• <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 ?

    基于文本蘊(yùn)含的選擇類(lèi)問(wèn)題解答技術(shù)研究

    2016-10-13 04:28:14王寶鑫鄭德權(quán)王曉雪趙姍姍趙鐵軍
    關(guān)鍵詞:阿爾卑斯雪崩

    王寶鑫 鄭德權(quán) 王曉雪 趙姍姍 趙鐵軍

    ?

    基于文本蘊(yùn)含的選擇類(lèi)問(wèn)題解答技術(shù)研究

    王寶鑫 鄭德權(quán)?王曉雪 趙姍姍 趙鐵軍

    哈爾濱工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院, 哈爾濱 150001; ?通信作者, E-mail: dqzheng@mtlab.hit.edu.cn

    利用選擇類(lèi)問(wèn)題具有明確候選項(xiàng)的特點(diǎn), 簡(jiǎn)化問(wèn)題分類(lèi)過(guò)程, 并針對(duì)長(zhǎng)文本語(yǔ)義蘊(yùn)含短文本語(yǔ)義的語(yǔ)言現(xiàn)象, 提出一種根據(jù)文本蘊(yùn)含強(qiáng)度大小對(duì)候選答案進(jìn)行排序的方法。在沒(méi)有大規(guī)模問(wèn)答對(duì)的情況下, 采用維基百科中文語(yǔ)料庫(kù), 以全國(guó)各省市高考地理選擇題作為實(shí)驗(yàn)數(shù)據(jù), 通過(guò)句子相似度和文本蘊(yùn)含兩種方法來(lái)解答地理選擇題。實(shí)驗(yàn)表明, 基于文本蘊(yùn)含方法的準(zhǔn)確率為36.93%, 比基于詞嵌入的句子相似度方法提高2.44%, 比基于向量空間模型的句子相似度方法提高7.66%, 驗(yàn)證了該文本蘊(yùn)含強(qiáng)度計(jì)算方法的有效性。

    文本蘊(yùn)含; 選擇題; 詞嵌入; 句子相似度

    問(wèn)答系統(tǒng)通常分為三類(lèi): 基于知識(shí)庫(kù)的問(wèn)答系統(tǒng)、基于大規(guī)模文本的問(wèn)答系統(tǒng)和基于問(wèn)答對(duì)的問(wèn)答系統(tǒng)[1]。隨著互聯(lián)網(wǎng)的快速發(fā)展以及電子文本的增多, 社區(qū)問(wèn)答系統(tǒng)(community question answering, CQA)和基于大規(guī)模文本的問(wèn)答系統(tǒng)的相關(guān)研究不斷增多, 但是針對(duì)選擇題這類(lèi)對(duì)人們?nèi)粘I詈蛯W(xué)習(xí)影響較大的問(wèn)答系統(tǒng)的研究相對(duì)較少。

    本文對(duì)具有明確候選項(xiàng)的選擇題問(wèn)答系統(tǒng)進(jìn)行研究, 利用大規(guī)模維基百科中文語(yǔ)料作為數(shù)據(jù)源, 提出一種根據(jù)文本蘊(yùn)含強(qiáng)度大小對(duì)候選答案進(jìn)行排序的方法, 利用選擇題選項(xiàng)的規(guī)范性來(lái)確定問(wèn)題分類(lèi), 降低了問(wèn)題分析過(guò)程的復(fù)雜度。最后將本文的方法與傳統(tǒng)的句子相似度計(jì)算方法進(jìn)行比較。

    1 相關(guān)工作

    1.1 文本蘊(yùn)含相關(guān)工作

    文本蘊(yùn)含[2]是一個(gè)連貫文本與一個(gè)假設(shè)文本之間的一種關(guān)系, 如果假設(shè)文本的語(yǔ)義可以通過(guò)文本推斷出來(lái), 則認(rèn)為文本蘊(yùn)含文本。文本蘊(yùn)含由Dagan等[2]在2004年提出, 其相關(guān)的任務(wù)一般包含識(shí)別、產(chǎn)生和抽取, 其中關(guān)于文本蘊(yùn)含識(shí)別(recognize textual entailment, RTE)的相關(guān)研究相對(duì)較多, RTE在問(wèn)答系統(tǒng)、信息抽取、機(jī)器翻譯評(píng)測(cè)等很多應(yīng)用中起關(guān)鍵作用[3]。RTE常采用的方法有單獨(dú)基于詞匯、句法、淺層語(yǔ)義的無(wú)監(jiān)督方法和基于分類(lèi)器的有監(jiān)督學(xué)習(xí)方法等[4]。有監(jiān)督方法往往需要較多訓(xùn)練數(shù)據(jù), 并且對(duì)于訓(xùn)練數(shù)據(jù)的領(lǐng)域依賴(lài)性較強(qiáng), 因此本文采用基于詞匯的無(wú)監(jiān)督方法。以往對(duì)文本蘊(yùn)含識(shí)別的研究多集中在兩個(gè)句子之間, 評(píng)測(cè)的任務(wù)也僅僅是評(píng)估句子是否蘊(yùn)含句子。本文文本蘊(yùn)含識(shí)別則是集中在長(zhǎng)文本與短語(yǔ)之間、長(zhǎng)文本與句子之間。實(shí)際上, 兩個(gè)文本之間是否存在蘊(yùn)含關(guān)系很難分清界限, 所以現(xiàn)有的文本蘊(yùn)含識(shí)別系統(tǒng)多是根據(jù)某一確定標(biāo)準(zhǔn)來(lái)判斷兩個(gè)句子是否存在蘊(yùn)含關(guān)系。由于本文研究的是已有明確候選答案的選擇題類(lèi)問(wèn)答系統(tǒng), 需要比較文本對(duì)文本1的蘊(yùn)含關(guān)系是否大于文本對(duì)文本2的蘊(yùn)含關(guān)系, 而不是簡(jiǎn)單地判斷兩個(gè)文本之間是否存在蘊(yùn)含關(guān)系。因此, 為衡量蘊(yùn)含關(guān)系的大小, 本文提出文本蘊(yùn)含強(qiáng)度的概念。

    1.2 問(wèn)答系統(tǒng)相關(guān)工作

    問(wèn)答系統(tǒng)一般包含3個(gè)主要組成部分: 問(wèn)題分析、信息檢索和答案抽取。依據(jù)處理數(shù)據(jù)的格式, 問(wèn)答系統(tǒng)可以劃分為三類(lèi): 基于知識(shí)庫(kù)的問(wèn)答系統(tǒng)、基于自由文本的問(wèn)答系統(tǒng)和基于問(wèn)題答案對(duì)的問(wèn)答系統(tǒng)。早期的問(wèn)答系統(tǒng)大部分是基于知識(shí)庫(kù)的問(wèn)答系統(tǒng), 但是由于知識(shí)庫(kù)構(gòu)建需要消耗大量的資源, 產(chǎn)生的問(wèn)答系統(tǒng)局限性也比較大, 所以該類(lèi)問(wèn)答系統(tǒng)多用來(lái)解決限定領(lǐng)域的問(wèn)題。隨著互聯(lián)網(wǎng)的興起, 網(wǎng)絡(luò)上的文本數(shù)量激增, 隨之興起的是基于自由文本的問(wèn)答系統(tǒng), 即從已經(jīng)存在的非結(jié)構(gòu)化文本中抽取答案。自2005年末以來(lái), 隨著CQA數(shù)據(jù)的大量出現(xiàn), 問(wèn)題答案對(duì)數(shù)量的增多[5], 基于問(wèn)答對(duì)的問(wèn)答系統(tǒng)逐漸成為研究熱點(diǎn)。

