• <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 ?

    基于維基百科鏈接特征的詞語(yǔ)語(yǔ)義相似度計(jì)算

    2019-11-16 07:28:46張波
    軟件工程 2019年10期
    關(guān)鍵詞:維基百科

    張波

    摘 ?要:針對(duì)目前基于維基百科的相似度計(jì)算方法預(yù)處理過程煩瑣、計(jì)算量大的問題,本文以維基百科為本體引入基于特征的詞語(yǔ)語(yǔ)義計(jì)算,提出了一種基于維基百科的快速詞語(yǔ)相似度計(jì)算方法。根據(jù)維基百科頁(yè)面鏈接結(jié)構(gòu)的特點(diǎn),該方法把頁(yè)面的入鏈接和出鏈接作為頁(yè)面特征值構(gòu)建特征向量模型,通過計(jì)算頁(yè)面的特征向量相關(guān)系數(shù)計(jì)算對(duì)應(yīng)詞語(yǔ)的語(yǔ)義相似度。本文還改進(jìn)了維基百科消歧處理算法,在一詞多義的處理中減少社會(huì)認(rèn)知度低的義項(xiàng)頁(yè)面的干擾,進(jìn)一步提高了計(jì)算準(zhǔn)確度。經(jīng)Miller & Charles(MC30)和Rubenstein & Goodenough(RG65)測(cè)試集的測(cè)試,測(cè)試結(jié)果表明了基于維基百科鏈接特征的方法在計(jì)算相似度方面的可行性,也驗(yàn)證了本文的計(jì)算策略和消歧改進(jìn)算法的合理性。

    關(guān)鍵詞:語(yǔ)義相似度;維基百科;基于鏈接;基于特征值

    中圖分類號(hào):TP391 ? ? 文獻(xiàn)標(biāo)識(shí)碼:A

    Abstract:Measuring semantic similarity is a critical basic research in natural language processing.Because Wikipedia has open-editing,huge vocabulary,rapid update and other features,more and more research and applications have been focused on Wikipedia.This paper proposes a page-link approach for calculating word semantic similarity by taking Wikipedia as data resource.This approach improves the Wikipedia Link Vector Model (WLVM) method taking outgoing links as the feature vector,and utilizes page's incoming links and outgoing links as feature values in Wikipedia,then calculates the semantic similarity between words by measuring feature set similarity between the corresponding pages.The method also improves the disambiguation page processing by reducing the interference of the low social recognition pages.Through testing with Miller & Charles (MC30) and Rubenstein & Goodenough (RG65) benchmark,the validity of this method on the measuring word semantic similarity measurement is verified.

    Keywords:word similarity;Wikipedia;link-based;feature-based

    1 ? 引言(Introduction)

    詞語(yǔ)之間的語(yǔ)義相似度(SS)測(cè)量是自然語(yǔ)言處理領(lǐng)域重要的基礎(chǔ)研究之一,在很多領(lǐng)域都有著廣泛的應(yīng)用,比如詞義消歧[1]、同義詞探測(cè)[2]、信息抽取[3]等。傳統(tǒng)的詞語(yǔ)相似度計(jì)算方法主要包括兩類:其一是基于語(yǔ)料庫(kù)的概率統(tǒng)計(jì)方法,它的計(jì)算策略是使用統(tǒng)計(jì)學(xué)的方法把詞語(yǔ)相似度問題轉(zhuǎn)換為詞語(yǔ)在語(yǔ)料庫(kù)中上下文信息概率分布問題,把詞語(yǔ)在語(yǔ)料庫(kù)中的統(tǒng)計(jì)學(xué)特征作為語(yǔ)義相似度計(jì)算依據(jù);其二是基于某個(gè)世界知識(shí)本體模型的計(jì)算方法,把詞語(yǔ)在本體概念模型中特征的共性和差異性作為計(jì)算依據(jù)[4]。目前英文詞語(yǔ)相似度研究所使用的基本參考本體模型主要是WordNet[5],而中文詞語(yǔ)相似度研究主要使用的模型有董振東的“知網(wǎng)”[6]與哈工大的“同義詞詞林”[7]。由于WordNet具有嚴(yán)謹(jǐn)?shù)脑~義分類結(jié)構(gòu)和語(yǔ)義關(guān)系,基于WordNet的英文詞語(yǔ)語(yǔ)義相似度計(jì)算已經(jīng)得到了較為廣泛地應(yīng)用[8-19]。然而,WordNet詞匯量覆蓋面窄,且版本更新周期長(zhǎng),這些缺點(diǎn)也限制了它的進(jìn)一步應(yīng)用范圍。進(jìn)入21世紀(jì)后,隨著維基百科這一全球性多語(yǔ)言百科全書的推廣使用,開始出現(xiàn)了基于維基百科的詞語(yǔ)相似度與相關(guān)度的研究。維基百科是一種帶類目結(jié)構(gòu)的網(wǎng)頁(yè)文本語(yǔ)料庫(kù),具有與WordNet相似的分類結(jié)構(gòu),其包羅萬象的網(wǎng)頁(yè)內(nèi)容和復(fù)雜的頁(yè)面鏈接蘊(yùn)含著豐富的詞語(yǔ)語(yǔ)義信息。同時(shí),由于維基百科的內(nèi)容和結(jié)構(gòu)由世界各地的志愿者合作創(chuàng)建和編輯,其詞匯量和更新速度均遠(yuǎn)超其他語(yǔ)義知識(shí)源。因此,根據(jù)維基百科的數(shù)據(jù)特點(diǎn),探索基于維基百科的語(yǔ)義相似度和相關(guān)度計(jì)算方法問題,吸引了越來越多研究者的關(guān)注。

    2 ? 研究背景(Research background)

    維基百科是一個(gè)允許用戶編輯的開放網(wǎng)絡(luò)百科全書,自2001年推出后得到了迅猛增長(zhǎng),截止到2017年10月2日,共涵蓋299種語(yǔ)言,具有46483635個(gè)頁(yè)面[20],其中包括5486459個(gè)英文頁(yè)面。維基百科每月發(fā)布兩次數(shù)據(jù)庫(kù)備份轉(zhuǎn)儲(chǔ)(Database backup dumps),為基于維基百科數(shù)據(jù)資源的研究和應(yīng)用提供便利[21]。

