• <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GRW和FastText模型的電信用戶投訴文本分類應用

    2021-07-15 01:54:36趙進楊小軍
    電信科學 2021年6期
    關鍵詞:漢明特征詞類別

    趙進,楊小軍

    (中國電信股份有限公司重慶分公司,重慶 401120)

    1 引言

    大數(shù)據(jù)和人工智能作為國家提出的新型基礎設施,引發(fā)了新一輪的科技革命。中國電信作為國內(nèi)三大電信運營商之一、三化(數(shù)字化、信息化、智能化)產(chǎn)業(yè)布局者,正著力于大數(shù)據(jù)和人工智能在其業(yè)務和服務上落地生根,實現(xiàn)數(shù)字化轉(zhuǎn)型戰(zhàn)略目標。中國電信始終將用戶的良好體驗和用戶感知放在首位,對用戶的投訴進行業(yè)務拆解和快速分析,以求及時準確地反饋用戶,規(guī)避用戶越級投訴的風險和提升用戶良好體驗和使用感知。但是電信的業(yè)務服務類別復雜多樣,有效地識別用戶投訴類型目前還處于人工分類階段,在實際工作過程中,業(yè)務領域?qū)<业慕?jīng)驗起著主導作用[1],而培養(yǎng)一個業(yè)務領域?qū)<倚枰罅康臅r間成本和人力成本,因此,需要建立科學合理的文本分類模型。通常用戶投訴數(shù)據(jù)有多種來源,如10000、微信公眾號、線下廳店等,最終都會以非結構化的文本信息記錄在系統(tǒng)中,如何對這些用戶的投訴信息進行有效、快速、準確的分類成為處理用戶投訴、提升用戶良好體驗和使用感知的關鍵[2]。

    文本分類屬于自然語言處理(natural language processing,NLP)應用研究范疇中的一個分支[3],在文本分類方法上,目前已經(jīng)有了很多有突破性的研究成果,比如基于樸素貝葉斯方法的文本分類方法[4]、基于條件隨機場的分類方法[5]等,隨著深度學習向文本挖掘領域發(fā)展,利用word2vec、LSTM、CNN、TextRNN、預訓練模型Bert等深度學習模型對文本進行分類,也取得了比較好的分類效果,并且在部分人工智能產(chǎn)品中落地應用。在傳統(tǒng)的文本分類方法中,需要將文本轉(zhuǎn)換成高維向量,這一般會造成向量維度過大,無論計算內(nèi)存還是計算時間,計算復雜度將會非常大。為了避免高維風險,需要借助特征工程的相關方法或模型對文本的關鍵特征進行有效的提取,實現(xiàn)降低文本特征向量的維度數(shù)。目前文本特征提取有基于詞頻(TF-IDF)的方法、基于互信息(mutual information,MI)的方法、基于(Chi-square)統(tǒng)計量的方法、基于信息增益(information gain,IG)的方法、基于WLLR(weighted log likelihood ration,WLLR)的方法和基于WFO(weighted frequency and odd,WFO)的方法等[6]。在電信用戶投訴文本數(shù)據(jù)中,存在很多與分類結果無關的信息描述,同時電信業(yè)務的類別復雜,多達幾十種。針對上述問題,本文提出基于GRW和FastText模型的方法,對用戶投訴文本進行多分類,并且基于真實的生產(chǎn)系統(tǒng)數(shù)據(jù)進行相關驗證性實驗,驗證了本文方法的有效性。

    2 基于GRW模型的特征提取

    文本數(shù)據(jù)的特征提取方式與傳統(tǒng)的數(shù)值類型特征的提取方式不同。在數(shù)據(jù)表示上,傳統(tǒng)機器學習的數(shù)據(jù)由一組結構化的數(shù)據(jù)組成,這些數(shù)據(jù)的特征一般表現(xiàn)為字符串型的類別性、數(shù)值的離散性、數(shù)值的連續(xù)性、數(shù)據(jù)的時間性或周期性等,而文本數(shù)據(jù)屬于非結構化數(shù)據(jù),由字、詞、句組成。因此在對文本數(shù)據(jù)進行特征提取前,需要對文本進行預處理,將文本拆分成字粒度或詞粒度,然后通過不同的方法對文本數(shù)據(jù)進行數(shù)學表示。第一種方法是將文本表示成離散型數(shù)據(jù),如One-hot編碼和Multi-hot編碼等;第二種方法是將文本表示成分布式型數(shù)據(jù),如矩陣表示法、降維表示法、聚類表示法、神經(jīng)網(wǎng)絡表示法。

