• <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 ?

    融合節(jié)點(diǎn)標(biāo)簽與強(qiáng)弱關(guān)系的鏈路預(yù)測(cè)算法

    2022-09-21 05:37:34王曙燕鞏婧怡
    關(guān)鍵詞:子圖鏈路標(biāo)簽

    王曙燕,鞏婧怡

    西安郵電大學(xué) 計(jì)算機(jī)學(xué)院,西安710121

    鏈路預(yù)測(cè)通過(guò)已知的網(wǎng)絡(luò)結(jié)構(gòu)和節(jié)點(diǎn)信息等因素[1],預(yù)測(cè)網(wǎng)絡(luò)中兩節(jié)點(diǎn)連接的可能性或發(fā)現(xiàn)已存在但未識(shí)別的隱式連邊。在社交網(wǎng)絡(luò)中,將用戶(hù)視為節(jié)點(diǎn),各用戶(hù)社會(huì)關(guān)系視為連邊,對(duì)可能存在關(guān)系的用戶(hù)進(jìn)行鏈路預(yù)測(cè)[2]。

    常見(jiàn)的鏈路預(yù)測(cè)方法有:基于節(jié)點(diǎn)屬性信息、基于網(wǎng)絡(luò)結(jié)構(gòu)和最大似然估計(jì)法[3]。然而,僅對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)屬性的預(yù)測(cè)不能夠真實(shí)精確地反映出目標(biāo)網(wǎng)絡(luò)的特性,并且與節(jié)點(diǎn)的屬性信息相比,更容易獲得網(wǎng)絡(luò)的結(jié)構(gòu)信息,而且網(wǎng)絡(luò)的結(jié)構(gòu)信息也相對(duì)比較可靠[4]。Liben-Nowell等[5]通過(guò)網(wǎng)絡(luò)節(jié)點(diǎn)的拓?fù)浣Y(jié)構(gòu)相似性分析社交網(wǎng)絡(luò)。后來(lái)出現(xiàn)的基于節(jié)點(diǎn)度的共同鄰居CN(common neighbors)[6]根據(jù)節(jié)點(diǎn)的共同鄰居進(jìn)行推薦。王智強(qiáng)等[7]認(rèn)為可借助鏈路預(yù)測(cè)檢測(cè)由于信息或數(shù)據(jù)的噪聲產(chǎn)生的不必要鏈接。

    根據(jù)研究發(fā)現(xiàn),僅考慮節(jié)點(diǎn)屬性或網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的鏈路連接很難對(duì)節(jié)點(diǎn)信息進(jìn)行較完全的刻畫(huà)并不能更加精確地對(duì)節(jié)點(diǎn)進(jìn)行鏈路預(yù)測(cè)。本文提出一種融合節(jié)點(diǎn)標(biāo)簽與強(qiáng)弱關(guān)系的鏈路預(yù)測(cè)(node labels and strong &weak relationships link prediction,NRLP)算法。該算法提取社交網(wǎng)絡(luò)部分子圖,通過(guò)對(duì)局部子圖生成的目標(biāo)矩陣進(jìn)行分解,并將子網(wǎng)絡(luò)結(jié)構(gòu)融入節(jié)點(diǎn)標(biāo)簽、文本屬性與關(guān)系強(qiáng)度的動(dòng)態(tài)權(quán)重。該算法得到的節(jié)點(diǎn)向量兼顧網(wǎng)絡(luò)結(jié)構(gòu)屬性、關(guān)系強(qiáng)弱與節(jié)點(diǎn)屬性,且通過(guò)局部子圖分析預(yù)測(cè)可能性比全圖降低算法運(yùn)行時(shí)間。

    1 相關(guān)工作

    鏈路預(yù)測(cè)是預(yù)測(cè)網(wǎng)絡(luò)中的兩個(gè)節(jié)點(diǎn)是否可能具有鏈路[8]。鑒于網(wǎng)絡(luò)的普遍存在,它有許多應(yīng)用,如朋友推薦[9-10]、知識(shí)圖完成[11]和代謝網(wǎng)絡(luò)重建[12]等。

    一般來(lái)說(shuō),鏈路預(yù)測(cè)的研究可分為三大類(lèi):?jiǎn)l(fā)式方法、基于網(wǎng)絡(luò)嵌入的方法和基于圖神經(jīng)網(wǎng)絡(luò)的方法[4]。啟發(fā)式方法[13-14]側(cè)重于通過(guò)特定假設(shè)下節(jié)點(diǎn)之間的不同啟發(fā)式節(jié)點(diǎn)相似性來(lái)估計(jì)連邊的可能性。現(xiàn)有的啟發(fā)式算法通常包括基于共同鄰居CN 法[15],當(dāng)節(jié)點(diǎn)的共同鄰居越多則對(duì)其連邊,但此方法與現(xiàn)實(shí)生活情況不符。基于路徑的算法:余弦相似性法[16]、Jaccard法[17]、基于路徑的相似性法[18](如Katz指標(biāo)[19]、LHN-II指標(biāo)[20])等?;诠餐従拥牡乃惴ū容^簡(jiǎn)單直觀,但未挖掘網(wǎng)絡(luò)所含有的豐富信息導(dǎo)致算法精確度受限,基于路徑的算法雖考慮節(jié)點(diǎn)間的路徑信息但計(jì)算復(fù)雜度較大。并且啟發(fā)式方法對(duì)節(jié)點(diǎn)何時(shí)可能存在鏈接有很強(qiáng)的假設(shè),當(dāng)其假設(shè)在目標(biāo)場(chǎng)景中不成立時(shí),可能會(huì)失敗[21]。

    網(wǎng)絡(luò)表示學(xué)習(xí)通過(guò)將節(jié)點(diǎn)表示為低維向量保留網(wǎng)絡(luò)結(jié)構(gòu),然而在大型信息網(wǎng)絡(luò)中該方法計(jì)算復(fù)雜、效率較低。隨著skip-gram[22]算法出現(xiàn)的啟發(fā),DeepWalk[23]將基于隨機(jī)游走產(chǎn)生的節(jié)點(diǎn)序列放入skip-gram模型輸出表示。張學(xué)佩[24]定義了局部隨機(jī)游走的節(jié)點(diǎn)相似度指標(biāo),并與其他相似性指標(biāo)進(jìn)行比較。結(jié)果表明,其提出的算法具有更低的計(jì)算復(fù)雜度。然而基于網(wǎng)絡(luò)嵌入大多數(shù)算法具有很高的精度,但在學(xué)習(xí)節(jié)點(diǎn)表示時(shí)沒(méi)有考慮到節(jié)點(diǎn)和邊緣的豐富屬性。

