• <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 ?

    超邊約束的異質(zhì)超網(wǎng)絡(luò)表示學(xué)習(xí)方法

    2024-01-09 04:01:20王可可朱宇王曉英黃建強曹騰飛
    計算機應(yīng)用 2023年12期
    關(guān)鍵詞:元組集上異質(zhì)

    王可可,朱宇,王曉英,黃建強,曹騰飛

    超邊約束的異質(zhì)超網(wǎng)絡(luò)表示學(xué)習(xí)方法

    王可可,朱宇*,王曉英,黃建強,曹騰飛

    (青海大學(xué) 計算機技術(shù)與應(yīng)用系,西寧 810000)(?通信作者電子郵箱zhuyu@qhu.edu.cn)

    與普通網(wǎng)絡(luò)相比,超網(wǎng)絡(luò)具有復(fù)雜的元組關(guān)系(超邊),然而現(xiàn)有的大多數(shù)網(wǎng)絡(luò)表示學(xué)習(xí)方法并不能捕獲元組關(guān)系。針對上述問題,提出一種超邊約束的異質(zhì)超網(wǎng)絡(luò)表示學(xué)習(xí)方法(HRHC)。首先,引入一種結(jié)合團擴展和星型擴展的方法,從而將異質(zhì)超網(wǎng)絡(luò)轉(zhuǎn)換為異質(zhì)網(wǎng)絡(luò);其次,引入感知節(jié)點語義相關(guān)性的元路徑游走方法捕獲異質(zhì)節(jié)點之間的語義關(guān)系;最后,通過超邊約束機制捕獲節(jié)點之間的元組關(guān)系,從而獲得高質(zhì)量的節(jié)點表示向量。在3個真實世界的超網(wǎng)絡(luò)數(shù)據(jù)集上的實驗結(jié)果表明,對于鏈接預(yù)測任務(wù),所提方法在drug、GPS和MovieLens數(shù)據(jù)集上都取得了較好的結(jié)果;對于超網(wǎng)絡(luò)重建任務(wù),當(dāng)超邊重建比率大于0.6時,所提方法在drug數(shù)據(jù)集上的準確性(ACC)優(yōu)于次優(yōu)的Hyper2vec(biased 2nd order random walks in Hyper-networks),同時所提方法在GPS數(shù)據(jù)集上的ACC超過其他基線方法中次優(yōu)的基于關(guān)聯(lián)圖的超邊超邊約束的異質(zhì)超網(wǎng)絡(luò)表示學(xué)習(xí)方法(HRHC-關(guān)聯(lián)圖)15.6個百分點。

    網(wǎng)絡(luò)表示;超網(wǎng)絡(luò);超邊約束;鏈接預(yù)測;超網(wǎng)絡(luò)重建

    0 引言

    網(wǎng)絡(luò)在日常生活中無處不在,例如,社會網(wǎng)絡(luò)、生物網(wǎng)絡(luò)、大腦網(wǎng)絡(luò)等。為了挖掘網(wǎng)絡(luò)中蘊含的豐富的數(shù)據(jù)信息,網(wǎng)絡(luò)表示學(xué)習(xí)[1]方法被提出并受到了廣泛關(guān)注。網(wǎng)絡(luò)表示學(xué)習(xí),也稱為網(wǎng)絡(luò)嵌入,它的目的是為網(wǎng)絡(luò)節(jié)點學(xué)習(xí)低維表示向量。節(jié)點表示向量可用于節(jié)點分類[2]、鏈接預(yù)測[3]和社區(qū)檢測[4]等網(wǎng)絡(luò)分析任務(wù)。具體地,節(jié)點分類預(yù)測節(jié)點的類別和標簽,在網(wǎng)絡(luò)安全中檢測網(wǎng)絡(luò)中的欺詐實體就屬于節(jié)點分類問題;鏈接預(yù)測即預(yù)測節(jié)點之間是否存在潛在的鏈接(邊),它的常見應(yīng)用有社交網(wǎng)站的好友推薦、預(yù)測蛋白質(zhì)之間的相互影響、預(yù)測犯罪嫌疑人的關(guān)系和商品推薦等;社區(qū)檢測將節(jié)點劃分為集群,它在生物信息領(lǐng)域被用來發(fā)現(xiàn)相同功能或結(jié)果的生物分子。

    現(xiàn)有的大多數(shù)網(wǎng)絡(luò)表示學(xué)習(xí)方法僅具有節(jié)點之間成對關(guān)系的普通網(wǎng)絡(luò)設(shè)計,然而現(xiàn)實世界中的物體之間存在復(fù)雜的元組關(guān)系(超邊),此時可以使用超網(wǎng)絡(luò)對復(fù)雜的元組關(guān)系建模。根據(jù)超網(wǎng)絡(luò)表示學(xué)習(xí)方法的特點,可以將它分為譜分析方法、神經(jīng)網(wǎng)絡(luò)方法和其他方法,按照建模思路再細分為展開式方法和非展開式方法[5]。其中:展開式譜分析方法的典型算法包括SE(Star Expansion)[6]、CE(Clique Expansion)[6]等;展開式神經(jīng)網(wǎng)絡(luò)方法將超圖拉普拉斯矩陣代入傳統(tǒng)圖卷積神經(jīng)網(wǎng)絡(luò),典型算法有HGNN(HyperGraph Neural Network)[7]。非展開式方法有非展開式譜分析方法和非展開式神經(jīng)網(wǎng)絡(luò)方法,其中,將非展開式神經(jīng)網(wǎng)絡(luò)方法進一步又劃分為3種方法:基于自編碼器、自注意力機制和卷積的方法,典型算法有Hyper2vec (biased 2nd order random walks in Hyper-networks)[8]、DHNE (Deep Hyper-Network Embedding)[9]、Hyper-SAGNN(a Self-Attention based Graph Neural Network for Hypergraphs)[10]、DHGNN (Dynamic HyperGraph Neural Networks)[11]等。

    展開式方法和非展開式方法都各有優(yōu)劣。展開式方法雖然直觀靈活,但會丟失超網(wǎng)絡(luò)結(jié)構(gòu)信息;非展開式方法雖然沒有分解超邊,但也會有各自的缺點。例如Hyper2vec雖然在Skip-gram[12]框架中將有偏二階隨機游走策略應(yīng)用于超網(wǎng)絡(luò),可以靈活地應(yīng)用于各種類型的超網(wǎng)絡(luò),但是它沒有充分考慮超邊;DHNE通過結(jié)合多層感知器捕獲元組關(guān)系,但它很難擴展到任意規(guī)模的超網(wǎng)絡(luò);Hyper-SAGNN相較于DHNE有更好的泛化性,但該模型計算的復(fù)雜度較高;DHGNN是動態(tài)超圖構(gòu)造模塊和超圖卷積模塊的堆疊,然而該方法使用的數(shù)據(jù)集是由傳統(tǒng)網(wǎng)絡(luò)數(shù)據(jù)集構(gòu)造的超網(wǎng)絡(luò)數(shù)據(jù)集,因此該數(shù)據(jù)集并不算真正意義上的超網(wǎng)絡(luò)數(shù)據(jù)集。

