• <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FastText和關(guān)鍵句提取的中文長文本分類①

    2021-09-10 07:32:02汪家成
    計算機系統(tǒng)應(yīng)用 2021年8期
    關(guān)鍵詞:子句關(guān)鍵標簽

    汪家成,薛 濤

    (西安工程大學(xué) 計算機科學(xué)學(xué)院,西安 710048)

    1 引言

    隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展,網(wǎng)絡(luò)中每天都會產(chǎn)生海量的數(shù)據(jù),從雜亂的信息中獲取有效信息已成為業(yè)界的研究熱點[1].文本分類任務(wù)是自然語言處理(NLP)領(lǐng)域中最基礎(chǔ)的任務(wù)之一,其不僅能有效的篩選信息,而且在信息檢索、情感分類和自動文摘等方面有著重要的應(yīng)用.隨著人工智能行業(yè)的興起,文本分類也有了更為廣泛的應(yīng)用,如人機通信,問答系統(tǒng)等[2].

    文本分類最初使用的是基于規(guī)則的方法[3],由相關(guān)領(lǐng)域的專家根據(jù)知識和經(jīng)驗制定相應(yīng)的規(guī)則,然后根據(jù)這些規(guī)則進行文本分類.基于規(guī)則的文本分類方法雖然在某些領(lǐng)域上有很好的效果,但是制定分類規(guī)則會耗費大量的人力成本,且如果出現(xiàn)了新的分類標簽需要制定新的規(guī)則,因此基于規(guī)則的文本分類方法適用性較差[4].

    近年來,機器學(xué)習(xí)算法在文本分類中的應(yīng)用成為自然語言處理研究熱點,機器學(xué)習(xí)算法中文本分類任務(wù)采用的是有監(jiān)督學(xué)習(xí)[5],主要包含模型訓(xùn)練和結(jié)果預(yù)測兩個過程.在數(shù)據(jù)進入模型訓(xùn)練之前,需要對文本進行表示,將其轉(zhuǎn)化成計算機能夠處理的形式.文本的表示方法大多基于詞袋模型和向量空間模型[6],詞袋模型將文本看成詞的集合,文本中的詞越多,詞袋表示的文本向量維度就越大,且詞袋模型不考慮詞的語義和語序,會損失一些語義上的特征信息;為了克服詞袋模型無法表示文本語義的缺陷,Mikolov 等[7]提出了Word2Vec,它將每個詞轉(zhuǎn)化成詞向量,文本內(nèi)容的處理便轉(zhuǎn)化為向量空間中的向量運算.目前已有多種機器學(xué)習(xí)算法應(yīng)用在文本分類,文獻[8]采用了加權(quán)Word2Vec和KNN的文本分類方法,在文本分類時獲得較好的分類效果;文獻[9]采用LDA 模型主題分布相似度文本分類方法,補充了文本中的主題特征;文獻[10]采用了基于網(wǎng)絡(luò)新詞改進的TF-IDF 算法,再結(jié)合SVM 模型以提高分類準確率.

    隨著計算機性能的增強,深度學(xué)習(xí)也算法也被廣泛的應(yīng)用在文本分類中.循環(huán)神經(jīng)網(wǎng)絡(luò)擅長捕獲長的序列信息[11],因此在長文本分類任務(wù)上有良好的表現(xiàn);Yoon Kim 等[12]提出了TextCNN,將卷積神經(jīng)網(wǎng)絡(luò)CNN 應(yīng)用到文本分類任務(wù).Facebook 在2016年開源了快速文本分類算法FastText,該算法使用n-grams 來縮小與深度模型之間的準確度差距,能夠取得與深度學(xué)習(xí)分類器相近的準確率,并且在訓(xùn)練效率上要比深度學(xué)習(xí)分類器快[13].

    雖然FastText 文本分類方法取得了較為顯著的效果,但應(yīng)用于中文長文本分類時仍存在不足,長文本相對于短文本可以提取更多的特征,但也有更多的冗余詞語,這些詞語多是對分類結(jié)果沒有正向影響的無關(guān)詞語,容易影響分類準確率.

    針對上述問題,本文提出一種結(jié)合TF-IDF和Text-Rank 關(guān)鍵子句提取的FastText 分類方法(簡稱KSFastText).該方法使用TextRank 提取長文本的關(guān)鍵子句,將文本的關(guān)鍵子句標上相應(yīng)的標簽作為獨立句子輸入FastText 模型中訓(xùn)練,以減少文本中無關(guān)詞的影響程度;之后采用TF-IDF 算法提取文本的關(guān)鍵詞,將關(guān)鍵詞詞組作為模型的補充特征輸入模型訓(xùn)練.在結(jié)果預(yù)測時,對目標文本也進行關(guān)鍵子句提取,并對各個子句的預(yù)測標簽加權(quán)綜合判斷目標文本的分類.

    2 相關(guān)工作

    2.1 FastText 模型

    FastText是一個快速準確的文本分類算法,該算法主要用于解決有監(jiān)督的文本分類問題.FastText的結(jié)構(gòu)如圖1所示,其結(jié)構(gòu)可以簡化為3 層,分別為數(shù)據(jù)輸入層、隱含層和輸出層[13].FastText的模型結(jié)構(gòu)與CBOW架構(gòu)很類似,不同的是FastText 通過上下文的詞來預(yù)測標簽,而CBOW是利用上下文的詞來預(yù)測中間詞.

