• <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 ?

    融合語義與圖結(jié)構(gòu)的短文本特征提取算法

    2019-09-09 03:44:58馬慧芳劉曉倩伍詩萌
    小型微型計算機系統(tǒng) 2019年9期
    關(guān)鍵詞:特征詞頂點特征提取

    馬慧芳,劉曉倩,馬 蘭,伍詩萌

    1(西北師范大學 計算機科學與工程學院,蘭州 730070)2(桂林電子科技大學 廣西可信軟件重點實驗室,廣西 桂林 541004) E-mail:mahuifang@yeah.net

    1 引 言

    隨著信息時代的飛速發(fā)展,微博、微信、說說、新聞、團購、郵件、手機短信等大量互聯(lián)網(wǎng)平臺興起,給人們帶來便利的交流環(huán)境,同時也將多種形式的短文本數(shù)據(jù)大量的引入到了人們的日常生活之中.與傳統(tǒng)文本不同,這些短文本主要表現(xiàn)為簡略的描述說明、觀點評論、簡單對答或情感抒發(fā)等,文本長度一般不超過140個字符.當前社會中短文本的數(shù)量多,信息量大,其中包羅了人們對各類社會現(xiàn)象或商品的反映、評價,對眾多領(lǐng)域有著非常重要的作用,因此從海量的短文本數(shù)據(jù)中快速并準確地獲取有用的信息,特征提取技術(shù)發(fā)揮著非常重要的作用[1].

    傳統(tǒng)的特征提取算法大多適用于長文本,且短文本較之長文本具有信息量巨大、特征稀疏等顯著特點,因此提出一種有效的針對短文本的特征提取算法至關(guān)重要.現(xiàn)有的短文本特征提取算法可歸納為以下三類:

    1)基于統(tǒng)計信息的算法:主要從詞頻、位置等角度考慮特征詞的重要性,常見的算法有TFIDF算法[2,3],N-Gram算法[4]等.楊震等[5]提出一種基于通過詞出現(xiàn)間距的內(nèi)在與外在模式的信息熵差進行關(guān)鍵詞排序的方法,該方法認為特征詞的出現(xiàn)受話題中的關(guān)鍵詞位置的統(tǒng)計特征和文本中話題簇的統(tǒng)計屬性兩方面影響.已有的工作[6]將同一短文本中兩個詞語之間的間隔詞數(shù)作為共現(xiàn)距離[7],計算詞語之間相關(guān)度進而體現(xiàn)詞語間語義關(guān)聯(lián).但其不足之處在于未考慮到詞語間的隱含語義;

    2)基于圖的特征提取算法:該類算法建立在詞頻統(tǒng)計基礎(chǔ)上,將詞語及其語義關(guān)系映射到文本結(jié)構(gòu)圖,提取出若干重要的頂點即為關(guān)鍵詞.劉嘯劍等[8]利用LDA主題模型,計算出詞與詞之間的相似性作為詞與詞之間的權(quán)重,并構(gòu)建一個帶權(quán)無向詞圖,選擇短語作為圖的節(jié)點從而提取出特征詞項.該方法的缺點在于僅僅考慮了圖的結(jié)構(gòu),而忽略了像節(jié)點屬性之類的外部信息;

    3)基于語義的算法:采用語義詞典或者詞匯鏈方法來獲取詞匯間的語義知識來提取文本特征詞項.該算法提高了提取的準確率,但是依賴于背景知識庫、詞典、詞表等,無法提取出不包含于知識庫的詞或詞組,對文本格式要求嚴格.

    針對現(xiàn)有方法的不足,本文提出一種融合語義與圖結(jié)構(gòu)的短文本特征提取算法(Short Text Feature Extraction Algorithm Based on Semantic and Graph Structure,SFESGS),該算法以構(gòu)造圖的方式來表示文本,并利用語義耦合關(guān)系以及圖結(jié)構(gòu)特征計算詞對間的相似度對文本圖中的邊加權(quán),然后設(shè)計一種隨機游走的方法將兩種邊的加權(quán)方案有效地結(jié)合起來進行迭代計算出節(jié)點的重要性,實現(xiàn)對文本特征的提取.最后,本文選取中英文短文本作為實驗數(shù)據(jù)集,對算法進行了驗證.實驗結(jié)果表明,本文所提出的算法可行且有效.

    2 相關(guān)理論

    2.1 詞對內(nèi)部語義耦合

    詞對內(nèi)部語義耦合[9]是為了研究詞項之間的顯式語義關(guān)系.假設(shè)出現(xiàn)在同一文本中的詞語具有共現(xiàn)關(guān)系,如果詞對的共現(xiàn)頻率越高,它們的關(guān)聯(lián)性越強.因此,詞項之間的顯式關(guān)系可以通過它們在所有文本(文本集)中的共現(xiàn)頻率進行估計.

    定義1.(TPF-IDF)TPF是一對詞項出現(xiàn)在同一文本的次數(shù),IDF表示一對詞項至少出現(xiàn)一次的文本數(shù),TPF-IDF反映了成對詞項在語料庫中對一個文本的重要性.其加權(quán)方案計算公式如下:

    TPF-IDF((ti,tj),d,D)=TPF((ti,tj),d)×IDF((ti,tj),D)

    (1)

    (2)

    其中(ti,tj) 代表一對詞項,|D|是文本總數(shù),d是文本集D中一個單一的文本.

    對于?(tk,ti)∈D(k,i∈[1,N],k≠i),可以得出:

    (3)

    表示詞對(tk,ti)在文本集D中的概率,TPF-IDF(tk,ti) 表示詞對(tk,ti)的TPF-IDF.

