• <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 ?

    基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)①

    2019-12-20 02:31:28蔣宗禮陳浩強張津麗
    計算機系統(tǒng)應(yīng)用 2019年12期
    關(guān)鍵詞:異質(zhì)信息網(wǎng)絡(luò)語義

    蔣宗禮,陳浩強,張津麗

    (北京工業(yè)大學(xué) 信息學(xué)部,北京 100124)

    隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,現(xiàn)實生活中出現(xiàn)了大量的信息網(wǎng)絡(luò),如社交網(wǎng)絡(luò)、論文引用網(wǎng)絡(luò)、電商信息網(wǎng)絡(luò).信息網(wǎng)絡(luò)中包含豐富的數(shù)據(jù)信息,對這些數(shù)據(jù)進行多角度、多層次的分析具有重要意義.例如,分析電商信息網(wǎng)絡(luò)中用戶購物數(shù)據(jù)可獲知用戶的喜好信息,進而可優(yōu)化電商系統(tǒng)中的商品推薦系統(tǒng).但是,信息網(wǎng)絡(luò)中一般包含數(shù)百萬個數(shù)據(jù)節(jié)點和節(jié)點之間的連接(稱為“邊”),因此在原始信息網(wǎng)絡(luò)中執(zhí)行復(fù)雜的推理、操作將消耗大量計算資源.目前,一種行之有效的解決方法是對信息網(wǎng)絡(luò)進行網(wǎng)絡(luò)表征學(xué)習(xí)以降低信息網(wǎng)絡(luò)中數(shù)據(jù)的表示維度.網(wǎng)絡(luò)表征學(xué)習(xí)可將信息網(wǎng)絡(luò)中節(jié)點或者邊映射到低維向量空間,即通過降維處理,得到節(jié)點或者邊的低維、實值、稠密的向量形式,并且在低維空間中具有表示以及推理能力[1].

    目前,信息網(wǎng)絡(luò)表征學(xué)習(xí)研究中大部分工作聚焦于同質(zhì)信息網(wǎng)絡(luò)(信息網(wǎng)絡(luò)中包含單一類型的節(jié)點及單一類型的邊)[2].比如,Perozzi B等[3]首次提出以隨機游走為基礎(chǔ)的網(wǎng)絡(luò)表征學(xué)習(xí)模型DeepWalk.該模型將信息網(wǎng)絡(luò)中數(shù)據(jù)節(jié)點視為單詞,節(jié)點序列視為句子,然后通過隨機游走構(gòu)建由節(jié)點序列組成的語料庫,進而結(jié)合自然語言處理領(lǐng)域中Skip-gram[4]模型學(xué)習(xí)信息網(wǎng)絡(luò)中節(jié)點的低維表征.其實驗結(jié)果表明隨機游走技術(shù)可有效提取信息網(wǎng)絡(luò)中結(jié)構(gòu)信息并應(yīng)用于節(jié)點的表征學(xué)習(xí).在DeepWalk的基礎(chǔ)上Grover A等[5]提出了應(yīng)用深度優(yōu)先隨機游走和廣度優(yōu)先隨機游走提取信息網(wǎng)絡(luò)中結(jié)構(gòu)信息并結(jié)合Skip-gram模型的Node2Vec網(wǎng)絡(luò)表征學(xué)習(xí)模型.相比于DeepWalk模型Node2Vec模型在信息網(wǎng)絡(luò)的低維表征中保留了更多的結(jié)構(gòu)信息,其在分類實驗中的準(zhǔn)確率同樣優(yōu)于DeepWalk模型.除應(yīng)用隨機游走技術(shù)獲取信息網(wǎng)絡(luò)中結(jié)構(gòu)信息進行表征學(xué)習(xí)外,Tang J[6]提出了應(yīng)用節(jié)點間一介相似性和節(jié)點間二階相似性提取網(wǎng)絡(luò)結(jié)構(gòu)信息進行表征學(xué)習(xí)的LINE 模型.此外,Yang C[7]、Cao SS[8]、Tu CC[9]等還提出了基于矩陣分解的網(wǎng)絡(luò)表征學(xué)習(xí)方法.

    相比于同質(zhì)信息網(wǎng)絡(luò),異質(zhì)信息網(wǎng)絡(luò)中包含多種類型的數(shù)據(jù)節(jié)點或者邊[10],導(dǎo)致同質(zhì)信息網(wǎng)絡(luò)的表征學(xué)習(xí)方法不適用于異質(zhì)網(wǎng)絡(luò).異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)中元路徑是一個極其重要的概念,Shi C等[11-13]對此進行了整理、研究.這些研究發(fā)現(xiàn)元路徑可表示節(jié)點類型間的復(fù)合關(guān)系,不同元路徑表示不同的語義信息,基于不同元路徑的表征學(xué)習(xí)方法可造成不同的分析結(jié)果和特征表示.此外,Zhang JL等[14]利用不同元路徑表示的語義信息對異質(zhì)信息網(wǎng)絡(luò)進行表征學(xué)習(xí).在元路徑的基礎(chǔ)上Dong YX等[15]提出了Metapath2Vec異質(zhì)信息網(wǎng)絡(luò)表征學(xué)習(xí)模型.該模型首次應(yīng)用基于元路徑的隨機游走獲取異質(zhì)網(wǎng)絡(luò)中的結(jié)構(gòu)信息并結(jié)合Skip-gram模型學(xué)習(xí)異質(zhì)網(wǎng)絡(luò)中節(jié)點的低維表征,從而在低維表征中融入元路徑所表示的語義信息.但是,該模型僅基于單條元路徑對異質(zhì)網(wǎng)絡(luò)進行隨機游走以獲取異質(zhì)信息網(wǎng)絡(luò)的結(jié)構(gòu)信息.然而異質(zhì)信息網(wǎng)絡(luò)中存在多條元路徑,導(dǎo)致Metapath2Vec模型學(xué)習(xí)的低維表征中缺失原始網(wǎng)絡(luò)中部分結(jié)構(gòu)信息和其它元路徑表示的語義信息.

    針對上述問題,本文提出了基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征.該表征學(xué)習(xí)方法首先針對異質(zhì)網(wǎng)絡(luò)提取元路徑集合,然后學(xué)習(xí)元路徑權(quán)重并以此為基礎(chǔ)對基于不同元路徑的低維表征進行加權(quán)融合,得到一個低維、實值、稠密且融合不同元路徑語義信息的異質(zhì)網(wǎng)絡(luò)表征.該低維表征中包含豐富的結(jié)構(gòu)信息以及不同元路徑表示的語義信息.本文的主要貢獻可概括為以下3點:

    (1)在異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)中引入元路徑權(quán)重,通過對基于不同元路徑的低維表征進行加權(quán)融合,解決了低維表征中缺失原始網(wǎng)絡(luò)中結(jié)構(gòu)信息以及缺失其它元路徑表示的語義信息問題.

