• <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
    久久久久国产精品人妻aⅴ院| 叶爱在线成人免费视频播放| 国产精品98久久久久久宅男小说| 级片在线观看| 国产麻豆69| 搡老岳熟女国产| 久久精品91蜜桃| 曰老女人黄片| 757午夜福利合集在线观看| 精品国产国语对白av| 日韩欧美在线二视频| 三级毛片av免费| 亚洲第一青青草原| 精品电影一区二区在线| 男女午夜视频在线观看| 日韩欧美一区视频在线观看| 亚洲全国av大片| 色哟哟哟哟哟哟| 亚洲一区二区三区色噜噜 | 日韩欧美在线二视频| 91老司机精品| 亚洲av片天天在线观看| 9191精品国产免费久久| 亚洲一区二区三区不卡视频| 99久久99久久久精品蜜桃| 好看av亚洲va欧美ⅴa在| 亚洲午夜理论影院| 好看av亚洲va欧美ⅴa在| 国产成+人综合+亚洲专区| 亚洲午夜精品一区,二区,三区| 久久精品亚洲熟妇少妇任你| av免费在线观看网站| 亚洲成人久久性| 国产精品影院久久| 另类亚洲欧美激情| 国产不卡一卡二| 日韩成人在线观看一区二区三区| 亚洲国产精品999在线| 精品久久久久久,| 国产精品久久久av美女十八| 国产91精品成人一区二区三区| 午夜福利一区二区在线看| 国产免费av片在线观看野外av| 精品国产一区二区三区四区第35| 乱人伦中国视频| 日本黄色视频三级网站网址| 黑人巨大精品欧美一区二区mp4| 精品少妇一区二区三区视频日本电影| 日日摸夜夜添夜夜添小说| 90打野战视频偷拍视频| 91在线观看av| 欧美人与性动交α欧美软件| 老熟妇仑乱视频hdxx| 久热这里只有精品99| 黄色视频不卡| 99精品欧美一区二区三区四区| 午夜福利在线免费观看网站| 99国产综合亚洲精品| 国产成人精品无人区| 成年人黄色毛片网站| 女人精品久久久久毛片| 亚洲精品国产色婷婷电影| 久久 成人 亚洲| 色婷婷久久久亚洲欧美| 精品一区二区三区视频在线观看免费 | av欧美777| 长腿黑丝高跟| 在线看a的网站| 一边摸一边抽搐一进一小说| 美女大奶头视频| 亚洲精品av麻豆狂野| 国产成人av激情在线播放| 日韩欧美在线二视频| 怎么达到女性高潮| 欧美最黄视频在线播放免费 | 日本三级黄在线观看| 黄色片一级片一级黄色片| 午夜老司机福利片| 亚洲第一欧美日韩一区二区三区| 两人在一起打扑克的视频| 一级作爱视频免费观看| 男人操女人黄网站| 亚洲人成伊人成综合网2020| 国产单亲对白刺激| 国产片内射在线| 国产精品偷伦视频观看了| 亚洲激情在线av| 亚洲男人天堂网一区| 黄色女人牲交| 另类亚洲欧美激情| 国产主播在线观看一区二区| 亚洲视频免费观看视频| 免费av毛片视频| 天天影视国产精品| 亚洲五月色婷婷综合| 国产精品久久久久成人av| 看片在线看免费视频| 不卡av一区二区三区| 免费在线观看视频国产中文字幕亚洲| 精品一区二区三区av网在线观看| 大香蕉久久成人网| 欧美在线一区亚洲| 在线看a的网站| 国产蜜桃级精品一区二区三区| 新久久久久国产一级毛片| 亚洲午夜精品一区,二区,三区| 国产精品乱码一区二三区的特点 | 多毛熟女@视频| 91麻豆av在线| 欧美另类亚洲清纯唯美| 午夜成年电影在线免费观看| 国产av一区在线观看免费| 天堂影院成人在线观看| 欧美久久黑人一区二区| 精品第一国产精品| 亚洲欧美日韩高清在线视频| 人人澡人人妻人| 脱女人内裤的视频| 啦啦啦在线免费观看视频4| 精品国产国语对白av| 欧美性长视频在线观看| 亚洲欧美日韩另类电影网站| 中文亚洲av片在线观看爽| 国产视频一区二区在线看| 变态另类成人亚洲欧美熟女 | 日韩国内少妇激情av| 老司机亚洲免费影院| 中文字幕精品免费在线观看视频| 91在线观看av| 午夜91福利影院| 免费在线观看视频国产中文字幕亚洲| 国产精品1区2区在线观看.