• <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 ?

    一種基于多義詞向量表示的詞義消歧方法

    2018-09-29 02:38李國佳趙瑩地郭鴻奇
    智能計算機與應用 2018年4期

    李國佳 趙瑩地 郭鴻奇

    摘 要:詞義消歧是自然語言處理領域的基本任務。在詞語詞向量表示的基礎上,計算獲得多義詞語上下文窗口的向量表示。利用統(tǒng)計的多義詞及詞義個數(shù),基于K-means算法聚類文本語料集中多義詞的上下文窗口表示,在原始文本語料集中對多義詞語根據(jù)聚類類別進行標記。在標記的文本語料集上,訓練獲得多義詞語每個詞義的向量表示。對句子中的多義詞語,給出了一種基于多義詞向量表示的詞義消歧方法,實驗結果顯示該方法有效可行。

    關鍵詞:多義詞向量表示; K-means; 詞義消歧

    Abstract: Word sense disambiguation is a basic task in natural language process. To the original text corpus, the vector representation of polysemous word context window is calculated based on vector representation. Using statistical polysemy and the numbers of word sense, the vector representation of polysemy context window is clustered based on K-means, and the polysemous words are marked in the original text corpus. On the marked text corpus, the vector representation of polysemy' word sense is trained by using neural network language model. A word sense disambiguation method based on polysemy vector representation is presented. The experimental results show that the method is effective and feasible.

    Key words: polysemy vector representation; K-means; word sense disambiguation

    引言

    詞義消歧(Word Sense Disambiguation)在機器翻譯、信息檢索、主題分析和文本分類中具有廣泛的應用。多義詞語在不同上下文環(huán)境下對應的具體詞義不同,對句子中的多義詞語,通過詞義消歧獲得詞語在上下文中特定語義,能提高詞語表示的準確性。

    詞義消歧主要方法有2類,分別是:基于外部知識資源方法和基于語料庫的方法。其中,基于外部知識資源方法,利用人工的字典或詞典來獲得詞語語義間的關系,通過將這些關系量化后再進行詞義消歧,準確率一般要高于基于語料庫的方法,但構建字典、詞典需要耗費大量的人力、物力。高雪霞等人使用外部詞匯資源中同義詞、上義詞和下義詞3個語義關系,利用Jaccard系數(shù)相似度量方法,來計算最佳詞義[1]?;谡Z料庫的方法,以語料庫為知識資源,通過自動或半自動的學習確定詞語在給定上下文下的具體詞義,從而實現(xiàn)詞義消歧,但語料庫的規(guī)模和領域影響詞義消歧的效果[2]。楊陟卓提出一種自動生成有標注語料的方法,采用機器翻譯系統(tǒng)將訓練實例的上下文進行翻譯生成偽訓練實例,同時采用訓練實例和偽訓練實例構建貝葉斯消歧模型實現(xiàn)詞義消歧[3]。張春祥等人將歧義詞匯左右鄰接的4個詞匯單元的多種語言學知識作為消歧特征,利用貝葉斯分類器和最大熵分類器確定歧義詞匯的語義類別,結合大量無標注語料使用Co-Training算法提高詞義消歧分類器的性能[4]。楊安等人利用無標注的原始語料構建詞向量模型,結合特定領域關鍵詞信息及WordNet資源,設計一套打分系統(tǒng),選擇得分最高所對應的詞義作為詞義消歧的結果[5]。

    針對多義詞語的表示問題,Reisinger 等人提出多原型向量空間模型,其中每個詞語的上下文表示將聚類為簇,通過對聚類簇內詞語所有的上下文向量表示進行平均生成詞語不同的原型向量[6]。Huang等人基于神經(jīng)網(wǎng)絡語言模型,結合詞語全局語義信息,利用K-means算法聚類每個詞語的上下文表示,并在原始文本語料庫中將每個詞語的出現(xiàn)情況標記為其所關聯(lián)的聚類類別,訓練獲得多義詞語的詞向量表示[7]。

    本文利用原始文本語料集,訓練得到詞語的詞向量表示,結合多義詞詞典統(tǒng)計獲得多義詞詞義的個數(shù),基于K-means聚類獲得多義詞語上下文窗口表示的聚類類別,在原始文本語料集中將多義詞標記為不同類別,訓練獲得多義詞各個詞義的向量表示,進而給出了一種基于多義詞向量表示的詞義消歧方法,實驗結果驗證了該方法是有效可行的。

    1 多義詞語的向量表示

    1.1 詞語的向量化表示

    在自然語言處理領域的各項任務中,詞語是最小的處理單元。常用的詞語表示方法是將詞語處理為向量的形式。一般的詞語表示是將每個詞語表示為一個向量,向量的維數(shù)是詞典的大小,這種形式稱為詞語的向量化表示。一種簡單的詞語向量化表示方法是One-hot Representation,將每個詞語表示為一個長的向量,其中一個維度的值為1,表示當前詞語,其它維度值為零。由于語言中詞語數(shù)量及增長變化,容易造成計算上的維度災難,并且這種表示對任意2個詞表示是孤立的,無法體現(xiàn)詞語之間的語義關系。

