• <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Word2vec和SVM的微博情感挖掘與仿真分析

    2018-05-23 05:34:39繆廣寒
    電子科技 2018年5期
    關(guān)鍵詞:詞頻分類器向量

    繆廣寒

    (無錫城市職業(yè)技術(shù)學(xué)院 實訓(xùn)基地管理中心,江蘇 無錫 214000)

    隨著社交網(wǎng)絡(luò)和計算機技術(shù)的不斷發(fā)展,更多的人借助博客、微博來發(fā)表觀點、表達情感[1]。微博具有互動性、原創(chuàng)性、便捷性、內(nèi)容碎片化和傳播速度快等特點[2-3],其逐漸成為熱門話題以及事件討論的重要平臺[4]。微博通常帶有一定的感情傾向,使用數(shù)據(jù)挖掘技術(shù)來分析微博所表達的情感、了解事件的動態(tài),已成為諸多學(xué)者、專家和科研機構(gòu)的研究方向[5-7]。

    微博情感分析,即分析微博內(nèi)容中的文本和表情符等所表達出的主觀信息以及說話人的態(tài)度[8]。不同于傳統(tǒng)文本分類的是,該種文本分析的對象是一些主觀因素而不是客觀內(nèi)容[9]。目前,情感分析的主要研究方法可以分為基于機器學(xué)習(xí)的方法和基于情感詞典與規(guī)則的方法。如文獻[10]使用標簽傳播算法構(gòu)建中文情感詞典,來進行文本情感分析;文獻[11]構(gòu)建了一種基于SVM和情感詞特征的情感分類模型;文獻[12]使用SVM和N-Grams模型對情感分類;文獻[13~14]使用多種特征融合的方式來分類中文情感。然而,這些文獻并未過多考慮不同情感詞匯的重要性,忽略了不同情感詞匯對分類精度的影響。因此,本文提出了一種基于詞頻重要性加權(quán)Word2vec[15]的特征和SVM[16]的微博情感分析模型。

    1 基于重要性加權(quán)的Word2vec特征

    Word2vec是谷歌公司在2013年開源的一款將文本詞匯表示為向量的工具。其可以將文本內(nèi)容轉(zhuǎn)化為詞向量,并將文本語義上的相似度轉(zhuǎn)換為求解向量空間上的相似度。Word2vec模型可以充分提取相互獨立、毫無關(guān)聯(lián)的文本詞匯的上下文語義信息,從而可以為文本數(shù)據(jù)挖掘更加深層次到特征表示。

    Word2vec包含Skip-gram 和Continuous Bag of Words(CBOW)兩種訓(xùn)練模型。其中,CBOW的數(shù)學(xué)表示為P(Wt|Wt-k,Wt-k-1,…,Wt+k-1,Wt+k), 表示語料詞匯。CBOW的目的是,通過上下文相鄰的k個詞來預(yù)測給定詞Wt出現(xiàn)的概率。Skip-gram的數(shù)學(xué)表示為P((Wt-k,Wt-k-1,…,Wt+k-1,Wt+k|W)),其則是根據(jù)給定詞 來預(yù)測上下文的信息。然而,Word2vec模型并不能區(qū)分文本中不同詞匯的重要程度。因此,本文提出使用詞頻的方法計算微博文本中詞匯的權(quán)重。

    詞頻(Term Frequency,TF)即某一給定詞匯ti在文檔dj中出現(xiàn)的頻率,計算公式為

    (1)

    其中,詞匯ti出現(xiàn)的次數(shù)為ni,j,所有詞出現(xiàn)的總次數(shù)為∑knk,j。

    Word2vec模型能較好地建立上下文間的關(guān)系,但忽略了不同詞匯的權(quán)重;而基于詞頻的方法只考慮了詞匯出現(xiàn)的頻率而并未考慮文本的上下文關(guān)系。因此,本文采用基于詞頻加權(quán)的Word2vec模型來更有效地挖掘文本更深層的特征。

    假設(shè)獲取到的訓(xùn)練語料詞典為Vocab,文檔為〈w1,w2,…,wj〉,詞向量維度為N

    Vocab={ti|i∈1,…,N}

    (2)

    首先,使用默認的Skip-gram模型訓(xùn)練語料數(shù)據(jù)集,得到Word2vec模型。并使用該模型獲得文檔中每個詞匯的詞向量,累加這些詞向量得到文檔dj的向量表示R(dj)為

