• <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 ?

    面向文本拷貝檢測的分布式索引

    2011-10-15 01:36:50俞昊旻黃萱菁
    中文信息學(xué)報 2011年1期
    關(guān)鍵詞:拷貝分塊范式

    張 玥,俞昊旻,張 奇,黃萱菁

    (復(fù)旦大學(xué)計算機科學(xué)技術(shù)學(xué)院,上海201203)

    1 引言

    在互聯(lián)網(wǎng)中存在大量內(nèi)容重復(fù)的相似網(wǎng)頁。根據(jù)Broder等人1997年統(tǒng)計的結(jié)果,大約有41%的網(wǎng)頁是重復(fù)的[1],在Fetterly等人2003年統(tǒng)計的結(jié)果中這個比例大約是29.2%[2]。很多Web應(yīng)用,例如文本聚類[1],網(wǎng)頁去重[3],抄襲檢測[4],社區(qū)發(fā)現(xiàn)[5],協(xié)同過濾[6]等任務(wù),都依賴于高效的文本拷貝檢測。

    為了減少比較次數(shù),提升性能,倒排索引是拷貝檢測任務(wù)中常用的數(shù)據(jù)結(jié)構(gòu)。但隨著文檔集規(guī)模的增大,基于單臺電腦的索引結(jié)構(gòu)已經(jīng)不能有效處理大規(guī)模文檔集上的拷貝檢測任務(wù)。為此需要采用分布式索引,通過并行計算提高處理能力。同時,因為數(shù)據(jù)集的規(guī)模將一直增大,一個好的分布式索引,不僅要能提升拷貝檢測算法的效率,而且還必須具有良好的可擴展性。

    Map-Reduce是一種并行編程范式,基于此范式可以實現(xiàn)具有良好可擴展性的算法[7]。本文中,我們采用Map-Reduce范式,對基于索引的文本拷貝檢測進行如下幾個方面的研究:

    ?第一,分析比較了兩種分布式索引結(jié)構(gòu):Term-Split索引和Doc-Split索引,并給出了Map-Reduce范式下的建立這兩種索引的算法。

    ?第二,基于上述兩種索引結(jié)構(gòu),分別給出了Map-Reduce范式下的拷貝檢測算法。并且通過實驗,比較了兩種算法性能上的差異。

    ?第三,探討了Map-Reduce范式下,中間結(jié)果數(shù)量對整個算法性能的影響,并進一步討論如何更好的利用Map-Reduce范式實現(xiàn)算法的并行化。

    本文的其余部分將按如下方式進行組織:第2節(jié)中,將說明基于索引的拷貝檢測方法的基本思想。第3節(jié)中,將簡要介紹Map-Reduce范式的相關(guān)內(nèi)容。第4節(jié)將具體闡述如何在Map-Reduce范式下實現(xiàn)基于索引的拷貝檢測方法。第5節(jié)和第6節(jié)分別介紹實驗和結(jié)論。

    2 基于索引的拷貝檢測方法

    給定一個文檔集,在其之上進行文檔間兩兩比較的拷貝檢測,需要對n(n-1)/2個文檔對進行相似度計算。這是一個O(n2)的算法。因此拷貝檢測算法中,一般會采用倒排索引來減少所需比較的次數(shù)。因此索引結(jié)構(gòu)的實現(xiàn)對拷貝檢測算法的性能有至關(guān)重要的影響。不同的索引結(jié)構(gòu)還會直接決定拷貝檢測算法的實現(xiàn)。

    另一方面可以看出,傳統(tǒng)的單機索引結(jié)構(gòu)已經(jīng)難以適應(yīng)越來越大的數(shù)據(jù)規(guī)模,需要引入分布式索引,以適應(yīng)并行處理的需求。為此本文中將比較兩種分布式索引結(jié)構(gòu),在此基礎(chǔ)上,提出了兩種基于分布式Index的拷貝檢測算法。

    為了方便討論,本文中將整個算法分成三步:

    ?第一步,Tokenize:遍歷文檔集中所有文檔,對每個文檔抽取特征。

    ?第二步,建立分布式索引:在Tokenize基礎(chǔ)上,建立分布式索引。

    ?第三步,基于索引的拷貝檢測:基于分布式索引,進行文檔兩兩之間的相似度計算,得到內(nèi)容重復(fù)的文檔對。

    2.1 文本特征與相似度計算

    進行有效的文本拷貝檢測,首先必須考慮兩個問題,第一,從文本中抽取何種的特征來表征一個文檔;第二,采用何種相似度的度量來表征兩篇文檔間的相似程度。本文中采用 Theobald等人提出的SpotSig算法對文檔進行特征抽取,將文檔表示成SpotSig(Si)的集合[8]。此外本文中將采用J accard相似度來表征文檔的相似度。給定兩個集合 A和B,集合 A、B的J accard相似度定義為[9]:

    2.2 分布式索引

    完整的索引一般包括兩個部分:由詞(Term)組成的詞典和包含某個詞的所有文檔(Doc)的ID列表(Posting List)[10]。要實現(xiàn)分布式索引,就需要按照某種方式將一個完整的索引分割開來。有兩種基本的分割方法,一種是按照詞分割(Term-Split),另一種是按照文檔分割(Doc-Split)。

    圖1 一般索引結(jié)構(gòu)