    為了解決上述問題,本文提出一種超邊約束的異質(zhì)超網(wǎng)絡(luò)表示學(xué)習(xí)方法(Heterogeneous hypernetwork Representation learning method with Hyperedge Constraint, HRHC),綜合考慮節(jié)點之間的成對關(guān)系和元組關(guān)系。相較于基于平移約束的異質(zhì)超網(wǎng)絡(luò)表示學(xué)習(xí)(Heterogeneous hypernetwork Representation learning with the Translation Constraint, HRTC)[13],本文方法可以看作拓撲派生模型、集合約束模型和平移約束模型的有機統(tǒng)一,它有效地將超邊信息融合到超網(wǎng)絡(luò)表示學(xué)習(xí)中,以學(xué)習(xí)高質(zhì)量的節(jié)點表示向量。異質(zhì)超網(wǎng)絡(luò)的節(jié)點表示向量擁有廣泛的應(yīng)用場景,如趨勢預(yù)測[14]、事件監(jiān)測[15]和推薦系統(tǒng)[16]等各種在線應(yīng)用,具有實際的應(yīng)用價值。

    本文的主要工作為:首先結(jié)合團擴展和星型擴展的方法,實現(xiàn)了異質(zhì)超網(wǎng)絡(luò)到異質(zhì)網(wǎng)絡(luò)的轉(zhuǎn)換;其次通過感知節(jié)點語義相關(guān)性的元路徑游走方法獲取異質(zhì)節(jié)點序列;最后提出了超邊約束的異質(zhì)超網(wǎng)絡(luò)表示學(xué)習(xí)方法,將超邊融入超網(wǎng)絡(luò)表示學(xué)習(xí)過程。

    1 問題定義

    圖1 異質(zhì)超網(wǎng)絡(luò)

    2 預(yù)備知識

    受文獻[17]啟發(fā),文獻[18]中提出將超圖轉(zhuǎn)換為2-截圖+關(guān)聯(lián)圖和感知節(jié)點語義相關(guān)性的元路徑游走方法,同時,本文還引用了文獻[19]中的TransE(Translating Embeddings)模型。

    2.1 超圖轉(zhuǎn)換為2-截圖、關(guān)聯(lián)圖、2-截圖+關(guān)聯(lián)圖

    本節(jié)介紹超圖轉(zhuǎn)換為2-截圖、關(guān)聯(lián)圖的詳細策略[17]。

    2.1.12-截圖

    2)與超邊關(guān)聯(lián)的任意兩個節(jié)點之間兩兩相連。

    圖2是圖1對應(yīng)的2-截圖。

    圖2 2-截圖

    2.1.2關(guān)聯(lián)圖

    圖3為圖1對應(yīng)的關(guān)聯(lián)圖。

    圖3 關(guān)聯(lián)圖

    2.1.32-截圖+關(guān)聯(lián)圖

    2)若超邊內(nèi)部節(jié)點之間全部語義相關(guān)、全部語義不相關(guān)、部分節(jié)點之間語義相關(guān),則2-截圖+關(guān)聯(lián)圖分別為2-截圖和關(guān)聯(lián)圖的完全組合圖、關(guān)聯(lián)圖、關(guān)聯(lián)圖加上具有語義相關(guān)性節(jié)點之間的邊[18]。

    圖4 二-截圖+關(guān)聯(lián)圖

    2.2 感知節(jié)點語義相關(guān)性的元路徑游走

    2.3 TransE模型

    圖5 TransE模型

    3 HRHC

    圖6 HRHC的框架

    3.1 拓撲派生目標函數(shù)

    基于拓撲派生目標函數(shù)的模型學(xué)習(xí)了節(jié)點之間的成對關(guān)系。

    因此,式(2)可以寫為:

    式(1)重新表示為:

    3.2 集合約束目標函數(shù)

    3.3 平移約束目標函數(shù)

    此外,受TransE模型中平移機制的啟發(fā),通過引入平移機制為目標節(jié)點增加關(guān)系約束,即超邊約束。

    3.4 聯(lián)合約束目標函數(shù)

    HRHC細節(jié)如算法1所示。

    算法1 HRHC。

    /*將節(jié)點對應(yīng)的向量進行初始化*/

    7) end for

    8) end for

    9) end for

    /*優(yōu)化拓撲派生目標函數(shù)*/

    14) end for

    16) end for

    /*優(yōu)化集合約束目標函數(shù)*/

    20) end for

    /*優(yōu)化平移約束目標函數(shù)*/

    24) end for

    26) end for

    27) end for

    4 實驗與結(jié)果分析

    4.1 數(shù)據(jù)集

    一個藥物網(wǎng)絡(luò)、一個全球定位系統(tǒng)網(wǎng)絡(luò)和一個電影網(wǎng)絡(luò)被用來評估HRHC的性能。數(shù)據(jù)集詳情如表1所示。

    1)drug(https://www.fda.gov/drugs)。該數(shù)據(jù)集來自食品藥品監(jiān)督管理局(Food and Drug Administration, FDA)不良事件報告系統(tǒng)(FDA Adverse Event Reporting System, FAERS)。它包括提交給FDA的不良事件和用藥錯誤報告的信息。(用戶,藥物,反應(yīng))關(guān)系被看作超邊,以構(gòu)建超網(wǎng)絡(luò),即用戶吃了具有一些副作用的藥品將導(dǎo)致不良事件。

    2)GPS(Global Positioning System)[20]。該數(shù)據(jù)集描述了用戶在某個位置參加活動。(用戶,位置,活動)關(guān)系被看作超邊,用于超網(wǎng)絡(luò)的構(gòu)建。

    3)MovieLens[21]。該數(shù)據(jù)集描述了MovieLens的用戶標記活動。(用戶,電影,標簽)關(guān)系被看作超邊,以構(gòu)建超網(wǎng)絡(luò)。

    表1 數(shù)據(jù)集詳情

    4.2 基線方法

    DeepWalk[22]。是一個經(jīng)典的網(wǎng)絡(luò)表示學(xué)習(xí)方法,被用來學(xué)習(xí)節(jié)點表示向量。

    node2vec[23]。引入深度優(yōu)先和廣度優(yōu)先策略學(xué)習(xí)節(jié)點表示向量。

    metapath2vec[24]。采用元路徑的隨機游走策略,來捕獲異質(zhì)節(jié)點之間的語義關(guān)系,以便于學(xué)習(xí)節(jié)點表示向量。

