• <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 ?

    基于隨機游走和GAN 的異質(zhì)信息網(wǎng)絡表征方法*

    2023-08-31 08:39:12蔣宗禮謝欣彤
    計算機與數(shù)字工程 2023年5期
    關鍵詞:步長聚類樣本

    蔣宗禮 謝欣彤

    (北京工業(yè)大學信息學部 北京 100124)

    1 引言

    各種類型的網(wǎng)絡可以看做是這個世界在某些方面的抽象,關于它的研究也一直是學術界的一個熱點。如社交網(wǎng)絡,它是人們社會關系網(wǎng)絡的抽象,這種網(wǎng)絡僅由一種類型的節(jié)點和邊構成,也被稱為同質(zhì)信息網(wǎng)絡。與之相對應的,包含一種或多種類型的節(jié)點和邊的網(wǎng)絡被稱為異質(zhì)信息網(wǎng)絡(Heterogeneous Information Network,HIN)[1]。相較于同質(zhì)信息網(wǎng)絡,HIN 將網(wǎng)絡中的對象和關系進行了區(qū)分,能夠表達更豐富的信息,如圖1所示。

    圖1 HIN舉例

    HIN 中通常包含大量的節(jié)點,這些節(jié)點分布在高維稀疏空間中。復雜而龐大的網(wǎng)絡數(shù)據(jù)往往難以處理[2],網(wǎng)絡表征學習(Network Representation Learning,NRL)[3]則是應對以上問題的一種典型方法。NRL 將網(wǎng)絡中的節(jié)點在高維空間的稀疏向量表示映射成低維空間稠密的向量表示,能夠在一定程度上保留原始網(wǎng)絡中的信息。由于低維的向量很容易被機器學習算法處理,故可有效地應用于節(jié)點分類、聚類、鏈接預測、社區(qū)發(fā)現(xiàn)和推薦等任務中[4]。

    本文的研究任務就是HIN 的表征學習。目前已經(jīng)有一些關于NRL 的工作。Perozzi 等提出的DeepWalk[5]就是一種經(jīng)典的NRL 方法。但該方法僅適用于同質(zhì)信息網(wǎng)絡的表征學習,在HIN上的表征學習效果并不好。Goodfellow等提出的生成對抗網(wǎng)絡(Generative Adversarial Network,GAN)[6]由一個生成網(wǎng)絡和一個判別網(wǎng)絡組成,通過兩個神經(jīng)網(wǎng)絡相互博弈的方式進行學習。Hu 等將其應用于HIN 的表征學習,提出了HeGAN[7]。該方法利用一個節(jié)點的鄰居節(jié)點作為該節(jié)點的上下文語義信息,融合到模型中,取得了不錯的效果。

    但是,僅僅考慮鄰居節(jié)點并不能完全反應該節(jié)點的上下文信息。因此我們提出利用DeepWalk的隨機游走的方法,盡可能多地獲取一個節(jié)點的上下文信息,再結合GAN 的生成對抗思想,提出RHGAN模型,并取得了較好的效果。

    2 相關研究

    隨著機器學習技術的發(fā)展,學習網(wǎng)絡中的節(jié)點特征成為了一項新興研究任務[8~9]。2014 年,Perozzi 等提出的DeepWalk 通過隨機游走遍歷網(wǎng)絡中的節(jié)點,得到有序的節(jié)點序列。利用Word2Vec[10]思想和skip-gram[11]模型,由單個節(jié)點預測前后序列,從而學習得到該節(jié)點的向量表示。該方法可以處理無權重的無向圖。LINE[12]由Tang 等于2015年提出,該算法保留了節(jié)點的一階相似度和二階相似度,可以處理任意類型的大規(guī)模網(wǎng)絡,包括有權重或無權重的有向或無向圖。2016年,Grover等在DeepWalk 的基礎上,通過引入兩個超參數(shù)p 和q 來控制游走策略,即采用寬度優(yōu)先搜索或廣度優(yōu)先搜索進行游走,從而提出了node2vec[13]。該方法可處理有權重或無權重的有向或無向圖。由同質(zhì)信息網(wǎng)絡表征學習方法得到啟發(fā),一些學者嘗試將同質(zhì)信息網(wǎng)絡中的NRL 思想應用到HIN 中。Dong 等采用了node2vec 中的隨機游走的思想,結合Skip-gram 模型,提出了metapath2vec[14]。該方法對隨機游走和Skip-gram 模型分別進行改進,采用基于元路徑的方式來控制隨機游走,同時使改進后的Skip-gram模型能夠在輸出層上區(qū)分節(jié)點的類型。

    Wang等由GAN得到啟發(fā),提出了GraphGAN[15]。該方法根據(jù)生成器在線生成策略,使生成器為每個節(jié)點生成假樣本。將真實數(shù)據(jù)與生成器生成數(shù)據(jù)同時輸入到判別器中,由判別器進行區(qū)分,并將區(qū)分結果反饋給生成器。但該方法僅適用于同質(zhì)信息網(wǎng)絡。Hu等提出的HeGAN方法,結合GAN的思想,設計了關系感知的判別器和生成器。廣義生成器雖然能夠直接從連續(xù)分布中采樣“潛在節(jié)點”,并且不局限于原始網(wǎng)絡中的節(jié)點,但沒有充分考慮節(jié)點的上下文信息。

