• <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 ?

    基于深度學(xué)習(xí)方法的句子及語素邊界劃分研究

    2017-09-20 06:27:29TolegenGulmira鄔春學(xué)
    電子科技 2017年9期
    關(guān)鍵詞:對模型語素字符

    Tolegen Gulmira,鄔春學(xué)

    (上海理工大學(xué) 光電信息與計算機(jī)工程學(xué)院,上海 200093)

    基于深度學(xué)習(xí)方法的句子及語素邊界劃分研究

    Tolegen Gulmira,鄔春學(xué)

    (上海理工大學(xué) 光電信息與計算機(jī)工程學(xué)院,上海 200093)

    針對哈薩克語的句子、單詞及語素邊界檢測問題,文中提出了一種基于深度學(xué)習(xí)的邊界檢測方法:CNN-TSS模型。通過將邊界檢測問題視為序列標(biāo)注任務(wù),將句子、單詞及語素的邊界檢測合并為一種任務(wù)完成。通過對CNN-TSS模型選取最優(yōu)超參數(shù),對不同語言進(jìn)行了測試。實驗結(jié)果表明,該模型在不使用額外特征的情況下,在性能上超過了基于傳統(tǒng)方法的邊界檢測系統(tǒng)。

    句子邊界檢測;語素邊界檢測;黏著語;深度學(xué)習(xí)

    句子、單詞及語素邊界劃分任務(wù)是詞性標(biāo)注[1]、機(jī)器翻譯、篇章理解等自然語言處理(Natural Language Processing,NLP)任務(wù)的基礎(chǔ)研究之一。該任務(wù)的主要目的是自動找出文本中句子、單詞、語素的左右邊界,使得處理后的文本可以用于其他的NLP任務(wù)當(dāng)中。雖然在NLP研究中,所采用的語料都已經(jīng)經(jīng)過了人工標(biāo)注和劃分,當(dāng)語料庫添加其他新領(lǐng)域文本時,則首先需要對源文本做分句和分詞等處理,如果分句和分詞模型準(zhǔn)確率比較高,則會有利于其他后續(xù)工作的開展。而且多數(shù)NLP應(yīng)用在實際使用時,通常首先就需要對原文本進(jìn)行分句和分詞等處理。所以實現(xiàn)一種準(zhǔn)確率較為理想的分句、分詞模型是NLP任務(wù)的關(guān)鍵之一。

    句子的邊界通常由句號、問號、感嘆號和省略號等符號來表示,然而這些符號使用會出現(xiàn)歧異,例如在英語的縮寫詞當(dāng)中就會使用與句號等符號,這對句子邊界的劃分帶來一定困難。此外,對英語及黏著語(Agglutinative Language)來說,如哈薩克語(Kazakh),土耳其語 (Turkish),雖然這些語言的單詞邊界可以通過空格來識別,但是有些復(fù)雜的形態(tài)結(jié)構(gòu)的單詞,在實際中,需要將其分為兩個標(biāo)示符(token)來看待,因為黏著語的構(gòu)詞法是通過對詞根綴加不同后綴而形成,不同的后綴有一定的語義和語法功能,所以這將會有利于語法分析、文本對齊、機(jī)器翻譯等任務(wù)的進(jìn)行。

    針對哈薩克語的句子、單詞及語素邊界劃分問題,本文提出了基于深度學(xué)習(xí)方法的邊界劃分模型。并將句子、單詞及語素邊界劃分任務(wù)作為一種序列標(biāo)注任務(wù)一次完成[2]。本文中實現(xiàn)了基于字符的句子及語素邊界劃分模型(Character Neural Networks for Token and Sentence Segmentation, CNN-TSS),簡稱CNN-TSS模型。為有效評估CNN-TSS模型的性能,本文首先對哈薩克的句子,語素邊界劃分任務(wù)進(jìn)行了測試,而且在其他語言上與已有的工作進(jìn)行了系統(tǒng)的比較。

    1 相關(guān)工作

    通常,句子、單詞及語素邊界劃分任務(wù)作為獨(dú)立不同的任務(wù)來完成,但為了進(jìn)一步提高模型的準(zhǔn)確率,可以共享不同任務(wù)的信息,即作為一種任務(wù)來解決。一般有兩種解決方法:第一種是基于規(guī)則的方法;另一種是基于機(jī)器學(xué)習(xí)的方法。前者[3-4]需要大量的人工編寫的正則表達(dá)式規(guī)則,通過匹配規(guī)則達(dá)到邊界劃分效果。但該類方法在性能,可擴(kuò)展性及適用性上都比較弱,對新領(lǐng)域語料需要重新設(shè)計和編寫規(guī)則。后者通常分為兩種:有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)方法的邊界檢測模型。文獻(xiàn)[2]提出了獨(dú)立于語言特征的基于無監(jiān)督學(xué)習(xí)方法的句子邊界識別模型- Punkt系統(tǒng)。該系統(tǒng)主要包含了兩個檢測階段,即縮寫檢測和標(biāo)示符分類階段。從實驗結(jié)果來看,Punkt 在分句任務(wù)上得到了比較理想的結(jié)果,超過了基于規(guī)則的方法。

