• <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
    国产精品二区激情视频| 夜夜骑夜夜射夜夜干| 国产精品1区2区在线观看. | 成人18禁高潮啪啪吃奶动态图| 亚洲专区字幕在线| 欧美在线黄色| 国产成人精品在线电影| 久久这里只有精品19| 高潮久久久久久久久久久不卡| 国产精品一区二区精品视频观看| 午夜免费观看性视频| 国产精品av久久久久免费| 中文欧美无线码| 国产亚洲午夜精品一区二区久久| 下体分泌物呈黄色| 国产主播在线观看一区二区| 51午夜福利影视在线观看| 国产麻豆69| 日日爽夜夜爽网站| 黑人巨大精品欧美一区二区蜜桃| 国产成人精品在线电影| 亚洲国产av新网站| 亚洲色图综合在线观看| 欧美日韩亚洲高清精品| 日韩,欧美,国产一区二区三区| 亚洲激情五月婷婷啪啪| 精品第一国产精品| 国产无遮挡羞羞视频在线观看| 美女中出高潮动态图| 久久人妻福利社区极品人妻图片| 午夜精品久久久久久毛片777| 黄片播放在线免费| 久久国产精品影院| 日韩欧美一区视频在线观看| 麻豆av在线久日| 午夜久久久在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 性高湖久久久久久久久免费观看| 三级毛片av免费| 免费在线观看日本一区| 在线观看www视频免费| 欧美变态另类bdsm刘玥| 99国产精品一区二区蜜桃av | 午夜精品久久久久久毛片777| 久久影院123| 国产精品免费视频内射| 美女中出高潮动态图| 在线看a的网站| 首页视频小说图片口味搜索| 欧美日韩国产mv在线观看视频| 18禁观看日本| 一二三四社区在线视频社区8| 丝袜人妻中文字幕| 国产高清videossex| 水蜜桃什么品种好| avwww免费| 亚洲av日韩在线播放| 亚洲成国产人片在线观看| 夜夜骑夜夜射夜夜干| 丁香六月天网| 99精国产麻豆久久婷婷| 人人妻人人澡人人看| 中文字幕高清在线视频| 久久久久久久大尺度免费视频| 99re6热这里在线精品视频| 欧美亚洲 丝袜 人妻 在线| 高清av免费在线| www.熟女人妻精品国产| 亚洲一区中文字幕在线| 国产精品99久久99久久久不卡| 一个人免费看片子| 欧美日韩亚洲综合一区二区三区_| 99热国产这里只有精品6| 一区二区三区四区激情视频| 国产一级毛片在线| 久久久久精品人妻al黑| 欧美成狂野欧美在线观看| 久久热在线av| 国产精品国产三级国产专区5o| 考比视频在线观看| 啪啪无遮挡十八禁网站| √禁漫天堂资源中文www| 丝袜脚勾引网站| 国产主播在线观看一区二区| 精品国产一区二区三区久久久樱花| 黄片播放在线免费| 欧美成人午夜精品| 18禁国产床啪视频网站| 国产成人影院久久av| 伦理电影免费视频| 黄网站色视频无遮挡免费观看| 黄片小视频在线播放| 亚洲美女黄色视频免费看| 久久99热这里只频精品6学生| 12—13女人毛片做爰片一| 亚洲国产日韩一区二区| 波多野结衣一区麻豆| 亚洲色图综合在线观看| 成人国产一区最新在线观看| 成人免费观看视频高清| 亚洲欧美成人综合另类久久久| 国产1区2区3区精品| 黑人巨大精品欧美一区二区蜜桃| 俄罗斯特黄特色一大片| 18禁裸乳无遮挡动漫免费视频| 中文字幕精品免费在线观看视频| 日本91视频免费播放| 日本a在线网址| 91麻豆av在线| 97精品久久久久久久久久精品| 久久毛片免费看一区二区三区| 十八禁人妻一区二区| 9色porny在线观看| 性色av一级| www.999成人在线观看| 国产国语露脸激情在线看| netflix在线观看网站| 国产日韩欧美亚洲二区| 