• <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
    亚洲一码二码三码区别大吗| 一本综合久久免费| 精品欧美国产一区二区三| 国产精品香港三级国产av潘金莲| 韩国av一区二区三区四区| 免费一级毛片在线播放高清视频| 老鸭窝网址在线观看| 99久久精品热视频| 国内精品久久久久精免费| www.自偷自拍.com| 两个人看的免费小视频| 国产高清有码在线观看视频 | 国产精品 欧美亚洲| 我要搜黄色片| 成人特级黄色片久久久久久久| 俺也久久电影网| 久久亚洲精品不卡| 国产激情欧美一区二区| 非洲黑人性xxxx精品又粗又长| av欧美777| 亚洲人成网站在线播放欧美日韩| 久久热在线av| 欧美日韩一级在线毛片| 亚洲av电影在线进入| 美女免费视频网站| 三级男女做爰猛烈吃奶摸视频| 亚洲人成网站高清观看| 在线观看免费午夜福利视频| 日韩欧美三级三区| 亚洲全国av大片| 啦啦啦韩国在线观看视频| 无人区码免费观看不卡| 成在线人永久免费视频| 亚洲精品一区av在线观看| 白带黄色成豆腐渣| 99热这里只有是精品50| 日韩有码中文字幕| 91成年电影在线观看| www日本黄色视频网| 夜夜看夜夜爽夜夜摸| 亚洲av中文字字幕乱码综合| 叶爱在线成人免费视频播放| 老熟妇仑乱视频hdxx| 国产午夜精品论理片| 国产av一区在线观看免费| 在线观看日韩欧美| 制服丝袜大香蕉在线| 日韩欧美一区二区三区在线观看| 成人av一区二区三区在线看| 一本综合久久免费| 午夜久久久久精精品| 热99re8久久精品国产| 日日干狠狠操夜夜爽| 男女床上黄色一级片免费看| av天堂在线播放| 色老头精品视频在线观看| 50天的宝宝边吃奶边哭怎么回事| 欧美色欧美亚洲另类二区| 国产午夜福利久久久久久| 午夜成年电影在线免费观看| 亚洲成av人片免费观看| 日韩有码中文字幕| 99riav亚洲国产免费| 亚洲中文av在线| 色噜噜av男人的天堂激情| 每晚都被弄得嗷嗷叫到高潮| 超碰成人久久| 黄色a级毛片大全视频| 成人国语在线视频| 十八禁人妻一区二区| 国产精品精品国产色婷婷| 丰满的人妻完整版| 久久欧美精品欧美久久欧美| 777久久人妻少妇嫩草av网站| 天堂av国产一区二区熟女人妻 | 啦啦啦观看免费观看视频高清| avwww免费| 欧美一区二区精品小视频在线| 国产爱豆传媒在线观看 | 精品国产超薄肉色丝袜足j| 国产aⅴ精品一区二区三区波| 久久久久九九精品影院| 麻豆av在线久日| 精品国产乱码久久久久久男人| 丰满的人妻完整版| 国产又黄又爽又无遮挡在线| 美女黄网站色视频| 在线国产一区二区在线| 亚洲国产精品成人综合色| 身体一侧抽搐| 国产高清videossex| 欧美日韩一级在线毛片| 露出奶头的视频| 少妇被粗大的猛进出69影院| 999久久久国产精品视频| 免费无遮挡裸体视频| 日日爽夜夜爽网站| 成人亚洲精品av一区二区| 亚洲色图 男人天堂 中文字幕| а√天堂www在线а√下载| 欧美性猛交╳xxx乱大交人| av中文乱码字幕在线| 岛国在线观看网站| www.