• <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 ?

    樸素Bayes分類器文本特征向量的參數(shù)優(yōu)化

    2019-11-28 11:41:20方秋蓮王培錦鄭涵穎呂春玥王艷彤
    關(guān)鍵詞:樸素特征向量分類器

    方秋蓮,王培錦,隋 陽,鄭涵穎,呂春玥,王艷彤

    (中南大學(xué) 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院,長沙 410083)

    隨著互聯(lián)網(wǎng)的迅猛發(fā)展,產(chǎn)生了大量的文本數(shù)據(jù),處理文本數(shù)據(jù)的基礎(chǔ)是文本分類.在文本數(shù)據(jù)中多數(shù)為新聞數(shù)據(jù),目前新聞文本數(shù)據(jù)的分類仍采用由編輯者進(jìn)行人工分類的方法,這種方法不僅耗費(fèi)了大量人力、物力,而且可能存在分類結(jié)果不一致的情況[1],因此急需建立一個(gè)自動文本分類器解決上述問題.

    一個(gè)文本分類器的實(shí)現(xiàn)主要包括下列3個(gè)步驟:1) 特征提取;2) 建立分類器;3) 結(jié)果輸出.在特征提取方面,常用的方法有文檔頻率(document frequency,DF)法、信息增益(information gain,IG)法、互信息(mutual information,MI)法以及TFIDF(term frequency-inverse document frequency)算法等[2].DF法、IG法和MI法都假設(shè)信息量較少的詞對文本的分類過程沒有影響,但這種假設(shè)在分類問題中通常并不成立,所以在實(shí)際應(yīng)用中其很少被單獨(dú)使用.而TFIDF算法的優(yōu)勢是其能同時(shí)考慮到低頻詞和高頻詞對分類過程的影響,因此其特征向量提取的效果相對較好.在建立分類器方面,目前較流行的分類算法有最小距離分類器、K-最近鄰分類器和樸素Bayes分類器等.最小距離分類器適用于類間間距大、類內(nèi)間距小的樣本[3];K-最近鄰分類器中K的選擇存在較大的主觀性;而樸素Bayes分類器適用于一般分類樣本且不受主觀因素影響,所以被廣泛應(yīng)用.在結(jié)果輸出方面,通常用準(zhǔn)確率或查全率評價(jià)分類器的優(yōu)劣,而為了更全面地研究分類器的輸出結(jié)果,龐劍鋒等[4]將兩者結(jié)合提出了檢測結(jié)果更精準(zhǔn)的F1測試值指標(biāo).

    本文考慮樸素Bayes文本分類器對中文新聞文本的分類問題,使用N-gram算法和TFIDF算法提取文本的特征向量,通過Python軟件實(shí)現(xiàn)對中文新聞文本的自動分類.在參數(shù)選擇方面,本文討論了N-gram算法的參數(shù)N、特征向量長度及特征項(xiàng)詞性等對文本分類效果的影響,并得到了參數(shù)的最佳取值.

    1 特征向量提取

    在處理中文文本時(shí),為了增加文本對計(jì)算機(jī)的可讀性,通常選擇對文本進(jìn)行向量化處理,如將文本d用向量V表示,記為V=(v1,v2,…,vn),其中vi是第i個(gè)特征項(xiàng).在提取特征項(xiàng)時(shí),需選擇一個(gè)合適的特征項(xiàng),使其既能體現(xiàn)所屬類別的特點(diǎn),又能區(qū)別于其他類別.由于中文文本沒有像英文文本一樣的自然分詞,所以在提取特征向量前需先對文本進(jìn)行分詞處理,再用N-gram算法提取文本特征向量.在選擇特征項(xiàng)時(shí),還可以考察低頻詞和高頻詞對文本分類結(jié)果產(chǎn)生的不同影響,即使用TFIDF算法提取特征向量.

    1.1 N-gram算法

    當(dāng)分析文中一個(gè)詞出現(xiàn)的概率時(shí),通常假設(shè)該詞出現(xiàn)的概率僅與其前若干個(gè)詞相關(guān),所以可以用條件概率表示該詞的出現(xiàn)概率,于是一個(gè)文本出現(xiàn)的概率可用每個(gè)詞出現(xiàn)概率的乘積表示:

    P(S)=P(w1,w2,…,wn)=P(w1)P(w2|w1)…P(wn|wn-1,…,w1),

    其中:S表示一個(gè)文本;wi(i=1,2,…,n)表示文本中的第i個(gè)詞.