    圖1 FastText 模型結(jié)構(gòu)

    當(dāng)訓(xùn)練集中有多種分類標簽時,傳統(tǒng)的線性分類器計算壓力非常大,所以FastText 使用了分層Softmax技巧,這是一個基于哈夫曼樹的多分類器,樹形結(jié)構(gòu)中的葉子節(jié)點代表了訓(xùn)練集中的標簽,能在多標簽分類時有效的減少算法預(yù)測目標數(shù)量,以此提高模型的效率.

    2.2 TF-IDF

    TF-IDF是一種用以評估字詞對于一個文件集或一個語料庫中的其中一份文件的重要程度的統(tǒng)計方法.在文本分類任務(wù)中,詞的重要性與它在文件中出現(xiàn)的頻率成正比,與它在數(shù)據(jù)集中出現(xiàn)的頻率成反比.因此可以使用TF-IDF 評分作為篩選作為關(guān)鍵詞的依據(jù).

    TF (Term Frequency)代表詞頻,指的是某一個特定的詞語在該文件中出現(xiàn)的次數(shù).這個數(shù)字通常會被歸一化,以防止它偏向長的文件,詞頻的計算公式如下:

    式中,ni,j表示詞語i在文檔j中出現(xiàn)的次數(shù),分母表示文檔j中總的詞語數(shù),TF 值為詞語在文檔中的出現(xiàn)次數(shù)與文檔總詞數(shù)的比值,TF 體現(xiàn)的是詞語在文檔內(nèi)的重要程度.

    IDF (Inverse Document Frequency)是逆向文檔頻率,用于度量一個詞語的普遍重要性.某特定詞語的IDF,可以由所有文檔的數(shù)目除以包含該詞語之文件的數(shù)目,再將得到的結(jié)果取對數(shù)得到,逆向文檔頻率的計算公式如下:

    式中,|D|表示文檔的數(shù)目,ti表示包含字詞i的文檔數(shù)目.

    TF-IDF 值由tf值與idf值相乘得到,其公式為:

    2.3 TextRank

    TextRank 算法源于Google 公司提出來的Page-Rank 算法,PageRank 算法通過將網(wǎng)頁與其鏈接的網(wǎng)頁之間構(gòu)成圖關(guān)系,每一個網(wǎng)頁作為一個節(jié)點,而鏈接作為邊,通過迭代計算篩選權(quán)值大的節(jié)點,也就是鏈接比較多的網(wǎng)頁,一般用于網(wǎng)站排名.TextRank 算法將文本中的詞或者句子類比成PageRank 算法中的網(wǎng)頁,構(gòu)建詞或者句子之間的圖關(guān)系,通過類似的迭代計算可以得到相應(yīng)文本中句子的重要度排名,因此可以很方便的得出句子中的關(guān)鍵子句[14,15].

    TextRank 在構(gòu)建圖的時候?qū)⒐?jié)點由網(wǎng)頁改成了句子,并為節(jié)點之間的邊引入了權(quán)值,其中權(quán)值表示兩個句子的相似程度,本質(zhì)上構(gòu)建的是一個帶權(quán)無向圖,其計算公式如下:

    式中,WS(vi)表示節(jié)點vi的權(quán)重值,d為阻尼值,用于做平滑,表示在圖結(jié)構(gòu)中從一個節(jié)點跳到另一個節(jié)點的概率值.In(Vi)表示節(jié)點Vi的前驅(qū)節(jié)點集合,Out(vj)表示節(jié)點Vj的所有后繼節(jié)點集合.wij為節(jié)點vi和節(jié)點vj間的權(quán)值.

    從給定文本中提取關(guān)鍵句時,將文本中的每個句子分別看作一個節(jié)點,如果兩個句子有相似性,則認為這兩個句子對應(yīng)的節(jié)點之間存在一條無向有權(quán)邊,衡量句子之間相似性的公式如下:

    式中,si和sj表示句子,wk表示句子中的詞,分子部分的意思是同時出現(xiàn)在兩個句子中的詞的數(shù)量,分母是對句子中詞的個數(shù)求對數(shù)后求和,這樣可以遏制較長的句子在相似度計算上的優(yōu)勢.根據(jù)以上相似度計算公式循環(huán)計算任意兩個節(jié)點之間的相似度,設(shè)置閾值去掉兩個節(jié)點之間相似度較低的邊連接,構(gòu)建出節(jié)點連接圖,然后迭代計算每個節(jié)點的TextRank 值,排序后選出TextRank 值最高的幾個節(jié)點對應(yīng)的句子作為關(guān)鍵句.

    3 中文長文本分類方法

    3.1 KS-FastText 基本思想

    在中文長文本分類中,文本中詞容量比較大且文本中存在大量冗余數(shù)據(jù),如果全部作為文本的特征輸入,不但耗時較長,并且分類效果也比較差,可以通過提取長文本關(guān)鍵特征的方法保留關(guān)鍵特征,同時減少無關(guān)詞語的占比.長文本的特征可以從關(guān)鍵子句和關(guān)鍵詞兩個方面提取.關(guān)鍵子句可以有效的保留文本的中心特征句和特征句子詞之間的聯(lián)系,關(guān)鍵詞詞組則保留了關(guān)鍵子句忽略的特征詞語,可以作為特征的補充.