    2003年,Bengio等人提出利用神經(jīng)網(wǎng)絡語言模型訓練獲得詞語的向量化表示[8],也稱為詞嵌入(Word Embedding)或詞向量(Word Representation)。通過對海量文本的訓練學習,將詞語表示為稠密連續(xù)的低維度向量,避免了傳統(tǒng)詞語表示的維數(shù)災難和數(shù)據(jù)稀疏問題,也反映了詞語語義之間的聯(lián)系。在自然語言處理領域的多項任務中,具有較好的效果。

    近年來,許多學者利用基于神經(jīng)網(wǎng)絡的語言模型來訓練獲得詞語的向量化表示,基本思路是通過無監(jiān)督方式在大規(guī)模的文本數(shù)據(jù)集上訓練學習得到詞語的詞向量表示。

    1.2 多義詞向量表示

    詞語詞向量表示(Word Embedding)將每一個詞語對應唯一的向量表示。在實際語言現(xiàn)象中,一個詞語在不同的上下文語境中可能具有多種語義的情況,也就是一詞多義現(xiàn)象。詞向量表示不能區(qū)分表示多義詞語的不同詞義,對于多義詞語,不同的詞義需要對應特定的向量表示,以獲得更精確的詞義表示。

    多義詞向量表示,對每個多義詞的不同詞義,都對應一個向量表示,能夠區(qū)別表示不同詞義。在詞語詞向量表示的基礎上,利用外部知識庫,根據(jù)多義詞語在文本語料集中的上下文環(huán)境,使用聚類算法對上下文窗口表示聚類,將聚類結果標記到文本語料集中,在標記的文本語料集上訓練獲得多義詞向量表示。

    2 基于K-means聚類的多義詞向量表示

    2.1 多義詞語的上下文表示

    多義詞語的上下文表示,一種簡單的表示方法是基于多義詞語的上下文窗口,利用窗口內的詞語來表示,也可以融合多義詞語所在句子或所在段落及文檔的主題之間關聯(lián)性,綜合計算獲得多義詞語的上下文表示。多義詞語的上下文窗口,是指句子中與多義詞語左右鄰接的多個詞語,窗口大小為鄰接詞語數(shù)量。

    對句子中多義詞語,上下文的窗口大小設為k,表示左右鄰接詞匯的數(shù)量。對于多義詞語左、右鄰接詞語小于k的情況,分別獲取左、右鄰接的全部詞語作為上下文窗口內的詞語。

    利用多義詞語的上下文窗口,由窗口中詞語的詞向量進行綜合計算獲得多義詞語的上下文表示,數(shù)學計算公式可表述為:

    2.2 結合多義詞詞典的K-means聚類

    K-means算法是常用的文本聚類算法之一,通過計算樣本和目標類別之間的距離,使相似的樣本歸為同一類,不同類別之間的距離要盡可能大,類別內部的距離要盡可能小。K-means算法實現(xiàn)簡單,適用范圍較廣,但需要事先確定聚類類別的數(shù)目,即K的大小。

    一般來說,多義詞語的具體詞義由上下文語言環(huán)境體現(xiàn),因此對多義詞語的上下文進行聚類,能夠獲得不同詞義的聚類簇。將聚類簇樣本作為原始文本語料集,利用神經(jīng)網(wǎng)絡語言模型,可以訓練獲得多義詞的向量表示。

    在實際的語言環(huán)境中,不同多義詞語包含的詞義數(shù)目是有差異的。借助外部知識庫,統(tǒng)計獲得常用多義詞語及詞義個數(shù)作為多義詞詞典,以多義詞詞典中詞義個數(shù)作為K-means聚類算法的初始K值,在此基礎上,實現(xiàn)基于多義詞詞典的K-means聚類算法,研發(fā)得到的算法設計過程如下。

    輸入:文本語料集中多義詞的上下文表示Cw[N](N表示樣本總數(shù)),多義詞及詞義個數(shù)K。

    輸出:每個聚類簇中樣本個數(shù)n[j],每個聚類簇中樣本C[j]及聚類簇質心。

    Step 1 隨機選擇K個樣本點作為初始質心,記為Ct[j]。

    Step 2 對每一個樣本Cw[i],計算樣本Cw[i]和每個質心Ct[j]之間的距離dis[j],將Cw[i]聚類到距離最近的質心Ct[j],形成K個聚類簇C[j][n[j]];重新計算每個簇的質心Ct[k]。