    如圖1所示,一個索引可以看成一個二維表格,表格的行表示不同的詞,表格的列表示不同的文檔。Term-Split相當(dāng)于將表格“按行橫向分割”,首先將詞典中的詞劃分為若干子集,每個節(jié)點只保存一個詞子集以及相應(yīng)的Posting List。Doc-Split則相當(dāng)于將表格“按列縱向分割”,將整個文檔集劃分為若干個子集,對每個子集分別建立獨立的索引,存儲在不同節(jié)點上。

    2.3 基于索引的拷貝檢測方法

    Lin提出了Map-Reduce范式下進行兩兩文檔間相似度計算的算法Postings Cartesian Product(PCP)[11]。本文中將基于此思想提出基于Term-Split索引的拷貝檢測方法。此外,本文將提出另外一種基于Doc-Split索引的拷貝檢測方法。

    2.3.1 Term-Split方法

    對于Term-Split索引,每個索引分塊中包含詞典中的一部分詞以及這些詞所對應(yīng)的Posting List。因此 Term-Split方法,首先從每個詞的 Posting List出發(fā),計算兩篇文檔在這個詞上的“部分相似度”(partial contributions)[11],再對這些“部分相似度”進行綜合,得出兩篇文檔間完整的相似度。在Lin的方法中采用的是向量點積作為相似度。而本文中采用J accard相似度。

    如公式(1)所示,已知|A|、|B|,是兩個文檔的長度,所以只需要計算 A,B的交集大小,|A∩B|。亦即 A,B兩篇文檔共有的詞數(shù)量即可。結(jié)合Term-Split索引,若兩篇文檔出現(xiàn)在同一個Posting List中,表明這兩篇文檔在該詞上的“部分交集大小”為1。遍歷所有詞后,對所有文檔對的“部分交集大小”進行綜合,得到兩篇文檔的完整相似度,再與相似度閾值進行比較,決定是否為“拷貝”。

    如圖2(a)所示,對于每一個詞所對應(yīng)的Posting List,將Posting List中的Id兩兩組合,作為一個可能相似的候選文檔對(candidate_pair)。考慮到兩篇文檔之間,每出現(xiàn)一個相同詞,就會產(chǎn)生一個這樣的文檔對。因此只需要對于每一個候選文檔對維護一個計數(shù)器(accumulator),統(tǒng)計該文檔對出現(xiàn)的次數(shù),得到的結(jié)果就是這兩篇文檔共有的詞數(shù)量。最后根據(jù)計數(shù)器的值,計算所有候選文檔對的相似度。

    2.3.2 Doc-Split方法

    對于Doc-Split索引,每個索引分塊中包含一部分文檔的完整索引。因此基于Doc-Split索引的方法,是把每一篇文檔作為一次查詢,在所有的索引分塊中查找與其相似的文檔。因為索引分塊和文檔內(nèi)容都分別分散在不同的節(jié)點上,具體實現(xiàn)時可以有兩種解決方式。一種方式是每次把作為查詢的文檔分發(fā)到各個節(jié)點上,在該節(jié)點上的索引中進行查重,另一種方式是每次把一個索引分塊分發(fā)到各個節(jié)點上,把該節(jié)點上的所有文檔作為查詢進行查重。考慮到索引比文檔本身更容易壓縮,且壓縮后體積較小,本文中采用后一種實現(xiàn)方式。

    如圖2(b)所示,每次首先將一個索引分塊復(fù)制到所有節(jié)點上。然后在每個節(jié)點上,將該節(jié)點中的所有文檔作為查詢,在索引分塊中查找拷貝。對每個作為查詢的文檔(doc_q)維護一組計數(shù)器,記錄所有索引分塊中文檔(doc_i)與 doc_q的交集大小。每當(dāng)doc_q與doc_i有一個相同詞時,就將 doc_i對應(yīng)的計數(shù)器加1。最后根據(jù)計數(shù)器的值,計算doc_q與所有doc_i的相似度。

    圖2 基于索引的拷貝檢測方法

    3 Map-Reduce范式

    Map-Reduce范式是J.Dean等人在2004年提出的分布式編程范式[7]。它通過面向函數(shù)的抽象使得分布式程序的開發(fā)變得簡單。在Map-Reduce編程范式下,數(shù)據(jù)被抽象為<key,value>的形式。而針對數(shù)據(jù)的操作被抽象為Map和Reduce兩個操作。用戶只需要提供自定義的兩個函數(shù)實現(xiàn)Map和Reduce。剩余的工作,諸如數(shù)據(jù)分發(fā),任務(wù)調(diào)度,容錯,任務(wù)同步等工作可以交由框架處理。

    如圖3所示,一個Map-Reduce的任務(wù)包括兩個階段。第一個階段為Map操作,首先將輸入分割為小塊,每一個小塊都包含若干個<key,value>對。在這些數(shù)據(jù)分塊上執(zhí)行map操作,得到中間結(jié)果。中間結(jié)果同樣以<key,value>的形式表示。接著,中間結(jié)果按照key進行sort和group,使key相同的結(jié)果合并在一起。第二階段為Reduce操作,對相同key的中間結(jié)果進行合并得到最終結(jié)果,以<key,value>的形式輸出。

    圖3 M ap-Reduce范式

    4 實現(xiàn)細節(jié)

    本節(jié)中將詳細介紹本文所述方法在Map-Reduce范式下的實現(xiàn)細節(jié)。本節(jié)共分為三部分,分別討論基于索引的拷貝檢測方法的三步。