    使用TextRank 算法提取文本的關(guān)鍵子句,Text-Rank 屬于無監(jiān)督學(xué)習(xí)算法,無需額外數(shù)據(jù)訓(xùn)練,算法通過構(gòu)建文本子句的圖模型并迭代計算每個子句節(jié)點的邊權(quán)重值對子句進行排序,取評分靠前的3 條關(guān)鍵子句,將各個關(guān)鍵子句的分類標簽標記為當(dāng)前文本的分類,作為輸入數(shù)據(jù)使用.關(guān)鍵子句容易丟失關(guān)鍵子句外的關(guān)鍵詞信息,因此采用關(guān)鍵詞詞組對特征進行補充.

    使用TF-IDF 特征提取關(guān)鍵詞,TF-IDF 算法提取每個文檔中相對于整體文檔區(qū)分度高的詞,既考慮詞頻又考慮了逆文檔頻率,如果一個詞的詞頻高且只出現(xiàn)在小部分文檔中,就說明這個詞有很強的區(qū)分能力,該詞可以作為文本的關(guān)鍵詞.在使用TF-IDF 方法提取文本的關(guān)鍵詞后,將該篇文檔的關(guān)鍵詞組成關(guān)鍵詞詞組并打上該文檔的分類標簽,與關(guān)鍵子句一同作為輸入數(shù)據(jù)使用.

    在分類預(yù)測時,也使用TextRank 算法提取對應(yīng)文本中關(guān)鍵子句,并綜合考慮各個子句的預(yù)測標簽和概率,最終得出文本的預(yù)測標簽.

    3.2 KS-FastText 模型框架

    經(jīng)典的FastText 由輸入層、隱藏層和輸出層組成.本文在KS-FastText 模型的輸入層中添加計算模型,即先使用TextRank 算法提取輸入文本的關(guān)鍵子句,同時使用TF-IDF 篩選文本特征詞詞組作為輸入數(shù)據(jù)的特征補充;之后將得到的關(guān)鍵子句和特征詞詞組標記為當(dāng)前文本的分類標簽分別送入隱藏層計算.KS-FastText的模型結(jié)構(gòu)如圖2所示.

    圖2 KS-FastText 模型框架

    圖3中,s1、s2、s3是文本經(jīng)過TextRank 方法提取的關(guān)鍵子句,w是通過TF-IDF 提取的文本關(guān)鍵詞詞組,二者均標記為當(dāng)前文本的標簽類型,作為FastText訓(xùn)練模型的輸入.輸入的關(guān)鍵子句和關(guān)鍵詞詞組在輸入到隱藏層前會被轉(zhuǎn)換為各自對應(yīng)詞序列的特征向量,特征向量通過線性變換映射到隱藏層,該隱藏層通過求解最大似然函數(shù)后進行層次Softmax 計算,得到最終的輸出.

    圖3 文本標簽的預(yù)測流程

    3.3 文本預(yù)測流程

    文本標簽的預(yù)測流程如圖3所示.文本在預(yù)測標簽時也會采用TextRank 算法提取關(guān)鍵子句,之后將各個關(guān)鍵子句分別送入訓(xùn)練好的FastText 模型中得到每個子句的標簽和對應(yīng)標簽的概率,最后綜合各個子句的標簽和對應(yīng)的概率,選擇子句預(yù)測結(jié)果中概率最大的那個標簽作為文本的標簽.

    4 實驗分析

    4.1 實驗環(huán)境

    實驗環(huán)境為Intel Core i7-8750H 處理器、主頻2.20 GHz、內(nèi)存16 GB、1 TB的PC 機.操作系統(tǒng)為Windows10,編程語言使用Python 3.7,編譯環(huán)境為PyCharm 2019.

    4.2 實驗數(shù)據(jù)

    本文實驗采用了搜狐新聞分類數(shù)據(jù)集,總共包含3 萬6 千條數(shù)據(jù),平均每篇新聞字數(shù)為2432 字,在數(shù)據(jù)預(yù)處理階段首先去除新聞文本中的圖片鏈接,同時除去純圖片、視頻新聞,之后按照標簽、新聞標題、新聞內(nèi)容的順序整合成實驗數(shù)據(jù)集.數(shù)據(jù)集中的數(shù)據(jù)按照7:3的比例劃分為訓(xùn)練集和測試集.數(shù)據(jù)在送入模型訓(xùn)練之前采用jieba 工具進行分詞.數(shù)據(jù)類別包括娛樂、財經(jīng)、房地產(chǎn)、旅游、科技、體育、健康、教育、汽車、新聞、文化和女性12 個類別,數(shù)據(jù)組成如表1所示.

    表1 實驗數(shù)據(jù)組成

    4.3 評價方法

    本文采用的評價指標包括準確率、精確率、召回率和F值.

    數(shù)據(jù)中,FP表示實際為負但被預(yù)測為正的樣本數(shù)量,TN表示實際為負被預(yù)測為負的樣本的數(shù)量,TP表示實際為正被預(yù)測為正的樣本數(shù)量,FN表示實際為正但被預(yù)測為負的樣本的數(shù)量.

