欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營的一線實(shí)戰(zhàn)洞察。

對(duì)比學(xué)習(xí)驅(qū)動(dòng)的深度圖聚類:方法、調(diào)參、代碼與排錯(cuò)

對(duì)比學(xué)習(xí)驅(qū)動(dòng)的深度圖聚類:方法、調(diào)參、代碼與排錯(cuò) 1. 先把問題說透深度圖聚類到底卡在哪一步圖聚類這件事說到底就是把一張圖里的節(jié)點(diǎn)分成若干組使得組內(nèi)連接密集、組間連接稀疏。聽起來像個(gè)老問題譜聚類、模塊度優(yōu)化、標(biāo)簽傳播這些方法已經(jīng)跑了幾十年。但只要真拿它們?nèi)ヌ幚憩F(xiàn)實(shí)中的圖問題立刻冒出來節(jié)點(diǎn)數(shù)上百萬、特征維度幾千、圖結(jié)構(gòu)還帶噪聲傳統(tǒng)方法要么算不動(dòng)拉普拉斯矩陣的特征分解要么得手工設(shè)計(jì)相似度核稍微換個(gè)數(shù)據(jù)集就得重新調(diào)參。深度圖聚類Deep Graph ClusteringDGC就是在這種背景下被推上前臺(tái)的——用圖神經(jīng)網(wǎng)絡(luò)做編碼器把結(jié)構(gòu)和特征一起壓進(jìn)低維表示再在表示空間里做劃分。我最早接觸這個(gè)方向的時(shí)候思路還停留在GAE 重構(gòu)鄰接矩陣 KMeans的組合上跑完發(fā)現(xiàn)指標(biāo)比譜聚類好不了多少。后來才明白問題不在于編碼器不夠深而在于優(yōu)化目標(biāo)和聚類目標(biāo)根本不是一回事。重構(gòu)損失關(guān)心的是能不能把邊還原出來聚類關(guān)心的是哪些點(diǎn)該在一起兩者之間存在天然的錯(cuò)位。對(duì)比學(xué)習(xí)進(jìn)入這個(gè)領(lǐng)域恰恰是為了補(bǔ)上這個(gè)錯(cuò)位——它不依賴標(biāo)簽通過構(gòu)造正負(fù)樣本對(duì)直接約束表示空間的幾何結(jié)構(gòu)。這篇文章我會(huì)把對(duì)比學(xué)習(xí)在圖聚類里的幾種典型落法、關(guān)鍵參數(shù)怎么定、代碼怎么落地、以及實(shí)際跑下來會(huì)遇到哪些坑一次性講清楚。適合已經(jīng)了解 GNN 基礎(chǔ)、想往無監(jiān)督方向深入的同學(xué)也適合手上有一批無標(biāo)注圖數(shù)據(jù)、急需一個(gè)可落地方案的工程同學(xué)。1.1 從譜聚類到圖自編碼器深度模型為什么非上不可先說清楚深度模型進(jìn)來的理由不然很容易陷入為了深而深的誤區(qū)。傳統(tǒng)譜聚類本質(zhì)上是對(duì)圖的拉普拉斯矩陣做特征分解取前 k 個(gè)特征向量再做 KMeans。它的理論很漂亮但工程上有兩個(gè)硬傷一是特征分解的復(fù)雜度在節(jié)點(diǎn)數(shù)上是立方級(jí)的幾萬個(gè)節(jié)點(diǎn)就開始吃力二是它只用了圖的拓?fù)浣Y(jié)構(gòu)節(jié)點(diǎn)自帶的特征文本、畫像、屬性完全用不上?,F(xiàn)實(shí)場(chǎng)景里節(jié)點(diǎn)的屬性信息往往比邊更有區(qū)分度比如社交網(wǎng)絡(luò)里用戶的興趣標(biāo)簽、電商圖里商品的類目文本。圖自編碼器GAE/VGAE把這個(gè)問題解決了一半編碼器用 GCN 把特征和結(jié)構(gòu)一起編碼解碼器重構(gòu)鄰接矩陣訓(xùn)練完成后取中間層表示做聚類。這條路子在當(dāng)時(shí)確實(shí)打開了局面但它把學(xué)表示和做聚類拆成了兩個(gè)階段中間沒有任何反饋。編碼器學(xué)到的表示是最有利于還原邊的而還原邊這件事對(duì)稠密社區(qū)內(nèi)部的區(qū)分度并不敏感——一個(gè)節(jié)點(diǎn)和它鄰居的邊很容易還原但它在社區(qū)邊界上的歸屬重構(gòu)損失根本不管。更麻煩的是重構(gòu)目標(biāo)會(huì)讓表示偏向于保留局部結(jié)構(gòu)長程的社區(qū)結(jié)構(gòu)反而被稀釋掉。后來出現(xiàn)的一批方法開始嘗試聯(lián)合優(yōu)化比如在編碼器后面接一個(gè)聚類頭用 KL 散度把軟分配往目標(biāo)分布上推形成自訓(xùn)練閉環(huán)。這類思路確實(shí)把兩個(gè)階段捏到了一起但也引入了新的麻煩自訓(xùn)練依賴偽標(biāo)簽偽標(biāo)簽來自當(dāng)前聚類結(jié)果一旦早期劃分偏了后面就會(huì)一路錯(cuò)下去越訓(xùn)越自信。這就是我下面要展開的核心痛點(diǎn)。1.2 三個(gè)真痛點(diǎn)表示坍塌、偽標(biāo)簽噪聲、目標(biāo)錯(cuò)位表示坍塌是最致命也最隱蔽的一個(gè)。所謂坍塌是指編碼器輸出的表示在空間里擠成一團(tuán)所有節(jié)點(diǎn)的向量幾乎平行余弦相似度接近 1。這時(shí)候你做 KMeans它會(huì)把所有點(diǎn)分到一兩個(gè)簇里剩下的簇全是空的或者只有零星幾個(gè)點(diǎn)。指標(biāo)看上去 ACC 可能還有 30% 多因?yàn)榇蟠厍『酶采w了某個(gè)真實(shí)類別但模型實(shí)際上什么都沒學(xué)到。坍塌在純重構(gòu)目標(biāo)下不容易發(fā)生但在對(duì)比學(xué)習(xí)或者聚類自訓(xùn)練目標(biāo)下非常容易出現(xiàn)因?yàn)檫@兩類目標(biāo)都存在把所有東西映射到同一個(gè)點(diǎn)就能讓損失最小的退化解。偽標(biāo)簽噪聲是自訓(xùn)練路線的通病。軟分配矩陣?yán)锔咧眯哦鹊墓?jié)點(diǎn)通常是度數(shù)高、特征典型的節(jié)點(diǎn)低置信度的往往是邊界節(jié)點(diǎn)。自訓(xùn)練會(huì)不斷強(qiáng)化高置信度那部分邊界節(jié)點(diǎn)的歸屬被永久固化。我在一個(gè)引文網(wǎng)絡(luò)上做過統(tǒng)計(jì)訓(xùn)練到 200 輪之后置信度低于 0.4 的節(jié)點(diǎn)大概占 15%這些節(jié)點(diǎn)的劃分結(jié)果和初始化時(shí)的 KMeans 結(jié)果重合度超過 90%——也就是說后半程的訓(xùn)練對(duì)它們幾乎沒有任何修正作用。目標(biāo)錯(cuò)位則是一個(gè)結(jié)構(gòu)性矛盾。重構(gòu)損失、聚類損失、對(duì)比損失三者的梯度方向未必一致。重構(gòu)想讓鄰居表示接近聚類想讓同簇節(jié)點(diǎn)接近對(duì)比想讓正對(duì)接近負(fù)對(duì)遠(yuǎn)離。當(dāng)圖的社區(qū)結(jié)構(gòu)和局部鄰接不一致時(shí)比如存在大量跨社區(qū)的橋邊這幾個(gè)目標(biāo)就會(huì)互相拉扯表現(xiàn)出來就是損失在降但指標(biāo)在震蕩。提示判斷是否發(fā)生坍塌有個(gè)特別快的土辦法——隨機(jī)抽 200 個(gè)節(jié)點(diǎn)算兩兩余弦相似度的均值。健康情況下這個(gè)值在 0.1~0.5 之間如果超過 0.9基本可以斷定塌了。1.3 對(duì)比學(xué)習(xí)補(bǔ)的到底是哪塊板對(duì)比學(xué)習(xí)的價(jià)值用一句話概括它提供了一個(gè)不依賴標(biāo)簽、又能直接約束表示幾何結(jié)構(gòu)的自監(jiān)督信號(hào)。InfoNCE 這類損失可以拆成兩項(xiàng)看一項(xiàng)是對(duì)齊性alignment拉近正樣本對(duì)另一項(xiàng)是均勻性u(píng)niformity把表示推向超球面的均勻分布。均勻性這一項(xiàng)天生就是反坍塌的——所有點(diǎn)擠在一起均勻性損失會(huì)爆炸。更關(guān)鍵的是它不需要重構(gòu)鄰接矩陣。傳統(tǒng)的重構(gòu)目標(biāo)隱含了一個(gè)假設(shè)鄰居的表示應(yīng)該相似這個(gè)假設(shè)在異配圖heterophily上直接失效。對(duì)比學(xué)習(xí)可以通過視圖構(gòu)造繞開這個(gè)假設(shè)比如對(duì)同一張圖做兩次不同的擾動(dòng)要求兩次編碼結(jié)果一致這個(gè)約束只關(guān)心擾動(dòng)不該改變語義而不關(guān)心誰和誰相連。這個(gè)視角的轉(zhuǎn)換是深度圖聚類這幾年最大的思路變化。我在實(shí)際項(xiàng)目里的體會(huì)是對(duì)比項(xiàng)最好當(dāng)骨架用聚類項(xiàng)當(dāng)導(dǎo)向用。