• <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 ?

    基于改進(jìn)樸素貝葉斯算法的文本分類研究

    2023-04-29 11:02:52辛梓銘王芳
    燕山大學(xué)學(xué)報(bào) 2023年1期
    關(guān)鍵詞:模糊聚類文本分類

    辛梓銘 王芳

    摘 要:樸素貝葉斯算法在給定輸出類別的情況下,需假設(shè)屬性之間相互獨(dú)立,然而現(xiàn)實(shí)中這個(gè)假設(shè)一般不成立,導(dǎo)致在屬性個(gè)數(shù)較多或者屬性之間相關(guān)性較大時(shí),分類效果不是很理想。為了解決這個(gè)問題,本文采用優(yōu)化的模糊C均值聚類及權(quán)重計(jì)算方法改進(jìn)樸素貝葉斯算法。首先,基于JS散度構(gòu)造類別個(gè)數(shù)的自適應(yīng)函數(shù)優(yōu)化模糊聚類算法,利用優(yōu)化后的算法將文本分類整理。然后,采用詞頻因子優(yōu)化的TF-IDF算法計(jì)算分類后各樣本的特征權(quán)重,結(jié)合樣本權(quán)重與貝葉斯公式,進(jìn)行分類計(jì)算。最后,為了體現(xiàn)改進(jìn)的樸素貝葉斯算法的有效性和優(yōu)越性,將其與原始樸素貝葉斯算法以及其他改進(jìn)算法進(jìn)行對比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的算法有效地降低了樸素貝葉斯模型對特征項(xiàng)獨(dú)立性的要求,提高了分類決策的準(zhǔn)確率,且在分類性能和效率上具有一定的優(yōu)越性。

    關(guān)鍵詞:樸素貝葉斯;文本分類;模糊聚類;特征權(quán)重;獨(dú)立性假設(shè)

    中圖分類號: TP391? 文獻(xiàn)標(biāo)識(shí)碼: A? DOI:10.3969/j.issn.1007-791X.2023.01.009

    0 引言

    隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展以及大數(shù)據(jù)時(shí)代的到來,文本信息量呈爆炸式增長。如何更快更準(zhǔn)確地進(jìn)行信息檢索與數(shù)據(jù)分類成為重要的問題。文本分類算法是數(shù)據(jù)挖掘領(lǐng)域的核心內(nèi)容之一,它根據(jù)分類器將數(shù)據(jù)集中的數(shù)據(jù)項(xiàng)劃分到某一個(gè)固定的類別,基本步驟為:文本預(yù)處理、索引和詞頻統(tǒng)計(jì)、特征抽取、構(gòu)造分類器以及對分類結(jié)果的評價(jià)。文本分類算法包含多種,如支持向量機(jī)算法[1]、決策樹算法[2]、K近鄰算法[3]、神經(jīng)網(wǎng)絡(luò)算法[4]、貝葉斯分類算法[5]等等。

    樸素貝葉斯算法先計(jì)算各個(gè)樣本的先驗(yàn)概率,再利用貝葉斯公式計(jì)算各樣本屬于每一個(gè)類的后驗(yàn)概率。該算法高效穩(wěn)定,常被應(yīng)用于數(shù)據(jù)分析:張付志等[6]利用貝葉斯算法對垃圾郵件的過濾進(jìn)行研究;楊曉花等[7]利用貝葉斯算法對圖書館書目進(jìn)行自動(dòng)分類;丁童心等[8]利用樸素貝葉斯算法進(jìn)行人臉表情識(shí)別。樸素貝葉斯算法的應(yīng)用領(lǐng)域廣泛,但是它的使用是以各屬性之間相互獨(dú)立的假設(shè)為前提??紤]到文本中各個(gè)詞組的特征向量之間并不都滿足獨(dú)立性假設(shè)的條件,直接使用樸素貝葉斯算法可能會(huì)導(dǎo)致文本分類的準(zhǔn)確率下降。針對這一問題,很多學(xué)者提出了改進(jìn)方法:Kononenko等[9]提出了半樸素貝葉斯分類模型,考慮部分屬性之間的相互依賴關(guān)系,通常假定每個(gè)屬性僅依賴于其他最多一個(gè)屬性。Hall[10]提出將樸素貝葉斯算法與決策樹算法結(jié)合,通過構(gòu)建決策樹來估計(jì)各屬性的權(quán)重。Webb等[11]通過對所有約束分類器類求平均的方法來削弱屬性的獨(dú)立性假設(shè)。Zadrozny等[12]提出了從決策樹和樸素貝葉斯分類器中獲得校正概率估計(jì)的方法。裘雅瑩等[13]提出了基于帶加權(quán)正特征的擴(kuò)展貝葉斯模型的中文文本分類的方法。秦兵等[14]提出利用密度函數(shù)似然比來增加特征詞的可分性信息的算法。李方[15]構(gòu)造了屬性間相關(guān)性的度量方法:通過改進(jìn)屬性加權(quán)來優(yōu)化樸素貝葉斯分類模型。黃勇等[16]提出了基于詞向量間余弦相似度改進(jìn)樸素貝葉斯算法。這些方法一定程度上削弱了貝葉斯模型獨(dú)立性假設(shè)帶來的影響,然而它們沒有考慮文本的語法語序,且操作起來相對復(fù)雜,導(dǎo)致耗時(shí)較大。

