• <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DPI的用戶興趣實(shí)時(shí)分類

    2016-02-08 03:56:28陳康付華崢陳翀張宇藝韋譽(yù)
    電信科學(xué) 2016年12期
    關(guān)鍵詞:分類文本用戶

    陳康,付華崢,陳翀,張宇藝,韋譽(yù)

    (1.中國電信股份有限公司廣州研究院,廣東 廣州 510630;2.廣東工業(yè)大學(xué)計(jì)算機(jī)學(xué)院,廣東 廣州 510006;3.廣州優(yōu)億信息科技有限公司,廣東 廣州 510630)

    運(yùn)營技術(shù)廣角

    基于DPI的用戶興趣實(shí)時(shí)分類

    陳康1,付華崢1,陳翀1,張宇藝2,韋譽(yù)3

    (1.中國電信股份有限公司廣州研究院,廣東 廣州 510630;2.廣東工業(yè)大學(xué)計(jì)算機(jī)學(xué)院,廣東 廣州 510006;3.廣州優(yōu)億信息科技有限公司,廣東 廣州 510630)

    近年來,隨著大數(shù)據(jù)發(fā)展熱潮興起,電信運(yùn)營商能獲得的DPI數(shù)據(jù)規(guī)模越來越大。如何對(duì)如此海量的DPI數(shù)據(jù)進(jìn)行實(shí)時(shí)的挖掘和分類是運(yùn)營商研究的熱點(diǎn)。設(shè)計(jì)了一種基于混合n-gram特征的URL分類算法和基于Doc2Vec模型的文本分類算法相結(jié)合的DPI數(shù)據(jù)分類方法,大大提高了DPI數(shù)據(jù)的分類速度和分類準(zhǔn)確率,為電信運(yùn)營商進(jìn)行精準(zhǔn)營銷提供了良好的基礎(chǔ)。

    DPI;URL分類;文本分類;n-gram;Doc2Vec

    1 引言

    隨著通信行業(yè)的深度變革,國內(nèi)通信行業(yè)的市場環(huán)境和競爭格局發(fā)生了根本性的變化。在企業(yè)服務(wù)質(zhì)量差異較小、價(jià)格競爭瓶頸狀況明顯的情況下,企業(yè)自身運(yùn)營能力的提升將是企業(yè)在激烈的競爭中掌握主動(dòng)權(quán)的一個(gè)關(guān)鍵轉(zhuǎn)折點(diǎn)。根據(jù)用戶的消費(fèi)信息挖掘出不同消費(fèi)群體的需求,為用戶提供更加優(yōu)質(zhì)的服務(wù),提升用戶對(duì)電信運(yùn)營商的滿意度和黏性,這將是電信企業(yè)技術(shù)研究的重要方向,也是響應(yīng)“互聯(lián)網(wǎng)+”戰(zhàn)略的重要舉措。

    當(dāng)前,隨著大數(shù)據(jù)相關(guān)技術(shù)迅速發(fā)展,電信運(yùn)營商開始建立基于數(shù)據(jù)挖掘的商業(yè)智能系統(tǒng)。同時(shí),電信企業(yè)能夠獲取的用戶數(shù)據(jù)越來越豐富,其中包括:產(chǎn)品/服務(wù)使用信息、用戶基本信息、語音話單數(shù)據(jù)、用戶上網(wǎng)數(shù)據(jù)和信令數(shù)據(jù)等。通過DPI(deep packet inspection,深度分組檢測(cè))分析技術(shù),能夠較好地識(shí)別網(wǎng)絡(luò)上的流量類別、應(yīng)用層上的應(yīng)用種類等。然后基于DPI數(shù)據(jù)進(jìn)行分析挖掘,可以形成一套完整豐富、動(dòng)態(tài)更新的用戶行為標(biāo)簽體系?;谒鶚?gòu)建的用戶標(biāo)簽,電信運(yùn)營商可以充分地了解用戶的需求,從而實(shí)現(xiàn)精準(zhǔn)化營銷、提升營銷效果[1]。在構(gòu)建用戶標(biāo)簽體系的過程中,一個(gè)重要的工作是對(duì)能夠反映用戶興趣的DPI數(shù)據(jù)進(jìn)行實(shí)時(shí)的分類。傳統(tǒng)的分類方法有兩種,一種是基于DPI數(shù)據(jù)中的URL來分類,另一種是基于用戶DPI數(shù)據(jù)對(duì)應(yīng)的網(wǎng)頁內(nèi)容分類?;赨RL進(jìn)行分類的速度較快,但在準(zhǔn)確性方面卻略顯不足,而基于網(wǎng)頁內(nèi)容進(jìn)行分類的準(zhǔn)確性較高,但在處理海量的DPI數(shù)據(jù)時(shí),通過獲取DPI數(shù)據(jù)中的URL字段對(duì)應(yīng)的網(wǎng)頁內(nèi)容再進(jìn)行分類是不現(xiàn)實(shí)的。在電信運(yùn)營商每天要處理的信息量規(guī)模巨大的今天,迫切需要一個(gè)高效、準(zhǔn)確的分類方法。

    鑒于此,本文提出了一種基于混合n-gram特征的URL分類算法和基于Doc2Vec模型的文本分類算法相結(jié)合的DPI分類方法,實(shí)現(xiàn)了對(duì)超大規(guī)模的用戶上網(wǎng)DPI數(shù)據(jù)的快速分類以及分類器的自動(dòng)學(xué)習(xí)和更新。相比于現(xiàn)有的分類模型,本文實(shí)現(xiàn)了以下方面的提高:在URL分類上,URL的類別特征表示使用的是混合n-gram,參考文獻(xiàn)[2]很好地闡述了URL的混合n-gram的特征表示的優(yōu)越性,減少了很多關(guān)鍵詞的遺漏,提高了分類的準(zhǔn)確度;在文本分類上,使用Doc2Vec實(shí)現(xiàn)了文檔的語義表達(dá),并在此基礎(chǔ)上實(shí)現(xiàn)了更為精準(zhǔn)的文本分類;對(duì)于海量的用戶DPI數(shù)據(jù),通過結(jié)合以上的兩種分類方法,即URL分類和文本分類,設(shè)計(jì)了一個(gè)新的DPI分類架構(gòu),達(dá)到了較好的實(shí)時(shí)分類效果,大大提高了對(duì)DPI數(shù)據(jù)分類的速度和準(zhǔn)確度。

    2 電信運(yùn)營商的DPI數(shù)據(jù)

    DPI技術(shù)是一種基于應(yīng)用層的流量監(jiān)測(cè)和控制的技術(shù)。DPI技術(shù)除了分析IP分組的4層以下的內(nèi)容,即源地址、源端口、目的地址、目的端口和協(xié)議類型外,還增加了應(yīng)用層分析,用以辨別各種業(yè)務(wù)和應(yīng)用,從而得到業(yè)務(wù)類型、業(yè)務(wù)狀態(tài)和業(yè)務(wù)內(nèi)容等信息。寬帶DPI數(shù)據(jù)格式定義見表1。

