• <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 ?

    具有個(gè)人信息的對(duì)話生成模型研究

    2021-02-25 08:51:52柯顯信白姣姣
    關(guān)鍵詞:互信息語(yǔ)料個(gè)人信息

    曹 斌 柯顯信 白姣姣

    (上海大學(xué)機(jī)電工程與自動(dòng)化學(xué)院 上海 200444)

    0 引 言

    隨著數(shù)據(jù)時(shí)代發(fā)展,人們?cè)絹?lái)越關(guān)注利用大量真實(shí)的交流數(shù)據(jù)來(lái)訓(xùn)練對(duì)話模型,這些模型的一個(gè)主要問(wèn)題是它們傾向于選擇具有最大可能性的響應(yīng)(訓(xùn)練數(shù)據(jù)中表示的人類的共識(shí)響應(yīng)),產(chǎn)生的回復(fù)通常是模糊的或不一致的[1]。Vinyals等[2]指出,當(dāng)前的對(duì)話系統(tǒng)仍然無(wú)法通過(guò)圖靈測(cè)試,在眾多限制中,缺乏一致的個(gè)人信息是最具挑戰(zhàn)性的困難之一,如表1所示。在人機(jī)交互的過(guò)程中,對(duì)話的部分內(nèi)容會(huì)涉及到機(jī)器人的自身信息類問(wèn)題[3],如姓名、年齡、性別等。和諧自然的人機(jī)交流需要機(jī)器人對(duì)于涉及個(gè)人信息類問(wèn)題的回復(fù)總是穩(wěn)定的,不要出現(xiàn)前后不一致的現(xiàn)象。

    表1 信息不一致的回復(fù)

    近年來(lái),Li等[4]以序列到序列模型為基礎(chǔ),通過(guò)Al-Rfou等[5]使用類似的用戶嵌入技術(shù)來(lái)模擬用戶個(gè)性化的工作,兩項(xiàng)研究都需要每個(gè)用戶的對(duì)話數(shù)據(jù)來(lái)模擬她/他的個(gè)性。Qian等[6]利用雙向解碼器來(lái)生成預(yù)先給定的個(gè)人信息,但是需要大量數(shù)據(jù)標(biāo)注信息位置。

    本文提出一種具有個(gè)人信息的對(duì)話模型,賦予聊天機(jī)器人特定個(gè)人信息(如表2所示),并使聊天機(jī)器人能夠生成與其給定信息一致的回復(fù)。

    表2 預(yù)設(shè)五種個(gè)人信息

    1 對(duì)話模型

    對(duì)話模型如圖1所示,任務(wù)描述如下:給出一個(gè)輸入問(wèn)題x,問(wèn)題分類器D預(yù)測(cè)問(wèn)題x是否屬于個(gè)人信息問(wèn)題:如果是,將問(wèn)題轉(zhuǎn)入個(gè)人信息回復(fù)模塊,隨機(jī)返回問(wèn)題所屬類別K的候選回復(fù)y作為模型回復(fù);否則轉(zhuǎn)入開放域?qū)υ捘K,生成回復(fù)y。生成回復(fù)的過(guò)程如下:

    圖1 對(duì)話模型

    P(y|x)=P(z=1|x)×PO(y|x(ki))+

    P(z=0|x)×PG(y|x)

    (1)

    式中:P(z|x)表示輸入問(wèn)題(x)所屬類別的概率;z=1表示問(wèn)題x屬于涉及個(gè)人信息,否則反之。PO(y|x(ki))表示個(gè)人信息回復(fù)模塊給出的所屬類別的答案的概率;PG(y|x)表示開放域?qū)υ捘K給出的回復(fù)的概率。

    2 問(wèn)題分類模型

    分類模型用來(lái)判別輸入問(wèn)題是否需要個(gè)人信息回復(fù)模塊處理,是一個(gè)二分類問(wèn)題。用P(z|x)(z∈{0,1}),z=1表示需要個(gè)人對(duì)話模塊,例如:“你今年幾歲?”則P(z=1|x)≈1;“你哥哥今年幾歲?”則P(z=1|x)≈0。

    近年國(guó)內(nèi)外學(xué)者對(duì)于短文本分類的問(wèn)題做了大量研究,主要分為兩類:機(jī)器學(xué)習(xí)算法和深度學(xué)習(xí)算法。機(jī)器學(xué)習(xí)領(lǐng)域有支持向量機(jī)(Support Vector Machine,SVM)、邏輯回歸(Logistics Regression,LR)、樸素貝葉斯分類法(Naive Bayes Classifier,NBC)、K-最近鄰法(k-Nearest Neighbor,KNN)、決策樹法(Decision Tree,DT)和中心向量法等[7]。深度學(xué)習(xí)算法有Kim[8]提出的Text-CNN,其具有良好表現(xiàn)。然而自然語(yǔ)言處理中最常用的是具有捕捉上下文信息的遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)。為了將RNN與CNN結(jié)合,又提出RNN-CNN模型來(lái)彌補(bǔ)CNN不能夠處理文本上下關(guān)系和RNN在長(zhǎng)距離上存在信息衰減的問(wèn)題。