    準確率是分類正確的樣本占總樣本個數(shù)的比例,準確率A的計算公式為:

    精確率是衡量測試集中預(yù)測為正類正確的比率,由測試樣本中預(yù)測正確的正例樣本數(shù)量除以所有預(yù)測為正例的樣本總數(shù)得到,精確率P的計算公式為:

    召回率是衡量原有樣本中有多少正例被預(yù)測,由原有樣本中預(yù)測為正例的樣本數(shù)除以樣本中總正例的個數(shù)得到,主要包含將樣本中的正類預(yù)測為正類的數(shù)量TP,以及將正類預(yù)測為負類的數(shù)量FN,召回率R計算公式為:

    F值是評價分類文本的綜合指標,是召回率與精確率的平均值,F值的計算公式為:

    4.4 實驗結(jié)果與分析

    本文使用Python 語言實現(xiàn)了FastText 分類模型和KS-FastText 分類模型.實驗過程中,使用了FastText 模型的默認參數(shù):學(xué)習(xí)速率lr=0.1,迭代次數(shù)eporch=10,詞向量的維度dim=100,字級別的ngram 值設(shè)置為2,以適應(yīng)中文的詞語組成習(xí)慣,詞語的最小出現(xiàn)次數(shù)minCount=1,損失函數(shù)loss 選用層次Softmax.

    本文實驗對KS-FastText 分類模型、經(jīng)典FastText分類模型和貝葉斯文本分類模型在數(shù)據(jù)集上進行對比,分別計算每個分類器綜合的準確率、精確率、召回率和F1 值,對比結(jié)果如表2所示.

    表2 各個分類器的實驗結(jié)果(%)

    表2中的數(shù)據(jù)表明,在本文的數(shù)據(jù)集中,KS-FastText分類模型在各個評判參數(shù)上都要優(yōu)于貝葉斯分類模型和經(jīng)典FastText 分類模型.KS-FastText 分類模型較貝葉斯分類模型和經(jīng)典FastText 分類模型在準確率上分別提高了8.4%和7.7%,在精確率上分別提高了1.99%和4.28%,在召回率上分別提高了4.64%和4.26%,在F值上分別提高了3.24%和4.57%.

    KS-FastText 分類模型在標簽預(yù)測時,對測試文本提取了關(guān)鍵子句,并綜合選擇所有子句預(yù)測標簽中概率最大的那個標簽作為預(yù)測文本的標簽,本文比較了KS-FastText 模型在預(yù)測時分別以子句1、子句2、子句3的預(yù)測標簽和綜合值作為文本的標簽預(yù)測值時的準確率.如圖4所示.

    圖4 子句標簽準確率情況

    圖4中的數(shù)據(jù)表明,使用所有子句中最大概率標簽作為預(yù)測文本標簽時的分類準確率均高于以任何子句標簽作為預(yù)測文本標簽時的準確率.說明采用綜合子句標簽判斷文本標簽的方法對模型的分類準確率有一定的提高.

    本文同時也比較了各個分類模型在各個分類標簽上的準確率值,結(jié)果如圖5所示.

    圖5 各個分類器在每一類標簽上A 值比較

    圖5中的數(shù)據(jù)表明,在實驗數(shù)據(jù)集中,KS-FastText模型在大部分標簽上分類的準確率優(yōu)于經(jīng)典的FastText分類模型和貝葉斯分類模型;同時,KS-FastText 相較于貝葉斯分類器在各個分類標簽上的準確率分布也更穩(wěn)定.

    實驗結(jié)果證明,KS-FastText 分類模型采用關(guān)鍵子句抽取和關(guān)鍵詞補充方法,減少了中文長文本中無關(guān)詞對分類結(jié)果的影響,更適用于解決中文長文本分類問題.

    5 結(jié)語

    本文對FastText 模型進行了改進,以適應(yīng)中文長文本環(huán)境.在改進過程中,TextRank 用于提取文本關(guān)鍵子句,以減少無關(guān)詞語對分類結(jié)果的影響.對于長文本的子句按照獨立分類的句子輸入模型中訓(xùn)練,而在預(yù)測結(jié)果的過程中,文本分類標簽取其各個子句預(yù)測標簽中的概率最大值,提高分類的準確率.實驗表明,本文提出的KS-FastText 方法在中文長文本環(huán)境中的效果較經(jīng)典FastText 算法有所提高.