    4.1 Tokenize

    第一步,Tokenize所有文檔。對于每個文檔的操作可以完全并行,實現(xiàn)起來相對簡單,僅需Map操作即可。如圖4所示,每個Map任務(wù)接受一批文檔作為輸入,其中文檔Id為key,文檔內(nèi)容為Value,對每個文檔,抽取SpotSigs特征,將文檔Id作為key,特征集合作為Value輸出。

    4.2 建立分布式索引

    第二步,對文檔建立索引。本文中分別給出兩種分布式索引在Map-Reduce范式下的實現(xiàn)。

    如圖5(a)所示,Term-Split索引需要Map、Reduce兩步操作。在Map過程中以文檔 Id(Di)為Key,文檔的SpotSigs特征(Si)集合為Value輸入,輸出的中間結(jié)果以Si為Key,Di為Value。在Reduce過程中,將相同Si的中間結(jié)果收集在一起,將對應(yīng)的Di合并成列表。

    如圖5(b)所示,Doc-Split索引相對簡單,只需一步Map即可。每個Map任務(wù)在整個文檔集的一個子集上迭代,只對子集中的文檔建立索引,不考慮其他子集中的文檔。

    4.3 基于索引的拷貝檢測

    第三步是基于索引的拷貝檢測。針對 Term-Split索引和 Doc-Split索引將分別給出Map-Reduce范式下的實現(xiàn)。

    圖4 Tokenize文檔

    圖5 建立分布式索引

    Term-Split方法如圖6所示,在Map操作中,接收以 Term(Si)為 Key,Posting List(D1,D2,…)為Value的輸入,將Posting List中的文檔Id(D1,D2,…)兩兩組合作為中間結(jié)果輸出,其中文檔Id對(Di_Dj)作為Key,Value為該pair出現(xiàn)的次數(shù)。在Reduce操作中,將相同的Di_Dj收集在一起,將出現(xiàn)的次數(shù)相加得到文檔Di和文檔Dj之間相同的Term數(shù)量,再根據(jù)公式(1)計算得到Di與Dj之間的相似度,如果相似度超過閾值,則將結(jié)果以Dj_Dj作為Key,相似度作為Value輸出。

    Doc-Split方法如圖7所示,初始化Map任務(wù)時,將這次迭代所需的索引分塊讀入內(nèi)存。Map操作以文檔Id(Di)為key,以文檔的SpotSigs特征(Si)集合為 Value,將輸入的文檔作為“Query”(Dq)在Index中查找拷貝。具體的做法是,根據(jù)文檔中的 Term在索引分塊中找到同樣包含這個Term的其他文檔(D1,D2,…)。然后統(tǒng)計這些文檔與(Dq)共有的Term數(shù),之后使用公式(1)計算相似度。最后,將相似度超過某個閾值的文檔對(Dq_Di)作為Key,相似度作為Value輸出。

    圖6 Term-Split方法

    圖7 Doc-Split方法

    5 實驗

    實驗使用了開源的 Map-Reduce框架 Hadoop①http://hadoop.apache.org/。實驗將使用由10個節(jié)點構(gòu)成的集群。每個節(jié)點配置2個單核主頻為2.8GHz的4核CPU和32GB的內(nèi)存。本文將使用WT10G作為實驗數(shù)據(jù)。WT10G包含約160萬個文本文件,總大小約為10GB。本節(jié)中,將首先考察兩種文本拷貝檢測算法的精度,以確定算法的參數(shù)。然后在最優(yōu)精度的參數(shù)下,對兩種算法的性能進行比較。

    5.1 精度

    在文本拷貝檢測算法中,相似度閾值(τ)對結(jié)果的精度有比較大的影響。此外,在通過索引進行相似度計算時,往往會設(shè)置IDF值限制條件,忽略掉IDF值過高或過低的Term,這也會對精度產(chǎn)生影響。本實驗的主要目的是,在不同的IDF限制條件下,找出使得精度最好的τ。為此,本實驗將在人工標(biāo)注的Golden Set上進行。該文檔集是從WT10G中隨機抽取出來,經(jīng)過人工標(biāo)注得到的,包含1000篇文檔。此外,試驗中所采用的IDF值是在整個WT10G文檔集上統(tǒng)計的結(jié)果??紤]到本文所述兩種算法的實現(xiàn)在精度方面具有完全一致的特性。因此,在下面論述中對這兩種算法不作區(qū)分。

    如圖8所示,當(dāng)IDF值為0.0~1.0以及 0.1~0.95時,τ取 0.4可以使F1 Score達到最大,均為0.953。τ過小會導(dǎo)致Precision值的下降,τ過大會導(dǎo)致Recall值急劇下降。當(dāng)IDF值為0.2~0.85時,因為更多的詞在計算時被忽略,因此需要將τ設(shè)得略低一些,當(dāng)τ取0.3時,F1 Score達到最大,為0.954。該實驗結(jié)果與 Theobald等人報告的τ取0.44時,F1 Score為0.94的結(jié)果基本相符[8]。

    圖 8 算法精度 V.S.相似度閾值(τ)

    5.2 效率

    通過前面的實驗已經(jīng)得到在不同IDF值設(shè)定下使得精度最優(yōu)的τ:IDF為[0.0,1.0]時,τ取0.4;IDF為[0.1,0.95]時,τ取 0.4;IDF為[0.3,0.85]時,τ取0.3。在本實驗中,將在上述三種不同參數(shù)配置下,對Term-Split和Doc-Split拷貝檢測方法進行比較。本實驗使用WT10G的八分之一作為測試集合,約包含20萬篇文檔。