    目前已有的基于有監(jiān)督學(xué)習(xí)方法的分句模型多數(shù)都使用了額外的特征集合,如在英文中使用單詞大小寫,縮寫詞列表等。模型主要采用了最大熵模型(Maximum Entropy Model)[7]和條件隨機(jī)場(Conditional Random Field, CRF)模型[8]。文獻(xiàn)[1]提出了基于CRF的句子及單詞邊界自動劃分模型Elephant系統(tǒng)。該模型將每個字符視為標(biāo)注單元,采用Unicode類別,Unicode編碼,神經(jīng)網(wǎng)絡(luò)模型隱含層特征以及這些特征組合作為特征,在英語、意大利語及荷蘭語上的分詞和分句語料上進(jìn)行了測試,并取得了比較好的結(jié)果。

    為避免傳統(tǒng)方法中所需要的特征工程,本文實現(xiàn)了基于深度學(xué)習(xí)方法的句子,單詞及語素邊界劃分模型(CNN-TSS),而且在該模型中,本文將句子,單詞及語素邊界劃分作為一種任務(wù)解決,并且在沒有采用額外的特征的情況下,將其與上述的Punk和Elephant系統(tǒng)進(jìn)行了比較。

    2 IOB序列標(biāo)注

    IOB標(biāo)注方案是NLP序列標(biāo)注任務(wù),如詞性標(biāo)注,命名實體識別等任務(wù)中常用的一種標(biāo)注方案。本文使用了IOB標(biāo)注方案來識別句子,詞語和語素的邊界。該方案包含了I、O、S、T標(biāo)簽,其中,S和T分別表示句子和token的開始邊界。將token內(nèi)部的字符標(biāo)注為I,token外部的字符標(biāo)注為O。這種標(biāo)注方案的有利之處在于,不僅可以劃分句子的開始和結(jié)束邊界,也可以將一個單詞根據(jù)所需要的需求劃分為幾個token。比如對英語單詞didn’t來說,可以將其劃分為兩個token: did 和 n’t。 Table 1 給出了相應(yīng)的IOB序列標(biāo)注的例子。 這里將句子中的每一個字符標(biāo)注為IOB標(biāo)簽的一個標(biāo)簽來區(qū)分句子和token的邊界。

    表1 IOB序列標(biāo)注舉例,每個字符對應(yīng)于一個標(biāo)簽

    3 基于字符的深度網(wǎng)絡(luò)模型

    在大多數(shù)NLP序列標(biāo)注任務(wù)中,基于詞的深度學(xué)習(xí)模型已經(jīng)得到了廣泛的使用[5]。 但本文對句子、單詞及語素邊界劃分任務(wù)引入基于字符的深度學(xué)習(xí)模型,稱其為CNN-TSS模型。該模型主要由基于窗口的字符映射層非線性層和輸出層組成。

    3.1 基于窗口的字符映射層

    定義C為從訓(xùn)練集中收集的字符集合。其中每個字符xi∈C可以表示為一個d維向量Mxi∈R1×d。將C中的所有字符的向量存入字符嵌入矩陣中M∈Rd×|C|,其中|C|為字符集大小。每個字符xi∈C都有一個索引系數(shù)ki,該系數(shù)為字符xi的向量在字符嵌入矩陣中的位置。對輸入的字符,輸入層能將相應(yīng)字符的向量提取出來表示為LTM(·)

    LTM(ki)=Mxi

    (1)

    本文中采用了滑動窗口方法,定義w為窗口大小,則對w大小窗口的字符,輸入層中得到的向量可以表示為

    (2)

    3.2 非線性層

    非線性層是將前一層的輸出作為輸入,經(jīng)過線性層的映射,并使用激活函數(shù)從原始的向量特征上進(jìn)一步提取高維非線性特征的過程,其計算過程可以表示為

    (3)

    其中,σ為Tanh激活函數(shù);W1為模型參數(shù);b1為bias項;h為隱含層的輸出。

    3.3 輸出層

    模型的輸出層將隱含層的輸出作為輸入,對當(dāng)前窗口的中心字符計算出相應(yīng)標(biāo)簽的概率,其可以表示為

    Y(x,T,θ)=softmax(W2h+b2)

    (4)

    4 實驗結(jié)果及分析

    為測試CNN-TSS模型的性能,本文安排了兩組實驗:(1)分析不同超參數(shù)對模型性能的影響;(2)進(jìn)行最終測試并與已有工作進(jìn)行比較。實驗中使用了精確率(Accuracy)作為評估模型的性能的指標(biāo)。

    4.1 實驗數(shù)據(jù)

    本文對不同語言進(jìn)行了測試。對哈薩克語,本文人工標(biāo)注了新聞?wù)Z料,并將其作為訓(xùn)練和測試數(shù)據(jù)。此外,為了與已有系統(tǒng)進(jìn)行比較,本文對英語和意大利語,分別使用了GMB[6]和PAISà[7]數(shù)據(jù)集,該數(shù)據(jù)與已有工作[1-2]所使用的數(shù)據(jù)完全一致,其數(shù)據(jù)為:訓(xùn)練集,驗證集和測試集。驗證集是用于模型和超參數(shù)的選擇。表2給出了不同語言語料統(tǒng)計數(shù)據(jù)。

