• <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 ?

    融合密度和劃分的文本聚類算法?

    2024-04-17 07:29:02蔡林杰
    關(guān)鍵詞:中心點(diǎn)文檔聚類

    劉 龍 劉 新 蔡林杰 唐 朝

    (湘潭大學(xué)計(jì)算機(jī)學(xué)院·網(wǎng)絡(luò)空間安全學(xué)院 湘潭 411105)

    1 引言

    近幾十年來(lái),隨著計(jì)算機(jī)技術(shù)的快速發(fā)展,人們獲取的信息和采集的數(shù)據(jù)越來(lái)越多,但是海量的數(shù)據(jù)缺乏有效的處理,人們就很難得到有效且有用的信息?;诖朔N情況,作為數(shù)據(jù)挖掘的一種有效工具,聚類算法[1]可以幫助人們高效分析數(shù)據(jù)之間的關(guān)系。

    本文研究文檔聚類[2],文檔聚類的首要任務(wù)是文本向量化,將文檔轉(zhuǎn)換為高維向量再進(jìn)行聚類。2013 年,谷歌推出了基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的Word2vec[3]詞向量模型,極大地促進(jìn)了自然語(yǔ)言處理的發(fā)展;谷歌在2018 年再次發(fā)布了基于深度學(xué)習(xí)的BERT[4]模型,該模型刷新了自然語(yǔ)言處理領(lǐng)域中多個(gè)方向的記錄。

    文檔聚類的核心任務(wù)是研究聚類算法,但是密度聚類算法[5]在高維數(shù)據(jù)集上的表現(xiàn)非常差。劃分算法中的K-均值算法[6]效果一般,主要原因是算法的初始化[7]是隨機(jī)生成的。近年來(lái),為了克服選取中心點(diǎn)為離群點(diǎn),李武等[8]提出一種啟發(fā)式算法來(lái)逐步選取初始類中心點(diǎn),選取的原則是初始類中心點(diǎn)差異度高且與其他初始類中心點(diǎn)差異度高,實(shí)驗(yàn)表明該算法聚類效果正確率高,收斂速度快。賈瑞玉等[9]提出利用局部密度和決策樹來(lái)確定K-均值算法的類簇中心點(diǎn)的數(shù)量和位置,該方法可以有效地排除特殊點(diǎn),在低維上有著不錯(cuò)的效果。王思杰等[10]提出基于距離的離群點(diǎn)檢測(cè)技術(shù),對(duì)中心點(diǎn)進(jìn)行篩選,避免離群點(diǎn)成為中心點(diǎn)。張國(guó)峰等[11]提出逐步選取類簇中心點(diǎn),在更新中心點(diǎn)的同時(shí)判斷簇點(diǎn)的合理性并及時(shí)做出修改,這種方法確保了不會(huì)出現(xiàn)空簇。Rodriguez等[12]在Science上提出了一種新的密度聚類算法,該算法的思想是聚類中心的密度高于其鄰近的中心且距其他高密度點(diǎn)相對(duì)較遠(yuǎn)。

    本文使用BERT 模型來(lái)處理文本向量化,并且與其他方法進(jìn)行實(shí)驗(yàn)比較,BERT 模型的確具有出色的性能。本文還提出了一種結(jié)合密度和劃分的文本聚類算法,與其他幾種聚類算法相比,該算法對(duì)高維數(shù)據(jù)集具有更好的聚類效果。

    2 相關(guān)工作

    2.1 文本向量化表示

    文本聚類一個(gè)重要過(guò)程就是文本的向量化。文本向量方法有傳統(tǒng)的向量空間模型[13](VSM)和Word2vec 方法,兩者需要結(jié)合文本特征提取TF-IDF[14]方法來(lái)進(jìn)行文本聚類。Word2vec 方法優(yōu)點(diǎn)是簡(jiǎn)單、快捷、易懂,但也存在著比較嚴(yán)重的問(wèn)題,它非常依賴語(yǔ)料庫(kù),需要選取質(zhì)量較高且和所處理文本相符的語(yǔ)料庫(kù)進(jìn)行訓(xùn)練。

    本文使用BERT 模型來(lái)處理文本的向量化,BERT 模型作為Word2vec 的替代者,它的網(wǎng)絡(luò)架構(gòu)使 用 了 多 層 帶 有Attention[15]的Transformer[16]結(jié)構(gòu)。本文使用的是BERT-Base 中文模型,模型有12 層Transformer 編碼器,隱藏層的維度是768,自注意頭的個(gè)數(shù)為12,其中BERT 模型中一個(gè)Transformer編碼器的計(jì)算過(guò)程如下:

    1)文本向量:通過(guò)詞向量化將單詞變成向量x1、x2…xm,文本向量X的維度是m×768,m為句子的最大分詞數(shù);

    2)計(jì)算Q、K、V:這里我們通過(guò)模型的參數(shù)WO、WK、WV結(jié)合輸入向量X來(lái)計(jì)算出來(lái)向量Q、K、V:

    3)單頭自注意力層的輸出矩陣Z:這里首先計(jì)算詞在上下文中的意義以及詞之間的影響QK,得到之后進(jìn)行歸一化處理,最后加權(quán)平均得到單頭注意力層輸出矩陣Z:

    4)融合所有注意力頭信息的矩陣Zsum:BERT模型使用了12個(gè)注意力頭,經(jīng)過(guò)步驟3)后,我們可以得到12 個(gè)不同的Z 矩陣,乘上附加的權(quán)重矩陣WO可得到Zsum,Zsum的維度為m×768,最后經(jīng)過(guò)殘差連接和求和歸一化即為下一層下面Transformer 編碼器的輸入。公式中concat(Zi)表示為12 個(gè)注意力頭輸出矩陣的拼接:

    2.2 文本距離計(jì)算

    文本聚類過(guò)程中需要計(jì)算文本間的差異,本文使用歐氏距離來(lái)計(jì)算文本距離,歐氏距離可以有效防止過(guò)擬合,還可以讓距離優(yōu)化求解快速和穩(wěn)定。文本距離計(jì)算公式如下:

    注:D(X,Y)表示文本X與文本Y的歐氏距離。該值越小代表著兩個(gè)文本屬于同一類別的可能性越高。反之,該值越大則說(shuō)明文本相似度越小。xi與yi分別表示文本X、Y的某一向量維度值。

    3 文本聚類算法

    3.1 K-means算法

    K-means算法屬于劃分聚類算法,該算法是將數(shù)據(jù)集n個(gè)數(shù)據(jù)對(duì)象劃分成K類,其具體步驟是:

    1)任意選擇K 個(gè)樣本點(diǎn)當(dāng)做初始類中心點(diǎn),每個(gè)初始類中心點(diǎn)作為一個(gè)聚類中心;

    2)對(duì)于數(shù)據(jù)集中的所有樣本點(diǎn),計(jì)算其與每個(gè)聚類中心的距離,將其歸為距離最近的聚類中心類簇;

    3)將各個(gè)類簇樣本點(diǎn)的均值作為該類簇新的聚類中心,得到新的K個(gè)聚類中心;

    4)重復(fù)步驟2)~3),并在每次迭代后計(jì)算是否滿足停止條件,若達(dá)到條件之一,則輸出結(jié)果。

    K-means算法的停止條件一般為以下三種:聚類中心與前一次聚類中心相差極??;重新劃分給其他類簇的樣本點(diǎn)極少;目標(biāo)函數(shù)極小,即數(shù)據(jù)集的誤差平方和(SSE)局部最小。誤差平方和計(jì)算如式(7)至式(8)所示:

    注:SSE 參數(shù)計(jì)算表示當(dāng)前的聚類情況的所有樣本點(diǎn)到各自劃分類的聚類中心的距離總和,這個(gè)值越小表示當(dāng)前的聚類效果越好。K表示聚類類別。Ci表示單個(gè)類簇,共K 個(gè)類簇。p 表示樣本點(diǎn)向量。mi表示類中心點(diǎn)向量,是類Ci的均值向量,也稱質(zhì)心。x表示類簇Ci中的向量。

    3.2 K-means++算法

    K-means++算法[17]主要解決K-means 算法受初始化影響大的問(wèn)題,在選擇初始類中心點(diǎn)方面做了改進(jìn),保證初始點(diǎn)足夠離散。算法初始化類中心點(diǎn)的具體步驟如下:

    1)任選某一樣本點(diǎn)當(dāng)做初始類中心點(diǎn);

    2)計(jì)算其余樣本點(diǎn)與最近初始類中心點(diǎn)的距離,用D(x)表示;

    3)通過(guò)樣本點(diǎn)的D(x)來(lái)表示其成為初始類中心點(diǎn)的概率P;

    4)最后輪盤法選擇出下一個(gè)初始類中心點(diǎn);

    5)重復(fù)步驟2)~4)直至得到K 個(gè)初始類中心點(diǎn)。

    關(guān)于K-means++算法的初始化過(guò)程中參數(shù)D(x)和P,D(x)為文本向量的歐氏距離,具體計(jì)算見(jiàn)式(6),概率P計(jì)算如式(9)所示:

    K-means++算法的初始化有效地改善了隨機(jī)初始化的不穩(wěn)定性,選取下一個(gè)聚類中心點(diǎn)的概率與距離掛鉤,使得初始類中心點(diǎn)離散。

    3.3 最大距離法

    2014 年,翟海東等[18]提出使用最大距離法來(lái)選取初始類中心點(diǎn)。采用最遠(yuǎn)距離的逐步選取類中心點(diǎn),最大距離法選取類中心點(diǎn)流程如下:

    1)計(jì)算n 個(gè)樣本點(diǎn)兩兩之間的距離,找到滿足D(c1,c2)≥D(ci,cj)(i,j=1,2,…,n)的兩個(gè)樣本點(diǎn)c1和c2,并將它們作為兩個(gè)初始類中心點(diǎn);

    2)在剩余的(n-2)個(gè)樣本點(diǎn)中,選取滿足D(c1,c3)×D(c2,c3)≥D(c1,ci)×D(c2,ci)的樣本點(diǎn)c3,將c3 作為第三個(gè)初始簇中心,ci 是除c3 外的任一樣本點(diǎn);

    3)依此類推,直至選取K個(gè)中心點(diǎn)。

    最大距離法屬于K-means++算法的優(yōu)化,聚類的初始化簇中心點(diǎn)確實(shí)有效地囊括所有數(shù)據(jù),促使所選中心點(diǎn)的分布離散且合理。但是該方法極易選中離群點(diǎn),導(dǎo)致聚類效果不理想。關(guān)于此類方法,還有基于子空間的K-means++優(yōu)化算法[19]和K-meansⅡ算法[20]。

    3.4 融合密度和劃分的聚類算法

    本文提出了一種結(jié)合密度和劃分的文本聚類算法(CDP 算法)。首先通過(guò)距離計(jì)算來(lái)定義樣本點(diǎn)的密度,然后通過(guò)密度來(lái)選擇適合作為中心點(diǎn)的樣本,然后通過(guò)最遠(yuǎn)距離方法逐漸選擇初始聚類中心點(diǎn),最后根據(jù)距離對(duì)整個(gè)數(shù)據(jù)集進(jìn)行劃分。算法具體步驟如下:

    1)使用文檔距離計(jì)算模型計(jì)算n 個(gè)樣本集兩兩之間的距離dij;并計(jì)算所有樣本之間的平均距離dc,給出dc計(jì)算如式(10)所示:

    2)根據(jù)樣本之間距離與樣本平均距離大小計(jì)算出每個(gè)樣本的密度?i,并計(jì)算所有樣本的密度ρi,給出ρi和ρc計(jì)算如式(11)~(13)所示:

    3)將所有滿足ρi>ρc的樣本點(diǎn)歸入適合作為初始類中心點(diǎn)集合M,核心點(diǎn)集M 的個(gè)數(shù)m 必須滿足n>m>K;

    4)在M 集合中隨機(jī)選取一點(diǎn)c1 作為初始類中心點(diǎn);

    5)在(m-1)個(gè)點(diǎn)中,選擇滿足D(c1,c2)≥D(c1,ci)的樣本點(diǎn)c2,ci是M集合中除c2的任一點(diǎn);

    6)在(m-2)個(gè)點(diǎn)中,選擇滿足D(c1,c3)×D(c2,c3)≥D(c1,ci)×D(c2,ci)的樣本點(diǎn)c3,ci 是M 集合中c3的任一點(diǎn);

    7)依此類推,直至得到K個(gè)初始類中心點(diǎn);

    8)根據(jù)距離計(jì)算將所有樣本點(diǎn)分配至與其相距最小類簇里;

    9)重新計(jì)算中心點(diǎn),類簇中全部樣本的均值就是新中心點(diǎn);

    10)重復(fù)步驟8)~9),直至數(shù)據(jù)集的SSE目標(biāo)函數(shù)不變或者變化極小。注:dc表示截?cái)嗑嚯x,即文檔數(shù)據(jù)集的樣本平均距離,計(jì)算數(shù)值是每一個(gè)文檔與其他文檔之間的文本距離總和平均化后得到的數(shù)值,當(dāng)數(shù)據(jù)集確定后,該值為常數(shù)。ρi表示為單個(gè)文檔Xi的密度,若兩個(gè)文本的文本距離若小于樣本平均距離dc,說(shuō)明兩個(gè)文本距離較近,即文本相似度較高,文檔Xj在文檔Xi的密度領(lǐng)域內(nèi),該值越大說(shuō)明文檔Xi的附近點(diǎn)越多。ρc表示截?cái)嗝芏?,?jì)算數(shù)值是所有文檔的密度平均值,當(dāng)文本集確定后,該值也為常數(shù)。

    4 實(shí)驗(yàn)

    4.1 數(shù)據(jù)集

    本文實(shí)驗(yàn)使用的數(shù)據(jù)集來(lái)自清華大學(xué)的的THUCNews 新聞文本分類數(shù)據(jù)集,THUCNews 數(shù)據(jù)集是根據(jù)新浪新聞2005~2011 年間的歷史數(shù)據(jù)篩選過(guò)濾生成,包含74 萬(wàn)篇新聞文檔,均為UTF-8 純文本格式。此數(shù)據(jù)集在原始新浪新聞分類體系的基礎(chǔ)上,重新整合劃分出14 個(gè)候選分類類別:財(cái)經(jīng)、彩票、房產(chǎn)、股票、家居、教育、科技、社會(huì)、時(shí)尚、時(shí)政、體育、星座、游戲、娛樂(lè)。該數(shù)據(jù)集的每篇文檔所包含的字?jǐn)?shù)在300~5000之間。

    4.2 評(píng)估標(biāo)準(zhǔn)

    此次實(shí)驗(yàn)使用的評(píng)判標(biāo)準(zhǔn)主要是F1 值,其次還有文本聚類耗時(shí)T。F1 值由精確率P(precision)和召回率R(recall)的計(jì)算得到,精確率P 值為所有“正類判定為正類”占所有“檢測(cè)是正類”的比例,召回率R值是所有“正類判定為正類”占所有“樣本是正類”的比例。P、R、F1 值的計(jì)算如式(14)~式(16),其中,TP表示“正類判定為正類”,F(xiàn)P表示“負(fù)類判定為正類”,F(xiàn)N表示為“正類判定為負(fù)類”。

    4.3 實(shí)驗(yàn)對(duì)比

    4.3.1 文本向量化實(shí)驗(yàn)

    本次實(shí)驗(yàn)?zāi)康氖菧y(cè)試不同的方法處理文檔向量化的效果。實(shí)驗(yàn)數(shù)據(jù)集是5 類文檔集,每一類文檔集有300 篇文檔。實(shí)驗(yàn)首先使用不同方法將文檔轉(zhuǎn)為向量,然后使用傳統(tǒng)的K-means算法對(duì)文檔向量集進(jìn)行聚類,將聚類的結(jié)果作為評(píng)判標(biāo)準(zhǔn),實(shí)驗(yàn)僅文檔向量化處理過(guò)程不一樣,其他均一致。實(shí)驗(yàn)的兩種文檔向量化處理方法分別是BERT 模型、Word2vec。實(shí)驗(yàn)結(jié)果如圖1所示。

    圖1 Word2vec與BERT關(guān)于文本向量化處理對(duì)比圖

    從實(shí)驗(yàn)結(jié)果可以看到在P、R、F1 值上,BERT均領(lǐng)先Word2vec,在F1 值上提高超過(guò)10%。在文檔向量化處理效果上,BERT 模型要優(yōu)于Word2vec方法。

    4.3.2 文檔關(guān)于類別數(shù)量變化實(shí)驗(yàn)

