• <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 ?

    大數據中基于時態(tài)特征和混合式搜索的博客篩選挖掘

    2017-05-03 07:37:37張麗娜匡泰姜迪清
    電信科學 2017年1期
    關鍵詞:消息來源時態(tài)博客

    張麗娜,匡泰,姜迪清

    (浙江安防職業(yè)技術學院信息工程系,浙江 溫州 325000)

    大數據中基于時態(tài)特征和混合式搜索的博客篩選挖掘

    張麗娜,匡泰,姜迪清

    (浙江安防職業(yè)技術學院信息工程系,浙江 溫州 325000)

    針對現存很多博客篩選挖掘方法的相關性程度比較松散以及信息檢索方法的缺陷,提出一種基于時態(tài)特征和混合式搜索的方法??紤]到用戶評論是組合證據的重要來源以及時間因素的影響,提出的方法將博客文章的平均評論數量、消息來源的BM25的相關性分數、最久博客文章的BM25分數和最新相關博文和最舊博文的時間范圍作為時態(tài)特征集。另外,考慮到線性搜索的局部性優(yōu)勢以及差分進化搜索的全局優(yōu)勢,將兩種信息搜索方式組合。實驗使用BlogS06數據集,由博客主頁、XML源文件和其博客入口頁面組成,用于TREC 2007和TREC 2008的博客篩選挖掘實驗。實驗結果表明,提出的方法在運行時間和有效性方面獲得了滿意的效果。

    博客篩選挖掘;時態(tài)特征;線性搜索;差分進化;大數據;BM25

    1 引言

    近些年,社交網絡及其手機上的應用軟件獲得了巨大的成功,如微信和Facebook,其中,微信擁有最多的使用者,其商業(yè)價值可想而知。而社交網絡的興起和成功也激發(fā)了博客的演變,將其從非正式討論或非正式站點演變成針對特定領域(如科技、時尚和財經)的專業(yè)平臺[1]。創(chuàng)建和管理博客平臺促進了互聯(lián)網上博客社區(qū)的大規(guī)模發(fā)展。這種專業(yè)化信息資源使得博客用戶的興趣復雜化。因此,博客信息搜索挖掘[2]也成了大數據時代的重要研究課題。

    博客篩選挖掘一般定義為搜索某一主題博客的過程,可以表述為文本查詢[3]。該任務可以概括為:用某一原理尋找對主題T經常感興趣的博客。對于一個已知主題T,系統(tǒng)應給出主題T的消息來源。

    博客篩選挖掘按照提取工作一般可以分為以下兩種。

    (1)使用博客消息來源[4]提供的信息,估計博客和某一特定主題的相關性

    [5]結合消息來源層面(feed)與博客文章層面的相關分數,采用語言模型以檢索與一個特定查詢相關聯(lián)的消息來源。參考文獻[5]還提出了一個基于維基百科數據提取的查詢擴展技術。其中,文本檢索會議(text retrieval conference,TREC)的博客篩選提取就采用該擴展技術[3,4]。

    [6]定義了一種投票模型,博客查詢與該博客相關的文章,檢索到的每篇相關博客文章都被當作對該博客相關性的一次投票。采用不同的文本傾向性處理方法,對于較長篇幅、不同評論和字符權重進行評述,使模型具有傾向識別能力。參考文獻[7]遵循資源選擇原理,綜合利用本體論和Folksonomy的優(yōu)勢,進行二級分類。然后在分類算法的基礎上結合了用戶使用博客興趣,考慮了不同博客的表征信息。然而,對給定的查詢只能給出高排序的博客文章,對高度相關的博客比較有效。參考文獻[8]使用線性搜索(linear search,LS)檢索博客消息來源,LS是信息檢索中一種簡單有效的方法。其參數值被訓練樣本(針對某一特定評價尺度)優(yōu)化,訓練后的參數值使用一個實驗樣本進行評價。用一個或兩個參數值尋求窮舉搜索的最佳參數設定。但優(yōu)化過程是一個瓶頸,其計算成本會伴隨參數數量呈指數增長。另外,多種來源的信息組合問題也可以采用排序學習方法,如粒子群優(yōu)化[9](particle swarm optimization,PSO)和差分進化[10](differential evolution,DE)等。

    (2)越過消息來源,嘗試檢測該主題與個人博客間的關聯(lián)性[11]

    如博客時間戳、鏈接分析或外部資源提供的信息,但使用頻率相比第一種很小。博客篩選挖掘其實是一個信息融合問題,需要將多種信息組合起來。該過程獲得哪些有效特征以及如何使用這些特征是問題的關鍵?,F有的很多方法相關性程度比較松散,為此,本文組合了多個證據源,將關聯(lián)信號(在博客或文章層面上)與多個異構信號(社會時態(tài)特征)相結合,并使用混合方法檢索信息。本文的主要工作是:提出了一組基于社會性的時態(tài)信息估算博客的相關性;提出了一種混合的博客信息融合方法組合這些信息,以找到潛在的相關博客,整合了全局搜索和局部搜索的優(yōu)點。

    2 博客相關性的估算

    2.1 證據組合

    一些選定的特征表示內容匹配的證據,與查詢主題相關,而基于時態(tài)或基于社會特征則獨立于查詢。本文利用F代表消息來源,Q表示一個查詢,相關特征查詢用qd_featk(F,Q)表示。為了結合有效的特征,本文對qd_featk(F,Q)做如下歸一化:

    其中,C表示消息來源的集合。而獨立查詢特征的正則化為:

    其中,F表示消息來源,qi_featk(F)是獨立查詢特征,

    C是消息來源集合。這種類型的正則化被廣泛使用,是一種較好的線性檢索方案。本文遵循線性結合方法,從獨立查詢特征和相關查詢特征組合中找到證據。

    其中,qd_featnorm是正則化的獨立查詢特征,αi、βj是自由參數。通過線性結合獲得組合證據是一個簡單有效的方法。

    2.2 信息檢索模型

    一般有兩種不同模型評估文檔間的相關性,即BM25和狄氏(Dirichlet)平滑一元語言模型。BM25基于概率框架[5],本文使用Lemur的BM25匹配函數[12],即:

    其中,tft,D是文檔D中t的頻率,tft,D是查詢Q中t的頻率,LD和Lave是文檔D的長度,即整個采集文檔的平均長度。而w則是倒排文檔頻率權值,w定義如下:

    其中,N是采集中文檔的總數量,n是包含項t的文檔數量。狄氏平滑一元語言模型如式(6)所示:

    其中,D是一個文檔,n是查詢項數量,tf(qi,D)是在D中qi的原始頻率項,|D|是文檔長度,μ是調整平滑度的參數,P(qi|C)是項qi在采集C中的出現概率(一般是最大似然估計量),本文使用默認平化值μ=1 000。

    2.3 消息來源層面的相關性特征

    消息來源層面上的內容匹配證據已被廣泛應用于消息來源的篩選和提取任務中。本文提出的特征集可捕獲并查詢消息來源的不同子部分(如“標題”“標題+正文”以及“評論”)之間的匹配證據,并應用不同的搜索和查詢擴展模型,使用下文的特征為消息來源相關性建模。

    (1)BM25消息來源:標題

    通過串聯(lián)所有標題和消息來源的博客文章得到查詢和文檔之間的相關性估計。消息來源中的標題序列是博客討論主題的重要表示方式。

    (2)BM25消息來源:標題+正文

    BM25和狄氏算法通過串聯(lián)所有標題和消息來源的正文內容以得到查詢和文檔之間的相關性估計[5]。此方法將消息來源全文表現出來,考慮到每篇博客文章的所有內容。

    (3)BM25消息來源:評論

    BM25和狄氏算法通過串聯(lián)所有與任一博客文章相關聯(lián)的評論以得到查詢和文檔之間的相關性估計。

    (4)擴展消息來源:標題+正文

    應用相關性反饋 (pseudo relevance feedback,PRF)和查詢擴展(query expansion,QE)是一種高效的方法,一般情況下,基于經典概率模型的信息檢索和語言建模方法是關聯(lián)的,但經典概率模型的主要障礙是需要估計反饋模型,即求相關類的特征詞概率。而相關性模型(RM1 PRF)[13]只使用查詢來估計經典概率模型中的概率,這解決了同義詞和多義詞的區(qū)別,可以產生高精度的關聯(lián)模型。因此本文選擇RM1 PRF方法。RM1模型定義如下:

    (5)擴展消息來源:評論

    其相當于擴展消息來源——標題+正文,但消息來源代表所有評論的串聯(lián)。

    2.4 內消息來源的相關性特征

    這些特征并非聚集博客文章的所有內容,而是通過分析查詢和博客文章之間的相關性推斷一個博客的相關性。

    (1)查詢和博客文章間最大化BM25的相關性分數,由相關度最高的博客文章決定。

    (2)查詢和博客文章之間的平均相關性BM25分數,該特征并未代表相關度最高文章的消息來源,而是選擇計算所有博客中的平均估計相關值。以這種方式可以估計消息來源的反復興趣是否與查詢主題重疊。

    (3)查詢和博客文章之間的相關性BM25得分的方差。為得分趨勢建模,以分辨相關消息來源與非相關消息來源。

    (4)基于索引消息來源的所有博客文章,對該索引運行查詢,并對屬于某一特定消息來源的博客文章進行計數。因此消息來源中的每個檢索博客文章為一個查詢和消息來源間的相關性進行投票。

    以上4個特征集有助于捕獲消息來源相關性的不同方面。第1個和第4個特征關注消息來源中最突出的博客文章,而第2個和第3個特征則分析相關性分數的整體分布,以決定該博客在查詢主題下是否具有反復興趣。

    3 提出的方法

    3.1 提出的社會時態(tài)特征

    消息來源中的評論流量是衡量博客文章影響度的一個重要指標,通常流行和權威的博客更能吸引群眾的關注,也收到了更多的用戶評論。因此評論成為證據的一個很有意義的來源[14,15]。另外,時間也是一個重要因素。例如,如果相關的博客文章非常過時,那么很可能對用戶無用。因此,時態(tài)信息在消息來源中很重要,而且其有助于理解不同時間的博客主題。

    因此總結如下社會和時態(tài)特征集為:博客文章的平均評論數目;消息來源中BM25相關性分數,這有助于確定查詢主題是否被消息來源的最新內容定址;消息來源中最久文章的BM25分數,通過這種方式可以獲得查詢主題是否在早期被消息來源定址;最新的相關博客文章和最舊的相關博客文章之間的時間范圍。本文從所有消息來源中索引所有博客文章,對此索引運行查詢,從每個消息來源中提取最新和最舊的博客文章,然后計算這些成對文章的日期(按天計算)。通常一個時間范圍狹窄的消息來源只會在一個小的時間窗口內定址查詢主題,該消息來源可能比一個時間范圍較大的消息來源的相關度更低。

    3.2 混合式搜索

    本文的信息融合方法是包含參數的方法,信息通過合適加權組合起來,這里的加權值是式(3)中的參數αi和βj。本文選擇標準差分進化算法執(zhí)行證據融合的權重參數優(yōu)化。此外,還選擇了信息檢索中常用的局部搜索方法(線性搜索),本文整合了這兩種方法的優(yōu)點,即全局和局部搜索方法,并提出一種混合式方法。

    線性搜索從參數空間的一個初始隨機點開始,在每個維度中進行搜索,在一個維度中移動每個時間的參數值,同時固定其他維度的參數值。對于每個維度,選擇的樣本點在軸線中有相同的間距,為了評估每個點的最優(yōu)性,計算每個樣本的適應值,并存儲適應性最好的點。通常情況下,LS沿著高預期的方向。而差分進化[16]是一個基于群體的搜索方法,根據一個簡單的向量交叉和變異計算式,結合現有的候選解,創(chuàng)造出新的候選解。其中心思想是使用差分向量在向量群中產生擾動,解決優(yōu)化問題。

    對于微博的信息融合檢索問題,本文將差分進化的全局搜索與線性搜索相結合,以利用這兩種方法的優(yōu)點。全局搜索在搜索空間的不同區(qū)域內同時進行探索,而線性搜索則以找到的最佳個體為中心在一個受限的區(qū)域內搜索。利用線性搜索為群體中的個體在鄰近的區(qū)域做導向,對個體進行微調。算法1如下所示。

    算法1 混合式算法

    (1)將群體隨機初始化

    (2)repeat

    (3)對于所有的在查詢的博客群體中的個體x

    (4)取x1,x2,x3∈博客群體,隨機得到{x1,x2,x3},這里的x彼此不相同

    (5)使R={1,…,n},其中,n是鏈長;