    CoarSAS2hvec (Self-Avoid short sequence Sampling with the hin Coarsening procedure)[25]。通過HIN粗化和自避免短序列采樣過程捕獲異質(zhì)網(wǎng)絡(luò)的豐富信息,從而學(xué)習(xí)節(jié)點表示向量。

    HRTC[13]。通過引入知識表示學(xué)習(xí)中的平移機制捕獲節(jié)點之間的元組關(guān)系,從而學(xué)習(xí)節(jié)點表示向量。

    Hyper2vec[8]。在超邊上進行有偏二階隨機游走采樣高階關(guān)系,從而學(xué)習(xí)節(jié)點表示向量。

    HPSG(Hyper-Path-based random walks + Skip-Gram)[26]。首先通過基于超路徑的隨機游走保留異質(zhì)超網(wǎng)絡(luò)的拓撲結(jié)構(gòu)信息,其次通過Skip-gram模型學(xué)習(xí)節(jié)點表示向量。

    HPHG(Hyper-Path-based random walks + Hyper-Gram)[26]。首先通過基于超路徑的隨機游走保留異質(zhì)超網(wǎng)絡(luò)的拓撲結(jié)構(gòu)信息,其次通過Hyper-gram模型學(xué)習(xí)節(jié)點表示向量。

    Event2vec[27]。將一個事件表示為多個對象之間的關(guān)系,然后利用事件嵌入學(xué)習(xí)對象嵌入。

    4.3 鏈接預(yù)測

    鏈接預(yù)測比較流行,例如個性化推薦、推薦系統(tǒng)是鏈接預(yù)測的典型應(yīng)用。本節(jié)在GPS、MovieLens和drug這3個超網(wǎng)絡(luò)數(shù)據(jù)集上進行鏈接預(yù)測實驗。通過AUC(Area Under Curve)[28]評估HRHC的鏈接預(yù)測性能。

    在鏈接預(yù)測中,在學(xué)習(xí)到節(jié)點和的表示向量和后,使用表2所列的二元算子[23]獲取節(jié)點對的成對相似性。

    表2 二元算子

    從表2可以得到以下結(jié)果:

    1)HRHC、HRTC、DeepWalk、node2vec、metapath2vec和CoarSAS2hvec分別在2-截圖、關(guān)聯(lián)圖和2-截圖+關(guān)聯(lián)圖上都進行了鏈接預(yù)測實驗。因為HRHC針對超網(wǎng)絡(luò)設(shè)計,所以該方法在3個超網(wǎng)絡(luò)數(shù)據(jù)集上的鏈接預(yù)測效果均好于普通網(wǎng)絡(luò)表示學(xué)習(xí)方法,即DeepWalk、node2vec、metapath2vec和CoarSAS2hvec。

    2)在drug和GPS數(shù)據(jù)集上,HRHC優(yōu)于超網(wǎng)絡(luò)表示學(xué)習(xí)方法Hyper2vec和HPSG,接近超網(wǎng)絡(luò)表示學(xué)習(xí)方法HPHG和Event2vec。原因是Hyper2vec和HPSG主要訓(xùn)練了節(jié)點之間的成對關(guān)系,而HRHC綜合訓(xùn)練了節(jié)點之間的成對關(guān)系和元組關(guān)系(超邊)。HPHG和Event2vec均適用于具有較高不可分解性的drug和GPS超網(wǎng)絡(luò)。在MovieLens數(shù)據(jù)集上,HRHC優(yōu)于特定訓(xùn)練節(jié)點之間的元組關(guān)系的超網(wǎng)絡(luò)表示學(xué)習(xí)方法HPHG和Event2vec,接近特定訓(xùn)練節(jié)點之間的成對關(guān)系的超網(wǎng)絡(luò)表示學(xué)習(xí)方法HPSG,原因是MovieLens超網(wǎng)絡(luò)具有較低程度的不可分解性,即節(jié)點之間具有較強的相關(guān)性。

    3)在3個超網(wǎng)絡(luò)數(shù)據(jù)集上,HRHC優(yōu)于超網(wǎng)絡(luò)表示學(xué)習(xí)方法HRTC。原因是HRHC相較于HRTC方法增加了集合約束目標函數(shù),并通過隨機梯度上升算法使得式(10)達到平衡最優(yōu)解,融入了更多有效的超邊信息,因此HRHC較好地保留了超網(wǎng)絡(luò)結(jié)構(gòu)信息,從而獲得了高質(zhì)量的節(jié)點表示向量。

    綜上所述,通過綜合考慮節(jié)點之間的成對關(guān)系和元組關(guān)系,HRHC學(xué)習(xí)了高質(zhì)量的節(jié)點表示向量,可以較好地預(yù)測未知鏈接。

    注:加粗表示最優(yōu)值,下畫線表示次優(yōu)值。

    4.4 超網(wǎng)絡(luò)重建

    節(jié)點的良好表示應(yīng)該很好地保留原始網(wǎng)絡(luò)的結(jié)構(gòu)信息。評估節(jié)點表示質(zhì)量的典型方法是重建網(wǎng)絡(luò)。本節(jié)在GPS和drug數(shù)據(jù)集上進行超網(wǎng)絡(luò)重建實驗。

    超網(wǎng)絡(luò)重建[8]的準確性(ACCuracy, ACC)評價指標如式(25)所示:

    由圖7可知,在drug和GPS數(shù)據(jù)集上,HRHC在2-截圖+關(guān)聯(lián)圖上的超網(wǎng)絡(luò)重建效果均優(yōu)于2-截圖和關(guān)聯(lián)圖,特別地,在GPS超網(wǎng)絡(luò)重建中,對基于2-截圖+關(guān)聯(lián)圖的HRHC方法從=0.1到=1的ACC值求平均,以同樣的區(qū)間對HRHC-關(guān)聯(lián)圖的ACC值求平均,兩項差值為15.6,即HRCH-2-截圖+關(guān)聯(lián)圖超過其他基線方法中次優(yōu)的HRHC-關(guān)聯(lián)圖15.6個百分點。這說明了2-截圖+關(guān)聯(lián)圖能夠更好地保留超網(wǎng)絡(luò)結(jié)構(gòu)信息。在drug數(shù)據(jù)集上,在超邊重建比率大于0.6時,HRHC的超網(wǎng)絡(luò)重建效果優(yōu)于其他基線方法;在GPS數(shù)據(jù)集上,HRHC整體都優(yōu)于其他基線方法;此外,HRHC相較于其他基線方法,在增大超邊重建比率時,HRHC的ACC值下降較為緩慢。上述結(jié)果表明超邊約束機制能夠充分考慮到超邊,較好地保留超網(wǎng)絡(luò)結(jié)構(gòu)信息。

