色怎么调成土黄色| 欧美日韩亚洲高清精品| 国产免费现黄频在线看| 十分钟在线观看高清视频www| 热99国产精品久久久久久7| 久久国产精品男人的天堂亚洲| 母亲3免费完整高清在线观看| 黑人猛操日本美女一级片| 久久国产精品影院| 亚洲,欧美,日韩| 国产成人av教育| 色婷婷久久久亚洲欧美| 免费观看人在逋| 人人妻人人添人人爽欧美一区卜| 精品一品国产午夜福利视频| 亚洲精品乱久久久久久| av线在线观看网站| 黄色片一级片一级黄色片| 又紧又爽又黄一区二区| cao死你这个sao货| 夜夜骑夜夜射夜夜干| 黄色一级大片看看| 久久精品久久精品一区二区三区| 亚洲视频免费观看视频| 国产亚洲午夜精品一区二区久久| 国产在线观看jvid| 一区二区av电影网| 少妇 在线观看| 19禁男女啪啪无遮挡网站| 一区二区av电影网| 久久精品亚洲熟妇少妇任你| 一本一本久久a久久精品综合妖精| 日韩大码丰满熟妇| 久久精品久久精品一区二区三区| 国产成人欧美| 久久女婷五月综合色啪小说| 观看av在线不卡| 亚洲av片天天在线观看| 欧美在线黄色| 这个男人来自地球电影免费观看| 人人妻人人添人人爽欧美一区卜| 丝瓜视频免费看黄片| 亚洲国产精品一区二区三区在线| 男女国产视频网站| 在线亚洲精品国产二区图片欧美| 性高湖久久久久久久久免费观看| 在线av久久热| 在现免费观看毛片| 国产av一区二区精品久久| 亚洲美女黄色视频免费看| 成年人午夜在线观看视频| 国产男女超爽视频在线观看| 免费一级毛片在线播放高清视频 | 成年动漫av网址| 成人国语在线视频| 国产欧美日韩一区二区三区在线| 后天国语完整版免费观看| 亚洲精品成人av观看孕妇| 国产女主播在线喷水免费视频网站| 美国免费a级毛片| 亚洲av日韩精品久久久久久密 | 日韩精品免费视频一区二区三区| 精品免费久久久久久久清纯 | 日韩av免费高清视频| 99久久99久久久精品蜜桃| 一个人免费看片子| 观看av在线不卡| 亚洲精品成人av观看孕妇| 交换朋友夫妻互换小说| 成年人午夜在线观看视频| 肉色欧美久久久久久久蜜桃| 一区二区三区乱码不卡18| videosex国产| 王馨瑶露胸无遮挡在线观看| 成人亚洲精品一区在线观看| 热re99久久国产66热| 精品少妇黑人巨大在线播放| 欧美久久黑人一区二区| 人人妻人人爽人人添夜夜欢视频| 青春草亚洲视频在线观看| 亚洲人成网站在线观看播放| 国产人伦9x9x在线观看| 熟女av电影| 国产高清videossex| 午夜福利乱码中文字幕| 一级毛片电影观看| 91麻豆精品激情在线观看国产 | 叶爱在线成人免费视频播放| 亚洲欧美一区二区三区久久| 国产男女超爽视频在线观看| 美国免费a级毛片| 夫妻性生交免费视频一级片| 精品久久久精品久久久| 中文字幕另类日韩欧美亚洲嫩草| 2021少妇久久久久久久久久久| 天天添夜夜摸| 亚洲精品国产av成人精品| 久久精品人人爽人人爽视色| 久久精品国产综合久久久| 五月开心婷婷网| 黄色怎么调成土黄色| 人妻一区二区av| 国产视频首页在线观看| 免费在线观看完整版高清| 国产精品一区二区在线不卡| 熟女av电影| 成人18禁高潮啪啪吃奶动态图| 亚洲视频免费观看视频| 丰满人妻熟妇乱又伦精品不卡| 国产真人三级小视频在线观看| av又黄又爽大尺度在线免费看| 91成人精品电影| 十分钟在线观看高清视频www| 女人高潮潮喷娇喘18禁视频| 各种免费的搞黄视频| 免费黄频网站在线观看国产| 色综合欧美亚洲国产小说| 久久国产精品男人的天堂亚洲| 久久久久国产一级毛片高清牌| 亚洲欧美色中文字幕在线| 一级毛片 在线播放| 亚洲伊人色综图| 99久久精品国产亚洲精品| 97在线人人人人妻| 欧美黄色淫秽网站| 精品一区二区三卡| 国产激情久久老熟女| 精品国产一区二区三区四区第35| 国产男人的电影天堂91| 男女无遮挡免费网站观看| 熟女少妇亚洲综合色aaa.