• <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 ?

    一種基于博弈論的時(shí)序網(wǎng)絡(luò)鏈路預(yù)測(cè)方法

    2019-09-16 02:50:14王煜堯倪琦瑄
    關(guān)鍵詞:時(shí)序靜態(tài)鏈路

    劉 留 王煜堯 倪琦瑄 曹 杰 卜 湛

    1(南京財(cái)經(jīng)大學(xué)信息工程學(xué)院 南京 210013)2(南京理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院 南京 210094)

    許多現(xiàn)實(shí)世界的網(wǎng)絡(luò)系統(tǒng)是非靜態(tài)的,節(jié)點(diǎn)間的連接關(guān)系隨時(shí)間動(dòng)態(tài)變化,此類(lèi)網(wǎng)絡(luò)可由一系列包含時(shí)間戳的鏈路集合[1]表示.在動(dòng)態(tài)網(wǎng)絡(luò)研究領(lǐng)域中,除了研究最為廣泛的社區(qū)發(fā)現(xiàn)問(wèn)題[2-3],鏈路預(yù)測(cè)問(wèn)題[4-6]研究如何利用網(wǎng)絡(luò)歷史拓?fù)湫畔㈩A(yù)測(cè)未來(lái)的鏈路存在情況,是一項(xiàng)具有重要研究意義的課題.鏈路預(yù)測(cè)對(duì)于人們理解網(wǎng)絡(luò)演化[7]規(guī)律至關(guān)重要,且在諸多實(shí)際應(yīng)用中發(fā)揮著重要作用,如預(yù)測(cè)蛋白質(zhì)間的相互作用[8]、社交網(wǎng)絡(luò)中的朋友推薦[9]和科研網(wǎng)絡(luò)的合作推薦[10]等.

    區(qū)別于已有的鏈路預(yù)測(cè)研究,本文旨在研究時(shí)序網(wǎng)絡(luò)[11]的演化機(jī)制,即給定一組由固定節(jié)點(diǎn)集合構(gòu)成的靜態(tài)網(wǎng)絡(luò)序列,如g1,g2,…,gt,我們嘗試預(yù)測(cè)該網(wǎng)絡(luò)在未來(lái)時(shí)刻t+1到t+T的拓?fù)浣Y(jié)構(gòu).一方面,傳統(tǒng)的鏈路預(yù)測(cè)方法[12]多關(guān)注于靜態(tài)網(wǎng)絡(luò)的鏈路預(yù)測(cè)問(wèn)題,忽略了每條鏈路上的時(shí)間戳信息,故不能被直接應(yīng)用于解決時(shí)序網(wǎng)絡(luò)的鏈路預(yù)測(cè)問(wèn)題.另一方面,現(xiàn)實(shí)世界的網(wǎng)絡(luò)系統(tǒng)通常具有較大的規(guī)模,包含海量有復(fù)雜聯(lián)系的網(wǎng)絡(luò)參與者.例如,一個(gè)包含105個(gè)節(jié)點(diǎn)和106條鏈路的稀疏網(wǎng)絡(luò),若預(yù)測(cè)未來(lái)可能生成的新鏈路,其搜索空間的數(shù)量級(jí)為1010;而預(yù)測(cè)未來(lái)可能消失鏈路的搜索空間的數(shù)量級(jí)為106,僅占前者的0.01%.受限于上述真實(shí)網(wǎng)絡(luò)的這種稀疏性特性,有監(jiān)督的鏈路預(yù)測(cè)方法會(huì)面臨不同程度的分類(lèi)樣本分布失衡問(wèn)題.

    基于上述分析,本文構(gòu)建了一個(gè)高效的鏈路預(yù)測(cè)框架.首先,采用ε-鄰接網(wǎng)絡(luò)序列定義時(shí)序網(wǎng)絡(luò)的表示模型,從包含時(shí)間戳的鏈路集合中生成真實(shí)的網(wǎng)絡(luò)演化序列.另外,由于生存分析中的Cox比例風(fēng)險(xiǎn)模型不需對(duì)生存時(shí)間的分布作出假定,僅通過(guò)一個(gè)模型就可分析生存時(shí)間的分布規(guī)律.因此,我們?yōu)槊織l鏈路關(guān)聯(lián)一組基于拓?fù)湎嗨菩缘奶卣飨蛄?,并借助Cox比例風(fēng)險(xiǎn)模型分別學(xué)習(xí)鏈路的消失和重連概率.然而,現(xiàn)實(shí)中的大多數(shù)網(wǎng)絡(luò)為稀疏網(wǎng)絡(luò),即大多數(shù)的節(jié)點(diǎn)對(duì)之間不存在鏈路.因此,為壓縮搜索空間,我們將節(jié)點(diǎn)對(duì)之間的連邊情況模擬為2個(gè)玩家之間的博弈,進(jìn)而提出一種基于動(dòng)態(tài)博弈的雙向選擇機(jī)制來(lái)預(yù)測(cè)未來(lái)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu).除此之外,由于計(jì)算特征向量所采用的鄰近性指標(biāo)是基于每個(gè)節(jié)點(diǎn)的鄰居來(lái)計(jì)算得到的,故我們將可能與節(jié)點(diǎn)i發(fā)生重連的節(jié)點(diǎn)約束在距i的最短路徑距離不超過(guò)2的范圍內(nèi).此舉有效地壓縮了鏈路預(yù)測(cè)的搜索空間,提高了算法的計(jì)算效率,緩解了稀疏網(wǎng)絡(luò)帶來(lái)的分類(lèi)樣本分布失衡問(wèn)題.

    1 相關(guān)工作

    傳統(tǒng)的復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測(cè)方法主要分為3類(lèi):1)無(wú)監(jiān)督預(yù)測(cè)方法;2)有監(jiān)督預(yù)測(cè)方法;3)基于概率模型的預(yù)測(cè)方法.

