• <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
    国产视频首页在线观看| 亚洲四区av| 国产乱来视频区| 久久久a久久爽久久v久久| 欧美不卡视频在线免费观看| 精华霜和精华液先用哪个| av一本久久久久| 能在线免费看毛片的网站| 天堂俺去俺来也www色官网 | 男女边摸边吃奶| 精品午夜福利在线看| 两个人视频免费观看高清| 少妇熟女欧美另类| 秋霞伦理黄片| 亚洲精品aⅴ在线观看| 国产精品国产三级国产av玫瑰| 久久97久久精品| 麻豆av噜噜一区二区三区| 国产午夜精品一二区理论片| 国产精品国产三级国产专区5o| 又黄又爽又刺激的免费视频.| 亚洲成色77777| 精华霜和精华液先用哪个| 美女xxoo啪啪120秒动态图| 国产黄色视频一区二区在线观看| 精品久久久久久久人妻蜜臀av| 插逼视频在线观看| 色吧在线观看| 99久久精品国产国产毛片| 精品亚洲乱码少妇综合久久| 国产精品久久久久久久电影| 亚洲精品色激情综合| 国产精品久久视频播放| 久久久久久久亚洲中文字幕| 国产午夜福利久久久久久| 美女国产视频在线观看| 午夜福利视频1000在线观看| 观看免费一级毛片| 国产av码专区亚洲av| 99久久精品热视频| 欧美成人a在线观看| 久久久久久久国产电影| 欧美激情久久久久久爽电影| 精品久久久久久电影网| 美女cb高潮喷水在线观看| 久久精品国产鲁丝片午夜精品| 国产白丝娇喘喷水9色精品| 日韩伦理黄色片| av在线播放精品| 亚洲精品中文字幕在线视频 | 欧美精品国产亚洲| 一区二区三区免费毛片| 尤物成人国产欧美一区二区三区| 国产高清不卡午夜福利| 一级毛片 在线播放| 一级毛片我不卡| 精品久久久久久久久久久久久| 国产精品一区二区在线观看99 | 美女高潮的动态| 久久久久免费精品人妻一区二区| 婷婷色综合大香蕉| 色播亚洲综合网| 狠狠精品人妻久久久久久综合| 免费看光身美女| 亚洲欧美日韩无卡精品| 卡戴珊不雅视频在线播放| 午夜精品国产一区二区电影 | 精品一区二区三区人妻视频| or卡值多少钱| 乱系列少妇在线播放| av专区在线播放| 久久热精品热| 乱人视频在线观看| 亚洲国产成人一精品久久久| 在线a可以看的网站| 色综合亚洲欧美另类图片| 好男人视频免费观看在线| 精品亚洲乱码少妇综合久久| 国产高潮美女av| 又粗又硬又长又爽又黄的视频| 午夜福利视频1000在线观看| 久久精品熟女亚洲av麻豆精品 | 亚洲欧美清纯卡通| 日韩一区二区视频免费看| 国内少妇人妻偷人精品xxx网站| 国产一区二区亚洲精品在线观看| 女人被狂操c到高潮| 亚洲欧美日韩东京热| 日韩中字成人| 女人十人毛片免费观看3o分钟| 中文字幕亚洲精品专区| 高清午夜精品一区二区三区| 男女边吃奶边做爰视频| 嘟嘟电影网在线观看| 伊人久久精品亚洲午夜| 亚洲av男天堂| 狂野欧美白嫩少妇大欣赏| 免费看不卡的av| 国产精品福利在线免费观看| 欧美成人a在线观看| 国产大屁股一区二区在线视频| 一级毛片黄色毛片免费观看视频| 国国产精品蜜臀av免费| 极品教师在线视频| 一级毛片黄色毛片免费观看视频| 日本猛色少妇xxxxx猛交久久| 乱系列少妇在线播放| 亚洲欧美成人精品一区二区| 国产精品av视频在线免费观看| 一本久久精品| 亚洲人成网站在线观看播放| 3wmmmm亚洲av在线观看| 免费观看的影片在线观看| 国产色婷婷99| 国产 一区精品| 丝袜美腿在线中文| 国产免费又黄又爽又色| 国产精品无大码| 