    4.5 參數(shù)敏感度

    圖7 超網(wǎng)絡(luò)重建

    圖8 參數(shù)敏感度分析

    5 結(jié)語

    為了應(yīng)對超網(wǎng)絡(luò)表示學(xué)習(xí)面臨的挑戰(zhàn),本文提出超邊約束的異質(zhì)超網(wǎng)絡(luò)表示學(xué)習(xí)方法,該方法綜合考慮節(jié)點之間的成對關(guān)系和元組關(guān)系以學(xué)習(xí)高質(zhì)量的節(jié)點表示向量。在3個超網(wǎng)絡(luò)數(shù)據(jù)集上的實驗結(jié)果表明,HRHC整體性能優(yōu)于其他基線方法。盡管該方法通過超圖到圖的轉(zhuǎn)換策略開展了超網(wǎng)絡(luò)表示學(xué)習(xí)研究,并嘗試在表示學(xué)習(xí)過程中融入超邊,但是仍然會丟失一部分超網(wǎng)絡(luò)結(jié)構(gòu)信息,因此,今后的研究將不再對超邊進行分解,而是將超邊看成一個整體進行超網(wǎng)絡(luò)表示學(xué)習(xí)研究。

    [1] ZHU Y, YE Z L, ZHAO H X, et al. Text-enhanced network representation learning [J]. Frontiers of Computer Science, 2020, 14(6): 146322.

    [2] SHEIKH N, KEFATO Z T, MONTRESOR A. Semi-supervised heterogeneous information network embedding for node classification using 1D-CNN [C]// Proceedings of the 2018 Fifth International Conference on Social Networks Analysis, Management and Security. Piscataway: IEEE, 2018:177-181.

    [3] 劉昱陽,李龍杰,單娜,等.融合聚集系數(shù)的鏈接預(yù)測方法[J]. 計算機應(yīng)用, 2020, 40(1): 28-35.(LIU Y Y, LI L J, SHAN N, et al. Link prediction method fusing clustering coefficients [J]. Journal of Computer Applications, 2020, 40(1): 28-35.)

    [4] 陳吉成,陳鴻昶.基于張量建模和進化均值聚類的社區(qū)檢測方法[J]. 計算機應(yīng)用, 2021, 41(11): 3120-3126.(CHEN J C, CHEN H C. Community detection method based on tensor modeling and evolutionary-means clustering [J]. Journal of Computer Applications, 2021, 41(11): 3120-3126.)

    [5] 胡秉德,王新根,王新宇,等. 超圖學(xué)習(xí)綜述:算法分類與應(yīng)用分析[J]. 軟件學(xué)報, 2022, 33(2): 498-523.(HU B D, WANG X G, WANG X Y, et al. Survey on hypergraph learning: algorithm classification and application analysis [J]. Journal of Software, 2022, 33(2):498-523.)

    [6] AGARWAL S, BRANSON K, BELONGIE S. Higher order learning with graph [C]// Proceedings of the 23rd International Conference on Machine Learning. New York: ACM, 2006: 17-24.

    [7] FENG Y, YOU H, ZHANG Z, et al. Hypergraph neural networks [C]// Proceedings of the 33rd AAAI Conference on Artificial Intelligence and 31st Innovative Applications of Artificial Intelligence Conference and 9th AAAI Symposium on Educational Advances in Aritificial Intelligence. Palo Alto: AAAI Press, 2019: 3558-3565.

    [8] HUANG J, CHEN C, YE F, et al. Hyper2vec: biased random walk for hyper-network embedding [C]// Proceedings of the 2019 International Conference on Database Systems for Advanced Applications. Cham: Springer, 2019: 273-277.

    [9] TU K, CUI P, WANG F, et al. Structural deep embedding for hyper-networks [C]// Proceedings of the 32nd AAAI Conference on Artificial Intelligence. Palo Alto: AAAI Press, 2018: 426-433.

    [10] ZHANG R, ZOU Y, MA J. Hyper-SAGNN: a self-attention based graph neural network for hypergraphs [EB/OL]. [2019-11-06]. https:// arxiv.org/pdf/1911.02613.pdf.

    [11] JIANG J, WEI Y, FENG Y, et al. Dynamic hypergraph neural networks [C]// Proceedings of the 28th International Joint Conference on Artificial Intelligence. Palo Alto: AAAI Press, 2019: 2635-2641.

    [12] MIKOLOV T, SUTSKEVER I, CHEN K, et al. Distributed representations of words and phrases and their compositionality [C]// Proceedings of the 26th International Conference on Neural Information Processing Systems. Palo Alto: AAAI Press, 2013,2: 3111-3119.

    [13] 劉貞國,朱宇,趙海興,等.基于平移約束的異質(zhì)超網(wǎng)絡(luò)表示學(xué)習(xí)[J]. 中文信息學(xué)報, 2022, 36(12): 74-84.(LIU Z G, ZHU Y, ZHAO H X, et al. Heterogeneous hypernetwork representation learning with the translation constraint [J]. Journal of Chinese Information Processing, 2022, 36(12): 74-84.)

    [14] HONG S, ZHOU Z, ZIO E, et al. An adaptive method for health trend prediction of rotating bearings [J]. Digital Signal Processing, 2014, 35: 117-123.

    [15] MATHIOUDALKIS M, KOUDAS N. TwitterMonitor: trend detection over the twitter stream [C]// Proceedings of the 29th ACM SIGMOD International Conference on Management of Data. New York: ACM, 2010: 1155-1158.

    [16] JANNACH D, ZANKER M, FELFERNIG A, et al. Recommender Systems: An Introduction [M]. New York: Cambridge University Press, 2010:1-10.

    [17] BRETTO A. Hypergraph Theory: An Introduction [M]. Cham: Springer, 2013: 43-49.

    [18] 劉貞國,朱宇,劉連照,等.基于轉(zhuǎn)化策略的異質(zhì)超網(wǎng)絡(luò)表示學(xué)習(xí)[J].計算機應(yīng)用研究, 2022, 39(11): 3333-3339.(LIU Z G, ZHU Y, LIU L Z, et al. Heterogeneous hypernetwork representation learning with transformation strategy [J]. Application Research of Computers, 2022, 39(11): 3333-3339.)

    [19] BORDES A, USUNIER N, GARCIA-DURáN A. Translating embeddings for modeling multi-relational data [C]// Proceedings of the 26th International Conference on Neural Information Processing Systems. Cham: Springer, 2013,2: 2787-2795.

    [20] ZHENG V W, CAO B, ZHENG Y, et al. Collaborative filtering meets mobile recommendation: a user-centered approach [C]// Proceedings of the 24th AAAI Conference on Artificial Intelligence. Palo Alto: AAAI Press, 2010: 236-241.

    [21] HARPER F M, KONSTAN J A. The MovieLens datasets: history and context [J]. ACM Transactions on Internet and Information Systems, 2016, 5(4): 19.