    無(wú)監(jiān)督預(yù)測(cè)方法,也被稱(chēng)為評(píng)分方法[13-14].此類(lèi)方法的基本假設(shè)是:若2個(gè)節(jié)點(diǎn)拓?fù)湎嗨贫仍酱螅鼈冊(cè)谖磥?lái)形成鏈路的概率越高.基于此假設(shè),無(wú)監(jiān)督預(yù)測(cè)方法通過(guò)定義一系列節(jié)點(diǎn)對(duì)的相似性函數(shù),來(lái)刻畫(huà)網(wǎng)絡(luò)中任一鏈路的存在概率.其中最常用的相似性函數(shù)包括CN(common neighbor index)[15],JC(Jaccard coefficient)[16],PA(preferential attach-ment index)[17],AA(adamic-adar index)[18]等.由于這些相似性函數(shù)多采用網(wǎng)絡(luò)的局部拓?fù)湫畔?,故此?lèi)無(wú)監(jiān)督預(yù)測(cè)方法通常具有較低的時(shí)間復(fù)雜度.此外,一些無(wú)監(jiān)督預(yù)測(cè)方法則基于節(jié)點(diǎn)對(duì)連通路徑特征來(lái)定義節(jié)點(diǎn)對(duì)的相似性函數(shù).此類(lèi)方法的基本假設(shè)是:若2個(gè)節(jié)點(diǎn)間的距離越短,則它們?cè)谖磥?lái)形成鏈路的概率越高.例如,Katz[19]不僅考慮2個(gè)節(jié)點(diǎn)之間所有的路徑,同時(shí)還利用路徑的權(quán)重來(lái)計(jì)算它們之間的相似性.Lü等人[20]提出的局部路徑(local path, LP)指標(biāo)同時(shí)考慮直接鄰居和間接鄰居,獲取的路徑信息相對(duì)更為穩(wěn)定、可靠.Yang等人[21]提出了一種基于聚類(lèi)和決策樹(shù)的鏈路預(yù)測(cè)方法.基于隨機(jī)游走的鏈路預(yù)測(cè)算法的基本假設(shè)是:若某個(gè)節(jié)點(diǎn)進(jìn)行隨機(jī)游走,到達(dá)另外一個(gè)節(jié)點(diǎn)所需要的平均游走步數(shù)最少,此時(shí)2個(gè)節(jié)點(diǎn)的相似性最高.Lichtenwalter等人[22]在隨機(jī)游走的基礎(chǔ)上進(jìn)行了一定的改進(jìn),提出了PropFlow方法.Tong等人[23]提出了一種新的隨機(jī)游走方法,充分考慮網(wǎng)絡(luò)中普遍存在的社區(qū)結(jié)構(gòu)特性.Jin等人[24]提出一種基于路徑反轉(zhuǎn)影響和隨機(jī)游走矩陣的鏈路預(yù)測(cè)方法.與經(jīng)典的基于鄰居相似度的無(wú)監(jiān)督預(yù)測(cè)方法相比,基于節(jié)點(diǎn)對(duì)連通路徑特征的無(wú)監(jiān)督預(yù)測(cè)方法考慮了網(wǎng)絡(luò)的全局拓?fù)涮卣?,其預(yù)測(cè)準(zhǔn)確率相對(duì)較高,但節(jié)點(diǎn)對(duì)路徑特征的計(jì)算過(guò)程具有較高的時(shí)間復(fù)雜度.

    有監(jiān)督預(yù)測(cè)方法將鏈路預(yù)測(cè)問(wèn)題轉(zhuǎn)化為二進(jìn)制分類(lèi)問(wèn)題,根據(jù)歷史的網(wǎng)絡(luò)演化序列構(gòu)建訓(xùn)練樣本,并借助現(xiàn)有的分類(lèi)器,如邏輯回歸[25]、支持向量機(jī)[26]、決策樹(shù)[27]、多層感知器神經(jīng)網(wǎng)絡(luò)[28]和樸素貝葉斯[29]等,訓(xùn)練分類(lèi)器參數(shù),進(jìn)而再利用訓(xùn)練好的分類(lèi)器進(jìn)行鏈路預(yù)測(cè).例如,Pujari等人[30]提出一種監(jiān)督式的排序融合方法對(duì)復(fù)雜網(wǎng)絡(luò)進(jìn)行鏈路預(yù)測(cè).Chen等人[31]利用正則化參數(shù)來(lái)完成貝葉斯推理,進(jìn)而提高學(xué)習(xí)潛在特性的辨別能力.Nguyen-Thi等人[32]提出一種基于徑向基函數(shù)(radial basis function, RBF)的支持向量機(jī)(support vector machine, SVM)分類(lèi)器,可有效提高預(yù)測(cè)精度且降低分類(lèi)器的訓(xùn)練時(shí)間.基于監(jiān)督學(xué)習(xí)的鏈路預(yù)測(cè)方法在構(gòu)建訓(xùn)練樣本時(shí)都不同程度地面臨樣本類(lèi)別分布失衡問(wèn)題.真實(shí)的網(wǎng)絡(luò)系統(tǒng)呈現(xiàn)極強(qiáng)的稀疏特征,假定時(shí)刻t存在一個(gè)包含n個(gè)節(jié)點(diǎn)和m條鏈路的無(wú)向網(wǎng)絡(luò)gt,其稀疏性表現(xiàn)為m?n(n-1)2,其中n(n-1)2表示gt網(wǎng)絡(luò)最大可能的無(wú)向鏈路數(shù)量.當(dāng)gt演化至?xí)r刻t′,我們可以根據(jù)網(wǎng)絡(luò)gt′與網(wǎng)絡(luò)gt的拓?fù)洳町?,分別構(gòu)建相應(yīng)的訓(xùn)練集來(lái)預(yù)測(cè)未來(lái)的消失鏈路和重連鏈路.以重連鏈路預(yù)測(cè)為例,我們可以將{eij|eij∈(gt′-gt)}中的鏈路標(biāo)記為正例樣本,將{eij|eij?(gt′-gt)}中的鏈路標(biāo)記為負(fù)例樣本.考慮到真實(shí)網(wǎng)絡(luò)的動(dòng)態(tài)演化呈現(xiàn)顯著的漸進(jìn)性,網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的變化是一個(gè)相對(duì)緩慢的過(guò)程.由于|{eij|eij∈(gt′-gt)}|?|{eij|eij?(gt′-gt)}|,采用上述方法構(gòu)建的訓(xùn)練集中,正例樣本和負(fù)例樣本存在嚴(yán)重的分布失衡現(xiàn)象,傳統(tǒng)的機(jī)器學(xué)習(xí)分類(lèi)器難以訓(xùn)練出理想的重連鏈路預(yù)測(cè)模型.

    基于概率模型的鏈路預(yù)測(cè)的基本思想是建立一個(gè)含有多個(gè)可調(diào)參數(shù)的模型,利用某種優(yōu)化策略尋找參數(shù)的最優(yōu)值,從而使得網(wǎng)絡(luò)的結(jié)構(gòu)和關(guān)系特征能夠在模型中得到更好的體現(xiàn).網(wǎng)絡(luò)中任意節(jié)點(diǎn)對(duì)的重連概率可表示為基于最優(yōu)參數(shù)配置的條件概率.Wang等人[33]提出了一個(gè)基于局部概率模型(local probabilistic model, LPM)的鏈路預(yù)測(cè)方法,可極大地降低大規(guī)模復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測(cè)問(wèn)題的時(shí)間復(fù)雜度和空間復(fù)雜度.Coutant等人[34]提出了一種基于聚類(lèi)不確定性的概率關(guān)系模型(probabilistic relational models with clustering uncertainty, PRM-CU)用于分析復(fù)雜網(wǎng)絡(luò)的級(jí)聯(lián)失效,該概率模型能夠充分利用網(wǎng)絡(luò)的拓?fù)湫畔?,衡量?jié)點(diǎn)對(duì)的交互能力,能夠有效地提高鏈路預(yù)測(cè)的準(zhǔn)確性.由于網(wǎng)絡(luò)結(jié)構(gòu)本身較為復(fù)雜,為表示更高層次的非線(xiàn)性網(wǎng)絡(luò)結(jié)構(gòu),Wang等人[35]提出了結(jié)構(gòu)化深層網(wǎng)絡(luò)嵌入模型(structural deep network embedding, SDNE).與傳統(tǒng)鏈路預(yù)測(cè)方法相比,SDNE模型能夠有效地提取網(wǎng)絡(luò)的局部和全局結(jié)構(gòu)信息,重構(gòu)網(wǎng)絡(luò)結(jié)構(gòu),進(jìn)而得到更高的預(yù)測(cè)精度.