    猜你喜歡
    子句關(guān)鍵標簽
    命題邏輯中一類擴展子句消去方法
    高考考好是關(guān)鍵
    命題邏輯可滿足性問題求解器的新型預(yù)處理子句消去方法
    無懼標簽 Alfa Romeo Giulia 200HP
    車迷(2018年11期)2018-08-30 03:20:32
    西夏語的副詞子句
    西夏學(xué)(2018年2期)2018-05-15 11:24:42
    不害怕撕掉標簽的人,都活出了真正的漂亮
    海峽姐妹(2018年3期)2018-05-09 08:21:02
    標簽化傷害了誰
    命題邏輯的子句集中文字的分類
    基于多進制查詢樹的多標簽識別方法
    計算機工程(2015年8期)2015-07-03 12:20:27
    獲勝關(guān)鍵
    NBA特刊(2014年7期)2014-04-29 00:44:03
    avwww免费| 久久亚洲真实| 两个人的视频大全免费| 波多野结衣巨乳人妻| 成人鲁丝片一二三区免费| 国产三级黄色录像| 91字幕亚洲| 人人妻人人看人人澡| 很黄的视频免费| 欧美性感艳星| 在线观看一区二区三区| 一个人看的www免费观看视频| 欧美国产日韩亚洲一区| 极品教师在线免费播放| 无遮挡黄片免费观看| 激情在线观看视频在线高清| 午夜福利视频1000在线观看| 神马国产精品三级电影在线观看| 欧美乱色亚洲激情| 久久精品国产99精品国产亚洲性色| 99久久无色码亚洲精品果冻| av国产免费在线观看| 亚洲专区国产一区二区| 尤物成人国产欧美一区二区三区| 亚洲成av人片免费观看| 国产精品三级大全| av天堂在线播放| 网址你懂的国产日韩在线| 午夜激情福利司机影院| 欧美性猛交黑人性爽| 国产真实伦视频高清在线观看 | 午夜精品一区二区三区免费看| 俺也久久电影网| 国产精品,欧美在线| 1000部很黄的大片| 国产精品综合久久久久久久免费| 国产精品1区2区在线观看.| 天堂av国产一区二区熟女人妻| 性欧美人与动物交配| 国产成人影院久久av| 乱人视频在线观看| 男女下面进入的视频免费午夜| 亚洲国产中文字幕在线视频| 久久精品国产亚洲av香蕉五月| 国产毛片a区久久久久| 亚洲欧美精品综合久久99| 一级作爱视频免费观看| 久久精品91无色码中文字幕| 成人国产一区最新在线观看| 不卡一级毛片| 国产一级毛片七仙女欲春2| 9191精品国产免费久久| 日本三级黄在线观看| 乱人视频在线观看| 99精品欧美一区二区三区四区| 搡老岳熟女国产| 欧美+亚洲+日韩+国产| av在线蜜桃| 婷婷精品国产亚洲av| 99久久九九国产精品国产免费| 国产成人a区在线观看| 久久国产精品人妻蜜桃| 久久人妻av系列| 两个人看的免费小视频| 蜜桃久久精品国产亚洲av| 欧美色欧美亚洲另类二区| 免费在线观看亚洲国产| 给我免费播放毛片高清在线观看| 亚洲欧美日韩卡通动漫| 亚洲七黄色美女视频| 母亲3免费完整高清在线观看| 18美女黄网站色大片免费观看| 老鸭窝网址在线观看| 久久香蕉国产精品| 亚洲精品国产精品久久久不卡| 一二三四社区在线视频社区8| 女生性感内裤真人,穿戴方法视频| 国产欧美日韩精品亚洲av| 久久这里只有精品中国| 少妇人妻一区二区三区视频| 最好的美女福利视频网| 午夜免费成人在线视频| 三级国产精品欧美在线观看| 网址你懂的国产日韩在线| 成人国产综合亚洲| 国产午夜精品论理片| 午夜日韩欧美国产| 成人永久免费在线观看视频| 午夜免费男女啪啪视频观看 | 99国产精品一区二区蜜桃av| 久久久久久久午夜电影| 丰满人妻一区二区三区视频av | 18禁在线播放成人免费| 岛国视频午夜一区免费看| 啦啦啦免费观看视频1| av天堂在线播放| 伊人久久大香线蕉亚洲五| 国产乱人视频| 成人av一区二区三区在线看| 在线播放无遮挡| 18+在线观看网站| 少妇的逼水好多| 亚洲av中文字字幕乱码综合| 午夜精品一区二区三区免费看| 人妻丰满熟妇av一区二区三区| 国产av一区在线观看免费| 两人在一起打扑克的视频| 夜夜夜夜夜久久久久| 久99久视频精品免费| 色播亚洲综合网| 亚洲精品色激情综合| 免费高清视频大片| 最好的美女福利视频网| 人人妻,人人澡人人爽秒播| 伊人久久大香线蕉亚洲五| 久久久久久人人人人人| 嫩草影视91久久| 老熟妇仑乱视频hdxx| 999久久久精品免费观看国产| 成年版毛片免费区| 少妇熟女aⅴ在线视频| 久久久久免费精品人妻一区二区| 亚洲人成网站高清观看| 日本在线视频免费播放| 首页视频小说图片口味搜索| 亚洲一区高清亚洲精品| www国产在线视频色| 女人被狂操c到高潮| 一级作爱视频免费观看| 