• <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 ?

    基于卷積神經(jīng)網(wǎng)絡(luò)的職位描述文本分類方法

    2017-09-23 22:02:47陶宏曜梁棟屹
    軟件 2017年6期
    關(guān)鍵詞:正確率分類器文檔

    陶宏曜+梁棟屹

    引言

    隨著Internet的發(fā)展,網(wǎng)絡(luò)上的信息量增長(zhǎng)迅猛,互聯(lián)網(wǎng)信息提取技術(shù)應(yīng)運(yùn)而生。自動(dòng)分類是數(shù)據(jù)挖掘中一項(xiàng)關(guān)鍵的技術(shù),在許多領(lǐng)域得到了廣泛的應(yīng)用。為了實(shí)現(xiàn)快速對(duì)大量文本自動(dòng)分類,許多學(xué)者對(duì)這一問題做了大量的探索,在構(gòu)造分類器時(shí)使用的技術(shù)大體可分為兩類:機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。

    在機(jī)器學(xué)習(xí)領(lǐng)域中,有研究較為成熟的算法,如:樸素貝葉斯分類器,支持向量機(jī),信息熵,條件隨機(jī)場(chǎng)等。這些方法又可以分為三類:有監(jiān)督的機(jī)器學(xué)習(xí),半監(jiān)督的機(jī)器學(xué)習(xí)和無(wú)監(jiān)督的機(jī)器學(xué)習(xí)。其中李榮陸等人使用最大熵實(shí)現(xiàn)了對(duì)中文文本的分類。李婷婷等通過對(duì)文本數(shù)據(jù)構(gòu)建若干特征,再利用傳統(tǒng)的機(jī)器學(xué)習(xí)方法對(duì)文本進(jìn)行分類。李文波等人提出了一種附加類別標(biāo)簽的LDA算法,該模型很好的解決了基于傳統(tǒng)LDA分類算法時(shí)強(qiáng)制分配隱含主題的問題。解沖鋒等人利用分類文本中旬子內(nèi)部詞語(yǔ)的相關(guān)性和句子間的相關(guān)性提出了一種基于序列的文本自動(dòng)分類算法。

    現(xiàn)有許多分類器效果的好壞大都取決于所構(gòu)建特征的質(zhì)量和分類模型。為了得到更好的分類效果,國(guó)內(nèi)學(xué)者針對(duì)如何選取和生成特征,以及如何優(yōu)化模型參數(shù)等問題做了大量的研究。其中陸玉昌等人深入分析了向量空間模型(VSM)的本質(zhì),找出了其分類正確率低的原因,并提出了一種利用評(píng)估函數(shù)代替IDF函數(shù)的改進(jìn)方法。李榮陸等人提出了一種基于密度的KNN分類器訓(xùn)練樣本裁剪方法,克服了KNN方法中存在的計(jì)算量大,而且訓(xùn)練樣本的分布不均勻會(huì)造成分類準(zhǔn)確率的下降的問題。尚文倩等人分析了基于矢量空間模型(VSM)的大多數(shù)分類器的瓶頸,通過對(duì)基尼指數(shù)進(jìn)行文本特征選擇的研究,構(gòu)造了基于基尼指數(shù)的文本特征評(píng)估函數(shù),提出了一種新的基于基尼指數(shù)的文本特征選擇算法,進(jìn)一步提高分類性能。劉赫等人針對(duì)文本分類中的特征加權(quán)問題,提出了一種基于特征重要度的特征加權(quán)方法。明顯改善了樣本空間的分布狀態(tài),簡(jiǎn)化了從樣本到類別的映射關(guān)系。唐煥玲等人針對(duì)如何從高維的特征空間中選取對(duì)文本分類有效的特征的問題,提出了一種結(jié)合評(píng)估函數(shù)的TEF-WA權(quán)重調(diào)整技術(shù),不僅提高了分類精確度,還降低了算法的時(shí)間復(fù)雜度。

    近幾年來(lái),有關(guān)深度學(xué)習(xí)的理論研究與技術(shù)應(yīng)用吸引學(xué)術(shù)界和工業(yè)界的廣泛興趣。特別是圖像識(shí)別,語(yǔ)音識(shí)別等領(lǐng)域的成功應(yīng)用,越來(lái)越多的學(xué)者嘗試引入深度學(xué)習(xí)到自然語(yǔ)言的處理領(lǐng)域中來(lái)。梁軍等人利用自動(dòng)編碼技術(shù)和半監(jiān)督機(jī)器學(xué)習(xí),實(shí)現(xiàn)了對(duì)微博文本的情感分析,大量減少了人工標(biāo)注的工作量。陳翠平引入了深度學(xué)習(xí)的思想來(lái)完成文本分類任務(wù),使用深度信念網(wǎng)絡(luò)來(lái)完成提取文本特征的工作。Yoon等嘗試?yán)镁矸e神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來(lái)解決情感分析和問題分類等若干自然語(yǔ)言處理任務(wù),獲得了不錯(cuò)的效果。

