• <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MapReduce的改進CHI文本特征選擇機制

    2018-09-07 01:33:12陶永才
    小型微型計算機系統(tǒng) 2018年8期
    關(guān)鍵詞:鍵值特征詞特征選擇

    石 磊,巴 陽,陶永才,衛(wèi) 琳

    1(鄭州大學(xué) 信息工程學(xué)院,鄭州 450001) 2(鄭州大學(xué) 軟件技術(shù)學(xué)院,鄭州 450002) E-mail:ieyctao@zzu.edu.cn

    1 引 言

    文本分類是數(shù)據(jù)挖掘和機器學(xué)習(xí)領(lǐng)域的研究熱點之一,特征選擇作為文本分類的核心主要目的是降維[1].特征選擇的好壞將會直接影響文本分類的準確率.CHI統(tǒng)計法(chi-square test)又稱卡方統(tǒng)計法,是數(shù)理統(tǒng)計中檢驗兩個變量獨立性的方法.CHI 統(tǒng)計法是最常用的文本特征選擇方法之一[2].

    MapReduce[3]是Google公司處理大規(guī)模數(shù)據(jù)而提出的基于分布式并行計算的編程模型,MapReduce的核心策略是分而治之,將大的任務(wù)分解成若干個小任務(wù)進行處理[4].通過對數(shù)據(jù)的拆分與組合不僅有效地提高了數(shù)據(jù)并行處理能力也極大地改善了系統(tǒng)性能.

    傳統(tǒng)CHI統(tǒng)計法只關(guān)注文檔頻率,一些文檔頻率低但特征詞頻率高的特征詞將不會被選為特征項;同時,放大了在指定類別中出現(xiàn)很少但在其他類別中出現(xiàn)較多的特征詞在該類中的權(quán)重.

    為解決上述問題,本文提出一種基于MapReduce的CHI文本特征選擇機制,主要貢獻如下:

    1)對傳統(tǒng)CHI統(tǒng)計法公式進行改進,引入類內(nèi)頻數(shù)解決忽略高頻特征詞的問題,同時引入類間方差解決放大外圍特征詞權(quán)重的問題,從而提高CHI統(tǒng)計法的特征選擇準確度,從根本上提高文本分類的精度;

    2)提出基于MapReduce的CHI文本特征選擇模型,將文本處理分為獨立可并行的兩個階段:文本訓(xùn)練階段和文本分類階段,充分利用MapReduce模型處理海量數(shù)據(jù)的優(yōu)勢,優(yōu)化文本訓(xùn)練和分類的模式,從而提升文本分類的效率.

    2 相關(guān)工作

    傳統(tǒng)CHI統(tǒng)計法優(yōu)點是實現(xiàn)簡單,算法復(fù)雜度低,但是也存在明顯不足,眾多研究者對其做出改進.文獻[5]在實際文本數(shù)據(jù)和CHI特征選擇算法的基礎(chǔ)上,提出了一種特征選擇算法.對于分布不均勻的特征數(shù)據(jù)集,該算法適當?shù)靥岣吡思性谏贁?shù)文檔中的詞的權(quán)重;文獻[6]提出了一種基于 CHI 統(tǒng)計和信息熵的改進型 TFIDF 特征加權(quán)方法,提高了特征項權(quán)重計算的準確性;文獻[7]提出一種基于概率的CHI特征選擇方法,結(jié)合特征詞概率和文檔概率來衡量文檔頻度,在不均衡數(shù)據(jù)集上有良好表現(xiàn).上述研究在多個方面不同程度地彌補了傳統(tǒng)CHI統(tǒng)計法的不足,提高了特征詞的質(zhì)量與文本分類的精度.但是,忽略了大量文本文件對文本分類執(zhí)行速率的影響.

    文獻[8]利用MapReduce強大的并行處理能力對分類器進行訓(xùn)練和預(yù)測,設(shè)計并實現(xiàn)了并行分類訓(xùn)練和預(yù)測算法,提高了大型數(shù)據(jù)多類問題的準確性和效率;文獻[9]則提出了基于MapReduce的并行K-means文本聚類算法,采用優(yōu)良的初始質(zhì)心選擇策略來提高K-means聚類效果,然后設(shè)計出適用于MapReduce平臺的文本并行聚類模型.從上述研究可以發(fā)現(xiàn)MapReduce技術(shù)的成熟應(yīng)用為各種文本分類方法在大規(guī)模數(shù)據(jù)的處理上開辟新的道路.本文提出的基于MapReduce的CHI文本特征選擇機制,在改進傳統(tǒng)CHI方法的同時采用MapReduce框架對文本分類進行并行處理,不僅有效地提高了文本分類的精度,同時也還提升了文本分類的效率.

    3 研究背景

    CHI統(tǒng)計方法是分類效果較好的文本特征選擇方法之一[6].CHI統(tǒng)計方法通過觀察實際值與理論值的偏差來確定理論的正確與否[10].在實際應(yīng)用中,經(jīng)常先假設(shè)指定的兩個變量相互獨立,然后比較觀測值和理論值的偏差程度,若偏差在預(yù)先給定的偏差閾值之內(nèi),則可認為造成的誤差是由于測量不精確或小概率事件發(fā)生,此時判定原假設(shè)成立,即兩個變量相互獨立;若偏差超過預(yù)先給定的偏差閾值,則可認為兩個變量存在相關(guān)性,此時判定原假設(shè)不成立,即兩個變量相互關(guān)聯(lián).若用DI表示偏差程度,E表示理論值,xi表示x所有可能的觀測值(x1,…,xn),則通過計算得到的DI與偏差閾值對比,從而判斷原假設(shè)是否成立.計算公式如式(1)所示.

