• <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 ?

    基于機(jī)器學(xué)習(xí)的輿情傾向性分析研究

    2018-01-29 01:42:17羅裕雋
    關(guān)鍵詞:超平面傾向性決策樹

    羅裕雋

    (同濟(jì)大學(xué) 電子與信息工程學(xué)院,上海 201804)

    0 引言

    隨著信息化的普及,互聯(lián)網(wǎng)逐漸取代傳統(tǒng)媒體成為信息傳播的主流媒介,各大門戶網(wǎng)站、微博和主流新聞機(jī)構(gòu)都力爭(zhēng)在第一時(shí)間發(fā)布各類新聞信息,最大限度地達(dá)到新聞傳播效果,互聯(lián)網(wǎng)上每天都有數(shù)以萬(wàn)計(jì)的新聞?shì)浾摮霈F(xiàn)。輿情傾向性分析在網(wǎng)絡(luò)輿情監(jiān)控中起著十分重要的作用,對(duì)于企業(yè)而言,能幫助其了解自身的經(jīng)營(yíng)狀況和存在的問(wèn)題,依據(jù)當(dāng)前形勢(shì)制定相應(yīng)的市場(chǎng)戰(zhàn)略;對(duì)于監(jiān)管部門而言,能夠幫助其對(duì)所轄企業(yè)進(jìn)行及時(shí)的服務(wù)和監(jiān)管。但現(xiàn)有的門戶網(wǎng)站或搜索引擎一般不會(huì)對(duì)發(fā)布或檢索到的信息提供正負(fù)面分類功能,而人工篩選的方式因?yàn)樾实汀⒐ぷ髁看?,很難滿足業(yè)界的需求。因此,如何從數(shù)量龐大的新聞中快速且準(zhǔn)確地獲取傾向性信息是一個(gè)亟待解決的問(wèn)題。

    傳統(tǒng)的中文輿情傾向性分析主要是基于規(guī)則和統(tǒng)計(jì)的方法,如肖紅等人[1]提出的基于句法分析和情感詞典的方法,這類方法具有一定準(zhǔn)確率,但模型的泛化能力較弱,對(duì)于規(guī)則未覆蓋到的文本信息不能準(zhǔn)確識(shí)別,且該方法依賴語(yǔ)法規(guī)則和詞典,需要大量專業(yè)人員對(duì)語(yǔ)言本身進(jìn)行處理和分析,因此難以推廣使用。

    運(yùn)用機(jī)器學(xué)習(xí)方法進(jìn)行輿情傾向性分析是目前比較主流的研究方向。Pang Bo等人[2]對(duì)比了最大熵模型、貝葉斯分類器、支持向量機(jī)以及不同的特征選擇方法,在IMDB影評(píng)數(shù)據(jù)集上進(jìn)行測(cè)試,其實(shí)驗(yàn)證明基于bi-gram的特征選擇并使用支持向量機(jī)模型得到的情感分析結(jié)果最好。劉志明等人[3]對(duì)比了三種機(jī)器學(xué)習(xí)算法,驗(yàn)證了方法在微博評(píng)論的適用性。

    綜合分析現(xiàn)有的研究成果,在中文輿情傾向性分析研究領(lǐng)域,僅使用基于統(tǒng)計(jì)的特征抽取以及基于語(yǔ)法規(guī)則和句法樹的分類方法遠(yuǎn)不能達(dá)到理想的效果,而基于機(jī)器學(xué)習(xí)的分析方法研究還較為匱乏,因此本文提出運(yùn)用詞嵌入方法對(duì)詞語(yǔ)特征進(jìn)行抽取,并采用平均池化的方法構(gòu)建文本特征,再將抽取的文本特征輸入機(jī)器學(xué)習(xí)分類模型中進(jìn)行預(yù)訓(xùn)練。本文綜合比較了三種主流機(jī)器學(xué)習(xí)分類算法,實(shí)驗(yàn)結(jié)果表明,基于集成學(xué)習(xí)迭代決策樹算法對(duì)輿情傾向性分析的效果最好。

    1 特征抽取

    機(jī)器學(xué)習(xí)算法一般不能直接處理原始文本,使用固定長(zhǎng)度的數(shù)值特征向量表達(dá)文本是一種常見的特征抽取方式。詞匯的數(shù)量往往十分龐大,如果不加選擇地將所有詞都用做特征,可能會(huì)造成維度災(zāi)難和特征稀疏的問(wèn)題,導(dǎo)致分類模型的效果不佳。因此特征抽取是機(jī)器學(xué)習(xí)中非常重要的環(huán)節(jié)。

