• <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
    老鸭窝网址在线观看| 亚洲视频免费观看视频| 精品久久久久久久毛片微露脸 | 男女床上黄色一级片免费看| 只有这里有精品99| 亚洲av电影在线观看一区二区三区| 日韩免费高清中文字幕av| 亚洲国产成人一精品久久久| 免费在线观看完整版高清| 亚洲九九香蕉| 亚洲免费av在线视频| 看免费av毛片| 久久久久久人人人人人| 国产精品九九99| 青草久久国产| 午夜免费鲁丝| 悠悠久久av| 亚洲精品一二三| 欧美精品人与动牲交sv欧美| 欧美另类一区| 一边摸一边做爽爽视频免费| 亚洲国产精品999| 亚洲国产欧美一区二区综合| 男女高潮啪啪啪动态图| 不卡av一区二区三区| 国语对白做爰xxxⅹ性视频网站| 一级毛片女人18水好多 | 国产真人三级小视频在线观看| 久久久国产欧美日韩av| 久久国产精品男人的天堂亚洲| 日韩电影二区| 80岁老熟妇乱子伦牲交| 欧美老熟妇乱子伦牲交| 免费在线观看完整版高清| 18禁国产床啪视频网站| 一本一本久久a久久精品综合妖精| 啦啦啦 在线观看视频| 高清视频免费观看一区二区| 一级毛片黄色毛片免费观看视频| 啦啦啦 在线观看视频| 一二三四社区在线视频社区8| 人妻一区二区av| 一本一本久久a久久精品综合妖精| 啦啦啦 在线观看视频| 久久精品人人爽人人爽视色| 亚洲中文av在线| 老司机影院毛片| 欧美激情极品国产一区二区三区| 成人亚洲欧美一区二区av| 岛国毛片在线播放| 视频区欧美日本亚洲| 性色av乱码一区二区三区2| 久久免费观看电影| 少妇人妻 视频| 欧美久久黑人一区二区| 久久久久久人人人人人| 99国产综合亚洲精品| 日韩一卡2卡3卡4卡2021年| 男男h啪啪无遮挡| 天天躁夜夜躁狠狠躁躁| 中文字幕另类日韩欧美亚洲嫩草| 美女扒开内裤让男人捅视频| 国产精品99久久99久久久不卡| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲激情五月婷婷啪啪| 青青草视频在线视频观看| 亚洲欧美精品综合一区二区三区| 男人舔女人的私密视频| 男人舔女人的私密视频| 亚洲精品中文字幕在线视频| 亚洲国产最新在线播放| 亚洲精品日本国产第一区| 黄色视频在线播放观看不卡| 啦啦啦啦在线视频资源| 国产爽快片一区二区三区| 亚洲伊人色综图| 十八禁高潮呻吟视频| 国产精品久久久人人做人人爽| 国产成人一区二区在线| 啦啦啦 在线观看视频| 国产精品香港三级国产av潘金莲 | 国产激情久久老熟女| 国产精品一国产av| 脱女人内裤的视频| 亚洲国产精品国产精品| 亚洲一码二码三码区别大吗| 国产日韩一区二区三区精品不卡| 国产成人欧美| 色网站视频免费| 国产精品亚洲av一区麻豆| 夜夜骑夜夜射夜夜干| 国产成人系列免费观看| av有码第一页| 日韩一本色道免费dvd| 女警被强在线播放| 爱豆传媒免费全集在线观看| 精品少妇一区二区三区视频日本电影| 亚洲国产精品999| 免费观看a级毛片全部| 亚洲欧美日韩高清在线视频 | 久久精品亚洲熟妇少妇任你| 欧美97在线视频| 精品福利永久在线观看| 青青草视频在线视频观看| 在线亚洲精品国产二区图片欧美| 老司机影院毛片| 精品久久蜜臀av无| 亚洲一区中文字幕在线| 亚洲av美国av| 日本vs欧美在线观看视频| 最近手机中文字幕大全| 巨乳人妻的诱惑在线观看| 天天操日日干夜夜撸| svipshipincom国产片| 