    表2 IOB序列標(biāo)注例子

    4.2 超參數(shù)選擇實驗

    CNN-TSS模型主要的超參數(shù)包括:學(xué)習(xí)速率,隱含層單元數(shù)量,模型窗口大小和字符向量大小。根據(jù)文獻(xiàn)[12]實驗結(jié)果表明,在深度學(xué)習(xí)模型中學(xué)習(xí)速率是比較敏感的超參數(shù),可以將其他參數(shù)設(shè)置為較小值來調(diào)整模型的學(xué)習(xí)速率,會減少大部分調(diào)參數(shù)時間。對CNN-TSS模型,本文測試了不同的學(xué)習(xí)速率(1~0.000 1)。 表3給出了不同學(xué)習(xí)速率對模型性能的影響,并分別標(biāo)簽S,T及S+T+I計算了精確率,該實驗中使用了哈薩克語語料。 其中,Dev和Test分別為驗證集和測試集上的精確率。

    表3 不同學(xué)習(xí)速率對模型性能的影響 /%

    從表3中可以看出,當(dāng)學(xué)習(xí)速率設(shè)為0.01時,模型的性能最高,小于或大于該值都會影響模型的性能。標(biāo)簽S的準(zhǔn)確率比較低,其原因是其他超參數(shù)的值比較小的緣故。

    表4給出了選擇不同窗口大小對模型性能的影響,將學(xué)習(xí)速率固定為0.01,對3,5,7,9,11不同大小窗口進(jìn)行了測試。

    表4 不同窗口大小對模型性能的影響 /%

    從表4中可以看出,模型的性能隨著窗口大小的不斷增大。對句子邊界S標(biāo)簽,當(dāng)取5為窗口大小時,其模型性能提升了60.05%,該結(jié)果表明,3個字符的信息量,不足以判斷句子的邊界,導(dǎo)致性能偏低。當(dāng)窗口大小為9時,模型的性能相對較高。但當(dāng)將窗口大小設(shè)為11時,標(biāo)簽S在測試集上的性能降低,結(jié)果表明,在句子邊界劃分上過大的窗口會將“噪聲信息”也會包含進(jìn)來導(dǎo)致錯誤。

    表5 不同字符向量大小對模型性能的影響 /%

    表5給出了不同大小的字符嵌入向量對模型性能的影響,本文對(5~50)之間的向量大小進(jìn)行了測試??梢钥闯觯?dāng)將每個字符用10維的向量表示時,模型在測試集上的性能相對比較高。當(dāng)增大字符嵌入向量大小后,沒有帶來明顯的性能提升。

    表6給出了不同大小的隱含層單元數(shù)量對模型性能的影響??梢钥闯?,取50為隱含層單元數(shù)量時,在綜合考慮S,T和S+T+I標(biāo)簽時性能相對較好。取太大的隱含層數(shù)量并沒有對模型識別性能帶來太大提升,并增加模型計算時間。

    表6 隱含層單元數(shù)量對模型性能的影響 /%

    通過上述實驗結(jié)果,本文對CNN-TSS模型最終超參數(shù)進(jìn)行了選擇,如表7所示,并將其用于后續(xù)的實驗中。

    表7 CNN-TSS模型的超參數(shù)

    4.3 實驗結(jié)果

    在選擇超參數(shù)后,本文在哈薩克語語料上,訓(xùn)練了CNN-TSS模型,并進(jìn)行了最終測試,其結(jié)果如表8所示。

    表8 CNN-TSS模型對哈薩克語的測試結(jié)果 /%

    此外,為進(jìn)一步驗證CNN-TSS模型的性能,本文將其與已有的Punkt 和 Elephant系統(tǒng)進(jìn)行了比較,如表9所示。實驗結(jié)果表明,CNN-TSS模型均在英語和意大利語上,性能超過了已有的系統(tǒng),而且該系統(tǒng)中使用了多種額外的特征集合。但CNN-TSS中只采用了上下文特征,實驗結(jié)果表明本文提出的CNN-TSS模型對句子,單詞及語素邊界劃分任務(wù)有較好的建模能力。

    表9 CNN-TSS模型與其他系統(tǒng)的比較結(jié)果 /%

    5 結(jié)束語

    本文對哈薩克語的句子,單詞及語素邊界劃分問題提出了基于深度學(xué)習(xí)方法的邊界劃分模型,稱其為CNN-TSS模型。為了分析CNN-TSS模型性能,本文對超參數(shù)進(jìn)行了選擇,分析了不同超參數(shù)對模型性能的影響,實驗結(jié)果表明,CNN-TSS模型在哈薩克語的句子、單詞及語素邊界劃分任務(wù)上精確率達(dá)99.90%。

    為進(jìn)一步驗證CNN-TSS模型的性能,本文與已有的模型在英語和意大利語上進(jìn)行了比較。實驗結(jié)果表明,CNN-TSS模型在沒有使用額外任何特征的情況下,其性能均超過了傳統(tǒng)模型,取得了較理想的結(jié)果。

    [1] Evang K,Basile V,Chrupaxa G,et al.Elephant:sequence labeling for word and sentence segmentation[C].Washington,USA:In Proceedings of the Conference on Empirical Methods in Natural Language Processing,2013.