    [22] PEROZZI B, AL-RFOU R, SKIENA S. DeepWalk: online learning of social representations [C] // Proceedings of the 20th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York: ACM, 2014: 701-710.

    [23] GROVER A, LESKOVEC J. node2vec: scalable feature learning for networks [C]// Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York: ACM, 2016: 855-864.

    [24] DONG Y, CHAWLA N V, SWAMI A. metapath2vec: scalable representation learning for heterogeneous networks [C]// Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York: ACM, 2017: 135-144.

    [25] ZHAN L, JIA T. CoarSAS2hvec: heterogeneous information network embedding with balanced network sampling [J]. Entropy, 2022, 24(2): 276.

    [26] HUANG J, LIU X, SONG Y. Hyper-path-based representation learning for hyper-networks [C]// Proceedings of the 28th ACM International Conference on Information and Knowledge Management. New York: ACM, 2019: 449-458.

    [27] FU G, YUAN B, DUAN Q, et al. Representation learning for heterogeneous information networks via embedding events [C]// Proceedings of the 26th International Conference on Neural Information Processing Systems. Cham: Springer, 2019: 327-339.

    [28] 杜航原,郝思聰,王文劍.結(jié)合圖自編碼器與聚類的半監(jiān)督表示學(xué)習(xí)方法[J]. 計算機應(yīng)用, 2022, 42(9): 2643-2651.(DU H Y, HAO S C, WANG W J. Semi-supervised representation learning method combining graph auto-encoder and clustering [J]. Journal of Computer Applications, 2022, 42(9): 2643-2651.)

    Heterogeneous hypernetwork representation learning method with hyperedge constraint

    WANG Keke, ZHU Yu*, WANG Xiaoying, HUANG Jianqiang, CAO Tengfei

    (,,810000,)

    Compared with ordinary networks, hypernetworks have complex tuple relationships, namely hyperedges. However, most existing network representation learning methods cannot capture the tuple relationships. To solve the above problem, a Heterogeneous hypernetwork Representation learning method with Hyperedge Constraint (HRHC) was proposed. Firstly, a method combining clique extension and star extension was introduced to transform the heterogeneous hypernetwork into the heterogeneous network. Then, the meta-path walk method that was aware of semantic relevance among the nodes was introduced to capture the semantic relationships among the heterogeneous nodes. Finally, the tuple relationships among the nodes were captured by means of the hyperedge constraint to obtain high-quality node representation vectors. Experimental results on three real-world datasets show that, for the link prediction task, the proposed method obtaines good results on drug, GPS and MovieLens datasets. For the hypernetwork reconstruction task, when the hyperedge reconstruction ratio is more than 0.6, the ACCuracy (ACC) of the proposed method is better than the suboptimal method Hyper2vec(biased 2nd order random walks in Hyper-networks), and the average ACC of the proposed method outperforms the suboptimal method, that is heterogeneous hypernetwork representation learning method with hyperedge constraint based on incidence graph (HRHC-incidence graph) by 15.6 percentage points on GPS dataset.

    network representation; hypernetwork; hyperedge constraint; link prediction; hypernetwork reconstruction

    This work is partially supported by National Natural Science Foundation of China (62166032), Natural Science Foundation of Qinghai Province (2022-ZJ-961Q).

    WANG Keke, born in 1999, M. S. candidate. Her research interest is network representation learning.

    ZHU Yu, born in 1986, Ph. D., lecturer. His research interests include machine learning, network representation learning.

    WANG Xiaoying, born in 1982, Ph. D., professor. Her research interests include high-performance computing, green computing.

    HUANG Jianqiang, born in 1985, Ph. D., professor. His research interests include high-performance computing, performance analysis.

    CAO Tengfei, born in 1987, Ph. D., associate professor. His research interests include edge computing, privacy protection.

    TP181

    A

    1001-9081(2023)12-3654-08

    10.11772/j.issn.1001-9081.2022121908

    2022?12?30;

    2023?03?23;

    2023?03?28。

    國家自然科學(xué)基金資助項目(62166032);青海省自然科學(xué)基金資助項目(2022?ZJ?961Q)。

    王可可(1999—),女,河南濮陽人,碩士研究生,主要研究方向:網(wǎng)絡(luò)表示學(xué)習(xí);朱宇(1986—),男,山東菏澤人,副教授,博士,CCF會員,主要研究方向:機器學(xué)習(xí)、網(wǎng)絡(luò)表示學(xué)習(xí);王曉英(1982—),女,吉林雙遼人,教授,博士,CCF高級會員,主要研究方向:高性能計算、綠色計算;黃建強(1985—),男,陜西西安人,教授,博士,CCF高級會員,主要研究方向:高性能計算、性能分析;曹騰飛(1987—),男,湖北鐘祥人,副教授,博士,CCF高級會員,主要研究方向:邊緣計算、隱私保護。