    維基百科的基本信息單元是頁(yè)面(Page),其中頁(yè)面分為內(nèi)容頁(yè)面(Content Page)、消歧頁(yè)面(Disambiguation Page)、類目頁(yè)面(Category Page)。每一個(gè)頁(yè)面的底部都列出該頁(yè)面所從屬的類目(Category)。內(nèi)容頁(yè)面通過文本定義概念詞條,并顯示與該概念詞條相關(guān)的信息內(nèi)容,文本中以超鏈接的形式包括了用于定義該詞條的其他頁(yè)面,比如“United States” 頁(yè)面定義了“美國(guó)”這一概念,并呈現(xiàn)關(guān)于“美國(guó)”的相關(guān)信息內(nèi)容,其中包括了1632個(gè)超鏈接;消歧頁(yè)面用于解決一詞多義的問題,它以列表的方式呈現(xiàn)該詞條的所有義項(xiàng)頁(yè)面超鏈接,比如“Apple(disambiguation)”頁(yè)面呈現(xiàn)了詞語(yǔ)“Apple”的59個(gè)義項(xiàng)頁(yè)面;類目頁(yè)面用于以列表的形式呈現(xiàn)該類別的主頁(yè)面、子類別、從屬頁(yè)面等信息,比如“Category:Fruit”頁(yè)面呈現(xiàn)了該類別的一個(gè)主頁(yè)面、四個(gè)直接子類別和12個(gè)從屬頁(yè)面的信息。

    目前,基于維基百科的詞語(yǔ)語(yǔ)義相似度計(jì)算方法主要包括基于維基百科類目圖(Wikipedia Category Graph,WCG)的方法、基于文本語(yǔ)義分析的方法和基于頁(yè)面鏈接的方法。

    (1)基于WCG的方法以維基百科的類目結(jié)構(gòu)作為語(yǔ)義計(jì)算的本體模型基礎(chǔ),把基于語(yǔ)義詞典語(yǔ)義相似度計(jì)算方法擴(kuò)展到基于維基百科的相似度計(jì)算。該方法可以追溯到Strube等人在2006年提出WikiRelate方法。WikiRelate方法是最早把維基百科作為知識(shí)來源的詞語(yǔ)相似度計(jì)算方法,該方法借鑒了基于語(yǔ)義詞典的路徑計(jì)算方法,在維基百科類目結(jié)構(gòu)的基礎(chǔ)上建構(gòu)維基百科類目樹(Category Tree),根據(jù)概念在類目樹上的距離和深度計(jì)算詞語(yǔ)語(yǔ)義相似度[22]。2012年,Taieb等人把基于IC的方法引入維基百科相似度計(jì)算中,他們根據(jù)WCG的結(jié)構(gòu)特點(diǎn)改進(jìn)了IC計(jì)算方法,并通過限制圖的搜索深度提高計(jì)算精度[23]。2013年,Taieb等人繼續(xù)把基于特征值的計(jì)算方法擴(kuò)展到維基百科相似度計(jì)算中,他們通過頁(yè)面詞語(yǔ)的詞根統(tǒng)計(jì)為WCG中的每一個(gè)類目構(gòu)建語(yǔ)義描述特征向量,在此基礎(chǔ)上嘗試了多種特征向量計(jì)算方法,并在計(jì)算過程中通過增加頁(yè)面重定向、頁(yè)面文本特征等因素改善計(jì)算結(jié)果[24]。2016年,Aouicha等人改進(jìn)了基于WCG的IC計(jì)算方法,提出了WordNet和維基百科結(jié)合的計(jì)算方法[25]。由于維基百科由眾多用戶共建而成,使其類目結(jié)構(gòu)并不嚴(yán)謹(jǐn),作用主要是詞語(yǔ)推薦和網(wǎng)站導(dǎo)航。因此,基于WCG的方法均需要進(jìn)行復(fù)雜的類目數(shù)據(jù)預(yù)處理,計(jì)算準(zhǔn)確率并不理想。

    (2)基于文本語(yǔ)義分析的相似度方法是以維基百科頁(yè)面文本為計(jì)算依據(jù),通過對(duì)頁(yè)面文本進(jìn)行語(yǔ)義分析和詞語(yǔ)統(tǒng)計(jì)建立維基百科概念的向量空間模型,根據(jù)向量模型的相似度計(jì)算維基百科概念的相似度。由Gabrilovich和Markovitch提出的ESA(Explicit Semantic Analysis)方法最具代表性[26]。ESA方法利用維基百科詞語(yǔ)覆蓋面大、概念語(yǔ)義描述豐富的特點(diǎn),在使用機(jī)器學(xué)習(xí)技術(shù)對(duì)頁(yè)面文本中的詞語(yǔ)和詞組進(jìn)行文本解析的基礎(chǔ)上,把維基百科概念表示為概念解釋向量(interpretation vector)。解釋向量由頁(yè)面文本中包含的文本片段組成,文本片段對(duì)于概念的重要程度體現(xiàn)為文本片段在向量中的權(quán)重。文本片段的權(quán)重計(jì)算采用了TF-IDF算法,該算法是信息檢索領(lǐng)域與數(shù)據(jù)挖掘領(lǐng)域的常用加權(quán)技術(shù),一個(gè)文本片段在某一個(gè)頁(yè)面中的權(quán)重等于該文本片段在頁(yè)面中的統(tǒng)計(jì)頻率與該頁(yè)面片段在整個(gè)維基百科中逆向頁(yè)面頻率之積。ESA方法不僅可以用于計(jì)算詞語(yǔ)語(yǔ)義計(jì)算,也可以計(jì)算任意長(zhǎng)度的語(yǔ)義計(jì)算,但是該方法需要事先構(gòu)建解釋向量空間,計(jì)算量大。

    (3)基于頁(yè)面鏈接的相似度方法是把維基百科的頁(yè)面超文本鏈接結(jié)構(gòu)作為相似度計(jì)算數(shù)據(jù)模型。在維基百科中,頁(yè)面通過超文本鏈接相互關(guān)聯(lián)。一個(gè)頁(yè)面的超鏈接結(jié)構(gòu)既包括在頁(yè)面文本中鏈接到其他頁(yè)面的出鏈接(Outgoing Link),也包括從其他頁(yè)面鏈接到該頁(yè)面的入鏈接(Incoming Link)。Milne和Witten是首先使用維基百科頁(yè)面鏈接計(jì)算文本相似度的學(xué)者,他們?cè)?008年嘗試了根據(jù)出鏈接向量余弦夾角計(jì)算方法和入鏈接集合Google距離計(jì)算方法,并提出了把兩種計(jì)算求平均值的方式計(jì)算詞語(yǔ)相似度的方法[27]。在2009年,Milne在前一種方法的基礎(chǔ)上提出了WLVM(Wikipedia Link Vector Model)方法[28]。在WLVM方法中,維基百科頁(yè)面表示為頁(yè)面文本中包含的超鏈接(即出鏈接)組成的向量,根據(jù)向量的余弦夾角計(jì)算維基百科概念的相似度。WLVM方法對(duì)鏈接的權(quán)重計(jì)算提出了改進(jìn),以超鏈接在文本中出現(xiàn)的次數(shù)代替TF-IDF算法中的詞語(yǔ)統(tǒng)計(jì)頻率。