    由表1可見,Doc-Split方法的效率要明顯好于Term-Split的方法。這主要是因為在Term-Split索引中,每個節(jié)點只包含一部分詞信息,只能計算文檔對之間的“部分交集大小”,在最終匯總前不能確定兩個文檔是否相似。為此必須維護大量的計數(shù)器,產(chǎn)生大量的中間結(jié)果。

    表1 Term-Split V.S.Doc-Split

    5.3 可擴展性

    在本實驗中,將驗證兩種拷貝檢測算法的可擴展性。首先,將考察數(shù)據(jù)集規(guī)模與運行時間的關(guān)系。以檢驗兩種算法在數(shù)據(jù)集規(guī)模不斷增加的情況下的適應(yīng)性。然后,將考察集群中CPU數(shù)量與運行時速度的關(guān)系。以檢驗兩種算法的加速性能。實驗中IDF取[0.3,0.85],τ取0.3。

    如圖9(a)所示,當(dāng)文檔數(shù)量達到 80萬時,Term-Split方法在本次實驗的硬件條件下已經(jīng)無法進行(因為128GB的硬盤被中間數(shù)據(jù)耗光,算法在運行了4個多小時后終止)。因為中間數(shù)據(jù)的數(shù)量太大,當(dāng)數(shù)據(jù)集規(guī)模很大時,Term-Split方法只能通過Lin提出的近似方法[11]計算非精確解。而相比之下 Doc-Split方法則表現(xiàn)出良好的性能。使用Doc-Split方法對整個WT10G數(shù)據(jù)集進行實驗的時間為5627.457秒。同時如圖9(b)所示,在加速性方面Doc-Split方法也優(yōu)于Term-Split方法。在CPU數(shù)量增加4倍的情況下,達到了2.56倍的速度提升。這是因為Map-Reduce范式下的程序,具有天然的可擴展性,可以通過增加節(jié)點數(shù)量提高處理能力。

    圖9 可擴展性實驗

    6 結(jié)論

    本文對Term-Split和Doc-Split兩種不同的分布式索引結(jié)構(gòu)進行了比較,并分別給出了Map-Reduce范式下建立這兩種索引的算法,以及基于這兩種索引的拷貝檢測算法。最后通過實驗比較了上述兩種算法的性能。

    實驗表明Doc-Split方法在進行拷貝檢測任務(wù)時更有效,而Term-Split方法因為產(chǎn)生了大量中間結(jié)果使得效率大大降低。因此中間結(jié)果數(shù)量的多少,直接影響了采用兩步并行(Map,Reduce)的Map-Reduce程序的運行效率。當(dāng)中間結(jié)果數(shù)量過多時,對中間結(jié)果進行排序,分組以及分發(fā)的操作代價已經(jīng)遠遠超出了兩步并行的好處。因此不適合采用兩步并行,應(yīng)該改為一步并行。比如本文所述的Doc-Split方法,沒有采用Reduce操作,而是每次將一部分索引分塊復(fù)制到所有節(jié)點上。因為僅憑單個節(jié)點上的信息已經(jīng)可以得到結(jié)果,就無需進行Reduce操作,也回避了中間結(jié)果的問題。

    綜合來看,Map-Reduce范式可以有效地解決算法并行化的問題。但因為不同算法的差異性,在實現(xiàn)并行化時,需要結(jié)合算法本身的特性進行考慮,才能最大限度的發(fā)揮Map-Reduce范式的好處。

    [1]A.Z.Broder,S.C.Glassman,M.S.Manasse et al.Syntactic clustering of the web[J].Computer Networks,1997,29(8-13):1157-1166.

    [2]D.Fetterly,M.Manasse,and M.Najork.On the E-volution of Clusters of Near-DuplicateWeb Pages[C]//Proceedings of the 1st Latin American Web Congress.Washington,DC,USA:IEEE Computer Society,2003:37.

    [3]J.Cho,N.Shivakumar,and H.Garcia-Molina.Finding replicated web collections[C]//ACM SIGMOD Record.New York,NY,USA:ACM,2000:355-366.

    [4]T.C.Hoad and J.Zobel.Methods for identifying versioned and plagiarized documents[J].JASIST,2003,54(3):203-215.

    [5]E.Spertus,M.Sahami,and O.Buyukkokten.Evaluating similarity measures:a large-scale study in the orkut social network[C]//Proceedings of the 11th ACM SIGKDD.New York,NY,USA:ACM,2005:678-684.

    [6]R.J.Bayardo,Y.Ma,and R.Srikant.Scaling up all pairs similarity search[C]//Proceedings of the 16th WWW.New York,NY,USA:ACM,2007:131-140.

    [7]J.Dean and J.Ghemawat.Map-Reduce:Simplified Data Processing on Large Clusters[J].Communications of the ACM,2004,51(1):107-113.

    [8]M.Theobald,J.Siddharth,and A.Paepcke.Spotsigs:robust and efficient near duplicate detection in large web collections[C]//Proceeding of 31th SIGIR,New York,NY,USA :ACM,2008:563-570.

    [9]Pang-Ning Tan,Michael Steinbach,Vipin Kumar.Introduction to Data Mining[M].Addison-Wesley,2005.

    [10]C D Manning,P Raghavan,H Schutze,An Introduction to Information Retriveval[M].Cambridge University Press,2008.