    則所有詞對中給定詞語Ti的概率分布定義如下:

    PIa(ti)=(PIa(t1|ti),PIa(t2|ti),
    K,PIa(tk|ti),K,PIa(tN|ti))

    (4)

    定義2.(詞對內(nèi)部耦合)給定一個文本集D,(ti,tj)為文本集D中的詞對,則詞對(ti,tj)的內(nèi)部的耦合關(guān)系(IaR)表示如下:

    IaR(ti,tj)=RS(PIa(ti),PIa(tj))

    (5)

    其中RS為關(guān)系強度函數(shù),本文選擇余弦相似度作為關(guān)系強度函數(shù)來計算詞對間的耦合關(guān)系.

    2.2 圖的結(jié)構(gòu)特征

    受到文獻[10]的啟發(fā),頂點的屬性不僅可以從外部數(shù)據(jù)獲得,還可以從圖的內(nèi)部結(jié)構(gòu)信息中獲得.基于結(jié)構(gòu)特征的相似度計算方法允許將圖的結(jié)構(gòu)信息(例如距離兩步的鄰居頂點的總和)直接建模到屬性中以提高性能.對于每個頂點,本文選擇了4個內(nèi)部屬性計算詞項間的相似度,詳見表1.

    表1 文本圖結(jié)構(gòu)內(nèi)部屬性
    Table 1 Internal properties of textual structure

    屬性說明屬性1同配性(同配性=頂點的度鄰居頂點度的平均值)屬性2頂點的度屬性3距離2的鄰居頂點數(shù)屬性4距離3的鄰居頂點數(shù)

    為了避免大數(shù)值,本文取所有內(nèi)部屬性的對數(shù)值.

    3 融合語義與圖結(jié)構(gòu)的短文本特征提取算法

    本文在語義耦合及圖結(jié)構(gòu)特征相結(jié)合的啟發(fā)下,提出了一種融合語義與圖結(jié)構(gòu)的短文本特征提取算法.如圖1所示.

    圖1 融合語義與圖結(jié)構(gòu)的短文本特征提取算法總流程Fig.1 Short text feature extraction algorithm based on semantic and graph structure

    首先進行文本預(yù)處理,包括分詞、詞性標注等;然后根據(jù)所有鄰邊規(guī)則構(gòu)建文本圖、根據(jù)詞性對文本圖的頂點權(quán)重進行初始化;接著利用詞語間內(nèi)部耦合及外部耦合關(guān)系以及文本圖的結(jié)構(gòu)特征計算詞語間的相似度作為文本圖中邊的權(quán)值;最后設(shè)計一種隨機游走方法將兩種邊的加權(quán)方法有效地綜合起來進行迭代提取出文本集的特征詞項排序結(jié)果.本方法不僅通過語義耦合充分捕獲文本詞語間表面的和潛在的語義信息,而且考慮到了文本圖的結(jié)構(gòu)特征,并將二者有效地結(jié)合起來,通過迭代計算得到詞語的排名情況.

    3.1 文本圖構(gòu)建

    在文本圖構(gòu)建過程中,一個標記對應(yīng)一個頂點,邊定義了標記之間的共現(xiàn)關(guān)系.給定一個標記集T來定義圖G=(V,E)的頂點和邊,其中V={t1,t2,…,tn}表示頂點集,E={e1,1,e2,2,…,ei,j}表示邊集.頂點分配是對屬性向量進行完整的讀取并為每個標記創(chuàng)建一個頂點的過程.本文中,文本圖的邊根據(jù)所有鄰邊[10]規(guī)則進行構(gòu)建:在一個任意大小的窗口中創(chuàng)建所有能夠連接標記的邊,即對于給定的某個窗口內(nèi)的每個標記間都需要創(chuàng)建一個邊.同時,這些標記的讀取順序跟它們出現(xiàn)在原始文本中的序列相同.

    3.2 頂點權(quán)重初始化

    構(gòu)建完文本圖之后,需要計算出頂點重要性的權(quán)值.SFESGS算法根據(jù)詞語詞性賦予初始權(quán)值.

    一篇文本中,名詞和動詞構(gòu)成了它的核心,它們的簡單組合可以作為整個文本的簡單表示.另外,形容詞和副詞對文本內(nèi)容的表達也起到一定的作用.因此,名詞、動詞、形容詞和副詞被視作能表達文本內(nèi)容的內(nèi)容詞,其中名詞和動詞的權(quán)重大于形容詞和副詞的權(quán)重.詞性因子的量化公式如公式(6)所示:

    (6)

    即當詞語為名詞或者動詞時,則該詞初始權(quán)重為0.8;當詞語為形容詞或者副詞時,該詞的初始權(quán)重為0.6;當詞語為其他詞性時,該詞的初始權(quán)重為0.

    3.3 文本圖中邊的權(quán)值計算

    本文提出了兩種對邊的加權(quán)方法:基于語義耦合的詞項間相似度計算和基于結(jié)構(gòu)特征的詞項間相似度計算,計算得出的詞項間相似度即為兩頂點之間邊的權(quán)值.

    3.3.1 基于語義耦合的相似度計算

    假定一個文本集由邊和頂點組成的圖來反映詞語之間的關(guān)系,2.1節(jié)中介紹的詞對內(nèi)部耦合僅僅捕獲了圖中相鄰兩個頂點間的顯式關(guān)系,未考慮到全圖中其他詞語間的相互作用.因此,提出一種基于圖論的捕獲詞項間隱式關(guān)系的方法.

    對于?(tk,ti)∈D(k,i∈[1,N],k≠i),有:

    (7)

    (8)

    公式(7)體現(xiàn)了詞ti與詞tk的相似程度,距離越近,詞ti與詞tk之間越相似,pL(ti,tk)表示詞ti與詞tk之間的最短路徑.