    (1)

    將CHI運用到特征選擇方法中會有一定差異,因為在實際情況中無法給定一個合適的偏差閾值與DI進行對比.假設(shè)特征詞ti與類別Cj不相關(guān),那么特征選擇的過程變成為每個特征詞ti計算與類別Cj的DI值,而后降序排列,取規(guī)定的前k個.假設(shè)有N篇文檔,其中M篇是有關(guān)類別Cj的,若考察特征詞ti與類別Cj之間的相關(guān)性,則有如下定義:

    1)A表示包含詞ti且屬于類別Cj的文檔數(shù);

    2)B表示包含詞ti但不屬于類別Cj的文檔數(shù);

    3)C表示不包含詞ti但屬于類別Cj的文檔數(shù);

    4)D表示不包含詞ti也不屬于類別Cj的文檔數(shù).

    為了更直觀地解釋字母的含義,引入情形分析表,如表1所示.

    因此,對于給定的特征詞ti與類別Cj之間的相關(guān)性的CHI特征選擇計算如式(2)所示.

    (2)

    表1 情形分析表Table 1 Contingency table

    傳統(tǒng)CHI方法雖然效果出色,但仍存在明顯的不足,由公式(2)可發(fā)現(xiàn):

    1)傳統(tǒng)CHI方法傾向選擇文檔頻數(shù)高的特征詞,即只關(guān)注文檔頻數(shù),而忽略了特征詞頻數(shù),導(dǎo)致那些只在某類文檔中出現(xiàn)頻率高的特征詞被忽略掉,反而選擇了在多數(shù)類別的多數(shù)文檔中偶爾出現(xiàn)的特征詞.

    2)放大了在指定類別中出現(xiàn)頻率較低,而在其他類中出現(xiàn)頻率較高的特征詞對該類DI值的影響,在公式(2)中體現(xiàn)為A、D值很小,B、C值很大,此時有(AD-BC)2很大,則這樣的特征詞也會被挑選出來,實際上,卻并不需要這一類特征詞.

    4 基于MapReduce的CHI文本特征選擇

    4.1 改進的CHI方法

    本文在原有CHI方法的基礎(chǔ)上進行改進,通過引入類內(nèi)頻數(shù)和類間方差兩個參數(shù),有效地解決了傳統(tǒng)CHI方法忽略高頻特征詞和放大外圍特征詞權(quán)重的問題.

    類內(nèi)頻數(shù)是指特征詞在某類別所有文檔中頻數(shù)的最大值,由于傳統(tǒng)CHI方法只專注于文檔頻率,導(dǎo)致那些文檔頻率低,但類內(nèi)頻率高的特征詞被過濾掉.本文用Itfij表示特征詞ti對于類別Cj的類內(nèi)頻數(shù),計算公式如式(3)所示.

    (3)

    其中,tfiju為特征詞ti在類別Cj下的文檔du中出現(xiàn)的次數(shù),M為類別Cj的文檔數(shù)(同表1中的M).由式(3)可知,tfiju越大,說明特征詞ti在類別Cj下的文檔du中出現(xiàn)的頻數(shù)越大,則將此特征詞作為這個類別的候選特征詞的可能性越大.

    類內(nèi)頻數(shù)可以有效解決忽略高頻特征詞的問題,而引入類間方差則可以消除傳統(tǒng)CHI方法放大外圍特征詞權(quán)重的影響.外圍特征詞是指:在指定類別中出現(xiàn)次數(shù)很少,而在其他類別中出現(xiàn)次數(shù)很多的一類特征詞.顯然這類特征詞的分類能力較弱.類間方差用來衡量特征詞ti在類別Cj中出現(xiàn)的頻數(shù)與特征詞ti在所有類別文檔中出現(xiàn)的頻數(shù)均值的偏差程度.記作D(ti),計算公式如式(4)所示.

    D(ti)=[dfj(ti)-Vdfj(ti)][dfj(ti)-Vdfj(ti)]2

    (4)

    其中,dfj( ti)表示特征詞ti在類別Cj中出現(xiàn)的頻數(shù),Vdfj( ti)表示特征詞ti在所有類別文檔中出現(xiàn)的頻數(shù)均值,計算公式如式(5)所示,式中m表示類別數(shù).

    (5)

    在式(4)中,若dfj( ti)-Vdfj( ti)>0,且D(ti)值很大時,說明特征詞ti在類別Cj中出現(xiàn)頻數(shù)比特征詞ti在所有類別文檔中出現(xiàn)的頻數(shù)均值大,且大得很多,這樣的特征詞有更好的分類能力,是期望得到的目標特征詞;若dfj( ti)-Vdfj(ti)<0,但D(ti)的絕對值很大時,說明特征詞ti在類別Cj中出現(xiàn)頻數(shù)比特征詞ti在所有類別文檔中出現(xiàn)的頻數(shù)均值小,且小很多,這樣的特征詞的分類能力較差,是需要被淘汰掉的特征詞.

    (6)

    4.2 基于MapReduce的CHI文本特征選擇機制

    基于MapReduce的CHI文本特征選擇機制流程圖如圖1所示.

    圖1 機制流程圖Fig.1 Mechanical flow chart

    從圖1中可以看出基于MapReduce的CHI文本特征選擇模型分為兩部分:文本訓(xùn)練階段和文本分類階段.