    本文采用全國(guó)各省市高考地理選擇題作為實(shí)驗(yàn)數(shù)據(jù), 進(jìn)行關(guān)于選擇題問(wèn)答系統(tǒng)的研究。由于知識(shí)庫(kù)的匱乏, 構(gòu)建知識(shí)庫(kù)需要消耗大量人力和時(shí)間, 且關(guān)于高考題的問(wèn)答對(duì)的數(shù)目相對(duì)較少, 重復(fù)問(wèn)題出現(xiàn)的可能性低, 因此本文采用依賴(lài)于自由文本的問(wèn)答系統(tǒng)。本文的選擇題問(wèn)答系統(tǒng)可以看做問(wèn)答對(duì)類(lèi)和自由文本類(lèi)問(wèn)答系統(tǒng)的結(jié)合: 一方面, 它與CQA一樣擁有天然的候選答案可供選擇; 另一方面, 該系統(tǒng)通過(guò)自由文本對(duì)選擇題進(jìn)行解答。傳統(tǒng)的基于自由文本的問(wèn)答系統(tǒng)由于沒(méi)有天然可靠的候選答案, 所以問(wèn)題研究的重點(diǎn)多集中在對(duì)問(wèn)題精細(xì)分類(lèi)、從文本中檢索相關(guān)信息以及從文本中抽取簡(jiǎn)潔的答案等方面。本文中涉及的選擇題問(wèn)答, 由于候選選項(xiàng)已經(jīng)確定, 所以重點(diǎn)研究如何對(duì)候選項(xiàng)進(jìn)行評(píng)分排序。本文采用計(jì)算文本蘊(yùn)含(textual entailment, TE)強(qiáng)度的方法來(lái)解決選擇題型問(wèn)答。

    2 算法與理論推導(dǎo)

    2.1 問(wèn)題定義

    定義1 文本蘊(yùn)含強(qiáng)度。

    對(duì)于一個(gè)連貫文本與一個(gè)假設(shè)文本, 如果可以根據(jù)推斷出, 則說(shuō)明與之間存在一個(gè)有向的文本蘊(yùn)含關(guān)系。過(guò)去對(duì)于文本蘊(yùn)含的研究多集中于兩個(gè)文本與是否含有蘊(yùn)含關(guān)系, 然而在很多實(shí)際任務(wù)中, 不僅需要定性地判斷兩個(gè)文本之間是否存在蘊(yùn)含關(guān)系, 而且在不蘊(yùn)含的情況下, 可能還需要判斷是否部分蘊(yùn)含, 以及部分蘊(yùn)含多少[6]。例1給出一個(gè)部分蘊(yùn)含的示例。

    例1: 李娜出生于1982年, 是中國(guó)著名網(wǎng)球運(yùn)動(dòng)員。

    : 李娜是中國(guó)女子網(wǎng)球運(yùn)動(dòng)員。

    在例1中可以看到, 從句中可以推斷出句的部分信息, 然而并不能推斷出句的全部信息, 其中“女子”這一信息無(wú)法從句中推斷出來(lái)。

    針對(duì)此現(xiàn)象, 本文提出文本蘊(yùn)含強(qiáng)度的概念, 文本對(duì)的文本蘊(yùn)含強(qiáng)度指與之間信息的交集占全部信息的比重, 即連貫文本對(duì)假設(shè)文本的蘊(yùn)含關(guān)系的大小。

    定義2 長(zhǎng)文本蘊(yùn)含。

    過(guò)去針對(duì)文本蘊(yùn)含的研究, 多是判斷兩個(gè)句子之間的蘊(yùn)含關(guān)系。然而實(shí)際問(wèn)題中, 可能會(huì)出現(xiàn)需要判斷長(zhǎng)文本(多個(gè)句子)對(duì)一個(gè)句子的文本蘊(yùn)含關(guān)系, 即長(zhǎng)文本蘊(yùn)含。例2給出一個(gè)長(zhǎng)文本對(duì)單句的語(yǔ)義蘊(yùn)含示例。

    例2: 李娜, 1982年2月26日出生在湖北省武漢市, 中國(guó)女子網(wǎng)球運(yùn)動(dòng)員。2008年北京奧運(yùn)會(huì)女子單打第四名。

    : 網(wǎng)球運(yùn)動(dòng)員李娜在2008年北京奧運(yùn)會(huì)獲得女子單打第四名。

    顯然從文本可以推斷出文本, 因此文本蘊(yùn)含文本。然而文本包含兩個(gè)句子, 每個(gè)句子分別包含一部分文本的信息, 過(guò)去RTE的很多研究方法對(duì)于該類(lèi)問(wèn)題并不適用。

    RTE常常采用有監(jiān)督的機(jī)器學(xué)習(xí)算法, 將其作為一個(gè)分類(lèi)任務(wù)進(jìn)行解決, 但是在文本是多個(gè)句子的情況下, 很多特征對(duì)該類(lèi)問(wèn)題并不適用, 并且需要人工標(biāo)注較多的訓(xùn)練數(shù)據(jù)(長(zhǎng)文本蘊(yùn)含的標(biāo)注往往需要消耗更多的時(shí)間和人力)。Glickman等[7]采用基于詞對(duì)齊的產(chǎn)生式模型, 計(jì)算文本蘊(yùn)含關(guān)系, 但是他們只考慮了詞之間的共現(xiàn)關(guān)系而忽視了詞語(yǔ)語(yǔ)義、詞語(yǔ)位置等信息。Jijkoun等[8]利用詞語(yǔ)相似度的方法來(lái)識(shí)別兩個(gè)句子的語(yǔ)義蘊(yùn)含關(guān)系, 但其語(yǔ)義相似度是基于WordNet計(jì)算的, 有一定局限性, 并且也沒(méi)有考慮詞語(yǔ)位置的關(guān)系。本文改進(jìn)了文獻(xiàn)[7-8]的算法, 提出一個(gè)啟發(fā)式算法對(duì)文本蘊(yùn)含強(qiáng)度進(jìn)行求解。

    2.2 文本蘊(yùn)含強(qiáng)度計(jì)算方法

    文本對(duì)文本的蘊(yùn)含強(qiáng)度大小TES(Textual Entailment Strength)滿足式(1):

    其中,表示連貫文本的詞數(shù),表示假設(shè)文本的詞數(shù),表示文本中的詞對(duì)文本中的詞語(yǔ)義蘊(yùn)含的大小,表示詞語(yǔ)對(duì)應(yīng)蘊(yùn)含強(qiáng)度占總蘊(yùn)含強(qiáng)度的權(quán)重。本文用與之間的相似度來(lái)近似估計(jì)對(duì)的語(yǔ)義蘊(yùn)含大小。