    對于給定的ti其概率分布如下:

    PIe(ti)=(PIe(t1|ti),PIe(t2|ti),K,PIe(tk|ti),K,PIe(tN|ti))

    (9)

    前文中提到詞對(ti,tj)的內(nèi)部耦合關(guān)系(IaR)表示如下:

    IaR(ti,tj)=RS(PIa(ti),PIa(tj))

    (10)

    其中RS為關(guān)系強度函數(shù),本文選擇余弦相似度作為關(guān)系強度函數(shù)來計算詞對間的耦合關(guān)系.

    定義3.(詞對外部耦合)給定一個文本集D,在文本集D中的詞對(ti,tj)之間的外部耦合(IeR)表示如下:

    IeR(ti,tj)=RS(PIe(ti),PIe(tj))

    (11)

    詞對間內(nèi)部耦合表征兩個詞在同一篇文本中的相關(guān)性大小,而詞對間外部耦合挖掘出兩個詞不在同一篇文本中出現(xiàn)但可能相關(guān)的特性.所以,通過綜合詞對間的內(nèi)部耦合和外部耦合,可以充分挖掘出詞語間全部的語義信息.文本集D中詞對(ti,tj)的語義耦合相似度計算見公式(12).

    SCS(ti,tj)=(1-α)×IaR(ti,tj)+α×IeR(ti,tj)

    (12)

    其中,IaR(ti,tj)和IeR(ti,tj)分別表示詞對(ti,tj)的內(nèi)部耦合關(guān)系和外部耦合關(guān)系,α∈[0,1]是決定內(nèi)部耦合關(guān)系和外部耦合關(guān)系權(quán)重的參數(shù).本文α的取值設(shè)定為0.65.

    SCS(ti,tj)的值在0-1之間,0表明兩個詞之間是完全沒有關(guān)系的,1表示兩個詞是完全一樣的,SCS(ti,tj)的值越高兩個詞之間的相似度越高.

    3.3.2 基于圖結(jié)構(gòu)特征的相似度計算

    基于結(jié)構(gòu)特征的相似度計算過程中,頂點(ti,tj)之間邊的權(quán)重用相應(yīng)頂點屬性(xi,xj)之間的相似度Sij來表示,Sij>0.

    本文選擇徑向基核函數(shù)(RBF)作為頂點屬性之間的相似度定義:

    (13)

    其中正參數(shù)γ控制屬性距離的影響,RBF核函數(shù)相當于先從xi和xj投影的兩個無限維矢量的內(nèi)積φ(xi)Tφ(xj).因此Sij可以捕獲xi和xj之間的非線性相似性.

    3.4 特征提取

    本文提出的特征提取算法是設(shè)計一種隨機游走方法將3.3節(jié)中提到的兩種對邊的加權(quán)方法有效地綜合起來進行迭代計算,得到文本特征詞項集合排序的結(jié)果.

    對于已經(jīng)構(gòu)建好的文本圖G,將頂點間的相似度作為頂點間邊的權(quán)重,利用語義耦合的方法計算頂點間的相似度得到圖G1,利用結(jié)構(gòu)特征的方法計算頂點間的相似度得到圖G2,分別計算圖G1和G2的轉(zhuǎn)移矩陣P和Q.由于圖G1和G2皆為無向圖,則將圖G1和G2中的邊(i,j)可以視為兩個有向邊(i,j)和(j,i),P和Q為L*L維的矩陣,其中P(i,j)為語義耦合計算得出的相似度,Q(i,j)為結(jié)構(gòu)特征計算得出的相似度.然后進行隨機游走迭代計算每個頂點的權(quán)值,權(quán)值的大小由高到低進行排序,取前k個作為文本集的特征詞項集合,則頂點權(quán)值計算公式為:

    π(t+1)=(1-d)Qπ(t)+dPπ(t)

    (14)

    (15)

    d表示阻尼系數(shù),一般取0.85,起到了平滑整個算法的作用,每一次頂點之間的跳轉(zhuǎn),都有d的概率按照頂點連接關(guān)系繼續(xù)跳轉(zhuǎn).

    由于本文中圖中頂點被賦予了初始權(quán)重,因此π0=?′,?′為歸一化后的?.πt為迭代t次后的特征詞項權(quán)重向量.

    4 實 驗

    4.1 實驗數(shù)據(jù)集及預(yù)處理

    實驗數(shù)據(jù)分別選用了CSCD中的5類共2450篇文章標題作為中文數(shù)據(jù)集,CCF會議推薦列表中的A類會議與B類會議中的5類共2000篇文章標題,作為英文數(shù)據(jù)集進行實驗.

    對數(shù)據(jù)集進行預(yù)處理,包括數(shù)據(jù)去噪、分詞、停用詞過濾、詞干提取、詞性標注等處理.其中,中文分詞和詞性標注是通過java調(diào)用中科院分詞系統(tǒng)(NLPIR)的函數(shù)來實現(xiàn),詞干提取采用經(jīng)典的波特算法.本文方法得出的結(jié)果以特征詞向量形式表示,且采用k-NN和SVM分類器對實驗結(jié)果進行分類驗證.

    4.2 評價指標

    本文選擇F值(F-measure)作為算法的評價指標:

    (16)

    (17)

    其中Pr為精確率,Re為召回率,其計算公式如下:

    (18)

    (19)

    其中,TP、TN、FP、FN分別為真正(事實上是正樣本,被判定為正樣本)、真負(事實上是正樣本,被判定為負樣本)、假正(事實上是負樣本,被判定為正樣本)、假負(事實上是負樣本,被判定為負樣本).

