• <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
    色综合站精品国产| 人人妻人人澡人人爽人人夜夜 | 男女之事视频高清在线观看| 亚洲成人久久爱视频| 丝袜喷水一区| h日本视频在线播放| 午夜影院日韩av| 一级毛片电影观看 | 美女黄网站色视频| 亚洲av免费高清在线观看| 99久久成人亚洲精品观看| 国产探花极品一区二区| 国产一区二区三区av在线 | 欧美色欧美亚洲另类二区| 久久久久久久亚洲中文字幕| 三级国产精品欧美在线观看| 99在线人妻在线中文字幕| 欧美成人一区二区免费高清观看| 欧美国产日韩亚洲一区| 一级黄色大片毛片| 91麻豆精品激情在线观看国产| 一区二区三区四区激情视频 | 久久久久免费精品人妻一区二区| 午夜影院日韩av| 最近视频中文字幕2019在线8| 久久九九热精品免费| 精品久久久久久成人av| 亚洲成人av在线免费| 色噜噜av男人的天堂激情| 欧美日韩乱码在线| 99热这里只有精品一区| 人人妻人人澡人人爽人人夜夜 | 美女高潮的动态| 看黄色毛片网站| ponron亚洲| 男女下面进入的视频免费午夜| 丰满的人妻完整版| 99热网站在线观看| 亚洲熟妇中文字幕五十中出| 99热只有精品国产| 免费高清视频大片| 亚洲精品影视一区二区三区av| 老司机午夜福利在线观看视频| 国产在线男女| 97碰自拍视频| 天美传媒精品一区二区| 成人亚洲精品av一区二区| 成人永久免费在线观看视频| 亚洲美女黄片视频| 男女之事视频高清在线观看| 日本在线视频免费播放| 日本黄色视频三级网站网址| 久久久精品94久久精品| 在线免费观看不下载黄p国产| 一级毛片aaaaaa免费看小| 国产女主播在线喷水免费视频网站 | 日本免费a在线| 免费在线观看成人毛片| 国产探花极品一区二区| 国产精品久久久久久精品电影| 99久久无色码亚洲精品果冻| 别揉我奶头 嗯啊视频| 亚洲色图av天堂| av中文乱码字幕在线| 91午夜精品亚洲一区二区三区| 九色成人免费人妻av| 人妻少妇偷人精品九色| 久久久久久久久久久丰满| 一本精品99久久精品77| 亚洲专区国产一区二区| 亚洲自偷自拍三级| 一本一本综合久久| 亚洲精华国产精华液的使用体验 | 99在线人妻在线中文字幕| 成人性生交大片免费视频hd| 欧美日韩国产亚洲二区| 美女大奶头视频| 校园人妻丝袜中文字幕| 亚洲av不卡在线观看| 欧美激情久久久久久爽电影| 热99在线观看视频| 午夜精品在线福利| 色5月婷婷丁香| 少妇人妻一区二区三区视频| 久久久久国内视频| 久久久精品大字幕| 老熟妇仑乱视频hdxx| 欧美一区二区国产精品久久精品| 男人狂女人下面高潮的视频| 波野结衣二区三区在线| 亚洲一级一片aⅴ在线观看| 美女cb高潮喷水在线观看| 99热这里只有是精品50| 精品人妻偷拍中文字幕| 欧美最新免费一区二区三区| 亚洲成人av在线免费| 黑人高潮一二区| 国产精品嫩草影院av在线观看| 午夜精品一区二区三区免费看| 寂寞人妻少妇视频99o| 国产av不卡久久| 国产精品99久久久久久久久| 少妇被粗大猛烈的视频| 久久久国产成人免费| a级一级毛片免费在线观看| 人人妻,人人澡人人爽秒播| 超碰av人人做人人爽久久| 中出人妻视频一区二区| 高清午夜精品一区二区三区 | 亚洲av免费高清在线观看| av专区在线播放| 亚洲av中文av极速乱| 激情 狠狠 欧美| 成人鲁丝片一二三区免费| 久久鲁丝午夜福利片| 婷婷六月久久综合丁香| 亚洲欧美中文字幕日韩二区| 欧美绝顶高潮抽搐喷水| 