    (2)基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)在不同數(shù)據(jù)規(guī)模的異質(zhì)網(wǎng)絡(luò)中具有良好的表征學(xué)習(xí)能力,并可有效應(yīng)用于數(shù)據(jù)挖掘.

    (3)在實際數(shù)據(jù)集上進行的對比試驗驗證了基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法的正確性、有效性.

    1 基本概念

    信息網(wǎng)絡(luò)[12]用于表示由數(shù)據(jù)節(jié)點以及節(jié)點之間聯(lián)系組成的數(shù)據(jù)網(wǎng)絡(luò),可定義為有向圖.

    定義1.信息網(wǎng)絡(luò)G=(V,E),其中V表示信息網(wǎng)絡(luò)中數(shù)據(jù)節(jié)點的集合,E表示節(jié)點之間邊的集合.定義映射函數(shù) Φ :V→A表示節(jié)點與節(jié)點類型之間的映射關(guān)系,即對任意節(jié)點v∈V都有唯一的節(jié)點類型 Φ(v)∈A與之對應(yīng).定義映射函數(shù) Ψ :E→R表示邊與邊類型之間的映射關(guān)系,即對任意一條邊e∈E都有唯一的邊類型Ψ(e)∈R與之對應(yīng).當(dāng)節(jié)點類型數(shù)|A|>1或者邊類型數(shù)|R|>1時,該信息網(wǎng)絡(luò)為異質(zhì)信息網(wǎng)絡(luò).

    如圖1(a)所示,作者合著網(wǎng)絡(luò)為同質(zhì)信息網(wǎng)絡(luò),其中只包含作者類型的數(shù)據(jù)節(jié)點以及表示節(jié)點之間合著關(guān)系的邊.圖1(b)所示的學(xué)術(shù)文獻網(wǎng)絡(luò)為異質(zhì)信息網(wǎng)絡(luò),其中包含3種節(jié)點類型,分別為作者、文章、會議.同時,包含兩種邊類型,分別用于表示作者與文章之間的撰寫與被撰寫關(guān)系以及文章與會議之間的發(fā)表與被發(fā)表關(guān)系.

    網(wǎng)絡(luò)模式[10]是信息網(wǎng)絡(luò)G=(V,E)的元級描述.

    定義2.網(wǎng)絡(luò)模式TG=(A,R).其中A為信息網(wǎng)絡(luò)G中節(jié)點類型集合,R為信息網(wǎng)絡(luò)G中邊類型集合.

    例如,在圖1(b)的基礎(chǔ)上可定義學(xué)術(shù)文獻網(wǎng)絡(luò)的網(wǎng)絡(luò)模式.如圖1(c)所示,該網(wǎng)絡(luò)模式為由3種節(jié)點類型和兩種邊類型構(gòu)成的有向圖.

    在網(wǎng)絡(luò)模式的基礎(chǔ)上可定義元路徑[16],用于表示節(jié)點類型間的復(fù)合關(guān)系.

    定義3.給定異質(zhì)信息網(wǎng)絡(luò)的網(wǎng)絡(luò)模式TG=(A,R),其元路徑定義為即在節(jié)點類型A1與Al+1之間定義長度為l的復(fù)合關(guān)系Rc=R1°R2°···°Rl,其中 ° 表示關(guān)系間的復(fù)合算子.

    元路徑不僅刻畫了對象之間的語義關(guān)系,而且能夠提取對象之間的特征信息[16].例如,根據(jù)定義,可基于圖1(c)中的網(wǎng)絡(luò)模式定義學(xué)術(shù)文獻網(wǎng)絡(luò)的元路徑,如APA、APCPA、APAPA等.不同元路徑表示不同的語義信息,比如,APA表示兩個作者合著完成了一篇文章,而APCPA則表示兩個作者在同一個會議中發(fā)表了文章,前者語義中側(cè)重于文章,后者則側(cè)重于會議.

    異質(zhì)信息網(wǎng)絡(luò)中存在多條元路徑,基于不同元路徑的表征學(xué)習(xí)方法可造成不同的分析結(jié)果和特征表示.為表示不同元路徑對異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)的重要程度,本文對元路徑賦予相應(yīng)的權(quán)重值.

    定義4.元路徑集合P={p1,p2,···,pn},對于任意一條元路徑pi∈P都有權(quán)重wpi與之對{應(yīng),各條元路徑的權(quán)重值構(gòu)成元路徑的權(quán)重集合其中wp1+wp1+···+wpn=1.

    網(wǎng)絡(luò)表征學(xué)習(xí)[17]用于降低信息網(wǎng)絡(luò)中數(shù)據(jù)節(jié)點的表示維度.

    定義5.對于給定的信息網(wǎng)絡(luò)G=(V,E),網(wǎng)絡(luò)表征學(xué)習(xí)的目標(biāo)是通過對目標(biāo)函數(shù)fG=V→Ld的學(xué)習(xí)將信息網(wǎng)絡(luò)中的節(jié)點在低維空間Ld中進行向量表示,從而得到信息網(wǎng)絡(luò)的低維表征M∈ R|V|×d,其中d?|V|.低維空間Ld中的低維表征需盡可能保留原始信息網(wǎng)絡(luò)中的結(jié)構(gòu)信息,以便低維表征在低維空間中具有良好的表示、推理能力.

    圖1 信息網(wǎng)絡(luò)及網(wǎng)絡(luò)模式

    2 基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)

    異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)中元路徑具有刻畫對象之間語義關(guān)系以及能夠抽取對象之間特征信息的特點,經(jīng)常用于指導(dǎo)獲取異質(zhì)信息網(wǎng)絡(luò)的結(jié)構(gòu)信息.異質(zhì)信息網(wǎng)絡(luò)中不同元路徑表示不同的語義信息,因此基于不同元路徑的表征學(xué)習(xí)方法可造成不同的分析結(jié)果和特征表示.但是,現(xiàn)有的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法往往采用單條元路徑提取節(jié)點間結(jié)構(gòu)信息,進而學(xué)習(xí)節(jié)點的低維表征.導(dǎo)致學(xué)習(xí)到的低維表征中缺失原始信息網(wǎng)絡(luò)中部分結(jié)構(gòu)信息及其它元路徑表示的語義信息,影響低維表征在低維空間中的表示、推理能力,進而影響其在數(shù)據(jù)挖掘任務(wù)中的有效性.基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法學(xué)習(xí)到的低維表征融合了不同元路徑表示的語義信息,在低維空間中具有良好的表示、推理能力,提高了低維表征在數(shù)據(jù)挖掘任務(wù)中的有效性.如圖2所示,基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法包含4個處理階段:階段1用于構(gòu)建元路徑集合.階段2對元路徑集合進行權(quán)重學(xué)習(xí).階段3根據(jù)元路徑集合學(xué)習(xí)各個元路徑所對應(yīng)的異質(zhì)信息網(wǎng)絡(luò)的低維表征.階段4將基于元路徑權(quán)重對各個低維表征進行融合.