    4.3 實驗結(jié)果與相關(guān)分析

    為了驗證本文提出方法的有效性,實驗主要從以下兩個方面進行首先比較本文方法與其他特征提取方法得到的特征詞集;然后,將不同方法提取出的特征詞集應(yīng)用到SVM和k-NN分類器中,得到不同算法對短文本分類的結(jié)果.

    本文選擇只考慮語義耦合不考慮圖結(jié)構(gòu)特征的特征提取方法、只考慮圖結(jié)構(gòu)特征但不考慮語義耦合的特征提取方法以及TKG2|W1|cc[11]方法與本文方法得到的特征集合進行比較,驗證使用本文所提出的特征提取算法的有效性.

    本文選擇以上三種方法作為本文方法的對比方法是基于以下考慮:

    1)由于本文方法是通過融合詞對語義耦合關(guān)系以及文本圖結(jié)構(gòu)特征改進而來的,只考慮語義耦合不考慮圖結(jié)構(gòu)特征的特征提取方法與只考慮圖結(jié)構(gòu)特征但不考慮語義耦合的特征提取方法與本文方法最為相似;

    2)TKG2|W1|cc方法也是一種基于圖的特征的提取算法,且本文方法構(gòu)建文本圖的規(guī)則與文獻[11]中TKG2方法的構(gòu)建規(guī)則相同.

    4.3.1 特征詞典大小對短文本分類的影響

    為驗證得出的關(guān)鍵詞集對短文本分類的影響,本文分別取特征詞項集中的前30、60、100、110、130、160、180、200、230、250、280和300個特征詞項作為特征詞典,并分別利用SVM和k-NN分類器進行測試.SVM分類中采用線性核函數(shù)libsvm網(wǎng)格參數(shù)尋優(yōu)對訓練參數(shù)進行優(yōu)化,使模型更為契合.k-NN分類器訓練模型過程中,特征詞典大小一定時,近鄰數(shù)為80時得到的模型分類性能較好.

    為了得出最適合本文的分類器,本文以中文數(shù)據(jù)集為例對分類器的效果進行比較.由圖2所示,本文方法得出的關(guān)鍵詞集在SVM和k-NN分類器兩種分類器上均可以對短文本進行有效分類且SVM分類器的分類效果更佳,與本文方法更為符合.隨著特征詞典長度逐漸增加,使用訓練出的模型進行分類,準確率和F-measure值先呈現(xiàn)增長趨勢后在特征詞典數(shù)目為200時達到峰值并趨于穩(wěn)定.使用k-NN分類器訓練出的模型分類,準確率和F-measure值呈現(xiàn)出先增長后下降的波動趨勢,在特征詞典數(shù)目為110時達到峰值.

    圖2 特征詞典大小對短文本分類的影響Fig.2 Effect of feature dictionary size for short text classification

    4.3.2 特征詞典對比

    本文將4種特征提取方法得到的特征詞典在文本分類任務(wù)上進行對比,以此來驗證本文方法得到的特征詞典的準確性.以處理后的軟件工程和通信安全為例,選取前10個詞為例,如表2和表3給出了不同算法分別在中英文數(shù)據(jù)集上抽取出的特征詞項.可以看出,KEGS方法得到的特征詞典由于未考慮語義信息,效果較差,并不能代表短文本類別特征.KES方法和TKG2|W1|cc算法將詞項表示為文本圖形式但卻都忽略了文檔本身所攜帶的結(jié)構(gòu)屬性因素,得到的結(jié)果也有待提升.由此可以證明詞項之間的語義信息與詞語本身的屬性特征均不容忽視.顯然,本文算法充分考慮了詞語間的隱含語義并綜合考慮了文本圖自身的結(jié)構(gòu)特征,得到的結(jié)果相比之下更為合理.

    表2 中文數(shù)據(jù)集上不同算法抽取出的特征詞項Table 2 Feature terms extracted by different algorithms on Chinese datasets

    表3 英文數(shù)據(jù)集上不同算法抽取出的關(guān)鍵詞
    Table 3 Keywords extracted by different algorithms on
    English datasets

    方法KESKEGS TKG2|W1|CcSKESGS1designtwo-jointactivityattack2networkimpacttopicprobabilistic3baseseminallyelasticcluster4optimalsubpixelopticallive5interactvisual inter-actfemtocellsensor6learnmechanicradioencrypt7datarepetitioncooperativemechanic8analyzetransmittalefficiencydevice9modelnotecomputerlayer10efficiencysphericalfirewallimpact

    4.3.3 不同特征提取方法對短文本分類的影響

    由4.3.1可知,本文方法在SVM分類器上分類效果優(yōu)于k-NN分類器且在特征詞典長度為200時分類準確率最高.故本文選取SVM分類器分別在中英文數(shù)據(jù)集上進行實驗,驗證特征詞項數(shù)目為200時不同方法對短文本分類的影響,其F-measure值如表4.

    表4 不同特征提取算法的分類性能
    Table 4 Classification performance of different feature extraction method

    (a)中文數(shù)據(jù)集(b)英文數(shù)據(jù)集方法方法 F1-Measure方法 F1-MeasureKES0.6283KES0.4659KEGS0.5918KEGS0.3973TKG2|W1|Cc0.6297TKG2|W1|Cc0.4725SKESGS0.6594SKESGS0.6263

    本文方法在中英文數(shù)據(jù)集上的分類F-measure值均大于其余3種方法,足以證明本文方法對短文本分類更為有效且適用于多種語言.由此可得,詞語之間的隱含語義和文本圖中其自身的結(jié)構(gòu)特征對短文本分類的影響較大,且使用本文方法得出的特征詞項也更為準確.