    表1 寬帶DPI數(shù)據(jù)格式定義

    通過DPI技術(shù),電信運(yùn)營商能夠展開有針對(duì)性的營銷,有效地進(jìn)行業(yè)務(wù)識(shí)別、業(yè)務(wù)控制和業(yè)務(wù)統(tǒng)計(jì),從而能充分地挖掘出自身的價(jià)值,在激烈的競爭中處于有利的地位。

    [3]得,中國電信全網(wǎng)根據(jù)用戶互聯(lián)網(wǎng)訪問的DPI數(shù)據(jù)信息的差異,分為公有信息和協(xié)議特有信息。本文主要針對(duì)HTTP特有的協(xié)議信息進(jìn)行了深入探討。其中,對(duì)于該協(xié)議信息中的URL字段是本文中對(duì)用戶DPI數(shù)據(jù)進(jìn)行URL分類和文本分類的基礎(chǔ)。

    3 DPI數(shù)據(jù)分類相關(guān)技術(shù)

    隨著大數(shù)據(jù)的蓬勃發(fā)展,針對(duì)獲得的海量DPI數(shù)據(jù),各大電信運(yùn)營商的大數(shù)據(jù)研發(fā)團(tuán)隊(duì)對(duì)此進(jìn)行了不同程度的深入挖掘研究,其中涉及的關(guān)鍵技術(shù)有URL分類和文本分類。

    在URL分類的研究方面,參考文獻(xiàn)[3]使用爬蟲技術(shù)建立的豐富的URL類別庫結(jié)合人工標(biāo)注的方式構(gòu)建URL分類體系,作為實(shí)現(xiàn)對(duì)DPI數(shù)據(jù)結(jié)構(gòu)化轉(zhuǎn)換與分類的基礎(chǔ)。該方案對(duì)于電信運(yùn)營商利用用戶DPI數(shù)據(jù)進(jìn)行深入挖掘分類研究有一定參考價(jià)值。然而,在URL分類失敗的情況下,只討論了人工識(shí)別環(huán)節(jié),這使得在所構(gòu)建的URL分類體系上存在頑健性較差的問題。參考文獻(xiàn)[2]與參考文獻(xiàn)[4]提出的兩種URL分類方法有一個(gè)共同的特點(diǎn),就是將URL當(dāng)作文本進(jìn)行分類。在傳統(tǒng)文本分類中,需要先對(duì)文本進(jìn)行特征提取,因此URL特征提取是URL分類中很重要的步驟。參考文獻(xiàn)[2]提出了一種單一n-gram的特征提取方式,但這會(huì)導(dǎo)致很多關(guān)鍵詞的遺漏,降低分類的準(zhǔn)確率。

    參考文獻(xiàn)[5]很好地闡述了URL分類的優(yōu)點(diǎn),如分類速度快,但是在準(zhǔn)確性方面,由于URL中包含的類別信息有限,所以分類準(zhǔn)確性不高。對(duì)于海量的DPI用戶數(shù)據(jù),除了直接使用URL進(jìn)行分類,還可以通過獲取URL對(duì)應(yīng)的文本內(nèi)容進(jìn)行分類。在文本分類中,傳統(tǒng)的分類算法包括:Rocchio線性分類算法、基于實(shí)例的k最近鄰分類算法(k-nearest neighbor,kNN)、樸素貝葉斯分類算法(na?ve Bayes,NB)、決策樹分類算法(decision tree,DT)、基于支持向量機(jī)的分類算法(support vector machine,SVM)。本文中的文本分類使用的是基于SVM的分類算法。參考文獻(xiàn)[6]與參考文獻(xiàn)[7]很好地深入分析了基于SVM的文本分類算法,并研究指出了SVM是一種具有很好的泛化能力和出色的分類性能的技術(shù)。在傳統(tǒng)的分類模型中,文本分類算法是基于關(guān)鍵詞向量的,這損失了文本中的語義信息。因此,本文中使用的是基于Doc2Vec模型的文本分類算法,這實(shí)現(xiàn)了文檔的語義表達(dá),并在此基礎(chǔ)上實(shí)現(xiàn)了更為精準(zhǔn)的文本分類。對(duì)于文本分類,由參考文獻(xiàn)[8]可知,學(xué)術(shù)界已經(jīng)做了大量的技術(shù)積累。相比于URL分類,文本分類準(zhǔn)確性高。但是在處理大規(guī)模的DPI數(shù)據(jù)時(shí),文本分類還是存在一些值得學(xué)術(shù)界深入研究和突破的瓶頸:首先由于下載量大,給網(wǎng)絡(luò)的帶寬帶來了較大的負(fù)載;其次就是分類時(shí)延高,用戶體驗(yàn)較差。

    4 DPI數(shù)據(jù)分類算法

    對(duì)于海量的DPI數(shù)據(jù)分類,單獨(dú)使用URL分類或文本分類,都存在較為明顯的缺陷。鑒于此,本文選擇基于混合n-gram特征的URL分類算法和基于Doc2Vec模型的文本分類算法相結(jié)合的DPI數(shù)據(jù)分類方法,實(shí)現(xiàn)了對(duì)超大規(guī)模的用戶上網(wǎng)記錄實(shí)時(shí)、高效、準(zhǔn)確地分類。圖1展示了本文設(shè)計(jì)的DPI數(shù)據(jù)分類流程。若URL分類器對(duì)待分類的DPI數(shù)據(jù)中的URL分類成功,則直接返回分類結(jié)果;若分類失敗,則提取該DPI數(shù)據(jù)中的URL對(duì)應(yīng)的網(wǎng)頁正文,然后用文本分類器對(duì)其進(jìn)行分類,返回分類結(jié)果并更新URL分類器,以此增加URL分類器的分類內(nèi)容儲(chǔ)備,從而提高URL分類器對(duì)DPI數(shù)據(jù)中URL的分類速度和分類成功率,提升整體分類效率。

    4.1 URL分類

    如參考文獻(xiàn)[9]所述,URL一般格式為:Protocol://[user: password]@host[:port]/path/[?query][#fragment]。據(jù)觀察,大多數(shù)情況下URL中隱含有類別的信息。各個(gè)網(wǎng)站的URL組織的風(fēng)格不一致,但相同類別網(wǎng)站的URL具有一定的規(guī)律性,即URL中的一些片段隱含有類別的信息。鑒于此,提出了一個(gè)基于n-gram的URL分類算法,基本思想是使用n-gram實(shí)現(xiàn)URL的特征提取,并結(jié)合TF-IDF對(duì)特征進(jìn)行篩選,然后使用樸素貝葉斯分類器進(jìn)行分類。n-gram是一種常用的語言模型,該模型假設(shè)第n個(gè)詞的出現(xiàn)只與前面n-1個(gè)詞相關(guān),而與其他任何詞都不相關(guān)[10]。因此,在對(duì)URL進(jìn)行特征提取時(shí),選取一系列連續(xù)的n個(gè)字母的子字符串作為URL的特征。