    針對上述不足,本文利用優(yōu)化的模糊C均值聚類法[17]和權(quán)重計(jì)算方法改進(jìn)樸素貝葉斯算法。首先,采用JS散度構(gòu)造類別個(gè)數(shù)的自適應(yīng)函數(shù)以優(yōu)化模糊聚類算法,并利用改進(jìn)算法對文本進(jìn)行分類整理。然后,利用詞頻因子優(yōu)化的TF-IDF算法計(jì)算各類別內(nèi)樣本的權(quán)重,同位置權(quán)重一起代入貝葉斯公式,最后進(jìn)行分類計(jì)算。通過與傳統(tǒng)樸素貝葉斯算法與其他改進(jìn)算法的對比實(shí)驗(yàn)表明,本文的算法提高了分類決策的正確率與效率,降低了樸素貝葉斯模型對特征項(xiàng)獨(dú)立性的要求,并較其他改進(jìn)算法有一定的優(yōu)越性。

    由表1可知,改進(jìn)后的樸素貝葉斯算法除了科學(xué)類的準(zhǔn)確率和F1分?jǐn)?shù)略低于傳統(tǒng)算法,其他類別都有所提升。改進(jìn)算法的P,R,F(xiàn)1指標(biāo)均值較傳統(tǒng)算法分別提升了3.07%、2.84%、2.91%,分類時(shí)間較原來減少1 min 3 s。實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的樸素貝葉斯算法有效地提高了文本分類的性能與效率,降低了算法獨(dú)立性帶來的影響。

    為了更好地體現(xiàn)本文的改進(jìn)算法在文本分類上的優(yōu)越性,選取基于樸素貝葉斯與決策樹結(jié)合的改進(jìn)算法[11]、基于屬性加權(quán)的改進(jìn)算法[15]、基于詞向量余弦相似度的改進(jìn)算法[16]進(jìn)行對比實(shí)驗(yàn),得到數(shù)據(jù)如表2所示。

    通過4種算法的實(shí)驗(yàn)數(shù)據(jù)對比可以得到本文算法模型的F1分?jǐn)?shù)均值最大,分類性能最佳,且平均消耗時(shí)長最短,分類效率最高。將4種算法模型與原始算法模型應(yīng)用于六類數(shù)據(jù)分類時(shí)的12個(gè)P、R指標(biāo)進(jìn)行比較,除了文獻(xiàn)[15]算法,其余的3種算法模型均存在不同數(shù)量的分類指標(biāo)低于原始算法模型。本文的算法模型中存在兩個(gè)指標(biāo)略低于原始算法模型,穩(wěn)定性僅次于文獻(xiàn)[15]算法模型。實(shí)驗(yàn)結(jié)果表明,本文的改進(jìn)算法模型在分類性能和效率上具有一定的優(yōu)越性,但穩(wěn)定性欠佳,未來研究中,將針對算法模型穩(wěn)定性的問題進(jìn)行優(yōu)化。

    4 結(jié)論

    本文針對樸素貝葉斯算法的獨(dú)立性假設(shè)與特征權(quán)重分配不當(dāng)?shù)膯栴},在分類前利用模糊聚類法對數(shù)據(jù)集進(jìn)行重新整理,分類后計(jì)算不同類別的權(quán)重?cái)?shù)值,得到改進(jìn)的樸素貝葉斯算法。通過進(jìn)一步的對比實(shí)驗(yàn),本文改進(jìn)算法的P,R,F(xiàn)1指標(biāo)均值較原始算法均提升了3%左右,較其他三類改進(jìn)算法提升了1%~2%左右,且平均消耗時(shí)長最短。實(shí)驗(yàn)結(jié)果表明本文的改進(jìn)算法有效地降低了樸素貝葉斯模型對特征項(xiàng)獨(dú)立性的要求,提高了分類決策的正確率與效率,且在分類性能和效率上同其他改進(jìn)算法具有一定的優(yōu)越性。未來工作中,將在本文的文本類別基礎(chǔ)上添加相關(guān)的英文文本,在增大數(shù)據(jù)量以增強(qiáng)算法模型穩(wěn)定性的同時(shí),實(shí)現(xiàn)文本的多語種分類。

    參考文獻(xiàn)

    [1] SHEVADE S K, KEERTHI S S, BHATTACHARYYA C, et al. Improvements to the SMO algorithm for SVM regression[J]. IEEE Transactions on Neural Networks, 2000, 11(5): 1188-1193.