    此外,還有一些鏈路預(yù)測(cè)方法考慮了鏈路的時(shí)間戳信息和網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)特征.例如,Sharan等人[36]提出了基于不同時(shí)間關(guān)系的分類(lèi)模型,采用2個(gè)實(shí)體間動(dòng)態(tài)關(guān)系信息的關(guān)系模型.Rossi等人[37]提出了基于時(shí)序關(guān)系從屬分類(lèi)的集成預(yù)測(cè)方法.Clauset等人[38]提出了一種利用網(wǎng)絡(luò)層次結(jié)構(gòu)進(jìn)行鏈路預(yù)測(cè)的方法,且在具有明顯層次結(jié)構(gòu)的網(wǎng)絡(luò)中,該方法能取得更好的預(yù)測(cè)性能.這些鏈路預(yù)測(cè)方法大多對(duì)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)有較高的要求,且計(jì)算時(shí)間復(fù)雜度普遍較高.

    2 問(wèn)題定義

    現(xiàn)實(shí)世界的時(shí)序網(wǎng)絡(luò)可表示為一個(gè)時(shí)序鏈路集γ={ip,jp,τp|p=1,2,…,M},其中ip,jp,τp表示一個(gè)帶有時(shí)間戳的時(shí)序鏈路,表明節(jié)點(diǎn)ip和節(jié)點(diǎn)jp在時(shí)刻τp是連通的.當(dāng)忽略時(shí)序鏈路的時(shí)間戳和重復(fù)鏈路時(shí),時(shí)序網(wǎng)絡(luò)就退化為一個(gè)靜態(tài)網(wǎng)絡(luò)g(γ)={eij|?ip,jp,τp∈γ}.

    定義1.δ-時(shí)序范式.時(shí)刻t的δ-時(shí)序范式是一個(gè)有序鏈路序列Mt(δ)=its,jts,τts,…,ite,jte,τte,滿(mǎn)足(τts≤…≤τte)∧(δ=τte-τts),且靜態(tài)網(wǎng)絡(luò)gt(δ)=(Vt(δ),Et(δ)),Et(δ)?Vt(δ)×Vt(δ)是連通的.

    靜態(tài)網(wǎng)絡(luò)gt演化至與其ε-鄰接的網(wǎng)絡(luò)gt′包含3種可能情況:1)從gt中消失的鏈路;2)gt中任意2個(gè)不連通的節(jié)點(diǎn)形成的鏈路;3)至少有1個(gè)外部節(jié)點(diǎn)參與形成的鏈路.由于外部信息具有較大的隨機(jī)性,本文將重點(diǎn)關(guān)注前2種情況的鏈路預(yù)測(cè)問(wèn)題,并假設(shè)出現(xiàn)在所有周期的節(jié)點(diǎn)集合是固定的.

    定義3.ε-鄰接網(wǎng)絡(luò)序列.從初始網(wǎng)絡(luò)g0(δ)=(V,E0)開(kāi)始,ε-鄰接網(wǎng)絡(luò)序列由一系列耦合的靜態(tài)網(wǎng)絡(luò)組成,即Gε(g0(δ))={g1,g2,…},滿(mǎn)足?t≥1:1)gt-1和gt是ε-鄰接的;2)Vt?V,Et?V×V.

    為強(qiáng)調(diào)從gt-1到gt的網(wǎng)絡(luò)演化過(guò)程,令Mt和Rt分別表示從gt-1消失的鏈路集合和在gt中新生成的鏈路集合.顯然,Mt=Et-1-Et和Rt=Et-Et-1.

    定義4.多層網(wǎng)絡(luò)[39]序列.令ε-鄰接網(wǎng)絡(luò)序列Gε(g0(δ))={E1,E2,…}中任意第t個(gè)周期的靜態(tài)網(wǎng)絡(luò)都對(duì)應(yīng)一個(gè)多層網(wǎng)絡(luò)Mt(L)={Et,Pt(L)},其中,Et?V×V是周期t中靜態(tài)網(wǎng)絡(luò)的鏈路集,Pt(L)?V×V是gt最近L個(gè)靜態(tài)網(wǎng)絡(luò)投影所得的鏈路集:

    (1)

    這樣,由任意周期窗口L導(dǎo)出的多層網(wǎng)絡(luò)序列表示為MNS(L)={M0(L),M1(L),…}.

    定義5.拓?fù)湎嗨菩院瘮?shù).令Ni={j|eij∈E*}表示節(jié)點(diǎn)i在某個(gè)靜態(tài)網(wǎng)絡(luò)中的鄰居集合,鏈路ip,jp,τp的拓?fù)湎嗨菩钥捎梢恍┫嗨菩院瘮?shù)度量計(jì)算得到.例如,CN[15],JC[16],Sa(salton index),So(sorensen index),HP(hub promoted index),HD(hub depressed index),LN(Leicht-Newman index),PA[17],AA[18]等,具體為

    定義6.消失鏈路序列(missing link sequence,MLS).給定一個(gè)ε-鄰接網(wǎng)絡(luò)序列Gε(g0(δ)),由此導(dǎo)出的消失鏈路序列表示為GM(g0(δ))={M1,M2,…},滿(mǎn)足?t≥1,Mt=Et-1-Et.

    定義7.重連鏈路序列(reconnected link sequ-ence, RLS).給定一個(gè)ε-鄰接網(wǎng)絡(luò)序列Gε(g0(δ)),由此導(dǎo)出的重連鏈路序列表示為GR(g0(δ))={R1,R2,…},滿(mǎn)足?t≥1,Rt=Et-Et-1.

    (2)

    (3)

    (4)

    (5)

    3 時(shí)序網(wǎng)絡(luò)鏈路預(yù)測(cè)模型

    基于定義8和定義9,我們可借助于Cox比例風(fēng)險(xiǎn)模型分別學(xué)習(xí)鏈路消失和重連所對(duì)應(yīng)特征向量的權(quán)重系數(shù).Cox比例風(fēng)險(xiǎn)模型采用最大似然估計(jì)方法對(duì)模型參數(shù)進(jìn)行估計(jì),上述2個(gè)事件對(duì)應(yīng)的協(xié)變量系數(shù)WM*和WR*可分別通過(guò)式(6)(7)學(xué)習(xí)得到:

    (6)

    (7)

    (8)

    (9)

    (10)

    Ψt對(duì)應(yīng)的納什均衡點(diǎn)集為

    (11)

    Et+1=Q(Et,Θt,Φt)=Et-Dt,M+Dt,R.

    (12)

    4 基于自治計(jì)算的網(wǎng)絡(luò)演化算法

    算法1.網(wǎng)絡(luò)演化算法.