    本文提出了一種基于鏈接特征的詞語(yǔ)相似度計(jì)算方法,該方法以維基百科概念頁(yè)面之間的鏈接作為特征,通過計(jì)算兩個(gè)維基百科頁(yè)面的鏈接特征集合的相似度得出頁(yè)面之間的相似度,進(jìn)而實(shí)現(xiàn)頁(yè)面對(duì)應(yīng)的詞語(yǔ)之間的相似度計(jì)算。另外,本文還對(duì)維基百科一詞多義的處理過程進(jìn)行了改進(jìn),通過對(duì)一些社會(huì)認(rèn)知度低的義項(xiàng)頁(yè)面進(jìn)行裁剪,進(jìn)一步提高了計(jì)算結(jié)果的準(zhǔn)確度。

    3 ? 計(jì)算方法(Computing method)

    基于維基百科的詞語(yǔ)語(yǔ)義相似度的計(jì)算過程主要包括三個(gè)步驟。首先在維基百科數(shù)據(jù)資源中獲取詞條的定位頁(yè)面。若定位頁(yè)面屬于內(nèi)容頁(yè)面,說明詞條義項(xiàng)單一,定位頁(yè)面即是義項(xiàng)頁(yè)面;若定位頁(yè)面屬于消歧頁(yè)面,說明詞條是一詞多義,需要把頁(yè)面消歧處理為多個(gè)非消歧義項(xiàng)頁(yè)面,每一個(gè)義項(xiàng)頁(yè)面描述詞條的一個(gè)義項(xiàng)。最后通過計(jì)算義項(xiàng)頁(yè)面之間的相似度來計(jì)算詞語(yǔ)之間的相似度,計(jì)算基本過程如圖1所示。

    3.1 ? 頁(yè)面定位和消歧

    計(jì)算兩個(gè)詞語(yǔ)相似度的第一步是找到詞語(yǔ)在維基百科數(shù)據(jù)資源中的定位頁(yè)面,把詞語(yǔ)相似度計(jì)算轉(zhuǎn)換為頁(yè)面相似度度量。本文采用查詢維基百科詞條來實(shí)現(xiàn)詞語(yǔ)與頁(yè)面的映射,具體分為三種情況。其一,在維基百科中存在標(biāo)題與詞語(yǔ)完全一致的頁(yè)面,比如詞語(yǔ)“glass”可以定位到標(biāo)題為“Glass”的頁(yè)面;其二,在維基百科中詞語(yǔ)重定位到的頁(yè)面,這種情況表示詞語(yǔ)與頁(yè)面的標(biāo)題屬于同義詞,比如詞語(yǔ)“automobile”重定向?yàn)闃?biāo)題為“Car”頁(yè)面;其三,在維基百科中存在標(biāo)題為“詞語(yǔ)+(disambiguation)”的頁(yè)面,比如詞語(yǔ)“tool”可以定位到標(biāo)題為“Tool(disambiguation)”的頁(yè)面。

    本文的頁(yè)面定位采用JWPL(Java Wikipedia Library)工具,對(duì)于任意詞語(yǔ)w,通過檢索數(shù)據(jù)資源找到w對(duì)應(yīng)的一到多個(gè)頁(yè)面,并最終選取計(jì)算定位頁(yè)面列表。具體的定位過程包括以下步驟:

    (1)若w只能檢索到一個(gè)頁(yè)面,則直接確定該頁(yè)面為w的唯一定位頁(yè)面。

    為了確保閾值參數(shù)θ取值的客觀性,我們選擇了AG203相似度基準(zhǔn)測(cè)試集作為訓(xùn)練集來訓(xùn)練計(jì)算參數(shù)。AG203[29]是Agirre等在2009年創(chuàng)建,由203對(duì)詞組成,詞語(yǔ)的詞性包括名詞、動(dòng)詞和形容詞,人工判定值在0—10。在訓(xùn)練集AG203上使用式(4)、式(5)、式(6)和式(7),通過不斷改變閾值參數(shù)θ的取值,計(jì)算相似度值與人工判定值的Pearson相關(guān)系數(shù)值,當(dāng)Pearson相關(guān)系數(shù)達(dá)到峰值時(shí)閾值參數(shù)θ的取值確定為最終參數(shù)值。在訓(xùn)練集AG203上,本文方法計(jì)算相似度與人工判定值的Pearson系數(shù)隨閾值參數(shù)θ取值變化情況如圖4所示。

    如圖4所示,設(shè)置閾值參數(shù)的測(cè)試結(jié)果整體優(yōu)于不設(shè)閾值的結(jié)果,且閾值θ=0.7時(shí),訓(xùn)練數(shù)據(jù)集計(jì)算結(jié)果與人工判定值的Pearson相關(guān)系數(shù)達(dá)到最優(yōu)狀態(tài),在本文中,閾值參數(shù)最終確定為0.7。在下文章節(jié)所采用的測(cè)試數(shù)據(jù)集在計(jì)算過程中,閾值θ=0.7為計(jì)算的最優(yōu)狀態(tài)這個(gè)現(xiàn)象依然表現(xiàn)明顯。

    4 ? 實(shí)驗(yàn)與分析(Experiments and analysis)

    使用基準(zhǔn)測(cè)試數(shù)據(jù)集對(duì)算法進(jìn)行測(cè)試和對(duì)比是目前最主要的相似度計(jì)算方法的評(píng)測(cè)方式,本文選取兩種國(guó)際通行計(jì)算詞語(yǔ)相似度基準(zhǔn)測(cè)試集:Miller & Charles(MC30)和Rubenstein & Goodenough(RG65)。其中,MC30數(shù)據(jù)集是由Miller和Charles在1991年發(fā)布的,包括30對(duì)名詞,人工判定值的取值在0—4[30]。RG65是Rubenstein和Goodenough在1965年創(chuàng)建,由65對(duì)名詞測(cè)試數(shù)據(jù)組成,人工判定值在0—4[31]。為了便于計(jì)算結(jié)果對(duì)比,本文對(duì)測(cè)試集進(jìn)行了歸一化處理,即MC30和RG65的人工判定值除以4,使其值域統(tǒng)一為[0,1]。