    可以這樣理解式(1): 對(duì)于文本中的每個(gè)詞, 找到在文本中與它相似度最高的詞, 計(jì)算與之間的相似度, 最后再對(duì)所有詞語(yǔ)相似度加權(quán)平均, 求得文本蘊(yùn)含強(qiáng)度。其中與的關(guān)系相當(dāng)于一種詞對(duì)齊關(guān)系, 如圖1所示。

    的計(jì)算過(guò)程如下: 定義()表示文本出現(xiàn)的概率,()表示詞語(yǔ)所在文本出現(xiàn)的概率,(|)表示在詞語(yǔ)出現(xiàn)的情況下, 文本出現(xiàn)的概率。直觀上,(|)越大,在公式中所占的比重越大。

    由貝葉斯公式(式(2))可知, 當(dāng)(|H)=1,()為定值時(shí),(|)與成正比。恰好是IDF(inverse document frequency), 常用來(lái)表示一個(gè)詞語(yǔ)對(duì)文本的區(qū)分度。本文使用式(3)所示的歸一化IDF作為權(quán)重。

    傳統(tǒng)詞義相似度計(jì)算多是通過(guò)WordNet和HowNet等知識(shí)庫(kù)計(jì)算的, 因此詞義相似度的計(jì)算效果往往會(huì)受限于知識(shí)庫(kù)的大小。近幾年, 基于神經(jīng)網(wǎng)絡(luò)的Word Embedding因其在詞語(yǔ)語(yǔ)義表示方面的良好性能受到廣泛關(guān)注[9–11]。Word Embedding將語(yǔ)料庫(kù)中的每個(gè)詞表示為一個(gè)低維實(shí)數(shù)向量, 可以很好地表示兩個(gè)詞語(yǔ)語(yǔ)義之間的距離。Glickman等[7]的方法需要計(jì)算任意兩個(gè)詞語(yǔ)在一句話的共現(xiàn)次數(shù), 往往需要較大的空間開(kāi)銷(xiāo)。Word Embedding也利用了詞共現(xiàn)的信息, 并且能更好地表達(dá)一個(gè)詞語(yǔ)的語(yǔ)義。因此, 本文中的相似度是采用Word Embedding計(jì)算余弦相似度得到的, 余弦相似度的計(jì)算如下:

    將式(1)~(4)的過(guò)程進(jìn)行總結(jié),得到算法1。

    算法1 基于詞語(yǔ)相似度的文本蘊(yùn)含強(qiáng)度計(jì)算。

    初始化:

    總相似度totalSim=0

    總權(quán)重totalWeight=0

    1 for= 1, ...,do

    3 totalSim+=IDF(v) maxSim

    4 totalWeight+=IDF(v)

    5 end for

    6 文本蘊(yùn)含強(qiáng)度TES=totalSim/totalWeight

    7 Return TES

    2.3 算法改進(jìn)

    算法1雖然可以在一定程度上表達(dá)文本蘊(yùn)含關(guān)系, 但是沒(méi)有考慮詞語(yǔ)位置信息。當(dāng)文本過(guò)長(zhǎng)時(shí), 如果文本中相鄰的兩個(gè)詞在文本中所對(duì)應(yīng)的詞之間的距離很大, 那么與的詞語(yǔ)之間的語(yǔ)義蘊(yùn)含強(qiáng)度相應(yīng)降低, 如例3所示。

    例3: 新月與滿月時(shí), 太陽(yáng)、地球、月球呈一直線, 潮差最大, 稱(chēng)作大潮; 上下弦月時(shí), 三者呈直角, 潮差最小, 稱(chēng)為小潮。

    1: 地球處在太陽(yáng)與月球之間, 出現(xiàn)大潮。

    2: 地球處在太陽(yáng)與月球之間, 出現(xiàn)小潮。

    對(duì)于例3, 顯然文本對(duì)1的文本蘊(yùn)含強(qiáng)度應(yīng)該大于對(duì)2的蘊(yùn)含強(qiáng)度。事實(shí)上, 從文本可以推斷出1, 而無(wú)法推斷出2。因此, 我們提出對(duì)應(yīng)的改進(jìn)算法, 相應(yīng)的蘊(yùn)含強(qiáng)度計(jì)算如下:

    其中,和分別表示假設(shè)文本和連貫文本的詞數(shù),表示詞語(yǔ)在文本中所在的位置下標(biāo),表示詞語(yǔ)在文本中對(duì)應(yīng)詞所在的位置下標(biāo), 即是文本中的兩個(gè)詞之間的距離。

    文本中相鄰的兩個(gè)詞所對(duì)應(yīng)的文本中的兩個(gè)詞距離越遠(yuǎn), 其語(yǔ)義蘊(yùn)含強(qiáng)度越低, 且這種降低趨勢(shì)隨距離增大先緩慢降低, 到一定距離后再加速降低, 最后再緩慢降低, 高斯函數(shù)(式(6))正好滿足這種下降趨勢(shì)。

    我們用動(dòng)態(tài)規(guī)劃求解獲得最終TES的值, 具體描述如算法2所示。

    算法2 改進(jìn)的文本蘊(yùn)含強(qiáng)度計(jì)算

    輸出: 文本蘊(yùn)含強(qiáng)度TES

    1 初始化:

    2 遞推:

    3 終止:

    3 選擇類(lèi)問(wèn)題解答及分析

    鑒于高考地理題具有易獲取、少干擾、形式規(guī)范以及可靠性高的特點(diǎn), 本文采用各地高考近十年的地理選擇題, 去除其中含有圖片的題目以及計(jì)算類(lèi)題目, 剩余287道選擇題作為最終的實(shí)驗(yàn)數(shù)據(jù)。

    本文方法分為預(yù)處理、問(wèn)題分析、信息檢索與答案抽取4個(gè)模塊, 如圖2所示。

    3.1 預(yù)處理

    預(yù)處理階段, 對(duì)維基百科文本語(yǔ)料進(jìn)行分詞, 并用分詞后的維基百科中文文本語(yǔ)料和Mikolov 等[10–11]提出的word2vec工具實(shí)現(xiàn)Word Embedding的訓(xùn)練。使用目前國(guó)際上句法分析效果比較好的ZPar[12]工具, 對(duì)選擇題選項(xiàng)進(jìn)行句法分析。

    3.2 問(wèn)題分析

    3.2.1 關(guān)鍵詞抽取

    本文通過(guò)傳統(tǒng)的TF-IDF方法來(lái)提取關(guān)鍵詞, 即根據(jù)計(jì)算選擇題題干部分的TF-IDF的數(shù)值大小進(jìn)行排序, 去除停用詞后, 依據(jù)TF-IDF值的大小依次選取關(guān)鍵詞, 本文實(shí)驗(yàn)中選取的關(guān)鍵詞數(shù)目為3。例4是一道高考地理選擇題的實(shí)例。例5是針對(duì)例4的一個(gè)抽取關(guān)鍵詞的例子。從例5可以看出, 基于TF-IDF抽取關(guān)鍵詞的方法雖然簡(jiǎn)單, 但是在地理選擇題題干中的表現(xiàn)很好。

    例4 春季, 歐洲阿爾卑斯山區(qū), 背風(fēng)坡常常出現(xiàn)冰雪迅速融化或雪崩。其主要原因是

    A. 反氣旋控制下沉增溫

    B. 暖鋒過(guò)境釋放熱量

    C. 西風(fēng)帶南移釋放熱量

    D. 局地氣流下沉增溫

    例5 題干:“春季, 歐洲阿爾卑斯山區(qū), 背風(fēng)坡常常出現(xiàn)冰雪迅速融化或雪崩。其主要原因是”。抽取關(guān)鍵詞:背風(fēng)坡、阿爾卑斯、雪崩。

