• <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 ?

    融合多種神經(jīng)網(wǎng)絡與多特征的答案排序方法

    2021-03-23 09:39:06段利國李愛萍
    計算機工程與設計 2021年3期
    關鍵詞:排序卷積向量

    王 龍,段利國,李愛萍,2

    (1.太原理工大學 信息與計算機學院,山西 太原 030024;2.武漢大學 軟件工程國家重點實驗室,湖北 武漢 430072)

    0 引 言

    隨著互聯(lián)網(wǎng)技術飛快發(fā)展,數(shù)據(jù)信息急劇增多,面向大眾領域的問答系統(tǒng)成為越來越多的人獲取信息、共享知識的首選途徑,以百度知道為代表的社區(qū)問答系統(tǒng)在人們生活中應用廣泛,但其針對同一個問題往往有多個不同答案,而且答案的質量也良莠不齊。因此,旨在針對用戶的提問信息,分析篩選并返回給用戶所需的準確答案的答案排序算法起到重要作用。

    通過分析眾多問答信息數(shù)據(jù)發(fā)現(xiàn),相較于長文本問答對,無法更多提取短文本文本信息,導致其排序效果差距很大,達不到較高的準確率。因此提出融合多種神經(jīng)網(wǎng)絡與多特征的答案排序模型,由多種神經(jīng)網(wǎng)絡學習文本特征,同時引入多種特征信息提高準確率。

    本文的主要貢獻如下:

    (1)構建由卷積神經(jīng)網(wǎng)絡(CNN)、雙向門控循環(huán)單元(Bi-GRUs)和多層感知器(MLP)組成的多層神經(jīng)網(wǎng)絡模型,在融合層加入詞匯特征、主題特征等多種特征信息。

    (2)對卷積神經(jīng)網(wǎng)絡(CNN)做出改進,采用2-Max Pooling做池化操作,同時引入Leaky Relu激活函數(shù)以解決“梯度消失”問題,加快收斂速度。

    (3)該模型在WikiQA數(shù)據(jù)集上取得較好的答案排序效果。

    1 相關工作

    現(xiàn)階段答案排序方法可以分成兩類:第一類是傳統(tǒng)的基于詞匯、句法、語法等特征信息進行答案排序的機器學習方法;第二類是新興的基于神經(jīng)網(wǎng)絡模型的深度學習方法。近年來,部分研究人員嘗試將深度學習模型應用在答案排序的任務上,取得較好的效果。Nie L通過構建由一個離線學習組件和一個在線搜索組件組成的知識庫的方法進行答案選擇[1]。Severyn A先用二元卷積神經(jīng)網(wǎng)絡對問題和候選答案進行向量化表示,而后根據(jù)相似矩陣計算得到問題與候選答案的相似度值,并把此值與問題和候選答案的向量化表示相互拼接,再引入其它特征,最后通過softmax層對新拼接的向量進行分類[2]。Nie YP引入雙向長短時記憶(LSTM)編解碼器,有效地解決機器翻譯任務中出現(xiàn)的問題和答案之間的詞匯鴻溝,并使用step attention機制來允許問題集中在候選答案的某個部分[3]。Xiang等針對社區(qū)問答數(shù)據(jù)提出一個專注的深層神經(jīng)網(wǎng)絡結構,該結構采用卷積神經(jīng)網(wǎng)絡、基于注意力的長短時記憶網(wǎng)絡和條件隨機場的方法[4]。Fan等的工作則是利用多維特征組合和相似度排序對網(wǎng)絡論壇中的社區(qū)問答排序方法進行改進,充分利用問題答案中的信息來確定問題和答案之間的相似性,并使用基于文本的特征信息來確定答案是否合理[5]?;谝陨涎芯浚瑸榱烁玫靥岣叽鸢概判虻男阅?,本文提出了一種融合多種神經(jīng)網(wǎng)絡與多特征信息的深度學習模型。

    2 融合多種神經(jīng)網(wǎng)絡與多特征信息的深度學習模型

    在答案排序的研究過程中,僅僅對問題和候選答案進行深度學習是不全面的,其特有的詞匯特征、主題特征等多種特征信息也在一定程度上影響著答案排序效果,因此本文將多種神經(jīng)網(wǎng)絡和多特征信息進行融合,使用卷積神經(jīng)網(wǎng)絡學習問題和候選答案特征,采用雙向門控循環(huán)單元對融合多種特征信息的向量進行訓練,經(jīng)多層感知器處理后,通過softmax分類器得出最終排序結果。圖1為模型的基本結構。

    圖1 網(wǎng)絡模型結構

    2.1 輸入層

    輸入層對數(shù)據(jù)集中的問題和候選答案均使用詞向量進行表示,該詞向量集來自于Google news,共收錄約300萬個英文詞,每個詞的維度均為300維,使用詞匹配的方式將問題和候選答案中的每個單詞與詞向量集中相對應單詞比對替換,查找不到的單詞使用300維的0向量進行表示。