    [2]? WANG L M, LI X L, CAO C H, et al. Combining decision tree and naive Bayes for classification[J]. Knowledge-Based Systems, 2006,19(7): 511-515.

    [3]? CHEN Q, LI D, TANG C K. KNN matting[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(9): 2175-2188.

    [4]? LI Y M, WEI B G, LIU Y H, et al. Incorporating knowledge into neural network for text representation[J]. Expert Systems with Applications, 2018, 96:103-114.

    [5]? ZHENG G, TIAN Y. Chinese web text classification system model based on naive bayes[C]//International Conference on E-product and E-entertainment, Zhengzhou,China, 2010: 1-4.

    [6] 張付志, 伍朝輝, 姚芳. 基于貝葉斯算法的垃圾郵件過濾技術(shù)的研究與改進(jìn)[J]. 燕山大學(xué)學(xué)報(bào), 2009, 33(1): 47-52.

    ZHANG F Z, WU Z F, YAO F. Research and improvement of spam filtering technology based on Bayesian algorithm[J]. Journal of the Yanshan University, 2009, 33(1): 47-52.

    [7] 楊曉花,高海云.基于改進(jìn)貝葉斯的書目自動(dòng)分類算法[J]. 計(jì)算機(jī)科學(xué), 2018, 45(8): 203-207.

    YANG X H,GAO H Y. Bibliographic automatic classification algorithm based on improved Bayes[J]. Computer Science, 2018, 45(8): 203-207.

    [8] 丁童心,禹素萍.改進(jìn)樸素貝葉斯算法的人臉表情識(shí)別[J]. 軟件導(dǎo)刊, 2021, 20(1): 68-71.

    DING T X, YU S P. Facial expression recognition based on improved naive Bayes algorithm[J]. Software Guide, 2021, 20(1): 68-71.

    [9] KONONENKO I. Semi-naive Bayesian classifier[M]. Berlin: Lecture Notes in Computer Science, 1991:206-219.

    [10] HALL M. A decision tree-based attribute weighting filter for naive Bayes[J]. Knowledge-Based Systems, 2007, 20(2): 120-126.

    [11] WEBB G I, BOUGHTON J R, WANG Z. Not so naive Bayes: aggregating one-dependence estimators[J]. Machine Learning, 2005, 58(1): 5-24.

    [12] ZADROZNY B, ELKAN C. Obtaining calibrated probablity estimates from decision trees and naive Bayesian classsifiers[C]//International Conferrence on Machine Learning,Williamstown,USA, 2001: 609-616.

    [13] QIU Y Y, YANG G M,TAN Z H.Chinese text classification based on extended naive Bayes model with weighted positive features[C]//IEEE International Conference on Software Engineering and Service Science, Beijing,China, 2010: 243-246.

    [14] 秦兵, 鄭實(shí)福, 劉挺, 等. 基于改進(jìn)的貝葉斯模型的中文網(wǎng)頁分類[C]//全國第六屆計(jì)算語言學(xué)聯(lián)合學(xué)術(shù)會(huì)議論文集, 北京: 清華大學(xué)出版社, 2001: 373-378.

    QIN B, ZHENG S F, LIU T, et al. Chinese webpage classifier based on improved Bayesian cognitive science[C]//The Proceedings of the Sixth Joint Conference on Computational Linguistics, Beijing: Tsinghua University Press, 2001: 373-378.

    [15] 李方. 基于改進(jìn)屬性加權(quán)的樸素貝葉斯分類模型[J]. 計(jì)算機(jī)工程與應(yīng)用, 2006, 46(4): 132-133.

    LI F. Naivebayes classification model basedon improved attribute weighting[J]. Computer Engineering and Applications, 2006, 46(4): 132-133.

    [16] 黃勇, 羅文輝, 張瑞舒. 改進(jìn)樸素貝葉斯算法在文本分類中的應(yīng)用[J]. 科技創(chuàng)新與應(yīng)用,2019(5):24-27.

    HUANG Y, LUO W H, ZHANG R S. Application of improved naive Bayes algorithm in text categorization[J]. Technology Innovation and Application,2019(5):24-27.

    [17] PAL S K, KING R A, HASHIM A A. Automatic gray level thresholding through index of fuzziness and entropy[J]. Pattern Recognition Letters, 1983, 1(3): 141-146.

    [18] BEZDEK J C, HALL L O, CLARKELP. Review of MR image segmentation techniques using pattern recognition[J]. Medical Physics, 1993, 20(4): 1033-1048.