精华液| 一本久久中文字幕| 久久久国产精品麻豆| 啦啦啦免费观看视频1| 女同久久另类99精品国产91| 日韩大尺度精品在线看网址| 午夜成年电影在线免费观看| 欧美国产日韩亚洲一区| 国内精品久久久久精免费| 成人18禁高潮啪啪吃奶动态图| 亚洲avbb在线观看| 黄色毛片三级朝国网站| 精品少妇一区二区三区视频日本电影| 精品久久久久久久人妻蜜臀av| 久久久久国产一级毛片高清牌| 久久伊人香网站| 香蕉丝袜av| 亚洲18禁久久av| 精华霜和精华液先用哪个| 亚洲 欧美 日韩 在线 免费| 又黄又粗又硬又大视频| 中文字幕久久专区| 国产亚洲av嫩草精品影院| av有码第一页| 午夜福利欧美成人| 不卡一级毛片| 欧美 亚洲 国产 日韩一| 国产成人啪精品午夜网站| 好男人在线观看高清免费视频| 在线观看美女被高潮喷水网站 | 在线a可以看的网站| 国产1区2区3区精品| 午夜久久久久精精品| √禁漫天堂资源中文www| 欧美中文日本在线观看视频| 久久这里只有精品19| 成人av在线播放网站| 黄片大片在线免费观看| 久久天躁狠狠躁夜夜2o2o| 两个人视频免费观看高清| 精品久久久久久久毛片微露脸| 亚洲精品美女久久av网站| 五月伊人婷婷丁香| 一级a爱片免费观看的视频| 亚洲精品一区av在线观看| 又粗又爽又猛毛片免费看| 国产高清视频在线播放一区| 国产一区二区三区视频了| 久久精品91蜜桃| 国产精品亚洲一级av第二区| 中文字幕久久专区| 一级毛片女人18水好多| 精品第一国产精品| 中出人妻视频一区二区| 又粗又爽又猛毛片免费看| 成人av一区二区三区在线看| 午夜两性在线视频| 亚洲精品一卡2卡三卡4卡5卡| 妹子高潮喷水视频| 少妇被粗大的猛进出69影院| 国内毛片毛片毛片毛片毛片| 亚洲av美国av| 色综合亚洲欧美另类图片| 色综合亚洲欧美另类图片| 免费av毛片视频| 国产精品久久久久久人妻精品电影| 久久久精品国产亚洲av高清涩受| 最近最新中文字幕大全电影3| 日本熟妇午夜| 亚洲成人精品中文字幕电影| 国产精品日韩av在线免费观看| 日韩高清综合在线| 校园春色视频在线观看| 婷婷丁香在线五月| 中文在线观看免费www的网站 | 老熟妇乱子伦视频在线观看| 欧美日韩黄片免| 此物有八面人人有两片| 久久亚洲精品不卡| 五月玫瑰六月丁香| 午夜福利免费观看在线| 黄频高清免费视频| 精品久久久久久久末码| 亚洲五月婷婷丁香| 黄色片一级片一级黄色片| 狂野欧美激情性xxxx| 人妻丰满熟妇av一区二区三区| 欧美日本视频| 亚洲专区字幕在线| 国产精品98久久久久久宅男小说| 国产精品久久久久久久电影 | 99riav亚洲国产免费| 一级作爱视频免费观看| 国产亚洲欧美98| 法律面前人人平等表现在哪些方面| 国产人伦9x9x在线观看| 脱女人内裤的视频| 免费在线观看视频国产中文字幕亚洲| 精品欧美一区二区三区在线| 成人三级做爰电影| 日本一本二区三区精品| 亚洲国产日韩欧美精品在线观看 | 88av欧美| 一进一出好大好爽视频| 2021天堂中文幕一二区在线观| 亚洲精品在线观看二区| 悠悠久久av| 久久国产乱子伦精品免费另类| 午夜a级毛片| 99精品欧美一区二区三区四区| 午夜福利免费观看在线| 一个人观看的视频www高清免费观看 | 久久久久亚洲av毛片大全| 欧美黑人精品巨大| www.999成人在线观看| 99精品欧美一区二区三区四区| 19禁男女啪啪无遮挡网站| 日本a在线网址| 十八禁人妻一区二区| 黄色片一级片一级黄色片| 免费看日本二区| 日韩欧美国产在线观看| 日日爽夜夜爽网站| 看黄色毛片网站| www日本在线高清视频| 99热这里只有是精品50| 黑人操中国人逼视频| 天天一区二区日本电影三级| 黑人巨大精品欧美一区二区mp4| 大型黄色视频在线免费观看| 搡老岳熟女国产| 免费在线观看完整版高清| 中文字幕熟女人妻在线| 亚洲国产欧美一区二区综合| 亚洲成人久久爱视频| √禁漫天堂资源中文www| 天堂av国产一区二区熟女人妻 | 男人舔女人的私密视频| 久久这里只有精品中国| 国产高清视频在线观看网站| 