    隨著現(xiàn)有網(wǎng)絡(luò)常用圖表示,其中節(jié)點(diǎn)表示個(gè)體或群體,邊表示個(gè)體或群體間的交互行為[25],觀察節(jié)點(diǎn)和邊結(jié)構(gòu)的內(nèi)部特征,在保留復(fù)雜網(wǎng)絡(luò)本身特征的同時(shí),可以生成其獨(dú)特的屬性。為了提高預(yù)測(cè)性能,劉樹(shù)新等[26]在網(wǎng)絡(luò)拓?fù)涮卣髦性黾痈郊有畔ⅲ谔嵘阅艿耐瑫r(shí)會(huì)增加計(jì)算復(fù)雜性。并且由于網(wǎng)絡(luò)的復(fù)雜性,導(dǎo)致連接關(guān)系存在優(yōu)劣性[27],文獻(xiàn)[28]提出可以用權(quán)重矩陣衡量關(guān)系的方法。

    通過(guò)對(duì)現(xiàn)有研究成果的觀察,時(shí)間效率和精確度都是鏈路預(yù)測(cè)中重要的因素??紤]現(xiàn)有研究在信息與屬性方面的挖掘不足,本文采用雙半徑節(jié)點(diǎn)標(biāo)簽(double radius node label,DRNL)算法[29],借鑒TELP 算法的思想,在分解目標(biāo)網(wǎng)絡(luò)的同時(shí)融入節(jié)點(diǎn)屬性信息,并在其中考慮同一節(jié)點(diǎn)對(duì)于不同中心節(jié)點(diǎn)的關(guān)系強(qiáng)弱,賦予不同的動(dòng)態(tài)權(quán)值,提出一種融合節(jié)點(diǎn)標(biāo)簽與強(qiáng)弱關(guān)系的鏈路預(yù)測(cè)NRLP 算法。其不僅通過(guò)局部子圖可以更快速地挖掘網(wǎng)絡(luò)所含節(jié)點(diǎn)位置信息,且在學(xué)習(xí)節(jié)點(diǎn)表示時(shí)考慮到節(jié)點(diǎn)和邊緣的關(guān)系屬性映射現(xiàn)實(shí)生活中的不同關(guān)系強(qiáng)度。最后,在三個(gè)數(shù)據(jù)上進(jìn)行驗(yàn)證,并與常見(jiàn)鏈路預(yù)測(cè)算法進(jìn)行對(duì)比,結(jié)果證明本文算法預(yù)測(cè)效果較好。

    2 算法設(shè)計(jì)

    對(duì)于網(wǎng)絡(luò)圖G=(V,E),其中,V為點(diǎn)集,E為邊集,屬性矩陣為T(mén)∈ft為屬性特征的維度。由文獻(xiàn)[30]的結(jié)果表明,局部子圖保留了與鏈接相關(guān)的豐富信息,所以給定兩個(gè)節(jié)點(diǎn)x,y∈V,生成(x,y)的h深度局部子圖。

    2.1 節(jié)點(diǎn)標(biāo)簽

    為每個(gè)節(jié)點(diǎn)生成節(jié)點(diǎn)標(biāo)簽,表示為函數(shù)fl:V→N。對(duì)于在局部子圖的每一個(gè)節(jié)點(diǎn)i,為其生成一個(gè)整數(shù)標(biāo)簽f(i),在局部子圖中使用不同的標(biāo)簽來(lái)標(biāo)記中心節(jié)點(diǎn)與其他節(jié)點(diǎn)。通過(guò)節(jié)點(diǎn)表示差異性,在網(wǎng)絡(luò)中準(zhǔn)確找到目標(biāo)節(jié)點(diǎn)并獲得其相應(yīng)結(jié)構(gòu)信息[31]。

    節(jié)點(diǎn)i在一個(gè)局部子圖中的拓?fù)湮恢每梢杂盟鄬?duì)于兩個(gè)中心節(jié)點(diǎn)的半徑(d(i,x),d(i,y))表述。如果d(i,x)=d(j,x)并且d(i,y)=d(j,y),則節(jié)點(diǎn)i和節(jié)點(diǎn)j在圖中擁有相同標(biāo)簽。

    首先,將中心節(jié)點(diǎn)標(biāo)簽設(shè)置為1。然后,對(duì)于(d(i,x),d(i,y))=(1,1)的任何節(jié)點(diǎn),設(shè)置標(biāo)簽f(i)=2。半徑為(1,2)或(2,1)的節(jié)點(diǎn)標(biāo)簽為3,以此類(lèi)推。

    兩個(gè)中心節(jié)點(diǎn),其中標(biāo)簽f(i)和雙半徑(d(i,x),d(i,y))滿(mǎn)足:

    (1)如果d(i,x)+d(i,y)≠d(j,x)+d(j,y),則

    (2)如果d(i,x)+d(i,y)=d(j,x)+d(j,y),則

    使用DRNL算法生成一個(gè)整數(shù)標(biāo)簽fl(i)函數(shù),如公式(1)所示:

    其中,dx=d(i,x),dy=d(i,y),d=dx-dy。對(duì)于d(i,x)=∞或d(i,y)=∞的節(jié)點(diǎn),將其記做空標(biāo)簽0。

    2.2 基于網(wǎng)絡(luò)節(jié)點(diǎn)文本增強(qiáng)的鏈路預(yù)測(cè)算法

    DeepWalk算法其實(shí)質(zhì)為矩陣分解,因此,DeepWalk算法的目標(biāo)函數(shù)為[4]:

    其中,W∈?,H∈?,Ω則為矩陣M的觀測(cè)集,‖?‖F(xiàn)是矩陣M的F-范數(shù),λ是平衡因子,它主要用來(lái)優(yōu)化分解后的W和H矩陣,其原理等同于L2范數(shù)。