    首先,我們對(duì)本文改進(jìn)的語(yǔ)義相似度方法進(jìn)行測(cè)試,消岐算法采用傳統(tǒng)的取消歧頁(yè)面所有的義項(xiàng)頁(yè)面的方法,相關(guān)公式包括式(1)、式(4)和式(5)。測(cè)試采用的維基百科數(shù)據(jù)資源是2017-8-1版維基百科數(shù)據(jù)庫(kù)備份轉(zhuǎn)儲(chǔ)。在兩個(gè)測(cè)試集上的計(jì)算結(jié)果與人工判定值之間的Pearson相關(guān)系數(shù)如表1所示。

    接下來,我們?cè)谏鲜鲰?yè)面相似度算法的基礎(chǔ)上,采用本文改進(jìn)的消岐算法處理一詞多義,使用兩個(gè)測(cè)試數(shù)據(jù)集對(duì)算法重新測(cè)試,相關(guān)公式包括式(4)、式(5)、式(6)和式(7),閾值參數(shù)θ設(shè)為0.7,計(jì)算結(jié)果如表2所示。

    MC30測(cè)試集測(cè)試結(jié)果與人工判定值數(shù)值對(duì)比如表3所示。

    為了比較本文相似度算法與現(xiàn)有相似度算法的優(yōu)劣,本文使用2017-8-1版維基百科數(shù)據(jù)庫(kù)對(duì)前文學(xué)者提出的出鏈接余弦夾角計(jì)算方法、Google距離計(jì)算方法和WLVM進(jìn)行重新計(jì)算,并與文獻(xiàn)中主要的詞語(yǔ)語(yǔ)義相似度算法測(cè)試結(jié)果進(jìn)行對(duì)比,如表4所示。

    根據(jù)表4數(shù)據(jù)分析,由于維基百科數(shù)據(jù)資源頁(yè)面規(guī)模和義項(xiàng)數(shù)的增加,使用新版本維基百科數(shù)據(jù)資源對(duì)原有的基于鏈接的維基百科相似度方法的重算結(jié)果均差于原文獻(xiàn)的計(jì)算結(jié)果,本文提出的頁(yè)面鏈接為特征值的維基百科相似度方法總體上優(yōu)于前文學(xué)者提出的出鏈接余弦夾角計(jì)算方法、Google距離計(jì)算方法和WLVM等方法。對(duì)比這些方法的計(jì)算過程中使用本文改進(jìn)的消歧算法,可以看出本文的消歧方法在這些方法中依然起到改善計(jì)算結(jié)果的作用。本文方法在總體上優(yōu)于文獻(xiàn)中其他基于維基百科的相似度計(jì)算結(jié)果,也優(yōu)于目前大部分基于WordNet的語(yǔ)義相似度計(jì)算方法。雖然本算法的RG65測(cè)試結(jié)果略低于目前基于WordNet方法的最高值[11,18],但相較于WordNet(3.1版本)[5]中數(shù)據(jù)集中只有155287個(gè)詞、117659個(gè)同義詞集和206941個(gè)義項(xiàng),維基百科具有超過其30倍的詞匯量,且在快速更新,因此本文方法具有更為廣泛的應(yīng)用前景。

    5 ? 結(jié)論(Conclusion)

    本文使用維基百科鏈接作為數(shù)據(jù)資源計(jì)算詞語(yǔ)語(yǔ)義相似度,提出了一種基于維基百科頁(yè)面鏈接特征的計(jì)算詞語(yǔ)語(yǔ)義相似度方法。首先,通過頁(yè)面定位和消歧,把詞語(yǔ)定位到維基百科頁(yè)面,把詞語(yǔ)相似度問題轉(zhuǎn)換為頁(yè)面相似度的計(jì)算問題。然后把頁(yè)面表示為由入鏈接和出鏈接組成的特征集合,通過計(jì)算特征集合的相似度計(jì)算對(duì)應(yīng)詞語(yǔ)的相似度。本文提出了對(duì)一詞多義問題的消歧算法的改進(jìn),通過閾值參數(shù)限制消歧義項(xiàng)頁(yè)面的方式減少社會(huì)認(rèn)知度較低義項(xiàng)對(duì)測(cè)試過程的干擾,以達(dá)到提高計(jì)算準(zhǔn)確度目的。

    本文使用2017-8-1版維基百科數(shù)據(jù)資源,通過基準(zhǔn)測(cè)試數(shù)據(jù)集對(duì)本文方法今次測(cè)試。MC30數(shù)據(jù)集的計(jì)算結(jié)果與人工值之間的Pearson相關(guān)度達(dá)到0.906513536,RG65達(dá)到0.82858353。經(jīng)實(shí)驗(yàn)數(shù)據(jù)與其他方法的對(duì)比,本文提出的方法總體優(yōu)于現(xiàn)有的基于維基百科鏈接的詞語(yǔ)相似度計(jì)算方法,且與其他維基百科方法和基于WordNet方法對(duì)比也有較好的表現(xiàn),說明本文提出的基于維基百科鏈接的詞語(yǔ)語(yǔ)義相似度計(jì)算方法是合理有效的。

    參考文獻(xiàn)(References)

    [1] Patwardhan S,Banerjee S,Pedersen T.Using measures of semantic relatedness for word sense disambiguation[C].International Conference on Computational Linguistics & Intelligent Text Processing.Springer-Verlag,2003:241-257.

    [2] Lin D.An Information-theoretic Definition of similarity[C].The Fifteenth International Conference on Machine Learning.Morgan Kaufmann Publishers Inc.,1998:296-304.

    [3] Atkinson J,F(xiàn)erreira A,Aravena E.Discovering Implicit Intention-Level Knowledge from Natural-Language Texts[J].Knowledge-Based Systems,2009,22(7):502-508.

    [4] 石靜,吳云芳,邱立坤.基于大規(guī)模語(yǔ)料庫(kù)的漢語(yǔ)詞義相似度計(jì)算方法[J].中文信息學(xué)報(bào),2013,27(01):1-6.

    [5] Princeton University.WordNet[EB/OL].http://wordnet.princeton.edu,2019-8-1.

    [6] 董振東,董強(qiáng).知網(wǎng)[EB/OL].http://www.keenage.com,2015-1-8.

