• <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
    不卡一级毛片| 日本黄色视频三级网站网址 | 色老头精品视频在线观看| 久久青草综合色| 国产亚洲精品一区二区www | 黄片小视频在线播放| 国产不卡一卡二| 亚洲精品国产一区二区精华液| 亚洲一卡2卡3卡4卡5卡精品中文| 国产91精品成人一区二区三区| 免费看a级黄色片| 少妇 在线观看| 黄片播放在线免费| 色综合欧美亚洲国产小说| 国产激情久久老熟女| 国产成人免费无遮挡视频| www日本在线高清视频| 麻豆成人av在线观看| www.自偷自拍.com| 欧美黄色片欧美黄色片| 啪啪无遮挡十八禁网站| 国产极品粉嫩免费观看在线| 久久久久久久久免费视频了| 欧美性长视频在线观看| 每晚都被弄得嗷嗷叫到高潮| 18禁国产床啪视频网站| 一本一本久久a久久精品综合妖精| 香蕉丝袜av| a在线观看视频网站| 久久久精品国产亚洲av高清涩受| 午夜免费鲁丝| 在线国产一区二区在线| 国产高清视频在线播放一区| 午夜福利,免费看| 精品久久久久久久毛片微露脸| 亚洲av熟女| 在线观看免费午夜福利视频| 久久ye,这里只有精品| 女人爽到高潮嗷嗷叫在线视频| 一区二区三区激情视频| 在线视频色国产色| 国产精品一区二区在线观看99| 免费看十八禁软件| www.精华液| 真人做人爱边吃奶动态| 黄网站色视频无遮挡免费观看| 欧美不卡视频在线免费观看 | 精品国产乱码久久久久久男人| 久久性视频一级片| www.熟女人妻精品国产| 超碰成人久久| 老熟女久久久| 一二三四社区在线视频社区8| 午夜福利免费观看在线| 欧美av亚洲av综合av国产av| 三级毛片av免费| 视频在线观看一区二区三区| cao死你这个sao货| 午夜精品久久久久久毛片777| 婷婷丁香在线五月| 高清欧美精品videossex| 亚洲国产欧美日韩在线播放| 亚洲视频免费观看视频| 在线看a的网站| 无人区码免费观看不卡| 99精品在免费线老司机午夜| 麻豆乱淫一区二区| 天天影视国产精品| 久久人妻福利社区极品人妻图片| 99热网站在线观看| 国产精品一区二区免费欧美| 黄色成人免费大全| av在线播放免费不卡| 视频区欧美日本亚洲| 这个男人来自地球电影免费观看| 亚洲精品国产色婷婷电影| 欧美日韩国产mv在线观看视频| 麻豆乱淫一区二区| 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 | 男男h啪啪无遮挡| 九色亚洲精品在线播放| 精品一品国产午夜福利视频| 69av精品久久久久久| 亚洲欧美激情综合另类| 91精品国产国语对白视频| 激情视频va一区二区三区| 日韩精品免费视频一区二区三区| 国产av精品麻豆| 亚洲人成电影观看| 别揉我奶头~嗯~啊~动态视频| 国产男女内射视频| 欧美精品啪啪一区二区三区| 久久香蕉精品热| 搡老岳熟女国产| 成人免费观看视频高清| 在线观看日韩欧美| 美女扒开内裤让男人捅视频| 丁香欧美五月| 久久中文字幕人妻熟女| 久9热在线精品视频| 丰满迷人的少妇在线观看| 色老头精品视频在线观看| 91成人精品电影| 久久久水蜜桃国产精品网| 麻豆av在线久日| 在线av久久热| 99国产精品一区二区三区| 成人国产一区最新在线观看| 五月开心婷婷网| 亚洲色图 男人天堂 中文字幕| 大码成人一级视频| netflix在线观看网站| 精品国产超薄肉色丝袜足j| 成年动漫av网址| 18禁美女被吸乳视频| 国产97色在线日韩免费| 高清欧美精品videossex| 