    曹蓉等[4]提出了基于網(wǎng)絡(luò)節(jié)點(diǎn)文本增強(qiáng)的鏈路預(yù)測(cè)算法TELP,在基于文本信息(text associated Deep-Walk,TADW)算法的基礎(chǔ)上對(duì)目標(biāo)矩陣M進(jìn)行分解,并根據(jù)余弦相似性算法,計(jì)算出任意兩個(gè)節(jié)點(diǎn)的相似度,從而構(gòu)建出最終的相似度矩陣。

    在目標(biāo)矩陣M的分解過(guò)程中,使得下式達(dá)到最小:

    2.3 融合節(jié)點(diǎn)標(biāo)簽與強(qiáng)弱關(guān)系的鏈路預(yù)測(cè)算法

    定義1(余弦相似度)圖中任意兩個(gè)節(jié)點(diǎn)的相似度可用余弦相似度表示為sim(x,y)=cos(x,y)+a,其中,x和y分別為目標(biāo)節(jié)點(diǎn)和對(duì)比節(jié)點(diǎn),a為調(diào)節(jié)參數(shù),避免相似度過(guò)低導(dǎo)致的無(wú)效狀態(tài)。

    然而根據(jù)關(guān)系相關(guān)理論[32-33],本文在余弦相似度計(jì)算公式的基礎(chǔ)上根據(jù)關(guān)系強(qiáng)弱的特點(diǎn),提出了一種融合節(jié)點(diǎn)標(biāo)簽與強(qiáng)弱關(guān)系的鏈路預(yù)測(cè)NRLP算法,其具體框架如圖1所示。

    圖1 融合節(jié)點(diǎn)標(biāo)簽的屬性增強(qiáng)鏈路預(yù)測(cè)方法框架Fig.1 Attribute-enhanced link prediction method framework for fusion node labels

    如圖1所示,該方法在已有的關(guān)系網(wǎng)絡(luò)中任意選擇兩個(gè)節(jié)點(diǎn)記為中心節(jié)點(diǎn)A、B,對(duì)關(guān)系網(wǎng)絡(luò)使用DRNL算法生成節(jié)點(diǎn)i相對(duì)于中心節(jié)點(diǎn)A、B構(gòu)建節(jié)點(diǎn)標(biāo)簽圖G。其次基于γ衰減理論局部子圖保存了豐富節(jié)點(diǎn)的信息,則以節(jié)點(diǎn)A、B 為中心構(gòu)建深度為h的局部子圖,提取局部子圖中節(jié)點(diǎn)的特征矩陣M,基于式(2)對(duì)生成的特征矩陣M進(jìn)行分解,并在矩陣分解過(guò)程中,引入屬性特征矩陣T,對(duì)每個(gè)節(jié)點(diǎn)進(jìn)行向量表示并使其融入節(jié)點(diǎn)屬性因子,使分解后的矩陣、Hn×ft分別包含矩陣M、T的分解因子。其中,| |V1為h深度的局部子圖中節(jié)點(diǎn)個(gè)數(shù),n為向量長(zhǎng)度。最后使用矩陣WT作為節(jié)點(diǎn)的向量表示,結(jié)合NRLP 算法,得到任意兩個(gè)節(jié)點(diǎn)之間的相似度,對(duì)相似度高的中心節(jié)點(diǎn)進(jìn)行連接,實(shí)現(xiàn)鏈路預(yù)測(cè)。

    對(duì)所有分解得到的矩陣WT按比例分為訓(xùn)練集和測(cè)試集,并使用AUC評(píng)價(jià)指標(biāo),對(duì)本文算法性能進(jìn)行評(píng)估。本算法的通過(guò)DRNL 算法計(jì)算節(jié)點(diǎn)標(biāo)簽其時(shí)間復(fù)雜度為O(|V|2)及TELP 模型學(xué)習(xí)節(jié)點(diǎn)向量表示其訓(xùn)練復(fù)雜度為O(|V|2),但本文在節(jié)點(diǎn)表示向量的訓(xùn)練中才用局部子圖進(jìn)行訓(xùn)練,其復(fù)雜度明顯小于原模型全圖所有節(jié)點(diǎn)進(jìn)行訓(xùn)練。所以本文提出的NRLP 算法時(shí)間復(fù)雜度為O(|V|2)。

    NRLP 算法考慮節(jié)點(diǎn)之間存在強(qiáng)弱關(guān)系,賦予其不同的權(quán)重,表示節(jié)點(diǎn)i相對(duì)于兩個(gè)中心節(jié)點(diǎn)x、y的不同關(guān)系程度。在局部子圖中,當(dāng)節(jié)點(diǎn)i的dx=1,dy=1,f(i)=2 時(shí),則節(jié)點(diǎn)i對(duì)于中心節(jié)點(diǎn)x、y為強(qiáng)關(guān)系,反之則為弱關(guān)系。若節(jié)點(diǎn)i的中心節(jié)點(diǎn)的半徑dx<dy,則節(jié)點(diǎn)i相對(duì)于節(jié)點(diǎn)y與節(jié)點(diǎn)x有著更強(qiáng)的關(guān)系程度,反之亦然。而當(dāng)dx=dy,則節(jié)點(diǎn)i與節(jié)點(diǎn)x、y有著相同的關(guān)系程度。由于節(jié)點(diǎn)i,對(duì)于不同中心節(jié)點(diǎn)生成的局部子圖會(huì)擁有不同的強(qiáng)弱關(guān)系,所以對(duì)其賦予不同的動(dòng)態(tài)權(quán)值,其計(jì)算表達(dá)式如下所示:

    公式(4)~(9)參數(shù)含義如表1。

    表1 NRLP算法參數(shù)說(shuō)明Table 1 NRLP algorithm parameter description

    對(duì)于節(jié)點(diǎn)標(biāo)簽為1的節(jié)點(diǎn)x、y,生成各自的相似度矩陣Sx=[Six]、Sy=[Siy]。構(gòu)建Sx、Sy的相似度矩陣差S=Sx-Sy,在局部子圖中,當(dāng)除中心節(jié)點(diǎn)x、y以外的節(jié)點(diǎn)標(biāo)簽全為0時(shí),則兩個(gè)節(jié)點(diǎn)完全不相似,其|SST|=0也認(rèn)定兩節(jié)點(diǎn)不能連接。當(dāng)其余節(jié)點(diǎn)標(biāo)簽不全為0,且|SST|<ε時(shí),對(duì)節(jié)點(diǎn)x、y進(jìn)行鏈路連接。其中ε為相似閾值,只有相似度小于閾值時(shí),認(rèn)為兩個(gè)節(jié)點(diǎn)可能成為好友。