    基于Markov假設(shè)[5]的N-gram算法認(rèn)為在文本中第n個(gè)詞出現(xiàn)的概率僅與其前(N-1)個(gè)詞相關(guān),其中N

    (1)

    同理可得3-gram和4-gram模型.3-gram模型表示為

    P(S)≈P(w1)P(w2)P(w3|w1,w2)…P(wn|wn-1,wn-2);

    4-gram模型表示為

    P(S)≈P(w1)P(w2)P(w3)P(w4|w1,w2,w3)…P(wn|wn-1,wn-2,wn-3).

    在使用N-gram算法對文本進(jìn)行特征提取時(shí),需主觀賦值N.

    1.2 TFIDF基本原理

    TFIDF算法的基本思想是對于一個(gè)在數(shù)據(jù)集中較少見的詞,若其在某文本中頻繁出現(xiàn),則其很可能反映該文本的重要特征[6].

    1.2.1 特征項(xiàng)頻率 特征項(xiàng)頻率(term frequency,TF)用于表示某詞i在文本j中的頻率,記為

    (2)

    1.2.2 反文本頻率 反文本頻率(inverse document frequency,IDF)表示如果一個(gè)詞普遍存在于各類文本中,則該詞對于分類過程不重要[7],詞i的反文本頻率可記為

    (3)

    其中:N表示測試集中總文本數(shù);ni表示包含詞i在測試集中的文本個(gè)數(shù).為使式(3)有意義,引入一個(gè)極小的常數(shù)c[8].于是,TFIDF算法的經(jīng)典計(jì)算公式為

    TFIDFij=TFij×IDFi,

    (4)

    其中,TFIDFij值越大表示詞i對文本j越重要.

    2 Bayes算法

    樸素Bayes分類器在文本分類領(lǐng)域應(yīng)用廣泛,其主要利用文本類別的先驗(yàn)概率和特征向量對類別的條件概率計(jì)算未知文本屬于某一類別的概率.Bayes分類器基于文本特征項(xiàng)間相互獨(dú)立的假設(shè)[9].

    2.1 Bayes基本理論

    給定一個(gè)文本d,特征向量為V=(v1,v2,…,vn),于是d被分類到類別ck的概率為

    (5)

    其中:P(ck)表示類別ck的概率,為避免P(ck)=0,采用Laplace估計(jì)定義概率[8]為

    (6)

    |C|表示訓(xùn)練集中類的數(shù)目,Nck表示類別ck中的文本數(shù)目,Nc表示訓(xùn)練集中總文本數(shù)目;P(d)表示未知文本d屬于某一類別的概率是一個(gè)不變的常數(shù),

    (7)

    P(vi|ck)表示類別ck中文本含有vi的概率,

    (8)

    2.2 樸素Bayes算法

    樸素Bayes算法是基于Bayes基本原理對已有文本的訓(xùn)練算法,其基本思想是計(jì)算未知文本d屬于各類的概率,然后將其歸類于c1,c2,…,cn這n個(gè)類別中的一個(gè),步驟如下:

    1) 利用特征向量提取算法處理待分類文本d,得到特征向量V=(v1,v2,…,vn),由式(8)計(jì)算類別ck中的文本含有vi的概率P(vi|ck),其中:i=1,2,…,|V|;k=1,2,…,Nck;

    2) 根據(jù)式(7)和式(8),計(jì)算先驗(yàn)概率P(ck)和P(d);

    3) 根據(jù)式(5)計(jì)算分類的后驗(yàn)概率,即未知文本屬于各類的概率P(ck|d),并比較其大小,選擇將其劃分到概率最大的一個(gè)類別,公式為

    (9)

    2.3 樸素Bayes分類器設(shè)計(jì)

    圖1 文本分類器流程Fig.1 Flow chart of text classifier

    在建立文本分類器時(shí),通常把工作分為兩部分:第一部分是訓(xùn)練過程,包括訓(xùn)練文本的預(yù)處理和特征抽取;第二部分是新文本的分類過程,包括新文本預(yù)處理和結(jié)果輸出.文本分類器流程如圖1所示.

    在訓(xùn)練文本預(yù)處理階段,先用Python的 jieba分詞組件對訓(xùn)練集文本進(jìn)行分詞處理,同時(shí)去除停用詞和可能存在的空格或標(biāo)點(diǎn)符號;然后將文本打亂,隨機(jī)分成訓(xùn)練集和測試集.在訓(xùn)練集特征抽取時(shí),本文選擇N-gram算法,提取出現(xiàn)詞頻前(N-1)個(gè)詞作為特征項(xiàng)組成各類文本的特征向量.

    在分類過程中,首先對新文本進(jìn)行預(yù)處理,使用TFIDF算法將文本轉(zhuǎn)化成向量的形式,然后利用樸素Bayes文本分類器對新文本進(jìn)行分類.