    目前使用機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)的中文文本分類器已達(dá)到了不錯(cuò)的效果,但仍然存在對(duì)混淆類數(shù)據(jù)處理不佳,特征不稀疏等問題。針對(duì)此問題本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)結(jié)合新的TF-IDF算法和Word2vec工具的改良方法。本文在職位描述文本集上展開實(shí)驗(yàn),通過調(diào)整調(diào)整卷積核,池化層大小以及隱藏層層數(shù),分析新方法和傳統(tǒng)方法在不同訓(xùn)練參數(shù)情況下,對(duì)職業(yè)描述文本進(jìn)行自動(dòng)分類的性能。

    1基于卷積神經(jīng)網(wǎng)絡(luò)的文本分類模型

    卷積神經(jīng)網(wǎng)絡(luò)是前饋神經(jīng)網(wǎng)絡(luò)的一種,其特點(diǎn)有局部感受野、權(quán)值共享,可以極大地減少需要訓(xùn)練的參數(shù)個(gè)數(shù)?;诰矸e神經(jīng)網(wǎng)絡(luò)的文本分類器可以解決傳統(tǒng)文本分類器中人工選取特征難且不準(zhǔn)確的問題,其具體構(gòu)架如圖1所示:

    第一層為數(shù)據(jù)預(yù)處理層:該層首先對(duì)職位描述文本進(jìn)行分詞處理,然后根據(jù)每個(gè)詞的特性利用現(xiàn)有的算法提取每個(gè)詞的特征,以作為第二層的輸入層。

    第二層為卷積層:該層通過4xl的卷積核對(duì)輸入層的詞特征進(jìn)行組合過濾,再使用Relu神經(jīng)元激勵(lì)函數(shù)計(jì)算從而形成更抽象的特征模型。

    第三層為池化層:對(duì)上一層的詞特征的相鄰小區(qū)域進(jìn)行聚類統(tǒng)計(jì),得到新的特征。

    第四層為全連接層:在經(jīng)過卷積層和池化層的處理之后,我們可以認(rèn)為職位的描述信息已經(jīng)被抽象成了信息含量更高的特征,需要使用全連接層來(lái)完成分類任務(wù)。

    第五層為Softmax分類層:通過Softmax層,可以得到當(dāng)前職位描述屬于不同分類的概率分布情況。

    數(shù)據(jù)預(yù)處理是整個(gè)分類方法的第一步,預(yù)處理的好壞直接影響著分類的效果的好壞。接下來(lái)將具體探討職位描述文本詞特征的提取問題。

    2傳統(tǒng)TF-IDF算法

    TF-IDF(詞頻率一逆文檔頻率)是一種用于資訊檢索與資訊探勘的常用加權(quán)技術(shù)。它的主要方法是:關(guān)鍵詞在文檔中的權(quán)重為該關(guān)鍵詞在文檔中出現(xiàn)的頻數(shù)反比于包含該關(guān)鍵詞的文檔數(shù)目。TF表示關(guān)鍵詞w在該文檔中出現(xiàn)的頻率,IDF表示所有文

    通過TF-IDF能夠提取出一篇文檔的關(guān)鍵詞,其含義是如果詞w的在該文檔中出現(xiàn)的頻率高,在其他文檔中出現(xiàn)的頻率低,就代表詞w能夠很好的表示該文檔的特征。S

    TF-IDF將文檔的內(nèi)部信息與外部信息綜合起來(lái)考慮特征詞,能較為全面的反應(yīng)文檔的特性,但在IDF的設(shè)計(jì)中還存在缺陷,關(guān)鍵詞的權(quán)重反比于逆文檔頻率。在實(shí)際情況中,往往判斷一個(gè)文檔的關(guān)鍵詞權(quán)重并不總是反比于逆文檔頻率,特別是在短文本的關(guān)鍵詞抽取中使用TF-IDF算法的效果不是很好。

    假設(shè)總文檔數(shù)為10,以表1為例,‘工作和‘java關(guān)鍵詞在‘計(jì)算機(jī)類別和‘新聞傳媒類別中的逆文檔頻率分別為2,2和5,0。其中‘工作的IDF為log(10/4+0.01)=0.41,‘iava的IDF為log(10/5+0.01)=0.31。在c1類別的同一文檔中當(dāng)wl與w2具有相同的TF時(shí),TF×IDF x~>TF×IDFiava。TF-IDF和TF-IDF的值表明,‘工作比‘java根據(jù)代表力,但從關(guān)鍵詞‘工作和‘iava在‘計(jì)算機(jī)和‘新聞傳媒類別中的分布表明,‘java比‘工作具有更好的類別區(qū)分度。在短文本分類中如果單純使用TF-IDF作為文本特征的抽取方法,往往達(dá)不到分類的效果,導(dǎo)致這一問題的原因可歸結(jié)為兩點(diǎn):一是TF-IDF設(shè)計(jì)本身的缺陷;二是對(duì)文本表示的特征深度不夠。對(duì)此可使用Word2vec的Skip-gram進(jìn)一步提取文本特征來(lái)提高分類精確度。endprint

