• <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 ?

    基于遷移學習的分層注意力網(wǎng)絡情感分析算法

    2018-12-14 05:30:46曲昭偉王曉茹
    計算機應用 2018年11期
    關鍵詞:編碼器準確率向量

    曲昭偉,王 源,王曉茹

    (1.北京郵電大學 網(wǎng)絡技術研究院,北京 100876; 2. 北京郵電大學 計算機學院,北京 100876)(*通信作者電子郵箱wyuan@bupt.edu.cn)

    隨著互聯(lián)網(wǎng)技術的發(fā)展和社交網(wǎng)絡的普及,越來越多的用戶選擇在社交網(wǎng)站上發(fā)表自己的觀點,產(chǎn)生了大量的評論信息,這些評論信息表達了用戶的情感色彩和情感傾向性,因此,通過對評論文本進行情感分析可以判斷評論文本中的情感取向,應用于市場分析以及相關產(chǎn)品推薦上。

    1 相關工作

    文本情感分析又稱為觀點挖掘,利用自然語言處理、文本分析等方法對帶有情感色彩的文本進行分析、處理、推理和歸納[1]。

    情感分析方法主要有基于情感詞典匹配的方法以及基于機器學習的方法。隨著深度學習逐漸成為自然語言處理領域研究熱點,利用深度學習的方法解決情感分析問題的技術飛速發(fā)展[2]。在自然語言處理領域,例如循環(huán)神經(jīng)網(wǎng)絡(Recurrent Neural Network, RNN)等深度神經(jīng)網(wǎng)絡在處理情感分析問題時具有明顯優(yōu)勢。長短期記憶網(wǎng)絡(Long Short-Term Memory, LSTM)可以捕捉到評論語句中的長期依賴關系,從整體上理解文本的情感語義,與卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network, CNN)相比,RNN更適合處理序列信息。Li等[3]研究了樹結構的LSTM網(wǎng)絡;Cho等[4]提出了門循環(huán)單元(Gated Recurrent Unit, GRU),與LSTM網(wǎng)絡相比,具有更少的參數(shù);Ravanelli等[5]將一種加權循環(huán)單元應用于語音識別領域,實驗結果證明該結構具有較好的語音識別效果。

    近年來,遷移學習逐漸成為數(shù)據(jù)挖掘領域的研究重點,即將從源領域學習到的模型或思想應用于目標領域。在計算機視覺領域,在大規(guī)模圖像分類數(shù)據(jù)集(ImageNet)上訓練的深度卷積神經(jīng)網(wǎng)絡[6]可以用作其他模型中的組成部分,并在一系列任務上得到出色的結果。Zhuang等[7]提出一種基于雙編碼層自編碼器的監(jiān)督表示的遷移學習方法;Tan等[8]探究了以一種稱為遠程域遷移學習的新型遷移學習問題,在目標域與源域完全不同的情況下實現(xiàn)遷移學習;Long等[9]提出了深度適配網(wǎng)絡的深度遷移學習方法;吳斌等[10]針對古代詩歌等短文本的情感分析問題提出一種基于特征擴展的遷移學習模型。

    在文本情感分析問題中,利用Word2Vec[11]和GloVe[12]等模型進行無監(jiān)督訓練得到的詞向量遷移到自然語言處理任務中能夠提高模型的性能,但是這類無監(jiān)督訓練得到的詞向量無法準確代表上下文關系[13],該問題也限制了分類模型的準確率。針對以上問題,本文提出一種基于遷移學習的分層注意力神經(jīng)網(wǎng)絡(Transfer Learning based Hierarchical Attention Neural Network, TLHANN)的情感分析方法,利用機器翻譯模型編碼器生成的詞的分布式表示與GloVe模型訓練的詞向量相結合作為情感分析算法的輸入,準確表示文本語境關系,并采用最小門單元(Minimal Gate Unit, MGU)[14]簡化算法結構,經(jīng)過大量實驗證明了本文算法的分類準確率比傳統(tǒng)算法有較大提升。

    2 基于遷移學習的文本情感分析算法

    2.1 訓練LSTM編碼器

    由于機器翻譯任務的數(shù)據(jù)集遠大于其他自然語言處理任務,本文提出的情感分析算法的第一部分是利用英語-德語翻譯任務訓練一個LSTM編碼器。這一步驟的目的是為了得到可以應用于文本情感分析的輔助的隱藏向量,從而提高情感分析算法的性能。這些輸出的隱藏向量與GloVe訓練的詞向量相結合,作為情感分析部分的輸入。