    本次實(shí)驗(yàn)?zāi)康氖菧y(cè)試聚類效果關(guān)于文檔類別數(shù)量的變化。對(duì)比實(shí)驗(yàn)分成兩類:K-means 算法、本文提出的CDP算法。每一類分成七組試驗(yàn):第一組實(shí)驗(yàn)的數(shù)據(jù)集包含3 類,每一類100 篇共300 篇文檔;第二組實(shí)驗(yàn)的數(shù)據(jù)集包含4類,每一類100篇共400篇文檔;以此類推,第七組實(shí)驗(yàn)的數(shù)據(jù)集是9類共900篇文檔。每一組實(shí)驗(yàn)均采用BERT模型處理文檔向量化,每組實(shí)驗(yàn)過(guò)程一致,僅實(shí)驗(yàn)數(shù)據(jù)集不一樣。聚類指標(biāo)隨類別數(shù)量變化如圖2所示。

    圖2 聚類指標(biāo)隨類別數(shù)量變化圖

    實(shí)驗(yàn)結(jié)果中,紅色線數(shù)據(jù)為K-means 算法,采用隨機(jī)化初始化,藍(lán)色線數(shù)據(jù)為CDP算法。從實(shí)驗(yàn)結(jié)果可以知道文檔聚類的F1 值會(huì)隨著文本類別的增加而降低,當(dāng)K值較小時(shí),F(xiàn)1值很高,當(dāng)K值增加時(shí),F(xiàn)1 值逐漸降低。使用CDP 算法后,聚類效果更好且穩(wěn)定,在聚類類別小于10時(shí),文檔聚類的F1值一直超80個(gè)百分點(diǎn)。

    4.3.3 文檔關(guān)于文檔集數(shù)量變化實(shí)驗(yàn)

    實(shí)驗(yàn)三:本次實(shí)驗(yàn)?zāi)康氖菧y(cè)試聚類效果關(guān)于文檔數(shù)據(jù)集數(shù)量的變化。對(duì)比實(shí)驗(yàn)分成兩類:K-means 算法、CDP 算法。每一類分成六組對(duì)比實(shí)驗(yàn),每組實(shí)驗(yàn)都是5 類文檔,只有文檔數(shù)量不一致,實(shí)驗(yàn)分別對(duì)每組進(jìn)行聚類取平均值:第一組實(shí)驗(yàn)包含5 類,每一類100 篇共500 篇;第二組實(shí)驗(yàn)包含5類,每一類200 篇共1000 篇;以此類推,第六組是5類共3000 篇文檔。每一組實(shí)驗(yàn)均使用BERT 模型處理文檔向量化,實(shí)驗(yàn)過(guò)程一致,僅實(shí)驗(yàn)數(shù)據(jù)集不一樣。聚類指標(biāo)隨文檔數(shù)量變化如圖3所示。

    圖3 聚類指標(biāo)隨文檔數(shù)量變化圖

    實(shí)驗(yàn)結(jié)果中,紅色線數(shù)據(jù)為K-means 算法,采用隨機(jī)化初始化,藍(lán)色線數(shù)據(jù)為CDP算法。實(shí)驗(yàn)表明在文本類別不變的情況下,文檔的數(shù)量增加也會(huì)導(dǎo)致聚類的F1 值下降。數(shù)據(jù)顯示在K 值不變的情況下,兩類對(duì)比實(shí)驗(yàn)的召回率R 值都在90%左右變動(dòng),精確率P 隨著文檔數(shù)量的增加而逐漸下降,從而導(dǎo)致F1 值的下降。說(shuō)明文檔聚類會(huì)隨著文檔集數(shù)量增加而降低,兩類對(duì)比實(shí)驗(yàn)的F1 值下降程度都較為穩(wěn)定。

    4.3.4 綜合對(duì)比實(shí)驗(yàn)

    實(shí)驗(yàn)四:本實(shí)驗(yàn)選擇兩組數(shù)據(jù),第一組為5 個(gè)類別,每個(gè)類別100 篇共500 篇文章;第二類是5 個(gè)類別,每個(gè)類別有400篇共2000篇文章。測(cè)試算法有5種組合:算法1是一種傳統(tǒng)的K-means算法,使用Word2vec 做向量化處理;算法2 是K-means 加BERT 來(lái)處理文本向量化;算法3 是K-means++算法加BERT 來(lái)處理文本到向量的算法;算法4 是最大距離法(MDM)加BERT 處理向量化;算法5 是本文提出的CDP 算法,并結(jié)合BERT 處理文本向量化。每組實(shí)驗(yàn)數(shù)據(jù)集均一致,采用5 種算法,最后多次實(shí)驗(yàn)取均值作為實(shí)驗(yàn)結(jié)果。第一組實(shí)驗(yàn)結(jié)果如表1,第二組結(jié)果如表2。

    表1 綜合實(shí)驗(yàn)一

    表2 綜合實(shí)驗(yàn)二

    根據(jù)表1 和表2 的數(shù)據(jù),比較算法2、3、4 和算法5,可以判斷CDP 算法在準(zhǔn)確率P 和召回率R 方面均有提升,其F1 值高于其他三種算法;但是該算法耗時(shí)較多,原因是需要計(jì)算文檔數(shù)據(jù)集的密度。由算法1、2 可知,BERT 模型在處理文本轉(zhuǎn)向量方面更加優(yōu)秀。算法1 和算法5 的比較表明,與傳統(tǒng)的K均值文本聚類相比,本文提出的CDP聚類算法有很大的進(jìn)步。

    4.4 實(shí)驗(yàn)結(jié)論

    結(jié)合以上實(shí)驗(yàn),在文檔數(shù)據(jù)集上,使用BERT模型對(duì)文本進(jìn)行向量化轉(zhuǎn)換,極大地提高了文本聚類效果。在此基礎(chǔ)上,本文提出的融合密度和劃分的聚類算法進(jìn)一步提升了文本聚類效果。實(shí)驗(yàn)表明,本文提出的融合密度和劃分的文本聚類算法與傳統(tǒng)的K 均值文本聚類算法相比,將F1 值提高超10%,效果顯著且穩(wěn)定。