    1.1 詞語(yǔ)特征抽取

    傳統(tǒng)的詞語(yǔ)獨(dú)熱表示(One-hot Representation)僅僅將詞符號(hào)化,不包含任何語(yǔ)義信息。詞嵌入(Word Embedding)是一種基于神經(jīng)網(wǎng)絡(luò)的詞分布式表示,將詞轉(zhuǎn)化為固定長(zhǎng)度向量的方法,通常這個(gè)長(zhǎng)度都遠(yuǎn)小于詞典的大小,在幾十維到幾百維之間。詞分布式表示的核心是上下文的表示以及上下文與目標(biāo)詞之間的關(guān)系建模,因此詞向量包含豐富的語(yǔ)義信息,在詞性標(biāo)注、命名實(shí)體識(shí)別等自然語(yǔ)言處理任務(wù)中都有出色的表現(xiàn)。

    Word2vec[4-5]是2013年Google發(fā)布的一種基于深度學(xué)習(xí)的詞向量訓(xùn)練工具。如圖1所示,word2vec主要用到Continuous Skip-gram Model(Skip-gram)和Continuous Bag-of-Words Models(CBOW)兩種簡(jiǎn)化的神經(jīng)網(wǎng)絡(luò)模型。兩種模型都是由輸入層、投影層和輸出層組成的三層網(wǎng)絡(luò)結(jié)構(gòu)。Skip-gram模型是根據(jù)當(dāng)前詞w(t)預(yù)測(cè)其上下文Context(w(t)),而CBOW模型是在w(t)的上下文已知的情況下預(yù)測(cè)當(dāng)前詞。

    圖1 word2vec中神經(jīng)網(wǎng)絡(luò)模型

    1.2 文本特征構(gòu)建

    由于文本長(zhǎng)度的不一致,機(jī)器學(xué)習(xí)模型不能直接處理詞特征。池化(Pooling)方法能整合特征,保證輸出文本特征維度的統(tǒng)一,同時(shí)能較好保留詞向量中每個(gè)維度特征的信息。經(jīng)過(guò)詞向量平均池化后,c維文本特征Docc可表示為

    (1)

    其中,N為文本所包含的詞語(yǔ)數(shù)目,wci為第i個(gè)詞的c維詞向量。

    2 分類方法

    支持向量機(jī)(Support Vector Machine, SVM)、決策樹(Decision Tree, DT)和迭代決策樹(Gradient Boosting Decision Tree, GBDT)在文本分類任務(wù)上都有良好的表現(xiàn),本節(jié)對(duì)這三種方法進(jìn)行簡(jiǎn)要介紹。

    2.1 支持向量機(jī)

    在線性可分的樣本空間中,劃分超平面可通過(guò)如下線性方程來(lái)描述:

    wTx+b=0

    (2)

    其中w=(w1;w2;…;wd)為法向量,決定了超平面的方向;b為位移項(xiàng),決定了超平面與原點(diǎn)之間的距離。樣本空間中任意點(diǎn)x到超平面(w,b)的距離可寫為:

    (3)

    假設(shè)超平面(w,b)能將訓(xùn)練樣本正確分類,即對(duì)于(xi,yi)∈D,若yi=+1,則有wTx+b>0;若yi=-1,則有wTx+b<0。即:

    (4)

    其中,與超平面距離最近的幾個(gè)訓(xùn)練樣本使公式(4)等號(hào)成立,這些訓(xùn)練樣本被稱為“支持向量”。SVM要找到具有“最大間隔”的劃分超平面,因此其目標(biāo)函數(shù)為:

    s.t.yi(wTxi+b)≥1,i=1,2,…,m

    (5)

    若原始樣本空間不存在一個(gè)劃分超平面,即訓(xùn)練樣本并非線性可分的,對(duì)于這樣的問(wèn)題,SVM通常引入核函數(shù)(Kernel Function)來(lái)解決。核函數(shù)與樣本特征的關(guān)系如下:

    (6)

    2.2 決策樹

    決策樹是一個(gè)樹結(jié)構(gòu),其中葉節(jié)點(diǎn)對(duì)應(yīng)決策結(jié)果,非葉節(jié)點(diǎn)則對(duì)應(yīng)一個(gè)特征屬性的測(cè)試,每個(gè)分支代表特征屬性在某個(gè)值域上的輸出。根節(jié)點(diǎn)包含樣本全集,每個(gè)節(jié)點(diǎn)包含的樣本集合根據(jù)屬性測(cè)試的結(jié)果被劃分到子節(jié)點(diǎn)中。決策樹生成的基本流程是一個(gè)遞歸的過(guò)程,在生成過(guò)程中,希望決策樹的分支節(jié)點(diǎn)所包含的樣本盡可能屬于同一類別,即節(jié)點(diǎn)的“純度”越來(lái)越高。“純度”通常由信息熵來(lái)表示,若D為當(dāng)前樣本集合,pk(k=1,2,…,|y|)為第k類樣本所占的比例,則D的信息熵的定義為:

    (7)

    Ent(D)的值越小,則D的純度越高。

    如何選擇最優(yōu)劃分屬性是決策樹生成過(guò)程中一個(gè)關(guān)鍵問(wèn)題。ID3決策樹學(xué)習(xí)算法采用信息增益來(lái)進(jìn)行決策樹的劃分屬性選擇。對(duì)于屬性a對(duì)樣本集D進(jìn)行劃分所獲得的信息增益為:

    (8)

    而另一種常見的決策樹學(xué)習(xí)算法C4.5則基于信息增益率來(lái)做劃分屬性選擇。增益率的定義為:

    (9)

    其中

    (10)

    2.3 迭代決策樹

    決策樹具有模型簡(jiǎn)單、訓(xùn)練速度快的優(yōu)點(diǎn),但單棵決策樹在模型訓(xùn)練過(guò)程中容易出現(xiàn)過(guò)擬合的現(xiàn)象,為了彌補(bǔ)這一缺陷,通常采用集成學(xué)習(xí)的方法。集成學(xué)習(xí)的核心思想是通過(guò)組合多個(gè)學(xué)習(xí)器,最終得到的模型比單一學(xué)習(xí)器具有顯著優(yōu)越的泛化性能。集成學(xué)習(xí)的示意圖如圖2所示。

    圖2 集成學(xué)習(xí)示意圖

    GBDT是一個(gè)基于迭代累加的決策樹集成算法,它通過(guò)構(gòu)造一組回歸決策樹,并把多棵數(shù)的結(jié)果通過(guò)Gradient Boosting的方法累加起來(lái)作為最終的預(yù)測(cè)輸出。Gradient Boosting每一次訓(xùn)練需要在殘差減少的梯度方向上訓(xùn)練一個(gè)新的模型,因此,通過(guò)多次訓(xùn)練,模型的殘差不斷降低。

    3 實(shí)驗(yàn)分析

    本文實(shí)驗(yàn)部分采用三個(gè)數(shù)據(jù)集,分別是企業(yè)新聞數(shù)據(jù)集、第三屆中文傾向性分析評(píng)測(cè)(COAE2011)數(shù)據(jù)集和商品購(gòu)買評(píng)論數(shù)據(jù)集。其中企業(yè)新聞數(shù)據(jù)集包含若干家大型企業(yè)相關(guān)的互聯(lián)網(wǎng)新聞約1 889條篇章級(jí)文本,COAE2011抽取財(cái)經(jīng)相關(guān)的約1 400條句子級(jí)文本,購(gòu)物評(píng)論集包含電商網(wǎng)站用戶對(duì)商品的評(píng)價(jià)約20 000條句子級(jí)文本。數(shù)據(jù)集的具體分布情況如表1所示 。

    表1 實(shí)驗(yàn)數(shù)據(jù)集

    實(shí)驗(yàn)首先對(duì)樣本數(shù)據(jù)進(jìn)行預(yù)處理,包括分詞和去除停用詞等,再根據(jù)第1節(jié)介紹的特征抽取方法構(gòu)建樣本特征,其中word2vec選用CBOW模型進(jìn)行詞向量的訓(xùn)練。實(shí)驗(yàn)先后使用SVM、DT和GBDT三種算法在三個(gè)數(shù)據(jù)集上分別進(jìn)行模型的訓(xùn)練和評(píng)估,其中算法的實(shí)現(xiàn)采用Python的sklearn模塊。主要參數(shù)為,SVM采用徑向積核函數(shù),DT采用Gini系數(shù)來(lái)做特征劃分,GBDT的深度為10,并采用0.05的學(xué)習(xí)率。最終數(shù)據(jù)集的平均準(zhǔn)確率如表2所示。

    表2 傾向性分析結(jié)果

    從結(jié)果來(lái)看,在三個(gè)數(shù)據(jù)集上,GBDT算法的準(zhǔn)確率都高于其他兩個(gè)方法。

    4 結(jié)論

    通過(guò)實(shí)驗(yàn)證明機(jī)器學(xué)習(xí)方法對(duì)處理中文輿情傾向性分析問(wèn)題是有效的,其中又以基于集成學(xué)習(xí)的迭代決策樹算法效果最佳。其原因是集成學(xué)習(xí)算法能夠綜合多個(gè)學(xué)習(xí)器的結(jié)果來(lái)決定最終分類,并在一定程度上避免單個(gè)學(xué)習(xí)器在訓(xùn)練過(guò)程中的過(guò)擬合問(wèn)題。另外,在不同領(lǐng)域,不同篇章長(zhǎng)度的數(shù)據(jù)集上機(jī)器學(xué)習(xí)算法都有比較好的表現(xiàn),證明其具有較好的泛化能力。

    [1] 肖紅, 許少華. 基于句法分析和情感詞典的網(wǎng)絡(luò)輿情傾向性分析研究[J]. 小型微型計(jì)算機(jī)系統(tǒng), 2014, 35(4): 811-813.