    4.2.1 文本訓(xùn)練階段

    圖2是基于MapReduce的CHI文本訓(xùn)練模型.對于給出的訓(xùn)練文本集,首先進行預(yù)處理,包括分詞斷句、去停用詞等,其中,經(jīng)過預(yù)處理后的文本集合為一階訓(xùn)練集,然后將一階訓(xùn)練集輸入到第(1)個MapReduce過程中.

    圖2 基于MapReduce的CHI文本訓(xùn)練模型Fig.2 CHI text training model based on MapReduce

    第(1)個MapReduce過程的作用是計算特征詞的類內(nèi)頻數(shù),一階訓(xùn)練集按塊劃分入不同的節(jié)點執(zhí)行Map函數(shù),公式(3)為Map函數(shù)的核心,得到基于<特征詞,<類別,tfiju>>的鍵值對>,然后經(jīng)過中間過程流入緩存、再分類等過程,最后經(jīng)過Reduce函數(shù),以termID為分類依據(jù),找到tfiju的最大值Itfij,最終得到了基于<特征詞,<類別,類內(nèi)頻數(shù)>>的鍵值對>.

    將第(1)個MapReduce過程的結(jié)果記為二階訓(xùn)練集,然后輸入到第(2)個MapReduce過程.第(2)個MapReduce過程的作用是得到每個類別的特征向量.二階訓(xùn)練集同樣按塊劃分為不同的節(jié)點執(zhí)行Map函數(shù),Map函數(shù)計算各個參數(shù),根據(jù)公式(4)計算出類間方差,進而得到卡方值,公式(6)為Map函數(shù)的核心,得到基于<特征詞,<類別,卡方值>>的鍵值對>,同樣地,經(jīng)過中間過程處理后,以classID為分類依據(jù),并降序排列篩選得到的CHIValue,取預(yù)先規(guī)定的前k個值,組成類別Cj的特征向量,最終并入訓(xùn)練庫.文本訓(xùn)練算法如算法1所示.

    算法1.文本訓(xùn)練算法

    輸入:一階訓(xùn)練集;類別C;文檔d;特征詞t;

    輸出:各個類別特征向量;

    1 Map1

    2 {

    3 //計算一階訓(xùn)練集中特征詞的類內(nèi)頻數(shù)

    4foreach du∈Cjdo

    7 輸出中間鍵值對>;

    8endfor

    9endfor

    10 }

    11 Reduce1

    12 {

    13 輸入中間鍵值對>;

    14foreach termIDdo

    16 輸出鍵值對>;

    17endfor

    18 }

    19 Map2

    20 {

    21 //獲取類別的特征向量

    22 輸入鍵值對>;

    23foreach termIDdo

    25 計算卡方值CHIValue;

    26 輸出中間鍵值對>;

    27endfor

    28 }

    29 Reduce2

    30 {

    31 輸入中間鍵值對>;

    32foreach classIDdo

    33 CHIValue倒序排列,并取前k個;

    34 輸出類別特征向量;

    35endfor

    36 }

    4.2.2 文本分類階段

    圖3是基于MapReduce的CHI文本分類模型.分類模型的輸入數(shù)據(jù)集是經(jīng)過預(yù)處理后的測試文本集,記作一階測試集,然后用維向量表示一階測試集,輸入到第(3)個MapReduce過程.文本分類算法如算法2所示.

    圖3 基于MapReduce的CHI文本分類模型Fig.3 CHI text classification model based on MapReduce

    算法2.文本分類算法

    輸入:一階測試集;文檔d,特征詞t;

    輸出:類別文檔集;

    1 Map3{

    2foreach ti∈ dudo

    4 輸出中間鍵值對<,tfiu>;

    5endfor

    6 }

    7 Reduce3{

    8foreach docIDdo

    10 輸出文檔特征向量;

    11endfor

    12 }

    13 Map4{

    14 輸入二階測試集;

    15foreach dudo

    17 輸出中間鍵值對;

    18endfor

    19 }

    20 Reduce4{

    21foreach classIDdo

    23 輸出類別文檔集;

    24endfor

    25 }

    第(3)個MapReduce過程的作用是計算特征詞ti在測試文檔du中出現(xiàn)的次數(shù),然后生成文檔特征向量集.需要說明的是本部分過程只關(guān)注某特征詞在某篇文檔中出現(xiàn)的次數(shù),而不關(guān)心文檔類別,但這里可以用tfiu表示特征詞ti在測試文檔du中出現(xiàn)的次數(shù).一階測試集按塊劃分入不同的節(jié)點執(zhí)行Map函數(shù),Map函數(shù)的作用是計算特征詞的tfiu,得到基于<特征詞,文檔,tfiu>的鍵值對<,tfiu>,然后經(jīng)過中間過程流入緩存、再分類等過程,最后經(jīng)過Reduce函數(shù)處理,以為分類依據(jù),將同docID的特征詞按tfiu值降序排列,取預(yù)先規(guī)定的前k個值,組成文檔的du特征向量.歸檔集合后送入下一個MapReduce過程.

    將第(3)個MapReduce過程的結(jié)果歸檔集合,并記為二階測試集,和文本訓(xùn)練階段生成的訓(xùn)練庫一并輸入到第(4)個MapReduce過程.第(4)個MapReduce過程的作用是用KNN分類器[11]分類二階測試集.經(jīng)過KNN分類后得到基于<類別,文檔>的鍵值對,同樣是經(jīng)過中間過程處理后,最后執(zhí)行Reduce函數(shù),以類別為分類依據(jù),將同classID的文檔歸類,即得到最終的分類結(jié)果.