国产视频一区二区在线看| 91麻豆精品激情在线观看国产 | 黄色怎么调成土黄色| 91字幕亚洲| 一级毛片黄色毛片免费观看视频| 男女国产视频网站| 纯流量卡能插随身wifi吗| 久久女婷五月综合色啪小说| 亚洲国产中文字幕在线视频| 久久精品久久久久久久性| 国产av一区二区精品久久| 欧美日韩成人在线一区二区| 国语对白做爰xxxⅹ性视频网站| 久久狼人影院| 成人手机av| 亚洲 欧美一区二区三区| 成年av动漫网址| 最近中文字幕2019免费版| 久久久精品国产亚洲av高清涩受| 国产精品熟女久久久久浪| 午夜福利乱码中文字幕| 亚洲天堂av无毛| 精品国产国语对白av| tube8黄色片| 欧美在线一区亚洲| 亚洲 欧美一区二区三区| videos熟女内射| 大话2 男鬼变身卡| 国精品久久久久久国模美| 国产在线一区二区三区精| 免费观看人在逋| 国产男女内射视频| 欧美+亚洲+日韩+国产| 国产精品av久久久久免费| www.精华液| 超碰97精品在线观看| 国产精品.久久久| 成人国语在线视频| 久久精品久久久久久久性| 亚洲成色77777| 精品久久蜜臀av无| 在线亚洲精品国产二区图片欧美| 电影成人av| 精品第一国产精品| av线在线观看网站| 国产成人精品久久二区二区91| 男女高潮啪啪啪动态图| 精品亚洲成a人片在线观看| 亚洲一码二码三码区别大吗| 久久热在线av| 国产一区有黄有色的免费视频| 亚洲国产欧美一区二区综合| 日本av手机在线免费观看| 国产深夜福利视频在线观看| 只有这里有精品99| 精品卡一卡二卡四卡免费| 国产亚洲精品第一综合不卡| 日韩av不卡免费在线播放| 国产成人av激情在线播放| 中文字幕制服av| 你懂的网址亚洲精品在线观看| √禁漫天堂资源中文www| 热re99久久精品国产66热6| 国产精品九九99| 精品久久蜜臀av无| 午夜精品国产一区二区电影| 黄频高清免费视频| 丰满迷人的少妇在线观看| 999精品在线视频| 国产精品av久久久久免费| 男女国产视频网站| 天天躁狠狠躁夜夜躁狠狠躁| 汤姆久久久久久久影院中文字幕| 亚洲欧美清纯卡通| 黄色一级大片看看| svipshipincom国产片| 狠狠精品人妻久久久久久综合| 免费观看人在逋| 丰满迷人的少妇在线观看| 精品人妻一区二区三区麻豆| 精品久久久久久久毛片微露脸 | 国产在线一区二区三区精| h视频一区二区三区| 黑丝袜美女国产一区| 日韩av不卡免费在线播放| 两人在一起打扑克的视频| 成人18禁高潮啪啪吃奶动态图| 欧美中文综合在线视频| 亚洲国产最新在线播放| 国产精品一二三区在线看| tube8黄色片| 黄色视频不卡| 青草久久国产| 多毛熟女@视频| 亚洲午夜精品一区,二区,三区| 91成人精品电影| 欧美精品高潮呻吟av久久| 大香蕉久久网| 免费观看a级毛片全部| av天堂久久9| 日本欧美国产在线视频| 久久亚洲精品不卡| bbb黄色大片| 成人手机av| 一级毛片女人18水好多 | 你懂的网址亚洲精品在线观看| 免费在线观看黄色视频的| 久久青草综合色| 建设人人有责人人尽责人人享有的| 热99久久久久精品小说推荐| 丝袜美腿诱惑在线| 女警被强在线播放| 免费在线观看日本一区| 久久久精品区二区三区| 91麻豆精品激情在线观看国产 | 免费在线观看完整版高清| 美女大奶头黄色视频| 久久久久久亚洲精品国产蜜桃av| 美国免费a级毛片| 精品人妻在线不人妻| 久久这里只有精品19| 国产精品一区二区精品视频观看| 人体艺术视频欧美日本| 91精品国产国语对白视频| 另类亚洲欧美激情| 