| 国产xxxxx性猛交| 一本色道久久久久久精品综合| 丝袜喷水一区| 中文精品一卡2卡3卡4更新| 久久精品熟女亚洲av麻豆精品| 色综合欧美亚洲国产小说| 精品国产一区二区三区四区第35| 欧美另类一区| 久久亚洲国产成人精品v| 9色porny在线观看| 国产精品九九99| 99久久综合免费| 99精国产麻豆久久婷婷| 在现免费观看毛片| 人成视频在线观看免费观看| 久热爱精品视频在线9| 婷婷色麻豆天堂久久| 秋霞在线观看毛片| 国产熟女午夜一区二区三区| 亚洲伊人色综图| 首页视频小说图片口味搜索 | 91老司机精品| 日韩,欧美,国产一区二区三区| 免费一级毛片在线播放高清视频 | 日韩,欧美,国产一区二区三区| 日日摸夜夜添夜夜爱| 国产成人精品在线电影| 久久精品亚洲熟妇少妇任你| 麻豆av在线久日| 99热全是精品| 日本色播在线视频| 精品人妻1区二区| 18禁裸乳无遮挡动漫免费视频| 欧美在线黄色| 中文字幕最新亚洲高清| 日本黄色日本黄色录像| 99九九在线精品视频| 亚洲九九香蕉| 欧美精品亚洲一区二区| 国产色视频综合| 黄色 视频免费看| 如日韩欧美国产精品一区二区三区| 在现免费观看毛片| 久久亚洲国产成人精品v| 久久女婷五月综合色啪小说| 久久影院123| 国产欧美日韩一区二区三 | 人体艺术视频欧美日本| 亚洲av片天天在线观看| 日本黄色日本黄色录像| svipshipincom国产片| av在线老鸭窝| 男女免费视频国产| 欧美亚洲 丝袜 人妻 在线| 久久久久网色| 中文字幕另类日韩欧美亚洲嫩草| 精品卡一卡二卡四卡免费| 男人添女人高潮全过程视频| 日本午夜av视频| 亚洲熟女毛片儿| 高清黄色对白视频在线免费看| 亚洲欧美日韩高清在线视频 | 国产日韩一区二区三区精品不卡| 美女午夜性视频免费| 亚洲欧洲国产日韩| 欧美亚洲日本最大视频资源| 永久免费av网站大全| 午夜91福利影院| 亚洲精品美女久久av网站| 亚洲欧洲精品一区二区精品久久久| 久久久久精品国产欧美久久久 | 在线观看一区二区三区激情| 亚洲精品国产一区二区精华液| 赤兔流量卡办理| 中文字幕最新亚洲高清| 啦啦啦 在线观看视频| 国产成人精品久久二区二区免费| 久久人妻熟女aⅴ| 国产黄色视频一区二区在线观看| 久9热在线精品视频| av天堂在线播放| 国产亚洲欧美精品永久| 欧美激情 高清一区二区三区| 日日摸夜夜添夜夜爱| 中文字幕另类日韩欧美亚洲嫩草| 侵犯人妻中文字幕一二三四区| 成年人黄色毛片网站| 韩国精品一区二区三区| 欧美日韩亚洲国产一区二区在线观看 | 亚洲第一av免费看| 国产日韩一区二区三区精品不卡| 午夜福利免费观看在线| 免费日韩欧美在线观看| 国产精品国产三级专区第一集| 午夜精品国产一区二区电影| 亚洲成国产人片在线观看| 久久亚洲精品不卡| av在线播放精品| 国产亚洲精品久久久久5区| a 毛片基地| 波多野结衣一区麻豆| 人人妻,人人澡人人爽秒播 | 天天躁狠狠躁夜夜躁狠狠躁| 色综合欧美亚洲国产小说| 美女午夜性视频免费| 中文欧美无线码| 18禁裸乳无遮挡动漫免费视频| 性色av一级| 亚洲七黄色美女视频| 中文字幕精品免费在线观看视频| 色94色欧美一区二区| 99久久综合免费| 