    3 實(shí) 驗(yàn)

    在樸素Bayes文本分類器中,除數(shù)據(jù)集的容量會影響分類的準(zhǔn)確性外,還有一些相關(guān)參數(shù)的設(shè)定也會對分類效果產(chǎn)生較大影響.本文通過實(shí)驗(yàn)分析以下3個(gè)參數(shù)的取值問題:

    1)N-gram算法中參數(shù)N;

    2) 各類別特征向量長度n;

    3) 特征項(xiàng)的詞性.

    3.1 實(shí)驗(yàn)數(shù)據(jù)集及評價(jià)指標(biāo)

    本文選取近年各大新聞網(wǎng)站的新聞文本,該數(shù)據(jù)集包括汽車、娛樂、軍事、體育、科技等5個(gè)新聞?lì)悇e,每個(gè)類別選取20 000個(gè)新聞文本,隨機(jī)選取66 446個(gè)樣本作為訓(xùn)練集,用于分析gram的長度及特征向量長度對分類結(jié)果的影響.本文重新搜集了80個(gè)測試樣本(新測試樣本與上述數(shù)據(jù)集交集為空),用于分析文本特征項(xiàng)詞性對分類結(jié)果的影響.

    在分析樸素Bayes文本分類器的結(jié)果輸出階段,為同時(shí)考慮準(zhǔn)確率和查全率,本文采用F1指標(biāo)度量分類結(jié)果[3]:

    (10)

    3.2 實(shí)驗(yàn)結(jié)果與分析

    3.2.1 gram長度及特征向量長度 將數(shù)據(jù)集分成由66 446個(gè)文本組成的訓(xùn)練集和33 554個(gè)文本組成的測試集.通過設(shè)置不同的gram長度和特征向量長度,研究相關(guān)參數(shù)的最優(yōu)設(shè)置,所得結(jié)果列于表1.

    表1 不同gram長度及特征向量長度下的分類準(zhǔn)確性

    圖2 不同gram長度和特征向量長度下的分類準(zhǔn)確率Fig.2 Classification accuracy under different gram lengths and feature vector lengths

    由表1可見,對于任意的N-gram模型,如果特征向量的長度小于10 000,則分類器的準(zhǔn)確率都小于0.85.為保證分類器的準(zhǔn)確率,本文僅研究特征向量長度大于10 000的情形.當(dāng)gram長度固定時(shí),特征向量越長分類準(zhǔn)確率越高,但在實(shí)際應(yīng)用中還需考慮時(shí)間成本,因此特征向量不宜過長.

    圖2為不同gram長度和特征向量長度下的分類準(zhǔn)確率.由圖2可見,當(dāng)特征向量的長度從10 000增加到15 000或從20 000增加到25 000時(shí),分類準(zhǔn)確率的增加最明顯,分別提高了0.009 3和0.007 9.

    3.2.2 特征向量詞性 在使用TFIDF算法時(shí),適當(dāng)?shù)剡x擇特征項(xiàng)詞性可在很大程度上降低文本分類的時(shí)間成本,并提高分類準(zhǔn)確率.本文考察了特征項(xiàng)既有名詞和又有動詞、僅為名詞、僅為動詞這3種情況對分類的影響,結(jié)果列于表2.由表2可見:當(dāng)未知文本特征項(xiàng)詞性為動詞和名詞時(shí),樸素Bayes文本分類器的文本正確分類數(shù)量最多,為53個(gè);僅為名詞時(shí)次之,為49個(gè);僅為動詞時(shí)最差,為34個(gè).這主要是因?yàn)樾侣勵(lì)愇谋镜奶卣黜?xiàng)大多數(shù)為名詞,去掉動詞特征項(xiàng)對特征向量影響較小,所以當(dāng)特征項(xiàng)僅為名詞時(shí),正確分類數(shù)量下降不明顯;但若去掉名詞特征項(xiàng)將對特征向量產(chǎn)生巨大影響,進(jìn)而使分類錯(cuò)誤概率極大增加.

    表2 樸素Bayes文本分類器的分類結(jié)果

    表3列出了樸素Bayes文本分類器的分類準(zhǔn)確率、查全率及F1指標(biāo)值.由表3可見,當(dāng)未知文本特征項(xiàng)詞性為動詞和名詞時(shí),F1指標(biāo)值最大為0.662 5,說明分類效果最好;僅為名詞時(shí),分類效果與為動詞和名詞的情況相差較小,達(dá)0.612 5;僅為動詞時(shí)分類效果最差,僅為0.425.所以,在對F1指標(biāo)的大小要求不嚴(yán)格但對訓(xùn)練時(shí)間限制嚴(yán)格的情況下,可以僅選擇名詞作為特征項(xiàng).