    本文將對(duì)比各方法在語(yǔ)料上面的性能,綜合考慮選取恰當(dāng)?shù)姆椒ā?/p>

    3 個(gè)人信息回復(fù)模塊

    為了維護(hù)前后回復(fù)的信息一致性,本文的解決思路是相似問(wèn)題匹配,即對(duì)比用戶的輸入問(wèn)題與設(shè)定的數(shù)據(jù)庫(kù)中問(wèn)題的相似度,返回最大相似度的問(wèn)題的答案作為模型回復(fù)。相比于機(jī)器學(xué)習(xí)方法,深度學(xué)習(xí)能夠發(fā)掘以往很難發(fā)掘的隱含在大量數(shù)據(jù)中的不顯著特征,更細(xì)化地表達(dá)文本匹配問(wèn)題[9]。

    本文以孿生網(wǎng)絡(luò)思想構(gòu)建個(gè)人信息回復(fù)模塊,如圖2所示。

    圖2 個(gè)人信息回復(fù)模型

    本文模型首先將兩個(gè)句子通過(guò)深度學(xué)習(xí)模型進(jìn)行表示,然后利用相似度方程計(jì)算這兩個(gè)表示之間的相似度即匹配度。該方法注重于構(gòu)建句子的表示層,盡量用等長(zhǎng)的向量表示待匹配句子的語(yǔ)義。本文采用BiLSTM模型對(duì)句子的語(yǔ)義信息進(jìn)行表示,BiLSTM由正反兩個(gè)長(zhǎng)短期記憶網(wǎng)絡(luò)(Long Short-Term Memory,LSTM)[10]模型組成。LSTM記憶單元各部分在時(shí)刻t更新如下:

    ft=σ(Wf·[ht-1,xt]+bf)

    (2)

    it=σ(Wi·[ht-1,xt]+bi)

    (3)

    (4)

    (5)

    ot=σ(WO[ht-1,xt]+bo)

    (6)

    ht=ot×tanh(Ct)

    (7)

    式中:it、ft、ot依次表示輸入門、遺忘門、輸出門;xt表示t時(shí)刻的特征向量;σ(·)表示sigmoid函數(shù)。

    BiLSTM模型增加對(duì)文本逆向語(yǔ)義的學(xué)習(xí)。連接正反兩個(gè)方向的LSTM模型輸出向量作為t時(shí)刻BiLSTM的輸出Bt[11]:

    (8)

    (9)

    (10)

    本文采用的損失函數(shù)是對(duì)比損失函數(shù),可以有效地處理成對(duì)數(shù)據(jù)的關(guān)系,其表達(dá)式如下[12]:

    (11)

    4 最大互信息的開放域?qū)υ捘P?/h2>

    基礎(chǔ)的Seq2seq模型是以最大對(duì)數(shù)似然為目標(biāo)函數(shù),模型在面對(duì)問(wèn)題時(shí)會(huì)容易產(chǎn)生類似“我不知道”“呵呵”“哈哈”等通用無(wú)意義的回復(fù)。因此本文借鑒了Li等[13]提出的抗語(yǔ)言模型(anti-language model,anti-LM),以最大互信息作為Seq2seq的目標(biāo)函數(shù),公式如下:

    (12)

    (13)

    (14)

    式中:λlogP(T)視為對(duì)任何輸入都具有高概率的候選詞的懲罰,由參數(shù)λ控制懲罰的大小。由于懲罰項(xiàng)的存在,模型不再一昧選擇概率高的詞,避免產(chǎn)生通用的回答。但懲罰會(huì)影響句子結(jié)構(gòu)和流暢性,因此引入分段函數(shù)g(k)[14]:

    (15)

    (16)

    (17)

    前期生成詞對(duì)句子多樣性的影響顯著大于后期生成詞,為了盡可能地保證句子流暢性,在解碼器生成句子過(guò)程中僅僅對(duì)前期生成的高概率候選詞進(jìn)行懲罰。

    5 實(shí) 驗(yàn)

    5.1 數(shù)據(jù)樣本

    本文根據(jù)設(shè)定的五種身份信息,從微博、小黃雞語(yǔ)料和青云語(yǔ)料提取和采樣得到了10 072個(gè)樣本用于訓(xùn)練問(wèn)題分類器。通過(guò)對(duì)樣本進(jìn)行標(biāo)注,涉及個(gè)人信息為正樣本(標(biāo)簽為1),反之為負(fù)樣本(標(biāo)簽為0),部分語(yǔ)料如表3所示。

    表3 部分問(wèn)題分類樣本示例

    訓(xùn)練個(gè)人信息回復(fù)模型時(shí)需要輸入兩個(gè)句子和相似度。人工地將所收集的正樣本進(jìn)行五分類(姓名、年齡、性別、地點(diǎn)、職業(yè)),同類型樣本間構(gòu)成相似問(wèn)題對(duì)(標(biāo)簽為1),不同類型間樣本構(gòu)成不相似問(wèn)題對(duì)(標(biāo)簽為0),如表4所示。