    (6)for i=1,…,n

    (7) ri取自均勻分布U(0,1);

    (8) if(i=R)∨(ri<CR)

    (9) yi←x1i+F(x2i-x3i);

    (10) elseyi=xi;

    (11){y=[y1,y2,…,yn]即新產生候選博客個體}

    (12)if相關特征查詢函數f(y)<f(x)

    (13) 用y替換個體x;

    (14)如果該最佳個體的f(x)在三代后沒有得到提高,則從群體中選擇另一個個體;

    (15)獲得一個當前最佳個體y,將其作為LS算法的初始隨機點,即LS算法(算法2)的原始隨機點;

    (16)判斷是否達到指定迭代次數或終止條件,如果是,則返回滿足要求的個體。

    算法2 LS算法

    (1)N=每個維度中樣本點的數量,D=維度數量,I=采樣間隔;

    (2)選擇一個原始隨機點;

    (3)min←max(0,initial_position[d]-);(0是參數下限,d表示第d個維度,d≤D)

    (4)max←min(1,initial_position[d]+);(1是參數上限)

    (6)獲得最佳原始位置best_position[d]←min;

    //定義在原點和新計算點之間的一條線。取在式(1)中每個維度里適應值最高的參數值建立該新點。這條線代表高預期方向;

    (7)對于維度中的每個樣本點;

    (8)設置步長p←min+increment×n;

    (9)獲得新位置new_position[d]←p;如果fit(new_position [d])<fit(best_position[d]);

    (10)更新最佳位置best_position[d]←new_position[d];

    (11)for d←1:D //對于每個維度;

    (12)max_dim[d]←max(initial_point[d],best_position[d]);

    (13)min_dim[d]←mim(initial_point[d],best_position[d]);

    for n←1:N

    for d←1:D

    (15)獲得新位置new_position[d]←mim_dim[d]+increment [d]×n;

    (16)如果fit(new_position)<fit(best_position);

    (17)更新最佳位置best_position←new_position;

    (18)返回最佳位置best_position。

    本文僅將線性搜索應用于遺傳群體的最佳個體中,這減小了線性搜索所需的額外求值計算量,利于在進化算法每次迭代末尾執(zhí)行受限制的最佳個體的搜索。線性搜索的參數N被設置為一個很小的值,實驗中N取4。本文設置DE算法的群體包含個體32個,迭代次數50次。對于LS算法,設置N=4意味著每次迭代中需要進行32(2×24)次適合度值的計算。因此,線性搜索算法的一次迭代需要的適合度求值次數與進化差分算法的一次迭代求值次數相等,這有利于提高并行性,即對群體成員進行求值和LS對維度樣本求值的并行,降低了計算成本。另外,對于每個維度,使用小的采樣間隔,設其值為0.5,在進化算法的每代中的計算量減少了0.85倍。最后,線性搜索的步驟數被設置為1,從第一個高預期方向的最終樣本點中選擇最佳個體。

    4 實驗評估

    為了評估本文模型,博客篩選提取任務包括在一個給定主題T中找到有復發(fā)興趣點的博客。該任務被定義為一個經典的線性搜索問題,系統(tǒng)必須要檢索與一個查詢(BlogS06數據集)相關的排名前100的博客消息來源。測試平臺分別由45個和50個查詢組成。BlogS06研究集[17]的具體數據見表1,該數據集用于TREC 2006、TREC 2007和TREC 2008中的博客跟蹤。每個TREC主題包括3個部分(標題、簡介和敘述),且這些查詢對真實用戶的網頁查詢[3,4]具有很好的代表性。

    4.1 適應度函數和評估指標

    本文使用平均精度均值 (mean average precision,MAP)作為線性搜索度量,MAP是評估給定排序目標有效性的單一度量。對于單一的信息需求,平均精度是在每次相關目標被檢索后,從排序前k位的現有目標中得到的平均精確值,即:

    表1 BlogS06集的主要數據

    其中,已知查詢的相關目標集qi∈Q,Rjk是檢索結果達到排名靠前的目標ok的集合,mj是查詢qj相關目標的數量。

    搜索系統(tǒng)的另一個重要評估方面是精度。P@10是一種比較流行的精確度量,表示檢索到的相關目標前10位的比例。

    4.2 實驗結果討論

    實驗運行的平臺為小型服務器,采用四核AMD 6376處理器 (64位)、512 GB的DDR3內存和一個固態(tài)SSD硬盤。本文將每個查詢集(2007和2008)分為兩個同樣大小的子集,采用10倍交叉驗證,檢查子集的各自表現結果。本文這樣做的原因是:如果不分割查詢集,直接應用10倍交叉驗證,最大查詢?yōu)?(測試平臺分別由45個和50個查詢組成,最大查詢?yōu)?0/10),不利于統(tǒng)計驗證,會造成10倍交叉驗證的困難(查詢數少)。而分割成兩個子集之后,查詢數大幅增加。很重要的一點是選擇怎樣的交叉驗證,本文選擇10倍交叉驗證,因為10倍交叉驗證是比較公認的誤差評估最佳選擇。此外,在信息檢索中必須要評估至少25個查詢,更多的查詢是非常有益的。本文完整的訓練和測試配置集合見表2,對于每個搜索算法,訓練過程重復 5次。

    表2 訓練和測試配置

    不同方法的比較結果見表3和表4,評估用的度量是MAP和P@10。選取的兩個基準方法是將消息來源表示為“標題+正文”的串聯(lián)搜索方式和基于索引消息來源的所有博客文章,對該索引運行查詢的方法,這兩個方法并沒有將不同來源的證據結合起來。第一種方法利用BM25匹配函數進行檢索,通過將這個模型納入評估,可以量化改進的程度;第二種方法是一個投票模型,使用在博客發(fā)表后的目錄中,每個從消息來源中被檢索到的博客文章都視為對查詢和消息來源相關性的一張投票。這兩種方法沒有采用社會時態(tài)特征,“線性搜索”“差分進化”“粒子群優(yōu)化”和提出的方法都采用了社會時態(tài)特征,但搜索的方法不同。前兩種方法與其他方法的比較是為了分析社會時態(tài)特征的效果,其他4種方法的比較是為了分析搜索方式的影響。