    [2] Pang Bo, LEE L, VAITHYANATHAN S. Thumbs up? Sentiment classification using machine learning techniques[C].Proceedings of the ACL-02 Conference on Empirical Methods in Natural Language Processing-Volume 10. Association for Computational Linguistics, 2002: 79-86.

    [3] 劉魯, 劉志明. 基于機(jī)器學(xué)習(xí)的中文微博情感分類實(shí)證研究[J]. 計(jì)算機(jī)工程與應(yīng)用, 2012,48(1): 1-4.

    [4] MIKOLOV T, SUTSKEVER I, Chen Kai, et al. Distributed representations of words and phrases and their compositionality[C].Advances in Neural Information Processing Systems, 2013,26: 3111-3119.

    [5] MIKOLOV T, Chen Kai, CORRADO G, et al. Efficient estimation of word representations in vector space[J]. Compater Science, 2013.

    猜你喜歡
    超平面傾向性決策樹
    全純曲線的例外超平面
    基于模糊數(shù)學(xué)法的阿舍勒銅礦深部巖體巖爆傾向性預(yù)測(cè)
    涉及分擔(dān)超平面的正規(guī)定則
    一種針對(duì)不均衡數(shù)據(jù)集的SVM決策樹算法
    以較低截?cái)嘀財(cái)?shù)分擔(dān)超平面的亞純映射的唯一性問(wèn)題
    決策樹和隨機(jī)森林方法在管理決策中的應(yīng)用
    電子制作(2018年16期)2018-09-26 03:27:06
    基于決策樹的出租車乘客出行目的識(shí)別
    關(guān)于醫(yī)患沖突報(bào)道的傾向性分析——以“湘潭產(chǎn)婦死亡案”為例
    數(shù)學(xué)年刊A輯(中文版)(2015年1期)2015-10-30 01:55:44
    “沒(méi)準(zhǔn)兒”“不一定”“不見得”和“說(shuō)不定”的語(yǔ)義傾向性和主觀性差異
    欧美日韩精品网址| av在线天堂中文字幕| 无限看片的www在线观看| 日韩有码中文字幕| 免费高清视频大片| 免费在线观看影片大全网站| 高潮久久久久久久久久久不卡| 亚洲精品久久国产高清桃花| 午夜影院日韩av| 18+在线观看网站| 成人av在线播放网站| 国产精品三级大全| 色哟哟哟哟哟哟| 亚洲不卡免费看| 亚洲av第一区精品v没综合| 91av网一区二区| 亚洲欧美日韩东京热| 首页视频小说图片口味搜索| 久久久国产精品麻豆| 91在线观看av| 久久久色成人| 美女黄网站色视频| 亚洲中文日韩欧美视频| 18禁在线播放成人免费| 神马国产精品三级电影在线观看| 麻豆一二三区av精品| 男人和女人高潮做爰伦理| 国产高清激情床上av| 国产精品99久久99久久久不卡| 精品久久久久久成人av| 国产黄色小视频在线观看| 好男人电影高清在线观看| 一区二区三区国产精品乱码| 国产中年淑女户外野战色| 一个人免费在线观看的高清视频| 午夜福利在线观看免费完整高清在 | 国产高清视频在线播放一区| 国内精品久久久久精免费| 午夜精品久久久久久毛片777| 免费高清视频大片| 国产99白浆流出| 精品久久久久久久久久久久久| 精品久久久久久久末码| 国产91精品成人一区二区三区| 免费无遮挡裸体视频| 久久精品国产99精品国产亚洲性色| 日本a在线网址| 最新中文字幕久久久久| 国产精品乱码一区二三区的特点| 