    3.2.2 問(wèn)題分類(lèi)

    傳統(tǒng)問(wèn)答系統(tǒng)的問(wèn)題分類(lèi)通常比較精細(xì), 一方面為了確定答案的類(lèi)型, 同時(shí)也為了對(duì)不同類(lèi)別的問(wèn)題采用不同的方法來(lái)解答。本文采用的高考題具有規(guī)范性, 候選答案的形式規(guī)范且符合問(wèn)題要求。根據(jù)該特點(diǎn), 依據(jù)選擇題的選項(xiàng)對(duì)問(wèn)題分為兩大類(lèi):一類(lèi)是候選答案為名詞短語(yǔ)的選擇題; 另一類(lèi)是候選答案為句子的選擇題。本文對(duì)選項(xiàng)的分析判斷采用句法分析, 4個(gè)選項(xiàng)中含有名詞短語(yǔ)(NP)的選項(xiàng)有兩個(gè)及兩個(gè)以上則為名詞短語(yǔ)類(lèi)型, 否則即為句子類(lèi)型(IP)。

    例6是一道地理選擇題, 其中的4個(gè)選項(xiàng)都是NP, 因此該選擇題將會(huì)被劃分為名詞短語(yǔ)類(lèi)型。

    例6 人類(lèi)已知月球上的能源有

    A. (NP (NN 生物能) (PU 、) (NN 風(fēng)能))

    B. (NP (NN 核能) (PU 、) (NN 潮汐能))

    C. (NP (NN 潮汐能) (PU 、) (NN 太陽(yáng)能))

    D. (NP (NN 太陽(yáng)能) (PU 、) (NN 核能))

    3.2.3 問(wèn)句正誤傾向分析

    選擇題經(jīng)常會(huì)要求判斷“不正確”、“錯(cuò)誤”或“不合理”。對(duì)于這類(lèi)問(wèn)題, 我們將其識(shí)別出來(lái), 為后面的答案抽取過(guò)程提供幫助。該部分主要通過(guò)人工配置詞典的方法, 對(duì)選擇題題干進(jìn)行識(shí)別, 例如, 在題目的問(wèn)句中出現(xiàn)“不正確”一詞, 則將該問(wèn)題作為錯(cuò)誤傾向類(lèi)的問(wèn)題。

    3.3 信息檢索

    對(duì)中文維基百科的詞條建立索引, 根據(jù)問(wèn)題分析階段抽取出來(lái)的關(guān)鍵詞, 在維基百科語(yǔ)料中檢索相應(yīng)的詞條, 將與其對(duì)應(yīng)的百科文本提取出來(lái)。

    3.4 答案抽取

    該階段分別采用句子相似度和文本蘊(yùn)含兩種方法來(lái)實(shí)現(xiàn)答案抽取。最后根據(jù)問(wèn)題分析中的正誤傾向性判斷來(lái)選擇答案。如果是正向問(wèn)題, 則選擇分值最高的選項(xiàng), 否則, 選擇分值最低的選項(xiàng)。

    3.4.1 句子相似度

    在中文維基百科文本中檢索關(guān)鍵詞對(duì)應(yīng)的百科文本, 將選項(xiàng)與百科文本中的所有句子一一進(jìn)行相似度計(jì)算, 選取最高的相似度作為該選項(xiàng)最終的分?jǐn)?shù)。相似度計(jì)算分別采用基于TF-IDF的向量空間模型和基于Word Embedding的句子相似度計(jì)算。

    基于VSM的句子相似度: 將兩個(gè)句子表示為兩個(gè)向量, 向量的每一維權(quán)值對(duì)應(yīng)每個(gè)詞的TF-IDF值, 再對(duì)兩個(gè)向量計(jì)算余弦相似度, 作為兩個(gè)句子最終的相似度。

    基于Word Embedding的句子相似度: 如式(7)和(8)所示, 將句子中每個(gè)詞的Word Embedding向量相加取平均值作為句子的向量, 再對(duì)兩個(gè)句子的向量計(jì)算余弦相似度, 作為兩個(gè)句子最終的相似度。

    3.4.2 文本蘊(yùn)含

    將關(guān)鍵詞對(duì)應(yīng)的維基百科文本整體作為文本, 句子選項(xiàng)作為文本, 對(duì)短語(yǔ)類(lèi)的問(wèn)題采用算法1, 對(duì)句子類(lèi)的問(wèn)題采用算法2, 計(jì)算對(duì)的文本蘊(yùn)含強(qiáng)度。

    4 實(shí)驗(yàn)結(jié)果與分析

    由于本文問(wèn)答系統(tǒng)中候選項(xiàng)已經(jīng)確定, 正確答案一定會(huì)出現(xiàn)在候選項(xiàng)中, 且每道題都有固定的4個(gè)候選項(xiàng), 所以本文對(duì)問(wèn)答系統(tǒng)的評(píng)測(cè)標(biāo)準(zhǔn)采用準(zhǔn)確率。算法2中高斯函數(shù)的參數(shù)設(shè)置如下:,。

    根據(jù)句子相似度和文本蘊(yùn)含得到的最終問(wèn)答系統(tǒng)準(zhǔn)確率如表1所示。從表1可見(jiàn), 基于Word Embedding的相似度計(jì)算方法好于基于VSM的方法??梢?jiàn)基于Word Embedding的方法比VSM的方法能更好地表達(dá)句子的語(yǔ)義。從表1還可以看出, 算法1對(duì)名詞短語(yǔ)類(lèi)的問(wèn)題效果比較好, 而算法2對(duì)于句子類(lèi)的問(wèn)題效果較好。綜合兩種方法后, 本文提出的方法最終的準(zhǔn)確率可達(dá)36.93%。

    表1 實(shí)驗(yàn)結(jié)果

    為了驗(yàn)證本文方法的有效性, 在選取關(guān)鍵詞對(duì)應(yīng)的百科全部文本作為連貫文本之外, 還將百科文本中不同數(shù)目的連續(xù)句子作為進(jìn)行實(shí)驗(yàn), 選取其中最大的文本蘊(yùn)含強(qiáng)度作為最終選項(xiàng)的分值。

    圖3是對(duì)應(yīng)的實(shí)驗(yàn)結(jié)果, 可以看出, 算法1對(duì)應(yīng)名詞短語(yǔ)類(lèi)問(wèn)題的解答準(zhǔn)確率隨著句子數(shù)目的增大而呈上升趨勢(shì), 但是算法1卻無(wú)法對(duì)候選項(xiàng)為句子的問(wèn)題進(jìn)行有效解答。隨著句子數(shù)目增大, 算法1對(duì)句子類(lèi)問(wèn)題逐漸失效。原因可能有以下兩點(diǎn): 1)算法1無(wú)法很好地分析含有完整句法結(jié)構(gòu)的句子所對(duì)應(yīng)的文本蘊(yùn)含情況; 2)詞短語(yǔ)部分的選擇題更傾向于概念類(lèi)題目, 相對(duì)簡(jiǎn)單, 而候選答案為句子的選擇題分析則較為復(fù)雜, 需要更深層的語(yǔ)義分析, 因此無(wú)法直接從百科抽取答案。