    輸入:初始靜態(tài)網(wǎng)絡(luò)g0(δ)=(V,E0)、時(shí)間窗口長(zhǎng)度L、最大迭代次數(shù)I、消失鏈路的協(xié)變量系數(shù)WM*、重連鏈路的協(xié)變量系數(shù)WR*;

    ①t←0;

    ③ repeat

    ④ ?i∈V,并行計(jì)算:

    基于上述定義的自治計(jì)算系統(tǒng),本文提出了基于博弈論的時(shí)序網(wǎng)絡(luò)預(yù)測(cè)算法,具體過(guò)程見(jiàn)算法1.從單個(gè)節(jié)點(diǎn)智能體的角度來(lái)看,步驟初始化節(jié)點(diǎn)智能體vi的三元組為其中表示初始靜態(tài)網(wǎng)絡(luò)g0中節(jié)點(diǎn)i的鄰居集.在每輪迭代中,步驟⑤~并行化地計(jì)算和步驟~計(jì)算相應(yīng)收益矩陣Θt和Φt的納什均衡點(diǎn)集;步驟生成下一周期靜態(tài)網(wǎng)絡(luò)的鏈路集合.當(dāng)系統(tǒng)時(shí)間達(dá)到預(yù)設(shè)的最大迭代次數(shù)I時(shí),算法將會(huì)輸出一個(gè)預(yù)測(cè)的網(wǎng)絡(luò)演化序列

    5 實(shí)驗(yàn)和結(jié)果

    5.1 實(shí)驗(yàn)設(shè)置

    我們選擇斯坦福網(wǎng)絡(luò)分析平臺(tái)SNAP中的4個(gè)時(shí)序網(wǎng)絡(luò)Math,Ask,Super,Stack,生成4個(gè)ε-鄰接網(wǎng)絡(luò)序列.具體來(lái)說(shuō),對(duì)于每個(gè)時(shí)序網(wǎng)絡(luò),我們使用第1年的數(shù)據(jù)元組構(gòu)建一個(gè)無(wú)向網(wǎng)絡(luò),并抽取該網(wǎng)絡(luò)的最大連通子圖生成初始的靜態(tài)網(wǎng)絡(luò)g0(初始靜態(tài)網(wǎng)絡(luò)的統(tǒng)計(jì)特征見(jiàn)表1).接下來(lái),我們進(jìn)一步將ε設(shè)置為2%,生成相應(yīng)的ε-鄰接網(wǎng)絡(luò)序列.圖1分別記錄了4個(gè)ε-鄰接網(wǎng)絡(luò)序列中相應(yīng)的|Et|,|Mt|,|Rt|包含的鏈路數(shù)量.可見(jiàn),隨著時(shí)間周期t的增加,|Et|,|Mt|,|Rt|都呈顯著的下降趨勢(shì).后續(xù)實(shí)驗(yàn)中,我們將這4個(gè)ε-鄰接網(wǎng)絡(luò)序列作為真實(shí)的網(wǎng)絡(luò)演化序列,并將算法1分別應(yīng)用于表1的4個(gè)初始靜態(tài)網(wǎng)絡(luò).通過(guò)對(duì)比預(yù)測(cè)得到的網(wǎng)絡(luò)演化序列和真實(shí)網(wǎng)絡(luò)演化序列的相似度,來(lái)評(píng)價(jià)鏈路預(yù)測(cè)算法的優(yōu)劣.

    我們選擇5種基于監(jiān)督學(xué)習(xí)的鏈路預(yù)測(cè)方法,包括Logistic回歸(logistic regression, LR)、SVM、決策樹(shù)(C4.5)、多層感知器神經(jīng)網(wǎng)絡(luò)(multi-layer perception neural network, MPNN)和樸素貝葉斯(na?ve Bayes, NB)作為對(duì)比算法.針對(duì)每個(gè)耦合的靜態(tài)網(wǎng)絡(luò)對(duì),如(Et-1,Et),然后將所有Mt中的鏈路標(biāo)記為正例,并從Et-1-Mt中隨機(jī)選擇相同數(shù)量的鏈路標(biāo)記為反例.這些鏈路實(shí)例的特征向量基于相應(yīng)靜態(tài)網(wǎng)絡(luò)Et-1計(jì)算生成.這樣,我們可以選擇一種分類(lèi)器在上述訓(xùn)練集上進(jìn)行訓(xùn)練,并將訓(xùn)練好的分類(lèi)器用于消失鏈路預(yù)測(cè).采取相同的思路,我們可以構(gòu)建另一個(gè)訓(xùn)練樣本進(jìn)行重連鏈路預(yù)測(cè),其中節(jié)點(diǎn)對(duì)的特征向量基于相應(yīng)的投影網(wǎng)絡(luò)Pt-1(L)計(jì)算生成.此外,我們還選擇了3種基于概率模型的鏈路預(yù)測(cè)方法,包括Wang等人[33]提出的LPM模型、Coutant等人[34]提出的PRM-CU模型、Wang等人[35]提出的SDNE模型.

    (13)

    5.2 基于Cox比例風(fēng)險(xiǎn)模型的參數(shù)學(xué)習(xí)

    采用相同的分析過(guò)程,我們可以分別對(duì)其他3個(gè)時(shí)序網(wǎng)絡(luò)進(jìn)行類(lèi)似的分析,其結(jié)果見(jiàn)表4.其中,每個(gè)數(shù)據(jù)集中,加粗字體的協(xié)變量系數(shù)表示該特征與對(duì)應(yīng)事件是正相關(guān),正常字體的協(xié)變量系數(shù)表示該特征與對(duì)應(yīng)事件是負(fù)相關(guān),而缺失協(xié)變量系數(shù)表示該特征與對(duì)應(yīng)事件不相關(guān).在所有數(shù)據(jù)集中,PA特征[17]與鏈路的消失和重連都是獨(dú)立的.經(jīng)典的BA網(wǎng)絡(luò)演化模型[40]假設(shè)一個(gè)新的節(jié)點(diǎn)同已知網(wǎng)絡(luò)中的節(jié)點(diǎn)i連接的概率同ki呈正比.而本文考慮的網(wǎng)絡(luò)演化序列是基于固定節(jié)點(diǎn)集V生成的,排除了新節(jié)點(diǎn)加入對(duì)網(wǎng)絡(luò)演化的影響.在這種情境下,傳統(tǒng)的基于BA模型的無(wú)標(biāo)度網(wǎng)絡(luò)生成模型可能并不適用.

    Table 2 Results of Survival Analysis on HM Dataset of theTemporal Network Math表2 基于Math時(shí)序網(wǎng)絡(luò)HM數(shù)據(jù)集的生存分析結(jié)果

    Notes: Bold values represent a positive correlation between the feature and link missing event, while the regular ones represent a negative correlation. Sig. means significance.

    Table 3 Results of Survival Analysis on HR Dataset of theTemporal Network Math表3 基于Math時(shí)序網(wǎng)絡(luò)HR數(shù)據(jù)集的生存分析結(jié)果

    Notes: Bold values represent a positive correlation between the feature and link reconnection event, while the regular ones represent a negative correlation. Sig. means significance.