    3Word2vec Skip-gram模型

    Word2vec是Mikolov等所提出模型的一個(gè)實(shí)現(xiàn),可以用來(lái)快速有效地訓(xùn)練詞向量。Word2vec包含了兩種訓(xùn)練模型,而skip-gram模型是其中的一種。采用該模型的最大優(yōu)勢(shì)在于,能夠克服傳統(tǒng)詞向量訓(xùn)練模型中由于窗口大小的限制,導(dǎo)致超出窗口范圍的詞語(yǔ)與當(dāng)前詞之間的關(guān)系不能被正確地反映到模型之中的問題。Skip-gram模型的設(shè)計(jì)見圖2所示。Skip-gram模型的訓(xùn)練目標(biāo)就是使得下式的值最大。

    其中,c是窗口的大小,在Skip-gram模型中就是指n-Skip-gram中的n的大小,T是訓(xùn)練文本的大小。在Word2vec中,使用的是c-Skip-gram-bi-grams?;镜腟kip-gram模型計(jì)算條件概率公式如下:

    其中,Vw和V分別是詞w的輸入和輸出向量。

    使用Word2vec對(duì)中文文本生成的詞向量能夠從詞性,語(yǔ)法以及語(yǔ)義上表示一個(gè)詞的特性。相比于TF-IDF算法,詞向量所包含的信息量更為深入,所構(gòu)造出的分類器精確度有所提高,但仍存在對(duì)混淆類的數(shù)據(jù)噪點(diǎn)處理不佳的問題。

    4改進(jìn)的TF-IDF表示

    對(duì)于訓(xùn)練數(shù)據(jù)中存在像混淆類的噪點(diǎn)造成的文本分類不準(zhǔn)確的問題,我們可以在保持原有特征信息量不變的基礎(chǔ)上,可引入改進(jìn)的TF-IDF特征表示來(lái)緩解問題。

    對(duì)傳統(tǒng)TF-IDF的改進(jìn)工作主要有兩點(diǎn):一是對(duì)原算法的應(yīng)用擴(kuò)展,二是對(duì)函數(shù)的改造。傳統(tǒng)TF-IDF解決是多個(gè)文檔的特征提取,此處我們可以上升到對(duì)每個(gè)類別的關(guān)鍵詞特征提取,具體算法是:

    其中TF表示的是W在CJ類別中出現(xiàn)的頻率,d代表Wi詞在Cj類中出現(xiàn)的文檔數(shù),D代表q類的總文檔數(shù)。

    公式(7)構(gòu)造的是一個(gè)閾值函數(shù)。公式(8)展開需要用到公式(7),N代表總類別數(shù),WiCj含義具體可參照公式(6)的介紹。重新構(gòu)造的IDF求的是關(guān)鍵詞Wi在分類時(shí)出現(xiàn)概率的對(duì)數(shù)。此處使用的閾值函數(shù)主要是減少數(shù)據(jù)噪點(diǎn)對(duì)計(jì)算Wi詞的真實(shí)IDF的影響。在計(jì)算完每個(gè)詞在每一類中的TF-IDFmcj值后,可以運(yùn)用概率期望來(lái)表示每一個(gè)詞的TF-IDFwi權(quán)值,其具體計(jì)算方法詳見公式(9)和公式(10)。公式(10)中n是總詞數(shù),m是總類別數(shù)。

    利用改進(jìn)后的TF-IDF詞權(quán)重表示法結(jié)合Word2vec詞向量構(gòu)成的特征組再對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。實(shí)驗(yàn)結(jié)果表明這種方法,在緩解數(shù)據(jù)噪點(diǎn)對(duì)精確度的影響大的問題上是有效的。

    5實(shí)驗(yàn)分析

    5.1數(shù)據(jù)準(zhǔn)備及預(yù)處理

    本文實(shí)驗(yàn)采用從web上爬取的職位描述信息,共計(jì)四百萬(wàn)條信息。首先對(duì)職位描述文本進(jìn)行分詞以及去停詞。接著使用Word2vec和改進(jìn)前和改進(jìn)后的TF-IDF算法對(duì)職位描述文本進(jìn)行特征提取,并生成與之對(duì)應(yīng)的特征表。

    5.2測(cè)量標(biāo)準(zhǔn)

    本文實(shí)驗(yàn)選擇的測(cè)量標(biāo)準(zhǔn)有兩個(gè):一是最直接衡量分類效果的預(yù)測(cè)正確率,如公式(11)所示。另一個(gè)是經(jīng)過Softmax回歸之后的預(yù)測(cè)分類和正確分類之間的交叉熵,如公式(12)所示,其中p為正確概率,g為預(yù)測(cè)概率,x表示預(yù)測(cè)類別。

    5.3樣本數(shù)量

    訓(xùn)練樣本的大小是影響分類效果最直接的因素之一,它也是整個(gè)實(shí)驗(yàn)研究的基礎(chǔ)。在對(duì)樣本數(shù)量考察時(shí),需保證只有樣本數(shù)量這一變量。本次實(shí)驗(yàn)將樣本數(shù)量分為100000條,200000條和300000條,實(shí)驗(yàn)結(jié)果見圖3所示。結(jié)果表明當(dāng)加大訓(xùn)練數(shù)量,可以改善分類的正確率。通過實(shí)驗(yàn)還發(fā)現(xiàn)隨著訓(xùn)練樣本數(shù)量的線性增加,對(duì)正確率的影響并不是線性的,數(shù)量越大,對(duì)正確率的影響越小。

