• <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 ?

    屬性網(wǎng)絡(luò)中結(jié)合用戶偏好的社區(qū)搜索和離群點(diǎn)檢測(cè)

    2022-11-09 07:13:50李青青馬慧芳李志欣姜彥斌
    電子學(xué)報(bào) 2022年9期
    關(guān)鍵詞:性子離群定義

    李青青,馬慧芳,2,李 舉,李志欣,姜彥斌

    (1.西北師范大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院,甘肅蘭州 730070;2.桂林電子科技大學(xué)廣西可信軟件重點(diǎn)實(shí)驗(yàn)室,廣西桂林 541004;3.廣西師范大學(xué)廣西多源信息挖掘與安全重點(diǎn)實(shí)驗(yàn)室,廣西桂林 541004)

    1 引言

    作為分析復(fù)雜系統(tǒng)本質(zhì)和功能的有力表示,圖可以建模各種復(fù)雜系統(tǒng)單元之間的交互關(guān)系.其中節(jié)點(diǎn)表示復(fù)雜系統(tǒng)單元,邊表示節(jié)點(diǎn)間潛在結(jié)構(gòu)和交互規(guī)則.此外,節(jié)點(diǎn)往往可以與大量屬性相關(guān)聯(lián),描述節(jié)點(diǎn)的特定特征并提供與網(wǎng)絡(luò)拓?fù)湔坏挠袃r(jià)值的信息[1,2].作為網(wǎng)絡(luò)分析中的一個(gè)基本問題,社區(qū)搜索旨在挖掘與用戶給定查詢節(jié)點(diǎn)相關(guān)聯(lián)的局部社區(qū)[3].與社區(qū)檢測(cè)[4]不同,社區(qū)搜索將個(gè)性化需求整合到社區(qū)搜索過程中在特定用戶挖掘[5]、蛋白分析網(wǎng)絡(luò)[6]等任務(wù)中具有廣泛的應(yīng)用前景.

    傳統(tǒng)的社區(qū)搜索方法主要集中于普通圖(無屬性)[7~9].隨著現(xiàn)實(shí)世界屬性信息的激增,屬性可作為輔助信息潛在的提高社區(qū)搜索的準(zhǔn)確性.早期的屬性社區(qū)搜索方法將屬性視為同等重要,旨在通過屬性相似性找到包含查詢節(jié)點(diǎn)的局部?jī)?nèi)聚社區(qū).如Leman等人[10]提出的基于屬性圖的無參數(shù)化方法,即PICS(Parameter-free Identification of Cohesive Subgroups),將所有屬性視為節(jié)點(diǎn)來挖掘局部社區(qū).Shang等人[11]設(shè)計(jì)了既能反映網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)關(guān)系也能包含屬性相似性的TA-graph來檢測(cè)局部社區(qū).但高維的屬性信息使得這類方法的存儲(chǔ)開銷加劇.因此,有研究人員指出查詢節(jié)點(diǎn)所攜帶的核心屬性足以指導(dǎo)算法挖掘出融合用戶偏好的個(gè)性化局部社區(qū)[12].在不影響精確性的前提下,可以使用核心屬性進(jìn)行個(gè)性化屬性社區(qū)搜索.如Huang等人[13]研究了滿足結(jié)構(gòu)內(nèi)聚性k-core和關(guān)鍵字內(nèi)聚性的屬性社區(qū).VAC(Vertex-centric Attributed Community)[14]旨在挖掘包含查詢節(jié)點(diǎn)且具有最大屬性得分的連通k-truss.Ye等人[15]通過引入統(tǒng)計(jì)學(xué)方法來搜索具有指定屬性的查詢節(jié)點(diǎn)所在社區(qū).同時(shí),目標(biāo)社區(qū)發(fā)現(xiàn)方法也因其能捕獲個(gè)性化需求而被廣泛研究.如Perozzi等人[16]提出了面向用戶的屬性圖挖掘方法,利用焦點(diǎn)屬性以提取目標(biāo)社區(qū)與離群點(diǎn).TSCM(Target Subspace and Communities Mining)[17]通過屬性子空間來定位和挖掘目標(biāo)社區(qū).盡管以上方法緩解了存儲(chǔ)開銷,但大多數(shù)方法均僅能定位查詢節(jié)點(diǎn)所在社區(qū),未整合用戶偏好到社區(qū)搜索過程以挖掘融合用戶偏好的多社區(qū)且精準(zhǔn)定位與社區(qū)中成員緊密連接但屬性偏離其社區(qū)成員的節(jié)點(diǎn).此外,盡管部分方法考慮了整合用戶偏好到社區(qū)搜索過程中,但仍需用戶提供足夠多的查詢節(jié)點(diǎn)來幫助算法捕獲用戶偏好,具有靈活性不足且不切合實(shí)際的局限性.

    針對(duì)以上問題,提出了屬性網(wǎng)絡(luò)中結(jié)合用戶偏好的社區(qū)搜索和離群點(diǎn)檢測(cè)方法(Incorporating user Preference for Community Search and Outlier detection in attributed network,IPCSO).具體地,通過編碼查詢節(jié)點(diǎn)鄰域網(wǎng)絡(luò)中節(jié)點(diǎn)屬性和結(jié)構(gòu)間關(guān)系來捕獲潛在社區(qū)成員.其次,定義平均劃分相似度來挖掘?qū)傩宰涌臻g,并將其作為用戶偏好來指導(dǎo)社區(qū)搜索過程.最后,將屬性子空間蘊(yùn)含的重要信息融入到網(wǎng)絡(luò)中,并采用結(jié)構(gòu)凝聚力約束k-core和屬性內(nèi)聚性約束fractional-core來搜索網(wǎng)絡(luò)中的多社區(qū)并檢測(cè)離群點(diǎn).多種真實(shí)網(wǎng)絡(luò)和人工網(wǎng)絡(luò)上的廣泛實(shí)驗(yàn)證明了本文方法的有效性和效率.

    2 準(zhǔn)備知識(shí)

    2.1 符號(hào)說明與問題定義

    給定無向加權(quán)屬性圖G=(V,E,T,W),其中V={vi}i=1,…,n表示圖中節(jié)點(diǎn)集且|V|=n;E?V×V表示邊集且|E|=m.屬性集為T={ti}i=1,…,d,|T|=d.設(shè)節(jié)點(diǎn)屬性矩陣為F∈Rn×d,fTi表示節(jié)點(diǎn)vi的屬性向量.權(quán)重矩陣記為W∈Rn×n,其中wij=cos(fi,fj)表示邊(vi,vj)的權(quán)重.設(shè)用戶給定的查詢節(jié)點(diǎn)集為Q={qi}i=1,…,s,Q?V.屬性約束fractional-core的閾值為w,結(jié)構(gòu)約束k-core的閾值為k.IPCSO的目標(biāo)是找到目標(biāo)社區(qū)集C={Ci}i=1,…,l和離群點(diǎn)集O={Oi}i=1,…,b,滿足:(1)社區(qū)內(nèi)緊密連接;(2)在屬性上與用戶偏好(屬性子空間)一致;(3)找到偏離屬性約束的社區(qū)內(nèi)成員(離群點(diǎn)).具體地,本文方法的問題定義如下:(1)輸入:屬性圖G=(V,E,T,W),用戶提供的查詢節(jié)點(diǎn)集合Q,屬性約束閾值w以及結(jié)構(gòu)約束閾值k.(2)輸出:融合用戶偏好的社區(qū)集C與離群點(diǎn)集O.