    Step 3 重復執(zhí)行Step 2,直到聚類簇質心不再發(fā)生變化或達到最大迭代次數(shù)。

    2.3 多義詞向量表示的訓練過程

    對文本語料集中的每個多義詞語,基于K-means算法對多義詞語在原始文本語料集中所有樣本的上下文窗口表示進行聚類,得到K個聚類簇。在文本語料集中按照K個類別對多義詞語做出標記,不同的聚類類別代表多義詞語不同的詞義。在標記的文本語料集上基于神經(jīng)網(wǎng)絡語言模型訓練詞語詞向量,得到詞語在不同上下文中表達不同詞義的向量表示。多義詞向量表示的訓練過程可描述為:

    Step 1 利用外部知識庫構建多義詞詞典,統(tǒng)計多義詞語及其詞義的個數(shù)。

    Step 2 獲取詞語在文本語料集中的上下文窗口表示。

    Step 3 結合多義詞詞典基于K-means算法聚類多義詞語的上下文窗口表示,得到詞語上下文表示的聚類簇。

    Step 4 按照聚類簇類別在文本語料集中進行標記,多義詞語根據(jù)聚類類別標記為多個詞義表示。

    Step 5 在標記的文本語料集上利用神經(jīng)網(wǎng)絡語言模型訓練獲得多義詞語的向量表示。

    3 詞義消歧

    基于多義詞語的向量表示,對語句中的多義詞語,通過計算多義詞語的上下文窗口表示和在文本語料集中對應的聚類簇質心間的相似度,來獲得多義詞語在上下文中特定詞義的詞向量表示,進行詞義消歧。對這一內容可闡釋分述如下。

    3.1 相似度計算

    多義詞語上下文窗口表示和聚類簇質心間的相似度,使用2個向量的夾角余弦值來度量。具體計算公式可表示為:

    其中,Sim表示多義詞語上下文窗口表示和聚類簇質心點的相似度;vec1是多義詞語上下文窗口的向量表示;vec2是多義詞語聚類簇質心點的向量表示。

    3.2 基于多義詞向量表示的詞義消歧

    根據(jù)詞語的語義由其上下文決定的思想,多義詞語在上下文中特定語義,可以通過計算多義詞語的上下文窗口表示和在文本語料集中對應的聚類簇質心間的相似度來獲得,將最大相似度值所對應的詞向量表示作為多義詞語在上下文中特定語義的詞向量表示,計算方法的數(shù)學公式可寫作如下形式:

    以句子中多義詞語的詞義消歧為例,利用詞語的上下文信息,本文給出的詞義消歧方法包含3個步驟,設計論述可詳見如下。

    Step 1 識別句子中多義的詞語。

    Step 2 計算多義詞語的上下文窗口表示。

    Step 3 計算句子中多義詞語的上下文窗口表示和在文本語料集中對應的聚類簇質心間的相似度,將最大相似度值所對應的詞向量表示作為多義詞語在上下文中特定語義的詞向量表示。

    詞語的上下文窗口表示由2.1節(jié)的公式(1)計算得到。在公式(1)中,若wi也是多義詞語,則vecwi為該詞語在文本語料集中最常出現(xiàn)的語義所對應的詞向量,最常出現(xiàn)的語義可以由文本語料集中該詞語語義樣本出現(xiàn)的次數(shù)來運算確定。

    多義詞語有2個及以上的詞向量表示,不同的詞義對應不同的向量表示,可以識別出句子中的多義詞語。根據(jù)詞語詞義數(shù)量的多少,依照先少后多的順序依次對多義詞語進行消歧。

    4 實驗結果及分析

    實驗設計流程主要包含2部分:首先訓練獲得多義詞的詞向量表示,然后基于多義詞向量表示進行詞義消歧。

    4.1 實驗參數(shù)

    訓練獲得多義詞的詞向量表示,原始文本語料集采用維基中文百科文本語料(文本大小約為1.9 GB)和搜狐新聞語料集(文本大小約為680 MB),實驗用多義詞詞典根據(jù)現(xiàn)代漢語多義詞詞典,由人工統(tǒng)計部分常用多義詞語及詞義個數(shù)。采用Google的Word2Vec模型來進行詞向量的訓練,向量維度設為150(一般為100~300),訓練模型使用CBOW,其它設置均選擇默認。多義詞語的上下文窗口大小設為3(一般為3~5),中文分詞選用jieba分詞工具。

    基于多義詞向量表示的詞義消歧,測試數(shù)據(jù)集使用SemEval-2007國際語義測評任務中SemEval-2007 task5,該任務的測試集包含40個多義詞語,分為名詞和動詞兩大類,多義詞語的上下文窗口大小為3。詞語上下文窗口出現(xiàn)的未登錄詞不參與計算。

    詞義消歧的實驗結果采用準確率來進行評價,計算公式即如式(4)所示:

    由表1、表2中可以看出,名詞性多義詞語進行詞義消歧的準確率要高于動詞性多義詞語。一般來說,在上下文環(huán)境中,名詞的詞義更加明確,也更加容易區(qū)分,訓練得到的名詞性多義詞語的向量表示,更能較好地區(qū)別表示名詞性多義詞語的不同詞義。