    中文文本數(shù)據(jù)由字、詞、句組成的文本,將中文文本按字、詞進行拆分后可以進行一些數(shù)學統(tǒng)計,其中TF-IDF用來評估一個字或詞對一個文本集或語料庫中的一條文本的重要程度。當一個字或詞在一個文本數(shù)據(jù)中重復出現(xiàn)時,則認為該字或詞具有比較高的重要性,但如果該字或詞在所有的文本集或語料庫中均出現(xiàn),且統(tǒng)計其出現(xiàn)的次數(shù)比較高,則該字或詞的重要性反而會下降,如一些介詞、謂詞等。詞頻(term frequency,TF),即字或詞在文本中復現(xiàn)的頻率;逆向文本頻率指數(shù)(inverse document frequency,IDF),即一個字或詞在所有的文本中復現(xiàn)的頻率,如果一個字或詞在很多文本中出現(xiàn),那么IDF值較小,反之,如果一個詞在比較少的文本中出現(xiàn),那么它的IDF值較大。TF-IDF計算式如下:

    其中,nij是該詞在文本dj中出現(xiàn)的次數(shù),是文本dj中的所有字或詞出現(xiàn)的總次數(shù),|D|是文本集或語料庫中的總的文本數(shù)量。|{j:ti∈dj}|表示包含字或詞ti的文本數(shù)目。

    2011年Imambi提出特征加權方案GRW[7],賦予特征詞TF-IDF不同的權重。GRW模型計算式如下:

    其中,TFIDFj是字或詞的T-FIDF值,P(Tij)是屬于分類i的詞j的概率,P(Ci)是屬于分類i的文檔的概率,然后選擇字或詞的最大GRW值確定屬于某個分類類別的特征詞:

    例如,如果GRW(t1,c1)=0.3,GRW(t1,c2)=0.4,則詞t1被選擇為類別c2的特征詞。

    SagarImambi在5 460份文檔的數(shù)據(jù)集上,分別采用GRW、TFIDF、CFS、信息增益比(gain ratio,GR)、Chi-square和過濾子集(filtered subset,F(xiàn)S)對文檔進行特征選擇后,在貝葉斯網(wǎng)絡、樸素貝葉斯、決策樹等分類算法上進行相關實驗,實驗表明,用GRW模型進行特征選擇后,具有較高的準確率(準確率比較見表1),因此文本也將使用GRW模型進行特征選擇。

    表1 準確率比較[7]

    3 基于FastText模型的文本分類

    FastText是FAIR(facebook AI research)提出的文本分類模型[8],該模型只有3層:輸入層、隱含層和輸出層。模型結構如圖1所示。

    圖1 FastText模型結構

    其中,W(i)(1≤i≤n)表示文本數(shù)據(jù)中每個特征詞的詞嵌入,對每個特征詞的詞嵌入進行累加后求其均值,用以表示該文本,最后通過sigmoid函數(shù)得到輸出層的標簽。在訓練該神經(jīng)網(wǎng)絡模型時,通過前向傳播算法進行訓練:

    其中,z是一個向量,作為輸出層的輸入,W0是一個矩陣,存放模型隱含層到模型輸出層的權重。

    通常通過神經(jīng)網(wǎng)絡模型的輸出層得到最終的分類類別時,采用softmax作為激活函數(shù),將輸出層的每個預測值壓縮在0到1之間并歸一化。但隨著分類類別的增加,softmax計算量也逐漸增加,為了減少訓練時間,加快模型的訓練過程,F(xiàn)astText使用每個分類類別的權重和模型的參數(shù)構建一棵Huffman樹,形成了層次softmax,由于具有Huffman樹的特點,很大程度上提高了模型的訓練效率。

    FastText模型的隱含層對每個特征詞的詞嵌入進行累加后求均值,如果打亂詞的順序,該累加后求均值的方法并不影響隱含層的輸出,但失去了語言模型的上下文關系,如:“馬上”和“上馬”實際含義并不相同。在統(tǒng)計學語言模型中,N-gram算法采用的是滑動窗口法,取一個長度為N的窗口,按照字或詞依次滑過文本,生成片段序列,在FastText模型前向傳播過程中,把采用N-gram生成的片段序列表示成向量,也參與到隱含層的累加求均值過程中。然后所有的N-gram被Hash到不同的桶中,但是同一個桶共享嵌入向量,如圖2所示。

    圖2 Embedding矩陣

    Embedding(嵌入)矩陣中的每一行代表了一個字、詞或N-gram的嵌入向量,其中,前0到V-1行是詞嵌入,后0到Bucket-1行是N-gram嵌入。經(jīng)過大小為N的滑動窗口生成的片段序列被哈希函數(shù)作用后,被分散到0到Bucket-1的位置,得到每個片段序列的嵌入向量。