爱豆传媒免费全集在线观看| 精品亚洲乱码少妇综合久久| 久久九九热精品免费| 老司机深夜福利视频在线观看 | 国产国语露脸激情在线看| 午夜激情av网站| 看免费成人av毛片| 少妇人妻 视频| 亚洲欧美清纯卡通| 一个人免费看片子| 男的添女的下面高潮视频| 国产一区二区在线观看av| 黑人欧美特级aaaaaa片| 中文乱码字字幕精品一区二区三区| 丁香六月天网| 久久国产精品大桥未久av| 超色免费av| 亚洲精品国产色婷婷电影| 精品少妇一区二区三区视频日本电影| 1024香蕉在线观看| 成人手机av| 啦啦啦中文免费视频观看日本| 成年av动漫网址| 精品国产一区二区三区久久久樱花| 国产成人av教育| 99九九在线精品视频| 久久久久久久国产电影| 欧美日韩综合久久久久久| 青春草亚洲视频在线观看| 久久国产精品男人的天堂亚洲| 99精品久久久久人妻精品| 精品福利观看| cao死你这个sao货| 老司机影院成人| 岛国毛片在线播放| 只有这里有精品99| 另类亚洲欧美激情| 久久精品亚洲av国产电影网| 激情五月婷婷亚洲| 国产老妇伦熟女老妇高清| 嫁个100分男人电影在线观看 | 老熟女久久久| 亚洲人成77777在线视频| 欧美精品av麻豆av| 欧美 日韩 精品 国产| 亚洲黑人精品在线| 一区二区三区四区激情视频| 一区福利在线观看| 国产一区二区在线观看av| 国产视频一区二区在线看| 国产有黄有色有爽视频| 久久人人爽av亚洲精品天堂| 韩国精品一区二区三区| 大话2 男鬼变身卡| 9色porny在线观看| 亚洲精品中文字幕在线视频| 中文字幕人妻丝袜一区二区| 18禁裸乳无遮挡动漫免费视频| 亚洲三区欧美一区| 宅男免费午夜| 亚洲国产av新网站| 午夜福利影视在线免费观看| 美女午夜性视频免费| 日韩av不卡免费在线播放| 久久热在线av| 自线自在国产av| 99国产综合亚洲精品| av一本久久久久| 国产欧美日韩一区二区三区在线| 在线天堂中文资源库| xxx大片免费视频| 国产精品一二三区在线看| 黑丝袜美女国产一区| 国产亚洲午夜精品一区二区久久| 黄色毛片三级朝国网站| 国产一级毛片在线| 大型av网站在线播放| 日韩大片免费观看网站| 精品少妇内射三级| av在线app专区| 丝袜美腿诱惑在线| 午夜久久久在线观看| 久久国产精品影院| 十八禁网站网址无遮挡| 精品国产乱码久久久久久小说| 丰满少妇做爰视频| 亚洲第一av免费看| 1024视频免费在线观看| 亚洲 欧美一区二区三区| 波多野结衣av一区二区av| 日韩av不卡免费在线播放| 啦啦啦中文免费视频观看日本| 老熟女久久久| cao死你这个sao货| 男女国产视频网站| 老熟女久久久| 视频在线观看一区二区三区| 国产av国产精品国产| 丁香六月天网| 一本色道久久久久久精品综合| 人人妻,人人澡人人爽秒播 | 日韩一区二区三区影片| 亚洲精品日韩在线中文字幕| 亚洲精品第二区| 欧美在线一区亚洲| 亚洲欧美一区二区三区国产| 电影成人av| 精品福利观看| 免费看十八禁软件| 天堂俺去俺来也www色官网| 日韩人妻精品一区2区三区| 男人爽女人下面视频在线观看| 亚洲欧美一区二区三区黑人| 久久精品亚洲熟妇少妇任你| 人成视频在线观看免费观看| 手机成人av网站| 亚洲七黄色美女视频| 99国产精品一区二区三区| 波野结衣二区三区在线| 午夜福利影视在线免费观看| 你懂的网址亚洲精品在线观看| 一本综合久久免费| 亚洲av日韩在线播放| 夜夜骑夜夜射夜夜干| 美女脱内裤让男人舔精品视频| 美女福利国产在线| 