    [2] Kiss T, Strunk J. Unsupervised multilingual sentence boundary detection[J]. Computational Linguistics, 2006, 32(4): 485-525.

    [3] Jurafsky D, Martin J H. Speech and language processing: an introduction to natural language processing, computational linguistics, and speech recognition[M]. Speech and Language Processing : Prentice Hall, 2000.

    [4] Read J, Dridan R, Oepen S, et al. Sentence boundary detection: A long solved problem?[C].International Conference on Computational Linguistics,2012.

    [5] Collobert R, Weston J, Bottou L, et al. Natural language processing (Almost) from scratch[J]. Journal of Machine Learning Research, 2011, 12(1):2493-2537.

    [6] Dridan R, Oepen S. Tokenization: returning to a long solved problem a survey, contrastive experiment, recommendations, and toolkit[C].India:Meeting of the Association for Computational Linguistics: Short Papers,2012.

    [7] Reynar J C, Ratnaparkhi A. a maximum entropy approach to identifying sentence boundaries[C].Washington,DC,USA:In Proceedings of the Fifth Conference on Applied Natural Language Processing,Association for Computational Linguistics,1997.

    [8] Lafferty J D, Mccallum A, Pereira F C N. Conditional random fields: probabilistic models for segmenting and labeling sequence data[C].CA,USA:In Proceeding of ICML,2001.

    [9] Fares M, Oepen S, Zhang Y. Machine learning for high-quality tokenization replicating variable tokenization schemes [M].Berlin Heidelberg:Springer-Verlag,2013.

    [10] Basile V,Bos J,Evang K,et al.Developing a large semantically annotated corpus[C].Istanbul,Turkey:In Proceedings of the Eight International Conference on Language Resources and Evaluation,2012.

    [11] Castagnoli S, Borghetti C, Brunello M. I testi del web: una proposta di classificazione sulla base del corpus PAISà[M].Russia:Formale Informale-Lavariazione Diregistro Nella Comunicazione Elettronica,2011.

    [12] Greff K, Srivastava R K, Koutnik J, et al. LSTM: a search space odyssey[J]. IEEE Transactions on Neural Networks & Learning Systems,2015(3):04069-04073.

    Deep Learning for Sentence and Token Boundaries Detection

    Toleu Galymzhan, WU Chunxue

    (School of Optical-Electronic and Computer Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China)

    Sentence and token boundaries detection is one of the important tasks in natural language processing. In order to avoid task-specific feature engineering, we have proposed character-level based neural network model for token and sentence segmentation (CNN-TSS). In order to share the information from these tasks, we have treated them as a combined task. The experimental results show that CNN-TSS can achieve high-accuracy without using any external features.

    sentence boundaries detection;token boundaries detection;agglutinative language;deep learning

    2016- 11- 15

    Tolegen Gulmira (1987-),女,碩士研究生。研究方向:自然語言處理。鄔春雪(1961-),男,教授。研究方向:計算機(jī)網(wǎng)絡(luò)應(yīng)用等。