    4 實驗結果及分析

    4.1 數(shù)據(jù)集預處理

    本實驗在公開數(shù)據(jù)集和私有數(shù)據(jù)集上進行。其中,公開數(shù)據(jù)集采用新浪新聞從2005年到2011年的歷史數(shù)據(jù),一共覆蓋10類新聞,每類新聞包括65 000條樣本。私有數(shù)據(jù)來源于某運營商已進行人工標注的29 084條投訴文本信息,這些投訴文本信息中包括了一些業(yè)務部門規(guī)定的基礎的模板信息(如投訴時間、投訴事件、業(yè)務號碼、投訴原因、用戶要求、聯(lián)系時間等),在對數(shù)據(jù)集進行特征提取前,需要對這些模板信息(如刪除固定的符號、刪除規(guī)定的規(guī)范用詞等)進行初步的清理,投訴內(nèi)容的原文以及對應的清理后的投訴內(nèi)容見表2,這有利于初步降低特征詞向量的維度、過濾無用符號等。

    表2 用戶投訴文本信息

    由于投訴文本以最終分類到具體的業(yè)務類別為標準,進而供業(yè)務單位處理。某運營商在業(yè)務類別分類上采用多級標識,以“>”作為上下級分割符號,且各業(yè)務類別均表示得比較獨立,因此將此投訴文本分類問題,定義為標簽多分類問題而不是多標簽分類問題。本實驗樣本已標記的數(shù)據(jù)分類類別共有89類,標簽均為文本,需要對類別進行編碼,部分類別編碼后見表3。

    表3 業(yè)務類別編碼

    從圖3投訴數(shù)據(jù)集分類統(tǒng)計可以看出,本次實驗數(shù)據(jù)集分布不均勻,業(yè)務類別記錄數(shù)從51到3 546條,屬于類別不均衡問題。此時,準確率不能作為最后分類模型效果評估的唯一標準,本文采用準確率(accuracy)、Kappa系數(shù)以及漢明損失(Hamming loss)作為評價模型好壞的指標。

    圖3 投訴數(shù)據(jù)集分類統(tǒng)計

    將實驗樣本數(shù)隨機打亂順序后,按7:3比例進行拆分,70%的數(shù)據(jù)作為訓練集,用于模型訓練;30%的數(shù)據(jù)作為測試集,用于模型驗證。

    4.2 特征提取

    對中文文本數(shù)據(jù)進行特征提取前,需要對文本進行分詞,本實驗在采用jieba分詞工具的精確模式對文本進行分詞的同時,使用電信行業(yè)專用業(yè)務詞匯作為用戶詞典和中文標準停用詞,以提高分詞的準確性。

    使用GRW模型對用戶投訴文本進行特征提取,提取出每個類別(標簽)的特征詞組,部分特征詞組見表4。

    表4 分類類別及對應特征詞組

    4.3 評價指標

    二分類問題的評價指標通常為準確率、精確率、召回率、F1-score、AUC、ROC、P-R曲線等,多分類問題的模型評估方式有兩種:第一種是將多分類的問題通過某種方式轉(zhuǎn)化為N個二分類的問題;第二種是采用多分類指標。常見多分類問題評價指標如下。

    (1)準確率

    一般分類問題采用混淆矩陣來判斷分類的效果,混淆矩陣如圖4所示。

    圖4 混淆矩陣

    其中,TP(true positives)表示預測對,實際也對;FP(false positives):表示預測為對,實際為錯;TN(true negatives):預測為錯,實際為錯;FN(false negatives):預測為錯,實際為對。準確率(accuracy)計算式如下:

    (2)Kappa系數(shù)

    Kappa系數(shù)用于衡量多項獨立指標的一致性(可靠性),表示具有有限范圍的任何統(tǒng)計量的重新定標,形式為(S-SR)/ max(S-SR),其中SR是在隨機性假設下的S值。Kappa系數(shù)取值范圍為-1到+1,值越高,代表模型實現(xiàn)的分類準確度越高。

    其中,PA是總體分類精度,PC=P2+P′2,P是所有分類的比例,和為1。Kappa系數(shù)及一致性等級對應關系見表5。

    表5 Kappa系數(shù)及一致性等級對應關系

    (3)漢明損失[10]

    漢明損失考查實例標簽被錯誤分類的情況。對于給定的向量f和預測函數(shù)F,漢明損失函數(shù)計算式如下:

    其中,

    漢明損失計算可描述為相關的分類標簽不在已預測的分類標簽集合中,或者描述為無關的分類標簽在已預測的分類標簽集合中,因此,漢明損失指標值與模型的分類能力呈現(xiàn)正相關性。

    4.4 結果分析

    本實驗分別采用詞袋模型和樸素貝葉斯模型、Embedding和雙向LSTM模型、預訓練Bert模型、FastText模型作為基礎模型在公開數(shù)據(jù)集和私有數(shù)據(jù)集上進行訓練,再用GRW模型對特征進行提取后,結合FastText模型在訓練集上進行訓練,最后在同樣的測試集上進行驗證,結果見表6、表7。