骨架負(fù)責(zé)把表示空間撐開、防止塌縮導(dǎo)向負(fù)責(zé)把表示往簇結(jié)構(gòu)上拉。兩者缺一不可但配比很講究后面第 3 節(jié)會(huì)詳細(xì)說。2. 四種落法對(duì)比學(xué)習(xí)和圖聚類怎么拼對(duì)比學(xué)習(xí)和圖聚類的結(jié)合方式目前主流能歸成四類。這四類不是互斥的很多方法會(huì)取兩三種混著用。我把它們的構(gòu)造邏輯、優(yōu)缺點(diǎn)和適用場(chǎng)景挨個(gè)拆開講你在選型時(shí)可以直接對(duì)號(hào)入座。2.1 視圖級(jí)對(duì)比給同一張圖照兩張影子視圖級(jí)對(duì)比是最直觀的一類思路來自圖像領(lǐng)域的 SimCLR同一張圖做兩次隨機(jī)增強(qiáng)得到兩個(gè)視圖同一個(gè)節(jié)點(diǎn)在兩個(gè)視圖里的表示構(gòu)成正對(duì)不同節(jié)點(diǎn)的表示構(gòu)成負(fù)對(duì)。圖上的增強(qiáng)手段主要有三種——邊擾動(dòng)隨機(jī)刪掉一部分邊、特征掩碼把部分特征維度置零、子圖采樣隨機(jī)采樣一個(gè)子圖。這套東西的好處是實(shí)現(xiàn)簡單、通用性強(qiáng)幾乎不用改編碼器結(jié)構(gòu)。缺點(diǎn)也很明顯增強(qiáng)的力度極難拿捏。增強(qiáng)太弱兩個(gè)視圖幾乎一樣正對(duì)太容易區(qū)分學(xué)不到東西增強(qiáng)太強(qiáng)圖的語義被破壞正對(duì)之間的一致性假設(shè)不成立了模型反而在學(xué)噪聲。我在引文網(wǎng)絡(luò)上試過邊擾動(dòng)率 0.6 的配置訓(xùn)練損失降得很漂亮但聚類 NMI 比不加對(duì)比還低——因?yàn)閳D已經(jīng)被打散成隨機(jī)圖了。另一個(gè)隱藏成本是負(fù)樣本。標(biāo)準(zhǔn) InfoNCE 要求每個(gè)正對(duì)配一批負(fù)樣本節(jié)點(diǎn)數(shù)是 N 的話相似度矩陣是 N×N幾萬個(gè)節(jié)點(diǎn)直接爆顯存。工程上一般用兩種繞法一是每個(gè) batch 內(nèi)做對(duì)比batch 內(nèi)的其他樣本當(dāng)負(fù)樣本二是對(duì)每個(gè)節(jié)點(diǎn)隨機(jī)采樣固定數(shù)量的負(fù)樣本比如 256 個(gè)。前者實(shí)現(xiàn)簡單但受 batch size 限制后者需要額外寫采樣邏輯。2.2 節(jié)點(diǎn)與原型對(duì)比把簇心直接放進(jìn)表示空間原型對(duì)比prototype contrast是我個(gè)人最偏好的做法因?yàn)樗丫垲惤Y(jié)構(gòu)直接編進(jìn)了對(duì)比目標(biāo)里。具體做法是維護(hù) k 個(gè)可學(xué)習(xí)的原型向量可以理解成簇心每個(gè)節(jié)點(diǎn)和自己所屬的原型構(gòu)成正對(duì)和其他原型構(gòu)成負(fù)對(duì)。原型本身也可以通過聚類中心的滑動(dòng)平均來更新不一定非要當(dāng)可學(xué)習(xí)參數(shù)。這么設(shè)計(jì)的好處是對(duì)比目標(biāo)和聚類目標(biāo)在語義上完全對(duì)齊了——節(jié)點(diǎn)往自己簇心靠、遠(yuǎn)離別的簇心這本身就是聚類想要的效果。它不需要構(gòu)造兩個(gè)視圖也就不存在增強(qiáng)力度難調(diào)的問題。同時(shí)負(fù)樣本數(shù)量天然等于 k-1計(jì)算量只和簇?cái)?shù)有關(guān)跟節(jié)點(diǎn)數(shù)無關(guān)擴(kuò)展性很好??釉谟谠偷某跏蓟H绻?k 個(gè)原型初始化得太近早期所有節(jié)點(diǎn)都會(huì)被拉到同一個(gè)原型上形成事實(shí)上的坍塌。我的做法是用一次 KMeans 的結(jié)果初始化原型或者干脆從表示空間里隨機(jī)挑 k 個(gè)相距較遠(yuǎn)的節(jié)點(diǎn)當(dāng)初始原型。另外原型數(shù)量 k 如果設(shè)錯(cuò)比如真實(shí)類別是 7 類但你設(shè)了 10多出來的原型會(huì)搶走一部分節(jié)點(diǎn)指標(biāo)會(huì)掉得很難看。這一點(diǎn)目前沒有特別優(yōu)雅的無監(jiān)督解法實(shí)踐中一般靠肘部法、輪廓系數(shù)或者譜分析的特征值間隙來估。2.3 簇級(jí)對(duì)比與難負(fù)樣本讓同類靠攏、異類推開簇級(jí)對(duì)比是把對(duì)比的粒度從節(jié)點(diǎn)提升到簇。做法是先對(duì)當(dāng)前表示做一次軟聚類得到每個(gè)簇的質(zhì)心表示然后讓簇和簇之間互相排斥——同一簇內(nèi)的節(jié)點(diǎn)表示要緊湊不同簇的質(zhì)心要拉開距離。這類方法和原型對(duì)比有點(diǎn)像區(qū)別在于簇質(zhì)心是動(dòng)態(tài)算出來的不是可學(xué)習(xí)參數(shù)。難負(fù)樣本挖掘是另一個(gè)常被忽視的點(diǎn)。隨機(jī)采的負(fù)樣本里絕大多數(shù)和錨點(diǎn)節(jié)點(diǎn)的相似度都很低梯度貢獻(xiàn)接近零等于白算。真正有用的是那些看起來像但實(shí)際不同類的難負(fù)樣本。常見的挖法是先算所有候選的相似度取相似度最高的一批但排除正樣本作為負(fù)樣本。這里的風(fēng)險(xiǎn)是假負(fù)樣本——兩個(gè)節(jié)點(diǎn)視覺上很像實(shí)際上是同一類但被誤判成負(fù)對(duì)強(qiáng)行推開會(huì)破壞表示。緩解辦法是用聚類置信度做過濾只在高置信度的不同簇之間構(gòu)造負(fù)對(duì)。2.4 停梯度與無負(fù)樣本繞開大 batch 的取舍BYOL 那條路線證明了不用負(fù)樣本也能避免坍塌關(guān)鍵在于停梯度stop-gradient和非對(duì)稱結(jié)構(gòu)一個(gè)分支帶預(yù)測(cè)頭另一個(gè)分支不帶且不回傳梯度給另一分支。圖領(lǐng)域有對(duì)應(yīng)的工作把這套搬了過來用動(dòng)量編碼器更新目標(biāo)分支主分支去預(yù)測(cè)目標(biāo)分支的輸出。這種做法的最大好處是不依賴大 batch也不依賴負(fù)樣本采樣在十萬級(jí)節(jié)點(diǎn)的圖上跑起來很舒服。代價(jià)是訓(xùn)練更敏感動(dòng)量系數(shù)、預(yù)測(cè)頭結(jié)構(gòu)、學(xué)習(xí)率三者耦合很緊稍微不對(duì)就容易塌。而且它缺少均勻性約束表示的分布容易偏向某些方向。我一般會(huì)在它上面再加一個(gè)輕量的均勻性正則項(xiàng)把表示協(xié)方差矩陣往單位陣推實(shí)測(cè)能明顯改善簇的均衡度。方法類型需要負(fù)樣本計(jì)算開銷調(diào)參難度適合的圖規(guī)模視圖級(jí)對(duì)比是中到高高增強(qiáng)力度敏感中小規(guī)模節(jié)點(diǎn)-原型對(duì)比是k-1 個(gè)低中任意規(guī)模簇級(jí)對(duì)比 難負(fù)樣本是中中高中小規(guī)模停梯度無負(fù)樣本否低高大規(guī)模3. 參數(shù)怎么定增強(qiáng)力度、溫度與損失配比這一節(jié)是我認(rèn)為整篇文章最該反復(fù)看的部分。對(duì)比學(xué)習(xí)類的方法結(jié)構(gòu)和公式都是公開的真正決定結(jié)果的是那幾個(gè)標(biāo)量超參。下面每個(gè)參數(shù)我都給出取值邏輯和實(shí)測(cè)區(qū)間。3.1 圖增強(qiáng)邊擾動(dòng)和特征掩碼的取值邏輯邊擾動(dòng)率 p_e 的本質(zhì)是控制視圖之間的信息差。太低正對(duì)太簡單太高語義被破壞。取值和一個(gè)圖的平均度強(qiáng)相關(guān)平均度高的稠密圖可以承受更高的擾動(dòng)率因?yàn)閯h掉一部分邊之后局部結(jié)構(gòu)還在稀疏圖平均度 2~3就很脆弱p_e 超過 0.3 就容易把節(jié)點(diǎn)變成孤島。我的經(jīng)驗(yàn)區(qū)間圖類型平均度邊擾動(dòng)率 p_e特征掩碼率 p_f稀疏引文網(wǎng)絡(luò)2~50.1~0.20.1~0.3中等密度社交圖10~300.2~0.40.2~0.4稠密共現(xiàn)圖500.3~0.50.3~0.5特征掩碼率 p_f 的取值還要看特征維度。特征維度高、且信息冗余比如 TF-IDF 向量時(shí)掩掉 30% 也不太傷特征維度低比如只有 10 維畫像特征掩 20% 就可能把關(guān)鍵信號(hào)抹掉了。