    以網(wǎng)頁http://www.allwatchers.com/Topics/Info_3922.asp中的“allwatchers”為例,進(jìn)行n-gram的切割后得到的詞組見表2中的前3行。對(duì)“allwatchers”進(jìn)行切割,得到單詞“all”“watch”“watchers”這樣的短詞組合才是有意義的。但在單一的n值的情況下,“all”與“watch”不能同時(shí)存在,“allwatchers”中的信息并沒有被充分利用。n-gram算法很難選擇最佳的n值。如果n太小或者太大,URL中的關(guān)鍵字會(huì)被分割或被拼湊成其他的模樣,信息就會(huì)丟失,而通常情況下這些關(guān)鍵詞能夠反映出URL類別的特征。為了解決這個(gè)問題,本文不使用單一的n值,選用了一種all-gram的思想,即使用一系列的n來分割URL。通過這樣的方法生成的n-gram子串,會(huì)減少很多關(guān)鍵詞的遺漏,如表2中的最后一行,選取3、4、5作為n值的時(shí)候,分割得到的詞集中既有“all”,也有“watch”。

    圖1 DPI數(shù)據(jù)進(jìn)行URL分類和正文分類流程

    表2 allwatchers切割后的詞集

    經(jīng)過n-gram分割后得到了長度不一的短詞,然后通過計(jì)算得到詞頻,再代入由樸素貝葉斯公式變化得到的式子中即可計(jì)算出該URL所屬分類的概率。樸素貝葉斯分類是一種較為簡單的分類算法,其通過求解待分類項(xiàng)出現(xiàn)的條件下各個(gè)類別出現(xiàn)的概率,然后將待分類項(xiàng)歸為概率值最大的類別:

    分類概率的計(jì)算式見式(1),URL經(jīng)過all-gram處理后得到n個(gè)短詞,分別為w1,w2,…,wi,…,wn?,F(xiàn)有個(gè)類別,分別為C1,C2,…,Ci,…,Cn。P(w1w2…wn)代表URL出現(xiàn)的概率,它的值對(duì)所有的類別均相同。因此這個(gè)問題可以等價(jià)于求解式(2):

    4.2 基于用戶瀏覽內(nèi)容的分類

    用戶瀏覽的內(nèi)容最終會(huì)被轉(zhuǎn)換成文本的形式用于分類,通過文本分類來確定URL所屬的類別。文本分類是通過訓(xùn)練已標(biāo)注的文檔集合,找出文檔特征和文檔類別間的關(guān)系模型,再利用訓(xùn)練得到的關(guān)系模型對(duì)新的文檔進(jìn)行分類。本文使用Doc2Vec模型將文章表征為向量,構(gòu)建SVM分類器,從而實(shí)現(xiàn)文本分類。Doc2Vec是在Word2Vec基礎(chǔ)上提出的文章向量化方法。在文本訓(xùn)練階段用Doc2Vec模型將大量人工分類的文章映射成一定維度的向量集合,然后使用向量集訓(xùn)練SVM分類器。

    在參考文獻(xiàn)[12]中介紹了PV-DBOW與PV-DM兩種Doc2Vec訓(xùn)練模型。PV-DM、PV-DBOW分別與Word2Vec中的cbow、skip-gram相似,區(qū)別是Doc2Vec中的兩個(gè)模型均增加了一個(gè)代表文章的向量(paragraph vector)作為輸入。兩種模型在訓(xùn)練的時(shí)候調(diào)整文章向量,使得其能很好地表示所對(duì)應(yīng)的文章。兩種模型在訓(xùn)練的時(shí)候除了存儲(chǔ)詞的向量外也會(huì)存儲(chǔ)代表文章的文章向量。隨著訓(xùn)練的文章數(shù)量的增加,其存儲(chǔ)文章向量消耗的空間呈線性增長,模型的可擴(kuò)展性不好且訓(xùn)練階段的文章向量對(duì)本文的文本分類用處不大。因此,基于PV-DBOW模型的思想設(shè)計(jì)了一個(gè)將文章表示成向量的模型。該模型把訓(xùn)練步驟拆分為兩步,首先將文章分詞、去停詞后的詞集通過Word2Vec模型映射成向量,再使用映射得到的向量訓(xùn)練出文章的文章向量。本文設(shè)計(jì)的模型結(jié)構(gòu)與PV-DBOW模型的結(jié)構(gòu)相似,不同之處在于PV-DBOW在訓(xùn)練模型的時(shí)候,會(huì)同時(shí)更新詞向量和文章向量,也就是詞向量和文章向量是同時(shí)訓(xùn)練得到的;而本文只是借助了PV-DBOW模型的結(jié)構(gòu),利用已有的詞向量去訓(xùn)練文章向量,也就是說詞向量是需要預(yù)先訓(xùn)練好且不會(huì)更新。

    4.3 DPI實(shí)時(shí)分類系統(tǒng)

    圖2展示了DPI實(shí)時(shí)分類系統(tǒng)的架構(gòu)。清洗器(cleaner)的職責(zé)是對(duì)DPI數(shù)據(jù)進(jìn)行清洗,過濾不能反映用戶行為的DPI數(shù)據(jù)。如用戶瀏覽網(wǎng)頁時(shí),除了目標(biāo)網(wǎng)站的URL請(qǐng)求外,瀏覽器還會(huì)在后臺(tái)請(qǐng)求css、js、gif等無法反映用戶行為的數(shù)據(jù)。分類器(classifier)的作用是對(duì)待分類的DPI數(shù)據(jù)中的URL字段進(jìn)行分類,若分類成功則直接返回分類結(jié)果;若分類失敗,則寫入U(xiǎn)RL到反饋隊(duì)列(queue)。反饋隊(duì)列中的URL會(huì)被爬蟲提取并抓取用戶瀏覽的內(nèi)容轉(zhuǎn)換成文本數(shù)據(jù)。得到的文本數(shù)據(jù)最終會(huì)被分類訓(xùn)練器(classifier trainer)進(jìn)行文本分類,返回處理結(jié)果并更新分類器。

    分類結(jié)果最終輸出給寫(writer)模塊進(jìn)行存儲(chǔ)。系統(tǒng)架構(gòu)如圖2所示。

    圖2 系統(tǒng)架構(gòu)

    5 實(shí)驗(yàn)與分析

    5.1 實(shí)驗(yàn)數(shù)據(jù)的獲取

    本文所涉及的實(shí)驗(yàn)需要海量的DPI數(shù)據(jù)提供支撐,然而電信運(yùn)營商所能獲得的眾多DPI數(shù)據(jù)并沒有標(biāo)注,給分類算法帶來了較為嚴(yán)峻的挑戰(zhàn)。因此,基于這樣的一種思路來獲取實(shí)驗(yàn)所需的DPI數(shù)據(jù):首先,按照業(yè)務(wù)的要求把數(shù)據(jù)源劃分為七大版塊:教育、養(yǎng)老、金融、旅游、汽車、體育以及科學(xué);然后,通過導(dǎo)航網(wǎng)站的不同板塊進(jìn)行搜索或通過搜索網(wǎng)站進(jìn)行關(guān)鍵字搜索。例如:通過寶馬、奔馳等字眼來獲取汽車板塊的內(nèi)容;通過籃球、足球等關(guān)鍵字來獲取體育版塊的內(nèi)容。由于各種類型的導(dǎo)航網(wǎng)站或者是大型的搜索網(wǎng)站,其提供的各個(gè)板塊的內(nèi)容都是廣大群眾所關(guān)注的內(nèi)容,所以,根據(jù)本文所設(shè)計(jì)的方法獲得的DPI數(shù)據(jù)能夠較好地反映出用戶的愛好和興趣。本文對(duì)每一個(gè)板塊都收集足夠數(shù)量的頁面,然后使用爬蟲獲取這些頁面的URL,這樣,每一個(gè)板塊都得到了足夠數(shù)量的URL,接著采用分層抽樣的方法,在每一個(gè)板塊中抽取實(shí)驗(yàn)所需的URL,并獲取該URL對(duì)應(yīng)的頁面內(nèi)容。最后得到實(shí)驗(yàn)所需的有標(biāo)注的URL庫和相應(yīng)的文本庫,可以用于后續(xù)的分析。