国产精品免费一区二区三区在线| 毛片女人毛片| 中文字幕av在线有码专区| 97碰自拍视频| 九九热线精品视视频播放| 国产成人影院久久av| 高清毛片免费看| 真人做人爱边吃奶动态| 亚洲美女黄片视频| 亚洲va在线va天堂va国产| 天堂网av新在线| 久久精品人妻少妇| 嫩草影院入口| 小蜜桃在线观看免费完整版高清| 一a级毛片在线观看| 狠狠狠狠99中文字幕| 六月丁香七月| 国产乱人偷精品视频| 亚洲欧美精品自产自拍| 搡老妇女老女人老熟妇| 又黄又爽又刺激的免费视频.| av在线蜜桃| 国产精品爽爽va在线观看网站| 日本黄色片子视频| 在线天堂最新版资源| 成年女人永久免费观看视频| 蜜桃亚洲精品一区二区三区| 日本黄大片高清| 国产精品爽爽va在线观看网站| 欧美成人精品欧美一级黄| 欧美最新免费一区二区三区| 听说在线观看完整版免费高清| 国产精品伦人一区二区| 免费av不卡在线播放| 国产高清视频在线观看网站| 国产精品久久久久久久久免| 夜夜看夜夜爽夜夜摸| 久久久久久国产a免费观看| 美女高潮的动态| av福利片在线观看| 嫩草影院精品99| 老司机福利观看| 国产视频一区二区在线看| 亚洲精品粉嫩美女一区| 国产91av在线免费观看| 男女啪啪激烈高潮av片| 久久久久国内视频| 国产免费男女视频| 国产国拍精品亚洲av在线观看| 免费在线观看成人毛片| 日本-黄色视频高清免费观看| 久久久久久国产a免费观看| 亚洲欧美精品综合久久99| 女同久久另类99精品国产91| 日韩欧美免费精品| 国产探花在线观看一区二区| 久久精品国产自在天天线| 美女cb高潮喷水在线观看| 亚洲成av人片在线播放无| 一区福利在线观看| 久久精品夜色国产| 在线观看免费视频日本深夜| 少妇裸体淫交视频免费看高清| 国产精品永久免费网站| 2021天堂中文幕一二区在线观| 99久久无色码亚洲精品果冻| 亚洲国产日韩欧美精品在线观看| 国产精品,欧美在线| 中文字幕精品亚洲无线码一区| 99久久九九国产精品国产免费| 丰满人妻一区二区三区视频av| 少妇人妻精品综合一区二区 | 国产极品精品免费视频能看的| 久久久久久大精品| 国产在视频线在精品| 国产爱豆传媒在线观看| 午夜福利在线观看吧| 精品久久久久久久人妻蜜臀av| 五月伊人婷婷丁香| 老司机影院成人| 一个人看视频在线观看www免费| 我的女老师完整版在线观看| 蜜桃亚洲精品一区二区三区| 日韩一本色道免费dvd| 免费人成视频x8x8入口观看| 久久久久久久久中文| 久久婷婷人人爽人人干人人爱| 人妻少妇偷人精品九色| 熟女电影av网| 超碰av人人做人人爽久久| 真实男女啪啪啪动态图| 在线观看一区二区三区| 国产视频内射| 成人毛片a级毛片在线播放| 欧美zozozo另类| 啦啦啦韩国在线观看视频| 亚洲精品成人久久久久久| 国产亚洲精品久久久com| 国产精品99久久久久久久久| 成人特级av手机在线观看| 久久精品国产亚洲av天美| 男人舔奶头视频| 18禁在线无遮挡免费观看视频 | 久久6这里有精品| 黄色欧美视频在线观看| 香蕉av资源在线| 成年免费大片在线观看| 中文字幕av成人在线电影| 六月丁香七月| 久久鲁丝午夜福利片| 精品久久国产蜜桃| 丝袜喷水一区| 久久久成人免费电影| 麻豆精品久久久久久蜜桃| 国产视频一区二区在线看| 激情 狠狠 欧美| 99热这里只有是精品在线观看| 欧美最黄视频在线播放免费| 老熟妇仑乱视频hdxx| 少妇猛男粗大的猛烈进出视频 | 久久精品人妻少妇| 国内精品宾馆在线| 国产高清不卡午夜福利| 亚洲欧美日韩卡通动漫| 久久亚洲国产成人精品v| 