    3 本文提出的模型-RHGAN

    本文提出的RHGAN 模型利用隨機游走,將節(jié)點的上下文信息融入到GAN 中,以充分挖掘網(wǎng)絡的結構和語義信息。模型中用到的參數(shù)如表1 所示。

    表1 RHGAN模型用到的參數(shù)

    3.1 截斷的隨機游走

    隨機游走就是在網(wǎng)絡上不斷重復地隨機選擇游走路徑,最終形成一條貫穿網(wǎng)絡的路徑。從某個特定的端點開始,游走的每一步都從與當前節(jié)點相連的邊中隨機選擇一條,沿著選定的邊移動到下一個頂點,不斷重復這個過程。而截斷隨機游走(Truncated Random Walk)實際上就是長度固定的隨機游走。它在DeepWalk中被用于同質(zhì)網(wǎng)的表征學習,算法1對該算法進行了描述。

    算法1 截斷隨機游走(Truncated Random Walk)

    輸入:源節(jié)點u,隨機游走步長sl

    輸出:以節(jié)點u為起點的路徑uPath

    1)將u加入uPath;

    2)while uPath的長度!=2*sl+1 do

    3)令currU為uPath中的最后一個節(jié)點;

    4) 從currU 所具有的關系中隨機選取一種關系作為selR

    5)從currU 通過關系selR 鏈接到其他鄰居節(jié)點的序列中隨機選擇一個節(jié)點作為selU

    6) 分別將selR、selU加入uPath

    7)end while

    直觀上,節(jié)點u 的上下文和u 之間的關系更加緊密,可以用u 的上下文來表示u 所蘊含的語義信息。我們使用截斷隨機游走算法,來獲取節(jié)點u 的語義信息。我們?yōu)槊恳粋€節(jié)點采樣一批路徑,路經(jīng)p 表示為p:〈u,r1,v,r2,u3,r3,…rsl,usl+1〉,其中,u表示源節(jié)點,v 表示節(jié)點u 的鄰居,sl 表示隨機游走的步長。我們令Rp=(r1,r2,r3,…rsl),表示路徑p中所有關系的序列。同時,我們將采樣得到的路徑作為新的訓練集,用ucontext表示節(jié)點u的上下文。

    以圖1 中的HIN 為例,從節(jié)點business1 出發(fā),隨機游走步長分別為1、2、3 時,我們可以得到三條游 走 的 路 徑p1:〈business1,re3,star level 1〉,p2:〈business1,re2,user1,re1,business2〉,以 及p3:〈business1,re2,user1,re1,business2,re3,star level 2〉。這些路徑本身包含了可解釋的語義,如p1表示商家business1 的星級star level 1,p2表示用 戶 user1 同 時 關 注 了 商 家 business1 和business2 ,p3表示用戶user1 同時關注了商家business1 和星級為star level 2 的商家business2 。正是因為這些隨機游走出來的路徑包含了豐富的語義,因此我們希望通過隨機游走的方式盡可能多的游走一個節(jié)點的上下文,以充分挖掘這些語義信息。

    3.2 RHGAN中的判別模型

    按算法1 對節(jié)點u 進行隨機游走,可以得到路徑p:〈u,r1,v,r2,u3,r3,…rsl,usl+1〉,路徑p 中的關系序列Rp為(r1,r2,r3,…rsl),v為u的鄰居節(jié)點。

    u 的上下文信息ucontext由u 和Rp得到。令ucontext為正樣本。負樣本產(chǎn)生方式如下:隨機選擇Rp中 的 一 種 關 系 進 行 替 換,得 到Rp'=(r1,r2',r3,…rsl),此時路徑中的兩個節(jié)點存在一種錯誤的關系。負樣本即為u 的錯誤的上下文信息u'context,由u和Rp'得到。將路徑p放入生成模型中,得到假樣本,即u的生成的上下文信息

    判別模型的目的是對采樣得到的正樣本、負樣本和假樣本進行判別,根據(jù)節(jié)點u 的上下文信息和節(jié)點u 的鄰居的關系,從而判斷該樣本是否來自原始網(wǎng)絡。判別模型的目標函數(shù)如式(1)所示。表示路徑

    表示p 中節(jié)的點關u系在序判列別模Rp型 在中判的別表模示型向中量的,矩陣乘積,。若為正確的上下文信息,則節(jié)點u 的鄰居節(jié)點v 與u 的上下文信息相近,判別器的值接近1,說明該樣本屬于原始網(wǎng)絡的可能性較大;反之,判別器的值接近0,說明該樣本屬于原始網(wǎng)絡的可能性較小。

    正樣本的損失函數(shù)如式(2)所示。〈u,Rp,v〉~P表示從集合P 中取路徑p,u 為p 中的源節(jié)點,Rp為p 中的關系序列,v 為p 中節(jié)點u 的鄰居。示隨

    負機替樣換本的Rp損 中失的函任數(shù)意如一式種(關3)系所得示到。RRp'p。'~PRp表

    判別模型的損失函數(shù)由正樣本、負樣本和假樣本的損失函數(shù)構成,如式(5)所示。λD是判別模型中用于控制正則化的參數(shù)。θD是判別模型中所有節(jié)點u 的向量表示和對應關系序列Rp的矩陣的集合,由最小化判別模型的損失函數(shù)進行更新。

    3.3 RHGAN中的生成模型

    將路徑p 和隨機噪聲放入生成模型中,用以生成節(jié)點u 的上下文信息的表示向量。生成模型的目標函數(shù)如式(6)所示:

    f 表示激活函數(shù),模型所采用的激活函數(shù)為帶泄露線性整流函數(shù)(Leaky ReLU)。同時,為增強偽裝性,還增加了多層感知器,WL、bL分別表示第L層的權重矩陣和偏置矩陣。e的求法如式(7)所示。表示路徑