    例7是在算法2中正確而在算法1中錯(cuò)誤的一個(gè)例子(算法2的答案為D, 算法1的答案為A), 其對(duì)應(yīng)的候選項(xiàng)都為句子。例7在一定程度上反映了算法2對(duì)候選項(xiàng)為句子的問(wèn)題的解答效果比算法1好。

    例7 在森林中一旦遭遇火災(zāi), 下列做法正確的是

    A. 使用沾濕的毛巾遮住口鼻, 順風(fēng)逃離

    B. 如果火勢(shì)突然減弱, 則可以放心休息

    C. 選擇低洼地或坑洞躲避

    D. 伺機(jī)逆風(fēng)突破林火包圍

    算法2在名詞短語(yǔ)類(lèi)問(wèn)題上的表現(xiàn)不如算法1, 原因可能是名詞短語(yǔ)類(lèi)選項(xiàng)大多由多個(gè)實(shí)體名詞混合在一起組成, 在百科文本中出現(xiàn)的位置相對(duì)分散, 限制其位置會(huì)導(dǎo)致最終的準(zhǔn)確率較低。算法2對(duì)于候選項(xiàng)為句子的問(wèn)題解答效果顯然比算法1好很多, 并且其準(zhǔn)確率隨著句子數(shù)目增多而增大, 這也說(shuō)明算法2對(duì)于計(jì)算長(zhǎng)文本對(duì)句子的文本蘊(yùn)含強(qiáng)度的效果明顯。

    5 結(jié)論

    本文針對(duì)選擇類(lèi)問(wèn)題解答方法進(jìn)行了研究, 提出了一種新的計(jì)算文本蘊(yùn)含強(qiáng)度的方法。在沒(méi)有大規(guī)模訓(xùn)練數(shù)據(jù)的情況下, 僅用維基百科中文語(yǔ)料庫(kù), 通過(guò)Word Embedding計(jì)算文本蘊(yùn)含強(qiáng)度來(lái)解決地理選擇類(lèi)問(wèn)題, 最終基于文本蘊(yùn)含方法的準(zhǔn)確率為36.93%, 比基于VSM的句子相似度方法的準(zhǔn)確率高7.66%, 比基于Word Embedding的句子相似度方法高2.44%。實(shí)驗(yàn)驗(yàn)證了本文提出的文本蘊(yùn)含計(jì)算方法對(duì)長(zhǎng)文本蘊(yùn)含短文本的情況效果明顯, 并且文本蘊(yùn)含也是解答選擇類(lèi)問(wèn)題的有效的方法。

    由于本文關(guān)于文本蘊(yùn)含強(qiáng)度的計(jì)算方法是分別針對(duì)長(zhǎng)文本對(duì)短語(yǔ)和長(zhǎng)文本對(duì)句子兩種類(lèi)型的文本蘊(yùn)含情況進(jìn)行的, 所以該方法在句子對(duì)句子類(lèi)型的文本蘊(yùn)含強(qiáng)度的計(jì)算效果仍有待提升。此外, 對(duì)于推理類(lèi)地理選擇題, 本文的方法在很多情況下并不適用, 需要后期構(gòu)建大型的知識(shí)庫(kù)以及邏輯推理框架來(lái)解決。

    [1]毛先領(lǐng), 李曉明. 問(wèn)答系統(tǒng)研究綜述. 計(jì)算機(jī)科學(xué)與探索, 2012, 6(3): 193-207

    [2]Dagan I, Glickman O. Probabilistic textual entail-ment: generic applied modeling of language varia-bility // Proc of the Pascal Workshop on Learning Methods for Text Understanding & Mining. Grenoble, 2004: 26–29

    [3]Androutsopoulos I, Malakasiotis P. A survey of paraphrasing and textual entailment methods. Journal of Artificial Intelligence Research, 2009, 38(4): 135–187

    [4]袁毓林, 王明華. 文本蘊(yùn)涵的推理模型與識(shí)別模型. 中文信息學(xué)報(bào), 2010, 24(2): 3–13

    [5]張中峰, 李秋丹. 社區(qū)問(wèn)答系統(tǒng)研究綜述. 計(jì)算機(jī)科學(xué), 2010, 37(11): 19–23

    [6]Levy O, Zesch T, Dagan I, et al. Recognizing partial textual entailment // Proceedings of the 51st Annual Meeting of the Association for Computational Lingui-stics. Sofia, 2013: 451–455

    [7]Glickman O, Dagan I M. A lexical alignment model for probabilistic textual entailment // Machine Lear-ning Callenges: Evaluating Predictive Uncertainty, Visual Object Classification, and Recognising Tectual Entailment. Berlin: Springer, 2006: 287–298

    [8]Jijkoun V, de Rijke M. Recognizing textual entailment using lexical similarity // Proc of the First PASCAL Challenges Workshop on RTE. Southampton, 2005: 73–76

    [9]Collobert R, Weston J. A unified architecture for natural language processing: deep neural networks with multitask learning // Proceedings of the 25th International Conference on Machine Learning. Helsinki, 2008: 160–167

    [10]Mikolov T, Chen K, Corrado G, et al. Efficient estimation of word representations in vector space // Proceedings of the Workshop at ICLR. Scottsdale, 2013: 1–12

    [11]Mikolov T, Sutskever I, Chen K, et al. Distributed representations of words and phrases and their compositionality // Proceedings of Neural Information Processing Systems. Lake Tahoe, 2013: 3111–3119

    [12]Zhang Y, Clark S. Syntactic processing using the generalized perceptron and beam search. Compu-tational Linguistics, 2011, 37(1): 105–151

    Multiple-Choice Question Answering Based on Textual Entailment

    WANG Baoxin, ZHENG Dequan?, WANG Xiaoxue, ZHAO Shanshan, ZHAO Tiejun

    School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001; ? Corresponding author, E-mail: dqzheng@mtlab.hit.edu.cn

    This paper proposes a method to compute textual entailment strength, taking multiple-choice questions which have clear candidate answers as research objects, aiming at the phenomenon of long text entailing short text. Two methods are used to answer the college entrance examination geography multiple-choice questions based on the Wikipedia Chinese Corpus in the absence of large-scale questions and answers. One is based on the sentence similarity and the other is based on the textual entailment proposed above. The accuracy rate of the proposed method is 36.93%, increasing by 2.44% than the way based on the word embedding sentence similarity, increasing 7.66% than the way based on the Vector Space Model sentence similarity, which confirm the effectiveness of the method based on the textual entailment.

    textual entailment; multiple-choice question; word embedding; sentence similarity

    10.13209/j.0479-8023.2016.017

    TP391

    2015-06-19;

