• <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 ?

    基于社區(qū)改變量估計的非均勻時間片劃分方法

    2023-11-29 12:11:16羅香玉閆克盧琰王甜辛剛
    計算機應(yīng)用 2023年11期
    關(guān)鍵詞:快照網(wǎng)絡(luò)拓撲節(jié)點

    羅香玉,閆克,盧琰,王甜,辛剛

    基于社區(qū)改變量估計的非均勻時間片劃分方法

    羅香玉1*,閆克1,盧琰1,王甜1,辛剛2

    (1.西安科技大學(xué) 計算機科學(xué)與技術(shù)學(xué)院,西安 710054; 2.中國航空工業(yè)集團公司西安航空計算技術(shù)研究所,西安 710119)( ? 通信作者電子郵箱luoxiangyu@xust.edu.cn)

    動態(tài)網(wǎng)絡(luò)時間片劃分方法對社區(qū)演化分析結(jié)果的準確性具有重要影響,但社區(qū)隨時間及網(wǎng)絡(luò)拓撲改變呈現(xiàn)非線性的變化,現(xiàn)有均勻時間片劃分以及基于網(wǎng)絡(luò)拓撲改變量的非均勻時間片劃分方法在捕捉社區(qū)演化事件方面均效果不佳。為此,提出一種基于社區(qū)改變量估計的非均勻時間片劃分方法,其中社區(qū)改變量通過變化后網(wǎng)絡(luò)期望達到的社區(qū)模塊度與直接應(yīng)用網(wǎng)絡(luò)變化前的社區(qū)發(fā)現(xiàn)結(jié)果獲得的社區(qū)模塊度之差來定量描述。首先,基于時間序列分析建立社區(qū)模塊度預(yù)測模型;其次,使用該模型預(yù)測變化后網(wǎng)絡(luò)期望達到的社區(qū)模塊度,并求得社區(qū)改變量的估計值;最后,當(dāng)該估計值超過預(yù)先設(shè)置的閾值時即生成一個新的時間片。在兩個真實網(wǎng)絡(luò)數(shù)據(jù)集上的實驗結(jié)果顯示,相較于傳統(tǒng)的均勻時間片劃分方法和基于網(wǎng)絡(luò)拓撲改變量的非均勻時間片劃分方法,所提方法在動態(tài)網(wǎng)絡(luò)數(shù)據(jù)集Arxiv HEP-PH上的識別社區(qū)消失事件方面分別提早1.10 d和1.30 d,識別社區(qū)形成事件方面分別提早8.34 d和3.34 d,識別出的社區(qū)縮小、擴大事件總數(shù)分別增加10個和1個;在Sx-MathOverflow數(shù)據(jù)集上的識別社區(qū)消失事件方面分別提早3.30 d和1.80 d,識別社區(qū)形成事件方面分別提早6.41 d和2.97 d,識別出的社區(qū)縮小、擴大事件總數(shù)分別增加15個和7個。

    動態(tài)網(wǎng)絡(luò);時間片劃分;社區(qū)演化;時間序列分析;社區(qū)發(fā)現(xiàn);社區(qū)模塊度

    0 引言

    近年來,社區(qū)演化分析已成為動態(tài)網(wǎng)絡(luò)的研究熱點[1-4]。它旨在發(fā)現(xiàn)動態(tài)網(wǎng)絡(luò)潛在的演化規(guī)律,為預(yù)測社區(qū)的演化行為提供依據(jù)和信息。社區(qū)演化分析在眾多領(lǐng)域都有廣泛的應(yīng)用。例如,應(yīng)用于蛋白質(zhì)交互網(wǎng)絡(luò)時[5-6],可以根據(jù)已知的蛋白質(zhì)拓撲結(jié)構(gòu)和交互關(guān)系對未知蛋白質(zhì)的功能和行為進行預(yù)測;應(yīng)用于輿情監(jiān)測和引導(dǎo)時[7-8],有助于掌握負面輿論的傳播路徑;應(yīng)用于公共衛(wèi)生領(lǐng)域時,可以為預(yù)測傳染病的傳播提供有價值的信息,提前制定應(yīng)對措施,防止傳染病蔓延[9]。

    社區(qū)演化分析過程主要分為三個階段[10]:第一階段將動態(tài)網(wǎng)絡(luò)劃分為一系列能夠準確捕獲社區(qū)演化事件的快照,這一階段主要依賴合理的時間片劃分方法;第二階段對劃分得到的網(wǎng)絡(luò)快照分別進行社區(qū)發(fā)現(xiàn),獲取各個快照上的全部社區(qū);第三階段通過比較兩個相鄰快照的社區(qū)發(fā)現(xiàn)結(jié)果識別社區(qū)演化事件。其中后兩個階段社區(qū)發(fā)現(xiàn)和社區(qū)演化事件識別已得到較深入的研究,但第一階段時間片劃分研究尚不充分。

    時間片劃分方法對社區(qū)演化分析結(jié)果的準確性具有重要影響[11-14]。理想的時間片劃分方法能夠以最少數(shù)量的快照捕獲所有的社區(qū)演化事件,設(shè)計出理想的時間片劃分方法是一項極具挑戰(zhàn)性的工作。由于社區(qū)并非隨時間勻速變化,均勻時間片劃分方法[15-18]效果不佳,最佳時間片長度應(yīng)根據(jù)社區(qū)演化速度不斷調(diào)整,呈現(xiàn)出非均勻的分布。

    現(xiàn)有的非均勻時間片劃分方法通過計算網(wǎng)絡(luò)拓撲的改變量獲得時間片劃分結(jié)果。當(dāng)網(wǎng)絡(luò)拓撲改變量超過預(yù)先設(shè)置的閾值時,則生成一個新的時間片。衡量網(wǎng)絡(luò)拓撲改變量的一個典型指標是網(wǎng)絡(luò)變化前后邊集的Jaccard系數(shù)[19],該系數(shù)值越小,則網(wǎng)絡(luò)拓撲改變量越大。然而,社區(qū)隨網(wǎng)絡(luò)拓撲改變呈非線性變化。在一些情況下,刪除或添加大量邊仍不會導(dǎo)致社區(qū)演化,但在另一些情況下,刪除或添加少量邊即會導(dǎo)致社區(qū)演化。因此,基于網(wǎng)絡(luò)拓撲改變量的非均勻時間片劃分方法可能會產(chǎn)生不捕獲任何演化事件的冗余快照或者跳過存在演化事件的有效快照。

    本文提出一種基于社區(qū)改變量估計的非均勻時間片劃分方法。該方法不計算網(wǎng)絡(luò)拓撲的改變量,而是直接估計相鄰兩個時間片之間的社區(qū)改變量,當(dāng)社區(qū)改變量超過某個閾值,則生成一個新的時間片。主要挑戰(zhàn)是在網(wǎng)絡(luò)動態(tài)變化之后社區(qū)未知條件下如何估計社區(qū)的改變程度。

    本文的主要工作如下:

    1)分析現(xiàn)有時間片劃分方法導(dǎo)致社區(qū)演化分析結(jié)果不準確的原因。由于社區(qū)演化與時間、網(wǎng)絡(luò)拓撲改變量均呈非線性關(guān)系,均勻時間片劃分方法和基于網(wǎng)絡(luò)拓撲改變量的非均勻時間片劃分方法均會降低社區(qū)演化分析結(jié)果的準確性。