    2.1 階段 1:構(gòu)建元路徑集合

    此階段首先根據(jù)實際生活中的異質(zhì)信息網(wǎng)絡(luò)定義其網(wǎng)絡(luò)模式.對異質(zhì)信息網(wǎng)絡(luò)G=(V,E),其節(jié)點類型數(shù)|A|>1或者邊類型數(shù)|R|>1,定義其網(wǎng)絡(luò)模式為TG=(A,R).然后,基于網(wǎng)絡(luò)模式定義不同的元路徑pi,從而構(gòu)建異質(zhì)信息網(wǎng)絡(luò)的元路徑集合P={p1,p2,···,pn}.

    2.2 階段 2:元路徑權(quán)重學(xué)習(xí)

    目前,多個研究發(fā)現(xiàn)不同元路徑對異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)的重要程度不同[14,16,18].因此,階段2中應(yīng)用HeteClass[18]框架中的元路徑權(quán)重學(xué)習(xí)思想對階段1中

    應(yīng)用上述元路徑權(quán)重學(xué)習(xí)思想實現(xiàn)了元路徑權(quán)重學(xué)習(xí)程序并對元路徑集合P={p1,p2,···,pn}進行權(quán)重學(xué)習(xí),以此計算元路徑的權(quán)重并構(gòu)建元路徑的權(quán)重集合

    圖2 基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)

    2.3 階段3:異質(zhì)信息網(wǎng)絡(luò)的表征學(xué)習(xí)

    階段3將根據(jù)元路徑集合對異質(zhì)信息網(wǎng)絡(luò)進行表征學(xué)習(xí).本文采用基于元路徑的隨機游走技術(shù)[15]獲取異質(zhì)信息網(wǎng)絡(luò)中節(jié)點序列集,結(jié)合Skip-gram[4]模型學(xué)習(xí)異質(zhì)信息網(wǎng)絡(luò)的低維表征.

    基于元路徑的隨機游走技術(shù)是Dong YX[15]等人提構(gòu)建的元路徑集合進行權(quán)重學(xué)習(xí),為元路徑賦予權(quán)重值,以此表明不同元路徑對異質(zhì)信息網(wǎng)絡(luò)表征學(xué)習(xí)的重要程度.

    HeteClass框架是Gupta M等[18]提出的一種基于元路徑的直推式分類框架.該框架提出了一種基于目標(biāo)類型對象之間關(guān)聯(lián)程度的元路徑權(quán)重學(xué)習(xí)方法.該方法以最大化相同標(biāo)簽對象之間的相關(guān)性,同時最小化不同標(biāo)簽對象之間的相關(guān)性為思想提出了式(1)所示的損失函數(shù).其中 θk表示第k個元路徑的重要程度,vi,vj表示帶標(biāo)簽的目標(biāo)類型對象.Sign為符號函數(shù),用于表示目標(biāo)類型對象是否具有相同標(biāo)簽信息,若相同值為1,否則值為-1.Simpk為目標(biāo)對象的相關(guān)性矩陣[19].λ為正則化系數(shù),‖·‖為 ?2范數(shù).該學(xué)習(xí)方法通過最小化目標(biāo)函數(shù)計算元路徑權(quán)重.出的一種基于元路徑的圖隨機遍歷技術(shù).對于給定的異質(zhì)信息網(wǎng)絡(luò)G=(V,E)和元路徑隨機游走的起始節(jié)點為A1類型節(jié)點,第i+ 1個游走節(jié)點的選擇概率如式(2)所示.其中表示At類型的節(jié)點,表示節(jié)點的鄰域中At+1類型的節(jié)點數(shù)量.第i+ 1個游走節(jié)點應(yīng)從節(jié)點的所有At+1類型的鄰居節(jié)點中隨機選擇.基于節(jié)點選擇概率,隨機游走將在元路徑的指導(dǎo)下游走出包含元路徑語義信息以及異質(zhì)信息網(wǎng)絡(luò)中結(jié)構(gòu)信息的節(jié)點序列.

    Skip-gram模型是Mikolov T等[4]提出的用于自然語言處理中學(xué)習(xí)大型數(shù)據(jù)集中單詞的連續(xù)向量表征的神經(jīng)網(wǎng)絡(luò)模型.Skip-gram模型具有三層網(wǎng)絡(luò)結(jié)構(gòu),分別為輸入層、隱藏層和輸出層,并提出了式(3)所示的損失函數(shù)[20].其中,C為上下文中單詞數(shù)量,V為語料庫中單詞數(shù)量,wI表示輸入的單詞,wO,i表示第i個輸出的上下文單詞,j*c為輸出層輸出的第c個上下文單詞在語料庫中的真實索引,u表示單詞從隱藏層到輸出層過程中的計算分?jǐn)?shù).該模型輸入為由文本中句子構(gòu)成的語料庫,通過最小化損失函數(shù),學(xué)習(xí)語料庫中單詞的低維表征.

    目前,DeepWalk[3]、Node2Vec[5]、Metapath2Vec[15]等研究發(fā)現(xiàn)將信息網(wǎng)絡(luò)中節(jié)點信息映射為自然語言可應(yīng)用Skip-gram模型學(xué)習(xí)信息網(wǎng)絡(luò)中節(jié)點的低維表征.基于元路徑的隨機游走技術(shù)可提取包含元路徑語義信息、網(wǎng)絡(luò)結(jié)構(gòu)信息的節(jié)點序列,從而將異質(zhì)信息網(wǎng)絡(luò)中的節(jié)點信息映射為自然語言,進而可結(jié)合Skip-gram模型學(xué)習(xí)異質(zhì)信息網(wǎng)絡(luò)中節(jié)點的低維表征.

    如圖2中階段3所示,首先應(yīng)用基于元路徑的隨機游走技術(shù)獲取異質(zhì)信息網(wǎng)絡(luò)中的節(jié)點序列.對任意元路徑pi∈P獲取其相應(yīng)的節(jié)點序列集cpi并構(gòu)建語料庫集合C={cp1,cp2,···,cpn}.

    對語料庫集合中任意一個節(jié)點序列集cpi應(yīng)用Skip-gram模型學(xué)習(xí)異質(zhì)信息網(wǎng)絡(luò)的低維表征Mpi.此時,任意元路徑pi都有唯一的低維表征Mpi與之對應(yīng).各個低維表征構(gòu)成了基于不同元路徑的低維表征集合M={Mp1,Mp2,···,Mpn}.