    [7] 哈工大社會(huì)計(jì)算與信息檢索研究中心.同義詞詞林?jǐn)U展版[EB/OL].http://ir.hit.edu.cn/demos,2019-7-20.

    [8] Rada R,Mili H,Bicknell E,et al.Development and application of a metric on semantic nets[J].IEEE Transactions on Systems,Man and Cybernetics,1989,19(1):17-30.

    [9] Wu Z,Palmer M.Verbs Semantics and Lexical Selection[C].Proceedings of the 32nd annual meeting on Association for Computational Linguistics(COLING-94).Association for Computational Linguistics,1994:133-138.

    [10] Leacock C,ChodorowM.Combining Local Context and WordNet Similarity for Word Sense Identification[M].WordNet:An Electronic Lexical Database,1998:265-283.

    [11] Hao D,Zuo W,Peng T,et al.An Approach for Calculating Semantic Similarity between Words Using WordNet[C].Second International Conference on Digital Manufacturing & Automation.IEEE,2011:177-180.

    [12] Resnik P.Using Information Content to Evaluate Semantic Similarity in a Taxonomy[C].the 14th International Joint Conference on Artificial Intelligence,Morgan Kaufmann Publishers Inc.,1995:448-453.

    [13] D Lin.An Information-Theoretic Definition of Similarity[J].Fifteenth International Conference on Machine Learning,1998,1(2):296-304.

    [14] JJ Jiang,DWConrath.Semantic Similarity Based on Corpus Statistics and Lexical Taxonomy[J].International Conference Research on Computational Linguistics,1997:19-33.

    [15] A Tversky.Features of similarity[J].Readings in Cognitive Science,1988,84(4):290-302.

    [16] MA Rodríguez,MJ Egenhofer.Determining Semantic Similarity among Entity Classes from Different Ontologies[J].Knowledge & Data Engineering IEEE Transactions on,2003,15(2):442-456.

    [17] EGM Petrakis,G Varelas,A Hliaoutakis,et al.X-similarity:computing semantic similarity between concepts from different ontologies[J].Journal of Digital Information Management,2006,4(4):233-237.

    [18] Hadj Taieb M A,Ben Aouicha M,Ben Hamadou A.Ontology-based approach for measuring semantic similarity[J].Engineering Applications of Artificial Intelligence,2014,36:238-261.

    [19] Zhu X,Li F,Chen H,et al.A density compensation-based path computing model for measuring semantic similarity[J].Computer Science,2015:17-25.

    [20] Wikipedia.List of Wikipedias[EB/OL].https://meta.wikimedia.org/wiki/List_of_Wikipedias,2019-8-1.

    [21] Wikipedia.Wikimedia Downloads[EB/OL].http://dumps.wikimedia.your.org,2018-8-2.

    [22] M.WikiRelate!Computing Semantic Relatedness Using Wikipedia[J].National Conference on Artificial Intelligence,2006,2(6):1419-1424.

    [23] MAH Taieb,MB Aouicha,M Tmar,AB Hamadou.Wikipedia Category Graph and NewIntrinsic Information Content Metric for Word Semantic Relatedness Measuring[C].International Conference on Data and Knowledge Engineering,Springer Berlin Heidelberg,2012:128-140.

    [24] MAH Taieb,MB Aouicha,AB Hamadou.Computing semantic relatedness using Wikipedia features[J].Knowledge-Based Systems,2013,50(50):260-278.

    [25] MB Aouicha,MAH Taieb,AB Hamadou.Taxonomy-based information content and wordnet-wiktionary-wikipedia glosses for semantic relatedness[J].Applied Intelligence,2016,45(2):1-37.

    [26] E Gabrilovich,S Markovitch.Computing Semantic Relatedness using Wikipedia-based Explicit Semantic Analysis[C].International Joint Conference on Artifical Intelligence,2007:1606-1611.

    [27] D Milne,IH Witten.An Effective,Low-cost Measure of Semantic Relatedness Obtained from Wikipedia Links[J].Proceedings of AAAI,2008:35-42.

    [28] D Milne.Computing Semantic Relatedness using Wikipedia Link Structure[C].NewZealand Computer Science Research Student Conference,2009.

    [29] E Agirre,E Alfonseca,K Hall,et al.A Study on Similarity and Relatedness Using Distributional and Word Net-based Approaches[C].The Conference of the North American Chapter of the Association for Computational Linguistics,2009:19-27.

    [30] George A.Miller,Walter G.Charles.Contextual Correlates of Semantic Similarity[J].Language Cognition & Neuroscience,1991,6(1):1-28.

    [31] H Rubenstein,JB Goodenough.Contextual Correlates of Synonymy[J].Communications of the ACM,1965,8(10):627-633.

    作者簡(jiǎn)介:

    張 ?波(1983-),男,碩士,講師.研究領(lǐng)域:自然語(yǔ)言處理,遠(yuǎn)程教育技術(shù).