    2.2 結(jié)合用戶偏好的社區(qū)搜索和離群點(diǎn)檢測(cè)基本框架

    本文提出的方法框架如圖1所示:在給定屬性網(wǎng)絡(luò)G=(V,E,T,W),查詢節(jié)點(diǎn)集Q,結(jié)構(gòu)約束閾值k和屬性約束閾值w的情況下,采用編碼可以顯式建模鄰居之間的交互以突出局部結(jié)構(gòu)內(nèi)的公共屬性,有助于算法挖掘潛在社區(qū)成員.通過平均劃分相似度獲取每個(gè)屬性的重要性權(quán)重,以此表示用戶偏好.通過屬性子空間的指導(dǎo)對(duì)網(wǎng)絡(luò)重加權(quán),并設(shè)定結(jié)構(gòu)約束及屬性約束檢測(cè)多社區(qū)以及社區(qū)中的離群點(diǎn).接下來將詳細(xì)介紹該算法.

    圖1 結(jié)合用戶偏好的社區(qū)搜索和離群點(diǎn)檢測(cè)的基本框架

    定義1(節(jié)點(diǎn)vi的鄰域網(wǎng)絡(luò))給定節(jié)點(diǎn)vi,其鄰域網(wǎng)絡(luò)被定義為N(vi)=(VN(vi),EN(vi),TN(vi),WN(vi)),其中節(jié)點(diǎn)集為VN(vi)={vw|(vi,vw)∈E}∪{vi},EN(vi)={(vu,vw)|vu∈VN(vi)^vw∈VN(vi)^(vu,vw)∈E}為 邊 集,TN(vi)表 示VN(vi)的 屬 性 集,TN(vi)?T.WN(vi)∈R|VN(νi)|×|VN(νi)|為EN(vi)的權(quán)重矩陣.

    3 結(jié)合用戶偏好的社區(qū)搜索和離群點(diǎn)檢測(cè)

    3.1 編碼節(jié)點(diǎn)屬性和結(jié)構(gòu)

    較少的查詢節(jié)點(diǎn)(例如,一個(gè)查詢節(jié)點(diǎn))包含的信息有限,無法準(zhǔn)確計(jì)算屬性子空間.此外,查詢節(jié)點(diǎn)間可能沒有相互作用關(guān)系,無法保證推斷出的子空間與內(nèi)聚連接相關(guān)聯(lián).針對(duì)此,受CDE模型[18]的啟發(fā),設(shè)計(jì)了建模查詢節(jié)點(diǎn)與其鄰居間相互作用及屬性相關(guān)性的方法.該方法可有效地挖掘查詢節(jié)點(diǎn)所在社區(qū)的潛在成員,將較少的查詢節(jié)點(diǎn)擴(kuò)展為一組候選查詢節(jié)點(diǎn).具體地,編碼節(jié)點(diǎn)結(jié)構(gòu)和屬性信息以增強(qiáng)節(jié)點(diǎn)的表示能力,從而避免丟失與查詢節(jié)點(diǎn)相似的潛在社區(qū)成員信息.因此,盡管給定少量查詢節(jié)點(diǎn),查詢節(jié)點(diǎn)的特征信息仍可保留用以查找與其相似的候選節(jié)點(diǎn).

    接下來將詳細(xì)介紹該策略.首先,編碼節(jié)點(diǎn)結(jié)構(gòu)和屬性相似性mij的公式被定義為:

    具體地,首先提取節(jié)點(diǎn)vi的鄰域網(wǎng)絡(luò).然后,利用式(1)對(duì)每個(gè)候選查詢節(jié)點(diǎn)及其鄰居節(jié)點(diǎn)的結(jié)構(gòu)和屬性關(guān)系進(jìn)行編碼.最后,將mij值最大的節(jié)點(diǎn)vj加入候選節(jié)點(diǎn)集中.上述過程持續(xù)進(jìn)行到候選節(jié)點(diǎn)的數(shù)量大于擴(kuò)展深度h為止.圖2顯示了編碼節(jié)點(diǎn)屬性和結(jié)構(gòu)的過程,其中邊的粗度表示端點(diǎn)節(jié)點(diǎn)的屬性相似度.設(shè)h=5,v2為用戶提供的查詢節(jié)點(diǎn),首先初始化候選查詢節(jié)點(diǎn)集Q1={v2}并提取v2的鄰域網(wǎng)絡(luò).其次,通過式(1)對(duì)查詢節(jié)點(diǎn)與其鄰居節(jié)點(diǎn)間的相似度進(jìn)行編碼,選擇具有最大m2j的節(jié)點(diǎn)vj添加到候選查詢節(jié)點(diǎn)集中,得Q1={v2,v3}.重復(fù)上述步驟,分別提取v2和v3的鄰域網(wǎng)絡(luò),計(jì)算v2與其鄰居vj∈VN(v2)間的相似強(qiáng)度m2j,v3與其鄰居va∈VN(v3)間的相似強(qiáng)度m3a,選擇節(jié)點(diǎn)v8加入到候選查詢節(jié)點(diǎn)集中.上述過程在候選查詢節(jié)點(diǎn)個(gè)數(shù)大于5時(shí)停止,最后得候選查詢節(jié)點(diǎn)集為Q1={v1,v2,v3,v4,v8}.

    圖2 編碼節(jié)點(diǎn)屬性和結(jié)構(gòu)策略的示例

    3.2 基于平均劃分相似度挖掘?qū)傩宰涌臻g

    本節(jié)設(shè)計(jì)了一種屬性子空間推斷方法,該方法適用于衡量真實(shí)社區(qū)中屬性的重要性.首先通過擴(kuò)展后的查詢節(jié)點(diǎn)集來提取用戶所關(guān)注的核心屬性,隨后根據(jù)核心屬性集挖掘用戶所聚焦的屬性子空間,以此來指導(dǎo)算法挖掘融合用戶偏好的社區(qū).特別地,基于距離屬性劃分方法[19,20]的潛在含義,同一社區(qū)中的屬性應(yīng)產(chǎn)生相似的劃分,存在一些由屬性定義的劃分與實(shí)際節(jié)點(diǎn)所屬社區(qū)一致.首先根據(jù)候選查詢節(jié)點(diǎn)集將其中節(jié)點(diǎn)所攜帶的屬性提取為核心屬性集Tcore,Tcore?T.對(duì)于?ti∈Tcore,由屬性ti劃分的節(jié)點(diǎn)集V表示為V/ti={Ci,Γi},Ci表示包含屬性ti的節(jié)點(diǎn)集,Γi表示不包含屬性ti的節(jié)點(diǎn)集,且Ci∪Γi=V.