    2)提出一種基于社區(qū)改變量估計的非均勻時間片劃分方法,其中社區(qū)改變量通過變化后網(wǎng)絡(luò)期望達到的社區(qū)模塊度與直接應(yīng)用網(wǎng)絡(luò)變化前的社區(qū)發(fā)現(xiàn)結(jié)果獲得的社區(qū)模塊度之差來定量描述。期望達到的社區(qū)模塊度則通過建立基于時間序列分析的社區(qū)模塊度預(yù)測模型進行估計。

    3)在真實數(shù)據(jù)集上對所提方法的有效性進行驗證,結(jié)果表明,與現(xiàn)有時間片劃分方法相比,本文方法能夠更及時地發(fā)現(xiàn)社區(qū)生成和社區(qū)消失事件,并發(fā)現(xiàn)更多數(shù)量的社區(qū)擴大和社區(qū)縮小事件,社區(qū)演化分析結(jié)果的準確性得到有效提升。

    1 相關(guān)工作

    社區(qū)演化分析過程的三個階段相關(guān)工作分別總結(jié)如下。

    1.1 時間片劃分

    時間片劃分旨在將動態(tài)網(wǎng)絡(luò)離散化為一系列的快照。它對社區(qū)演化分析結(jié)果的準確性具有重要影響?,F(xiàn)有的動態(tài)網(wǎng)絡(luò)時間片劃分方法一般分為兩類[20]:均勻時間片劃分方法和非均勻時間片劃分方法。均勻時間片劃分方法采用固定時間間隔將動態(tài)網(wǎng)絡(luò)離散為若干個快照,因?qū)崿F(xiàn)機制簡單而被廣泛使用;非均勻時間片劃分方法則會將動態(tài)網(wǎng)絡(luò)離散為不等時間間隔的若干個快照,實現(xiàn)機制相對復(fù)雜。

    根據(jù)時間片長度的確定方式,均勻時間片劃分可以進一步細分為兩個子類:基于人工經(jīng)驗的方法和基于網(wǎng)絡(luò)特征分析的方法。

    基于人工經(jīng)驗確定時間片長度的方法應(yīng)用最為廣泛。Bhat等[21]提出了用于跟蹤在線社交網(wǎng)絡(luò)中分層和重疊社區(qū)演變的框架HOCTracker,實驗中時間片的長度指定為5 a。Wang等[22]提出了基于拓撲勢場中核心節(jié)點變化的社區(qū)演化事件跟蹤方法,實驗中時間片長度指定為1 d。Qiao等[23]提出了基于強弱事件的社區(qū)演化分析框架,實驗中使用了兩個數(shù)據(jù)集,時間片長度分別指定為1 a和1個月(使用的是2008年的數(shù)據(jù)集,該時間片長度為自然月)。Xu等[24]提出了一種兩階段社區(qū)演化分析方法(Error Accumulation Sensitive-Superspreaders And Superblockers, EAS-SAS),解決了社區(qū)發(fā)現(xiàn)中增量算法導(dǎo)致的累積誤差問題以及社區(qū)演化事件識別中核心節(jié)點貢獻度異構(gòu)性的問題,實驗中兩個數(shù)據(jù)集的時間片長度分別指定為1 a和1 d。

    基于網(wǎng)絡(luò)特征分析的均勻時間片劃分方法也被廣泛使用。對于預(yù)設(shè)的每個時間片長度值,Tajeuna等[11]分析了相鄰快照間新增節(jié)點、離開節(jié)點和保持節(jié)點各自所占的比例,最終選擇的時間片長度能夠保證相鄰快照在新增和離開節(jié)點比例以及保持節(jié)點比例間取得最佳的平衡。

    非均勻時間片劃分方法通常會持續(xù)評估網(wǎng)絡(luò)拓撲的改變量,當(dāng)改變量超過某個閾值時生成一個新的時間片。?olak等[25]和Orman等[26]通過計算兩個相鄰快照的Jaccard系數(shù)評估網(wǎng)絡(luò)拓撲的改變程度。Jaccard系數(shù)值越大,網(wǎng)絡(luò)拓撲改變量越小。

    由于社區(qū)演化與時間以及與網(wǎng)絡(luò)拓撲的改變量均呈非線性關(guān)系,均勻時間片劃分方法和基于網(wǎng)絡(luò)拓撲改變量的非均勻時間片劃分方法效果不佳。為此,本文提出一種基于社區(qū)改變量估計的非均勻時間片劃分方法。該方法直接估計社區(qū)改變的程度,并在改變程度超過一定閾值時生成新的時間片。本文方法旨在不增加快照數(shù)量的情況下更全面更及時地識別社區(qū)演化事件。

    1.2 社區(qū)發(fā)現(xiàn)

    社區(qū)發(fā)現(xiàn)旨在找出每個網(wǎng)絡(luò)快照上的全部社區(qū)。現(xiàn)有研究主要包括三類方法:基于邊消除策略的方法、基于社區(qū)質(zhì)量指標優(yōu)化策略的方法以及基于標簽傳播策略的方法?;谶呄呗缘姆椒ㄍㄟ^逐一識別和消除社區(qū)之間的邊,將網(wǎng)絡(luò)劃分為若干社區(qū),代表性算法是GN(Girvan-Newman算法)[27];基于社區(qū)質(zhì)量指標優(yōu)化策略的方法定義模塊度等度量指標評價社區(qū)質(zhì)量,通過不斷優(yōu)化度量指標進行社區(qū)發(fā)現(xiàn),代表性算法是Louvain算法[28];基于標簽傳播策略的方法先把每個節(jié)點的標簽傳播給它的鄰居節(jié)點,然后該節(jié)點獲取鄰居節(jié)點的標簽從而更新自身標簽,重復(fù)上述標簽傳播過程,最后各節(jié)點根據(jù)標簽獲得所屬社區(qū),代表性算法是LPA(Label Propagation Algorithm)[29]。

    1.3 社區(qū)演化事件識別

    社區(qū)演化事件識別旨在找出兩個相鄰快照上社區(qū)之間的演化關(guān)系。GED(Group Evolution Discovery)模型[30]中定義歸屬度用于衡量相鄰快照上兩個社區(qū)的相似性,歸屬度考慮公共節(jié)點的數(shù)量及其在網(wǎng)絡(luò)中的位置。GED模型根據(jù)相似性結(jié)果和社區(qū)規(guī)模定義7種社區(qū)演化事件,包括持續(xù)、縮小、擴大、分裂、合并、消失和生成。

    2 問題描述

    2.1 基本術(shù)語

    時間片劃分點:為動態(tài)網(wǎng)絡(luò)建立快照的每個時刻稱為一個時間片劃分點。兩個相鄰時間片劃分點決定一個時間片的長度。因此,時間片劃分結(jié)果可以表示為一系列時間片劃分點的集合。

    社區(qū)改變閾值:最近時間片劃分點與當(dāng)前檢查時刻之間社區(qū)改變程度的上限。當(dāng)社區(qū)改變程度超過時,將當(dāng)前檢查時刻作為新的時間片劃分點。