    2.4 NRLP算法

    NRLP算法描述如下:

    3 實(shí)驗(yàn)結(jié)果與分析

    3.1 數(shù)據(jù)集和實(shí)驗(yàn)設(shè)計(jì)

    根據(jù)第2章所述一種融合節(jié)點(diǎn)標(biāo)簽與強(qiáng)弱關(guān)系的鏈路預(yù)測(cè)算法,對(duì)數(shù)據(jù)進(jìn)行驗(yàn)證。實(shí)驗(yàn)環(huán)境為Windows 10系統(tǒng)、Intel Core i7 處理器、32 GB 內(nèi)存,采用PyCharm開(kāi)發(fā)環(huán)境,Python 3.6進(jìn)行算法實(shí)現(xiàn)。采用三個(gè)常見(jiàn)的數(shù)據(jù)集Citeseer、DBLP和Cora數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),驗(yàn)證本文提出的算法有效性。數(shù)據(jù)集包含了節(jié)點(diǎn)之間的連邊關(guān)系和每個(gè)節(jié)點(diǎn)的屬性類(lèi)類(lèi)別。數(shù)據(jù)集信息如表2所示。

    表2 數(shù)據(jù)集信息Table 2 Data set information

    通過(guò)表2 可以看出,當(dāng)節(jié)點(diǎn)個(gè)數(shù)大致相同時(shí),邊的個(gè)數(shù)影響了圖的稠密度、平均度及平均聚類(lèi)系數(shù)的大小。本文提出的NRLP 算法建模帶有屬性節(jié)點(diǎn)之間的關(guān)系,且對(duì)社會(huì)關(guān)系設(shè)置動(dòng)態(tài)權(quán)重,得到的表示向量包含關(guān)系因子,結(jié)構(gòu)因子及屬性因子。

    3.2 評(píng)價(jià)指標(biāo)

    常見(jiàn)的鏈路預(yù)算精確度衡量指標(biāo)有AUC、準(zhǔn)確率、排序分等。本文采用AUC 評(píng)價(jià)指標(biāo)衡量算法的準(zhǔn)確性。鏈路預(yù)測(cè)算法在經(jīng)過(guò)訓(xùn)練后可以得到網(wǎng)絡(luò)中每一對(duì)節(jié)點(diǎn)的相似值。AUC評(píng)價(jià)指標(biāo)即是基于測(cè)試集中邊的相似值和不存在的邊的相似值的比較,如果測(cè)試集中邊的相似值大于不存在邊的相似值,則證明算法預(yù)測(cè)效果好。將數(shù)據(jù)集劃分為測(cè)試集和訓(xùn)練集,其中90%作為訓(xùn)練集,10%作為測(cè)試集。從測(cè)試集中每次隨機(jī)選一條存在的連邊,再隨機(jī)選一條不存在的連邊。若存在的連邊分值大于不存在的連邊分值,則加1;相等則加0.5。通過(guò)n次獨(dú)立比較,若有n′次大于的情況,n″次相等的情況,則AUC表示為:

    AUC評(píng)價(jià)指標(biāo)取值范圍應(yīng)為[0.5,1)。當(dāng)訓(xùn)練集越大,對(duì)應(yīng)的AUC值越高,則算法的精確度越高。

    3.3 對(duì)比分析

    為進(jìn)一步驗(yàn)證本文提出的算法有效性,將本文算法與現(xiàn)有的多種預(yù)測(cè)方法進(jìn)行對(duì)比。在實(shí)驗(yàn)中,對(duì)三個(gè)數(shù)據(jù)集設(shè)置訓(xùn)練比例為0.7、0.8、0.9,子圖深度h為2,向量長(zhǎng)度為200,相似閾值為0.000 16,實(shí)驗(yàn)鏈路預(yù)測(cè)結(jié)果如表3所示。

    從表3 可以得出,將本文所提出的NRLP 算法與常見(jiàn)的鏈路預(yù)測(cè)方法比較,通過(guò)對(duì)比結(jié)果得出本文提出的NRLP 算法在三個(gè)數(shù)據(jù)集上的性能優(yōu)于表3 中多種方法,并在Citeseer數(shù)據(jù)集性能最佳。由結(jié)果分析可知:本文所提出的NRLP算法優(yōu)于目前大多數(shù)鏈路預(yù)測(cè)方法,其原因在于考慮節(jié)點(diǎn)的連接與屬性信息;并考慮連接關(guān)系的強(qiáng)弱,區(qū)分其關(guān)系強(qiáng)度與程度生成新的相似度計(jì)算方法;并通過(guò)無(wú)監(jiān)督學(xué)習(xí)訓(xùn)練節(jié)點(diǎn)表示向量,快速提取節(jié)點(diǎn)信息及其結(jié)構(gòu)特征。

    表3 數(shù)據(jù)集不同訓(xùn)練比例鏈路預(yù)測(cè)AUCTable 3 Link prediction AUC with different training ratios in data set %

    3.4 調(diào)參與分析

    在本文實(shí)驗(yàn)中,需要設(shè)置訓(xùn)練比例、向量長(zhǎng)度n和局部子圖深度h的值。通過(guò)調(diào)整局部子圖的深度,獲取兩中心節(jié)點(diǎn)的不同鄰居節(jié)點(diǎn)及其局部子圖范圍內(nèi)的各節(jié)點(diǎn)屬性,比較局部子圖與原圖之間的差異。

    由圖2 可知,本文對(duì)三個(gè)數(shù)據(jù)集在深度h為1~5 的局部子圖性能進(jìn)行評(píng)估,當(dāng)h=2 時(shí),均達(dá)到最佳性能。AUC 值在h>2 時(shí)減小,這表明子圖越深可能會(huì)從遠(yuǎn)處節(jié)點(diǎn)引入噪聲。當(dāng)h=1 時(shí),因?yàn)槁窂捷^短時(shí),節(jié)點(diǎn)及屬性信息較少導(dǎo)致差異較大。當(dāng)長(zhǎng)度變大時(shí),引入路徑信息減少局部子圖與原圖之間的差異。