    (1)

    (2)

    (3)

    (4)

    根據(jù)全局注意力模型[14],可變長度的對齊向量χt可以表示為:

    (5)

    (6)

    其中ct定義為源隱藏狀態(tài)的加權平均。最后輸出單詞的分布表示為:

    (7)

    經(jīng)過上述機器翻譯任務的訓練之后,本文得到了一個雙向LSTM編碼器,利用這個編碼器得到新句子的隱藏向量,將它與傳統(tǒng)的GloVe向量相結合,如圖1所示。

    對于輸入序列w,后續(xù)情感分析模型的輸入x如式(8)所示:

    (8)

    圖1 將利用機器翻譯任務訓練的編碼器遷移到情感分類任務中

    2.2 情感分析任務

    基于Yang等[16]提出的模型,本文采用的情感分析算法具有分層結構,分為單詞層和句子層。在每一層,使用一種簡化的循環(huán)神經(jīng)網(wǎng)絡結構單元——最小門單元(MGU)。MGU只有一個門單元——遺忘門,將輸入(重置)門合并入了遺忘(更新)門,結構圖如圖2所示。在t時刻,MGU計算當前的狀態(tài)為:

    (9)

    遺忘門控制上一時刻記憶的遺忘程度以及附加多少新信息,MGU的遺忘門的表示為:

    ft=σ(Wf+Ufht-1+bf)

    (10)

    (11)

    圖2 最小門單元結構

    本文采用的是一種分層的情感分析算法,結構如圖3所示。在單詞層,將翻譯任務訓練得到的隱藏向量與GloVe向量相結合作為模型的輸入,并采用MGU網(wǎng)絡來模擬句子的語義表示。

    (12)

    (13)

    (14)

    (15)

    然后得到句子表示:

    (16)

    圖3 TLHANN算法結構

    得到了句子層的表示si之后,利用相同方式獲得文檔層的表示:

    hi=MGU(si);i∈[1,m]

    (17)

    同樣,不同的句子對判別文檔的情感極性所起到的作用也有差異,因此,在句子層也采用注意力機制,并引入句子層的上下文向量vs,如式(18)~ (20)所示:

    vi=tanh(Wshi+bs)

    (18)

    (19)

    (20)

    d是最終得到的文檔表示,而上下文向量vs被隨機初始化并通過訓練過程學習得到。

    上文得到的d總結了文檔中句子的所有信息,因此可以將它作為文檔情感分類的特征。使用一個多層感知器可以得到:

    (21)

    然后使用softmax層得到不同情感等級的概率分布:

    (22)

    其中:pc是情感等級是c的概率,C是情感等級數(shù)。

    本文使用黃金情感分布和模型預測的情感分析的交叉熵誤差作為損失函數(shù):

    (23)

    (24)

    3 實驗與分析

    3.1 數(shù)據(jù)集及實驗設置

    在進行機器翻譯任務時使用了兩個數(shù)據(jù)集,分別為WMT2016的Multi30k數(shù)據(jù)集和IWSLT2016年的機器翻譯任務數(shù)據(jù)集,其中Multi30k的訓練集由30 000個描述圖像的句子對組成,IWSLT2106的機器翻譯數(shù)據(jù)集訓練集由209 772個句子對組成。在訓練LSTM編碼器時,使用the CommonCrawl-840B GloVe 模型生成英語詞向量,得到300維的詞向量,這里的LSTM網(wǎng)絡的隱藏層隱藏單元數(shù)設置為300。訓練時采用隨機梯度下降算法,學習率以1開始,當驗證復雜度首次提高時,每個周期將學習率減半,Dropout均為0.2。在Multi30k數(shù)據(jù)集上訓練的機器翻譯模型在測試集上的BLEU(BiLingual Evaluation Understudy)分數(shù)為37.6,在IWSLT2106版本的機器翻譯數(shù)據(jù)集上訓練得到的模型在測試集上的BLEU分數(shù)為24.7。

    對于情感分析任務,使用4個數(shù)據(jù)集:IMDB、IMDB2、Yelp2013和Yelp2014。數(shù)據(jù)集的詳細信息見表1,將數(shù)據(jù)集按8 ∶1 ∶1的比例分為training、development、testing集。