婷婷精品国产亚洲av在线 | 欧美精品av麻豆av| 久热爱精品视频在线9| 日本欧美视频一区| 高清黄色对白视频在线免费看| 亚洲免费av在线视频| 国产高清videossex| 国产精品久久久久成人av| 午夜精品国产一区二区电影| 99在线人妻在线中文字幕 | 亚洲三区欧美一区| 国产主播在线观看一区二区| 超色免费av| 成人18禁在线播放| 欧美成人午夜精品| 99热只有精品国产| 制服诱惑二区| 精品一区二区三区av网在线观看| ponron亚洲| 免费在线观看完整版高清| 高清毛片免费观看视频网站 | 日本wwww免费看| 淫妇啪啪啪对白视频| 亚洲五月色婷婷综合| 国产主播在线观看一区二区| 一夜夜www| 国产精品亚洲av一区麻豆| 真人做人爱边吃奶动态| 国产精品影院久久| 久久中文字幕一级| 欧美一级毛片孕妇| 两性午夜刺激爽爽歪歪视频在线观看 | 久久人妻熟女aⅴ| 亚洲人成伊人成综合网2020| 91九色精品人成在线观看| 亚洲伊人色综图| 午夜福利免费观看在线| 亚洲一区高清亚洲精品| 欧美不卡视频在线免费观看 | 丝瓜视频免费看黄片| 男女床上黄色一级片免费看| 免费在线观看黄色视频的| 人人澡人人妻人| 建设人人有责人人尽责人人享有的| 另类亚洲欧美激情| 18禁裸乳无遮挡免费网站照片 | 亚洲精品久久午夜乱码| 国产精品国产高清国产av | 亚洲av美国av| 男女午夜视频在线观看| 变态另类成人亚洲欧美熟女 | 国产在视频线精品| 午夜免费成人在线视频| 久久中文字幕人妻熟女| 久久精品国产99精品国产亚洲性色 | 999精品在线视频| 捣出白浆h1v1| 亚洲欧美激情综合另类| 国产精品久久久久成人av| 午夜免费观看网址| 18在线观看网站| 久久人妻av系列| 国产亚洲一区二区精品| 午夜福利,免费看| 精品免费久久久久久久清纯 | 亚洲成人免费av在线播放| 香蕉丝袜av| 校园春色视频在线观看| 午夜激情av网站| 一二三四社区在线视频社区8| 在线观看免费午夜福利视频| 好看av亚洲va欧美ⅴa在| 亚洲成人免费av在线播放| 日本a在线网址| 老司机午夜福利在线观看视频| 国产精品98久久久久久宅男小说| 日韩三级视频一区二区三区| 在线观看免费午夜福利视频| 热99国产精品久久久久久7| 亚洲欧美色中文字幕在线| 最近最新中文字幕大全免费视频| 精品第一国产精品| 日韩制服丝袜自拍偷拍| 日本a在线网址| 国产精品 欧美亚洲| 午夜激情av网站| 欧美午夜高清在线| 国产av又大| 久久青草综合色| 伊人久久大香线蕉亚洲五| 人人妻人人澡人人爽人人夜夜| 成人国语在线视频| 免费日韩欧美在线观看| 日韩欧美一区二区三区在线观看 | 亚洲va日本ⅴa欧美va伊人久久| 亚洲第一青青草原| 日本wwww免费看| 欧美日韩国产mv在线观看视频| 国产一区有黄有色的免费视频| 亚洲aⅴ乱码一区二区在线播放 | 桃红色精品国产亚洲av| 亚洲色图综合在线观看| 国产精品影院久久| 黄频高清免费视频| 波多野结衣一区麻豆| 精品久久久久久久久久免费视频 | 一级毛片高清免费大全| tube8黄色片| 男女免费视频国产| 人人妻人人添人人爽欧美一区卜| 涩涩av久久男人的天堂| 一级片免费观看大全| 久久影院123| 国产一区二区三区视频了| 亚洲国产看品久久| 超色免费av| 中文字幕av电影在线播放| 国产日韩欧美亚洲二区| a级毛片在线看网站| 搡老乐熟女国产| 国产一区二区三区视频了| 成人免费观看视频高清| 欧美中文综合在线视频| 国产精品亚洲一级av第二区| 欧美黑人欧美精品刺激| 国产97色在线日韩免费| 