    此外,為確保模型具有健壯性,通過對WikiQA英文數(shù)據(jù)集中數(shù)據(jù)的分析得知,問題句子的最大長度為22,候選答案句子的最大長度為98,因此,實驗過程中全部采用最大長度120,對于長度不足的句子均用0進行補齊。

    2.2 卷積神經(jīng)網(wǎng)絡

    近年來,卷積神經(jīng)網(wǎng)絡[6]作為深度學習的典型算法得到了進一步發(fā)展,并被廣泛地應用在計算機視覺以及自然語言處理等多個領域。與普通的神經(jīng)網(wǎng)絡相比,其主要區(qū)別在于,卷積神經(jīng)網(wǎng)絡含有一個由卷積層和池化層構成的特征抽取器。且卷積和池化可以大大簡化模型的復雜度,減少模型的參數(shù)。圖2為卷積神經(jīng)網(wǎng)絡在自然語言處理中的應用示例。

    圖2 卷積神經(jīng)網(wǎng)絡在自然語言處理中的應用示例

    本實驗中,卷積層對輸入層中得到的120*300階的矩陣進行處理,其中120表示句子的長度,300代表詞向量的維數(shù)。當卷積作用在滑動窗口步長為2的句子上時,將得到119個輸出結果。其操作如式(1)所示

    ci=f(W*vi,i+k-1+b)

    (1)

    W是卷積層權重矩陣,vi,i+k-1表示滑動窗口作用時第i個單詞到第i+k-1個單詞的詞向量組成的矩陣,b代表偏置項,f為激活函數(shù)。本文中選用基于Relu函數(shù)的變體Leaky-Relu。其相較于sigmoid和tanh等飽和激活函數(shù),Relu及其變體作為非飽和激活函數(shù)能解決“梯度消失”問題并加快收斂速度。而Leaky-Relu函數(shù)能夠處理Relu函數(shù)在z小于0時,斜率為0的情況。其函數(shù)公式如式(2)所示

    (2)

    式中:0.05為斜率,函數(shù)圖像如圖3所示。

    池化層對卷積核作用后的結果向量c=[c1,c2,…,c119] 做池化操作,實驗中使用最大池化的變體2-Max Pooling,與Max Pooling相比,其能夠提取所有特征值中得分最高的2個值,并且可以保留這些特征值原始的先后順序。通過進行池化操作后,便得到每一個卷積層所抽取的特征集中相對于較為重要的部分,即問題和候選答案的重要語義部分。圖4為2-Max Pooling的示例。

    圖3 k=0.05時的Leaky-Relu函數(shù)

    圖4 2-Max Pooling示例

    此外,為防止過擬合現(xiàn)象的產生,引入了Dropout機制[7],其原理是當數(shù)據(jù)在前向傳播的時候,讓若干神經(jīng)元的激活值以一定的概率p停止工作,反向傳播時再次激活。

    2.3 融合層

    融合層將經(jīng)卷積神經(jīng)網(wǎng)絡學習后得到的向量與主題特征、詞匯特征。詞匯特征和主題特征均采用one-hot編碼。其中主題特征由數(shù)據(jù)集中的Title項提供。詞匯特征由斯坦福大學提供的Standford CoreNLP工具包[8]進行處理獲得,其中主要包括詞性和命名實體識別兩項,英文詞性標注集合共有36種。表1給出了一個英文例句在經(jīng)過Standford CoreNLP工具包處理后的示例結果。

    表1 英文例句處理結果示例

    表中第三行對應例句中每個單詞的詞性標注結果,其中NNP代表專有名詞單數(shù)形式,VBD代表動詞過去式,DT代表限定詞,NN代表名詞單數(shù)形式,TO代表單詞to。表中第四行對應例句中每個單詞的命名實體關系特征,其中人名Kosgi Santosh被識別為PERSON,校名Stanford University被識別為ORGANIZATION,而其它非命名實體均用O來表示。

    2.4 雙向門控循環(huán)單元

    隨著深度學習的興起,長短時記憶網(wǎng)絡模型因為其學習過程更容易收斂且規(guī)避了循環(huán)神經(jīng)網(wǎng)絡的梯度爆炸和梯度消失問題,正在自然語言處理研究中發(fā)揮著越來越重要的作用,本課題所使用的門控循環(huán)單元是基于長短時記憶網(wǎng)絡模型而提出來的一種變體方式[9],相較于由遺忘門單元、輸入門單元、輸出門單元和記憶細胞單元組成傳統(tǒng)記憶塊,門控循環(huán)單元只有一個更新門單元和一個重置門單元,且取消進行線性自更新的記憶細胞單元,而是在隱藏單元中利用門控直接進行線性自更新。其記憶塊的結構如圖5所示。

    圖5 門控循環(huán)單元記憶塊結構

    更新門單元主要用于控制前一時刻的狀態(tài)信息有多少被帶入到當前狀態(tài)中。將前一時刻的狀態(tài)信息和當前時刻的狀態(tài)信息分別進行線性變換,再將相加后得到的數(shù)據(jù)送入到更新門單元,更新門單元的值zt越大說明前一時刻的狀態(tài)信息被帶入的越多。如式(3)所示

    zt=σ(Wz·[ht-1,xt])