    表示p中節(jié)關點系u序在列生成Rp模 在型生中成的模表型示中向的量矩,陣乘積,,z表示隨機噪聲。

    生成模型的目標是盡可能地生成節(jié)點u 的真實的上下文信息,以混淆判別模型的判斷。其損失函數(shù)定義如式(8)所示。

    λG是生成模型中用于控制正則化的參數(shù)。θG是系生序成列模R型p的中矩所陣有節(jié)點以u的及向多量層表感示知器中和的對參應關數(shù)WL和bL的集合,由最小化生成模型的損失函數(shù)進行更新。

    RHGAN模型的整體訓練過程如算法2所示。

    算法2 RHGAN模型訓練

    輸入:HIN N;模型的訓練次數(shù)epoch;生成模型、判別模型的訓練次數(shù)Gepoc?、Depoc?;每個節(jié)點的采樣次數(shù)nsample;隨機游走步長sl

    輸出:eG、eD

    1)初始化θD、θG

    2)for e=0;e

    3)for n=0;n

    4)for num=0;num

    5)N中每個節(jié)點進行步長為sl的隨機游走,得路徑p

    6)由p可得路徑p中的源節(jié)點u的關系序列Rp

    7)由u和Rp得到正樣本,即u的上下文信息

    8)隨機替換路徑p 中的任一關系得到Rp'(Rp'~PRp),由u和Rp'得到負樣本

    9)將路徑p放入生成模型中,得到u的生成的上下文信息G(u,Rp;θG)

    10)通過式(5),更新θD

    11)end for

    12)end for

    13)for n=0;n

    14)for num=0;num

    15)N中每個節(jié)點進行步長為sl的隨機游走,得路徑p

    16)由p可得路徑p中的源節(jié)點u的關系序列Rp

    17)通過u和Rp生成u的上下文信息G(u,Rp;θG)

    18)通過式(8),更新θG

    19)end for

    20)end for

    21)end for

    4 實驗與結果

    4.1 數(shù)據(jù)集

    本文在YELP 數(shù)據(jù)集上驗證了RHGAN 模型的有效性。YELP 數(shù)據(jù)集中的實體類型及數(shù)量如表2(a)所示,關系類型及數(shù)量如表2(b)所示。

    表2 (a) YELP數(shù)據(jù)集中的實體類型及數(shù)量

    由表2(a)和2(b)可以看出,YELP 數(shù)據(jù)集中包含用戶(User,U)、商家(Business,B)、服務(Service,S)、星級(Star level,St)、預定(Reservation,R)六種節(jié)點類型和B-U、U-B、B-S、S-B、B-St、St-B、B-R、R-B八種關系類型,共計3913個節(jié)點,38680條邊。

    4.2 評價指標

    本文通過RHGAN 在聚類任務上的表現(xiàn),來驗證其有效性。歸一化互信息(NMI)常被選作為評價聚類效果的標準。NMI值越大,表明聚類效果越好。其范圍為[0,1]。計算方法見式(9)。

    I 表示互信息,即兩個隨機變量X 和Y 之間的關聯(lián)程度。X 與Y 關系越密切,則I(X;Y)的值越大。計算方法見式(10)。

    H 表示熵,由概率的極大似然估計推導而來,計算方法見式(11)。

    4.3 實驗結果與分析

    4.3.1 對比實驗

    本文選用NRL 經(jīng)典算法DeepWalk、LINE(采用一階相似度LINE-1st 和二階相似度LINE-2nd)與基于GAN 思想的GraphGAN、HeGAN 作為基準實驗,與本文所提出的RHGAN 進行對比實驗。其中,DeepWalk、LINE-1st、LINE-2nd、GraphGAN 均為基于同質(zhì)信息網(wǎng)絡的模型,而HeGAN 和RHGAN均為基于HIN的模型。

    基準實驗的參數(shù)設置:Deepwalk設置從每個節(jié)點的出發(fā)次數(shù)number-walks為10,隨機游走的步長walk-length 為100,window-size 為5。LINE-1st 和LINE-2nd 設置總的樣本數(shù)均為10000。GraphGAN設置生成模型和判別模型的訓練次數(shù)均為30 次、學習率均為0.001,每個節(jié)點的采樣次數(shù)為20,總體的訓練次數(shù)為20次。HeGAN設置生成模型和判別模型的訓練次數(shù)分別為5 和15 次、學習率均為0.0001,總體的訓練次數(shù)為20 次。實驗結果如表3所示。

    表3 對比實驗結果

    由表3 可以看出,基于HIN 的模型整體上要優(yōu)于基于同質(zhì)信息網(wǎng)絡的模型,在基于GAN 思想的三種方法中,RHGAN 要明顯優(yōu)于另外兩種方法。在基準實驗中,效果最好的是HeGAN,其NMI值達到 了0.4037。 RHGAN 相 較 于HeGAN 提 升 了1.41%,其NMI值達到了0.4178。

    以上結果表明HIN 較同質(zhì)信息網(wǎng)絡具有更好的表征效果,同時,在GAN 中融入節(jié)點的上下文信息對HIN表征學習方面具有一定的提升效果,驗證了本文所提出的RHGAN的正確性和有效性。