    定義2(劃分熵)給定屬性ti∈Tcore,設(shè)屬性ti的劃分為V/ti={Ci,Γi}.P(Ci)表示包含屬性ti的節(jié)點(diǎn)集合的概率,則屬性ti的劃分熵E(ti)定義為:

    定義3(劃分條件熵)給定核心屬性ti,tj∈Tcore,設(shè)屬性ti和tj的劃分分別為V/ti={Ci,Γi},V/tj={Cj,Γj}.則核心屬性tj關(guān)于屬性ti的劃分條件熵CEti(tj)定義為:

    定義4(劃分聯(lián)合熵)給定核心屬性ti,tj∈Tcore,核心屬性ti和tj的劃分聯(lián)合熵E(ti,tj)定義為:

    定義5(屬性劃分距離)劃分V/ti和V/tj的屬性劃分距離d(V/ti,V/tj)為:

    定義6(歸一化屬性劃分相似度)為了便于度量屬性劃分的相似性,對(duì)屬性劃分距離進(jìn)行歸一化并將其轉(zhuǎn)化為屬性劃分相似度:

    值得注意的是,式(6)的分母不能為零,所以不會(huì)出現(xiàn)未定義的情況.此外,由于式(6)的分母總是大于分子,因此不會(huì)因?yàn)榉帜高^大而放小比值.

    由上可知,平均劃分相似度可形式化為:

    定義7(平均劃分相似度)給定屬性ti,tj∈Tcore,屬性ti的平均劃分相似度定義為:

    APS衡量劃分相似度差異性,可表示選用某一屬性ti進(jìn)行劃分與其他屬性進(jìn)行劃分的相異程度.屬性ti的APS值越大,則表明選用屬性ti劃分所得的社區(qū)與其他屬性劃分所得社區(qū)的相似程度越高.用向量τ來表示屬性子空間,其元素值計(jì)算如下:

    元素τi表示對(duì)應(yīng)屬性ti在屬性子空間中的重要性或與查詢節(jié)點(diǎn)的相關(guān)性,若屬性ti∈Tcore,則屬性子空間中元素設(shè)為APS(ti),否則,將其在屬性子空間下的重要性設(shè)為0.

    3.3 編碼節(jié)點(diǎn)屬性和結(jié)構(gòu)

    3.3.1 網(wǎng)絡(luò)重加權(quán)

    屬性子空間可幫助用戶探索在核心屬性上內(nèi)聚的社區(qū),通過重加權(quán)網(wǎng)絡(luò)將屬性子空間對(duì)屬性的關(guān)注程度融入到整個(gè)網(wǎng)絡(luò)中.首先定義在屬性子空間的指導(dǎo)下重加權(quán)后的權(quán)重矩陣Wτ,Wτ中元素表示節(jié)點(diǎn)vi和vj在屬性子空間下的相似度.具體計(jì)算公式如下:

    3.3.2 社區(qū)搜索與離群點(diǎn)檢測(cè)

    現(xiàn)有方法常使用k-core[21],k-truss[22]和k-clique[23]等結(jié)構(gòu)約束來度量社區(qū)結(jié)構(gòu)的內(nèi)聚性.k-core考慮了圖中節(jié)點(diǎn)的結(jié)構(gòu)內(nèi)聚性,fractional-core[24]不僅考慮了圖中節(jié)點(diǎn)的度,而且也考慮節(jié)點(diǎn)間的連接強(qiáng)度.因此,選用前者來度量社區(qū)的結(jié)構(gòu)凝聚力,后者度量屬性子空間下端點(diǎn)節(jié)點(diǎn)屬性的凝聚性.具體定義如下:

    定義8(k-core[21])給定一個(gè)正整數(shù)k(k≥0),圖G的k-core表示為Hk,其是圖G的最大子圖,使得?ν∈Hk,degHk(ν)≥k,其中degHK(ν)=|VN(ν)-ν|.

    值得注意的是Hk可能不是一個(gè)連通子圖,設(shè)k-core的連通分量為

    定義9(fractional-core[24])給定一個(gè)有理數(shù)w,fractional-core是圖G的最大子圖Hw,Hw中節(jié)點(diǎn)的度都不小于w,即?νi∈Hw,di≥w,其中

    IPCSO方法旨在通過屬性子空間的指導(dǎo)搜索出滿足fractional-core和k-core約束的多社區(qū),同時(shí)識(shí)別出社區(qū)中的離群點(diǎn),且所挖掘到的社區(qū)都是最大的.也就是說,不存在另一個(gè)滿足結(jié)構(gòu)和屬性內(nèi)聚性約束的社區(qū)C?C'.具體地,首先提取滿足結(jié)構(gòu)約束k-core的所有密集連通子圖作為候選社區(qū).其次,在這些密集連通子圖上設(shè)置屬性約束以滿足屬性內(nèi)聚性.最后,返回滿足結(jié)構(gòu)和屬性約束的社區(qū),其中不滿足屬性約束的節(jié)點(diǎn)為離群點(diǎn).

    4 實(shí)驗(yàn)結(jié)果與分析

    本節(jié)將通過實(shí)驗(yàn)驗(yàn)證IPCSO方法的有效性和效率,旨在回答以下三個(gè)研究問題.問題1:參數(shù)的變化對(duì)于IPCSO方法影響如何?問題2:IPCSO方法相比其他基準(zhǔn)方法的性能表現(xiàn)如何?以及問題3:IPCSO方法在實(shí)際應(yīng)用中表現(xiàn)如何?

    4.1 數(shù)據(jù)集描述

    4.1.1 人工數(shù)據(jù)集

    為研究IPCSO方法的性能,基于LFR[25]生成了節(jié)點(diǎn)數(shù)為n、屬性數(shù)為d的具有真實(shí)基準(zhǔn)的人工網(wǎng)絡(luò).其中人工網(wǎng)絡(luò)中節(jié)點(diǎn)的平均度數(shù)由davg來控制,最大度通過dmax來設(shè)定.此外,μ控制社區(qū)內(nèi)邊數(shù)與社區(qū)間邊數(shù)的比值.社區(qū)的大小分別通過參數(shù)cmax和cmin來控制.給定社區(qū)中所需節(jié)點(diǎn)數(shù),鄰接矩陣對(duì)角線上定義的塊以0.35的概率隨機(jī)為塊中的每個(gè)元素分配一條邊.對(duì)于非對(duì)角線上的塊,以0.01的概率隨機(jī)分配邊.更進(jìn)一步地,按照均值為[0,1]以及方差控制在0.001范圍內(nèi)的高斯分布來分配屬性值.較小的方差便于社區(qū)中的節(jié)點(diǎn)包含有核心屬性.其余屬性可從方差較大的正態(tài)分布中提取.離群點(diǎn)可從每個(gè)社區(qū)中隨機(jī)選擇一個(gè)節(jié)點(diǎn),將其屬性替換為與該社區(qū)屬性差異較大的屬性.經(jīng)過多次測(cè)試,人工網(wǎng)絡(luò)參數(shù)設(shè)置為:davg=20,dmax=80,cmin=2,cmax=80.具體設(shè)置如表1所示.