    5.2 URL分類準(zhǔn)確率

    本實(shí)驗(yàn)使用單獨(dú)URL分類以及DPI分類算法 (即URL分類結(jié)合文本分類)兩種方法對(duì)同一個(gè)標(biāo)注好的數(shù)據(jù)集進(jìn)行分類,并記錄各分類的準(zhǔn)確率然后進(jìn)行比較[13]。本實(shí)驗(yàn)使用Python3實(shí)現(xiàn)實(shí)驗(yàn)算法。本實(shí)驗(yàn)使用pyspider來實(shí)現(xiàn)數(shù)據(jù)的抓取,分詞工具使用 jieba提取正文使用boilerpipe,文本表征向量的Doc2Vec、Word2Vec使用的是gensim的庫。經(jīng)過測(cè)試,當(dāng)Word2Vec模型訓(xùn)練的迭代次數(shù)為6時(shí),其發(fā)現(xiàn)語義相近的詞語效果最好。

    本實(shí)驗(yàn)使用第5.1節(jié)中獲取的數(shù)據(jù)集,共339 912條數(shù)據(jù)。構(gòu)建URL分類模型的時(shí)候,各個(gè)類別以8∶2的比例隨機(jī)劃分訓(xùn)練集以及測(cè)試集,混合n-gram參數(shù)值為5、6。為了使實(shí)驗(yàn)具有可對(duì)比性,DPI分類算法中使用的URL分類模型與單獨(dú)使用URL分類方法中的模型為同一個(gè)模型。在DPI分類算法中,URL分類結(jié)果中概率最大的兩個(gè)類別的預(yù)測(cè)值之差小于預(yù)設(shè)的閾值的時(shí)候,判定為分類失敗,然后使用文本分類進(jìn)行分類。文本分類中的SVM分類器使用URL分類模型的訓(xùn)練集中URL對(duì)應(yīng)的文本數(shù)據(jù)向量化后的向量集訓(xùn)練得到。分類失敗的時(shí)候,取URL對(duì)應(yīng)的文本數(shù)據(jù)用Doc2Vec模型向量化后的向量作為SVM分類器的輸入進(jìn)行分類。分類結(jié)果以文本分類結(jié)果為準(zhǔn)。分類結(jié)束后,統(tǒng)計(jì)各分類結(jié)果,實(shí)驗(yàn)結(jié)果如圖3所示。

    圖3 準(zhǔn)確率記錄

    由圖3可見,URL分類結(jié)合文本分類方法相比單一的URL分類方法,分類的準(zhǔn)確率有很大的提升,各分類的準(zhǔn)確率達(dá)到90%以上。

    5.3 基于Storm實(shí)現(xiàn)的URL分類吞吐量實(shí)驗(yàn)

    實(shí)驗(yàn)環(huán)境由10臺(tái)服務(wù)器構(gòu)成,Storm、HDFS部署在其中,操作系統(tǒng)均是CentOS 6.4,CPU為32核,內(nèi)存131 GB。所有節(jié)點(diǎn)使用jdk1.8.0_45版的Java、apache-storm-0.10.0版的Storm、hadoop-2.6.0-cdh5.7.1版的Hadoop。10臺(tái)機(jī)器中選其中1臺(tái)作為Storm的Nimbus、HDFS的namenode,同時(shí)也與其他節(jié)點(diǎn)一樣作為 Storm的 supervisor、HDFS的datanode。

    本實(shí)驗(yàn)程序僅測(cè)試 URL分類模塊功能。Spout從Kafka讀取HDFS上的數(shù)據(jù)交由CleanerBolt過濾不能反映用戶行為的DPI數(shù)據(jù),然后用ClassifierBolt進(jìn)行分類。分類結(jié)果最后由FeedBackBolt輸出。本實(shí)驗(yàn)固定Spout、Bolt的數(shù)目,對(duì)參數(shù)topology.max.spout.pending(簡稱pending)的值進(jìn)行修改,通過其Ack機(jī)制與Metric API計(jì)算并記錄其拓?fù)洌╰opology)的運(yùn)行情況。本文主要關(guān)注處理時(shí)延、處理速率兩個(gè)統(tǒng)計(jì)項(xiàng)。處理時(shí)延是指一個(gè)URL從輸入到輸出分類結(jié)果整個(gè)過程所花的平均時(shí)間。處理速率即每秒處理的URL數(shù)目。根據(jù)業(yè)務(wù)的特點(diǎn)與程序的實(shí)現(xiàn)以及實(shí)際運(yùn)行過程中對(duì)jvm的運(yùn)行情況的觀察,設(shè)置每個(gè)寫模塊的大小為20 GB,jvm的垃圾回收器為G1。Storm吞吐量實(shí)驗(yàn)記錄見表3。

    表3 Storm吞吐量實(shí)驗(yàn)記錄

    調(diào)整pending的作用是設(shè)置每個(gè) Spout有多少 DPI記錄還沒有處理完的時(shí)候停止接收新的記錄,該參數(shù)可以調(diào)整整個(gè)系統(tǒng)中能同時(shí)被處理的記錄的總數(shù)。在本實(shí)驗(yàn)中,當(dāng)Spout、Bolt數(shù)目不變,隨著pending的值增大,處理速率、處理延遲也會(huì)隨之增大。當(dāng)pending的值增大到一定程度后,處理速率會(huì)趨于平緩,處理延遲繼續(xù)增大。此時(shí)的集群的占用率已經(jīng)達(dá)到極限值,即使通過增大pending值增大輸入,處理速率也不會(huì)增長,而隊(duì)列中等待處理DPI記錄數(shù)目增多,等待的總時(shí)間增大,處理延遲也會(huì)增大。等待處理的DPI記錄過多,會(huì)引發(fā)各種問題,如GC時(shí)間增長,處理速率下降,worker內(nèi)存爆滿重啟等。因此,選取合適的pending值對(duì)分類系統(tǒng)的穩(wěn)定高效運(yùn)行至關(guān)重要。

    6 結(jié)束語

    針對(duì)如何更好地挖掘分類數(shù)據(jù)規(guī)模越來越大的DPI數(shù)據(jù)這一問題,提出了一種基于混合n-gram特征的URL分類方法和基于Doc2Vec模型的文本分類方法相結(jié)合的DPI數(shù)據(jù)分類實(shí)時(shí)分布式方案并在Storm上進(jìn)行了實(shí)現(xiàn)。實(shí)驗(yàn)證明,本文提出的DPI數(shù)據(jù)分類方法,在分類速度與準(zhǔn)確率方面達(dá)到了較好的均衡。這為電信運(yùn)營商進(jìn)行實(shí)時(shí)精準(zhǔn)性營銷提供了一個(gè)很好的參考。

    參考文獻(xiàn):

    [1]羅憶祖.DPI技術(shù)助力運(yùn)營商精細(xì)化運(yùn)營 [J].電信網(wǎng)技術(shù), 2009(3):22-24. LUO Y Z.DPIhelpsoperators refinementoperation[J]. Telecommunication Network Technology,2009(3):22-24.