    5 結(jié)束語

    針對現(xiàn)有的短文本特征提取算法未充分考慮詞語之間的隱含語義以及圖的結(jié)構(gòu)特征,本文提出一種新的短文本特征提取算法,即融合語義與圖結(jié)構(gòu)的短文本特征提取算法.該方法利用詞語間的共現(xiàn)關(guān)系和詞語在文本集中距離來計算兩個詞語之間的語義相關(guān)度,解決了傳統(tǒng)短文本特征提取算法忽略詞語間內(nèi)在語義關(guān)聯(lián)的問題,并結(jié)合圖的結(jié)構(gòu)特征,使詞語間的相關(guān)度更為貼切.最后,分別在中、英文數(shù)據(jù)集上實驗,證明該方法提取出的特征詞項能對短文本實現(xiàn)有效地分類.

    猜你喜歡
    特征詞頂點特征提取
    過非等腰銳角三角形頂點和垂心的圓的性質(zhì)及應(yīng)用(下)
    關(guān)于頂點染色的一個猜想
    山東科學(2018年6期)2018-12-20 11:08:58
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    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
    Bagging RCSP腦電特征提取算法
    面向文本分類的特征詞選取方法研究與改進
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    關(guān)于“方言特征詞”理論的回顧及思考
    武陵學刊(2011年5期)2011-03-20 20:59:04
    Walsh變換在滾動軸承早期故障特征提取中的應(yīng)用
    軸承(2010年2期)2010-07-28 02:26:12
    亚洲av日韩精品久久久久久密| 黑人猛操日本美女一级片| 多毛熟女@视频| 真人做人爱边吃奶动态| 建设人人有责人人尽责人人享有的| 老熟妇仑乱视频hdxx| 久久精品熟女亚洲av麻豆精品| 少妇被粗大的猛进出69影院| 亚洲九九香蕉| 在线观看免费午夜福利视频| 淫妇啪啪啪对白视频| 欧美 亚洲 国产 日韩一| 热re99久久精品国产66热6| 精品久久久久久,| 国产欧美亚洲国产| 母亲3免费完整高清在线观看| 大香蕉久久成人网| 国产精品 国内视频| 在线看a的网站| 国产免费现黄频在线看| 国产蜜桃级精品一区二区三区 | 免费女性裸体啪啪无遮挡网站| 精品乱码久久久久久99久播| 无遮挡黄片免费观看| 国产亚洲精品久久久久久毛片 | av视频免费观看在线观看| 精品卡一卡二卡四卡免费| 成人18禁在线播放| 十分钟在线观看高清视频www| 一级片'在线观看视频| 啦啦啦视频在线资源免费观看| 亚洲色图av天堂| 纯流量卡能插随身wifi吗| 精品国产一区二区三区四区第35| 美女高潮到喷水免费观看| 男人的好看免费观看在线视频 | 亚洲欧美一区二区三区久久| 男女午夜视频在线观看| 性色av乱码一区二区三区2| 一进一出抽搐动态| 一区二区三区国产精品乱码| 91字幕亚洲| 亚洲成av片中文字幕在线观看| 一夜夜www| 免费在线观看亚洲国产| 一边摸一边抽搐一进一出视频| 久久久精品区二区三区| 热99久久久久精品小说推荐| 国产精品 国内视频| 午夜成年电影在线免费观看| 岛国在线观看网站| 国产高清激情床上av| 最近最新中文字幕大全免费视频| 国产精品亚洲av一区麻豆| 91在线观看av| 国产又色又爽无遮挡免费看| a级毛片在线看网站| 日本vs欧美在线观看视频| 啦啦啦在线免费观看视频4| 精品国产亚洲在线| 啦啦啦 在线观看视频| 久久精品亚洲av国产电影网| 丰满人妻熟妇乱又伦精品不卡| 欧美乱码精品一区二区三区| 日韩成人在线观看一区二区三区| 露出奶头的视频| 在线观看免费日韩欧美大片| 精品国产乱子伦一区二区三区| 一级a爱视频在线免费观看| 国产不卡一卡二| 久久99一区二区三区| 精品一区二区三区四区五区乱码| 一级毛片精品| 精品亚洲成国产av| 亚洲九九香蕉| 大片电影免费在线观看免费| 美女国产高潮福利片在线看| 国产又色又爽无遮挡免费看| 亚洲精华国产精华精| 亚洲精品国产一区二区精华液| 在线观看舔阴道视频| 成人国产一区最新在线观看| 亚洲av日韩精品久久久久久密| 后天国语完整版免费观看| 黄色a级毛片大全视频| 黄网站色视频无遮挡免费观看| 久久国产精品男人的天堂亚洲| 久久国产精品大桥未久av| 三级毛片av免费| 窝窝影院91人妻| 日韩免费av在线播放| 欧美激情极品国产一区二区三区| 一进一出抽搐动态| 亚洲国产欧美网| 涩涩av久久男人的天堂| 久久国产精品大桥未久av| 久久这里只有精品19| 男男h啪啪无遮挡| 免费在线观看影片大全网站| 亚洲九九香蕉| av网站在线播放免费| 免费日韩欧美在线观看| 另类亚洲欧美激情| 成年人黄色毛片网站| 精品久久久久久久久久免费视频 | 三上悠亚av全集在线观看| 国产精品九九99| av福利片在线| 亚洲国产欧美网| 男女午夜视频在线观看| 一级片免费观看大全| 黑人猛操日本美女一级片| 欧美日韩av久久| 巨乳人妻的诱惑在线观看| 久久香蕉国产精品| 欧美激情极品国产一区二区三区| 午夜福利欧美成人| 1024香蕉在线观看| 国产午夜精品久久久久久| 亚洲七黄色美女视频| 两性夫妻黄色片| 亚洲第一欧美日韩一区二区三区| www.