欧美zozozo另类| 日韩欧美国产在线观看| 久久久亚洲精品成人影院| 激情 狠狠 欧美| 免费看av在线观看网站| 国产黄片美女视频| 亚洲内射少妇av| 99热6这里只有精品| 高清视频免费观看一区二区 | 国产色婷婷99| 亚洲精品日韩av片在线观看| 美女内射精品一级片tv| 天堂av国产一区二区熟女人妻| 国产极品天堂在线| 亚洲婷婷狠狠爱综合网| 国产激情偷乱视频一区二区| 少妇被粗大猛烈的视频| 日韩亚洲欧美综合| 国产午夜精品论理片| 精品久久久久久久久亚洲| 精品久久久精品久久久| 成年女人在线观看亚洲视频 | 免费大片18禁| 国产大屁股一区二区在线视频| 日韩av不卡免费在线播放| 日韩成人av中文字幕在线观看| 亚洲av在线观看美女高潮| 中文字幕人妻丝袜制服| 国产亚洲最大av| 国产一级毛片在线| 男女免费视频国产| 亚洲欧洲精品一区二区精品久久久 | 免费久久久久久久精品成人欧美视频| 婷婷成人精品国产| 一区二区三区乱码不卡18| 男人添女人高潮全过程视频| 69精品国产乱码久久久| 中文字幕精品免费在线观看视频| kizo精华| 日韩三级伦理在线观看| 亚洲av综合色区一区| 免费高清在线观看日韩| 国产人伦9x9x在线观看 | 免费不卡的大黄色大毛片视频在线观看| 欧美日韩精品网址| 亚洲经典国产精华液单| 中文精品一卡2卡3卡4更新| 韩国av在线不卡| 国产成人精品福利久久| 一级毛片电影观看| 91成人精品电影| 亚洲精品自拍成人| 中文字幕av电影在线播放| tube8黄色片| 亚洲人成电影观看| 我要看黄色一级片免费的| 少妇的逼水好多| 日韩精品有码人妻一区| 国产日韩欧美视频二区| 色94色欧美一区二区| 成年女人毛片免费观看观看9 | 日本爱情动作片www.在线观看| 熟妇人妻不卡中文字幕| 欧美日韩成人在线一区二区| 午夜老司机福利剧场| 亚洲人成网站在线观看播放| 26uuu在线亚洲综合色| 亚洲欧美清纯卡通| 国产成人精品福利久久| 国产人伦9x9x在线观看 | 欧美中文综合在线视频| 亚洲精品一区蜜桃| 91aial.com中文字幕在线观看| 搡老乐熟女国产| 婷婷色综合www| 咕卡用的链子| 欧美精品人与动牲交sv欧美| 亚洲精品日韩在线中文字幕| 国产精品欧美亚洲77777| 人妻人人澡人人爽人人| www.自偷自拍.com| 亚洲精品美女久久久久99蜜臀 | 亚洲五月色婷婷综合| 午夜影院在线不卡| 人人妻人人澡人人爽人人夜夜| 99香蕉大伊视频| 91在线精品国自产拍蜜月| 欧美日韩亚洲高清精品| 99国产精品免费福利视频| 只有这里有精品99| 久久热在线av| 亚洲三区欧美一区| 伦精品一区二区三区| 91国产中文字幕| 我的亚洲天堂| 婷婷成人精品国产| 在线天堂中文资源库| 哪个播放器可以免费观看大片| 日韩免费高清中文字幕av| 国产又色又爽无遮挡免| 精品久久蜜臀av无| 午夜精品国产一区二区电影| av在线观看视频网站免费| 亚洲欧美一区二区三区久久| 尾随美女入室| 各种免费的搞黄视频| 日韩中文字幕欧美一区二区 | 捣出白浆h1v1| 男女高潮啪啪啪动态图| 国产xxxxx性猛交| 中文字幕人妻熟女乱码| 欧美成人午夜精品| 母亲3免费完整高清在线观看 | 老汉色av国产亚洲站长工具| 一级毛片电影观看| 精品国产一区二区三区四区第35| 搡女人真爽免费视频火全软件| 久久人人爽人人片av| 老司机影院毛片| 国产精品一区二区在线不卡| 欧美97在线视频| 五月伊人婷婷丁香| 青春草国产在线视频| 欧美激情高清一区二区三区 | 自线自在国产av| 日韩人妻精品一区2区三区| 男男h啪啪无遮挡| 蜜桃在线观看..