    Table 4 Learning Results of the Covariate Coefficients Based on the Cox Proportional Hazards Model表4 Cox比例風(fēng)險(xiǎn)模型協(xié)變量系數(shù)學(xué)習(xí)結(jié)果

    Notes: Bold values represent a positive correlation between the feature and link missing/reconnection event, the regular ones represent a negative correlation, while the missing values represent that the features are independent from the related events.

    Fig. 2 The F1-score matrices between the predicted network evolution sequence and the ground-truth one圖2 真實(shí)網(wǎng)絡(luò)演化序列同預(yù)測(cè)網(wǎng)絡(luò)演化序列的F1-score矩陣

    5.3 時(shí)序網(wǎng)絡(luò)鏈路預(yù)測(cè)結(jié)果

    接下來(lái),我們將算法1同其他鏈路預(yù)測(cè)方法進(jìn)行性能對(duì)比.從圖3中可觀察到,本文所提方法明顯優(yōu)于對(duì)比算法.其中,MPNN只在Stack網(wǎng)絡(luò)上有較好的表現(xiàn),但無(wú)法準(zhǔn)確預(yù)測(cè)其他3個(gè)網(wǎng)絡(luò)的演化序列.多數(shù)基于監(jiān)督式學(xué)習(xí)的鏈路預(yù)測(cè)方法對(duì)訓(xùn)練樣本很敏感,受分類(lèi)樣本失衡問(wèn)題的影響,這些方法盡管在消失鏈路預(yù)測(cè)上可以取得不錯(cuò)效果,但難以準(zhǔn)確地預(yù)測(cè)重連鏈路.本文方法采用動(dòng)態(tài)博弈的雙向選擇機(jī)制,可以篩選出最可能消失的鏈路和最可能重連的節(jié)點(diǎn)對(duì).這種相對(duì)保守的預(yù)測(cè)方法盡管在召回率方面有所犧牲,但可以獲得更高的準(zhǔn)確率.因此,在AvgF1指標(biāo)上,本文方法要明顯優(yōu)于基于有監(jiān)督學(xué)習(xí)的鏈路預(yù)測(cè)方法.與基于概率模型的鏈路預(yù)測(cè)方法相比,本文方法在Super網(wǎng)絡(luò)上的預(yù)測(cè)性能稍遜于SDNE;而在其他網(wǎng)絡(luò)上,算法1得到的網(wǎng)絡(luò)演化序列能更好地模擬真實(shí)網(wǎng)絡(luò)的演化過(guò)程.

    Fig. 3 Accuracy comparison of the network evolution sequences obtained by different link prediction algorithms圖3 不同算法對(duì)網(wǎng)絡(luò)演化序列的預(yù)測(cè)準(zhǔn)確性比較

    最后,我們對(duì)比了不同鏈路預(yù)測(cè)算法在100次連續(xù)預(yù)測(cè)過(guò)程中的執(zhí)行效率,從圖4可以看出,不論在小規(guī)模的Math數(shù)據(jù)集上,還是在大規(guī)模的Stack數(shù)據(jù)集上,算法1的執(zhí)行效率都明顯優(yōu)于其他對(duì)比算法.由于本文采用了Cox比例風(fēng)險(xiǎn)模型對(duì)每個(gè)數(shù)據(jù)集中不相關(guān)的鏈路特征進(jìn)行了排序,因此在迭代預(yù)測(cè)過(guò)程中,每個(gè)節(jié)點(diǎn)對(duì)的特征向量更新耗時(shí)更少.在動(dòng)態(tài)博弈框架下,每個(gè)節(jié)點(diǎn)的特征向量更新和策略選擇是獨(dú)立的,故算法1可以很好地并行化.另外,我們發(fā)現(xiàn)本文所提方法的執(zhí)行效率比基于有監(jiān)督學(xué)習(xí)的鏈路預(yù)測(cè)算法提高了將近2倍,比基于概率模型的鏈路預(yù)測(cè)算法的執(zhí)行效率提高了將近10倍.

    Fig. 4 Comparison of the total running time of differentlink prediction algorithms圖4 不同鏈路預(yù)測(cè)算法的執(zhí)行時(shí)間對(duì)比

    6 總 結(jié)

    本文提出了一種新穎的用于預(yù)測(cè)時(shí)序網(wǎng)絡(luò)的演化序列半監(jiān)督學(xué)習(xí)框架.為簡(jiǎn)化研究問(wèn)題,假設(shè)時(shí)序網(wǎng)絡(luò)的演化是在一組固定節(jié)點(diǎn)集中進(jìn)行的,此時(shí)網(wǎng)絡(luò)的演化預(yù)測(cè)問(wèn)題轉(zhuǎn)換為:如何根據(jù)歷史的網(wǎng)絡(luò)演化序列預(yù)測(cè)下一時(shí)刻靜態(tài)網(wǎng)絡(luò)的消失鏈路集和重連鏈路集.為解決此問(wèn)題,首先為每條鏈路定義一組基于鄰居相似度的特征向量,利用Cox比例風(fēng)險(xiǎn)模型學(xué)習(xí)對(duì)應(yīng)鏈路消失和重連事件的特征向量權(quán)重.為壓縮網(wǎng)絡(luò)演化預(yù)測(cè)的搜索空間,提出了一種基于動(dòng)態(tài)博弈的雙向選擇機(jī)制來(lái)預(yù)測(cè)未來(lái)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu).在理論研究基礎(chǔ)上,提出了一種基于多智能體自治計(jì)算的鏈路預(yù)測(cè)算法,并在真實(shí)時(shí)序網(wǎng)絡(luò)數(shù)據(jù)集上驗(yàn)證了方法的有效性和高效性.未來(lái)將關(guān)注于如何將網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)信息融入預(yù)測(cè)模型,進(jìn)而提高預(yù)測(cè)算法的準(zhǔn)確性.