    從表3可以看出,所有方法都在基準方法之上。這說明了通過訓練組得到的適應值函數的最大值所導出的特征權重在該測試組中表現非常好。

    表3 2007數據集的測試結果

    2008 a實驗結果見表4,其中每欄取5次運行的平均值。提出的方法相對于2.3(2)的P@10改進程度非常小,這可能是因為出現一些“有趣的笑話”,這些檢索在排名最高位置上有較多的垃圾郵件文檔(TREC 2008博客跟蹤中包含大約15%的垃圾郵件文檔)。本文不包括垃圾郵件文檔的檢測。從2008a部分中的前10排序,可以觀察到投票模型基準方法的表現同樣很低,垃圾郵件的影響比較大。

    表4 2008數據集的測試結果

    4.3 各方法的進一步分析

    綜上所述,提到的線性搜索、差分進化等方法均在基準方法之上。為了進一步評估,在數據集2008b上的各方法訓練集平均精度值與進化點之間的關系如圖1(a)所示。結果顯示,本文提出的混合式方法最優(yōu),差分進化MAP位列第二,線性搜索方法排第三,其后是粒子群優(yōu)化。這應該是一個公平的比較,因為所有的方法都有相同的適應度函數。

    從圖1看,線性搜索似乎是一個比較好的選擇,在優(yōu)化過程中,該算法表現較優(yōu)。但是線性搜索并沒有適當地探索整個搜索空間,因為其嚴重依靠原始點。如果最優(yōu)解的位置在搜索空間的極限處,那么線性搜索的表現會比全局搜索差得多。圖1(b)給出了計算時間的比較,從圖1(b)可以發(fā)現線性搜索具有較大的劣勢,線性搜索幾乎比進化算法的執(zhí)行時間多了一倍。其他方法用了0.45 h完成50代,而線性算法幾乎用了1 h。

    盡管本文采用并行代碼運行,但線性搜索有設計上的同步瓶頸。這使得每個進化點的累計時間增長比進化算法快的多,如圖1(c)所示。本文提出的混合式算法將線性搜索應用于每代中的最佳個體中,是對有效性和計算量的很好權衡。

    本文提出的方法在問題規(guī)模變大時是線性的。為評估這一點,實驗使用了在基準中不同數量的查詢,結果如圖2所示。和預期一樣,在50代中計算時間的進化基本上是線性狀態(tài)。

    另外需要說明的是,許多TREC的系統(tǒng)合并來自多個源的證據(如鏈接分析和垃圾郵件過濾),并采用大量的外部數據集(如維基百科)。本文方法無法負擔如此大的計算成本,因為每種類型的特征并不在本文的研究范圍之內。

    數據集2008查詢和相關性評價的構建方法可對博客進行非二進制評估,該評估由人擔當,當一個博客包含足夠的主題文章時,標記為相關消息來源。這種松散的相關性概念可能會導致在主題區(qū)域內沒有復發(fā)興趣的相關消息來源。而本文方法的一些特征直接估算了查詢主題在消息來源中的重復性程度。另外,本文方法可能并不適用于低相關度消息來源,但TREC系統(tǒng)也沒有。

    圖1 不同方法在數據集2008b上的性能比較

    5 結束語

    本文將博客篩選與提取視為一個信息融合問題。博客圈中大量的消息來源(包括海量的博客文章和評論以及其他估計相關性的信息)將該問題變成一個大數據挑戰(zhàn)。本文將不同性質的特征結合以估計消息來源的相關性,使用群體搜索方法和局部搜索方法結合的混合模式。實驗結果表明,提出的博客篩選搜索方法在運行時間和有效性方面獲得了滿意效果。

    圖2 50代的平均執(zhí)行時間(查詢數量為5~25)

    未來主要研究特征間的互動和依賴問題,通過引入一個特征選擇策略,提取識別度最高的特征。而且MapReduce、Hadoop或Apache Shark也可以納入使用。

    參考文獻:

    [1]RUCCELL M A.社交網站的數據挖掘與分析[M].蘇統(tǒng)華,魏通,趙逸雪,等譯.北京:機械工業(yè)出版社,2015.RUCCELL M A.Mining the social web[M].Translated by SU T H, WEI T,ZHAO Y X,et al.Beijing:China Machine Press,2015.

    [2]關靜怡.高質量博客檢索中核心技術的研究 [D].北京:北京郵電大學,2011.GUAN J Y.Research on core technology of high quality blog retrieval [D].Beijing: Beijing University of Posts and Telecommunications,2011.

    [3]MACDONALD C,OUNIS I,SOBOROFF I.Overview of the TREC 2007 blog track [C]//16th Text Retrieval Conference, November 6-9,2007,Gaithersburg,Maryland,USA.New Jersey: IEEE Press,2007:1908-1910.

    [4]翟姍姍,許鑫,夏立新.學術博客中的用戶交流與知識傳播研究述評[J].現代圖書情報技術,2015,31(Z1):3-12.ZHAI S S,XU X,XIA L X.Review of the research on user communication and knowledge dissemination in academic blogs[J].New Technology of Library and Information Service,2015,31(Z1): 3-12.

    [5]ELSAS J L,ARGUELLO J,CALLAN J,et al.Retrieval and feedback models for blog feed search[C]//International ACM SIGIR Conference on Research and Development in Information Retrieval,July 20-24,2008,Singapore.New York:ACM Press, 2008:347-354.

    [6]林旺,翁彧.一種面向博客群的主題傾向性分析模型 [J].中央民族大學學報(自然科學版),2014,23(3):33-37. LIN W,WENG Y.A topicopinionanalysismodelfor blogosphere[J].Journal of Minzu University of China(Natural Science Edition),2014,23(3):33-37.

    [7]鄭美玉.基于本體的中文博客二級自動分類研究 [J].情報科學,2016,34(2):87-90. ZHENG M Y.Research on two level automatic classification of Chinese blogs based on ontology[J].Information Science,2016, 34(2):87-90.

    [8]于航.基于圖模型的博客排序系統(tǒng)的研究與實現 [D].北京:北京大學,2011. YU H.Research and implementation of blog ranking system based on graph model[D].Beijing:Beijing University,2011.

    [9]PARAPAR J,VIDAL M,SANTOS J.Finding the best parameter setting:particle swarm optimization [C]//The 2nd Spanish Conference on Information Retrieval(CERI 2012),June 18-19, 2012,Valencia,Spain.New Jersey:IEEE Press,2012:49-60.

    [10]BOLLEGALA D,NOMAN N,IBA H.RankDE:learning a ranking function forinformation retrievalusing differential evolution [C]// Conference on Genetic and Evolutionary Computation,July 12-16,2011,Dublin,Ireland.New York: ACM Press,2011:1771-1778.