    從整體上來看,單字的多義詞消歧正確率一般低于雙字的多義詞,在多義詞語向量表示的訓練過程中,需要對語料集文本進行分詞,分詞的粒度和準確性會影響分詞的效果,而對于單字的多義詞來說,分詞后的樣本較少,訓練得到的單字多義詞的向量表示不能做到準確區(qū)分表示詞義,例如動詞“出”,習慣用法是與其它詞語組合,共同作為一個詞語來加以使用。

    整體詞義消歧的平均準確率為52%,由于語料庫規(guī)模的限制,影響多義詞上下文窗口表示的聚類效果,降低了訓練獲得的多義詞向量表示的準確性。受限于語言學的知識,人工編制的多義詞詞典,未能收錄全部的多義詞,多義詞詞義的個數(shù)的統(tǒng)計也存在誤差,因而也在一定程度上降低了多義詞上下文窗口表示的聚類效果及標記準確性。

    5 結束語

    針對多義詞詞義消歧的問題,利用人工構建的多義詞詞典,在K-means聚類多義詞語上下文窗口表示的基礎上,訓練獲得多義詞語的向量表示,給出了一種基于多義詞向量表示的詞義消歧方法,對句子中的多義詞語進行詞義消歧。實驗結果表明,詞義消歧方法具備良好實效及操作可行性。后續(xù)工作中,亟待進一步研究的問題主要有:多義詞詞典的持續(xù)完善,語料庫的規(guī)模和質量影響多義詞向量表示的精度,詞義消歧的準確性也依賴中文分詞的粒度和準確性以及詞語上下文窗口的表示方法。

    參考文獻

    [1] 高雪霞,炎士濤. 基于WordNet詞義消歧的語義檢索研究[J]. 湘潭大學自然科學學報,2017, 39(2):118-121.

    [2] 郭鴻奇,李國佳. 一種基于詞語多原型向量表示的句子相似度計算方法[J]. 智能計算機與應用,2018,8(2):38-42.

    [3] 楊陟卓. 基于上下文翻譯的有監(jiān)督詞義消歧研究[J]. 計算機科學,2017,44(4):252-255,280.

    [4] 張春祥,徐志峰,高雪瑤. 一種半監(jiān)督的漢語詞義消歧方法[J]. 西南交通大學學報,2018,3(2): http://kns.cnki.net/kcms/detail/51.1277.U.20180306.1913.006.html.

    [5] 楊安,李素建,李蕓. 基于領域知識和詞向量的詞義消歧方法[J]. 北京大學學報(自然科學版),2017,53(2):204-210.

    [6] REISINGER J, MOONEY R J. Multi-prototype vector-space models of word meaning [C] // Proceedings of the 11th Annual Conference of the North American Chapter of the Association for Computational Linguistics (NAACL-2010). Los Angeles: ACL, 2010:109-117.

    [7] HUANG E H, SOCHER R, MANNING C D, et al. Improving word representations via global context and multiple word prototypes [C] //Meeting of the Association for Computational Linguistics. Korea Jeju Island:ACM,2012:873-882.

    [8] BENGIO Y, DUCHARME R, VINCENT P, et al. A neural probabilistic language model[J] . Journal of Machine Learning Research, 2003, 3 (6): 1137-1155.

