• <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 ?

    基于粗糙集與貝葉斯決策的不良網(wǎng)頁過濾研究

    2012-10-15 01:51:14周學(xué)廣
    中文信息學(xué)報(bào) 2012年1期
    關(guān)鍵詞:約簡粗糙集貝葉斯

    孫 艷,周學(xué)廣

    (海軍工程大學(xué) 電子工程學(xué)院,湖北 武漢430033)

    1 引言

    隨著網(wǎng)絡(luò)的普及,人們每天接觸的信息與日俱增,信息的迅速膨脹產(chǎn)生了“信息過載”和“信息迷航”,同時(shí)也加大了網(wǎng)絡(luò)不良信息(包括垃圾信息、反動信息、虛假信息、惡意信息等)的傳播,帶來了各種信息安全問題和社會問題,因此不良信息過濾問題日益被人們重視。

    1982年,Denning在計(jì)算機(jī)協(xié)會通信(CACM)上首次提出信息過濾的概念[1]。1987年,Malone等人在CACM上提出了兩種信息過濾行為方式:認(rèn)知過濾和社會過濾[2]。認(rèn)知過濾即基于內(nèi)容的過濾[2]。Nanas將信息過濾分為基于內(nèi)容的過濾和協(xié)同過濾[3]?;趦?nèi)容的過濾是解決當(dāng)前網(wǎng)絡(luò)不良信息泛濫問題的主流技術(shù)。從內(nèi)容上看,不良信息過濾問題可以看作是一個(gè)“兩類”分類問題。因此,各種分類算法可以應(yīng)用于不良信息過濾中,如貝葉斯算法[4]、支 持 向 量 機(jī)[5]、粗 糙 集 理 論[6]、決 策 樹 算法[7]等。Pang等人曾用貝葉斯方法、最大熵法和支持向量機(jī)法對電影評論做分類效果評比,發(fā)現(xiàn)支持向量機(jī)的分類效果最好[8]。雖然SVM的分類效果優(yōu)于其他分類方法,但是其計(jì)算開銷大的缺點(diǎn)促使研究人員尋找更加完美的分類器。

    貝葉斯算法是以貝葉斯定理為理論基礎(chǔ)的一種在已知先驗(yàn)概率與條件概率情況下得到后驗(yàn)概率的文本分類算法。貝葉斯分類算法原理簡單,健壯性強(qiáng)。粗糙集理論能夠獲得分類所需的最小特征屬性集,在不影響分類精度的條件下降低特征向量的維數(shù),得到最簡的顯式表達(dá)的分類規(guī)則。采用貝葉斯和粗糙集理論相結(jié)合的方法進(jìn)行不良網(wǎng)頁過濾,可以優(yōu)化分類系統(tǒng)的總體性能。

    在本文中,我們利用粗糙集中區(qū)分矩陣和邏輯運(yùn)算對網(wǎng)頁特性現(xiàn)象進(jìn)行知識約簡,剔除判斷網(wǎng)頁類別的冗余屬性,對約簡后的網(wǎng)頁特征現(xiàn)象進(jìn)行網(wǎng)頁類別的初步分類,建立網(wǎng)頁類別決策初表,然后進(jìn)行網(wǎng)頁分類,通過網(wǎng)頁歸類,建立網(wǎng)頁類別決策復(fù)表,最后通過貝葉斯決策過程來判別網(wǎng)頁類別以及決定是否過濾。

    2 粗糙集理論

    粗糙集理論是一種新的處理模糊和不確定性知識的數(shù)學(xué)工具。其主要思想就是在保持分類能力不變的前提下,通過知識約簡,導(dǎo)出問題的決策或者分類的規(guī)則。知識約簡是粗糙集理論的核心內(nèi)容之一。眾所周知,知識庫中知識(屬性)并不是同等重要的,甚至其中某些知識是冗余的。所謂知識約簡就是在保持知識庫分類能力不變的條件下,刪除其中不相關(guān)或不重要的知識,并得到知識的最小表達(dá)。本文提出利用區(qū)分矩陣和區(qū)分函數(shù)[9]來表達(dá)知識,它能夠很容易地計(jì)算約簡和核。

    設(shè)K=(U,P,AT,V,ρ)為一概率知識表示系統(tǒng),即U是論域,P是U的子集全體構(gòu)成的σ代數(shù)上的概率測度,AT={a1,a2,…,an}是有限個(gè)屬性構(gòu)成的集合,V=V1×V2×…×Vn,Vi是屬性ai的值域,ρ:U→V是信息函數(shù),對于U 中的每個(gè)對象x,ρ(x)稱為x的描述,具有相同描述的對象是不可分辨的,記與x具有相同描述的對象全體為[x]。設(shè)Ω={ω1,ω2,…,ωs}是具有有限個(gè)特征狀態(tài)的集合,每個(gè)具有狀態(tài)ωi的對象是U的子集,常稱為概念,A={r1,r2,…,rm}是 m 由個(gè)可能決策行為構(gòu)建的集合,P(ωj|[x])表示一個(gè)對象在描述[x]下處于狀態(tài)ωj的概率,一般假定P(ωj|[x])為已知的。令λ(ri|ωj)表示狀態(tài)ωj時(shí)采用決策ri的風(fēng)險(xiǎn)損失。

    3 粗糙集與貝葉斯決策的網(wǎng)頁過濾方法

    本文提出一種采用粗糙集與貝葉斯決策相結(jié)合的不良網(wǎng)頁過濾方法,在相應(yīng)的網(wǎng)頁特征現(xiàn)象對應(yīng)的各個(gè)網(wǎng)頁類別下,利用粗糙集中區(qū)分矩陣和邏輯運(yùn)算對網(wǎng)頁特性現(xiàn)象進(jìn)行知識約簡,剔除判斷網(wǎng)頁類別的冗余屬性,對約簡后的網(wǎng)頁特征現(xiàn)象進(jìn)行網(wǎng)頁類別的初步分類,建立網(wǎng)頁類別決策初表,然后進(jìn)行網(wǎng)頁分類,通過網(wǎng)頁歸類,建立網(wǎng)頁類別決策復(fù)表,最后通過貝葉斯決策過程來確定頁面類別以及是否進(jìn)行過濾。