    猜你喜歡
    元組集上異質(zhì)
    Python核心語法
    電腦報(2021年14期)2021-06-28 10:46:22
    Cookie-Cutter集上的Gibbs測度
    鏈完備偏序集上廣義向量均衡問題解映射的保序性
    海量數(shù)據(jù)上有效的top-kSkyline查詢算法*
    基于減少檢索的負表約束優(yōu)化算法
    復(fù)扇形指標集上的分布混沌
    隨機與異質(zhì)網(wǎng)絡(luò)共存的SIS傳染病模型的定性分析
    Ag2CO3/Ag2O異質(zhì)p-n結(jié)光催化劑的制備及其可見光光催化性能
    MoS2/ZnO異質(zhì)結(jié)的光電特性
    物理實驗(2015年10期)2015-02-28 17:36:52
    面向數(shù)據(jù)流處理的元組跟蹤方法
    熟女少妇亚洲综合色aaa.| 亚洲国产最新在线播放| 国产欧美日韩一区二区三区在线| 黄片小视频在线播放| 国产免费福利视频在线观看| 亚洲精品乱久久久久久| 国产精品熟女久久久久浪| 男女午夜视频在线观看| 久久久国产精品麻豆| 成人黄色视频免费在线看| 色综合欧美亚洲国产小说| 丝袜美足系列| www.自偷自拍.com| 视频区欧美日本亚洲| 久9热在线精品视频| 熟女少妇亚洲综合色aaa.| 欧美 亚洲 国产 日韩一| 18禁观看日本| 夫妻性生交免费视频一级片| av片东京热男人的天堂| 国产精品熟女久久久久浪| 亚洲成人免费av在线播放| 波野结衣二区三区在线| 国产极品粉嫩免费观看在线| 亚洲中文日韩欧美视频| 日本vs欧美在线观看视频| 国产高清国产精品国产三级| 韩国高清视频一区二区三区| 国产在线视频一区二区| 又大又黄又爽视频免费| av国产久精品久网站免费入址| 亚洲专区中文字幕在线| 国产av精品麻豆| 久久这里只有精品19| 国产成人免费无遮挡视频| 飞空精品影院首页| 亚洲精品美女久久久久99蜜臀 | 国产99久久九九免费精品| 丰满饥渴人妻一区二区三| 人妻 亚洲 视频| 国产成人精品无人区| 亚洲成国产人片在线观看| 亚洲精品国产av成人精品| 精品人妻一区二区三区麻豆| 国产高清不卡午夜福利| 国产精品人妻久久久影院| 丝袜美足系列| 国产在线观看jvid| 国产精品 国内视频| 多毛熟女@视频| 欧美日韩av久久| 国产真人三级小视频在线观看| 中文字幕人妻丝袜制服| 欧美日韩亚洲国产一区二区在线观看 | 91精品国产国语对白视频| 国产成人欧美| 人人妻人人澡人人爽人人夜夜| 69精品国产乱码久久久| 久久精品国产综合久久久| 99久久人妻综合| 欧美日本中文国产一区发布| 欧美日韩视频精品一区| 又粗又硬又长又爽又黄的视频| 少妇猛男粗大的猛烈进出视频| 欧美日韩亚洲高清精品| 亚洲人成77777在线视频| 国产免费福利视频在线观看| 99热网站在线观看| 王馨瑶露胸无遮挡在线观看| 亚洲五月色婷婷综合| 成年动漫av网址| 久久精品国产亚洲av高清一级| 少妇的丰满在线观看| 一级毛片我不卡| 女人高潮潮喷娇喘18禁视频| 亚洲欧美精品自产自拍| svipshipincom国产片| 无限看片的www在线观看| 新久久久久国产一级毛片| 精品久久久久久久毛片微露脸 | 精品欧美一区二区三区在线| 热99国产精品久久久久久7| 一级黄片播放器| 日韩制服丝袜自拍偷拍| 少妇裸体淫交视频免费看高清 | 国产人伦9x9x在线观看| 免费看av在线观看网站| 国产在线免费精品| 观看av在线不卡| 丁香六月欧美| videos熟女内射| 国产熟女欧美一区二区| 色综合欧美亚洲国产小说| 一边摸一边抽搐一进一出视频| 美女中出高潮动态图| 天堂中文最新版在线下载| 国产成人欧美在线观看 | 丝袜人妻中文字幕| 一区二区三区四区激情视频| 十八禁高潮呻吟视频| 国产av精品麻豆| 狂野欧美激情性xxxx| 热99国产精品久久久久久7| 国产真人三级小视频在线观看| 永久免费av网站大全| 国产男女内射视频| 水蜜桃什么品种好| 18禁国产床啪视频网站| 别揉我奶头~嗯~啊~动态视频 | 最新在线观看一区二区三区 | 精品国产超薄肉色丝袜足j| 女人高潮潮喷娇喘18禁视频| 人人妻人人爽人人添夜夜欢视频| 美女高潮到喷水免费观看| 国产成人影院久久av| 啦啦啦在线观看免费高清www| 欧美大码av| 人妻人人澡人人爽人人| 久久精品国产综合久久久| 少妇猛男粗大的猛烈进出视频| 爱豆传媒免费全集在线观看| 国产精品成人在线| 欧美xxⅹ黑人| 成人免费观看视频高清| 国产精品国产av在线观看| 伊人久久大香线蕉亚洲五| 日韩一区二区三区影片| 亚洲熟女毛片儿| 九色亚洲精品在线播放| netflix在线观看网站| 国产精品 欧美亚洲| 99久久精品国产亚洲精品| 久久精品国产亚洲av高清一级| 美女高潮到喷水免费观看| 肉色欧美久久久久久久蜜桃| 嫁个100分男人电影在线观看 | 蜜桃国产av成人99| 国产成人系列免费观看| 人体艺术视频欧美日本| 日韩av不卡免费在线播放| 操出白浆在线播放| 中文字幕最新亚洲高清| 日本欧美国产在线视频| 在线亚洲精品国产二区图片欧美| 国产精品九九99| 日韩av在线免费看完整版不卡| 99热网站在线观看| 午夜久久久在线观看| 我的亚洲天堂| 9热在线视频观看99| 免费在线观看影片大全网站 | 欧美日韩亚洲综合一区二区三区_| 亚洲精品日韩在线中文字幕| 色婷婷av一区二区三区视频| 国产片内射在线| 久久 成人 亚洲| 麻豆乱淫一区二区| 久久久国产欧美日韩av| 亚洲av日韩精品久久久久久密 | 国产成人av教育| 啦啦啦在线观看免费高清www| 久久热在线av| 亚洲专区国产一区二区| h视频一区二区三区| 久久精品熟女亚洲av麻豆精品| 十八禁网站网址无遮挡| 丝袜美腿诱惑在线| 在线观看免费午夜福利视频| 伦理电影免费视频| 久久精品亚洲熟妇少妇任你| 欧美 日韩 精品 国产| 国产午夜精品一二区理论片| 欧美精品人与动牲交sv欧美| 一级毛片 在线播放| 黄色a级毛片大全视频| 手机成人av网站| 天堂俺去俺来也www色官网| 国产免费又黄又爽又色| 免费高清在线观看日韩| 大话2 男鬼变身卡| 亚洲天堂av无毛| 午夜久久久在线观看| 