    2.2 非均勻時間片劃分問題

    3 非均勻時間片劃分方法

    3.1 主要思想

    3.2 非均勻時間片劃分方法概述

    算法1 基于社區(qū)改變量估計的非均勻時間片劃分。

    輸出。

    4) forfrom 1 todo

    11) end if

    12) end for

    13) return

    算法1中包含三個重要函數(shù):第一個函數(shù)是Louvain,用于在給定的網(wǎng)絡(luò)快照上進行社區(qū)發(fā)現(xiàn),以找出全部社區(qū),具體算法可參考文獻[28];第二個函數(shù)是Modularity,利用模塊度評價所找到社區(qū)結(jié)果的質(zhì)量,具體計算方式可參考文獻[32];第三個函數(shù)是ARIMAForecast,基于時間序列分析模型ARIMA進行模塊度預(yù)測。3.3節(jié)將重點描述ARIMA預(yù)測模型的訓(xùn)練方法。

    3.3 模塊度預(yù)測模型訓(xùn)練方法

    基于算法2獲取的訓(xùn)練數(shù)據(jù)集,確定ARIMA預(yù)測模型的參數(shù):、和。參數(shù)是模型中的滯后觀測數(shù);參數(shù)表示確保模塊度時序數(shù)據(jù)平穩(wěn)所需的差分階數(shù);參數(shù)是移動平均窗口的大小。本文通過實驗選擇ARIMA預(yù)測模型的最佳參數(shù)。

    算法2 獲取訓(xùn)練集數(shù)據(jù)。

    輸出 社區(qū)模塊度值的時間序列。

    3) forfrom 0 todo

    8) end for

    9) return

    基于訓(xùn)練數(shù)據(jù)集和模型參數(shù)、和,獲得ARIMA模塊度預(yù)測模型。模型公式如下:

    3.4 時間復(fù)雜度分析

    4 實驗與結(jié)果分析

    4.1 實驗環(huán)境

    所有實驗均在配置為Intel Core i5-10210U處理器、16 GB RAM、Windows 10(64 bit)操作系統(tǒng)的計算機上進行。本文采用Python 3.7.8實現(xiàn)了基于多種時間片劃分方法的社區(qū)演化分析系統(tǒng)。

    社區(qū)演化分析系統(tǒng)由三個組件組成:時間片劃分組件、社區(qū)發(fā)現(xiàn)組件和演化事件識別組件。時間片劃分組件以動態(tài)網(wǎng)絡(luò)為輸入,時間片劃分點為輸出,使用三個時間片劃分方法生成時間片劃分點,即基于社區(qū)改變量估計的非均勻時間片劃分方法、均勻時間片劃分方法和基于網(wǎng)絡(luò)拓撲改變量的非均勻時間片劃分方法;社區(qū)發(fā)現(xiàn)組件首先根據(jù)時間片劃分點生成網(wǎng)絡(luò)快照,然后使用Louvain算法對每個快照進行社區(qū)發(fā)現(xiàn);演化事件識別組件采用GED模型,通過比較每兩個相鄰快照上的社區(qū)識別社區(qū)演化事件。

    4.2 數(shù)據(jù)集

    為驗證本文方法的有效性,利用兩個真實的公開數(shù)據(jù)集對傳統(tǒng)方法和本文方法進行比較。數(shù)據(jù)集描述如表1所示,其中:Arxiv HEP-PH數(shù)據(jù)集[33]是由1993年至2003年期間發(fā)表的高能物理現(xiàn)象學(xué)(理論)論文形成的引文網(wǎng)絡(luò),節(jié)點表示發(fā)表的論文,邊代表論文之間的引用關(guān)系;Sx?MathOverflow數(shù)據(jù)集[34]是StackExchange網(wǎng)站mathflow上2009年至2016年的時間交互網(wǎng)絡(luò),節(jié)點表示用戶,邊表示用戶之間的交互關(guān)系。

    表 1 數(shù)據(jù)集描述

    4.3 對比方法與評價指標

    將本文方法與以下兩個傳統(tǒng)時間片劃分方法進行比較。

    1)均勻時間片劃分方法。采用固定時間窗口長度將動態(tài)網(wǎng)絡(luò)數(shù)據(jù)離散化為若干個網(wǎng)絡(luò)快照。

    2)基于網(wǎng)絡(luò)拓撲改變量的非均勻時間片劃分方法(簡稱為基于網(wǎng)絡(luò)拓撲改變量的劃分方法)。利用動態(tài)網(wǎng)絡(luò)變化前后邊集的Jaccard系數(shù)[19]計算網(wǎng)絡(luò)拓撲的改變量,當(dāng)網(wǎng)絡(luò)拓撲改變量超過預(yù)先設(shè)置的閾值時生成一個新的時間片,最后獲得時間片劃分結(jié)果。

    4.4 實驗結(jié)果

    4.4.1三種時間片劃分方法的性能對比結(jié)果

    基于所實現(xiàn)的社區(qū)演化分析系統(tǒng),分別采用三種時間片劃分方法對兩種動態(tài)網(wǎng)絡(luò)數(shù)據(jù)集進行社區(qū)演化分析,然后計算評價指標完成時間片劃分方法的比較。實驗?zāi)康氖球炞C基于社區(qū)改變量估計的非均勻時間片劃分方法的優(yōu)越性。

    圖 1 兩個數(shù)據(jù)集上三種時間片劃分方法劃分的時間片的長度分布

    由表2可以看出,本文方法能夠比其他兩種方法更及時地識別社區(qū)消失事件、更及時地識別社區(qū)生成事件,以及可以發(fā)現(xiàn)最多數(shù)量的社區(qū)擴大和社區(qū)縮小事件。經(jīng)分析認為:在動態(tài)網(wǎng)絡(luò)演化過程中,社區(qū)的演化與時間呈非線性關(guān)系,均勻時間片劃分容易錯過重要的社區(qū)演化事件,最終導(dǎo)致不準確的社區(qū)演化分析結(jié)果;同時,社區(qū)的演化與網(wǎng)絡(luò)拓撲改變量也呈非線性關(guān)系,比如有時刪除或添加大量邊,社區(qū)結(jié)構(gòu)仍舊保持不變,而有時刪除或添加少量邊就會導(dǎo)致社區(qū)結(jié)構(gòu)發(fā)生較大變化,因此,基于網(wǎng)絡(luò)拓撲改變量的劃分方法也會降低社區(qū)演化分析結(jié)果的準確性。本文方法通過直接估計社區(qū)的改變量決定何時劃分時間片,從而得到更加準確的社區(qū)演化分析結(jié)果。

    表 2 兩個數(shù)據(jù)集上三種時間片劃分方法的準確性對比

    圖2顯示了Arxiv HEP-PH數(shù)據(jù)集中1995年4月30日網(wǎng)絡(luò)快照的一部分。圖中虛線框內(nèi)的節(jié)點表示該快照上的一個社區(qū)?;诒疚乃岢鰰r間片劃分方法的社區(qū)演化分析結(jié)果表明,該社區(qū)消失的日期是1995年5月11日;但使用其他兩種時間片劃分方法情況下,社區(qū)演化分析結(jié)果中該社區(qū)消失的日期分別是1995年5月12日和1995年5月15日。

    圖 2 1995年4月30日網(wǎng)絡(luò)快照上的一個社區(qū)