    粗糙集對網(wǎng)頁特征現(xiàn)象信息的約簡方法如下:設(shè)決策表系統(tǒng)為S=(U,A,V,f),S為知識表達(dá)系統(tǒng),它對應(yīng)網(wǎng)頁分類決策系統(tǒng);A=P∪D是屬性集合,子集P={a[j]|i=1,…,k}和D={d}分別稱為條件屬性集和決策屬性集,在網(wǎng)頁分類中分別對應(yīng)網(wǎng)頁特征現(xiàn)象集和網(wǎng)頁類型集;U={x1,x2,…,xn}為論域,對應(yīng)網(wǎng)頁分類中的被分類的單個(gè)網(wǎng)頁對象集;a[i](xj)是被分類頁面xj在特征現(xiàn)象a[i]上的取值。區(qū)分矩陣C(i,j)表示區(qū)分矩陣中第i行和第j列交點(diǎn)處的元素,則區(qū)分矩陣CD定義為:

    其中{m[k]|m[k]∈P∧m[k](xi)≠m[k](xj)}。利用區(qū)分矩陣進(jìn)行屬性約簡的算法如下:

    貝葉斯決策過程在不良網(wǎng)頁過濾中簡述如下:假定一個(gè)對象的描述為[x],對于這個(gè)對象實(shí)施了決策ri,由于P(ωj|[x])是在給定描述[x]下的處于ωj的概率,因此對象在給定描述[x]下采用決策ri的期望損失(常稱為風(fēng)險(xiǎn)條件)可由全概率公式得到:

    對于給定描述[x],記τ(x)為一個(gè)決策規(guī)則,即τ(x)∈A,則τ是描述空間到A 的一個(gè)函數(shù)。令R是在給定一個(gè)總體決策規(guī)則下的期望總體風(fēng)險(xiǎn)。由于R(τ(x)|[x])是在描述[x]下決策τ(x)的條件風(fēng)險(xiǎn)率,因此總體風(fēng)險(xiǎn)其中的和是對整個(gè)知識表示系統(tǒng)而言。顯然,如果決策規(guī)則τ(x)使得對每個(gè)[x]而言條件風(fēng)險(xiǎn)率R(τ(x)|[x])盡可能的小,那么總體風(fēng)險(xiǎn)就能達(dá)到最小值。對于每個(gè)對象x∈U,計(jì)算由式(2)給出的風(fēng)險(xiǎn)R(τ(x)|[x]),i=1,2,…,m,如果有兩個(gè)或兩個(gè)以上的決策使條件風(fēng)險(xiǎn)達(dá)到最小則根據(jù)實(shí)際情況取其中之一。設(shè)U是一系列不良的網(wǎng)頁,設(shè)ω是某種不良類型的信息(如暴力、色情等),則ω把U 分成兩部分,含某種類型的不良網(wǎng)頁(記為ω)和不含此類型的網(wǎng)頁(記為~ω),記pos(ω)和neg(ω)為ω的正域(存在不良信息需要進(jìn)行過濾的網(wǎng)頁)和負(fù)域(存在不良信息不需要過濾的網(wǎng)頁)。

    每一個(gè)網(wǎng)頁x在網(wǎng)頁特征現(xiàn)象[x]下面臨兩種可能的決策:

    (Y)決策r1:x∈pos(ω),即r1=[x]→pos(ω);

    (N)決策r2:x∈neg(ω),即r2=[x]→neg(ω)。

    這時(shí),A={r1,r2}。令λ={ri|ω}為含不良信息的網(wǎng)頁實(shí)際為不良頁面(對象實(shí)際屬于ω)而采取決策ri時(shí)的風(fēng)險(xiǎn),λ={ri|~ω}為含不良信息的網(wǎng)頁實(shí)際不為不良頁面而采取決策ri時(shí)的風(fēng)險(xiǎn),p(ω|[x])為網(wǎng)頁在頁面特征現(xiàn)象[x]下有故障的概率,p(~ω|[x])為網(wǎng)頁在頁面特征現(xiàn)象[x]下沒有故障的概率。這樣,網(wǎng)頁在頁面特征現(xiàn)象[x]下采取決策ri的條件風(fēng)險(xiǎn)R(ri|[x])可由全概率公式得:

    其中λi1=λ(ri|ω),λi2=λ(ri|~ω),i=1,2。

    由貝葉斯決策過程可得最小風(fēng)險(xiǎn)規(guī)則為:

    (Y)r1:[x]→pos(ω),若

    (N)r2:[x]→neg(ω),若

    由于在實(shí)際情況中,對于存在不良信息的但還不能確定為哪類不良頁面的網(wǎng)頁來說,進(jìn)行網(wǎng)頁過濾的風(fēng)險(xiǎn)比不進(jìn)行頁面過濾處理的風(fēng)險(xiǎn)要?。欢鴮τ跊]有不良信息的網(wǎng)頁來說,進(jìn)行過濾的風(fēng)險(xiǎn)比不進(jìn)行過濾的風(fēng)險(xiǎn)要大,即滿足關(guān)系式:

    將式(6)代入式(4)和式(5),并利用,p(ω|[x])+p(~ω|[x])=1經(jīng)計(jì)算可得最小風(fēng)險(xiǎn)決策規(guī)則重新表達(dá)為:

    (Y)r1:[x]→pos(ω),若p(ω|[x])≥α,

    (N)r2:[x]→neg(ω),若p(ω|[x])≤α,

    其中

    顯然,由式(6)可知0<α<1。這樣最終得到了概念ω關(guān)于α的近似(全體實(shí)際被過濾網(wǎng)頁)為:

    即當(dāng)頁面特征現(xiàn)象表現(xiàn)為[x]的情況下,實(shí)際為某種不良網(wǎng)頁ω的概率大于和等于α的那些網(wǎng)頁肯定被過濾。

    4 算法設(shè)計(jì)

    4.1 風(fēng)險(xiǎn)系數(shù)

    由于對網(wǎng)頁中不良頁面的確定并不一定通過存在不良信息的閾值百分之百的確定,所以算法在通過粗糙集確定不良類型頁面后,根據(jù)貝葉斯準(zhǔn)則,給予每種不良類型評定一個(gè)風(fēng)險(xiǎn)系數(shù),用于進(jìn)一步進(jìn)行過濾決策,這樣可以提高網(wǎng)頁過濾的正確率和避免誤過濾而帶來的計(jì)算機(jī)開銷。

    由第3節(jié)可知λ11<λ21,且λ12>λ22。對于網(wǎng)頁過濾來說,λ11=λ22=0表明不良網(wǎng)頁被正確過濾的風(fēng)險(xiǎn)為0。但是網(wǎng)頁被誤判時(shí)風(fēng)險(xiǎn)明顯提高,假設(shè)風(fēng)險(xiǎn)函數(shù)根據(jù)過濾網(wǎng)頁重要度成指數(shù)增長。網(wǎng)頁內(nèi)容越重要,錯誤過濾后的風(fēng)險(xiǎn)越大。把非不良頁面當(dāng)作不良網(wǎng)頁過濾的風(fēng)險(xiǎn)設(shè)為λ12=eβ,其中β為頁面重要度,頁面重要度分為Ⅰ、Ⅱ、Ⅲ、Ⅳ四個(gè)等級,其中Ⅰ為重要度小的網(wǎng)頁(一般指普通的新聞、娛樂等網(wǎng)頁),Ⅱ?yàn)橹匾戎械鹊木W(wǎng)頁(一般指企業(yè)、公司、學(xué)校等網(wǎng)頁),Ⅲ為重要度較高的網(wǎng)頁(一般指涉及商業(yè)秘密、網(wǎng)絡(luò)交易等網(wǎng)頁),Ⅳ為重要度很高的網(wǎng)頁(一般指涉及國家機(jī)密、軍事機(jī)密等網(wǎng)頁)。重要度系數(shù)如表1所示。

    表1 網(wǎng)頁重要度系數(shù)表

    其中重要度系數(shù)在0≤β≤1,網(wǎng)頁為不良或存在不良信息時(shí)未被過濾而導(dǎo)致的風(fēng)險(xiǎn)為λ21=eγ,其中γ為網(wǎng)頁的危害度。根據(jù)網(wǎng)頁的信息內(nèi)容,把頁面危害程度也分為Ⅰ、Ⅱ、Ⅲ、Ⅳ四個(gè)等級,危害程度為Ⅰ<Ⅱ<Ⅲ<Ⅳ。網(wǎng)頁危害度系數(shù)如表2所示。

    表2 網(wǎng)頁危害度系數(shù)表

    由式(7)得到風(fēng)險(xiǎn)系數(shù)為

    4.2 過濾算法

    本文通過計(jì)算機(jī)和人工相結(jié)合地方式來提取網(wǎng)頁的特征信息,由于考慮到某些特征現(xiàn)象(如流媒體中裸露鏡頭的比例)機(jī)器很難進(jìn)行閾值判斷,是通過人工判斷來提取特征信息。例如,文本關(guān)鍵詞的閾值以及文本夾雜惡意字符等是采用TFIDF的方法進(jìn)行獲取特征現(xiàn)象。在獲取特征現(xiàn)象后,進(jìn)行網(wǎng)頁分類,根據(jù)粗糙集理論去除冗余的判別信息,只保留必要的特征信息;然后根據(jù)網(wǎng)頁的重要性和危害性進(jìn)行貝葉斯決策,從而達(dá)到利用最小的過濾代價(jià)來過濾最有危害性的不良網(wǎng)頁的目的。具體步驟如下:

    Step1收集網(wǎng)頁特征信息,根據(jù)網(wǎng)頁特征信息進(jìn)行類別的初步分類,建立網(wǎng)頁類別樣本決策初表;

    Step2根據(jù)粗糙集理論對網(wǎng)頁類別樣本決策初表建立相應(yīng)的區(qū)分矩陣CD,用式(1)對其進(jìn)行屬性約簡,選擇最優(yōu)的屬性組合,簡化網(wǎng)頁類別樣本決策初表,形成網(wǎng)頁類別決策復(fù)表;

    Step3對于網(wǎng)頁特征信息不在類別決策復(fù)表中的根據(jù)收集的歷史特征信息以一定的先驗(yàn)概率確定為某種類別的網(wǎng)頁;

    Step4對于網(wǎng)頁實(shí)時(shí)分類用網(wǎng)頁類別決策復(fù)表進(jìn)行決策,確定網(wǎng)頁為某種不良類別的后驗(yàn)概率為P(ω|[x]);

    Step5由貝葉斯準(zhǔn)則,根據(jù)公式(9),確定過濾網(wǎng)頁的風(fēng)險(xiǎn)系數(shù)

    Step6當(dāng)網(wǎng)頁為某種不良類別的后驗(yàn)概率為P(ω|[x])≥α?xí)r,確定為不良類別并進(jìn)行過濾,當(dāng)P(ω|[x])≤α?xí)r,定為非不良頁面并不予過濾,最后給出決策結(jié)果。