    表4 部分相似度訓(xùn)練樣本示例

    5.2 問(wèn)題分類

    本文測(cè)試了SVM、LR、NBC、CNN、LSTM和LSTM-CNN。傳統(tǒng)機(jī)器學(xué)習(xí)模型的文本表達(dá)形式為詞袋和TF-IDF;SVM采用線性核函數(shù);深度學(xué)習(xí)方法采用預(yù)先訓(xùn)練好的詞向量;CNN參考Text-CNN模型;LSTM模型利用最后一個(gè)時(shí)刻狀態(tài)經(jīng)過(guò)全連接輸出;LSTM-CNN利用CNN把LSTM每個(gè)時(shí)刻的輸出進(jìn)行卷積和池化。本文選取了準(zhǔn)確率、F1值和AUC值來(lái)評(píng)價(jià)各模型性能,實(shí)驗(yàn)結(jié)果如表5所示。

    表5 不同方法模型評(píng)估

    可以看出:(1) 基于詞袋的SVM取得了最好的性能指標(biāo)。(2) 傳統(tǒng)的機(jī)器學(xué)習(xí)分類性能整體優(yōu)于深度學(xué)習(xí),主要原因是因?yàn)樗崛〉恼Z(yǔ)料中某些詞匯頻繁出現(xiàn),比如涉及姓名信息問(wèn)題中姓名、名字和叫什么等詞匯大量出現(xiàn),所以具有統(tǒng)計(jì)特性的模型會(huì)有良好表現(xiàn)。本文還選取準(zhǔn)確度最多的三個(gè)模型進(jìn)行加權(quán)平均法,但是分類效果沒有顯著提高。最終本文選取基于詞袋的SVM作為問(wèn)題分類器。

    5.3 個(gè)人信息回復(fù)模型

    除了本文中的基于BiLSTM的孿生網(wǎng)絡(luò)的相似度計(jì)算方法外, 還比較了基于LSTM與全連接、基于BiLSTM與全連接、基于LSTM與余弦以及基于詞向量余弦距離和詞移距離(Word Mover’s Distance,WMD)的方法。以上幾種方法對(duì)應(yīng)簡(jiǎn)稱為L(zhǎng)STM_F、BiLSTM_F、LSTM_cosine、w2v_cosine和w2v_wmd, 其中采用全連接層的網(wǎng)絡(luò)加入了Batch normalizationn層[15]來(lái)提高收斂速度,LSTM_cosine利用余弦計(jì)算logit與目標(biāo)值[1,0]的距離,作為相似度。

    由于本文設(shè)定五個(gè)身份信息,因此準(zhǔn)確性是指預(yù)測(cè)的類別是否為標(biāo)簽類別,公式如下:

    P=P(klabel=kp)

    (18)

    kp=K(max(Similarity))

    (19)

    式中:P為模型準(zhǔn)確度;klabel為標(biāo)定種類;kp為預(yù)測(cè)類別;K為設(shè)定的五類信息;Similarity為相似度。

    實(shí)驗(yàn)階段針對(duì)五種身份信息選取 500個(gè)問(wèn)題作為匹配數(shù)據(jù)庫(kù),每個(gè)類型100個(gè),各模型實(shí)驗(yàn)結(jié)果如表6所示,均耗時(shí)指的是平均每個(gè)問(wèn)題回復(fù)的時(shí)間。

    表6 各模型實(shí)驗(yàn)結(jié)果

    w2v_cosine和w2v_wmd直接將詞向量拼接來(lái)表示句子特征,這導(dǎo)致只要句子關(guān)鍵字相同就會(huì)判別句子表達(dá)主題相似,而本部分?jǐn)?shù)據(jù)經(jīng)過(guò)問(wèn)題分類,選取的數(shù)據(jù)詞語(yǔ)分布集中所以取得了較高準(zhǔn)確率;BiLSTM_F、LSTM_F和LSTM_cosine利用LSTM能夠?qū)W習(xí)文本深層次關(guān)系。本文方法取得了較好的準(zhǔn)確率,因?yàn)閷?duì)比損失函數(shù)可以很好地表達(dá)成對(duì)樣本的匹配程度,但是在時(shí)間效率上略有不足。

    為了回復(fù)的多樣性,本文為每個(gè)類別分別設(shè)置多個(gè)回復(fù)模板,比如關(guān)于年齡的回復(fù)有“我今年一歲了”“人家已經(jīng)一歲了”“一歲”“本寶寶出生一年了”等,每次選取一個(gè)答案作為回復(fù)。

    5.4 最大互信息回復(fù)模型

    對(duì)開放域回復(fù)模塊采用人工測(cè)評(píng)與BLEU評(píng)估結(jié)合的形式,分別以最大對(duì)數(shù)似然和互信息作為目標(biāo)函數(shù)訓(xùn)練了兩個(gè)對(duì)話模型。實(shí)驗(yàn)中最大互信息模型的懲罰系數(shù)λ取值為0.5,γ設(shè)定為1。