    [11]LIN C,LIN C,LIN Z Y,et al.Hybrid pseudo-relevance feedback for microblog retrieval[J].Journal of Information Science,2013,39(6):773-788.

    [12]范晨熙,黃理燦,李雪利.基于Lucene的BM25模型的評分機制的研究[J].工業(yè)控制計算機,2013,26(3):78-79. FAN C X,HUANG L C,LI X L.Research on scoring mechanism of BM25 model based on Lucene[J].Industrial Control Computer,2013,26(3):78-79.

    [13]LAVRENKOV,CROFTW B.Relevancebasedlanguage models[C]//International ACM SIGIR Conference on Research and Development in Information Retrieval,September 9-13, 2001,New Orleans,USA.New York:ACM Press,2001: 120-127.

    [14]付僅.論博客證據[D].重慶:重慶郵電大學,2013. FU J.Study on blog evidence [D].Chongqing:Chongqing University of Posts and Telecommunications,2013.

    [15]ZHANG S B,ZHANG B,ZHANG Y,et al.A search log sparseness oriented query expansion method[C]//International Conference on Systems and Informatics,November 15-17,2014, Shanghai,China.New Jersey:IEEE Press,2014:1050-1055.

    [16]許斌,亓晉,印溪,等.基于多策略離散差分進化的移動互聯(lián)網個性化服務組合[J].電信科學,2016,32(2):1045-1051. XU B,QI J,YIN X,et al.Personalized service composition based on multi-strategy discrete differentialevolution in mobile internet[J].Telecommunications Science,2016,32(2): 1045-1051.

    [17]MACDONALD C,OUNIS I.The TREC blogs06 collection: creating and analysing a blog test collection[EB/OL].(2016-02-29) [2016-05-27].https://www.researchgate.net/publication/40704787_ The_TREC_Blogs06_Collection_Creating_and_Anal-ysing_a_Blog _Test_Collection.

    Blog screening and mining based on temporal features and hybrid search in big data

    ZHANG Lina,KUANG Tai,JIANG Diqing
    Department of Information Engineering,Zhejiang College of Security Technology,Wenzhou 325000,China

    Concerning that the correlation degree of the existing methods of blog screen and mining is loose and the information retrieval of the methods is deficient,a method based on temporal feature and hybrid search method was proposed.Considering the user reviews are important sources of evidence combination,the average number of reviews for blogs,the sources of BM25 relevance scores,the longest blog BM25 scores and time range between the latest related blog paper and the oldest related blog paper are being as the temporal feature sets.In addition, considering local search advantage of linear search(LS)and global search advantage of differential evolution(DE),the two kinds of information search methods were combined.BlogS06 data set was used in the experiment which was consists of blog home pages,XML source files and its blog portal pages,it was used for TREC 2007 and TREC 2008 blog mining experiments.Experimental results show that the proposed method can obtain satisfactory results in terms of running time and effectiveness.

    blog screening and mining,temporal feature,linear search,differential evolution,big data,BM25

    TP391

    A

    10.11959/j.issn.1000-0801.2017001

    張麗娜(1980-),女,浙江安防職業(yè)技術學院講師,主要研究方向為數據挖掘、圖形圖像、智能算法、云計算。

    匡泰(1964-),男,浙江安防職業(yè)技術學院信息工程系主任、副教授,主要研究方向為大數據、人工智能。

    姜迪清(1965-),男,現就職于浙江安防職業(yè)技術學院,主要研究方向為輿情管理、人事管理等。

    2016-05-30;

    2016-09-14

    浙江省2016年教育技術研究規(guī)劃課題支持項目(No.JB139)

    Foundation Item:Educational Technology Research Prgram of Zhejiang Province in 2016(No.JB139)