    [19]CHEN J N, MATZINGER H, ZHAI H Y, et al. Centroid estimation based on symmetric KL divergence for multinomial text classification problem[C]//Proceedings of IEEE International Conference on Machine Learning and Applications, Orlando,USA, 2018: 1174-1177.

    [20] 王春偉, 侯方, 申升, 等. 基于文本信息的PDF文檔管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 燕山大學(xué)學(xué)報(bào),2020, 44(6): 603-608.

    WANG C W, HOU F, SHEN S, et al. Design and implementation of PDF document management system based on text information[J]. Journal of Yanshan University, 2020, 44(6): 603-608.

    [21] 何曉靜. 對TF-IDF算法的改進(jìn)及實(shí)驗(yàn)研究[D].長春: 吉林大學(xué), 2017: 14-24.HE X J. Improvement and experimental research on TF-IDF algorithm[D]. Changchun: Jilin University, 2017: 14-24.

    Research on text classification based on improved naive Bayes algorithm

    XIN Ziming,WANG Fang

    (School of Science, Yanshan University, Qinhuangdao, Hebei 066004, China)

    Abstract: In the case of a given output class, the naive Bayes algorithm assumes that the attributes are independent of each other. However, in reality, this assumption is usually not true.When the number of attributes is large or the correlation between attributes is high, the classification effect is not very good.In order to solve this problem, an optimized fuzzy C-means clustering and weight calculation method is used to improve the naive Bayes algorithm. Firstly, an adaptive function based on JS divergence is constructed to optimize the fuzzy clustering algorithm, and the optimized algorithm is used to sort the text. Then, the TF-IDF algorithm optimized by word frequency factor is used to calculate the feature weight of each sample after classification, and the classification calculation is carried out by combining the sample weight and Bayesian formula. Finally, in order to show the effectiveness and superiority of the improved naive Bayes algorithm, it is compared with the original naive Bayes algorithm and other improved algorithms. Experimental results show that the improved algorithm effectively reduces the requirements of the naive Bayes model for the independence of feature terms, improves the accuracy of classification decision-making, and has certain advantages in classification performance and efficiency.

    Keywords: naive Bayes;text classification;fuzzy clustering;feature weight;independence hypothesis