    表6 模型對比(公開數(shù)據(jù)集)

    表7 模型對比(私有數(shù)據(jù)集)

    對實驗結果進行比較分析可以看出,本文提出的基于GRW模型和FastText模型的分類方法在準確率、Kappa系數(shù)、漢明損失等指標上,比其他幾個模型有所提升,主要在于GRW模型在特征詞的提取上,進一步優(yōu)化了特征詞的重要性。

    4.5 應用效果

    2020年10 月在某運營商采用本文提出的模型對電信用戶投訴文本進行分類,分別從“5G”“攜號轉(zhuǎn)網(wǎng)”和“橙分期”3個專題投訴分析過程中驗證模型。10月“5G”大類投訴共656件,“攜號轉(zhuǎn)網(wǎng)”大類投訴共508件,“橙分期”大類投訴140件,采用人工對這3類進行投訴類別細分,平均耗時1 min/件,準確率為90%。采用本文提出的模型進行自動分類后,總共耗時不到2 s,準確率達86%,接近人工分類準確率,提高了業(yè)務人員工作效率,縮短了投訴處理時長。

    5 結束語

    本文提出了一種基于GRW模型和FastText模型的文本分類方法,并應用于電信用戶的投訴文本分類問題中,在實驗結果對比上,基于GRW模型和FastText模型的方法比Bag of Words+樸素貝葉斯模型、Embedding+雙向LSTM、Bert和Fast模型在準確率、Kappa系數(shù)、漢明損失上有所提升。GRW模型是加權的TF-IDF模型,在數(shù)據(jù)分析過程中有較好的準確性和解釋性,使用FastText模型進行投訴文本分類具有較快的分類速度和較好的準確率。綜上,使用本文提出的方法,有利于業(yè)務人員快速識別投訴業(yè)務類型,進行針對性的業(yè)務受理和用戶服務,以提升用戶感知。