    猜你喜歡
    維基百科
    維基百科影響司法
    維基百科青年
    普京要求創(chuàng)建“俄版維基百科”
    維基百科禁《每日郵報(bào)》為信源
    維基百科國(guó)內(nèi)外研究綜述與展望
    APP
    維基百科何去何從
    IBM的監(jiān)視
    意林(2014年2期)2014-02-11 11:09:17
    危機(jī)籠罩維基
    新民周刊(2013年47期)2013-05-30 10:48:04
    借力HTML5技術(shù)在線多人協(xié)作編輯視頻,維基百科正式邁入視頻時(shí)代!
    黄色配什么色好看| 女人十人毛片免费观看3o分钟| 男女下面进入的视频免费午夜| 男女啪啪激烈高潮av片| 黄色日韩在线| 亚洲性久久影院| 国产精品不卡视频一区二区| 成人欧美大片| 亚洲精品一二三| av在线亚洲专区| 亚洲在久久综合| 波多野结衣巨乳人妻| 国产在视频线在精品| 狠狠精品人妻久久久久久综合| 成人性生交大片免费视频hd| 国产人妻一区二区三区在| 亚洲国产精品成人综合色| 国产熟女欧美一区二区| 三级男女做爰猛烈吃奶摸视频| 色综合色国产| 久久久久久久久久久免费av| 国产av码专区亚洲av| 国产精品一区二区性色av| 三级国产精品欧美在线观看| 永久网站在线| 国产高清不卡午夜福利| 一级毛片黄色毛片免费观看视频| h日本视频在线播放| 亚洲成人av在线免费| 国产一区二区三区综合在线观看 | 国产片特级美女逼逼视频| 最近最新中文字幕免费大全7| 日韩欧美三级三区| 色哟哟·www| 午夜激情久久久久久久| 26uuu在线亚洲综合色| 少妇被粗大猛烈的视频| 免费av毛片视频| 一边亲一边摸免费视频| 男女啪啪激烈高潮av片| 大香蕉久久网| 成年版毛片免费区| 精品人妻一区二区三区麻豆| 久热久热在线精品观看| 少妇猛男粗大的猛烈进出视频 | 一夜夜www| 欧美成人a在线观看| 日韩强制内射视频| 最近视频中文字幕2019在线8| 久久久国产一区二区| 欧美一区二区亚洲| 国产真实伦视频高清在线观看| 日日啪夜夜撸| 精品久久久久久久久亚洲| 久久久a久久爽久久v久久| 国产黄片美女视频| 国产免费福利视频在线观看| 哪个播放器可以免费观看大片| 久久国产乱子免费精品| 男人舔女人下体高潮全视频| 高清午夜精品一区二区三区| 日本欧美国产在线视频| 91在线精品国自产拍蜜月| 国产精品人妻久久久影院| 久久精品久久久久久噜噜老黄| 五月天丁香电影| 久久久色成人| 国产美女午夜福利| 麻豆乱淫一区二区| 亚洲精品国产av蜜桃| 极品少妇高潮喷水抽搐| 国产在线男女| 免费看光身美女| 国产黄片美女视频| 人妻夜夜爽99麻豆av| 日韩欧美 国产精品| 人人妻人人澡欧美一区二区| 少妇人妻一区二区三区视频| 七月丁香在线播放| 亚洲国产欧美在线一区| 国产亚洲最大av| 激情 狠狠 欧美| 丝袜美腿在线中文| 91精品伊人久久大香线蕉| 日本一二三区视频观看| 国产乱来视频区| 如何舔出高潮| 别揉我奶头 嗯啊视频| 亚洲精品一区蜜桃| 欧美潮喷喷水| 亚洲最大成人中文| 在线天堂最新版资源| 男女边摸边吃奶| 3wmmmm亚洲av在线观看| 精品一区二区免费观看| 床上黄色一级片| 亚洲精品久久午夜乱码| 高清欧美精品videossex| 免费黄色在线免费观看| 亚洲一区高清亚洲精品| 如何舔出高潮| 有码 亚洲区| 精品一区在线观看国产| 成人漫画全彩无遮挡| 日韩欧美精品免费久久| 最近2019中文字幕mv第一页| 亚洲av不卡在线观看| 亚洲在线观看片| 亚洲av中文字字幕乱码综合| 亚洲国产日韩欧美精品在线观看| 人体艺术视频欧美日本| 男女啪啪激烈高潮av片| 日韩制服骚丝袜av| 色哟哟·www| 日本爱情动作片www.在线观看| 一本一本综合久久| 干丝袜人妻中文字幕| 国产高清三级在线| 91狼人影院| 在线a可以看的网站| 麻豆久久精品国产亚洲av| 国产午夜精品久久久久久一区二区三区| 看非洲黑人一级黄片| 国产成年人精品一区二区| 卡戴珊不雅视频在线播放| 日韩亚洲欧美综合| 免费看av在线观看网站| 国产在线一区二区三区精| 亚洲性久久影院| 欧美最新免费一区二区三区| 欧美成人一区二区免费高清观看| av在线播放精品| 六月丁香七月| 高清日韩中文字幕在线| 如何舔出高潮| 国产亚洲精品久久久com| 久久99热6这里只有精品| 天堂俺去俺来也www色官网 | 成人亚洲精品一区在线观看 | 校园人妻丝袜中文字幕| 免费看a级黄色片| 成年版毛片免费区| 尾随美女入室| 国产单亲对白刺激| 国产欧美另类精品又又久久亚洲欧美| 免费高清在线观看视频在线观看| 欧美bdsm另类| 97超视频在线观看视频| 一级a做视频免费观看| 免费看美女性在线毛片视频| 精品国产露脸久久av麻豆 | 亚洲三级黄色毛片| 欧美成人午夜免费资源| 国产人妻一区二区三区在| 日韩av在线大香蕉| 日韩三级伦理在线观看| 亚洲怡红院男人天堂| 我的女老师完整版在线观看| 国国产精品蜜臀av免费| 欧美性感艳星| 爱豆传媒免费全集在线观看| 国产 一区精品| 欧美日韩在线观看h| 亚洲真实伦在线观看| 亚洲真实伦在线观看| 少妇丰满av| 成人国产麻豆网| av免费观看日本| 久久精品夜夜夜夜夜久久蜜豆| 我的女老师完整版在线观看| 精品久久久久久久久av| 最近最新中文字幕免费大全7| 黑人高潮一二区| 国产黄a三级三级三级人| 日韩制服骚丝袜av| 免费看a级黄色片| 高清午夜精品一区二区三区| 一个人看视频在线观看www免费| 天天一区二区日本电影三级| 亚洲电影在线观看av| 国产免费福利视频在线观看| 国产精品综合久久久久久久免费| 天天躁夜夜躁狠狠久久av| 精品久久久久久久久亚洲| 亚洲美女视频黄频| av网站免费在线观看视频 | 哪个播放器可以免费观看大片| 成人国产麻豆网| 国国产精品蜜臀av免费| 