    猜你喜歡
    模糊聚類文本分類
    基于組合分類算法的源代碼注釋質(zhì)量評估方法
    基于貝葉斯分類器的中文文本分類
    基于蟻群智能算法的研究文本分類
    基于樸素貝葉斯分類的Java課程網(wǎng)絡(luò)答疑反饋系統(tǒng)
    基于K—means算法的文本分類技術(shù)研究
    基于MATLAB回采巷道圍巖分類可視化系統(tǒng)開發(fā)及應(yīng)用
    文本分類算法在山東女子學(xué)院檔案管理的應(yīng)用
    科技視界(2016年24期)2016-10-11 09:36:57
    模糊聚類在區(qū)域環(huán)境質(zhì)量評價(jià)中的運(yùn)用
    公路貨運(yùn)樞紐布局方法研究
    科技視界(2016年13期)2016-06-13 10:14:21
    模糊聚類算法下的手寫體數(shù)字識(shí)別
    精品一区二区免费观看| 亚洲人成网站在线播| 国产精品久久久久久精品电影小说 | 黑人高潮一二区| 99在线人妻在线中文字幕| 午夜福利在线观看吧| 美女 人体艺术 gogo| 高清毛片免费看| 熟妇人妻久久中文字幕3abv| 悠悠久久av| 高清日韩中文字幕在线| 亚洲精品影视一区二区三区av| 99热这里只有是精品在线观看| 精品久久久噜噜| 在线a可以看的网站| 久久国产乱子免费精品| 午夜亚洲福利在线播放| 国产精品蜜桃在线观看 | 亚洲一级一片aⅴ在线观看| 久久精品国产清高在天天线| 天天躁日日操中文字幕| 九九爱精品视频在线观看| av在线亚洲专区| 成年女人看的毛片在线观看| 日韩欧美三级三区| 亚洲av免费高清在线观看| 成人亚洲精品av一区二区| kizo精华| 日韩欧美精品v在线| 久久久久久久午夜电影| 韩国av在线不卡| 精品国内亚洲2022精品成人| 久久久久久九九精品二区国产| 久久久久久久久久黄片| 一本一本综合久久| 国产在视频线在精品| 一个人看视频在线观看www免费| 欧美一区二区精品小视频在线| 色吧在线观看| 久久久久网色| 国产伦精品一区二区三区四那| 你懂的网址亚洲精品在线观看 | 18禁在线无遮挡免费观看视频| 国产亚洲欧美98| 18+在线观看网站| 国内少妇人妻偷人精品xxx网站| 久久中文看片网| 中国美女看黄片| 欧美高清性xxxxhd video| 日本黄色片子视频| 丝袜美腿在线中文| 午夜福利成人在线免费观看| 亚洲欧美成人精品一区二区| 久久久午夜欧美精品| 亚洲av成人av| 99riav亚洲国产免费| 大香蕉久久网| 91aial.com中文字幕在线观看| 欧美性猛交黑人性爽| 欧美xxxx性猛交bbbb| 中文字幕久久专区| 久久热精品热| 97在线视频观看| 成人av在线播放网站| 日韩视频在线欧美| 日韩欧美 国产精品| 高清日韩中文字幕在线| 亚洲国产精品成人久久小说 | 色综合站精品国产| 国产视频内射| 搞女人的毛片| 久久精品久久久久久噜噜老黄 | 中文字幕制服av| 亚洲国产精品合色在线| 日韩制服骚丝袜av| 一本久久中文字幕| 麻豆乱淫一区二区| 中出人妻视频一区二区| 久久精品久久久久久久性| 久久精品夜色国产| 午夜精品国产一区二区电影 | 中文在线观看免费www的网站| 午夜激情欧美在线| 亚洲欧美中文字幕日韩二区| 午夜激情欧美在线| 青春草国产在线视频 | 午夜福利在线观看吧| 亚洲成av人片在线播放无| 国产精品乱码一区二三区的特点| 国产精品一区二区三区四区免费观看| 美女脱内裤让男人舔精品视频 | 成人特级av手机在线观看| 男人和女人高潮做爰伦理| 国产成人a区在线观看| 三级国产精品欧美在线观看| 国产一区二区激情短视频| 非洲黑人性xxxx精品又粗又长| 国产欧美日韩精品一区二区| 大型黄色视频在线免费观看| 色综合站精品国产| 精品日产1卡2卡| 伊人久久精品亚洲午夜| 亚洲综合色惰| 日本一二三区视频观看| 亚洲丝袜综合中文字幕| 自拍偷自拍亚洲精品老妇| 我要搜黄色片| 精品人妻一区二区三区麻豆| 在线观看免费视频日本深夜| 国产国拍精品亚洲av在线观看| av女优亚洲男人天堂| 久久这里有精品视频免费| 22中文网久久字幕| 日本免费a在线| 女的被弄到高潮叫床怎么办| 色综合色国产| av又黄又爽大尺度在线免费看 | 天堂√8在线中文| 深爱激情五月婷婷| 国产老妇伦熟女老妇高清| 最近最新中文字幕大全电影3| 亚洲欧美精品自产自拍| 听说在线观看完整版免费高清| 干丝袜人妻中文字幕| 国产精品一区二区三区四区免费观看| 