    4.3.2 參數(shù)敏感度

    用epoch 表示總體訓練次數(shù),nsample表示每個節(jié)點的采樣次數(shù),Gepoc?、Depoc?分別表示生成模型和判別模型的訓練次數(shù)分別表示生成模型和判別模型的學習率,sl表示隨機游走步長。

    1)sl對模型效果的影響

    固定epoch 為20,nsample為16,Gepoc?為5、為0.0003,Depoc?為15、為0.0001。將sl 分別設置為[1,2,3,4,5,6,7,8,9,10,11,12]。探究隨機游走步長的變化對聚類結果的影響。

    實驗結果如圖2 所示。其中,左側縱坐標軸表示在該隨機游走步長下聚類的效果,以NMI值來評估;右側縱坐標軸表示epoch 為20 時,在不同隨機游走步長下,平均每個epoch所花費的訓練時間,單位為s。

    圖2 隨機游走步長對模型效果的影響

    圖2中的NMI 曲線表明,隨著隨機游走步長的增加,NMI 值先增后減。當步長由1 增加至2 時,NMI值有所上升;當步長由2 增加至3 時,NMI值變化不大;當步長由3 增加至4 時,NMI 值下降較多;繼續(xù)增加步長,發(fā)現(xiàn)NMI值變化較為平緩。

    以上結果表明了在模型中對節(jié)點進行隨機游走并融入節(jié)點上下文信息,可以提升聚類效果,但隨機游走的步長并不是越長越好。隨著步長的增加,節(jié)點的有效的上下文信息可能會被弱化,從而影響模型的表征學習效果。

    圖2 中的時間變化曲線表明,隨著步長的增加,每個節(jié)點進行隨機游走所得到的路徑就越長,平均每個epoch所花費的訓練時間會逐步增加。但是所花費的訓練時間基本符合線性增長,說明模型的訓練是可控的且能被較好預測的。

    綜合以上分析,當sl 為2、3 時,該模型在聚類效果和訓練時間上都能取得較好的效果。

    2)Gepoc?、Depoc?的不同組合對模型的影響

    固定epoch 為20,nsample為16,為0.0003,為0.0001,sl 為3。將Gepoc?、Depoc?分別設置為[2,4,6,8,10,12,14,16],探究其不同的組合對聚類結果的影響。實驗結果如圖3所示。

    圖3 Gepoch、Depoch 的不同組合對模型的影響

    由圖3 可以看出,當Depoc?=2,Gepoc?為2、4,或Depoc?=4,Gepoc?為2、8、14、16 時,模型能有較好的聚類效果;當Depoc?=6 和Depoc?=8,除了Gepoc?=14,模型均能有較好的聚類效果;當Depoc?=10,除了Gepoc?=8,模型均能有較好的聚類效果;當Depoc?=12、Depoc?=14 或Depoc?=16,無論Gepoc?取值如何,模型均能有較好的聚類效果,且NMI 值要優(yōu)于Depoc?取其他值的情況。當Gepoc?位于[4,8]區(qū)間時,大多數(shù)Depoc?的曲線波動變化較為平穩(wěn);當Gepoc?大于8 時,不同取值的Depoc?曲線波動不同,存在上升和下降兩種趨勢。

    綜合以上分析,當Depoc?位于[12,16],Gepoc?位于[4,8]時,模型能有較好的效果。

    3)epoch對模型的影響

    固 定nsample為16,Gepoc?為5、為0.0003,Depoc?為15、為0.0001,sl 為3,設置epoch 為50。探究在一次訓練過程中對抗學習的過程,以及生成模型和判別模型損失函數(shù)和聚類結果的變化。實驗結果如圖4(a)、4(b)所示。

    圖4(a) 總的訓練次數(shù)對損失函數(shù)的影響

    圖4(b) 總的訓練次數(shù)對模型效果的影響

    其中,圖4(a)、4(b)的橫坐標軸表示一次訓練中epoch 的變化,縱坐標軸分別表示損失函數(shù)以及該epoch下聚類的效果,以NMI值來評估。

    由圖4(a)可以看出,初始時判別模型的損失函數(shù)值較高,但隨著epoch的增加,判別模型和生成模型的損失函數(shù)均逐漸下降。當epoch 大于21 時,判別模型和生成模型的損失函數(shù)曲線較為平緩,表明此時判別模型和生成模型均已趨于收斂。

    由圖4(b)可以看出,隨著epoch 的增加,判別模型和生成模型的NMI 值變化曲線呈現(xiàn)出上升后又下降的趨勢。當epoch 大于19 時,判別模型的NMI 值變化曲線總體呈下降趨勢,而生成模型的NMI 值變化曲線與之前趨勢相同,總體較為平緩。這表明增加epoch 并不一定會提升模型的效果,反而可能會導致模型出現(xiàn)過擬合的問題。

    綜合以上分析,當epoch 位于[19,21]區(qū)間時,模型能取得較好的效果。

    5 結語

    本文通過在聚類任務上的實驗驗證了所提RHGAN 方法的正確性和有效性,表明該方法在HIN 表征學習方面有較好的表現(xiàn)。今后將在如何更好地融合網(wǎng)絡中的結構信息和語義信息以及提升模型效率方面繼續(xù)研究。