    兩個(gè)模型的BLEU值為0.17 和0.25,以最大互信息為目標(biāo)函數(shù)的模型較好。在人工測(cè)評(píng)中,讓20個(gè)人與兩個(gè)模型分別進(jìn)行20句以上的交互,判斷哪種生成的結(jié)果更好,結(jié)果顯示大多數(shù)人認(rèn)為兩個(gè)模型差不多,30%的人認(rèn)為以最大互信息為目標(biāo)函數(shù)的模型較好。

    5.5 對(duì)話模型實(shí)驗(yàn)

    本文隨機(jī)選取部分對(duì)話,請(qǐng)10 位志愿者對(duì)其以下幾個(gè)方面進(jìn)行評(píng)價(jià)。

    自然性:回復(fù)是否自然通順。如果太短或者無(wú)意義回復(fù)被認(rèn)為缺乏自然性,獲得0分,反之得1分。

    邏輯性:回復(fù)與問(wèn)題是否成邏輯關(guān)系。比如涉及性別問(wèn)題,回復(fù)類似“女孩”等將獲得1分,反之得0分。

    信息一致性:對(duì)于涉及個(gè)人信息的回復(fù)是否保持前后一致。比如年齡一類問(wèn)題,回復(fù)的屬性值應(yīng)該與設(shè)定的一樣“一歲”。信息一致獲得1分,反之得0分。

    多樣性:對(duì)于某一類問(wèn)題是否具有多種回復(fù)。比如對(duì)于回復(fù)年齡類別,應(yīng)該具有不同的回復(fù)如“我今年一歲”“人家已經(jīng)一歲了”。具有多樣性獲得1分,反之得0分。

    人工評(píng)價(jià)結(jié)果如表7所示??梢钥闯?,本文模型在每個(gè)指標(biāo)都優(yōu)于普通的Seq2seq模型,特別在信息一致性,這是因?yàn)楸疚奶砑恿藗€(gè)人信息回復(fù)模塊。本文模型對(duì)話樣例如表8所示。

    表7 回復(fù)的評(píng)估 %

    表8 對(duì)話樣例

    6 結(jié) 語(yǔ)

    為了維護(hù)對(duì)話前后個(gè)人信息的一致性問(wèn)題,本文提出了具有個(gè)人信息的對(duì)話模型,該模型能夠簡(jiǎn)化從對(duì)話數(shù)據(jù)中學(xué)習(xí)個(gè)人信息的復(fù)雜性。實(shí)驗(yàn)表明,本文的對(duì)話模型能夠有效地生成與預(yù)設(shè)信息一致的回復(fù),同時(shí)減少無(wú)意義的通用回復(fù),有助于產(chǎn)生更加連貫和多樣的對(duì)話。

    本文不足如下:訓(xùn)練語(yǔ)料的質(zhì)量不佳,模型的時(shí)間復(fù)雜度較大。未來(lái)研究還需要考慮對(duì)話的情感狀態(tài)、對(duì)話的邏輯推理和對(duì)話的風(fēng)格等。