    R(dj)=∑iWord2vect(t) ,wheret∈dj

    (3)

    其中,詞匯t的Word2vec詞向量表示為Word2vect(t)。

    然后,統(tǒng)計文檔dj中每個詞匯出現(xiàn)的頻率,并將該詞匯的Word2vec詞向量與詞頻相乘,得到加權(quán)Word2vec詞向量。再累加這些加權(quán)詞向量得到文檔dj新的詞向量為

    W_R(dj)=∑iWord2vect(t)×tfi,j, wheret∈dj

    (4)

    最后,將加權(quán)Word2vec詞向量作為SVM分類器的特征向量,并訓(xùn)練得到SVM模型。

    2 SVM分類器

    支持向量機(Support Vector Machine,SVM)是由Vapnik等基于結(jié)構(gòu)風(fēng)險最小化原則和統(tǒng)計學(xué)習(xí)理論提出的一種新的機器學(xué)習(xí)算法。其本質(zhì)為核方法,在解決非線性、小樣本和高維模式識別問題中表現(xiàn)出了諸多優(yōu)勢。本文將SVM分類器用于微博情感分類問題中,將微博分為積極和消極兩種情感。

    SVM通過非線性變換φ(·)將低維空間的輸入數(shù)據(jù)映射到高維特征空間中,實現(xiàn)低維線性不可分的數(shù)據(jù)在高維空間的線性可分。從而得到最大間隔分類超平面f(x)=ωTφ(x)+b,其優(yōu)化目標為

    (5)

    經(jīng)過對偶變換等方式后,可以得到SVM的決策分類函數(shù)為

    (6)

    其中,K為核函數(shù)實現(xiàn)低維樣本向高維空間的映射。

    3 實驗與結(jié)果分析

    3.1 實驗數(shù)據(jù)

    本文使用中文維基百科和百度百科下載的常用、未處理的詞條作為訓(xùn)練Word2vec模型的訓(xùn)練數(shù)據(jù)。情感分析使用Coae2014語料集,并各保留3 000條積極微博和消極微博,部分測試數(shù)據(jù)如下表1所示。為了驗證模型的有效性將微博語料分為80%的訓(xùn)練數(shù)據(jù)和20%的測試數(shù)據(jù)。

    表1 實驗數(shù)據(jù)

    3.2 實驗結(jié)果

    本文首先將下載的訓(xùn)練數(shù)據(jù)進行繁簡體轉(zhuǎn)換、噪聲過濾等預(yù)處理后,經(jīng)ICTCLAS分詞,共提取到762 134個詞匯。預(yù)訓(xùn)練的Word2vec模型窗口大小為20,包含400維參數(shù)向量。同時,微博數(shù)據(jù)也經(jīng)過數(shù)據(jù)清洗、去停用詞和分詞等預(yù)處理以及詞頻統(tǒng)計后,得到加權(quán)后的Word2vec詞向量。數(shù)據(jù)處理流程,如圖1所示。

    圖1 數(shù)據(jù)處理流程

    將詞頻加權(quán)的Word2vec詞向量作為SVM分類器的特征向量,來訓(xùn)練分類器。然后,對標注好的測試數(shù)據(jù)集進行預(yù)測。并將實驗結(jié)果與僅使用Word2vec詞向量和基于詞頻的方法進行比較,其比較結(jié)果如表2所示。本文主要比較了基于混淆矩陣的分類準確率、召回率、F值和正確率等性能指標。

    表2 實驗結(jié)果與比較

    從表2可以看出,本文所提出的基于詞頻加權(quán)Word2vec特征的微博情感分類模型對積極和消極情感均能獲得更好的分類性能。雖然Word2vec模型能較好地建立上下文間的關(guān)系,但忽略了不同詞匯的權(quán)重;而基于詞頻的方法只考慮了詞匯出現(xiàn)的頻率而并未考慮文本的上下文關(guān)系。因此,本文提出了基于詞頻加權(quán)的Word2vec特征和SVM分類器進行微博情感分類。從實驗結(jié)果可看出,此方法具有更高的分類準確率、召回率、F值和正確率。