精华液| 亚洲 欧美一区二区三区| 色婷婷久久久亚洲欧美| 老司机靠b影院| av在线播放免费不卡| videosex国产| 这个男人来自地球电影免费观看| 99久久国产精品久久久| 黑人欧美特级aaaaaa片| 欧美激情久久久久久爽电影 | 亚洲第一欧美日韩一区二区三区| 精品国产乱子伦一区二区三区| 亚洲色图av天堂| 国产亚洲精品第一综合不卡| 亚洲熟妇中文字幕五十中出 | 极品教师在线免费播放| 亚洲精品自拍成人| 日韩大码丰满熟妇| 亚洲人成电影观看| 亚洲黑人精品在线| 亚洲一卡2卡3卡4卡5卡精品中文| 精品熟女少妇八av免费久了| av片东京热男人的天堂| 免费久久久久久久精品成人欧美视频| 国产人伦9x9x在线观看| 亚洲精品av麻豆狂野| 国产精品乱码一区二三区的特点 | 女警被强在线播放| av网站在线播放免费| 黄色毛片三级朝国网站| 老司机在亚洲福利影院| 久久久久久久国产电影| 99精国产麻豆久久婷婷| 精品午夜福利视频在线观看一区| 亚洲精品成人av观看孕妇| 两个人免费观看高清视频| 亚洲一区二区三区欧美精品| xxx96com| 纯流量卡能插随身wifi吗| 天堂√8在线中文| 免费观看a级毛片全部| 国产成人免费无遮挡视频| 久久久久久久国产电影| 国产亚洲精品久久久久5区| 大码成人一级视频| 在线观看66精品国产| 国产免费av片在线观看野外av| 1024视频免费在线观看| 高潮久久久久久久久久久不卡| 国产亚洲一区二区精品| 国产精品九九99| 性少妇av在线| 久久香蕉精品热| 国产一区二区激情短视频| 99热网站在线观看| 一区二区三区国产精品乱码| 两性午夜刺激爽爽歪歪视频在线观看 | 十八禁高潮呻吟视频| 中文亚洲av片在线观看爽 | 久久中文字幕人妻熟女| 国产精品偷伦视频观看了| 国产麻豆69| 国产精品一区二区在线不卡| 热re99久久国产66热| 国产乱人伦免费视频| 免费黄频网站在线观看国产| 99精品欧美一区二区三区四区| 狠狠婷婷综合久久久久久88av| 午夜精品在线福利| 国产97色在线日韩免费| 一级毛片精品| 丝瓜视频免费看黄片| 久久久久久久午夜电影 | 久久午夜综合久久蜜桃| 久久久久久久国产电影| 国产亚洲精品久久久久5区| 正在播放国产对白刺激| 精品亚洲成国产av| 最近最新免费中文字幕在线| 美女福利国产在线| 欧美在线黄色| 操出白浆在线播放| 欧美日韩瑟瑟在线播放| 免费在线观看完整版高清| 国产国语露脸激情在线看| netflix在线观看网站| 老汉色∧v一级毛片| 久久精品亚洲精品国产色婷小说| 美女扒开内裤让男人捅视频| 欧美大码av| 男女高潮啪啪啪动态图| 欧美精品亚洲一区二区| 精品一区二区三区视频在线观看免费 | 久久精品国产亚洲av香蕉五月 | 老司机午夜十八禁免费视频| 两人在一起打扑克的视频| 久久久国产成人精品二区 | 精品熟女少妇八av免费久了| 很黄的视频免费| 国产成人欧美在线观看 | 亚洲精品国产区一区二| 999久久久国产精品视频| 国产日韩欧美亚洲二区| 国产日韩欧美亚洲二区| tube8黄色片| 色在线成人网| 人妻 亚洲 视频| 日韩欧美一区视频在线观看| 国产精品国产av在线观看| 亚洲精品一二三| 99热只有精品国产| 19禁男女啪啪无遮挡网站| 露出奶头的视频| 18禁美女被吸乳视频| 最近最新免费中文字幕在线| 欧美日韩视频精品一区| 中文字幕人妻熟女乱码| 日韩一卡2卡3卡4卡2021年| 777米奇影视久久| 国产亚洲欧美精品永久| 伦理电影免费视频| 久久人人爽av亚洲精品天堂| 精品第一国产精品| 久久国产亚洲av麻豆专区| 91精品国产国语对白视频| 少妇猛男粗大的猛烈进出视频| 热re99久久国产66热| 韩国av一区二区三区四区| 天天躁夜夜躁狠狠躁躁| 久久精品国产清高在天天线| av有码第一页| 欧美日韩成人在线一区二区| 狂野欧美激情性xxxx| 另类亚洲欧美激情| 正在播放国产对白刺激| 极品人妻少妇av视频| 亚洲av日韩精品久久久久久密| 国产欧美日韩一区二区三区在线| 日韩一卡2卡3卡4卡2021年| 免费观看a级毛片全部| 男女下面插进去视频免费观看| 午夜福利视频在线观看免费| 亚洲成人免费电影在线观看| 又黄又爽又免费观看的视频| 久久久久国产一级毛片高清牌| 亚洲精华国产精华精| 国产精品免费一区二区三区在线 | 亚洲中文字幕日韩| 又紧又爽又黄一区二区| 亚洲精品成人av观看孕妇| 在线观看www视频免费| 欧美激情久久久久久爽电影 | 亚洲片人在线观看| 