亚州av有码| 老司机福利观看| 男人舔奶头视频| 亚洲欧美清纯卡通| 网址你懂的国产日韩在线| 91久久精品国产一区二区三区| 久久精品国产亚洲av天美| 免费看a级黄色片| 国产精品嫩草影院av在线观看| 麻豆av噜噜一区二区三区| 久久精品91蜜桃| 日韩成人av中文字幕在线观看 | 国产一区二区三区在线臀色熟女| 亚洲在线观看片| 一a级毛片在线观看| 精品无人区乱码1区二区| 欧美三级亚洲精品| 欧美成人一区二区免费高清观看| 国产精品国产高清国产av| 国产精品爽爽va在线观看网站| 久久久a久久爽久久v久久| 亚洲精品成人久久久久久| 在线免费观看不下载黄p国产| 中文亚洲av片在线观看爽| 国产一区二区三区在线臀色熟女| 国产精品电影一区二区三区| 国产成年人精品一区二区| 极品教师在线视频| 亚洲美女黄片视频| 午夜激情福利司机影院| 成人av一区二区三区在线看| 久久国内精品自在自线图片| 变态另类成人亚洲欧美熟女| 欧美成人a在线观看| 成人永久免费在线观看视频| 成人漫画全彩无遮挡| 美女被艹到高潮喷水动态| 国产精品久久久久久精品电影| 女人被狂操c到高潮| 日韩欧美 国产精品| 18禁裸乳无遮挡免费网站照片| 国产探花极品一区二区| 午夜亚洲福利在线播放| 伦精品一区二区三区| 国产黄a三级三级三级人| 级片在线观看| 久久久久久伊人网av| 女的被弄到高潮叫床怎么办| 久久人人精品亚洲av| 亚洲成人久久爱视频| 亚洲第一区二区三区不卡| 性插视频无遮挡在线免费观看| 久久亚洲国产成人精品v| 少妇的逼好多水| 国产色爽女视频免费观看| 久久亚洲精品不卡| 欧美高清性xxxxhd video| 亚洲自拍偷在线| 亚洲人与动物交配视频| 在线天堂最新版资源| 国产精品久久久久久av不卡| 国产精品一区二区三区四区免费观看 | 97超级碰碰碰精品色视频在线观看| 亚洲中文字幕一区二区三区有码在线看| 69av精品久久久久久| 午夜视频国产福利| 国产精品日韩av在线免费观看| 日韩欧美国产在线观看| 久久亚洲精品不卡| 中出人妻视频一区二区| 精华霜和精华液先用哪个| 99热这里只有是精品在线观看| 午夜福利高清视频| 最近2019中文字幕mv第一页| 国产爱豆传媒在线观看| 久久久国产成人免费| 日本-黄色视频高清免费观看| 六月丁香七月| 国产高清不卡午夜福利| 性色avwww在线观看| 国产激情偷乱视频一区二区| av在线蜜桃| 最近视频中文字幕2019在线8| 国产69精品久久久久777片| 国产视频一区二区在线看| 91久久精品国产一区二区成人| 亚洲,欧美,日韩| 黄色视频,在线免费观看| 国产精品电影一区二区三区| 亚洲国产欧美人成| 赤兔流量卡办理| 成年女人永久免费观看视频| 小蜜桃在线观看免费完整版高清| 成人特级av手机在线观看| 一级毛片aaaaaa免费看小| 国产男人的电影天堂91| 乱码一卡2卡4卡精品| 色综合亚洲欧美另类图片| 高清毛片免费看| 一区福利在线观看| 国产av一区在线观看免费| 国产精品av视频在线免费观看| 特大巨黑吊av在线直播| 日本 av在线| 老司机福利观看| av国产免费在线观看| 欧美中文日本在线观看视频| 欧美日韩精品成人综合77777| 51国产日韩欧美| 精品不卡国产一区二区三区| 久久久久久久午夜电影| 99久国产av精品国产电影| 欧美潮喷喷水| 国产乱人视频| 欧美zozozo另类| 观看免费一级毛片| 亚洲精品在线观看二区| 亚洲国产精品成人综合色| 十八禁国产超污无遮挡网站| 日日啪夜夜撸| 97热精品久久久久久| 国产在线男女| 久久精品夜夜夜夜夜久久蜜豆| 