久久精品亚洲熟妇少妇任你| 99久久人妻综合| 国产91精品成人一区二区三区 | 丰满迷人的少妇在线观看| 黑人欧美特级aaaaaa片| 国产亚洲av高清不卡| 80岁老熟妇乱子伦牲交| 亚洲成av片中文字幕在线观看| 亚洲av欧美aⅴ国产| 黄色片一级片一级黄色片| 精品一区在线观看国产| 国产成人免费无遮挡视频| a 毛片基地| 婷婷成人精品国产| 黄片小视频在线播放| 狠狠婷婷综合久久久久久88av| 99精品久久久久人妻精品| 精品一区在线观看国产| 国产视频一区二区在线看| 三上悠亚av全集在线观看| 日韩视频在线欧美| 大香蕉久久网| 亚洲精品自拍成人| 久久影院123| 一本大道久久a久久精品| 狠狠精品人妻久久久久久综合| 国产亚洲欧美在线一区二区| 日韩大码丰满熟妇| 中国国产av一级| 亚洲精品第二区| 久久久国产欧美日韩av| 欧美日韩亚洲综合一区二区三区_| 久9热在线精品视频| 欧美少妇被猛烈插入视频| 精品久久久精品久久久| 日本欧美视频一区| 欧美日韩亚洲综合一区二区三区_| 日本vs欧美在线观看视频| 啦啦啦视频在线资源免费观看| 欧美日韩黄片免| 亚洲久久久国产精品| 国产成人一区二区三区免费视频网站 | 菩萨蛮人人尽说江南好唐韦庄| 久久久久久久久免费视频了| 亚洲精品日本国产第一区| 天天躁夜夜躁狠狠躁躁| 高清视频免费观看一区二区| 青草久久国产| 久久ye,这里只有精品| 女性被躁到高潮视频| 精品亚洲成国产av| 国产欧美日韩精品亚洲av| 亚洲一区二区三区欧美精品| 国产亚洲午夜精品一区二区久久| 美女福利国产在线| 99久久人妻综合| 午夜福利免费观看在线| 1024视频免费在线观看| 国产成人啪精品午夜网站| 天天躁日日躁夜夜躁夜夜| 三上悠亚av全集在线观看| 黄色视频不卡| 久久久精品国产亚洲av高清涩受| netflix在线观看网站| 亚洲少妇的诱惑av| 国产在线视频一区二区| 如日韩欧美国产精品一区二区三区| 中国国产av一级| 亚洲精品在线美女| 亚洲成av片中文字幕在线观看| 天天躁夜夜躁狠狠久久av| 9色porny在线观看| 热re99久久精品国产66热6| h视频一区二区三区| 国产黄色免费在线视频| 又粗又硬又长又爽又黄的视频| 91精品伊人久久大香线蕉| 丝袜喷水一区| 电影成人av| 青春草亚洲视频在线观看| 一级a爱视频在线免费观看| 精品国产一区二区三区四区第35| 国产高清不卡午夜福利| 多毛熟女@视频| 亚洲精品在线美女| 久久久久精品人妻al黑| 国产熟女午夜一区二区三区| 日日爽夜夜爽网站| 成人国产一区最新在线观看 | www.精华液| 2021少妇久久久久久久久久久| 97在线人人人人妻| 久久国产精品大桥未久av| 色婷婷av一区二区三区视频| 好男人视频免费观看在线| 国产亚洲精品第一综合不卡| 欧美黑人欧美精品刺激| 久久性视频一级片| 成人18禁高潮啪啪吃奶动态图| 999精品在线视频| 人人妻人人爽人人添夜夜欢视频| 观看av在线不卡| 老司机深夜福利视频在线观看 | avwww免费| 国产精品 国内视频| 黑人欧美特级aaaaaa片| 午夜精品国产一区二区电影| 99国产综合亚洲精品| 欧美中文综合在线视频| 亚洲欧美激情在线| 免费高清在线观看日韩| 国产成人啪精品午夜网站| 一级黄色大片毛片| 欧美黑人欧美精品刺激| 亚洲国产av新网站| www日本在线高清视频| 人妻 亚洲 视频| 婷婷色麻豆天堂久久| 欧美大码av| 国产黄色视频一区二区在线观看| 午夜福利一区二区在线看| 国产黄色免费在线视频| 9色porny在线观看| 国产亚洲av高清不卡| avwww免费| 99精品久久久久人妻精品| 午夜福利视频精品| 国产日韩欧美亚洲二区| 精品福利永久在线观看| 国产人伦9x9x在线观看| 免费在线观看影片大全网站 | 国产精品秋霞免费鲁丝片| 日日摸夜夜添夜夜爱| 日本五十路高清| 纵有疾风起免费观看全集完整版| 亚洲精品国产色婷婷电影| 久久久久久久国产电影| 高清黄色对白视频在线免费看| 欧美中文综合在线视频| 精品卡一卡二卡四卡免费| 999精品在线视频| 成年人免费黄色播放视频| 99精品久久久久人妻精品| 黄色毛片三级朝国网站| 涩涩av久久男人的天堂| cao死你这个sao货| 丰满迷人的少妇在线观看| 狠狠精品人妻久久久久久综合| 国产精品av久久久久免费| 日韩av免费高清视频| 97精品久久久久久久久久精品| 亚洲欧美激情在线| 国产一区二区三区综合在线观看| 久久天躁狠狠躁夜夜2o2o | 中文字幕另类日韩欧美亚洲嫩草| 热re99久久国产66热| 亚洲,欧美,日韩| 搡老乐熟女国产| 久久久欧美国产精品| 亚洲欧洲日产国产| 国产精品国产av在线观看| svipshipincom国产片| avwww免费| 久久久国产一区二区| 国产一区有黄有色的免费视频| 国产97色在线日韩免费| 国产在线观看jvid| 日韩中文字幕视频在线看片| 久久国产精品男人的天堂亚洲| 18禁裸乳无遮挡动漫免费视频| 精品人妻1区二区| 一区二区av电影网| 涩涩av久久男人的天堂| 久久久久国产一级毛片高清牌| 免费黄频网站在线观看国产| 精品久久蜜臀av无| 美女午夜性视频免费| 爱豆传媒免费全集在线观看| 亚洲国产看品久久| 黑人猛操日本美女一级片| 久热这里只有精品99| √禁漫天堂资源中文www| 亚洲精品久久成人aⅴ小说| 国产一区亚洲一区在线观看| av欧美777| 欧美日韩亚洲国产一区二区在线观看 | 国产成人精品在线电影| 咕卡用的链子| 大话2 男鬼变身卡| 日韩 亚洲 欧美在线| 久久免费观看电影| 侵犯人妻中文字幕一二三四区| 亚洲国产欧美一区二区综合| 亚洲精品成人av观看孕妇| 一级,二级,三级黄色视频| 亚洲专区国产一区二区| 大香蕉久久成人网| 欧美日韩亚洲高清精品| 亚洲国产av新网站| 亚洲欧美色中文字幕在线| 精品欧美一区二区三区在线| 人妻 亚洲 视频| 伦理电影免费视频| 99国产精品免费福利视频| 日本av手机在线免费观看| 午夜福利一区二区在线看| 亚洲国产av新网站| av国产久精品久网站免费入址| 国产真人三级小视频在线观看| 久久99精品国语久久久| 色婷婷久久久亚洲欧美| 久久精品人人爽人人爽视色| 久久国产精品人妻蜜桃| 日韩 欧美 亚洲 中文字幕| 极品人妻少妇av视频| 婷婷色av中文字幕| 久久久久久久久久久久大奶| 欧美日韩国产mv在线观看视频| 人人妻人人爽人人添夜夜欢视频| 亚洲国产中文字幕在线视频| 女人高潮潮喷娇喘18禁视频| 日本午夜av视频| 侵犯人妻中文字幕一二三四区| 男女免费视频国产| 脱女人内裤的视频| 久久国产精品男人的天堂亚洲| 亚洲一卡2卡3卡4卡5卡精品中文| av在线播放精品| 国产亚洲av片在线观看秒播厂| 亚洲一区二区三区欧美精品| 亚洲 欧美一区二区三区| av欧美777| 你懂的网址亚洲精品在线观看| av一本久久久久| 丝瓜视频免费看黄片| 色精品久久人妻99蜜桃| 久久精品国产综合久久久| 中文字幕人妻丝袜一区二区| 中文字幕色久视频| 自线自在国产av| 青草久久国产| 精品福利观看| 欧美激情高清一区二区三区| 亚洲 欧美一区二区三区| 蜜桃在线观看..