    老师上课跳d突然被开到最大视频| 99久久成人亚洲精品观看| 99久久精品一区二区三区| 九九在线视频观看精品| 日韩制服骚丝袜av| 免费人成视频x8x8入口观看| 99热全是精品| 国产伦一二天堂av在线观看| 免费观看a级毛片全部| 床上黄色一级片| 少妇猛男粗大的猛烈进出视频 | 黄色一级大片看看| 中文资源天堂在线| 亚洲18禁久久av| 九九热线精品视视频播放| 午夜福利视频1000在线观看| 亚洲av不卡在线观看| 日本在线视频免费播放| 又黄又爽又刺激的免费视频.| 少妇的逼水好多| 成人永久免费在线观看视频| 在线观看免费视频日本深夜| 男人舔奶头视频| 成年女人看的毛片在线观看| 天堂中文最新版在线下载 | 伊人久久精品亚洲午夜| 国产探花极品一区二区| 欧美日韩综合久久久久久| 久久久久国产网址| 国语自产精品视频在线第100页| 日本黄色视频三级网站网址| 日本黄大片高清| 精品人妻视频免费看| 亚洲av免费在线观看| 国产v大片淫在线免费观看| 国产精品无大码| 精品人妻视频免费看| 色吧在线观看| 中文字幕制服av| 91精品国产九色| 亚洲国产色片| 麻豆成人午夜福利视频| 国产黄色视频一区二区在线观看 | 亚洲最大成人手机在线| 国产美女午夜福利| 51国产日韩欧美| 国产日本99.免费观看| 亚洲人成网站在线播| 国产高清三级在线| 免费人成在线观看视频色| 欧美高清成人免费视频www| 亚洲,欧美,日韩| 波多野结衣高清无吗| 久久精品影院6| 麻豆国产av国片精品| 天堂网av新在线| 亚洲第一区二区三区不卡| 99热只有精品国产| 日韩 亚洲 欧美在线| a级一级毛片免费在线观看| 一区二区三区高清视频在线| 最近视频中文字幕2019在线8| 在线免费观看不下载黄p国产| 美女被艹到高潮喷水动态| 国产亚洲91精品色在线| 亚洲国产精品成人久久小说 | 青春草亚洲视频在线观看| 亚洲成人久久爱视频| 天堂av国产一区二区熟女人妻| 成人毛片a级毛片在线播放| 色哟哟·www| 麻豆成人午夜福利视频| 伦精品一区二区三区| 亚洲中文字幕一区二区三区有码在线看| 国产精品一区二区三区四区免费观看| 97热精品久久久久久| 高清毛片免费观看视频网站| 插阴视频在线观看视频| 乱系列少妇在线播放| 麻豆精品久久久久久蜜桃| 老司机福利观看| 国产色婷婷99| 欧美+日韩+精品| 亚洲av二区三区四区| 亚洲精品乱码久久久久久按摩| 久久国产乱子免费精品| 久久久久久久久久黄片| 中国国产av一级| 夜夜爽天天搞| 高清毛片免费观看视频网站| 免费看av在线观看网站| 日韩,欧美,国产一区二区三区 | 国产一区二区亚洲精品在线观看| 蜜桃亚洲精品一区二区三区| 熟女电影av网| 成人特级av手机在线观看| 秋霞在线观看毛片| 黄色日韩在线| 久久久久久国产a免费观看| 在线免费观看不下载黄p国产| 尾随美女入室| 久久这里只有精品中国| 久久久国产成人免费| 美女被艹到高潮喷水动态| 亚洲av中文av极速乱| 美女xxoo啪啪120秒动态图| 极品教师在线视频| 白带黄色成豆腐渣| АⅤ资源中文在线天堂| 久99久视频精品免费| 欧美高清成人免费视频www| 亚洲成人精品中文字幕电影| 欧美成人a在线观看| 99久久成人亚洲精品观看| 亚洲中文字幕一区二区三区有码在线看| 有码 亚洲区| 人妻系列 视频| 九草在线视频观看| 亚洲熟妇中文字幕五十中出| 午夜激情欧美在线| 国产伦一二天堂av在线观看| 美女黄网站色视频| 欧美色欧美亚洲另类二区| 亚洲最大成人中文| 五月玫瑰六月丁香| 久久草成人影院| 人人妻人人澡人人爽人人夜夜 | 色哟哟哟哟哟哟| 丰满乱子伦码专区| 国产久久久一区二区三区| 亚洲电影在线观看av| 九色成人免费人妻av| 人妻系列 视频| 大香蕉久久网| 色哟哟·www| 免费看av在线观看网站| 日本-黄色视频高清免费观看| 亚洲精品粉嫩美女一区| 欧美另类亚洲清纯唯美| 亚洲电影在线观看av| 久久久久久国产a免费观看| 又爽又黄无遮挡网站| .