亚洲欧美精品综合一区二区三区| 啦啦啦 在线观看视频| 亚洲成a人片在线一区二区| 亚洲一区中文字幕在线| 亚洲av美国av| 亚洲一区高清亚洲精品| 亚洲三区欧美一区| 久久中文字幕一级| 黄片播放在线免费| 日本欧美视频一区| 精品福利永久在线观看| 人人妻人人澡人人看| 久久国产精品人妻蜜桃| 啦啦啦视频在线资源免费观看| 国产亚洲精品久久久久久毛片 | 中文字幕av电影在线播放| 无遮挡黄片免费观看| 国产精品久久视频播放| 国产高清国产精品国产三级| 亚洲五月色婷婷综合| 国产亚洲欧美在线一区二区| 欧美国产精品一级二级三级| 欧美日韩亚洲高清精品| 人妻一区二区av| 久久久久久久久久久久大奶| 一区二区三区国产精品乱码| 亚洲三区欧美一区| 久热这里只有精品99| 少妇裸体淫交视频免费看高清 | 男女床上黄色一级片免费看| www.999成人在线观看| 精品福利永久在线观看| 亚洲免费av在线视频| 一区二区三区国产精品乱码| 身体一侧抽搐| 老熟女久久久| 久久久水蜜桃国产精品网| 欧美日韩成人在线一区二区| 国产精品美女特级片免费视频播放器 | 欧美国产精品va在线观看不卡| 悠悠久久av| 999久久久国产精品视频| 少妇被粗大的猛进出69影院| 母亲3免费完整高清在线观看| 国产亚洲欧美98| 757午夜福利合集在线观看| 亚洲少妇的诱惑av| 国产三级黄色录像| 国产人伦9x9x在线观看| 亚洲欧美色中文字幕在线| 久久精品亚洲av国产电影网| 无限看片的www在线观看| av视频免费观看在线观看| 欧美日韩福利视频一区二区| 成人影院久久| 成人影院久久| 曰老女人黄片| 在线观看66精品国产| 丁香欧美五月| 久久人妻福利社区极品人妻图片| 国产欧美日韩综合在线一区二区| 国产片内射在线| 国产精品一区二区精品视频观看| 三上悠亚av全集在线观看| 精品人妻熟女毛片av久久网站| 中国美女看黄片| 午夜成年电影在线免费观看| 啦啦啦在线免费观看视频4| 欧美亚洲日本最大视频资源| 深夜精品福利| 男人的好看免费观看在线视频 | 嫁个100分男人电影在线观看| 精品卡一卡二卡四卡免费| 国产精品香港三级国产av潘金莲| 欧美人与性动交α欧美精品济南到| 又黄又粗又硬又大视频| 91精品三级在线观看| 成年女人毛片免费观看观看9 | 午夜两性在线视频| 亚洲九九香蕉| 久久青草综合色| 国产真人三级小视频在线观看| 国产精华一区二区三区| 国产成+人综合+亚洲专区| 人妻一区二区av| 国产成人欧美在线观看 | 成年人黄色毛片网站| 可以免费在线观看a视频的电影网站| 在线观看免费视频日本深夜| 日韩视频一区二区在线观看| 婷婷丁香在线五月| 亚洲国产精品合色在线| 欧美av亚洲av综合av国产av| 人成视频在线观看免费观看| 精品国内亚洲2022精品成人 | 这个男人来自地球电影免费观看| 9191精品国产免费久久| 国产淫语在线视频| 国产国语露脸激情在线看| 午夜激情av网站| 午夜福利在线免费观看网站| 国产成人av激情在线播放| 久久国产精品男人的天堂亚洲| 午夜精品久久久久久毛片777| 曰老女人黄片| 90打野战视频偷拍视频| 91老司机精品| 日韩欧美一区视频在线观看| 国产亚洲欧美98| 一二三四在线观看免费中文在| 精品人妻熟女毛片av久久网站| 黄色丝袜av网址大全| 人妻 亚洲 视频| 久久久国产一区二区| 国产一区有黄有色的免费视频| 亚洲一区高清亚洲精品| 日本欧美视频一区| 法律面前人人平等表现在哪些方面| 国产又爽黄色视频| 欧美一级毛片孕妇| 日韩欧美一区视频在线观看| 搡老乐熟女国产| 亚洲视频免费观看视频| 久久久久精品国产欧美久久久| 80岁老熟妇乱子伦牲交| www.