    診斷算法流程圖如圖1所示。

    圖1 診斷算法流程圖

    5 算例與仿真結(jié)果

    5.1 算法實(shí)例

    假定在客戶端對網(wǎng)頁進(jìn)行過濾,由算法的Step1,建立表3和表4的網(wǎng)頁特征現(xiàn)象和網(wǎng)頁類別與相應(yīng)特征現(xiàn)象表。得到表5的網(wǎng)頁類別樣本決策初表。由算法Step2,建立區(qū)分矩陣CD,如式(10)所示,用粗糙集理論對CD進(jìn)行屬性約簡,得到表6的網(wǎng)頁類別決策復(fù)表,由算法Step3,得到網(wǎng)頁類別不確定表,如表7所示。由算法Step4~Step6,確定風(fēng)險(xiǎn)系數(shù),由于考慮實(shí)際網(wǎng)頁為普通的不良頁面,根據(jù)表1和表2,風(fēng)險(xiǎn)系數(shù)中參數(shù)β定為Ⅰ級,γ定位Ⅲ級。所以0.425 6=42.56%,風(fēng)險(xiǎn)系數(shù)概率超過α=42.56%的都可以進(jìn)行網(wǎng)頁過濾,這樣可以最大程度的保護(hù)網(wǎng)頁的安全過濾。

    表3 網(wǎng)頁特征現(xiàn)象與屬性值

    表4 網(wǎng)頁類別及相應(yīng)特征現(xiàn)象

    續(xù)表

    表5 網(wǎng)頁類別樣本決策初表

    表6 網(wǎng)頁類別決策復(fù)表

    表7 網(wǎng)頁類別不確定表

    表中D表示網(wǎng)頁類別的可能性,其分類概率為樣本訓(xùn)練后得到的先驗(yàn)概率。

    5.2 仿真結(jié)果

    對此算法實(shí)例進(jìn)行仿真,對仿真的417組不良網(wǎng)頁特征現(xiàn)象反饋數(shù)據(jù)進(jìn)行網(wǎng)頁分類,假設(shè)考慮環(huán)境人為影響和外界干擾,每組數(shù)據(jù)的可靠性為98.5%,網(wǎng)頁分類情況如圖2和表8所示。

    圖2 不良網(wǎng)頁分類結(jié)果圖

    表8 網(wǎng)頁分類結(jié)果表

    圖中d1表示正常頁面,d2表示混合不良頁面,d3表示色情頁面,d4表示封建迷信頁面,d5表示宗教反動頁面。

    從仿真結(jié)果來看,利用本算法進(jìn)行對不良網(wǎng)頁分類過濾效果明顯,并且能進(jìn)一步提高過濾正確率,在對傳統(tǒng)單用決策表進(jìn)行不良網(wǎng)頁分類過濾時(shí),過濾正確率為88.6%(數(shù)據(jù)可靠性為98.5%)。與傳統(tǒng)單用決策表的方法相比,本論文采用的算法平均分類正確率為93.2%,過濾正確率92.2%,與傳統(tǒng)的算法相比有明顯提高。這是因?yàn)榫W(wǎng)頁分類過程實(shí)際上是一個(gè)搜索匹配過程。由于網(wǎng)頁的數(shù)據(jù)龐大,這使得傳統(tǒng)的搜索匹配過程冗余而效率低下。在本文所用的粗糙集理論對屬性進(jìn)行約簡后再次進(jìn)行匹配可以大大降低系統(tǒng)的冗余度,提高搜索匹配效率,也避免了大量冗余無用信息造成的誤過濾。而且對于模糊類別采用貝葉斯決策可以使得過濾風(fēng)險(xiǎn)性降為最小并得到最佳分類過濾。

    6 結(jié)論

    本文提出的基于粗糙集理論和貝葉斯決策的網(wǎng)頁過濾算法能夠快速準(zhǔn)確的解決不良網(wǎng)頁的分類和過濾決策。尤其在大量冗余信息和部分信息缺失的情況下,更能有效準(zhǔn)確的進(jìn)行網(wǎng)頁分類與過濾,提高了分類的效率和準(zhǔn)確率。并且本算法融入了貝葉斯決策理論,根據(jù)網(wǎng)頁重要度和危害度來定義風(fēng)險(xiǎn)函數(shù),從而最小化了過濾頁面的風(fēng)險(xiǎn)性,達(dá)到不良頁面分類過濾的最優(yōu)化。

    由于不良網(wǎng)頁獲取的困難性,本文只做了幾百組網(wǎng)頁的過濾實(shí)驗(yàn),如果考慮到海量網(wǎng)頁的過濾,需要進(jìn)一步對網(wǎng)頁的特征提取方法進(jìn)行優(yōu)化,尤其是對于網(wǎng)頁中流媒體、視頻、圖片識別的快速判斷方法;另外還需要建立特征現(xiàn)象字典庫,并且進(jìn)行動態(tài)更新和添加以適應(yīng)不斷變化的互聯(lián)網(wǎng)信息。

    [1]Denning P J.Electronic junk[J].Communications of the ACM,1992,25(3):163-165.

    [2]Malone T,Grant K,Trubak F,et al.Intelligent information sharing system [J].Communication of the ACM,1987,5:390-402.

    [3]Nanas N,Roeck A D,Vavalis M.What happened to content-based information filtering?[J].ICTIR 2009,LNCS 5766,2009:249-256.

    [4]張宇,劉挺,文勖.基于改進(jìn)貝葉斯模型的問題分類[J].中文信息學(xué)報(bào),2005,19(2):100-105.

    [5]Lee W,Lee S S,Chung S,et al.An harmful contents classification using the harmful word filtering and SVM[C]//ICCS 2007,Part III,LNCS 4489:18-27.