    5.4學(xué)習(xí)率的大小

    學(xué)習(xí)率的大小關(guān)系到神經(jīng)網(wǎng)絡(luò)的收斂速度。實(shí)驗(yàn)結(jié)果如圖4和圖5所示,可以觀測(cè)到當(dāng)學(xué)習(xí)率以5.0的速率訓(xùn)練時(shí),整個(gè)網(wǎng)絡(luò)會(huì)有很大的波動(dòng),且分類的結(jié)果也有比較大的誤差。當(dāng)學(xué)習(xí)率為0.008時(shí),整個(gè)網(wǎng)絡(luò)收斂相對(duì)穩(wěn)定,但是收斂的速度較慢。學(xué)習(xí)率太大會(huì)造成無(wú)法收斂,學(xué)習(xí)率偏小則收斂速度過慢,正確率也得不到很好的提升。通過多次實(shí)驗(yàn),我們發(fā)現(xiàn)當(dāng)學(xué)習(xí)率為0.07時(shí)效果最好,收斂相對(duì)較快,且預(yù)測(cè)的正確率高。

    5.5卷積核大小和全連接層數(shù)量

    卷積核大小即一次抓取局部多少個(gè)的詞的長(zhǎng)度。全連接的層數(shù)表示擬合參數(shù)的維度。在相同學(xué)習(xí)率和訓(xùn)練數(shù)據(jù),不同卷積核大小和全連接層節(jié)點(diǎn)數(shù)的情況下訓(xùn)練分類器,所得結(jié)果見表2所示。卷積核為4*1最為合適,如表2的第一行可知當(dāng)卷積核太小時(shí),整個(gè)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)不到特征間的聯(lián)系,正確率相對(duì)較差。見表2第6行所示,當(dāng)卷積核太大則會(huì)使學(xué)習(xí)的特征太過泛化,提升不了分類的正確率。經(jīng)表2第3,4,5行比較顯示,全連接層為2層最佳,當(dāng)層數(shù)太低無(wú)法學(xué)習(xí)到更深的規(guī)則,當(dāng)層數(shù)過大時(shí)對(duì)分類效果的影響不大,反而還加大了算法的時(shí)間復(fù)雜度。

    5.6不同分類算法和訓(xùn)練特征

    使用TF-IDF,Word2vec和改進(jìn)后的TF-IDF的中文詞特征提取法。對(duì)傳統(tǒng)kNN分類器與基于卷積神經(jīng)網(wǎng)絡(luò)的分類器進(jìn)行了對(duì)比,實(shí)驗(yàn)結(jié)果見表3所示。通過對(duì)表3的kNN列和CNNs列的比較我們可以發(fā)現(xiàn),無(wú)論在哪種情況下使用卷積神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)職位描述文本分類時(shí)都占有得天獨(dú)厚的優(yōu)勢(shì),其中使用Word2vec詞向量和改進(jìn)后的TF-IDF特征表示所訓(xùn)練處來(lái)的分類器預(yù)測(cè)的結(jié)果最為準(zhǔn)確,證實(shí)了該方法在處理混淆類等噪點(diǎn)數(shù)據(jù)時(shí)有一定的成效。

    6結(jié)語(yǔ)

    本文探討利用卷積神經(jīng)網(wǎng)絡(luò)構(gòu)造分類器的方法,分析了傳統(tǒng)分類器中TF-IDF特征提取算法的不足,提出了一種新的TF-IDF表示方法。通過實(shí)驗(yàn)分析,深入了解到了樣本數(shù)量,學(xué)習(xí)率,卷積核大小,隱藏層層數(shù)對(duì)分類器效果的影響機(jī)制,進(jìn)一步對(duì)分類器進(jìn)行了調(diào)優(yōu),同時(shí)驗(yàn)證了新方法在解決傳統(tǒng)分類器中存在解決學(xué)習(xí)深度不夠,對(duì)混淆類數(shù)據(jù)噪點(diǎn)處理不佳等問題上是可行的。endprint