    2.4 階段4:基于元路徑權(quán)重對低維表征進行融合

    此階段基于元路徑權(quán)重集合W={wp1,wp2,···,wpn}對低維表征集合M={Mp1,Mp2,···,Mpn}進行加權(quán)融合.對于任意的低維表征Mpi均基于相應(yīng)的元路徑pi,所以低維表征Mpi中僅包含元路徑pi所表示的語義信息,導(dǎo)致基于單一元路徑的低維表征中缺失其它元路徑表示的語義信息.而元路徑因語義信息的不同對表征學(xué)習(xí)的重要程度不同,從而具有不同的權(quán)重.所以對基于不同元路徑的低維表征進行加權(quán)融合可得到融合不同元路徑語義信息的低維表征,從而提高低維表征質(zhì)量.因此,本文提出了式(4)所示的低維表征融合公式,并基于該公式實現(xiàn)了基于元路徑權(quán)重的低維表征融合算法.

    如算法1所示,該算法的輸入為元路徑權(quán)重集合、低維表征集合以及低維表征維度,然后依次對低維表征中d個特征分量進行加權(quán)融合,得到融合不同元路徑語義信息的低維表征MW.低維表征MW不僅包含不同元路徑的語義信息,而且還包含豐富的網(wǎng)絡(luò)結(jié)構(gòu)信息.以上特點使得基于融合元路徑權(quán)重的低維表征在低維空間中具有良好的表示、推理能力,并且可有效應(yīng)用于數(shù)據(jù)挖掘任務(wù).

    算法1.基于元路徑權(quán)重的低維表征融合算法images/BZ_36_1632_2616_1903_2653.pngimages/BZ_36_2137_2616_2262_2653.pngimages/BZ_36_1290_2667_1457_2705.png輸入:元路徑權(quán)重集合,低維表征集合,維度d images/BZ_36_1775_2723_1825_2752.png輸出:融合元路徑權(quán)重的低維表征images/BZ_36_1375_2769_1554_2798.png1.for doimages/BZ_36_1324_2824_1953_2857.png2.3.end for

    3 實驗結(jié)果與分析

    為證明本文提出的基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法的正確性以及在數(shù)據(jù)挖掘任務(wù)中的有效性,本文對實際數(shù)據(jù)集進行了節(jié)點分類對比試驗.

    3.1 實驗數(shù)據(jù)集

    實驗所用數(shù)據(jù)集為AMIner[15,21]數(shù)據(jù)集,該數(shù)據(jù)集為典型的異質(zhì)學(xué)術(shù)文獻信息網(wǎng)絡(luò).如表1所示,該數(shù)據(jù)集中包含作者、文章、會議3種節(jié)點類型,共計4891 819個數(shù)據(jù)節(jié)點,其中246 678個帶標(biāo)簽的作者節(jié)點被分為8個類別,分別為Computing Systems,Theoretical Computer Science,Computer Networks & Wireless Communication,Computer Graphics,Human Computer Interaction,Computational Linguistics,Computer Vision &Pattern Recognition,Databases & Information Systems.

    表1 AMIner數(shù)據(jù)集中的節(jié)點

    如表2所示,AMiner數(shù)據(jù)集中共包含12 518 144個邊,其中表示文章與作者之間撰寫與被撰寫關(guān)系的邊共9323 739個,表示文章與會議之間發(fā)表與被發(fā)表關(guān)系的邊共3194 405個.

    表2 AMIner數(shù)據(jù)集中的邊

    此外,本文在AMIner數(shù)據(jù)集的基礎(chǔ)上構(gòu)建數(shù)據(jù)規(guī)模較小的子數(shù)據(jù)集AMIner-Small,用于驗證本文提出的基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法對不同數(shù)據(jù)規(guī)模的異質(zhì)信息網(wǎng)絡(luò)的表征學(xué)習(xí)能力.如表3所示,AMIner-Small數(shù)據(jù)集中數(shù)據(jù)規(guī)模遠(yuǎn)遠(yuǎn)小于AMiner數(shù)據(jù)集.

    表3 AMIner-Small數(shù)據(jù)集中的節(jié)點

    3.2 評價指標(biāo)

    在分類實驗中,數(shù)據(jù)的低維表征質(zhì)量對實驗結(jié)果具有重要影響,因此本文通過實驗結(jié)果評價低維表征質(zhì)量,進而分析異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法的正確性、有效性.

    本文采用分類精確率(Precision)、召回率(Recall)、Micro-F1分?jǐn)?shù)、Macro-F1分?jǐn)?shù)評價分類實驗結(jié)果,從而評價不同異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法的正確性、在數(shù)據(jù)挖掘任務(wù)中的有效性.

    分類精確率為預(yù)測為正類的樣本中實際為正類的樣本比例.召回率表示預(yù)測為正類的樣本數(shù)占全部正類樣本數(shù)的比例.F1分?jǐn)?shù)(Micro-F1分?jǐn)?shù)、Macro-F1分?jǐn)?shù))表示精確度和召回率的加權(quán)平均值.以上4個評價指標(biāo)值越高表示分類實驗越精確,相應(yīng)的低維表征質(zhì)量越高、異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法越正確、有效.

    3.3 節(jié)點分類實驗

    3.3.1 AMIner-Small數(shù)據(jù)集的節(jié)點分類實驗

    采用HIN2Vec[17]異質(zhì)網(wǎng)絡(luò)表征框架作為對比實驗方法.不同于之前基于Skip-gram模型的表征方法,HIN2Vec核心是一個神經(jīng)網(wǎng)路模型,并且將元路徑視為節(jié)點間的不同類型關(guān)系,然后通過捕獲節(jié)點間不同類型關(guān)系學(xué)習(xí)節(jié)點的低維表征.

    首先在AMIner-Small數(shù)據(jù)集的基礎(chǔ)上構(gòu)建元路徑集合并學(xué)習(xí)各個元路徑的權(quán)重.權(quán)重學(xué)習(xí)實驗重復(fù)十次,結(jié)果如表4所示,其中APA的權(quán)重均值為0.01,APAPA的權(quán)重均值為0.02,APCPA的權(quán)重均值為0.97.根據(jù)元路徑權(quán)重學(xué)習(xí)結(jié)果發(fā)現(xiàn)在AMIner-Small數(shù)據(jù)集中元路徑APCPA表示的語義信息對異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)的重要程度遠(yuǎn)高于APA、APAPA表示的語義信息,而APA、APAPA表示的語義信息對異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)的重要程度則十分接近.

    表4 元路徑及其權(quán)重

    在元路徑集合及權(quán)重的基礎(chǔ)上分別應(yīng)用本文提出的基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法以及HIN2Vec框架學(xué)習(xí)AMIner-Small數(shù)據(jù)集中節(jié)點的低維表征.然后將帶標(biāo)簽的675個作者節(jié)點的低維表征作為特征向量訓(xùn)練和測試SVM分類器.分類實驗中將675個低維表征按70%/30%比例隨機分為訓(xùn)練數(shù)據(jù)集與測試數(shù)據(jù)集,分類結(jié)果是取10次實驗結(jié)果的均值.具體實驗結(jié)果如表5所示,其中FMPW表示本文提出的基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法.