    [11]J.Lin.Brute force and indexed approaches to pairwise document similarity comparisons with mapreduce[C]//Proceedings of 32th SIGIR,New York,NY,USA :ACM,2009:155-162.

    猜你喜歡
    拷貝分塊范式
    以寫促讀:構(gòu)建群文閱讀教學(xué)范式
    甘肅教育(2021年10期)2021-11-02 06:14:08
    范式空白:《莫失莫忘》的否定之維
    孫惠芬鄉(xiāng)土寫作批評的六個范式
    分塊矩陣在線性代數(shù)中的應(yīng)用
    唐氏綜合征是因為“拷貝”走樣了
    管窺西方“詩辯”發(fā)展史的四次范式轉(zhuǎn)換
    反三角分塊矩陣Drazin逆新的表示
    基于自適應(yīng)中值濾波的分塊壓縮感知人臉識別
    基于多分辨率半邊的分塊LOD模型無縫表達
    小小拷貝工.最快Windows拷貝工具
    五月天丁香电影| a级一级毛片免费在线观看| 亚洲av二区三区四区| 亚洲激情五月婷婷啪啪| 国产成年人精品一区二区| 校园人妻丝袜中文字幕| 亚洲成人久久爱视频| 男女那种视频在线观看| 99视频精品全部免费 在线| 日韩中字成人| 一级二级三级毛片免费看| 国产亚洲av嫩草精品影院| 别揉我奶头 嗯啊视频| 伊人久久精品亚洲午夜| 亚洲真实伦在线观看| 亚洲欧洲日产国产| 久99久视频精品免费| 内地一区二区视频在线| h日本视频在线播放| 97人妻精品一区二区三区麻豆| 91久久精品国产一区二区三区| 国产精品嫩草影院av在线观看| 亚洲天堂国产精品一区在线| 三级经典国产精品| 欧美日韩精品成人综合77777| 成人漫画全彩无遮挡| 国产麻豆成人av免费视频| 成人综合一区亚洲| 边亲边吃奶的免费视频| 有码 亚洲区| 国产精品嫩草影院av在线观看| 国产高清三级在线| 国内精品美女久久久久久| 亚洲伊人久久精品综合| 久久久久九九精品影院| 亚洲在线观看片| 国产av码专区亚洲av| 国产伦精品一区二区三区视频9| 国产高清有码在线观看视频| 狠狠精品人妻久久久久久综合| 亚洲,欧美,日韩| 免费高清在线观看视频在线观看| 亚洲av一区综合| 人妻系列 视频| 小蜜桃在线观看免费完整版高清| 日日啪夜夜撸| 亚洲av一区综合| 超碰97精品在线观看| 欧美日本视频| 街头女战士在线观看网站| or卡值多少钱| 人妻系列 视频| 久久亚洲国产成人精品v| 久久精品人妻少妇| 亚洲av电影在线观看一区二区三区 | 久久久成人免费电影| 欧美激情在线99| 久久久久久久大尺度免费视频| 97超碰精品成人国产| 日韩av在线免费看完整版不卡| 精品久久国产蜜桃| 非洲黑人性xxxx精品又粗又长| a级一级毛片免费在线观看| 国产精品综合久久久久久久免费| 国产视频首页在线观看| a级毛色黄片| 在线播放无遮挡| 2022亚洲国产成人精品| 中国国产av一级| 日韩一区二区三区影片| 精品酒店卫生间| 看非洲黑人一级黄片| 久久6这里有精品| 久久久久久久大尺度免费视频| 黄色一级大片看看| 精品一区二区免费观看| 国内精品宾馆在线| 欧美日本视频| 91av网一区二区| 校园人妻丝袜中文字幕| 亚洲精品一区蜜桃| 在线天堂最新版资源| 七月丁香在线播放| 丰满少妇做爰视频| 久久久久久久亚洲中文字幕| 精品人妻偷拍中文字幕| av在线天堂中文字幕| 三级国产精品片| 99re6热这里在线精品视频| 亚洲国产精品sss在线观看| 69人妻影院| 亚洲精品国产av蜜桃| 99久久九九国产精品国产免费| 亚洲欧美成人综合另类久久久| 久久97久久精品| 中文字幕亚洲精品专区| 色综合色国产| 最近最新中文字幕免费大全7| 日本一二三区视频观看| 小蜜桃在线观看免费完整版高清| 亚洲成人中文字幕在线播放| 一区二区三区免费毛片| 日韩视频在线欧美| 亚洲成人精品中文字幕电影| 卡戴珊不雅视频在线播放| 亚洲美女搞黄在线观看| 国产成人精品久久久久久| 国产亚洲午夜精品一区二区久久 | 一级爰片在线观看| 久久精品人妻少妇| 日日摸夜夜添夜夜爱| 免费黄网站久久成人精品| 国产男女超爽视频在线观看| 国产av不卡久久| 一级毛片我不卡| 午夜激情欧美在线| 最近中文字幕高清免费大全6| 久久6这里有精品| 麻豆乱淫一区二区| 丝袜喷水一区| 中国美白少妇内射xxxbb| 三级男女做爰猛烈吃奶摸视频| 免费高清在线观看视频在线观看| 国产av不卡久久| 18禁在线无遮挡免费观看视频| 