    猜你喜歡
    正確率分類器文檔
    有人一聲不吭向你扔了個(gè)文檔
    門診分診服務(wù)態(tài)度與正確率對(duì)護(hù)患關(guān)系的影響
    BP-GA光照分類器在車道線識(shí)別中的應(yīng)用
    生意
    基于RI碼計(jì)算的Word復(fù)制文檔鑒別
    品管圈活動(dòng)在提高介入手術(shù)安全核查正確率中的應(yīng)用
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    生意
    Persistence of the reproductive toxicity of chlorpiryphos-ethyl in male Wistar rat
    熟妇人妻久久中文字幕3abv| 国内揄拍国产精品人妻在线| 国产熟女欧美一区二区| 国产白丝娇喘喷水9色精品| 天天一区二区日本电影三级| 国语自产精品视频在线第100页| 日韩精品青青久久久久久| 国产精品一及| 欧美成人a在线观看| 免费看日本二区| 真人做人爱边吃奶动态| 悠悠久久av| 久久久久久久久久黄片| 毛片一级片免费看久久久久| 99国产精品一区二区蜜桃av| 少妇丰满av| 国产爱豆传媒在线观看| 美女大奶头视频| 99国产极品粉嫩在线观看| 波多野结衣高清无吗| 国产熟女欧美一区二区| 久久精品国产亚洲av涩爱 | 2021天堂中文幕一二区在线观| 日日摸夜夜添夜夜添av毛片| 国内久久婷婷六月综合欲色啪| 国产成人aa在线观看| 性色avwww在线观看| 长腿黑丝高跟| 亚洲av二区三区四区| 欧洲精品卡2卡3卡4卡5卡区| 久久九九热精品免费| or卡值多少钱| 日韩欧美一区二区三区在线观看| 国内少妇人妻偷人精品xxx网站| 久久久欧美国产精品| av在线亚洲专区| 欧美激情久久久久久爽电影| 国产熟女欧美一区二区| 日日啪夜夜撸| 久久精品夜夜夜夜夜久久蜜豆| 国产亚洲91精品色在线| a级毛片a级免费在线| av在线天堂中文字幕| 国产成人aa在线观看| 成人欧美大片| 免费看a级黄色片| 九九热线精品视视频播放| 亚洲国产色片| 精品久久久久久久人妻蜜臀av| 亚洲第一区二区三区不卡| 婷婷精品国产亚洲av| 国产黄色小视频在线观看| 99九九线精品视频在线观看视频| 亚洲婷婷狠狠爱综合网| 最近中文字幕高清免费大全6| 色吧在线观看| 丰满的人妻完整版| 少妇被粗大猛烈的视频| 99久久无色码亚洲精品果冻| av黄色大香蕉| 小说图片视频综合网站| 香蕉av资源在线| 一个人观看的视频www高清免费观看| 免费看日本二区| 国产精品乱码一区二三区的特点| 国产高清激情床上av| 女人十人毛片免费观看3o分钟| 成人二区视频| 白带黄色成豆腐渣| 日韩欧美一区二区三区在线观看| 美女cb高潮喷水在线观看| 尤物成人国产欧美一区二区三区| 精品一区二区三区视频在线观看免费| 亚洲国产欧洲综合997久久,| 午夜激情欧美在线| 特级一级黄色大片| 久久婷婷人人爽人人干人人爱| 毛片一级片免费看久久久久| 尤物成人国产欧美一区二区三区| 久久精品91蜜桃| 五月玫瑰六月丁香| 最近的中文字幕免费完整| 日韩一区二区视频免费看| 久久久久久九九精品二区国产| 九色成人免费人妻av| 国产真实乱freesex| 国产色婷婷99| 婷婷精品国产亚洲av在线| or卡值多少钱| 蜜桃久久精品国产亚洲av| 国产白丝娇喘喷水9色精品| 亚洲美女黄片视频| 永久网站在线| 如何舔出高潮| 日日摸夜夜添夜夜添小说| 少妇熟女aⅴ在线视频| 久久亚洲国产成人精品v| 大香蕉久久网| 久久久久久九九精品二区国产| 少妇被粗大猛烈的视频| 亚洲精品成人久久久久久| 长腿黑丝高跟| 久久天躁狠狠躁夜夜2o2o| 午夜激情欧美在线| 午夜久久久久精精品| 熟妇人妻久久中文字幕3abv| .国产精品久久| 又粗又爽又猛毛片免费看| 欧美精品国产亚洲| 精品无人区乱码1区二区| 亚洲,欧美,日韩| 男女下面进入的视频免费午夜| 中国美女看黄片| 国产aⅴ精品一区二区三区波| 国产精品一区二区性色av| 色综合站精品国产| 欧美丝袜亚洲另类| 特级一级黄色大片| 精品乱码久久久久久99久播| 99久国产av精品国产电影| 成人二区视频| 免费看日本二区| 午夜久久久久精精品| 国产亚洲精品av在线| 夜夜看夜夜爽夜夜摸| 久久欧美精品欧美久久欧美| 久久精品国产清高在天天线| 欧美性猛交黑人性爽| 夜夜爽天天搞| 最近2019中文字幕mv第一页| 男人狂女人下面高潮的视频| 精品一区二区三区av网在线观看| 日韩国内少妇激情av| 