有個(gè)技巧是按特征的重要度加權(quán)掩碼用特征方差或者互信息做權(quán)重重要特征少掩、冗余特征多掩實(shí)測(cè)比均勻掩碼好 1~2 個(gè)點(diǎn)。注意邊擾動(dòng)一定要做無向化處理。刪邊的時(shí)候如果只刪一個(gè)方向剩下的單向邊會(huì)讓 GCN 的聚合結(jié)果出現(xiàn)方向性偏差這個(gè)坑我踩過一次找了兩天才定位到。3.2 溫度系數(shù) τ分母里的那把尺子溫度系數(shù) τ 出現(xiàn)在 InfoNCE 的分母里控制 softmax 的尖銳程度。公式寫出來是這樣的$$L_{i} -\log \frac{\exp(\text{sim}(z_i, z_i^{})/\tau)}{\sum_{j}\exp(\text{sim}(z_i, z_j)/\tau)}$$τ 越小分布越尖銳模型越關(guān)注那些相似度高的難負(fù)樣本梯度也越大τ 越大分布越平滑所有負(fù)樣本的權(quán)重被拉平對(duì)比信號(hào)變?nèi)?。常見取?0.2~0.5圖像領(lǐng)域 SimCLR 用的是 0.5圖領(lǐng)域因?yàn)樨?fù)樣本質(zhì)量參差很多人用 0.2~0.3。有個(gè)容易被忽視的耦合關(guān)系τ 的合理取值和 batch size 有關(guān)。batch 小的時(shí)候負(fù)樣本少需要更小的 τ 來放大有限負(fù)樣本之間的差異batch 大了負(fù)樣本多τ 可以適當(dāng)放大。我做過一組對(duì)照節(jié)點(diǎn)數(shù) 2708 的引文網(wǎng)絡(luò)batch 取全圖時(shí) τ0.5 表現(xiàn)最好如果改成 batch256 的小批量τ0.2 反而更優(yōu)。如果你不確定就從這個(gè)網(wǎng)格里搜τ ∈ {0.1, 0.2, 0.3, 0.5, 0.8}。別嫌麻煩這個(gè)參數(shù)對(duì)結(jié)果的影響經(jīng)常比網(wǎng)絡(luò)層數(shù)還大。3.3 對(duì)比項(xiàng)與聚類項(xiàng)的配比 λ聯(lián)合損失一般是這個(gè)形式$$L L_{cluster} \lambda L_{contrast}$$λ 控制兩者的相對(duì)權(quán)重。λ 太大模型只顧著撐開表示空間簇結(jié)構(gòu)反而被沖淡表現(xiàn)為簇的劃分和真實(shí)類別對(duì)不上λ 太小對(duì)比項(xiàng)起不到防坍塌的作用聚類項(xiàng)會(huì)把表示往退化方向拽。我的建議是分段式而不是固定權(quán)重。前 100~200 輪只訓(xùn)對(duì)比項(xiàng)相當(dāng)于預(yù)訓(xùn)練讓表示空間先被撐開之后把 λ 設(shè)成 0.1~1.0 的固定值聯(lián)合訓(xùn)練。這個(gè)策略比一上來就聯(lián)合訓(xùn)練效果好得多因?yàn)樵缙诰垲惤Y(jié)果本身很不可靠用不可靠的偽標(biāo)簽去引導(dǎo)表示等于給模型喂噪聲。如果你非要用固定權(quán)重那就從 λ1.0 起步觀察聚類項(xiàng)的 KL 損失和對(duì)比損失的量級(jí)讓兩者大致在同一個(gè)數(shù)量級(jí)上。數(shù)量級(jí)差太多的話小的那一項(xiàng)基本等于不存在。3.4 三道防坍塌保險(xiǎn)坍塌是對(duì)比學(xué)習(xí)圖聚類里最容易翻車的地方我一般會(huì)同時(shí)上三道保險(xiǎn)第一道是投影頭加停梯度。編碼器輸出 z再加一個(gè)兩層 MLP 投影頭得到 h對(duì)比損失算在 h 上聚類損失算在 z 上。這個(gè)設(shè)計(jì)的道理是投影頭吸收掉了對(duì)比學(xué)習(xí)為了區(qū)分樣本而引入的過度信息讓 z 保留更多和聚類相關(guān)的語義。梯度只回傳到編碼器的一部分也能抑制塌縮。第二道是均勻性正則。直接對(duì)表示矩陣算一個(gè)均勻性損失把歸一化后的表示往均勻分布上推$$L_{uni} \log \mathbb{E}_{i,j}\left[\exp(-2| \tilde{z}_i - \tilde{z}_j |^2)\right]$$這一項(xiàng)權(quán)重給很小0.01~0.1就夠了主要是兜底。第三道是聚類均衡約束。每次更新后檢查各簇的樣本數(shù)如果最大的簇占比超過 40%就把它的原型往外推一點(diǎn)或者對(duì)分配矩陣做一次 Sinkhorn 歸一化強(qiáng)制讓各簇的邊緣分布接近均勻。這一道對(duì)指標(biāo)提升最直接尤其是在類別不平衡沒那么極端的圖上。4. 從零跑通一版代碼與訓(xùn)練流程光說原理容易飄我把一套能直接跑的最小實(shí)現(xiàn)貼出來基于 PyTorch 和 PyG。這套代碼我在好幾個(gè)中等規(guī)模的圖上驗(yàn)證過節(jié)點(diǎn)數(shù)幾千到幾萬都能跑。4.1 數(shù)據(jù)與預(yù)處理先做兩件最基礎(chǔ)的事特征行歸一化、邊去重和無向化。特征歸一化不是可選項(xiàng)GCN 第一層的聚合對(duì)特征尺度非常敏感不做歸一化的話方差大的那幾維會(huì)主導(dǎo)整個(gè)表示。邊去重是因?yàn)楹芏喙_數(shù)據(jù)集的邊表里有重復(fù)邊重復(fù)邊在 GCN 里等價(jià)于給這條邊加權(quán)會(huì)扭曲聚合結(jié)果。import torch import torch.nn.functional as F from torch_geometric.utils import to_undirected, remove_self_loops def preprocess(data): x data.x.float() x F.normalize(x, p2, dim1) edge_index, _ remove_self_loops(data.edge_index) edge_index to_undirected(edge_index, num_nodesdata.num_nodes) return x, edge_index4.2 編碼器、投影頭與聚類頭編碼器用兩層 GCN 就夠了。這里我要強(qiáng)調(diào)一下層數(shù)圖聚類任務(wù)上兩層幾乎總是最優(yōu)的三層以上的表示會(huì)出現(xiàn)過平滑——節(jié)點(diǎn)表示趨同簇的邊界被抹平。我做過對(duì)照同一套對(duì)比損失兩層 GCN 的 NMI 比三層高 5~8 個(gè)點(diǎn)比四層高十幾個(gè)點(diǎn)。如果你的圖確實(shí)需要更大的感受野用 APPNP 或者帶殘差的跳連別硬堆層數(shù)。from torch_geometric.nn import GCNConv class Encoder(torch.nn.Module): def __init__(self, in_dim, hid_dim, out_dim, dropout0.5): super().__init__() self.conv1 GCNConv(in_dim, hid_dim) self.conv2 GCNConv(hid_dim, out_dim) self.dropout dropout def forward(self, x, edge_index): x self.conv1(x, edge_index) x F.relu(x) x F.dropout(x, pself.dropout, trainingself.training) x self.conv2(x, edge_index) return x class Projector(torch.nn.Module): def __init__(self, dim, hid_dim256): super().