    猜你喜歡
    消息來源時態(tài)博客
    超高清的完成時態(tài)即將到來 探討8K超高清系統(tǒng)構建難點
    過去完成時態(tài)的判定依據
    媒介框架與真實建構之論述
    《齊魯晚報》消息源淺析
    考試周刊(2016年19期)2016-04-14 01:00:12
    記者與消息來源互動關系的理論研究綜述
    博客天下
    博客天下(2015年2期)2015-09-15 14:12:57
    現在進行時
    海外英語(2013年4期)2013-08-27 09:38:00
    博客相冊
    博客天下(2009年12期)2009-08-21 07:35:10
    博客相冊
    博客天下(2009年22期)2009-05-19 03:48:38
    我為博客狂
    意林(2008年24期)2008-07-09 00:02:20
    韩国av在线不卡| 特大巨黑吊av在线直播| 国产视频内射| 直男gayav资源| 国内少妇人妻偷人精品xxx网站| 国产av一区在线观看免费| 国产黄a三级三级三级人| 亚洲精品aⅴ在线观看| 色播亚洲综合网| 国产精品爽爽va在线观看网站| 成年版毛片免费区| 又黄又爽又刺激的免费视频.| 九九爱精品视频在线观看| 亚洲内射少妇av| 99热这里只有是精品50| 国产视频首页在线观看| 亚洲第一区二区三区不卡| 狂野欧美白嫩少妇大欣赏| 亚洲av.av天堂| 日韩国内少妇激情av| kizo精华| videossex国产| 久久精品久久久久久噜噜老黄 | 国产免费福利视频在线观看| 乱系列少妇在线播放| 亚洲国产精品专区欧美| 久久99精品国语久久久| 99热精品在线国产| 成人性生交大片免费视频hd| 久久99精品国语久久久| 久久久久国产网址| 国产精品久久电影中文字幕| 能在线免费看毛片的网站| 亚洲av成人av| 日韩欧美精品v在线| av福利片在线观看| 精品久久久噜噜| 建设人人有责人人尽责人人享有的 | 国产精品日韩av在线免费观看| 久久99精品国语久久久| 黄色日韩在线| 欧美潮喷喷水| 极品教师在线视频| 日韩亚洲欧美综合| 热99在线观看视频| 永久网站在线| 纵有疾风起免费观看全集完整版 | 亚洲四区av| 91在线精品国自产拍蜜月| 天堂影院成人在线观看| 国产一区亚洲一区在线观看| 91午夜精品亚洲一区二区三区| 在线观看66精品国产| 国产精品麻豆人妻色哟哟久久 | 最新中文字幕久久久久| 人人妻人人看人人澡| 亚洲欧美一区二区三区国产| 亚洲内射少妇av| 一个人看的www免费观看视频| 日韩国内少妇激情av| 日产精品乱码卡一卡2卡三| 啦啦啦韩国在线观看视频| 狠狠狠狠99中文字幕| 精品久久国产蜜桃| 久久久久久久久大av| 99热这里只有是精品50| 久久久成人免费电影| 精品99又大又爽又粗少妇毛片| 看非洲黑人一级黄片| 成人美女网站在线观看视频| 男人的好看免费观看在线视频| 搡老妇女老女人老熟妇| 久久99热这里只频精品6学生 | 欧美精品一区二区大全| 伦理电影大哥的女人| www.av在线官网国产| 久久久久国产网址| 特大巨黑吊av在线直播| 最后的刺客免费高清国语| 成年女人永久免费观看视频| 亚洲精品色激情综合| 大香蕉久久网| av黄色大香蕉| 毛片一级片免费看久久久久| 我要搜黄色片| 国产精品福利在线免费观看| 精品国产一区二区三区久久久樱花 | 精品一区二区三区人妻视频| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲在线观看片| 如何舔出高潮| 能在线免费观看的黄片| 久久午夜福利片| 欧美一区二区亚洲| 九色成人免费人妻av| 亚洲综合色惰| 亚洲精品成人久久久久久| 中文字幕av成人在线电影| 夫妻性生交免费视频一级片| 18+在线观看网站| 国产免费又黄又爽又色| 国产v大片淫在线免费观看| 午夜爱爱视频在线播放| 一区二区三区免费毛片| 美女xxoo啪啪120秒动态图| 国产成人精品婷婷| 菩萨蛮人人尽说江南好唐韦庄 | 黑人高潮一二区| 中文字幕av成人在线电影| 日韩国内少妇激情av| 91精品一卡2卡3卡4卡| 午夜免费男女啪啪视频观看| 亚洲三级黄色毛片| 91精品一卡2卡3卡4卡| 免费看光身美女| 又黄又爽又刺激的免费视频.| 中文乱码字字幕精品一区二区三区 | 插逼视频在线观看| 精品久久久久久久人妻蜜臀av| 久久人人爽人人片av| 日本一二三区视频观看| 国产精品日韩av在线免费观看| 亚洲国产高清在线一区二区三| 亚洲国产成人一精品久久久| 久久久色成人| 午夜老司机福利剧场| 国产黄色小视频在线观看| 日本av手机在线免费观看| 久久韩国三级中文字幕| 超碰av人人做人人爽久久| 国产伦精品一区二区三区视频9| 日本五十路高清| 精品一区二区三区人妻视频| 精品国产露脸久久av麻豆 | 毛片一级片免费看久久久久| 中文字幕熟女人妻在线| 久久久久久久久久黄片| 日韩三级伦理在线观看| 国产精品三级大全| 亚洲自偷自拍三级| 中文资源天堂在线| 亚洲在线观看片| 成人欧美大片| 国产成人午夜福利电影在线观看| 简卡轻食公司| 亚洲国产最新在线播放| 国产高清国产精品国产三级 | 久久久成人免费电影| 国产免费福利视频在线观看| 国产成人精品久久久久久| 亚洲精品国产av成人精品| 日韩成人av中文字幕在线观看| 亚洲av电影在线观看一区二区三区 | 看非洲黑人一级黄片| 亚洲欧美精品自产自拍| 欧美不卡视频在线免费观看| 国产伦理片在线播放av一区| 看片在线看免费视频| 国产欧美日韩精品一区二区| 国产v大片淫在线免费观看| 一级黄片播放器| 麻豆乱淫一区二区| 日韩一区二区三区影片| 久久久久性生活片| 久久久久性生活片| 人妻系列 视频| 成年免费大片在线观看| 一级黄片播放器| 建设人人有责人人尽责人人享有的 | 尾随美女入室| 日韩在线高清观看一区二区三区| 久久久欧美国产精品| 日韩欧美在线乱码| 欧美变态另类bdsm刘玥| 国产午夜精品一二区理论片| 久久久欧美国产精品| 97超碰精品成人国产| 尾随美女入室| 不卡视频在线观看欧美| 欧美激情久久久久久爽电影| 久久久久久久久久久免费av| 