男人的好看免费观看在线视频| 国产亚洲精品av在线| 精品一区二区免费观看| 日韩 亚洲 欧美在线| 免费无遮挡裸体视频| 国产一区二区亚洲精品在线观看| 午夜精品国产一区二区电影 | 久久精品夜夜夜夜夜久久蜜豆| 欧美色视频一区免费| 日韩精品中文字幕看吧| 亚洲熟妇中文字幕五十中出| 色视频www国产| 国产精品亚洲一级av第二区| 偷拍熟女少妇极品色| 日本一本二区三区精品| 少妇人妻一区二区三区视频| 亚洲欧美日韩高清专用| 黄色配什么色好看| 99在线人妻在线中文字幕| 高清毛片免费看| 日产精品乱码卡一卡2卡三| 国产亚洲精品久久久com| 免费看光身美女| 色哟哟·www| 日本在线视频免费播放| 亚洲真实伦在线观看| 一本久久中文字幕| 黄色配什么色好看| 18禁在线播放成人免费| 免费看光身美女| 久久综合国产亚洲精品| 久久鲁丝午夜福利片| 免费人成视频x8x8入口观看| 熟女电影av网| 精品欧美国产一区二区三| 国产极品精品免费视频能看的| 男人和女人高潮做爰伦理| 三级国产精品欧美在线观看| 非洲黑人性xxxx精品又粗又长| 91午夜精品亚洲一区二区三区| 中文字幕精品亚洲无线码一区| 亚洲精品在线观看二区| 特大巨黑吊av在线直播| 久久久久久伊人网av| 99热这里只有是精品50| 成人特级av手机在线观看| 中文资源天堂在线| 欧美在线一区亚洲| 插逼视频在线观看| 久99久视频精品免费| 久久欧美精品欧美久久欧美| 亚洲欧美精品综合久久99| 日本 av在线| 老师上课跳d突然被开到最大视频| 色吧在线观看| 免费一级毛片在线播放高清视频| 偷拍熟女少妇极品色| 国内精品一区二区在线观看| 99riav亚洲国产免费| 精品一区二区三区人妻视频| 51国产日韩欧美| 麻豆精品久久久久久蜜桃| 国产男靠女视频免费网站| 成人鲁丝片一二三区免费| 黄片wwwwww| 久久久久精品国产欧美久久久| 99久久中文字幕三级久久日本| 亚洲国产精品国产精品| 精品午夜福利在线看| 色在线成人网| 欧美中文日本在线观看视频| 一a级毛片在线观看| 亚洲美女搞黄在线观看 | 国产伦精品一区二区三区四那| 亚洲最大成人av| 免费看光身美女| 亚洲婷婷狠狠爱综合网| 麻豆久久精品国产亚洲av| 中文字幕精品亚洲无线码一区| 亚洲成人精品中文字幕电影| 国产精品永久免费网站| 变态另类丝袜制服| 久久久久久久久久成人| 在线观看午夜福利视频| 久久久久久九九精品二区国产| a级毛色黄片| 国产一区二区在线观看日韩| 亚洲天堂国产精品一区在线| 国产黄a三级三级三级人| 尾随美女入室| 亚洲婷婷狠狠爱综合网| 国产精品综合久久久久久久免费| 麻豆av噜噜一区二区三区| avwww免费| 亚洲人成网站高清观看| 嫩草影院精品99| 国产毛片a区久久久久| 国产精华一区二区三区| 亚洲精品亚洲一区二区| 晚上一个人看的免费电影| 91麻豆精品激情在线观看国产| 联通29元200g的流量卡| 超碰av人人做人人爽久久| 国产精品1区2区在线观看.| 美女cb高潮喷水在线观看| 久久精品人妻少妇| 中文字幕免费在线视频6| 深夜精品福利| 国产亚洲精品综合一区在线观看| 日韩成人av中文字幕在线观看 | 噜噜噜噜噜久久久久久91| 精品久久久噜噜| 久久中文看片网| 黄色欧美视频在线观看| 亚洲av一区综合| 国产精品1区2区在线观看.