    [2]ABRAMSON M,AHAD W.What'sinaURL?Genre classification from URLs[J].Workshops at the Twenty,2012.

    [3]邊凌燕,賀仁龍,姚曉輝.基于 DPI數(shù)據(jù)挖掘?qū)崿F(xiàn) URL分類掛載的相關(guān)技術(shù)研究[J].電信科學(xué),2013,29(11):6-11. BIAN L Y,HE R L,YAO X H.Research on URL classification with DPI data mining and related technology [J]. Telecommunications Science,2013,29(11):6-11.

    [4]朱麗娜.中文網(wǎng)頁分類特征提取方法研究 [D].北京:中國石油大學(xué),2009. ZHU L N.Research of feature selection for Chinese Web page categorization[D].Beijing:China University of Petroleum,2009. [5]KAN M Y,THI H O N.Fast webpage classification using URL features[C]//14th ACM international conference on Information and knowledge management,October 31-November 5,2005,New York,USA.New York:ACM Press,2005:325-326.

    [6]汪光慶.基于 SVM的網(wǎng)頁分類技術(shù)研究[D].北京:中國石油大學(xué),2011. WANG G Q.The research of Web pages classification based on SVM technique[D].Beijing:China University of Petroleum, 2011.

    [7]陳燃燃.基于 SVM算法的 Web分類研究與實(shí)現(xiàn) [D].北京:北京郵電大學(xué),2009. CHEN R R.Research and implementation of Web classification based on SVM algorithm[D].Beijing:University of Posts and Telecommunications,2009.

    [8]蘇金樹,張博鋒,徐昕.基于機(jī)器學(xué)習(xí)的文本分類技術(shù)研究進(jìn)展[J].軟件學(xué)報(bào),2006,17(9):1848-1859. SU J S,ZHANG B F,XU X.Advances in machine learning based text categorization[J].Journal of Software,2006,17(9): 1848-1859.

    [9]BERNERS-LEE T,MASINTER L,MCCAHILL M.RFC 1738: uniform resource locator[J].Internet Engineering Task Force,1994.

    [10]余小軍,劉峰,張春.基于n-gram文本特征提取的改進(jìn)算法[J].現(xiàn)代計(jì)算機(jī),2012(23):3-7. YU X J,LIU F,ZHANG C.Improved text feature extraction algorithm based on n-gram[J].Modem Computer,2012(23): 3-7.

    [11]鄭霖,徐德華.基于改進(jìn) TFIDF算法的文本分類研究 [J].計(jì)算機(jī)與現(xiàn)代化,2014(9):6-9. ZHENG L,XU D H.Research on text categorization based on improved TFIDF algorithm [J].Computer and Modernization, 2014(9):6-9.

    [12]LE Q V,MIKOLOV T.Distributed representations of sentences and documents[J].Computer Science,2014(14):1188-1196.

    [13]龐觀松,蔣勝益.文本自動(dòng)分類技術(shù)研究綜述.情報(bào)理論與實(shí)踐[J].信息學(xué):理論與應(yīng)用,2012,35(2):123-128. PAND G S,JIANG S y.A survey of automatic text classification techniques[J].Information Studies:Theory&Application,2012, 35(2):123-128.

    陳康(1972-),男,中國電信股份有限公司廣州研究院大數(shù)據(jù)應(yīng)用研發(fā)中心副總經(jīng)理、高級(jí)工程師,主要研究方向?yàn)榉植际接?jì)算、數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)。

    付華崢(1989-),女,現(xiàn)就職于中國電信股份有限公司廣州研究院,主要從事數(shù)據(jù)分析、數(shù)據(jù)挖掘以及大數(shù)據(jù)相關(guān)技術(shù)等方面的研究工作。

    陳翀(1979-),女,中國電信股份有限公司廣州研究院工程師,主要研究方向?yàn)殡娦臝T系統(tǒng)研發(fā)以及數(shù)據(jù)應(yīng)用等,目前專注于大數(shù)據(jù)相關(guān)技術(shù)的研究與應(yīng)用。

    張宇藝(1991-),男,廣東工業(yè)大學(xué)計(jì)算機(jī)學(xué)院碩士生,主要研究方向?yàn)閿?shù)據(jù)挖掘、智能計(jì)算、大數(shù)據(jù)應(yīng)用。

    韋譽(yù)(1991-),男,廣州優(yōu)億信息科技有限公司大數(shù)據(jù)工程師,主要研究方向?yàn)閿?shù)據(jù)挖掘、大數(shù)據(jù)應(yīng)用。

    A real time approach to user interest classification using DPI

    CHEN Kang1,FU Huazheng1,CHEN Chong1,ZHANG Yuyi2,WEI Yu3
    1.Guangzhou Research Institute of China Telecom Co.,Ltd.,Guangzhou 510630,China 2.School of Computer Science and Technology,Guangdong University of Technology,Guangzhou 510006,China 3.Guangzhou Useease Information Technology Co.,Ltd.,Guangzhou 510630,China

    In recent years,with the rapid development of internet,telecom operators can gather more and more DPI data.How to mine and classify huge amounts of DPI data in real time is the key point.A DPI data classification method was presented,which combined the URL classification model based on mixed n-gram features and the Doc2Vec based text classification algorithm.The DPI data classification speed and classification accuracy were greatly improved,and good support for precise marketing was provided.