    猜你喜歡
    步長聚類樣本
    基于Armijo搜索步長的BFGS與DFP擬牛頓法的比較研究
    用樣本估計總體復習點撥
    推動醫(yī)改的“直銷樣本”
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    隨機微分方程的樣本Lyapunov二次型估計
    村企共贏的樣本
    基于改進的遺傳算法的模糊聚類算法
    基于逐維改進的自適應步長布谷鳥搜索算法
    一種層次初始的聚類個數(shù)自適應的聚類方法研究
    一種新型光伏系統(tǒng)MPPT變步長滯環(huán)比較P&O法
    電測與儀表(2014年2期)2014-04-04 09:04:00
    嫩草影院新地址| 亚洲在线观看片| 午夜福利免费观看在线| 特级一级黄色大片| 99精品久久久久人妻精品| www日本黄色视频网| 观看免费一级毛片| 一区二区三区免费毛片| 亚洲精品一区av在线观看| 又黄又爽又刺激的免费视频.| а√天堂www在线а√下载| 国产乱人视频| 免费看光身美女| 欧美+日韩+精品| 熟妇人妻久久中文字幕3abv| 精品久久久久久久人妻蜜臀av| 最近最新中文字幕大全电影3| 高清在线国产一区| 国产麻豆成人av免费视频| 男女视频在线观看网站免费| 国产一区二区激情短视频| 日韩欧美精品v在线| 国产极品精品免费视频能看的| 99视频精品全部免费 在线| 伊人久久精品亚洲午夜| 国内精品久久久久精免费| 很黄的视频免费| 午夜福利在线观看吧| 亚洲av日韩精品久久久久久密| 国产一区二区在线观看日韩| 国产精品综合久久久久久久免费| 少妇熟女aⅴ在线视频| 怎么达到女性高潮| 亚洲av电影不卡..在线观看| 成人性生交大片免费视频hd| 91久久精品国产一区二区成人| 欧美精品国产亚洲| 亚洲片人在线观看| 国产精品综合久久久久久久免费| 成人高潮视频无遮挡免费网站| 亚洲欧美日韩高清在线视频| 久久久国产成人精品二区| 亚洲最大成人手机在线| 国产黄色小视频在线观看| 国产高清视频在线观看网站| 国产人妻一区二区三区在| av视频在线观看入口| 床上黄色一级片| 最新中文字幕久久久久| 成年女人看的毛片在线观看| 国产午夜精品论理片| 久久久久久久亚洲中文字幕 | 日本一本二区三区精品| 99久国产av精品| 日韩亚洲欧美综合| 性插视频无遮挡在线免费观看| 黄色视频,在线免费观看| 国产成+人综合+亚洲专区| 97超级碰碰碰精品色视频在线观看| 午夜免费激情av| 两个人视频免费观看高清| 露出奶头的视频| 国产高清视频在线观看网站| 国产精品av视频在线免费观看| 婷婷精品国产亚洲av在线| 天天一区二区日本电影三级| 亚洲中文日韩欧美视频| 成人美女网站在线观看视频| 亚洲人成网站在线播| 精品久久久久久久久久免费视频| a级一级毛片免费在线观看| 欧美成人免费av一区二区三区| 亚洲精华国产精华精| 亚洲精品在线观看二区| 中文亚洲av片在线观看爽| 国产探花极品一区二区| 国产精品人妻久久久久久| 亚洲人成网站高清观看| 欧美日韩亚洲国产一区二区在线观看| 国产麻豆成人av免费视频| 午夜免费激情av| 久久久久久久精品吃奶| 少妇裸体淫交视频免费看高清| 国产精品日韩av在线免费观看| 国产91精品成人一区二区三区| 村上凉子中文字幕在线| 亚洲精品亚洲一区二区| 亚洲第一区二区三区不卡| 欧美激情久久久久久爽电影| 91九色精品人成在线观看| 国产精品电影一区二区三区| 欧美国产日韩亚洲一区| 国产日本99.免费观看| 一级作爱视频免费观看| 成人午夜高清在线视频| 国产伦人伦偷精品视频| a级毛片a级免费在线| 波多野结衣高清作品| 高清日韩中文字幕在线| 色吧在线观看| 日本 av在线| 五月伊人婷婷丁香| 亚洲av成人不卡在线观看播放网| 精品国产亚洲在线| 亚洲 欧美 日韩 在线 免费| 看十八女毛片水多多多| 国产亚洲精品综合一区在线观看| 夜夜躁狠狠躁天天躁| 日日摸夜夜添夜夜添av毛片 | 国产人妻一区二区三区在| 日本免费a在线| 欧美精品国产亚洲| 亚洲熟妇中文字幕五十中出| 88av欧美| 少妇裸体淫交视频免费看高清| 国产精品久久久久久精品电影| 欧美又色又爽又黄视频| 久久香蕉精品热| 日本熟妇午夜| 99精品在免费线老司机午夜| 精品午夜福利视频在线观看一区| 国产成人av教育| 嫁个100分男人电影在线观看| 国产精品女同一区二区软件 | 美女大奶头视频| 全区人妻精品视频| 亚洲,欧美,日韩| 欧美潮喷喷水| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 欧美日韩福利视频一区二区| 亚洲av熟女| 国产一区二区三区在线臀色熟女| 久久99热这里只有精品18| 欧美日本亚洲视频在线播放| 悠悠久久av| 亚洲中文字幕日韩| 伊人久久精品亚洲午夜| 人人妻人人看人人澡| 夜夜躁狠狠躁天天躁| 欧美国产日韩亚洲一区| 国产日本99.