国产精品久久| 国产亚洲91精品色在线| 精品日产1卡2卡| 成人亚洲欧美一区二区av| 长腿黑丝高跟| 女的被弄到高潮叫床怎么办| 悠悠久久av| 舔av片在线| 女的被弄到高潮叫床怎么办| 精品人妻偷拍中文字幕| а√天堂www在线а√下载| 国产av一区在线观看免费| 国产高潮美女av| 欧美一区二区亚洲| 亚洲人成网站高清观看| 亚洲成人精品中文字幕电影| 亚洲精品国产av成人精品| 99久久精品一区二区三区| 亚洲成人中文字幕在线播放| 精品一区二区三区视频在线| 免费无遮挡裸体视频| 爱豆传媒免费全集在线观看| 免费看日本二区| 成人特级黄色片久久久久久久| 国国产精品蜜臀av免费| 99久久成人亚洲精品观看| 久久久久久九九精品二区国产| 校园人妻丝袜中文字幕| 亚洲丝袜综合中文字幕| 久久这里只有精品中国| 桃色一区二区三区在线观看| 精品熟女少妇av免费看| 成人午夜高清在线视频| 欧美变态另类bdsm刘玥| 搡女人真爽免费视频火全软件| 国产淫片久久久久久久久| 特级一级黄色大片| 国产av不卡久久| 国产中年淑女户外野战色| 亚洲国产精品合色在线| 丰满乱子伦码专区| 久久人妻av系列| 久久久午夜欧美精品| 性插视频无遮挡在线免费观看| 日韩大尺度精品在线看网址| 久久精品夜夜夜夜夜久久蜜豆| 欧美色视频一区免费| 成人永久免费在线观看视频| 亚洲内射少妇av| 成人亚洲精品av一区二区| 1000部很黄的大片| 性插视频无遮挡在线免费观看| 国产av麻豆久久久久久久| 免费观看a级毛片全部| 99久国产av精品国产电影| 麻豆成人av视频| 久久精品国产清高在天天线| 性欧美人与动物交配| 亚洲电影在线观看av| 超碰av人人做人人爽久久| 一本精品99久久精品77| 亚洲欧美日韩无卡精品| av女优亚洲男人天堂| 国产精品女同一区二区软件| 午夜福利成人在线免费观看| 久久久久久九九精品二区国产| 亚洲av熟女| 大又大粗又爽又黄少妇毛片口| 国产 一区精品| 精品欧美国产一区二区三| 成人永久免费在线观看视频| 国产精品日韩av在线免费观看| 成年av动漫网址| 欧美一区二区精品小视频在线| 欧美激情在线99| 国产伦精品一区二区三区四那| 婷婷色综合大香蕉| a级毛色黄片| 亚洲在久久综合| 亚洲精品日韩av片在线观看| av又黄又爽大尺度在线免费看 | 99国产极品粉嫩在线观看| 色哟哟·www| 非洲黑人性xxxx精品又粗又长| 亚洲欧美成人精品一区二区| 国产精品美女特级片免费视频播放器| 九九热线精品视视频播放| 美女cb高潮喷水在线观看| 久久久久久久亚洲中文字幕| 九九在线视频观看精品| 丰满人妻一区二区三区视频av| 亚洲精品国产av成人精品| 欧美成人免费av一区二区三区| 日本黄色视频三级网站网址| 精品一区二区免费观看| 亚洲av免费高清在线观看| 成人欧美大片| 亚洲电影在线观看av| 亚洲最大成人av| 麻豆av噜噜一区二区三区| 特级一级黄色大片| 日本色播在线视频| 免费观看人在逋| 久久人妻av系列| 日本-黄色视频高清免费观看| АⅤ资源中文在线天堂| 人妻少妇偷人精品九色| 国产精品人妻久久久久久| 国产 一区精品| 天美传媒精品一区二区| 老司机福利观看| 日日摸夜夜添夜夜添av毛片| 日韩制服骚丝袜av| 国产亚洲精品久久久com| 啦啦啦观看免费观看视频高清| 国产精品一区二区性色av| 亚洲av成人av| 麻豆国产av国片精品| 人人妻人人看人人澡| 亚洲国产精品sss在线观看| 中文字幕熟女人妻在线| 青春草国产在线视频 | 黄色一级大片看看| 国产精品久久久久久精品电影| 一边摸一边抽搐一进一小说| 国产激情偷乱视频一区二区| 亚洲真实伦在线观看| 少妇裸体淫交视频免费看高清| 一级av片app| 国语自产精品视频在线第100页| 亚洲一级一片aⅴ在线观看| 亚洲成人久久爱视频| 在线播放无遮挡| 日本成人三级电影网站| av国产免费在线观看| 亚洲av第一区精品v没综合| 在现免费观看毛片| 18+在线观看网站| 日产精品乱码卡一卡2卡三| 嫩草影院精品99| 干丝袜人妻中文字幕| 国产成人一区二区在线| av又黄又爽大尺度在线免费看 | 丝袜美腿在线中文| 中文字幕免费在线视频6| 国产黄片美女视频| av国产免费在线观看| 国产一区二区三区在线臀色熟女| 韩国av在线不卡| 亚洲最大成人中文| 国产精品av视频在线免费观看| 午夜福利在线观看吧| 成人美女网站在线观看视频| 精品一区二区三区人妻视频| 精品久久国产蜜桃| 少妇熟女欧美另类| 成人高潮视频无遮挡免费网站| 久久99热这里只有精品18| 国产精华一区二区三区| 亚洲三级黄色毛片| 麻豆久久精品国产亚洲av| 国产一区二区三区在线臀色熟女| 国产91av在线免费观看| 国产熟女欧美一区二区| 久久韩国三级中文字幕| 亚洲国产精品合色在线| 两个人视频免费观看高清| 尾随美女入室| 欧美一区二区亚洲| 