    猜你喜歡
    互信息語(yǔ)料個(gè)人信息
    如何保護(hù)勞動(dòng)者的個(gè)人信息?
    個(gè)人信息保護(hù)進(jìn)入“法時(shí)代”
    警惕個(gè)人信息泄露
    基于語(yǔ)料調(diào)查的“連……都(也)……”出現(xiàn)的語(yǔ)義背景分析
    基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
    聯(lián)合互信息水下目標(biāo)特征選擇算法
    華語(yǔ)電影作為真實(shí)語(yǔ)料在翻譯教學(xué)中的應(yīng)用
    改進(jìn)的互信息最小化非線性盲源分離算法
    基于增量式互信息的圖像快速匹配方法
    《苗防備覽》中的湘西語(yǔ)料
    日本 欧美在线| 亚洲av成人av| 无人区码免费观看不卡| 亚洲色图av天堂| 69av精品久久久久久| 91大片在线观看| 91麻豆精品激情在线观看国产| 50天的宝宝边吃奶边哭怎么回事| 老汉色av国产亚洲站长工具| 给我免费播放毛片高清在线观看| 欧美极品一区二区三区四区| 日本免费一区二区三区高清不卡| 国产成人系列免费观看| 国产人伦9x9x在线观看| 午夜福利18| 一本精品99久久精品77| 欧美 亚洲 国产 日韩一| 欧美日韩中文字幕国产精品一区二区三区| 91九色精品人成在线观看| 色综合站精品国产| 亚洲va日本ⅴa欧美va伊人久久| av在线播放免费不卡| 久久午夜综合久久蜜桃| 最近最新中文字幕大全免费视频| 国产精品一区二区精品视频观看| 亚洲一卡2卡3卡4卡5卡精品中文| 日韩三级视频一区二区三区| 亚洲精品久久成人aⅴ小说| 亚洲天堂国产精品一区在线| 午夜亚洲福利在线播放| 亚洲欧美日韩无卡精品| 久久伊人香网站| 国产高清激情床上av| 亚洲国产高清在线一区二区三| 久久久精品大字幕| 制服诱惑二区| 麻豆成人av在线观看| 亚洲人与动物交配视频| 哪里可以看免费的av片| 动漫黄色视频在线观看| 午夜成年电影在线免费观看| 亚洲中文字幕日韩| 国产成人aa在线观看| 国产成人精品无人区| 久久香蕉国产精品| 99久久精品热视频| 亚洲欧美精品综合一区二区三区| 亚洲人成伊人成综合网2020| 母亲3免费完整高清在线观看| 好男人电影高清在线观看| 色综合婷婷激情| 亚洲人与动物交配视频| 两个人视频免费观看高清| 亚洲成人中文字幕在线播放| 日本黄大片高清| 熟妇人妻久久中文字幕3abv| 亚洲成a人片在线一区二区| 一进一出抽搐gif免费好疼| 制服人妻中文乱码| 黄片小视频在线播放| 亚洲专区国产一区二区| 午夜成年电影在线免费观看| 99国产精品一区二区蜜桃av| 精品久久久久久,| 中文字幕av在线有码专区| 日韩有码中文字幕| 亚洲欧美日韩无卡精品| 特级一级黄色大片| 国产成人一区二区三区免费视频网站| 变态另类丝袜制服| 麻豆久久精品国产亚洲av| 高潮久久久久久久久久久不卡| 男人的好看免费观看在线视频 | 手机成人av网站| 色播亚洲综合网| 91成年电影在线观看| 男女做爰动态图高潮gif福利片| 一本大道久久a久久精品| svipshipincom国产片| 欧美午夜高清在线| 亚洲av五月六月丁香网| 51午夜福利影视在线观看| 亚洲人成网站高清观看| 国产区一区二久久| 性色av乱码一区二区三区2| www日本黄色视频网| 精品福利观看| 国内精品久久久久精免费| 欧美人与性动交α欧美精品济南到| 天天添夜夜摸| 精品久久久久久,| www.自偷自拍.com| 中文亚洲av片在线观看爽| 亚洲色图av天堂| 搞女人的毛片| 国产1区2区3区精品| av福利片在线| 五月玫瑰六月丁香| 久久久久久人人人人人| 一级毛片女人18水好多| 三级毛片av免费| 叶爱在线成人免费视频播放| 国产精品99久久99久久久不卡| 18禁观看日本| 中出人妻视频一区二区| 久久九九热精品免费| 亚洲欧美一区二区三区黑人| 极品教师在线免费播放| 精品久久久久久成人av| 亚洲人与动物交配视频| 最新在线观看一区二区三区| 一卡2卡三卡四卡精品乱码亚洲| 桃红色精品国产亚洲av| 国产av不卡久久| a级毛片a级免费在线| 亚洲精品久久成人aⅴ小说| 在线观看免费视频日本深夜| 久久久国产成人精品二区| 午夜两性在线视频| 91麻豆精品激情在线观看国产| 欧美大码av| 给我免费播放毛片高清在线观看| 精品午夜福利视频在线观看一区| 亚洲成人久久性| 可以免费在线观看a视频的电影网站| 欧美日韩中文字幕国产精品一区二区三区| 一二三四在线观看免费中文在| 久久久久国产一级毛片高清牌| 欧美日韩亚洲综合一区二区三区_| 亚洲美女黄片视频| 一本综合久久免费| 亚洲国产精品久久男人天堂| 99riav亚洲国产免费| av有码第一页| av在线播放免费不卡| 亚洲自偷自拍图片 自拍| 熟女少妇亚洲综合色aaa.