免费观看| 国产亚洲精品久久久com| 色播亚洲综合网| 美女xxoo啪啪120秒动态图 | 亚洲avbb在线观看| a级一级毛片免费在线观看| 欧美日韩黄片免| 国产精品,欧美在线| 九九热线精品视视频播放| 日本 欧美在线| 精品99又大又爽又粗少妇毛片 | 波多野结衣巨乳人妻| 欧美激情国产日韩精品一区| 亚洲精品一区av在线观看| 成人三级黄色视频| 成人特级av手机在线观看| 真人一进一出gif抽搐免费| 又爽又黄a免费视频| 国产亚洲精品av在线| 日韩人妻高清精品专区| 97超视频在线观看视频| 天天躁日日操中文字幕| 国产单亲对白刺激| 国产精品不卡视频一区二区 | 嫩草影院新地址| 成人无遮挡网站| 亚洲欧美日韩高清专用| 国产单亲对白刺激| 99精品在免费线老司机午夜| 三级国产精品欧美在线观看| 国产野战对白在线观看| 国产蜜桃级精品一区二区三区| 女人十人毛片免费观看3o分钟| 午夜福利在线观看吧| 国产美女午夜福利| 99久国产av精品| 亚洲在线观看片| 99精品在免费线老司机午夜| 老司机深夜福利视频在线观看| 在线观看免费视频日本深夜| 精品国产亚洲在线| 国产av在哪里看| 国产精品av视频在线免费观看| 九色成人免费人妻av| 精品免费久久久久久久清纯| 男插女下体视频免费在线播放| x7x7x7水蜜桃| 内地一区二区视频在线| 欧美一级a爱片免费观看看| 好看av亚洲va欧美ⅴa在| 国产精品98久久久久久宅男小说| av在线蜜桃| 18禁黄网站禁片免费观看直播| 亚洲国产欧洲综合997久久,| 在线观看美女被高潮喷水网站 | 最新在线观看一区二区三区| 观看免费一级毛片| 国产午夜精品论理片| 国产亚洲精品久久久久久毛片| 午夜福利高清视频| 少妇丰满av| 麻豆国产97在线/欧美| 一区二区三区四区激情视频 | 日韩欧美免费精品| 午夜免费激情av| 99久久精品国产亚洲精品| 久久久久久久亚洲中文字幕 | 国产精品日韩av在线免费观看| 免费人成视频x8x8入口观看| 亚洲成av人片免费观看| 国产精品久久久久久久久免 | 伦理电影大哥的女人| 久久精品人妻少妇| 精品国产三级普通话版| 美女高潮喷水抽搐中文字幕| 极品教师在线免费播放| 久久天躁狠狠躁夜夜2o2o| 国产麻豆成人av免费视频| 黄色丝袜av网址大全| 精品久久久久久久人妻蜜臀av| 精品不卡国产一区二区三区| 成人国产一区最新在线观看| 高清日韩中文字幕在线| 深爱激情五月婷婷| 一边摸一边抽搐一进一小说| 国产真实乱freesex| 亚洲国产精品久久男人天堂| 国产伦精品一区二区三区四那| 白带黄色成豆腐渣| 久久精品人妻少妇| 久久精品国产清高在天天线| 欧美日韩中文字幕国产精品一区二区三区| 亚洲精品影视一区二区三区av| 国产成人av教育| 亚洲久久久久久中文字幕| 国产伦精品一区二区三区四那| 日本成人三级电影网站| 国产精品久久久久久亚洲av鲁大| 欧美午夜高清在线| 深爱激情五月婷婷| av女优亚洲男人天堂| 久久精品国产亚洲av天美| 9191精品国产免费久久| 国产一级毛片七仙女欲春2| 少妇丰满av| 国产精品爽爽va在线观看网站| 男人和女人高潮做爰伦理| 亚洲精品456在线播放app | 国产69精品久久久久777片| 欧美最黄视频在线播放免费| 日本成人三级电影网站| 午夜福利视频1000在线观看| 免费看日本二区| 色综合婷婷激情| 人妻夜夜爽99麻豆av| 综合色av麻豆| av女优亚洲男人天堂| 中文字幕av在线有码专区| 国产av在哪里看| 欧美性感艳星| 久久久色成人| 观看免费一级毛片| 伦理电影大哥的女人| 成人毛片a级毛片在线播放| 国产精品久久久久久精品电影| 国产黄色小视频在线观看| 欧美3d第一页| 99久久99久久久精品蜜桃| 国产色婷婷99| 一个人看的www免费观看视频| 波多野结衣高清无吗| 亚洲精品色激情综合| 一边摸一边抽搐一进一小说| 亚洲欧美精品综合久久99| 久久久久久久久久成人| 又粗又爽又猛毛片免费看| 久久精品影院6| 亚洲成av人片免费观看| 99久久成人亚洲精品观看| 国产成+人综合+亚洲专区| 国产精品影院久久| 精品久久久久久久久av| 在现免费观看毛片| 午夜久久久久精精品| 免费av不卡在线播放| 搡老岳熟女国产| 国产精品精品国产色婷婷| 18禁黄网站禁片午夜丰满| 成人美女网站在线观看视频| 黄色日韩在线| 丁香欧美五月| 听说在线观看完整版免费高清| 可以在线观看的亚洲视频| 