    5 性能評估

    5.1 實驗數(shù)據(jù)

    本文采用復(fù)旦大學(xué)自然語言處理小組整理收集的文本分類語料庫*語料庫查載于自然語言處理與信息檢索共享平臺[EB/OL].2017-1-15,http://www.nlpir.org/?action-viewnews-itemid-103.作為訓(xùn)練集和測試集,從中選取六種類別的部分文檔作為訓(xùn)練集文檔和測試集文檔.選取情況如表2所示.

    表2 測試集和訓(xùn)練集文檔選取情況Table 2 Testing set and training set document selection

    5.2 實驗設(shè)置

    本文實驗設(shè)置情況如下:

    1)可行性驗證實驗.用來檢驗本文MapReduce機制對改進CHI方法是否有不良影響.實驗對象設(shè)置為:本文提出的改進CHI方法分別運行在普通PC機上和Hadoop單節(jié)點上.

    2)性能對比實驗.用來檢驗本文提出的改進CHI方法的性能.對比實驗對象設(shè)置為:傳統(tǒng)CHI統(tǒng)計法、論文[12]提出的改進CHI方法(用CHI-F表示)、本文提出的改進CHI方法.

    3)效率測試實驗.用來測試本文提出的改進CHI方法在Hadoop平臺上的效率.

    實驗設(shè)備具體配置如下:CPU為Intel Xeon E5620 2.66 GHz,8G內(nèi)存,2TB硬盤,操作系統(tǒng)為Ubuntu 14.04,Hadoop版本1.2.1,Java版本1.7.0.實驗中特征向量的維度為1000,分類方法KNN中的K取值為20.

    5.3 評價指標

    1)查準率用來反映文本分類的健全性,即分類結(jié)果的準確性[13],用P表示查準率,其計算公式如式(7)所示.

    (7)

    2)召回率用來反映正確分類的能力,用R表示召回率,其計算公式如式(8)所示.

    (8)

    3)F1值是綜合以上兩種評價標準對文本分類進行整體評價,其計算公式如式(9)所示.

    (9)

    4)加速比用來衡量程序并行化的性能[14],用Ts表示加速比,其計算公式如式(10)所示.

    (10)

    5.4 性能評估

    可行性驗證實驗結(jié)果如表3所示.

    表3 PC單機和MapReduce下文本的向量維度Table 3 Vector dimension in PC and mapreduce

    分別將改進的CHI方法運行在Hadoop單節(jié)點平臺和一臺普通PC機上.通過表3中的實驗數(shù)據(jù)可以發(fā)現(xiàn),兩種環(huán)境下最終生成的文本向量維數(shù)差異很小.綜上所述,MapReduce

    技術(shù)的引入并未對CHI方法在文本向量維度產(chǎn)生不良影響.

    性能對比實驗結(jié)果如表4所示.

    從表4中得到的三種CHI方法查準率和召回率,根據(jù)式(9)可以計算出各個方法的F1值,F1值對比結(jié)果如圖4所示.

    表4 實驗結(jié)果及對比Table 4 Experimental results and comparison

    由實驗數(shù)據(jù)可以看出:傳統(tǒng)CHI方法在本實驗數(shù)據(jù)集上的F1值最高也只達到62.56%,對于樣本較少的“醫(yī)學(xué)”、“歷史”小類預(yù)料,其F1值更低;CHI-F方法在本套數(shù)據(jù)集上的測試結(jié)果已有明顯改善,F1值較高時能達到79.38%,對于樣本較少的“醫(yī)學(xué)”、“歷史”,其F1值也有顯著提升;本文提出的CHI方法,F1值比其他兩種方法的F1值明顯提升,最高值幾乎能達到90%.結(jié)合表4發(fā)現(xiàn)傳統(tǒng)CHI方法中小類預(yù)料集F1值偏小是因為“醫(yī)學(xué)”和“歷史”的訓(xùn)練集相對于整個訓(xùn)練集的比重較小,在沒有過濾算法處理的情況下,將會選中訓(xùn)練集中大量外圍特征詞,導(dǎo)致分類效果不佳;CHI-F方法在一定程度上改善了小類預(yù)料集F1值偏低的現(xiàn)象;本文提出的CHI方法通過類內(nèi)頻數(shù)和類間方差的共軛修正,在小類預(yù)料集查準率、召回率、F1值上,均比CHI-F方法有進一步的提高.

    圖5 系統(tǒng)加速比Fig.5 System speedup

    效率測試實驗用來檢驗Hadoop集群中DataNode節(jié)點數(shù)目的增加是否對模型的性能產(chǎn)生影響.實驗觀察基于MapReduce的CHI文本特征選擇機制的實驗運行時間和加速比.其中,多節(jié)點Hadoop集群分別由3、6、9、12、15個DataNode節(jié)點組成.實驗結(jié)果如表5所示.

    表5中的實驗運行時間是經(jīng)過多組實驗得出的平均值,根據(jù)式(10)計算出系統(tǒng)加速比,實驗結(jié)果如圖5所示.

    表5 實驗運行時間Table 5 Experimental running time

    由圖5可知,在初始階段當Hadoop節(jié)點數(shù)較少時,本文提出的基于MapReduce的CHI文本特征選擇機制加速比提升不明顯,當Hadoop節(jié)點數(shù)增加至9臺,加速比已有顯著提升,綜合來看,本文提出的優(yōu)化機制的加速比隨著DataNode節(jié)點的增加有顯著增長.

    6 總結(jié)與展望

    傳統(tǒng)的CHI方法雖然廣泛使用于文本分類中,但是算法忽略高頻特征詞和放大外圍特征詞權(quán)重的問題使得算法在實際的應(yīng)用中分類精確度偏低.本文針對上述問題,在改進傳統(tǒng)CHI方法的同時結(jié)合MapReduce技術(shù),提出一種基于MapReduce的CHI文本特征選擇機制.實驗結(jié)果表明,本機制不僅能有效提高文本分類精度,也提升了文本分類的效率.