    圖3顯示了在Arxiv HEP-PH數(shù)據(jù)集中1995年6月1日網(wǎng)絡(luò)快照的一部分。圖中虛線框內(nèi)的節(jié)點表示該快照上的一個社區(qū)?;诒疚乃岢鰰r間片劃分方法的社區(qū)演化分析結(jié)果表明,該社區(qū)形成的日期是1995年6月1日;但使用其他兩種時間片劃分方法情況下,社區(qū)演化分析結(jié)果中該社區(qū)生成的日期分別是1995年6月8日和1995年6月18日。

    4.4.2社區(qū)發(fā)現(xiàn)算法對本文方法性能的影響

    為了直觀驗證社區(qū)發(fā)現(xiàn)方法對所提方法性能影響的程度,以增量式社區(qū)發(fā)現(xiàn)方法DynaMo[35]和Louvain方法為例,驗證所提方法的執(zhí)行結(jié)果,其中均設(shè)置為0.02,實驗結(jié)果如表3所示。

    通過實驗發(fā)現(xiàn),增量式社區(qū)發(fā)現(xiàn)方法DynaMo一般比Louvain方法得到的Modularity值低平均5%,即兩種社區(qū)發(fā)現(xiàn)方法下的Modularity幾乎相同,實驗結(jié)果表明社區(qū)發(fā)現(xiàn)方法對本文所提方法的影響較小。原因分析認為,所有社區(qū)發(fā)現(xiàn)方法的目的是找到拓撲圖中存在的社區(qū),在這些社區(qū)中,同一社區(qū)內(nèi)節(jié)點之間關(guān)系緊密,而社區(qū)之間節(jié)點關(guān)系稀疏?;谏鐓^(qū)發(fā)現(xiàn)的目的,增量式社區(qū)發(fā)現(xiàn)方法DynaMo和Louvain方法的社區(qū)劃分結(jié)果是近乎相同的。在拓撲圖中社區(qū)劃分近乎相同,它的Modularity也是近乎相同的,因此社區(qū)發(fā)現(xiàn)方法對本文所提方法的影響很小。

    表3 社區(qū)發(fā)現(xiàn)算法對本文方法性能的影響

    4.4.3社區(qū)改變閾值對本文方法性能的影響

    表4 閾值θ對本文方法性能的影響

    5 結(jié)語

    為了提高社區(qū)演化分析結(jié)果的準確性,本文提出一種基于社區(qū)改變量估計的非均勻時間片劃分方法。該方法基于時間序列分析模型來預(yù)測網(wǎng)絡(luò)更新后正確社區(qū)劃分下期望獲得的模塊度,通過求解該模塊度值與保持原有社區(qū)劃分情況下可獲得的模塊度之差來估計網(wǎng)絡(luò)更新后社區(qū)改變的程度,一旦社區(qū)改變程度超過某個閾值,就會生成一個新的時間片。真實網(wǎng)絡(luò)數(shù)據(jù)集上的實驗結(jié)果表明,本文方法優(yōu)于均勻時間片劃分方法和基于網(wǎng)絡(luò)拓撲變化量的非均勻時間片劃分方法。在相同數(shù)量的時間片情況下,本文方法能夠更及時地識別社區(qū)形成和社區(qū)消失事件,并發(fā)現(xiàn)更多數(shù)量的社區(qū)縮小和社區(qū)擴大事件,有效提高社區(qū)演化分析結(jié)果的準確性。

    [1] YAN J, LIU G. Two-stage anomaly detection algorithm via dynamic community evolution in temporal graph[J]. Applied Intelligence, 2022, 52(11): 12222-12240.

    [2] JIA X, LI X, DU N, et al. Tracking community consistency in dynamic networks: an influence-based approach[J]. IEEE Transactions on Knowledge and Data Engineering, 2019, 33(2): 782-795.

    [3] PENG H, LI J, SONG Y, et al. Streaming social event detection and evolution discovery in heterogeneous information networks[J]. ACM Transactions on Knowledge Discovery from Data, 2021, 15(5): No.89.

    [4] HU Y, YANG B, LV C. A local dynamic method for tracking communities and their evolution in dynamic networks[J]. Knowledge-Based Systems, 2016, 110: 176-190.

    [5] SUN P G, QUAN Y N, MIAO Q G, et al. Identifying influential genes in protein-protein interaction networks[J]. Information Sciences, 2018, 454/455: 229-241.

    [6] FREILICH R, ARHAR T, ABRAMS J L, et al. Protein-protein interactions in the molecular chaperone network[J]. Accounts of Chemical Research, 2018, 51(4): 940-949.

    [7] LUO Y, MA J. The influence of positive news on rumor spreading in social networks with scale-free characteristics[J]. International Journal of Modern Physics C, 2018, 29(9): No.1850078.

    [8] JIA J, WU W. A rumor transmission model with incubation in social networks[J]. Physica A: Statistical Mechanics and its Applications, 2018, 491: 453-462.

    [9] 陳小強,周麗華,程超,等. 動態(tài)網(wǎng)絡(luò)中穩(wěn)定社區(qū)發(fā)現(xiàn)[J]. 小型微型計算機系統(tǒng), 2015, 36(9): 1977-1981.(CHEN X Q, ZHOU L H, CHENG C, et al. Detecting stable communities in dynamic networks[J]. Journal of Chinese Computer Systems, 2015, 36(9): 1977-1981.)

    [10] DAKICHE N, TAYEBA F B S, SLIMANI Y, et al. Tracking community evolution in social networks: a survey[J]. Information Processing and Management, 2019, 56(3): 1084-1102.

    [11] TAJEUNA E G, BOUGUESSA M, WANG S. Modeling and predicting community structure changes in time-evolving social networks[J]. IEEE Transactions on Knowledge and Data Engineering, 2018, 31(6): 1166-1180.

    [12] SAGANOWSKI S, BRóDKA P, KAZIENKO P. Influence of the dynamic social network timeframe type and size on the group evolution discovery[C]// Proceedings of the 2012 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining. Piscataway: IEEE, 2012: 679-683.

    [13] KADKHODA MOHAMMADMOSAFERI K, NADERI H. Evolution of communities in dynamic social networks: an efficient map-based approach[J]. Expert Systems with Applications, 2020, 147: No.113221.

    [14] PAN Y, ZHANG L. Modeling and analyzing dynamic social networks for behavioral pattern discovery in collaborative design[J]. Advanced Engineering Informatics, 2022, 54: No.101758.

    [15] GUO C, WANG J, ZHANG Z. Evolutionary community structure discovery in dynamic weighted networks[J]. Physica A: Statistical Mechanics and its Applications, 2014, 413: 565-576.

    [16] LI W, ZHU H, LI S, et al. Evolutionary community discovery in dynamic social networks via resistance distance[J]. Expert Systems with Applications, 2021, 171: No.114536.

    [17] ORMAN G K, ?OLAK S. Similarity based compression ratio for dynamic network modelling[C]// Proceedings of the IEEE 19th International Conference on Smart Technologies. Piscataway: IEEE, 2021: 227-232.

    [18] SULO R, BERGER-WOLF T, GROSSMAN R. Meaningful selection of temporal resolution for dynamic networks[C]// Proceedings of the 8th Workshop on Mining and Learning with Graphs. New York: ACM, 2010: 127-136.

    [19] ROSSETTI G, CAZABET R. Community discovery in dynamic networks: a survey[J]. ACM Computing Surveys, 2018, 51(2): No.35.

