• <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 ?

    針對(duì)在線教育情感分析的數(shù)據(jù)擴(kuò)充研究*

    2022-08-23 06:49:08黃偉強(qiáng)梁韜文楊海華
    關(guān)鍵詞:準(zhǔn)確率聚類向量

    黃偉強(qiáng),劉 海,梁韜文,楊海華

    (1.華南師范大學(xué) 網(wǎng)絡(luò)中心,廣東 廣州 510631;2.華南師范大學(xué) 計(jì)算機(jī)學(xué)院,廣東 廣州 510631)

    0 引言

    隨著信息技術(shù)的飛速發(fā)展,在線教育逐漸興起,越來(lái)越多的人在在線教育課程中留下了有價(jià)值的評(píng)論,通過(guò)對(duì)這些評(píng)論進(jìn)行情感分析可以達(dá)到多方面的目的,如分析學(xué)生對(duì)課程的滿意度、調(diào)查老師授課水平、挖掘課程質(zhì)量等。

    情感分析(Sentiment Analysis),又稱為情感傾向性分析[1],目的是找出文本中情感的正負(fù)性,如正面或負(fù)面、積極或消極,并且把這種正負(fù)性數(shù)值化,以百分比或者正負(fù)值的方式表現(xiàn)出來(lái)。情感分析的研究方法大致可以分為兩種:一是基于情感詞典的情感分析[2],主要通過(guò)建立情感詞典或領(lǐng)域詞典及通過(guò)文本中帶有極性的情感詞進(jìn)行計(jì)算來(lái)獲取文本的極性,由于依賴于情感詞典,存在覆蓋率不足等缺點(diǎn);二是基于機(jī)器學(xué)習(xí)的情感分析,包括監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)三種方法,其中與監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)相比,半監(jiān)督學(xué)習(xí)通過(guò)少量標(biāo)注數(shù)據(jù)和大量無(wú)標(biāo)注數(shù)據(jù)進(jìn)行識(shí)別,既不用對(duì)所有的數(shù)據(jù)進(jìn)行標(biāo)注,也不依賴先驗(yàn)經(jīng)驗(yàn),有較好的實(shí)用性,從而被許多學(xué)者應(yīng)用在情感分析問(wèn)題上,如陳珂等[3]利用基于分類器集成的self-training方法進(jìn)行情感分析研究,使用少量標(biāo)注樣本和大量未標(biāo)注樣本來(lái)進(jìn)行情感分析訓(xùn)練,準(zhǔn)確率達(dá)86%。

    數(shù)據(jù)擴(kuò)充[4]是一種結(jié)合機(jī)器學(xué)習(xí)使用的方法,在訓(xùn)練樣本不足的情況下,可使模型訓(xùn)練更好地?cái)M合,通過(guò)與半監(jiān)督的方法相結(jié)合,可達(dá)到標(biāo)注少量數(shù)據(jù)以擴(kuò)充至大量訓(xùn)練數(shù)據(jù)的效果。數(shù)據(jù)擴(kuò)充方法目前已被用于圖像、交通、醫(yī)療等領(lǐng)域[5-7],目前主流的數(shù)據(jù)擴(kuò)充方法有圖像翻轉(zhuǎn)、隨機(jī)噪聲、標(biāo)簽傳播等[8]。

    情感分析目前已被應(yīng)用于如電影評(píng)論、書(shū)籍評(píng)論、微博短評(píng)等多個(gè)領(lǐng)域,但在在線教育課程評(píng)論領(lǐng)域的應(yīng)用還較缺乏,把情感分析應(yīng)用在在線教育課程評(píng)論上存在著各種挑戰(zhàn),如評(píng)論數(shù)據(jù)的獲取、評(píng)論數(shù)據(jù)的標(biāo)注等。為了解決以上問(wèn)題,本文借鑒半監(jiān)督學(xué)習(xí)的方法,提出基于聚類分析的文本數(shù)據(jù)擴(kuò)充方法:對(duì)少量關(guān)鍵數(shù)據(jù)進(jìn)行標(biāo)注,并通過(guò)聚類分析獲得大量已標(biāo)注數(shù)據(jù)。在目前主流在線教育平臺(tái)爬取的569 970條課程評(píng)論中選取1 000條關(guān)鍵數(shù)據(jù)進(jìn)行標(biāo)注并使用本文數(shù)據(jù)擴(kuò)充方法擴(kuò)充至10萬(wàn)條標(biāo)注數(shù)據(jù),分別利用SVM[9]、RandomForest[10]、AdaBoost[11]、GradientBoost[12]和CNN模型對(duì)標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練,實(shí)驗(yàn)表明,與目前主流的LabelSpreading算法相比,本文的數(shù)據(jù)擴(kuò)充方法均有準(zhǔn)確率上的優(yōu)勢(shì)。

    1 課程評(píng)論情感分析的流程

    在線課程評(píng)論情感分析的流程如圖1所示。

    圖1 在線課程評(píng)論情感分析流程

    (1)課程評(píng)論獲取與向量化:利用爬蟲(chóng)爬取在線教育平臺(tái)課程評(píng)論數(shù)據(jù),把文本的課程評(píng)論數(shù)據(jù)分詞及詞向量轉(zhuǎn)化后,再組合詞向量得到向量化的課程評(píng)論數(shù)據(jù);

