• <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
    极品人妻少妇av视频| 成熟少妇高潮喷水视频| 老汉色∧v一级毛片| 一卡2卡三卡四卡精品乱码亚洲| 免费少妇av软件| xxx96com| 成人亚洲精品av一区二区| 国产99白浆流出| 50天的宝宝边吃奶边哭怎么回事| 老司机午夜福利在线观看视频| 1024视频免费在线观看| 久久香蕉国产精品| 国产精品久久久人人做人人爽| 亚洲国产精品999在线| 久久久久精品国产欧美久久久| 午夜老司机福利片| 久久中文字幕人妻熟女| 成人三级黄色视频| 精品卡一卡二卡四卡免费| 国产av一区在线观看免费| 可以免费在线观看a视频的电影网站| 久久这里只有精品19| 窝窝影院91人妻| 欧美色视频一区免费| 国产av精品麻豆| avwww免费| 日韩欧美国产一区二区入口| xxx96com| 久久久久久久久免费视频了| 亚洲人成伊人成综合网2020| 亚洲人成网站在线播放欧美日韩| 99久久综合精品五月天人人| 精品欧美一区二区三区在线| 757午夜福利合集在线观看| 亚洲一区高清亚洲精品| 国产一区二区激情短视频| 日本欧美视频一区| 亚洲欧洲精品一区二区精品久久久| 国产成人精品无人区| 美女高潮到喷水免费观看| avwww免费| 成人国产一区最新在线观看| 女人被躁到高潮嗷嗷叫费观| 成人三级做爰电影| 男女做爰动态图高潮gif福利片 | x7x7x7水蜜桃| 亚洲激情在线av| 黄色女人牲交| 97人妻天天添夜夜摸| 国产成人精品在线电影| 亚洲专区中文字幕在线| 国产精品国产高清国产av| 在线观看舔阴道视频| 亚洲av日韩精品久久久久久密| 日本a在线网址| 亚洲人成网站在线播放欧美日韩| 不卡av一区二区三区| 性少妇av在线| 最近最新中文字幕大全免费视频| 亚洲性夜色夜夜综合| 少妇裸体淫交视频免费看高清 | 露出奶头的视频| 视频区欧美日本亚洲| 亚洲精品粉嫩美女一区| 国产不卡一卡二| 自线自在国产av| 久久香蕉激情| 亚洲成人久久性| 国产精品野战在线观看| 91大片在线观看| 成人18禁在线播放| 亚洲免费av在线视频| 国产欧美日韩综合在线一区二区| 久久久国产精品麻豆| 曰老女人黄片| 99久久99久久久精品蜜桃| 免费在线观看日本一区| 91老司机精品| 日韩大尺度精品在线看网址 | 精品国产国语对白av| 国产1区2区3区精品| 午夜福利影视在线免费观看| 亚洲五月天丁香| 在线观看免费视频网站a站| 久久香蕉精品热| 97人妻天天添夜夜摸| 一卡2卡三卡四卡精品乱码亚洲| 18美女黄网站色大片免费观看| 午夜福利免费观看在线| 亚洲片人在线观看| 黄色片一级片一级黄色片| 大型av网站在线播放| 色婷婷久久久亚洲欧美| 亚洲天堂国产精品一区在线| 免费久久久久久久精品成人欧美视频| 一进一出抽搐动态| 国产精品亚洲av一区麻豆| 亚洲国产欧美一区二区综合| 午夜福利高清视频| 国产亚洲精品久久久久久毛片| 黑人巨大精品欧美一区二区mp4| 久久国产精品人妻蜜桃| 国产精品久久久久久人妻精品电影| 国产一区在线观看成人免费| 咕卡用的链子| 免费一级毛片在线播放高清视频 | 免费观看精品视频网站| 日韩视频一区二区在线观看| 国产三级黄色录像| 亚洲熟妇熟女久久| 日韩视频一区二区在线观看| 国产精品二区激情视频| 欧美激情极品国产一区二区三区| 国产主播在线观看一区二区| 怎么达到女性高潮| 最新美女视频免费是黄的| 黑人欧美特级aaaaaa片| 又黄又爽又免费观看的视频| 成人av一区二区三区在线看| 