    猜你喜歡
    時(shí)序靜態(tài)鏈路
    時(shí)序坐標(biāo)
    家紡“全鏈路”升級(jí)
    基于Sentinel-2時(shí)序NDVI的麥冬識(shí)別研究
    天空地一體化網(wǎng)絡(luò)多中繼鏈路自適應(yīng)調(diào)度技術(shù)
    靜態(tài)隨機(jī)存儲(chǔ)器在軌自檢算法
    一種毫米波放大器時(shí)序直流電源的設(shè)計(jì)
    電子制作(2016年15期)2017-01-15 13:39:08
    機(jī)床靜態(tài)及動(dòng)態(tài)分析
    具7μA靜態(tài)電流的2A、70V SEPIC/升壓型DC/DC轉(zhuǎn)換器
    基于3G的VPDN技術(shù)在高速公路備份鏈路中的應(yīng)用
    DPBUS時(shí)序及其設(shè)定方法
    河南科技(2014年15期)2014-02-27 14:12:36
    日韩精品青青久久久久久| 国产一区二区三区在线臀色熟女| 最近视频中文字幕2019在线8| 听说在线观看完整版免费高清| 最后的刺客免费高清国语| 熟女人妻精品中文字幕| 欧美最黄视频在线播放免费| 亚洲精品一卡2卡三卡4卡5卡| 国产乱人视频| 国产精品一区二区三区四区久久| www.www免费av| 91麻豆av在线| 在线观看舔阴道视频| 精品一区二区三区人妻视频| 国产国拍精品亚洲av在线观看| 啪啪无遮挡十八禁网站| 内地一区二区视频在线| 熟妇人妻久久中文字幕3abv| 国产男靠女视频免费网站| 亚洲精品色激情综合| 亚洲欧美日韩卡通动漫| 亚洲不卡免费看| 韩国av一区二区三区四区| 在线天堂最新版资源| 黄色女人牲交| 日韩欧美精品免费久久 | 一级黄色大片毛片| 午夜a级毛片| 超碰av人人做人人爽久久| 亚洲人成电影免费在线| 久久国产精品人妻蜜桃| 精品国产亚洲在线| 久久中文看片网| 一个人观看的视频www高清免费观看| 麻豆av噜噜一区二区三区| 亚洲中文日韩欧美视频| 国产精品久久久久久亚洲av鲁大| 久久久久久国产a免费观看| www.www免费av| 国产成人啪精品午夜网站| 亚洲,欧美,日韩| av天堂在线播放| 淫秽高清视频在线观看| 国产成人av教育| 欧美潮喷喷水| 日本五十路高清| 欧美性猛交黑人性爽| 国产精品美女特级片免费视频播放器| 午夜精品一区二区三区免费看| 国产精品亚洲一级av第二区| 色在线成人网| 三级国产精品欧美在线观看| 精品国内亚洲2022精品成人| 99久久成人亚洲精品观看| 别揉我奶头 嗯啊视频| 性色avwww在线观看| 一个人免费在线观看电影| 在线观看午夜福利视频| 最近最新中文字幕大全电影3| 看十八女毛片水多多多| 国产高清激情床上av| 偷拍熟女少妇极品色| 中文字幕精品亚洲无线码一区| 夜夜躁狠狠躁天天躁| 欧美日韩黄片免| 黄片小视频在线播放| 18美女黄网站色大片免费观看| 久久伊人香网站| 欧美日韩瑟瑟在线播放| 国产欧美日韩一区二区三| 亚洲精品久久国产高清桃花| 免费在线观看日本一区| 久久久久久九九精品二区国产| 精品久久久久久久久av| 欧美丝袜亚洲另类 | 日韩免费av在线播放| 亚洲内射少妇av| 久久九九热精品免费| 亚洲av成人精品一区久久| 精品国产亚洲在线| 一个人免费在线观看的高清视频| 亚洲第一欧美日韩一区二区三区| 波野结衣二区三区在线| 男女床上黄色一级片免费看| 在线免费观看不下载黄p国产 | 亚洲精品在线观看二区| 日韩av在线大香蕉| 久久伊人香网站| 99视频精品全部免费 在线| 国产91精品成人一区二区三区| 男插女下体视频免费在线播放| 国产综合懂色| 日韩欧美国产一区二区入口| 日韩av在线大香蕉| 成人美女网站在线观看视频| 久久久久久九九精品二区国产| 九九热线精品视视频播放| 夜夜夜夜夜久久久久| 亚洲第一电影网av| 88av欧美| 我的老师免费观看完整版| 一区二区三区激情视频| 亚洲精品在线观看二区| 欧美黄色片欧美黄色片| 两个人视频免费观看高清| 国产成人av教育| 在线播放国产精品三级| 757午夜福利合集在线观看| 亚洲人成网站在线播放欧美日韩| 日韩成人在线观看一区二区三区| 午夜福利免费观看在线| 亚洲最大成人中文| 看片在线看免费视频| 精品久久久久久久人妻蜜臀av| 熟妇人妻久久中文字幕3abv| 国产视频一区二区在线看| 人人妻,人人澡人人爽秒播| 亚洲成人中文字幕在线播放| 欧美午夜高清在线| 欧美日韩中文字幕国产精品一区二区三区| 91久久精品国产一区二区成人| 日韩亚洲欧美综合| 欧美黄色淫秽网站| 级片在线观看| 淫妇啪啪啪对白视频| 精品国内亚洲2022精品成人| 网址你懂的国产日韩在线| 亚洲专区中文字幕在线| 中文字幕av成人在线电影| 悠悠久久av| 18禁黄网站禁片午夜丰满| 色精品久久人妻99蜜桃| 久久草成人影院| 欧美极品一区二区三区四区| 内地一区二区视频在线| 精品久久久久久久人妻蜜臀av| 欧美激情国产日韩精品一区| 精品一区二区三区视频在线观看免费| 亚洲精品亚洲一区二区| 亚洲av.av天堂| 免费大片18禁| 国产精品嫩草影院av在线观看 | 欧美性猛交╳xxx乱大交人| 亚洲最大成人手机在线| 少妇人妻精品综合一区二区 | 国产免费一级a男人的天堂| 黄片小视频在线播放| 能在线免费观看的黄片| 91狼人影院| 少妇丰满av| 日本一二三区视频观看| 欧美激情国产日韩精品一区| 国产精品,欧美在线| 亚洲人成电影免费在线| 亚洲av二区三区四区| 欧美黑人欧美精品刺激| 又爽又黄无遮挡网站| 免费av不卡在线播放| 亚州av有码| 久久久久性生活片| 黄色一级大片看看| 有码 亚洲区| 两人在一起打扑克的视频| 国产毛片a区久久久久| 丰满的人妻完整版| 18禁黄网站禁片午夜丰满| 国产探花极品一区二区| 在线免费观看的www视频| 狂野欧美白嫩少妇大欣赏| 老司机深夜福利视频在线观看| 日本 av在线| 亚洲最大成人手机在线| 日韩精品中文字幕看吧| 淫秽高清视频在线观看| 天堂影院成人在线观看| av中文乱码字幕在线| 色播亚洲综合网| 国产成人a区在线观看| 亚洲 国产 在线| 亚洲七黄色美女视频| 