    猜你喜歡
    漢明特征詞類別
    基于改進TFIDF算法的郵件分類技術
    產(chǎn)品評論文本中特征詞提取及其關聯(lián)模型構建與應用
    媳婦管錢
    服務類別
    新校長(2016年8期)2016-01-10 06:43:59
    中年研究
    面向文本分類的特征詞選取方法研究與改進
    漢明距離矩陣的研究
    論類別股東會
    商事法論集(2014年1期)2014-06-27 01:20:42
    中醫(yī)類別全科醫(yī)師培養(yǎng)模式的探討
    聚合酶鏈式反應快速鑒別5種常見肉類別
    食品科學(2013年8期)2013-03-11 18:21:31
    悠悠久久av| 国产老妇伦熟女老妇高清| 特大巨黑吊av在线直播| a级一级毛片免费在线观看| 久久精品91蜜桃| 精华霜和精华液先用哪个| 91久久精品国产一区二区三区| 国产成人影院久久av| 亚洲欧美精品综合久久99| 国产亚洲精品av在线| 一个人看的www免费观看视频| 麻豆成人av视频| 久久精品影院6| 久久99热这里只有精品18| av国产免费在线观看| 2022亚洲国产成人精品| 欧美日本亚洲视频在线播放| 精品国产三级普通话版| 国产精品免费一区二区三区在线| 亚洲自偷自拍三级| 91久久精品国产一区二区三区| 搡老妇女老女人老熟妇| 久久久久九九精品影院| 国产麻豆成人av免费视频| 韩国av在线不卡| 免费黄网站久久成人精品| av在线老鸭窝| 亚洲成人av在线免费| 日韩精品有码人妻一区| 欧美激情在线99| 91精品国产九色| 麻豆成人av视频| 2021天堂中文幕一二区在线观| 亚洲欧洲日产国产| 国产日本99.免费观看| 欧美一级a爱片免费观看看| 欧美日韩综合久久久久久| 男女做爰动态图高潮gif福利片| 99国产精品一区二区蜜桃av| 国产精品永久免费网站| 亚洲国产高清在线一区二区三| 亚洲av.av天堂| 精品久久久久久久末码| 天堂影院成人在线观看| 国产极品精品免费视频能看的| 久久中文看片网| 男插女下体视频免费在线播放| 国产综合懂色| 一区二区三区高清视频在线| 亚洲内射少妇av| 日韩亚洲欧美综合| 波多野结衣巨乳人妻| 亚洲精品乱码久久久久久按摩| 色哟哟·www| 亚洲国产精品成人久久小说 | 国产精品.久久久| 高清在线视频一区二区三区 | 中文亚洲av片在线观看爽| 两个人的视频大全免费| 日韩欧美精品v在线| 97超视频在线观看视频| 听说在线观看完整版免费高清| 国产精品久久久久久av不卡| 国产片特级美女逼逼视频| 亚洲精品456在线播放app| 级片在线观看| 国产伦理片在线播放av一区 | 乱人视频在线观看| 精品人妻熟女av久视频| 尾随美女入室| 亚洲欧洲国产日韩| 午夜福利在线观看吧| 在线播放国产精品三级| 99久久久亚洲精品蜜臀av| 色哟哟·www| 在线免费观看不下载黄p国产| 人人妻人人看人人澡| 久久欧美精品欧美久久欧美| 亚洲欧美日韩卡通动漫| 高清毛片免费看| 欧美一级a爱片免费观看看| 边亲边吃奶的免费视频| 日本免费a在线| 国产一级毛片在线| 亚洲人成网站在线播放欧美日韩| av又黄又爽大尺度在线免费看 | 日本黄色片子视频| 少妇熟女aⅴ在线视频| eeuss影院久久| 国产成人a∨麻豆精品| 天堂影院成人在线观看| 亚洲精品亚洲一区二区| 少妇猛男粗大的猛烈进出视频 | 欧美一区二区国产精品久久精品| 国产v大片淫在线免费观看| 亚洲色图av天堂| 丰满的人妻完整版| 国产亚洲av嫩草精品影院| 啦啦啦观看免费观看视频高清| 欧美一区二区精品小视频在线| 久久精品综合一区二区三区| 男人狂女人下面高潮的视频| 在线观看66精品国产| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产黄片美女视频| 变态另类丝袜制服| 99久国产av精品| av天堂中文字幕网| 精品久久久久久久久av| 又爽又黄无遮挡网站| 国产毛片a区久久久久| 国产蜜桃级精品一区二区三区| 日韩高清综合在线| 免费一级毛片在线播放高清视频| 国产精品无大码| 欧美在线一区亚洲| 一本精品99久久精品77| 国产极品天堂在线| 欧美zozozo另类| 日韩欧美国产在线观看| 日日啪夜夜撸| 亚洲av熟女| 在线播放国产精品三级| 国产精品久久久久久亚洲av鲁大| 欧美在线一区亚洲| 中文字幕久久专区| 色噜噜av男人的天堂激情| 亚洲va在线va天堂va国产| 亚洲在线自拍视频| 久久国产乱子免费精品| 国产精华一区二区三区| 欧美日本视频| 99热网站在线观看| 