    [20] WANG Y, ARCHAMBAULT D, HALEEM H, et al. Nonuniform timeslicing of dynamic graphs based on visual complexity[C]// Proceedings of the 2019 IEEE Visualization Conference. Piscataway: IEEE, 2019: 1-5.

    [21] BHAT S Y, ABULAISH M. HOCTracker: tracking the evolution of hierarchical and overlapping communities in dynamic social networks[J]. IEEE Transactions on Knowledge and Data Engineering, 2015, 27(4): 1019-1031.

    [22] WANG Z, LI Z, YUAN G, et al. Tracking the evolution of overlapping communities in dynamic social networks[J]. Knowledge-Based Systems, 2018, 157: 81-97.

    [23] QIAO S, HAN N, GAO Y, et al. Dynamic community evolution analysis framework for large-scale complex networks based on strong and weak events[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2021, 51(10): 6229-6243.

    [24] XU Z, RUI X, HE J, et al. Superspreaders and superblockers based community evolution tracking in dynamic social networks[J]. Knowledge-Based Systems, 2020, 192: No.105377.

    [25] ?OLAK S, ORMAN G K. Aggregating time windows for dynamic network extraction[C]// Proceedings of the 2021 International Conference on Innovations in Intelligent Systems and Applications. Piscataway: IEEE, 2021: 1-6.

    [26] ORMAN G K, TüRE N, BALCISOY S, et al. Finding proper time intervals for dynamic network extraction[J]. Journal of Statistical Mechanics: Theory and Experiment, 2021, 2021(3): No.033414.

    [27] GIRVAN M, NEWMAN M E J. Community structure in social and biological networks[J]. Proceedings of the National Academy of Sciences of the United States of America, 2002, 99(12): 7821-7826.

    [28] BLONDEL V D, GUILLAUME J L, LAMBIOTTE R, et al. Fast unfolding of communities in large networks[J]. Journal of Statistical Mechanics: Theory and Experiment, 2008, 2008(10): No.P10008.

    [29] RAGHAVAN U N, ALBERT R, KUMARA S. Near linear time algorithm to detect community structures in large-scale networks[J]. Physical Review E, Statistical, Nonlinear, and Soft Matter Physics, 2007, 76(3): No.036106.

    [30] BRóDKA P, SAGANOWSKI S, KAZIENKO P. Tracking group evolution in social networks[C]// Proceedings of the 2011 International Conference on Social Informatics, LNCS 6984. Berlin: Springer, 2011: 316-319.

    [31] WHEELWRIGHT S, MAKRIDAKIS S, HYNDMAN R J, Forecasting: Methods and Applications[M]. Hoboken, NJ: John Wiley & Sons, 2008: 335-346.

    [32] NEWMAN M E J, GIRVAN M. Finding and evaluating community structure in networks[J]. Physical Review E, Statistical, Nonlinear, and Soft Matter Physics, 2004, 69(2): No.026113.

    [33] LESKOVEC J, KREVL A. High-energy physics citation network[DS/OL]. [2021-12-15].http://snap.stanford.edu/data/cit-HepPh.html.

    [34] LESKOVEC J, KREVL A. Math overflow temporal network[DS/OL]. [2021-12-15].http://snap.stanford.edu/data/sx-mathoverflow.html.

    [35] ZHUANG D, CHANG J M, LI M. DynaMo: dynamic community detection by incrementally maximizing modularity[J]. IEEE Transactions on Knowledge and Data Engineering, 2021, 33(5): 1934-1945.

    Nonuniform time slicing method based on prediction of community variance

    LUO Xiangyu1*, YAN Ke1, LU Yan1, WANG Tian1, XIN Gang2

    (1,’,’710054,;2’,’710119,)

    Time slicing methods in dynamic networks greatly influence the accuracy of community evolution analysis results. As communities vary nonlinearly with time and network topology, both the existing uniform time slicing method and network topology variance-based nonuniform time slicing method are unsatisfactory in capturing community evolution events. Therefore, a nonuniform time slicing method based on prediction of community variance was proposed, where the community variance is quantitatively described by the difference between the community modularity expected to be achieved by the updated network and the community modularity obtained by directly applying the community detection results of the network before changing. Firstly, the prediction model of community modularity was established on the basis of time series analysis. Secondly, with the established model, the expected community modularity of the updated network was predicted, and the prediction value of community variance was obtained. Finally, once the prediction value surpassed a previously set threshold, a new time slice was generated. Experimental results on two real network datasets show that compared with the traditional uniform time slicing method and the nonuniform time slicing method based on network topology variance, on the dynamic network dataset Arxiv HEP-PH, the proposed method identifies community disappearance events 1.10 days and 1.30 days earlier, respectively, and identifies the community forming events 8.34 days and 3.34 days earlier, respectively, and the total number of identified community shrinking and growing events increased by 10 and 1 respectively. On Sx?MathOverflow dataset, the proposed method identifies community disappearance events 3.30 days and 1.80 days earlier, and identifies the community forming events 6.41 days and 2.97 days earlier respectively, and the total number of identified community shrinking and growing events increased by 15 and 7, respectively.

    dynamic network; time slicing; community evolution; time series analysis; community detection; community modularity

    1001-9081(2023)11-3457-07

    10.11772/j.issn.1001-9081.2022111736

    2022?11?22;

    2023?02?27;

    國家自然科學(xué)基金資助項目(12071367); 陜西省基礎(chǔ)研究計劃面上項目(2022JM?317)。

    羅香玉(1984—),女,河北邢臺人,副教授,博士,CCF會員,主要研究方向:圖計算、復(fù)雜網(wǎng)絡(luò); 閆克(1994—),男,河南南陽人,碩士研究生,主要研究方向:社區(qū)演化分析; 盧琰(1998—),女,河南駐馬店人,碩士研究生,主要研究方向:社區(qū)演化分析、傳播動力學(xué)分析; 王甜(1999—),女,陜西寶雞人,碩士研究生,主要研究方向:社區(qū)演化分析、傳播動力學(xué)分析; 辛剛(1984—),男,陜西寶雞人,高級工程師,碩士,主要研究方向:機器學(xué)習(xí)、大數(shù)據(jù)。

    TP391

    A

    2023?03?08。

    This work is partially supported by National Natural Science Foundation of China (12071367), Program of Basic Natural Science of Shaanxi Province (2022JM-317).

    LUO Xiangyu, born in 1984, Ph. D., associate professor. Her research interests include graph computing, complex network.

    YAN Ke, born in 1994, M. S. candidate. His research interests include community evolution analysis.

    LU Yan, born in 1998, M. S. candidate. Her research interests include community evolution analysis, analysis of spreading dynamics.

    WANG Tian, born in 1999, M. S. candidate. Her research interests include community evolution analysis, analysis of spreading dynamics.

    XIN Gang, born in 1984, M. S., senior engineer. His research interests include machine learning, big data.