日韩在线高清观看一区二区三区| 中文字幕久久专区| 国产成人一区二区在线| 国产精品一区二区在线观看99 | 最近最新中文字幕大全电影3| 91精品一卡2卡3卡4卡| a级一级毛片免费在线观看| 亚洲人成网站在线播| 久久精品夜色国产| 亚洲图色成人| 看片在线看免费视频| 亚洲av二区三区四区| av天堂中文字幕网| 身体一侧抽搐| 精品国产露脸久久av麻豆 | 日韩av在线大香蕉| 中文字幕熟女人妻在线| 我要搜黄色片| 69人妻影院| 99久久精品国产国产毛片| 人妻系列 视频| 久久久久性生活片| 成人鲁丝片一二三区免费| 久久精品国产鲁丝片午夜精品| 中文在线观看免费www的网站| 级片在线观看| 久久精品国产亚洲av涩爱| 国产在线男女| 国产成人freesex在线| 大香蕉久久网| 亚洲成色77777| 免费看光身美女| 18+在线观看网站| 中文资源天堂在线| 国产免费福利视频在线观看| 久久99蜜桃精品久久| 国产精品一区二区性色av| 成年女人看的毛片在线观看| 精品少妇黑人巨大在线播放 | 爱豆传媒免费全集在线观看| 久久亚洲精品不卡| 亚洲国产精品专区欧美| 长腿黑丝高跟| 亚洲av免费在线观看| 亚洲最大成人av| 亚洲四区av| 国产精品国产三级国产专区5o | 一级毛片aaaaaa免费看小| 亚洲,欧美,日韩| 国产高潮美女av| 婷婷色综合大香蕉| 国产三级在线视频| 久久久久久九九精品二区国产| www日本黄色视频网| 国产亚洲午夜精品一区二区久久 | 国产精品伦人一区二区| 国产69精品久久久久777片| 一卡2卡三卡四卡精品乱码亚洲| 看片在线看免费视频| 国产精品人妻久久久久久| 一区二区三区四区激情视频| 女人十人毛片免费观看3o分钟| 日韩欧美精品免费久久| 国产老妇伦熟女老妇高清| 一级黄片播放器| 高清毛片免费看| 可以在线观看毛片的网站| 搞女人的毛片| 精品国产一区二区三区久久久樱花 | 国产高清有码在线观看视频| 久久午夜福利片| 国产精品美女特级片免费视频播放器| 啦啦啦啦在线视频资源| 久久精品国产鲁丝片午夜精品| 一级毛片aaaaaa免费看小| 伊人久久精品亚洲午夜| 三级经典国产精品| 永久免费av网站大全| 91aial.com中文字幕在线观看| 国产成人91sexporn| 一级毛片久久久久久久久女| 国产免费视频播放在线视频 | 久久99热这里只频精品6学生 | 亚洲在线自拍视频| 高清视频免费观看一区二区 | 亚洲中文字幕日韩| 欧美日韩一区二区视频在线观看视频在线 | 真实男女啪啪啪动态图| 久久这里有精品视频免费| 天堂av国产一区二区熟女人妻| 日韩国内少妇激情av| 人体艺术视频欧美日本| 中文亚洲av片在线观看爽| 欧美一区二区精品小视频在线| 免费看a级黄色片| 菩萨蛮人人尽说江南好唐韦庄 | 搡老妇女老女人老熟妇| 成人无遮挡网站| 精品久久久久久成人av| 特大巨黑吊av在线直播| 欧美一级a爱片免费观看看| 美女脱内裤让男人舔精品视频| 久久99精品国语久久久| 天堂√8在线中文| 最近手机中文字幕大全| 建设人人有责人人尽责人人享有的 | 中国美白少妇内射xxxbb| 欧美区成人在线视频| 亚洲欧美成人综合另类久久久 | 99热全是精品| 99久国产av精品| 欧美97在线视频| av专区在线播放| 精品不卡国产一区二区三区| 人妻制服诱惑在线中文字幕| 波野结衣二区三区在线| 国产精品国产三级专区第一集| 五月伊人婷婷丁香| 丰满乱子伦码专区| 最近手机中文字幕大全| 国产 一区 欧美 日韩| 一级黄色大片毛片| 亚洲欧洲国产日韩| 亚洲18禁久久av| 久久午夜福利片| 麻豆精品久久久久久蜜桃| 中文字幕久久专区| 久久久久久九九精品二区国产| 日韩大片免费观看网站 | videossex国产| 久久精品国产亚洲网站| 直男gayav资源| 波多野结衣巨乳人妻| 美女脱内裤让男人舔精品视频| 男人舔奶头视频| 精品人妻视频免费看| 床上黄色一级片| 大香蕉97超碰在线| 99久久人妻综合| 美女脱内裤让男人舔精品视频| 九九在线视频观看精品| 久久99蜜桃精品久久| 麻豆国产97在线/欧美| 亚洲综合精品二区| 亚洲精品456在线播放app| 国产午夜精品一二区理论片| 日本-黄色视频高清免费观看| 久久99蜜桃精品久久| 国产精品爽爽va在线观看网站| 亚洲欧美清纯卡通| 久久久国产成人精品二区| 亚洲三级黄色毛片| 国产精品一区二区性色av| 国产精品一区二区三区四区久久| 一边摸一边抽搐一进一小说| 日本三级黄在线观看| 看十八女毛片水多多多| 两个人的视频大全免费| 2022亚洲国产成人精品| 色综合亚洲欧美另类图片| 乱人视频在线观看| 三级国产精品片| 免费av观看视频| 国产精品综合久久久久久久免费| 国产成人免费观看mmmm| 91精品伊人久久大香线蕉| 成人av在线播放网站| 久久久精品大字幕| 国产精品1区2区在线观看.| 人人妻人人澡欧美一区二区| 亚洲熟妇中文字幕五十中出| 午夜福利视频1000在线观看| 秋霞在线观看毛片| 国产激情偷乱视频一区二区| ponron亚洲| 亚洲av免费在线观看| 丰满少妇做爰视频| 午夜福利成人在线免费观看| 亚洲经典国产精华液单| 神马国产精品三级电影在线观看| 色综合站精品国产| 国产成人aa在线观看| 精品国内亚洲2022精品成人| 麻豆成人av视频| av播播在线观看一区| 爱豆传媒免费全集在线观看| 亚洲欧美日韩卡通动漫| 久久精品夜色国产| 亚洲性久久影院| 日本色播在线视频| av在线天堂中文字幕| 国内精品宾馆在线| 国产久久久一区二区三区| 久久久欧美国产精品| 日韩精品青青久久久久久| 狂野欧美激情性xxxx在线观看| 亚洲国产精品成人久久小说| 99热这里只有精品一区| 两性午夜刺激爽爽歪歪视频在线观看| 日本与韩国留学比较| 成人漫画全彩无遮挡| 久热久热在线精品观看| 国产精品99久久久久久久久| 免费播放大片免费观看视频在线观看 | 成人三级黄色视频| 卡戴珊不雅视频在线播放| 中文在线观看免费www的网站| av.