精品人妻熟女av久视频| 欧美不卡视频在线免费观看| 久久人人爽人人爽人人片va| 日本撒尿小便嘘嘘汇集6| 九草在线视频观看| 丰满人妻一区二区三区视频av| 嫩草影院新地址| 成年免费大片在线观看| 特级一级黄色大片| 久久欧美精品欧美久久欧美| 天天躁日日操中文字幕| av在线老鸭窝| 亚洲中文字幕一区二区三区有码在线看| 又粗又爽又猛毛片免费看| 校园春色视频在线观看| 最近最新中文字幕大全电影3| 91狼人影院| 亚洲激情五月婷婷啪啪| 亚州av有码| 能在线免费看毛片的网站| 亚洲国产精品久久男人天堂| 精品少妇黑人巨大在线播放 | 一区二区三区高清视频在线| 在线免费观看的www视频| 欧美成人a在线观看| 欧美另类亚洲清纯唯美| 亚洲在久久综合| 村上凉子中文字幕在线| 国国产精品蜜臀av免费| 男人的好看免费观看在线视频| 久久精品国产亚洲av天美| h日本视频在线播放| 亚洲av成人av| 国产单亲对白刺激| 色哟哟哟哟哟哟| 国产一区二区三区在线臀色熟女| 国产大屁股一区二区在线视频| 大型黄色视频在线免费观看| 嫩草影院入口| 亚洲国产日韩欧美精品在线观看| 丰满的人妻完整版| 啦啦啦啦在线视频资源| 12—13女人毛片做爰片一| 少妇裸体淫交视频免费看高清| 亚洲国产精品国产精品| 久久人人精品亚洲av| 最后的刺客免费高清国语| 看黄色毛片网站| 久久亚洲精品不卡| 国产中年淑女户外野战色| 久久精品国产亚洲av涩爱 | 97超视频在线观看视频| 国内揄拍国产精品人妻在线| 舔av片在线| 乱系列少妇在线播放| 啦啦啦韩国在线观看视频| 精品不卡国产一区二区三区| 搡女人真爽免费视频火全软件| 两个人视频免费观看高清| a级毛色黄片| 午夜视频国产福利| 国产乱人视频| 久久久久久国产a免费观看| 简卡轻食公司| 国产av麻豆久久久久久久| 精品人妻偷拍中文字幕| 哪里可以看免费的av片| 成人性生交大片免费视频hd| 麻豆成人av视频| 国产精品,欧美在线| 夜夜夜夜夜久久久久| 在线观看免费视频日本深夜| 日韩成人av中文字幕在线观看| 精品人妻一区二区三区麻豆| 精品久久久久久久久亚洲| 给我免费播放毛片高清在线观看| 国产精品.久久久| 国产一区二区在线av高清观看| 极品教师在线视频| 在线观看av片永久免费下载| 精品国内亚洲2022精品成人| 国产三级中文精品| 日韩高清综合在线| 九草在线视频观看| 欧美性感艳星| 国产精品野战在线观看| 村上凉子中文字幕在线| 少妇的逼好多水| 亚洲乱码一区二区免费版| 国产亚洲91精品色在线| 亚洲四区av| 成人美女网站在线观看视频| 99久久久亚洲精品蜜臀av| 国产精品爽爽va在线观看网站| 国产单亲对白刺激| 小说图片视频综合网站| av又黄又爽大尺度在线免费看 | 国产亚洲91精品色在线| 中文字幕精品亚洲无线码一区| 国产午夜精品论理片| 亚洲乱码一区二区免费版| 精品免费久久久久久久清纯| 亚洲不卡免费看| 一级黄色大片毛片| 国产一区二区在线av高清观看| 最近2019中文字幕mv第一页| 中文资源天堂在线| 少妇人妻一区二区三区视频| 69人妻影院| 高清在线视频一区二区三区 | 久久久久国产网址| 亚洲真实伦在线观看| av卡一久久| 精品国内亚洲2022精品成人| 日韩一本色道免费dvd| 岛国在线免费视频观看| 国产av一区在线观看免费| 欧美日韩一区二区视频在线观看视频在线 | 欧美成人精品欧美一级黄| 国产色婷婷99| 国产精品.久久久| 99久久精品热视频| 国产亚洲欧美98| 亚洲欧美精品自产自拍| 99国产精品一区二区蜜桃av| 国产探花极品一区二区| 偷拍熟女少妇极品色| 精品久久久噜噜| 一区福利在线观看| 欧美成人免费av一区二区三区| 又粗又爽又猛毛片免费看| 午夜免费激情av| 国产毛片a区久久久久| 91久久精品国产一区二区三区| 观看免费一级毛片| 久久婷婷人人爽人人干人人爱| 美女高潮的动态| 人妻夜夜爽99麻豆av| 亚洲精品影视一区二区三区av| 18+在线观看网站| 爱豆传媒免费全集在线观看| 久久午夜亚洲精品久久| 99久久成人亚洲精品观看| 嫩草影院入口| 国产精品一二三区在线看| 又黄又爽又刺激的免费视频.