    表5 AMIner-Small數(shù)據(jù)集中作者節(jié)點分類結(jié)果

    根據(jù)實驗結(jié)果發(fā)現(xiàn)本文提出的基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法在分類精確率、召回率、Micro-F1分?jǐn)?shù)、Macro-F1分?jǐn)?shù)上均明顯高于HIN2Vec方法.該結(jié)果表明基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法對小規(guī)模異質(zhì)網(wǎng)絡(luò)具有良好的表征學(xué)習(xí)能力,證明了該方法的正確性、有效性.

    3.3.2 AMIner數(shù)據(jù)集的節(jié)點分類實驗

    由于AMIner數(shù)據(jù)集中數(shù)據(jù)規(guī)模遠(yuǎn)大于AMiner-Small數(shù)據(jù)集,導(dǎo)致HIN2Vec不能處理AMiner數(shù)據(jù)集,所以本文采用Metapath2Vec[15]異質(zhì)網(wǎng)絡(luò)表征方法作為對比實驗方法.Metapath2Vec應(yīng)用基于單條元路徑的隨機游走獲取異質(zhì)網(wǎng)絡(luò)中的結(jié)構(gòu)信息并結(jié)合Skip-gram模型需學(xué)習(xí)異質(zhì)網(wǎng)絡(luò)的低維表征.

    此部分實驗中,實驗步驟與AMIner-Small數(shù)據(jù)集中分類的實驗步驟一致,首先提取元路徑APA、APAPA、APCPA構(gòu)成元路徑集合并學(xué)習(xí)其權(quán)重,然后分別采用本文提出的基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法和Metapath2Vec方法學(xué)習(xí)AMIner數(shù)據(jù)集中節(jié)點的低維表征.

    元路徑權(quán)重學(xué)習(xí)的實驗結(jié)果與AMIner-Small數(shù)據(jù)集中的元路徑權(quán)重學(xué)習(xí)結(jié)果一致,即APA的權(quán)重均值為0.01,APAPA的權(quán)重均值為0.02,APCPA的權(quán)重均值為0.97.該結(jié)果表示在AMIner數(shù)據(jù)集中APCPA表示的語義信息對異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)的影響程度最大.

    本文在全部節(jié)點的低維表征中隨機挑選47 108個帶標(biāo)簽的作者的低維表征作為SVM分類器的特征向量,其中訓(xùn)練集比例為10%~90%,其余節(jié)點為測試集.實驗重復(fù)十次并取平均值,結(jié)果如圖3所示,其中FMPW表示本文提出的基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法.

    根據(jù)實驗結(jié)果可知,隨著訓(xùn)練集比例的提高,分類結(jié)果越加精確.而且本文提出的基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法的分類精確率、召回率、Micro-F1分?jǐn)?shù)、Macro-F1分?jǐn)?shù)中均明顯高于基于元路徑APA和基于元路徑APAPA的Metapath2Vec方法,但是僅率高于基于APCPA的Metapath2Vec方法.造成以上結(jié)果的原因在于,元路徑APCPA的 權(quán)重為0.97,導(dǎo)致融合不同元路徑的低維表征中APCPA對應(yīng)的低維表征占主要比例.該結(jié)果從側(cè)面驗證了元路徑權(quán)重學(xué)習(xí)結(jié)果的正確性.此外,基于圖3所示的實驗結(jié)果發(fā)現(xiàn)基于不同元路徑的Metapath2Vec方法學(xué)習(xí)的低維表征質(zhì)量差別大,導(dǎo)致應(yīng)用Metapath2Vec方法學(xué)習(xí)異質(zhì)網(wǎng)絡(luò)的低維表征時結(jié)果具有不確定性.而本文提出的基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法可得出最優(yōu)結(jié)果,從而有效解決上述問題.

    3.4 實驗分析

    綜合以上實驗結(jié)果可知,基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法可應(yīng)用于不同數(shù)據(jù)規(guī)模的異質(zhì)網(wǎng)絡(luò),并且在不同數(shù)據(jù)規(guī)模的異質(zhì)網(wǎng)絡(luò)中分類實驗結(jié)果優(yōu)于基準(zhǔn)方法HIN2Vec和Metapath2Vec.因此本文提出的基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法對不同數(shù)據(jù)規(guī)模的異質(zhì)網(wǎng)絡(luò)具有良好的表征學(xué)習(xí)能力,可學(xué)習(xí)得到高質(zhì)量的低維表征,可有效應(yīng)用于數(shù)據(jù)挖掘任務(wù),并且優(yōu)于基于單條元路徑的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法.

    4 結(jié)論

    本文提出基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法,通過元路徑權(quán)重學(xué)習(xí)表明元路對異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)的重要程度,并以此為基礎(chǔ)對基于不同元路徑的低維表征進行加權(quán)融合,得到融合不同元路徑語義信息的異質(zhì)網(wǎng)絡(luò)表征.該方法解決了基于單條元路徑的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法不能包含其它元路徑語義信息而導(dǎo)致的低維表征中缺失結(jié)構(gòu)信息、語義信息的問題.同時通過對比試驗證明本文提出的基于融合元路徑權(quán)重的異質(zhì)網(wǎng)絡(luò)表征學(xué)習(xí)方法在不同數(shù)據(jù)規(guī)模的異質(zhì)網(wǎng)絡(luò)中具有良好的表征學(xué)習(xí)能力,并且可有效應(yīng)用于數(shù)據(jù)挖掘任務(wù).在未來的工作中,將對如何提高大規(guī)模異質(zhì)網(wǎng)絡(luò)的表征學(xué)習(xí)效率進行深入研究.