99re在线观看精品视频| 国产亚洲欧美在线一区二区| 母亲3免费完整高清在线观看| 国产麻豆69| 亚洲在线自拍视频| 最新美女视频免费是黄的| 一级毛片女人18水好多| 一级毛片精品| 香蕉久久夜色| 精品福利观看| 又紧又爽又黄一区二区| 无限看片的www在线观看| 日日夜夜操网爽| 精品一品国产午夜福利视频| 久久精品91蜜桃| 人人妻人人澡欧美一区二区 | 国产不卡一卡二| av免费在线观看网站| 在线观看免费视频日本深夜| 搡老熟女国产l中国老女人| 亚洲国产中文字幕在线视频| 最近最新免费中文字幕在线| a级毛片在线看网站| 中文字幕另类日韩欧美亚洲嫩草| 国产一区二区三区在线臀色熟女| 免费观看人在逋| 麻豆av在线久日| 免费看美女性在线毛片视频| 欧美精品亚洲一区二区| av天堂久久9| 91麻豆av在线| 国产精品秋霞免费鲁丝片| 女警被强在线播放| 国产成人欧美在线观看| 高潮久久久久久久久久久不卡| 九色国产91popny在线| 成人18禁高潮啪啪吃奶动态图| 亚洲性夜色夜夜综合| 亚洲av成人av| 成人三级黄色视频| 19禁男女啪啪无遮挡网站| av超薄肉色丝袜交足视频| 国产91精品成人一区二区三区| 久久婷婷成人综合色麻豆| 精品福利观看| 日本一区二区免费在线视频| 男女之事视频高清在线观看| 91麻豆精品激情在线观看国产| 99精品欧美一区二区三区四区| 成人亚洲精品一区在线观看| 亚洲精华国产精华精| 男女下面插进去视频免费观看| 黑人巨大精品欧美一区二区蜜桃| 国产亚洲av高清不卡| netflix在线观看网站| 亚洲精品一卡2卡三卡4卡5卡| 女人高潮潮喷娇喘18禁视频| 亚洲精品久久成人aⅴ小说| 日韩视频一区二区在线观看| 一区在线观看完整版| 久久草成人影院| 在线观看午夜福利视频| 亚洲av美国av| 日韩三级视频一区二区三区| 岛国视频午夜一区免费看| 久久香蕉精品热| 精品国产超薄肉色丝袜足j| 一级a爱视频在线免费观看| 国语自产精品视频在线第100页| 成年版毛片免费区| 看免费av毛片| 日日爽夜夜爽网站| 国产伦一二天堂av在线观看| 不卡av一区二区三区| 亚洲熟女毛片儿| 巨乳人妻的诱惑在线观看| av视频免费观看在线观看| 久久久久久久午夜电影| 日韩高清综合在线| 男女下面插进去视频免费观看| 精品一品国产午夜福利视频| 日本 av在线| 女性生殖器流出的白浆| 久久精品aⅴ一区二区三区四区| 天堂动漫精品| 久久精品成人免费网站| 别揉我奶头~嗯~啊~动态视频| www国产在线视频色| 9191精品国产免费久久| 久99久视频精品免费| 制服诱惑二区| 在线观看免费午夜福利视频| 午夜老司机福利片| 色尼玛亚洲综合影院| 久久 成人 亚洲| 一区二区三区激情视频| 成人国产一区最新在线观看| 一级黄色大片毛片| 一级a爱视频在线免费观看| 亚洲国产高清在线一区二区三 | 国产精品av久久久久免费| 午夜福利在线观看吧| 欧美成人性av电影在线观看| 黄片大片在线免费观看| 久久香蕉激情| 很黄的视频免费| 精品久久久久久成人av| 女警被强在线播放| 自拍欧美九色日韩亚洲蝌蚪91| 成人手机av| 久久久久九九精品影院| 夜夜夜夜夜久久久久| 午夜久久久久精精品| 久久草成人影院| 夜夜躁狠狠躁天天躁| 亚洲专区国产一区二区| 亚洲精品国产区一区二| 色婷婷久久久亚洲欧美| 看免费av毛片| 两个人看的免费小视频| 亚洲专区字幕在线| 一级毛片精品| 一级毛片高清免费大全| 在线十欧美十亚洲十日本专区| 亚洲欧美激情在线| 亚洲美女黄片视频| 成在线人永久免费视频| 精品无人区乱码1区二区| 亚洲中文日韩欧美视频| 国产精品综合久久久久久久免费 | 久久国产精品影院| 亚洲 欧美 日韩 在线 免费| 人人妻人人爽人人添夜夜欢视频| 精品欧美国产一区二区三| 亚洲av电影不卡..