国产爱豆传媒在线观看| 国产一区亚洲一区在线观看| 国产亚洲欧美98| 亚洲国产精品合色在线| 国产亚洲91精品色在线| 亚洲欧美精品综合久久99| 免费无遮挡裸体视频| 日韩欧美三级三区| 国产精品一二三区在线看| 久久久久国产网址| 亚洲av成人av| 久久草成人影院| 精品福利观看| 欧美一区二区国产精品久久精品| 老司机午夜福利在线观看视频| av天堂中文字幕网| 九九热线精品视视频播放| 老司机午夜福利在线观看视频| 亚洲专区国产一区二区| 乱人视频在线观看| 尤物成人国产欧美一区二区三区| 蜜臀久久99精品久久宅男| 一夜夜www| 亚洲精品乱码久久久v下载方式| 在线天堂最新版资源| 哪里可以看免费的av片| 欧美色欧美亚洲另类二区| 网址你懂的国产日韩在线| 99热只有精品国产| 又爽又黄无遮挡网站| 一个人看的www免费观看视频| 在线免费观看的www视频| 能在线免费观看的黄片| av福利片在线观看| 国产精品爽爽va在线观看网站| 国产v大片淫在线免费观看| 在线观看66精品国产| 国产亚洲91精品色在线| 蜜桃久久精品国产亚洲av| 麻豆久久精品国产亚洲av| 嫩草影院精品99| 一卡2卡三卡四卡精品乱码亚洲| 中文亚洲av片在线观看爽| 国产国拍精品亚洲av在线观看| 日本撒尿小便嘘嘘汇集6| 国产毛片a区久久久久| 精品乱码久久久久久99久播| 欧美成人精品欧美一级黄| 在线观看免费视频日本深夜| 成人漫画全彩无遮挡| 亚洲第一电影网av| 国产三级中文精品| 久久国内精品自在自线图片| 两性午夜刺激爽爽歪歪视频在线观看| 国产精品三级大全| 欧美中文日本在线观看视频| 人妻夜夜爽99麻豆av| 一夜夜www| 亚洲天堂国产精品一区在线| 人人妻人人澡人人爽人人夜夜 | or卡值多少钱| 午夜激情欧美在线| 成人精品一区二区免费| 成人毛片a级毛片在线播放| 久久精品国产自在天天线| 黑人高潮一二区| 亚洲欧美日韩卡通动漫| 一本一本综合久久| 亚洲av中文字字幕乱码综合| 久久精品人妻少妇| 亚洲专区国产一区二区| 久久这里只有精品中国| 淫秽高清视频在线观看| 简卡轻食公司| 观看免费一级毛片| 白带黄色成豆腐渣| 欧美日韩精品成人综合77777| 成人漫画全彩无遮挡| 国产视频内射| 看片在线看免费视频| 日本黄大片高清| 日本精品一区二区三区蜜桃| 成人无遮挡网站| 国内久久婷婷六月综合欲色啪| 国产白丝娇喘喷水9色精品| 国产不卡一卡二| 两个人视频免费观看高清| 国产v大片淫在线免费观看| 美女被艹到高潮喷水动态| 精品福利观看| 国产国拍精品亚洲av在线观看| 美女 人体艺术 gogo| 99精品在免费线老司机午夜| 亚洲人成网站在线播放欧美日韩| 国内揄拍国产精品人妻在线| 校园人妻丝袜中文字幕| 欧美高清性xxxxhd video| 午夜精品一区二区三区免费看| 伦理电影大哥的女人| 99热这里只有精品一区| 亚洲性久久影院| 亚洲成人精品中文字幕电影| 美女xxoo啪啪120秒动态图| 秋霞在线观看毛片| 日韩成人伦理影院| 国产精品久久久久久亚洲av鲁大| 国国产精品蜜臀av免费| 久久久国产成人免费| 成人欧美大片| 亚洲精品日韩在线中文字幕 | 成人av一区二区三区在线看| 日日摸夜夜添夜夜添av毛片| 97碰自拍视频| 成人特级av手机在线观看| 精品人妻熟女av久视频| 亚洲中文日韩欧美视频| 国产三级在线视频| 综合色丁香网| 男人狂女人下面高潮的视频| 成人高潮视频无遮挡免费网站| 精华霜和精华液先用哪个| 99久久无色码亚洲精品果冻| 国内久久婷婷六月综合欲色啪| 插逼视频在线观看| АⅤ资源中文在线天堂| 亚洲欧美日韩高清专用| 久久久久久久久久成人| 国产精品人妻久久久影院| 熟女人妻精品中文字幕| 尾随美女入室| 综合色av麻豆| 日本欧美国产在线视频| av专区在线播放| 在线观看66精品国产| 欧美最新免费一区二区三区| 人人妻人人澡欧美一区二区| 亚洲美女视频黄频| 日韩av不卡免费在线播放| 久久人人精品亚洲av| 国产精品女同一区二区软件| 免费在线观看成人毛片| 99热精品在线国产| 大型黄色视频在线免费观看| 日韩强制内射视频| 美女高潮的动态| 大香蕉久久网| 99久久中文字幕三级久久日本| 国产亚洲av嫩草精品影院| 黄色欧美视频在线观看| 日韩av不卡免费在线播放| 黄色视频,在线免费观看| 夜夜夜夜夜久久久久| 欧美激情国产日韩精品一区| 亚洲欧美成人综合另类久久久 | 丰满人妻一区二区三区视频av| 美女高潮的动态| 国产爱豆传媒在线观看| 别揉我奶头~嗯~啊~动态视频| 99视频精品全部免费 在线| 日韩成人av中文字幕在线观看 | 