    [6]盧嬌麗,鄭家恒.基于粗糙集的文本分類方法研究[J].中文信息學(xué)報(bào),2005,19(2):66-70.

    [7]Malo P,Siitari P,Ahlgren O,et al.Semantic content filtering with wikipedia and ontologies [C ]//Proceedings of 2010IEEE International conference on data mining workshops,2010:518-526.

    [8]Pang B.Lee L,Vaithyanathan S.Thumbs up?Sentiment classification using machine learning techniques[C]//Proceedings of the Conference on Empirical Methods in Natural Language Processing,2002:79-86.

    [9]張文修,吳偉志,等.粗糙集理論與方法[M].科學(xué)出版社,2001.

    猜你喜歡
    約簡粗糙集貝葉斯
    基于Pawlak粗糙集模型的集合運(yùn)算關(guān)系
    基于二進(jìn)制鏈表的粗糙集屬性約簡
    實(shí)值多變量維數(shù)約簡:綜述
    基于模糊貼近度的屬性約簡
    貝葉斯公式及其應(yīng)用
    多?;植诩再|(zhì)的幾個(gè)充分條件
    基于貝葉斯估計(jì)的軌道占用識別方法
    雙論域粗糙集在故障診斷中的應(yīng)用
    一種基于貝葉斯壓縮感知的說話人識別方法
    電子器件(2015年5期)2015-12-29 08:43:15
    兩個(gè)域上的覆蓋變精度粗糙集模型
    国产一区二区激情短视频| 黄片播放在线免费| 午夜亚洲福利在线播放| 无遮挡黄片免费观看| 美女国产高潮福利片在线看| 亚洲国产欧美网| www.999成人在线观看| 在线观看66精品国产| 国产人伦9x9x在线观看| 又大又爽又粗| 亚洲熟妇中文字幕五十中出 | 高清欧美精品videossex| 亚洲精品av麻豆狂野| 久久这里只有精品19| 亚洲av欧美aⅴ国产| 欧美黑人欧美精品刺激| 国产一区在线观看成人免费| 亚洲三区欧美一区| 9191精品国产免费久久| 91在线观看av| 9色porny在线观看| 欧美日韩一级在线毛片| 亚洲av电影在线进入| 岛国毛片在线播放| 热99久久久久精品小说推荐| 成人特级黄色片久久久久久久| 搡老熟女国产l中国老女人| 十分钟在线观看高清视频www| 又大又爽又粗| 久久人妻熟女aⅴ| 老汉色av国产亚洲站长工具| 91成人精品电影| 亚洲五月色婷婷综合| 好看av亚洲va欧美ⅴa在| 欧美大码av| 欧美丝袜亚洲另类 | 色综合婷婷激情| 男女高潮啪啪啪动态图| 精品无人区乱码1区二区| 欧美日韩乱码在线| 国产蜜桃级精品一区二区三区 | 两性夫妻黄色片| 日本a在线网址| 视频区欧美日本亚洲| 亚洲第一青青草原| 欧美av亚洲av综合av国产av| 午夜视频精品福利| 女同久久另类99精品国产91| 黄色成人免费大全| 国产主播在线观看一区二区| 天堂俺去俺来也www色官网| 久久精品亚洲精品国产色婷小说| 看免费av毛片| 久久国产精品人妻蜜桃| 欧美久久黑人一区二区| 欧美日韩亚洲国产一区二区在线观看 | 国产日韩欧美亚洲二区| 午夜两性在线视频| 又黄又爽又免费观看的视频| 欧美 亚洲 国产 日韩一| 精品国产乱子伦一区二区三区| 欧美另类亚洲清纯唯美| 美女 人体艺术 gogo| 成年人黄色毛片网站| 成人黄色视频免费在线看| 91国产中文字幕| 久久精品亚洲av国产电影网| 满18在线观看网站| 久久香蕉国产精品| 91麻豆精品激情在线观看国产 | 国产欧美日韩一区二区三区在线| 亚洲欧美精品综合一区二区三区| 日韩免费高清中文字幕av| 成人精品一区二区免费| 王馨瑶露胸无遮挡在线观看| 国产在线精品亚洲第一网站| 自拍欧美九色日韩亚洲蝌蚪91| 黄片大片在线免费观看| cao死你这个sao货| 国产亚洲欧美在线一区二区| 中文字幕人妻丝袜一区二区| 女人高潮潮喷娇喘18禁视频| 免费日韩欧美在线观看| 中文字幕精品免费在线观看视频| 久久精品国产综合久久久| 免费av中文字幕在线| 婷婷丁香在线五月| 国产成人一区二区三区免费视频网站| 国产成人免费观看mmmm| 精品无人区乱码1区二区| 亚洲色图 男人天堂 中文字幕| 亚洲五月天丁香| 国产亚洲精品久久久久5区| 欧美日韩乱码在线| 露出奶头的视频| 人妻一区二区av| 国产精品香港三级国产av潘金莲| 国产成人系列免费观看| 老司机靠b影院| 国产视频一区二区在线看| 一级毛片高清免费大全| 国产99久久九九免费精品| 校园春色视频在线观看| 亚洲精品国产一区二区精华液| 