国产精品电影一区二区三区| 亚洲 欧美 日韩 在线 免费| 他把我摸到了高潮在线观看| 亚洲国产精品成人综合色| 中出人妻视频一区二区| 国产熟女xx| 免费看a级黄色片| or卡值多少钱| 狂野欧美白嫩少妇大欣赏| 淫妇啪啪啪对白视频| 亚洲电影在线观看av| 国产精品久久久久久精品电影| 99久久无色码亚洲精品果冻| 男人狂女人下面高潮的视频| 一本综合久久免费| 最好的美女福利视频网| 俄罗斯特黄特色一大片| 三级毛片av免费| 午夜免费男女啪啪视频观看 | 性色avwww在线观看| 国产综合懂色| 国产野战对白在线观看| 亚洲av日韩精品久久久久久密| a在线观看视频网站| av在线老鸭窝| 国产精品久久久久久久电影| 国产成年人精品一区二区| 男人和女人高潮做爰伦理| 亚洲在线观看片| 国产精品综合久久久久久久免费| 亚洲精品粉嫩美女一区| 亚洲成人久久爱视频| 韩国av一区二区三区四区| 欧美日本亚洲视频在线播放| 性色av乱码一区二区三区2| 亚洲精品456在线播放app | 真人做人爱边吃奶动态| 日韩欧美国产一区二区入口| 露出奶头的视频| 在线看三级毛片| 亚洲国产日韩欧美精品在线观看| 99国产极品粉嫩在线观看| 我要看日韩黄色一级片| 首页视频小说图片口味搜索| 特级一级黄色大片| 3wmmmm亚洲av在线观看| 啪啪无遮挡十八禁网站| 亚洲精品乱码久久久v下载方式| 在线观看66精品国产| 国产私拍福利视频在线观看| 国产亚洲av嫩草精品影院| 亚洲在线观看片| 悠悠久久av| 国产亚洲欧美在线一区二区| 非洲黑人性xxxx精品又粗又长| 成人永久免费在线观看视频| 久久国产乱子伦精品免费另类| 天美传媒精品一区二区| 国产v大片淫在线免费观看| 欧美+日韩+精品| 精华霜和精华液先用哪个| 久久久久国内视频| 亚洲在线自拍视频| 日韩欧美 国产精品| 成人特级av手机在线观看| 久久99热6这里只有精品| 久久久久免费精品人妻一区二区| 精品人妻视频免费看| 国产精品女同一区二区软件 | 亚洲欧美清纯卡通| 免费人成在线观看视频色| 好男人电影高清在线观看| 亚洲性夜色夜夜综合| 国产精品亚洲av一区麻豆| 国产精品乱码一区二三区的特点| 亚洲片人在线观看| 十八禁人妻一区二区| 国产色婷婷99| 97碰自拍视频| 99国产精品一区二区蜜桃av| www.熟女人妻精品国产| 欧美日韩黄片免| 国产一区二区亚洲精品在线观看| 狂野欧美白嫩少妇大欣赏| 国产伦一二天堂av在线观看| 久久人人精品亚洲av| 亚洲七黄色美女视频| www.熟女人妻精品国产| 国产极品精品免费视频能看的| 国产一区二区亚洲精品在线观看| 桃色一区二区三区在线观看| 91狼人影院| 18禁黄网站禁片免费观看直播| 男女视频在线观看网站免费| 国产高清三级在线| 日韩人妻高清精品专区| 欧美性猛交╳xxx乱大交人| 国产成人a区在线观看| av天堂在线播放| 免费人成视频x8x8入口观看| 看免费av毛片| 日韩成人在线观看一区二区三区| 99在线视频只有这里精品首页| 黄色日韩在线| 一二三四社区在线视频社区8| 首页视频小说图片口味搜索| 内射极品少妇av片p| 久久人人爽人人爽人人片va | 国产精品人妻久久久久久| 亚洲av.av天堂| 亚洲人成伊人成综合网2020| 国产视频一区二区在线看| 免费看美女性在线毛片视频| 国产激情偷乱视频一区二区| 深夜精品福利| 亚洲男人的天堂狠狠| 欧美+亚洲+日韩+国产| 一本一本综合久久| 黄色配什么色好看| 免费高清视频大片| 国产精品久久电影中文字幕| 亚洲 国产 在线| 国产成人影院久久av| 国产精品不卡视频一区二区 | 老司机午夜福利在线观看视频| av在线蜜桃| av视频在线观看入口| av在线老鸭窝| 国产午夜精品论理片| 97超视频在线观看视频| 午夜精品久久久久久毛片777| 亚洲在线观看片| 精品久久久久久久久亚洲 | 99热这里只有是精品在线观看 | 给我免费播放毛片高清在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 搡女人真爽免费视频火全软件 | 国产精品国产高清国产av| 少妇的逼好多水| 亚洲天堂国产精品一区在线| www日本黄色视频网| 亚洲成av人片免费观看| 深爱激情五月婷婷| 亚洲在线自拍视频| av中文乱码字幕在线| 好男人在线观看高清免费视频| 亚洲av二区三区四区| 久久精品综合一区二区三区| av黄色大香蕉| 男人舔女人下体高潮全视频| 美女高潮的动态| 嫩草影视91久久| 亚洲五月婷婷丁香| 又黄又爽又免费观看的视频| 久久久久久大精品| 亚洲在线自拍视频| 一a级毛片在线观看| 成年人黄色毛片网站| 日韩高清综合在线| 欧美+日韩+精品| 亚洲av成人av| 