在线观看日韩欧美| 好男人在线观看高清免费视频| 狠狠狠狠99中文字幕| 极品教师在线免费播放| 亚洲熟妇熟女久久| 国产主播在线观看一区二区| 日韩欧美国产一区二区入口| av女优亚洲男人天堂| 日本一二三区视频观看| 国产97色在线日韩免费| 国产精品永久免费网站| 丰满人妻熟妇乱又伦精品不卡| 青草久久国产| 桃色一区二区三区在线观看| 老司机午夜福利在线观看视频| 欧美另类亚洲清纯唯美| 尤物成人国产欧美一区二区三区| 一卡2卡三卡四卡精品乱码亚洲| 久久伊人香网站| 国产午夜精品论理片| 国产精品影院久久| 免费电影在线观看免费观看| 欧美午夜高清在线| 高清日韩中文字幕在线| 天美传媒精品一区二区| 中文字幕精品亚洲无线码一区| xxx96com| 国产在线精品亚洲第一网站| 国产伦在线观看视频一区| 国产精品99久久99久久久不卡| 亚洲专区中文字幕在线| 少妇丰满av| 九九热线精品视视频播放| 天天添夜夜摸| 日本免费a在线| 欧美xxxx黑人xx丫x性爽| 国产97色在线日韩免费| 欧美中文综合在线视频| 看免费av毛片| 亚洲精品国产精品久久久不卡| 免费无遮挡裸体视频| 精品一区二区三区人妻视频| 少妇丰满av| 99热只有精品国产| 亚洲熟妇中文字幕五十中出| 国产精品一区二区三区四区久久| 九九热线精品视视频播放| 热99在线观看视频| 国产视频一区二区在线看| 中文字幕人妻熟人妻熟丝袜美 | 精品久久久久久久末码| 久久精品国产清高在天天线| 亚洲电影在线观看av| 亚洲欧美日韩高清在线视频| 久久久色成人| 欧美性感艳星| 国产一区二区在线观看日韩 | 久久精品国产综合久久久| 欧美中文日本在线观看视频| www.www免费av| 黄片小视频在线播放| 国产精品影院久久| 天天一区二区日本电影三级| 久久精品国产亚洲av涩爱 | 一个人免费在线观看电影| 色播亚洲综合网| 色精品久久人妻99蜜桃| 亚洲最大成人手机在线| 18禁黄网站禁片午夜丰满| av片东京热男人的天堂| 欧美中文日本在线观看视频| 色综合欧美亚洲国产小说| 法律面前人人平等表现在哪些方面| 欧美国产日韩亚洲一区| 国产又黄又爽又无遮挡在线| 淫妇啪啪啪对白视频| 脱女人内裤的视频| 99久久精品一区二区三区| 波野结衣二区三区在线 | 女人高潮潮喷娇喘18禁视频| 91av网一区二区| 老汉色av国产亚洲站长工具| 我要搜黄色片| 18美女黄网站色大片免费观看| 在线免费观看不下载黄p国产 | 黄色日韩在线| 午夜福利在线观看免费完整高清在 | 激情在线观看视频在线高清| 日韩欧美 国产精品| 欧美三级亚洲精品| 精品久久久久久,| 在线视频色国产色| 草草在线视频免费看| 久久久久亚洲av毛片大全| 熟妇人妻久久中文字幕3abv| 国产伦在线观看视频一区| 国产成人啪精品午夜网站| 美女cb高潮喷水在线观看| 一二三四社区在线视频社区8| 婷婷精品国产亚洲av在线| 麻豆一二三区av精品| 亚洲第一欧美日韩一区二区三区| 天天躁日日操中文字幕| 国产三级黄色录像| 啦啦啦免费观看视频1| 三级男女做爰猛烈吃奶摸视频| 免费看光身美女| 真实男女啪啪啪动态图| xxxwww97欧美| 给我免费播放毛片高清在线观看| 日本a在线网址| 俄罗斯特黄特色一大片| 麻豆国产97在线/欧美| 免费电影在线观看免费观看| 在线观看一区二区三区| 亚洲内射少妇av| 亚洲黑人精品在线| 很黄的视频免费| 真实男女啪啪啪动态图| 欧美精品啪啪一区二区三区| 国产免费一级a男人的天堂| 亚洲片人在线观看| 国产一区二区三区在线臀色熟女| 黄片大片在线免费观看| 国产精品久久久久久久久免 | 欧美一区二区亚洲| a在线观看视频网站| av片东京热男人的天堂| svipshipincom国产片| 小蜜桃在线观看免费完整版高清| 波野结衣二区三区在线 | 亚洲片人在线观看| 亚洲精品粉嫩美女一区| 99国产精品一区二区蜜桃av| 国产美女午夜福利| 99久久成人亚洲精品观看| 中文字幕高清在线视频| 在线a可以看的网站| 国产野战对白在线观看| 亚洲av免费在线观看| 狠狠狠狠99中文字幕| 99在线视频只有这里精品首页| 久久精品国产清高在天天线| 亚洲18禁久久av| а√天堂www在线а√下载| 日韩亚洲欧美综合| 国产久久久一区二区三区| 亚洲中文日韩欧美视频| 在线观看免费视频日本深夜| 亚洲专区中文字幕在线| 日本 av在线| 噜噜噜噜噜久久久久久91| 黄片大片在线免费观看| 久久草成人影院| 免费人成在线观看视频色| 老司机在亚洲福利影院| 草草在线视频免费看| 母亲3免费完整高清在线观看| 国产日本99.