    4 結(jié)束語

    針對微博情感挖掘問題中忽略詞匯重要程度和缺失語義關(guān)系的問題,本文提出了一種基于Word2vec和SVM的微博情感挖掘方法。該方法使用詞頻加權(quán)的Word2vec特征,能同時考慮詞匯出現(xiàn)的頻率和詞匯上下文間的關(guān)系,可以更有效地挖掘文本更深層的特征。同時,使用SVM分類器將微博分為積極和消極兩種情感,取得了較好的分類結(jié)果,其相比于傳統(tǒng)的方法其性能更加理想。

    參考文獻

    [1] 劉龍飛,楊亮,張紹武,等.基于卷積神經(jīng)網(wǎng)絡(luò)的微博情感傾向性分析[J].中文信息學(xué)報,2015,29(6):159-165.

    [2] 王志濤,於志文,郭斌,等.基于詞典和規(guī)則集的中文微博情感分析[J].計算機工程與應(yīng)用,2015,51(8):218-225.

    [3] 張志琳,宗成慶.基于多樣化特征的中文微博情感分類方法研究[J].中文信息學(xué)報,2015, 29(4):134-143.

    [4] 李陽輝,謝明,易陽.基于降噪自動編碼器及其改進模型的微博情感分析[J].計算機應(yīng)用研究,2017,34(2):373-377.

    [5] 蘇小英,孟環(huán)建.基于神經(jīng)網(wǎng)絡(luò)的微博情感分析[J].計算機技術(shù)與發(fā)展,2015,25(12):161-164.

    [6] 劉德喜,聶建云,張晶,等.中文微博情感詞提取:N-Gram為特征的分類方法[J].中文信息學(xué)報,2016,30(4):193-205.

    [7] 何炎祥,孫松濤,牛菲菲,等.用于微博情感分析的一種情感語義增強的深度學(xué)習(xí)模型[J].計算機學(xué)報,2017,40(4):773-790.

    [8] 郝志峰,杜慎芝,蔡瑞初,等.基于全局變量CRFs模型的微博情感對象識別方法[J].中文信息學(xué)報,2015,29(4):50-58.

    [9] 杜亞楠,劉業(yè)政.基于修正G2特征篩選的中文微博情感組合分類[J].情報學(xué)報,2016,35(4):349-357.

    [10] 李天彩,王波,毛二松,等.基于Skip-gram模型的微博情感傾向性分析[J].計算機應(yīng)用與軟件,2016,33(7):114-117.

    [11] Rahmawati D, Khodra M L.Word2vec semantic representation in multilabel classification for indonesian news article[C].MA,USA:International Conference on Advanced Informatics: Concepts, Theory and Application,IEEE,2017.

    [12] Rachman G H,Khodra M L,Widyantoro D H. Rhetorical sentence categorization for scientific paper using Word2vec semantic representation[C].CA,USA:IEEE Conference on Informations,2017.

    [13] 張謙,高章敏,劉嘉勇.基于Word2vec的微博短文本分類研究[J].信息網(wǎng)絡(luò)安全,2017(1):57-62.

    [14] 李銳,張謙,劉嘉勇.基于加權(quán)word2vec的微博情感分析[J].通信技術(shù),2017,50(3):502-506.

    [15] 陳炳豐,郝志峰,蔡瑞初,等.基于AWCRF模型的微博情感傾向分類方法[J].計算機工程,2017,43(7):187-192.

    [16] Lilleberg J,Zhu Y,Zhang Y.Support vector machines and Word2vec for text classification with semantic features[C].Guangzhou:IEEE International Conference on Cognitive Informatics & Cognitive Computing,2015.