    表1 實驗數(shù)據(jù)集的統(tǒng)計信息

    本文使用兩個常用的模型評價指標:準確率(Accuracy)和均方根誤差(Root Mean Square Error, RMSE),其中準確率用來評價情感分析算法的表現(xiàn),RMSE用來衡量預測的情感級別和真實值的偏差。Accuracy和RMSE的公式如下:

    Accuracy=T/N

    (25)

    (26)

    其中:GRi是真實的情感等級,PRi是預測的情感等級,G是GRi與PRi相等的文檔數(shù),N是總文檔數(shù)。本文設置情感分析算法中MGU隱藏單元數(shù)為300,注意力機制中的單詞、句子上下文向量為300維。使用development集來調(diào)超參數(shù)并且使用Adadelta在訓練中更新參數(shù)。

    3.2 實驗結果及分析

    本節(jié)分別將本文提出的基于遷移學習的分層注意力神經(jīng)網(wǎng)絡的情感分析方法與未引入遷移學習的方法包括SSWE (Sentiment-Specific Word Embeddings)+ SVM(Support Vector Machine)[17]、LSTM+ UPA(User Product Attention)[18]、LSTM+CBA(Cognition Based Attention)[19]進行對比。其中SSWE+SVM利用特殊的情感詞嵌入,采用SVM分類器進行情感分析;LSTM+UPA方法利用LSTM網(wǎng)絡結合注意力機制進行情感分析;LSTM+CBA方法利用基于視覺追蹤數(shù)據(jù)的注意力機制的LSTM網(wǎng)絡進行分析。實驗結果如表2和表3,其中表2為以上四種方法的分類準確率, 文所提算法的分類準確率與LSTM+CBA算法和SVM算法相比分別平均提升了8.7%及23.4%,表3為四種方法的均方根誤差值。從實驗結果可以看出,對于同樣的情感分析數(shù)據(jù)集,本文方法具有更高的分類準確率和更小的誤差。

    表2 四種方法的分類準確率對比

    表3 四種方法的分類均方根誤差對比

    另外,比較了在遷移學習部分中,用于訓練LSTM編碼器的機器翻譯數(shù)據(jù)量對后續(xù)情感分析任務的影響,實驗結果如表4所示。實驗結果表明,翻譯數(shù)據(jù)集越大,將得到的LSTM編碼器遷移到情感分析任務時,對于算法性能的提升越大;也就是說,用于訓練LSTM編碼器的機器翻譯數(shù)據(jù)集越大,將該編碼器遷移到情感分析任務中時,生成的分布式表示能夠更好地體現(xiàn)句子上下文關系,對于文本情感極性的預測更有幫助。

    表4 與隨機初始化詞向量相比本文算法的準確率提升效果 %

    為了說明注意力機制的作用,在4個數(shù)據(jù)集上比較了本文的基于遷移學習的分層注意力神經(jīng)網(wǎng)絡(Transfer Learning based Hierarchical Attention Neural Network, TLHANN)與不引入注意力機制——基于遷移學習的分層神經(jīng)網(wǎng)絡(Transfer Learning based Hierarchical Neural Network, TLHNN)的性能,實驗結果如表5所示。從表5中可以看出,在情感分析算法中引入注意力機制能提升算法的性能,在IMDB、Yelp2013、Yelp2014和IMDB2數(shù)據(jù)集上的分類準確率分別提升了4.0%、2.0%、2.3%以及10.6%。

    表5 注意力機制對于分類模型的影響(分類準確率)

    4 結語

    本文針對情感分析問題提出了一個基于遷移學習的分層注意力神經(jīng)網(wǎng)絡(TLHANN)算法。首先利用機器翻譯任務訓練一個LSTM編碼器,將其遷移到情感分析任務中用來生成分布式表示作為神經(jīng)網(wǎng)絡的輸入,并采用簡化的循環(huán)神經(jīng)網(wǎng)絡結構,減少了模型參數(shù)數(shù)量。經(jīng)過大量實驗驗證了該算法在不同的數(shù)據(jù)集上的出色表現(xiàn)。研究其他自然語言處理任務對于情感分析問題的可遷移性并提高分類準確率將成為下一步工作的重點。