    猜你喜歡
    快照網(wǎng)絡(luò)拓撲節(jié)點
    CM節(jié)點控制在船舶上的應(yīng)用
    EMC存儲快照功能分析
    天津科技(2022年5期)2022-05-31 02:18:08
    基于通聯(lián)關(guān)系的通信網(wǎng)絡(luò)拓撲發(fā)現(xiàn)方法
    Analysis of the characteristics of electronic equipment usage distance for common users
    基于AutoCAD的門窗節(jié)點圖快速構(gòu)建
    能量高效的無線傳感器網(wǎng)絡(luò)拓撲控制
    電子制作(2018年23期)2018-12-26 01:01:16
    勞斯萊斯古斯特與魅影網(wǎng)絡(luò)拓撲圖
    創(chuàng)建磁盤組備份快照
    基于多任務(wù)異步處理的電力系統(tǒng)序網(wǎng)絡(luò)拓撲分析
    電測與儀表(2016年5期)2016-04-22 01:13:46
    抓住人才培養(yǎng)的關(guān)鍵節(jié)點
    自线自在国产av| 亚洲真实伦在线观看| 精品国产国语对白av| www.精华液| 久99久视频精品免费| 亚洲av熟女| 亚洲精品色激情综合| 国产高清视频在线播放一区| 人人妻人人看人人澡| 伦理电影免费视频| 免费看日本二区| 男人的好看免费观看在线视频 | 黄色a级毛片大全视频| 色综合欧美亚洲国产小说| 国产单亲对白刺激| 中文字幕精品亚洲无线码一区 | 99热6这里只有精品| 日本 av在线| av中文乱码字幕在线| 老熟妇仑乱视频hdxx| 老汉色∧v一级毛片| 久久精品91蜜桃| 中文亚洲av片在线观看爽| 麻豆成人av在线观看| 成年版毛片免费区| 亚洲精品av麻豆狂野| 人妻丰满熟妇av一区二区三区| 一本精品99久久精品77| 午夜福利成人在线免费观看| 在线看三级毛片| 一本久久中文字幕| 色精品久久人妻99蜜桃| 51午夜福利影视在线观看| 国产精品自产拍在线观看55亚洲| 18禁国产床啪视频网站| 一区福利在线观看| 人人妻人人澡欧美一区二区| 18禁观看日本| 日韩中文字幕欧美一区二区| 一二三四在线观看免费中文在| 日本熟妇午夜| 99国产精品一区二区三区| 欧美乱色亚洲激情| 精品久久久久久久人妻蜜臀av| 国产激情欧美一区二区| 国产片内射在线| 欧洲精品卡2卡3卡4卡5卡区| 可以免费在线观看a视频的电影网站| 免费在线观看亚洲国产| 亚洲人成伊人成综合网2020| 国产欧美日韩一区二区精品| 制服诱惑二区| 俺也久久电影网| 亚洲狠狠婷婷综合久久图片| 午夜成年电影在线免费观看| tocl精华| 日本在线视频免费播放| 丁香六月欧美| 久久香蕉激情| 91国产中文字幕| 夜夜爽天天搞| а√天堂www在线а√下载| 黄色视频不卡| 欧美激情极品国产一区二区三区| 久热这里只有精品99| 国产不卡一卡二| 午夜福利18| 日韩精品青青久久久久久| 91字幕亚洲| 亚洲三区欧美一区| 成人特级黄色片久久久久久久| 国语自产精品视频在线第100页| 女性被躁到高潮视频| 亚洲国产日韩欧美精品在线观看 | 九色国产91popny在线| 欧美另类亚洲清纯唯美| 亚洲av电影不卡..在线观看| 午夜久久久在线观看| www.精华液| 国产av一区在线观看免费| 亚洲欧美精品综合久久99| 老司机午夜十八禁免费视频| 人人妻人人澡人人看| 女警被强在线播放| 99久久国产精品久久久| 精品无人区乱码1区二区| 日本撒尿小便嘘嘘汇集6| 亚洲黑人精品在线| 国产av不卡久久| 免费电影在线观看免费观看| 精华霜和精华液先用哪个| 色在线成人网| 波多野结衣高清无吗| 悠悠久久av| 亚洲熟女毛片儿| 亚洲 欧美 日韩 在线 免费| 久久久久国产精品人妻aⅴ院| 国产成人精品久久二区二区免费| 黄色a级毛片大全视频| 国内精品久久久久精免费| 久久人妻av系列| 久久伊人香网站| 亚洲第一电影网av| 国产精品永久免费网站| 欧美大码av| 成人一区二区视频在线观看| 一级毛片精品| 午夜免费观看网址| 国产真人三级小视频在线观看| 老司机靠b影院| 女人高潮潮喷娇喘18禁视频| 欧美av亚洲av综合av国产av| 亚洲国产毛片av蜜桃av| 成人三级黄色视频| 成人三级黄色视频| 亚洲国产毛片av蜜桃av| 午夜a级毛片| 久久婷婷人人爽人人干人人爱| 黄片小视频在线播放| 欧美黑人欧美精品刺激| 一二三四社区在线视频社区8| 久久久久久久午夜电影| 淫秽高清视频在线观看| 精品免费久久久久久久清纯| 午夜亚洲福利在线播放| www.www免费av| 欧美人与性动交α欧美精品济南到| 国产欧美日韩一区二区精品| 亚洲成a人片在线一区二区| 国产97色在线日韩免费| 少妇的丰满在线观看| 观看免费一级毛片| 色综合婷婷激情| 欧美绝顶高潮抽搐喷水| 美国免费a级毛片| 成年版毛片免费区| 亚洲三区欧美一区| ponron亚洲| 黄色 视频免费看| 男女午夜视频在线观看| 亚洲自拍偷在线| 在线永久观看黄色视频| 午夜福利一区二区在线看| 久久精品影院6| 欧美激情高清一区二区三区| 国产精品久久视频播放| 最近在线观看免费完整版| 热99re8久久精品国产| 人妻久久中文字幕网| 正在播放国产对白刺激| 午夜免费鲁丝| 在线国产一区二区在线| 变态另类成人亚洲欧美熟女| 自线自在国产av| 欧美又色又爽又黄视频| 美女免费视频网站| 亚洲第一青青草原| 亚洲av日韩精品久久久久久密| 黄频高清免费视频| 免费人成视频x8x8入口观看| 嫁个100分男人电影在线观看| 国产精品美女特级片免费视频播放器 | 久久精品91无色码中文字幕| 禁无遮挡网站| 精品一区二区三区四区五区乱码| 成熟少妇高潮喷水视频| 久久青草综合色| 美国免费a级毛片| 黄色成人免费大全| 少妇粗大呻吟视频| 韩国精品一区二区三区| 日韩欧美一区视频在线观看| 老汉色av国产亚洲站长工具| 黑丝袜美女国产一区| 夜夜爽天天搞| 别揉我奶头~嗯~啊~动态视频| 色综合欧美亚洲国产小说| 国产高清videossex| 久久人妻av系列| 亚洲最大成人中文| 精品一区二区三区视频在线观看免费| 欧美又色又爽又黄视频| 国产精品香港三级国产av潘金莲| 