| 成人国语在线视频| 三上悠亚av全集在线观看| 亚洲精品视频女| 国产在视频线精品| 老司机影院毛片| 人人澡人人妻人| 成年女人在线观看亚洲视频| 日韩中文字幕视频在线看片| 女的被弄到高潮叫床怎么办| 在线观看免费日韩欧美大片| 免费黄色在线免费观看| 母亲3免费完整高清在线观看 | 在线天堂中文资源库| 久久久精品94久久精品| 国产精品香港三级国产av潘金莲 | 观看av在线不卡| 午夜激情av网站| 人体艺术视频欧美日本| 久久韩国三级中文字幕| 老汉色av国产亚洲站长工具| 久久人人爽av亚洲精品天堂| 久久久欧美国产精品| 成人国产av品久久久| 国产淫语在线视频| 亚洲成国产人片在线观看| 久热久热在线精品观看| 亚洲av中文av极速乱| 亚洲四区av| 久久久国产精品麻豆| 成人漫画全彩无遮挡| 日韩电影二区| av网站在线播放免费| 高清在线视频一区二区三区| 欧美bdsm另类| 黄色 视频免费看| 中文天堂在线官网| 男人爽女人下面视频在线观看| 亚洲人成77777在线视频| 久久人人爽av亚洲精品天堂| 欧美激情 高清一区二区三区| 2018国产大陆天天弄谢| 亚洲欧美色中文字幕在线| 久久久久精品久久久久真实原创| 飞空精品影院首页| 亚洲色图 男人天堂 中文字幕| 国产 精品1| av.在线天堂| 美女福利国产在线| 成年人免费黄色播放视频| www.熟女人妻精品国产| 999精品在线视频| 午夜福利网站1000一区二区三区| 婷婷色综合www| 国产成人精品在线电影| 黄色怎么调成土黄色| 欧美变态另类bdsm刘玥| www.熟女人妻精品国产| 亚洲三级黄色毛片| 2018国产大陆天天弄谢| 精品视频人人做人人爽| 亚洲一级一片aⅴ在线观看| 午夜精品国产一区二区电影| 99热国产这里只有精品6| 最近的中文字幕免费完整| 免费女性裸体啪啪无遮挡网站| 在线观看免费高清a一片| 99re6热这里在线精品视频| 亚洲欧洲精品一区二区精品久久久 | 婷婷成人精品国产| 欧美日韩视频精品一区| 久久精品久久久久久久性| 天天躁夜夜躁狠狠久久av| 人妻人人澡人人爽人人| 精品国产一区二区三区久久久樱花| 黄色毛片三级朝国网站| 亚洲中文av在线| 久久99热这里只频精品6学生| 久久亚洲国产成人精品v| 日本猛色少妇xxxxx猛交久久| 国产一区有黄有色的免费视频| 少妇人妻久久综合中文| 国产日韩欧美亚洲二区| 最近最新中文字幕免费大全7| 18禁观看日本| 最新中文字幕久久久久| 狠狠精品人妻久久久久久综合| 亚洲美女黄色视频免费看| 久久精品夜色国产| 日产精品乱码卡一卡2卡三| 欧美日韩av久久| 狠狠婷婷综合久久久久久88av| 啦啦啦中文免费视频观看日本| 久久婷婷青草| 亚洲国产av新网站| 26uuu在线亚洲综合色| 国产极品粉嫩免费观看在线| 亚洲精品国产av成人精品| 欧美黄色片欧美黄色片| 国产精品一国产av| 免费在线观看视频国产中文字幕亚洲 | 丁香六月天网| 国产黄色免费在线视频| 一二三四中文在线观看免费高清| 久久精品熟女亚洲av麻豆精品| 日本午夜av视频| 在现免费观看毛片| 中文字幕人妻丝袜一区二区 | 黄色毛片三级朝国网站| 一区二区日韩欧美中文字幕| 日本vs欧美在线观看视频| 日韩 亚洲 欧美在线| 欧美黄色片欧美黄色片| 午夜福利网站1000一区二区三区| 26uuu在线亚洲综合色| a级毛片黄视频| 免费看不卡的av| 爱豆传媒免费全集在线观看| 亚洲欧美一区二区三区国产| 性高湖久久久久久久久免费观看| 熟女少妇亚洲综合色aaa.