    猜你喜歡
    編碼器準確率向量
    向量的分解
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準確率比較探討
    2015—2017 年寧夏各天氣預報參考產(chǎn)品質量檢驗分析
    聚焦“向量與三角”創(chuàng)新題
    基于FPGA的同步機軸角編碼器
    高速公路車牌識別標識站準確率驗證法
    基于PRBS檢測的8B/IOB編碼器設計
    向量垂直在解析幾何中的應用
    JESD204B接口協(xié)議中的8B10B編碼器設計
    電子器件(2015年5期)2015-12-29 08:42:24
    免费大片黄手机在线观看| av视频免费观看在线观看| 18禁动态无遮挡网站| 免费看日本二区| 妹子高潮喷水视频| 欧美日韩av久久| a 毛片基地| 色婷婷久久久亚洲欧美| 老司机影院成人| 久久久久国产精品人妻一区二区| 丝袜脚勾引网站| 久久久久国产精品人妻一区二区| 人妻少妇偷人精品九色| 久久久久网色| 久久久久精品性色| av不卡在线播放| 美女xxoo啪啪120秒动态图| 亚洲av电影在线观看一区二区三区| 高清av免费在线| 自拍欧美九色日韩亚洲蝌蚪91 | 一级a做视频免费观看| av免费在线看不卡| 亚洲av.av天堂| 一级a做视频免费观看| 青春草亚洲视频在线观看| 日本爱情动作片www.在线观看| 2018国产大陆天天弄谢| 中国国产av一级| 一级毛片久久久久久久久女| 人人澡人人妻人| 日本av手机在线免费观看| 国产精品嫩草影院av在线观看| 免费黄网站久久成人精品| 在线精品无人区一区二区三| freevideosex欧美| 国产精品欧美亚洲77777| 国内精品宾馆在线| 大又大粗又爽又黄少妇毛片口| 中文字幕人妻丝袜制服| 自拍欧美九色日韩亚洲蝌蚪91 | 亚洲精品乱码久久久久久按摩| 国产一区亚洲一区在线观看| 99久国产av精品国产电影| 免费久久久久久久精品成人欧美视频 | 亚洲国产成人一精品久久久| 国产黄片美女视频| www.色视频.com| 高清不卡的av网站| 乱人伦中国视频| 一级毛片aaaaaa免费看小| 久热这里只有精品99| 亚洲国产日韩一区二区| 免费观看av网站的网址| 国产成人精品婷婷| 亚洲欧美日韩另类电影网站| 久久亚洲国产成人精品v| 久久久亚洲精品成人影院| 国产男人的电影天堂91| 水蜜桃什么品种好| 久久婷婷青草| 高清黄色对白视频在线免费看 | a级片在线免费高清观看视频| 纵有疾风起免费观看全集完整版| 又粗又硬又长又爽又黄的视频| 男女边吃奶边做爰视频| 熟女电影av网| 亚洲精品国产av成人精品| 如日韩欧美国产精品一区二区三区 | 九色成人免费人妻av| 激情五月婷婷亚洲| 少妇猛男粗大的猛烈进出视频| 精品一区二区三区视频在线| 性色av一级| 乱码一卡2卡4卡精品| 赤兔流量卡办理| 黄色一级大片看看| 亚洲国产精品一区二区三区在线| av播播在线观看一区| av又黄又爽大尺度在线免费看| 黄色怎么调成土黄色| 亚洲四区av| 天堂俺去俺来也www色官网| 一级毛片aaaaaa免费看小| 中文天堂在线官网| 人人澡人人妻人| 美女视频免费永久观看网站| 精品国产露脸久久av麻豆| 久久久久久久久大av| 99九九在线精品视频 | 国产精品欧美亚洲77777| 久久久久国产精品人妻一区二区| 日韩在线高清观看一区二区三区| 一区在线观看完整版| 亚洲欧美日韩卡通动漫| 精品人妻一区二区三区麻豆| 91久久精品电影网| 欧美性感艳星| av线在线观看网站| 伊人亚洲综合成人网| 欧美另类一区| 