    (3)

    rt=σ(Wr·[ht-1,xt])

    (4)

    門控循環(huán)單元不再使用單獨的記憶細胞單元存儲記憶信息,而是直接利用隱藏單元記錄歷史狀態(tài)。利用重置門單元rt控制當前信息和記憶信息的數(shù)據(jù)量,并生成新的記憶信息繼續(xù)向前傳遞,由于重置門單元的輸出在區(qū)間 [0,1] 內,因此利用重置門單元控制記憶信息能夠繼續(xù)向前傳遞的數(shù)據(jù)量,當重置門單元的輸出值為0時表示記憶信息全部消除,反之當重置門單元的輸出值為1時,表示記憶信息全部通過。如式(5)所示

    (5)

    (6)

    單向門控循環(huán)單元主要是根據(jù)之前時刻的時序信息對下一時刻的輸出做預測,但是在有的一些問題里,當前時刻的輸出不單與之前的狀態(tài)信息有關,與未來的狀態(tài)信息也可能有關系,因此雙向門控循環(huán)單元[10]便應運而生,即在正向門控循序單元的基礎上添加反向門控循環(huán)單元,使其能夠同時對兩個方向的序列進行操作,每個節(jié)點會生成正向與反向兩個獨立的門控循環(huán)單元輸出向量,然后將這兩個獨立的輸出向量進行拼接作為當前節(jié)點的輸出結果,由此得到當前節(jié)點的向量信息。簡單來說可以將雙向門控循環(huán)單元看成是一個兩層的神經(jīng)網(wǎng)絡,第一層是從左側作為序列的輸入端,在文本處理上即是從句子的開頭開始輸入,而第二層則是從右側作為序列的輸入端,即是從句子的最后一個詞語作為輸入,反方向做與第一層同樣的操作。最后對得到的兩個結果進行拼接處理。圖6為雙向門控循環(huán)單元。

    圖6 雙向門控循環(huán)單元

    (7)

    2.5 多層感知器

    感知器網(wǎng)絡是一種典型的前饋人工神經(jīng)網(wǎng)絡模型,采用單向多層的結構,每層均包含若干個神經(jīng)元,同層的神經(jīng)元相互之間無連接,每層之間信息的傳送只沿一個方向進行,即從輸入層開始接收信息,處理后輸出到下一層,直至輸出層獲得最后結果[11]。第一層稱為輸入層,最后一層為輸出層,中間為隱藏層。隱藏層可以是任意層。圖7為含有一個隱藏層的多層感知器。

    圖7 含有一個隱藏層的多層感知器

    在本文方法中,將雙向門控循環(huán)單元層得到的ht送入多層感知器計算當前候選答案at的預測得分scoret,具體如式(8)所示[12]

    scoret=σ(Wyht+by)

    (8)

    式中:Wy、by分別表示權重矩陣及偏置。

    2.6 輸出層

    輸出層使用softmax分類器對每個候選答案對應的分數(shù)進行處理,選取概率最大的值作為最后結果。其計算公式如式(9)所示

    Softmaxi=escorei/∑jescorej

    (9)

    3 實驗與分析

    3.1 數(shù)據(jù)預處理

    本文研究中使用微軟公司在2015年公開的WikiQA英文數(shù)據(jù)集,其是一個應用于開放領域問答的數(shù)據(jù)集,共含有3047個問題和對應的29 258個答案,其問題是篩選自微軟公司推出的必應(Bing)搜索服務平臺下的查詢日志中的真實用戶提問信息。用戶搜索的問題均連接一個與所查詢問題的主題有關的維基百科頁面,并將此頁面中摘要部分的每一句話選為該問題的候選答案集合,通過使用人工的方法對所有問答對進行正確與否的標注[13]。表2給出了WikiQA數(shù)據(jù)集中的詳細信息。

    表2 WikiQA數(shù)據(jù)集信息

    3.2 超參數(shù)設置

    根據(jù)文獻中的經(jīng)驗值,卷積神經(jīng)網(wǎng)絡層中卷積核長度設置為3、4、5,卷積核個數(shù)分別設置為50,dropout的比率設置為0.5,Adam學習率設為0.01,batch_size設為64,神經(jīng)元的激活函數(shù)使用Relu。雙向門控循環(huán)單元層中單層隱含層狀態(tài)設置為150維,學習率、dropout比率和卷積神經(jīng)網(wǎng)絡層設置一致。多層感知器層中采用RMSprop優(yōu)化器,dropout比率和卷積神經(jīng)網(wǎng)絡層設置一致。卷積核個數(shù)不同時的結果如圖8所示。