    猜你喜歡
    詞頻分類器向量
    向量的分解
    基于詞頻分析法的社區(qū)公園歸屬感營建要素研究
    園林科技(2021年3期)2022-01-19 03:17:48
    聚焦“向量與三角”創(chuàng)新題
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
    向量垂直在解析幾何中的應(yīng)用
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    詞頻,一部隱秘的歷史
    云存儲中支持詞頻和用戶喜好的密文模糊檢索
    av超薄肉色丝袜交足视频| 黄色a级毛片大全视频| 色婷婷av一区二区三区视频| 9191精品国产免费久久| 国产高清视频在线播放一区| 午夜免费成人在线视频| 午夜福利视频在线观看免费| 性高湖久久久久久久久免费观看| 国产免费福利视频在线观看| 亚洲色图 男人天堂 中文字幕| 操出白浆在线播放| 电影成人av| 成人手机av| 国产极品粉嫩免费观看在线| 国产亚洲欧美精品永久| 激情在线观看视频在线高清 | 国产激情久久老熟女| 国产一区二区 视频在线| 九色亚洲精品在线播放| 欧美+亚洲+日韩+国产| 亚洲国产毛片av蜜桃av| 成年人免费黄色播放视频| 一区二区三区精品91| 99久久国产精品久久久| 大片电影免费在线观看免费| 老司机午夜福利在线观看视频 | 男女下面插进去视频免费观看| 丰满饥渴人妻一区二区三| 69精品国产乱码久久久| 男女之事视频高清在线观看| 一二三四社区在线视频社区8| 丝袜喷水一区| 国产亚洲av高清不卡| 亚洲精品av麻豆狂野| 欧美精品一区二区免费开放| 免费看十八禁软件| 欧美日韩成人在线一区二区| 人成视频在线观看免费观看| 19禁男女啪啪无遮挡网站| 欧美+亚洲+日韩+国产| 国产欧美日韩一区二区三区在线| 久久久国产精品麻豆| 纵有疾风起免费观看全集完整版| e午夜精品久久久久久久| 国产成人啪精品午夜网站| 啦啦啦中文免费视频观看日本| 99九九在线精品视频| 在线观看舔阴道视频| 麻豆乱淫一区二区| 99国产精品一区二区三区| 亚洲成a人片在线一区二区| 亚洲av片天天在线观看| 国产高清videossex| 日韩有码中文字幕| 99riav亚洲国产免费| 欧美日韩亚洲综合一区二区三区_| www.999成人在线观看| 国产av一区二区精品久久| 亚洲成人免费av在线播放| 狠狠精品人妻久久久久久综合| 变态另类成人亚洲欧美熟女 | 国产在线一区二区三区精| 男女午夜视频在线观看| 一进一出好大好爽视频| 国产精品一区二区在线观看99| 日韩人妻精品一区2区三区| av福利片在线| 大片电影免费在线观看免费| 精品午夜福利视频在线观看一区 | 高清欧美精品videossex| 国产精品一区二区精品视频观看| 男女午夜视频在线观看| 91av网站免费观看| 亚洲成国产人片在线观看| 久久人人爽av亚洲精品天堂| 亚洲专区国产一区二区| 国产亚洲精品第一综合不卡| 激情视频va一区二区三区| 欧美日韩亚洲高清精品| 高清视频免费观看一区二区| 中国美女看黄片| 日本vs欧美在线观看视频| 国产片内射在线| 亚洲色图综合在线观看| 99国产极品粉嫩在线观看| 一本一本久久a久久精品综合妖精| 免费观看人在逋| 亚洲色图 男人天堂 中文字幕| 亚洲avbb在线观看| 啦啦啦视频在线资源免费观看| 午夜精品国产一区二区电影| 国产精品二区激情视频| 在线观看免费日韩欧美大片| 亚洲精品乱久久久久久| 新久久久久国产一级毛片| 国产熟女午夜一区二区三区| 国产日韩欧美在线精品| 两性午夜刺激爽爽歪歪视频在线观看 | 