    5 結(jié)語(yǔ)

    本文使用BERT 中文模型處理文檔向量化,并使用新提出的融合密度和劃分的聚類算法進(jìn)行文本聚類。與傳統(tǒng)的文本向量化處理相比,BERT 模型在處理文檔向量化方面更為出色;提出融合密度和劃分的文本聚類算法在文檔聚類問(wèn)題上有著優(yōu)秀的表現(xiàn);但該算法也有一些缺點(diǎn),聚類類別的增加或文檔數(shù)量的增加將導(dǎo)致文本聚類的效果略有下降,并且文本聚類將花費(fèi)較多時(shí)間。

    猜你喜歡
    中心點(diǎn)文檔聚類
    有人一聲不吭向你扔了個(gè)文檔
    Scratch 3.9更新了什么?
    如何設(shè)置造型中心點(diǎn)?
    電腦報(bào)(2019年4期)2019-09-10 07:22:44
    基于DBSACN聚類算法的XML文檔聚類
    基于RI碼計(jì)算的Word復(fù)制文檔鑒別
    漢字藝術(shù)結(jié)構(gòu)解析(二)中心點(diǎn)處筆畫應(yīng)緊奏
    基于改進(jìn)的遺傳算法的模糊聚類算法
    Persistence of the reproductive toxicity of chlorpiryphos-ethyl in male Wistar rat
    尋找視覺(jué)中心點(diǎn)
    大眾攝影(2015年9期)2015-09-06 17:05:41
    一種層次初始的聚類個(gè)數(shù)自適應(yīng)的聚類方法研究
    亚洲精品成人久久久久久| 成人午夜高清在线视频| 97热精品久久久久久| 久久草成人影院| 日韩欧美在线乱码| 国产精品综合久久久久久久免费| 精品午夜福利在线看| 91久久精品国产一区二区成人| 久99久视频精品免费| 国产综合懂色| 国产极品精品免费视频能看的| av国产免费在线观看| 乱人视频在线观看| 桃色一区二区三区在线观看| 亚洲国产日韩欧美精品在线观看| 日产精品乱码卡一卡2卡三| 亚洲熟妇中文字幕五十中出| 久久国内精品自在自线图片| 国产精品电影一区二区三区| 两个人的视频大全免费| 久久久久久久久久黄片| 久久久色成人| 老师上课跳d突然被开到最大视频| 日本熟妇午夜| 欧美日本亚洲视频在线播放| 深爱激情五月婷婷| 亚洲精品国产av成人精品| 最近2019中文字幕mv第一页| 啦啦啦韩国在线观看视频| 国产亚洲精品久久久久久毛片| 亚洲欧美成人综合另类久久久 | 久久久精品94久久精品| 欧美色视频一区免费| 国产乱人偷精品视频| .国产精品久久| 亚洲精品成人久久久久久| 日本免费a在线| 精品无人区乱码1区二区| 国产欧美日韩精品一区二区| 国产亚洲精品久久久久久毛片| 菩萨蛮人人尽说江南好唐韦庄 | 午夜老司机福利剧场| 女的被弄到高潮叫床怎么办| 日韩国内少妇激情av| 日本五十路高清| 丰满乱子伦码专区| 国产精品一二三区在线看| 小蜜桃在线观看免费完整版高清| 国产精品久久久久久亚洲av鲁大| 免费观看人在逋| 中文资源天堂在线| 成人亚洲精品av一区二区| 一级毛片我不卡| 97热精品久久久久久| 熟女人妻精品中文字幕| 性欧美人与动物交配| 久久精品国产鲁丝片午夜精品| 联通29元200g的流量卡| 日日摸夜夜添夜夜添av毛片| 三级男女做爰猛烈吃奶摸视频| 国产精品一区二区性色av| 日本与韩国留学比较| 婷婷六月久久综合丁香| 99在线人妻在线中文字幕| 校园人妻丝袜中文字幕| 91精品国产九色| 亚洲无线观看免费| 成人三级黄色视频| 性插视频无遮挡在线免费观看| 晚上一个人看的免费电影| 特级一级黄色大片| 亚洲欧洲国产日韩| 亚洲精品影视一区二区三区av| 午夜福利成人在线免费观看| 亚洲人成网站在线播放欧美日韩| 97超视频在线观看视频| 最近的中文字幕免费完整| 赤兔流量卡办理| 男人舔奶头视频| 少妇的逼好多水| 久久久色成人| 日韩成人伦理影院| 在线观看一区二区三区| 国产精品久久视频播放| 天堂网av新在线| 国产女主播在线喷水免费视频网站 | 99久国产av精品| 亚洲最大成人中文| www日本黄色视频网| 国产黄色小视频在线观看| 国产一级毛片在线| .国产精品久久| 亚洲精品成人久久久久久| 亚洲国产欧美在线一区| 3wmmmm亚洲av在线观看| 草草在线视频免费看| 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 | 亚洲国产高清在线一区二区三| 亚洲av中文av极速乱| 国产伦精品一区二区三区视频9| 长腿黑丝高跟| 91久久精品国产一区二区成人| 麻豆成人午夜福利视频| 成人亚洲精品av一区二区| 麻豆一二三区av精品| 国产白丝娇喘喷水9色精品| 日韩人妻高清精品专区| 免费电影在线观看免费观看| 最近的中文字幕免费完整| 在线播放无遮挡| 欧美日韩在线观看h| 两个人视频免费观看高清| 亚洲人成网站在线播| 免费av不卡在线播放| 丰满的人妻完整版| 一本一本综合久久| 日韩欧美在线乱码| 国内揄拍国产精品人妻在线| 久久九九热精品免费| 成人美女网站在线观看视频| 日产精品乱码卡一卡2卡三| 免费大片18禁| 99久久人妻综合| 99视频精品全部免费 在线| 美女黄网站色视频| 国产日本99.