    10.16180/j.cnki.issn1007-7820.2017.09.006

    TP391.1

    A

    1007-7820(2017)09-020-04

    猜你喜歡
    對模型語素字符
    尋找更強(qiáng)的字符映射管理器
    《最低入門等級音節(jié)、漢字、詞匯表》語素和語素義分析
    多義語素識別及教學(xué)探討
    ——針對對外漢語語素教學(xué)構(gòu)想
    長江叢刊(2020年30期)2020-11-19 09:48:13
    光源對模型貼圖的影響——3種人造光源在三維數(shù)字化采集中的應(yīng)用
    廣州文博(2020年0期)2020-06-09 05:15:44
    字符代表幾
    一種USB接口字符液晶控制器設(shè)計
    電子制作(2019年19期)2019-11-23 08:41:50
    語素的判定、分類及語法單位關(guān)系研究述評
    消失的殖民村莊和神秘字符
    因果復(fù)合詞
    蒙藥特潤舒都樂對模型小鼠脾臟NK細(xì)胞活性的影響
    黄色日韩在线| av免费在线看不卡| 亚洲av欧美aⅴ国产| 纵有疾风起免费观看全集完整版| 三级男女做爰猛烈吃奶摸视频| 欧美激情国产日韩精品一区| 三级经典国产精品| 国产熟女欧美一区二区| 三级男女做爰猛烈吃奶摸视频| 亚洲成人中文字幕在线播放| 欧美性猛交╳xxx乱大交人| 国产精品久久久久久精品电影小说 | 国产一区亚洲一区在线观看| 亚洲精品乱久久久久久| 亚洲精品aⅴ在线观看| 人妻系列 视频| 国产精品一二三区在线看| 国产v大片淫在线免费观看| 免费看日本二区| 欧美xxxx性猛交bbbb| 国产精品一二三区在线看| 一本一本综合久久| 国产成人a∨麻豆精品| 大片电影免费在线观看免费| 精品午夜福利在线看| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 日本免费在线观看一区| 日韩欧美 国产精品| 1000部很黄的大片| 亚洲精品视频女| 婷婷色综合大香蕉| 国产成年人精品一区二区| 久久久久久国产a免费观看| 国产免费一区二区三区四区乱码| 中文在线观看免费www的网站| 久久久久久久久久久免费av| 日韩中字成人| 久久久久久久精品精品| 亚洲美女搞黄在线观看| h日本视频在线播放| 亚洲av二区三区四区| 永久免费av网站大全| 免费av毛片视频| 免费观看a级毛片全部| 少妇熟女欧美另类| 在线 av 中文字幕| 亚洲精品456在线播放app| 涩涩av久久男人的天堂| 国产乱人偷精品视频| 亚洲人成网站高清观看| 欧美高清性xxxxhd video| 亚洲国产精品国产精品| 男女那种视频在线观看| 欧美一级a爱片免费观看看| av专区在线播放| 中国美白少妇内射xxxbb| 久久鲁丝午夜福利片| 大陆偷拍与自拍| 日韩一本色道免费dvd| 日韩中字成人| 国产男人的电影天堂91| 有码 亚洲区| 精品少妇久久久久久888优播| 美女内射精品一级片tv| 狂野欧美激情性bbbbbb| 国产久久久一区二区三区| 天天一区二区日本电影三级| 草草在线视频免费看| 亚洲aⅴ乱码一区二区在线播放| 美女视频免费永久观看网站| 97超碰精品成人国产| 国产精品国产三级专区第一集| 欧美少妇被猛烈插入视频| 久久久久国产精品人妻一区二区| 高清视频免费观看一区二区| 日韩制服骚丝袜av| 中文乱码字字幕精品一区二区三区| 精品久久久噜噜| av在线蜜桃| 一边亲一边摸免费视频| 亚洲人与动物交配视频| 亚洲在久久综合| 3wmmmm亚洲av在线观看| 大香蕉97超碰在线| 午夜视频国产福利| 日本色播在线视频| 亚洲综合精品二区| 久热这里只有精品99| 91午夜精品亚洲一区二区三区| 成人特级av手机在线观看| 久久久久性生活片| 三级经典国产精品| 精品久久国产蜜桃| 亚洲国产成人一精品久久久| 亚洲成人av在线免费| 国产成人免费观看mmmm| 亚洲精品第二区| 日日摸夜夜添夜夜添av毛片| 国产一区二区三区av在线| 在线观看美女被高潮喷水网站| 男人狂女人下面高潮的视频| 99精国产麻豆久久婷婷| 国产一区二区亚洲精品在线观看| 久久久久久久大尺度免费视频| 伦理电影大哥的女人| 亚洲国产精品专区欧美| 少妇熟女欧美另类| 国产精品一区二区在线观看99| 国产成人91sexporn| 国内精品宾馆在线| 日韩成人伦理影院| 日日撸夜夜添| 国产精品99久久99久久久不卡 | 爱豆传媒免费全集在线观看| 少妇熟女欧美另类| 在线a可以看的网站| 亚州av有码| 国产淫片久久久久久久久| 少妇的逼水好多| 