黑丝袜美女国产一区| 叶爱在线成人免费视频播放| 久久人人爽av亚洲精品天堂| 午夜福利视频在线观看免费| 少妇的丰满在线观看| 青春草视频在线免费观看| 亚洲国产欧美在线一区| 国产xxxxx性猛交| 操美女的视频在线观看| 老熟女久久久| 狠狠婷婷综合久久久久久88av| 制服人妻中文乱码| 亚洲精品美女久久久久99蜜臀 | 日本欧美视频一区| 国产一区亚洲一区在线观看| 国产xxxxx性猛交| 国产男女内射视频| 考比视频在线观看| 夫妻午夜视频| 午夜福利一区二区在线看| 久久ye,这里只有精品| 精品亚洲成国产av| 波野结衣二区三区在线| 久久精品久久精品一区二区三区| 亚洲av电影在线进入| 老司机亚洲免费影院| 交换朋友夫妻互换小说| 精品少妇一区二区三区视频日本电影| 亚洲五月婷婷丁香| 三上悠亚av全集在线观看| 七月丁香在线播放| 日韩 欧美 亚洲 中文字幕| 激情五月婷婷亚洲| 久久精品国产亚洲av涩爱| 日日夜夜操网爽| 视频区欧美日本亚洲| 99久久99久久久精品蜜桃| 丝袜美腿诱惑在线| 人妻人人澡人人爽人人| 色网站视频免费| av电影中文网址| 精品免费久久久久久久清纯 | 99热全是精品| 色精品久久人妻99蜜桃| 亚洲欧美精品综合一区二区三区| a级毛片在线看网站| 又紧又爽又黄一区二区| 亚洲人成电影观看| 丰满饥渴人妻一区二区三| 亚洲熟女精品中文字幕| 纯流量卡能插随身wifi吗| 国产极品粉嫩免费观看在线| 成人国产一区最新在线观看 | 国产亚洲av片在线观看秒播厂| 最新在线观看一区二区三区 | 久久天躁狠狠躁夜夜2o2o | 这个男人来自地球电影免费观看| 天堂俺去俺来也www色官网| 成年人黄色毛片网站| 三上悠亚av全集在线观看| 少妇人妻久久综合中文| 精品亚洲成国产av| 亚洲精品国产一区二区精华液| 另类亚洲欧美激情| 人人澡人人妻人| 日韩熟女老妇一区二区性免费视频| 天天躁日日躁夜夜躁夜夜| 51午夜福利影视在线观看| 下体分泌物呈黄色| 99香蕉大伊视频| 人妻 亚洲 视频| 精品高清国产在线一区| 汤姆久久久久久久影院中文字幕| 免费黄频网站在线观看国产| 亚洲精品久久午夜乱码| 美女大奶头黄色视频| 亚洲av在线观看美女高潮| 亚洲国产精品一区三区| 日本a在线网址| 老汉色∧v一级毛片| 国产精品免费大片| 亚洲av日韩精品久久久久久密 | 纵有疾风起免费观看全集完整版| 好男人电影高清在线观看| 伦理电影免费视频| 国产亚洲精品久久久久5区| 悠悠久久av| svipshipincom国产片| 精品国产一区二区三区久久久樱花| 啦啦啦啦在线视频资源| 一边亲一边摸免费视频| 女性生殖器流出的白浆| 亚洲成人免费电影在线观看 | 亚洲成av片中文字幕在线观看| 女性被躁到高潮视频| 午夜老司机福利片| 亚洲,欧美精品.| 国产老妇伦熟女老妇高清| 少妇人妻 视频| 亚洲国产精品999| 成年人午夜在线观看视频| 人人妻人人澡人人看| 午夜免费男女啪啪视频观看| 高清欧美精品videossex| 亚洲人成电影免费在线| 亚洲视频免费观看视频| 国产精品熟女久久久久浪| 视频区图区小说| 午夜福利,免费看| 手机成人av网站| 两人在一起打扑克的视频| 男女床上黄色一级片免费看| a 毛片基地| 日韩大片免费观看网站| www.av在线官网国产| 麻豆乱淫一区二区| 成人三级做爰电影| 国产高清不卡午夜福利| 在线观看www视频免费| 午夜久久久在线观看| 国产高清不卡午夜福利| 999精品在线视频| 国产亚洲午夜精品一区二区久久| 精品国产乱码久久久久久男人|