    (2)主觀評(píng)論提?。菏止?duì)少量數(shù)據(jù)進(jìn)行主客觀標(biāo)注后,經(jīng)聚類分析把課程評(píng)論分為主觀評(píng)論和客觀評(píng)論兩類,保留主觀評(píng)論并移除客觀評(píng)論;

    (3)評(píng)論情感值計(jì)算與標(biāo)注:手工對(duì)少量關(guān)鍵數(shù)據(jù)進(jìn)行正負(fù)性標(biāo)注后,利用聚類分析計(jì)算主觀評(píng)論的情感值,利用情感值對(duì)數(shù)據(jù)進(jìn)行標(biāo)注,以達(dá)到擴(kuò)充數(shù)據(jù)的目的;

    (4)情感分析模型訓(xùn)練:分別利用CNN、SVM、RandomForest、AdaBoost、GradientBoost模型和前三步得到的大量標(biāo)注數(shù)據(jù)進(jìn)行課程評(píng)論情感分析模型訓(xùn)練,并對(duì)各模型的課程評(píng)論情感分析準(zhǔn)確率進(jìn)行對(duì)比。

    2 課程評(píng)論獲取與向量化

    在課程評(píng)論獲取操作中,通過(guò)爬取“中國(guó)大學(xué)MOOC”[13]、“網(wǎng)易云課堂”[14]和“礪儒云課堂”[15]共10 037門課程,獲取共569 970條課程評(píng)論數(shù)據(jù)用于制作數(shù)據(jù)集。獲取的課程評(píng)論大多為數(shù)據(jù)長(zhǎng)度在10~40字?jǐn)?shù)的中文短評(píng),具體數(shù)據(jù)長(zhǎng)度的數(shù)量分布如圖2所示。

    圖2 不同長(zhǎng)度數(shù)據(jù)的數(shù)量分布

    在課程評(píng)論向量化操作中,首先對(duì)爬取的課程評(píng)論進(jìn)行分詞操作:基于Python環(huán)境下的中文分詞組件“jieba”對(duì)數(shù)據(jù)集課程評(píng)論進(jìn)行分詞,為了支持含特殊字符的表情符的分詞操作,對(duì)“jieba”組件中匹配關(guān)鍵字的正則表達(dá)式及相關(guān)代碼進(jìn)行了修改,使其能夠識(shí)別組成表情符的空格及特殊字符,并通過(guò)增加自定義表情符字典的方式,使其對(duì)表情符的分詞提供支持。

    然后,對(duì)課程評(píng)論進(jìn)行字典生成和向量生成:利用自然語(yǔ)言處理Python庫(kù)“gensim”的內(nèi)置模塊“corpora”中的“Dictionary”方法,對(duì)分詞后的文本進(jìn)行字典生成,并利用“gensim”中內(nèi)置的詞轉(zhuǎn)向量算法“Word2Vec”對(duì)分詞后的文本進(jìn)行詞到向量的轉(zhuǎn)換。由于字詞的重要性隨著其在文件中出現(xiàn)的次數(shù)成正比增加[16],為了增強(qiáng)文本向量表達(dá)的準(zhǔn)確性,利用tf-idf向量[17]作為權(quán)值,對(duì)詞向量進(jìn)行加權(quán)平均后得到文本向量:

    其中:⊕表示的是詞向量的拼接操作,本文使用的是向量的加法;ri表示文本各詞的向量;R表示文本向量;n表示該文本含有的詞的數(shù)量;ti表示詞的tf-idf權(quán)值。

    課程評(píng)論向量化操作中使用的詞向量維度為128維,詞向量訓(xùn)練規(guī)模為268 GB的中文語(yǔ)料,滑動(dòng)窗口設(shè)為20×120。

    3 基于聚類的數(shù)據(jù)擴(kuò)充方法

    3.1 算法表示

    基于以下兩個(gè)假設(shè),使用基于聚類分析[18-19]的方法計(jì)算各課程評(píng)論的情感值,以實(shí)現(xiàn)課程評(píng)論的正負(fù)性標(biāo)注:

    (1)在文本向量空間中距離相近的2個(gè)文本正負(fù)性質(zhì)相近;

    (2)在文本向量空間中2個(gè)文本距離越近,其正負(fù)性質(zhì)越相近。

    借鑒半監(jiān)督訓(xùn)練的方法,通過(guò)標(biāo)記少量的數(shù)據(jù)來(lái)對(duì)整個(gè)數(shù)據(jù)集進(jìn)行情感值的計(jì)算,把標(biāo)記的數(shù)據(jù)作為情感值計(jì)算的標(biāo)桿,基于以上兩個(gè)假設(shè)對(duì)整個(gè)數(shù)據(jù)集進(jìn)行聚類操作。

    使用第2節(jié)中向量化后的課程評(píng)論數(shù)據(jù)作為數(shù)據(jù)集T,設(shè)ti∈T,使用Mi來(lái)表示ti的情感值。Mi為正則表示評(píng)論ti偏向正面,Mi越大表示正面性越強(qiáng);Mi為負(fù)則表示評(píng)論ti偏向負(fù)面,Mi越小表示負(fù)面性越強(qiáng)。在T中選取適量課程評(píng)論數(shù)據(jù)作為初始數(shù)據(jù)集Tj,對(duì)任意tj∈Tj,對(duì)tj手工標(biāo)記mj:若該評(píng)論為正面評(píng)論則標(biāo)記mj=1,若該文本為中性評(píng)論則標(biāo)記mj=0,若該文本為負(fù)面評(píng)論則標(biāo)記mj=-1。設(shè)正整數(shù)常量Minit(經(jīng)本文實(shí)驗(yàn),Minit=100為一個(gè)較合適的取值),用于對(duì)Mi進(jìn)行初始化。對(duì)于每個(gè)ti,設(shè)置其Mi值:

    設(shè)dij為評(píng)論ti與評(píng)論tj在向量空間的距離;設(shè)距離dfar,若dij≤dfar,則表示ti與tj的正負(fù)性質(zhì)一樣(經(jīng)本文實(shí)驗(yàn),dfar取除雜后向量空間中各評(píng)論數(shù)據(jù)平均距離的1/8為較合適的值);設(shè)距離dclose,若dij≤dclose, 則表示ti與tj非常接近 (經(jīng)本文實(shí)驗(yàn),取為較合適的值)。在每一輪聚類中對(duì)于新標(biāo)記的課程評(píng)論數(shù)據(jù)集Tk(初始時(shí)Tk=Tj)中的每一條評(píng)論tk,按下式更新其附近課程評(píng)論集合Tl中每一條評(píng)論tl的Ml值:

    式(3)中表述了更新tl情感值的三種情況(見(jiàn)圖3):

    圖3 三種更新情感值的情況

    3.2 實(shí)際例子

    設(shè)tk被手工標(biāo)注為mk,t1、t2、t3、t4為tk附近的課程評(píng)論,對(duì)于算法中每一輪聚類過(guò)程及式(3)的更新過(guò)程,以下給出兩個(gè)實(shí)際例子進(jìn)行說(shuō)明。

    表1 實(shí)際例子1

    表2 實(shí)際例子2

    3.3 情感值計(jì)算實(shí)驗(yàn)結(jié)果

    使用手工標(biāo)注約800條課程評(píng)論數(shù)據(jù)進(jìn)行正負(fù)性聚類用于課程評(píng)論的情感值計(jì)算,經(jīng)主客觀聚類后提取的主觀課程評(píng)論數(shù)據(jù)通過(guò)PCA[20]降維操作可視化后的分布情況見(jiàn)圖4。

    圖4 文本在正負(fù)性向量空間的分布情況

    聚類后的部分評(píng)論及對(duì)應(yīng)情感值Mi見(jiàn)表3。

    表3 正負(fù)性分析部分結(jié)果

    情感值計(jì)算的準(zhǔn)確率使用基于古典概型[21]的方法推算得出:通過(guò)另外隨機(jī)手工標(biāo)注課程評(píng)論數(shù)據(jù)并剔除Mi=0的評(píng)論,直到最終剩下n條課程評(píng)論,在n條課程評(píng)論中統(tǒng)計(jì)標(biāo)注與聚類結(jié)果相符(即另外標(biāo)注結(jié)果與實(shí)驗(yàn)結(jié)果同為正面或同為負(fù)面)的數(shù)據(jù)量k,使用下式推算實(shí)驗(yàn)準(zhǔn)確率:

    其中,P(A)為標(biāo)注與聚類結(jié)果相符的事件A發(fā)生的概率,即推算出的準(zhǔn)確率。本文實(shí)驗(yàn)使用100條課程評(píng)論數(shù)據(jù)用作統(tǒng)計(jì),即取n=100;統(tǒng)計(jì)出100條數(shù)據(jù)中標(biāo)注與聚類結(jié)果相符的數(shù)據(jù)有86條,即k=86。基于上述計(jì)算,推算出準(zhǔn)確率達(dá)86%。

    在完成情感值計(jì)算的課程評(píng)論中,本文選取情感值最大的5萬(wàn)條正面評(píng)論及情感值最小的5萬(wàn)條負(fù)面評(píng)論共10萬(wàn)條課程評(píng)論用于下文情感分析實(shí)驗(yàn)。

    4 基于聚類的主觀數(shù)據(jù)提取

    使用3.1節(jié)中算法對(duì)向量化的569 970條課程評(píng)論數(shù)據(jù)進(jìn)行聚類分析及主客觀性質(zhì)計(jì)算,通過(guò)手工標(biāo)注約1 000條課程評(píng)論數(shù)據(jù)進(jìn)行主客觀聚類,由文本在向量空間[22]通過(guò)PCA降維操作后的分布情況(圖5)可知:主觀評(píng)論數(shù)據(jù)及客觀評(píng)論數(shù)據(jù)已經(jīng)在幾個(gè)地方分別聚集成團(tuán),但由于手工標(biāo)注的課程評(píng)論數(shù)量有所不足,使得部分?jǐn)?shù)據(jù)不能參與聚類,從而造成圖中仍有部分中性數(shù)據(jù)。

    圖5 文本在主客觀向量空間的分布情況

    聚類后的部分評(píng)論及對(duì)應(yīng)主客觀性質(zhì)Mi見(jiàn)表4。

    表4 主客觀分析部分結(jié)果

    通過(guò)另外手工標(biāo)注的100條課程評(píng)論數(shù)據(jù)中有81條標(biāo)注與聚類結(jié)果相符(即另外標(biāo)注結(jié)果與實(shí)驗(yàn)結(jié)果同為主觀或同為客觀),即n=100,k=81,由式(4)可推算準(zhǔn)確率達(dá)81%。