国产午夜精品久久久久久一区二区三区| 久久久久久久精品精品| av在线app专区| 国产午夜福利久久久久久| 麻豆国产97在线/欧美| 国产乱来视频区| 亚洲最大成人中文| 亚洲av福利一区| 国产精品99久久99久久久不卡 | 国产免费一区二区三区四区乱码| 国产午夜精品一二区理论片| 亚洲成人精品中文字幕电影| 久久午夜福利片| 一级爰片在线观看| 91午夜精品亚洲一区二区三区| 亚洲av一区综合| 亚洲最大成人手机在线| 一本一本综合久久| 欧美激情国产日韩精品一区| 久久久久久久久久成人| 麻豆久久精品国产亚洲av| 国产成人91sexporn| 国产成人免费无遮挡视频| 51国产日韩欧美| 最近最新中文字幕大全电影3| 网址你懂的国产日韩在线| 亚洲精品日韩在线中文字幕| av国产免费在线观看| 激情五月婷婷亚洲| 免费观看性生交大片5| 亚洲精品第二区| 成人美女网站在线观看视频| 大香蕉久久网| 黄片无遮挡物在线观看| 亚洲自偷自拍三级| 久久午夜福利片| 午夜精品国产一区二区电影 | 夜夜看夜夜爽夜夜摸| 免费播放大片免费观看视频在线观看| 搡老乐熟女国产| 在线 av 中文字幕| 美女高潮的动态| 精品久久久久久久人妻蜜臀av| 寂寞人妻少妇视频99o| 亚洲精品成人久久久久久| 国产亚洲最大av| 欧美丝袜亚洲另类| 网址你懂的国产日韩在线| 国产男人的电影天堂91| 亚洲人成网站在线播| 亚洲欧美一区二区三区黑人 | 最近最新中文字幕免费大全7| 在线免费十八禁| 在线精品无人区一区二区三 | 亚洲综合精品二区| 一个人看视频在线观看www免费| 国产精品久久久久久精品电影| 熟女人妻精品中文字幕| 黄色日韩在线| 免费大片18禁| 国产日韩欧美在线精品| 欧美日韩视频精品一区| 简卡轻食公司| 人人妻人人澡人人爽人人夜夜| 大码成人一级视频| 91精品国产九色| 国产有黄有色有爽视频| 啦啦啦中文免费视频观看日本| 国产日韩欧美亚洲二区| 亚洲精品视频女| 一个人观看的视频www高清免费观看| 亚洲三级黄色毛片| 26uuu在线亚洲综合色| 男人爽女人下面视频在线观看| 亚洲性久久影院| 菩萨蛮人人尽说江南好唐韦庄| 亚洲欧美中文字幕日韩二区| 在线a可以看的网站| 久久久久久久午夜电影| 国产大屁股一区二区在线视频| 男人舔奶头视频| 丝袜美腿在线中文| 精品一区二区三卡| av免费观看日本| 在线 av 中文字幕| 国产高清不卡午夜福利| 91久久精品国产一区二区三区| 中文字幕亚洲精品专区| 国内少妇人妻偷人精品xxx网站| 欧美zozozo另类| 精品一区二区三卡| 亚洲av男天堂| 在线免费观看不下载黄p国产| 久久久久久久久久久免费av| 青青草视频在线视频观看| 老女人水多毛片| 亚洲精品,欧美精品| 性色avwww在线观看| 国产成人午夜福利电影在线观看| 亚洲av福利一区| 晚上一个人看的免费电影| 欧美xxⅹ黑人| 18禁在线无遮挡免费观看视频| 成人午夜精彩视频在线观看| 爱豆传媒免费全集在线观看| 国产久久久一区二区三区| 午夜日本视频在线| 亚洲国产精品成人综合色| 熟妇人妻不卡中文字幕| 又爽又黄a免费视频| a级毛色黄片| 日韩视频在线欧美| 我的老师免费观看完整版| 少妇丰满av| 黄色怎么调成土黄色| 久久人人爽人人片av| 亚洲人成网站在线观看播放| 亚洲一区二区三区欧美精品 | 亚洲国产精品国产精品| 最近中文字幕2019免费版| www.色视频.com| 99久久精品国产国产毛片| 国产日韩欧美在线精品| 亚洲av欧美aⅴ国产| 男女边吃奶边做爰视频| 99热6这里只有精品| 欧美人与善性xxx| 又大又黄又爽视频免费| 亚洲成人一二三区av| 国产成人精品久久久久久| 69人妻影院| 免费人成在线观看视频色| 又大又黄又爽视频免费| 久热久热在线精品观看| 汤姆久久久久久久影院中文字幕| 熟女人妻精品中文字幕| 人妻夜夜爽99麻豆av| 日日摸夜夜添夜夜爱| 成人午夜精彩视频在线观看| 国产国拍精品亚洲av在线观看| 高清毛片免费看| av在线观看视频网站免费| 一本久久精品| 国产黄片美女视频| 少妇裸体淫交视频免费看高清| 欧美潮喷喷水| 日韩三级伦理在线观看| 国产乱人偷精品视频| 日本与韩国留学比较| 男人和女人高潮做爰伦理| 国产黄片美女视频| 国产免费视频播放在线视频| 亚洲在久久综合| 国产一区二区亚洲精品在线观看| 大又大粗又爽又黄少妇毛片口| 在线观看一区二区三区| 国产69精品久久久久777片| 永久免费av网站大全| 成人无遮挡网站| 特级一级黄色大片| 在线观看国产h片| 久久精品熟女亚洲av麻豆精品| 一区二区av电影网| 久久99热6这里只有精品| 高清午夜精品一区二区三区| 久久午夜福利片| 日本熟妇午夜| 国产一区二区亚洲精品在线观看| 99热这里只有是精品50| 一级毛片 在线播放| 中文字幕亚洲精品专区| 只有这里有精品99| 国产视频内射| 欧美精品一区二区大全| 色婷婷久久久亚洲欧美| 身体一侧抽搐| 在线 av 中文字幕| 我的老师免费观看完整版| 能在线免费看毛片的网站| 看免费成人av毛片| 国产黄片视频在线免费观看| 欧美+日韩+精品| 色哟哟·www| 又黄又爽又刺激的免费视频.