狠狠狠狠99中文字幕| 午夜成年电影在线免费观看| 韩国高清视频一区二区三区| 亚洲成av片中文字幕在线观看| 亚洲色图 男人天堂 中文字幕| 一级毛片女人18水好多| 男人舔女人的私密视频| 亚洲性夜色夜夜综合| av网站在线播放免费| 国产精品99久久99久久久不卡| 91麻豆精品激情在线观看国产 | 18禁观看日本| 成在线人永久免费视频| av又黄又爽大尺度在线免费看| 丝袜脚勾引网站| 亚洲男人天堂网一区| 免费观看a级毛片全部| 国产免费视频播放在线视频| 日本五十路高清| 纵有疾风起免费观看全集完整版| 法律面前人人平等表现在哪些方面 | 视频区欧美日本亚洲| 99热网站在线观看| 在线 av 中文字幕| 国产欧美日韩一区二区三 | 日韩 亚洲 欧美在线| 国产一卡二卡三卡精品| 欧美日韩视频精品一区| 日日摸夜夜添夜夜添小说| 女人高潮潮喷娇喘18禁视频| 国产免费福利视频在线观看| 欧美另类一区| 蜜桃国产av成人99| 国产精品一区二区在线观看99| 中文精品一卡2卡3卡4更新| 亚洲国产精品成人久久小说| 久久久欧美国产精品| 免费观看a级毛片全部| 女人爽到高潮嗷嗷叫在线视频| 男人添女人高潮全过程视频| 丝袜人妻中文字幕| av国产精品久久久久影院| 女人高潮潮喷娇喘18禁视频| 国产福利在线免费观看视频| 欧美大码av| 纯流量卡能插随身wifi吗| 欧美日韩亚洲综合一区二区三区_| 国产亚洲午夜精品一区二区久久| 在线观看www视频免费| 黑丝袜美女国产一区| 亚洲第一欧美日韩一区二区三区 | 亚洲国产成人一精品久久久| 亚洲av电影在线进入| 成人三级做爰电影| 亚洲五月色婷婷综合| 性高湖久久久久久久久免费观看| 可以免费在线观看a视频的电影网站| 国产精品免费视频内射| 久久久久精品人妻al黑| 亚洲成国产人片在线观看| 亚洲专区国产一区二区| 男女床上黄色一级片免费看| 精品久久久久久电影网| 一级a爱视频在线免费观看| 欧美黑人欧美精品刺激| 一进一出抽搐动态| 两性午夜刺激爽爽歪歪视频在线观看 | 国产国语露脸激情在线看| 欧美人与性动交α欧美软件| 他把我摸到了高潮在线观看 | 中文字幕av电影在线播放| 新久久久久国产一级毛片| 欧美在线一区亚洲| 久久青草综合色| 精品亚洲成国产av| av超薄肉色丝袜交足视频| 精品国内亚洲2022精品成人 | 不卡av一区二区三区| 亚洲视频免费观看视频| 操出白浆在线播放| 久久久久网色| 人妻一区二区av| 99热网站在线观看| 久久久久国产精品人妻一区二区| 亚洲精品美女久久久久99蜜臀| 狂野欧美激情性xxxx| 日韩中文字幕欧美一区二区| 久久精品人人爽人人爽视色| 大片电影免费在线观看免费| 999精品在线视频| 日本a在线网址| 青青草视频在线视频观看| 人人妻,人人澡人人爽秒播| 交换朋友夫妻互换小说| 国产99久久九九免费精品| 国产在线观看jvid| 欧美精品一区二区免费开放| 亚洲欧美清纯卡通| 久久天堂一区二区三区四区| 免费在线观看黄色视频的| 免费日韩欧美在线观看| 人人妻,人人澡人人爽秒播| a级毛片在线看网站| 国产1区2区3区精品| 国产淫语在线视频| 热99re8久久精品国产| 777久久人妻少妇嫩草av网站| 19禁男女啪啪无遮挡网站| 老司机福利观看| 国产成人欧美| cao死你这个sao货| 一级毛片女人18水好多| 啦啦啦免费观看视频1| 一区在线观看完整版| 老司机深夜福利视频在线观看 | 老司机深夜福利视频在线观看 | 一区二区三区乱码不卡18| 国产av一区二区精品久久| 国产av又大| 我要看黄色一级片免费的| 黄片小视频在线播放| 久久精品久久久久久噜噜老黄| 