叶爱在线成人免费视频播放| 中亚洲国语对白在线视频| 可以在线观看的亚洲视频| 成人亚洲精品av一区二区| 国产激情欧美一区二区| 国语自产精品视频在线第100页| 1024手机看黄色片| 男人舔奶头视频| 中文字幕人成人乱码亚洲影| 亚洲国产欧美人成| 精品久久久久久久末码| 最新在线观看一区二区三区| 成人欧美大片| 18禁观看日本| 久久久国产精品麻豆| 一本久久中文字幕| 国产成人欧美在线观看| 久久 成人 亚洲| 精品一区二区三区视频在线观看免费| 无遮挡黄片免费观看| 欧美日韩中文字幕国产精品一区二区三区| 一个人观看的视频www高清免费观看 | 精品第一国产精品| 国产精品国产高清国产av| 国产亚洲av高清不卡| 天天一区二区日本电影三级| 最近视频中文字幕2019在线8| 婷婷精品国产亚洲av| 97超级碰碰碰精品色视频在线观看| 欧美午夜高清在线| 久久亚洲真实| 亚洲精品国产精品久久久不卡| 三级男女做爰猛烈吃奶摸视频| 50天的宝宝边吃奶边哭怎么回事| 一本大道久久a久久精品| 精品国产超薄肉色丝袜足j| 久久久久久久久久黄片| 母亲3免费完整高清在线观看| 桃色一区二区三区在线观看| 成人欧美大片| 不卡一级毛片| 国产精品久久久av美女十八| 90打野战视频偷拍视频| xxxwww97欧美| 91在线观看av| 午夜两性在线视频| 久久天堂一区二区三区四区| 免费观看精品视频网站| 999久久久精品免费观看国产| 亚洲精品久久成人aⅴ小说| 叶爱在线成人免费视频播放| 亚洲成av人片免费观看| 性欧美人与动物交配| 日韩大尺度精品在线看网址| 国产乱人伦免费视频| 人人妻,人人澡人人爽秒播| 精品乱码久久久久久99久播| 制服丝袜大香蕉在线| 欧美日韩一级在线毛片| 最近最新中文字幕大全电影3| 熟妇人妻久久中文字幕3abv| 成人国产一区最新在线观看| 美女黄网站色视频| 69av精品久久久久久| 亚洲人与动物交配视频| 精品国内亚洲2022精品成人| 国产午夜福利久久久久久| 久久国产乱子伦精品免费另类| 九色成人免费人妻av| 狂野欧美白嫩少妇大欣赏| 真人做人爱边吃奶动态| 久久久久久九九精品二区国产 | 淫秽高清视频在线观看| 欧美人与性动交α欧美精品济南到| 高潮久久久久久久久久久不卡| 久久久久久人人人人人| 国产av不卡久久| 母亲3免费完整高清在线观看| 亚洲成a人片在线一区二区| 亚洲国产日韩欧美精品在线观看 | 久久草成人影院| 搡老熟女国产l中国老女人| 日韩欧美国产一区二区入口| 99在线人妻在线中文字幕| 午夜激情福利司机影院| 国产aⅴ精品一区二区三区波| 亚洲成人免费电影在线观看| 丰满的人妻完整版| 91国产中文字幕| 成人欧美大片| 亚洲成人精品中文字幕电影| 免费看美女性在线毛片视频| 无人区码免费观看不卡| 国产亚洲精品一区二区www| 久久久国产欧美日韩av| 国产亚洲精品久久久久5区| 午夜成年电影在线免费观看| 999久久久精品免费观看国产| 国产亚洲欧美在线一区二区| e午夜精品久久久久久久| 成人一区二区视频在线观看| 亚洲乱码一区二区免费版| 午夜亚洲福利在线播放| 99久久综合精品五月天人人| 国产精品国产高清国产av| 亚洲精品色激情综合| 禁无遮挡网站| 脱女人内裤的视频| 久久精品人妻少妇| 欧美日韩乱码在线| 国产精品 欧美亚洲| 黄色成人免费大全| 欧美黄色片欧美黄色片| 热99re8久久精品国产| 人妻丰满熟妇av一区二区三区| 免费在线观看日本一区| 少妇粗大呻吟视频| 丰满的人妻完整版| 亚洲五月天丁香| 欧洲精品卡2卡3卡4卡5卡区| 亚洲av五月六月丁香网| av在线播放免费不卡| 