    猜你喜歡
    異質(zhì)信息網(wǎng)絡(luò)語義
    語言與語義
    幫助信息網(wǎng)絡(luò)犯罪活動罪的教義學(xué)展開
    刑法論叢(2018年2期)2018-10-10 03:32:22
    非法利用信息網(wǎng)絡(luò)罪的適用邊界
    法律方法(2018年3期)2018-10-10 03:21:34
    網(wǎng)絡(luò)共享背景下信息網(wǎng)絡(luò)傳播權(quán)的保護
    幫助信息網(wǎng)絡(luò)犯罪活動罪若干問題探究
    “上”與“下”語義的不對稱性及其認(rèn)知闡釋
    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
    認(rèn)知范疇模糊與語義模糊
    国产精品亚洲av一区麻豆| 日韩有码中文字幕| 99riav亚洲国产免费| 男插女下体视频免费在线播放| 色播亚洲综合网| 午夜亚洲福利在线播放| 岛国在线免费视频观看| 男女视频在线观看网站免费| 91久久精品国产一区二区成人 | 此物有八面人人有两片| 午夜影院日韩av| 国产成人系列免费观看| 久久天堂一区二区三区四区| 99精品欧美一区二区三区四区| 精品国产乱码久久久久久男人| 国产麻豆成人av免费视频| 一级毛片女人18水好多| 久久久久久九九精品二区国产| 丰满人妻一区二区三区视频av | 国产亚洲av嫩草精品影院| 国产成人啪精品午夜网站| 9191精品国产免费久久| 男人舔奶头视频| 亚洲国产欧美人成| 99热6这里只有精品| 啦啦啦韩国在线观看视频| 午夜福利在线观看免费完整高清在 | 99国产精品99久久久久| 国产三级中文精品| 久久中文字幕一级| 久久久久国产一级毛片高清牌| 国产伦一二天堂av在线观看| 美女午夜性视频免费| 偷拍熟女少妇极品色| 三级毛片av免费| 可以在线观看毛片的网站| 999精品在线视频| 亚洲18禁久久av| 免费观看的影片在线观看| 天堂影院成人在线观看| 精品国产超薄肉色丝袜足j| 久久精品aⅴ一区二区三区四区| 性色av乱码一区二区三区2| 精品一区二区三区四区五区乱码| 欧美高清成人免费视频www| 精品电影一区二区在线| 亚洲av日韩精品久久久久久密| 久久久国产成人免费| 夜夜躁狠狠躁天天躁| 夜夜看夜夜爽夜夜摸| 一进一出好大好爽视频| 日韩高清综合在线| 夜夜躁狠狠躁天天躁| 三级国产精品欧美在线观看 | 亚洲国产日韩欧美精品在线观看 | 99国产综合亚洲精品| 老司机午夜十八禁免费视频| 亚洲午夜理论影院| 亚洲成人精品中文字幕电影| 久久亚洲真实| 午夜久久久久精精品| 国产视频一区二区在线看| 午夜免费观看网址| 亚洲成av人片免费观看| 一区二区三区国产精品乱码| 亚洲美女黄片视频| 男女之事视频高清在线观看| 欧美一级毛片孕妇| 欧美日韩精品网址| 深夜精品福利| x7x7x7水蜜桃| 欧美日韩精品网址| 国产蜜桃级精品一区二区三区| 色精品久久人妻99蜜桃| 国产精品电影一区二区三区| 成人国产一区最新在线观看| 黄频高清免费视频| 伦理电影免费视频| 男人舔女人的私密视频| 日本a在线网址| 国产v大片淫在线免费观看| 色老头精品视频在线观看| 99re在线观看精品视频| 嫁个100分男人电影在线观看| 国产 一区 欧美 日韩| 一区二区三区激情视频| 波多野结衣高清作品| 午夜精品久久久久久毛片777| 成人一区二区视频在线观看| 日本与韩国留学比较| 国产黄色小视频在线观看| 婷婷丁香在线五月| 全区人妻精品视频| 成在线人永久免费视频| www国产在线视频色| av片东京热男人的天堂| 色老头精品视频在线观看| 国产蜜桃级精品一区二区三区| 十八禁人妻一区二区| 久久久久久久久免费视频了| 国产高潮美女av| 国产精品日韩av在线免费观看| 国产欧美日韩一区二区精品| 成人亚洲精品av一区二区| 久久婷婷人人爽人人干人人爱| 美女免费视频网站| 日本 av在线| АⅤ资源中文在线天堂| 免费看美女性在线毛片视频| 91久久精品国产一区二区成人 | 亚洲九九香蕉| 最近在线观看免费完整版| svipshipincom国产片| 欧美大码av| 国产午夜精品论理片| 亚洲精品在线观看二区| www日本黄色视频网| 19禁男女啪啪无遮挡网站| 日韩欧美三级三区| 欧美激情在线99| 最近在线观看免费完整版| 久久精品国产99精品国产亚洲性色| 欧美日本视频| 精品电影一区二区在线| 国产精品免费一区二区三区在线| 亚洲精华国产精华精| 狂野欧美激情性xxxx| 精品久久久久久久人妻蜜臀av| 亚洲中文字幕日韩| 国产真人三级小视频在线观看| 日日干狠狠操夜夜爽| 色视频www国产| 久久久精品大字幕| 免费看光身美女| 婷婷精品国产亚洲av| 日韩欧美三级三区| av视频在线观看入口| 非洲黑人性xxxx精品又粗又长| 国产 一区 欧美 日韩| 亚洲色图av天堂| 国产野战对白在线观看| 岛国视频午夜一区免费看| 69av精品久久久久久| aaaaa片日本免费| 久久精品国产综合久久久| 三级国产精品欧美在线观看 | 老司机午夜福利在线观看视频| 中文在线观看免费www的网站| 成人特级黄色片久久久久久久| 97碰自拍视频| 一二三四社区在线视频社区8| 亚洲av熟女| 人妻久久中文字幕网| av福利片在线观看| 国产精品久久久av美女十八| 亚洲av电影在线进入| 午夜福利在线观看吧| 午夜福利成人在线免费观看| 亚洲av五月六月丁香网| 又粗又爽又猛毛片免费看| 久久精品91蜜桃| 九色国产91popny在线| av片东京热男人的天堂| 俄罗斯特黄特色一大片| 成在线人永久免费视频| 少妇丰满av| 国产成人精品久久二区二区免费| 免费人成视频x8x8入口观看| 91麻豆精品激情在线观看国产| 日韩人妻高清精品专区| 黄色成人免费大全| 成人精品一区二区免费| 亚洲第一电影网av| 国产激情久久老熟女| 欧美中文日本在线观看视频| 在线免费观看不下载黄p国产 | 欧美av亚洲av综合av国产av| 嫩草影院入口| 国产激情欧美一区二区| 五月伊人婷婷丁香| 真人一进一出gif抽搐免费| 国产伦精品一区二区三区四那| 日本免费一区二区三区高清不卡| 午夜亚洲福利在线播放| 国产在线精品亚洲第一网站| 亚洲乱码一区二区免费版| 成人午夜高清在线视频| 高潮久久久久久久久久久不卡| 又粗又爽又猛毛片免费看| 亚洲精品中文字幕一二三四区| 国产精品 欧美亚洲| 国产午夜福利久久久久久| 麻豆国产97在线/欧美| xxxwww97欧美| 国产亚洲精品久久久久久毛片| 日本精品一区二区三区蜜桃| 国产69精品久久久久777片 | 可以在线观看的亚洲视频| 中文字幕高清在线视频| 国产高清激情床上av| 免费观看的影片在线观看| 美女被艹到高潮喷水动态| 欧美日本亚洲视频在线播放| 18禁裸乳无遮挡免费网站照片| 脱女人内裤的视频| 99re在线观看精品视频| 最近在线观看免费完整版| 亚洲av片天天在线观看| 他把我摸到了高潮在线观看| av片东京热男人的天堂| 精品国产超薄肉色丝袜足j| 国产一区二区三区在线臀色熟女| www.