    表3 樸素Bayes分類器分類結(jié)果的相關(guān)指標(biāo)

    綜上所述,本文建立了用于處理中文新聞文本分類問題的樸素Bayes文本分類器,在訓(xùn)練階段采用N-gram算法提取各類文本的特征向量,在實(shí)驗(yàn)階段使用TFIDF算法提取未知文本的特征向量.由于N-gram算法處理訓(xùn)練集的速度比TFIDF算法快,所以本文針對不同數(shù)量級的數(shù)據(jù)集采取不同的特征提取算法,即對訓(xùn)練集使用N-gram算法,對未知文本使用TFIDF算法.在此基礎(chǔ)上,本文還考察了構(gòu)建文本分類器中抽取特征向量階段的參數(shù)選擇問題,即N-gram模型中的N、特征向量長度n和特征向量詞性等3個(gè)參數(shù),得出結(jié)論如下:

    1) 對于新聞?lì)愇谋?2-gram模型和4-gram模型的分類準(zhǔn)確性較高;

    2) 在N確定的條件下,特征向量長度與分類準(zhǔn)確率成正比;特別地,當(dāng)向量的長度從10 000增加到15 000和從20 000增加到25 000時(shí),分類器準(zhǔn)確率增幅最大;

    3) 對于TFIDF算法,特征項(xiàng)詞性為動詞和名詞時(shí)分類準(zhǔn)確率最高,特征項(xiàng)僅為名詞時(shí)準(zhǔn)確率降低,僅為動詞時(shí)準(zhǔn)確率最低,所以在選擇詞性時(shí)應(yīng)避免僅選擇動詞.