    圖8 卷積核個數(shù)不同時的結果

    3.3 實驗分析

    使用自對比實驗的方式分析本文所提方法的答案排序性能。CNN方法是通過對問題和候選答案的分布式表示進行卷積池化操作后,將結果送入softmax進行分類。CNN+WORD是對問題和候選答案的分布式表示加入詞匯特征后再送入卷積神經(jīng)網(wǎng)絡。LSTM是利用長短時記憶網(wǎng)絡提取問題和候選答案的特征。Bi-LSTM是在單向LSTM的基礎上又添加反向的LSTM,由此得到兩個相互獨立的LSTM輸出向量,然后將這兩個獨立的LSTM輸出向量拼接作為當前節(jié)點的輸出。Bi-GRU是基于門控循環(huán)單元(GRU)作為LSTM的一種變體情況下演變而來的。Bi-GRU+WORD+TOPIC是在Bi-GRU的基礎上將詞語的向量表示與詞匯特征和主題特征相融合作為輸入送入網(wǎng)絡。CNN+Bi-GRU是將卷積神經(jīng)網(wǎng)絡和雙向門控循環(huán)單元做結合,CNN的輸出結果作為Bi-GRU的輸入內容。CNN+Bi-GRU+MLP+WORD+TOPIC則是本文所提出的新方法。具體實驗結果對比見表3。

    表3 實驗結果對比

    在此自對比實驗的基礎上,又進行了進一步的對比實驗。Word Cnt是計算問題和候選答案中相同詞的個數(shù)作為評價標準。PV-Cnt是先對問題和候選答案進行向量化表示,同時計算問答對的語義相似度,再與詞共現(xiàn)特征做拼接組合。CNN-Cnt是采用卷積神經(jīng)網(wǎng)絡與詞共現(xiàn)特征結合的結果。CNNlexical[14]在得到問題和候選答案的分布式表示后,通過對兩者中的詞語分解引入詞匯特征,然后對候選答案打分。Bi-LSTM+Lexical+Topic+Cnt通過在 Bi-LSTM 模型中加入詞匯特征、主題特征、詞共現(xiàn)特征后對候選答案進行判斷。對比中使用新的評價指標平均AP值mAP(mean average precision),AP就是對一個問題,計算其命中時的平均精準度,而mAP則是在所有問題上求平均,mAP的計算方法如式(10)所示,其中AP表示平均精準度,q表示在單個類別的總樣本個數(shù),QR表示問題類別數(shù)量。具體模型結果對比見表4

    (10)

    表4 模型結果對比

    通過對比上述發(fā)放可知,本文所提出的融合多種神經(jīng)網(wǎng)絡與多特征的答案排序模型的準確率均高于現(xiàn)有模型。

    4 結束語

    本文提出了一種融合多種神經(jīng)網(wǎng)絡與詞匯特征、主題特征等多種特征信息的答案排序模型。用Word2vec分別對問題和候選答案進行詞向量表示,并送入到卷積神經(jīng)網(wǎng)絡,將卷積池化后的結果與詞匯特征、主題特征拼接后作為雙向的門控循環(huán)單元的輸入,輸出結果經(jīng)多層感知器進行處理后,使用softmax進行多分類處理。該模型在WikiQA英文數(shù)據(jù)集上取得不錯的效果。此外,通過研究發(fā)現(xiàn),融合特征信息后的效果要明顯優(yōu)于簡單的深度學習模型,說明特征信息在一定程度上起到了作用。

    考慮到引入部分特征能夠對準確率起到作用,且對于長文本問答對中,過多的冗余信息也會對準確率造成一定影響。因此,結合當下神經(jīng)網(wǎng)絡研究的熱點之一注意力機制[15],下一步的工作將選擇性地加入更多特征信息,嘗試把注意力機制與模型相結合,以期進一步提高答案排序效果。