亚洲av成人一区二区三| 在线永久观看黄色视频| 久久这里只有精品19| 99热全是精品| 国产有黄有色有爽视频| 高潮久久久久久久久久久不卡| 搡老岳熟女国产| 亚洲熟女精品中文字幕| 99国产精品一区二区三区| 91精品三级在线观看| 亚洲avbb在线观看| 91字幕亚洲| 亚洲精品自拍成人| 亚洲精品av麻豆狂野| 中文字幕制服av| 久久久久国产精品人妻一区二区| 超碰97精品在线观看| 免费少妇av软件| 久久人妻福利社区极品人妻图片| 日韩大片免费观看网站| 欧美国产精品va在线观看不卡| 日本欧美视频一区| 国产精品久久久久久人妻精品电影 | 日韩视频一区二区在线观看| 女人精品久久久久毛片| 久久精品亚洲熟妇少妇任你| 日韩 欧美 亚洲 中文字幕| 电影成人av| 91大片在线观看| 老司机靠b影院| 亚洲av日韩精品久久久久久密| 午夜老司机福利片| 99九九在线精品视频| 日本91视频免费播放| 欧美精品人与动牲交sv欧美| 国产精品一区二区在线不卡| 蜜桃国产av成人99| 日韩视频一区二区在线观看| 亚洲成国产人片在线观看| www日本在线高清视频| 国产野战对白在线观看| 性色av乱码一区二区三区2| 国产亚洲欧美精品永久| 五月天丁香电影| 老熟妇仑乱视频hdxx| 19禁男女啪啪无遮挡网站| 极品人妻少妇av视频| 亚洲专区字幕在线| www.自偷自拍.com| 国产欧美亚洲国产| 亚洲欧美精品自产自拍| av网站在线播放免费| 日韩免费高清中文字幕av| 好男人电影高清在线观看| 欧美黑人欧美精品刺激| 国产欧美日韩综合在线一区二区| 中文字幕av电影在线播放| 亚洲少妇的诱惑av| 精品免费久久久久久久清纯 | 大陆偷拍与自拍| 天堂8中文在线网| 日韩视频在线欧美| 女人精品久久久久毛片| 久久久久久久大尺度免费视频| 亚洲av国产av综合av卡| 女性被躁到高潮视频| 免费高清在线观看日韩| 色视频在线一区二区三区| 80岁老熟妇乱子伦牲交| 中文字幕色久视频| www.自偷自拍.com| 最黄视频免费看| 亚洲熟女毛片儿| 天天操日日干夜夜撸| 亚洲国产欧美网| 在线精品无人区一区二区三| 国产片内射在线| 天天影视国产精品| 日韩制服骚丝袜av| 欧美日韩亚洲高清精品| 嫁个100分男人电影在线观看| 97人妻天天添夜夜摸| 男女之事视频高清在线观看| 99久久综合免费| 日本黄色日本黄色录像| 国产精品一区二区在线不卡| 欧美变态另类bdsm刘玥| 色综合欧美亚洲国产小说| 极品少妇高潮喷水抽搐| 成人手机av| 午夜91福利影院| 久久国产精品男人的天堂亚洲| 黄片大片在线免费观看| 9191精品国产免费久久| 欧美精品高潮呻吟av久久| 久久天躁狠狠躁夜夜2o2o| 搡老乐熟女国产| 国产精品1区2区在线观看. | av不卡在线播放| 午夜福利在线免费观看网站| 啦啦啦在线免费观看视频4| 欧美黄色片欧美黄色片| 欧美另类亚洲清纯唯美| 国产在线观看jvid| 国产区一区二久久| 99国产极品粉嫩在线观看| 99香蕉大伊视频| 亚洲精品一卡2卡三卡4卡5卡 | 王馨瑶露胸无遮挡在线观看| 亚洲精品美女久久av网站| 国产日韩一区二区三区精品不卡| 欧美变态另类bdsm刘玥| 美女扒开内裤让男人捅视频| tube8黄色片| 色婷婷av一区二区三区视频| 欧美+亚洲+日韩+国产| 久久性视频一级片| 国产精品国产三级国产专区5o| 久久免费观看电影| 老熟妇乱子伦视频在线观看 | 精品国产国语对白av| 国产精品九九99| 久久99热这里只频精品6学生| 中文字幕人妻丝袜一区二区| 国产精品一区二区免费欧美 | 99九九在线精品视频| 欧美日韩中文字幕国产精品一区二区三区 | 久久久久国产一级毛片高清牌| 极品少妇高潮喷水抽搐| 久久香蕉激情| 国产成人欧美| 久9热在线精品视频| 在线观看www视频免费| 久久九九热精品免费| 亚洲成人免费电影在线观看| 日韩大码丰满熟妇| 精品少妇一区二区三区视频日本电影| 丝袜人妻中文字幕| 秋霞在线观看毛片| 亚洲精华国产精华精| 亚洲专区国产一区二区| 麻豆av在线久日| 狂野欧美激情性bbbbbb| 亚洲激情五月婷婷啪啪| 麻豆乱淫一区二区| 亚洲一区二区三区欧美精品| 亚洲五月色婷婷综合| 亚洲一区二区三区欧美精品| 亚洲熟女毛片儿| 丝袜人妻中文字幕| 日韩中文字幕欧美一区二区| tocl精华| 美女视频免费永久观看网站| 欧美人与性动交α欧美精品济南到| 999久久久精品免费观看国产| 青草久久国产| 悠悠久久av| 99香蕉大伊视频| 亚洲精品国产av蜜桃| 日本一区二区免费在线视频| 黑人巨大精品欧美一区二区蜜桃| 久久这里只有精品19| 亚洲精品一区蜜桃| 桃花免费在线播放| 欧美av亚洲av综合av国产av| 可以免费在线观看a视频的电影网站| tube8黄色片| 久久久久国产一级毛片高清牌| av欧美777| 国产精品欧美亚洲77777| 日韩欧美一区视频在线观看| 高清在线国产一区| 亚洲男人天堂网一区| 午夜免费鲁丝| 欧美日本中文国产一区发布| 国产成人精品久久二区二区免费| 天天添夜夜摸| 在线观看舔阴道视频| 俄罗斯特黄特色一大片| 色婷婷久久久亚洲欧美| 美女大奶头黄色视频| 国产精品1区2区在线观看. | www.999成人在线观看| 国产99久久九九免费精品| 大香蕉久久网| netflix在线观看网站| 免费观看人在逋| 不卡av一区二区三区| 人成视频在线观看免费观看| 黑人巨大精品欧美一区二区mp4| 亚洲av国产av综合av卡| 在线观看www视频免费| 一区在线观看完整版| 久久精品国产a三级三级三级| 亚洲免费av在线视频| 欧美av亚洲av综合av国产av| 国产精品欧美亚洲77777| 91麻豆精品激情在线观看国产 | 国产精品av久久久久免费| 亚洲精品国产av成人精品| 亚洲精品中文字幕一二三四区 | 国产不卡av网站在线观看| 中国国产av一级| 一二三四社区在线视频社区8| 日日摸夜夜添夜夜添小说| 午夜福利在线免费观看网站| 欧美精品啪啪一区二区三区 | 搡老熟女国产l中国老女人| 青春草视频在线免费观看| 极品人妻少妇av视频| 国产精品久久久久久精品古装| a级毛片在线看网站| 我要看黄色一级片免费的| 视频区欧美日本亚洲| 淫妇啪啪啪对白视频 | 免费高清在线观看视频在线观看| 欧美国产精品va在线观看不卡| 久久久国产精品麻豆| 9色porny在线观看| 欧美激情极品国产一区二区三区| 欧美人与性动交α欧美软件| 午夜福利在线观看吧| 丰满饥渴人妻一区二区三| 久久香蕉激情| 精品亚洲成国产av| 亚洲欧洲精品一区二区精品久久久| 99精品欧美一区二区三区四区| 丁香六月欧美| 满18在线观看网站| 韩国高清视频一区二区三区| 亚洲欧美成人综合另类久久久| 一个人免费看片子| 久久午夜综合久久蜜桃| 女人久久www免费人成看片| 精品久久久精品久久久| 久久天躁狠狠躁夜夜2o2o| 国产无遮挡羞羞视频在线观看| 国产欧美日韩综合在线一区二区| 免费黄频网站在线观看国产| 国产人伦9x9x在线观看| av有码第一页| 国产精品熟女久久久久浪| 亚洲精品自拍成人| 欧美+亚洲+日韩+国产| 可以免费在线观看a视频的电影网站| 日韩欧美一区视频在线观看| xxxhd国产人妻xxx| 精品免费久久久久久久清纯 | 久久精品亚洲熟妇少妇任你| 汤姆久久久久久久影院中文字幕| 