    猜你喜歡
    樸素特征向量分類器
    二年制職教本科線性代數(shù)課程的幾何化教學(xué)設(shè)計(jì)——以特征值和特征向量為例
    克羅內(nèi)克積的特征向量
    隔離樸素
    樸素的安慰(組詩)
    他是那樣“笨拙”和樸素——30多年后,我們?yōu)槭裁催€需要讀路遙?
    最神奇最樸素的兩本書
    一類特殊矩陣特征向量的求法
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    EXCEL表格計(jì)算判斷矩陣近似特征向量在AHP法檢驗(yàn)上的應(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
    在线观看免费视频网站a站| 在线精品无人区一区二区三| 丰满乱子伦码专区| 九色亚洲精品在线播放| 精品国产乱码久久久久久小说| 国产在线视频一区二区| 亚洲精品日本国产第一区| 哪个播放器可以免费观看大片| 欧美日韩av久久| 男女免费视频国产| 国产亚洲av片在线观看秒播厂| 2018国产大陆天天弄谢| 国产不卡av网站在线观看| 在现免费观看毛片| 欧美日韩福利视频一区二区| 国产一区二区激情短视频 | 久久久精品国产亚洲av高清涩受| 老司机深夜福利视频在线观看 | h视频一区二区三区| 亚洲四区av| 丝袜人妻中文字幕| 国产精品蜜桃在线观看| 亚洲av男天堂| 亚洲精品美女久久av网站| 妹子高潮喷水视频| 中国国产av一级| 十八禁人妻一区二区| av视频免费观看在线观看| 9热在线视频观看99| 日本午夜av视频| 亚洲视频免费观看视频| 国产精品嫩草影院av在线观看| 国产精品亚洲av一区麻豆 | 少妇被粗大的猛进出69影院| 老司机亚洲免费影院| 99热网站在线观看| 久久精品人人爽人人爽视色| 如何舔出高潮| 久久国产亚洲av麻豆专区| av网站免费在线观看视频| 一区二区日韩欧美中文字幕| 欧美人与性动交α欧美软件| 精品一区二区免费观看| 高清视频免费观看一区二区| 热99国产精品久久久久久7| 99热国产这里只有精品6| 日韩电影二区| 嫩草影院入口| 国产极品天堂在线| 欧美变态另类bdsm刘玥| 欧美 亚洲 国产 日韩一| 狂野欧美激情性xxxx| 90打野战视频偷拍视频| 午夜福利影视在线免费观看| 国产福利在线免费观看视频| 乱人伦中国视频| 精品国产国语对白av| 男人操女人黄网站| 涩涩av久久男人的天堂| 大片免费播放器 马上看| 一级,二级,三级黄色视频| 极品少妇高潮喷水抽搐| 国产精品久久久久成人av| 亚洲伊人久久精品综合| 久久女婷五月综合色啪小说| 少妇猛男粗大的猛烈进出视频| 90打野战视频偷拍视频| 国产精品99久久99久久久不卡 | 久久久久精品国产欧美久久久 | 亚洲成人一二三区av| 亚洲国产av新网站| avwww免费| 成人亚洲精品一区在线观看| 97人妻天天添夜夜摸| 亚洲婷婷狠狠爱综合网| 亚洲国产中文字幕在线视频| 日韩大片免费观看网站| 日本色播在线视频| 婷婷色麻豆天堂久久| 免费观看av网站的网址| 亚洲七黄色美女视频| 亚洲国产日韩一区二区| 日本欧美视频一区| 亚洲精品一区蜜桃| 韩国高清视频一区二区三区| 五月天丁香电影| 丝袜美足系列| 久久午夜综合久久蜜桃| 欧美人与性动交α欧美精品济南到| 国产免费福利视频在线观看| 深夜精品福利| 18禁国产床啪视频网站| 极品少妇高潮喷水抽搐| 丰满饥渴人妻一区二区三| 欧美国产精品va在线观看不卡| 搡老乐熟女国产| 国产97色在线日韩免费| 亚洲精品,欧美精品| 欧美在线一区亚洲| 男女床上黄色一级片免费看| 国产深夜福利视频在线观看| 97人妻天天添夜夜摸| 亚洲国产精品一区三区| 成人国语在线视频| 日本一区二区免费在线视频| 国产黄色免费在线视频| 19禁男女啪啪无遮挡网站| 亚洲国产毛片av蜜桃av| 蜜桃国产av成人99| 无限看片的www在线观看| 啦啦啦视频在线资源免费观看| 国产精品秋霞免费鲁丝片| 夜夜骑夜夜射夜夜干| 大片电影免费在线观看免费| 婷婷色综合大香蕉| 国产福利在线免费观看视频| 欧美日本中文国产一区发布| 精品人妻在线不人妻| 无遮挡黄片免费观看| 亚洲美女搞黄在线观看| 天堂俺去俺来也www色官网| 国产片特级美女逼逼视频| 日韩成人av中文字幕在线观看| av网站在线播放免费| 桃花免费在线播放| 18在线观看网站| 永久免费av网站大全| 国产av精品麻豆| 黄色视频不卡| 欧美老熟妇乱子伦牲交| 在线观看人妻少妇| 