    本文提出的基于MapReduce的CHI文本特征選擇機制對小類預(yù)料集的分類精度雖然提高很多,但還有上升空間,未來考慮針對小類預(yù)料集以及含大量噪聲詞的預(yù)料集進行專門研究;同時,MapReduce技術(shù)是當前大數(shù)據(jù)應(yīng)用的核心,能否將本文MapReduce模型適配到其它算法中也是未來研究的另一個方向.

    猜你喜歡
    鍵值特征詞特征選擇
    非請勿進 為注冊表的重要鍵值上把“鎖”
    基于改進TFIDF算法的郵件分類技術(shù)
    產(chǎn)品評論文本中特征詞提取及其關(guān)聯(lián)模型構(gòu)建與應(yīng)用
    一鍵直達 Windows 10注冊表編輯高招
    電腦愛好者(2017年9期)2017-06-01 21:38:08
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    聯(lián)合互信息水下目標特征選擇算法
    面向文本分類的特征詞選取方法研究與改進
    基于特征選擇和RRVPMCD的滾動軸承故障診斷方法
    基于二元搭配詞的微博情感特征選擇
    計算機工程(2014年6期)2014-02-28 01:26:36
    關(guān)于“方言特征詞”理論的回顧及思考
    成年女人看的毛片在线观看| 久久久国产成人免费| 国产探花在线观看一区二区| 男人舔女人下体高潮全视频| 国产人妻一区二区三区在| av福利片在线观看| or卡值多少钱| 高清视频免费观看一区二区 | av专区在线播放| 国产极品天堂在线| 午夜爱爱视频在线播放| 欧美三级亚洲精品| 天堂影院成人在线观看| 国产在视频线精品| 国产成人精品婷婷| 亚洲欧美精品自产自拍| 精品国内亚洲2022精品成人| 简卡轻食公司| 成人特级av手机在线观看| 男女啪啪激烈高潮av片| 中国美白少妇内射xxxbb| 嘟嘟电影网在线观看| 久久韩国三级中文字幕| 五月伊人婷婷丁香| .国产精品久久| 99热这里只有是精品50| 插阴视频在线观看视频| 日韩欧美三级三区| 三级经典国产精品| 国产在线男女| 亚洲av成人精品一区久久| 国产大屁股一区二区在线视频| 午夜精品国产一区二区电影 | 亚洲图色成人| 成人特级av手机在线观看| 久久精品国产亚洲av涩爱| 可以在线观看毛片的网站| 99久久成人亚洲精品观看| 三级国产精品片| 午夜亚洲福利在线播放| 长腿黑丝高跟| 欧美bdsm另类| 免费看光身美女| 中文字幕精品亚洲无线码一区| 视频中文字幕在线观看| 国产黄a三级三级三级人| 国产成人免费观看mmmm| www.色视频.com| 亚洲欧美日韩东京热| 干丝袜人妻中文字幕| 一个人观看的视频www高清免费观看| av免费在线看不卡| 欧美一区二区精品小视频在线| 中文资源天堂在线| 精品久久久久久成人av| 美女cb高潮喷水在线观看| 一边亲一边摸免费视频| 自拍偷自拍亚洲精品老妇| 看十八女毛片水多多多| 观看免费一级毛片| 最近2019中文字幕mv第一页| 毛片女人毛片| 亚洲自偷自拍三级| 神马国产精品三级电影在线观看| 久久久亚洲精品成人影院| ponron亚洲| 亚洲av日韩在线播放| 国产成人精品久久久久久| 国产免费福利视频在线观看| 欧美一区二区精品小视频在线| 白带黄色成豆腐渣| 精品久久久久久成人av| 99久国产av精品国产电影| 大香蕉97超碰在线| 亚洲精品国产av成人精品| 搡老妇女老女人老熟妇| 日韩中字成人| 男女啪啪激烈高潮av片| 三级经典国产精品| 天天一区二区日本电影三级| 亚洲性久久影院| 欧美+日韩+精品| 午夜免费男女啪啪视频观看| 午夜福利视频1000在线观看| 国产私拍福利视频在线观看| 国产爱豆传媒在线观看| 国产成人午夜福利电影在线观看| av线在线观看网站| 国产精品美女特级片免费视频播放器| 国产精品久久久久久av不卡| 国产精品人妻久久久影院| 国产真实伦视频高清在线观看| 床上黄色一级片| 我的老师免费观看完整版| 久久精品国产亚洲av涩爱| 黄色欧美视频在线观看| 高清毛片免费看| 国产淫片久久久久久久久| 男人的好看免费观看在线视频| 丰满少妇做爰视频| 男人的好看免费观看在线视频| 成人av在线播放网站| 精品一区二区三区视频在线| 在线免费观看不下载黄p国产| 狂野欧美白嫩少妇大欣赏| 精品人妻熟女av久视频| 麻豆国产97在线/欧美| 日本wwww免费看| 亚洲一级一片aⅴ在线观看| 亚洲国产欧美在线一区| 少妇的逼好多水| 亚洲成人中文字幕在线播放| 少妇丰满av| 久久这里只有精品中国| 国产av在哪里看| 在线观看av片永久免费下载| 