| 欧美成人午夜免费资源| 男女啪啪激烈高潮av片| 黄色怎么调成土黄色| 久久久久久久亚洲中文字幕| 久久精品亚洲av国产电影网| 日韩免费高清中文字幕av| 国产伦理片在线播放av一区| 亚洲国产av影院在线观看| 亚洲精品第二区| videosex国产| av天堂久久9| 波多野结衣av一区二区av| 成人手机av| 老司机亚洲免费影院| 国产在线视频一区二区| 2018国产大陆天天弄谢| 18禁观看日本| 亚洲精品久久久久久婷婷小说| 一区二区三区乱码不卡18| 国产在线视频一区二区| 欧美另类一区| 黑人巨大精品欧美一区二区蜜桃| 亚洲精品久久久久久婷婷小说| 超碰成人久久| 岛国毛片在线播放| 啦啦啦在线免费观看视频4| 在线天堂中文资源库| 国产成人免费无遮挡视频| 看十八女毛片水多多多| 一本久久精品| 亚洲av欧美aⅴ国产| 久久久久国产精品人妻一区二区| 黄片无遮挡物在线观看| 久久久久久人人人人人| 国产一区二区在线观看av| 国产野战对白在线观看| 日韩av免费高清视频| 赤兔流量卡办理| 久久ye,这里只有精品| 免费在线观看完整版高清| 色视频在线一区二区三区| 久久鲁丝午夜福利片| 在线观看免费高清a一片| 成人亚洲欧美一区二区av| 咕卡用的链子| 中文天堂在线官网| 麻豆精品久久久久久蜜桃| 男人操女人黄网站| 熟妇人妻不卡中文字幕| 中文字幕色久视频| 一区二区日韩欧美中文字幕| 青青草视频在线视频观看| 十八禁网站网址无遮挡| 亚洲成人手机| 大话2 男鬼变身卡| 97精品久久久久久久久久精品| 汤姆久久久久久久影院中文字幕| 国产精品蜜桃在线观看| 99久久中文字幕三级久久日本| 欧美97在线视频| av一本久久久久| 深夜精品福利| 国产免费一区二区三区四区乱码| 寂寞人妻少妇视频99o| 狂野欧美激情性bbbbbb| 日本av免费视频播放| 久久久久久人妻| 日本vs欧美在线观看视频| 一级爰片在线观看| 男女高潮啪啪啪动态图| 久久久久国产网址| 一级毛片我不卡| 纵有疾风起免费观看全集完整版| 性色av一级| 视频区图区小说| 丝袜喷水一区| 国产人伦9x9x在线观看 | 天天躁日日躁夜夜躁夜夜| 一级毛片黄色毛片免费观看视频| 国产黄色视频一区二区在线观看| 国产 一区精品| 久久精品国产鲁丝片午夜精品| 在线观看三级黄色| 久久av网站| 国产成人a∨麻豆精品| 久久久国产精品麻豆| av不卡在线播放| 视频在线观看一区二区三区| 美女视频免费永久观看网站| 免费在线观看黄色视频的| 人妻系列 视频| 欧美bdsm另类| 少妇精品久久久久久久| 国产精品三级大全| 中文字幕人妻丝袜一区二区 | 91成人精品电影| √禁漫天堂资源中文www| 久久久亚洲精品成人影院| 日韩中文字幕欧美一区二区 | 黄片无遮挡物在线观看| 丝袜在线中文字幕| 七月丁香在线播放| 热99久久久久精品小说推荐| 一区二区三区四区激情视频| 午夜福利在线观看免费完整高清在| 水蜜桃什么品种好| 欧美bdsm另类| 男人添女人高潮全过程视频| 人人妻人人添人人爽欧美一区卜| kizo精华| 欧美精品av麻豆av| 秋霞伦理黄片| 免费不卡的大黄色大毛片视频在线观看| 亚洲精品在线美女| 精品人妻偷拍中文字幕| 亚洲四区av| 午夜福利网站1000一区二区三区| 下体分泌物呈黄色| 亚洲精品自拍成人| 少妇熟女欧美另类| 天天躁夜夜躁狠狠久久av| 成年人午夜在线观看视频| 色94色欧美一区二区| 中文字幕av电影在线播放| 91精品三级在线观看| 欧美精品av麻豆av| 亚洲欧美成人精品一区二区| 中文字幕最新亚洲高清| 国产又色又爽无遮挡免| www.