亚洲av综合色区一区| 久久久久精品性色| 美国免费a级毛片| 午夜日韩欧美国产| 久久久久人妻精品一区果冻| 少妇的丰满在线观看| 人人妻人人澡人人看| 亚洲熟女精品中文字幕| 最近最新中文字幕大全免费视频 | 亚洲伊人色综图| 国产精品久久久久久久久免| 亚洲欧美激情在线| 国产精品99久久99久久久不卡 | 国产精品二区激情视频| 国产精品香港三级国产av潘金莲 | 亚洲av欧美aⅴ国产| 国产精品蜜桃在线观看| 搡老乐熟女国产| 欧美日韩一区二区视频在线观看视频在线| 丝袜在线中文字幕| 一级毛片电影观看| 亚洲国产精品一区二区三区在线| 亚洲少妇的诱惑av| 午夜日韩欧美国产| 精品一区二区三区四区五区乱码 | 9色porny在线观看| 中文字幕最新亚洲高清| 丰满乱子伦码专区| 亚洲av电影在线观看一区二区三区| 国产男人的电影天堂91| 国产熟女欧美一区二区| 最新在线观看一区二区三区 | 欧美在线一区亚洲| 日本色播在线视频| av线在线观看网站| 国产精品久久久久久精品电影小说| 嫩草影院入口| 一二三四中文在线观看免费高清| 国产精品一区二区在线不卡| 久久久久人妻精品一区果冻| 欧美久久黑人一区二区| 精品一区二区三区av网在线观看 | 国产一卡二卡三卡精品 | 亚洲人成77777在线视频| 免费高清在线观看日韩| 香蕉丝袜av| 国产精品av久久久久免费| 高清黄色对白视频在线免费看| 电影成人av| 18在线观看网站| 十八禁人妻一区二区| 亚洲精品日韩在线中文字幕| 国产精品无大码| 国产 一区精品| 国产精品一国产av| 精品国产一区二区久久| 99热国产这里只有精品6| 中文字幕人妻熟女乱码| av免费观看日本| 制服诱惑二区| 免费在线观看黄色视频的| 欧美日韩一级在线毛片| 一区二区av电影网| 亚洲av男天堂| xxx大片免费视频| 欧美中文综合在线视频| 久久久久久久精品精品| 丰满少妇做爰视频| 亚洲精品日本国产第一区| 国产亚洲av高清不卡| 亚洲国产欧美日韩在线播放| 乱人伦中国视频| 久久精品熟女亚洲av麻豆精品| 国产精品二区激情视频| 亚洲av日韩精品久久久久久密 | 性色av一级| 久久久久久人妻| 亚洲国产毛片av蜜桃av| 国产成人午夜福利电影在线观看| 亚洲国产精品999| 女性生殖器流出的白浆| 欧美xxⅹ黑人| 麻豆av在线久日| 婷婷色综合大香蕉| 久久这里只有精品19| 成人国语在线视频| 一区二区av电影网| 中文字幕色久视频| 色综合欧美亚洲国产小说| 国产日韩一区二区三区精品不卡| 啦啦啦在线免费观看视频4| 午夜日韩欧美国产| 亚洲国产精品成人久久小说| 韩国高清视频一区二区三区| 高清在线视频一区二区三区| 两个人免费观看高清视频| videosex国产| 母亲3免费完整高清在线观看| 免费观看a级毛片全部| 亚洲av男天堂| 精品第一国产精品| 男男h啪啪无遮挡| a 毛片基地| 韩国精品一区二区三区| 欧美黑人精品巨大| 国产免费现黄频在线看| 亚洲精品自拍成人| 人人妻人人澡人人看| www.熟女人妻精品国产| av国产久精品久网站免费入址| 黄色视频在线播放观看不卡| 亚洲av综合色区一区| 国产欧美日韩一区二区三区在线| 国产xxxxx性猛交| 在线精品无人区一区二区三| 午夜免费观看性视频| 久久精品国产亚洲av涩爱| 精品福利永久在线观看| 国产 一区精品| 宅男免费午夜| 久久精品人人爽人人爽视色| 欧美精品人与动牲交sv欧美| 国产麻豆69| 中文字幕av电影在线播放| a 毛片基地| 新久久久久国产一级毛片| 国产成人午夜福利电影在线观看| 国产有黄有色有爽视频| 婷婷色综合大香蕉| 欧美少妇被猛烈插入视频| 日日摸夜夜添夜夜爱| 18禁观看日本| 在线观看免费视频网站a站| 人妻一区二区av| 纵有疾风起免费观看全集完整版| 亚洲欧洲国产日韩| 亚洲国产中文字幕在线视频| 久久久欧美国产精品| 秋霞伦理黄片| 岛国毛片在线播放| 国产精品 国内视频| 少妇的丰满在线观看| 一二三四中文在线观看免费高清| 国产乱来视频区| 国产精品香港三级国产av潘金莲 | 亚洲成人国产一区在线观看 | 99国产综合亚洲精品| 国产 一区精品| 欧美国产精品一级二级三级| 美国免费a级毛片| 亚洲专区中文字幕在线 | 菩萨蛮人人尽说江南好唐韦庄| 国产精品一区二区在线不卡| 在线 av 中文字幕| 亚洲国产欧美日韩在线播放| 一级爰片在线观看| 99国产精品免费福利视频| 黑丝袜美女国产一区| 视频在线观看一区二区三区| 国产精品秋霞免费鲁丝片| 欧美精品av麻豆av| 2021少妇久久久久久久久久久| 