| av网站在线播放免费| 人人妻,人人澡人人爽秒播 | 脱女人内裤的视频| kizo精华| 国产男女内射视频| 亚洲av美国av| 国产免费视频播放在线视频| 性色av乱码一区二区三区2| a 毛片基地| 亚洲五月婷婷丁香| 日韩制服丝袜自拍偷拍| 自拍欧美九色日韩亚洲蝌蚪91| 久热这里只有精品99| 两个人看的免费小视频| 亚洲成色77777| 免费在线观看视频国产中文字幕亚洲 | 免费一级毛片在线播放高清视频 | 亚洲av美国av| 国产成人a∨麻豆精品| 久久中文字幕一级| 丝袜脚勾引网站| 丝袜人妻中文字幕| 天天躁夜夜躁狠狠躁躁| 精品久久蜜臀av无| 久久亚洲国产成人精品v| 日日夜夜操网爽| 国产精品av久久久久免费| 美女国产高潮福利片在线看| 两性夫妻黄色片| 亚洲图色成人| 婷婷丁香在线五月| 亚洲精品一二三| 久久 成人 亚洲| 国产伦人伦偷精品视频| 麻豆乱淫一区二区| 午夜老司机福利片| 精品视频人人做人人爽| 9色porny在线观看| 久久国产精品大桥未久av| 亚洲精品日本国产第一区| 免费高清在线观看视频在线观看| www.自偷自拍.com| 美女扒开内裤让男人捅视频| 亚洲精品美女久久久久99蜜臀 | 久久免费观看电影| 久久久久久久大尺度免费视频| 国产成人免费观看mmmm| e午夜精品久久久久久久| 成年动漫av网址| 天堂8中文在线网| 90打野战视频偷拍视频| 国产老妇伦熟女老妇高清| 欧美亚洲 丝袜 人妻 在线| 亚洲 国产 在线| 成年女人毛片免费观看观看9 | av又黄又爽大尺度在线免费看| 国产av一区二区精品久久| 精品少妇久久久久久888优播| 精品国产一区二区三区久久久樱花| 精品福利观看| 在线观看免费午夜福利视频| 国产xxxxx性猛交| 亚洲国产精品一区三区| 99精国产麻豆久久婷婷| 亚洲欧美日韩另类电影网站| 午夜老司机福利片| 午夜免费观看性视频| 亚洲 欧美一区二区三区| 肉色欧美久久久久久久蜜桃| 亚洲成人免费电影在线观看 | 成人午夜精彩视频在线观看| 国产av国产精品国产| 男女之事视频高清在线观看 | 国产成人精品无人区| 免费看av在线观看网站| 亚洲精品乱久久久久久| 人妻一区二区av| 女人爽到高潮嗷嗷叫在线视频| 久久久亚洲精品成人影院| 中文字幕制服av| 777米奇影视久久| 国产精品二区激情视频| 午夜91福利影院| 日韩av不卡免费在线播放| 中文字幕亚洲精品专区| 日韩av免费高清视频| 亚洲男人天堂网一区| 天堂8中文在线网| 精品少妇黑人巨大在线播放| 亚洲欧美清纯卡通| 最新的欧美精品一区二区| 一区二区三区激情视频| 成人黄色视频免费在线看| 韩国精品一区二区三区| 男女高潮啪啪啪动态图| 国产精品一区二区在线观看99| 777久久人妻少妇嫩草av网站| 亚洲一卡2卡3卡4卡5卡精品中文| 日韩视频在线欧美| 校园人妻丝袜中文字幕| 在线看a的网站| 热re99久久精品国产66热6| 一本—道久久a久久精品蜜桃钙片| 亚洲第一青青草原| 欧美乱码精品一区二区三区| 国产黄色免费在线视频| av在线app专区| 久久影院123| 久久中文字幕一级| 久久久久久免费高清国产稀缺| e午夜精品久久久久久久| 亚洲精品一二三| 美国免费a级毛片| 国产精品偷伦视频观看了| 无遮挡黄片免费观看| 成人18禁高潮啪啪吃奶动态图| 精品国产一区二区三区久久久樱花| 日韩一区二区三区影片| 欧美黄色淫秽网站| 亚洲国产精品999| 高清欧美精品videossex| 国产精品偷伦视频观看了| 波多野结衣av一区二区av| 国产成人av激情在线播放| 亚洲欧美一区二区三区黑人| 国产成人欧美| 日本猛色少妇xxxxx猛交久久| 看十八女毛片水多多多| 秋霞在线观看毛片| 亚洲欧洲国产日韩| 国产欧美日韩一区二区三 | 一级黄色大片毛片| 亚洲av男天堂| 免费在线观看完整版高清| 欧美人与性动交α欧美软件| 国产熟女午夜一区二区三区| 在线观看免费视频网站a站| 丁香六月欧美| 视频在线观看一区二区三区| 国产亚洲av片在线观看秒播厂| 黄色a级毛片大全视频| 国产福利在线免费观看视频| 久久久久久久大尺度免费视频| 亚洲欧洲日产国产| 天天添夜夜摸| 在线观看www视频免费| 日韩中文字幕视频在线看片| 欧美激情极品国产一区二区三区| 亚洲欧美一区二区三区国产| 亚洲av男天堂| 十八禁网站网址无遮挡| 欧美日韩精品网址| 少妇人妻久久综合中文| 亚洲国产精品999| 色婷婷久久久亚洲欧美| 亚洲欧洲国产日韩| 亚洲成人国产一区在线观看 | 国产色视频综合| 国产又爽黄色视频| 在线观看免费高清a一片| 亚洲精品久久久久久婷婷小说| 国产精品久久久av美女十八| 亚洲精品av麻豆狂野| 中国美女看黄片| 国产成人系列免费观看| 亚洲色图综合在线观看| 电影成人av| 精品亚洲成国产av| 精品少妇久久久久久888优播| 老鸭窝网址在线观看| 国产日韩欧美亚洲二区| 一级毛片女人18水好多 | 纯流量卡能插随身wifi吗| 国产高清videossex| 免费观看av网站的网址| 男人舔女人的私密视频| 在线观看国产h片| 亚洲一码二码三码区别大吗| 好男人电影高清在线观看| 国产一区二区 视频在线| 最近最新中文字幕大全免费视频 | 欧美国产精品一级二级三级| 黑丝袜美女国产一区| 国产一级毛片在线| 久久久精品94久久精品| 国产亚洲精品久久久久5区| 女人被躁到高潮嗷嗷叫费观| 成人影院久久|