国产亚洲一区二区精品| 日韩熟女老妇一区二区性免费视频| 精品国产一区二区久久| 热99国产精品久久久久久7| 夜夜爽夜夜爽视频| 亚洲真实伦在线观看| 午夜免费鲁丝| 国产91av在线免费观看| 亚洲第一区二区三区不卡| 五月玫瑰六月丁香| 久久精品夜色国产| 一个人看视频在线观看www免费| av福利片在线| 好男人视频免费观看在线| 国产一区有黄有色的免费视频| 欧美xxⅹ黑人| 9色porny在线观看| 中文字幕制服av| 五月开心婷婷网| 99久久精品热视频| 乱系列少妇在线播放| 日韩在线高清观看一区二区三区| 国产极品粉嫩免费观看在线 | 欧美日韩av久久| 日韩在线高清观看一区二区三区| 久久国产乱子免费精品| 婷婷色综合www| 亚洲国产毛片av蜜桃av| 2022亚洲国产成人精品| 日日摸夜夜添夜夜爱| 老熟女久久久| 国产免费福利视频在线观看| 少妇的逼好多水| 国产淫片久久久久久久久| 久久狼人影院| 国产 一区精品| 国产av国产精品国产| 观看免费一级毛片| 国产伦理片在线播放av一区| 蜜桃在线观看..| 免费观看在线日韩| 亚洲美女黄色视频免费看| 日本色播在线视频| 一本色道久久久久久精品综合| 噜噜噜噜噜久久久久久91| 美女cb高潮喷水在线观看| 久热久热在线精品观看| 免费人成在线观看视频色| 夜夜看夜夜爽夜夜摸| 亚洲熟女精品中文字幕| 男女国产视频网站| 春色校园在线视频观看| 亚洲美女搞黄在线观看| 亚洲欧美成人精品一区二区| 亚洲av日韩在线播放| 日韩不卡一区二区三区视频在线| 99九九线精品视频在线观看视频| 亚洲国产色片| 国产一区有黄有色的免费视频| 亚洲欧美一区二区三区黑人 | 欧美激情国产日韩精品一区| 亚洲精品乱久久久久久| 99热这里只有是精品在线观看| 黄色一级大片看看| 在线天堂最新版资源| 亚州av有码| 水蜜桃什么品种好| 看免费成人av毛片| 国产成人91sexporn| 曰老女人黄片| 国产精品不卡视频一区二区| 全区人妻精品视频| 黑人巨大精品欧美一区二区蜜桃 | 国产黄片视频在线免费观看| 亚洲成人一二三区av| 不卡视频在线观看欧美| 少妇丰满av| 少妇猛男粗大的猛烈进出视频| 香蕉精品网在线| 精品人妻熟女毛片av久久网站| 日本av免费视频播放| 黄色怎么调成土黄色| 亚洲av综合色区一区| 在线观看免费视频网站a站| 久久99一区二区三区| 美女主播在线视频| 亚洲欧洲日产国产| 国产亚洲精品久久久com| 涩涩av久久男人的天堂| 国产精品.久久久| 婷婷色综合大香蕉| 校园人妻丝袜中文字幕| 欧美丝袜亚洲另类| 欧美变态另类bdsm刘玥| 成人毛片a级毛片在线播放| 久久久久视频综合| 国产精品久久久久久av不卡| 一级av片app| 99re6热这里在线精品视频| 亚洲精品久久久久久婷婷小说| 国产视频首页在线观看| 久久精品国产亚洲网站| 久久狼人影院| 99热网站在线观看| 少妇人妻精品综合一区二区| av天堂中文字幕网| 色视频在线一区二区三区| 久久精品国产鲁丝片午夜精品| 久久热精品热| 亚洲va在线va天堂va国产| 人人妻人人看人人澡| 精品久久久久久久久亚洲| 日本欧美国产在线视频| 亚洲久久久国产精品| 久久久久视频综合| 亚洲精品乱码久久久v下载方式| 美女大奶头黄色视频| 男男h啪啪无遮挡| 成人午夜精彩视频在线观看| 精品午夜福利在线看| 国产精品久久久久久精品古装| 久久女婷五月综合色啪小说| 人人妻人人添人人爽欧美一区卜| h视频一区二区三区| 亚洲天堂av无毛| 亚洲综合精品二区| www.av在线官网国产| 夫妻午夜视频| 在线观看一区二区三区激情| 国产熟女午夜一区二区三区 | 午夜影院在线不卡| 欧美日韩精品成人综合77777| 欧美 亚洲 国产 日韩一| 伦精品一区二区三区| 黑人高潮一二区| 嘟嘟电影网在线观看| 久久人妻熟女aⅴ| 久久午夜综合久久蜜桃| 久久精品国产a三级三级三级| 2022亚洲国产成人精品| 在现免费观看毛片| 精品国产露脸久久av麻豆| 亚洲国产精品一区三区| 夜夜爽夜夜爽视频| 少妇人妻 视频| 久久人人爽人人片av| 亚洲成人av在线免费| 成人特级av手机在线观看| 国产爽快片一区二区三区| 国产永久视频网站| 人妻人人澡人人爽人人| 伊人久久精品亚洲午夜| 狂野欧美激情性xxxx在线观看| 精品亚洲乱码少妇综合久久| 一级,二级,三级黄色视频| 18禁在线无遮挡免费观看视频| 日韩一区二区视频免费看| 精品久久久久久久久亚洲| 国产精品一区www在线观看| 成人免费观看视频高清| 国产黄片视频在线免费观看| av视频免费观看在线观看| 国产成人免费观看mmmm| 国产视频内射| 国内少妇人妻偷人精品xxx网站| 久久午夜福利片| 亚洲国产精品999| 中国三级夫妇交换| 亚洲图色成人| 免费观看a级毛片全部| 精品人妻熟女av久视频| 亚洲av日韩在线播放| 99久久综合免费| 国产成人一区二区在线| 久久久国产一区二区| 三上悠亚av全集在线观看 | 狠狠精品人妻久久久久久综合| 91久久精品电影网| 在线 av 中文字幕| 岛国毛片在线播放| 综合色丁香网| 亚洲精品一二三| av免费在线看不卡| 熟妇人妻不卡中文字幕| 欧美日韩视频精品一区| 曰老女人黄片| 国产免费一级a男人的天堂| 日本爱情动作片www.在线观看| 国产淫语在线视频| 美女国产视频在线观看| 久久精品国产鲁丝片午夜精品| av在线观看视频网站免费| 国产精品久久久久久精品电影小说| 国产精品一区二区在线观看99| 9色porny在线观看| 久久av网站| 国产精品欧美亚洲77777| 国产高清三级在线| 国产伦精品一区二区三区视频9| 亚洲欧美日韩另类电影网站| 22中文网久久字幕| 国产精品一区www在线观看| 欧美最新免费一区二区三区| 亚洲精品久久午夜乱码| 欧美激情国产日韩精品一区| 狂野欧美激情性xxxx在线观看| 午夜影院在线不卡| 亚洲国产欧美在线一区| 中文在线观看免费www的网站| 五月伊人婷婷丁香| 成人二区视频| 国产精品国产三级专区第一集| 国产精品久久久久成人av| 色94色欧美一区二区| 一级毛片久久久久久久久女| 久久亚洲国产成人精品v| 午夜久久久在线观看| 国产日韩欧美亚洲二区| 99久久精品一区二区三区| 69精品国产乱码久久久| 亚洲av综合色区一区| 国产精品国产三级专区第一集| 国内精品宾馆在线| 亚洲欧美一区二区三区黑人 | freevideosex欧美| 一本一本综合久久| 九九在线视频观看精品| 六月丁香七月| 国产黄片美女视频| videossex国产| 三级经典国产精品| 六月丁香七月| 国产在线视频一区二区| 狂野欧美激情性xxxx在线观看| h视频一区二区三区| 在线观看三级黄色| 亚洲三级黄色毛片| 色哟哟·www| 免费少妇av软件| 美女国产视频在线观看| 观看免费一级毛片| 我的女老师完整版在线观看| 国产亚洲av片在线观看秒播厂| 精品久久久久久电影网| 又爽又黄a免费视频| 一区二区av电影网| 中文字幕免费在线视频6| 国产精品成人在线| 国产视频内射| 亚洲精品,欧美精品| 97精品久久久久久久久久精品| 午夜福利在线观看免费完整高清在| 王馨瑶露胸无遮挡在线观看| av天堂中文字幕网| 午夜91福利影院| 伦理电影大哥的女人| 免费大片18禁| 国产又色又爽无遮挡免| 