婷婷色av中文字幕| 美女午夜性视频免费| 精品酒店卫生间| 亚洲七黄色美女视频| 欧美人与性动交α欧美精品济南到| 2018国产大陆天天弄谢| 国产亚洲最大av| 亚洲四区av| 日日啪夜夜爽| 亚洲男人天堂网一区| 中文天堂在线官网| 一本色道久久久久久精品综合| 久久国产亚洲av麻豆专区| 韩国高清视频一区二区三区| 国产精品国产av在线观看| 亚洲av日韩在线播放| 亚洲伊人久久精品综合| 亚洲 欧美一区二区三区| 日韩一区二区三区影片| 两个人免费观看高清视频| 国产伦人伦偷精品视频| 国产成人91sexporn| 久久韩国三级中文字幕| 国产成人欧美| 熟女av电影| 电影成人av| 免费久久久久久久精品成人欧美视频| 精品国产国语对白av| 国产欧美日韩一区二区三区在线| 男女床上黄色一级片免费看| 国产黄色免费在线视频| 激情五月婷婷亚洲| 国产精品久久久久久精品电影小说| 精品亚洲成国产av| 看十八女毛片水多多多| 亚洲精品日韩在线中文字幕| 国产亚洲欧美精品永久| 中文乱码字字幕精品一区二区三区| 国产亚洲av片在线观看秒播厂| 波野结衣二区三区在线| 精品国产乱码久久久久久小说| 午夜免费鲁丝| 久久精品久久久久久久性| av视频免费观看在线观看| 亚洲av日韩在线播放| 欧美成人精品欧美一级黄| 在线观看人妻少妇| 巨乳人妻的诱惑在线观看| 欧美黑人欧美精品刺激| 亚洲精品自拍成人| 国产成人啪精品午夜网站| 2021少妇久久久久久久久久久| 国产亚洲精品第一综合不卡| 成人亚洲欧美一区二区av| 在线观看免费午夜福利视频| 久久青草综合色| 午夜精品国产一区二区电影| 亚洲中文av在线| 亚洲一卡2卡3卡4卡5卡精品中文| 久久久久久久精品精品| 激情视频va一区二区三区| 高清视频免费观看一区二区| 青草久久国产| 我的亚洲天堂| 亚洲av综合色区一区| 国产一区二区三区综合在线观看| 69精品国产乱码久久久| 啦啦啦在线免费观看视频4| 在线亚洲精品国产二区图片欧美| 制服人妻中文乱码| 十分钟在线观看高清视频www| 一二三四中文在线观看免费高清| 女的被弄到高潮叫床怎么办| 国产探花极品一区二区| 99精品久久久久人妻精品| 午夜福利视频精品| 亚洲精品一区蜜桃| 亚洲人成电影观看| 看免费av毛片| 亚洲av成人不卡在线观看播放网 | 多毛熟女@视频| 免费黄色在线免费观看| 蜜桃在线观看..| 欧美精品一区二区免费开放| 久久久久人妻精品一区果冻| 建设人人有责人人尽责人人享有的| 人妻一区二区av| 午夜av观看不卡| 国产成人免费无遮挡视频| 亚洲熟女毛片儿| 高清视频免费观看一区二区| 国产黄频视频在线观看| 久久97久久精品| 国产深夜福利视频在线观看| 最近中文字幕2019免费版| 国产成人免费观看mmmm| 欧美国产精品va在线观看不卡| 搡老岳熟女国产| 电影成人av| 啦啦啦中文免费视频观看日本| 嫩草影视91久久| av.在线天堂| 精品一区在线观看国产| 欧美日韩亚洲高清精品| 叶爱在线成人免费视频播放| 大片电影免费在线观看免费| 亚洲欧美激情在线| av有码第一页| 久久久久国产一级毛片高清牌| 久热爱精品视频在线9| 国产在线视频一区二区| 一区二区av电影网| 五月天丁香电影| 亚洲精华国产精华液的使用体验| 少妇被粗大猛烈的视频| 大片免费播放器 马上看| 亚洲欧美色中文字幕在线| av.在线天堂| 欧美精品av麻豆av| 熟妇人妻不卡中文字幕| 国产精品.久久久| 亚洲精品乱久久久久久| 一边摸一边做爽爽视频免费| 免费在线观看完整版高清| 视频区图区小说| 中文乱码字字幕精品一区二区三区| 午夜免费男女啪啪视频观看| 日本一区二区免费在线视频| 老司机影院成人| 免费在线观看完整版高清| 精品久久久久久电影网| 夜夜骑夜夜射夜夜干| 久久久欧美国产精品| bbb黄色大片| 夜夜骑夜夜射夜夜干| h视频一区二区三区| 最黄视频免费看| 一边摸一边抽搐一进一出视频| 精品少妇黑人巨大在线播放| 国产成人91sexporn| 欧美日韩精品网址| 国产在线视频一区二区| 操美女的视频在线观看| 9热在线视频观看99| 岛国毛片在线播放| 成人国语在线视频| 久热爱精品视频在线9| 国产成人精品福利久久| 99热网站在线观看| 9191精品国产免费久久| 亚洲图色成人| 18禁国产床啪视频网站| 精品国产露脸久久av麻豆| 国产免费福利视频在线观看| 精品少妇黑人巨大在线播放| 18禁观看日本| 五月开心婷婷网| 日本一区二区免费在线视频| 18禁国产床啪视频网站| 色网站视频免费| 久久久精品94久久精品| 18禁观看日本| 