    圖2 局部子圖與原圖對(duì)比圖Fig.2 Comparison of partial sub-image and original image

    不同的訓(xùn)練比例與向量長(zhǎng)度對(duì)精確度擁有不同的影響,當(dāng)局部子圖深度為2,相似閾值為0.000 16,得到的訓(xùn)練率及向量長(zhǎng)度對(duì)預(yù)測(cè)結(jié)果如圖3所示。

    通過(guò)分析圖3 可以得出,向量長(zhǎng)度為50、100、150、200、300,訓(xùn)練集比例為0.70、0.75、0.80、0.85、0.90、0.95,Citeseer數(shù)據(jù)集和Cora數(shù)據(jù)集為較稀疏圖。當(dāng)向量長(zhǎng)度分別為300、150,訓(xùn)練率分別為0.75、0.90 時(shí),AUC 指標(biāo)最優(yōu);DBLP 數(shù)據(jù)集為較稠密圖,向量長(zhǎng)度大于100,訓(xùn)練率在0.75~0.95之間,AUC幅度相差不大,基本在一定范圍波動(dòng)。對(duì)于稀疏圖,向量長(zhǎng)度與訓(xùn)練率對(duì)AUC 影響較大,對(duì)于稠密圖,影響相對(duì)較小。

    圖3 訓(xùn)練率、向量長(zhǎng)度與預(yù)測(cè)結(jié)果的關(guān)系Fig.3 Relationship between training rate,vector length and prediction result

    為了證明NRLP 算法的效率,同時(shí)對(duì)比TELP 算法在原圖和本文算法在局部子圖上進(jìn)行的時(shí)間見(jiàn)表4。

    從表4 中可以看出,數(shù)據(jù)量較大時(shí),在局部子圖上算法效率更高,局部子圖的噪音少于原圖且表示向量更加高效,所以表現(xiàn)明顯優(yōu)勢(shì)。

    表4 算法運(yùn)行時(shí)間對(duì)比Table 4 Comparison of algorithm running time s

    4 結(jié)束語(yǔ)

    本文通過(guò)對(duì)節(jié)點(diǎn)生成標(biāo)簽構(gòu)造h深度子圖在鏈路預(yù)測(cè)時(shí)提高算法運(yùn)行時(shí)間與效率,并采用TELP模型為基礎(chǔ),分析不同關(guān)系強(qiáng)度對(duì)鏈路連接的重要性,并將余弦相似度算法與動(dòng)態(tài)權(quán)重相融合,提出一種融合節(jié)點(diǎn)標(biāo)簽與強(qiáng)弱關(guān)系的鏈路預(yù)測(cè)NRLP 算法。該算法同時(shí)考慮網(wǎng)絡(luò)結(jié)構(gòu)、節(jié)點(diǎn)屬性及連接關(guān)系強(qiáng)弱對(duì)鏈接的影響,通過(guò)隨機(jī)選擇兩個(gè)中心節(jié)點(diǎn)判斷其成功鏈接的可能性。實(shí)驗(yàn)結(jié)果通過(guò)在三種文獻(xiàn)的集成數(shù)據(jù)庫(kù)Citeseer、DBLP 和Cora 數(shù)據(jù)集驗(yàn)證NRLP 算法的準(zhǔn)確性和高效性。下一步工作將考慮對(duì)新聞資訊相關(guān)性或社交網(wǎng)絡(luò)人際關(guān)系預(yù)測(cè)實(shí)現(xiàn)鏈路預(yù)測(cè),并嘗試將模型拓展融合更豐富的屬性進(jìn)行教育資訊的社會(huì)化推薦。