国产av不卡久久| 美女 人体艺术 gogo| 国产探花极品一区二区| 在线免费观看的www视频| 久久久国产成人免费| 麻豆一二三区av精品| 自拍偷自拍亚洲精品老妇| av视频在线观看入口| 成人二区视频| 少妇熟女aⅴ在线视频| 国内揄拍国产精品人妻在线| 久久久国产成人免费| 日韩成人伦理影院| 美女黄网站色视频| 国产中年淑女户外野战色| 亚洲,欧美,日韩| 欧美日韩精品成人综合77777| 一边摸一边抽搐一进一小说| 久久亚洲国产成人精品v| 日韩中字成人| 日韩 亚洲 欧美在线| 在线播放无遮挡| 少妇被粗大猛烈的视频| 麻豆成人午夜福利视频| 特级一级黄色大片| 老熟妇乱子伦视频在线观看| 国产亚洲精品av在线| av国产免费在线观看| 亚洲精品久久国产高清桃花| 看黄色毛片网站| 村上凉子中文字幕在线| 亚洲国产精品成人综合色| 国产综合懂色| 自拍偷自拍亚洲精品老妇| 亚洲欧美日韩卡通动漫| 黄色欧美视频在线观看| 国产真实伦视频高清在线观看| 亚洲高清免费不卡视频| 国产伦精品一区二区三区四那| 深夜a级毛片| 亚洲欧美日韩卡通动漫| 精品久久久久久久久久免费视频| 日本一本二区三区精品| 日韩av不卡免费在线播放| 村上凉子中文字幕在线| 欧美激情在线99| 免费看av在线观看网站| 女同久久另类99精品国产91| 国产精品一区二区三区四区久久| 六月丁香七月| 久久这里有精品视频免费| 22中文网久久字幕| 六月丁香七月| 乱码一卡2卡4卡精品| 亚洲第一区二区三区不卡| 久久久久久久午夜电影| 少妇熟女欧美另类| 国产熟女欧美一区二区| 国产黄a三级三级三级人| a级毛色黄片| 欧美日本视频| 婷婷色综合大香蕉| 国产美女午夜福利| 国产免费男女视频| 国产高清激情床上av| 久久久久网色| 亚洲在久久综合| 久久99精品国语久久久| 女人十人毛片免费观看3o分钟| 九九爱精品视频在线观看| 伦理电影大哥的女人| 国产蜜桃级精品一区二区三区| 99久久无色码亚洲精品果冻| 免费一级毛片在线播放高清视频| 此物有八面人人有两片| 中文精品一卡2卡3卡4更新| 一边摸一边抽搐一进一小说| 色综合站精品国产| 日韩一区二区三区影片| 伊人久久精品亚洲午夜| 色综合亚洲欧美另类图片| 99久久精品国产国产毛片| 国产伦在线观看视频一区| 2021天堂中文幕一二区在线观| 久久6这里有精品| 别揉我奶头 嗯啊视频| 黄色欧美视频在线观看| 欧美激情久久久久久爽电影| 中国美白少妇内射xxxbb| 亚洲欧美日韩东京热| 特级一级黄色大片| 国产伦一二天堂av在线观看| 特级一级黄色大片| 你懂的网址亚洲精品在线观看 | 中文资源天堂在线| 国产一级毛片七仙女欲春2| 亚洲精品自拍成人| 欧美bdsm另类| АⅤ资源中文在线天堂| 搡老妇女老女人老熟妇| 一级毛片我不卡| 热99re8久久精品国产| 亚洲欧美精品综合久久99| 中文字幕久久专区| 国产不卡一卡二| 能在线免费看毛片的网站| 亚洲第一电影网av| 婷婷色综合大香蕉| 国产片特级美女逼逼视频| 日韩,欧美,国产一区二区三区 | 亚州av有码| 亚洲人与动物交配视频| 国产精品99久久久久久久久| 亚洲欧洲国产日韩| 成年免费大片在线观看| 一个人看视频在线观看www免费| 深夜精品福利| 少妇人妻精品综合一区二区 | 国产男人的电影天堂91| 欧美色欧美亚洲另类二区| 亚洲人成网站在线播放欧美日韩| 午夜久久久在线观看| 亚洲五月色婷婷综合| 中文字幕人妻丝袜制服| 久久久久人妻精品一区果冻| 丁香六月天网| 欧美日韩在线观看h| 好男人视频免费观看在线| 国产精品人妻久久久久久| 国产精品一国产av| 老司机影院成人| www.av在线官网国产| 日韩伦理黄色片| 99久国产av精品国产电影| 少妇高潮的动态图| 男女国产视频网站| 久久狼人影院| 26uuu在线亚洲综合色| 亚洲精品成人av观看孕妇| 伊人久久精品亚洲午夜| 蜜臀久久99精品久久宅男| 你懂的网址亚洲精品在线观看| 夫妻午夜视频| 日韩精品免费视频一区二区三区 | 在线观看免费日韩欧美大片 | 全区人妻精品视频| 中文字幕最新亚洲高清| av专区在线播放| 日本午夜av视频| a 毛片基地| 亚洲精品美女久久av网站| 欧美另类一区| 一级毛片aaaaaa免费看小| 一区二区av电影网| 中文字幕免费在线视频6| 成人亚洲精品一区在线观看| 9色porny在线观看| 久久精品国产a三级三级三级| 国产精品一区二区三区四区免费观看| 91午夜精品亚洲一区二区三区| 99热全是精品| 老女人水多毛片| 成人二区视频| 高清毛片免费看| 