| 天堂动漫精品| 又大又爽又粗| 成人特级黄色片久久久久久久| 99国产精品一区二区蜜桃av| 不卡av一区二区三区| 国产亚洲精品久久久久5区| 欧美精品啪啪一区二区三区| 日韩av在线大香蕉| 久久精品91蜜桃| 日韩有码中文字幕| 99国产极品粉嫩在线观看| 免费搜索国产男女视频| 身体一侧抽搐| 国产午夜福利久久久久久| 久久久久国内视频| 十八禁网站免费在线| 久久精品人妻少妇| 激情在线观看视频在线高清| 国产成人精品久久二区二区免费| 精品久久久久久久久久免费视频| 91大片在线观看| 青草久久国产| 桃红色精品国产亚洲av| 男女之事视频高清在线观看| 一个人观看的视频www高清免费观看 | 国产激情偷乱视频一区二区| 国产午夜精品论理片| 老熟妇乱子伦视频在线观看| 曰老女人黄片| 国产亚洲av高清不卡| 特级一级黄色大片| 亚洲精品一卡2卡三卡4卡5卡| 动漫黄色视频在线观看| 欧美成人性av电影在线观看| 叶爱在线成人免费视频播放| 亚洲一码二码三码区别大吗| 亚洲精华国产精华精| 在线观看免费日韩欧美大片| 两性夫妻黄色片| 国产成人av教育| 天堂√8在线中文| 天天躁狠狠躁夜夜躁狠狠躁| 国产午夜福利久久久久久| 手机成人av网站| 亚洲国产中文字幕在线视频| 两性夫妻黄色片| 麻豆av在线久日| 琪琪午夜伦伦电影理论片6080| 五月玫瑰六月丁香| 午夜影院日韩av| 村上凉子中文字幕在线| 夜夜看夜夜爽夜夜摸| 精品一区二区三区四区五区乱码| 国产成年人精品一区二区| 老熟妇乱子伦视频在线观看| 精品一区二区三区四区五区乱码| 国内毛片毛片毛片毛片毛片| 午夜福利欧美成人| 久久久久久久久免费视频了| 中亚洲国语对白在线视频| 两个人的视频大全免费| 国产精品一区二区免费欧美| 亚洲aⅴ乱码一区二区在线播放 | 欧美黑人巨大hd| 三级毛片av免费| 啦啦啦韩国在线观看视频| 欧美乱妇无乱码| 一个人免费在线观看的高清视频| www.自偷自拍.com| 黑人操中国人逼视频| 日韩欧美国产在线观看| 亚洲成人久久爱视频| 性色av乱码一区二区三区2| 18禁国产床啪视频网站| 日韩成人在线观看一区二区三区| 搡老熟女国产l中国老女人| 亚洲天堂国产精品一区在线| 欧美色视频一区免费| 久久中文字幕人妻熟女| 久久精品国产清高在天天线| 日韩 欧美 亚洲 中文字幕| 国产av一区在线观看免费| 精品欧美一区二区三区在线| 欧美日韩亚洲综合一区二区三区_| 精华霜和精华液先用哪个| 老熟妇乱子伦视频在线观看| 国产精品野战在线观看| 免费看美女性在线毛片视频| 亚洲人成网站在线播放欧美日韩| 91老司机精品| 中亚洲国语对白在线视频| 日本 av在线| 亚洲色图av天堂| 中出人妻视频一区二区| 国产欧美日韩精品亚洲av| 一进一出抽搐gif免费好疼| 欧美成狂野欧美在线观看| 一边摸一边做爽爽视频免费| 久久久久免费精品人妻一区二区| 国产探花在线观看一区二区| 欧美日韩一级在线毛片| 亚洲av熟女| 色综合亚洲欧美另类图片| 国产午夜福利久久久久久| 99国产精品一区二区三区| 91大片在线观看| 狂野欧美激情性xxxx| 亚洲avbb在线观看| 成人三级做爰电影| 免费在线观看成人毛片| 别揉我奶头~嗯~啊~动态视频| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲成人久久爱视频| 狂野欧美白嫩少妇大欣赏| 国产精品美女特级片免费视频播放器 | 后天国语完整版免费观看| 在线观看免费日韩欧美大片| or卡值多少钱| 久久国产乱子伦精品免费另类| 天天躁狠狠躁夜夜躁狠狠躁| 男女做爰动态图高潮gif福利片| 99精品欧美一区二区三区四区| 女生性感内裤真人,穿戴方法视频| 俄罗斯特黄特色一大片| 久久中文字幕一级| 两个人视频免费观看高清| 日韩高清综合在线| 无人区码免费观看不卡| 午夜福利成人在线免费观看| 亚洲人成网站高清观看| 精品高清国产在线一区| 又黄又粗又硬又大视频| 中文亚洲av片在线观看爽| 女人高潮潮喷娇喘18禁视频| 精品国产美女av久久久久小说| 淫秽高清视频在线观看| 久久精品国产亚洲av高清一级| 两性夫妻黄色片| 女人被狂操c到高潮| 看免费av毛片| 亚洲va日本ⅴa欧美va伊人久久| 亚洲成人免费电影在线观看| 日本五十路高清| 美女黄网站色视频| www.999成人在线观看| 亚洲人成77777在线视频| 这个男人来自地球电影免费观看| 可以在线观看的亚洲视频| 日韩欧美在线二视频| 久久久久久久久中文| 成人特级黄色片久久久久久久| 亚洲精品久久成人aⅴ小说| 