免费观看| 午夜免费男女啪啪视频观看 | 国产精品98久久久久久宅男小说| 1000部很黄的大片| 亚洲熟妇熟女久久| 日本一二三区视频观看| 欧美国产日韩亚洲一区| 天天一区二区日本电影三级| 伊人久久大香线蕉亚洲五| 国产亚洲欧美在线一区二区| 一本久久中文字幕| 级片在线观看| 99在线视频只有这里精品首页| 亚洲乱码一区二区免费版| 免费电影在线观看免费观看| 天美传媒精品一区二区| 老鸭窝网址在线观看| 色精品久久人妻99蜜桃| 亚洲人成电影免费在线| 天堂av国产一区二区熟女人妻| 婷婷精品国产亚洲av| 欧美又色又爽又黄视频| 淫秽高清视频在线观看| 国产成人影院久久av| 伊人久久大香线蕉亚洲五| 欧美在线黄色| 在线观看美女被高潮喷水网站 | 97人妻精品一区二区三区麻豆| 日韩av在线大香蕉| 尤物成人国产欧美一区二区三区| 麻豆成人av在线观看| 国产私拍福利视频在线观看| 青草久久国产| 免费一级毛片在线播放高清视频| 伊人久久大香线蕉亚洲五| 国产一区二区三区在线臀色熟女| 热99re8久久精品国产| 天堂av国产一区二区熟女人妻| 精品国产超薄肉色丝袜足j| 美女黄网站色视频| 美女cb高潮喷水在线观看| 高潮久久久久久久久久久不卡| 亚洲成人久久性| 少妇的逼好多水| 给我免费播放毛片高清在线观看| 国产精品永久免费网站| 老司机在亚洲福利影院| 中文字幕人成人乱码亚洲影| 免费观看人在逋| 欧美中文日本在线观看视频| 一本综合久久免费| 亚洲 国产 在线| 成人特级av手机在线观看| 在线观看日韩欧美| 成人欧美大片| 神马国产精品三级电影在线观看| 亚洲av电影在线进入| 国产69精品久久久久777片| 国产伦在线观看视频一区| 村上凉子中文字幕在线| 日本免费a在线| 99热这里只有精品一区| 熟妇人妻久久中文字幕3abv| 日韩欧美国产一区二区入口| АⅤ资源中文在线天堂| 一本一本综合久久| 国产成人a区在线观看| 亚洲国产精品合色在线| 色在线成人网| 国产欧美日韩精品亚洲av| 免费在线观看成人毛片| 亚洲av二区三区四区| 国产欧美日韩精品亚洲av| 熟女人妻精品中文字幕| 国内精品久久久久精免费| 欧美一区二区精品小视频在线| 欧美性猛交╳xxx乱大交人| 一卡2卡三卡四卡精品乱码亚洲| 免费在线观看影片大全网站| 国产亚洲欧美在线一区二区| 蜜桃亚洲精品一区二区三区| 国产精品国产高清国产av| 亚洲欧美日韩无卡精品| 久久久久久久精品吃奶| 窝窝影院91人妻| 久久亚洲精品不卡| 禁无遮挡网站| 日日夜夜操网爽| ponron亚洲| 亚洲国产欧美人成| xxxwww97欧美| 网址你懂的国产日韩在线| 国产黄a三级三级三级人| 老司机午夜福利在线观看视频| 91九色精品人成在线观看| 男女午夜视频在线观看| 午夜亚洲福利在线播放| 99久久综合精品五月天人人| 欧美绝顶高潮抽搐喷水| 日本与韩国留学比较| 久久6这里有精品| 人妻丰满熟妇av一区二区三区| avwww免费| 国产成人aa在线观看| 午夜日韩欧美国产| 国产成年人精品一区二区| 国产视频内射| 国产精品1区2区在线观看.| 黄片小视频在线播放| 一边摸一边抽搐一进一小说| 99精品在免费线老司机午夜| 丁香欧美五月| 别揉我奶头~嗯~啊~动态视频| 老熟妇乱子伦视频在线观看| 国产黄a三级三级三级人| 国产精品久久电影中文字幕| 国产一区二区三区视频了| 观看美女的网站| 一本精品99久久精品77| 在线观看66精品国产| 亚洲片人在线观看| 亚洲av熟女| 色综合欧美亚洲国产小说| 欧美精品啪啪一区二区三区| 日韩 欧美 亚洲 中文字幕| 男女视频在线观看网站免费| 国产精品一区二区免费欧美| 午夜福利在线观看免费完整高清在 | 国产伦精品一区二区三区视频9 | 亚洲一区高清亚洲精品| 免费看光身美女| 搡女人真爽免费视频火全软件 | 亚洲精品成人久久久久久| 天天躁日日操中文字幕| 免费在线观看日本一区| 99国产极品粉嫩在线观看| 日本a在线网址| 制服人妻中文乱码| 大型黄色视频在线免费观看| a级毛片a级免费在线| 成人鲁丝片一二三区免费| 国产精品1区2区在线观看.| 久久久成人免费电影| bbb黄色大片| 两性午夜刺激爽爽歪歪视频在线观看| 一进一出好大好爽视频| 男插女下体视频免费在线播放| 欧美中文综合在线视频| 身体一侧抽搐| 国产三级黄色录像| 九色国产91popny在线| 日韩 欧美 亚洲 中文字幕| 亚洲精品影视一区二区三区av| 黑人欧美特级aaaaaa片| 欧美+亚洲+日韩+国产| 狠狠狠狠99中文字幕| 九色国产91popny在线| 嫩草影视91久久| 欧美在线一区亚洲| 国产色爽女视频免费观看| 亚洲 国产 在线| 岛国在线免费视频观看| 国产又黄又爽又无遮挡在线| 91字幕亚洲| 日韩av在线大香蕉| 欧美一级a爱片免费观看看| 男女午夜视频在线观看| 老鸭窝网址在线观看| 免费观看精品视频网站| 少妇人妻一区二区三区视频| 桃红色精品国产亚洲av| 人人妻人人看人人澡| avwww免费| 成人性生交大片免费视频hd| 亚洲最大成人中文| 波多野结衣高清作品| 久久久国产成人精品二区| 欧美最新免费一区二区三区 | 亚洲中文字幕日韩| 国产一区二区三区在线臀色熟女| 黄色丝袜av网址大全| 欧美日本亚洲视频在线播放| 俺也久久电影网| 国产精品99久久久久久久久| 亚洲,欧美精品.