    猜你喜歡
    排序卷積向量
    向量的分解
    排序不等式
    基于3D-Winograd的快速卷積算法設計及FPGA實現(xiàn)
    聚焦“向量與三角”創(chuàng)新題
    恐怖排序
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    節(jié)日排序
    基于傅里葉域卷積表示的目標跟蹤算法
    刻舟求劍
    兒童繪本(2018年5期)2018-04-12 16:45:32
    向量垂直在解析幾何中的應用
    国产精品 国内视频| 好男人电影高清在线观看| 一区二区三区激情视频| av免费在线观看网站| 欧美久久黑人一区二区| 成人免费观看视频高清| 精品久久久久久,| 欧美激情久久久久久爽电影 | bbb黄色大片| 国产精品一区二区三区四区久久 | 免费人成视频x8x8入口观看| 美女高潮到喷水免费观看| 久久精品国产清高在天天线| 欧美精品亚洲一区二区| 动漫黄色视频在线观看| 国产精品99久久99久久久不卡| 曰老女人黄片| 成人18禁在线播放| 黑人欧美特级aaaaaa片| 欧美丝袜亚洲另类 | av国产精品久久久久影院| 久久久久久亚洲精品国产蜜桃av| 一级片'在线观看视频| av片东京热男人的天堂| 久久精品91无色码中文字幕| 黄片大片在线免费观看| 别揉我奶头~嗯~啊~动态视频| 免费观看人在逋| 国产精品久久久人人做人人爽| 亚洲成人国产一区在线观看| 亚洲自拍偷在线| av视频免费观看在线观看| 久久精品国产亚洲av香蕉五月| 亚洲精品一区av在线观看| 免费看a级黄色片| 精品国产一区二区三区四区第35| 国产av一区二区精品久久| 午夜两性在线视频| 丁香六月欧美| 久久青草综合色| 久久久久精品国产欧美久久久| 成年人黄色毛片网站| 老司机午夜十八禁免费视频| 亚洲人成电影观看| 十八禁人妻一区二区| 性色av乱码一区二区三区2| 亚洲黑人精品在线| 亚洲精品一二三| 午夜福利,免费看| 午夜福利在线免费观看网站| 日本五十路高清| 国产精品爽爽va在线观看网站 | 最近最新中文字幕大全电影3 | 曰老女人黄片| 999久久久国产精品视频| 高清欧美精品videossex| 国产无遮挡羞羞视频在线观看| 丰满饥渴人妻一区二区三| 欧美精品亚洲一区二区| 神马国产精品三级电影在线观看 | 国产一区二区三区综合在线观看| a级片在线免费高清观看视频| 欧美黑人精品巨大| 久久久久亚洲av毛片大全| 99国产极品粉嫩在线观看| ponron亚洲| 一区二区三区激情视频| 大型黄色视频在线免费观看| ponron亚洲| 在线永久观看黄色视频| 美女午夜性视频免费| www.自偷自拍.com| 另类亚洲欧美激情| 中文字幕人妻丝袜一区二区| 色综合站精品国产| 天堂√8在线中文| 性色av乱码一区二区三区2| av超薄肉色丝袜交足视频| 美女高潮喷水抽搐中文字幕| 亚洲精品在线观看二区| 亚洲国产精品sss在线观看 | 在线天堂中文资源库| 欧美日韩乱码在线| 99riav亚洲国产免费| 色婷婷av一区二区三区视频| 两人在一起打扑克的视频| 久久人人爽av亚洲精品天堂| 日韩免费高清中文字幕av| 亚洲精品国产区一区二| 天天影视国产精品| 日本精品一区二区三区蜜桃| 欧美成人性av电影在线观看| 国产成人一区二区三区免费视频网站| 日本三级黄在线观看| 亚洲在线自拍视频| 在线十欧美十亚洲十日本专区| 欧美日韩亚洲高清精品| 一a级毛片在线观看| 宅男免费午夜| videosex国产| 黄片大片在线免费观看| 欧美一级毛片孕妇| 国产精品电影一区二区三区| 美女国产高潮福利片在线看| 国产三级在线视频| 啦啦啦 在线观看视频| 亚洲国产欧美一区二区综合| 可以免费在线观看a视频的电影网站| 一级毛片女人18水好多| www日本在线高清视频| 韩国精品一区二区三区| 国产一区在线观看成人免费| 午夜福利免费观看在线| 精品久久久久久久毛片微露脸| 欧美乱妇无乱码| 国产单亲对白刺激| 一级毛片女人18水好多| 国产精品乱码一区二三区的特点 | 大型黄色视频在线免费观看| 在线永久观看黄色视频| 欧美激情高清一区二区三区| 高清黄色对白视频在线免费看| 国产极品粉嫩免费观看在线| 国产精品一区二区在线不卡| 欧美精品啪啪一区二区三区| 午夜视频精品福利| 一区二区日韩欧美中文字幕| 大陆偷拍与自拍| 丝袜人妻中文字幕| 中文字幕色久视频| 窝窝影院91人妻| 超碰97精品在线观看| 亚洲欧美日韩无卡精品| 五月开心婷婷网| 中文字幕人妻熟女乱码| 91大片在线观看| 欧美 亚洲 国产 日韩一| 亚洲精品在线观看二区| 成年人免费黄色播放视频| 又大又爽又粗| 国产精品久久电影中文字幕| 麻豆一二三区av精品| 欧美成人午夜精品| 男女做爰动态图高潮gif福利片 | 亚洲视频免费观看视频| 欧美日韩亚洲综合一区二区三区_| 欧美日韩一级在线毛片| 黄色a级毛片大全视频| 亚洲精品一卡2卡三卡4卡5卡| 日本欧美视频一区| 大陆偷拍与自拍| 久久这里只有精品19| 一级毛片精品| 精品一区二区三区视频在线观看免费 | 国产精品98久久久久久宅男小说| 国产三级在线视频| 琪琪午夜伦伦电影理论片6080| 欧美乱妇无乱码| 9色porny在线观看| 国产精品1区2区在线观看.