成年av动漫网址| 各种免费的搞黄视频| 日韩欧美一区二区三区在线观看 | 国产极品粉嫩免费观看在线| 少妇精品久久久久久久| 国产精品一区二区在线不卡| 成人免费观看视频高清| 老司机在亚洲福利影院| 69精品国产乱码久久久| 国产一区有黄有色的免费视频| 欧美大码av| 视频区欧美日本亚洲| 欧美国产精品va在线观看不卡| 这个男人来自地球电影免费观看| av线在线观看网站| 国产亚洲午夜精品一区二区久久| 亚洲精品美女久久av网站| 美国免费a级毛片| 最新的欧美精品一区二区| 午夜精品国产一区二区电影| 爱豆传媒免费全集在线观看| 久久中文看片网| 亚洲欧美一区二区三区久久| 欧美精品人与动牲交sv欧美| 少妇粗大呻吟视频| 一级片'在线观看视频| 免费在线观看完整版高清| 色播在线永久视频| 国产伦人伦偷精品视频| 热re99久久精品国产66热6| 少妇人妻久久综合中文| 久久亚洲精品不卡| 啦啦啦在线免费观看视频4| 久久99一区二区三区| 999久久久精品免费观看国产| 日本撒尿小便嘘嘘汇集6| 热99久久久久精品小说推荐| 国产成人精品久久二区二区免费| 男女边摸边吃奶| 亚洲专区中文字幕在线| 大码成人一级视频| 亚洲久久久国产精品| 黑人操中国人逼视频| 最近最新免费中文字幕在线| 老熟女久久久| 法律面前人人平等表现在哪些方面 | 国产亚洲午夜精品一区二区久久| 啦啦啦 在线观看视频| 一边摸一边抽搐一进一出视频| 欧美日韩视频精品一区| 国产在线观看jvid| av在线播放精品| 最近最新中文字幕大全免费视频| 999精品在线视频| 亚洲综合色网址| 人人妻人人爽人人添夜夜欢视频| 夜夜骑夜夜射夜夜干| 久久性视频一级片| 亚洲第一av免费看| 久久午夜综合久久蜜桃| 俄罗斯特黄特色一大片| 一边摸一边做爽爽视频免费| 日韩大片免费观看网站| 美女高潮喷水抽搐中文字幕| 无限看片的www在线观看| 国产av又大| 亚洲第一av免费看| 脱女人内裤的视频| 大型av网站在线播放| 天天影视国产精品| 亚洲情色 制服丝袜| 男女之事视频高清在线观看| 不卡一级毛片| 免费久久久久久久精品成人欧美视频| 国产欧美亚洲国产| 下体分泌物呈黄色| 菩萨蛮人人尽说江南好唐韦庄| 他把我摸到了高潮在线观看 | av在线app专区| 久久影院123| 久久人妻福利社区极品人妻图片| 欧美日韩黄片免| 国产成人一区二区三区免费视频网站| 80岁老熟妇乱子伦牲交| 9191精品国产免费久久| 中文欧美无线码| 搡老岳熟女国产| 国产99久久九九免费精品| 人成视频在线观看免费观看| av线在线观看网站| 91大片在线观看| 肉色欧美久久久久久久蜜桃| 老司机靠b影院| 免费久久久久久久精品成人欧美视频| 女性生殖器流出的白浆| 少妇 在线观看| 一本—道久久a久久精品蜜桃钙片| 亚洲av美国av| 老司机影院成人| 国产欧美日韩综合在线一区二区| 国产不卡av网站在线观看| 亚洲精品国产av成人精品| 欧美人与性动交α欧美精品济南到| 久热这里只有精品99| 9191精品国产免费久久| 欧美日韩视频精品一区| 日韩欧美一区视频在线观看| 亚洲av片天天在线观看| 最新的欧美精品一区二区| 免费少妇av软件| 热re99久久国产66热| 交换朋友夫妻互换小说| 精品人妻一区二区三区麻豆| 久久人人爽av亚洲精品天堂| 最近最新中文字幕大全免费视频| 日韩欧美国产一区二区入口| 精品一区二区三区av网在线观看 | 久9热在线精品视频| 久久精品国产亚洲av香蕉五月 | 中文字幕av电影在线播放| 国产黄色免费在线视频| 亚洲第一av免费看| 99久久综合免费| tocl精华| av视频免费观看在线观看|