国产麻豆成人av免费视频| 欧美一区二区亚洲| 美女大奶头视频| 婷婷亚洲欧美| 精品久久久久久成人av| 日韩欧美精品免费久久 | 动漫黄色视频在线观看| 九色国产91popny在线| 日韩亚洲欧美综合| 天天添夜夜摸| 啦啦啦免费观看视频1| 欧美日韩瑟瑟在线播放| 尤物成人国产欧美一区二区三区| 免费看十八禁软件| 久久99热这里只有精品18| 亚洲人成网站在线播放欧美日韩| 国内精品久久久久精免费| 国产真实乱freesex| 久久久久久国产a免费观看| 免费看a级黄色片| 网址你懂的国产日韩在线| 国产综合懂色| 精品一区二区三区视频在线 | 成人18禁在线播放| 亚洲成人免费电影在线观看| 在线十欧美十亚洲十日本专区| 国产成+人综合+亚洲专区| 国产亚洲精品av在线| 国产高清三级在线| 亚洲激情在线av| 婷婷亚洲欧美| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 日韩欧美在线二视频| 午夜精品久久久久久毛片777| 欧美性猛交╳xxx乱大交人| 97人妻精品一区二区三区麻豆| 欧美乱码精品一区二区三区| 18禁裸乳无遮挡免费网站照片| 一边摸一边抽搐一进一小说| 99国产综合亚洲精品| 国产日本99.免费观看| 99精品在免费线老司机午夜| 亚洲精品在线观看二区| 欧美三级亚洲精品| 我要搜黄色片| 99精品在免费线老司机午夜| 亚洲av熟女| 熟女少妇亚洲综合色aaa.| 免费av毛片视频| 母亲3免费完整高清在线观看| 欧美乱色亚洲激情| 禁无遮挡网站| 欧美成人免费av一区二区三区| 国产高清有码在线观看视频| 欧美绝顶高潮抽搐喷水| 精品免费久久久久久久清纯| 国产午夜精品久久久久久一区二区三区 | 精品人妻1区二区| 国产又黄又爽又无遮挡在线| 91在线精品国自产拍蜜月 | 欧美性猛交╳xxx乱大交人| 宅男免费午夜| 在线观看一区二区三区| 91av网一区二区| 婷婷精品国产亚洲av| 成年女人毛片免费观看观看9| 岛国在线免费视频观看| 免费av毛片视频| 色哟哟哟哟哟哟| 国产亚洲精品综合一区在线观看| svipshipincom国产片| 麻豆成人午夜福利视频| 变态另类丝袜制服| 精华霜和精华液先用哪个| 校园春色视频在线观看| 国产伦精品一区二区三区四那| 国产成人av教育| 色精品久久人妻99蜜桃| 深爱激情五月婷婷| 日韩 欧美 亚洲 中文字幕| 亚洲中文字幕一区二区三区有码在线看| 亚洲欧美日韩高清在线视频| 成年女人毛片免费观看观看9| 给我免费播放毛片高清在线观看| 精品久久久久久久毛片微露脸| 男人舔女人下体高潮全视频| 久久欧美精品欧美久久欧美| 九九在线视频观看精品| 亚洲国产日韩欧美精品在线观看 | 亚洲精品粉嫩美女一区| 无遮挡黄片免费观看| 在线国产一区二区在线| e午夜精品久久久久久久| 两个人视频免费观看高清| 国产真人三级小视频在线观看| 亚洲精品在线美女| 国产av麻豆久久久久久久| 久久久久国内视频| 又粗又爽又猛毛片免费看| 特级一级黄色大片| 99久久综合精品五月天人人| 亚洲黑人精品在线| 琪琪午夜伦伦电影理论片6080| 乱人视频在线观看| 老鸭窝网址在线观看| 久久久久国内视频| 亚洲人与动物交配视频| 欧美丝袜亚洲另类 | 亚洲av美国av| 国产国拍精品亚洲av在线观看 | 久久伊人香网站| 一本一本综合久久| 亚洲狠狠婷婷综合久久图片| 18禁黄网站禁片免费观看直播| 天天一区二区日本电影三级| 一级毛片女人18水好多| 蜜桃久久精品国产亚洲av| 深爱激情五月婷婷| 免费高清视频大片| 国产真实伦视频高清在线观看 | 国产精品一区二区三区四区免费观看 | 91在线观看av| 麻豆成人午夜福利视频| 一进一出抽搐gif免费好疼| 在线天堂最新版资源| 波多野结衣巨乳人妻| xxx96com| 久久久国产成人精品二区| 亚洲av免费在线观看| 欧美丝袜亚洲另类 | 日本精品一区二区三区蜜桃| 国产伦一二天堂av在线观看| 女人被狂操c到高潮| 国产麻豆成人av免费视频| 久久久国产成人免费| 色播亚洲综合网| 美女cb高潮喷水在线观看| 亚洲五月婷婷丁香| 国产成人aa在线观看| 久久久久国内视频| 