    剔除干擾評(píng)論數(shù)據(jù)、中性評(píng)論數(shù)據(jù)及客觀評(píng)論數(shù)據(jù)后,本文最終篩選出23萬(wàn)主觀課程評(píng)論用于情感值的計(jì)算及正負(fù)性標(biāo)注。

    5 情感預(yù)測(cè)分析

    5.1 情感分析方法及參數(shù)設(shè)置

    采用3.3節(jié)篩選出的10萬(wàn)條課程評(píng)論數(shù)據(jù)進(jìn)行情感預(yù)測(cè)分析實(shí)驗(yàn),隨機(jī)取其中90%作為訓(xùn)練集,其余10%作為測(cè)試集,分別采用基于機(jī)器學(xué)習(xí)庫(kù)“sklearn”的SVM模型、RandomForest模型、AdaBoost模型、GradientBoost模型和基于TensorFlow的卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型進(jìn)行情感預(yù)測(cè)分析。支持向量機(jī)(SVM)模型是一種在分類與回歸中分析數(shù)據(jù)的學(xué)習(xí)模型,SVM模型把數(shù)據(jù)映射為空間中的點(diǎn),使每一類數(shù)據(jù)被盡可能寬地間隔分開(kāi);隨機(jī)森林(RandomForest)模型是一個(gè)包含多個(gè)決策樹(shù)的分類模型,其通過(guò)平均多個(gè)深決策樹(shù)以降低方差;AdaBoost模型是一種自適應(yīng)的迭代模型,其在每一輪中加入一個(gè)新的弱分類器,以減少分類的錯(cuò)誤率;梯度提升(GradientBoost)模型是一種用于回歸和分類問(wèn)題的機(jī)器學(xué)習(xí)模型,其以分階段的方式構(gòu)建模型,通過(guò)允許對(duì)任意可微分損失函數(shù)進(jìn)行優(yōu)化實(shí)現(xiàn)對(duì)一般提升方法的推廣;CNN模型是一種前饋神經(jīng)網(wǎng)絡(luò)模型,它的人工神經(jīng)元可以響應(yīng)一部分覆蓋范圍內(nèi)的周圍單元,近年來(lái)在圖像處理和語(yǔ)音處理上取得不少突破性進(jìn)展,也有被應(yīng)用于情感分析領(lǐng)域。

    各模型參數(shù)設(shè)置見(jiàn)表5。

    表5 模型訓(xùn)練參數(shù)設(shè)置

    本文實(shí)驗(yàn)設(shè)備配置為Inter?CoreTMi7-9750H CPU和NVIDIA GeForce GTX 1650顯卡,系統(tǒng)環(huán)境為64位Windows 10系統(tǒng),Python版本3.6.8。

    5.2 模型訓(xùn)練結(jié)果

    對(duì)比sklearn的Label Spreading半監(jiān)督學(xué)習(xí)算法,本文基于聚類分析的文本數(shù)據(jù)擴(kuò)充算法在5個(gè)模型的情感分析準(zhǔn)確率上均有明顯優(yōu)勢(shì),在SVM模型上準(zhǔn)確率相差最大,在CNN模型上準(zhǔn)確率相差最小。其中進(jìn)行LabelSpreading實(shí)驗(yàn)時(shí),kernel選擇KNN,其他參數(shù)保持默認(rèn),使用標(biāo)記為3.3節(jié)的手工標(biāo)注,數(shù)據(jù)集為569 970條課程評(píng)論數(shù)據(jù)向量,最終隨機(jī)篩選出10萬(wàn)條課程評(píng)論數(shù)據(jù)進(jìn)行情感預(yù)測(cè)分析實(shí)驗(yàn)。

    在5個(gè)機(jī)器學(xué)習(xí)模型的準(zhǔn)確率對(duì)比上,CNN模型的準(zhǔn)確率最高(使用基于聚類分析的文本數(shù)據(jù)擴(kuò)充算法時(shí)準(zhǔn)確率達(dá)96.5%,使用LabelSpreading算法時(shí)準(zhǔn)確率達(dá)84.47%);在使用基于聚類分析的文本數(shù)據(jù)擴(kuò)充算法時(shí),各模型準(zhǔn)確率均高于89%。詳細(xì)對(duì)比見(jiàn)圖6。

    圖6 本文方法與LabelSpreading在5種模型的準(zhǔn)確率對(duì)比

    準(zhǔn)確率最高的CNN模型在訓(xùn)練時(shí)的loss和準(zhǔn)確率隨epoch的變化見(jiàn)圖7:隨著epoch的增加,loss逐漸減小,準(zhǔn)確率逐漸提高,模型訓(xùn)練在約第70個(gè)epoch收斂;loss最低值為0.012 6;準(zhǔn)確率最高值為97.01%,最終準(zhǔn)確率為96.50%。

    圖7 loss及準(zhǔn)確率隨epoch變化圖

    6 結(jié)論

    本文針對(duì)情感分析應(yīng)用在在線教育領(lǐng)域上的數(shù)據(jù)標(biāo)注問(wèn)題,提出了基于聚類分析的數(shù)據(jù)擴(kuò)充方法,手工標(biāo)注少量關(guān)鍵數(shù)據(jù)以擴(kuò)充至大量標(biāo)注數(shù)據(jù)。利用該方法擴(kuò)充的數(shù)據(jù),在多個(gè)主流機(jī)器學(xué)習(xí)模型和CNN模型上進(jìn)行情感預(yù)測(cè)分析訓(xùn)練,結(jié)果表明,經(jīng)過(guò)擴(kuò)充后的數(shù)據(jù)在各模型上的準(zhǔn)確率均達(dá)89%以上,其中在CNN模型準(zhǔn)確率達(dá)96.5%。使用本文方法擴(kuò)充的數(shù)據(jù)在各模型上得到的準(zhǔn)確率皆優(yōu)于目前主流的LabelSpreading數(shù)據(jù)擴(kuò)充算法的準(zhǔn)確率。