一二三四中文在线观看免费高清| 男插女下体视频免费在线播放| 色视频www国产| 又爽又黄a免费视频| 精品久久久久久久人妻蜜臀av| 久久精品国产亚洲av涩爱| 欧美潮喷喷水| 精品酒店卫生间| 精品人妻偷拍中文字幕| 国产亚洲5aaaaa淫片| 国产亚洲91精品色在线| 高清av免费在线| 久久97久久精品| 精品久久久久久久末码| 一区二区三区免费毛片| 高清欧美精品videossex| 干丝袜人妻中文字幕| 狠狠精品人妻久久久久久综合| 欧美高清成人免费视频www| 国产黄片美女视频| 我的老师免费观看完整版| 蜜臀久久99精品久久宅男| 国内揄拍国产精品人妻在线| 欧美zozozo另类| 亚洲成人久久爱视频| 在线免费观看不下载黄p国产| 亚洲精品国产av蜜桃| 国产色婷婷99| 一个人看的www免费观看视频| 欧美日韩在线观看h| 国产成人精品婷婷| 99九九线精品视频在线观看视频| 在现免费观看毛片| 99热6这里只有精品| 九九爱精品视频在线观看| 成人午夜精彩视频在线观看| 女人久久www免费人成看片| 国内少妇人妻偷人精品xxx网站| 亚洲av成人精品一二三区| 天堂√8在线中文| 欧美zozozo另类| 久久精品夜色国产| 免费黄频网站在线观看国产| 日韩,欧美,国产一区二区三区| 永久网站在线| 日韩中字成人| 天堂√8在线中文| 国产成人a区在线观看| 99热这里只有是精品50| 天天一区二区日本电影三级| 国产乱人视频| 亚洲18禁久久av| 亚洲婷婷狠狠爱综合网| 欧美丝袜亚洲另类| 乱码一卡2卡4卡精品| 特级一级黄色大片| 中文天堂在线官网| 免费电影在线观看免费观看| 亚洲国产精品成人综合色| 18禁裸乳无遮挡免费网站照片| 免费看日本二区| 欧美变态另类bdsm刘玥| 日本-黄色视频高清免费观看| 精华霜和精华液先用哪个| 色综合站精品国产| 性插视频无遮挡在线免费观看| 超碰97精品在线观看| 秋霞伦理黄片| 午夜福利在线观看免费完整高清在| 日韩制服骚丝袜av| 偷拍熟女少妇极品色| 黄色配什么色好看| 国产av在哪里看| 97超视频在线观看视频| 男女视频在线观看网站免费| 非洲黑人性xxxx精品又粗又长| 丝袜喷水一区| 女人久久www免费人成看片| 国产精品无大码| 亚洲精品国产成人久久av| 最后的刺客免费高清国语| 中文字幕亚洲精品专区| 午夜视频国产福利| 精品一区二区三区人妻视频| 日韩制服骚丝袜av| 天天躁日日操中文字幕| 91精品国产九色| 少妇高潮的动态图| 哪个播放器可以免费观看大片| 校园人妻丝袜中文字幕| 免费看av在线观看网站| 91狼人影院| 草草在线视频免费看| 国产高清有码在线观看视频| 国产精品熟女久久久久浪| 久久精品国产鲁丝片午夜精品| 午夜福利高清视频| 免费高清在线观看视频在线观看| 国产av不卡久久| 丰满少妇做爰视频| 久久精品国产亚洲av天美| 91狼人影院| 亚洲av中文av极速乱| 国产亚洲最大av| 青春草亚洲视频在线观看| 亚洲欧美清纯卡通| 亚洲美女搞黄在线观看| 久久久久免费精品人妻一区二区| 久久鲁丝午夜福利片| 国产av码专区亚洲av| 亚洲激情五月婷婷啪啪| 看非洲黑人一级黄片| 久久99热这里只频精品6学生| 啦啦啦啦在线视频资源| 久久这里有精品视频免费| 插逼视频在线观看| 又大又黄又爽视频免费| 美女xxoo啪啪120秒动态图| 国产美女午夜福利| 国产探花在线观看一区二区| 看十八女毛片水多多多| 少妇人妻一区二区三区视频| 成人漫画全彩无遮挡| 国产亚洲一区二区精品| 亚洲性久久影院| 免费看a级黄色片| 中国国产av一级| a级毛色黄片| 在线播放无遮挡| 久久精品人妻少妇| 国产精品女同一区二区软件| 免费黄网站久久成人精品| 大香蕉97超碰在线| 国产黄色小视频在线观看| 亚洲av不卡在线观看| 我的老师免费观看完整版| 久久99热这里只频精品6学生| 成人美女网站在线观看视频| 亚洲国产高清在线一区二区三| 国产亚洲最大av| 国产精品久久久久久av不卡| 欧美3d第一页| 看十八女毛片水多多多| 日韩中字成人| 18禁在线无遮挡免费观看视频| 最近最新中文字幕大全电影3| 国产精品一区二区在线观看99 | 久久99热这里只有精品18| 日韩欧美精品免费久久| 日韩视频在线欧美| 亚洲av日韩在线播放| 国产av不卡久久| 少妇人妻精品综合一区二区| 国产午夜精品论理片| 免费播放大片免费观看视频在线观看| 一级毛片我不卡| 天堂网av新在线| 午夜福利在线在线| 免费看美女性在线毛片视频| 麻豆精品久久久久久蜜桃| 久久亚洲国产成人精品v| 国产亚洲一区二区精品| 成人亚洲精品一区在线观看 | 久久人人爽人人片av| 在线播放无遮挡| 亚洲成人中文字幕在线播放| av国产久精品久网站免费入址| 亚洲在线观看片| 人人妻人人澡欧美一区二区| 91久久精品国产一区二区成人| 天堂影院成人在线观看| 国产乱人视频| 午夜亚洲福利在线播放| 免费黄网站久久成人精品| 欧美日韩综合久久久久久| 亚洲av男天堂| 51国产日韩欧美| 十八禁网站网址无遮挡 | 亚洲精品色激情综合| 人妻系列 视频| 精品酒店卫生间| 亚洲欧美成人综合另类久久久| 亚洲欧美清纯卡通| 国产淫语在线视频| 久久精品人妻少妇| av在线天堂中文字幕| 亚洲精品一区蜜桃| 午夜福利网站1000一区二区三区| 噜噜噜噜噜久久久久久91| 国产v大片淫在线免费观看| 国产精品久久久久久久电影| 少妇的逼好多水| 国产精品蜜桃在线观看| 亚洲成人av在线免费| 男人舔女人下体高潮全视频| 99久久精品国产国产毛片| 秋霞伦理黄片| 国产 一区精品| 卡戴珊不雅视频在线播放| 99热这里只有是精品50| 国产爱豆传媒在线观看| 国产精品女同一区二区软件| 极品教师在线视频| 在线天堂最新版资源| 精品一区在线观看国产| 久热久热在线精品观看| 老司机影院毛片| 精品久久久久久久久av| 超碰97精品在线观看| 一个人看的www免费观看视频| av又黄又爽大尺度在线免费看| 久久精品国产亚洲网站| 国产精品.