| 午夜两性在线视频| 久久久久久免费高清国产稀缺| 成人国产一区最新在线观看| 美女大奶头视频| 天堂动漫精品| 90打野战视频偷拍视频| 性色av乱码一区二区三区2| 青草久久国产| 久久香蕉激情| 一进一出抽搐动态| 婷婷丁香在线五月| 热99re8久久精品国产| e午夜精品久久久久久久| 在线av久久热| 中文字幕最新亚洲高清| 亚洲 欧美一区二区三区| 亚洲精品av麻豆狂野| 一级毛片高清免费大全| 亚洲专区字幕在线| 午夜福利影视在线免费观看| 欧美日韩精品网址| 一二三四在线观看免费中文在| 国产精品亚洲一级av第二区| 超碰97精品在线观看| 纯流量卡能插随身wifi吗| 国产亚洲精品第一综合不卡| 亚洲国产精品sss在线观看 | 亚洲av成人av| av有码第一页| 99国产综合亚洲精品| 桃红色精品国产亚洲av| 亚洲第一欧美日韩一区二区三区| 99久久综合精品五月天人人| 欧美在线一区亚洲| 久久精品亚洲av国产电影网| 成人亚洲精品av一区二区 | 日韩欧美一区视频在线观看| 日韩三级视频一区二区三区| 一夜夜www| 免费看十八禁软件| 精品无人区乱码1区二区| 国产av一区在线观看免费| 欧美最黄视频在线播放免费 | 午夜精品国产一区二区电影| 久久久水蜜桃国产精品网| 亚洲五月婷婷丁香| 国产高清videossex| 国产精品免费视频内射| 亚洲激情在线av| 国产成人影院久久av| 操美女的视频在线观看| netflix在线观看网站| 国产精品1区2区在线观看.| 麻豆成人av在线观看| 黑人巨大精品欧美一区二区蜜桃| 久久香蕉国产精品| 波多野结衣一区麻豆| 制服人妻中文乱码| www日本在线高清视频| 国产亚洲精品第一综合不卡| 久久香蕉国产精品| 男人操女人黄网站| av网站在线播放免费| 欧美人与性动交α欧美软件| 新久久久久国产一级毛片| 亚洲精品美女久久久久99蜜臀| 桃红色精品国产亚洲av| www.精华液| 美女国产高潮福利片在线看| 村上凉子中文字幕在线| 精品久久久久久久毛片微露脸| 极品人妻少妇av视频| 午夜日韩欧美国产| 午夜两性在线视频| 日本欧美视频一区| 亚洲av电影在线进入| 69精品国产乱码久久久| 精品一区二区三区四区五区乱码| 国产在线精品亚洲第一网站| 亚洲专区国产一区二区| 一边摸一边做爽爽视频免费| 欧美午夜高清在线| 69av精品久久久久久| 在线观看免费午夜福利视频| 久久人妻av系列| 在线观看www视频免费| 久久天堂一区二区三区四区| 大型av网站在线播放| 亚洲欧洲精品一区二区精品久久久| 亚洲av五月六月丁香网| 波多野结衣高清无吗| 久久亚洲精品不卡| 成人亚洲精品一区在线观看| 久久久久九九精品影院| 国产激情久久老熟女| 亚洲一区二区三区不卡视频| 丝袜在线中文字幕| 丰满的人妻完整版| 日韩欧美免费精品| bbb黄色大片| 91精品国产国语对白视频| 久久久久久免费高清国产稀缺| 精品少妇一区二区三区视频日本电影| 中文字幕高清在线视频| 无人区码免费观看不卡| 男女高潮啪啪啪动态图| 亚洲av成人一区二区三| 97碰自拍视频| 欧美日本中文国产一区发布| 18美女黄网站色大片免费观看| 久久久国产一区二区| 精品卡一卡二卡四卡免费| 999久久久国产精品视频| 一二三四社区在线视频社区8| 99国产精品一区二区蜜桃av| 国产欧美日韩一区二区精品| 