__init__() self.net torch.nn.Sequential( torch.nn.Linear(dim, hid_dim), torch.nn.ReLU(), torch.nn.Linear(hid_dim, dim) ) def forward(self, z): return F.normalize(self.net(z), dim1)聚類頭直接用軟分配不需要額外的參數(shù)矩陣簇心單獨(dú)維護(hù)def soft_assign(z, centers, alpha1.0): # Student-t 核alpha1 時(shí)即 DEC 的標(biāo)準(zhǔn)形式 dist torch.cdist(z, centers, p2) ** 2 q (1.0 dist / alpha).pow(-(alpha 1) / 2) q q / q.sum(dim1, keepdimTrue) return q def target_dist(q): weight q ** 2 / q.sum(dim0, keepdimTrue) return (weight.t() / weight.sum(dim1)).t()4.3 增強(qiáng)、對(duì)比損失與聯(lián)合目標(biāo)增強(qiáng)函數(shù)和對(duì)比損失from torch_geometric.utils import dropout_edge, mask_feature def augment(x, edge_index, p_e0.2, p_f0.2): ei, _ dropout_edge(edge_index, pp_e, force_undirectedTrue) x_aug, _ mask_feature(x, pp_f, modemultinomial) return x_aug, ei def info_nce(h1, h2, tau0.3): logits h1 h2.t() / tau labels torch.arange(h1.size(0), deviceh1.device) loss_a F.cross_entropy(logits, labels) loss_b F.cross_entropy(logits.t(), labels) return (loss_a loss_b) / 2注意這里做了雙向計(jì)算再取平均。原因是相似度矩陣本身不對(duì)稱雖然 h1h2.T 在歸一化后理論上對(duì)稱但因?yàn)樨?fù)樣本集合的視角不同兩個(gè)方向的梯度貢獻(xiàn)不一樣雙向計(jì)算能讓每個(gè)節(jié)點(diǎn)既當(dāng)一次錨點(diǎn)也當(dāng)一次負(fù)樣本實(shí)測(cè)比單向高 1~3 個(gè)點(diǎn)。節(jié)點(diǎn)數(shù)超過兩萬的時(shí)候全量相似度矩陣會(huì)吃掉大量顯存。這時(shí)候改成隨機(jī)負(fù)采樣版本def info_nce_sampled(h1, h2, tau0.3, n_neg256): h1 F.normalize(h1, dim1) h2 F.normalize(h2, dim1) n h1.size(0) idx torch.randint(0, n, (n, n_neg), deviceh1.device) neg h2[idx] # [n, n_neg, d] pos (h1 * h2).sum(dim1, keepdimTrue) / tau neg_sim torch.bmm(neg, h1.unsqueeze(2)).squeeze(2) / tau logits torch.cat([pos, neg_sim], dim1) labels torch.zeros(n, dtypetorch.long, deviceh1.device) return F.cross_entropy(logits, labels)4.4 訓(xùn)練循環(huán)與監(jiān)控指標(biāo)整體訓(xùn)練分兩段前段只跑對(duì)比后段聯(lián)合。每輪都要記錄三個(gè)數(shù)對(duì)比損失、聚類 KL 損失、以及簇大小的最大占比。第三個(gè)數(shù)是坍塌的早期預(yù)警一旦超過 0.5 就該停下來檢查。def train(model, projector, x, edge_index, k, epochs400, warmup150, lam0.5, tau0.3): opt torch.optim.Adam( list(model.parameters()) list(projector.parameters()), lr1e-3, weight_decay5e-4 ) # 用一次前向 KMeans 初始化簇心 with torch.no_grad(): z model(x, edge_index) from sklearn.cluster import KMeans km KMeans(n_clustersk, n_init20).fit(z.cpu().numpy()) centers torch.tensor(km.cluster_centers_, dtypetorch.float, devicez.device) for ep in range(epochs): model.train(); projector.train() opt.zero_grad() x1, ei1 augment(x, edge_index) x2, ei2 augment(x, edge_index) z1 model(x1, ei1) z2 model(x2, ei2) loss_c info_nce(projector(z1), projector(z2), tau) if ep warmup: q soft_assign(z1, centers) p target_dist(q) loss_k F.kl_div(q.log(), p, reductionbatchmean) loss loss_k lam * loss_c else: loss_k torch.tensor(0.0) loss loss_c loss.backward() opt.step() if ep warmup: with torch.no_grad(): q soft_assign(z1, centers) centers (q.t() z1) / q.sum(dim0, keepdimTrue).t().clamp(min1e-6) if ep % 20 0: with torch.no_grad(): q soft_assign(model(x, edge_index), centers) share q.max(dim1).values.mean().item() size_max (q.argmax(1).bincount(minlengthk).max().item() / x.size(0)) print(fep {ep} | c {loss_c:.4f} | k {loss_k:.4f} | conf {share:.3f} | maxshare {size_max:.3f}) return model, centers4.5 評(píng)測(cè)ACC、NMI、ARI 的三個(gè)對(duì)齊坑第一個(gè)坑是聚類標(biāo)簽對(duì)齊。KMeans 輸出的簇編號(hào)和真實(shí)類別的編號(hào)沒有對(duì)應(yīng)關(guān)系算 ACC 之前必須做一次最優(yōu)匹配。用匈牙利算法scipy.optimize.linear_sum_assignment在混淆矩陣上做最小代價(jià)匹配別自己寫貪心匹配貪心在類別數(shù)多的時(shí)候會(huì)明顯低估。import numpy as np from scipy.optimize import linear_sum_assignment from sklearn.metrics import confusion_matrix def cluster_acc(y_true, y_pred): cm confusion_matrix(y_true, y_pred) row, col linear_sum_assignment(-cm) return cm[row, col].sum() / cm.sum()第二個(gè)坑是 KMeans 的隨機(jī)性。同一套表示跑五次 KMeans 的 ACC 波動(dòng)可能有 2~3 個(gè)點(diǎn)。所以評(píng)測(cè)時(shí)必須跑多次取平均我一般跑 10 次并且報(bào)告標(biāo)準(zhǔn)差。只報(bào)最好那一次的結(jié)果說服力很弱。第三個(gè)坑是用標(biāo)簽調(diào)超參。這是這個(gè)領(lǐng)域里公開的秘密——不少工作嘴上說無監(jiān)督實(shí)際上拿真實(shí)標(biāo)簽反復(fù)調(diào) τ、λ、學(xué)習(xí)率。你自己做實(shí)驗(yàn)的時(shí)候一定要留出一部分標(biāo)簽完全不看只用它做最終評(píng)測(cè)。否則線上換一批數(shù)據(jù)指標(biāo)會(huì)掉得你懷疑人生。5. 排查手冊(cè)跑不出結(jié)果的七種典型情況這一節(jié)全是我自己踩過的坑按癥狀歸類你可以直接當(dāng)速查表用。5.1 損失在降聚類指標(biāo)不動(dòng)這是最常見的情況十有八九是對(duì)比項(xiàng)和聚類項(xiàng)各干各的。具體表現(xiàn)是對(duì)比損失從 5 降到 1但 NMI 一直在 0.3 附近晃。原因通常是兩者作用在不同的表示上或者 λ 設(shè)得太小讓聚類項(xiàng)的梯度被淹沒。排查順序先看聚類 KL 損失有沒有在降。