嫁个100分男人电影在线观看| 一进一出抽搐动态| 免费不卡黄色视频| 亚洲成av片中文字幕在线观看| 午夜老司机福利片| 麻豆av在线久日| 一区二区日韩欧美中文字幕| 国产亚洲一区二区精品| 丰满人妻熟妇乱又伦精品不卡| 国产成人一区二区三区免费视频网站| 一级毛片精品| 老司机靠b影院| 一区二区日韩欧美中文字幕| 日韩人妻精品一区2区三区| 久久这里只有精品19| 欧美一级毛片孕妇| 国产亚洲欧美在线一区二区| 中亚洲国语对白在线视频| 天堂动漫精品| 无遮挡黄片免费观看| 国产aⅴ精品一区二区三区波| 国产精品免费大片| 精品久久蜜臀av无| 亚洲成a人片在线一区二区| 一夜夜www| 在线永久观看黄色视频| 国产精品久久久久成人av| 午夜免费鲁丝| 久久久久国产一级毛片高清牌| 国产片内射在线| 一级毛片精品| 国产麻豆69| 怎么达到女性高潮| 亚洲成a人片在线一区二区| 如日韩欧美国产精品一区二区三区| 欧美黄色片欧美黄色片| 少妇粗大呻吟视频| 国产精品国产高清国产av | 成人免费观看视频高清| 国产欧美亚洲国产| 天堂动漫精品| 亚洲男人天堂网一区| 欧美在线黄色| 一边摸一边做爽爽视频免费| 亚洲精品一卡2卡三卡4卡5卡| 国产成人欧美| 高清欧美精品videossex| 免费高清在线观看日韩| 精品乱码久久久久久99久播| 精品国产一区二区三区久久久樱花| 成人免费观看视频高清| xxxhd国产人妻xxx| 亚洲五月婷婷丁香| 最新的欧美精品一区二区| bbb黄色大片| 18禁裸乳无遮挡动漫免费视频| 一区二区av电影网| 亚洲午夜精品一区,二区,三区| 日日摸夜夜添夜夜添小说| 国产精品久久久久成人av| 黑人巨大精品欧美一区二区mp4| 麻豆成人av在线观看| 国产精品熟女久久久久浪| 亚洲熟女毛片儿| 999久久久国产精品视频| 亚洲国产成人一精品久久久| 色在线成人网| 免费在线观看影片大全网站| 757午夜福利合集在线观看| 久久青草综合色| 国产亚洲欧美精品永久| 女人精品久久久久毛片| 菩萨蛮人人尽说江南好唐韦庄| 国产精品秋霞免费鲁丝片| 久久九九热精品免费| 麻豆国产av国片精品| 女警被强在线播放| bbb黄色大片| av片东京热男人的天堂| 两人在一起打扑克的视频| 大码成人一级视频| av天堂久久9| 成人影院久久| 国产伦人伦偷精品视频| 婷婷成人精品国产| 无限看片的www在线观看| 天天躁日日躁夜夜躁夜夜| 亚洲情色 制服丝袜| 两人在一起打扑克的视频| 成在线人永久免费视频| 欧美激情极品国产一区二区三区| 精品乱码久久久久久99久播| 99re在线观看精品视频| 国产野战对白在线观看| 国产真人三级小视频在线观看| 岛国在线观看网站| 两性午夜刺激爽爽歪歪视频在线观看 | 成人影院久久| 国产色视频综合| 久久人妻av系列| 亚洲精品一卡2卡三卡4卡5卡| 久久精品aⅴ一区二区三区四区| 69av精品久久久久久 | 欧美日韩亚洲高清精品| 性高湖久久久久久久久免费观看| 久久国产精品人妻蜜桃| 成人av一区二区三区在线看| 在线观看一区二区三区激情| 欧美在线黄色| 一级,二级,三级黄色视频| 国产片内射在线| 窝窝影院91人妻| 成人永久免费在线观看视频 | 搡老熟女国产l中国老女人| 欧美日韩一级在线毛片| 人成视频在线观看免费观看| 国产一区二区三区在线臀色熟女 | 精品少妇黑人巨大在线播放| 国产免费现黄频在线看| 国产精品一区二区在线观看99| 99国产综合亚洲精品| 亚洲九九香蕉| 高清黄色对白视频在线免费看| 成人免费观看视频高清| 国产男女超爽视频在线观看| 夜夜爽天天搞| 亚洲五月婷婷丁香| 久久精品亚洲av国产电影网| 中亚洲国语对白在线视频| 国产亚洲一区二区精品| 