精华液| 久热这里只有精品99| 欧美国产精品一级二级三级| 国产欧美日韩一区二区三| 国产成人欧美在线观看 | 久久香蕉激情| 97人妻天天添夜夜摸| 国产成人精品在线电影| 国产99久久九九免费精品| 人妻 亚洲 视频| 国产亚洲欧美98| 每晚都被弄得嗷嗷叫到高潮| 国产有黄有色有爽视频| av国产精品久久久久影院| 80岁老熟妇乱子伦牲交| 自拍欧美九色日韩亚洲蝌蚪91| 中文字幕制服av| 色精品久久人妻99蜜桃| 91九色精品人成在线观看| 亚洲av成人av| 国产单亲对白刺激| 国产精品免费视频内射| av网站免费在线观看视频| 国产亚洲精品一区二区www | 真人做人爱边吃奶动态| 91精品三级在线观看| 国产精品欧美亚洲77777| 色在线成人网| 久9热在线精品视频| 又紧又爽又黄一区二区| av超薄肉色丝袜交足视频| 亚洲一区二区三区不卡视频| 欧美激情极品国产一区二区三区| 性少妇av在线| 男人舔女人的私密视频| 中文字幕人妻熟女乱码| 午夜两性在线视频| 色精品久久人妻99蜜桃| 亚洲一区中文字幕在线| 欧美日韩亚洲综合一区二区三区_| 精品国产乱子伦一区二区三区| 国产蜜桃级精品一区二区三区 | 热re99久久精品国产66热6| 人成视频在线观看免费观看| 免费在线观看视频国产中文字幕亚洲| 女人久久www免费人成看片| 国产日韩一区二区三区精品不卡| 在线观看免费视频网站a站| e午夜精品久久久久久久| 男人舔女人的私密视频| 中文字幕人妻熟女乱码| 999精品在线视频| 又大又爽又粗| 午夜激情av网站| 男女免费视频国产| 久久精品亚洲精品国产色婷小说| 视频区欧美日本亚洲| 精品少妇久久久久久888优播| 国产欧美日韩一区二区三| 国产亚洲欧美精品永久| 999久久久国产精品视频| 欧美色视频一区免费| 一级黄色大片毛片| 电影成人av| 免费在线观看视频国产中文字幕亚洲| 免费高清在线观看日韩| 看黄色毛片网站| 久久亚洲精品不卡| 一区在线观看完整版| 精品卡一卡二卡四卡免费| 涩涩av久久男人的天堂| 国产伦人伦偷精品视频| 久久久国产一区二区| 欧美乱码精品一区二区三区| 美女高潮喷水抽搐中文字幕| 国产aⅴ精品一区二区三区波| 老熟妇仑乱视频hdxx| 国产亚洲精品久久久久5区| 久久精品国产综合久久久| 成年人免费黄色播放视频| 成人18禁高潮啪啪吃奶动态图| 亚洲第一av免费看| 国产成人欧美在线观看 | 1024视频免费在线观看| 国产亚洲精品一区二区www | av天堂久久9| 精品一品国产午夜福利视频| 免费久久久久久久精品成人欧美视频| 欧美在线黄色| 亚洲色图 男人天堂 中文字幕| 一区二区三区激情视频| 亚洲五月婷婷丁香| 在线观看免费视频日本深夜| 中国美女看黄片| 亚洲精品一卡2卡三卡4卡5卡| 精品人妻熟女毛片av久久网站| 国产成人av激情在线播放| a级片在线免费高清观看视频| 久久精品国产99精品国产亚洲性色 | av不卡在线播放| 欧美日韩亚洲综合一区二区三区_| 9191精品国产免费久久| 99国产综合亚洲精品| 亚洲午夜理论影院| 极品教师在线免费播放| 中文字幕精品免费在线观看视频| 叶爱在线成人免费视频播放| 男男h啪啪无遮挡| 成年人免费黄色播放视频| xxxhd国产人妻xxx| 捣出白浆h1v1| 脱女人内裤的视频| 亚洲av成人av| 亚洲 欧美一区二区三区| 啦啦啦 在线观看视频| 免费在线观看日本一区| 十八禁网站免费在线| 淫妇啪啪啪对白视频| 91成人精品电影| 99精国产麻豆久久婷婷| 亚洲国产欧美网| av有码第一页| 