    表1 人工數(shù)據(jù)集統(tǒng)計(jì)信息

    4.1.2 真實(shí)數(shù)據(jù)集

    選取了5個(gè)真實(shí)屬性網(wǎng)絡(luò).4Area是計(jì)算機(jī)科學(xué)領(lǐng)域的合著網(wǎng)絡(luò),其中節(jié)點(diǎn)表示作者,邊表示作者間的合著關(guān)系,屬性表征作者在數(shù)據(jù)庫、信息檢索和機(jī)器學(xué)習(xí)等方面發(fā)表的會(huì)議.YouTube是一個(gè)社交網(wǎng)絡(luò)的視頻分享網(wǎng)站,節(jié)點(diǎn)表示用戶,邊表示友誼關(guān)系,屬性描述用戶的身份信息.而Disney數(shù)據(jù)集是共同購買網(wǎng)絡(luò),其中節(jié)點(diǎn)為影片,邊表示共同購買關(guān)系,每部電影有28個(gè)屬性.由聯(lián)邦能源管理委員會(huì)發(fā)布的Enron中,節(jié)點(diǎn)表示電子郵件地址,電子郵件之間的傳輸關(guān)系記為邊.節(jié)點(diǎn)上攜帶18個(gè)屬性,用于描述郵件的平均內(nèi)容長(zhǎng)度、平均收件人數(shù)量等信息.此外,IMDB(Internet Movie Date-Base)數(shù)據(jù)集中節(jié)點(diǎn)表示電影,邊表示電影中演員的共同參演關(guān)系.具體統(tǒng)計(jì)數(shù)據(jù)如表2所示.

    表2 真實(shí)數(shù)據(jù)集統(tǒng)計(jì)信息

    4.2 實(shí)驗(yàn)設(shè)置

    4.2.1 評(píng)價(jià)指標(biāo)

    為評(píng)估IPCSO方法在屬性圖上的有效性,采用Precision和CAS(Community Attribute Similarity)[14]來度量社區(qū)的質(zhì)量.設(shè)算法搜索到的社區(qū)為C,基準(zhǔn)社區(qū)為C',則Precision=|C'∩C|||C,其他評(píng)價(jià)指標(biāo)定義如下:

    定義10(CAS)CAS度量社區(qū)C中的屬性凝聚力,形式上:

    其中T(vi)為節(jié)點(diǎn)vi所攜帶的屬性集合.CAS值越高,屬性內(nèi)聚性越強(qiáng).

    4.2.2 對(duì)比方法

    為度量IPCSO方法的性能,選取了以下三類方法進(jìn)行對(duì)比.第一,比較本文方法與目標(biāo)社區(qū)發(fā)現(xiàn)方法的性能,選取了FocusCO(Focused Clustering and Outlier)和TSCM.FocusCO為經(jīng)典的目標(biāo)社區(qū)發(fā)現(xiàn)算法之一,TSCM與IPCSO均采用了擴(kuò)展查詢節(jié)點(diǎn)的策略來挖掘社區(qū).第二,為研究IPCSO與其他基于結(jié)構(gòu)度量的屬性社區(qū)搜索方法的性能,選擇了ACQ(Attributed Community Query)和VAC-Etruss(Vertex-centric Attributed Community-Etruss).其中ACQ是具有奠基性的社區(qū)搜索方法之一,而VAC-Ecore(Vertex-centric Attributed Community-Ecore)是以節(jié)點(diǎn)為中心的屬性社區(qū)搜索方法的變體.第三,為了探索IPCSO方法挖掘融合用戶偏好社區(qū)的有效性,選取了LOCLU(LOcal CLustering Unimodality)方法.

    4.3 參數(shù)分析(問題1)

    本節(jié)將從三方面研究不同參數(shù)設(shè)置對(duì)于IPCSO的影響.探索查詢節(jié)點(diǎn)個(gè)數(shù)對(duì)于IPCSO的性能影響.研究編碼查詢節(jié)點(diǎn)結(jié)構(gòu)和屬性策略中超參數(shù)a的選定以及擴(kuò)展深度h的選擇對(duì)于IPCSO的影響.觀察k和w的變化對(duì)于IPCSO性能的影響.

    對(duì)于查詢節(jié)點(diǎn)個(gè)數(shù)s,從每個(gè)真實(shí)數(shù)據(jù)集中任意選取6個(gè)查詢節(jié)點(diǎn),在s取值不同的情況下運(yùn)行方法50次并取其平均值返回結(jié)果.如圖3所示.不同數(shù)據(jù)集上查詢節(jié)點(diǎn)個(gè)數(shù)的變化對(duì)于本文方法的影響均較小.原因在于IPCSO方法使用較少的查詢節(jié)點(diǎn)就可以有效的編碼節(jié)點(diǎn)信息以找到潛在社區(qū)成員,有助于增強(qiáng)用戶偏好以達(dá)到較為精確地搜索結(jié)果.此外,由于所查找社區(qū)的屬性內(nèi)聚性通過用戶指定的屬性約束來控制,故查詢節(jié)點(diǎn)個(gè)數(shù)的變化對(duì)于CAS的影響較小.

    圖3 不同數(shù)據(jù)集上s取值對(duì)應(yīng)的Precision和CAS

    圖4展示了編碼查詢節(jié)點(diǎn)結(jié)構(gòu)和屬性策略中的超參數(shù)a和擴(kuò)展深度h取值的影響.從圖4(a)和圖4(b)均可觀察到,a和h的增加首先會(huì)帶來較大的性能提升,但隨著其取值不斷增大會(huì)使得IPCSO的性能下降.a=2時(shí)所有數(shù)據(jù)集上的性能表現(xiàn)較好,當(dāng)a=6時(shí)部分?jǐn)?shù)據(jù)集上的性能下降.這說明當(dāng)a設(shè)定為2時(shí)編碼節(jié)點(diǎn)屬性和結(jié)構(gòu)策略足以幫助IPCSO找到候選查詢節(jié)點(diǎn)集以提取用戶偏好.當(dāng)h=6時(shí),較小的數(shù)據(jù)集上的性能達(dá)到了最優(yōu).在較大數(shù)據(jù)集中,h=8時(shí)性能表現(xiàn)最好,之后則出現(xiàn)了性能下降.究其原因在于擴(kuò)展過深會(huì)使得將不屬于查詢節(jié)點(diǎn)所在社區(qū)的節(jié)點(diǎn)納入.