精品一区二区三区av网在线观看| 欧美日韩瑟瑟在线播放| 国产野战对白在线观看| 成在线人永久免费视频| 99久久国产精品久久久| 国产主播在线观看一区二区| 成人免费观看视频高清| 亚洲五月婷婷丁香| svipshipincom国产片| 欧美人与性动交α欧美软件| 人人妻,人人澡人人爽秒播| 女生性感内裤真人,穿戴方法视频| 亚洲色图 男人天堂 中文字幕| 日韩欧美在线二视频| 欧美性长视频在线观看| 男女午夜视频在线观看| 国产av精品麻豆| 亚洲成a人片在线一区二区| 精品国产国语对白av| 999久久久国产精品视频| 天堂√8在线中文| 青草久久国产| 国产高清国产精品国产三级| 亚洲精品在线美女| 长腿黑丝高跟| 久9热在线精品视频| 亚洲色图综合在线观看| 黄网站色视频无遮挡免费观看| av在线播放免费不卡| 亚洲精华国产精华精| 国内久久婷婷六月综合欲色啪| 日韩国内少妇激情av| 亚洲国产精品sss在线观看 | 亚洲人成77777在线视频| e午夜精品久久久久久久| 亚洲一区中文字幕在线| 亚洲av成人不卡在线观看播放网| 看片在线看免费视频| 不卡一级毛片| 80岁老熟妇乱子伦牲交| 久久亚洲精品不卡| 久9热在线精品视频| 日韩国内少妇激情av| 亚洲视频免费观看视频| 午夜影院日韩av| 十八禁网站免费在线| 亚洲第一欧美日韩一区二区三区| 欧美精品啪啪一区二区三区| 亚洲成人免费av在线播放| 51午夜福利影视在线观看| 亚洲免费av在线视频| 一本综合久久免费| 99re在线观看精品视频| 最近最新免费中文字幕在线| 女人被狂操c到高潮| 欧美精品啪啪一区二区三区| 亚洲av成人av| 国产国语露脸激情在线看| 丁香六月欧美| 精品一区二区三区视频在线观看免费 | 国产视频一区二区在线看| 国产精品成人在线| 色综合欧美亚洲国产小说| 成人永久免费在线观看视频| 亚洲精品久久成人aⅴ小说| 一级片免费观看大全| 人人澡人人妻人| 欧美在线黄色| 这个男人来自地球电影免费观看| 制服人妻中文乱码| 欧美日韩黄片免| 久久久久久人人人人人| 在线观看免费视频日本深夜| 日韩欧美三级三区| 交换朋友夫妻互换小说| 亚洲成人国产一区在线观看| а√天堂www在线а√下载| 国产成人av激情在线播放| 亚洲伊人色综图| 黑丝袜美女国产一区| 高清在线国产一区| 激情视频va一区二区三区| 亚洲熟妇中文字幕五十中出 | xxx96com| 国产亚洲精品久久久久久毛片| 国产一区二区激情短视频| 亚洲欧美精品综合久久99| 757午夜福利合集在线观看| 在线观看一区二区三区| a级毛片在线看网站| 91大片在线观看| 久久香蕉精品热| 1024香蕉在线观看| 性少妇av在线| 久久久久久久久中文| 涩涩av久久男人的天堂| 久久99一区二区三区| 精品一区二区三区av网在线观看| 黑人巨大精品欧美一区二区蜜桃| 午夜亚洲福利在线播放| 日韩欧美在线二视频| 午夜视频精品福利| 母亲3免费完整高清在线观看| 国产在线精品亚洲第一网站| 亚洲成人久久性| 成人av一区二区三区在线看| 99国产精品一区二区蜜桃av| 久久青草综合色| 国产又爽黄色视频| 极品人妻少妇av视频| 少妇 在线观看| 久久久久久大精品| 首页视频小说图片口味搜索| 婷婷丁香在线五月| 制服人妻中文乱码| 精品久久久久久,| 久久人妻熟女aⅴ| 啦啦啦在线免费观看视频4| 久久狼人影院| 欧美日韩福利视频一区二区| 不卡av一区二区三区| 国产精品自产拍在线观看55亚洲| 一边摸一边抽搐一进一小说| 激情在线观看视频在线高清| 亚洲性夜色夜夜综合| 亚洲精品久久午夜乱码| 久久天堂一区二区三区四区| 