啦啦啦视频在线资源免费观看| 成人免费观看视频高清| 美女福利国产在线| 90打野战视频偷拍视频| 99国产精品99久久久久| 露出奶头的视频| 91九色精品人成在线观看| 国产av精品麻豆| av电影中文网址| 日本a在线网址| 亚洲va日本ⅴa欧美va伊人久久| 亚洲av第一区精品v没综合| 一本大道久久a久久精品| 狠狠婷婷综合久久久久久88av| 99久久99久久久精品蜜桃| 亚洲av成人av| 人人妻人人添人人爽欧美一区卜| 一二三四社区在线视频社区8| 人人妻人人添人人爽欧美一区卜| 一二三四社区在线视频社区8| 精品国产乱子伦一区二区三区| 精品国产乱码久久久久久男人| 欧美精品人与动牲交sv欧美| av免费在线观看网站| 男人操女人黄网站| 午夜影院日韩av| 欧美大码av| 午夜福利在线免费观看网站| 国产精品一区二区精品视频观看| 操出白浆在线播放| 国产淫语在线视频| 亚洲色图综合在线观看| 亚洲av日韩在线播放| 999精品在线视频| 狂野欧美激情性xxxx| 深夜精品福利| 久久精品亚洲精品国产色婷小说| 99riav亚洲国产免费| 国产在线一区二区三区精| 丰满人妻熟妇乱又伦精品不卡| 久久久国产精品麻豆| 亚洲欧美精品综合一区二区三区| 黄色片一级片一级黄色片| 久久精品aⅴ一区二区三区四区| 国产1区2区3区精品| 亚洲黑人精品在线| 久久久久久久国产电影| 成人三级做爰电影| 天堂动漫精品| 免费日韩欧美在线观看| 成年人黄色毛片网站| 国产精品久久久av美女十八| 夜夜躁狠狠躁天天躁| 18禁美女被吸乳视频| 身体一侧抽搐| 成人三级做爰电影| 啦啦啦 在线观看视频| 欧美日韩av久久| 无人区码免费观看不卡| 国产精品久久久人人做人人爽| 91精品国产国语对白视频| 亚洲精华国产精华精| 亚洲全国av大片| www.熟女人妻精品国产| 久久国产精品大桥未久av| 亚洲熟女毛片儿| 亚洲成国产人片在线观看| 十八禁网站免费在线| 久久久久国产精品人妻aⅴ院 | 午夜免费成人在线视频| 欧美大码av| 中文字幕人妻丝袜制服| 久久婷婷成人综合色麻豆| 国产亚洲欧美精品永久| 国产亚洲欧美在线一区二区| 久热爱精品视频在线9| 日本撒尿小便嘘嘘汇集6| 欧美午夜高清在线| 欧美乱色亚洲激情| 欧美色视频一区免费| avwww免费| 美女福利国产在线| 18在线观看网站| 欧美av亚洲av综合av国产av| 免费在线观看日本一区| av网站免费在线观看视频| 国产在线一区二区三区精| 丰满迷人的少妇在线观看| 精品免费久久久久久久清纯 | 99久久综合精品五月天人人| 日韩三级视频一区二区三区| av免费在线观看网站| av片东京热男人的天堂| 亚洲,欧美精品.| 老司机亚洲免费影院| 91国产中文字幕| 精品国产一区二区三区四区第35| 成人精品一区二区免费| 亚洲人成电影观看| 一级a爱片免费观看的视频| 脱女人内裤的视频| 久久天躁狠狠躁夜夜2o2o| 久久久国产欧美日韩av| 亚洲色图综合在线观看| 中国美女看黄片| 免费黄频网站在线观看国产| 精品国内亚洲2022精品成人 | 欧美性长视频在线观看| 18禁裸乳无遮挡免费网站照片 | 久久国产乱子伦精品免费另类| 高清av免费在线| 欧美黑人欧美精品刺激| 女人爽到高潮嗷嗷叫在线视频| 久久天躁狠狠躁夜夜2o2o| 亚洲国产欧美日韩在线播放| 日本vs欧美在线观看视频| 国产淫语在线视频| 最近最新中文字幕大全电影3 | 亚洲熟妇中文字幕五十中出 | 岛国在线观看网站| 丝袜人妻中文字幕| 18禁观看日本| 老司机午夜福利在线观看视频| 亚洲视频免费观看视频|