如果 KL 也不降說明簇心的更新有問題檢查中心更新的分母是否用了 clamp 防止除零。如果 KL 在降但 NMI 不漲說明模型在優(yōu)化一個(gè)錯(cuò)誤的劃分——通常是初始化太差KMeans 一開始就分錯(cuò)了后面只是把這個(gè)錯(cuò)誤固化了。解法是重跑幾次不同的 KMeans 初始化取 KL 最終值最低的那次或者在 warmup 階段把對(duì)比損失權(quán)重拉滿讓表示充分撐開再聚類。5.2 所有點(diǎn)擠進(jìn)一兩個(gè)簇典型坍塌。按概率從高到低排查癥狀可能原因處理方式表示余弦相似度均值 0.9缺少反坍塌機(jī)制加投影頭 停梯度或加均勻性正則對(duì)比損失極低0.5溫度 τ 太大 / 增強(qiáng)太弱τ 降到 0.2增強(qiáng)力度調(diào)高簇心之間距離接近 0中心更新發(fā)散檢查中心更新的分母加 L2 歸一化最大簇占比 0.5類別不均衡 無均衡約束加 Sinkhorn 歸一化或簇大小正則我遇到過一次特別隱蔽的情況所有簇心在初始化時(shí)被設(shè)成了同一個(gè)值代碼里torch.zeros忘了改模型訓(xùn)了 300 輪全部塌到一個(gè)簇?fù)p失還特別好看。這個(gè)問題靠肉眼看損失根本發(fā)現(xiàn)不了必須監(jiān)控簇心之間的距離。5.3 顯存爆掉與訓(xùn)練慢節(jié)點(diǎn)數(shù)超過三萬全量相似度矩陣基本就撐不住了。三個(gè)解法按推薦順序一是改隨機(jī)負(fù)采樣把負(fù)樣本數(shù)固定到 128~256二是改小批量訓(xùn)練但要注意小批量會(huì)破壞圖的結(jié)構(gòu)完整性需要用鄰居采樣比如 GraphSAINT 那類思路來保證每個(gè) batch 里的子圖結(jié)構(gòu)合理三是用半精度訓(xùn)練torch.cuda.amp兩行代碼就能開顯存能省 40% 左右注意在計(jì)算 KL 散度時(shí)把 q 轉(zhuǎn)回 fp32否則會(huì)出現(xiàn) log(0) 的數(shù)值問題。5.4 相鄰層表示幾乎一樣過平滑。兩層以上的 GCN 在圖聚類任務(wù)上收益遞減三層開始掉點(diǎn)。判斷方法很簡單算每一層輸出表示的兩兩平均距離如果第三層的距離不到第一層的一半說明已經(jīng)在趨同了。緩解手段有殘差連接、PairNorm、或者干脆停在兩層。我個(gè)人更推薦后者簡單有效別為了架構(gòu)好看硬堆深度。5.5 換數(shù)據(jù)集就崩超參過擬合。在引文網(wǎng)絡(luò)上調(diào)到 NMI 0.6換到共現(xiàn)網(wǎng)絡(luò)上直接掉到 0.35。根本原因是不同圖的平均度、特征稀疏度、類別均衡度差異太大一套超參吃不遍。我的處理辦法是讓超參跟著圖統(tǒng)計(jì)量走比如把邊擾動(dòng)率設(shè)成0.5 / log(平均度 1)這種形式讓它在稀疏圖上自動(dòng)變小、在稠密圖上自動(dòng)變大。這個(gè)經(jīng)驗(yàn)公式?jīng)]什么理論基礎(chǔ)但在十幾個(gè)數(shù)據(jù)集上試下來比固定值靠譜得多。6. 影響范圍這套思路還能搬去哪對(duì)比學(xué)習(xí)加圖聚類表面上是學(xué)術(shù)問題但它解決的問題——無標(biāo)簽圖數(shù)據(jù)的結(jié)構(gòu)化分組——在實(shí)際場(chǎng)景里到處都是。我把見過的落地場(chǎng)景和對(duì)應(yīng)的改造要點(diǎn)列一下。6.1 場(chǎng)景清單與改造要點(diǎn)場(chǎng)景數(shù)據(jù)形態(tài)關(guān)鍵改造點(diǎn)用戶分群行為二部圖投影成用戶圖邊權(quán)重要映射成采樣概率別用二值化文本主題聚類文檔-詞共現(xiàn)圖 TF-IDF特征掩碼率調(diào)到 0.4 以上文本特征冗余度高單細(xì)胞類型劃分細(xì)胞相似度圖特征高維稀疏必須做特征降維否則前 50 維主導(dǎo)表示異常群體識(shí)別設(shè)備-行為圖對(duì)比項(xiàng)用局部子圖采樣異常點(diǎn)天然稀疏商品類目發(fā)現(xiàn)共現(xiàn)/共購圖類別數(shù)不確定需要用特征值間隙估 k用戶分群這塊我做得最多。有一個(gè)特別實(shí)際的體會(huì)真實(shí)業(yè)務(wù)圖里邊的權(quán)重幾乎都是有意義的購買次數(shù)、互動(dòng)頻率直接二值化會(huì)丟掉大量信息。把邊權(quán)歸一化成采樣概率做邊擾動(dòng)比統(tǒng)一丟 20% 的邊效果好很多。6.2 后續(xù)還能往哪擴(kuò)三個(gè)方向我覺得值得投入。異質(zhì)圖是目前最大的空白真實(shí)場(chǎng)景里節(jié)點(diǎn)類型往往不止一種現(xiàn)有的對(duì)比方法大多假設(shè)同質(zhì)圖處理異質(zhì)圖時(shí)要么先做元路徑投影會(huì)丟信息要么得重新設(shè)計(jì)視圖構(gòu)造方式。動(dòng)態(tài)圖是另一個(gè)方向社區(qū)結(jié)構(gòu)隨時(shí)間演化對(duì)比學(xué)習(xí)的正對(duì)可以從同一時(shí)刻的兩個(gè)視圖擴(kuò)展到相鄰時(shí)刻的同一節(jié)點(diǎn)這個(gè)思路已經(jīng)有工作在做了但工程落地的經(jīng)驗(yàn)還很少。大規(guī)模分布式訓(xùn)練則是純工程問題十萬級(jí)節(jié)點(diǎn)以上單機(jī)怎么調(diào)都吃力得考慮圖分區(qū)加參數(shù)服務(wù)器那套。6.3 一點(diǎn)個(gè)人體會(huì)最后說個(gè)我覺得最值錢的經(jīng)驗(yàn)。這套方法里80% 的效果來自三件事表示別塌、簇心初始化別太差、評(píng)測(cè)別作弊。網(wǎng)絡(luò)結(jié)構(gòu)、損失函數(shù)的具體形式、增強(qiáng)策略的精細(xì)設(shè)計(jì)加起來大概只占 20%。我見過太多人一上來就魔改損失函數(shù)加各種花哨的對(duì)比項(xiàng)結(jié)果基礎(chǔ)的三件事沒做好指標(biāo)還不如一個(gè)調(diào)好參數(shù)的 DEC。還有一個(gè)反直覺的點(diǎn)別過早引入聚類損失。warmup 階段給足讓對(duì)比學(xué)習(xí)把表示空間充分撐開簇結(jié)構(gòu)會(huì)自然浮現(xiàn)出來。急著聚類等于在噪聲上做決策。我在一個(gè)四萬節(jié)點(diǎn)的圖上把 warmup 從 100 輪加到 300 輪其他一概不動(dòng)NMI 從 0.41 漲到 0.53。這個(gè)改動(dòng)成本幾乎為零但很多人懶得等。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
三十路磁力链接| 2025天天爽天天摸| 五月丁香婷中文字幕| 五月天婷婷久色| 亚洲噜色| AV在线观看网站| 五月丁香色情| 丁香六月成人| 98色花堂98t.R| 99这里有精品久久97| 色婷婷六月综合| 婷婷干五月综合在线播放| 欧美日韩一区二区三区四区| 天天操天天操天天操天天操天天操| 97色色网| 玖玖爱导航| 97人人草| 婷婷五月天久久| 欧美精产国品一二三区| 《亚洲操B久久免费在线观看,亚洲操B久久在线播放》在线播放 - 高清资源 - 97 | 99自拍视频网站| AAA久久| 亚洲乱码日产精品BD| 91婷婷视频| www.99热精品| 99热骚货| 97干在线| 色爱爱综合网| 国庆精品久久| 69色婷婷| 深夜婷婷 丁香| 日本天堂免费99| 日日爱678| 亚洲精品五月| 少妇综合网| 操操综合网婷婷| 91色九| 中文久久久人妻| 五月天社区狠狠| 狠狠色婷婷777| 日韩限制级大尺度黑料泄密大尺度视频一区二区在线观看 | 99热这里只有精品无码| 丁香五月手机在线| 丁香五月天婷婷91| 五月天激情网页| 天天综合网91| 草榴成人影片| 电影蜘蛛女| 玖玖热视频| 丁香五月成人| www.色婷婷.com| 五月婷婷,六月激情| 99视频在线精品| 五月婷婷激情| 五月婷婷色影院| 99热骚货| 99精品在线观看| 丁香五月婷婷Av| 色国产五月| 99九九视频精彩在线| 免费看欧美成人A片无码| 综合超碰熟| aaa丁香五月天| 久久 视频这里只有精总| av网址在线| 中文字幕在线视频播放| 五丁香激情综合| 婷婷五月色综合| 亚洲中文AV| 另类的婷婷| 天天插天天插天天插天天插| 香蕉影院色| 色五月激情视频在线综合| 99精吕视频在线观看了| www.