    DPI,URL classification,text classification,n-gram,Doc2Vec

    TP311

    A

    10.11959/j.issn.1000-0801.2016304

    2016-09-07;

    2016-12-07

    猜你喜歡
    分類文本用戶
    分類算一算
    在808DA上文本顯示的改善
    分類討論求坐標(biāo)
    基于doc2vec和TF-IDF的相似文本識(shí)別
    電子制作(2018年18期)2018-11-14 01:48:06
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    關(guān)注用戶
    商用汽車(2016年11期)2016-12-19 01:20:16
    關(guān)注用戶
    商用汽車(2016年6期)2016-06-29 09:18:54
    關(guān)注用戶
    商用汽車(2016年4期)2016-05-09 01:23:12
    文本之中·文本之外·文本之上——童話故事《坐井觀天》的教學(xué)隱喻
    国产人妻一区二区三区在| 欧美精品一区二区大全| 国产欧美另类精品又又久久亚洲欧美| 亚洲高清免费不卡视频| 欧美极品一区二区三区四区| 国产欧美亚洲国产| 少妇被粗大猛烈的视频| 久久99热这里只频精品6学生| 男人爽女人下面视频在线观看| 一级黄片播放器| 狂野欧美激情性bbbbbb| 亚洲久久久国产精品| 五月开心婷婷网| 久久鲁丝午夜福利片| 夫妻性生交免费视频一级片| 永久免费av网站大全| 国内少妇人妻偷人精品xxx网站| 久热这里只有精品99| 久久久精品免费免费高清| 日韩国内少妇激情av| 99re6热这里在线精品视频| 国产色婷婷99| 日本欧美视频一区| 大话2 男鬼变身卡| 26uuu在线亚洲综合色| 午夜免费鲁丝| 国产黄片美女视频| 亚洲精品日韩av片在线观看| 偷拍熟女少妇极品色| 久久精品国产亚洲网站| 国产毛片在线视频| 这个男人来自地球电影免费观看 | 亚洲性久久影院| 日韩欧美 国产精品| av又黄又爽大尺度在线免费看| 欧美成人一区二区免费高清观看| 久久精品国产亚洲av天美| 看免费成人av毛片| 亚洲精品日韩av片在线观看| 卡戴珊不雅视频在线播放| 国产v大片淫在线免费观看| 尾随美女入室| 亚洲精品日韩av片在线观看| 大片免费播放器 马上看| 纯流量卡能插随身wifi吗| 亚洲久久久国产精品| 亚洲欧美日韩无卡精品| 久久 成人 亚洲| 欧美成人精品欧美一级黄| 国产毛片在线视频| 久久久久精品久久久久真实原创| 国产精品久久久久久av不卡| 精品人妻一区二区三区麻豆| 永久网站在线| 国产精品三级大全| 国产 精品1| 成年女人在线观看亚洲视频| 国内少妇人妻偷人精品xxx网站| 亚洲欧洲日产国产| 少妇 在线观看| 国产av一区二区精品久久 | 国产精品秋霞免费鲁丝片| 91在线精品国自产拍蜜月| 国产精品伦人一区二区| 看十八女毛片水多多多| 国产精品一及| 亚洲成人手机| 国产精品麻豆人妻色哟哟久久| 夜夜看夜夜爽夜夜摸| 成人国产av品久久久| 菩萨蛮人人尽说江南好唐韦庄| 男男h啪啪无遮挡| av线在线观看网站| 免费观看在线日韩| 高清av免费在线| 精品人妻熟女av久视频| 人妻一区二区av| 国产午夜精品久久久久久一区二区三区| 欧美性感艳星| 狠狠精品人妻久久久久久综合| 国产成人精品福利久久| 国产精品国产三级国产av玫瑰| 我要看黄色一级片免费的| 国产色婷婷99| 国产精品福利在线免费观看| 啦啦啦视频在线资源免费观看| 中文字幕免费在线视频6| h日本视频在线播放| www.色视频.com| 亚洲va在线va天堂va国产| 国产 一区 欧美 日韩| 亚洲欧美精品自产自拍| 成人特级av手机在线观看| 秋霞在线观看毛片| 人妻制服诱惑在线中文字幕| 国内揄拍国产精品人妻在线| 日本一二三区视频观看| 成人一区二区视频在线观看| 岛国毛片在线播放| 国产精品av视频在线免费观看| 国产亚洲午夜精品一区二区久久| 女性被躁到高潮视频| 精品视频人人做人人爽| 亚洲av国产av综合av卡| av在线播放精品| 嘟嘟电影网在线观看| 国产精品一区二区三区四区免费观看| 日韩制服骚丝袜av| 男人爽女人下面视频在线观看| tube8黄色片| 黑丝袜美女国产一区| 亚洲av男天堂| 国产成人aa在线观看| 18+在线观看网站| 久久99蜜桃精品久久| 最近中文字幕高清免费大全6| 欧美成人午夜免费资源| 男的添女的下面高潮视频| 91久久精品国产一区二区三区| 国产精品一二三区在线看| 精品少妇黑人巨大在线播放| 国产精品一及| 丝袜脚勾引网站| 国产欧美日韩精品一区二区| 欧美日韩在线观看h| 亚洲,一卡二卡三卡| 熟妇人妻不卡中文字幕| 熟女电影av网| 欧美一区二区亚洲| 精品人妻一区二区三区麻豆| 亚洲av中文av极速乱| 亚洲精品久久午夜乱码| 乱码一卡2卡4卡精品| 男女免费视频国产| 久久久久久久精品精品| 日日啪夜夜爽| 久久久亚洲精品成人影院| 99九九线精品视频在线观看视频| 精品人妻一区二区三区麻豆| 亚洲一区二区三区欧美精品| 亚洲,一卡二卡三卡| 中文在线观看免费www的网站| 身体一侧抽搐| 少妇裸体淫交视频免费看高清| 亚洲av不卡在线观看| 熟女电影av网| 一级二级三级毛片免费看| 熟女人妻精品中文字幕| 国产在线视频一区二区| 国产欧美另类精品又又久久亚洲欧美| 免费在线观看成人毛片| 精品国产露脸久久av麻豆| 精品久久国产蜜桃| 干丝袜人妻中文字幕| h日本视频在线播放| 在线观看三级黄色| 女的被弄到高潮叫床怎么办| 欧美xxⅹ黑人| 人人妻人人添人人爽欧美一区卜 | 黄片无遮挡物在线观看| 高清欧美精品videossex| 日韩一区二区视频免费看| 国产精品成人在线| 毛片女人毛片| 亚洲欧美成人精品一区二区| 看非洲黑人一级黄片| 春色校园在线视频观看| 国产毛片在线视频| 国产精品国产三级国产av玫瑰| 免费黄色在线免费观看| 欧美激情极品国产一区二区三区 | 欧美老熟妇乱子伦牲交| 久久久午夜欧美精品| 天天躁日日操中文字幕| 国产成人午夜福利电影在线观看| 色婷婷av一区二区三区视频| 麻豆精品久久久久久蜜桃| 少妇高潮的动态图| 亚洲国产欧美人成| 内地一区二区视频在线| 日韩一本色道免费dvd| 久久99热这里只频精品6学生| av在线老鸭窝| 亚洲美女黄色视频免费看| 王馨瑶露胸无遮挡在线观看| 蜜桃在线观看..