    猜你喜歡
    準(zhǔn)確率聚類向量
    向量的分解
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    聚焦“向量與三角”創(chuàng)新題
    高速公路車牌識(shí)別標(biāo)識(shí)站準(zhǔn)確率驗(yàn)證法
    基于DBSACN聚類算法的XML文檔聚類
    向量垂直在解析幾何中的應(yīng)用
    基于改進(jìn)的遺傳算法的模糊聚類算法
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    久久久精品免费免费高清| 亚洲精品456在线播放app| 人人妻人人看人人澡| 午夜免费鲁丝| 久久久久久久亚洲中文字幕| 久久国产乱子免费精品| 在线观看一区二区三区激情| 狂野欧美激情性xxxx在线观看| 99国产精品免费福利视频| 18禁裸乳无遮挡动漫免费视频| 久久久国产欧美日韩av| 中国三级夫妇交换| 国产在线男女| 亚洲av电影在线观看一区二区三区| 免费观看在线日韩| 最近2019中文字幕mv第一页| 欧美老熟妇乱子伦牲交| 色吧在线观看| 日韩精品免费视频一区二区三区 | 免费播放大片免费观看视频在线观看| 丝袜在线中文字幕| 亚洲熟女精品中文字幕| 中文字幕av电影在线播放| 天堂中文最新版在线下载| 美女内射精品一级片tv| 一本大道久久a久久精品| av在线老鸭窝| 亚洲av中文av极速乱| 黄色怎么调成土黄色| 国产亚洲一区二区精品| 男女边吃奶边做爰视频| av线在线观看网站| 日韩av在线免费看完整版不卡| 久久久久精品性色| 成年美女黄网站色视频大全免费 | 少妇的逼水好多| 久久久久视频综合| 国产女主播在线喷水免费视频网站| 日韩欧美一区视频在线观看 | 一个人看视频在线观看www免费| 青春草国产在线视频| 色婷婷av一区二区三区视频| 日韩成人伦理影院| 国产精品熟女久久久久浪| 国产黄色免费在线视频| 国产91av在线免费观看| 久久久久久久久大av| 晚上一个人看的免费电影| 97超视频在线观看视频| 久久久欧美国产精品| 欧美日韩视频高清一区二区三区二| 成年美女黄网站色视频大全免费 | 色网站视频免费| 亚洲国产精品成人久久小说| 精品久久久久久久久亚洲| 国产精品国产av在线观看| 色婷婷久久久亚洲欧美| 中国三级夫妇交换| 欧美日韩综合久久久久久| 欧美 日韩 精品 国产| 国产精品免费大片| 亚洲国产精品一区二区三区在线| 亚洲av在线观看美女高潮| 桃花免费在线播放| av福利片在线观看| 三上悠亚av全集在线观看 | 欧美日韩精品成人综合77777| 99久久综合免费| av一本久久久久| 天天操日日干夜夜撸| av不卡在线播放| 你懂的网址亚洲精品在线观看| 免费观看的影片在线观看| 啦啦啦中文免费视频观看日本| 三级经典国产精品| 天美传媒精品一区二区| 久久热精品热| 老女人水多毛片| 国产精品三级大全| 亚洲av日韩在线播放| 在线亚洲精品国产二区图片欧美 | 国产高清国产精品国产三级| 五月开心婷婷网| 青青草视频在线视频观看| 久久久久久久久久久久大奶| 国产伦精品一区二区三区四那| 午夜老司机福利剧场| av免费观看日本| 日本91视频免费播放| 亚洲va在线va天堂va国产| 日本午夜av视频| 午夜日本视频在线| 欧美三级亚洲精品| av福利片在线观看| 国产精品.久久久| 麻豆成人av视频| 国产在线男女| 久久狼人影院| 十八禁高潮呻吟视频 | 又爽又黄a免费视频| 自线自在国产av| 99热全是精品| 国产精品久久久久久精品电影小说| 高清欧美精品videossex| 久久精品久久精品一区二区三区| 亚洲国产精品一区三区| 一级a做视频免费观看| 日韩三级伦理在线观看| 黄片无遮挡物在线观看| 国产一区二区三区av在线| 婷婷色麻豆天堂久久| 亚洲av国产av综合av卡| 亚洲精品视频女| a级毛片在线看网站| 男女免费视频国产| 亚洲成人av在线免费| 伦精品一区二区三区| 欧美高清成人免费视频www| 国产免费又黄又爽又色| 久久精品国产a三级三级三级| 女的被弄到高潮叫床怎么办| 国产精品99久久99久久久不卡 | 国产一区二区三区av在线| 熟女电影av网| 国产在线免费精品| 国产伦在线观看视频一区| 国产又色又爽无遮挡免| 午夜视频国产福利| 熟妇人妻不卡中文字幕| 在线亚洲精品国产二区图片欧美 | 18禁在线无遮挡免费观看视频| 春色校园在线视频观看| 国模一区二区三区四区视频| 