老熟妇乱子伦视频在线观看| 一本综合久久免费| 国产精品久久久久久精品电影小说| 一级黄色大片毛片| 久久婷婷成人综合色麻豆| 国产欧美日韩一区二区三区在线| 亚洲欧美色中文字幕在线| 亚洲全国av大片| 亚洲午夜理论影院| 久久久久网色| 日韩中文字幕欧美一区二区| 在线观看人妻少妇| 欧美老熟妇乱子伦牲交| 巨乳人妻的诱惑在线观看| 国产xxxxx性猛交| 一夜夜www| 国产男女内射视频| 国产精品99久久99久久久不卡| 国产av一区二区精品久久| 欧美精品一区二区免费开放| 亚洲成人手机| 国产成人系列免费观看| 久久久久久久精品吃奶| 久久午夜综合久久蜜桃| 久久久久久久大尺度免费视频| 在线天堂中文资源库| 久久这里只有精品19| 国产在视频线精品| 亚洲视频免费观看视频| 无人区码免费观看不卡 | 久久人人爽av亚洲精品天堂| www.自偷自拍.com| 深夜精品福利| 亚洲国产av影院在线观看| 日日夜夜操网爽| 少妇粗大呻吟视频| 亚洲av日韩精品久久久久久密| 亚洲熟女精品中文字幕| 9191精品国产免费久久| 国产日韩欧美亚洲二区| 高清毛片免费观看视频网站 | 国产免费视频播放在线视频| 日韩欧美国产一区二区入口| 久久精品国产亚洲av高清一级| 多毛熟女@视频| 亚洲熟女毛片儿| 日韩熟女老妇一区二区性免费视频| 人人妻人人澡人人看| 欧美人与性动交α欧美软件| 国产主播在线观看一区二区| 两性夫妻黄色片| 美女福利国产在线| tube8黄色片| 久久天躁狠狠躁夜夜2o2o| 黑人欧美特级aaaaaa片| 午夜视频精品福利| 亚洲黑人精品在线| 精品一区二区三区av网在线观看 | 久久久国产欧美日韩av| 啪啪无遮挡十八禁网站| 青青草视频在线视频观看| 狠狠精品人妻久久久久久综合| 香蕉丝袜av| 久久久国产一区二区| 黄网站色视频无遮挡免费观看| 国产在线视频一区二区| 女人精品久久久久毛片| 久久国产精品影院| 在线天堂中文资源库| 久久久久久亚洲精品国产蜜桃av| 成年版毛片免费区| 女人久久www免费人成看片| 日韩中文字幕视频在线看片| 动漫黄色视频在线观看| 国产不卡一卡二| av超薄肉色丝袜交足视频| 国产aⅴ精品一区二区三区波| 亚洲精品国产区一区二| 18禁美女被吸乳视频| 亚洲欧洲日产国产| 韩国精品一区二区三区| 汤姆久久久久久久影院中文字幕| 欧美乱码精品一区二区三区| 久热这里只有精品99| 两性夫妻黄色片| 丰满人妻熟妇乱又伦精品不卡| 不卡一级毛片| 久久人妻熟女aⅴ| 一级,二级,三级黄色视频| 亚洲专区中文字幕在线| 老司机亚洲免费影院| 国产高清视频在线播放一区| av有码第一页| 欧美精品高潮呻吟av久久| 欧美日韩亚洲综合一区二区三区_| 久久久国产一区二区| 另类精品久久| 天天添夜夜摸| 亚洲欧洲精品一区二区精品久久久| 91字幕亚洲| 满18在线观看网站| 午夜免费鲁丝| 波多野结衣av一区二区av| 午夜福利在线观看吧| 欧美在线黄色| 欧美精品人与动牲交sv欧美| 9191精品国产免费久久| 久久久久精品人妻al黑| 婷婷丁香在线五月| 亚洲五月色婷婷综合| 男女无遮挡免费网站观看| 日韩人妻精品一区2区三区| 成年女人毛片免费观看观看9 | 国产在线免费精品| 色综合欧美亚洲国产小说| 手机成人av网站| 黄片小视频在线播放| 久久久久视频综合| 大型黄色视频在线免费观看| 麻豆av在线久日| 亚洲午夜理论影院| 波多野结衣av一区二区av| 国产一区二区三区在线臀色熟女 | 亚洲欧美日韩高清在线视频 | 大陆偷拍与自拍| 黄片播放在线免费| 亚洲美女黄片视频| av超薄肉色丝袜交足视频| 国产成人免费无遮挡视频| 亚洲第一av免费看| 欧美精品一区二区免费开放| 