    猜你喜歡
    子圖鏈路標(biāo)簽
    家紡“全鏈路”升級(jí)
    天空地一體化網(wǎng)絡(luò)多中繼鏈路自適應(yīng)調(diào)度技術(shù)
    臨界完全圖Ramsey數(shù)
    無(wú)懼標(biāo)簽 Alfa Romeo Giulia 200HP
    車(chē)迷(2018年11期)2018-08-30 03:20:32
    不害怕撕掉標(biāo)簽的人,都活出了真正的漂亮
    海峽姐妹(2018年3期)2018-05-09 08:21:02
    基于頻繁子圖挖掘的數(shù)據(jù)服務(wù)Mashup推薦
    標(biāo)簽化傷害了誰(shuí)
    基于多進(jìn)制查詢(xún)樹(shù)的多標(biāo)簽識(shí)別方法
    基于3G的VPDN技術(shù)在高速公路備份鏈路中的應(yīng)用
    不含2K1+K2和C4作為導(dǎo)出子圖的圖的色數(shù)
    99热6这里只有精品| 免费观看a级毛片全部| 欧美精品国产亚洲| 日韩亚洲欧美综合| 精品亚洲成国产av| 夜夜看夜夜爽夜夜摸| 久久精品国产自在天天线| 成人特级av手机在线观看| 一本一本综合久久| 精品一区二区三卡| 肉色欧美久久久久久久蜜桃| 日韩中文字幕视频在线看片 | 久久亚洲国产成人精品v| 我的老师免费观看完整版| 99久久精品热视频| 99久久综合免费| 欧美成人精品欧美一级黄| 日韩欧美一区视频在线观看 | 一本色道久久久久久精品综合| 91精品国产国语对白视频| 国产亚洲一区二区精品| 亚洲在久久综合| 这个男人来自地球电影免费观看 | 国产成人免费观看mmmm| 国语对白做爰xxxⅹ性视频网站| 久久精品久久久久久久性| 一级毛片aaaaaa免费看小| 亚洲电影在线观看av| 色婷婷av一区二区三区视频| 一区二区三区乱码不卡18| 熟妇人妻不卡中文字幕| 波野结衣二区三区在线| 最近最新中文字幕免费大全7| 91精品伊人久久大香线蕉| 香蕉精品网在线| 欧美老熟妇乱子伦牲交| 少妇人妻一区二区三区视频| 最近中文字幕高清免费大全6| 国产亚洲一区二区精品| 伊人久久精品亚洲午夜| 视频区图区小说| 久久精品久久精品一区二区三区| 久久久久久久国产电影| 黄色日韩在线| 十分钟在线观看高清视频www | 最近2019中文字幕mv第一页| 免费看不卡的av| 国产乱人视频| 久久人人爽av亚洲精品天堂 | 久久99热这里只有精品18| 欧美zozozo另类| 国产视频内射| 免费大片黄手机在线观看| 一区在线观看完整版| 视频中文字幕在线观看| 亚洲人成网站在线播| 久久久久国产网址| 九九久久精品国产亚洲av麻豆| 免费观看无遮挡的男女| 99久久人妻综合| 亚洲成色77777| 成人国产麻豆网| 啦啦啦视频在线资源免费观看| 超碰97精品在线观看| 日日摸夜夜添夜夜添av毛片| av国产免费在线观看| 日韩成人av中文字幕在线观看| 国产亚洲一区二区精品| 性高湖久久久久久久久免费观看| 色吧在线观看| 精品一区二区三区视频在线| 国产成人午夜福利电影在线观看| 亚洲熟女精品中文字幕| 欧美成人一区二区免费高清观看| 欧美97在线视频| 两个人的视频大全免费| 少妇的逼好多水| 国产黄片视频在线免费观看| 在线观看美女被高潮喷水网站| 欧美三级亚洲精品| 久久女婷五月综合色啪小说| 自拍偷自拍亚洲精品老妇| 国产精品一及| 久久99热这里只频精品6学生| 欧美一区二区亚洲| 青青草视频在线视频观看| 91在线精品国自产拍蜜月| 热99国产精品久久久久久7| 国产精品一二三区在线看| 国产精品久久久久成人av| 欧美zozozo另类| 国产精品蜜桃在线观看| 久久精品熟女亚洲av麻豆精品| 欧美高清成人免费视频www| 久久国产精品大桥未久av | 国产伦精品一区二区三区四那| 欧美老熟妇乱子伦牲交| 国产白丝娇喘喷水9色精品| 黄色一级大片看看| 国产69精品久久久久777片| 韩国高清视频一区二区三区| 亚洲人成网站在线播| av在线老鸭窝| 蜜桃在线观看..| 成人高潮视频无遮挡免费网站| 亚洲经典国产精华液单| 人妻夜夜爽99麻豆av| 国产永久视频网站| 国产极品天堂在线| 欧美精品一区二区大全| 最黄视频免费看| 在线观看免费高清a一片| 超碰97精品在线观看| 免费黄频网站在线观看国产| av网站免费在线观看视频| 91aial.com中文字幕在线观看| 搡老乐熟女国产| 成年免费大片在线观看| 夫妻性生交免费视频一级片| 国产亚洲欧美精品永久| 麻豆精品久久久久久蜜桃| 99re6热这里在线精品视频| 日韩伦理黄色片| 亚洲国产最新在线播放| 午夜免费男女啪啪视频观看| 欧美bdsm另类| 国产老妇伦熟女老妇高清| 国产成人午夜福利电影在线观看| 欧美bdsm另类| 在线免费十八禁| 国产精品人妻久久久久久| 街头女战士在线观看网站| 久久青草综合色| 亚洲av在线观看美女高潮| 亚洲电影在线观看av| 色哟哟·www| 国产亚洲一区二区精品| 女人久久www免费人成看片| 高清日韩中文字幕在线| 精品人妻熟女av久视频| 色综合色国产| 免费av中文字幕在线| 干丝袜人妻中文字幕| 色综合色国产| 国国产精品蜜臀av免费| 亚洲人成网站在线播| 免费观看av网站的网址| 超碰av人人做人人爽久久| 蜜桃久久精品国产亚洲av| 你懂的网址亚洲精品在线观看| 日韩av免费高清视频| 人妻系列 视频| www.av在线官网国产| 99久久中文字幕三级久久日本| 黄色视频在线播放观看不卡| 女人久久www免费人成看片| 亚州av有码| 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| 黑人猛操日本美女一级片| 免费看日本二区| 国产av精品麻豆| 多毛熟女@视频| 一级av片app| 精品国产露脸久久av麻豆| 九色成人免费人妻av| 国产精品国产三级国产专区5o| 人妻制服诱惑在线中文字幕| 男女边吃奶边做爰视频| 99久久人妻综合| 欧美精品一区二区大全| 亚洲成人手机| 国产成人午夜福利电影在线观看| 色吧在线观看| 国产v大片淫在线免费观看| 国产av码专区亚洲av| 一级毛片电影观看| 