国产aⅴ精品一区二区三区波| 午夜福利高清视频| 久久久久久久精品吃奶| 精品一区二区三区av网在线观看| 亚洲成人中文字幕在线播放| 日韩 亚洲 欧美在线| 亚洲va日本ⅴa欧美va伊人久久| 国产91精品成人一区二区三区| 在线免费观看不下载黄p国产 | av欧美777| 别揉我奶头~嗯~啊~动态视频| 搞女人的毛片| 精品久久久久久久久av| 人妻久久中文字幕网| 精品一区二区三区人妻视频| 日本 欧美在线| 国产伦精品一区二区三区四那| 亚洲成人中文字幕在线播放| 午夜精品在线福利| 婷婷精品国产亚洲av| 亚洲熟妇熟女久久| 欧美国产日韩亚洲一区| 日本与韩国留学比较| 久久天躁狠狠躁夜夜2o2o| 波多野结衣巨乳人妻| 男女做爰动态图高潮gif福利片| 麻豆国产av国片精品| 国产免费男女视频| 亚洲无线在线观看| 高潮久久久久久久久久久不卡| 日韩成人在线观看一区二区三区| 一进一出抽搐动态| 国产亚洲精品久久久久久毛片| 俄罗斯特黄特色一大片| 高潮久久久久久久久久久不卡| 美女大奶头视频| 午夜精品在线福利| 婷婷亚洲欧美| 深爱激情五月婷婷| 99精品在免费线老司机午夜| 色综合亚洲欧美另类图片| 欧美xxxx性猛交bbbb| 国语自产精品视频在线第100页| 有码 亚洲区| 日韩欧美在线二视频| 男人舔奶头视频| 欧美xxxx黑人xx丫x性爽| 在线国产一区二区在线| 国产欧美日韩精品亚洲av| 一卡2卡三卡四卡精品乱码亚洲| 国产高潮美女av| 免费搜索国产男女视频| 熟妇人妻久久中文字幕3abv| 欧美性猛交黑人性爽| av黄色大香蕉| 国产av在哪里看| 性色avwww在线观看| 欧美+日韩+精品| 国产欧美日韩精品亚洲av| 亚洲avbb在线观看| 亚洲乱码一区二区免费版| 男插女下体视频免费在线播放| 欧美激情国产日韩精品一区| 国产精品日韩av在线免费观看| 日本三级黄在线观看| 神马国产精品三级电影在线观看| 国产精华一区二区三区| 无遮挡黄片免费观看| 免费大片18禁| 免费在线观看日本一区| 香蕉av资源在线| 桃色一区二区三区在线观看| 成人毛片a级毛片在线播放| 亚洲黑人精品在线| 国产伦一二天堂av在线观看| 露出奶头的视频| 国产在视频线在精品| 午夜影院日韩av| 男人和女人高潮做爰伦理| 欧美激情国产日韩精品一区| 精品久久国产蜜桃| 国产综合懂色| 自拍偷自拍亚洲精品老妇| 日日干狠狠操夜夜爽| 国产精品久久久久久久久免 | 两性午夜刺激爽爽歪歪视频在线观看| 欧美+亚洲+日韩+国产| 99热只有精品国产| a在线观看视频网站| 高清在线国产一区| h日本视频在线播放| 精品一区二区免费观看| 性插视频无遮挡在线免费观看| 美女高潮的动态| 9191精品国产免费久久| 国内少妇人妻偷人精品xxx网站| 日本精品一区二区三区蜜桃| 俺也久久电影网| 国产大屁股一区二区在线视频| 美女大奶头视频| 51国产日韩欧美| 在线天堂最新版资源| 99国产精品一区二区蜜桃av| 熟妇人妻久久中文字幕3abv| 偷拍熟女少妇极品色| 国产伦精品一区二区三区四那| 国产91精品成人一区二区三区| 老司机福利观看| 此物有八面人人有两片| 可以在线观看的亚洲视频| 久久精品91蜜桃| 免费搜索国产男女视频| 激情在线观看视频在线高清| 日日干狠狠操夜夜爽| 国产亚洲精品av在线| 哪里可以看免费的av片| 中文字幕久久专区| 美女高潮喷水抽搐中文字幕| 中文字幕人妻熟人妻熟丝袜美| 亚洲自拍偷在线| 亚洲人与动物交配视频| 大型黄色视频在线免费观看| 一级作爱视频免费观看| 免费在线观看影片大全网站| 久久九九热精品免费| 又紧又爽又黄一区二区| 成人无遮挡网站| 熟妇人妻久久中文字幕3abv| 一个人免费在线观看电影| 国产精品人妻久久久久久| 国产国拍精品亚洲av在线观看| 观看免费一级毛片| 在线免费观看的www视频| 欧美国产日韩亚洲一区| 99久久精品热视频| 亚洲久久久久久中文字幕| 亚洲国产精品sss在线观看| 免费在线观看成人毛片| 免费看a级黄色片| 国产麻豆成人av免费视频| 亚洲第一区二区三区不卡| 中亚洲国语对白在线视频| 成人高潮视频无遮挡免费网站| 俄罗斯特黄特色一大片| 国产伦在线观看视频一区| a级毛片a级免费在线| 国产探花在线观看一区二区| 天堂√8在线中文| 真实男女啪啪啪动态图| 97超视频在线观看视频| 男女那种视频在线观看| 日韩欧美三级三区| 国产在线精品亚洲第一网站| 在线免费观看的www视频| 在线播放国产精品三级| 高清日韩中文字幕在线| 中文字幕人妻熟人妻熟丝袜美| 热99在线观看视频| 欧洲精品卡2卡3卡4卡5卡区| 亚洲片人在线观看| www.熟女人妻精品国产| 色吧在线观看| 亚洲在线观看片| 亚洲,欧美精品.| www.熟女人妻精品国产| 国产精品,欧美在线| 级片在线观看| 亚洲av美国av| 精品一区二区三区av网在线观看| 久久人人爽人人爽人人片va | 男女做爰动态图高潮gif福利片| 欧美极品一区二区三区四区| 搡女人真爽免费视频火全软件 | 色播亚洲综合网| 又黄又爽又免费观看的视频| 久久久久久久精品吃奶| 99国产精品一区二区三区| 我要搜黄色片| 又黄又爽又免费观看的视频| 欧美成人a在线观看| 日韩精品中文字幕看吧| 亚洲精华国产精华精| 亚洲精品一卡2卡三卡4卡5卡| 夜夜爽天天搞| 国产老妇女一区| 久久久久国内视频| 国产极品精品免费视频能看的| 高清毛片免费观看视频网站| 色哟哟哟哟哟哟| 国产亚洲精品久久久com| 国产亚洲精品久久久久久毛片| 午夜老司机福利剧场| 亚洲专区国产一区二区| 久久性视频一级片| 欧美区成人在线视频| 一夜夜www| 欧美日韩国产亚洲二区| 黄色视频,在线免费观看| 日日摸夜夜添夜夜添av毛片 | 成年女人毛片免费观看观看9| 中文字幕av成人在线电影| 国产成人av教育| 国产精品影院久久| 欧美中文日本在线观看视频| 在线观看一区二区三区| 日本三级黄在线观看| www.色视频.com| 乱码一卡2卡4卡精品| 香蕉av资源在线| 九色国产91popny在线| 欧美黄色片欧美黄色片| 国产av麻豆久久久久久久| 久久久久久国产a免费观看| 午夜免费男女啪啪视频观看 | 久久精品国产自在天天线| 亚洲av电影不卡..