熟女人妻精品国产| 国产精品影院久久| 这个男人来自地球电影免费观看| 亚洲av成人一区二区三| 精品国产美女av久久久久小说| 欧美色视频一区免费| 亚洲国产欧美网| 亚洲国产看品久久| 亚洲人成电影免费在线| 老熟妇乱子伦视频在线观看| 亚洲精品国产精品久久久不卡| 欧美丝袜亚洲另类 | 午夜福利在线观看吧| 人妻丰满熟妇av一区二区三区| 婷婷精品国产亚洲av在线| cao死你这个sao货| 亚洲av片天天在线观看| 国产伦精品一区二区三区视频9 | 法律面前人人平等表现在哪些方面| 亚洲电影在线观看av| 综合色av麻豆| 制服人妻中文乱码| 亚洲自拍偷在线| 麻豆av在线久日| 日日摸夜夜添夜夜添小说| 国产精品久久久av美女十八| 国产欧美日韩一区二区精品| 亚洲午夜精品一区,二区,三区| 五月玫瑰六月丁香| 精品日产1卡2卡| 国产99白浆流出| 久久中文字幕人妻熟女| 亚洲在线自拍视频| 国产又色又爽无遮挡免费看| 亚洲人与动物交配视频| 国产精品亚洲一级av第二区| 51午夜福利影视在线观看| 观看免费一级毛片| 亚洲av日韩精品久久久久久密| 亚洲五月婷婷丁香| 国产精品乱码一区二三区的特点| 亚洲精品粉嫩美女一区| 国内久久婷婷六月综合欲色啪| 老熟妇仑乱视频hdxx| 岛国在线免费视频观看| 少妇的逼水好多| 亚洲片人在线观看| 在线看三级毛片| 小说图片视频综合网站| 观看美女的网站| 久久人妻av系列| 神马国产精品三级电影在线观看| 男人的好看免费观看在线视频| 91在线观看av| 亚洲精品美女久久久久99蜜臀| 又爽又黄无遮挡网站| 亚洲电影在线观看av| 亚洲欧美一区二区三区黑人| 亚洲av中文字字幕乱码综合| 国产91精品成人一区二区三区| 亚洲欧美激情综合另类| 亚洲午夜精品一区,二区,三区| 国产黄a三级三级三级人| 午夜福利成人在线免费观看| 久久欧美精品欧美久久欧美| 国产亚洲av嫩草精品影院| 亚洲欧美日韩东京热| 国产精品一区二区三区四区久久| 国产精品久久电影中文字幕| 日韩欧美精品v在线| 久久九九热精品免费| 国产免费男女视频| 一个人免费在线观看的高清视频| 精品一区二区三区av网在线观看| 男女下面进入的视频免费午夜| 可以在线观看的亚洲视频| 久久国产精品影院| 男女之事视频高清在线观看| 亚洲av片天天在线观看| 国产成人福利小说| 最近最新中文字幕大全电影3| 午夜影院日韩av| 成年人黄色毛片网站| 99国产精品一区二区三区| 亚洲精品美女久久av网站| 美女扒开内裤让男人捅视频| 欧美日本亚洲视频在线播放| 三级毛片av免费| 精品不卡国产一区二区三区| 国产高清有码在线观看视频| 国产亚洲精品av在线| 岛国视频午夜一区免费看| 老司机午夜福利在线观看视频| 1000部很黄的大片| 俺也久久电影网| 99国产精品一区二区三区| 久久精品综合一区二区三区| 亚洲人成网站高清观看| 91麻豆精品激情在线观看国产| 中出人妻视频一区二区| 人人妻人人澡欧美一区二区| 久99久视频精品免费| av天堂中文字幕网| 亚洲欧美日韩卡通动漫| 亚洲无线观看免费| 欧美一区二区国产精品久久精品| 久久午夜综合久久蜜桃| 国产精品久久久人人做人人爽| 成年女人毛片免费观看观看9| 国产精品综合久久久久久久免费| 男插女下体视频免费在线播放| 国产精品国产高清国产av| 九九热线精品视视频播放| 久久人妻av系列| 久久亚洲精品不卡| 99久国产av精品| 又粗又爽又猛毛片免费看| 成年人黄色毛片网站| av天堂中文字幕网| a级毛片在线看网站| 成人永久免费在线观看视频| a级毛片a级免费在线| 91老司机精品| 国产欧美日韩一区二区三| 久久精品国产99精品国产亚洲性色| 成人av一区二区三区在线看| 毛片女人毛片| 99视频精品全部免费 在线 | 午夜福利高清视频| 欧美成狂野欧美在线观看| 国产精品99久久99久久久不卡| 免费大片18禁| 欧美日本视频| 国产一区二区在线av高清观看| 欧美国产日韩亚洲一区| 亚洲国产看品久久| 成人亚洲精品av一区二区| 亚洲真实伦在线观看| 午夜精品久久久久久毛片777| 成人国产综合亚洲| 性色av乱码一区二区三区2| 小蜜桃在线观看免费完整版高清| 琪琪午夜伦伦电影理论片6080| 日韩大尺度精品在线看网址| 99热只有精品国产| 黑人欧美特级aaaaaa片| 黄片小视频在线播放| 国产激情久久老熟女| 啦啦啦免费观看视频1| 最新在线观看一区二区三区| 99国产极品粉嫩在线观看| 国产麻豆成人av免费视频| 国产高潮美女av| 两性夫妻黄色片| 国产精品久久久久久久电影 | 亚洲国产中文字幕在线视频| 午夜福利欧美成人| 国产激情久久老熟女| 日本 av在线| 亚洲欧美精品综合久久99| 亚洲欧美日韩无卡精品| 一卡2卡三卡四卡精品乱码亚洲| 一级a爱片免费观看的视频| 亚洲一区高清亚洲精品| 国产精品久久久av美女十八| 国产精品久久电影中文字幕| 91麻豆精品激情在线观看国产| 亚洲第一电影网av| 国产91精品成人一区二区三区| 中文字幕最新亚洲高清| 最新中文字幕久久久久 | ponron亚洲| 国产真实乱freesex| 免费在线观看影片大全网站| 可以在线观看的亚洲视频| 久久精品人妻少妇| 在线免费观看不下载黄p国产 | 成熟少妇高潮喷水视频| 国产蜜桃级精品一区二区三区| 伦理电影免费视频| 亚洲av免费在线观看| 久久久久久久久免费视频了| 长腿黑丝高跟| 精品久久久久久久人妻蜜臀av| 久久久久久国产a免费观看| 