精品国产国语对白av| 免费少妇av软件| 中文字幕人妻熟女乱码| 亚洲精品成人av观看孕妇| 少妇被粗大的猛进出69影院| 国产精品偷伦视频观看了| 一本大道久久a久久精品| 欧美午夜高清在线| 视频区图区小说| 成年版毛片免费区| 91精品三级在线观看| 国产欧美日韩综合在线一区二区| 亚洲自偷自拍图片 自拍| 久久精品国产亚洲av香蕉五月 | a级毛片在线看网站| 一本色道久久久久久精品综合| 中文字幕精品免费在线观看视频| 日韩 欧美 亚洲 中文字幕| 麻豆av在线久日| 久久久精品94久久精品| a级毛片黄视频| 巨乳人妻的诱惑在线观看| 最新的欧美精品一区二区| 午夜日韩欧美国产| 99re在线观看精品视频| 免费观看a级毛片全部| 97人妻天天添夜夜摸| 亚洲人成77777在线视频| 丰满迷人的少妇在线观看| 日韩欧美国产一区二区入口| 久久精品成人免费网站| 99九九在线精品视频| 美女午夜性视频免费| 欧美日韩成人在线一区二区| 久久ye,这里只有精品| 日韩免费av在线播放| 成人免费观看视频高清| 色婷婷av一区二区三区视频| 黑人巨大精品欧美一区二区mp4| 大陆偷拍与自拍| 国产单亲对白刺激| 757午夜福利合集在线观看| 亚洲,欧美精品.| 国产成人av教育| 国产精品国产高清国产av | 精品人妻1区二区| 老鸭窝网址在线观看| 我的亚洲天堂| 国产真人三级小视频在线观看| 精品免费久久久久久久清纯 | 久久精品亚洲av国产电影网| 高潮久久久久久久久久久不卡| 国产欧美日韩一区二区三区在线| 人人妻人人澡人人爽人人夜夜| av网站在线播放免费| 亚洲成人免费电影在线观看| 日本精品一区二区三区蜜桃| 中文字幕色久视频| 在线观看免费视频日本深夜| 亚洲性夜色夜夜综合| 国产在线精品亚洲第一网站| 欧美黑人精品巨大| 成人国语在线视频| 18禁观看日本| 中文欧美无线码| 777久久人妻少妇嫩草av网站| 香蕉丝袜av| 脱女人内裤的视频| 欧美变态另类bdsm刘玥| 女警被强在线播放| 一边摸一边做爽爽视频免费| 99国产精品免费福利视频| 欧美亚洲 丝袜 人妻 在线| 在线观看免费高清a一片| 丁香欧美五月| 桃红色精品国产亚洲av| 男男h啪啪无遮挡| 一二三四社区在线视频社区8| 亚洲欧洲日产国产| 日韩成人在线观看一区二区三区| 别揉我奶头~嗯~啊~动态视频| 国产精品免费视频内射| 久久国产精品大桥未久av| 亚洲精品av麻豆狂野| 热99久久久久精品小说推荐| 亚洲第一欧美日韩一区二区三区 | 真人做人爱边吃奶动态| 国产欧美日韩一区二区三区在线| 18在线观看网站| 老司机在亚洲福利影院| 国产av精品麻豆| 免费一级毛片在线播放高清视频 | 亚洲人成电影观看| 中文字幕av电影在线播放| 精品国产一区二区三区四区第35| 欧美黄色淫秽网站| 成人国产一区最新在线观看| 免费人妻精品一区二区三区视频| 国产精品1区2区在线观看. | 国产欧美日韩精品亚洲av| 国产单亲对白刺激| 三上悠亚av全集在线观看| 国产黄频视频在线观看| 老司机在亚洲福利影院| 18禁美女被吸乳视频| 女人爽到高潮嗷嗷叫在线视频| 亚洲成av片中文字幕在线观看| 丰满人妻熟妇乱又伦精品不卡| 美女午夜性视频免费| 久久久久视频综合| 涩涩av久久男人的天堂| 久久这里只有精品19| 亚洲全国av大片| 在线观看免费午夜福利视频| 不卡一级毛片| 久久九九热精品免费| 日韩中文字幕欧美一区二区| 中亚洲国语对白在线视频| 下体分泌物呈黄色| 在线看a的网站| 在线十欧美十亚洲十日本专区| 极品教师在线免费播放| 91九色精品人成在线观看| 亚洲av日韩精品久久久久久密| 免费在线观看日本一区| 十八禁网站免费在线| 