午夜亚洲福利在线播放| 国产伦在线观看视频一区| 久久久久久久午夜电影| 成人一区二区视频在线观看| 国产成年人精品一区二区| 国产久久久一区二区三区| 成人三级黄色视频| 成年免费大片在线观看| 午夜福利在线在线| 一级毛片我不卡| 日日摸夜夜添夜夜添小说| 又粗又爽又猛毛片免费看| 午夜亚洲福利在线播放| 色尼玛亚洲综合影院| 亚洲欧美精品自产自拍| 九色成人免费人妻av| 日本撒尿小便嘘嘘汇集6| 国产激情偷乱视频一区二区| 成人三级黄色视频| 熟女人妻精品中文字幕| 1000部很黄的大片| 精品一区二区三区视频在线| 亚洲中文字幕日韩| 淫秽高清视频在线观看| 成年av动漫网址| 国产精品久久久久久久电影| 久久人人爽人人爽人人片va| 啦啦啦啦在线视频资源| 国产av在哪里看| 欧美xxxx性猛交bbbb| 麻豆久久精品国产亚洲av| 久久久久九九精品影院| 日本黄色视频三级网站网址| 亚洲va在线va天堂va国产| 伦理电影大哥的女人| 日本爱情动作片www.在线观看 | 国产精品久久久久久av不卡| 99久久九九国产精品国产免费| 一个人免费在线观看电影| 午夜免费男女啪啪视频观看 | 国产精品乱码一区二三区的特点| 日韩欧美免费精品| 国产伦在线观看视频一区| 亚洲最大成人av| 午夜视频国产福利| 久久久精品欧美日韩精品| 看片在线看免费视频| 亚洲熟妇熟女久久| 国产高清三级在线| 国产男人的电影天堂91| 天堂网av新在线| 97超视频在线观看视频| 亚洲在线观看片| 99热只有精品国产| 国产男人的电影天堂91| 成人欧美大片| 一级毛片电影观看 | 少妇猛男粗大的猛烈进出视频 | 精品国产三级普通话版| 直男gayav资源| 亚洲欧美成人综合另类久久久 | 亚洲一区高清亚洲精品| 国产午夜精品久久久久久一区二区三区 | 韩国av在线不卡| 国产高清视频在线播放一区| 亚洲人与动物交配视频| 99国产极品粉嫩在线观看| 亚洲欧美中文字幕日韩二区| 老熟妇仑乱视频hdxx| av女优亚洲男人天堂| 国产女主播在线喷水免费视频网站 | 内射极品少妇av片p| 舔av片在线| 国产在线男女| 噜噜噜噜噜久久久久久91| 精品久久久久久久人妻蜜臀av| 麻豆国产97在线/欧美| 中文在线观看免费www的网站| 久久久久久伊人网av| 亚洲美女搞黄在线观看 | 高清毛片免费看| 国产高潮美女av| 少妇裸体淫交视频免费看高清| 成人亚洲精品av一区二区| 三级男女做爰猛烈吃奶摸视频| 亚洲精品国产成人久久av| 欧美另类亚洲清纯唯美| av.在线天堂| 久久综合国产亚洲精品| 一本精品99久久精品77| av在线观看视频网站免费| 久久韩国三级中文字幕| 午夜视频国产福利| 日本 av在线| 国产黄色视频一区二区在线观看 | 熟女人妻精品中文字幕| 国产白丝娇喘喷水9色精品| 成人特级av手机在线观看| 天堂影院成人在线观看| 久久国产乱子免费精品| 免费人成视频x8x8入口观看| 欧美在线一区亚洲| 成人欧美大片| 最新中文字幕久久久久| 欧美xxxx性猛交bbbb| 日本-黄色视频高清免费观看| 69人妻影院| 国产色婷婷99| 男女做爰动态图高潮gif福利片| 国产精品一二三区在线看| 国产高潮美女av| 少妇裸体淫交视频免费看高清| 成人综合一区亚洲| 搡女人真爽免费视频火全软件 | 国产精品一区www在线观看| 精品少妇黑人巨大在线播放 | 国产毛片a区久久久久| 麻豆国产97在线/欧美| 国产久久久一区二区三区| 免费看a级黄色片| 欧美成人一区二区免费高清观看| 国产精品人妻久久久久久| 精品一区二区免费观看| a级毛色黄片| av在线蜜桃| 亚洲aⅴ乱码一区二区在线播放| 少妇的逼水好多| 国产精品国产三级国产av玫瑰| 免费看日本二区| 又粗又爽又猛毛片免费看| 男人和女人高潮做爰伦理| 99久久精品一区二区三区| 别揉我奶头 嗯啊视频| 日韩av不卡免费在线播放| av卡一久久| 小蜜桃在线观看免费完整版高清| avwww免费| 桃色一区二区三区在线观看| 悠悠久久av| 中国美女看黄片| 欧美激情久久久久久爽电影| 中国国产av一级| 99精品在免费线老司机午夜| 97人妻精品一区二区三区麻豆| 18禁在线无遮挡免费观看视频 | 国产一区二区三区av在线 | 插阴视频在线观看视频| 亚洲成av人片在线播放无| 久久中文看片网| 国产v大片淫在线免费观看| 一进一出抽搐gif免费好疼| 天天躁日日操中文字幕| 97超碰精品成人国产| 免费不卡的大黄色大毛片视频在线观看 | 久久人人爽人人片av| av在线蜜桃| 一边摸一边抽搐一进一小说| 色综合色国产| 一区二区三区免费毛片| 夜夜看夜夜爽夜夜摸| 