| 日韩精品有码人妻一区| 国产美女午夜福利| 人人妻人人澡人人爽人人夜夜| 又粗又硬又长又爽又黄的视频| 久久99热6这里只有精品| 成人亚洲精品一区在线观看 | 97在线人人人人妻| 久久久亚洲精品成人影院| 国产免费视频播放在线视频| 欧美日本视频| 亚洲精品色激情综合| 国产精品国产三级国产专区5o| 看十八女毛片水多多多| 青春草亚洲视频在线观看| 国产精品伦人一区二区| 高清黄色对白视频在线免费看 | 香蕉精品网在线| 亚洲第一区二区三区不卡| 偷拍熟女少妇极品色| 老女人水多毛片| 蜜臀久久99精品久久宅男| av国产久精品久网站免费入址| 亚洲av中文字字幕乱码综合| 九九久久精品国产亚洲av麻豆| 久久久久国产精品人妻一区二区| 久久久久久久久久久免费av| 久久综合国产亚洲精品| 国产成人精品一,二区| av播播在线观看一区| 国语对白做爰xxxⅹ性视频网站| 亚洲人成网站在线观看播放| 国产男人的电影天堂91| 亚洲国产精品国产精品| 蜜臀久久99精品久久宅男| av在线播放精品| 在线观看免费视频网站a站| 少妇丰满av| 亚洲人与动物交配视频| 黑丝袜美女国产一区| 成人18禁高潮啪啪吃奶动态图 | 97热精品久久久久久| 熟女av电影| 七月丁香在线播放| 晚上一个人看的免费电影| 制服丝袜香蕉在线| 久久国产亚洲av麻豆专区| 一级毛片aaaaaa免费看小| 欧美bdsm另类| 亚洲精品中文字幕在线视频 | 亚洲熟女精品中文字幕| 久久久久国产精品人妻一区二区| 天堂中文最新版在线下载| 啦啦啦中文免费视频观看日本| 精品久久久噜噜| 少妇丰满av| 亚洲精品第二区| 国产av精品麻豆| 99九九线精品视频在线观看视频| 亚洲丝袜综合中文字幕| 久久国产乱子免费精品| 久久久久国产精品人妻一区二区| 两个人的视频大全免费| 午夜福利影视在线免费观看| 国产欧美亚洲国产| 免费大片18禁| 国产淫语在线视频| 国产精品一及| 老熟女久久久| 免费播放大片免费观看视频在线观看| 亚洲av综合色区一区| 两个人的视频大全免费| 亚洲欧美清纯卡通| h日本视频在线播放| 亚洲国产精品一区三区| 午夜免费观看性视频| 国产伦精品一区二区三区视频9| 天堂俺去俺来也www色官网| 免费观看在线日韩| 午夜老司机福利剧场| 人妻一区二区av| 日韩av免费高清视频| 久久久久久久久久久丰满| 亚洲欧美精品专区久久| 韩国av在线不卡| 大话2 男鬼变身卡| 18禁在线无遮挡免费观看视频| 欧美高清成人免费视频www| 国产一区亚洲一区在线观看| 乱码一卡2卡4卡精品| 黄片wwwwww| 国产乱来视频区| 身体一侧抽搐| 一本一本综合久久| 免费观看av网站的网址| 免费观看性生交大片5| 国产在线男女| 亚州av有码| 亚洲精品乱码久久久v下载方式| 国产午夜精品久久久久久一区二区三区| 国产精品久久久久久精品电影小说 | 天天躁夜夜躁狠狠久久av| 一区二区三区免费毛片| 亚洲经典国产精华液单| 国产精品久久久久久av不卡| 亚洲最大成人中文| 国产精品精品国产色婷婷| 国产免费又黄又爽又色| 亚洲精品乱久久久久久| 乱码一卡2卡4卡精品| 最新中文字幕久久久久| 中文字幕免费在线视频6| 国产精品成人在线| 欧美3d第一页| 日本av免费视频播放| 熟女人妻精品中文字幕| 亚洲av欧美aⅴ国产| 一区二区三区乱码不卡18| 国产成人精品福利久久| 亚洲aⅴ乱码一区二区在线播放| 久久av网站| 一级毛片电影观看| 国产午夜精品一二区理论片| 少妇的逼好多水| 国产精品麻豆人妻色哟哟久久| 久久99热这里只有精品18| 亚洲av不卡在线观看| 久久99蜜桃精品久久| 亚洲欧美日韩另类电影网站 | 97热精品久久久久久| 九草在线视频观看| 日本av手机在线免费观看| 少妇的逼水好多| 久久久国产一区二区| 中文字幕人妻熟人妻熟丝袜美| 免费播放大片免费观看视频在线观看| 99热这里只有精品一区| 国产一区二区在线观看日韩| 纯流量卡能插随身wifi吗| 国产一区二区三区av在线| 97精品久久久久久久久久精品| 国产成人精品久久久久久| 丰满少妇做爰视频| 在线天堂最新版资源| 欧美xxxx黑人xx丫x性爽| 人妻制服诱惑在线中文字幕| 久久 成人 亚洲| 人妻制服诱惑在线中文字幕| 女人十人毛片免费观看3o分钟| 在线精品无人区一区二区三 | 国产av精品麻豆| 天天躁日日操中文字幕| 性高湖久久久久久久久免费观看| 啦啦啦中文免费视频观看日本| 亚洲,欧美,日韩| 成人18禁高潮啪啪吃奶动态图 | 国产精品一二三区在线看| 亚洲精品乱码久久久久久按摩| 人妻少妇偷人精品九色| 男女啪啪激烈高潮av片| 日韩一区二区三区影片| 欧美日韩在线观看h| 久久精品久久久久久久性| 男人舔奶头视频| av女优亚洲男人天堂| 三级国产精品欧美在线观看| a 毛片基地| 身体一侧抽搐| 水蜜桃什么品种好| 这个男人来自地球电影免费观看 | 人妻少妇偷人精品九色| 亚洲精品乱码久久久久久按摩| 精品人妻熟女av久视频| 亚洲精品日韩在线中文字幕| 国产精品一二三区在线看| 欧美亚洲 丝袜 人妻 在线| 日韩 亚洲 欧美在线| 22中文网久久字幕| 国产精品国产三级国产专区5o| 2022亚洲国产成人精品| 妹子高潮喷水视频| 黄片wwwwww| 亚洲精品国产av蜜桃| 99热国产这里只有精品6| 高清在线视频一区二区三区| 亚洲一级一片aⅴ在线观看| 最近最新中文字幕大全电影3| 日韩大片免费观看网站| 成人美女网站在线观看视频| 国产男人的电影天堂91| 在线观看免费视频网站a站| 精品久久久久久久久av| 免费黄网站久久成人精品| 欧美精品人与动牲交sv欧美| 久久人人爽av亚洲精品天堂 | 婷婷色av中文字幕| 精品酒店卫生间| 色吧在线观看| 狂野欧美白嫩少妇大欣赏| 亚洲av成人精品一区久久| 五月天丁香电影| 国产淫语在线视频| 国产精品国产三级专区第一集| 天堂8中文在线网| 亚洲av综合色区一区| 成人免费观看视频高清| 国产精品免费大片| 午夜精品国产一区二区电影| 22中文网久久字幕| 