伦精品一区二区三区| a级毛片a级免费在线| 一级毛片aaaaaa免费看小| 国产精品免费一区二区三区在线| 又爽又黄a免费视频| 男女下面进入的视频免费午夜| 欧美丝袜亚洲另类| 成人毛片a级毛片在线播放| 女人十人毛片免费观看3o分钟| 精品久久久久久久人妻蜜臀av| 欧美精品国产亚洲| 欧美一级a爱片免费观看看| 久久久久久伊人网av| 午夜精品国产一区二区电影 | 99在线视频只有这里精品首页| 三级男女做爰猛烈吃奶摸视频| 免费人成视频x8x8入口观看| 国产黄片美女视频| 免费人成视频x8x8入口观看| 婷婷精品国产亚洲av| 69av精品久久久久久| 亚洲性久久影院| 淫秽高清视频在线观看| 亚洲成av人片在线播放无| 精品久久久久久久久av| 美女被艹到高潮喷水动态| 亚洲国产欧洲综合997久久,| 亚洲在线观看片| 99久久中文字幕三级久久日本| 婷婷色av中文字幕| 91av网一区二区| 又爽又黄无遮挡网站| 欧美日本亚洲视频在线播放| 国产单亲对白刺激| 少妇被粗大猛烈的视频| 午夜福利成人在线免费观看| 国内揄拍国产精品人妻在线| 一级av片app| 亚洲欧美精品专区久久| 嘟嘟电影网在线观看| 亚洲欧美精品专区久久| 如何舔出高潮| 久久精品国产自在天天线| 如何舔出高潮| 精品国产三级普通话版| 久久久久久久久久久丰满| 久久精品夜夜夜夜夜久久蜜豆| 女的被弄到高潮叫床怎么办| 热99在线观看视频| 久久精品国产亚洲av天美| avwww免费| 欧美另类亚洲清纯唯美| 日韩欧美一区二区三区在线观看| 99久久成人亚洲精品观看| 精品一区二区免费观看| 久久久a久久爽久久v久久| 丰满人妻一区二区三区视频av| 级片在线观看| 黑人高潮一二区| 国产在线精品亚洲第一网站| 九色成人免费人妻av| 欧美最黄视频在线播放免费| 亚洲精品国产成人久久av| 亚洲人成网站在线观看播放| 嫩草影院精品99| 中文资源天堂在线| 我要搜黄色片| 九草在线视频观看| 一区二区三区免费毛片| 国产熟女欧美一区二区| 久久久久网色| 在线观看av片永久免费下载| 美女 人体艺术 gogo| 国产乱人视频| 欧美色欧美亚洲另类二区| 免费看a级黄色片| 夜夜夜夜夜久久久久| 自拍偷自拍亚洲精品老妇| 国产日本99.免费观看| 国产精品福利在线免费观看| 亚洲精品456在线播放app| 免费观看a级毛片全部| 成人亚洲精品av一区二区| 亚洲欧美成人综合另类久久久 | 免费av不卡在线播放| 六月丁香七月| 亚洲第一区二区三区不卡| 国产精品嫩草影院av在线观看| 亚洲中文字幕一区二区三区有码在线看| 老司机影院成人| 国产爱豆传媒在线观看| 国产亚洲欧美98| 中文欧美无线码| 极品教师在线视频| 一区福利在线观看| 国产又黄又爽又无遮挡在线| 亚洲熟妇中文字幕五十中出| 久久久久久久久中文| 国国产精品蜜臀av免费| 亚洲人成网站高清观看| 亚洲欧洲国产日韩| 午夜福利成人在线免费观看| 亚洲国产精品sss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| 日日干狠狠操夜夜爽| 大又大粗又爽又黄少妇毛片口| 亚洲成人中文字幕在线播放| 国产黄色视频一区二区在线观看 | 国内少妇人妻偷人精品xxx网站| 六月丁香七月| 国产精品99久久久久久久久| 国产精品三级大全| 国产av一区在线观看免费| 精华霜和精华液先用哪个| 秋霞在线观看毛片| 不卡一级毛片| 成人无遮挡网站| 成人高潮视频无遮挡免费网站| 噜噜噜噜噜久久久久久91| 国产成人精品一,二区 | 亚洲国产精品合色在线| 插阴视频在线观看视频| 男的添女的下面高潮视频| 国产日本99.免费观看| av国产免费在线观看| 亚洲第一电影网av| 国产成人精品婷婷| av在线亚洲专区| 国产高清有码在线观看视频| 熟女电影av网| 51国产日韩欧美| 欧美日韩在线观看h| 蜜桃久久精品国产亚洲av| 久久久久久伊人网av| 成人综合一区亚洲| 中文字幕熟女人妻在线| 欧美不卡视频在线免费观看| 99久久精品国产国产毛片| 两个人的视频大全免费| 日本撒尿小便嘘嘘汇集6| 国产一区二区在线观看日韩| 午夜久久久久精精品| 波多野结衣高清作品| 亚洲av中文字字幕乱码综合| 综合色丁香网| 女同久久另类99精品国产91| 一进一出抽搐动态| 3wmmmm亚洲av在线观看| 久久久久久久亚洲中文字幕| 中文字幕熟女人妻在线| 三级经典国产精品| av女优亚洲男人天堂| 蜜桃久久精品国产亚洲av| 草草在线视频免费看| 黄色欧美视频在线观看| 我要看日韩黄色一级片| 黄色一级大片看看| 国产精品嫩草影院av在线观看| 久久久午夜欧美精品| 亚洲av电影不卡..