中文亚洲av片在线观看爽| 午夜福利网站1000一区二区三区| 中文天堂在线官网| 成人三级黄色视频| 国产三级中文精品| 特级一级黄色大片| 99久久精品一区二区三区| 国产久久久一区二区三区| 午夜激情欧美在线| 好男人视频免费观看在线| 国产高清国产精品国产三级 | 18+在线观看网站| 男女那种视频在线观看| kizo精华| 尤物成人国产欧美一区二区三区| 青春草亚洲视频在线观看| 我的女老师完整版在线观看| 少妇人妻一区二区三区视频| 日韩欧美 国产精品| 欧美最新免费一区二区三区| 国产精品99久久久久久久久| 久久这里有精品视频免费| 天堂影院成人在线观看| 国产精品蜜桃在线观看| 久久人人爽人人片av| 日韩成人av中文字幕在线观看| 九九热线精品视视频播放| 久久这里只有精品中国| 国产高清国产精品国产三级 | 亚洲精品乱久久久久久| 国产av不卡久久| 男女边吃奶边做爰视频| 日本免费在线观看一区| 亚洲欧美成人精品一区二区| 国产午夜精品论理片| 亚洲在久久综合| 人人妻人人澡人人爽人人夜夜 | videossex国产| 亚洲av熟女| 美女xxoo啪啪120秒动态图| 欧美激情在线99| 亚洲va在线va天堂va国产| 老司机影院成人| 国产麻豆成人av免费视频| 一二三四中文在线观看免费高清| 久久综合国产亚洲精品| 色综合站精品国产| av又黄又爽大尺度在线免费看 | 成年女人永久免费观看视频| 亚洲精品乱久久久久久| 国产成人91sexporn| 搡女人真爽免费视频火全软件| 亚洲精品成人久久久久久| 黄片无遮挡物在线观看| 久久久亚洲精品成人影院| 国内精品美女久久久久久| 人人妻人人澡人人爽人人夜夜 | 午夜免费激情av| 免费搜索国产男女视频| 一个人免费在线观看电影| 国产精品精品国产色婷婷| 久久亚洲精品不卡| 免费搜索国产男女视频| 午夜福利网站1000一区二区三区| 中文字幕av在线有码专区| 老司机福利观看| 国语对白做爰xxxⅹ性视频网站| 国产国拍精品亚洲av在线观看| 麻豆久久精品国产亚洲av| 国产成人一区二区在线| 精品人妻一区二区三区麻豆| 色综合站精品国产| 美女脱内裤让男人舔精品视频| 一级爰片在线观看| 熟女人妻精品中文字幕| 91精品国产九色| 中文乱码字字幕精品一区二区三区 | 国产黄色小视频在线观看| 国产精品三级大全| 成人漫画全彩无遮挡| 午夜福利在线观看吧| 亚洲欧美一区二区三区国产| 一本久久精品| 插阴视频在线观看视频| 久久久久九九精品影院| 国产亚洲av嫩草精品影院| 91久久精品电影网| 国产伦精品一区二区三区四那| 国产伦一二天堂av在线观看| 九草在线视频观看| 久久热精品热| 亚洲精品成人久久久久久| 国产成人免费观看mmmm| 国产成年人精品一区二区| 国产三级在线视频| 赤兔流量卡办理| 亚洲性久久影院| 国产白丝娇喘喷水9色精品| av.在线天堂| 日韩,欧美,国产一区二区三区 | 亚洲精品亚洲一区二区| 寂寞人妻少妇视频99o| 伊人久久精品亚洲午夜| 永久网站在线| 久久精品人妻少妇| 91久久精品电影网| 亚洲欧洲国产日韩| 国产精品日韩av在线免费观看| 好男人视频免费观看在线| 久久久久网色| 三级毛片av免费| 好男人在线观看高清免费视频| 午夜福利视频1000在线观看| 久久久色成人| 国产片特级美女逼逼视频| 男人的好看免费观看在线视频| 日本一二三区视频观看| 日韩亚洲欧美综合| 亚洲四区av| 国产人妻一区二区三区在| 中文字幕精品亚洲无线码一区| a级毛色黄片| 中文字幕亚洲精品专区| 在线播放国产精品三级| 又黄又爽又刺激的免费视频.| 青春草视频在线免费观看| 中文字幕av在线有码专区| 国产午夜精品论理片| 国产午夜精品论理片| 国内精品一区二区在线观看| av天堂中文字幕网| 日本黄大片高清| 日日啪夜夜撸| 美女大奶头视频| 少妇被粗大猛烈的视频| 日日撸夜夜添| 亚洲av.av天堂| 超碰av人人做人人爽久久| 禁无遮挡网站| 晚上一个人看的免费电影| 赤兔流量卡办理| 久久精品91蜜桃| 人人妻人人澡欧美一区二区| ponron亚洲| 国产一区二区三区av在线| 亚洲熟妇中文字幕五十中出| 国产精品久久视频播放| 女人被狂操c到高潮| 午夜精品一区二区三区免费看| 欧美高清成人免费视频www| 大香蕉久久网| 国产高潮美女av| 亚洲成人精品中文字幕电影| 久久久午夜欧美精品| 99热网站在线观看| 色播亚洲综合网| 在线免费观看不下载黄p国产| 又黄又爽又刺激的免费视频.