    圖4 不同數(shù)據(jù)集上a和h取值對(duì)應(yīng)的Precision

    圖5給出了結(jié)構(gòu)約束閾值k和屬性約束閾值w分別從8以4的步長(zhǎng)變化到20,0.2以0.2的步長(zhǎng)變化到0.8的結(jié)果.圖5(a)中可觀察到,k值的增加會(huì)使得算法所找到社區(qū)的結(jié)構(gòu)凝聚性增強(qiáng),其精度也會(huì)隨之增加.k的大小與返回社區(qū)的大小密切相關(guān).圖5(b)可觀察到隨著w的增加,算法的精度隨之降低,源于較小的屬性閾值將會(huì)使得所返回社區(qū)的屬性內(nèi)聚性更強(qiáng),精度更高.但如果將w設(shè)置過小,算法將會(huì)返回一個(gè)空社區(qū).本文設(shè)置k=8,w=0.7.

    圖5 不同數(shù)據(jù)集上k和w取值對(duì)應(yīng)的Precision

    4.4 性能比較(問題2)

    本節(jié)將評(píng)價(jià)IPCSO方法的有效性,觀察IPCSO方法與基準(zhǔn)方法的性能差異.

    表3給出了在不同數(shù)據(jù)集上取4個(gè)查詢節(jié)點(diǎn),運(yùn)行100次的平均結(jié)果.從實(shí)驗(yàn)結(jié)果可得,TSCM在所有數(shù)據(jù)集上的表現(xiàn)都優(yōu)于FocusCO.因?yàn)檩^少的查詢節(jié)點(diǎn)不足以精確地捕獲到用戶偏好,進(jìn)而使得算法不能準(zhǔn)確定位與查詢節(jié)點(diǎn)相似的社區(qū)成員.TSCM性能表現(xiàn)雖好,但不足以與IPCSO方法競(jìng)爭(zhēng),這是由于IPCSO對(duì)社區(qū)內(nèi)聚性的要求更高.由于結(jié)構(gòu)內(nèi)聚性的要求,ACQ和VAC-Ecore在所有數(shù)據(jù)集上的表現(xiàn)均優(yōu)于目標(biāo)社區(qū)發(fā)現(xiàn)方法,且ACQ的CAS高于VAC-Ecore但卻低于IPCSO,原因在于ACQ需要用戶將查詢節(jié)點(diǎn)所攜帶的屬性作為輸入并返回覆蓋該屬性的社區(qū),而VAC-Ecore只需要找到屬性得分最小的查詢節(jié)點(diǎn)所在社區(qū).對(duì)于IPCSO,其返回的社區(qū)均在屬性子空間的指導(dǎo)下,社區(qū)內(nèi)節(jié)點(diǎn)與查詢節(jié)點(diǎn)具有較大的相似性.LOCLU可與IPCSO方法相媲美,其在所有數(shù)據(jù)集上的表現(xiàn)均優(yōu)于目標(biāo)社區(qū)發(fā)現(xiàn)方法和基于結(jié)構(gòu)度量的方法,但該方法容易將其他社區(qū)節(jié)點(diǎn)囊括在內(nèi).整體而言,IPCSO始終優(yōu)于所有方法.

    表3 IPCSO與基線方法的整體性能比較

    4.5 案例分析(問題3)

    本節(jié)將對(duì)比IPCSO和FocusCO在Disney上的運(yùn)行結(jié)果,深入挖掘?qū)嶒?yàn)現(xiàn)象的原因.圖6給出了Disney數(shù)據(jù)集上兩種方法的運(yùn)行結(jié)果:

    圖6 IPCSO與FocusCO在Dinsey上的結(jié)果對(duì)比

    以影片ID是52和24的節(jié)點(diǎn)為查詢節(jié)點(diǎn),使用IPCSO與FocusCO方法分別搜索與ν52和ν24具有相似評(píng)分和價(jià)格的其他節(jié)點(diǎn).結(jié)果如圖6所示.其中紅色節(jié)點(diǎn)ν52和ν24表示用戶給定的查詢節(jié)點(diǎn),綠色節(jié)點(diǎn)表示離群點(diǎn),算法找到與查詢節(jié)點(diǎn)相似的節(jié)點(diǎn)用藍(lán)色標(biāo)識(shí).從圖中可觀察到,F(xiàn)ocusCO檢測(cè)到三個(gè)目標(biāo)社區(qū),而IPCSO找到了四個(gè)社區(qū).IPCSO發(fā)現(xiàn)的每個(gè)社區(qū)都與用戶偏好密切相關(guān),并且精準(zhǔn)的定位到了離群點(diǎn),而FocusCO由于較少的查詢節(jié)點(diǎn)使得算法錯(cuò)誤的判別了離群點(diǎn).此外,F(xiàn)ocusCO發(fā)現(xiàn)的社區(qū)的內(nèi)部連接比IPCSO所發(fā)現(xiàn)的社區(qū)連接松散.這是因?yàn)檩^少的查詢節(jié)點(diǎn)對(duì)于FocusCO方法而言具有較大的局限性,而本文方法對(duì)于查詢節(jié)點(diǎn)的個(gè)數(shù)不敏感,可通過較少的查詢節(jié)點(diǎn)準(zhǔn)確的捕獲到用戶偏好,從而使得社區(qū)搜索結(jié)果更精確.

    5 結(jié)論

    在屬性網(wǎng)絡(luò)中結(jié)合用戶偏好的社區(qū)搜索和離群點(diǎn)檢測(cè)任務(wù)中,基于現(xiàn)有大多數(shù)方法僅利用拓?fù)浣Y(jié)構(gòu)信息且只定位查詢節(jié)點(diǎn)所在社區(qū),未整合用戶偏好到社區(qū)搜索過程中的局限性,設(shè)計(jì)了面向?qū)傩跃W(wǎng)絡(luò)的融合用戶偏好的多社區(qū)和離群點(diǎn)檢測(cè)方法.具體地,通過編碼節(jié)點(diǎn)屬性和結(jié)構(gòu)得到候選查詢節(jié)點(diǎn)集,利用候選查詢節(jié)點(diǎn)集所攜帶的屬性為核心屬性設(shè)計(jì)了平均劃分相似度來挖掘符合用戶偏好的屬性子空間方法,并設(shè)置結(jié)構(gòu)和屬性約束以搜索內(nèi)聚社區(qū).真實(shí)數(shù)據(jù)集和人工數(shù)據(jù)集上的實(shí)驗(yàn)證明了本文方法的有效性.