久久久| 一边亲一边摸免费视频| 99久国产av精品| .国产精品久久| 国产伦一二天堂av在线观看| 亚洲av中文av极速乱| 欧美激情在线99| 天堂网av新在线| 亚洲乱码一区二区免费版| 性插视频无遮挡在线免费观看| 午夜精品一区二区三区免费看| 免费看a级黄色片| 欧美日韩国产mv在线观看视频 | 色哟哟·www| 美女高潮的动态| 国产黄片美女视频| 亚洲国产欧美人成| 91精品国产九色| 久久热精品热| 亚洲国产最新在线播放| 中文字幕久久专区| 欧美日韩精品成人综合77777| 最后的刺客免费高清国语| 18+在线观看网站| 国产精品av视频在线免费观看| 超碰av人人做人人爽久久| 国产综合懂色| 日韩av在线免费看完整版不卡| av在线播放精品| 欧美潮喷喷水| 婷婷色综合大香蕉| 久久久久网色| 内射极品少妇av片p| 久久这里只有精品中国| 久久久久九九精品影院| 亚洲精品一二三| 国产午夜精品久久久久久一区二区三区| 18禁在线无遮挡免费观看视频| 国产日韩欧美在线精品| 男女边摸边吃奶| 欧美日韩国产mv在线观看视频 | 国产av不卡久久| 蜜桃亚洲精品一区二区三区| 亚洲av二区三区四区| 国产永久视频网站| av在线播放精品| 啦啦啦韩国在线观看视频| 欧美bdsm另类| 久久久久精品性色| 国内精品一区二区在线观看| 爱豆传媒免费全集在线观看| a级毛色黄片| 国产免费福利视频在线观看| 在线观看美女被高潮喷水网站| 成人美女网站在线观看视频| 午夜激情久久久久久久| 乱系列少妇在线播放| 国产黄片美女视频| av一本久久久久| 国产在视频线在精品| 亚洲自拍偷在线| 久久久色成人| 少妇熟女aⅴ在线视频| 97在线视频观看| 极品少妇高潮喷水抽搐| 黄片无遮挡物在线观看| 亚洲综合精品二区| 日韩国内少妇激情av| 国产黄a三级三级三级人| 亚洲av不卡在线观看| 欧美精品一区二区大全| 亚洲欧洲日产国产| 欧美xxxx性猛交bbbb| 国产黄片美女视频| 午夜福利在线观看免费完整高清在| 日韩av在线免费看完整版不卡| 精品久久久久久久末码| 国产成人一区二区在线| 我的女老师完整版在线观看| 国产单亲对白刺激| 国产爱豆传媒在线观看| 日韩欧美精品免费久久| 久久久久国产网址| 夫妻午夜视频| 一级爰片在线观看| 日本wwww免费看| 亚洲国产成人一精品久久久| 日韩精品青青久久久久久| 春色校园在线视频观看| 日韩,欧美,国产一区二区三区| 精品一区在线观看国产| 成人美女网站在线观看视频| 欧美bdsm另类| 久久久久性生活片| 寂寞人妻少妇视频99o| 午夜福利视频精品| 91狼人影院| 久久久精品94久久精品| 亚洲美女搞黄在线观看| 日韩人妻高清精品专区| 一区二区三区乱码不卡18| 亚洲在久久综合| 日韩强制内射视频| 午夜免费观看性视频| 亚洲精品乱久久久久久| 久久久久久久国产电影| 免费高清在线观看视频在线观看| 好男人在线观看高清免费视频| 大陆偷拍与自拍| 一级二级三级毛片免费看| 国产精品人妻久久久久久| 国产av不卡久久| 亚洲av成人精品一区久久| 国产精品久久久久久精品电影| 免费看日本二区| 日产精品乱码卡一卡2卡三| 国产精品久久久久久精品电影小说 | 麻豆成人午夜福利视频| 精品熟女少妇av免费看| 国产免费视频播放在线视频 | 26uuu在线亚洲综合色| 精品久久久久久久末码| 国产淫语在线视频| 深夜a级毛片| 久久午夜福利片| av专区在线播放| 国产真实伦视频高清在线观看| 免费大片18禁| 欧美高清性xxxxhd video| 精品国产一区二区三区久久久樱花 | 免费人成在线观看视频色| 午夜福利在线在线| 亚洲aⅴ乱码一区二区在线播放| videos熟女内射| 国产高潮美女av| 国产av国产精品国产| 亚洲不卡免费看| 高清午夜精品一区二区三区| 国产成人福利小说| 午夜激情欧美在线| 色5月婷婷丁香| 菩萨蛮人人尽说江南好唐韦庄| 在线 av 中文字幕| 91狼人影院| 亚洲一级一片aⅴ在线观看| 亚洲av免费高清在线观看| 看黄色毛片网站| 少妇被粗大猛烈的视频| 天堂俺去俺来也www色官网 | 美女黄网站色视频| 内地一区二区视频在线| 精品久久久久久久久亚洲| 青春草国产在线视频| 91午夜精品亚洲一区二区三区| 水蜜桃什么品种好| 欧美xxⅹ黑人| 日韩欧美精品免费久久| 国产白丝娇喘喷水9色精品| 久久97久久精品| 国产成人一区二区在线| av在线天堂中文字幕| 看黄色毛片网站| 亚洲av免费在线观看| 九九爱精品视频在线观看| 欧美bdsm另类| 欧美 日韩 精品 国产| 久久国产乱子免费精品| 国产麻豆成人av免费视频| 国产高潮美女av| 亚洲最大成人手机在线| 免费观看av网站的网址| 国产精品熟女久久久久浪| 插逼视频在线观看| 亚洲精品国产av成人精品| 亚洲欧美精品自产自拍| 亚洲四区av| 国产一级毛片七仙女欲春2| 亚洲精品日本国产第一区| 欧美xxⅹ黑人| 2021少妇久久久久久久久久久| 免费观看在线日韩| 国产亚洲av嫩草精品影院| 精品国产露脸久久av麻豆 | 国产美女午夜福利| 久久热精品热| 97精品久久久久久久久久精品| 男女啪啪激烈高潮av片| 秋霞在线观看毛片| 亚洲经典国产精华液单| 日日摸夜夜添夜夜爱| 九草在线视频观看| 国产免费视频播放在线视频 | 少妇裸体淫交视频免费看高清| 伊人久久精品亚洲午夜| 久久6这里有精品| 久久久久久久久久久免费av| 卡戴珊不雅视频在线播放| 欧美最新免费一区二区三区| 欧美xxxx黑人xx丫x性爽| 国产午夜福利久久久久久| 国产老妇伦熟女老妇高清| ponron亚洲| 成年免费大片在线观看| av网站免费在线观看视频 | 国产精品麻豆人妻色哟哟久久 | 三级国产精品片| 男人舔奶头视频| 国产69精品久久久久777片| 天美传媒精品一区二区| 成人高潮视频无遮挡免费网站| 国产成人a∨麻豆精品| 欧美最新免费一区二区三区| 国产在视频线精品| 日本黄大片高清|