嫩草影院入口| 美女福利国产在线| 中国国产av一级| 夫妻午夜视频| 激情五月婷婷亚洲| av一本久久久久| 少妇的逼好多水| 中国三级夫妇交换| 国产男人的电影天堂91| 国产男女内射视频| 日韩三级伦理在线观看| 精品午夜福利在线看| 亚州av有码| 久久人人爽人人爽人人片va| 国产精品欧美亚洲77777| 欧美 亚洲 国产 日韩一| 丝袜在线中文字幕| 日韩 亚洲 欧美在线| 亚洲欧美一区二区三区国产| 亚洲精品成人av观看孕妇| 韩国高清视频一区二区三区| 日韩 亚洲 欧美在线| 国产精品99久久99久久久不卡 | 秋霞伦理黄片| 中文字幕人妻熟人妻熟丝袜美| 观看免费一级毛片| 精品亚洲乱码少妇综合久久| 又爽又黄a免费视频| 黑人巨大精品欧美一区二区蜜桃 | 色5月婷婷丁香| 久久av网站| 男女无遮挡免费网站观看| 欧美一级a爱片免费观看看| 国产亚洲av片在线观看秒播厂| 久久久久久久久久久丰满| 纯流量卡能插随身wifi吗| 丰满饥渴人妻一区二区三| 国产片特级美女逼逼视频| 2021少妇久久久久久久久久久| 亚洲四区av| 夜夜骑夜夜射夜夜干| 午夜福利影视在线免费观看| 色婷婷久久久亚洲欧美| 免费黄频网站在线观看国产| 亚洲国产成人一精品久久久| 中文字幕免费在线视频6| 晚上一个人看的免费电影| 中文字幕免费在线视频6| 久久精品国产亚洲av天美| 少妇精品久久久久久久| 亚洲丝袜综合中文字幕| 国产成人午夜福利电影在线观看| 欧美高清成人免费视频www| 久久鲁丝午夜福利片| av福利片在线观看| 在线看a的网站| 日韩人妻高清精品专区| 国产亚洲5aaaaa淫片| 亚洲欧美精品专区久久| 国产精品一区二区在线不卡| 亚洲精品视频女| 国产精品成人在线| 日本午夜av视频| 亚洲美女黄色视频免费看| 日韩伦理黄色片| 久久久久精品久久久久真实原创| 日韩精品有码人妻一区| 日本与韩国留学比较| 日本av免费视频播放| 黄片无遮挡物在线观看| 亚洲欧洲国产日韩| 亚洲精品色激情综合| 久久人人爽人人爽人人片va| 国产亚洲91精品色在线| 久久午夜综合久久蜜桃| 亚洲精品国产色婷婷电影| 日日爽夜夜爽网站| 欧美日韩av久久| 欧美成人精品欧美一级黄| av福利片在线| 国产 一区精品| 国产精品.久久久| 男女免费视频国产| 国产一区二区三区av在线| 精品久久久久久久久亚洲| 成人国产av品久久久| 全区人妻精品视频| 精品国产一区二区三区久久久樱花| 国产成人精品无人区| 国产午夜精品久久久久久一区二区三区| 日韩精品有码人妻一区| 国产男人的电影天堂91| 偷拍熟女少妇极品色| 国产高清有码在线观看视频| 成人无遮挡网站| 国产精品久久久久久精品电影小说| 国产视频内射| av线在线观看网站| 80岁老熟妇乱子伦牲交| 看免费成人av毛片| 我的老师免费观看完整版| 国产精品无大码| 国产精品国产三级国产av玫瑰| 成人18禁高潮啪啪吃奶动态图 | 亚洲精品aⅴ在线观看| 精华霜和精华液先用哪个| 国产精品人妻久久久影院| 免费大片18禁| 热99国产精品久久久久久7| 国产一级毛片在线| 国产日韩欧美在线精品| 免费看光身美女| 边亲边吃奶的免费视频| 精品国产乱码久久久久久小说| 亚洲国产欧美在线一区| av国产精品久久久久影院| 亚洲国产精品成人久久小说| 久久久久久人妻| av专区在线播放| 久久女婷五月综合色啪小说| 日韩一本色道免费dvd| 美女国产视频在线观看| 久久久久久久精品精品| 简卡轻食公司| 日日啪夜夜爽| 午夜福利,免费看| 亚洲第一区二区三区不卡| 亚洲天堂av无毛| 精品午夜福利在线看| 黄色毛片三级朝国网站 | 久久久久久久久久久免费av| 欧美xxⅹ黑人| 亚洲精品日韩av片在线观看| 国产伦精品一区二区三区视频9| 国产黄频视频在线观看| 精品久久久久久电影网| 高清av免费在线| 最近2019中文字幕mv第一页| 亚洲色图综合在线观看| 色视频www国产| 美女xxoo啪啪120秒动态图| 久久久精品94久久精品| 9色porny在线观看| 国产视频首页在线观看| 久久韩国三级中文字幕| 成人无遮挡网站| 最近手机中文字幕大全| 人妻系列 视频| 99热这里只有精品一区| 欧美 日韩 精品 国产| 欧美成人精品欧美一级黄| 又黄又爽又刺激的免费视频.| 蜜桃在线观看..