国产成人免费无遮挡视频| 男女无遮挡免费网站观看| 亚洲真实伦在线观看| 能在线免费看毛片的网站| 国产淫语在线视频| 大片电影免费在线观看免费| 国产精品久久久久久精品古装| 中文天堂在线官网| 成人无遮挡网站| 亚洲欧美日韩东京热| 国国产精品蜜臀av免费| 乱码一卡2卡4卡精品| 婷婷色综合大香蕉| 97精品久久久久久久久久精品| 在线天堂最新版资源| 啦啦啦中文免费视频观看日本| 亚洲av中文字字幕乱码综合| 久久久久久伊人网av| 美女高潮的动态| 1000部很黄的大片| 久久午夜福利片| 十八禁网站网址无遮挡 | 黄色怎么调成土黄色| www.av在线官网国产| 亚洲婷婷狠狠爱综合网| 亚洲av日韩在线播放| 亚洲人与动物交配视频| 国产精品福利在线免费观看| 免费黄网站久久成人精品| 一级毛片 在线播放| 成人综合一区亚洲| 国产精品爽爽va在线观看网站| 伦精品一区二区三区| 女人十人毛片免费观看3o分钟| 久久女婷五月综合色啪小说| 99久久精品国产国产毛片| 欧美精品一区二区大全| 久久精品久久久久久久性| 久久精品国产自在天天线| 国产在线一区二区三区精| 亚州av有码| 人妻 亚洲 视频| 久久人人爽av亚洲精品天堂 | 麻豆成人午夜福利视频| 在线观看免费日韩欧美大片 | 麻豆精品久久久久久蜜桃| 亚洲成人中文字幕在线播放| 亚洲精品一区蜜桃| 九色成人免费人妻av| 午夜免费男女啪啪视频观看| 久久久久人妻精品一区果冻| 国产精品99久久久久久久久| 欧美xxxx黑人xx丫x性爽| 身体一侧抽搐| 日本黄色片子视频| 亚洲伊人久久精品综合| 秋霞伦理黄片| 青青草视频在线视频观看| 国产欧美亚洲国产| 18禁裸乳无遮挡免费网站照片| 成人毛片60女人毛片免费| 少妇 在线观看| 亚洲熟女精品中文字幕| 国产大屁股一区二区在线视频| 亚洲内射少妇av| 国产伦在线观看视频一区| 男男h啪啪无遮挡| 国产成人精品久久久久久| 久久人人爽人人片av| 3wmmmm亚洲av在线观看| 在线观看一区二区三区激情| 成人漫画全彩无遮挡| www.av在线官网国产| 婷婷色综合www| 欧美精品人与动牲交sv欧美| 极品教师在线视频| 久久久久视频综合| 赤兔流量卡办理| 国产av国产精品国产| 色网站视频免费| 精品人妻熟女av久视频| 欧美日韩精品成人综合77777| 精品亚洲成国产av| 我要看日韩黄色一级片| av天堂中文字幕网| 国产人妻一区二区三区在| 欧美日韩视频精品一区| 国产大屁股一区二区在线视频| 国国产精品蜜臀av免费| 少妇高潮的动态图| av女优亚洲男人天堂| 国产一区二区三区av在线| 97在线人人人人妻| 国产精品爽爽va在线观看网站| 大香蕉久久网| 国产精品久久久久久精品电影小说 | 好男人视频免费观看在线| 交换朋友夫妻互换小说| 晚上一个人看的免费电影| 黑人高潮一二区| 亚洲国产精品999| 美女内射精品一级片tv| av网站免费在线观看视频| 如何舔出高潮| 午夜激情久久久久久久| 人人妻人人爽人人添夜夜欢视频 | 午夜激情福利司机影院| 国产精品av视频在线免费观看| 久久精品熟女亚洲av麻豆精品| 青青草视频在线视频观看| 欧美区成人在线视频| 亚洲欧美日韩另类电影网站 | 国产精品伦人一区二区| 国产欧美另类精品又又久久亚洲欧美| 国产成人一区二区在线| 欧美成人一区二区免费高清观看| 亚洲精品日韩在线中文字幕| 国产深夜福利视频在线观看| 一级毛片电影观看| 黄色日韩在线| 最近2019中文字幕mv第一页| 一区二区av电影网| 小蜜桃在线观看免费完整版高清| 嫩草影院入口| freevideosex欧美| av在线app专区| 一级毛片电影观看| 夫妻性生交免费视频一级片| 秋霞在线观看毛片| 一级毛片 在线播放| 亚洲精华国产精华液的使用体验| 丰满少妇做爰视频| av在线观看视频网站免费| 99久久人妻综合| 麻豆国产97在线/欧美| 亚洲国产日韩一区二区| 成年人午夜在线观看视频| 精华霜和精华液先用哪个| 久久国产精品男人的天堂亚洲 | 寂寞人妻少妇视频99o| 男人狂女人下面高潮的视频| 亚洲av福利一区| 99国产精品免费福利视频| 热99国产精品久久久久久7| 成人黄色视频免费在线看| 少妇精品久久久久久久| 观看美女的网站| 日本免费在线观看一区| 干丝袜人妻中文字幕| 国产精品人妻久久久影院| 麻豆成人av视频| 亚洲av免费高清在线观看| 日本午夜av视频| 夜夜爽夜夜爽视频| 91久久精品国产一区二区成人| 国产高潮美女av| 蜜桃久久精品国产亚洲av| 一级毛片电影观看| 精品国产一区二区三区久久久樱花 | 小蜜桃在线观看免费完整版高清| 欧美xxxx黑人xx丫x性爽| av在线观看视频网站免费| 久久久a久久爽久久v久久| 午夜免费鲁丝| 欧美精品一区二区大全| 国产久久久一区二区三区| 噜噜噜噜噜久久久久久91| 在线天堂最新版资源| 国产69精品久久久久777片| 日韩三级伦理在线观看| 人妻制服诱惑在线中文字幕| 国产精品99久久99久久久不卡 | 少妇人妻 视频| 国产在线男女| 一区二区三区乱码不卡18| 国产午夜精品久久久久久一区二区三区| 国产日韩欧美在线精品| 久久 成人 亚洲| 亚洲av国产av综合av卡| 丝袜喷水一区| 亚洲欧美日韩卡通动漫| 亚洲精品视频女| 久久久a久久爽久久v久久| 免费观看性生交大片5| 日韩人妻高清精品专区| 涩涩av久久男人的天堂| 激情 狠狠 欧美| 在线天堂最新版资源| 极品教师在线视频| 免费av中文字幕在线| av福利片在线观看| 欧美3d第一页| 有码 亚洲区| 欧美日韩综合久久久久久| 免费看av在线观看网站| 一级a做视频免费观看| 色网站视频免费| 一级av片app| 夫妻午夜视频| 成人亚洲欧美一区二区av| 热re99久久精品国产66热6| 欧美精品国产亚洲| av福利片在线观看| 一级av片app| 欧美另类一区| 亚洲第一区二区三区不卡| 国产91av在线免费观看| 我要看日韩黄色一级片| 人妻夜夜爽99麻豆av| 内地一区二区视频在线| 久久综合国产亚洲精品| 亚洲av欧美aⅴ国产| 极品少妇高潮喷水抽搐| 久久精品久久精品一区二区三区| 亚洲精品视频女| 成人美女网站在线观看视频| av卡一久久| 国产真实伦视频高清在线观看| 人妻 亚洲 视频| 毛片女人毛片| 日本wwww免费看|