日本精品一区二区三区蜜桃| 丝袜美腿诱惑在线| 男人的好看免费观看在线视频 | 在线观看午夜福利视频| 国产视频内射| netflix在线观看网站| 又黄又粗又硬又大视频| 日韩中文字幕欧美一区二区| 国产亚洲精品第一综合不卡| 亚洲男人天堂网一区| 欧美zozozo另类| 97超级碰碰碰精品色视频在线观看| 伦理电影免费视频| 美国免费a级毛片| 国产精品亚洲一级av第二区| 婷婷精品国产亚洲av在线| 色综合亚洲欧美另类图片| 亚洲狠狠婷婷综合久久图片| 日韩大码丰满熟妇| 久久精品国产99精品国产亚洲性色| 精品国产乱子伦一区二区三区| 天天一区二区日本电影三级| 久久久久久九九精品二区国产 | 香蕉av资源在线| 亚洲精品中文字幕一二三四区| 国产欧美日韩一区二区精品| 国产久久久一区二区三区| 9191精品国产免费久久| av福利片在线| 日韩一卡2卡3卡4卡2021年| √禁漫天堂资源中文www| 99国产精品一区二区三区| 神马国产精品三级电影在线观看 | 99re在线观看精品视频| 国产精品九九99| 亚洲黑人精品在线| 成人国语在线视频| 50天的宝宝边吃奶边哭怎么回事| 国产乱人伦免费视频| 亚洲一区二区三区色噜噜| 亚洲国产看品久久| 免费高清在线观看日韩| 黄片大片在线免费观看| 精品午夜福利视频在线观看一区| 午夜日韩欧美国产| 亚洲精品在线美女| 精品国产一区二区三区四区第35| 久久久精品欧美日韩精品| 给我免费播放毛片高清在线观看| 国产精品永久免费网站| 久久精品亚洲精品国产色婷小说| 日韩欧美 国产精品| 久热这里只有精品99| 满18在线观看网站| 99久久精品国产亚洲精品| 国产成人av激情在线播放| 欧美成人午夜精品| 巨乳人妻的诱惑在线观看| 丝袜美腿诱惑在线| 美女 人体艺术 gogo| 啦啦啦韩国在线观看视频| 黄色 视频免费看| 一进一出好大好爽视频| 啪啪无遮挡十八禁网站| 久久久久久亚洲精品国产蜜桃av| 久久热在线av| 国产亚洲av高清不卡| 搡老岳熟女国产| 欧美日韩亚洲综合一区二区三区_| 午夜老司机福利片| 久久青草综合色| 国产成人欧美| 久久久久久久久久黄片| 免费看美女性在线毛片视频| 久9热在线精品视频| 国产成人啪精品午夜网站| 欧美乱码精品一区二区三区| 欧美+亚洲+日韩+国产| 成人免费观看视频高清| 麻豆国产av国片精品| 黄片播放在线免费| 国产乱人伦免费视频| 97人妻精品一区二区三区麻豆 | www.www免费av| √禁漫天堂资源中文www| 日本熟妇午夜| 国产男靠女视频免费网站| 欧美性猛交╳xxx乱大交人| 18禁黄网站禁片午夜丰满| 精品久久久久久久久久免费视频| 国语自产精品视频在线第100页| 神马国产精品三级电影在线观看 | 18禁国产床啪视频网站| 国产成人精品无人区| 可以免费在线观看a视频的电影网站| 女人爽到高潮嗷嗷叫在线视频| 免费看a级黄色片| 日韩视频一区二区在线观看| 在线观看日韩欧美| 亚洲 欧美一区二区三区| 国产爱豆传媒在线观看 | 国产一卡二卡三卡精品| 色精品久久人妻99蜜桃| 亚洲天堂国产精品一区在线| 亚洲专区国产一区二区| 国产高清激情床上av| 成人午夜高清在线视频 | 美女免费视频网站| 亚洲欧美一区二区三区黑人| 成年女人毛片免费观看观看9| 欧美日韩瑟瑟在线播放| 美女大奶头视频| 性色av乱码一区二区三区2| 国产视频内射| 亚洲国产欧美网| 日本五十路高清| 国产成人精品久久二区二区91| 欧美中文综合在线视频| 婷婷精品国产亚洲av| 久久精品国产清高在天天线| 可以在线观看的亚洲视频| 无限看片的www在线观看| 国产精品久久久人人做人人爽| 午夜福利视频1000在线观看| 人人妻人人看人人澡| 大型黄色视频在线免费观看| 欧美日韩中文字幕国产精品一区二区三区| 国产97色在线日韩免费| 亚洲人成网站在线播放欧美日韩| 国内精品久久久久久久电影| 国产成人精品久久二区二区免费| 亚洲片人在线观看| 久久天躁狠狠躁夜夜2o2o| 黄片播放在线免费| 久久婷婷成人综合色麻豆| 99在线人妻在线中文字幕| 欧美日韩福利视频一区二区| 可以在线观看毛片的网站| 亚洲精品一区av在线观看| 亚洲狠狠婷婷综合久久图片| 可以免费在线观看a视频的电影网站| 99国产精品一区二区三区| 国产精品香港三级国产av潘金莲| 色播亚洲综合网| 正在播放国产对白刺激| 女同久久另类99精品国产91| 少妇被粗大的猛进出69影院| 一区二区三区精品91| 中文字幕av电影在线播放| 国产成人一区二区三区免费视频网站| 亚洲精品av麻豆狂野| 亚洲 国产 在线| 一区二区三区精品91| 国产人伦9x9x在线观看| 动漫黄色视频在线观看| 国产精品二区激情视频| 国产av又大| 精品国产国语对白av| 亚洲国产毛片av蜜桃av| 免费观看人在逋| 欧美中文综合在线视频| 国产精品1区2区在线观看.| 1024香蕉在线观看| 香蕉国产在线看| 欧美日本视频| 中文字幕人成人乱码亚洲影| 叶爱在线成人免费视频播放| 久久久久国产一级毛片高清牌| 国产视频一区二区在线看| 免费电影在线观看免费观看| 一本久久中文字幕| xxx96com| ponron亚洲| 精品国产乱码久久久久久男人| 国产单亲对白刺激| 欧美绝顶高潮抽搐喷水| 美女午夜性视频免费| av视频在线观看入口| √禁漫天堂资源中文www| 日韩中文字幕欧美一区二区| 亚洲精品国产精品久久久不卡| 国产区一区二久久| 欧美不卡视频在线免费观看 | 欧美日本亚洲视频在线播放| 国产成人精品久久二区二区91| 成人18禁高潮啪啪吃奶动态图| 欧美三级亚洲精品| 淫秽高清视频在线观看| 精品午夜福利视频在线观看一区| 久热爱精品视频在线9| 国产三级黄色录像| 十分钟在线观看高清视频www| 亚洲色图av天堂| 日本精品一区二区三区蜜桃| 女警被强在线播放| 欧美国产精品va在线观看不卡| 一进一出好大好爽视频| 别揉我奶头~嗯~啊~动态视频| 欧美日本视频| 久久婷婷人人爽人人干人人爱| 制服诱惑二区| 黑人操中国人逼视频| 草草在线视频免费看| 好男人在线观看高清免费视频 | 老汉色av国产亚洲站长工具| 亚洲一卡2卡3卡4卡5卡精品中文| 搡老熟女国产l中国老女人| 午夜a级毛片| 99精品久久久久人妻精品| 色婷婷久久久亚洲欧美| 在线免费观看的www视频| 很黄的视频免费| 激情在线观看视频在线高清| 亚洲精品美女久久久久99蜜臀| 国产日本99.