人妻系列 视频| 国产免费又黄又爽又色| 精品酒店卫生间| 亚洲真实伦在线观看| 日韩av免费高清视频| 亚洲婷婷狠狠爱综合网| 免费看av在线观看网站| 久久精品熟女亚洲av麻豆精品 | 精品一区二区三区人妻视频| 久久久久久久久久久丰满| 可以在线观看毛片的网站| 国产av码专区亚洲av| 日韩精品有码人妻一区| 欧美另类一区| 国产免费视频播放在线视频 | 97热精品久久久久久| 一级黄片播放器| 黄色欧美视频在线观看| 日本免费在线观看一区| 中文欧美无线码| 免费看美女性在线毛片视频| 色视频www国产| 日韩在线高清观看一区二区三区| 亚洲精品自拍成人| 一边亲一边摸免费视频| 国产综合精华液| 非洲黑人性xxxx精品又粗又长| 赤兔流量卡办理| 午夜福利网站1000一区二区三区| 精品久久久久久电影网| 青春草亚洲视频在线观看| 一区二区三区乱码不卡18| 亚洲精品456在线播放app| av在线亚洲专区| 日产精品乱码卡一卡2卡三| 五月玫瑰六月丁香| 亚洲欧美日韩卡通动漫| 水蜜桃什么品种好| 亚洲精品一区蜜桃| 久久精品国产亚洲av涩爱| 三级国产精品欧美在线观看| 一级毛片 在线播放| 97热精品久久久久久| 国产大屁股一区二区在线视频| 欧美最新免费一区二区三区| 日韩不卡一区二区三区视频在线| 丝袜美腿在线中文| 中文字幕亚洲精品专区| 国产白丝娇喘喷水9色精品| 欧美日韩精品成人综合77777| 69人妻影院| 亚洲不卡免费看| 色网站视频免费| 亚洲av免费在线观看| 一本久久精品| 亚洲av电影不卡..在线观看| 免费av不卡在线播放| 日韩大片免费观看网站| 久久韩国三级中文字幕| 少妇熟女欧美另类| 日韩在线高清观看一区二区三区| 日本-黄色视频高清免费观看| 成人国产麻豆网| 日韩成人av中文字幕在线观看| 超碰97精品在线观看| 伊人久久精品亚洲午夜| 欧美bdsm另类| 国产视频首页在线观看| 能在线免费看毛片的网站| 成年免费大片在线观看| 成年av动漫网址| 欧美+日韩+精品| 91久久精品电影网| 亚洲自偷自拍三级| 国产亚洲精品久久久com| 免费不卡的大黄色大毛片视频在线观看 | 最近手机中文字幕大全| 最近2019中文字幕mv第一页| 极品少妇高潮喷水抽搐| 精品熟女少妇av免费看| 国产一区二区亚洲精品在线观看| 一二三四中文在线观看免费高清| 国产69精品久久久久777片| 国产精品人妻久久久久久| 中文字幕av成人在线电影| 亚洲av成人av| 国产精品熟女久久久久浪| 乱码一卡2卡4卡精品| 成年女人看的毛片在线观看| 免费不卡的大黄色大毛片视频在线观看 | 成年av动漫网址| 三级经典国产精品| 精品国产三级普通话版| 国产成人a∨麻豆精品| 别揉我奶头 嗯啊视频| 大陆偷拍与自拍| 菩萨蛮人人尽说江南好唐韦庄| 性插视频无遮挡在线免费观看| 久久精品国产亚洲av天美| 三级男女做爰猛烈吃奶摸视频| 午夜激情久久久久久久| 精品人妻熟女av久视频| 日韩国内少妇激情av| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产v大片淫在线免费观看| 国产午夜福利久久久久久| 欧美性感艳星| 日本一本二区三区精品| 最新中文字幕久久久久| 免费看av在线观看网站| 亚洲av中文av极速乱| 日韩欧美精品免费久久| 女人久久www免费人成看片| 床上黄色一级片| 亚洲精品国产av蜜桃| 日韩av不卡免费在线播放| 天天躁日日操中文字幕| 久久精品国产亚洲av涩爱| 一边亲一边摸免费视频| 久久久a久久爽久久v久久| 美女大奶头视频| 国产精品嫩草影院av在线观看| 九草在线视频观看| 免费大片18禁| 真实男女啪啪啪动态图| 亚洲国产精品sss在线观看| 国产片特级美女逼逼视频| 免费无遮挡裸体视频| 日韩强制内射视频| 国产探花在线观看一区二区| 丰满人妻一区二区三区视频av| 麻豆av噜噜一区二区三区| 欧美三级亚洲精品| 欧美激情在线99| 久久久精品免费免费高清| 七月丁香在线播放| 99久久人妻综合| 国产精品国产三级专区第一集| 一级毛片我不卡| 91精品一卡2卡3卡4卡| 亚洲欧美日韩无卡精品| 国产精品日韩av在线免费观看| 一区二区三区高清视频在线| 最近最新中文字幕免费大全7| 好男人在线观看高清免费视频| 精品一区二区三卡| 亚洲精品自拍成人| 亚洲精品久久午夜乱码| 内地一区二区视频在线| 插逼视频在线观看| 少妇的逼好多水| 国产乱来视频区| 日韩,欧美,国产一区二区三区| 亚洲伊人久久精品综合| 老司机影院成人| 国产激情偷乱视频一区二区| 2022亚洲国产成人精品| 啦啦啦中文免费视频观看日本| 亚洲不卡免费看| 