| 三级经典国产精品| 日韩欧美一区二区三区在线观看| 亚洲aⅴ乱码一区二区在线播放| 男人狂女人下面高潮的视频| 欧美日韩国产亚洲二区| 久久国产乱子免费精品| av在线天堂中文字幕| 国产精品一二三区在线看| 看黄色毛片网站| 中文字幕av成人在线电影| 久久精品综合一区二区三区| 国产中年淑女户外野战色| 在线a可以看的网站| 久久久久久久午夜电影| 干丝袜人妻中文字幕| 国产亚洲av片在线观看秒播厂 | 亚洲aⅴ乱码一区二区在线播放| 啦啦啦啦在线视频资源| 国产成人一区二区在线| 日韩一本色道免费dvd| www日本黄色视频网| 99九九线精品视频在线观看视频| 亚洲人成网站高清观看| av国产免费在线观看| 男人和女人高潮做爰伦理| 国产精品乱码一区二三区的特点| 国产一区二区在线av高清观看| 女的被弄到高潮叫床怎么办| 亚洲真实伦在线观看| 亚洲最大成人手机在线| 老熟妇乱子伦视频在线观看| 色综合站精品国产| 成人综合一区亚洲| 中文欧美无线码| 波多野结衣高清作品| 国产精品国产高清国产av| 欧美+亚洲+日韩+国产| av在线天堂中文字幕| 男人狂女人下面高潮的视频| 不卡视频在线观看欧美| 哪个播放器可以免费观看大片| 超碰av人人做人人爽久久| 成人亚洲精品av一区二区| 午夜福利高清视频| 国产成人a∨麻豆精品| 久久久久久久久中文| 欧美精品国产亚洲| 国产大屁股一区二区在线视频| 成人三级黄色视频| 简卡轻食公司| 不卡一级毛片| 最近手机中文字幕大全| 看免费成人av毛片| 日本免费a在线| 麻豆一二三区av精品| 国产精品一及| 色尼玛亚洲综合影院| 精品人妻视频免费看| 国产老妇伦熟女老妇高清| 国产老妇女一区| 天天躁日日操中文字幕| .国产精品久久| 久久6这里有精品| 伦精品一区二区三区| 听说在线观看完整版免费高清| 午夜免费男女啪啪视频观看| 成人漫画全彩无遮挡| 小蜜桃在线观看免费完整版高清| 久久久久久久亚洲中文字幕| 美女国产视频在线观看| 在线播放国产精品三级| 久久精品国产亚洲av香蕉五月| 校园春色视频在线观看| 精品国产三级普通话版| 国产在视频线在精品| 搡女人真爽免费视频火全软件| 亚洲人成网站在线播| 成人三级黄色视频| 亚洲人成网站在线播| 国产不卡一卡二| 一卡2卡三卡四卡精品乱码亚洲| 精品久久久久久久久亚洲| 麻豆av噜噜一区二区三区| 久久精品人妻少妇| 国产日本99.免费观看| 日韩精品青青久久久久久| 亚洲成人久久爱视频| 精品人妻偷拍中文字幕| 麻豆精品久久久久久蜜桃| 国产三级中文精品| 国产精品一二三区在线看| 亚洲真实伦在线观看| a级毛色黄片| 蜜臀久久99精品久久宅男| 三级毛片av免费| 欧美+亚洲+日韩+国产| 99热6这里只有精品| 国产精品久久久久久亚洲av鲁大| 51国产日韩欧美| 91午夜精品亚洲一区二区三区| 国产精品美女特级片免费视频播放器| 日韩av不卡免费在线播放| 亚洲国产精品成人久久小说 | 日本一二三区视频观看| 永久网站在线| 简卡轻食公司| 日日啪夜夜撸| 国产黄色视频一区二区在线观看 | 免费观看人在逋| 成人美女网站在线观看视频| 男女下面进入的视频免费午夜| 在线免费十八禁| 赤兔流量卡办理| 亚洲av免费在线观看| 99热全是精品| 你懂的网址亚洲精品在线观看 | 久久精品国产清高在天天线| 日本欧美国产在线视频| 精品熟女少妇av免费看| 成人av在线播放网站| 国产乱人视频| 久久久国产成人精品二区| 亚洲成人中文字幕在线播放| 国产精品永久免费网站| 国产精品一区二区三区四区久久| 国产伦精品一区二区三区四那| 一级毛片电影观看 | 人人妻人人澡人人爽人人夜夜 | 美女黄网站色视频| 免费人成在线观看视频色| 欧美一区二区国产精品久久精品| av在线亚洲专区| 国产黄色小视频在线观看| 亚洲最大成人中文| 午夜老司机福利剧场| 亚洲第一区二区三区不卡| 国产亚洲精品久久久com| 91久久精品电影网| 日本黄色片子视频| 搡女人真爽免费视频火全软件| 国产在视频线在精品| 亚洲18禁久久av| 免费一级毛片在线播放高清视频| 超碰av人人做人人爽久久| 岛国毛片在线播放| 最近手机中文字幕大全| 一区二区三区高清视频在线| 美女高潮的动态| 色噜噜av男人的天堂激情| 99久久成人亚洲精品观看| 国产一区亚洲一区在线观看| 国产又黄又爽又无遮挡在线| 99久久中文字幕三级久久日本| 亚洲天堂国产精品一区在线| www日本黄色视频网| 国产成人a∨麻豆精品| 午夜亚洲福利在线播放| 真实男女啪啪啪动态图| 亚洲成人中文字幕在线播放| 最近2019中文字幕mv第一页| 国产高清不卡午夜福利| 搡老妇女老女人老熟妇| 人人妻人人看人人澡| 国产亚洲91精品色在线| 国产大屁股一区二区在线视频| 少妇丰满av| 91精品国产九色| 神马国产精品三级电影在线观看| 国产69精品久久久久777片| 精华霜和精华液先用哪个| 99久久成人亚洲精品观看| 国产成人精品婷婷| 亚洲欧美成人精品一区二区| 岛国在线免费视频观看| 欧美日韩国产亚洲二区| 亚洲婷婷狠狠爱综合网| 12—13女人毛片做爰片一| 麻豆精品久久久久久蜜桃| 久久精品国产自在天天线| 午夜久久久久精精品| 亚洲国产欧洲综合997久久,| 久久久久免费精品人妻一区二区| 嫩草影院入口| 一进一出抽搐gif免费好疼| 国产亚洲欧美98| 亚洲欧美成人综合另类久久久 | 中国美白少妇内射xxxbb| 丝袜美腿在线中文| .