熟女人妻精品国产| 另类亚洲欧美激情| 欧美少妇被猛烈插入视频| 日本欧美视频一区| 各种免费的搞黄视频| 精品亚洲成a人片在线观看| 久久久久久伊人网av| 欧美av亚洲av综合av国产av | 丰满乱子伦码专区| h视频一区二区三区| 欧美中文综合在线视频| 午夜福利乱码中文字幕| 97在线视频观看| 一区福利在线观看| 国产激情久久老熟女| 一区福利在线观看| 免费久久久久久久精品成人欧美视频| 成年女人在线观看亚洲视频| 久久午夜综合久久蜜桃| 久久这里有精品视频免费| 一边亲一边摸免费视频| 欧美变态另类bdsm刘玥| 国产精品人妻久久久影院| 丝瓜视频免费看黄片| 成人国语在线视频| 日韩欧美一区视频在线观看| 男女国产视频网站| 日韩在线高清观看一区二区三区| 人人澡人人妻人| 伦精品一区二区三区| 啦啦啦视频在线资源免费观看| 国产探花极品一区二区| av片东京热男人的天堂| 久久狼人影院| 成人18禁高潮啪啪吃奶动态图| 欧美变态另类bdsm刘玥| 亚洲欧洲精品一区二区精品久久久 | 国产成人免费无遮挡视频| 免费观看av网站的网址| 国产人伦9x9x在线观看 | 两个人看的免费小视频| 中文字幕人妻丝袜一区二区 | 日韩免费高清中文字幕av| 国产精品 国内视频| 亚洲av综合色区一区| 久久99蜜桃精品久久| 日韩一区二区三区影片| 欧美精品一区二区免费开放| 欧美亚洲日本最大视频资源| 五月伊人婷婷丁香| 自线自在国产av| 亚洲综合色惰| 国产淫语在线视频| 人人妻人人添人人爽欧美一区卜| 成年动漫av网址| 男女国产视频网站| 国产av精品麻豆| 夫妻午夜视频| 蜜桃在线观看..| 青青草视频在线视频观看| 欧美日本中文国产一区发布| 黄色毛片三级朝国网站| 久久国产精品大桥未久av| 99久国产av精品国产电影| a级毛片在线看网站| 人妻系列 视频| 成人亚洲精品一区在线观看| 国产精品亚洲av一区麻豆 | 最新中文字幕久久久久| 欧美亚洲日本最大视频资源| 日本vs欧美在线观看视频| 久久久久久人人人人人| 日韩伦理黄色片| av网站免费在线观看视频| 伦精品一区二区三区| 成人黄色视频免费在线看| 国产一级毛片在线| 国产男人的电影天堂91| 午夜福利一区二区在线看| 亚洲欧洲国产日韩| 午夜福利一区二区在线看| 亚洲色图综合在线观看| 九草在线视频观看| 免费在线观看视频国产中文字幕亚洲 | 香蕉丝袜av| 人妻系列 视频| 成人国产麻豆网| 久久久精品免费免费高清| 卡戴珊不雅视频在线播放| 老鸭窝网址在线观看| 亚洲美女搞黄在线观看| 熟女少妇亚洲综合色aaa.| 国产一区二区三区综合在线观看| 国产精品嫩草影院av在线观看| av免费观看日本| 成年女人在线观看亚洲视频| 久久青草综合色| 99国产综合亚洲精品| 天堂俺去俺来也www色官网| 99热网站在线观看| 尾随美女入室| 2021少妇久久久久久久久久久| 国产黄频视频在线观看| 国产乱人偷精品视频| 久久午夜综合久久蜜桃| 欧美日韩综合久久久久久| 国产日韩欧美视频二区| 日韩大片免费观看网站| 精品人妻在线不人妻| 久久国产亚洲av麻豆专区| 久久久亚洲精品成人影院| 久久精品国产鲁丝片午夜精品| 制服人妻中文乱码| 狠狠婷婷综合久久久久久88av| 亚洲三区欧美一区| 爱豆传媒免费全集在线观看| 精品人妻熟女毛片av久久网站| 亚洲一区中文字幕在线| 亚洲av成人精品一二三区| 一区福利在线观看|