精品免费久久久久久久清纯| 欧美3d第一页| 国产精品亚洲一级av第二区| 欧美日韩中文字幕国产精品一区二区三区| 久久精品国产99精品国产亚洲性色| 亚洲色图av天堂| 国产精品一区二区三区四区久久| 很黄的视频免费| 久久国产精品影院| 亚洲av电影在线进入| 日本在线视频免费播放| 亚洲专区中文字幕在线| 啪啪无遮挡十八禁网站| 欧美大码av| 久久欧美精品欧美久久欧美| 日日干狠狠操夜夜爽| 国产aⅴ精品一区二区三区波| 亚洲专区中文字幕在线| 男女之事视频高清在线观看| 日韩欧美国产在线观看| 天天躁夜夜躁狠狠躁躁| 久久人妻福利社区极品人妻图片| 一本精品99久久精品77| 亚洲成人精品中文字幕电影| 18禁裸乳无遮挡免费网站照片| 亚洲av成人一区二区三| 久久婷婷人人爽人人干人人爱| 午夜激情福利司机影院| 亚洲人成网站在线播放欧美日韩| 91成年电影在线观看| 亚洲国产中文字幕在线视频| 12—13女人毛片做爰片一| а√天堂www在线а√下载| 免费一级毛片在线播放高清视频| 国产真人三级小视频在线观看| www.www免费av| 精品高清国产在线一区| 丁香欧美五月| 成人手机av| 天天一区二区日本电影三级| 亚洲精品色激情综合| 最新在线观看一区二区三区| 亚洲成人免费电影在线观看| 舔av片在线| 久久人妻av系列| 亚洲乱码一区二区免费版| 给我免费播放毛片高清在线观看| 一本大道久久a久久精品| 欧美黄色片欧美黄色片| 国产69精品久久久久777片 | 欧美精品亚洲一区二区| 国产99白浆流出| 国产精品日韩av在线免费观看| 精品久久久久久久久久久久久| 亚洲精品一区av在线观看| 成人手机av| 亚洲一区中文字幕在线| 19禁男女啪啪无遮挡网站| 伦理电影免费视频| 精品久久久久久,| 美女 人体艺术 gogo| 日本成人三级电影网站| 亚洲aⅴ乱码一区二区在线播放 | 中国美女看黄片| 亚洲欧美精品综合久久99| 国产高清视频在线播放一区| 99riav亚洲国产免费| 日韩国内少妇激情av| 国产三级黄色录像| 中文字幕最新亚洲高清| 18禁黄网站禁片免费观看直播| 亚洲色图 男人天堂 中文字幕| 国产精品1区2区在线观看.| 亚洲七黄色美女视频| 看黄色毛片网站| 亚洲熟妇熟女久久| 制服人妻中文乱码| av中文乱码字幕在线| 亚洲成人久久爱视频| 午夜视频精品福利| 日韩高清综合在线| 亚洲国产精品合色在线| 久久久精品欧美日韩精品| 免费在线观看日本一区| 国产欧美日韩一区二区三| 性欧美人与动物交配| 成人国产一区最新在线观看| 最近最新免费中文字幕在线| 好看av亚洲va欧美ⅴa在| 国产一区二区激情短视频| 中文字幕最新亚洲高清| 午夜福利欧美成人| 老司机午夜十八禁免费视频| 不卡一级毛片| 亚洲精华国产精华精| 欧美绝顶高潮抽搐喷水| 舔av片在线| 国产成人精品久久二区二区免费| 91麻豆精品激情在线观看国产| 欧美成人免费av一区二区三区| 亚洲精品在线观看二区| 最近在线观看免费完整版| 日韩中文字幕欧美一区二区| 最近最新中文字幕大全免费视频| 久久久久免费精品人妻一区二区| 波多野结衣高清作品| 91老司机精品| 欧美黄色片欧美黄色片| 精品久久久久久久久久久久久| 男女做爰动态图高潮gif福利片| 亚洲精品国产一区二区精华液| 2021天堂中文幕一二区在线观| 久99久视频精品免费| 女同久久另类99精品国产91| 制服丝袜大香蕉在线| 欧美中文日本在线观看视频| 黄色成人免费大全| 国产一区二区三区在线臀色熟女| 非洲黑人性xxxx精品又粗又长| 国产精品国产高清国产av| 午夜亚洲福利在线播放| 色综合婷婷激情| 久久久久久国产a免费观看| 国产探花在线观看一区二区| 日韩欧美三级三区| 亚洲国产精品久久男人天堂| av欧美777| www.