91久久精品国产一区二区三区| 日本欧美视频一区| 国产男人的电影天堂91| 欧美一级a爱片免费观看看| 国产精品国产三级国产av玫瑰| 乱人伦中国视频| 亚洲欧美成人综合另类久久久| 亚洲精品国产av蜜桃| 中文欧美无线码| 国产视频内射| 亚洲欧美精品专区久久| 如何舔出高潮| 欧美日韩精品成人综合77777| 国产精品国产三级国产专区5o| 日韩人妻高清精品专区| 狂野欧美白嫩少妇大欣赏| 欧美精品人与动牲交sv欧美| 国产精品99久久99久久久不卡 | 亚洲国产欧美在线一区| 一个人免费看片子| av免费在线看不卡| 观看免费一级毛片| 777米奇影视久久| 伊人久久国产一区二区| 成人国产av品久久久| 欧美日韩av久久| 人妻夜夜爽99麻豆av| 国产亚洲精品久久久com| 天堂中文最新版在线下载| 我要看黄色一级片免费的| 大陆偷拍与自拍| 成人无遮挡网站| 伦理电影大哥的女人| 久久97久久精品| 日韩,欧美,国产一区二区三区| 人人妻人人添人人爽欧美一区卜| 免费看光身美女| 国产精品欧美亚洲77777| 久久久久久久久久久丰满| av福利片在线观看| 肉色欧美久久久久久久蜜桃| 黑人猛操日本美女一级片| 美女视频免费永久观看网站| 少妇高潮的动态图| 99久久精品热视频| 日韩免费高清中文字幕av| av专区在线播放| 国产精品偷伦视频观看了| 午夜福利影视在线免费观看| 人人妻人人看人人澡| 国产精品国产三级国产av玫瑰| 国产乱来视频区| 久久女婷五月综合色啪小说| 五月玫瑰六月丁香| 亚洲四区av| 久久久久久久久久成人| 精品午夜福利在线看| 免费少妇av软件| 又粗又硬又长又爽又黄的视频| 久久精品熟女亚洲av麻豆精品| 亚洲一级一片aⅴ在线观看| 国产亚洲av片在线观看秒播厂| 亚洲精品色激情综合| 又黄又爽又刺激的免费视频.| 国产成人免费观看mmmm| 男女无遮挡免费网站观看| 亚洲av福利一区| 久久精品熟女亚洲av麻豆精品| 男女国产视频网站| 国产在线视频一区二区| 91精品伊人久久大香线蕉| 美女脱内裤让男人舔精品视频| 亚洲四区av| 国内少妇人妻偷人精品xxx网站| 国产中年淑女户外野战色| 91aial.com中文字幕在线观看| 香蕉精品网在线| 久久久久精品久久久久真实原创| 中文字幕人妻熟人妻熟丝袜美| 一本—道久久a久久精品蜜桃钙片| 国产一区有黄有色的免费视频| 一边亲一边摸免费视频| 中国美白少妇内射xxxbb| av国产精品久久久久影院| 精品酒店卫生间| 精品久久久精品久久久| 人妻夜夜爽99麻豆av| 99热6这里只有精品| 亚洲精品日韩av片在线观看| 亚洲美女搞黄在线观看| 五月玫瑰六月丁香| 免费看不卡的av| 亚洲情色 制服丝袜| 成年人免费黄色播放视频 | 国产深夜福利视频在线观看| 国产精品人妻久久久影院| 青春草视频在线免费观看| 我要看日韩黄色一级片| 国产在线视频一区二区| 插阴视频在线观看视频| 美女脱内裤让男人舔精品视频| 亚洲欧美中文字幕日韩二区| 免费人妻精品一区二区三区视频| 免费黄网站久久成人精品| 日韩大片免费观看网站| 91aial.com中文字幕在线观看| 国产视频内射| 人人妻人人澡人人看| 在线观看一区二区三区激情| 国国产精品蜜臀av免费| 中文资源天堂在线| 99九九在线精品视频 | 韩国高清视频一区二区三区| 成人国产麻豆网| 日本欧美视频一区| 国产视频首页在线观看| 久久鲁丝午夜福利片| 最近手机中文字幕大全| 日韩av在线免费看完整版不卡| 亚洲精品成人av观看孕妇| 最黄视频免费看| av黄色大香蕉| 免费久久久久久久精品成人欧美视频 | √禁漫天堂资源中文www| 18+在线观看网站| 