午夜精品在线福利| 精品无人区乱码1区二区| 国产精品亚洲av一区麻豆| 最近在线观看免费完整版| 亚洲成人久久爱视频| 18禁黄网站禁片午夜丰满| 午夜福利视频1000在线观看| 国产一区二区三区在线臀色熟女| 中文字幕人妻丝袜一区二区| 色在线成人网| 此物有八面人人有两片| 夜夜看夜夜爽夜夜摸| 亚洲成人久久性| 日韩欧美 国产精品| 一区二区三区高清视频在线| 两个人看的免费小视频| 一本精品99久久精品77| 精品久久久久久久久久久久久| 亚洲欧美激情综合另类| 两人在一起打扑克的视频| 给我免费播放毛片高清在线观看| 给我免费播放毛片高清在线观看| 国产精品 国内视频| av在线蜜桃| 91麻豆av在线| 欧美又色又爽又黄视频| 久久久久久九九精品二区国产| 国产欧美日韩精品一区二区| 热99re8久久精品国产| 国产亚洲欧美98| 日韩欧美在线乱码| 国产精品电影一区二区三区| 在线播放无遮挡| 女同久久另类99精品国产91| 久久99热这里只有精品18| 国产高清视频在线观看网站| 一a级毛片在线观看| 变态另类丝袜制服| 亚洲精品粉嫩美女一区| 俄罗斯特黄特色一大片| 午夜激情欧美在线| 人妻丰满熟妇av一区二区三区| 国产精品野战在线观看| 亚洲av五月六月丁香网| 国内精品美女久久久久久| 99国产精品一区二区三区| 无人区码免费观看不卡| 久久伊人香网站| 精品久久久久久久久久免费视频| 免费在线观看成人毛片| 天堂影院成人在线观看| 成人永久免费在线观看视频| 欧美日韩瑟瑟在线播放| 国产精品99久久99久久久不卡| 久久欧美精品欧美久久欧美| 老汉色av国产亚洲站长工具| 国产精品 国内视频| 99热6这里只有精品| 国产色爽女视频免费观看| 在线观看舔阴道视频| 午夜福利高清视频| 女人高潮潮喷娇喘18禁视频| 亚洲熟妇熟女久久| 俺也久久电影网| 国产精品久久电影中文字幕| 一个人看视频在线观看www免费 | 美女被艹到高潮喷水动态| 三级男女做爰猛烈吃奶摸视频| 亚洲成人精品中文字幕电影| 三级国产精品欧美在线观看| 在线观看一区二区三区| 狠狠狠狠99中文字幕| 成熟少妇高潮喷水视频| 国产探花在线观看一区二区| 一级黄色大片毛片| 亚洲美女视频黄频| or卡值多少钱| 俺也久久电影网| 成熟少妇高潮喷水视频| 国产色婷婷99| 国产伦一二天堂av在线观看| 婷婷精品国产亚洲av在线| 国产成年人精品一区二区| 久久久久久大精品| 在线观看日韩欧美| 亚洲人与动物交配视频| 国产伦精品一区二区三区四那| ponron亚洲| 欧美一区二区国产精品久久精品| 日韩欧美精品免费久久 | bbb黄色大片| 国产色爽女视频免费观看| 午夜视频国产福利| 精品电影一区二区在线| 九九久久精品国产亚洲av麻豆| 日本精品一区二区三区蜜桃| 18禁裸乳无遮挡免费网站照片| 婷婷丁香在线五月| 国产亚洲精品av在线| 午夜免费成人在线视频| 久久精品综合一区二区三区| 成人性生交大片免费视频hd| a级一级毛片免费在线观看| 国产精品综合久久久久久久免费| 久久99热这里只有精品18| 国产精品久久视频播放| 亚洲av电影不卡..在线观看| 精品福利观看| 3wmmmm亚洲av在线观看| 女人十人毛片免费观看3o分钟| 成年女人毛片免费观看观看9| 老司机深夜福利视频在线观看| 日本与韩国留学比较| 俄罗斯特黄特色一大片| 97超级碰碰碰精品色视频在线观看| 精品久久久久久久人妻蜜臀av| 每晚都被弄得嗷嗷叫到高潮| 国产一区二区在线av高清观看| 午夜福利在线观看吧| 日本在线视频免费播放| 99视频精品全部免费 在线| 十八禁网站免费在线| 别揉我奶头~嗯~啊~动态视频| 国产欧美日韩精品一区二区| ponron亚洲| 亚洲性夜色夜夜综合| 岛国在线观看网站| www日本黄色视频网| 国产精品久久久久久亚洲av鲁大| 中文字幕人妻丝袜一区二区| 国产亚洲精品久久久com| 窝窝影院91人妻| 欧美日本亚洲视频在线播放| 性色av乱码一区二区三区2| 成人鲁丝片一二三区免费| 欧美日本视频| 91av网一区二区| 制服丝袜大香蕉在线| 亚洲精品456在线播放app | 国产av在哪里看| 亚洲国产欧美人成| 男女视频在线观看网站免费| www.