丁香六月婷婷久久天堂影院.con| 激情99热| 亚洲色五月| 久久五月天色婷婷| 久草狼人| 九九热婷婷| 天天爽天天摸| 婷婷色色欧美综合网| 婷婷丁香色五月亚洲| 婷婷丁香五月综合| 9 9 9色色| 五月婷婷天天色| 超碰在线99| 9久久久| 人人干av| 精品色色| 99热乎| 色五月婷婷影院| 99re视频在线精品| 色色 亚洲| 老美AA片| 国精产品一区二区三区| 久久无码成人| 五月天婷婷深深爱| 91黄色五月天视频| 五月综亚洲| 人妻少妇色综合| 国产老熟妇亲子乱对白| 久久五月天色婷婷| 思思 热 99| 色操综合| 色色无码| 婷婷性爱视频在线| 99在线资源视频| 激情久久 婷婷| 操操操AV| 一区二区三区四区牛| 这里只有精品在线看| 亚洲精品国产A久久久久久| 色婷婷基地在线| 国产免费一区二区在线A片视频| 14色综合婷婷| 9l视频自拍九色9l视频自拍九色9l社区| 日本九九九九九九| 99干日本| 五月丁香六月久久| 桃色成人网| 激情久久伊人| 天天操夜夜爽| 9热在线视频精品| 可以免费看AV网站| 日韩无码性爱| 超碰九九热| www.97碰碰com| 日本精品99网站| 久久久999精品| 婷婷色情网| 殴美激情综合网| 91热99| 99re热在线视频| 91精品久久久久久久| 久久9精品| 色色色色五月天| 色情五月综合婷婷| 99爱在线精品视频免费观看| 狠狠擼综合| 琪琪色综合网站| 婷婷六月天亚州| 亚洲永远av在线播放| 国产裸舞表演WWWW| 婷婷少妇激情| 99无码精品| 日韩好吊操| 激情内射人妻1区2区3区| 三级大香蕉网| 久久久99免费视频| 色墦五月丁香| 五月丁香婷婷激情影院欧美| 99热这里只有精品2| 99热99日…..| 1级欧美日韩| 婷婷五月六月丁香| 开心婷婷中文字慕| 99久久婷婷精品视频| 国产精品色婷婷AV综合色色| 色综合久久天天综合网| 国产69久久久欧美黑人A片| 色五月婷婷大| 久久婷视频| 色五月综合激情| 蜜臀A∨在线水帘洞| 久久九九网| 激情综合五月色在线| 欧美日韩二区在线| 综合99综合久久久久久久| 亚洲1区| 日韩一区二区A片免费观看| 狠狠五月天激情| 久久码久久无清| 久99久视频| 综合久色五月| 久久婷婷丁香五月宗合| 免费看欧美成人A片无码| 色播五月婷婷五月| 日本怕怕视频| 97香蕉人人在线观看| 五月丁香狠狠爱| 五月丁香网中文字幕| www.激情五月天.con| 色色色色色色色色网站| 丁香五月激情啪啪| 婷婷五月激情网站| 久久久久久久久久婷婷| 99国产精品久久久久久久久久久| 天天日本夜夜谢| 婷婷成人综合| 伊人久热91| 天天日天天干天天操| 伊人五月天久久| 日韩av在线电影| 99热视| 开心五月婷婷综合在线精品素人| 伊人综合网站| 丁香五月久久| 久久性爱视频网站| 亚洲九九九九| 在线99热| 久久精品五月| 五月天婷婷狂暴白浆| 国产 亚洲 在线| 狠狠狠狠狠草| 激情99热| 99热老网站| 狠狠色综合图片| 九九热最新| 日日爽日日| 这里只有精品视频222| 果冻传媒A片一二三区| 欧美色图天堂网| 涩涩涩.com| 五月丁香啪啪网| 超级碰 久久9| 超PEN精品在线| 日韩性视频| 欧洲综合视频在线观看。欧洲,亚洲综合食品在线观看。 | 大伊香蕉精品视频在线| 狠狠五月天| 人妻久久久久久久| 人人视频色| www.日本久久videos| 蜜臀99精品| 爱草视频在线观看| 七七九九色色| 欧亚洲在线高清视频| 婷婷久久在线| AV网在线观看| 亚洲欧美成人在线观看| 国产小精品| 日韩AV大全| 九九無妻| 26uuu精品一区二区| 五月丁香六月激情狠狠| 99久久黄色顶级视频| 色婷婷偷拍| 思思热99er| 99热在线观看| 国产av天堂| 91九色精品熟女内射| 婷婷久久色| 成人欧美Va| 99惹在线精品免费观看| 久久香蕉网| 99狠狠色| 97性高潮久久久| 日韩黄在免| 色九区| 夜夜 操无码| 五月天成人综合| 色婷婷激情五月天在线观看| 激情纯色婷婷五月天在线不卡视频| 99久久精| 国产亚洲99| 久久五月激情| 婷婷97狠狠成人网站| 五月久久婷婷丁香| 欧美日本黄色| 九九综合| 综合久久影院| 欧美色色色色色| 五月丁香网站| 9精品在线| 久久人妻精品| 激情五月天综合网| 丁香五月婷婷超碰在线| 国产精品久久..4399| 操日视频| 大香蕉五月天婷婷| 91天天操天天干天天射| 九九这里都是精品| 欧美日韩999| 狠狠插狠狠插| 国产真人做爰视频免费| 色五月天婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷 | 欧美 色婷婷| 9久热精品在线视频| 99亚洲精品| 婷婷五月天影院| 另类视频在线| 激情涩播| 九九美女视频| 久久久婷婷色五月资源网| 性生生活大片又黄又| 婷婷99狠狠躁天天久久久九九九| 五月婷无码| 99啪视频在线观看| 开心五月天激情网| 中字幕视频在线永久在线观看免费| 欧美成人AAA片一区国产精品| 老师的粉嫩小又紧水又多A片视频| 婷婷成人基地| 久9热在线免费观看| 色综合久久无码| 五月婷婷狠狠久久| 激情综合五| 亚洲超碰在线| 丁香五月天激情| 天天想夜夜爽天天爽| 五月丁香婷婷无码A∨| 婷婷精品在线| 丁香成人五月天| 91久久五月天| 26uuu国产| 99精品视频在线观看| 成人丁香婷婷| 97超碰欧美中文字幕| 久久曰9| 亚洲国产黄色电影| 91爱操| 狠狠艹狠狠艹| 婷婷色爱| 99欧州偷拍视频| 色色网站在线| 91大操| 91pornav在线| 日韩人妻无码一区二区| 99er热精品视频| 九色七七| 麻豆AV一区二区三区| 97涩婷婷婷婷基地| 色碰碰视频| 国产人妻777人伦精品HD| 日日鲁鲁鲁夜夜爽爽狠狠视频97| 99在线视频女女视频| 婷婷激情在线| 天天开心AV色综合婷婷五月天| 亚洲欧美一区二区三区爱爱动图| 五月婷婷色情| 久久婷婷免费| 六月丁香久久| 五月香六月婷| 久久99婷婷| 亚洲精品一区无码A片| 久久久久久久久月丁| 丁香婷婷久| caop在线| 丁香五月激情视频| www.色五月| 五月婷婷爽爽爽| 五月丁香五月丁香五月丁香五月丁香91| 色色色欧美| 五月丁香综合网色欲| 夜夜爽天操| 超碰色色综合| 国产乱轮一区二区三区| 综合久| 思思热99在线| 婷婷五月天色色| 六月婷婷色色网| 99九九在线精品热动漫| 免费播放99性爱视频| 五月色丁香| 《亚洲操B久久免费在线观看,亚洲操B久久在线播放》在线播放 - 高清资源 - 97 | 日本三级韩三级99久久| 天天操夜夜橾| 99热久久这里只有精品| 操操自拍| 五月激情久久综合| 五月天婷婷基地| 教师性爱毛片| 婷婷色五月噜噜| 九九色热| AV大片在线播放| 五月婷啪| 狠狠操狠狠操AV| 色婷婷丁香五月| 亚洲欧洲一二| 青青草日本亚洲| 激情五月天综合网| 超碰成人在线免费观看| 日本va网站| 免费国产视频| 色色999三级片| 久久只有这里精品免费| 婷婷激情在线| 日韩在线视频9色| 99免费视频久久| 色色A| 中文字幕日本最新乱码视频| 激情五月婷婷丁香六月| 婷婷久久综合| 亚洲国产黄色电影| 丁香网五月网| 色婷婷电影网| 丁香五月天网站| 五月婷婷在线视频观看| 中文字幕不卡网站| 青青草五月天| 操日本人妻视频| 人人爽天天爽| 婷婷伊人综合中文字幕| 激情五月婷婷在线观看| 丁香五月成人自拍| 99色视频免费在线规看| 碰97 久| 91九色熟女| 夜夜干夜夜操| 欲色人妻| 五月丁香狠狠| 香蕉视频性爱BB做爱| 九九av| 亚洲激情综| 丁香五月欧美婷婷| 丁香五月av在线| 国产毛片精品一区二区色欲黄A片| 五月丁香啪啪啪综合网| www.jiujiujiu| 激情久久丁香| 天天干,天天日| 婷婷色资源| 五月丁香激情四射| 99热最新精品| 九九色欲网| 国产精品美女| 色播五月综合网| 99亚州综合精品成人网| 91九色PORNY中文啦| 亚洲色综合性| 91九色白丝| 五月激情综合深爱| 噢美99| 色欲资源网| 亚洲偷| 欧美性丁香色色五月天| 国自产拍偷拍精品啪啪一区二区| 免费在线观看av网站| 欧美亚洲婷婷五月| 久久久久九九九九视屏小说88| 九九热这里只有精品9| 亚洲电影在线观看| site:feetmall.com| 婷婷五月天免费99| 五月天 另类图片| 九月色婷婷婷| 色婷婷综合网| 婷婷五月天丁香社区| 1区2区视频| 丁香天堂夜| 精品人妻伦一二三区久久| 五月婷婷黄网站大全| 色情五月停停丁香| 99热狠狠操| 色色日本欧美| 337p大胆噜噜噜噜噜91Av| 午夜丁香婷婷| 热久久99视频| 91肏肏肏| 激情综合网五月天| 日韩综合久久| 丁香五月电影| 五月婷婷六月奇米网丁香| 日日操夜夜操不卡| 99热亚洲| 成人网站免费在线播放| 狠狠香蕉| 激情5月婷婷狠狠干| 婷婷色色综合| 五月成人网站| 91九色国产在线| 六月丁香激情网| 色色啊| 五月综合激情啪啪啪啪啪| 婷婷色五月色| 91尤物九色在线| 久久视频九九视频| 午夜激情久久| 成人短视频在线| 天天 青草 制服丝袜 在线 | 五月婷在线色视频| 人人叉久| 91九色国产| 欧美大奶熟女噜噜噜噜| www.com久久久久久久久久久久久久久久久| 岛国AV网站| 99伊人婷婷在线| 日本片日本片祼观看网站在线看中文版网页在线看 | 久久99激情丁香婷婷小说网| 激情四射网| 精品视频这里只有精品| 2025天天日爽| 人妻自慰在线| 久久婷婷电影| 久久九九色| 色色色色色色97| 综合激情在线观看| 色色五月天激情| 蜜臀嫩草| 五月天激情四射| 五月天大香蕉av| 九九热精品| 五月色亭丁香| Www.