| 天天影视国产精品| 久久人妻福利社区极品人妻图片| 99久久国产精品久久久| 亚洲精品av麻豆狂野| 日韩中文字幕欧美一区二区| 18禁国产床啪视频网站| 久久久久久久久久久久大奶| 精品久久蜜臀av无| 亚洲专区字幕在线| 国产av在哪里看| 欧美激情 高清一区二区三区| 交换朋友夫妻互换小说| 免费不卡黄色视频| 精品一区二区三区av网在线观看| 亚洲熟女毛片儿| 另类亚洲欧美激情| 亚洲黑人精品在线| 十分钟在线观看高清视频www| 国产精品电影一区二区三区| 亚洲精品在线美女| 精品国产美女av久久久久小说| 男女下面插进去视频免费观看| 亚洲一卡2卡3卡4卡5卡精品中文| 一级片'在线观看视频| 在线观看免费高清a一片| 三上悠亚av全集在线观看| 免费高清视频大片| 黄片大片在线免费观看| 国产高清videossex| 少妇 在线观看| 黄色女人牲交| 日本a在线网址| 亚洲欧美精品综合久久99| 无限看片的www在线观看| 亚洲 国产 在线| 国产精品日韩av在线免费观看 | 午夜老司机福利片| 91在线观看av| 日韩免费av在线播放| 日本黄色日本黄色录像| 久久精品成人免费网站| 青草久久国产| 欧美大码av| 麻豆久久精品国产亚洲av | 黄色毛片三级朝国网站| www.自偷自拍.com| 久久久精品欧美日韩精品| 亚洲成a人片在线一区二区| 好看av亚洲va欧美ⅴa在| 91成人精品电影| а√天堂www在线а√下载| 亚洲avbb在线观看| 亚洲欧美日韩另类电影网站| 1024香蕉在线观看| 欧美精品一区二区免费开放| 成人18禁高潮啪啪吃奶动态图| 欧美成人午夜精品| 深夜精品福利| 欧美色视频一区免费| 国产av一区在线观看免费| 欧美精品亚洲一区二区| 亚洲片人在线观看| 亚洲黑人精品在线| 美女扒开内裤让男人捅视频| 久久久久国产精品人妻aⅴ院| 搡老岳熟女国产| 久久人妻熟女aⅴ| 美女扒开内裤让男人捅视频| 变态另类成人亚洲欧美熟女 | 午夜福利在线免费观看网站| 三级毛片av免费| 久久国产亚洲av麻豆专区| 新久久久久国产一级毛片| 国产精品爽爽va在线观看网站 | 亚洲欧美激情在线| www.999成人在线观看| 香蕉国产在线看| 一级毛片女人18水好多| 少妇粗大呻吟视频| 18禁国产床啪视频网站| 91国产中文字幕| 男女高潮啪啪啪动态图| 日韩中文字幕欧美一区二区| 久久中文看片网| 午夜精品久久久久久毛片777| xxxhd国产人妻xxx| 午夜视频精品福利| 亚洲熟妇熟女久久| 国产国语露脸激情在线看| 亚洲国产欧美网| 国产精品久久久av美女十八| 国产精品久久久久久人妻精品电影| 多毛熟女@视频| 欧美成人午夜精品| 91精品三级在线观看| 国产国语露脸激情在线看| 亚洲av成人一区二区三| 久久久久亚洲av毛片大全| 亚洲七黄色美女视频| 亚洲国产中文字幕在线视频| 亚洲人成网站在线播放欧美日韩| 99热只有精品国产| 亚洲人成电影免费在线| 99久久99久久久精品蜜桃| 日本欧美视频一区| 在线观看午夜福利视频| 精品一区二区三区av网在线观看| 纯流量卡能插随身wifi吗| 久热这里只有精品99| 黄片大片在线免费观看| 国产1区2区3区精品| 久久人人97超碰香蕉20202| 国产一区二区三区在线臀色熟女 | 国产成人系列免费观看| 最近最新免费中文字幕在线| 精品第一国产精品| 老熟妇仑乱视频hdxx| 亚洲人成77777在线视频| 成人三级做爰电影| 激情视频va一区二区三区| 国产欧美日韩精品亚洲av| 97超级碰碰碰精品色视频在线观看| 不卡av一区二区三区| 久久亚洲精品不卡| 国产精华一区二区三区| 黄色毛片三级朝国网站| 亚洲成人免费av在线播放| 国产成人精品久久二区二区91| 黄色丝袜av网址大全| 国产精品免费视频内射| 亚洲精品美女久久久久99蜜臀| 99热国产这里只有精品6| 亚洲午夜理论影院| 成人三级黄色视频| 免费看十八禁软件| 精品国产乱子伦一区二区三区| 