视频中文字幕在线观看| 免费观看av网站的网址| 少妇熟女欧美另类| 少妇被粗大猛烈的视频| 亚洲三级黄色毛片| 国产综合精华液| 女人久久www免费人成看片| 一区二区三区乱码不卡18| 男女边摸边吃奶| 超碰97精品在线观看| 成人国产麻豆网| 男女无遮挡免费网站观看| 亚洲av.av天堂| 久久精品国产a三级三级三级| 日韩中字成人| 永久免费av网站大全| 国产黄片视频在线免费观看| 国产在线男女| 菩萨蛮人人尽说江南好唐韦庄| 亚洲精品日本国产第一区| 亚洲欧美日韩东京热| 国产精品一区二区在线不卡| 日本91视频免费播放| 少妇被粗大猛烈的视频| 人妻少妇偷人精品九色| 寂寞人妻少妇视频99o| 久久综合国产亚洲精品| 免费少妇av软件| 日韩中字成人| 久久精品夜色国产| 国产成人freesex在线| 国产精品人妻久久久影院| 97在线人人人人妻| 精华霜和精华液先用哪个| 中文字幕亚洲精品专区| 大陆偷拍与自拍| 久久青草综合色| 国产免费又黄又爽又色| 亚洲av成人精品一二三区| 简卡轻食公司| 久久亚洲国产成人精品v| 大码成人一级视频| 高清欧美精品videossex| 欧美 亚洲 国产 日韩一| 亚洲在久久综合| 我的女老师完整版在线观看| 亚洲精品第二区| 99精国产麻豆久久婷婷| 日日爽夜夜爽网站| 亚洲欧美成人精品一区二区| 午夜激情久久久久久久| 国产爽快片一区二区三区| 永久免费av网站大全| 国产精品熟女久久久久浪| 国产精品一区二区三区四区免费观看| 亚洲精品日韩av片在线观看| 一本久久精品| 美女脱内裤让男人舔精品视频| 人人澡人人妻人| 男人狂女人下面高潮的视频| 亚洲真实伦在线观看| 国产精品久久久久成人av| 肉色欧美久久久久久久蜜桃| 曰老女人黄片| 亚洲中文av在线| 大片免费播放器 马上看| 欧美日韩综合久久久久久| 91在线精品国自产拍蜜月| 亚洲无线观看免费| 国产精品女同一区二区软件| 久久久久久久国产电影| 在线观看三级黄色| 80岁老熟妇乱子伦牲交| 亚洲,一卡二卡三卡| 免费观看在线日韩| 久久精品国产亚洲网站| 亚洲伊人久久精品综合| 国产亚洲av片在线观看秒播厂| 亚洲精品国产色婷婷电影| 少妇高潮的动态图| 国产精品熟女久久久久浪| 亚洲欧美精品专区久久| 精品亚洲成国产av| 亚洲av.av天堂| 国产伦理片在线播放av一区| 青春草亚洲视频在线观看| 久久久国产精品麻豆| 久久精品国产亚洲网站| 国产精品成人在线| 十八禁高潮呻吟视频 | 超碰97精品在线观看| 久久国产乱子免费精品| 亚洲丝袜综合中文字幕| 大片免费播放器 马上看| 国产精品一区二区性色av| 久久久久久人妻| 久久久精品94久久精品| 国产伦理片在线播放av一区| 国内精品宾馆在线| 天天操日日干夜夜撸| 丝瓜视频免费看黄片| 久久久国产一区二区| 人人妻人人澡人人爽人人夜夜| 中文乱码字字幕精品一区二区三区| 亚洲欧洲国产日韩| 精品久久久噜噜| 国产成人a∨麻豆精品| 少妇高潮的动态图| 精品人妻熟女av久视频| 女人精品久久久久毛片| 一级爰片在线观看| 伦理电影免费视频| 久久久欧美国产精品| 极品人妻少妇av视频| 亚洲欧洲日产国产| kizo精华| 我的女老师完整版在线观看| 丝瓜视频免费看黄片| 高清av免费在线| 免费黄网站久久成人精品| 2022亚洲国产成人精品| 一级av片app| 日韩av在线免费看完整版不卡| 亚洲综合精品二区| 午夜福利网站1000一区二区三区| 插阴视频在线观看视频| 欧美日韩综合久久久久久| 麻豆成人午夜福利视频| 久久鲁丝午夜福利片| 精品午夜福利在线看| 成人午夜精彩视频在线观看| 国内揄拍国产精品人妻在线|