极品少妇高潮喷水抽搐| 亚洲欧美日韩无卡精品| 亚洲国产最新在线播放| 久久久久久久久久成人| 亚洲自偷自拍三级| 国产91av在线免费观看| 2022亚洲国产成人精品| 国内精品宾馆在线| 亚洲国产精品999| 少妇人妻久久综合中文| 狂野欧美白嫩少妇大欣赏| 亚洲欧美日韩东京热| 免费不卡的大黄色大毛片视频在线观看| 最近的中文字幕免费完整| 国产在线免费精品| 日韩三级伦理在线观看| 性色av一级| 人人妻人人澡人人爽人人夜夜| 亚洲av福利一区| 一区二区三区乱码不卡18| 成年av动漫网址| 亚洲,欧美,日韩| 国产黄色免费在线视频| 亚洲av电影在线观看一区二区三区| 高清欧美精品videossex| 建设人人有责人人尽责人人享有的 | 久久久久久久国产电影| 国产成人精品福利久久| 久久久久精品久久久久真实原创| 卡戴珊不雅视频在线播放| 久久人人爽人人片av| 国产色婷婷99| 日本-黄色视频高清免费观看| 少妇被粗大猛烈的视频| 91精品伊人久久大香线蕉| 美女高潮的动态| 欧美变态另类bdsm刘玥| 在线观看av片永久免费下载| 亚洲精品国产色婷婷电影| 国产老妇伦熟女老妇高清| 新久久久久国产一级毛片| 免费看光身美女| 汤姆久久久久久久影院中文字幕| 精品一区在线观看国产| 免费在线观看成人毛片| 熟女av电影| 久久精品人妻少妇| 王馨瑶露胸无遮挡在线观看| 日韩成人伦理影院| 国产男人的电影天堂91| av线在线观看网站| 少妇人妻一区二区三区视频| 欧美精品亚洲一区二区| 夜夜看夜夜爽夜夜摸| 99九九线精品视频在线观看视频| 免费少妇av软件| 精华霜和精华液先用哪个| 热99国产精品久久久久久7| 在线精品无人区一区二区三 | 97超碰精品成人国产| 少妇人妻久久综合中文| 欧美 日韩 精品 国产| 欧美xxⅹ黑人| 人妻夜夜爽99麻豆av| 久久精品久久精品一区二区三区| 国产成人午夜福利电影在线观看| 亚洲av福利一区| 国产精品蜜桃在线观看| 22中文网久久字幕| 国语对白做爰xxxⅹ性视频网站| 97超碰精品成人国产| 99久久中文字幕三级久久日本| 色视频www国产| 日本免费在线观看一区| 91久久精品国产一区二区成人| 日韩电影二区| 丰满人妻一区二区三区视频av| 色视频www国产| 制服丝袜香蕉在线| 成人无遮挡网站| 中文资源天堂在线| 国产精品欧美亚洲77777| 亚洲图色成人| 最黄视频免费看| 欧美精品亚洲一区二区| 制服丝袜香蕉在线| 一级毛片我不卡| 国产精品99久久久久久久久| 国产精品爽爽va在线观看网站| 久久精品国产a三级三级三级| 国产精品国产三级专区第一集| 大片免费播放器 马上看| 美女中出高潮动态图| 视频区图区小说| 99热6这里只有精品| 夜夜看夜夜爽夜夜摸| 久久青草综合色| 成人午夜精彩视频在线观看| 啦啦啦在线观看免费高清www| 中文字幕免费在线视频6| 国内少妇人妻偷人精品xxx网站| 国产成人a∨麻豆精品| kizo精华| 黑人猛操日本美女一级片| av在线app专区| 亚洲欧美精品专区久久| a 毛片基地| 99精国产麻豆久久婷婷| 午夜福利视频精品| 看免费成人av毛片| 久久ye,这里只有精品| 国产精品麻豆人妻色哟哟久久| 蜜臀久久99精品久久宅男| 一本一本综合久久| 你懂的网址亚洲精品在线观看| 久久青草综合色| 亚洲人成网站在线观看播放| 久久久国产一区二区| 国产乱人偷精品视频| 国产精品无大码| 丝袜脚勾引网站| 美女脱内裤让男人舔精品视频| 免费观看性生交大片5| 亚洲人成网站在线观看播放| 精品久久久久久久久av| 欧美97在线视频| 久久99热这里只有精品18| 成人二区视频| 国产精品无大码| 水蜜桃什么品种好| 永久免费av网站大全| 亚洲高清免费不卡视频| 伦理电影大哥的女人| 亚洲av电影在线观看一区二区三区| 精品一区二区三卡| 亚洲国产欧美在线一区| 亚洲av成人精品一区久久| 少妇人妻 视频| 免费看日本二区| 亚洲精品日韩在线中文字幕| 国产黄色视频一区二区在线观看| 亚洲av欧美aⅴ国产| 日本一二三区视频观看| 高清午夜精品一区二区三区| 成人无遮挡网站| 岛国毛片在线播放| 啦啦啦中文免费视频观看日本| 国产精品国产av在线观看| 18禁裸乳无遮挡动漫免费视频| 亚洲美女搞黄在线观看| 视频区图区小说| 亚洲精品中文字幕在线视频 | 国产一区二区在线观看日韩| 极品教师在线视频| 久久久午夜欧美精品| 亚洲国产精品成人久久小说| 午夜福利网站1000一区二区三区| 在线 av 中文字幕| 身体一侧抽搐| 一本一本综合久久| 男女免费视频国产| 老司机影院成人| 国产有黄有色有爽视频| 插阴视频在线观看视频| 人体艺术视频欧美日本| 性色avwww在线观看| h日本视频在线播放| 国产高清有码在线观看视频| 亚洲在久久综合| 国产精品精品国产色婷婷| 国产在线男女| 亚洲精品国产成人久久av| 亚洲丝袜综合中文字幕| 黑人猛操日本美女一级片| 欧美97在线视频| 黑人高潮一二区| 新久久久久国产一级毛片| 搡女人真爽免费视频火全软件| 欧美 日韩 精品 国产| 黄片无遮挡物在线观看| 青春草国产在线视频| 中文字幕av成人在线电影| 亚洲国产精品成人久久小说| 国产永久视频网站| 少妇人妻精品综合一区二区| 亚洲精品亚洲一区二区| 久久久久性生活片| 国产精品国产三级专区第一集| 人妻少妇偷人精品九色| 国产有黄有色有爽视频| 国产亚洲精品久久久com| 全区人妻精品视频| 男人和女人高潮做爰伦理| 最近中文字幕2019免费版| 欧美成人a在线观看| 亚洲色图av天堂| 久久国产亚洲av麻豆专区| 日韩国内少妇激情av| 国产精品女同一区二区软件| 国产成人freesex在线| 超碰av人人做人人爽久久| 日韩成人伦理影院| 天美传媒精品一区二区| 成人高潮视频无遮挡免费网站| 校园人妻丝袜中文字幕| 精品酒店卫生间| 高清不卡的av网站| 久久久久久久久久久免费av| 欧美日韩国产mv在线观看视频 | 国产精品99久久99久久久不卡 | 色网站视频免费| 男男h啪啪无遮挡| 少妇高潮的动态图| 91在线精品国自产拍蜜月| 日本黄色日本黄色录像| 午夜福利视频精品| 精品国产露脸久久av麻豆| 国语对白做爰xxxⅹ性视频网站| 国产av精品麻豆| 午夜福利影视在线免费观看| 