一级作爱视频免费观看| 亚洲av欧美aⅴ国产| cao死你这个sao货| 亚洲欧美一区二区三区黑人| 性色av乱码一区二区三区2| 亚洲aⅴ乱码一区二区在线播放 | 国产高清国产精品国产三级| 午夜久久久在线观看| 欧美人与性动交α欧美精品济南到| 欧美激情高清一区二区三区| 国产欧美日韩精品亚洲av| 巨乳人妻的诱惑在线观看| 久久婷婷成人综合色麻豆| 亚洲精品成人av观看孕妇| 国产精品国产高清国产av | 日韩三级视频一区二区三区| 午夜福利一区二区在线看| 亚洲精品久久成人aⅴ小说| 黄片小视频在线播放| 成年动漫av网址| 99re在线观看精品视频| 久久国产乱子伦精品免费另类| 99久久人妻综合| 欧美日韩亚洲高清精品| 欧美日韩黄片免| 国产99白浆流出| 18禁观看日本| 亚洲精品国产区一区二| 免费在线观看影片大全网站| 日韩中文字幕欧美一区二区| 国产免费男女视频| 亚洲午夜理论影院| 高清欧美精品videossex| 黑丝袜美女国产一区| 国产不卡一卡二| 久久中文看片网| 热99久久久久精品小说推荐| 免费在线观看完整版高清| 国产一卡二卡三卡精品| 亚洲精品一二三| 两个人免费观看高清视频| 精品国产美女av久久久久小说| 国产av一区二区精品久久| 一级a爱片免费观看的视频| 午夜影院日韩av| 午夜福利视频在线观看免费| 午夜影院日韩av| 午夜福利一区二区在线看| 久久精品aⅴ一区二区三区四区| 国产蜜桃级精品一区二区三区 | a在线观看视频网站| av网站免费在线观看视频| 一边摸一边抽搐一进一小说 | 99精品在免费线老司机午夜| 中文字幕色久视频| 中出人妻视频一区二区| 在线观看舔阴道视频| 女性被躁到高潮视频| 女性被躁到高潮视频| 午夜激情av网站| 悠悠久久av| 老汉色∧v一级毛片| 婷婷精品国产亚洲av在线 | 一进一出抽搐动态| 国产熟女午夜一区二区三区| 69精品国产乱码久久久| 麻豆国产av国片精品| 叶爱在线成人免费视频播放| 免费在线观看完整版高清| 宅男免费午夜| 一二三四社区在线视频社区8| 亚洲久久久国产精品| 18禁美女被吸乳视频| 这个男人来自地球电影免费观看| 亚洲精品自拍成人| 欧美乱妇无乱码| 女警被强在线播放| 亚洲成a人片在线一区二区| 色综合欧美亚洲国产小说| 欧美黄色淫秽网站| 精品久久蜜臀av无| 在线播放国产精品三级| svipshipincom国产片| av天堂久久9| 亚洲精品久久午夜乱码| 看黄色毛片网站| netflix在线观看网站| 亚洲国产欧美网| 亚洲精品一卡2卡三卡4卡5卡| 97人妻天天添夜夜摸| 一区二区三区激情视频| 国产男靠女视频免费网站| 亚洲视频免费观看视频| videosex国产| 亚洲av欧美aⅴ国产| 日韩大码丰满熟妇| 很黄的视频免费| 欧美一级毛片孕妇| 一级片'在线观看视频| 黑人欧美特级aaaaaa片| 亚洲欧美日韩高清在线视频| 91精品国产国语对白视频| 9191精品国产免费久久| 午夜91福利影院| 美女国产高潮福利片在线看| 99国产精品一区二区三区| 成年版毛片免费区| 麻豆乱淫一区二区| 成人特级黄色片久久久久久久| 老熟女久久久| 亚洲成人免费av在线播放| 久久亚洲精品不卡| 捣出白浆h1v1| 91av网站免费观看| 桃红色精品国产亚洲av| av片东京热男人的天堂| 欧美黄色淫秽网站| 在线播放国产精品三级| 久久午夜综合久久蜜桃| 色综合婷婷激情| 曰老女人黄片| 免费在线观看影片大全网站| 欧美av亚洲av综合av国产av| 国产一卡二卡三卡精品| 亚洲九九香蕉| 两性夫妻黄色片| 一进一出抽搐动态| 亚洲精品国产色婷婷电影| 热re99久久国产66热| 亚洲欧美日韩另类电影网站| 男女午夜视频在线观看| 久久中文看片网| 久久亚洲真实| 精品一区二区三区四区五区乱码| 亚洲精品国产色婷婷电影| 又黄又粗又硬又大视频| 99久久人妻综合| 老司机靠b影院| 国产在线观看jvid| 欧美激情 高清一区二区三区| 叶爱在线成人免费视频播放| 日韩大码丰满熟妇| 人人妻人人澡人人看| 亚洲欧洲精品一区二区精品久久久| 王馨瑶露胸无遮挡在线观看| 美女国产高潮福利片在线看| 韩国精品一区二区三区| 日韩欧美三级三区| 叶爱在线成人免费视频播放| 久久天躁狠狠躁夜夜2o2o| 久久久精品国产亚洲av高清涩受| 欧美成人免费av一区二区三区 | 男人舔女人的私密视频| 亚洲片人在线观看| 免费人成视频x8x8入口观看| 日本wwww免费看| 亚洲 欧美一区二区三区| 麻豆乱淫一区二区| 国产精品久久久av美女十八| www.999成人在线观看| av超薄肉色丝袜交足视频| 国产成人免费观看mmmm| xxxhd国产人妻xxx| 国产亚洲精品久久久久久毛片 | 国产极品粉嫩免费观看在线| 多毛熟女@视频| 久久热在线av| av免费在线观看网站| 亚洲国产精品sss在线观看 | 欧美日韩黄片免| 巨乳人妻的诱惑在线观看| 五月开心婷婷网| 在线观看免费日韩欧美大片| 