精品国产一区二区三区久久久樱花| 亚洲欧美一区二区三区久久| 午夜福利免费观看在线| 王馨瑶露胸无遮挡在线观看| 大陆偷拍与自拍| 一级毛片我不卡| 香蕉丝袜av| 丰满少妇做爰视频| 亚洲国产精品一区二区三区在线| 水蜜桃什么品种好| 十八禁人妻一区二区| 久热爱精品视频在线9| 久久久久久久久久久久大奶| 九色亚洲精品在线播放| 免费人妻精品一区二区三区视频| 999精品在线视频| 免费观看a级毛片全部| 超碰97精品在线观看| 亚洲色图 男人天堂 中文字幕| 黄网站色视频无遮挡免费观看| 亚洲一区二区三区欧美精品| 另类精品久久| 久久精品久久久久久噜噜老黄| 亚洲 国产 在线| 亚洲国产av影院在线观看| 欧美+亚洲+日韩+国产| 亚洲国产av新网站| 国产精品久久久av美女十八| 又粗又硬又长又爽又黄的视频| 人人妻,人人澡人人爽秒播 | 亚洲图色成人| 一级毛片 在线播放| 欧美av亚洲av综合av国产av| 自拍欧美九色日韩亚洲蝌蚪91| 青春草视频在线免费观看| 日本猛色少妇xxxxx猛交久久| 午夜福利一区二区在线看| 久久午夜综合久久蜜桃| 亚洲,欧美,日韩| 亚洲 欧美一区二区三区| av有码第一页| 无限看片的www在线观看| 欧美日韩亚洲综合一区二区三区_| 国产成人精品久久二区二区免费| 国产精品av久久久久免费| 老司机深夜福利视频在线观看 | 欧美中文综合在线视频| 尾随美女入室| 亚洲色图综合在线观看| 色网站视频免费| 超碰成人久久| 久久精品成人免费网站| 欧美成人精品欧美一级黄| 亚洲欧洲国产日韩| 91成人精品电影| 爱豆传媒免费全集在线观看| 午夜福利一区二区在线看| 久久国产精品人妻蜜桃| 日本黄色日本黄色录像| 99九九在线精品视频| 天堂中文最新版在线下载| 欧美日韩精品网址| 欧美成狂野欧美在线观看| 三上悠亚av全集在线观看| 亚洲伊人久久精品综合| 久久久国产欧美日韩av| 欧美少妇被猛烈插入视频| 蜜桃在线观看..| 一级毛片女人18水好多 | 777久久人妻少妇嫩草av网站| 最新的欧美精品一区二区| 蜜桃国产av成人99| 午夜老司机福利片| 久久国产精品男人的天堂亚洲| 免费av中文字幕在线| 欧美黑人欧美精品刺激| 亚洲国产欧美网| 久久精品国产亚洲av高清一级| 曰老女人黄片| 日本av免费视频播放| 嫩草影视91久久| 国产97色在线日韩免费| 两个人免费观看高清视频| 久久久久久久久免费视频了| 国产精品一区二区在线观看99| 91九色精品人成在线观看| cao死你这个sao货| 免费看十八禁软件| 老司机在亚洲福利影院| 国产成人影院久久av| 少妇粗大呻吟视频| 性少妇av在线| 日韩 欧美 亚洲 中文字幕| 欧美大码av| 亚洲精品美女久久av网站| 91九色精品人成在线观看| 狠狠婷婷综合久久久久久88av| 一区二区av电影网| av在线老鸭窝| 久久ye,这里只有精品| 在线精品无人区一区二区三| 亚洲成人手机| av网站免费在线观看视频| 亚洲熟女毛片儿| 成人黄色视频免费在线看| www.自偷自拍.com| 亚洲精品国产一区二区精华液| 久久av网站| 中文字幕av电影在线播放| 狠狠婷婷综合久久久久久88av| 国产精品一区二区精品视频观看| 国产熟女午夜一区二区三区| 波多野结衣av一区二区av| 激情五月婷婷亚洲| 国产精品.久久久| 国产精品熟女久久久久浪| 男女边摸边吃奶| 久久久久久久大尺度免费视频| 成人国产av品久久久| 婷婷色综合www| 美女大奶头黄色视频| 国产成人欧美| 爱豆传媒免费全集在线观看| 亚洲,欧美精品.