| 亚洲在久久综合| 免费看不卡的av| 中文字幕人妻丝袜制服| 日韩av在线免费看完整版不卡| 国产成人精品久久久久久| 天天操日日干夜夜撸| 日韩一本色道免费dvd| 国产精品无大码| 精品久久久久久电影网| 日韩av免费高清视频| 亚洲,一卡二卡三卡| 美女cb高潮喷水在线观看| 久久精品夜色国产| 老熟女久久久| 久久久a久久爽久久v久久| 国产欧美日韩精品一区二区| 中文资源天堂在线| 十八禁网站网址无遮挡 | 免费观看性生交大片5| 嫩草影院入口| 国产精品久久久久久精品电影小说| 韩国高清视频一区二区三区| 久久精品国产亚洲av天美| 另类精品久久| av在线app专区| 亚洲久久久国产精品| 肉色欧美久久久久久久蜜桃| 精品人妻偷拍中文字幕| 免费观看a级毛片全部| 国产精品国产三级国产av玫瑰| 久久久久久久久大av| 国产男人的电影天堂91| 综合色丁香网| 精品久久久精品久久久| 下体分泌物呈黄色| 久久精品久久久久久久性| 丝袜在线中文字幕| 涩涩av久久男人的天堂| 亚洲人成网站在线观看播放| 在线精品无人区一区二区三| 全区人妻精品视频| 两个人的视频大全免费| 婷婷色麻豆天堂久久| 视频区图区小说| 日韩中文字幕视频在线看片| 成人影院久久| 黄色毛片三级朝国网站 | 久久av网站| 人妻制服诱惑在线中文字幕| 肉色欧美久久久久久久蜜桃| freevideosex欧美| 国内揄拍国产精品人妻在线| 久久久久视频综合| 久久人人爽人人爽人人片va| 国产高清有码在线观看视频| 国产 精品1| 蜜桃久久精品国产亚洲av| 男女无遮挡免费网站观看| 人妻制服诱惑在线中文字幕| 91午夜精品亚洲一区二区三区| 少妇被粗大猛烈的视频| 久久影院123| 久久久久国产精品人妻一区二区| av在线app专区| 亚洲性久久影院| 成人毛片a级毛片在线播放| 99久久精品热视频| 日本爱情动作片www.在线观看| 亚洲av免费高清在线观看| 蜜桃久久精品国产亚洲av| 91精品一卡2卡3卡4卡| 国产成人精品无人区| 亚洲国产欧美在线一区| 久久国内精品自在自线图片| 熟妇人妻不卡中文字幕| 国产精品99久久久久久久久| 国产极品天堂在线| 亚洲精品国产色婷婷电影| 日韩 亚洲 欧美在线| 久久久久久久亚洲中文字幕| av网站免费在线观看视频| √禁漫天堂资源中文www| 黄色怎么调成土黄色| 乱系列少妇在线播放| 成人综合一区亚洲| 成年美女黄网站色视频大全免费 | 国产有黄有色有爽视频| 哪个播放器可以免费观看大片| √禁漫天堂资源中文www| 国语对白做爰xxxⅹ性视频网站| 亚洲av不卡在线观看| 午夜福利,免费看| 国产亚洲5aaaaa淫片| 2018国产大陆天天弄谢| 五月天丁香电影| 97在线人人人人妻| 精品酒店卫生间| 欧美日韩在线观看h| 久久久久人妻精品一区果冻| 国产精品国产三级国产专区5o| 日韩精品免费视频一区二区三区 | 天天躁夜夜躁狠狠久久av| 在线观看三级黄色| 国产精品嫩草影院av在线观看| 久久久a久久爽久久v久久| 老司机影院毛片| 亚洲欧洲国产日韩| 国产精品女同一区二区软件| 成人特级av手机在线观看| 国产午夜精品一二区理论片| 精品久久久久久久久av| 国产午夜精品一二区理论片| 亚洲精品国产色婷婷电影| 大香蕉久久网| 在线 av 中文字幕| 乱系列少妇在线播放| 极品少妇高潮喷水抽搐| 五月开心婷婷网| 国产一区二区在线观看日韩| 人人妻人人添人人爽欧美一区卜| 国产成人aa在线观看| 一级爰片在线观看| 成人免费观看视频高清| 国产精品秋霞免费鲁丝片| 在线观看免费高清a一片| 色视频www国产| 伦精品一区二区三区| 国产午夜精品久久久久久一区二区三区| 亚洲精品乱久久久久久| 欧美日韩国产mv在线观看视频| 国产老妇伦熟女老妇高清| 三级国产精品片| 成年人免费黄色播放视频 | 观看美女的网站| 亚洲不卡免费看| 纵有疾风起免费观看全集完整版| 9色porny在线观看| 欧美成人午夜免费资源| 肉色欧美久久久久久久蜜桃| 成人特级av手机在线观看| 国产视频内射| 精品国产一区二区三区久久久樱花| 十分钟在线观看高清视频www | 久久久a久久爽久久v久久| 久久久亚洲精品成人影院| 免费观看性生交大片5| 又爽又黄a免费视频| 纵有疾风起免费观看全集完整版| 18禁在线播放成人免费| 成年av动漫网址| 边亲边吃奶的免费视频| 丰满迷人的少妇在线观看| 亚洲av在线观看美女高潮| 交换朋友夫妻互换小说| 国精品久久久久久国模美| 久久久国产欧美日韩av| 久久99精品国语久久久| 美女福利国产在线| 黄色欧美视频在线观看| 街头女战士在线观看网站| 人人澡人人妻人| videos熟女内射| 国产黄频视频在线观看| 亚洲va在线va天堂va国产| 人妻 亚洲 视频| 搡女人真爽免费视频火全软件| 男人和女人高潮做爰伦理| 