    猜你喜歡
    性子離群定義
    Rn中線性子空間束與凸體相交的幾何概率
    “好奇”的代價(jià)
    鞭炮
    離群數(shù)據(jù)挖掘在發(fā)現(xiàn)房產(chǎn)銷售潛在客戶中的應(yīng)用
    成功的定義
    山東青年(2016年1期)2016-02-28 14:25:25
    離群的小雞
    應(yīng)用相似度測(cè)量的圖離群點(diǎn)檢測(cè)方法
    一種基于核空間局部離群因子的離群點(diǎn)挖掘方法
    修辭學(xué)的重大定義
    山的定義
    最新中文字幕久久久久| 午夜精品一区二区三区免费看| 久久鲁丝午夜福利片| 波多野结衣高清无吗| 深夜精品福利| 一本久久中文字幕| 国产高清三级在线| 高清午夜精品一区二区三区 | 久久九九热精品免费| 欧洲精品卡2卡3卡4卡5卡区| 欧美激情国产日韩精品一区| 日本色播在线视频| 欧美zozozo另类| 啦啦啦啦在线视频资源| 成人永久免费在线观看视频| 亚洲欧美日韩无卡精品| 精品免费久久久久久久清纯| 精品日产1卡2卡| 欧美+日韩+精品| 亚洲av中文av极速乱| 亚洲精品粉嫩美女一区| 最近2019中文字幕mv第一页| 波多野结衣巨乳人妻| 免费观看在线日韩| 波多野结衣高清作品| 能在线免费看毛片的网站| 免费黄网站久久成人精品| 久久精品国产亚洲av涩爱 | 内地一区二区视频在线| 波野结衣二区三区在线| 我的女老师完整版在线观看| 老司机影院成人| 久久人妻av系列| 免费av不卡在线播放| 日韩中字成人| 一区二区三区免费毛片| 99久久成人亚洲精品观看| 国产精品国产高清国产av| 美女大奶头视频| 深爱激情五月婷婷| 成熟少妇高潮喷水视频| 网址你懂的国产日韩在线| 哪个播放器可以免费观看大片| 深爱激情五月婷婷| 亚洲欧美精品综合久久99| 在线国产一区二区在线| 欧美日韩在线观看h| 中国国产av一级| 精品无人区乱码1区二区| a级一级毛片免费在线观看| 日韩欧美 国产精品| 亚洲熟妇中文字幕五十中出| 中文字幕精品亚洲无线码一区| 国产激情偷乱视频一区二区| 在线观看av片永久免费下载| 一级二级三级毛片免费看| 51国产日韩欧美| 啦啦啦观看免费观看视频高清| 国产免费一级a男人的天堂| 黑人高潮一二区| 日本一二三区视频观看| 成人美女网站在线观看视频| 精品人妻偷拍中文字幕| 免费观看人在逋| 欧美丝袜亚洲另类| 国产探花极品一区二区| 欧美日韩精品成人综合77777| а√天堂www在线а√下载| 久久精品国产99精品国产亚洲性色| 久久亚洲国产成人精品v| 国产精品久久久久久亚洲av鲁大| 成人午夜高清在线视频| 中文字幕人妻熟人妻熟丝袜美| 一级黄色大片毛片| 国产精品国产三级国产av玫瑰| 日韩欧美精品免费久久| 亚洲欧美日韩高清在线视频| 亚洲激情五月婷婷啪啪| 国产成人影院久久av| 久久久久久久久久久丰满| .国产精品久久| 菩萨蛮人人尽说江南好唐韦庄 | 国产老妇伦熟女老妇高清| 国产精品电影一区二区三区| 22中文网久久字幕| 精品久久国产蜜桃| 国产中年淑女户外野战色| 欧美日本视频| 欧美日本亚洲视频在线播放| 99在线人妻在线中文字幕| 欧美激情在线99| 国产精品久久久久久av不卡| 日韩 亚洲 欧美在线| 亚洲美女搞黄在线观看| 亚洲成av人片在线播放无| 99视频精品全部免费 在线| 国产乱人视频| 国内揄拍国产精品人妻在线| 成人国产麻豆网| 国产亚洲91精品色在线| 亚洲七黄色美女视频| 久久国内精品自在自线图片| 91精品国产九色| 中文字幕久久专区| 国产成人freesex在线| 寂寞人妻少妇视频99o| 国产精品久久久久久亚洲av鲁大| 久久99热这里只有精品18| 久久久精品欧美日韩精品| 春色校园在线视频观看| 成人亚洲精品av一区二区| 国产精品野战在线观看| 夫妻性生交免费视频一级片| 国产成人精品久久久久久| 婷婷色综合大香蕉| 国产私拍福利视频在线观看| 国产一区亚洲一区在线观看| 91久久精品国产一区二区三区| 日日摸夜夜添夜夜爱| 国产老妇伦熟女老妇高清| 国产av一区在线观看免费| 中国美白少妇内射xxxbb| 黄色一级大片看看| 两个人的视频大全免费| 国产三级在线视频| 久久精品国产自在天天线| 99热只有精品国产| 一夜夜www| 国产亚洲精品久久久com| 晚上一个人看的免费电影| 日韩一区二区视频免费看| 成年版毛片免费区| 亚洲激情五月婷婷啪啪| 日韩欧美一区二区三区在线观看| 欧美性猛交黑人性爽| 好男人视频免费观看在线| 99热这里只有是精品在线观看| 成人一区二区视频在线观看| 22中文网久久字幕| 国产精品久久久久久av不卡| 欧美变态另类bdsm刘玥| 日韩欧美精品v在线| 免费搜索国产男女视频| 啦啦啦韩国在线观看视频| 神马国产精品三级电影在线观看| 一区二区三区免费毛片| 97超碰精品成人国产| 哪个播放器可以免费观看大片| 欧美性感艳星| 欧美成人精品欧美一级黄| 变态另类成人亚洲欧美熟女| 淫秽高清视频在线观看| 别揉我奶头 嗯啊视频| 成年女人看的毛片在线观看| 综合色丁香网| 大又大粗又爽又黄少妇毛片口| 国产av在哪里看| 丝袜美腿在线中文| 国产精品麻豆人妻色哟哟久久 | 国语自产精品视频在线第100页| 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 | 国产午夜精品论理片| 婷婷六月久久综合丁香| 麻豆国产av国片精品| 国产伦在线观看视频一区| 精品国产三级普通话版| 少妇熟女欧美另类| 在线观看免费视频日本深夜| 午夜亚洲福利在线播放| 免费观看精品视频网站| 中文欧美无线码| 能在线免费看毛片的网站| 天堂av国产一区二区熟女人妻| 日本色播在线视频| 久99久视频精品免费| 久久久久久久久久成人| 精品午夜福利在线看| 韩国av在线不卡| 人人妻人人澡人人爽人人夜夜 | 国产爱豆传媒在线观看| 久久6这里有精品| 精品久久久噜噜| av在线观看视频网站免费| 六月丁香七月| 看片在线看免费视频| 3wmmmm亚洲av在线观看| 亚洲成人久久爱视频| 