国产av一区二区精品久久| 一本一本久久a久久精品综合妖精| 五月开心婷婷网| 老汉色av国产亚洲站长工具| 精品国产一区二区三区久久久樱花| 18在线观看网站| 两人在一起打扑克的视频| 久久影院123| 免费在线观看日本一区| 亚洲国产精品合色在线| 每晚都被弄得嗷嗷叫到高潮| 午夜免费成人在线视频| 欧美老熟妇乱子伦牲交| 国产精品久久久人人做人人爽| 国产有黄有色有爽视频| av片东京热男人的天堂| 欧美乱色亚洲激情| 久久精品熟女亚洲av麻豆精品| 老鸭窝网址在线观看| 亚洲精品乱久久久久久| 丰满迷人的少妇在线观看| 亚洲色图综合在线观看| 国产在视频线精品| 亚洲精品成人av观看孕妇| 老熟妇仑乱视频hdxx| 热99久久久久精品小说推荐| 天天添夜夜摸| 制服诱惑二区| 高清av免费在线| 午夜免费鲁丝| 亚洲中文日韩欧美视频| 又紧又爽又黄一区二区| 国产野战对白在线观看| 午夜福利,免费看| 久久香蕉国产精品| a级毛片在线看网站| bbb黄色大片| 亚洲情色 制服丝袜| 精品高清国产在线一区| 午夜激情av网站| 久久婷婷成人综合色麻豆| 在线十欧美十亚洲十日本专区| 国产99白浆流出| 午夜福利视频在线观看免费| 久久精品aⅴ一区二区三区四区| 精品人妻熟女毛片av久久网站| 亚洲一码二码三码区别大吗| 中文字幕人妻熟女乱码| 多毛熟女@视频| 97人妻天天添夜夜摸| 国产蜜桃级精品一区二区三区 | 在线观看免费日韩欧美大片| 老司机午夜十八禁免费视频| 国产精品 欧美亚洲| 亚洲在线自拍视频| 激情在线观看视频在线高清 | 一二三四社区在线视频社区8| 亚洲人成77777在线视频| 国产黄色免费在线视频| 男人的好看免费观看在线视频 | 欧美不卡视频在线免费观看 | 精品国产国语对白av| 中文字幕av电影在线播放| 下体分泌物呈黄色| 巨乳人妻的诱惑在线观看| 一区福利在线观看| 精品国产乱码久久久久久男人| 午夜精品在线福利| 国产精品 欧美亚洲| 亚洲欧美精品综合一区二区三区| av线在线观看网站| 亚洲男人天堂网一区| 亚洲情色 制服丝袜| 中文字幕高清在线视频| 午夜视频精品福利| 亚洲成人国产一区在线观看| 最近最新免费中文字幕在线| 黄片播放在线免费| 一边摸一边抽搐一进一出视频| 伊人久久大香线蕉亚洲五| 99精品欧美一区二区三区四区| 狠狠狠狠99中文字幕| 最新在线观看一区二区三区| 窝窝影院91人妻| 变态另类成人亚洲欧美熟女 | 美女高潮到喷水免费观看| 99国产精品一区二区蜜桃av | 一本综合久久免费| 日韩中文字幕欧美一区二区| 国产免费av片在线观看野外av| 精品人妻在线不人妻| 女人久久www免费人成看片| 五月开心婷婷网| 亚洲av第一区精品v没综合| 国产色视频综合| 自拍欧美九色日韩亚洲蝌蚪91| 两个人看的免费小视频| av国产精品久久久久影院| 99久久99久久久精品蜜桃| 老熟妇乱子伦视频在线观看| 欧美 日韩 精品 国产| 国产真人三级小视频在线观看| 日韩欧美一区二区三区在线观看 | 一边摸一边抽搐一进一小说 | 老汉色∧v一级毛片| av欧美777| 国产一区二区三区在线臀色熟女 | 深夜精品福利| 久久久久久久精品吃奶| 国产亚洲欧美98| 少妇猛男粗大的猛烈进出视频| 老熟妇乱子伦视频在线观看| 国产深夜福利视频在线观看| 啦啦啦免费观看视频1| 免费高清在线观看日韩| 成人黄色视频免费在线看| 热99re8久久精品国产| 男女高潮啪啪啪动态图| 亚洲专区字幕在线| 激情视频va一区二区三区| av视频免费观看在线观看| 丝袜美腿诱惑在线| 精品熟女少妇八av免费久了| 两个人看的免费小视频| 亚洲欧美精品综合一区二区三区| 黄色 视频免费看| 久久亚洲精品不卡| 母亲3免费完整高清在线观看| 精品福利永久在线观看| 女人被狂操c到高潮| 一级毛片精品| 在线观看www视频免费| 亚洲成人免费电影在线观看| 午夜影院日韩av| 在线免费观看的www视频| 天堂中文最新版在线下载| 1024视频免费在线观看| 久久久国产一区二区| 免费在线观看日本一区| 亚洲成人免费电影在线观看| 极品少妇高潮喷水抽搐| 久久亚洲精品不卡| 高清黄色对白视频在线免费看| 操美女的视频在线观看| 久久 成人 亚洲| 黑人巨大精品欧美一区二区mp4| 超碰97精品在线观看| 两个人免费观看高清视频| 国产精品自产拍在线观看55亚洲 | 亚洲国产中文字幕在线视频| 亚洲av成人一区二区三| 国产成人欧美| 亚洲第一青青草原| 日韩大码丰满熟妇| 可以免费在线观看a视频的电影网站| 欧美成人免费av一区二区三区 | 欧美精品av麻豆av| 国产1区2区3区精品| 国产乱人伦免费视频| 无遮挡黄片免费观看| 国产精品二区激情视频| 亚洲精品粉嫩美女一区| 亚洲av电影在线进入| 超碰97精品在线观看| 国产亚洲精品久久久久5区| 欧美日韩成人在线一区二区| 久久99一区二区三区| 亚洲人成伊人成综合网2020| 美国免费a级毛片| 在线观看免费视频网站a站| 