在线观看| 两人在一起打扑克的视频| 国产成人一区二区三区免费视频网站| 久久人妻福利社区极品人妻图片| 后天国语完整版免费观看| 我的亚洲天堂| 国产一级毛片七仙女欲春2 | 亚洲成人久久性| 人人妻,人人澡人人爽秒播| 亚洲精品国产精品久久久不卡| 欧美亚洲日本最大视频资源| 成人三级黄色视频| 亚洲av日韩精品久久久久久密| 青草久久国产| 色尼玛亚洲综合影院| 91九色精品人成在线观看| 久久久久久久久免费视频了| 日韩有码中文字幕| 99精品久久久久人妻精品| 亚洲avbb在线观看| 夜夜夜夜夜久久久久| 少妇的丰满在线观看| 桃色一区二区三区在线观看| 国产人伦9x9x在线观看| 免费无遮挡裸体视频| 国产真人三级小视频在线观看| 亚洲av电影在线进入| 黄频高清免费视频| tocl精华| 国产精品久久电影中文字幕| 99国产精品99久久久久| 一级毛片高清免费大全| 一区二区三区高清视频在线| 亚洲久久久国产精品| cao死你这个sao货| 色综合欧美亚洲国产小说| 美女国产高潮福利片在线看| 日韩成人在线观看一区二区三区| 国产精品自产拍在线观看55亚洲| 国产成人av教育| 精品久久久久久久久久免费视频| 欧美最黄视频在线播放免费| 久久香蕉精品热| 亚洲av美国av| 亚洲成av片中文字幕在线观看| 欧美日本亚洲视频在线播放| 人人妻人人爽人人添夜夜欢视频| 天天躁夜夜躁狠狠躁躁| 亚洲国产看品久久| 纯流量卡能插随身wifi吗| 91精品三级在线观看| 男女下面插进去视频免费观看| 亚洲人成伊人成综合网2020| 丝袜美足系列| 乱人伦中国视频| 亚洲av日韩精品久久久久久密| 久久久国产成人免费| 欧美国产日韩亚洲一区| 91大片在线观看| 丝袜美足系列| 欧美精品亚洲一区二区| 99国产极品粉嫩在线观看| 岛国视频午夜一区免费看| 亚洲精华国产精华精| 高清毛片免费观看视频网站| 桃色一区二区三区在线观看| 久久人妻av系列| 亚洲欧美精品综合一区二区三区| 久久天堂一区二区三区四区| 亚洲精华国产精华精| 国产高清videossex| 侵犯人妻中文字幕一二三四区| 99国产精品免费福利视频| 一级作爱视频免费观看| 色尼玛亚洲综合影院| 亚洲成人免费电影在线观看| 黄色 视频免费看| 国产精品综合久久久久久久免费 | 欧美激情 高清一区二区三区| 国产午夜精品久久久久久| 老鸭窝网址在线观看| 午夜福利成人在线免费观看| 超碰成人久久| 一进一出抽搐gif免费好疼| 免费高清视频大片| 少妇的丰满在线观看| 搞女人的毛片| 99热只有精品国产| 国产麻豆69| 国产精品亚洲美女久久久| 久久精品国产亚洲av香蕉五月| 国产精品久久视频播放| 淫妇啪啪啪对白视频| 高潮久久久久久久久久久不卡| 免费在线观看视频国产中文字幕亚洲| 身体一侧抽搐| 欧美激情极品国产一区二区三区| 久久久国产精品麻豆| 国产极品粉嫩免费观看在线| 黄色丝袜av网址大全| 在线观看舔阴道视频| 成人三级黄色视频| 亚洲国产欧美一区二区综合| 免费久久久久久久精品成人欧美视频| 久久久久久久久中文| 大型黄色视频在线免费观看| 搡老妇女老女人老熟妇| 精品久久久久久成人av| 国产午夜福利久久久久久| 久久人妻福利社区极品人妻图片| 人妻久久中文字幕网| 悠悠久久av| 美女免费视频网站| 欧美黄色片欧美黄色片| 高清毛片免费观看视频网站| 免费在线观看日本一区| 