国产精品久久久久久人妻精品电影 | 毛片一级片免费看久久久久| 欧美精品高潮呻吟av久久| 亚洲激情五月婷婷啪啪| 亚洲精品av麻豆狂野| 搡老岳熟女国产| 69精品国产乱码久久久| 一本久久精品| 午夜免费男女啪啪视频观看| 少妇人妻 视频| 不卡av一区二区三区| 男女床上黄色一级片免费看| 亚洲免费av在线视频| 在线 av 中文字幕| 亚洲在久久综合| av网站在线播放免费| 飞空精品影院首页| 肉色欧美久久久久久久蜜桃| 久久青草综合色| 精品视频人人做人人爽| 国产亚洲最大av| 人人妻,人人澡人人爽秒播 | 国产精品久久久av美女十八| 香蕉国产在线看| 亚洲四区av| 日韩熟女老妇一区二区性免费视频| 多毛熟女@视频| 男女午夜视频在线观看| 在线观看免费日韩欧美大片| 国产精品久久久久成人av| 九草在线视频观看| 亚洲精品国产一区二区精华液| 丝瓜视频免费看黄片| 少妇被粗大猛烈的视频| 少妇 在线观看| 最近最新中文字幕大全免费视频 | 黑人猛操日本美女一级片| 女人高潮潮喷娇喘18禁视频| 久久精品亚洲av国产电影网| 日本欧美国产在线视频| 国产不卡av网站在线观看| 中文字幕色久视频| 天天躁夜夜躁狠狠躁躁| 18在线观看网站| 亚洲四区av| 日韩熟女老妇一区二区性免费视频| 国产亚洲最大av| 男人添女人高潮全过程视频| 日韩不卡一区二区三区视频在线| 韩国av在线不卡| 精品免费久久久久久久清纯 | 国产毛片在线视频| 日本猛色少妇xxxxx猛交久久| 亚洲伊人色综图| 欧美日韩视频精品一区| 亚洲国产精品成人久久小说| 99精国产麻豆久久婷婷| 亚洲精品久久午夜乱码| 黄片小视频在线播放| 777米奇影视久久| 久久久久久人人人人人| 中文欧美无线码| 国产亚洲av高清不卡| 人成视频在线观看免费观看| 人妻人人澡人人爽人人| 成年人免费黄色播放视频| 两个人看的免费小视频| 一区福利在线观看| 日韩中文字幕视频在线看片| 乱人伦中国视频| 少妇被粗大猛烈的视频| 免费看av在线观看网站| 天天躁夜夜躁狠狠久久av| 欧美人与性动交α欧美软件| 波野结衣二区三区在线| 少妇猛男粗大的猛烈进出视频| 亚洲久久久国产精品| 久久ye,这里只有精品| 午夜免费观看性视频| 国产男人的电影天堂91| 男女午夜视频在线观看| 午夜老司机福利片| 中文字幕制服av| 男人操女人黄网站| 久久精品久久久久久久性| 亚洲一区二区三区欧美精品| 欧美精品亚洲一区二区| 男女免费视频国产| 日韩免费高清中文字幕av| 国产精品一区二区在线观看99| 国产99久久九九免费精品| 高清视频免费观看一区二区| 在线观看国产h片| kizo精华| 久久久久人妻精品一区果冻| 国产午夜精品一二区理论片| 亚洲国产中文字幕在线视频| 久久精品熟女亚洲av麻豆精品| 啦啦啦在线观看免费高清www| 一级爰片在线观看| 国产一区亚洲一区在线观看| tube8黄色片| 国产一区亚洲一区在线观看| 国产一区有黄有色的免费视频| 十分钟在线观看高清视频www| 伊人久久国产一区二区| 精品一区二区免费观看| 极品少妇高潮喷水抽搐| 最新在线观看一区二区三区 | 精品卡一卡二卡四卡免费| 18禁国产床啪视频网站| 中国国产av一级| 欧美黄色片欧美黄色片| 精品第一国产精品| 亚洲久久久国产精品| 日本爱情动作片www.在线观看| 十八禁网站网址无遮挡| 成人影院久久| 国产精品久久久人人做人人爽| √禁漫天堂资源中文www| 美女午夜性视频免费| 精品久久蜜臀av无| 国产精品麻豆人妻色哟哟久久| 成人国语在线视频| 亚洲欧美色中文字幕在线| 女人精品久久久久毛片| 亚洲少妇的诱惑av| 99久久精品国产亚洲精品| 久久久久久人妻| 精品国产乱码久久久久久小说| 欧美 日韩 精品 国产| 看非洲黑人一级黄片| 久久久久久人人人人人| av免费观看日本| 国产无遮挡羞羞视频在线观看| 国产黄色免费在线视频| 最近2019中文字幕mv第一页| 国产女主播在线喷水免费视频网站| av女优亚洲男人天堂| 久久久亚洲精品成人影院| 99热全是精品| 国产精品无大码| 欧美 日韩 精品 国产| 看非洲黑人一级黄片| 国产乱人偷精品视频| 最近最新中文字幕免费大全7| 亚洲成人免费av在线播放| 亚洲精品乱久久久久久| 欧美精品高潮呻吟av久久| 高清av免费在线| 午夜福利一区二区在线看| 国产视频首页在线观看| 亚洲欧美成人精品一区二区| 两个人看的免费小视频| 亚洲国产日韩一区二区| 男男h啪啪无遮挡| 叶爱在线成人免费视频播放| 超碰成人久久| 日韩av在线免费看完整版不卡| 亚洲精品第二区|