欧美成人免费av一区二区三区| 999久久久精品免费观看国产| 午夜亚洲福利在线播放| 两个人看的免费小视频| 天天影视国产精品| 青草久久国产| 丝袜美足系列| 国产蜜桃级精品一区二区三区| 国产欧美日韩综合在线一区二区| 丰满饥渴人妻一区二区三| 在线看a的网站| 中文字幕av电影在线播放| 男女做爰动态图高潮gif福利片 | 天天躁狠狠躁夜夜躁狠狠躁| 如日韩欧美国产精品一区二区三区| 777久久人妻少妇嫩草av网站| 国产精品av久久久久免费| 日日夜夜操网爽| 黄色女人牲交| 欧美另类亚洲清纯唯美| 久久久国产欧美日韩av| 99久久国产精品久久久| 久久久久久免费高清国产稀缺| 男女下面插进去视频免费观看| 一级毛片高清免费大全| 日本精品一区二区三区蜜桃| 在线播放国产精品三级| 成人三级黄色视频| 亚洲人成伊人成综合网2020| 亚洲成人久久性| 亚洲人成电影观看| 女性被躁到高潮视频| 精品久久久久久久毛片微露脸| √禁漫天堂资源中文www| 动漫黄色视频在线观看| av有码第一页| 性欧美人与动物交配| 亚洲中文字幕日韩| 国产精品日韩av在线免费观看 | 国产成人av教育| 岛国在线观看网站| 99精品欧美一区二区三区四区| 日本撒尿小便嘘嘘汇集6| 亚洲精品一卡2卡三卡4卡5卡| 久久久水蜜桃国产精品网| 欧美另类亚洲清纯唯美| 91字幕亚洲| av网站免费在线观看视频| 免费观看精品视频网站| 国产野战对白在线观看| 国产成人影院久久av| 亚洲av片天天在线观看| 少妇被粗大的猛进出69影院| 黄色片一级片一级黄色片| 国产精品国产高清国产av| 十八禁网站免费在线| 狂野欧美激情性xxxx| 不卡一级毛片| 久久人妻熟女aⅴ| 可以在线观看毛片的网站| 啦啦啦免费观看视频1| av福利片在线| 午夜福利影视在线免费观看| 精品乱码久久久久久99久播| 婷婷丁香在线五月| 无遮挡黄片免费观看| 午夜精品久久久久久毛片777| 亚洲熟女毛片儿| 丝袜美腿诱惑在线| 9191精品国产免费久久| 久久精品国产清高在天天线| 亚洲一区高清亚洲精品| 国产99白浆流出| 老鸭窝网址在线观看| 真人做人爱边吃奶动态| 在线av久久热| 亚洲 欧美 日韩 在线 免费| 俄罗斯特黄特色一大片| 久久人人爽av亚洲精品天堂| 丁香欧美五月| 国产国语露脸激情在线看| 又紧又爽又黄一区二区| 丝袜美腿诱惑在线| 50天的宝宝边吃奶边哭怎么回事| 国产一区在线观看成人免费| 精品少妇一区二区三区视频日本电影| 19禁男女啪啪无遮挡网站| 国产精品久久电影中文字幕| 村上凉子中文字幕在线| 国产成人一区二区三区免费视频网站| 女人被躁到高潮嗷嗷叫费观| 国产成人影院久久av| 国产亚洲精品久久久久久毛片| 人成视频在线观看免费观看| 99国产精品一区二区三区| 叶爱在线成人免费视频播放| 美女福利国产在线| 欧美黄色片欧美黄色片| 两人在一起打扑克的视频| www.自偷自拍.com| 久99久视频精品免费| 身体一侧抽搐| 中国美女看黄片| 国产亚洲av高清不卡| 在线观看免费日韩欧美大片| 精品国产亚洲在线| 99riav亚洲国产免费| 亚洲三区欧美一区| 男人的好看免费观看在线视频 | 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| 日本黄色视频三级网站网址| 99riav亚洲国产免费| 亚洲精品成人av观看孕妇| 最近最新中文字幕大全免费视频| 色综合婷婷激情| 国产午夜精品久久久久久| xxxhd国产人妻xxx| 男女床上黄色一级片免费看| 91大片在线观看| 欧美午夜高清在线| 国产精品永久免费网站| 