桃色一区二区三区在线观看| 欧美一区二区精品小视频在线| 久久久久久久精品吃奶| 看黄色毛片网站| 亚洲欧美日韩无卡精品| 啪啪无遮挡十八禁网站| 欧美+日韩+精品| АⅤ资源中文在线天堂| 别揉我奶头 嗯啊视频| 又粗又爽又猛毛片免费看| 成年人黄色毛片网站| 久久国产精品影院| 一个人免费在线观看电影| 日韩欧美在线乱码| 亚洲av美国av| 91麻豆av在线| 91午夜精品亚洲一区二区三区 | 国产欧美日韩精品亚洲av| 女人被狂操c到高潮| av福利片在线观看| 少妇裸体淫交视频免费看高清| 波多野结衣巨乳人妻| 欧美精品国产亚洲| 尤物成人国产欧美一区二区三区| 亚洲成人中文字幕在线播放| 久久久久性生活片| 91字幕亚洲| 简卡轻食公司| 国产爱豆传媒在线观看| 男人和女人高潮做爰伦理| 亚洲中文字幕日韩| 精品久久久久久久末码| 国产精品亚洲美女久久久| 久久人人爽人人爽人人片va | 身体一侧抽搐| 久久天躁狠狠躁夜夜2o2o| 日韩精品中文字幕看吧| 午夜亚洲福利在线播放| 看黄色毛片网站| 国产91精品成人一区二区三区| 亚洲精品乱码久久久v下载方式| 国产一区二区三区视频了| 亚洲五月婷婷丁香| 欧美区成人在线视频| 亚洲黑人精品在线| 高清在线国产一区| 久久精品国产自在天天线| 欧美黄色淫秽网站| 国内少妇人妻偷人精品xxx网站| 欧美成狂野欧美在线观看| 亚洲成人免费电影在线观看| 欧美成人a在线观看| 久久久久国产精品人妻aⅴ院| 在线观看美女被高潮喷水网站 | 国产成人啪精品午夜网站| 精品久久久久久久久亚洲 | 欧美乱妇无乱码| 婷婷精品国产亚洲av| 欧美成人性av电影在线观看| 国产精品亚洲美女久久久| 听说在线观看完整版免费高清| 午夜视频国产福利| www.999成人在线观看| 久久久精品大字幕| 88av欧美| 高潮久久久久久久久久久不卡| 日韩欧美三级三区| 日本一本二区三区精品| 久久久久久久久久黄片| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 九九热线精品视视频播放| 日日夜夜操网爽| 日韩欧美三级三区| 国产色爽女视频免费观看| 久久精品国产亚洲av香蕉五月| 久久久国产成人精品二区| 村上凉子中文字幕在线| 国产日本99.免费观看| 日韩欧美国产一区二区入口| 热99re8久久精品国产| 欧美又色又爽又黄视频| 最新在线观看一区二区三区| 精华霜和精华液先用哪个| 女人被狂操c到高潮| 亚洲成人精品中文字幕电影| 久久99热6这里只有精品| 午夜福利18| 国产精品伦人一区二区| 搡老岳熟女国产| 老司机福利观看| 搡女人真爽免费视频火全软件 | 三级男女做爰猛烈吃奶摸视频| а√天堂www在线а√下载| 国产伦在线观看视频一区| 在线观看美女被高潮喷水网站 | 国产男靠女视频免费网站| 在线免费观看不下载黄p国产 | 久久久久久九九精品二区国产| 麻豆成人午夜福利视频| 麻豆久久精品国产亚洲av| 91久久精品国产一区二区成人| 免费一级毛片在线播放高清视频| 国产一区二区亚洲精品在线观看| av专区在线播放| 国产免费av片在线观看野外av| 国产成人欧美在线观看| 少妇人妻一区二区三区视频| 首页视频小说图片口味搜索| 亚洲美女黄片视频| 亚洲第一欧美日韩一区二区三区| www日本黄色视频网| 特级一级黄色大片| 国产精品一及| 中文字幕人妻熟人妻熟丝袜美| 免费电影在线观看免费观看| 亚洲在线观看片| 色哟哟·www| 波多野结衣巨乳人妻| or卡值多少钱| 搞女人的毛片| 久久6这里有精品| 亚洲精品一卡2卡三卡4卡5卡| 成人无遮挡网站| 免费在线观看影片大全网站| 18禁黄网站禁片午夜丰满| av在线观看视频网站免费| 97超级碰碰碰精品色视频在线观看| 国产午夜精品久久久久久一区二区三区 | 99国产综合亚洲精品| 91在线观看av| 欧美性猛交黑人性爽| 欧美激情国产日韩精品一区| av视频在线观看入口| 在线观看66精品国产| 国产亚洲精品久久久com| 国内少妇人妻偷人精品xxx网站| 国产视频内射| 午夜福利欧美成人| 青草久久国产| 亚洲专区中文字幕在线| 97超级碰碰碰精品色视频在线观看| 丁香欧美五月| 日本在线视频免费播放| 男女床上黄色一级片免费看| 丁香六月欧美| 少妇裸体淫交视频免费看高清| 亚洲av二区三区四区| 久久午夜亚洲精品久久| 亚洲精品亚洲一区二区| 久久精品国产99精品国产亚洲性色| 精品人妻视频免费看| 别揉我奶头 嗯啊视频| 男女床上黄色一级片免费看| 赤兔流量卡办理| 男女之事视频高清在线观看| 亚洲经典国产精华液单 | av福利片在线观看| 1024手机看黄色片| 人人妻人人澡欧美一区二区| 蜜桃久久精品国产亚洲av| 国产精品,欧美在线|