在线观看| 欧美午夜高清在线| 啦啦啦观看免费观看视频高清| 波多野结衣高清作品| 欧美一级a爱片免费观看看| 亚洲av成人av| 国产亚洲精品综合一区在线观看| 欧美性感艳星| 欧美不卡视频在线免费观看| 午夜免费激情av| 夜夜看夜夜爽夜夜摸| 日韩亚洲欧美综合| 久久欧美精品欧美久久欧美| 国产精品亚洲av一区麻豆| 搡老岳熟女国产| 内地一区二区视频在线| 97超视频在线观看视频| 中文字幕久久专区| 乱人视频在线观看| 天天一区二区日本电影三级| 中国美女看黄片| 一区二区三区激情视频| 一进一出抽搐动态| 深夜a级毛片| 亚洲人成网站在线播| 久久久成人免费电影| 一本精品99久久精品77| 国产av不卡久久| 人人妻人人看人人澡| 偷拍熟女少妇极品色| 少妇熟女aⅴ在线视频| 亚洲欧美日韩卡通动漫| 亚洲中文字幕日韩| 成人av在线播放网站| 在线观看av片永久免费下载| 首页视频小说图片口味搜索| 一区福利在线观看| 久久人妻av系列| 久久人人爽人人爽人人片va | 一二三四社区在线视频社区8| 麻豆一二三区av精品| 免费看美女性在线毛片视频| 欧美不卡视频在线免费观看| 亚洲最大成人手机在线| 久久久久亚洲av毛片大全| 黄色日韩在线| 国产三级黄色录像| 观看免费一级毛片| 最新中文字幕久久久久| 中文字幕精品亚洲无线码一区| 亚洲中文字幕一区二区三区有码在线看| 日韩av在线大香蕉| 熟妇人妻久久中文字幕3abv| 久久久久久国产a免费观看| 99热这里只有是精品50| 久久这里只有精品中国| 国产精品亚洲av一区麻豆| 嫩草影视91久久| 简卡轻食公司| 亚洲 欧美 日韩 在线 免费| 一个人观看的视频www高清免费观看| 国产伦在线观看视频一区| 90打野战视频偷拍视频| 成人欧美大片| 九九热线精品视视频播放| 国产探花极品一区二区| 俺也久久电影网| 久久热精品热| 国产精品伦人一区二区| 国产精品一及| 午夜日韩欧美国产| 一个人观看的视频www高清免费观看| 亚洲国产高清在线一区二区三| 18禁黄网站禁片午夜丰满| 成人三级黄色视频| 最近最新中文字幕大全电影3| 精品久久国产蜜桃| 欧美日韩瑟瑟在线播放| 成年人黄色毛片网站| 人人妻,人人澡人人爽秒播| 成人亚洲精品av一区二区| 97超视频在线观看视频| 在线播放无遮挡| 毛片一级片免费看久久久久 | 自拍偷自拍亚洲精品老妇| 国产精品久久电影中文字幕| 天堂√8在线中文| 国产伦一二天堂av在线观看| www.www免费av| 中文字幕av成人在线电影| 国产v大片淫在线免费观看| 免费电影在线观看免费观看| 成人一区二区视频在线观看| 91在线精品国自产拍蜜月| 九九在线视频观看精品| 狂野欧美白嫩少妇大欣赏| 欧美在线黄色| 国产成人a区在线观看| 欧美性猛交╳xxx乱大交人| 婷婷精品国产亚洲av| 午夜精品久久久久久毛片777| 国产午夜精品久久久久久一区二区三区 | 国产亚洲精品综合一区在线观看| 毛片一级片免费看久久久久 | 亚洲成人中文字幕在线播放| 99热这里只有是精品50| 在线观看美女被高潮喷水网站 | 岛国在线免费视频观看| 三级国产精品欧美在线观看| 亚洲精品456在线播放app | 久久九九热精品免费| 亚洲精品一区av在线观看| 在线播放国产精品三级| 露出奶头的视频| 亚洲av二区三区四区| 能在线免费观看的黄片| 最新中文字幕久久久久| 成人欧美大片| 色播亚洲综合网| 一区二区三区高清视频在线| 久久精品国产99精品国产亚洲性色| 色吧在线观看| 一本综合久久免费| 久久性视频一级片| 国产真实伦视频高清在线观看 | av在线蜜桃| 老司机午夜福利在线观看视频| 香蕉av资源在线| 9191精品国产免费久久| 18禁裸乳无遮挡免费网站照片| 波多野结衣高清无吗| 久久伊人香网站| 亚洲av日韩精品久久久久久密| 欧美不卡视频在线免费观看| 可以在线观看的亚洲视频| 一a级毛片在线观看| 国产探花在线观看一区二区| 欧美成人性av电影在线观看| 91久久精品电影网| 欧美成人免费av一区二区三区| 十八禁网站免费在线| 亚洲,欧美,日韩| 国产亚洲精品久久久com| 精品久久久久久,| 真实男女啪啪啪动态图| 国产黄色小视频在线观看| 国产午夜福利久久久久久| 国产单亲对白刺激| 国产欧美日韩精品亚洲av| 757午夜福利合集在线观看| av女优亚洲男人天堂| 3wmmmm亚洲av在线观看| 怎么达到女性高潮| 久久久久久久精品吃奶| 亚洲 国产 在线| 亚洲第一电影网av| 听说在线观看完整版免费高清| 熟女电影av网| 久久精品国产99精品国产亚洲性色| 日本精品一区二区三区蜜桃| 欧美日韩瑟瑟在线播放| 国产美女午夜福利| 免费av毛片视频| 色5月婷婷丁香| 欧美乱妇无乱码| av国产免费在线观看| 午夜精品一区二区三区免费看| 岛国在线免费视频观看| 亚洲专区中文字幕在线| 久久久久精品国产欧美久久久| 黄色视频,在线免费观看| 久久精品91蜜桃| 极品教师在线视频| 哪里可以看免费的av片| 亚洲av二区三区四区| 日本撒尿小便嘘嘘汇集6| 国产精品免费一区二区三区在线| 天堂av国产一区二区熟女人妻| 午夜福利在线观看吧| 婷婷精品国产亚洲av在线| av在线老鸭窝| 国产高清有码在线观看视频| 国产乱人视频| 天堂影院成人在线观看| 男女之事视频高清在线观看| 国产免费一级a男人的天堂| 内地一区二区视频在线| 我要看日韩黄色一级片| 永久网站在线| 亚洲久久久久久中文字幕| 噜噜噜噜噜久久久久久91| 精品国产亚洲在线| 午夜福利成人在线免费观看| 欧美日韩中文字幕国产精品一区二区三区| 欧美日韩综合久久久久久 | 男女那种视频在线观看| 欧美激情在线99| 国产精品影院久久| 成人美女网站在线观看视频| 制服丝袜大香蕉在线| 午夜福利高清视频| 乱码一卡2卡4卡精品| 亚洲七黄色美女视频| 国产三级中文精品| 国产色爽女视频免费观看| 亚洲av熟女| 久久精品人妻少妇| 中文字幕人妻熟人妻熟丝袜美| 精品免费久久久久久久清纯| 大型黄色视频在线免费观看| 最近最新中文字幕大全电影3| 成人午夜高清在线视频| 久久久久亚洲av毛片大全| 天堂网av新在线| 色播亚洲综合网| 国产野战对白在线观看| 怎么达到女性高潮| 欧美成人一区二区免费高清观看| 亚洲国产精品999在线| 赤兔流量卡办理|