免费观看| 久久久久免费精品人妻一区二区| 色综合亚洲欧美另类图片| 日本一二三区视频观看| 欧美最黄视频在线播放免费| 亚洲精品日韩av片在线观看| 欧美在线一区亚洲| 男女那种视频在线观看| 男人舔奶头视频| 亚洲av一区综合| 中文字幕制服av| 欧美最新免费一区二区三区| 亚洲国产欧洲综合997久久,| 能在线免费观看的黄片| 尾随美女入室| 久久久久久伊人网av| 日本欧美国产在线视频| 亚洲成av人片在线播放无| 亚洲国产精品sss在线观看| 在线a可以看的网站| 亚洲精品日韩av片在线观看| 国产亚洲av嫩草精品影院| 亚洲国产精品久久男人天堂| 亚洲一区二区三区色噜噜| 久久久久久大精品| 高清毛片免费看| 日本-黄色视频高清免费观看| 精品久久国产蜜桃| 久久精品国产99精品国产亚洲性色| 久久久久久久久久久免费av| 国产成年人精品一区二区| 热99re8久久精品国产| 成人永久免费在线观看视频| 久久中文看片网| 久99久视频精品免费| 国产伦在线观看视频一区| 草草在线视频免费看| 男人和女人高潮做爰伦理| 亚洲精华国产精华液的使用体验 | 亚洲国产精品国产精品| 波多野结衣高清无吗| 国产黄色小视频在线观看| 在线播放国产精品三级| 欧美又色又爽又黄视频| 高清毛片免费观看视频网站| 在线国产一区二区在线| 少妇被粗大猛烈的视频| 成人av在线播放网站| 中文资源天堂在线| 久久久久久久久久黄片| 99热这里只有是精品在线观看| 国产精品乱码一区二三区的特点| 日韩欧美三级三区| 成人鲁丝片一二三区免费| 婷婷精品国产亚洲av| 亚洲18禁久久av| 午夜激情福利司机影院| 精品不卡国产一区二区三区| 99九九线精品视频在线观看视频| 真实男女啪啪啪动态图| 深夜a级毛片| 最后的刺客免费高清国语| 国产av麻豆久久久久久久| 国产午夜精品久久久久久一区二区三区| 亚洲欧美日韩卡通动漫| 黄色欧美视频在线观看| 日韩精品有码人妻一区| 国产精品一区www在线观看| 成人永久免费在线观看视频| 波多野结衣高清作品| 国产精品一二三区在线看| 三级经典国产精品| 一级毛片电影观看 | 亚洲人成网站高清观看| 久久人人精品亚洲av| 一区二区三区免费毛片| 日日摸夜夜添夜夜添av毛片| 亚洲精品色激情综合| 午夜老司机福利剧场| 别揉我奶头 嗯啊视频| 亚洲性久久影院| 三级男女做爰猛烈吃奶摸视频| 亚洲精品亚洲一区二区| 女人十人毛片免费观看3o分钟| 极品教师在线视频| 国产女主播在线喷水免费视频网站 | 99久久久亚洲精品蜜臀av| 欧美性猛交╳xxx乱大交人| 亚洲不卡免费看| 三级国产精品欧美在线观看| 亚洲aⅴ乱码一区二区在线播放| 国产在线精品亚洲第一网站| 亚洲成人中文字幕在线播放| 欧美色视频一区免费| 欧美激情国产日韩精品一区| 国产一区二区亚洲精品在线观看| 又爽又黄a免费视频| 精品人妻偷拍中文字幕| videossex国产| a级一级毛片免费在线观看| 一区福利在线观看| 桃色一区二区三区在线观看| 亚洲国产高清在线一区二区三| av又黄又爽大尺度在线免费看 | 欧美另类亚洲清纯唯美| 不卡一级毛片| 亚洲av一区综合| 国产91av在线免费观看| 国产精品久久久久久亚洲av鲁大| 一本一本综合久久| 亚洲经典国产精华液单| 久久综合国产亚洲精品| 一级毛片aaaaaa免费看小| 欧美日韩精品成人综合77777| 亚洲av免费高清在线观看| 久久精品国产亚洲av涩爱 | 国产精品人妻久久久久久| 国产精品av视频在线免费观看| 一进一出抽搐动态| 日本黄色视频三级网站网址| 丝袜美腿在线中文| 在线国产一区二区在线| 国产亚洲91精品色在线| 级片在线观看| 亚洲成人中文字幕在线播放| 精品无人区乱码1区二区| 日本成人三级电影网站| 一区二区三区四区激情视频 | 亚洲av第一区精品v没综合| 久久久精品大字幕| 久久久成人免费电影| 韩国av在线不卡| 九九在线视频观看精品| 少妇裸体淫交视频免费看高清| 老女人水多毛片| 亚洲欧美日韩无卡精品| 在线免费观看不下载黄p国产| 国产老妇女一区| 免费观看人在逋| 联通29元200g的流量卡| 成人国产麻豆网| 青青草视频在线视频观看| 午夜福利成人在线免费观看| 亚洲av二区三区四区| 色综合亚洲欧美另类图片| 亚洲av免费高清在线观看| 小蜜桃在线观看免费完整版高清| 国产三级在线视频| 一级毛片电影观看 | 亚洲欧洲日产国产| 在线播放国产精品三级| 热99在线观看视频| 女人被狂操c到高潮| 国产一级毛片七仙女欲春2| 69av精品久久久久久| 日韩欧美在线乱码| 精品久久久久久久久av| 亚洲人成网站高清观看| 少妇被粗大猛烈的视频| 青春草国产在线视频 | 嫩草影院新地址| 免费看日本二区| 国产激情偷乱视频一区二区| 国产高清不卡午夜福利| 男人的好看免费观看在线视频| 国产日本99.