国产精品一区二区三区四区久久| 亚洲狠狠婷婷综合久久图片| av超薄肉色丝袜交足视频| 久99久视频精品免费| 国产精品亚洲av一区麻豆| 中文在线观看免费www的网站 | 真人做人爱边吃奶动态| 午夜福利在线观看吧| 十八禁人妻一区二区| 久久这里只有精品19| 精品久久久久久久久久久久久| 亚洲av片天天在线观看| 日本成人三级电影网站| 少妇人妻一区二区三区视频| 97人妻精品一区二区三区麻豆| 久久精品综合一区二区三区| 啪啪无遮挡十八禁网站| 在线看三级毛片| 欧美日韩一级在线毛片| 亚洲av成人精品一区久久| 中文亚洲av片在线观看爽| 国产男靠女视频免费网站| 国产欧美日韩精品亚洲av| 久久天躁狠狠躁夜夜2o2o| 欧美成人免费av一区二区三区| 色老头精品视频在线观看| av天堂在线播放| 亚洲av日韩精品久久久久久密| 欧美成狂野欧美在线观看| 99热这里只有是精品50| 757午夜福利合集在线观看| 亚洲欧美日韩东京热| 国产高清videossex| 中文字幕精品亚洲无线码一区| xxxwww97欧美| 少妇粗大呻吟视频| 中文字幕av在线有码专区| 日韩欧美在线乱码| 亚洲av片天天在线观看| 黄色毛片三级朝国网站| 亚洲欧洲精品一区二区精品久久久| 久久午夜综合久久蜜桃| 免费在线观看日本一区| 99国产精品99久久久久| 日韩国内少妇激情av| 757午夜福利合集在线观看| 国产免费男女视频| 日韩大尺度精品在线看网址| 男女那种视频在线观看| 午夜精品一区二区三区免费看| 99久久精品国产亚洲精品| 1024手机看黄色片| 欧美成人一区二区免费高清观看 | 手机成人av网站| 免费在线观看影片大全网站| 亚洲中文字幕一区二区三区有码在线看 | av国产免费在线观看| 亚洲真实伦在线观看| 亚洲精品在线观看二区| 国产一区二区在线观看日韩 | 狂野欧美激情性xxxx| 国产激情久久老熟女| 国产又黄又爽又无遮挡在线| 国内精品久久久久精免费| 法律面前人人平等表现在哪些方面| 国产久久久一区二区三区| www.熟女人妻精品国产| 日韩欧美国产在线观看| 九九热线精品视视频播放| 90打野战视频偷拍视频| 母亲3免费完整高清在线观看| av福利片在线| 亚洲男人的天堂狠狠| 欧美日韩瑟瑟在线播放| 亚洲国产精品sss在线观看| 亚洲成人精品中文字幕电影| 两个人的视频大全免费| 国产av一区二区精品久久| 亚洲av成人不卡在线观看播放网| 一区二区三区激情视频| 国产精品98久久久久久宅男小说| 亚洲中文字幕一区二区三区有码在线看 | 在线视频色国产色| 亚洲自拍偷在线| 亚洲成人国产一区在线观看| 巨乳人妻的诱惑在线观看| 97人妻精品一区二区三区麻豆| 国产av在哪里看| 99国产极品粉嫩在线观看| 色在线成人网| 免费看a级黄色片| 日韩 欧美 亚洲 中文字幕| 巨乳人妻的诱惑在线观看| 老熟妇仑乱视频hdxx| 天天躁夜夜躁狠狠躁躁| 少妇粗大呻吟视频| 老熟妇仑乱视频hdxx| 波多野结衣高清无吗| 老司机靠b影院| 日本黄色视频三级网站网址| 亚洲美女视频黄频| 在线观看午夜福利视频| 最近在线观看免费完整版| 老司机福利观看| 免费在线观看日本一区| 女人爽到高潮嗷嗷叫在线视频| 不卡av一区二区三区| 久久国产乱子伦精品免费另类| 国产成人精品无人区| 国产探花在线观看一区二区| 嫩草影视91久久| 亚洲精华国产精华精| 日韩大尺度精品在线看网址| 午夜福利欧美成人| 中亚洲国语对白在线视频| 免费一级毛片在线播放高清视频| 欧美日本亚洲视频在线播放| 两性夫妻黄色片| 日日摸夜夜添夜夜添小说| 国产一区二区在线观看日韩 | 精品日产1卡2卡| 亚洲精品在线美女| 一a级毛片在线观看| 全区人妻精品视频| 精品国产美女av久久久久小说| 国产成人精品无人区| 99热这里只有是精品50| av国产免费在线观看| 制服诱惑二区| 欧美性长视频在线观看| 在线观看一区二区三区| 亚洲人成伊人成综合网2020| 亚洲电影在线观看av| 香蕉丝袜av| 成人18禁高潮啪啪吃奶动态图| 无遮挡黄片免费观看| 亚洲五月婷婷丁香| 国产免费男女视频| 草草在线视频免费看| 热99re8久久精品国产| 亚洲欧美精品综合一区二区三区| 日本免费一区二区三区高清不卡| 俄罗斯特黄特色一大片| 一本精品99久久精品77| 男人舔奶头视频| 久久久久九九精品影院| 波多野结衣巨乳人妻| 国产精品久久久av美女十八| 久久性视频一级片| 欧美高清成人免费视频www| 在线永久观看黄色视频| 久9热在线精品视频| 精品福利观看| av有码第一页| 国产成人啪精品午夜网站| 18禁观看日本| 黄片大片在线免费观看| 搡老熟女国产l中国老女人| 99精品欧美一区二区三区四区| 可以免费在线观看a视频的电影网站| 国产一区二区三区视频了| 亚洲一码二码三码区别大吗| 国产亚洲精品综合一区在线观看 | 亚洲一卡2卡3卡4卡5卡精品中文| 又黄又爽又免费观看的视频| www.