国产精品一区www在线观看| 中文亚洲av片在线观看爽| 亚洲aⅴ乱码一区二区在线播放| 一级黄色大片毛片| 丝袜美腿在线中文| 久久久久国产网址| 日韩欧美免费精品| 国产精品99久久久久久久久| 亚洲国产欧洲综合997久久,| 男女那种视频在线观看| 久久这里只有精品中国| 在线观看一区二区三区| 亚洲精品国产av成人精品 | 国产三级中文精品| 国产精品一区二区三区四区久久| 别揉我奶头 嗯啊视频| 97人妻精品一区二区三区麻豆| 最近2019中文字幕mv第一页| 麻豆久久精品国产亚洲av| 男插女下体视频免费在线播放| 网址你懂的国产日韩在线| 亚洲七黄色美女视频| 91在线观看av| 有码 亚洲区| 一级毛片aaaaaa免费看小| 五月玫瑰六月丁香| 久久久久久久亚洲中文字幕| 久久精品国产亚洲av香蕉五月| 国产v大片淫在线免费观看| 无遮挡黄片免费观看| 亚洲成a人片在线一区二区| 日本五十路高清| 韩国av在线不卡| 久久欧美精品欧美久久欧美| 久久久国产成人免费| 国产高清视频在线播放一区| 久99久视频精品免费| 亚洲国产精品sss在线观看| 免费黄网站久久成人精品| 长腿黑丝高跟| 天天一区二区日本电影三级| 亚洲av免费高清在线观看| av在线观看视频网站免费| 日本在线视频免费播放| 亚洲精品粉嫩美女一区| 国产探花极品一区二区| 午夜免费激情av| 日韩av不卡免费在线播放| 亚洲av不卡在线观看| 丰满人妻一区二区三区视频av| 日韩欧美在线乱码| 欧美成人一区二区免费高清观看| 此物有八面人人有两片| 午夜精品国产一区二区电影 | 男女之事视频高清在线观看| 欧美区成人在线视频| 99热6这里只有精品| 婷婷六月久久综合丁香| 99久国产av精品国产电影| 自拍偷自拍亚洲精品老妇| 日本三级黄在线观看| 国产精品三级大全| 免费无遮挡裸体视频| 成人性生交大片免费视频hd| 精华霜和精华液先用哪个| 亚洲在线自拍视频| 亚洲av第一区精品v没综合| 国产熟女欧美一区二区| 色视频www国产| 国产精品,欧美在线| 在线国产一区二区在线| 亚洲五月天丁香| 嫩草影视91久久| 直男gayav资源| a级毛片a级免费在线| .国产精品久久| 乱系列少妇在线播放| 日韩精品有码人妻一区| 麻豆一二三区av精品| 女人十人毛片免费观看3o分钟| 两个人的视频大全免费| 欧美3d第一页| 日韩欧美三级三区| 两性午夜刺激爽爽歪歪视频在线观看| 好男人在线观看高清免费视频| 亚洲真实伦在线观看| 久久人妻av系列| 欧美日韩乱码在线| 人妻夜夜爽99麻豆av| 精品日产1卡2卡| 亚洲熟妇中文字幕五十中出| 又黄又爽又免费观看的视频| 简卡轻食公司| 久久婷婷人人爽人人干人人爱| 午夜日韩欧美国产| 亚洲精品国产av成人精品 | 国产综合懂色| 欧美日韩乱码在线| 悠悠久久av| 亚洲人成网站在线播| 国产成人福利小说| 亚洲av二区三区四区| 99热6这里只有精品| 99久久中文字幕三级久久日本| 欧美日韩国产亚洲二区| 日韩亚洲欧美综合| avwww免费| 中文字幕av在线有码专区| 亚洲五月天丁香| 97碰自拍视频| 最近最新中文字幕大全电影3| 欧美日韩乱码在线| 国产高潮美女av| 国产久久久一区二区三区| 狂野欧美激情性xxxx在线观看| 熟女电影av网| 蜜桃亚洲精品一区二区三区| 麻豆国产97在线/欧美| 波野结衣二区三区在线| 色视频www国产| 亚洲av成人av| 人人妻人人澡人人爽人人夜夜 | av在线老鸭窝| 偷拍熟女少妇极品色| 色哟哟哟哟哟哟| 国产69精品久久久久777片| 欧美精品国产亚洲| 久久久久免费精品人妻一区二区| 免费人成视频x8x8入口观看| 亚洲第一区二区三区不卡| 91精品国产九色| 男女边吃奶边做爰视频| 国产探花极品一区二区| 亚洲高清免费不卡视频| 不卡一级毛片| 中文字幕免费在线视频6| 噜噜噜噜噜久久久久久91| 永久网站在线| 蜜桃久久精品国产亚洲av| 综合色av麻豆| 国产午夜福利久久久久久| 国产91av在线免费观看| 欧美一区二区国产精品久久精品| 在线天堂最新版资源| 欧美中文日本在线观看视频| 日韩三级伦理在线观看| 久久久久久久久久成人| 久99久视频精品免费| 我的女老师完整版在线观看| 欧美人与善性xxx| 久99久视频精品免费| 色吧在线观看| 欧美激情久久久久久爽电影| 最近2019中文字幕mv第一页| 国产精品国产三级国产av玫瑰| 欧美日韩国产亚洲二区| 亚洲av免费高清在线观看| 搡女人真爽免费视频火全软件 | 国产精品国产三级国产av玫瑰| 熟妇人妻久久中文字幕3abv| 国产精品嫩草影院av在线观看| 精品人妻视频免费看|