狠狠| 无码人妻少妇色欲AV一区二区| 久久久精久人妻| 99re在线免费视频| 亚洲婷婷五月天| 婷婷色av| 丁香五月,开心五月,成人婷婷| 六月丁丁香| 人人摸人人搞| site:esunnet.com| 久久视频婷婷| 五月天偷拍| 人人摸人人| 色色婷| 亚洲AV日韩在线观看| 五月天堂婷婷| 婷婷五月天男人影院色色网| 婷色五月| 五月天基地| 精品无码久久久久久久久| 亚洲色视频| 五月丁香综合啪啪啪啪啪| 99久久婷婷综合| 久久99网| 激情五月婷黄版| 色综合色综合色综合高潮| 9久久网| 99热只有| 五月丁香婷婷久久| 日日夜夜狠狠干| 丁香婷婷综合激情五月色,开心五月丁香花综合网,激情综合五月亚洲婷婷,五月天 | 丁香五月 无码| 97色色色| 九热精品| 青青草成人网| Jh7Uf088VHafNm| 日韩欧美颜射| 99九精品| 爱穴久久| 五月天婷婷影院| 五月天色综合| 欧美VA在线观看| 婷婷丁香五月激情综合站_久久五月丁香激情综合_开心五月综合激情综合五月_婷 | 精品色色网| 婷婷五月天色色| 欧美啪啪五月天| 色色五月婷婷狠狠| 综合久久婷婷| 99操逼| 五月婷视频| 色五月婷激情| 玖玖在线资源视频| 深爱五月月天| 日韩成人中文字幕| 六月婷色| 婷五月天| 性av| 天天操综合网| 久久久久久久人妻| 激情综合色网| 色婷婷五月综合在线| 久久五月天色| 五月花婷婷丁香| 丁香五月婷婷丫| 激情五月天婷婷直播| 久综合| 色婷婷丁香社综合| 99精品手机在线视频| 香蕉97碰碰碰欧美| 少妇2做爰HD韩国电影| 五月婷婷六月丁香玖玖玫瑰91| 色狠久| 久久婷婷五月草视频| 婷婷五月天无码熟女| 日日噜狠狠| 大香线蕉伊人| 国产精品色婷婷久久久精品| 伊人久久中文网| 色九九综合色| 九九婷婷激情综合网| 亚洲日韩一页精品发布| 免费视频WWW在线观看网站| 高清无码视频网址| 日本色五月| 九九色综合| 亚洲欧美婷婷五月色综合| 婷婷操久久| 一级二级色大片| 操熟女成人网| 丁香五月激情视频| 狠狠操婷婷| 热成人网| 五月天婷婷在线观看| 五月婷婷免费看| 这里只有精品视频99| 97丁香五月| 久热a| 伊人超碰| 中文字幕久久一区二区三区| 婷婷五月天在线观看免费| 天天爽日日爽夜夜爽| 久久色五月天综合网| 极品五月天| 99r这里| 婷婷五月丁香六月天亚洲综合| 五月婷婷五月天亚洲无码| 色色综合日韩| 能看的av片| 狠狠狠狠狠操| 亚洲精品午夜国产va久久成人| 色五月丁香婷婷| 99色在线| 深爱激情六月天| 色色激情五月天| 亚洲精品国产成人AV在线| 99热这里只有精品22| 人妻人人操| 99精品偷自拍| 91五月花丁香| 日本久久人| 五月婷婷与六月丁香图片激情| 超碰av在线| 亚洲九区| 五月丁香六月激情狠狠| 色永久| 久久久免费精彩视频| 婷婷综合亚洲| 激情五月天婷婷| 精品国产AV色一区二区深夜久久| 99碰碰碰| 久久东京热婷婷五月| 九九热AV| 天天草婷婷五月| 丁香五月婷婷手机| 色五月天成人| 色玖玖| 最近免费中文字幕大全高清大全1| 九九精品大香蕉| 超碰人人妻| 婷婷性爱视频在线| 婷婷久久五月| 成人婷婷五月天| 亚洲激情综合免费| 大香蕉综合在线| 日本一级一级一级一级| 人人操婷婷| 中文字幕在线免费| 欧美天天综合网站上去吧| 婷婷五月色丁香在线看| 婷婷久久综合| 五月天婷婷成人网| 五月婷婷国产| 婷婷,五月天,丁香,第一| 狠色狠色综合久久| 91欧美日韩综合| 国产精产国品一二三在观看| 涩五月丝袜婷婷| 五月丁香久久| 丁香六月 人妻| 夜夜爽天天爽| 九九热视频在线观看| 久草婷婷视频| 色婷婷手机在线| 色婷婷九月| 天堂A∨在线| 牛牛热这里只有jingpin| 丁香婷婷五月综合| 天堂婷婷五月色| 婷婷五月在线视频| 色婷婷成人做爰A片免费看网站| 99啪在线| 六月丁香基地| 婷婷五月天情色| 图片区 小说区 区 亚洲五月 | 欧美VA在线| 中文字幕永久免费| 欲色人妻| 久热这里只有精品在线观看| 丁香五月av| 国产精品99久久久久久久女警| 久久九九精彩| 去干网最新版本亚洲版| 日本久久高清| 色色欧美色色色| 操97| 婷婷五月色天| 九九色热| 热99精品视频五月| 色婷视频| 激情视频网址| 久久五月婷婷视频| 九九热这里只有精品12| 日本色色色| 一级韩国产精品毛| 丁香六月婷婷一区| 国产精品日日躁夜夜躁| 婷婷六月香| 国产1区2区3区在线观| 色停停五月,在线观看| 国产毛片精品一区二区色欲黄A片| 97热这里精品在线视频| 激情五月天伊人av| 三年高清大片免费观看国语| 97色干| 婷婷国产成人| 国产99久久久国产精品免费看 | 91丨九色丨东北熟女| 亚洲婷婷丁香| 激情五月婷婷开心网| WWW.久久.COM| av大香蕉| 欧美色色色色色色色| 97人人操人人操人人操人人| 丁香六月天色婷婷| se99视频| 久久狼人天堂| 久久久久久人妻| 激情五月伊人婷婷| 日本色色网站| 五月色网| 欧美成人一区二区三区在线视频| 婷婷五月大香蕉| 五月婷婷在线免费观看| 丁香五月亚洲| 激情丁香图片| 婷婷五月天综合在线| 色五月婷婷激情| 任你日视频| 日韩av免费版| 婷五月天在线草| 丁香五月激情网| 天天色播| 丁香六月激情综合| 成功精品影院| 极品少妇XXXX精品少妇偷拍| 婷婷五月天丁香综合网| 91九色中文字幕女在线观看| 婷婷丁香五月av| 中文字幕 久久9999| 99免费热视频在线| 九九热AV| 国产人妻777人伦精品HD| 中文字幕成人日韩| 婷婷丁香五另类网站| 婷婷在线五月天观看| 色婷亚洲| 91人人爽狠狠狠| 天天综合色| 96色婷婷| 色色精品色| 大香蕉综合在线| 婷色五月天| www.久久久.com| 欧美日本黄色| 日本高清久| 日本高清久| 黄网免费观看| 婷婷色婷婷| 深爱激情五月网| 激情网战码亚洲A| 26UUU精品一区二区| 亚洲欧洲另类| 97人人射| 五月丁香色五月| 日本黄色三级片内射| 开心五月婷婷在线| 9|在线观看视频| 婷婷色基地| 中日韩狠狠色| 激情爱爱网站超大免费| 五月丁香福利| 色99在线视频| 操操操操操操婷婷五月天| 六月伊人婷婷| 亚洲成人一区| 久久ri精品视频| 99热永久在线观看| 天天爱综合网| 婷婷六月情| 婷婷激情五月天激情小说| 五月婷婷开心六月激情小说| 日韩AV在线免费| www.五月天| 久久精品五月天| 亭亭五月色男人| 久色视频首页| www.色多多婷| 四色99久久| 一本久道综合99| 熟女激情五月天| 亚洲丁香五冃97色| Av大香蕉| 可以免费观看的AV| 日本美女97在线视频| 在线观看五月婷婷网| 丁香婷婷激情| 就去色色五月丁香婷婷久久久| 9er热在线精品视频| 激情五月婷黄版| 少妇高潮呻吟A片免费看软件 | 综合五月亭亭9| 九九热婷婷| 9久久狠狠的| 色色色五月婷婷| 五月激情六月丁香| 激情综合99| 91综合在线| 99re视频精品| 黄色精品五月婷婷| 亚洲无AV在线中文字幕| www.成人婷婷综合| 男女99免费视频| 日韩AV免费电影在线播放| 婷婷九月丁香久久| 五月天另类图片区99| 伊人网碰碰| 欧洲亚洲免费视频9| 婷婷激情综合色五月久久91| 欧美啪啪9| 五月丁香视频在线观看| Www.se.久久| 99久久婷婷| 婷婷五月天com| 色色色97| 欧美大片免费播放器| 五月丁香六月激情在线| 五月花婷婷在线精品视频| 色综合99无码 | 日韩一级A片黄色| 国产偷人爽久久久久久老妇APP| 蜘蛛女侠2003满天星免费观看| 综合久久99| 97婷婷五月丁香| 狠狠色综合网站久久久久| 夜夜爽天天日| 国产亚洲99久久精品| 五月丁香婷婷欧美色图视频五月丁香777电影 | 粉嫩AV久久一区二区三区| 五月婷婷综合精品| 国在线激情网| 性爱五月婷婷| 99re热视频这里只精品| 色婷婷88| 99色免费视频| 密黄站| 伊人久久丁香狠狠婷婷综合香蕉 | 天天做天天爱天天高潮| 亚洲va欧美va天堂v国产综合| 午夜色婷婷| 99精品综合在线| AV在线资源| 九九视频这里有精品| 九九热黄色| 69人人操人人爽| 五月丁香色综合| 亚洲网站999| 婷婷五月天激情AV影院| 99视频内射三四| 五月伊人婷婷999| 婷婷五月综合在线| 五月婷婷色播| 丁香五月人妻熟女| 色色五月天婷婷| 成人网页在线观看| 免费观看全黄做爰的视频 | 九热视频| 欧美 日韩 成人在线| 99热日韩| 亚洲欧洲自拍图片专区五月天| 久久伊人婷婷| 六月丁香啪| 91九色国产| 伊人五月天在线| 六月天六月婷| 六月激情婷婷色| 久久青青日本视频| 五月丁小婷婷激情四射| 五月天婷婷激情小说电影| 五月丁香激情综合| 九九sese| 日本99久久| 亚洲成人中心| 丁香青青五月天| 色综合综合综合| 亚洲操B| 久久婷婷五月综合伊人| 99视频在线| 国产婷婷五月天| 99热香港| 久热这里只有精品性色AV| 亚洲综合视频网| 丁香综合久久| 婷婷在线中文字幕| 狠狠精品干练久久久无码中文字幕 | 人人干av| 婷婷成人AV| rr天天操| 日本色色色| 丁香婷婷五月综合影院| 激情婷婷五六月天| 丁香六月婷婷综合激情欧美| 99re热在线视频| 久一网站| 色色色色色综合| 超爽内射| 在线综合91| 国产免费一区二区三州老师F1……| www久久99| 久婷五月| 婷婷丁香六月| 五月婷婷之激情五月| 欧美婷婷五月激情| va中文资源在线观看| 91avse| 玖玖爱资源站| 国产视频福利| www.