    2015-08-17; 網(wǎng)絡(luò)出版日期: 2015-09-29

    國(guó)家自然科學(xué)基金(61173073)和863計(jì)劃(2015AA015405)資助

    猜你喜歡
    阿爾卑斯雪崩
    雪崩大危機(jī)
    雪崩時(shí),沒(méi)有一片雪花是無(wú)辜的
    The shocking disappearance of flights
    節(jié)日樂(lè)曲
    草原之晨?西域胡楊之魂?阿爾卑斯之晨
    文化交流(2017年6期)2017-06-13 02:09:53
    這個(gè)被譽(yù)為中國(guó)阿爾卑斯的地方,竟藏著11月最美的秋天
    大自然的音調(diào)(一)
    阿爾卑斯縱覽
    穿越阿爾卑斯
    欧美一级a爱片免费观看看 | 亚洲精品国产精品久久久不卡| 18禁美女被吸乳视频| 国产麻豆成人av免费视频| 午夜福利成人在线免费观看| 啦啦啦观看免费观看视频高清| 九色国产91popny在线| 老司机深夜福利视频在线观看| 99久久99久久久精品蜜桃| 老汉色∧v一级毛片| 久久精品aⅴ一区二区三区四区| 91成年电影在线观看| 欧美人与性动交α欧美精品济南到| 国产人伦9x9x在线观看| 国产午夜福利久久久久久| 久热这里只有精品99| 精品免费久久久久久久清纯| 精品久久久久久成人av| 又黄又粗又硬又大视频| 丁香欧美五月| cao死你这个sao货| 亚洲欧美精品综合久久99| 在线观看舔阴道视频| 韩国精品一区二区三区| 欧美性猛交╳xxx乱大交人| 久99久视频精品免费| 级片在线观看| 精品国产亚洲在线| 亚洲av美国av| bbb黄色大片| 看免费av毛片| 精品电影一区二区在线| 久久久久久久午夜电影| 别揉我奶头~嗯~啊~动态视频| 久久热在线av| 999久久久精品免费观看国产| 免费av毛片视频| av超薄肉色丝袜交足视频| 精品午夜福利视频在线观看一区| 超碰成人久久| 亚洲片人在线观看| 日韩av在线大香蕉| 高清在线国产一区| 欧美三级亚洲精品| 黄色视频不卡| 亚洲人成电影免费在线| 波多野结衣巨乳人妻| 99久久久亚洲精品蜜臀av| 免费高清视频大片| 麻豆成人午夜福利视频| 色综合婷婷激情| 久久精品人妻少妇| 免费看美女性在线毛片视频| 欧美成人免费av一区二区三区| 国产亚洲精品一区二区www| 久久久久亚洲av毛片大全| 国产亚洲欧美在线一区二区| 麻豆成人午夜福利视频| 热re99久久国产66热| 999久久久国产精品视频| 日韩三级视频一区二区三区| 很黄的视频免费| 99国产精品99久久久久| 亚洲美女黄片视频| 母亲3免费完整高清在线观看| 色av中文字幕| 国产精品99久久99久久久不卡| av欧美777| 日韩av在线大香蕉| 精品久久久久久久久久免费视频| 久久久久久九九精品二区国产 | 国产熟女午夜一区二区三区| 亚洲中文日韩欧美视频| 亚洲欧美日韩无卡精品| 国产成人精品无人区| 成人三级做爰电影| 国产精品亚洲一级av第二区| 老汉色av国产亚洲站长工具| 亚洲欧美激情综合另类| 岛国在线观看网站| 国产精品免费一区二区三区在线| 成年人黄色毛片网站| 人人澡人人妻人| 国产一级毛片七仙女欲春2 | 777久久人妻少妇嫩草av网站| 国产又色又爽无遮挡免费看| 亚洲五月婷婷丁香| 看免费av毛片| 精品久久久久久,| 免费女性裸体啪啪无遮挡网站| 91麻豆av在线| 国语自产精品视频在线第100页| 久久精品aⅴ一区二区三区四区| 18美女黄网站色大片免费观看| 日韩欧美国产在线观看| 久久久久久人人人人人| 90打野战视频偷拍视频| 老司机福利观看| 欧美不卡视频在线免费观看 | 午夜福利在线观看吧| 亚洲avbb在线观看| 精品国产超薄肉色丝袜足j| 亚洲久久久国产精品| 久久久国产成人免费| 中文字幕av电影在线播放| 嫁个100分男人电影在线观看| 制服人妻中文乱码| 大型黄色视频在线免费观看| 日韩欧美免费精品| 国内久久婷婷六月综合欲色啪| 一级黄色大片毛片| 亚洲精品国产精品久久久不卡| 国内精品久久久久久久电影| 老司机在亚洲福利影院| 亚洲成人国产一区在线观看| 99精品久久久久人妻精品| 国产1区2区3区精品| 99国产极品粉嫩在线观看| 亚洲性夜色夜夜综合| 久久久国产成人精品二区| 免费在线观看视频国产中文字幕亚洲| 国产精品久久久久久精品电影 | 日本五十路高清| 中文字幕另类日韩欧美亚洲嫩草| 午夜久久久在线观看| 亚洲五月色婷婷综合| 国产成年人精品一区二区| 久久精品aⅴ一区二区三区四区| 母亲3免费完整高清在线观看| svipshipincom国产片| 变态另类成人亚洲欧美熟女| 国产一区二区在线av高清观看| 精品无人区乱码1区二区| 91九色精品人成在线观看| 精品国产一区二区三区四区第35| 在线观看午夜福利视频| 韩国av一区二区三区四区| 搡老岳熟女国产| 午夜亚洲福利在线播放| 久久国产精品人妻蜜桃| 精品人妻1区二区| 亚洲欧美一区二区三区黑人| 黄色丝袜av网址大全| 日本黄色视频三级网站网址| 露出奶头的视频| 可以免费在线观看a视频的电影网站| 黄色成人免费大全| 日本精品一区二区三区蜜桃| 久99久视频精品免费| 老司机深夜福利视频在线观看| 欧美黑人精品巨大| 香蕉国产在线看| 色播在线永久视频| 色综合亚洲欧美另类图片| 国产熟女午夜一区二区三区| 国产免费男女视频| 88av欧美| 久久久久国产一级毛片高清牌| 在线观看66精品国产| 男女床上黄色一级片免费看| 精品无人区乱码1区二区| 亚洲午夜精品一区,二区,三区| 国产精品久久久人人做人人爽| 两性夫妻黄色片| 看片在线看免费视频| 国产av在哪里看| 免费人成视频x8x8入口观看| 国产99久久九九免费精品| 波多野结衣高清无吗| 狠狠狠狠99中文字幕| 级片在线观看| 欧美又色又爽又黄视频| 国产成人影院久久av| 脱女人内裤的视频| 一a级毛片在线观看| 日韩大码丰满熟妇| 久久精品亚洲精品国产色婷小说| 国产精品久久久人人做人人爽| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美国产精品va在线观看不卡| 免费av毛片视频| bbb黄色大片| 