在线天堂| 丰满乱子伦码专区| 好男人视频免费观看在线| 国产单亲对白刺激| 国产精品人妻久久久久久| 波多野结衣高清无吗| 久久久久久大精品| 蜜桃亚洲精品一区二区三区| 久久鲁丝午夜福利片| 久久久久久九九精品二区国产| 国产亚洲午夜精品一区二区久久 | 亚洲最大成人中文| 美女大奶头视频| 日韩强制内射视频| 99热6这里只有精品| av在线亚洲专区| 男女啪啪激烈高潮av片| 国产高清国产精品国产三级 | 插阴视频在线观看视频| 国产色爽女视频免费观看| 国内精品美女久久久久久| 国产精品爽爽va在线观看网站| 免费在线观看成人毛片| 亚洲精华国产精华液的使用体验| 哪个播放器可以免费观看大片| 中国国产av一级| av女优亚洲男人天堂| 高清毛片免费看| 日韩av不卡免费在线播放| 精品免费久久久久久久清纯| 特大巨黑吊av在线直播| 伦精品一区二区三区| 精品不卡国产一区二区三区| 日日撸夜夜添| 午夜精品在线福利| 国产伦精品一区二区三区四那| 国产免费福利视频在线观看| 99九九线精品视频在线观看视频| 简卡轻食公司| 国产成人午夜福利电影在线观看| 亚洲成人中文字幕在线播放| 欧美一区二区国产精品久久精品| 一级黄片播放器| 18+在线观看网站| 国产午夜精品久久久久久一区二区三区| 久久6这里有精品| 大又大粗又爽又黄少妇毛片口| 欧美日本亚洲视频在线播放| 插阴视频在线观看视频| 亚洲无线观看免费| 久久久久精品久久久久真实原创| 丰满少妇做爰视频| 一级毛片aaaaaa免费看小| 五月伊人婷婷丁香| 久久国内精品自在自线图片| 国产成人午夜福利电影在线观看| 美女大奶头视频| 亚洲精品国产av成人精品| 亚洲成av人片在线播放无| 成人三级黄色视频| 男插女下体视频免费在线播放| 在线播放无遮挡| 国产精品一及| 水蜜桃什么品种好| 国内精品一区二区在线观看| 内射极品少妇av片p| 国产精品一区二区性色av| 一级毛片久久久久久久久女| 啦啦啦观看免费观看视频高清| 国产三级在线视频| 国产精品熟女久久久久浪| 欧美潮喷喷水| 男女下面进入的视频免费午夜| 亚洲国产色片| 精品酒店卫生间| 日韩强制内射视频| av在线老鸭窝| 在线观看一区二区三区| 麻豆乱淫一区二区| 国产av码专区亚洲av| 久久精品综合一区二区三区| 晚上一个人看的免费电影| 国产老妇女一区| 中国国产av一级| av在线老鸭窝| 国产亚洲5aaaaa淫片| 最近手机中文字幕大全| 中文资源天堂在线| 亚洲伊人久久精品综合 | 青春草国产在线视频| 精品酒店卫生间| 久久久久久国产a免费观看| 国产久久久一区二区三区| 日韩人妻高清精品专区| 日日摸夜夜添夜夜爱| 国产探花在线观看一区二区| 亚洲精品日韩av片在线观看| 久久久久九九精品影院| 久久亚洲国产成人精品v| 国产成人91sexporn| 久久人人爽人人片av| av天堂中文字幕网| 亚洲最大成人av| 国产又黄又爽又无遮挡在线| 久久99蜜桃精品久久| 国产亚洲av嫩草精品影院| 欧美激情国产日韩精品一区| 爱豆传媒免费全集在线观看| 久久久国产成人精品二区| 亚洲中文字幕一区二区三区有码在线看| 青春草亚洲视频在线观看| 国产大屁股一区二区在线视频| 自拍偷自拍亚洲精品老妇| 亚洲欧美清纯卡通| 熟妇人妻久久中文字幕3abv| 亚洲国产欧洲综合997久久,| 国产精品蜜桃在线观看| 欧美精品一区二区大全| 99久久无色码亚洲精品果冻| 日韩欧美在线乱码| 我的女老师完整版在线观看| 亚洲一区高清亚洲精品| 午夜福利在线观看免费完整高清在| 观看美女的网站| 成人欧美大片| 亚洲av成人精品一二三区| 少妇熟女欧美另类| 熟女电影av网| 91在线精品国自产拍蜜月| 亚洲三级黄色毛片| 草草在线视频免费看| 三级国产精品片| 三级国产精品欧美在线观看| 免费搜索国产男女视频| kizo精华| 久久人人爽人人爽人人片va| 蜜桃久久精品国产亚洲av| 黄片无遮挡物在线观看| 久久久久网色| 国产白丝娇喘喷水9色精品| 亚洲av一区综合| 免费av观看视频| 国产一区二区亚洲精品在线观看| 国产精品麻豆人妻色哟哟久久 | 日本五十路高清| 狂野欧美白嫩少妇大欣赏| 永久免费av网站大全| 久久国内精品自在自线图片| 全区人妻精品视频| 18禁在线无遮挡免费观看视频| 国产探花极品一区二区| 高清av免费在线| 老师上课跳d突然被开到最大视频| 26uuu在线亚洲综合色| 亚洲精品456在线播放app| 国产亚洲5aaaaa淫片| 在线免费观看不下载黄p国产| 身体一侧抽搐| 成人无遮挡网站| 国产毛片a区久久久久| 亚洲最大成人av| 联通29元200g的流量卡| 99久久精品热视频| 欧美成人精品欧美一级黄| 久久99蜜桃精品久久| 中文字幕精品亚洲无线码一区| 大香蕉久久网| 日韩三级伦理在线观看| 一卡2卡三卡四卡精品乱码亚洲| 三级国产精品欧美在线观看| 视频中文字幕在线观看| 波多野结衣巨乳人妻| 变态另类丝袜制服| videos熟女内射| 久久久久久久久大av| 天堂影院成人在线观看| 99久久精品热视频| 精品久久久久久成人av| www日本黄色视频网| 久久草成人影院| 国产不卡一卡二| 亚洲精品乱码久久久v下载方式| 久久这里只有精品中国| 亚洲天堂国产精品一区在线| 免费不卡的大黄色大毛片视频在线观看 | 国产精品,欧美在线| 亚洲精品一区蜜桃| 亚洲欧洲国产日韩| 欧美另类亚洲清纯唯美| 3wmmmm亚洲av在线观看| 亚洲av电影不卡..在线观看| 精华霜和精华液先用哪个| 免费看av在线观看网站| 久久精品人妻少妇| 熟女人妻精品中文字幕| 亚洲精品亚洲一区二区| 三级毛片av免费| 久久久亚洲精品成人影院| 精品一区二区三区视频在线| 午夜福利在线观看免费完整高清在| 毛片女人毛片| 国产女主播在线喷水免费视频网站 | 少妇人妻一区二区三区视频| 成年免费大片在线观看| 日产精品乱码卡一卡2卡三| 精品无人区乱码1区二区| 亚洲精品乱码久久久久久按摩| 少妇人妻精品综合一区二区| 神马国产精品三级电影在线观看| 麻豆乱淫一区二区| av播播在线观看一区| 久久草成人影院| 少妇丰满av| 国产精品久久电影中文字幕| 午夜a级毛片| 国产乱人偷精品视频| 99久久中文字幕三级久久日本| 午夜久久久久精精品| 国产成人免费观看mmmm| 国产高清三级在线| 九色成人免费人妻av| 小蜜桃在线观看免费完整版高清| 久久久精品欧美日韩精品| 内射极品少妇av片p| 91精品伊人久久大香线蕉| 国产精品一区二区在线观看99 | 国产精品福利在线免费观看|