亚洲综合色网址| 成人精品一区二区免费| 超碰97精品在线观看| 在线观看一区二区三区激情| 亚洲av美国av| 老鸭窝网址在线观看| 十分钟在线观看高清视频www| 亚洲精品久久午夜乱码| 变态另类成人亚洲欧美熟女 | 欧美丝袜亚洲另类 | 男女之事视频高清在线观看| 男人的好看免费观看在线视频 | 日韩欧美一区二区三区在线观看 | 久久久精品国产亚洲av高清涩受| 久久热在线av| 少妇 在线观看| 国产真人三级小视频在线观看| 国产精品偷伦视频观看了| 精品久久久精品久久久| 亚洲欧美色中文字幕在线| 桃红色精品国产亚洲av| 天天躁日日躁夜夜躁夜夜| 一区福利在线观看| 一区在线观看完整版| 亚洲一区中文字幕在线| 亚洲熟妇中文字幕五十中出 | 精品午夜福利视频在线观看一区| 亚洲精品国产区一区二| 黄色视频,在线免费观看| 亚洲第一欧美日韩一区二区三区| 麻豆乱淫一区二区| 精品免费久久久久久久清纯 | 人人妻人人爽人人添夜夜欢视频| 国产极品粉嫩免费观看在线| 无限看片的www在线观看| 村上凉子中文字幕在线| 成年人免费黄色播放视频| 精品国产乱码久久久久久男人| 交换朋友夫妻互换小说| 国内久久婷婷六月综合欲色啪| 亚洲色图av天堂| 他把我摸到了高潮在线观看| 亚洲欧美一区二区三区黑人| 久久人妻av系列| 亚洲全国av大片| 91成年电影在线观看| 婷婷丁香在线五月| 国产亚洲精品久久久久久毛片 | 精品国内亚洲2022精品成人 | 亚洲av电影在线进入| 成人国语在线视频| 又紧又爽又黄一区二区| 久久国产精品大桥未久av| 大片电影免费在线观看免费| 成年人午夜在线观看视频| 村上凉子中文字幕在线| 一本一本久久a久久精品综合妖精| 欧美在线一区亚洲| 一级作爱视频免费观看| 高清av免费在线| 国产99久久九九免费精品| 欧美日韩精品网址| 国产日韩欧美亚洲二区| 一二三四社区在线视频社区8| 亚洲久久久国产精品| 欧美激情高清一区二区三区| 亚洲精品自拍成人| 99热网站在线观看| 国产aⅴ精品一区二区三区波| 香蕉久久夜色| 亚洲专区国产一区二区| 新久久久久国产一级毛片| 九色亚洲精品在线播放| 亚洲欧美色中文字幕在线| 亚洲七黄色美女视频| 一级毛片女人18水好多| 十八禁高潮呻吟视频| 午夜精品在线福利| 国产精品一区二区精品视频观看| 国产精品av久久久久免费| av天堂久久9| 日本五十路高清| 一夜夜www| 怎么达到女性高潮| 天天影视国产精品| 国产精品偷伦视频观看了| 9191精品国产免费久久| 另类亚洲欧美激情| 老司机午夜十八禁免费视频| 欧美亚洲日本最大视频资源| 又大又爽又粗| 亚洲专区字幕在线| 国产免费现黄频在线看| 伦理电影免费视频| 精品亚洲成国产av| 狠狠婷婷综合久久久久久88av| 91老司机精品| 日韩 欧美 亚洲 中文字幕| 麻豆国产av国片精品| 亚洲欧美一区二区三区久久| 欧美老熟妇乱子伦牲交| 可以免费在线观看a视频的电影网站| 999久久久国产精品视频| 桃红色精品国产亚洲av| 欧美 亚洲 国产 日韩一| 99re6热这里在线精品视频| 女人精品久久久久毛片| 亚洲va日本ⅴa欧美va伊人久久| 两个人免费观看高清视频| 黄片大片在线免费观看| 国产99久久九九免费精品| 久久人人97超碰香蕉20202| 人妻一区二区av| 后天国语完整版免费观看| 国产精品永久免费网站| 国产精品99久久99久久久不卡| tube8黄色片| 亚洲av欧美aⅴ国产| 丁香六月欧美| 日韩 欧美 亚洲 中文字幕| 欧美色视频一区免费| 色老头精品视频在线观看| a级片在线免费高清观看视频| 成人手机av| 成人精品一区二区免费| 亚洲成人免费av在线播放| 久久性视频一级片| 在线观看舔阴道视频| 中文字幕人妻丝袜一区二区| 国产亚洲欧美精品永久| 久久久精品区二区三区| 久久久国产精品麻豆| 大码成人一级视频| 欧美成人午夜精品| 亚洲精品粉嫩美女一区| 大码成人一级视频| 女人高潮潮喷娇喘18禁视频| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲精品自拍成人| 日日摸夜夜添夜夜添小说| 精品乱码久久久久久99久播| 久久精品国产99精品国产亚洲性色 | 12—13女人毛片做爰片一| 精品国产乱码久久久久久男人| 人妻丰满熟妇av一区二区三区 | 亚洲精品粉嫩美女一区| 色婷婷av一区二区三区视频| 欧美成人午夜精品| 叶爱在线成人免费视频播放| 国产精品 欧美亚洲| 一级黄色大片毛片| 一个人免费在线观看的高清视频| 精品久久久久久久久久免费视频 | 精品电影一区二区在线| 最新的欧美精品一区二区| 亚洲欧美精品综合一区二区三区| 成年人免费黄色播放视频| 高清在线国产一区| 亚洲国产精品sss在线观看 | 久久久久久久精品吃奶| 91大片在线观看| 国产真人三级小视频在线观看| 黄色片一级片一级黄色片| 国产无遮挡羞羞视频在线观看| 久久天躁狠狠躁夜夜2o2o| 久久国产精品人妻蜜桃| 