亚洲av五月六月丁香网| 国产精品九九99| 国产成人欧美在线观看| 国产一区二区三区视频了| 国产av不卡久久| 亚洲欧美激情综合另类| 夜夜看夜夜爽夜夜摸| 亚洲人成77777在线视频| 精品欧美一区二区三区在线| 啦啦啦韩国在线观看视频| 老熟妇乱子伦视频在线观看| 不卡一级毛片| 男女之事视频高清在线观看| 男人操女人黄网站| 人人妻人人看人人澡| 精品一区二区三区视频在线观看免费| 久久久久久久久久黄片| 日韩高清综合在线| 中文字幕最新亚洲高清| 国产亚洲av高清不卡| 深夜精品福利| 欧美成狂野欧美在线观看| 神马国产精品三级电影在线观看 | 成人国产综合亚洲| 久久精品国产亚洲av香蕉五月| 一个人观看的视频www高清免费观看 | √禁漫天堂资源中文www| 亚洲一区二区三区色噜噜| 亚洲中文av在线| 亚洲免费av在线视频| 变态另类成人亚洲欧美熟女| 狠狠狠狠99中文字幕| 黄片播放在线免费| 最好的美女福利视频网| 可以在线观看的亚洲视频| 欧美激情久久久久久爽电影| 国产一区二区三区在线臀色熟女| 国产在线精品亚洲第一网站| 99re在线观看精品视频| 最近在线观看免费完整版| 超碰成人久久| 露出奶头的视频| 中文在线观看免费www的网站 | 国产精品自产拍在线观看55亚洲| 久久久久精品国产欧美久久久| 国产av在哪里看| 午夜福利视频1000在线观看| 久久精品国产综合久久久| 黄片小视频在线播放| 国产亚洲欧美98| 亚洲中文字幕日韩| 99国产综合亚洲精品| 国产片内射在线| 久久久久久九九精品二区国产 | 欧美大码av| 人人妻,人人澡人人爽秒播| 午夜福利在线观看吧| 久久精品国产综合久久久| 99热只有精品国产| 国产激情久久老熟女| 91字幕亚洲| 久久天躁狠狠躁夜夜2o2o| 色综合婷婷激情| 国产精品免费一区二区三区在线| 日本三级黄在线观看| 伊人久久大香线蕉亚洲五| 丝袜人妻中文字幕| 成人国产综合亚洲| 搡老妇女老女人老熟妇| 国产亚洲精品av在线| 亚洲成人国产一区在线观看| 欧美国产日韩亚洲一区| 国产不卡一卡二| 国产麻豆成人av免费视频| 午夜两性在线视频| 免费搜索国产男女视频| 国产伦在线观看视频一区| 波多野结衣高清作品| 成熟少妇高潮喷水视频| 欧美日本亚洲视频在线播放| 一进一出抽搐动态| 亚洲中文字幕一区二区三区有码在线看 | 色在线成人网| 人人妻人人澡人人看| 中文亚洲av片在线观看爽| 精品国产乱码久久久久久男人| 国产成人精品无人区| 免费在线观看日本一区| 丰满的人妻完整版| 午夜老司机福利片| 黄色 视频免费看| 日本 欧美在线| 成人永久免费在线观看视频| 亚洲中文av在线| 国产又黄又爽又无遮挡在线| 久久亚洲精品不卡| 老司机午夜福利在线观看视频| 成人av一区二区三区在线看| 欧美乱妇无乱码| 亚洲一区中文字幕在线| 欧美性猛交╳xxx乱大交人| 国产高清videossex| 无遮挡黄片免费观看| 国产极品粉嫩免费观看在线| 亚洲一区二区三区色噜噜| 久久天躁狠狠躁夜夜2o2o| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲av电影在线进入| 国内精品久久久久精免费| 国产精品久久久人人做人人爽| 狂野欧美激情性xxxx| 99久久久亚洲精品蜜臀av| 国产成人av教育| 亚洲欧美日韩高清在线视频| 亚洲一卡2卡3卡4卡5卡精品中文| 久久人妻av系列| 久久久久久人人人人人| 免费观看人在逋| www.精华液| 久热爱精品视频在线9| 亚洲成人国产一区在线观看| 日本 欧美在线| 中出人妻视频一区二区| 日韩成人在线观看一区二区三区| 很黄的视频免费| 久久久久久人人人人人| 在线观看日韩欧美| 麻豆久久精品国产亚洲av| 1024视频免费在线观看| 国产精品免费视频内射| 啪啪无遮挡十八禁网站| 少妇熟女aⅴ在线视频| or卡值多少钱| 久久久久久久久中文| 亚洲熟妇熟女久久| 成人欧美大片| 久久久久久久午夜电影| 亚洲中文日韩欧美视频| or卡值多少钱| 女人爽到高潮嗷嗷叫在线视频| 欧美激情极品国产一区二区三区| 国产精品野战在线观看| 国产黄a三级三级三级人| 成人18禁高潮啪啪吃奶动态图| 久久精品国产亚洲av香蕉五月| 老司机福利观看| 天天躁狠狠躁夜夜躁狠狠躁| 欧美丝袜亚洲另类 | 亚洲午夜理论影院| 免费高清在线观看日韩| 精品国产国语对白av| av有码第一页| 国产精品电影一区二区三区| 十八禁网站免费在线| 最近最新中文字幕大全电影3 | 国产区一区二久久| av天堂在线播放| 别揉我奶头~嗯~啊~动态视频| 国产99白浆流出| 18禁裸乳无遮挡免费网站照片 | 亚洲欧美一区二区三区黑人| 欧美激情久久久久久爽电影| 夜夜爽天天搞| 国产精品99久久99久久久不卡| 亚洲国产精品成人综合色| 中文字幕精品免费在线观看视频| 两个人视频免费观看高清| 亚洲自偷自拍图片 自拍| 天天添夜夜摸| 免费在线观看视频国产中文字幕亚洲| а√天堂www在线а√下载| 国产伦在线观看视频一区| 国产精品精品国产色婷婷| 日日摸夜夜添夜夜添小说| 亚洲国产欧洲综合997久久, | 久久中文字幕一级| 成人永久免费在线观看视频| 狠狠狠狠99中文字幕| 亚洲va日本ⅴa欧美va伊人久久| 制服丝袜大香蕉在线| 国产亚洲精品av在线| 日韩视频一区二区在线观看| 在线观看舔阴道视频| 亚洲狠狠婷婷综合久久图片| 欧美日本视频| 99国产综合亚洲精品| 美国免费a级毛片| 久久中文字幕一级| 国产精品亚洲美女久久久| 制服丝袜大香蕉在线| 国产免费男女视频| 亚洲aⅴ乱码一区二区在线播放 | 日韩欧美一区二区三区在线观看| 亚洲男人的天堂狠狠| 久久精品夜夜夜夜夜久久蜜豆 | 可以在线观看毛片的网站| 亚洲精品美女久久久久99蜜臀| 两个人看的免费小视频| 亚洲久久久国产精品| 免费观看精品视频网站| 亚洲中文av在线| 一区二区三区国产精品乱码| 免费高清在线观看日韩| 两性午夜刺激爽爽歪歪视频在线观看 | 一个人观看的视频www高清免费观看 | 中文字幕人妻熟女乱码| 国产成人欧美| 精品一区二区三区四区五区乱码| 久久久国产欧美日韩av| 精品久久蜜臀av无| 日韩精品免费视频一区二区三区| 亚洲天堂国产精品一区在线| 免费高清视频大片| 亚洲国产欧美网| 久久中文字幕人妻熟女| 日韩精品中文字幕看吧| 