久久人人爽av亚洲精品天堂| 1024香蕉在线观看| 国产人伦9x9x在线观看| 国产不卡av网站在线观看| 男女高潮啪啪啪动态图| 丁香欧美五月| 国产精品亚洲av一区麻豆| 在线观看人妻少妇| 99热网站在线观看| 不卡一级毛片| 欧美日韩视频精品一区| 日本黄色视频三级网站网址 | 亚洲精品国产一区二区精华液| 人妻一区二区av| 亚洲中文日韩欧美视频| 日韩人妻精品一区2区三区| 欧美日韩亚洲高清精品| 午夜激情久久久久久久| 日本黄色日本黄色录像| 搡老熟女国产l中国老女人| 1024视频免费在线观看| 狠狠精品人妻久久久久久综合| 亚洲综合色网址| 91精品三级在线观看| 夜夜骑夜夜射夜夜干| 十八禁人妻一区二区| 日韩免费av在线播放| 一级片'在线观看视频| 亚洲男人天堂网一区| 午夜福利影视在线免费观看| 亚洲五月婷婷丁香| 丝袜喷水一区| 精品一区二区三区av网在线观看 | 国产免费视频播放在线视频| 精品福利永久在线观看| 纯流量卡能插随身wifi吗| 大片电影免费在线观看免费| 亚洲精品粉嫩美女一区| 欧美精品啪啪一区二区三区| 国产色视频综合| tube8黄色片| 黄片播放在线免费| 男女之事视频高清在线观看| 欧美亚洲日本最大视频资源| 91麻豆av在线| 99国产精品免费福利视频| 欧美人与性动交α欧美软件| 如日韩欧美国产精品一区二区三区| 女人高潮潮喷娇喘18禁视频| 国产日韩一区二区三区精品不卡| 欧美激情高清一区二区三区| 另类精品久久| 自拍欧美九色日韩亚洲蝌蚪91| 捣出白浆h1v1| 欧美精品啪啪一区二区三区| 中文字幕人妻熟女乱码| 精品一品国产午夜福利视频| 亚洲精品av麻豆狂野| 亚洲黑人精品在线| 丝瓜视频免费看黄片| 欧美中文综合在线视频| 91成年电影在线观看| 一级黄色大片毛片| 国产成人免费观看mmmm| 高清视频免费观看一区二区| 国产精品熟女久久久久浪| 久久香蕉激情| 精品人妻在线不人妻| 精品卡一卡二卡四卡免费| 国产黄色免费在线视频| 色在线成人网| 精品少妇久久久久久888优播| 高清黄色对白视频在线免费看| 午夜视频精品福利| 黑人猛操日本美女一级片| 国产男女超爽视频在线观看| 成人特级黄色片久久久久久久 | 自线自在国产av| 黄色丝袜av网址大全| 国产成人精品在线电影| 黄网站色视频无遮挡免费观看| 亚洲成国产人片在线观看| 久久久久精品人妻al黑| 精品福利观看| 色婷婷av一区二区三区视频| 人妻一区二区av| 757午夜福利合集在线观看| 99热国产这里只有精品6| h视频一区二区三区| 真人做人爱边吃奶动态| 汤姆久久久久久久影院中文字幕| 少妇精品久久久久久久| 怎么达到女性高潮| 母亲3免费完整高清在线观看| 午夜免费成人在线视频| 国产成人av激情在线播放| 岛国毛片在线播放| 亚洲成人手机| 天堂中文最新版在线下载| 又紧又爽又黄一区二区| 男人操女人黄网站| 自线自在国产av| 十分钟在线观看高清视频www| 在线观看一区二区三区激情| 欧美另类亚洲清纯唯美| 久久av网站| 久久 成人 亚洲| 国产有黄有色有爽视频| 色婷婷久久久亚洲欧美| 高清毛片免费观看视频网站 | 十八禁人妻一区二区| 三上悠亚av全集在线观看| 三级毛片av免费| 国产在线观看jvid| 法律面前人人平等表现在哪些方面| 欧美黑人欧美精品刺激| 午夜福利视频精品| 黑丝袜美女国产一区| 欧美 亚洲 国产 日韩一| 丝袜人妻中文字幕| 12—13女人毛片做爰片一| 精品午夜福利视频在线观看一区 | 人人澡人人妻人| 久久99一区二区三区| 亚洲精品在线观看二区| xxxhd国产人妻xxx| 亚洲精品自拍成人| 精品亚洲成国产av| 啦啦啦视频在线资源免费观看| 超色免费av|