免费观看| 亚洲午夜精品一区,二区,三区| 久久久水蜜桃国产精品网| 中出人妻视频一区二区| 日本成人三级电影网站| 久久久国产精品麻豆| 午夜成年电影在线免费观看| 97碰自拍视频| 久久亚洲真实| 国产激情偷乱视频一区二区| 啦啦啦免费观看视频1| 午夜免费激情av| 久久久久久久久中文| 久久狼人影院| 好男人在线观看高清免费视频 | videosex国产| 国产精品久久电影中文字幕| 少妇粗大呻吟视频| 18禁美女被吸乳视频| 欧美最黄视频在线播放免费| 美女午夜性视频免费| 国产欧美日韩一区二区精品| 亚洲专区字幕在线| 中文字幕人妻丝袜一区二区| 夜夜夜夜夜久久久久| www日本在线高清视频| 中文字幕人妻丝袜一区二区| 亚洲第一欧美日韩一区二区三区| 亚洲国产欧美日韩在线播放| 满18在线观看网站| 99精品在免费线老司机午夜| 巨乳人妻的诱惑在线观看| 欧美成狂野欧美在线观看| 欧美乱色亚洲激情| 亚洲,欧美精品.| 中文字幕精品亚洲无线码一区 | av欧美777| 很黄的视频免费| 成人特级黄色片久久久久久久| 亚洲精品中文字幕一二三四区| 啦啦啦观看免费观看视频高清| 亚洲精品久久成人aⅴ小说| 真人一进一出gif抽搐免费| 日韩精品中文字幕看吧| 女性生殖器流出的白浆| 久久人妻av系列| 2021天堂中文幕一二区在线观 | 亚洲中文日韩欧美视频| 草草在线视频免费看| 夜夜夜夜夜久久久久| 国产午夜福利久久久久久| 日韩视频一区二区在线观看| 久久国产精品人妻蜜桃| 美女免费视频网站| 国产成人av教育| 欧美一级a爱片免费观看看 | 久久婷婷成人综合色麻豆| 日本免费a在线| 啦啦啦观看免费观看视频高清| 午夜a级毛片| 午夜激情福利司机影院| 老司机在亚洲福利影院| a级毛片a级免费在线| 日本三级黄在线观看| 男女午夜视频在线观看| 久久久久久国产a免费观看| 中出人妻视频一区二区| 亚洲专区中文字幕在线| 久久精品成人免费网站| 亚洲一区二区三区不卡视频| av有码第一页| xxx96com| 一a级毛片在线观看| 午夜老司机福利片| 亚洲成人免费电影在线观看| 性色av乱码一区二区三区2| 国产激情偷乱视频一区二区| 国产私拍福利视频在线观看| 精品欧美一区二区三区在线| 亚洲av成人不卡在线观看播放网| 久久天躁狠狠躁夜夜2o2o| 国产免费男女视频| 国产亚洲欧美在线一区二区| 制服人妻中文乱码| 国产又色又爽无遮挡免费看| 国产极品粉嫩免费观看在线| 久久婷婷成人综合色麻豆| 欧美黑人巨大hd| 岛国在线观看网站| av在线天堂中文字幕| 亚洲欧洲精品一区二区精品久久久| 91字幕亚洲| 色播亚洲综合网| 怎么达到女性高潮| 亚洲专区中文字幕在线| 亚洲中文av在线| 一区二区三区精品91| 国产成人av激情在线播放| 丝袜在线中文字幕| 日本精品一区二区三区蜜桃| 一边摸一边抽搐一进一小说| 国产aⅴ精品一区二区三区波| 亚洲真实伦在线观看| 亚洲色图 男人天堂 中文字幕| 黄色成人免费大全| 国产成人精品无人区| 久久久久免费精品人妻一区二区 | 男人操女人黄网站| 亚洲av五月六月丁香网| 黑丝袜美女国产一区| 久久国产亚洲av麻豆专区| 19禁男女啪啪无遮挡网站| 亚洲欧美日韩高清在线视频| 免费电影在线观看免费观看| 国产精品 欧美亚洲| 国产又色又爽无遮挡免费看| 成人国语在线视频| 精品人妻1区二区| 非洲黑人性xxxx精品又粗又长| 国产99白浆流出| 一区二区三区精品91| 国产亚洲精品久久久久久毛片| 久久亚洲真实| 欧美日韩瑟瑟在线播放| 少妇裸体淫交视频免费看高清 | 人人妻人人澡人人看| 老司机靠b影院| 久久性视频一级片| 日本黄色视频三级网站网址| 麻豆av在线久日| 婷婷精品国产亚洲av| 人成视频在线观看免费观看| 两性午夜刺激爽爽歪歪视频在线观看 | 757午夜福利合集在线观看| 免费女性裸体啪啪无遮挡网站| 91在线观看av| 久久人妻福利社区极品人妻图片| 久久久久久久久中文| 哪里可以看免费的av片| 高潮久久久久久久久久久不卡| 男女床上黄色一级片免费看| 我的亚洲天堂| www.999成人在线观看| 最近最新中文字幕大全电影3 | а√天堂www在线а√下载| 国产伦一二天堂av在线观看| 极品教师在线免费播放| 国产熟女xx| 男女之事视频高清在线观看| 超碰成人久久| 男女之事视频高清在线观看| 国产伦一二天堂av在线观看| 免费看美女性在线毛片视频| 两性午夜刺激爽爽歪歪视频在线观看 | av天堂在线播放| 国内精品久久久久久久电影| 精品人妻1区二区| 日韩一卡2卡3卡4卡2021年| 大型黄色视频在线免费观看| 久99久视频精品免费| 18禁观看日本| 无人区码免费观看不卡| 神马国产精品三级电影在线观看 | 久久久国产成人精品二区| 天天躁狠狠躁夜夜躁狠狠躁| 可以免费在线观看a视频的电影网站| 97碰自拍视频| 午夜激情福利司机影院| 波多野结衣高清无吗| 97超级碰碰碰精品色视频在线观看| 91成人精品电影| 中出人妻视频一区二区| 巨乳人妻的诱惑在线观看| 国产成人啪精品午夜网站| 男女做爰动态图高潮gif福利片| 天堂影院成人在线观看| 精品乱码久久久久久99久播| 啦啦啦观看免费观看视频高清| 哪里可以看免费的av片| 看免费av毛片| 女性生殖器流出的白浆| 亚洲av片天天在线观看| 俄罗斯特黄特色一大片| 国产成+人综合+亚洲专区| 亚洲一码二码三码区别大吗| av免费在线观看网站| 黄片大片在线免费观看| 亚洲成人久久性| 久久这里只有精品19| 最好的美女福利视频网| 在线av久久热| 在线观看一区二区三区| 正在播放国产对白刺激| 国产精品二区激情视频| 国产1区2区3区精品| 免费高清在线观看日韩| 搞女人的毛片| 免费人成视频x8x8入口观看| 欧美成人午夜精品| 精品欧美国产一区二区三| 成人国产一区最新在线观看| 成年免费大片在线观看| 一区二区日韩欧美中文字幕| 久久久久久久久免费视频了| 免费在线观看完整版高清| 免费观看精品视频网站| 极品教师在线免费播放| 手机成人av网站| 亚洲精品久久国产高清桃花| 精品一区二区三区视频在线观看免费| 中文字幕人妻熟女乱码| 人人妻,人人澡人人爽秒播| 在线av久久热| 在线永久观看黄色视频| 国产精品电影一区二区三区| 国产精品av久久久久免费| 两性午夜刺激爽爽歪歪视频在线观看 | 村上凉子中文字幕在线|