看免费成人av毛片| 免费高清在线观看视频在线观看| av国产精品久久久久影院| 99热6这里只有精品| h视频一区二区三区| 婷婷色麻豆天堂久久| 国产精品一区二区在线不卡| 在线观看www视频免费| 亚洲无线观看免费| 国产永久视频网站| 国产伦精品一区二区三区视频9| 亚洲国产精品专区欧美| 久久国内精品自在自线图片| 亚洲精品中文字幕在线视频| 亚洲精品久久成人aⅴ小说 | 久久久久久久久久人人人人人人| 午夜福利网站1000一区二区三区| 亚洲精品乱久久久久久| 最后的刺客免费高清国语| 五月天丁香电影| 成年av动漫网址| 赤兔流量卡办理| 一边摸一边做爽爽视频免费| av线在线观看网站| 视频区图区小说| 曰老女人黄片| 成人毛片60女人毛片免费| 国产在视频线精品| 中文字幕人妻丝袜制服| 亚洲欧美清纯卡通| 欧美激情极品国产一区二区三区 | 国产免费一区二区三区四区乱码| 在线精品无人区一区二区三| 各种免费的搞黄视频| av线在线观看网站| 街头女战士在线观看网站| av电影中文网址| 午夜视频国产福利| 精品久久久久久久久av| 久久久久久人妻| 久久久久久久久久久久大奶| 精品卡一卡二卡四卡免费| 91精品三级在线观看| 成人国产av品久久久| 久久久久国产精品人妻一区二区| 99精国产麻豆久久婷婷| 丝袜美足系列| 人妻一区二区av| 国产欧美另类精品又又久久亚洲欧美| 性色av一级| 大陆偷拍与自拍| 精品卡一卡二卡四卡免费| 在线播放无遮挡| 各种免费的搞黄视频| 女的被弄到高潮叫床怎么办| 婷婷色麻豆天堂久久| 春色校园在线视频观看| 免费大片黄手机在线观看| 国产黄片视频在线免费观看| 另类亚洲欧美激情| 99九九线精品视频在线观看视频| 欧美精品高潮呻吟av久久| 午夜av观看不卡| 一本久久精品| 国产男女超爽视频在线观看| 国产精品女同一区二区软件| 美女中出高潮动态图| 久久久国产一区二区| 亚洲av在线观看美女高潮| 欧美日韩综合久久久久久| 精品熟女少妇av免费看| 美女福利国产在线| 麻豆成人av视频| 色哟哟·www| 日日啪夜夜爽| 日本色播在线视频| 熟妇人妻不卡中文字幕| 国产 一区精品| xxxhd国产人妻xxx| 国产免费又黄又爽又色| 女的被弄到高潮叫床怎么办| 人妻一区二区av| 亚洲精品视频女| 一边亲一边摸免费视频| 亚洲欧美清纯卡通| 91成人精品电影| 精品酒店卫生间| 国产欧美亚洲国产| 免费看光身美女| 男人操女人黄网站| 少妇的逼好多水| xxxhd国产人妻xxx| 免费看av在线观看网站| 中文字幕人妻熟人妻熟丝袜美| 成人免费观看视频高清| 大香蕉久久成人网| 亚洲欧美日韩卡通动漫| 热99久久久久精品小说推荐| 国产国拍精品亚洲av在线观看| 久久精品国产亚洲av天美| 少妇人妻 视频| 国产69精品久久久久777片| 两个人的视频大全免费| 婷婷色综合www| 九九在线视频观看精品| 久久精品久久精品一区二区三区| 久久av网站| 亚洲内射少妇av| 性色av一级| 三上悠亚av全集在线观看| 国产精品偷伦视频观看了| 亚洲四区av| 国产精品.久久久| 99久久综合免费| 国产一区二区三区综合在线观看 | 美女大奶头黄色视频| 国产亚洲精品久久久com| 人人妻人人澡人人爽人人夜夜| 成人无遮挡网站| 99re6热这里在线精品视频| 狂野欧美激情性xxxx在线观看| 久久精品国产鲁丝片午夜精品| 日本色播在线视频| 妹子高潮喷水视频| 亚洲精品乱码久久久久久按摩| 97精品久久久久久久久久精品| 全区人妻精品视频| 丰满少妇做爰视频| 桃花免费在线播放| 国国产精品蜜臀av免费| 午夜影院在线不卡| 成人国语在线视频| 国产精品蜜桃在线观看| 看非洲黑人一级黄片| 麻豆乱淫一区二区| 汤姆久久久久久久影院中文字幕| 亚洲精品456在线播放app| 久久久亚洲精品成人影院| 国产 精品1| 国产黄色免费在线视频| 精品卡一卡二卡四卡免费| 成年美女黄网站色视频大全免费 | 亚洲性久久影院| a级毛片免费高清观看在线播放| 色5月婷婷丁香| 亚洲欧洲日产国产| 男女无遮挡免费网站观看| 91午夜精品亚洲一区二区三区| 久久99热6这里只有精品| 大话2 男鬼变身卡| 一级毛片我不卡| 欧美人与善性xxx| av国产精品久久久久影院| 亚洲精品一二三| 丰满乱子伦码专区| 色5月婷婷丁香| 丰满乱子伦码专区| 97超碰精品成人国产| av国产精品久久久久影院| 精品人妻熟女毛片av久久网站| 高清不卡的av网站| 精品人妻熟女毛片av久久网站| 好男人视频免费观看在线| 五月开心婷婷网| 我要看黄色一级片免费的| av有码第一页| 