国产精品久久| 97热精品久久久久久| 看十八女毛片水多多多| av.在线天堂| 亚洲精品国产成人久久av| 欧美最黄视频在线播放免费| 男女做爰动态图高潮gif福利片| 欧美3d第一页| 国产精品久久久久久亚洲av鲁大| 国产精品嫩草影院av在线观看| 久久久久久久久久久免费av| 深爱激情五月婷婷| 少妇的逼水好多| 国产精品人妻久久久影院| 天堂影院成人在线观看| 久久亚洲精品不卡| 午夜激情欧美在线| 成人毛片60女人毛片免费| 禁无遮挡网站| 一级黄色大片毛片| 日韩av在线大香蕉| 久久精品国产亚洲av涩爱 | 免费人成在线观看视频色| 久久综合国产亚洲精品| 日本成人三级电影网站| 狂野欧美白嫩少妇大欣赏| 亚洲乱码一区二区免费版| 国产乱人偷精品视频| 97在线视频观看| 九草在线视频观看| 国产淫片久久久久久久久| 精品人妻视频免费看| 国产亚洲av片在线观看秒播厂 | 亚洲成人久久性| 免费看av在线观看网站| 高清日韩中文字幕在线| 亚洲国产日韩欧美精品在线观看| 国产精品久久视频播放| 亚洲av中文av极速乱| 精品99又大又爽又粗少妇毛片| 免费不卡的大黄色大毛片视频在线观看 | 男人和女人高潮做爰伦理| 又粗又爽又猛毛片免费看| 国产精品蜜桃在线观看 | 人妻久久中文字幕网| 久久久久久久久久黄片| 麻豆成人av视频| 欧美成人一区二区免费高清观看| 日韩精品青青久久久久久| 亚洲不卡免费看| 男女边吃奶边做爰视频| 国产毛片a区久久久久| 久久久国产成人免费| 精品久久久久久久久亚洲| 国内精品久久久久精免费| 嫩草影院新地址| 日本黄大片高清| 免费看日本二区| 亚洲一级一片aⅴ在线观看| 中国美白少妇内射xxxbb| 性色avwww在线观看| 国产亚洲5aaaaa淫片| 成人鲁丝片一二三区免费| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 夫妻性生交免费视频一级片| 欧美xxxx性猛交bbbb| 草草在线视频免费看| 小蜜桃在线观看免费完整版高清| 久久午夜福利片| 波多野结衣高清无吗| 亚洲第一电影网av| 青春草亚洲视频在线观看| 欧美日韩综合久久久久久| 欧美色欧美亚洲另类二区| 久久99热这里只有精品18| kizo精华| 一本久久中文字幕| 亚洲成人精品中文字幕电影| 亚洲欧美日韩高清在线视频| 欧美激情在线99| 日韩人妻高清精品专区| 国产乱人偷精品视频| 国产精品精品国产色婷婷| 国产精品久久久久久久电影| 色视频www国产| 国产精品人妻久久久影院| 日韩,欧美,国产一区二区三区 | 欧美变态另类bdsm刘玥| 97热精品久久久久久| 国产亚洲5aaaaa淫片| 丝袜喷水一区| 亚洲七黄色美女视频| 男的添女的下面高潮视频| 国产久久久一区二区三区| 国产一区二区亚洲精品在线观看| av天堂中文字幕网| 成年免费大片在线观看| 亚洲熟妇中文字幕五十中出| 国产精品.久久久| 51国产日韩欧美| 久久精品国产清高在天天线| 特级一级黄色大片| 国产老妇伦熟女老妇高清| 哪个播放器可以免费观看大片| 啦啦啦韩国在线观看视频| 色播亚洲综合网| 亚洲精品乱码久久久久久按摩| 女的被弄到高潮叫床怎么办| 我的女老师完整版在线观看| 久久久精品大字幕| 久久久久久久久久成人| 听说在线观看完整版免费高清| 九草在线视频观看| 国产亚洲av嫩草精品影院| 天天躁夜夜躁狠狠久久av| a级毛色黄片| 最新中文字幕久久久久| 乱码一卡2卡4卡精品| 成年女人永久免费观看视频| 色5月婷婷丁香| 亚洲高清免费不卡视频| 1000部很黄的大片| 亚洲欧美中文字幕日韩二区| 日韩欧美 国产精品| 国产淫片久久久久久久久| 国内少妇人妻偷人精品xxx网站| 中文字幕精品亚洲无线码一区| 日本色播在线视频| 成熟少妇高潮喷水视频| 美女黄网站色视频| 国内精品久久久久精免费| 国产精品爽爽va在线观看网站| 久久精品国产亚洲av涩爱 | 成人欧美大片| 一级毛片久久久久久久久女| 老熟妇乱子伦视频在线观看| 午夜免费激情av| 日韩人妻高清精品专区| 嘟嘟电影网在线观看| 免费电影在线观看免费观看| a级一级毛片免费在线观看| 观看美女的网站| 美女脱内裤让男人舔精品视频 | 国内精品久久久久精免费| 国产视频首页在线观看| 婷婷亚洲欧美| 国产老妇伦熟女老妇高清| 欧美日本亚洲视频在线播放|