亚洲精品中文字幕一二三四区| 欧美黄色淫秽网站| 777久久人妻少妇嫩草av网站| 啦啦啦免费观看视频1| 中文欧美无线码| 免费在线观看视频国产中文字幕亚洲| 久久精品aⅴ一区二区三区四区| 久久亚洲真实| 亚洲 欧美一区二区三区| 婷婷精品国产亚洲av在线 | 免费在线观看亚洲国产| www日本在线高清视频| 黄片小视频在线播放| bbb黄色大片| 不卡一级毛片| 美女午夜性视频免费| 男人的好看免费观看在线视频 | 成年人免费黄色播放视频| 亚洲欧美激情综合另类| 亚洲成人免费电影在线观看| 国产一区二区三区在线臀色熟女 | 免费在线观看黄色视频的| 高清欧美精品videossex| 热99久久久久精品小说推荐| 国产国语露脸激情在线看| 黄色成人免费大全| 久久久国产精品麻豆| av片东京热男人的天堂| 国产亚洲精品久久久久久毛片 | 国产男女内射视频| 老司机亚洲免费影院| 少妇被粗大的猛进出69影院| 国产麻豆69| 久久国产精品影院| a级片在线免费高清观看视频| 国产精品.久久久| 9色porny在线观看| 久热爱精品视频在线9| 国产av精品麻豆| 老司机福利观看| 纯流量卡能插随身wifi吗| 国产午夜精品久久久久久| 国产男女内射视频| 悠悠久久av| 亚洲一区二区三区欧美精品| 精品第一国产精品| 91成人精品电影| 极品教师在线免费播放| 国产av又大| 国产视频一区二区在线看| 免费观看人在逋| 亚洲欧美激情综合另类| 亚洲色图av天堂| 黄色视频不卡| 国内久久婷婷六月综合欲色啪| 中文亚洲av片在线观看爽 | 热99re8久久精品国产| 在线十欧美十亚洲十日本专区| 十八禁网站免费在线| 777米奇影视久久| 国产99白浆流出| 国产成人精品无人区| 高清在线国产一区| 午夜免费成人在线视频| 国产精品成人在线| 99国产精品99久久久久| 欧美激情 高清一区二区三区| 成人黄色视频免费在线看| 亚洲成人手机| 国产蜜桃级精品一区二区三区 | 999久久久精品免费观看国产| 十八禁网站免费在线| 国产精品久久电影中文字幕 | 美女午夜性视频免费| 操出白浆在线播放| 亚洲专区国产一区二区| 黄色视频,在线免费观看| 老司机福利观看| 一边摸一边做爽爽视频免费| 一个人免费在线观看的高清视频| 俄罗斯特黄特色一大片| 多毛熟女@视频| 日本黄色视频三级网站网址 | 亚洲综合色网址| 亚洲熟女毛片儿| 国产有黄有色有爽视频| 男女高潮啪啪啪动态图| 国产99白浆流出| 日韩欧美免费精品| 正在播放国产对白刺激| 免费少妇av软件| 一级,二级,三级黄色视频| 色播在线永久视频| 亚洲专区国产一区二区| 国产av精品麻豆| 伦理电影免费视频| 午夜两性在线视频| 狠狠婷婷综合久久久久久88av| 国产精品 欧美亚洲| 十八禁高潮呻吟视频| 国产精品久久久久久人妻精品电影| 免费观看精品视频网站| 精品视频人人做人人爽| 在线观看午夜福利视频| 在线十欧美十亚洲十日本专区| 十八禁网站免费在线| svipshipincom国产片| 黄色 视频免费看| 久久精品亚洲av国产电影网| 国产免费男女视频| avwww免费| 精品一区二区三区四区五区乱码| 又黄又爽又免费观看的视频| 亚洲久久久国产精品| 99热国产这里只有精品6| 欧美性长视频在线观看| 精品久久久久久久毛片微露脸| 精品欧美一区二区三区在线| www.自偷自拍.com| 欧美人与性动交α欧美精品济南到| 成人永久免费在线观看视频| 视频区欧美日本亚洲| 精品一区二区三区av网在线观看| 久久狼人影院| 精品久久久久久电影网| 久热爱精品视频在线9| 久久久久久久久久久久大奶| 99久久99久久久精品蜜桃| 亚洲av日韩精品久久久久久密| 午夜成年电影在线免费观看| 欧美在线黄色| 校园春色视频在线观看| 久久国产精品男人的天堂亚洲| 成人黄色视频免费在线看| 亚洲精品成人av观看孕妇| 免费高清在线观看日韩| 亚洲av片天天在线观看| 国产一区二区三区在线臀色熟女 | 国产激情久久老熟女| av天堂在线播放| 如日韩欧美国产精品一区二区三区| 色婷婷久久久亚洲欧美| 天天添夜夜摸| 国产1区2区3区精品| 国产一区二区三区综合在线观看| 国产男女内射视频| 免费少妇av软件| 国产精品美女特级片免费视频播放器 | 午夜精品国产一区二区电影| 国产精品 国内视频| 黄色成人免费大全| cao死你这个sao货| 久久国产亚洲av麻豆专区| 两个人免费观看高清视频| 久久草成人影院| 欧美av亚洲av综合av国产av| 久久久国产成人精品二区 | 亚洲自偷自拍图片 自拍| 视频区欧美日本亚洲| 午夜福利影视在线免费观看| 一本一本久久a久久精品综合妖精| 亚洲avbb在线观看| 国产又色又爽无遮挡免费看| 国产男女内射视频| 国产一区在线观看成人免费| 精品午夜福利视频在线观看一区| 国产深夜福利视频在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 一二三四在线观看免费中文在| 午夜亚洲福利在线播放|