| 26uuu在线亚洲综合色| 啦啦啦啦在线视频资源| 黄片无遮挡物在线观看| 欧美3d第一页| 91午夜精品亚洲一区二区三区| 亚洲av免费高清在线观看| 大陆偷拍与自拍| 午夜福利视频精品| 少妇高潮的动态图| 啦啦啦中文免费视频观看日本| 日韩成人伦理影院| 18禁在线播放成人免费| 亚洲性久久影院| 国产亚洲最大av| 成人高潮视频无遮挡免费网站| 亚洲一级一片aⅴ在线观看| 国产爽快片一区二区三区| 街头女战士在线观看网站| 51国产日韩欧美| 欧美精品一区二区大全| 国产精品99久久99久久久不卡 | 国产亚洲一区二区精品| 自拍偷自拍亚洲精品老妇| 乱系列少妇在线播放| 欧美三级亚洲精品| 大香蕉97超碰在线| 人妻夜夜爽99麻豆av| 春色校园在线视频观看| 寂寞人妻少妇视频99o| 婷婷色综合www| 国产老妇女一区| 国产成人免费无遮挡视频| 国产成人freesex在线| 一级毛片久久久久久久久女| 一个人看视频在线观看www免费| 18禁在线播放成人免费| 欧美激情国产日韩精品一区| 免费观看性生交大片5| 欧美激情国产日韩精品一区| 91在线精品国自产拍蜜月| 尾随美女入室| 偷拍熟女少妇极品色| 欧美老熟妇乱子伦牲交| 一级毛片久久久久久久久女| 亚洲欧美日韩东京热| 日本av手机在线免费观看| 国产成人一区二区在线| 啦啦啦中文免费视频观看日本| 一个人看视频在线观看www免费| 超碰av人人做人人爽久久| 中国美白少妇内射xxxbb| 舔av片在线| 国产精品不卡视频一区二区| 国产综合精华液| 中文资源天堂在线| 色视频在线一区二区三区| 久久久久久久久久成人| 欧美激情在线99| 日本熟妇午夜| av卡一久久| 看十八女毛片水多多多| 精品久久久久久久末码| 熟女电影av网| 中文乱码字字幕精品一区二区三区| 国产精品一区二区性色av| 热99国产精品久久久久久7| 国产av码专区亚洲av| 精品久久久精品久久久| 大话2 男鬼变身卡| 亚洲欧美一区二区三区国产| 只有这里有精品99| 欧美 日韩 精品 国产| 久久国产乱子免费精品| 中文字幕免费在线视频6| 少妇丰满av| 亚洲不卡免费看| 亚洲美女视频黄频| 国产乱人偷精品视频| 高清日韩中文字幕在线| 男人添女人高潮全过程视频| 国产亚洲午夜精品一区二区久久 | 一区二区三区四区激情视频| 色综合色国产| 欧美日韩国产mv在线观看视频 | 亚洲自偷自拍三级| 国产伦精品一区二区三区四那| 久久久精品94久久精品| 97超碰精品成人国产| 美女xxoo啪啪120秒动态图| 欧美人与善性xxx| 免费观看性生交大片5| 99久久九九国产精品国产免费| 一个人观看的视频www高清免费观看| 国产黄片美女视频| 高清欧美精品videossex| 日本黄大片高清| 亚洲精品日本国产第一区| 边亲边吃奶的免费视频| 人妻系列 视频| 中文欧美无线码| 国产精品久久久久久久久免| 亚洲欧美成人综合另类久久久| 久久久久久久久久久丰满| 最近最新中文字幕免费大全7| 国产成人a区在线观看| 国产成人福利小说| 免费av观看视频| 久久人人爽av亚洲精品天堂 | 日韩不卡一区二区三区视频在线| av黄色大香蕉| 777米奇影视久久| 亚洲av中文字字幕乱码综合| 在线观看美女被高潮喷水网站| 久久鲁丝午夜福利片| 欧美成人a在线观看| 色网站视频免费| 免费观看的影片在线观看| 91久久精品电影网| 建设人人有责人人尽责人人享有的 | 免费av观看视频| 免费大片18禁| 十八禁网站网址无遮挡 | 在线观看国产h片| 国产探花极品一区二区| 欧美日韩国产mv在线观看视频 | 一边亲一边摸免费视频| 国产伦理片在线播放av一区| 亚洲,一卡二卡三卡| 亚洲经典国产精华液单| 大香蕉97超碰在线| 久久久午夜欧美精品| 久久精品久久久久久久性| 精华霜和精华液先用哪个| 丝瓜视频免费看黄片| 日韩大片免费观看网站| 久热这里只有精品99| 国产精品女同一区二区软件| 白带黄色成豆腐渣| 国内精品宾馆在线| 免费高清在线观看视频在线观看| 国产爽快片一区二区三区| 色吧在线观看| 少妇的逼水好多| 精品少妇久久久久久888优播| 久久女婷五月综合色啪小说 | 国产精品.