| 麻豆国产av国片精品| 国产男靠女视频免费网站| 亚洲国产精品久久男人天堂| 精品久久久久久久久av| 看免费成人av毛片| 久久午夜亚洲精品久久| 国产精品无大码| 直男gayav资源| 免费高清视频大片| 免费看光身美女| 日本一二三区视频观看| 最好的美女福利视频网| 中文在线观看免费www的网站| 国产国拍精品亚洲av在线观看| 国产在线男女| 乱人视频在线观看| 搡老熟女国产l中国老女人| 深爱激情五月婷婷| 国产成人一区二区在线| 搡老妇女老女人老熟妇| 国产免费男女视频| 国产亚洲av嫩草精品影院| 亚洲精品在线观看二区| 国产乱人偷精品视频| 久久久久久久午夜电影| 三级经典国产精品| 一进一出抽搐动态| 成人国产麻豆网| 欧美潮喷喷水| 免费搜索国产男女视频| 日本免费一区二区三区高清不卡| 中出人妻视频一区二区| 十八禁网站免费在线| 精品少妇黑人巨大在线播放 | 日日干狠狠操夜夜爽| 永久网站在线| 免费在线观看成人毛片| 波多野结衣高清无吗| 亚洲四区av| 国产精品综合久久久久久久免费| 欧美成人免费av一区二区三区| 亚州av有码| 欧美人与善性xxx| 禁无遮挡网站| 村上凉子中文字幕在线| 中文在线观看免费www的网站| 露出奶头的视频| av福利片在线观看| 久久久久性生活片| 国产成人91sexporn| 国产又黄又爽又无遮挡在线| 免费不卡的大黄色大毛片视频在线观看 | 久久久久性生活片| 亚洲av.av天堂| av专区在线播放| 毛片一级片免费看久久久久| 日韩精品青青久久久久久| 色尼玛亚洲综合影院| 欧美一区二区国产精品久久精品| 网址你懂的国产日韩在线| 狂野欧美白嫩少妇大欣赏| 九九久久精品国产亚洲av麻豆| 天堂av国产一区二区熟女人妻| 亚洲国产精品成人综合色| 在线观看av片永久免费下载| 久久精品国产亚洲av天美| 露出奶头的视频| 在线观看免费视频日本深夜| 美女高潮的动态| 五月玫瑰六月丁香| 黄色配什么色好看| 国产美女午夜福利| 国产高清激情床上av| 亚洲av中文字字幕乱码综合| 国产成人a∨麻豆精品| 男人舔奶头视频| 午夜久久久久精精品| 一级毛片久久久久久久久女| 精品一区二区三区人妻视频| 欧美另类亚洲清纯唯美| a级毛片免费高清观看在线播放| 欧美最新免费一区二区三区| 麻豆精品久久久久久蜜桃| 日韩欧美三级三区| 亚洲最大成人中文| 最近2019中文字幕mv第一页| 色噜噜av男人的天堂激情| 丝袜喷水一区| 国产一区二区亚洲精品在线观看| 亚洲国产日韩欧美精品在线观看| 俄罗斯特黄特色一大片| 亚洲中文字幕一区二区三区有码在线看| 成年女人毛片免费观看观看9| 亚洲国产欧洲综合997久久,| 伦理电影大哥的女人| 国产成人aa在线观看| 亚洲成人中文字幕在线播放| 国产精品永久免费网站| 日本精品一区二区三区蜜桃| 麻豆一二三区av精品| 狠狠狠狠99中文字幕| 国产精品1区2区在线观看.| 嫩草影院入口| 大型黄色视频在线免费观看| 天堂影院成人在线观看| 一个人免费在线观看电影| 国产爱豆传媒在线观看| av黄色大香蕉| 精品免费久久久久久久清纯| 亚洲电影在线观看av| 成熟少妇高潮喷水视频| a级毛片a级免费在线| 国产精品久久久久久久电影| 国产v大片淫在线免费观看| 国国产精品蜜臀av免费| 日本成人三级电影网站| 给我免费播放毛片高清在线观看| 成人毛片a级毛片在线播放| 亚洲欧美中文字幕日韩二区| 国产又黄又爽又无遮挡在线| 亚洲精品日韩在线中文字幕 | 最近手机中文字幕大全| 国产精品久久久久久亚洲av鲁大| 欧美成人精品欧美一级黄| 成人国产麻豆网| 别揉我奶头 嗯啊视频| 99在线人妻在线中文字幕| 成人高潮视频无遮挡免费网站| 久久精品综合一区二区三区| 少妇熟女aⅴ在线视频| 国产精品久久视频播放| 99久久久亚洲精品蜜臀av| 国产视频内射|