三级国产精品欧美在线观看| 舔av片在线| 晚上一个人看的免费电影| 久久久久久久久久人人人人人人| xxx大片免费视频| 秋霞在线观看毛片| 伦精品一区二区三区| 97超视频在线观看视频| 高清在线视频一区二区三区| 成人国产麻豆网| 亚洲成人一二三区av| 激情五月婷婷亚洲| 国产在视频线在精品| 国产 一区精品| 51国产日韩欧美| 国产精品久久久久久久电影| 一区二区三区乱码不卡18| 精品酒店卫生间| 欧美日韩视频高清一区二区三区二| 精品一区二区三卡| 午夜激情久久久久久久| 免费观看精品视频网站| 一边亲一边摸免费视频| 大又大粗又爽又黄少妇毛片口| 国产伦精品一区二区三区视频9| 国产一级毛片在线| 亚洲欧美精品专区久久| 一级黄片播放器| 国产精品综合久久久久久久免费| 简卡轻食公司| 纵有疾风起免费观看全集完整版 | 一级爰片在线观看| 七月丁香在线播放| videos熟女内射| 欧美bdsm另类| 成年av动漫网址| av国产免费在线观看| 三级国产精品片| 亚洲精品视频女| 国产片特级美女逼逼视频| 欧美日韩一区二区视频在线观看视频在线 | 高清av免费在线| 久久久a久久爽久久v久久| 日本wwww免费看| 狠狠精品人妻久久久久久综合| 国产一区二区三区av在线| 久久久久性生活片| 久久99蜜桃精品久久| 99热6这里只有精品| 午夜福利高清视频| 欧美xxxx性猛交bbbb| 中文天堂在线官网| 男人爽女人下面视频在线观看| 99视频精品全部免费 在线| 男女视频在线观看网站免费| 国产精品一区二区在线观看99 | 一级毛片aaaaaa免费看小| 99久久中文字幕三级久久日本| 亚洲图色成人| 日日撸夜夜添| 中文在线观看免费www的网站| 少妇丰满av| 女人被狂操c到高潮| 婷婷色麻豆天堂久久| 亚洲成人久久爱视频| 边亲边吃奶的免费视频| 欧美xxxx性猛交bbbb| 精品人妻偷拍中文字幕| 亚洲精品成人av观看孕妇| ponron亚洲| 国产精品嫩草影院av在线观看| 亚洲国产高清在线一区二区三| 一区二区三区免费毛片| av天堂中文字幕网| 丰满少妇做爰视频| 免费观看在线日韩| 成年人午夜在线观看视频 | 丝袜美腿在线中文| 波野结衣二区三区在线| 午夜免费激情av| 色网站视频免费| 日韩欧美精品免费久久| 夜夜看夜夜爽夜夜摸| videossex国产| 久久久久久久久久人人人人人人| 一区二区三区乱码不卡18| 精品国产一区二区三区久久久樱花 | 精品熟女少妇av免费看| 国产亚洲精品久久久com| 亚洲第一区二区三区不卡| 久久国内精品自在自线图片| 熟女电影av网| 国产片特级美女逼逼视频| 国产高潮美女av| 亚洲精品日本国产第一区| 欧美xxⅹ黑人| 中文乱码字字幕精品一区二区三区 | 免费观看无遮挡的男女| av福利片在线观看| 久久国内精品自在自线图片| 成人毛片a级毛片在线播放| 在线 av 中文字幕| 久久久久久九九精品二区国产| 麻豆成人午夜福利视频| 久久久午夜欧美精品| 国产黄色视频一区二区在线观看| 亚洲精品,欧美精品| 国产乱来视频区| 国产三级在线视频| 中文字幕亚洲精品专区| 日本wwww免费看| av黄色大香蕉| 国产一区亚洲一区在线观看| 国产探花在线观看一区二区| 国产视频首页在线观看| 内射极品少妇av片p| 成人午夜高清在线视频| 人人妻人人澡人人爽人人夜夜 | 搞女人的毛片| 久久6这里有精品| 欧美不卡视频在线免费观看| 欧美xxxx黑人xx丫x性爽| 老司机影院毛片| 亚洲欧美清纯卡通| 永久免费av网站大全| 亚洲国产色片| 2022亚洲国产成人精品| 国产v大片淫在线免费观看| 日韩伦理黄色片| 成人亚洲精品av一区二区| 亚洲怡红院男人天堂| 国产大屁股一区二区在线视频| 国产成年人精品一区二区| 青春草视频在线免费观看| a级毛片免费高清观看在线播放| 午夜视频国产福利| 一个人免费在线观看电影| 国产成人freesex在线| 日日干狠狠操夜夜爽| 黄色日韩在线| 男插女下体视频免费在线播放| 1000部很黄的大片| a级毛色黄片| 久久国产乱子免费精品| 日日啪夜夜爽| 床上黄色一级片| 欧美高清成人免费视频www| 视频中文字幕在线观看| 少妇高潮的动态图| 精品久久久久久久末码| 两个人的视频大全免费| 亚洲精品成人av观看孕妇| 国产真实伦视频高清在线观看| 精品久久久久久成人av| av又黄又爽大尺度在线免费看| 国产欧美日韩精品一区二区| 亚洲av一区综合| 看免费成人av毛片| 亚洲精品国产av成人精品| 三级国产精品欧美在线观看| 人妻系列 视频| 欧美日韩精品成人综合77777| 久久精品国产鲁丝片午夜精品| 国产一区亚洲一区在线观看| 免费av观看视频| 