久久狼人影院| 老司机午夜十八禁免费视频| 亚洲成人免费电影在线观看| 高清黄色对白视频在线免费看| 脱女人内裤的视频| 欧美av亚洲av综合av国产av| 久久天躁狠狠躁夜夜2o2o| 国产人伦9x9x在线观看| 乱人伦中国视频| 午夜精品在线福利| 亚洲欧美日韩另类电影网站| 一夜夜www| 精品卡一卡二卡四卡免费| 国产私拍福利视频在线观看| 无人区码免费观看不卡| 香蕉久久夜色| 精品乱码久久久久久99久播| 很黄的视频免费| 色老头精品视频在线观看| 欧美日本中文国产一区发布| 国产成人av教育| 国产99久久九九免费精品| 久久精品91蜜桃| 亚洲精品国产精品久久久不卡| 99在线视频只有这里精品首页| 日日夜夜操网爽| 亚洲欧美日韩无卡精品| 亚洲人成电影观看| 国产成人精品久久二区二区免费| 亚洲片人在线观看| 18禁黄网站禁片午夜丰满| 亚洲va日本ⅴa欧美va伊人久久| 国产91精品成人一区二区三区| 精品国产一区二区久久| 国内精品久久久久精免费| 国产精品亚洲一级av第二区| 国产一区二区在线av高清观看| 久久久国产成人精品二区| 亚洲成人免费电影在线观看| 欧美老熟妇乱子伦牲交| 亚洲免费av在线视频| 老司机在亚洲福利影院| 黄片小视频在线播放| 中国美女看黄片| 亚洲欧洲精品一区二区精品久久久| 夜夜看夜夜爽夜夜摸| 国产真人三级小视频在线观看| 亚洲性夜色夜夜综合| 欧美大码av| 大型黄色视频在线免费观看| 电影成人av| 看黄色毛片网站| 国产精品久久久人人做人人爽| e午夜精品久久久久久久| 动漫黄色视频在线观看| 国产伦人伦偷精品视频| 级片在线观看| 又黄又爽又免费观看的视频| 老汉色∧v一级毛片| 久久香蕉国产精品| 男人的好看免费观看在线视频 | 国产成人av激情在线播放| 日本欧美视频一区| 一级,二级,三级黄色视频| 法律面前人人平等表现在哪些方面| 亚洲午夜精品一区,二区,三区| 日韩欧美一区视频在线观看| 亚洲人成电影免费在线| 女性被躁到高潮视频| 午夜福利,免费看| 国产成人一区二区三区免费视频网站| 亚洲av五月六月丁香网| 国产精品永久免费网站| 亚洲国产中文字幕在线视频| 黑人巨大精品欧美一区二区蜜桃| 成人手机av| 久久香蕉精品热| 国内毛片毛片毛片毛片毛片| 国产成人av激情在线播放| 丰满的人妻完整版| 老司机福利观看| 国产男靠女视频免费网站| 中文字幕人妻熟女乱码| 夜夜看夜夜爽夜夜摸| 免费人成视频x8x8入口观看| 精品高清国产在线一区| 一二三四社区在线视频社区8| 欧美另类亚洲清纯唯美| 国产精品久久久久久亚洲av鲁大| 亚洲五月婷婷丁香| 在线十欧美十亚洲十日本专区| av欧美777| 麻豆国产av国片精品| 久久精品亚洲熟妇少妇任你| 国产成年人精品一区二区| 校园春色视频在线观看| 99国产极品粉嫩在线观看| 久久午夜亚洲精品久久| 9热在线视频观看99| 欧美激情高清一区二区三区| 欧美一级a爱片免费观看看 | www.熟女人妻精品国产| 婷婷精品国产亚洲av在线| av超薄肉色丝袜交足视频| 国产aⅴ精品一区二区三区波| 男女午夜视频在线观看| 男人操女人黄网站| 国产成人精品无人区| 亚洲欧美精品综合久久99| 黄色 视频免费看| 性色av乱码一区二区三区2| 国产成人免费无遮挡视频| 老汉色av国产亚洲站长工具| 高清在线国产一区| 日韩欧美一区视频在线观看| 精品午夜福利视频在线观看一区| 免费看a级黄色片| av福利片在线| 亚洲一区二区三区色噜噜| 午夜福利在线观看吧| 激情在线观看视频在线高清| 极品教师在线免费播放| 两个人看的免费小视频| 