人妻夜夜爽99麻豆av| 男人爽女人下面视频在线观看| 成人毛片60女人毛片免费| 国产精品久久久久久精品电影小说 | 欧美zozozo另类| 黄色一级大片看看| 国模一区二区三区四区视频| 国产精品久久久久久久电影| 色婷婷久久久亚洲欧美| 永久免费av网站大全| 人妻少妇偷人精品九色| 国产极品天堂在线| 韩国av在线不卡| 欧美亚洲 丝袜 人妻 在线| 99热这里只有是精品在线观看| 男人舔奶头视频| 亚洲欧美中文字幕日韩二区| 国产精品国产三级专区第一集| 国产乱来视频区| 免费人妻精品一区二区三区视频| 婷婷色av中文字幕| 搡女人真爽免费视频火全软件| 直男gayav资源| 高清日韩中文字幕在线| 联通29元200g的流量卡| 精品熟女少妇av免费看| 精品人妻熟女av久视频| 街头女战士在线观看网站| 国产精品久久久久久久久免| 日韩制服骚丝袜av| 欧美3d第一页| 午夜日本视频在线| 在线免费十八禁| 久久久久久久久久人人人人人人| 天美传媒精品一区二区| 蜜桃在线观看..| 五月玫瑰六月丁香| 极品少妇高潮喷水抽搐| 男女下面进入的视频免费午夜| 少妇人妻精品综合一区二区| 午夜福利网站1000一区二区三区| 精品久久久精品久久久| 少妇高潮的动态图| 久久99热这里只频精品6学生| 精品一品国产午夜福利视频| 久久久久视频综合| 中文字幕人妻熟人妻熟丝袜美| 国产极品天堂在线| 水蜜桃什么品种好| 边亲边吃奶的免费视频| 久久韩国三级中文字幕| 黄色一级大片看看| 国产黄片视频在线免费观看| 伦精品一区二区三区| 夫妻午夜视频| 亚洲丝袜综合中文字幕| 精品国产乱码久久久久久小说| 午夜老司机福利剧场| 免费少妇av软件| 伊人久久精品亚洲午夜| 久久国产精品大桥未久av | 欧美日韩在线观看h| 热re99久久精品国产66热6| 街头女战士在线观看网站| 亚洲精品第二区| 国产爱豆传媒在线观看| 亚洲精品国产av成人精品| 99精国产麻豆久久婷婷| 能在线免费看毛片的网站| 色网站视频免费| 好男人视频免费观看在线| 国产精品不卡视频一区二区| 国产精品爽爽va在线观看网站| 国产日韩欧美在线精品| 日本午夜av视频| 一级黄片播放器| 亚洲精品自拍成人| 在线 av 中文字幕| 精品国产一区二区三区久久久樱花 | 午夜福利视频精品| 亚洲精品中文字幕在线视频 | 亚洲图色成人| 亚洲欧洲国产日韩| 纯流量卡能插随身wifi吗| 欧美精品一区二区免费开放| 欧美丝袜亚洲另类| 婷婷色麻豆天堂久久| 国产精品99久久99久久久不卡 | 午夜福利在线观看免费完整高清在| 狂野欧美白嫩少妇大欣赏| av国产免费在线观看| 观看免费一级毛片| 我要看日韩黄色一级片| 免费av不卡在线播放| 日韩免费高清中文字幕av| 日韩人妻高清精品专区| 中文字幕免费在线视频6| av又黄又爽大尺度在线免费看| 少妇的逼水好多| 免费观看性生交大片5| 高清午夜精品一区二区三区| 韩国av在线不卡| 亚洲美女视频黄频| 日韩欧美一区视频在线观看 | 国产v大片淫在线免费观看| 99久久中文字幕三级久久日本| av视频免费观看在线观看| 高清不卡的av网站| 我的老师免费观看完整版| 国产69精品久久久久777片| 国产成人91sexporn| av视频免费观看在线观看| 免费人成在线观看视频色| 久久人人爽av亚洲精品天堂 | 国产精品99久久99久久久不卡 | 三级国产精品欧美在线观看| 久久精品久久久久久久性| 七月丁香在线播放| 97超碰精品成人国产| 亚洲成人手机| 亚洲激情五月婷婷啪啪| 老熟女久久久| 欧美另类一区| 一个人看的www免费观看视频| 简卡轻食公司| 99热国产这里只有精品6| 国产色婷婷99| 精品人妻一区二区三区麻豆| 国产精品人妻久久久影院| 日韩在线高清观看一区二区三区| 国模一区二区三区四区视频| 日日啪夜夜撸| 乱码一卡2卡4卡精品| 男女国产视频网站| 久久女婷五月综合色啪小说| 97精品久久久久久久久久精品| 国内揄拍国产精品人妻在线| a级一级毛片免费在线观看| 一二三四中文在线观看免费高清| 91久久精品电影网| 熟妇人妻不卡中文字幕| 欧美另类一区| 久久久久久久久久人人人人人人| 99热全是精品| 色吧在线观看| 国产精品99久久久久久久久| 热99国产精品久久久久久7| 少妇人妻一区二区三区视频| 国产色婷婷99| 啦啦啦视频在线资源免费观看| 亚洲精品aⅴ在线观看| 国产精品蜜桃在线观看| 亚洲内射少妇av| 精品酒店卫生间| 国产精品99久久99久久久不卡 | 国产精品偷伦视频观看了| 高清在线视频一区二区三区| 激情 狠狠 欧美| 熟女电影av网| 成人二区视频| 国产亚洲欧美精品永久| 国产精品.久久久| 最近2019中文字幕mv第一页| 久久99热这里只有精品18| 97超碰精品成人国产| 插阴视频在线观看视频| 欧美日韩在线观看h| 黄色欧美视频在线观看| av在线播放精品| 精品人妻偷拍中文字幕| 日日啪夜夜爽| 久久人人爽av亚洲精品天堂 | 日本黄色片子视频| av又黄又爽大尺度在线免费看| 日本黄色日本黄色录像| 黄色视频在线播放观看不卡| 菩萨蛮人人尽说江南好唐韦庄| 免费看不卡的av| 婷婷色综合www| 哪个播放器可以免费观看大片| 精品一区二区三卡| 久久国产亚洲av麻豆专区| 亚洲精品亚洲一区二区| 老女人水多毛片| 国产黄片视频在线免费观看| 国产永久视频网站| 99久久人妻综合| 久久综合国产亚洲精品| 成人毛片60女人毛片免费| 内地一区二区视频在线| 激情 狠狠 欧美| 永久网站在线| 国产欧美日韩一区二区三区在线 | 黑人高潮一二区| 岛国毛片在线播放| 一级黄片播放器| 久久久久视频综合| 欧美激情极品国产一区二区三区 | 精品国产乱码久久久久久小说| 午夜视频国产福利| 日本一二三区视频观看| 黄片wwwwww| 免费看不卡的av| 亚洲av免费高清在线观看| 最新中文字幕久久久久| 国产伦精品一区二区三区四那| 欧美日韩国产mv在线观看视频 | 国产大屁股一区二区在线视频| 久久久久久久精品精品| 中文天堂在线官网| 又爽又黄a免费视频| 成人漫画全彩无遮挡| 免费av不卡在线播放| 乱系列少妇在线播放| 一区在线观看完整版| 国产色爽女视频免费观看| 狂野欧美激情性xxxx在线观看| 国产欧美亚洲国产|