在线观看| 国产精品一区二区三区四区久久| 欧美高清成人免费视频www| 亚洲欧美日韩卡通动漫| 午夜福利在线观看免费完整高清在 | 啦啦啦啦在线视频资源| 亚洲欧美成人综合另类久久久 | 国产高潮美女av| 美女高潮的动态| 国产蜜桃级精品一区二区三区| 精品国内亚洲2022精品成人| 综合色丁香网| 欧美日韩一区二区视频在线观看视频在线 | 男女那种视频在线观看| 成人特级av手机在线观看| 看免费成人av毛片| 精品欧美国产一区二区三| 人人妻人人澡欧美一区二区| 精品久久久久久久久久久久久| 国模一区二区三区四区视频| 男的添女的下面高潮视频| 又爽又黄无遮挡网站| av免费在线看不卡| 人人妻人人看人人澡| 日日摸夜夜添夜夜爱| 欧美日韩一区二区视频在线观看视频在线 | 亚洲在线观看片| 国产精品精品国产色婷婷| 成年版毛片免费区| 久久久久网色| 亚洲成人中文字幕在线播放| 亚洲在线自拍视频| 久久综合国产亚洲精品| 国产熟女欧美一区二区| 99热这里只有是精品在线观看| 亚洲欧洲国产日韩| 天堂av国产一区二区熟女人妻| 日日干狠狠操夜夜爽| 国产成人精品久久久久久| 麻豆精品久久久久久蜜桃| 国产高清激情床上av| 啦啦啦观看免费观看视频高清| 我要搜黄色片| 天堂中文最新版在线下载 | 精品一区二区三区视频在线| 亚洲精品日韩av片在线观看| 成人美女网站在线观看视频| 校园人妻丝袜中文字幕| 寂寞人妻少妇视频99o| 女人被狂操c到高潮| 亚洲av男天堂| 日韩欧美在线乱码| 成人无遮挡网站| 日日啪夜夜撸| 老师上课跳d突然被开到最大视频| 国产一区二区三区在线臀色熟女| 国产高清不卡午夜福利| 免费在线观看成人毛片| 高清日韩中文字幕在线| 亚洲精华国产精华液的使用体验 | 天天躁夜夜躁狠狠久久av| 人妻久久中文字幕网| 国产国拍精品亚洲av在线观看| 天天一区二区日本电影三级| 99在线视频只有这里精品首页| 亚洲欧美日韩无卡精品| 日本一本二区三区精品| 校园人妻丝袜中文字幕| 成人毛片60女人毛片免费| 欧美成人免费av一区二区三区| 国产国拍精品亚洲av在线观看| 少妇熟女aⅴ在线视频| 男人和女人高潮做爰伦理| av免费观看日本| 青春草视频在线免费观看| а√天堂www在线а√下载| 我的老师免费观看完整版| 午夜福利成人在线免费观看| 久久久久久国产a免费观看| 人人妻人人澡人人爽人人夜夜 | 五月玫瑰六月丁香| 国产精品乱码一区二三区的特点| av女优亚洲男人天堂| 一区福利在线观看| 久久久欧美国产精品| 午夜福利在线观看吧| 国产av在哪里看| 日本一本二区三区精品| 狠狠狠狠99中文字幕| 91久久精品电影网| 99热这里只有精品一区| 成人特级av手机在线观看| 国产精品1区2区在线观看.| 国内精品宾馆在线| 国产亚洲5aaaaa淫片| 国产高清三级在线| 国产视频首页在线观看| 国产亚洲精品久久久久久毛片| 干丝袜人妻中文字幕| 国产成年人精品一区二区| 人妻制服诱惑在线中文字幕| 熟女人妻精品中文字幕| 国产蜜桃级精品一区二区三区| 国产精品不卡视频一区二区| 国产亚洲精品久久久com| 婷婷色综合大香蕉| 精品久久久久久久人妻蜜臀av| 一边摸一边抽搐一进一小说| 国产一区二区三区av在线 | 亚洲av第一区精品v没综合| 12—13女人毛片做爰片一| 久久精品国产亚洲av天美| 国产精品精品国产色婷婷| 永久网站在线| 一卡2卡三卡四卡精品乱码亚洲| 国产一区二区在线av高清观看| 国产白丝娇喘喷水9色精品| 久99久视频精品免费| 99热网站在线观看| 亚洲国产日韩欧美精品在线观看| 久久国内精品自在自线图片| 国产不卡一卡二| 日韩一区二区视频免费看| 亚洲精品影视一区二区三区av| 只有这里有精品99| 成人美女网站在线观看视频| 色播亚洲综合网| 人人妻人人澡欧美一区二区| 久久人妻av系列| 久久6这里有精品| 国产极品精品免费视频能看的| 熟女人妻精品中文字幕| 亚洲综合色惰| 亚洲人成网站在线观看播放| 国产精华一区二区三区| 最新中文字幕久久久久| 亚洲av中文字字幕乱码综合| 亚洲精品国产av成人精品| 看非洲黑人一级黄片| 精品国内亚洲2022精品成人| 夜夜爽天天搞| 欧美日韩在线观看h| 看片在线看免费视频| 能在线免费看毛片的网站|