一区福利在线观看| 大码成人一级视频| 美女大奶头视频| 成年女人毛片免费观看观看9| 久久国产乱子伦精品免费另类| 老司机午夜十八禁免费视频| 99久久人妻综合| 如日韩欧美国产精品一区二区三区| 精品一区二区三区视频在线观看免费 | 中文字幕人妻丝袜一区二区| 成人18禁高潮啪啪吃奶动态图| 精品国产一区二区三区四区第35| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲国产看品久久| 亚洲欧美精品综合久久99| 日韩精品青青久久久久久| e午夜精品久久久久久久| 久久精品国产亚洲av香蕉五月| 亚洲色图综合在线观看| 高清黄色对白视频在线免费看| 欧美日韩黄片免| 欧美黄色淫秽网站| 精品乱码久久久久久99久播| 国产亚洲精品综合一区在线观看 | 999久久久精品免费观看国产| 操美女的视频在线观看| 另类亚洲欧美激情| 亚洲国产欧美网| av超薄肉色丝袜交足视频| 国产精品综合久久久久久久免费 | 免费av中文字幕在线| 国产欧美日韩精品亚洲av| 亚洲色图综合在线观看| av有码第一页| 看片在线看免费视频| 久久久国产精品麻豆| 可以在线观看毛片的网站| 久久香蕉国产精品| 久久青草综合色| 色综合站精品国产| 久久国产精品人妻蜜桃| 男女床上黄色一级片免费看| 9色porny在线观看| 黄片小视频在线播放| 国产人伦9x9x在线观看| 欧美激情 高清一区二区三区| 国产aⅴ精品一区二区三区波| 在线免费观看的www视频| xxx96com| 国产一区二区三区综合在线观看| 黄色毛片三级朝国网站| 国产av精品麻豆| 欧美不卡视频在线免费观看 | 欧美一级毛片孕妇| 午夜a级毛片| 久久久久精品国产欧美久久久| a级片在线免费高清观看视频| 欧美久久黑人一区二区| 日本黄色日本黄色录像| 久久国产亚洲av麻豆专区| 精品久久久久久久毛片微露脸| 欧美乱色亚洲激情| 欧美在线一区亚洲| 欧美成人午夜精品| 国产熟女午夜一区二区三区| 国产精品综合久久久久久久免费 | 日韩高清综合在线| 妹子高潮喷水视频| 日韩大码丰满熟妇| 狂野欧美激情性xxxx| 一级a爱片免费观看的视频| 国产成人啪精品午夜网站| 两个人免费观看高清视频| 久久午夜综合久久蜜桃| 日本精品一区二区三区蜜桃| 啦啦啦在线免费观看视频4| 五月开心婷婷网| 亚洲av成人一区二区三| 国产av精品麻豆| 两性午夜刺激爽爽歪歪视频在线观看 | 丰满饥渴人妻一区二区三| 真人一进一出gif抽搐免费| 亚洲 国产 在线| 久久久国产成人精品二区 | 成熟少妇高潮喷水视频| 日韩欧美一区二区三区在线观看| 国产人伦9x9x在线观看| 日本黄色日本黄色录像| 黑人操中国人逼视频| 亚洲一码二码三码区别大吗| 亚洲精品成人av观看孕妇| 欧美人与性动交α欧美精品济南到| 波多野结衣高清无吗| 可以免费在线观看a视频的电影网站| 国产主播在线观看一区二区| 久久人人爽av亚洲精品天堂| 视频区欧美日本亚洲| 国产成+人综合+亚洲专区| 久久久久九九精品影院| 巨乳人妻的诱惑在线观看| 91精品国产国语对白视频| 国产黄色免费在线视频| 久久人人精品亚洲av| 欧美最黄视频在线播放免费 | 午夜福利影视在线免费观看| 欧美色视频一区免费| 久久精品国产亚洲av香蕉五月| 好看av亚洲va欧美ⅴa在| 久久久国产成人免费| 国产免费av片在线观看野外av| 国产成+人综合+亚洲专区| av福利片在线| 1024香蕉在线观看| 欧美精品啪啪一区二区三区| 精品国产一区二区久久| 美女高潮喷水抽搐中文字幕| 亚洲色图av天堂| 日韩一卡2卡3卡4卡2021年|