免费观看| 国产乱人偷精品视频| 国产精品乱码一区二三区的特点| 国产精品无大码| 日韩av在线大香蕉| 国产日韩欧美在线精品| 日韩精品有码人妻一区| 久久草成人影院| 亚洲精品亚洲一区二区| 给我免费播放毛片高清在线观看| 欧美日韩综合久久久久久| 免费观看人在逋| av专区在线播放| 男女视频在线观看网站免费| 亚洲人成网站在线播| 神马国产精品三级电影在线观看| 99久久精品国产国产毛片| 国产精品国产高清国产av| 丰满乱子伦码专区| 免费一级毛片在线播放高清视频| 又粗又硬又长又爽又黄的视频 | 国内少妇人妻偷人精品xxx网站| 国产精品久久视频播放| 国语自产精品视频在线第100页| 偷拍熟女少妇极品色| 亚洲在线观看片| 久久精品国产亚洲av香蕉五月| 国产精品蜜桃在线观看 | 一本一本综合久久| av.在线天堂| 久久韩国三级中文字幕| 欧美激情久久久久久爽电影| 一夜夜www| 亚洲成av人片在线播放无| 哪里可以看免费的av片| 免费观看精品视频网站| 亚洲av成人av| 天堂影院成人在线观看| 午夜a级毛片| 久久久国产成人精品二区| 久久精品人妻少妇| 乱系列少妇在线播放| 亚洲电影在线观看av| 一个人观看的视频www高清免费观看| 国产伦一二天堂av在线观看| 99九九线精品视频在线观看视频| 亚洲精华国产精华液的使用体验 | 尾随美女入室| 最近视频中文字幕2019在线8| 啦啦啦韩国在线观看视频| 国产精品免费一区二区三区在线| 国产av一区在线观看免费| 五月伊人婷婷丁香| 性欧美人与动物交配| 亚洲精品亚洲一区二区| 51国产日韩欧美| 日本-黄色视频高清免费观看| 欧美成人一区二区免费高清观看| 免费无遮挡裸体视频| 综合色丁香网| 国产成人freesex在线| 一级二级三级毛片免费看| 国产午夜精品一二区理论片| 欧美性猛交黑人性爽| 亚洲三级黄色毛片| 亚洲内射少妇av| 亚洲欧美日韩高清在线视频| 深夜精品福利| 国内精品久久久久精免费| 亚洲18禁久久av| av在线老鸭窝| 国产精品人妻久久久影院| 最近最新中文字幕大全电影3| 久久99热这里只有精品18| 国产精品永久免费网站| 国产成人91sexporn| 一卡2卡三卡四卡精品乱码亚洲| 91av网一区二区| 啦啦啦啦在线视频资源| www日本黄色视频网| 麻豆av噜噜一区二区三区| 蜜臀久久99精品久久宅男| 国产麻豆成人av免费视频| ponron亚洲| 国产精品久久久久久精品电影小说 | 91久久精品电影网| 熟女人妻精品中文字幕| 男人舔奶头视频| 免费在线观看成人毛片| 亚洲欧美精品专区久久| 女人被狂操c到高潮| 久久99精品国语久久久| 日本黄色片子视频| 成人三级黄色视频| 亚洲av电影不卡..在线观看| 国产高清激情床上av| 蜜桃久久精品国产亚洲av| 男人舔女人下体高潮全视频| 国产久久久一区二区三区| 久久精品国产自在天天线| 一级av片app| 国产午夜精品久久久久久一区二区三区| 人妻系列 视频| 日韩av不卡免费在线播放| 亚洲欧美中文字幕日韩二区| 又粗又爽又猛毛片免费看| 日韩 亚洲 欧美在线| 日本免费一区二区三区高清不卡| 国产中年淑女户外野战色| 亚洲精品久久久久久婷婷小说 | 久久久久久久久久久丰满| 九九久久精品国产亚洲av麻豆| 亚洲国产精品久久男人天堂| 91麻豆精品激情在线观看国产| 午夜久久久久精精品| 丰满的人妻完整版| 精品久久久久久久久久免费视频| 国国产精品蜜臀av免费| 日韩欧美在线乱码| 午夜亚洲福利在线播放| 国产精品国产高清国产av| 美女内射精品一级片tv| 成人特级黄色片久久久久久久| 国产精华一区二区三区| 日韩欧美 国产精品| 一进一出抽搐动态| av在线观看视频网站免费| 啦啦啦啦在线视频资源| 国产不卡一卡二| 亚洲不卡免费看| 色吧在线观看| 欧美最黄视频在线播放免费| 日韩强制内射视频| 日韩欧美在线乱码| 校园人妻丝袜中文字幕| 国产白丝娇喘喷水9色精品| 天天躁日日操中文字幕| 成年女人看的毛片在线观看| 精品人妻熟女av久视频| 中文字幕av成人在线电影| 久久精品夜色国产| 欧美日本亚洲视频在线播放| 成熟少妇高潮喷水视频| 日日撸夜夜添| 一级毛片aaaaaa免费看小| 久久久精品欧美日韩精品| 欧美人与善性xxx| 狠狠狠狠99中文字幕| 国产黄片美女视频| 给我免费播放毛片高清在线观看| 亚洲精品自拍成人| 久久精品国产99精品国产亚洲性色| 18禁黄网站禁片免费观看直播| 日本色播在线视频| 亚洲欧美精品综合久久99| 亚洲欧美成人综合另类久久久 | 免费观看在线日韩| 国产黄色视频一区二区在线观看 | 狠狠狠狠99中文字幕| 网址你懂的国产日韩在线| 久久久久九九精品影院| 国产爱豆传媒在线观看| 色视频www国产| 久久精品国产自在天天线| av视频在线观看入口| 国产精品1区2区在线观看.