久久久| 一级毛片我不卡| 国产免费福利视频在线观看| a级毛色黄片| 久久精品久久久久久噜噜老黄| 中文字幕人妻熟人妻熟丝袜美| 大码成人一级视频| 日日摸夜夜添夜夜添av毛片| 六月丁香七月| 国产女主播在线喷水免费视频网站| 久久久久国产精品人妻一区二区| 少妇被粗大猛烈的视频| 又黄又爽又刺激的免费视频.| 欧美国产精品一级二级三级 | 亚洲人成网站在线观看播放| 国产av国产精品国产| 国产av码专区亚洲av| 好男人在线观看高清免费视频| 亚洲av电影在线观看一区二区三区 | 草草在线视频免费看| 真实男女啪啪啪动态图| 成人特级av手机在线观看| 久久久久久久久久成人| 18禁裸乳无遮挡免费网站照片| 两个人的视频大全免费| 亚洲精品456在线播放app| 久久久久久久久大av| 成人一区二区视频在线观看| 久久综合国产亚洲精品| 色网站视频免费| 精品人妻熟女av久视频| eeuss影院久久| 又黄又爽又刺激的免费视频.| 91久久精品国产一区二区三区| 国产欧美亚洲国产| 热99国产精品久久久久久7| 久久99精品国语久久久| 国产久久久一区二区三区| 久久人人爽人人爽人人片va| 人妻一区二区av| 天天躁日日操中文字幕| 国产永久视频网站| 亚洲国产成人一精品久久久| 欧美精品国产亚洲| 特级一级黄色大片| 99久久精品国产国产毛片| 国产极品天堂在线| 亚洲美女搞黄在线观看| 国产精品三级大全| 九草在线视频观看| 亚洲国产色片| 黄片wwwwww| 亚洲在线观看片| 欧美一区二区亚洲| 日本免费在线观看一区| 国产亚洲一区二区精品| 成人国产av品久久久| 综合色av麻豆| 五月开心婷婷网| 麻豆成人午夜福利视频| 日韩中字成人| 一级毛片aaaaaa免费看小| 国产黄片视频在线免费观看| 寂寞人妻少妇视频99o| 欧美3d第一页| 国产成年人精品一区二区| 亚洲无线观看免费| 国产在视频线精品| 亚洲欧美精品专区久久| 男女那种视频在线观看| 成人漫画全彩无遮挡| 波野结衣二区三区在线| 免费黄色在线免费观看| 亚洲怡红院男人天堂| 欧美变态另类bdsm刘玥| 少妇猛男粗大的猛烈进出视频 | 免费看日本二区| 亚洲av免费在线观看| 97超碰精品成人国产| 欧美xxxx黑人xx丫x性爽| 久久久亚洲精品成人影院| 亚洲精品国产av蜜桃| 一边亲一边摸免费视频| 色综合色国产| 亚洲欧美一区二区三区国产| 国产精品av视频在线免费观看| 久久久精品免费免费高清| 一二三四中文在线观看免费高清| 国产女主播在线喷水免费视频网站| 国产精品蜜桃在线观看| 国产黄a三级三级三级人| 国产欧美亚洲国产| 乱系列少妇在线播放| 日韩不卡一区二区三区视频在线| 少妇的逼水好多| 久久午夜福利片| 亚洲精品久久久久久婷婷小说| av线在线观看网站| 91久久精品国产一区二区三区| av福利片在线观看| 青春草国产在线视频| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 日本午夜av视频| 日韩视频在线欧美| 亚洲aⅴ乱码一区二区在线播放| 中文天堂在线官网| 国产久久久一区二区三区| 91久久精品国产一区二区三区| 亚洲成人av在线免费| 久久99热6这里只有精品| 亚州av有码| 国产一区二区三区综合在线观看 | 亚洲丝袜综合中文字幕| 男男h啪啪无遮挡| 亚洲av国产av综合av卡| 中文字幕人妻熟人妻熟丝袜美| 久久综合国产亚洲精品| 国产精品一区二区性色av| 久久久久久久国产电影| 国产视频首页在线观看| 欧美日韩一区二区视频在线观看视频在线 | 久热这里只有精品99| 亚洲婷婷狠狠爱综合网| 国产精品偷伦视频观看了| 成人美女网站在线观看视频| 免费观看无遮挡的男女| 男女边摸边吃奶| 中文在线观看免费www的网站| 久久人人爽av亚洲精品天堂 | 久久久久久国产a免费观看| 国产男女超爽视频在线观看| 久久久久性生活片| av又黄又爽大尺度在线免费看| 黄色一级大片看看| 亚洲精品成人av观看孕妇| 日日撸夜夜添| 日本熟妇午夜| 狂野欧美白嫩少妇大欣赏| av免费在线看不卡| 久久鲁丝午夜福利片| 51国产日韩欧美| 最近最新中文字幕免费大全7| 国产成人freesex在线| 日韩 亚洲 欧美在线| 久久久成人免费电影| 欧美激情国产日韩精品一区| 国产 精品1| 精品一区二区免费观看| 伦精品一区二区三区| 丝袜脚勾引网站| 亚洲国产精品专区欧美| 国产探花极品一区二区| 亚洲人与动物交配视频| 亚洲精品乱久久久久久| 伦理电影大哥的女人| 99热这里只有是精品在线观看| 国产成人精品婷婷| 亚洲av二区三区四区| 免费看av在线观看网站| 男女边吃奶边做爰视频| 全区人妻精品视频| 欧美极品一区二区三区四区| 搡老乐熟女国产| 两个人的视频大全免费| 又爽又黄a免费视频| 91在线精品国自产拍蜜月| 神马国产精品三级电影在线观看|