日日摸夜夜添夜夜添小说| 亚洲无线在线观看| 香蕉久久夜色| 国产高清有码在线观看视频| 日本成人三级电影网站| 亚洲成av人片免费观看| 国产乱人视频| 国产成人欧美在线观看| 男人舔女人下体高潮全视频| 国产又黄又爽又无遮挡在线| 免费高清视频大片| 看片在线看免费视频| 成人特级av手机在线观看| 搡老熟女国产l中国老女人| 搡老妇女老女人老熟妇| 亚洲专区国产一区二区| 好男人在线观看高清免费视频| 免费在线观看影片大全网站| 日本撒尿小便嘘嘘汇集6| 人人妻人人澡欧美一区二区| 一卡2卡三卡四卡精品乱码亚洲| 草草在线视频免费看| 久久国产精品人妻蜜桃| 哪里可以看免费的av片| 色综合婷婷激情| 少妇裸体淫交视频免费看高清| 国内精品一区二区在线观看| 国产成人影院久久av| av在线蜜桃| 美女 人体艺术 gogo| 女人高潮潮喷娇喘18禁视频| 美女扒开内裤让男人捅视频| 久久精品国产清高在天天线| 日本一本二区三区精品| 女生性感内裤真人,穿戴方法视频| 麻豆成人午夜福利视频| 999精品在线视频| 可以在线观看的亚洲视频| 女人高潮潮喷娇喘18禁视频| 99热这里只有精品一区 | 久久久久国产一级毛片高清牌| 黄色 视频免费看| 日本一二三区视频观看| 国产三级中文精品| 精品久久蜜臀av无| 久久精品国产亚洲av香蕉五月| av黄色大香蕉| 亚洲18禁久久av| 成人精品一区二区免费| 狠狠狠狠99中文字幕| 岛国在线观看网站| 毛片女人毛片| 国产av在哪里看| 亚洲av电影不卡..在线观看| 久久精品国产清高在天天线| 看片在线看免费视频| 午夜亚洲福利在线播放| 国产视频一区二区在线看| 久久午夜亚洲精品久久| 国产精品影院久久| 亚洲国产中文字幕在线视频| 亚洲av成人av| 91在线观看av| a级毛片在线看网站| 中文亚洲av片在线观看爽| 精品熟女少妇八av免费久了| 午夜影院日韩av| 国产精品 欧美亚洲| 波多野结衣高清作品| 精品久久久久久久人妻蜜臀av| 免费观看人在逋| 老司机在亚洲福利影院| 麻豆成人午夜福利视频| 成人三级黄色视频| xxx96com| 黄色视频,在线免费观看| 欧美不卡视频在线免费观看| 禁无遮挡网站| 男女午夜视频在线观看| 久久久久精品国产欧美久久久| 中文字幕人妻丝袜一区二区| 亚洲午夜理论影院| 免费人成视频x8x8入口观看| 悠悠久久av| 又爽又黄无遮挡网站| 精品国产美女av久久久久小说| 成人欧美大片| 搡老妇女老女人老熟妇| 成年女人看的毛片在线观看| x7x7x7水蜜桃| 久久久成人免费电影| 国产激情欧美一区二区| 观看美女的网站| 亚洲人成网站在线播放欧美日韩| 女警被强在线播放| 丁香欧美五月| 亚洲欧美日韩高清在线视频| 国产伦人伦偷精品视频| 国产亚洲精品久久久久久毛片| 三级毛片av免费| 国产精品香港三级国产av潘金莲| 91老司机精品| 性色av乱码一区二区三区2| 亚洲熟女毛片儿| 久久这里只有精品19| avwww免费| 99精品在免费线老司机午夜| 亚洲七黄色美女视频| 中文亚洲av片在线观看爽| 精品无人区乱码1区二区| 久久亚洲精品不卡| 亚洲 欧美一区二区三区| 日本a在线网址| 999久久久精品免费观看国产| 最新在线观看一区二区三区| 精品乱码久久久久久99久播| 亚洲午夜理论影院| 这个男人来自地球电影免费观看| 久久久久亚洲av毛片大全| 精品久久久久久成人av| 99在线人妻在线中文字幕| 成人永久免费在线观看视频| 美女cb高潮喷水在线观看 | 国产成人啪精品午夜网站| 国产精品一区二区三区四区久久| 免费看光身美女| 精品欧美国产一区二区三| 亚洲乱码一区二区免费版| 制服人妻中文乱码| 国产精品女同一区二区软件 | 黄色片一级片一级黄色片| 亚洲片人在线观看| 少妇的逼水好多| 最近最新免费中文字幕在线| 亚洲专区中文字幕在线| 一卡2卡三卡四卡精品乱码亚洲| 老汉色av国产亚洲站长工具| 一本综合久久免费| 午夜免费激情av| 又粗又爽又猛毛片免费看| 久久伊人香网站| 亚洲中文av在线| 亚洲午夜精品一区,二区,三区| 久99久视频精品免费| 精品国产三级普通话版| 国产精品野战在线观看| 精品久久久久久久末码| 97碰自拍视频| 国产精品永久免费网站| 亚洲性夜色夜夜综合| 麻豆成人av在线观看| 99久久精品国产亚洲精品| 在线永久观看黄色视频| 搡老熟女国产l中国老女人| 美女cb高潮喷水在线观看 | 一本精品99久久精品77| 亚洲狠狠婷婷综合久久图片| 亚洲国产高清在线一区二区三| 日本撒尿小便嘘嘘汇集6| 黄片小视频在线播放| 特级一级黄色大片| 久久九九热精品免费| av国产免费在线观看| 可以在线观看毛片的网站| 国产成人精品无人区| 大型黄色视频在线免费观看| 午夜成年电影在线免费观看| 亚洲无线在线观看| 在线观看免费视频日本深夜| 桃色一区二区三区在线观看| www.999成人在线观看| 亚洲va日本ⅴa欧美va伊人久久| 俺也久久电影网| 日本免费一区二区三区高清不卡| 三级毛片av免费| 亚洲乱码一区二区免费版| av片东京热男人的天堂| 国产野战对白在线观看| 免费在线观看成人毛片| 婷婷精品国产亚洲av在线| 狂野欧美激情性xxxx| 男人舔女人下体高潮全视频| 丰满人妻熟妇乱又伦精品不卡| 国产欧美日韩一区二区三| 免费在线观看日本一区| 中文字幕熟女人妻在线| 老司机深夜福利视频在线观看| 天天躁日日操中文字幕| 一区二区三区激情视频| 久久久国产成人免费| 日韩精品青青久久久久久| 成年免费大片在线观看| 美女午夜性视频免费| 中文在线观看免费www的网站| 国产精品一区二区三区四区久久| 中文字幕高清在线视频| 亚洲精品中文字幕一二三四区| 在线观看66精品国产| 亚洲国产色片| 99国产极品粉嫩在线观看| 欧美中文综合在线视频| 中文字幕人妻丝袜一区二区| 日韩欧美在线乱码| cao死你这个sao货| 老汉色∧v一级毛片| 久久精品国产99精品国产亚洲性色| 日韩三级视频一区二区三区| 国语自产精品视频在线第100页| 夜夜夜夜夜久久久久| 中文字幕人妻丝袜一区二区| 一个人看的www免费观看视频| 免费在线观看亚洲国产| 亚洲熟妇中文字幕五十中出| 国产精品98久久久久久宅男小说| 性欧美人与动物交配| 国产亚洲欧美在线一区二区| 女同久久另类99精品国产91| 精品日产1卡2卡|