熟女人妻精品国产| 黄色日韩在线| 久久这里只有精品中国| 夜夜爽天天搞| 亚洲成人久久爱视频| 97超级碰碰碰精品色视频在线观看| 中文在线观看免费www的网站| 国产99白浆流出| 国产一区二区在线av高清观看| 精品一区二区三区视频在线 | 欧美区成人在线视频| 国产精品免费一区二区三区在线| 中亚洲国语对白在线视频| 18美女黄网站色大片免费观看| 亚洲精品乱码久久久v下载方式 | av在线天堂中文字幕| 99热6这里只有精品| 欧美高清成人免费视频www| 91av网一区二区| 日韩av在线大香蕉| 成熟少妇高潮喷水视频| 女同久久另类99精品国产91| 男女床上黄色一级片免费看| 嫁个100分男人电影在线观看| 欧美一级a爱片免费观看看| 身体一侧抽搐| 床上黄色一级片| 一进一出抽搐动态| 色综合婷婷激情| 伊人久久大香线蕉亚洲五| 天堂av国产一区二区熟女人妻| 在线观看舔阴道视频| 亚洲精品一区av在线观看| 中文字幕熟女人妻在线| 97超级碰碰碰精品色视频在线观看| 国产精品亚洲av一区麻豆| 久久国产精品人妻蜜桃| 1000部很黄的大片| 最近视频中文字幕2019在线8| 狂野欧美激情性xxxx| 手机成人av网站| 国产精品av视频在线免费观看| 日韩亚洲欧美综合| 中文字幕av在线有码专区| 午夜免费成人在线视频| 一个人免费在线观看电影| 色av中文字幕| 不卡一级毛片| 国产一区二区激情短视频| 中文字幕精品亚洲无线码一区| 国产探花极品一区二区| 亚洲国产精品999在线| 中文字幕熟女人妻在线| 欧美成人免费av一区二区三区| 欧美+日韩+精品| 久久久久久久久大av| 精品一区二区三区视频在线 | 亚洲专区中文字幕在线| 少妇的逼好多水| 国内精品久久久久久久电影| 又黄又爽又免费观看的视频| 国产高清激情床上av| 给我免费播放毛片高清在线观看| 亚洲中文日韩欧美视频| 美女大奶头视频| 国产成人影院久久av| 国产激情偷乱视频一区二区| 中文字幕人成人乱码亚洲影| 丝袜美腿在线中文| xxx96com| 午夜免费成人在线视频| 俺也久久电影网| 99热这里只有是精品50| 亚洲成人精品中文字幕电影| 日韩高清综合在线| 国产精品电影一区二区三区| 亚洲成人中文字幕在线播放| 一级毛片女人18水好多| 亚洲精品在线观看二区| 一夜夜www| 99久久成人亚洲精品观看| 国产爱豆传媒在线观看| 国产黄色小视频在线观看| 级片在线观看| 欧美日本亚洲视频在线播放| 在线观看午夜福利视频| 91在线观看av| netflix在线观看网站| 国产乱人视频| 国产一区二区在线av高清观看| 亚洲avbb在线观看| 免费在线观看影片大全网站| 床上黄色一级片| 校园春色视频在线观看| 亚洲国产高清在线一区二区三| 一个人免费在线观看的高清视频| 国产精品 欧美亚洲| 国产成人aa在线观看| 成年女人毛片免费观看观看9| 国产三级中文精品| 久久九九热精品免费| 一个人看的www免费观看视频| 欧美性猛交黑人性爽| 老司机福利观看| 日日摸夜夜添夜夜添小说| 老熟妇仑乱视频hdxx| 噜噜噜噜噜久久久久久91| 97超级碰碰碰精品色视频在线观看| 国产午夜精品论理片| www日本黄色视频网| 亚洲精华国产精华精| 国产在线精品亚洲第一网站| 国产一区二区三区视频了| 国产一区二区激情短视频| 欧美色欧美亚洲另类二区| 天天一区二区日本电影三级| 搡女人真爽免费视频火全软件 | 成人高潮视频无遮挡免费网站| 男人舔女人下体高潮全视频| 在线观看午夜福利视频| 亚洲欧美日韩高清在线视频| 伊人久久大香线蕉亚洲五| 免费大片18禁| 99久国产av精品| 成人国产综合亚洲| 九九久久精品国产亚洲av麻豆| 青草久久国产| 看黄色毛片网站| 美女免费视频网站| 午夜老司机福利剧场| 日本一本二区三区精品| 一进一出抽搐gif免费好疼| 99国产综合亚洲精品| 婷婷丁香在线五月| 亚洲成人免费电影在线观看| 成年女人永久免费观看视频| 狂野欧美激情性xxxx| 久久国产精品影院| 国产91精品成人一区二区三区| 成人性生交大片免费视频hd| 91在线观看av| 久久婷婷人人爽人人干人人爱| 