| 久久精品国产99精品国产亚洲性色| 午夜福利在线观看免费完整高清在 | 18禁黄网站禁片午夜丰满| 熟女电影av网| 性色av乱码一区二区三区2| 天堂av国产一区二区熟女人妻| 99热只有精品国产| 中文字幕人妻熟人妻熟丝袜美 | 给我免费播放毛片高清在线观看| 无限看片的www在线观看| 淫秽高清视频在线观看| 脱女人内裤的视频| 3wmmmm亚洲av在线观看| 久久久色成人| 欧美最新免费一区二区三区 | 一区二区三区免费毛片| 免费一级毛片在线播放高清视频| 丰满的人妻完整版| 成熟少妇高潮喷水视频| 欧美一区二区精品小视频在线| 嫩草影院入口| 一本综合久久免费| 制服丝袜大香蕉在线| 亚洲最大成人中文| 亚洲七黄色美女视频| 国产探花极品一区二区| 欧美成人性av电影在线观看| 久久久久免费精品人妻一区二区| 成年女人永久免费观看视频| 欧美最黄视频在线播放免费| 香蕉av资源在线| 亚洲avbb在线观看| 神马国产精品三级电影在线观看| 久久午夜亚洲精品久久| 99久久九九国产精品国产免费| 国产一区二区三区在线臀色熟女| 夜夜躁狠狠躁天天躁| www.色视频.com| 一卡2卡三卡四卡精品乱码亚洲| 婷婷精品国产亚洲av在线| 18禁裸乳无遮挡免费网站照片| 国内精品一区二区在线观看| 综合色av麻豆| 免费在线观看日本一区| 91麻豆精品激情在线观看国产| 成年女人毛片免费观看观看9| 欧美+亚洲+日韩+国产| 日本一二三区视频观看| 国产黄片美女视频| 成人特级av手机在线观看| 精品久久久久久久久久久久久| 午夜福利在线在线| 狂野欧美白嫩少妇大欣赏| 午夜福利高清视频| 午夜老司机福利剧场| 99久久九九国产精品国产免费| 日日干狠狠操夜夜爽| 美女被艹到高潮喷水动态| 欧美日本亚洲视频在线播放| 午夜福利视频1000在线观看| 国产老妇女一区| 国模一区二区三区四区视频| 9191精品国产免费久久| 麻豆国产97在线/欧美| 国产成人a区在线观看| 在线免费观看的www视频| 亚洲国产精品久久男人天堂| 少妇丰满av| 国产v大片淫在线免费观看| 日本五十路高清| bbb黄色大片| 悠悠久久av| 毛片女人毛片| 亚洲成人免费电影在线观看| 亚洲精华国产精华精| 一级黄色大片毛片| 99久久无色码亚洲精品果冻| 国语自产精品视频在线第100页| 我要搜黄色片| 小蜜桃在线观看免费完整版高清| 一二三四社区在线视频社区8| 国产又黄又爽又无遮挡在线| 久久精品国产亚洲av香蕉五月| 熟女少妇亚洲综合色aaa.| 村上凉子中文字幕在线| 美女 人体艺术 gogo| 亚洲成人久久性| 精品一区二区三区视频在线 | 久久久久久大精品| 可以在线观看毛片的网站| 深夜精品福利| 制服人妻中文乱码| 男女做爰动态图高潮gif福利片| 少妇的丰满在线观看| 2021天堂中文幕一二区在线观| 三级毛片av免费| 成人av一区二区三区在线看| 男人和女人高潮做爰伦理| 午夜两性在线视频| 亚洲色图av天堂| 成人午夜高清在线视频| 一级黄色大片毛片| 一本一本综合久久| 欧美一区二区精品小视频在线| xxxwww97欧美| 亚洲国产精品999在线| 亚洲精品456在线播放app | bbb黄色大片| 欧美+亚洲+日韩+国产| 51国产日韩欧美| 亚洲 国产 在线| 久久久久性生活片| 啦啦啦免费观看视频1| 欧美成人免费av一区二区三区| 婷婷六月久久综合丁香| 午夜久久久久精精品| www.色视频.com| 国产又黄又爽又无遮挡在线| 久久精品国产清高在天天线| 中文在线观看免费www的网站| 午夜免费观看网址| 精品久久久久久久久久久久久| 国产伦精品一区二区三区视频9 | 99久久99久久久精品蜜桃| 嫩草影院精品99| 中文资源天堂在线| 在线观看美女被高潮喷水网站 | 老司机午夜十八禁免费视频| 波多野结衣高清无吗| 无人区码免费观看不卡| 亚洲精品在线观看二区| 两人在一起打扑克的视频| 国产野战对白在线观看| 国产97色在线日韩免费| 欧美av亚洲av综合av国产av| 91麻豆av在线| 热99在线观看视频| www.熟女人妻精品国产| 宅男免费午夜| 欧美一级a爱片免费观看看| 九色成人免费人妻av| 小蜜桃在线观看免费完整版高清| 中文字幕熟女人妻在线|