国产探花极品一区二区| 久久久久久国产a免费观看| 晚上一个人看的免费电影| 亚洲欧美精品自产自拍| 亚洲av熟女| 日本一本二区三区精品| 欧美日韩精品成人综合77777| 久久九九热精品免费| 国产伦一二天堂av在线观看| 又粗又硬又长又爽又黄的视频 | 大型黄色视频在线免费观看| 中国美女看黄片| 亚洲av中文字字幕乱码综合| 黄片wwwwww| 亚洲四区av| 色5月婷婷丁香| 在线免费观看的www视频| 99热6这里只有精品| 看片在线看免费视频| 国内揄拍国产精品人妻在线| 成年免费大片在线观看| 1000部很黄的大片| 亚洲婷婷狠狠爱综合网| 一本精品99久久精品77| 美女大奶头视频| 欧美色视频一区免费| 欧美人与善性xxx| 国产精品国产三级国产av玫瑰| 国产69精品久久久久777片| 国产熟女欧美一区二区| 久久综合国产亚洲精品| 国产在线精品亚洲第一网站| 亚洲成人精品中文字幕电影| 99久国产av精品国产电影| 欧美日韩国产亚洲二区| 床上黄色一级片| 国产精品蜜桃在线观看 | 一级毛片我不卡| 亚洲精华国产精华液的使用体验 | 99热这里只有是精品50| 精品国产三级普通话版| 最近2019中文字幕mv第一页| 身体一侧抽搐| 欧美xxxx黑人xx丫x性爽| 国产成人午夜福利电影在线观看| 色综合亚洲欧美另类图片| 少妇人妻精品综合一区二区 | 深夜精品福利| 精品免费久久久久久久清纯| 亚洲成人中文字幕在线播放| 深夜精品福利| 久久久久九九精品影院| 精品日产1卡2卡| 久久亚洲国产成人精品v| 天天躁夜夜躁狠狠久久av| 亚洲国产欧美人成| 秋霞在线观看毛片| 欧美日本视频| 久久国产乱子免费精品| 色播亚洲综合网| 国内久久婷婷六月综合欲色啪| 一级黄色大片毛片| 美女黄网站色视频| 久久久国产成人免费| 99精品在免费线老司机午夜| 国产乱人视频| 美女xxoo啪啪120秒动态图| 国产精品伦人一区二区| 一级黄色大片毛片| 变态另类丝袜制服| 久久精品国产亚洲网站| 一个人看视频在线观看www免费| 亚洲av成人av| 天堂影院成人在线观看| 欧美bdsm另类| 国产精品久久久久久久久免| 久久99蜜桃精品久久| 久久九九热精品免费| 国产精品.久久久| 亚洲无线在线观看| 青春草视频在线免费观看| 精品一区二区免费观看| 内地一区二区视频在线| 欧美bdsm另类| 国产精品蜜桃在线观看 | 黄色视频,在线免费观看| 国产成人a区在线观看| 久久亚洲精品不卡| 精品久久久久久成人av| eeuss影院久久| 热99re8久久精品国产| 成年女人看的毛片在线观看| 一本久久中文字幕| 国产老妇女一区| av在线播放精品| 亚洲人成网站在线观看播放| 国产一区二区亚洲精品在线观看| 日韩视频在线欧美| 国产精品人妻久久久影院| 国产久久久一区二区三区| 国产午夜精品久久久久久一区二区三区| 精品一区二区三区视频在线| 日本黄大片高清| 97热精品久久久久久| 精品少妇黑人巨大在线播放 | 日本撒尿小便嘘嘘汇集6| 国产午夜福利久久久久久| 亚洲精品影视一区二区三区av| 尾随美女入室| 欧美性猛交╳xxx乱大交人| 成人欧美大片| 又粗又硬又长又爽又黄的视频 | 国产不卡一卡二| 久久人人爽人人片av| 1000部很黄的大片| 1024手机看黄色片| 高清午夜精品一区二区三区 | 91久久精品电影网| 久久久国产成人免费| 熟女电影av网| 亚洲欧美清纯卡通| 日韩,欧美,国产一区二区三区 | 午夜福利视频1000在线观看| 中文在线观看免费www的网站| 婷婷亚洲欧美| 亚洲av.av天堂| 可以在线观看的亚洲视频| 国产精品不卡视频一区二区| 亚洲国产精品sss在线观看| 一本久久精品| 精品久久久噜噜| 欧美+亚洲+日韩+国产| 日韩成人av中文字幕在线观看| 久久精品国产鲁丝片午夜精品| 中文亚洲av片在线观看爽| 成人特级av手机在线观看| 成人二区视频| 99久久久亚洲精品蜜臀av| 国产黄色小视频在线观看| 精品久久久久久久久久久久久| 大型黄色视频在线免费观看| 国产精品久久久久久av不卡| 国产日韩欧美在线精品| 91午夜精品亚洲一区二区三区| 听说在线观看完整版免费高清| 老司机福利观看| 日本-黄色视频高清免费观看| 91久久精品国产一区二区三区| 校园春色视频在线观看| 国产女主播在线喷水免费视频网站 | av在线天堂中文字幕| 日本三级黄在线观看| 两个人的视频大全免费| 搡老妇女老女人老熟妇| 亚洲久久久久久中文字幕| 亚洲中文字幕日韩| 嫩草影院精品99| 久久精品国产鲁丝片午夜精品| 日本-黄色视频高清免费观看| 国产视频首页在线观看| 亚洲av电影不卡..在线观看| 人人妻人人澡人人爽人人夜夜 | 啦啦啦韩国在线观看视频| 波多野结衣高清无吗| 欧美日韩乱码在线| 男女那种视频在线观看| 久久人人精品亚洲av| 国产成人影院久久av| 欧美日本视频| 我的女老师完整版在线观看| 麻豆乱淫一区二区| 一级黄色大片毛片| 我要看日韩黄色一级片| 中文字幕人妻熟人妻熟丝袜美| 国产极品天堂在线| 亚洲va在线va天堂va国产| 亚洲欧美成人精品一区二区| 国产高清激情床上av| 国产黄色视频一区二区在线观看 | 日本成人三级电影网站| 国产黄a三级三级三级人| 嘟嘟电影网在线观看| 免费观看在线日韩| 国产成人福利小说| 亚洲av不卡在线观看| .