99久久久亚洲精品蜜臀av| 国产伦人伦偷精品视频| 色综合欧美亚洲国产小说| 久久国产精品影院| 久久精品影院6| 欧美日韩福利视频一区二区| 男男h啪啪无遮挡| 天天躁狠狠躁夜夜躁狠狠躁| 母亲3免费完整高清在线观看| 夜夜躁狠狠躁天天躁| 欧美日韩亚洲高清精品| 成在线人永久免费视频| 老司机福利观看| 日本黄色视频三级网站网址| 午夜福利在线免费观看网站| 首页视频小说图片口味搜索| 无限看片的www在线观看| 亚洲精品一二三| bbb黄色大片| 美女国产高潮福利片在线看| 欧美黑人欧美精品刺激| 极品人妻少妇av视频| 一边摸一边抽搐一进一出视频| 精品人妻在线不人妻| a在线观看视频网站| 黑人猛操日本美女一级片| 大型黄色视频在线免费观看| 啪啪无遮挡十八禁网站| 亚洲精品国产色婷婷电影| 一级a爱视频在线免费观看| 19禁男女啪啪无遮挡网站| 桃色一区二区三区在线观看| 在线观看免费视频日本深夜| 亚洲中文av在线| 操美女的视频在线观看| 777久久人妻少妇嫩草av网站| 日韩欧美三级三区| 国产欧美日韩一区二区精品| 久久精品亚洲精品国产色婷小说| 欧美午夜高清在线| 亚洲人成伊人成综合网2020| 国产乱人伦免费视频| 欧美日韩精品网址| 日韩欧美一区二区三区在线观看| 中文欧美无线码| 一级毛片高清免费大全| 亚洲第一av免费看| 啪啪无遮挡十八禁网站| 天堂影院成人在线观看| 亚洲 国产 在线| 免费观看人在逋| av天堂久久9| 波多野结衣高清无吗| 久久精品成人免费网站| 亚洲午夜理论影院| 在线观看免费视频网站a站| 波多野结衣一区麻豆| 精品国产国语对白av| 日本 av在线| 别揉我奶头~嗯~啊~动态视频| 9191精品国产免费久久| 午夜福利欧美成人| 久久午夜亚洲精品久久| 精品高清国产在线一区| 欧美黑人精品巨大| 欧美日韩福利视频一区二区| 亚洲午夜精品一区,二区,三区| 男女床上黄色一级片免费看| 在线av久久热| 激情视频va一区二区三区| 视频区欧美日本亚洲| 精品午夜福利视频在线观看一区| 超碰97精品在线观看| 黑丝袜美女国产一区| 91大片在线观看| 久久国产精品男人的天堂亚洲| 后天国语完整版免费观看| 不卡av一区二区三区| 日本精品一区二区三区蜜桃| 亚洲成国产人片在线观看| 少妇 在线观看| 露出奶头的视频| 级片在线观看| 波多野结衣av一区二区av| 青草久久国产| 日韩国内少妇激情av| www.999成人在线观看| 多毛熟女@视频| 精品久久久久久,| 国产av又大| 女人爽到高潮嗷嗷叫在线视频| 亚洲片人在线观看| 精品久久久久久电影网| 国产精品亚洲一级av第二区| 大陆偷拍与自拍| 黄色a级毛片大全视频| 国产男靠女视频免费网站| 99riav亚洲国产免费| 欧美日韩国产mv在线观看视频| 人人妻人人爽人人添夜夜欢视频| 人妻久久中文字幕网| 乱人伦中国视频| 丝袜人妻中文字幕| 中文字幕高清在线视频| 亚洲第一av免费看| 99精品久久久久人妻精品| 在线观看免费视频日本深夜| 18禁美女被吸乳视频| 久久 成人 亚洲| 精品国产美女av久久久久小说| 桃色一区二区三区在线观看| 亚洲成人久久性| 一级片免费观看大全| 亚洲专区字幕在线| 国产一区二区激情短视频| 黄色丝袜av网址大全| 久久国产乱子伦精品免费另类| 99在线视频只有这里精品首页| 色婷婷久久久亚洲欧美| 黑丝袜美女国产一区| 精品久久久久久久久久免费视频 | 欧美日韩乱码在线| 亚洲 欧美一区二区三区| 日韩成人在线观看一区二区三区| 久久久国产成人免费| 欧美不卡视频在线免费观看 | 午夜精品在线福利| 久久久久国产精品人妻aⅴ院| 亚洲精品美女久久av网站| 亚洲精品国产一区二区精华液| 婷婷精品国产亚洲av在线| 国产精品成人在线| 美国免费a级毛片| 久久精品人人爽人人爽视色| 人人澡人人妻人| 日本五十路高清| 一区在线观看完整版| 曰老女人黄片| 久久人妻福利社区极品人妻图片| 精品久久久久久久久久免费视频 | 午夜福利在线观看吧| 久久精品亚洲精品国产色婷小说| 长腿黑丝高跟| 中文字幕最新亚洲高清| 久久欧美精品欧美久久欧美| 欧美精品一区二区免费开放| 国产亚洲精品久久久久久毛片| 日本a在线网址| 亚洲中文日韩欧美视频| 国产欧美日韩精品亚洲av| 一本综合久久免费| 国产欧美日韩一区二区三区在线| 人成视频在线观看免费观看| 两性午夜刺激爽爽歪歪视频在线观看 | 在线观看一区二区三区| 十分钟在线观看高清视频www| 亚洲全国av大片| 后天国语完整版免费观看| av免费在线观看网站| 成人免费观看视频高清| 自拍欧美九色日韩亚洲蝌蚪91| 悠悠久久av| 亚洲黑人精品在线| 