亚洲国产精品999| 99热国产这里只有精品6| 最近手机中文字幕大全| 国产成人一区二区在线| 亚洲怡红院男人天堂| 国产美女午夜福利| 久久久国产精品麻豆| 国产亚洲午夜精品一区二区久久| 丝瓜视频免费看黄片| 国产成人精品无人区| 中文字幕av电影在线播放| 精品视频人人做人人爽| 免费观看a级毛片全部| 简卡轻食公司| 久久女婷五月综合色啪小说| 久久午夜综合久久蜜桃| 99久久人妻综合| 黄片无遮挡物在线观看| av不卡在线播放| 色5月婷婷丁香| 一级a做视频免费观看| 国产精品一区二区在线不卡| 亚洲av.av天堂| 大片免费播放器 马上看| 国产爽快片一区二区三区| 亚洲成人av在线免费| 色网站视频免费| 欧美国产精品一级二级三级 | 丰满乱子伦码专区| 狂野欧美白嫩少妇大欣赏| 免费看不卡的av| 国产精品福利在线免费观看| a级毛片免费高清观看在线播放| 欧美 日韩 精品 国产| 美女脱内裤让男人舔精品视频| 日韩av免费高清视频| 久久久久精品性色| 免费看不卡的av| 日本wwww免费看| 久久久久网色| 久久这里有精品视频免费| freevideosex欧美| 观看美女的网站| 国产乱人偷精品视频| 亚洲精品aⅴ在线观看| 国产黄片视频在线免费观看| 久久久久久久久久久丰满| 午夜日本视频在线| 六月丁香七月| 国产淫语在线视频| av在线观看视频网站免费| 成人无遮挡网站| 亚洲国产欧美日韩在线播放 | 久久久久视频综合| 人妻少妇偷人精品九色| 在线精品无人区一区二区三| xxx大片免费视频| 成人二区视频| 成人亚洲欧美一区二区av| 黑人猛操日本美女一级片| 亚洲成人一二三区av| 久久人妻熟女aⅴ| av国产精品久久久久影院| 黄色欧美视频在线观看| 亚洲真实伦在线观看| 精品久久久精品久久久| 在线观看免费视频网站a站| 成人黄色视频免费在线看| 插阴视频在线观看视频| 免费看不卡的av| 最近最新中文字幕免费大全7| 日韩一区二区三区影片| 五月开心婷婷网| 精品一区在线观看国产| 久久精品国产亚洲av天美| 搡女人真爽免费视频火全软件| 日韩欧美精品免费久久| 两个人免费观看高清视频 | 久久韩国三级中文字幕| 亚洲在久久综合| 最近中文字幕高清免费大全6| 国产成人一区二区在线| 成人特级av手机在线观看| 久久久久久久国产电影| 国产高清不卡午夜福利| 精品久久久久久久久av| 美女视频免费永久观看网站| 国产精品一区二区三区四区免费观看| 视频区图区小说| av不卡在线播放| 久久婷婷青草| 国产一区二区在线观看日韩| 国模一区二区三区四区视频| 国产成人精品一,二区| 一级,二级,三级黄色视频| 免费观看无遮挡的男女| 午夜免费男女啪啪视频观看| 观看av在线不卡| 美女内射精品一级片tv| 国产又色又爽无遮挡免| 欧美bdsm另类| 老司机亚洲免费影院| 国产成人freesex在线| 桃花免费在线播放| 国产亚洲一区二区精品| 欧美xxⅹ黑人| 成人漫画全彩无遮挡| 日本91视频免费播放| 日韩一本色道免费dvd| 一级毛片我不卡| 久久久久久久久久成人| 亚洲精品乱久久久久久| 久久99热6这里只有精品| 成人亚洲精品一区在线观看| 国产视频首页在线观看| av黄色大香蕉| 亚洲精品,欧美精品| 在线 av 中文字幕| 色5月婷婷丁香| 成人国产av品久久久| 黄色日韩在线| 搡老乐熟女国产| 青春草视频在线免费观看| 国产伦精品一区二区三区视频9| 另类精品久久| 国产成人精品无人区| 卡戴珊不雅视频在线播放| 午夜影院在线不卡| 日韩制服骚丝袜av| 青春草国产在线视频| 国产成人精品无人区| videossex国产| 国产精品99久久久久久久久| 自拍欧美九色日韩亚洲蝌蚪91 | av网站免费在线观看视频| 中文字幕精品免费在线观看视频 | 日韩av不卡免费在线播放| 久久6这里有精品| 国产淫语在线视频| 日韩大片免费观看网站| 另类精品久久| 久久久亚洲精品成人影院| 美女福利国产在线| 97超碰精品成人国产| 免费久久久久久久精品成人欧美视频 | 国产成人免费观看mmmm| 日韩一区二区三区影片| 纵有疾风起免费观看全集完整版| videossex国产| 国产精品一区二区在线观看99| 视频中文字幕在线观看| 欧美97在线视频| 免费不卡的大黄色大毛片视频在线观看| 久久久久久久大尺度免费视频| av在线观看视频网站免费| 国产成人aa在线观看| 黑丝袜美女国产一区| 男男h啪啪无遮挡| 国产一区二区三区综合在线观看 | 日本黄色片子视频| 夫妻性生交免费视频一级片| 亚洲精品久久午夜乱码|