日日摸夜夜添夜夜爱| 考比视频在线观看| 亚洲精品久久午夜乱码| 在线观看免费视频网站a站| 大码成人一级视频| 亚洲精品一区蜜桃| 少妇人妻 视频| 久久国产精品男人的天堂亚洲 | 亚洲av男天堂| 中文字幕人妻熟人妻熟丝袜美| 欧美日韩在线观看h| 国产精品久久久久久久久免| 欧美bdsm另类| 欧美精品高潮呻吟av久久| 日本vs欧美在线观看视频| 久久国产精品男人的天堂亚洲 | 久久久久久久精品精品| 欧美日韩综合久久久久久| 能在线免费看毛片的网站| 伊人亚洲综合成人网| 国产精品久久久久久精品电影小说| 交换朋友夫妻互换小说| 国产国拍精品亚洲av在线观看| 欧美人与性动交α欧美精品济南到 | 国产精品久久久久久精品电影小说| 亚洲欧美一区二区三区黑人 | 色哟哟·www| 一个人免费看片子| 大码成人一级视频| 国产免费又黄又爽又色| 一级二级三级毛片免费看| 国产成人午夜福利电影在线观看| 国产片内射在线| 岛国毛片在线播放| 色视频在线一区二区三区| 久久亚洲国产成人精品v| 国产精品一区二区在线不卡| 免费av不卡在线播放| 午夜老司机福利剧场| 插逼视频在线观看| 久久 成人 亚洲| 免费观看在线日韩| a级毛片黄视频| 久久人妻熟女aⅴ| 建设人人有责人人尽责人人享有的| 亚洲av中文av极速乱| 丰满饥渴人妻一区二区三| 色婷婷av一区二区三区视频| 久久久国产欧美日韩av| 欧美精品国产亚洲| 欧美日本中文国产一区发布| 精品久久久久久久久av| 免费看不卡的av| 狂野欧美激情性xxxx在线观看| 国产免费现黄频在线看| 亚洲成人手机| 欧美日韩综合久久久久久| 少妇 在线观看| 欧美亚洲 丝袜 人妻 在线| 97精品久久久久久久久久精品| 日韩一本色道免费dvd| 18禁观看日本| 少妇人妻久久综合中文| av线在线观看网站| 午夜福利在线观看免费完整高清在| 一边亲一边摸免费视频| 亚洲国产精品999| 国产精品女同一区二区软件| 肉色欧美久久久久久久蜜桃| 亚洲国产精品成人久久小说| 婷婷色麻豆天堂久久| 乱人伦中国视频| 中国三级夫妇交换| 久久久久久久久久成人| 99久国产av精品国产电影| 亚洲美女黄色视频免费看| 妹子高潮喷水视频| 亚洲av福利一区| 少妇的逼水好多| 免费观看无遮挡的男女| 少妇高潮的动态图| 夜夜骑夜夜射夜夜干| av播播在线观看一区| 午夜精品国产一区二区电影| 精品久久久久久电影网| 热99久久久久精品小说推荐| 久久综合国产亚洲精品| 永久网站在线| 老司机亚洲免费影院| 国产av精品麻豆| av不卡在线播放| 欧美人与性动交α欧美精品济南到 | 国产成人午夜福利电影在线观看| 热re99久久国产66热| 国产高清不卡午夜福利| 建设人人有责人人尽责人人享有的| 3wmmmm亚洲av在线观看| 精品一品国产午夜福利视频| av一本久久久久| 大陆偷拍与自拍| 99久久精品国产国产毛片| 国产有黄有色有爽视频| 国产不卡av网站在线观看| 国产精品欧美亚洲77777| .国产精品久久| 三级国产精品片| 亚洲熟女精品中文字幕| 精品一品国产午夜福利视频| 国产亚洲最大av| 人人妻人人澡人人爽人人夜夜| av在线播放精品| 成人毛片60女人毛片免费| 在现免费观看毛片| 国产欧美日韩综合在线一区二区| av在线老鸭窝| 久久97久久精品| 午夜福利在线观看免费完整高清在| 香蕉精品网在线| 99热国产这里只有精品6| 久久毛片免费看一区二区三区| 9色porny在线观看| 久久99一区二区三区| 99热这里只有是精品在线观看| 国产欧美另类精品又又久久亚洲欧美| 91成人精品电影| 国产黄片视频在线免费观看| 久久99一区二区三区| 一边摸一边做爽爽视频免费| 各种免费的搞黄视频| 18+在线观看网站| 国产亚洲精品久久久com| 久久久久久久久久久久大奶| 91在线精品国自产拍蜜月| 国产在线视频一区二区| 简卡轻食公司| 日韩中字成人| 亚洲精华国产精华液的使用体验| 中国国产av一级| 免费观看av网站的网址| 在线 av 中文字幕| 99热国产这里只有精品6| 蜜桃在线观看..| 亚洲,一卡二卡三卡| 亚洲精品日韩在线中文字幕| 狠狠精品人妻久久久久久综合| 伦理电影免费视频| 久久久久久久久久成人| 久久久久网色| 国产伦精品一区二区三区视频9| 欧美97在线视频| 99久久综合免费| 欧美日韩视频精品一区| 久久婷婷青草| videossex国产| 国产熟女午夜一区二区三区 | 精品久久国产蜜桃| 精品人妻在线不人妻| 色视频在线一区二区三区| a级毛片在线看网站| 亚洲人成网站在线播|