日韩高清综合在线| 12—13女人毛片做爰片一| 女警被强在线播放| 人人妻人人澡欧美一区二区| 可以免费在线观看a视频的电影网站| 巨乳人妻的诱惑在线观看| 婷婷丁香在线五月| 一进一出好大好爽视频| 一级毛片女人18水好多| 琪琪午夜伦伦电影理论片6080| 色综合婷婷激情| 亚洲九九香蕉| 久久久久国产精品人妻aⅴ院| 满18在线观看网站| 国产精品亚洲一级av第二区| 一级作爱视频免费观看| 亚洲精品一区av在线观看| 精品久久蜜臀av无| 色综合亚洲欧美另类图片| 男女那种视频在线观看| 视频区欧美日本亚洲| 亚洲国产欧美网| 欧美激情高清一区二区三区| 成人国产综合亚洲| 在线观看免费日韩欧美大片| 伊人久久大香线蕉亚洲五| av片东京热男人的天堂| 啦啦啦免费观看视频1| 日本在线视频免费播放| 岛国视频午夜一区免费看| 午夜免费鲁丝| 国产精品精品国产色婷婷| 亚洲最大成人中文| 麻豆av在线久日| 夜夜看夜夜爽夜夜摸| 99热只有精品国产| av欧美777| 国产成人啪精品午夜网站| 丰满的人妻完整版| 欧美大码av| 啦啦啦 在线观看视频| 亚洲午夜理论影院| 免费搜索国产男女视频| 亚洲熟女毛片儿| 亚洲色图 男人天堂 中文字幕| 99久久久亚洲精品蜜臀av| 免费在线观看成人毛片| 啦啦啦免费观看视频1| 午夜成年电影在线免费观看| 美女高潮喷水抽搐中文字幕| 精品久久久久久久人妻蜜臀av| 91av网站免费观看| 777久久人妻少妇嫩草av网站| 亚洲精品久久国产高清桃花| 999久久久精品免费观看国产| 黄色片一级片一级黄色片| 波多野结衣av一区二区av| 欧美日韩亚洲国产一区二区在线观看| 1024香蕉在线观看| 成人精品一区二区免费| 欧美zozozo另类| 亚洲国产高清在线一区二区三 | 在线观看66精品国产| 好男人在线观看高清免费视频 | 亚洲男人的天堂狠狠| 日韩欧美三级三区| netflix在线观看网站| 欧美在线一区亚洲| 精品国产超薄肉色丝袜足j| 国产成人av教育| 国产又爽黄色视频| 久久久久久久久免费视频了| 美女高潮到喷水免费观看| 搞女人的毛片| 一区二区三区精品91| 97碰自拍视频| 国产精品久久电影中文字幕| 日本精品一区二区三区蜜桃| 国产伦一二天堂av在线观看| 这个男人来自地球电影免费观看| 男人舔女人的私密视频| 一级作爱视频免费观看| 99久久久亚洲精品蜜臀av| 亚洲精品在线观看二区| 久久亚洲真实| 久久久久免费精品人妻一区二区 | 母亲3免费完整高清在线观看| 欧美日本视频| 国产一区二区在线av高清观看| 50天的宝宝边吃奶边哭怎么回事| 久久99热这里只有精品18| 精品久久久久久成人av| 日韩 欧美 亚洲 中文字幕| 久久久久国产一级毛片高清牌| 国产野战对白在线观看| 桃色一区二区三区在线观看| 亚洲av成人不卡在线观看播放网| 久久久国产成人免费| 亚洲国产欧美日韩在线播放| 精品欧美国产一区二区三| 黄网站色视频无遮挡免费观看| www.www免费av| 日韩中文字幕欧美一区二区| 日韩高清综合在线| 一边摸一边做爽爽视频免费| 日韩高清综合在线| 亚洲熟女毛片儿| 午夜福利视频1000在线观看| 日本黄色视频三级网站网址| 给我免费播放毛片高清在线观看| 一区二区三区高清视频在线| 成人三级做爰电影| 99在线人妻在线中文字幕| 99国产精品99久久久久| 夜夜爽天天搞| 大型黄色视频在线免费观看| 国产久久久一区二区三区| 美女高潮喷水抽搐中文字幕| 成人永久免费在线观看视频| 国产精华一区二区三区| 一进一出抽搐gif免费好疼| 久久久国产成人精品二区| 欧美激情 高清一区二区三区| 91在线观看av| 麻豆av在线久日| 波多野结衣高清无吗| 美女扒开内裤让男人捅视频| 中文字幕人妻丝袜一区二区| 亚洲va日本ⅴa欧美va伊人久久| 国产色视频综合| 天天躁夜夜躁狠狠躁躁| 午夜成年电影在线免费观看| 99在线人妻在线中文字幕| 国产免费男女视频| 午夜精品在线福利| 啦啦啦免费观看视频1| 免费观看精品视频网站| 欧美zozozo另类| ponron亚洲| 欧美中文综合在线视频| 国产精品九九99| 欧美精品亚洲一区二区| 一进一出抽搐动态| 国产蜜桃级精品一区二区三区| 国产成人精品久久二区二区免费| 一边摸一边抽搐一进一小说| 午夜福利在线在线| 观看免费一级毛片| 性色av乱码一区二区三区2| 精品国产亚洲在线| 成年免费大片在线观看| 国产精品,欧美在线| 91九色精品人成在线观看| 一边摸一边抽搐一进一小说| 999精品在线视频| 国产精品亚洲av一区麻豆| 久久精品国产亚洲av香蕉五月| 色综合婷婷激情| a在线观看视频网站| 亚洲成人精品中文字幕电影| 国内精品久久久久精免费| 国产成人精品久久二区二区91| 欧美一区二区精品小视频在线| 欧洲精品卡2卡3卡4卡5卡区| 亚洲av日韩精品久久久久久密| 老司机深夜福利视频在线观看| 91国产中文字幕| 精华霜和精华液先用哪个| 欧美久久黑人一区二区| 成在线人永久免费视频| 久久国产精品影院| 在线看三级毛片| 欧美黑人欧美精品刺激| 日韩精品中文字幕看吧| 午夜激情福利司机影院| 色综合亚洲欧美另类图片| 国产激情偷乱视频一区二区| 叶爱在线成人免费视频播放| 黄色 视频免费看| 久久草成人影院| 国产三级黄色录像| 91九色精品人成在线观看| 欧美乱妇无乱码| avwww免费| 国产亚洲精品av在线| 这个男人来自地球电影免费观看| 在线观看www视频免费| 欧美乱妇无乱码| 亚洲三区欧美一区| 日韩欧美一区视频在线观看| 校园春色视频在线观看| 久久精品aⅴ一区二区三区四区| 91大片在线观看| 久久久水蜜桃国产精品网| 看黄色毛片网站| 搡老妇女老女人老熟妇| 午夜两性在线视频| 国产视频内射| 午夜福利一区二区在线看| 精品久久久久久久久久免费视频| 亚洲成av片中文字幕在线观看| 亚洲av片天天在线观看| 中亚洲国语对白在线视频| 亚洲全国av大片| 欧美中文日本在线观看视频| 草草在线视频免费看| 91老司机精品| 听说在线观看完整版免费高清| 一级黄色大片毛片| 国产成人一区二区三区免费视频网站| 国产主播在线观看一区二区| 精品久久久久久久人妻蜜臀av| 色播亚洲综合网| 亚洲国产欧美日韩在线播放| 国产区一区二久久| 一区福利在线观看| 精品第一国产精品|