国产精品久久| 97在线视频观看| 亚洲av不卡在线观看| 欧美一区二区精品小视频在线| 欧美激情在线99| 亚洲欧美日韩高清在线视频| 国产一区二区在线观看日韩| 成人性生交大片免费视频hd| 国产白丝娇喘喷水9色精品| 精品久久国产蜜桃| 直男gayav资源| 2021天堂中文幕一二区在线观| 插阴视频在线观看视频| 熟妇人妻久久中文字幕3abv| 亚洲内射少妇av| 日本在线视频免费播放| 亚洲真实伦在线观看| 亚洲高清免费不卡视频| 日韩成人伦理影院| 波多野结衣高清作品| 亚洲人成网站在线播| 国内少妇人妻偷人精品xxx网站| 亚洲五月天丁香| 日日摸夜夜添夜夜添av毛片| 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 | 99热这里只有精品一区| 久久精品国产清高在天天线| 国产色婷婷99| 亚洲精品国产成人久久av| 国产亚洲精品av在线| 综合色丁香网| 一个人看的www免费观看视频| 国产精品久久视频播放| 不卡一级毛片| 午夜激情欧美在线| 中文欧美无线码| 如何舔出高潮| 亚洲av男天堂| 欧美一级a爱片免费观看看| 精品久久久久久久久av| 国产伦理片在线播放av一区 | 午夜免费男女啪啪视频观看| 一夜夜www| 亚洲经典国产精华液单| 男人和女人高潮做爰伦理| 12—13女人毛片做爰片一| 亚洲人与动物交配视频| 成人三级黄色视频| 高清毛片免费看| 草草在线视频免费看| 午夜久久久久精精品| 亚洲国产欧洲综合997久久,| 免费av观看视频| 综合色丁香网| 一级黄色大片毛片| 在线免费十八禁| 亚洲精品久久久久久婷婷小说 | 亚洲成人久久爱视频| 成人美女网站在线观看视频| 国产成人精品一,二区 | 99在线人妻在线中文字幕| 秋霞在线观看毛片| 看十八女毛片水多多多| 精品久久国产蜜桃| 日本三级黄在线观看| av在线观看视频网站免费| 能在线免费观看的黄片| 高清午夜精品一区二区三区 | 黄色一级大片看看| 校园人妻丝袜中文字幕| 国产精品人妻久久久久久| 天堂√8在线中文| 国产 一区 欧美 日韩| 成人国产麻豆网| 国产一级毛片在线| 亚洲精品自拍成人| 男人和女人高潮做爰伦理| 99视频精品全部免费 在线| 免费搜索国产男女视频| 亚洲在久久综合| 中国国产av一级| 久久久久久久久中文| 亚洲欧洲日产国产| 欧美潮喷喷水| 久久综合国产亚洲精品| 国产高清不卡午夜福利| 国产精品一区www在线观看| 亚洲国产色片| 日产精品乱码卡一卡2卡三| 麻豆av噜噜一区二区三区| 国产高清激情床上av| 国产日韩欧美在线精品| av在线天堂中文字幕| 成年版毛片免费区| 麻豆国产av国片精品| 只有这里有精品99| 色尼玛亚洲综合影院| 亚洲av成人av| 国产免费男女视频| 一边摸一边抽搐一进一小说| 男的添女的下面高潮视频| 女人被狂操c到高潮| www.色视频.com| 大又大粗又爽又黄少妇毛片口| 99九九线精品视频在线观看视频| 欧美最新免费一区二区三区| 可以在线观看的亚洲视频| 美女大奶头视频| 乱码一卡2卡4卡精品| 亚洲精品粉嫩美女一区| 成人高潮视频无遮挡免费网站| 国产成人影院久久av| 日韩av不卡免费在线播放| 晚上一个人看的免费电影| 美女黄网站色视频| 久久亚洲国产成人精品v| 丝袜美腿在线中文| 12—13女人毛片做爰片一| 久久久国产成人精品二区| 亚洲av男天堂| 97超碰精品成人国产| 国产成人a∨麻豆精品| 亚洲成人久久性| 国产一级毛片在线| 五月玫瑰六月丁香| 特级一级黄色大片| 日本一二三区视频观看| 国产三级在线视频| 老师上课跳d突然被开到最大视频| 深夜精品福利| 熟妇人妻久久中文字幕3abv| 免费观看的影片在线观看| 国产精品久久久久久亚洲av鲁大| 99久久人妻综合| 久久久久久国产a免费观看| 大香蕉久久网| 麻豆国产av国片精品| 91av网一区二区| 亚洲人成网站高清观看| av在线天堂中文字幕| 小说图片视频综合网站| 久久久久性生活片| 日韩欧美一区二区三区在线观看| 久久久欧美国产精品| 亚洲精品影视一区二区三区av| 国产爱豆传媒在线观看| 亚洲久久久久久中文字幕| 国产成人福利小说| 白带黄色成豆腐渣| 最近2019中文字幕mv第一页| 又爽又黄无遮挡网站| 亚洲综合色惰| 久久亚洲国产成人精品v| 亚洲精品久久国产高清桃花| 日产精品乱码卡一卡2卡三| 国产乱人偷精品视频| 97在线视频观看| 三级经典国产精品| 午夜激情福利司机影院| 亚洲美女视频黄频| 久久久欧美国产精品| 午夜福利在线观看吧| 久久欧美精品欧美久久欧美| 天堂影院成人在线观看| 18禁在线播放成人免费| 欧美三级亚洲精品| 国产单亲对白刺激| 国产成人精品婷婷| www.av在线官网国产| 亚洲欧美中文字幕日韩二区| 看非洲黑人一级黄片| av专区在线播放| 久久6这里有精品| 欧美一区二区精品小视频在线| 亚洲av电影不卡..在线观看| 国产精品日韩av在线免费观看| 99久久九九国产精品国产免费| 可以在线观看的亚洲视频| 久久亚洲精品不卡| 欧美高清成人免费视频www| 18禁在线无遮挡免费观看视频| 亚洲av中文av极速乱| 久久久久久久久久久丰满| 国产一区二区三区在线臀色熟女| 熟女电影av网| 亚洲精品456在线播放app| av又黄又爽大尺度在线免费看 | 亚洲国产高清在线一区二区三| 成人鲁丝片一二三区免费| 国产精品人妻久久久影院| 国产免费男女视频| 国产精品久久久久久精品电影小说 | 国产精品av视频在线免费观看| 在线国产一区二区在线| 最近手机中文字幕大全| 哪个播放器可以免费观看大片| 成人一区二区视频在线观看| 日韩av在线大香蕉| 神马国产精品三级电影在线观看| 观看免费一级毛片| 亚洲七黄色美女视频| 国产爱豆传媒在线观看| 亚洲国产精品国产精品| 超碰av人人做人人爽久久| 麻豆久久精品国产亚洲av| 蜜桃久久精品国产亚洲av| 久久久久久久午夜电影| 国产亚洲精品久久久久久毛片| 成年免费大片在线观看| 亚洲一级一片aⅴ在线观看| 欧美+日韩+精品| 国产真实乱freesex| 婷婷六月久久综合丁香| 国产午夜精品论理片| 久久久久网色| 日韩制服骚丝袜av| 久久久久久久久久成人| 国产精品一区www在线观看| 色综合亚洲欧美另类图片| 欧美+日韩+精品| 在线免费十八禁| 精品一区二区免费观看| 特级一级黄色大片| 可以在线观看的亚洲视频| av免费在线看不卡| 人妻制服诱惑在线中文字幕| 麻豆成人午夜福利视频| 久久婷婷人人爽人人干人人爱| 国产伦一二天堂av在线观看| 简卡轻食公司| 我的女老师完整版在线观看| 国内精品一区二区在线观看| 国产中年淑女户外野战色| 国产精品人妻久久久影院| 网址你懂的国产日韩在线| 国产69精品久久久久777片| 亚洲精品粉嫩美女一区| 熟女电影av网| 欧美极品一区二区三区四区| 狂野欧美激情性xxxx在线观看| 国产极品精品免费视频能看的| 亚洲美女搞黄在线观看| 免费观看人在逋|