亚洲美女黄片视频| 色综合欧美亚洲国产小说| 他把我摸到了高潮在线观看| 国产激情欧美一区二区| 香蕉丝袜av| 777久久人妻少妇嫩草av网站| 91国产中文字幕| 91字幕亚洲| 狂野欧美激情性xxxx| av视频免费观看在线观看| 我的亚洲天堂| 99国产综合亚洲精品| 免费在线观看视频国产中文字幕亚洲| 在线观看午夜福利视频| 大型黄色视频在线免费观看| 色综合欧美亚洲国产小说| 91麻豆精品激情在线观看国产 | 国产亚洲一区二区精品| 免费看十八禁软件| 岛国在线观看网站| 另类亚洲欧美激情| 大香蕉久久网| 人人澡人人妻人| 人妻 亚洲 视频| 成人三级做爰电影| 巨乳人妻的诱惑在线观看| 黄色片一级片一级黄色片| 热re99久久精品国产66热6| 亚洲欧美一区二区三区黑人| 午夜福利影视在线免费观看| 免费高清在线观看日韩| 99国产精品99久久久久| 精品人妻熟女毛片av久久网站| 校园春色视频在线观看| 一a级毛片在线观看| 久久久国产一区二区| 午夜福利欧美成人| 人妻久久中文字幕网| 国产精华一区二区三区| 国产精品国产高清国产av | 成人国语在线视频| 国产一区有黄有色的免费视频| 亚洲成a人片在线一区二区| 男女午夜视频在线观看| 久久这里只有精品19| 十八禁高潮呻吟视频| 69精品国产乱码久久久| 三上悠亚av全集在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美 日韩 精品 国产| 免费观看a级毛片全部| 999久久久精品免费观看国产| 少妇裸体淫交视频免费看高清 | 99精品欧美一区二区三区四区| 熟女少妇亚洲综合色aaa.| 天天躁夜夜躁狠狠躁躁| a在线观看视频网站| 欧美 亚洲 国产 日韩一| 成人免费观看视频高清| 亚洲在线自拍视频| 精品一区二区三卡| 狂野欧美激情性xxxx| 午夜福利视频在线观看免费| 午夜老司机福利片| 男人舔女人的私密视频| av福利片在线| 国产精品综合久久久久久久免费 | 日日摸夜夜添夜夜添小说| av免费在线观看网站| 日韩视频一区二区在线观看| 亚洲 欧美一区二区三区| 两个人免费观看高清视频| 久久久国产一区二区| 国产又爽黄色视频| 免费在线观看日本一区| 亚洲九九香蕉| 在线观看免费视频日本深夜| 亚洲精品自拍成人| 麻豆成人av在线观看| 亚洲欧美一区二区三区黑人| 国精品久久久久久国模美| 免费高清在线观看日韩| 美国免费a级毛片| 91av网站免费观看| 99久久99久久久精品蜜桃| 大陆偷拍与自拍| 韩国av一区二区三区四区| 日韩欧美免费精品| 亚洲国产精品合色在线| 亚洲av熟女| 少妇 在线观看| 如日韩欧美国产精品一区二区三区| 亚洲熟女毛片儿| 日韩人妻精品一区2区三区| 色老头精品视频在线观看| 黄频高清免费视频| 免费在线观看视频国产中文字幕亚洲| 久久久国产精品麻豆| 一级毛片女人18水好多| 大香蕉久久网| 久久国产亚洲av麻豆专区| 国产av精品麻豆| 超碰成人久久| 亚洲av欧美aⅴ国产| 变态另类成人亚洲欧美熟女 | 亚洲精品国产色婷婷电影| 久久天堂一区二区三区四区| 国产精品一区二区在线不卡| 99国产精品免费福利视频| 免费在线观看日本一区| 99精品欧美一区二区三区四区| 最近最新中文字幕大全电影3 | 无遮挡黄片免费观看| 日本vs欧美在线观看视频| 少妇粗大呻吟视频| 国产av又大| 国产99白浆流出| 99精品久久久久人妻精品| 一进一出抽搐gif免费好疼 | 一进一出抽搐动态| 欧美+亚洲+日韩+国产| 美女 人体艺术 gogo| 国产无遮挡羞羞视频在线观看| 一区福利在线观看| 精品欧美一区二区三区在线| 亚洲精品久久成人aⅴ小说| 最近最新中文字幕大全电影3 | 纯流量卡能插随身wifi吗| 操出白浆在线播放| 午夜影院日韩av| 国产成人啪精品午夜网站| 亚洲,欧美精品.| 日日夜夜操网爽| 国产精品av久久久久免费| 亚洲国产精品合色在线| 中亚洲国语对白在线视频| 丝袜在线中文字幕| 日本vs欧美在线观看视频| 日本欧美视频一区| √禁漫天堂资源中文www| 久久久精品免费免费高清| 黄色a级毛片大全视频| 露出奶头的视频| 曰老女人黄片| 欧美精品一区二区免费开放| 韩国精品一区二区三区| 亚洲欧美激情综合另类| 欧美精品高潮呻吟av久久| 欧美一级毛片孕妇| 久久精品国产清高在天天线| 亚洲色图综合在线观看| 黄色视频,在线免费观看| 久久精品亚洲熟妇少妇任你| 亚洲av日韩在线播放| 亚洲五月色婷婷综合| 久9热在线精品视频| 亚洲少妇的诱惑av| 午夜久久久在线观看| 人妻一区二区av| 看片在线看免费视频| 国内毛片毛片毛片毛片毛片| 天天躁日日躁夜夜躁夜夜| 久久中文字幕人妻熟女| 欧美日韩国产mv在线观看视频| 90打野战视频偷拍视频| 国产在视频线精品| 亚洲av日韩在线播放| 亚洲色图av天堂| 18禁裸乳无遮挡免费网站照片 | 人人澡人人妻人| 90打野战视频偷拍视频| 午夜福利乱码中文字幕|