自偷自拍.com| 麻豆av在线久日| 亚洲成av人片在线播放无| 国产精品一及| x7x7x7水蜜桃| 久久婷婷成人综合色麻豆| 成人午夜高清在线视频| 午夜精品一区二区三区免费看| 亚洲真实伦在线观看| 久久九九热精品免费| 国产成人av激情在线播放| 男人舔女人下体高潮全视频| 久久久久性生活片| 日本免费一区二区三区高清不卡| 中国美女看黄片| 日韩精品中文字幕看吧| 亚洲性夜色夜夜综合| 成人18禁高潮啪啪吃奶动态图| 五月伊人婷婷丁香| 99久久精品国产亚洲精品| 全区人妻精品视频| 夜夜爽天天搞| 国产精品亚洲美女久久久| 久久久久久国产a免费观看| 久久久精品大字幕| 在线观看一区二区三区| 成年免费大片在线观看| 免费在线观看影片大全网站| 久久久久久久精品吃奶| 制服人妻中文乱码| 午夜福利在线在线| tocl精华| 亚洲午夜精品一区,二区,三区| 久久久精品欧美日韩精品| 亚洲在线自拍视频| av在线播放免费不卡| 国产69精品久久久久777片 | 亚洲av成人不卡在线观看播放网| 母亲3免费完整高清在线观看| 中文字幕av在线有码专区| 亚洲熟妇中文字幕五十中出| 特大巨黑吊av在线直播| 999精品在线视频| 欧美一区二区国产精品久久精品 | 99精品久久久久人妻精品| 很黄的视频免费| 最新美女视频免费是黄的| 精品一区二区三区av网在线观看| 午夜福利在线在线| 亚洲精品美女久久av网站| 色播亚洲综合网| 久久精品亚洲精品国产色婷小说| 午夜福利18| 亚洲精品色激情综合| 视频区欧美日本亚洲| 最近最新中文字幕大全免费视频| 国产aⅴ精品一区二区三区波| 婷婷精品国产亚洲av在线| 好男人在线观看高清免费视频| 国产精品一区二区三区四区免费观看 | 午夜视频精品福利| 欧美乱妇无乱码| 国产精品亚洲一级av第二区| 欧美黄色片欧美黄色片| 久久久久国内视频| 欧美 亚洲 国产 日韩一| 久久精品综合一区二区三区| 观看免费一级毛片| 国产成人系列免费观看| 午夜精品在线福利| www日本在线高清视频| 国产成年人精品一区二区| 99热这里只有精品一区 | 成人欧美大片| 岛国视频午夜一区免费看| 亚洲欧洲精品一区二区精品久久久| 国产不卡一卡二| 亚洲一区高清亚洲精品| 亚洲欧美日韩无卡精品| 可以免费在线观看a视频的电影网站| 免费看a级黄色片| 女警被强在线播放| 日韩免费av在线播放| 日本一区二区免费在线视频| 成人av一区二区三区在线看| 午夜免费激情av| 久久国产精品影院| 午夜福利在线观看吧| 国产成人精品久久二区二区免费| 国产一区二区激情短视频| e午夜精品久久久久久久| 好男人电影高清在线观看| 热99re8久久精品国产| 又粗又爽又猛毛片免费看| 亚洲成人久久爱视频| 国产一级毛片七仙女欲春2| a在线观看视频网站| 在线a可以看的网站| 夜夜爽天天搞| 欧美日韩精品网址| 中亚洲国语对白在线视频| 国内精品一区二区在线观看| 亚洲性夜色夜夜综合| 波多野结衣巨乳人妻| 18禁国产床啪视频网站| 欧美极品一区二区三区四区| 无遮挡黄片免费观看| 久久婷婷成人综合色麻豆| 久久婷婷人人爽人人干人人爱| 色综合欧美亚洲国产小说| 午夜a级毛片| 级片在线观看| 精品乱码久久久久久99久播| 日本在线视频免费播放| 国产精品一及| 高清在线国产一区| 久久99热这里只有精品18| 国产aⅴ精品一区二区三区波| 亚洲,欧美精品.| 夜夜躁狠狠躁天天躁| 国产91精品成人一区二区三区| 欧美国产日韩亚洲一区| 日韩欧美三级三区| avwww免费| 精品日产1卡2卡| 国内揄拍国产精品人妻在线| 日韩欧美在线二视频| 久久这里只有精品中国| 丰满人妻熟妇乱又伦精品不卡| 少妇被粗大的猛进出69影院| 国产高清videossex| 99精品欧美一区二区三区四区| 夜夜躁狠狠躁天天躁| 90打野战视频偷拍视频| 熟妇人妻久久中文字幕3abv| 欧美黑人巨大hd| 国产精品一区二区精品视频观看| 俺也久久电影网| 我的老师免费观看完整版| 亚洲人与动物交配视频| 免费看a级黄色片| 99热这里只有精品一区 | av片东京热男人的天堂| 久久国产乱子伦精品免费另类| 99热6这里只有精品| 欧美性猛交╳xxx乱大交人| 免费看日本二区| 在线观看一区二区三区| 人成视频在线观看免费观看| 精品久久久久久久久久久久久| 日本黄色视频三级网站网址| 露出奶头的视频| 一级毛片女人18水好多| 日本 av在线| 久久久精品国产亚洲av高清涩受| 久久香蕉精品热| 久久亚洲真实| 在线观看66精品国产| 一个人免费在线观看电影 | 精品熟女少妇八av免费久了| 亚洲天堂国产精品一区在线|