日韩亚洲欧美综合| 一本综合久久免费| 国产精品久久久久久精品电影| 国产淫片久久久久久久久 | 好男人在线观看高清免费视频| 亚洲成av人片在线播放无| 国产真人三级小视频在线观看| 高清毛片免费观看视频网站| 国产精品电影一区二区三区| 少妇人妻一区二区三区视频| 精品久久久久久久末码| 成人欧美大片| 久久精品国产自在天天线| 一边摸一边抽搐一进一小说| 精品国内亚洲2022精品成人| 美女大奶头视频| 久久性视频一级片| 搡老熟女国产l中国老女人| 最新中文字幕久久久久| tocl精华| 欧美绝顶高潮抽搐喷水| 午夜免费观看网址| 很黄的视频免费| 国产老妇女一区| 听说在线观看完整版免费高清| 国产av一区在线观看免费| 大型黄色视频在线免费观看| 一个人观看的视频www高清免费观看| 99精品在免费线老司机午夜| 国产成人系列免费观看| 亚洲av免费高清在线观看| 一个人看视频在线观看www免费 | 精品日产1卡2卡| 亚洲中文字幕一区二区三区有码在线看| 国内毛片毛片毛片毛片毛片| xxx96com| 亚洲成人中文字幕在线播放| 最近在线观看免费完整版| 亚洲最大成人中文| 亚洲熟妇中文字幕五十中出| 精品日产1卡2卡| 91字幕亚洲| 99久久无色码亚洲精品果冻| 天堂av国产一区二区熟女人妻| 国产主播在线观看一区二区| 中文字幕精品亚洲无线码一区| 在线观看66精品国产| 18禁在线播放成人免费| 最新美女视频免费是黄的| 女人高潮潮喷娇喘18禁视频| 国产精品国产高清国产av| 国产精品三级大全| 亚洲久久久久久中文字幕| 国产精品久久久久久亚洲av鲁大| 母亲3免费完整高清在线观看| 中出人妻视频一区二区| 欧美日韩精品网址| 天堂动漫精品| 99精品久久久久人妻精品| 国产精品野战在线观看| 国产主播在线观看一区二区| 国产中年淑女户外野战色| 国产精品久久久久久久电影 | 精品国内亚洲2022精品成人| 国产高清激情床上av| av片东京热男人的天堂| 亚洲国产高清在线一区二区三| 亚洲性夜色夜夜综合| 真实男女啪啪啪动态图| 午夜福利欧美成人| 黄色片一级片一级黄色片| 全区人妻精品视频| 男女之事视频高清在线观看| 免费在线观看日本一区| 久久99热这里只有精品18| 黄色片一级片一级黄色片| 在线a可以看的网站| 国产黄色小视频在线观看| 精品久久久久久久人妻蜜臀av| 国产91精品成人一区二区三区| 99久久综合精品五月天人人| 日韩精品青青久久久久久| 亚洲最大成人手机在线| 国内精品一区二区在线观看| 亚洲精品国产精品久久久不卡| 午夜久久久久精精品| 久久精品国产自在天天线| 中出人妻视频一区二区| 丁香欧美五月| 久久草成人影院| 日韩欧美国产一区二区入口| 欧美乱妇无乱码| 麻豆成人av在线观看| 丝袜美腿在线中文| 熟妇人妻久久中文字幕3abv| 久久久国产精品麻豆| 啦啦啦观看免费观看视频高清| 免费av毛片视频| 熟女少妇亚洲综合色aaa.| 日韩成人在线观看一区二区三区| 三级毛片av免费| 国产一区二区三区视频了| 欧美成人一区二区免费高清观看| 成人高潮视频无遮挡免费网站| 黄色视频,在线免费观看| 久久久久免费精品人妻一区二区| 精品免费久久久久久久清纯| 三级男女做爰猛烈吃奶摸视频| 毛片女人毛片| 变态另类成人亚洲欧美熟女| 日韩av在线大香蕉| 国内精品一区二区在线观看| 天美传媒精品一区二区| 欧美乱码精品一区二区三区| 亚洲av日韩精品久久久久久密| 一级毛片女人18水好多| 99热只有精品国产| 国产精品 欧美亚洲| 日本 av在线| 欧美一级毛片孕妇| 亚洲国产精品sss在线观看| av片东京热男人的天堂| 国产精品影院久久| 热99re8久久精品国产| 精品电影一区二区在线| 欧美日韩一级在线毛片| 精品国产超薄肉色丝袜足j| 一本久久中文字幕| 午夜两性在线视频| 久久久久九九精品影院| 中文亚洲av片在线观看爽| 波多野结衣巨乳人妻| 天堂√8在线中文| 免费观看精品视频网站| 一二三四社区在线视频社区8| 亚洲av成人精品一区久久| 久久久久久久久久黄片| xxx96com| 亚洲av成人av| 窝窝影院91人妻| 久久精品综合一区二区三区| 一级毛片高清免费大全|