| 欧美激情国产日韩精品一区| 毛片一级片免费看久久久久| 午夜亚洲福利在线播放| 日韩高清综合在线| 日韩 亚洲 欧美在线| 亚洲欧美精品综合久久99| 观看免费一级毛片| 亚洲av中文字字幕乱码综合| 不卡视频在线观看欧美| 在线a可以看的网站| 成人毛片60女人毛片免费| 只有这里有精品99| 草草在线视频免费看| 变态另类丝袜制服| 丝袜美腿在线中文| 日本av手机在线免费观看| 在线观看美女被高潮喷水网站| 大香蕉97超碰在线| 高清在线视频一区二区三区 | 国产精品.久久久| 村上凉子中文字幕在线| 长腿黑丝高跟| 好男人在线观看高清免费视频| 国产久久久一区二区三区| 97超碰精品成人国产| 日日摸夜夜添夜夜添av毛片| 老司机影院毛片| 精品久久久久久久久亚洲| 深爱激情五月婷婷| 国产中年淑女户外野战色| 国产大屁股一区二区在线视频| 伦精品一区二区三区| 美女脱内裤让男人舔精品视频| 亚洲成人中文字幕在线播放| 日本猛色少妇xxxxx猛交久久| 国产黄片视频在线免费观看| 久99久视频精品免费| 日韩欧美国产在线观看| 中国美白少妇内射xxxbb| 国产爱豆传媒在线观看| 久久久久久伊人网av| 97在线视频观看| 又粗又爽又猛毛片免费看| 午夜a级毛片| 国产视频首页在线观看| 男人和女人高潮做爰伦理| 亚洲精品乱码久久久v下载方式| 一级毛片aaaaaa免费看小| 欧美不卡视频在线免费观看| 午夜福利高清视频| 久久精品久久久久久噜噜老黄 | 卡戴珊不雅视频在线播放| 中文乱码字字幕精品一区二区三区 | 国产一区二区在线观看日韩| 精品久久久久久久久av| 国产免费视频播放在线视频 | 国产精品久久视频播放| 成人性生交大片免费视频hd| 乱系列少妇在线播放| 51国产日韩欧美| 国产乱人偷精品视频| 特级一级黄色大片| av在线蜜桃| 国产精品久久久久久精品电影| 日本与韩国留学比较| 国产一级毛片七仙女欲春2| 黑人高潮一二区| 麻豆成人午夜福利视频| 国产欧美日韩精品一区二区| 在线观看av片永久免费下载| a级毛片免费高清观看在线播放| 欧美丝袜亚洲另类| 国产一区有黄有色的免费视频 | 免费观看的影片在线观看| 又黄又爽又刺激的免费视频.| 亚洲第一区二区三区不卡| 激情 狠狠 欧美| 欧美极品一区二区三区四区| 国产白丝娇喘喷水9色精品| 久久99精品国语久久久| or卡值多少钱| 国产黄色视频一区二区在线观看 | 亚洲一级一片aⅴ在线观看| 91久久精品国产一区二区成人| 国产av一区在线观看免费| 欧美日韩综合久久久久久| 美女黄网站色视频| 亚洲最大成人手机在线| 老师上课跳d突然被开到最大视频| 日本免费在线观看一区| 中文精品一卡2卡3卡4更新| 一区二区三区免费毛片| 成年免费大片在线观看| 国产伦精品一区二区三区四那| 国产成人精品久久久久久| 热99在线观看视频| av视频在线观看入口| 色视频www国产| 小蜜桃在线观看免费完整版高清| 精品熟女少妇av免费看| 99久久精品热视频| 免费搜索国产男女视频| 国产一级毛片在线| 国产精品99久久久久久久久| 成人av在线播放网站| 少妇的逼水好多| 99热精品在线国产| 国产熟女欧美一区二区| 成人午夜高清在线视频| 国产伦精品一区二区三区四那| 久久久久久久久大av| 久久草成人影院| 在线观看av片永久免费下载| 能在线免费看毛片的网站| 亚洲性久久影院| 亚洲自偷自拍三级| 一级av片app| 小说图片视频综合网站| 一夜夜www| 国产在线一区二区三区精 | 永久免费av网站大全| 欧美一区二区亚洲| 韩国av在线不卡| 日韩国内少妇激情av| 黑人高潮一二区| 国产乱来视频区| 国产精品乱码一区二三区的特点| 久久久成人免费电影| 午夜激情福利司机影院| 日本-黄色视频高清免费观看| 天天躁日日操中文字幕| 欧美人与善性xxx| 97在线视频观看| 真实男女啪啪啪动态图| 久久精品人妻少妇| 少妇猛男粗大的猛烈进出视频 | 国产黄片视频在线免费观看| 国产精品野战在线观看| 亚洲美女视频黄频| 麻豆av噜噜一区二区三区| 国产爱豆传媒在线观看| 亚洲婷婷狠狠爱综合网| 中文字幕久久专区| 欧美日本亚洲视频在线播放| 99国产精品一区二区蜜桃av| 中文在线观看免费www的网站| 国产三级在线视频| 熟女人妻精品中文字幕| 日本黄色视频三级网站网址| 又粗又硬又长又爽又黄的视频| 直男gayav资源| 国产午夜精品久久久久久一区二区三区| 中文乱码字字幕精品一区二区三区 | 成人综合一区亚洲| www.