人人妻人人添人人爽欧美一区卜| 久久国产乱子伦精品免费另类| 亚洲人成伊人成综合网2020| 纯流量卡能插随身wifi吗| 麻豆国产av国片精品| 亚洲精品中文字幕在线视频| 国产精品久久视频播放| 在线十欧美十亚洲十日本专区| 中文字幕另类日韩欧美亚洲嫩草| 真人做人爱边吃奶动态| 19禁男女啪啪无遮挡网站| 久久久久久久久免费视频了| 亚洲片人在线观看| 97超级碰碰碰精品色视频在线观看| 日韩欧美国产一区二区入口| 成人亚洲精品av一区二区 | 一边摸一边抽搐一进一小说| 欧美日韩av久久| 久久久久久久久久久久大奶| 亚洲av五月六月丁香网| 亚洲一码二码三码区别大吗| 国产精品乱码一区二三区的特点 | 如日韩欧美国产精品一区二区三区| 亚洲三区欧美一区| 超色免费av| 亚洲熟女毛片儿| 午夜免费激情av| 亚洲中文字幕日韩| 在线观看免费日韩欧美大片| 亚洲成人免费电影在线观看| 色精品久久人妻99蜜桃| 国产精品98久久久久久宅男小说| 久久久精品欧美日韩精品| 欧美最黄视频在线播放免费 | 精品国产国语对白av| 深夜精品福利| 国产日韩一区二区三区精品不卡| 欧美老熟妇乱子伦牲交| 亚洲第一欧美日韩一区二区三区| 男女午夜视频在线观看| 欧美黄色淫秽网站| 免费少妇av软件| 校园春色视频在线观看| 国产男靠女视频免费网站| 国产亚洲欧美98| 亚洲自拍偷在线| 自拍欧美九色日韩亚洲蝌蚪91| 久久国产精品男人的天堂亚洲| 国产亚洲欧美精品永久| 国产又色又爽无遮挡免费看| 老司机午夜福利在线观看视频| 巨乳人妻的诱惑在线观看| 欧美另类亚洲清纯唯美| 一区二区日韩欧美中文字幕| 伦理电影免费视频| 亚洲av美国av| 免费在线观看日本一区| 欧美激情 高清一区二区三区| 午夜免费鲁丝| 欧美日本中文国产一区发布| 亚洲色图综合在线观看| 一二三四社区在线视频社区8| 久久青草综合色| 99国产精品免费福利视频| 国产精品一区二区免费欧美| 精品一品国产午夜福利视频| 国产激情久久老熟女| 国产高清激情床上av| www.熟女人妻精品国产| 午夜免费观看网址| 国产成人啪精品午夜网站| 久久精品aⅴ一区二区三区四区| 国内久久婷婷六月综合欲色啪| 国产一卡二卡三卡精品| 最新美女视频免费是黄的| 欧美黄色片欧美黄色片| 免费av中文字幕在线| 男女下面进入的视频免费午夜 | 涩涩av久久男人的天堂| www国产在线视频色| 日韩精品免费视频一区二区三区| 午夜久久久在线观看| 午夜福利一区二区在线看| 久久伊人香网站| 99精品欧美一区二区三区四区| 国产精品野战在线观看 | 欧美乱码精品一区二区三区| 中文字幕人妻丝袜制服| 757午夜福利合集在线观看| av超薄肉色丝袜交足视频| 精品少妇一区二区三区视频日本电影| 亚洲人成电影观看| 12—13女人毛片做爰片一| 免费在线观看黄色视频的| 夜夜看夜夜爽夜夜摸 | 亚洲国产欧美网| 亚洲精品中文字幕一二三四区| 国产精品99久久99久久久不卡| 国产精华一区二区三区| 亚洲成人久久性| aaaaa片日本免费| 亚洲第一av免费看| www.熟女人妻精品国产| 99国产精品免费福利视频| 91精品国产国语对白视频| 中文字幕另类日韩欧美亚洲嫩草| 午夜激情av网站| 两性夫妻黄色片| 国产一区二区三区视频了| 午夜老司机福利片| 搡老岳熟女国产| 国产亚洲欧美精品永久| 80岁老熟妇乱子伦牲交| 久久青草综合色| 国产精品自产拍在线观看55亚洲| 亚洲午夜理论影院| 免费人成视频x8x8入口观看| 国产精品1区2区在线观看.| 欧美日韩视频精品一区| 亚洲精品一区av在线观看| 国产精品久久电影中文字幕| 国产一卡二卡三卡精品| 中文字幕av电影在线播放| 免费观看人在逋| 侵犯人妻中文字幕一二三四区| 欧美色视频一区免费| 免费看a级黄色片| 自拍欧美九色日韩亚洲蝌蚪91| 欧美激情 高清一区二区三区| 国产日韩一区二区三区精品不卡| 久久香蕉国产精品| 无限看片的www在线观看| 母亲3免费完整高清在线观看| 亚洲一区二区三区色噜噜 | 精品久久久精品久久久| 国产精品 国内视频| 一区二区三区激情视频| 免费在线观看亚洲国产| 亚洲第一av免费看| 亚洲精品国产色婷婷电影| av有码第一页| 精品福利永久在线观看| 9191精品国产免费久久| 性色av乱码一区二区三区2| 在线观看免费视频日本深夜| 欧美日韩福利视频一区二区| 伊人久久大香线蕉亚洲五| 操美女的视频在线观看| 久久精品aⅴ一区二区三区四区| 国产aⅴ精品一区二区三区波| 天堂√8在线中文| 超碰成人久久| 嫁个100分男人电影在线观看| 99国产精品99久久久久| 久久99一区二区三区| 欧美日韩黄片免|