精华液| 97人妻精品一区二区三区麻豆| 免费在线观看成人毛片| 久久久久亚洲av毛片大全| 午夜老司机福利片| 亚洲全国av大片| 女警被强在线播放| 亚洲专区中文字幕在线| 免费在线观看黄色视频的| 18禁观看日本| 18禁黄网站禁片午夜丰满| 97碰自拍视频| 免费在线观看成人毛片| 午夜福利18| 色综合欧美亚洲国产小说| 国产亚洲精品第一综合不卡| 欧美黄色淫秽网站| 国产在线观看jvid| 校园春色视频在线观看| 中文字幕人成人乱码亚洲影| 欧美中文综合在线视频| 99久久精品热视频| 高清在线国产一区| 欧美黄色片欧美黄色片| 夜夜躁狠狠躁天天躁| 黄色视频不卡| 精品久久久久久久人妻蜜臀av| a级毛片a级免费在线| netflix在线观看网站| 国产精品爽爽va在线观看网站| 亚洲国产日韩欧美精品在线观看 | 成人国产综合亚洲| 搡老妇女老女人老熟妇| 国产亚洲精品一区二区www| av在线天堂中文字幕| 国产精品亚洲美女久久久| 国产亚洲精品久久久久5区| 免费在线观看视频国产中文字幕亚洲| 久久香蕉国产精品| 免费一级毛片在线播放高清视频| or卡值多少钱| 女人爽到高潮嗷嗷叫在线视频| 国内毛片毛片毛片毛片毛片| 国产成+人综合+亚洲专区| 国内毛片毛片毛片毛片毛片| 欧美性长视频在线观看| 免费观看人在逋| 曰老女人黄片| 色播亚洲综合网| 国产精品免费视频内射| a在线观看视频网站| 国产午夜福利久久久久久| 1024手机看黄色片| 国产高清视频在线播放一区| 在线观看日韩欧美| 日韩免费av在线播放| 精品熟女少妇八av免费久了| 一区二区三区高清视频在线| 国产真实乱freesex| 亚洲专区中文字幕在线| 狂野欧美白嫩少妇大欣赏| 日韩精品青青久久久久久| 免费在线观看黄色视频的| 嫩草影视91久久| 在线看三级毛片| 亚洲美女黄片视频| 老司机福利观看| 在线永久观看黄色视频| 午夜久久久久精精品| 久久精品夜夜夜夜夜久久蜜豆 | 99在线人妻在线中文字幕| 国产激情欧美一区二区| 舔av片在线| 亚洲国产精品合色在线| 一夜夜www| 免费无遮挡裸体视频| 中亚洲国语对白在线视频| 国产乱人伦免费视频| 国模一区二区三区四区视频 | 亚洲精品在线美女| 精品欧美国产一区二区三| 我的老师免费观看完整版| 操出白浆在线播放| 村上凉子中文字幕在线| 精品久久久久久成人av| 免费电影在线观看免费观看| 午夜精品一区二区三区免费看| 免费观看人在逋| 欧美日韩中文字幕国产精品一区二区三区| 一级毛片精品| 国产精品自产拍在线观看55亚洲| 欧美绝顶高潮抽搐喷水| 人成视频在线观看免费观看| 在线观看66精品国产| 亚洲成av人片免费观看| 日韩欧美 国产精品| 亚洲成a人片在线一区二区| 国产真人三级小视频在线观看| 午夜成年电影在线免费观看| 丰满人妻一区二区三区视频av | 人妻夜夜爽99麻豆av| 精品一区二区三区四区五区乱码| 99国产极品粉嫩在线观看| 欧美另类亚洲清纯唯美| 亚洲精品色激情综合| 看片在线看免费视频| 一夜夜www| 午夜两性在线视频| 在线观看免费午夜福利视频| 在线视频色国产色| 天堂影院成人在线观看| 19禁男女啪啪无遮挡网站| 国产熟女xx| 欧美黑人巨大hd| 国产午夜福利久久久久久| 黄色片一级片一级黄色片| 成人三级黄色视频| 中文字幕最新亚洲高清| 久久香蕉国产精品| 久久精品亚洲精品国产色婷小说| 在线观看午夜福利视频| 亚洲 国产 在线| 色av中文字幕|