色视频.com| 青春草国产在线视频| 欧美精品一区二区大全| 一夜夜www| 小蜜桃在线观看免费完整版高清| 日韩人妻高清精品专区| 亚洲欧美清纯卡通| 三级经典国产精品| 日韩成人av中文字幕在线观看| 综合色丁香网| 免费播放大片免费观看视频在线观看 | 22中文网久久字幕| 亚洲精品影视一区二区三区av| 亚洲久久久久久中文字幕| 天天躁夜夜躁狠狠久久av| av视频在线观看入口| 国产精品人妻久久久久久| 成人国产麻豆网| 成人av在线播放网站| h日本视频在线播放| 久久久精品欧美日韩精品| 99久久人妻综合| 精品国产露脸久久av麻豆 | 亚洲第一区二区三区不卡| 免费看美女性在线毛片视频| 国产精品永久免费网站| 精品国内亚洲2022精品成人| 国产一级毛片在线| 在线观看66精品国产| 男女国产视频网站| 国产av一区在线观看免费| 亚洲精品久久久久久婷婷小说 | 免费看日本二区| 大话2 男鬼变身卡| 我要搜黄色片| 久久精品国产鲁丝片午夜精品| 国产午夜福利久久久久久| 欧美一区二区国产精品久久精品| 国产三级在线视频| 女人十人毛片免费观看3o分钟| 中文字幕人妻熟人妻熟丝袜美| 亚洲中文字幕一区二区三区有码在线看| 国国产精品蜜臀av免费| 欧美3d第一页| 精品不卡国产一区二区三区| 久久人人爽人人爽人人片va| 国产精品一二三区在线看| 99久久九九国产精品国产免费| 色吧在线观看| 久久精品夜色国产| 黄色一级大片看看| 五月玫瑰六月丁香| 青春草国产在线视频| 国产精品.久久久| 久久精品影院6| 欧美丝袜亚洲另类| 三级经典国产精品| 国产av不卡久久| 婷婷色av中文字幕| 高清午夜精品一区二区三区| 色综合站精品国产| 国产 一区 欧美 日韩| 村上凉子中文字幕在线| 插阴视频在线观看视频| 久久久久免费精品人妻一区二区| 又粗又硬又长又爽又黄的视频| 国产一级毛片在线| 国产乱人视频| 男人的好看免费观看在线视频| 国产亚洲精品av在线| 日韩三级伦理在线观看| 18禁动态无遮挡网站| 久久精品人妻少妇| 亚洲欧美清纯卡通| 成人高潮视频无遮挡免费网站| 色哟哟·www| 国产精品麻豆人妻色哟哟久久 | 看十八女毛片水多多多| 国产一区二区亚洲精品在线观看| 国产在线一区二区三区精 | 青春草亚洲视频在线观看| 国产一区有黄有色的免费视频 | 日韩,欧美,国产一区二区三区 | 亚洲av不卡在线观看| 小说图片视频综合网站| 校园人妻丝袜中文字幕| a级一级毛片免费在线观看| 在线观看一区二区三区| 亚洲欧美中文字幕日韩二区| .国产精品久久| 搡老妇女老女人老熟妇| 午夜免费男女啪啪视频观看| 国产成人福利小说| 国产色爽女视频免费观看| av国产免费在线观看| 韩国av在线不卡| 国产免费一级a男人的天堂| 亚洲国产精品成人综合色| 欧美潮喷喷水| 久久久成人免费电影| 三级国产精品片| 欧美一区二区精品小视频在线| 国模一区二区三区四区视频| 99久久九九国产精品国产免费| 国产精品三级大全| 国产av一区在线观看免费| 亚洲精品,欧美精品| 国内精品宾馆在线| 岛国毛片在线播放| 欧美性猛交黑人性爽| 日韩欧美国产在线观看| 亚洲欧美日韩无卡精品| 大香蕉97超碰在线| 成年版毛片免费区| 欧美性猛交╳xxx乱大交人| 一级爰片在线观看| 男女下面进入的视频免费午夜| 日韩 亚洲 欧美在线| 国产av码专区亚洲av| 狠狠狠狠99中文字幕| 中国美白少妇内射xxxbb| 高清av免费在线| 级片在线观看| 亚洲精品日韩av片在线观看| 久久精品夜色国产| 中文天堂在线官网| 亚洲综合精品二区| 日本熟妇午夜| 丰满人妻一区二区三区视频av| 日本黄色片子视频| 亚洲精品日韩在线中文字幕| 成人性生交大片免费视频hd| 国产午夜福利久久久久久| 好男人视频免费观看在线| 免费无遮挡裸体视频| 国产免费视频播放在线视频 | 国产精品永久免费网站| 日韩中字成人| 国产精品伦人一区二区| 2021天堂中文幕一二区在线观| 午夜爱爱视频在线播放| 国内精品美女久久久久久| 禁无遮挡网站| 色网站视频免费| 亚洲高清免费不卡视频| 日韩国内少妇激情av| 欧美一区二区亚洲| 亚洲,欧美,日韩| 校园人妻丝袜中文字幕| 亚洲最大成人中文| 亚洲美女视频黄频| 国产精品精品国产色婷婷| 欧美人与善性xxx| 一夜夜www| 亚洲成色77777| 亚洲欧美清纯卡通| 一区二区三区高清视频在线| 午夜激情欧美在线| 免费看a级黄色片| 麻豆乱淫一区二区| 一卡2卡三卡四卡精品乱码亚洲| 精品久久久久久久久亚洲| 午夜福利成人在线免费观看| 国产不卡一卡二| 成年av动漫网址| 亚洲av成人精品一二三区| 午夜精品国产一区二区电影 | 3wmmmm亚洲av在线观看| 老司机福利观看| 少妇丰满av| 国产av一区在线观看免费| 99热网站在线观看| 真实男女啪啪啪动态图| 日日撸夜夜添| 中文字幕人妻熟人妻熟丝袜美| 日本wwww免费看| 别揉我奶头 嗯啊视频| 国内揄拍国产精品人妻在线| 老司机福利观看| 色噜噜av男人的天堂激情| 亚洲av电影不卡..在线观看| 亚洲欧洲国产日韩| 亚洲图色成人| 美女国产视频在线观看| 亚洲精品一区蜜桃| 亚洲av.av天堂| 免费观看精品视频网站|