五月天婷婷| 99久久五月天| 天天插操| 五月婷婷伊| 午夜在线成人网站免费观看| 色色9 9| 亚洲性爱AV在线| 五月天综合在线网| 久久九九激情五月天 | 五月综合视频| 麻豆雪千夏| 狠狠色综合网| 波多野结衣AV无码Porn| 国产精品日日躁夜夜躁| 天天日天天爽| 日韩人妻无码精品| 色欲天天综合网| 五月丁香色综合| 99福利导航| 日本色婷婷| 色色a| 在线观看国产高清视频免费网站| 日本欧美成人片AAAA| 影音先锋91在线资源站| 青吴乐视频| 五月丁香婷婷99| 91久久久久久久91| 久久免费9| 久久五月丁香婷婷| 国产阿姨日皮艹逼内射视频| 天天爽天天日人人爱| 婷婷五月激情六月丁香| 五月天全国最大成人网| 国语精品探花| 六月丁香婷婷综合在线| 丁香六月五月天| 操操自拍| 婷婷五月天福利| 亚洲亚洲人成综合网络| 久婷婷久草| 色色色97| 另类视在线| 一级黄色影片| 涩涩涩婷婷| 色婷婷AV久久久久久久| 亚洲成人无码网站| 999热这里只有精品| 九九综合| 日本欧美成人片AAAA| 日韩av在线播放综合网| 超碰a女人的天堂| 激情综合网丁香| 99精彩视频在线观看| 日本社区五月天激情| 亚洲情色一区| 五月婷婷丁香在线| 国产午夜精品一区二区三区四区 | 色99色| 果冻传媒A片一二三区| 婷婷五月成人社区| 99综合自拍| 成人视频九九| 五月婷六月丁香| 9九色首页| 我爱大香蕉| 婷婷五月天综合久久日美女| 久久久性爱网| 日韩成人网站精品久久大全| 五月情色天| 99色色网| 亚洲亚洲人成综合网络| 久久精品天| 99激情网| 亚洲综合婷婷五月天| 婷婷色在线视频| 婷婷五月影院| 人妻中文字幕精品| 99色综合网| 色性五月天| 爱操人妻| 日日噜噜夜夜狠狠久久丁香五月| 99熟女啪啪视频| 爱性综合网| 天天爽天天摸人妻综合网| www.天天干| 五月天婷婷综合网| 五月丁香久久色| 激情五月深爱五月| WWW.婷婷| 五月天婷婷丁香| 31色区视频免费看| 九九视频免费| 色五月在线播放| 91viP在线看| 激情玖玖sh| 欧美三级欧美一级| 成人丁香婷婷五月天| 一本久道综合色婷婷五月| 九色在线五月婷婷网址| 久久99婷婷| 婷婷之六月丁香| 丁香五月香蕉| 五月天久久小说| www,久久久| 五月丁香另类网| 亚洲精品成人| 无码碰碰| 99热最新精品| 婷婷五月天狠狠色| www.色五月| 色玖玖玖| 丁香五月23111| 国产色色视频| 97超级碰碰碰| 天天操天天日天天爽| 91精品婷婷国产综合久久| 婷婷九九色| 99亚洲综合| 五月丁香啪啪综合| 七七婷婷综合| 婷婷成人网五月天| 丁香六月婷婷姐网| 日本久久网| 大香蕉欧美在线| www.五月激情红色| 综合久久97| 激情丁香五月| 免费日韩99| 欧美丁香五月97色| 丁香五月婷婷社区| 色色永久| 99久久九九| 91趴趴| 热这里| 婷婷激情五月| 久久婷婷综| www婷婷| 色欲AVV| 激情综合网婷婷久久| 超碰人人艹| 热996精品在线观看| 九九热视频免费的| 99色综合| 黄色99视频| 操操人人| 色色综合五月| 丁香婷婷久久老熟女综合网| 日本人妻A片成人免费看片| 91精品国产色猫| 五月婷在线视频免费播放| 人妻AV在线| 日韩伊人大香蕉| 天天干天天射色综合| 亚洲色色香蕉| 99精品视频在线观看| 梁铮版蜘蛛女在线观看| 99思思| 97久久精品| 婷婷久月| 亚洲综合成人网站| 99免费热视频| 激情五月天婷婷播播久久综合91| 狠狠色丁香99| 色婷婷丁香五月| 色婷婷六月性| 涩综合婷婷| 99精品自拍| www99热| 久久精品99久久| 久久久久人妻| 99啪啪骑| 拳交大逼| yirenjiqingshiping| av中文网站| 日本在线播放97| 亭亭社区五月天| 婷婷字幕在线| 婷婷丁香五月天中文字幕| 琪琪色五月婷婷老师| 九九热这里只有精品12| 久久婷婷综合五月| 亚洲另类久久| 性爱激情五月| 久久 视频这里只有精总| 夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂亚洲亚洲亚洲亚洲亚洲亚洲亚洲亚洲色 | AAA久久久AAA久久久AAA| 色色色在线观看| 婷婷五月天Av| 色综合激情| 久久婷婷亚洲| 97综合在线| 丁香婷婷五月天亚洲| 性爱视频久久| 人妻videos人妻高清| 亚洲精品白浆高清久久久久久 | 奇米影视在线视频| 月婷婷婷婷五月| 99啪啪骑| www.婷婷,com| 欧洲不卡视频| 色99在线观看| 午夜理论片最新午夜理论剧| 99精品成人无码A片观看金桔 | 九色无码| 大香蕉婷婷丁香视频在线| 色婷婷香蕉| 婷婷五月在线视频| 丁香久久五月天视频在线观看| 国产高清av黄色看片| 中文国产五月天| 国内久久婷婷| 丁香六月婷婷| 日韩在线视频中文字幕| 99热这里只有精品2| 激情com| 色色激情五月天| WWW.桔色成人.COM| 俺去婷婷 丁香| xx久久| 日日干五月天婷婷| 丰满老熟妇BBBBB搡BBB| 天天爽天天摸人妻综合网| 99久久.www| 久久六月天| 五月天五月色婷婷综合| 4399无码视频| 久久久精品色| 久久99久久99精品免观看粉嫩| 超碰在线人人| 五月丁香婷婷无码中文| 99人妻碰碰久久久禁片| 天天草天天摸| 久久久婷| 亚洲V国产V欧美V久久久久久| 天天色综合网吨吧| 超碰在线中文字幕| 人妻啪啪啪| 大伊久久| 五月丁香九九| 人人综合久| 天天草天天舔| 五月天激情日色在线| 九色91国产| 天天爽—爽| 五月婷色丁香| 丁香婷婷五月| 亚洲VA在线| 操日视频| 久99视频| 婷婷综合激情五月综合| 日本A片一区| 亚洲1区| 婷婷成人五月天一区| 91 九色 入口| 青青青在线视频国产| 丁香五月婷婷少妇| 五月色情精品| 成人欧美日韩| 开心五月天私房婷婷| 97人人妻人人艹| 91操片| 极品 少妇 内射| 影音先锋男人资源站一区二区| 成年人丁香五月| 五月丁香激情婷婷| 日韩啪啪网| 日本黄 色 片| 另类专区在线| 思思热在线精品视频网站| 天天日夜夜欢| caop视频| 久草狼人| 全国最新疫情| 超碰在线观看9| 97久久久久久久久久久| 久久婷婷五月综合色奶水99啪| 五月婷在线色视频| 色色色婷婷五月| 色色五月婷婷网| 激情六月天婷婷| 婷婷色丁香五月| xxxx久| www九九免费视频| 亚洲超碰在线| 婷婷夜夜操| 婷婷激情五月吧| 日韩一区二区A片免费观看| 91超碰九色| 婷婷五月天综合中文| 婷婷月五天在线在线看| 2022久久婷婷| 亚洲色五月天| 亚洲婷婷五月| 婷婷激情丁香五月婷婷激情丁香五月婷婷 | 丁香五月ⅤA久久久| 狠狠色综合网| 丁香五月天天高清在线| 多精窝99在线视频| www99久久| 激情婷婷激情在线不卡| 色综合久久888| 天天爽天天日| 99这里只有精品在线观看| 欧美日朝成人| 九九超日本| 九九色情网站| 色婷婷深爱五月| 91精品综合久久婷婷九色| 91se视频| 这里只有精品久久| 天天操天天插| 五月婷婷自拍视频| 丁香五月丐人妻| 非洲一级AV| 91九九热| 成人无码精品1区2区3区免费看| 26uuu亚洲| 五月婷婷69| 狠狠狠狠狠操| 夜夜躁狠狠 | 午夜成人天堂久久无码日韩久久| 99惹精品视频| 五月丁香婷婷福利| 全高清无码视頻| 9久热在线精品| 精品热青草| 丁香六月婷婷| 武则天精品久久| 狠狠色噜噜狠狠狠狠综合| 狠狠色婷婷六月激情网| 欧洲亚洲免费视频区| 婷婷五月激情图片| 五月婷婷导航| 啪啪操网| 五月婷婷电影院| 五月婷婷激情综合| 色欲久久综合| 久久99网站| 久久五月视频| 六月婷婷综合激情| 久热这里只有精品6| 久久思思热视频| 99热久久这里只有精品| 天天色月| 久月婷婷| 大香蕉久久久| 久久jiuwww| 日熟女| 五月亭亭欧美女人| 91一道本| 性爱111111| avh片在线观看| 日韩青青| 97超碰,人人舔,人人操,人人摸 | 日本本土色网第一区| 婷婷色激情网|