他把我摸到了高潮在线观看| 美女扒开内裤让男人捅视频| 午夜福利高清视频| 久久中文字幕一级| 日韩欧美国产在线观看| 日韩成人在线观看一区二区三区| 女警被强在线播放| 女人被躁到高潮嗷嗷叫费观| av福利片在线| 好男人电影高清在线观看| 99久久国产精品久久久| 丝袜在线中文字幕| 午夜免费激情av| 97人妻天天添夜夜摸| 男女下面插进去视频免费观看| 香蕉久久夜色| 久久中文字幕人妻熟女| 咕卡用的链子| 亚洲中文av在线| 50天的宝宝边吃奶边哭怎么回事| 亚洲激情在线av| 国产av一区在线观看免费| 婷婷六月久久综合丁香| 亚洲精品国产一区二区精华液| 亚洲第一av免费看| 亚洲一区高清亚洲精品| 国产精品亚洲一级av第二区| 午夜福利免费观看在线| 亚洲av电影不卡..在线观看| 悠悠久久av| 亚洲精华国产精华精| 久久精品国产综合久久久| 亚洲av成人av| 亚洲精品国产色婷婷电影| 两个人免费观看高清视频| 久久精品国产99精品国产亚洲性色 | 成年女人毛片免费观看观看9| 日韩欧美国产一区二区入口| 欧美人与性动交α欧美精品济南到| 亚洲欧美精品综合一区二区三区| 免费搜索国产男女视频| 免费无遮挡裸体视频| 一个人观看的视频www高清免费观看 | 日韩欧美一区视频在线观看| 一卡2卡三卡四卡精品乱码亚洲| 国产精品久久久av美女十八| 99国产综合亚洲精品| 黄色丝袜av网址大全| 亚洲片人在线观看| 免费不卡黄色视频| 精品电影一区二区在线| 久久久国产成人免费| 成人特级黄色片久久久久久久| 国产成人精品久久二区二区91| 757午夜福利合集在线观看| 叶爱在线成人免费视频播放| 亚洲国产日韩欧美精品在线观看 | 日韩欧美国产在线观看| 精品国产美女av久久久久小说| 欧美成人免费av一区二区三区| 一进一出抽搐gif免费好疼| 女警被强在线播放| 97碰自拍视频| 热99re8久久精品国产| 999精品在线视频| 男人操女人黄网站| 天天躁夜夜躁狠狠躁躁| x7x7x7水蜜桃| 婷婷精品国产亚洲av在线| 国内精品久久久久久久电影| www.自偷自拍.com| 精品无人区乱码1区二区| 国产乱人伦免费视频| 亚洲人成77777在线视频| 夜夜夜夜夜久久久久| 一区二区三区激情视频| 18禁美女被吸乳视频| 搞女人的毛片| 两个人视频免费观看高清| 两性午夜刺激爽爽歪歪视频在线观看 | 免费在线观看黄色视频的| 黄色 视频免费看| 人人妻人人澡人人看| 久久人人精品亚洲av| 欧美丝袜亚洲另类 | 欧美另类亚洲清纯唯美| 一区福利在线观看| av天堂久久9| 亚洲第一青青草原| 精品久久久久久成人av| 男女做爰动态图高潮gif福利片 | 在线观看66精品国产| 亚洲成av人片免费观看| 亚洲中文字幕一区二区三区有码在线看 | 国产精品九九99| xxx96com| 国产欧美日韩精品亚洲av| 夜夜躁狠狠躁天天躁| 国产精品二区激情视频| 国产成人av激情在线播放| 亚洲精品粉嫩美女一区| 中文字幕av电影在线播放| 天堂√8在线中文| 亚洲av成人一区二区三| 制服丝袜大香蕉在线| 色婷婷久久久亚洲欧美| 午夜亚洲福利在线播放| 九色亚洲精品在线播放| 在线观看午夜福利视频| 欧美日韩黄片免| 亚洲人成电影免费在线| 悠悠久久av| 三级毛片av免费| 免费少妇av软件| 欧美中文综合在线视频| 国产蜜桃级精品一区二区三区| 国产高清videossex| 人人妻人人爽人人添夜夜欢视频| 脱女人内裤的视频| 精品久久久久久久毛片微露脸| 欧美性长视频在线观看| 免费人成视频x8x8入口观看| 亚洲电影在线观看av|