综合色丁香网| 欧美区成人在线视频| 一本一本综合久久| 亚洲av国产av综合av卡| 午夜精品国产一区二区电影 | 亚洲国产欧美人成| 国产伦一二天堂av在线观看| 日韩av在线大香蕉| 国内精品美女久久久久久| 亚洲精品成人av观看孕妇| 日本午夜av视频| 极品少妇高潮喷水抽搐| 国国产精品蜜臀av免费| 日韩国内少妇激情av| 欧美成人一区二区免费高清观看| 1000部很黄的大片| 国产单亲对白刺激| 七月丁香在线播放| 人人妻人人看人人澡| av在线播放精品| 国产男女超爽视频在线观看| 乱系列少妇在线播放| 国产亚洲5aaaaa淫片| 亚洲精品日本国产第一区| 日韩av在线免费看完整版不卡| 嘟嘟电影网在线观看| 免费av毛片视频| 亚洲丝袜综合中文字幕| 最近中文字幕高清免费大全6| 麻豆成人av视频| 六月丁香七月| 午夜福利高清视频| 女的被弄到高潮叫床怎么办| 免费电影在线观看免费观看| 人人妻人人看人人澡| 国精品久久久久久国模美| 欧美日韩一区二区视频在线观看视频在线 | 亚洲国产最新在线播放| 久久热精品热| 午夜精品国产一区二区电影 | 一级二级三级毛片免费看| 亚洲色图av天堂| 大香蕉97超碰在线| 亚洲精品日韩在线中文字幕| 成人亚洲精品av一区二区| 五月玫瑰六月丁香| 久久久久久久久久成人| 春色校园在线视频观看| 自拍偷自拍亚洲精品老妇| 99热这里只有精品一区| 亚洲国产欧美在线一区| 欧美日本视频| 精品久久久久久久末码| 日韩av在线免费看完整版不卡| 欧美极品一区二区三区四区| 午夜激情久久久久久久| 国产一区二区三区综合在线观看 | 卡戴珊不雅视频在线播放| 精品一区二区三区人妻视频| a级毛色黄片| 国产成人91sexporn| 波多野结衣巨乳人妻| 嫩草影院新地址| 国产老妇女一区| 在线免费观看不下载黄p国产| 少妇丰满av| 久久精品熟女亚洲av麻豆精品 | 国产精品人妻久久久久久| 毛片一级片免费看久久久久| 亚洲精品aⅴ在线观看| 如何舔出高潮| 一边亲一边摸免费视频| 国产成人精品福利久久| 国产人妻一区二区三区在| 黄片wwwwww| 青春草视频在线免费观看| 免费观看性生交大片5| 在线天堂最新版资源| 麻豆精品久久久久久蜜桃| 日韩不卡一区二区三区视频在线| 日韩欧美一区视频在线观看 | 两个人的视频大全免费| 特大巨黑吊av在线直播| 少妇的逼好多水| 国产毛片a区久久久久| 国内精品宾馆在线| 免费观看a级毛片全部| 国产免费又黄又爽又色| 最近中文字幕高清免费大全6| 大话2 男鬼变身卡| 国产v大片淫在线免费观看| 中文精品一卡2卡3卡4更新| 国产成人freesex在线| 亚洲精品日本国产第一区| 欧美日韩精品成人综合77777| 欧美97在线视频| 久久97久久精品| 91久久精品电影网| 丝瓜视频免费看黄片| 男女边吃奶边做爰视频| 国产精品1区2区在线观看.| 在线免费观看不下载黄p国产| 精品一区二区免费观看| kizo精华| 日韩欧美精品免费久久| 亚洲自拍偷在线| 亚洲在线观看片| 日日干狠狠操夜夜爽| ponron亚洲| av线在线观看网站| 听说在线观看完整版免费高清| 全区人妻精品视频| 欧美xxxx性猛交bbbb| 色综合亚洲欧美另类图片| 亚洲人成网站在线观看播放| 成人无遮挡网站| 免费高清在线观看视频在线观看| 观看免费一级毛片| 69人妻影院| 人体艺术视频欧美日本| 成人av在线播放网站| 亚洲精品乱码久久久久久按摩| 亚洲欧美清纯卡通| av黄色大香蕉| 国产 一区精品| av线在线观看网站| 97超视频在线观看视频| 日韩电影二区| 一级毛片久久久久久久久女| 大香蕉久久网| 国产在视频线精品| 日韩av不卡免费在线播放| 国产精品伦人一区二区| 黄片wwwwww| 久久久a久久爽久久v久久| 亚洲欧洲日产国产| 99re6热这里在线精品视频| 日日摸夜夜添夜夜爱| 高清午夜精品一区二区三区| 成人性生交大片免费视频hd| 亚洲激情五月婷婷啪啪| 欧美丝袜亚洲另类| 婷婷色综合大香蕉| 老女人水多毛片| 亚洲精品国产成人久久av| 成人高潮视频无遮挡免费网站| 午夜老司机福利剧场| 边亲边吃奶的免费视频| 久久精品久久久久久久性| 婷婷六月久久综合丁香| 男女那种视频在线观看| 久久久精品欧美日韩精品| 国产精品.久久久| 美女cb高潮喷水在线观看| 成人毛片a级毛片在线播放| 成人二区视频| 我的女老师完整版在线观看| av专区在线播放| 亚洲av一区综合| 精品国产一区二区三区久久久樱花 | 免费黄色在线免费观看| 婷婷色综合大香蕉| 久久久久久久亚洲中文字幕| 国产精品女同一区二区软件| 国产高清不卡午夜福利| 成人av在线播放网站|