| 91精品国产国语对白视频| 亚洲av日韩在线播放| 亚洲精品在线美女| 欧美黄色淫秽网站| 黄片小视频在线播放| 99久久综合免费| 国产免费福利视频在线观看| 免费看av在线观看网站| 十分钟在线观看高清视频www| 午夜免费男女啪啪视频观看| 啦啦啦在线免费观看视频4| 丝袜美腿诱惑在线| 亚洲熟女毛片儿| 菩萨蛮人人尽说江南好唐韦庄| 美女午夜性视频免费| 50天的宝宝边吃奶边哭怎么回事| 你懂的网址亚洲精品在线观看| 久久人人爽人人片av| 亚洲av成人精品一二三区| 欧美97在线视频| 黑人欧美特级aaaaaa片| 香蕉丝袜av| 亚洲熟女毛片儿| 99热网站在线观看| 赤兔流量卡办理| 精品少妇内射三级| 1024视频免费在线观看| 老熟女久久久| 亚洲欧洲精品一区二区精品久久久| 成人免费观看视频高清| 下体分泌物呈黄色| bbb黄色大片| 久久亚洲精品不卡| 国产1区2区3区精品| 交换朋友夫妻互换小说| 老司机靠b影院| 首页视频小说图片口味搜索 | 好男人视频免费观看在线| 久久免费观看电影| 亚洲伊人色综图| 欧美精品av麻豆av| 叶爱在线成人免费视频播放| 一区二区三区激情视频| 18禁裸乳无遮挡动漫免费视频| 久久av网站| 最近手机中文字幕大全| 成年人黄色毛片网站| 精品亚洲成a人片在线观看| 制服人妻中文乱码| 天天添夜夜摸| 丰满饥渴人妻一区二区三| 首页视频小说图片口味搜索 | 一本综合久久免费| 青草久久国产| 国产免费又黄又爽又色| 亚洲,一卡二卡三卡| av网站免费在线观看视频| 久久人人97超碰香蕉20202| 免费av中文字幕在线| 波野结衣二区三区在线| 日韩一区二区三区影片| 十分钟在线观看高清视频www| 亚洲av美国av| 欧美国产精品va在线观看不卡| 日本色播在线视频| av欧美777| 精品少妇内射三级| 免费高清在线观看视频在线观看| av在线老鸭窝| 亚洲 欧美一区二区三区| 人成视频在线观看免费观看| 日韩制服丝袜自拍偷拍| 黑人猛操日本美女一级片| 日韩熟女老妇一区二区性免费视频| 亚洲专区国产一区二区| 七月丁香在线播放| 亚洲国产精品999| 久久精品亚洲熟妇少妇任你| 最黄视频免费看| 成人午夜精彩视频在线观看| 午夜91福利影院| 青草久久国产| 日韩电影二区| 好男人视频免费观看在线| 只有这里有精品99| 国产真人三级小视频在线观看| 久久 成人 亚洲| 这个男人来自地球电影免费观看| 在线观看人妻少妇| 黄片播放在线免费| cao死你这个sao货| 乱人伦中国视频| 久久久久久久久免费视频了| 久久99一区二区三区| 韩国精品一区二区三区| 久久热在线av| 纵有疾风起免费观看全集完整版| 成人国产一区最新在线观看 | 波野结衣二区三区在线| 韩国高清视频一区二区三区| 国产男人的电影天堂91| 国产免费现黄频在线看| 国产亚洲一区二区精品| 国产亚洲欧美精品永久| 成人免费观看视频高清| 亚洲三区欧美一区| 777米奇影视久久| 久久精品人人爽人人爽视色| 丰满饥渴人妻一区二区三| 熟女少妇亚洲综合色aaa.| 国产高清不卡午夜福利| 欧美亚洲日本最大视频资源| 欧美国产精品一级二级三级| 中文字幕另类日韩欧美亚洲嫩草| 欧美 日韩 精品 国产| 久久久久精品国产欧美久久久 | 人体艺术视频欧美日本| 超碰97精品在线观看| 午夜久久久在线观看| 精品国产一区二区三区久久久樱花| 国产一级毛片在线| www.熟女人妻精品国产| 免费观看人在逋| 亚洲 国产 在线| 人人澡人人妻人| 久久免费观看电影|