| 国内精品宾馆在线| 亚洲精品久久久久久婷婷小说 | 99热这里只有是精品50| 亚洲国产欧美人成| 免费大片18禁| 国产精品野战在线观看| 国产伦精品一区二区三区视频9| 亚洲精品456在线播放app| 久久99精品国语久久久| 成人av在线播放网站| 国产高清不卡午夜福利| 最近视频中文字幕2019在线8| 别揉我奶头 嗯啊视频| 久久人人精品亚洲av| 国产老妇伦熟女老妇高清| 三级经典国产精品| 日本av手机在线免费观看| 97超碰精品成人国产| 少妇的逼好多水| 久久久久久久亚洲中文字幕| 国产精品av视频在线免费观看| 干丝袜人妻中文字幕| 91午夜精品亚洲一区二区三区| 禁无遮挡网站| 欧美区成人在线视频| 国产成人a∨麻豆精品| 免费看光身美女| 中国国产av一级| 精品久久久久久久人妻蜜臀av| 亚洲国产欧洲综合997久久,| 国产 一区 欧美 日韩| 亚洲欧洲国产日韩| 女的被弄到高潮叫床怎么办| 少妇人妻一区二区三区视频| 少妇人妻精品综合一区二区 | 国内精品宾馆在线| 日产精品乱码卡一卡2卡三| 内地一区二区视频在线| 日韩三级伦理在线观看| 少妇的逼水好多| 欧美日韩乱码在线| 欧美三级亚洲精品| 中文字幕精品亚洲无线码一区| 婷婷色综合大香蕉| 男女那种视频在线观看| 最近视频中文字幕2019在线8| 一个人看的www免费观看视频| 好男人在线观看高清免费视频| 亚洲精品久久久久久婷婷小说 | 免费人成在线观看视频色| 欧美性感艳星| 精品不卡国产一区二区三区| 熟女人妻精品中文字幕| 国产一区二区在线观看日韩| 国产成人a区在线观看| 欧美一区二区亚洲| 国产黄片美女视频| 简卡轻食公司| 国产真实伦视频高清在线观看| 别揉我奶头 嗯啊视频| 色哟哟·www| 国产精品乱码一区二三区的特点| 男插女下体视频免费在线播放| 国产精品久久久久久亚洲av鲁大| 亚洲不卡免费看| 国产一区二区亚洲精品在线观看| 亚洲国产精品合色在线| 成人无遮挡网站| 亚洲成人av在线免费| 97热精品久久久久久| 日本熟妇午夜| 爱豆传媒免费全集在线观看| 久久久国产成人精品二区| 日韩一本色道免费dvd| 国产精品嫩草影院av在线观看| 亚洲中文字幕日韩| 男女视频在线观看网站免费| 免费看光身美女| 在线观看美女被高潮喷水网站| 亚洲无线观看免费| 成人漫画全彩无遮挡| 97超碰精品成人国产| 国产视频首页在线观看| 欧美高清成人免费视频www| 国产精品麻豆人妻色哟哟久久 | 亚洲三级黄色毛片| 中文精品一卡2卡3卡4更新| 亚洲av成人精品一区久久| 国产精品国产三级国产av玫瑰| 国产成人精品一,二区 | 国内精品久久久久精免费| 淫秽高清视频在线观看| 国产精品一区二区在线观看99 | 国产一区二区三区在线臀色熟女| 国产精品1区2区在线观看.| 最近2019中文字幕mv第一页| 搡女人真爽免费视频火全软件| 国产精品野战在线观看| 国产成人a∨麻豆精品| 久久热精品热| 日本三级黄在线观看| or卡值多少钱| 人体艺术视频欧美日本| 夜夜夜夜夜久久久久| 久久久久久久久久黄片| 特级一级黄色大片| 国产精华一区二区三区| 国产真实伦视频高清在线观看| 日韩视频在线欧美| av视频在线观看入口| 91久久精品电影网| 99热这里只有精品一区| 九九热线精品视视频播放| .国产精品久久| 精品无人区乱码1区二区| www.色视频.com| 国产精品不卡视频一区二区| 亚洲va在线va天堂va国产| 久久99精品国语久久久| 国产色爽女视频免费观看| 免费观看人在逋| 一区二区三区高清视频在线| 亚洲av不卡在线观看| 又粗又硬又长又爽又黄的视频 | av在线天堂中文字幕| 全区人妻精品视频| 久久精品国产99精品国产亚洲性色| 亚洲国产欧洲综合997久久,| 少妇熟女aⅴ在线视频| 亚洲欧美中文字幕日韩二区| 亚洲欧美成人综合另类久久久 | 自拍偷自拍亚洲精品老妇| 亚洲在线观看片| 男女视频在线观看网站免费| 亚洲真实伦在线观看| 在线播放国产精品三级| 午夜亚洲福利在线播放| 男的添女的下面高潮视频| 尤物成人国产欧美一区二区三区| 久久综合国产亚洲精品| 12—13女人毛片做爰片一| 亚洲第一电影网av| 免费观看人在逋| 午夜福利高清视频| 中文在线观看免费www的网站| 国产黄色小视频在线观看| 天天躁夜夜躁狠狠久久av| 亚洲国产精品国产精品| 一级毛片久久久久久久久女| 一进一出抽搐gif免费好疼| 免费黄网站久久成人精品| a级毛片a级免费在线| 欧美三级亚洲精品| 人妻久久中文字幕网| a级毛片免费高清观看在线播放| 欧美区成人在线视频| 女的被弄到高潮叫床怎么办| 久久久精品94久久精品| 99视频精品全部免费 在线|