• <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 ?

    基于用戶評論情感分析的CDN緩存替換方案*

    2018-07-03 08:55:42陳步華陳戈梁潔
    移動通信 2018年5期
    關(guān)鍵詞:卷積向量情感

    陳步華,陳戈,梁潔

    (中國電信股份有限公司廣州研究院,廣東 廣州 510630)

    1 引言

    內(nèi)容緩存技術(shù)就是通過緩存的內(nèi)容副本為訪問的用戶提供服務(wù),使得用戶向源站服務(wù)器發(fā)起的內(nèi)容訪問請求變成用戶到緩存服務(wù)器的就近訪問過程。高效的緩存算法在減少CDN服務(wù)器的負載和延時方面發(fā)揮著很重要的作用。但是,緩存服務(wù)器的磁盤空間通常是有限的,尤其是4K/8K以及AR等高數(shù)據(jù)量內(nèi)容的引進,對緩存策略提出了更高要求。

    目前,CDN中的緩存策略是根據(jù)熱度排序?qū)⒏邿醿?nèi)容(用戶訪問最集中的內(nèi)容以及預(yù)測出來的用戶未來會最集中訪問的內(nèi)容)緩存在邊緣服務(wù)器,來實現(xiàn)用戶到邊緣服務(wù)器的就近訪問。

    然而,僅從上述熱度內(nèi)容來配置CDN的緩存策略是不夠充分的。目前,相當多的視頻網(wǎng)站都支持用戶發(fā)表簡短的文字評論。事實上,獲取用戶的文字評價進行分析,進一步挖掘用戶對內(nèi)容的喜好程度,對優(yōu)化CDN緩存策略提供了重要指導(dǎo)意義。本文在用戶的訪問行為的基礎(chǔ)上,融合用戶基于文字評價的情感等信息進行建模,提出了基于情感分析的改進的CDN內(nèi)容緩存策略。

    2 基于CNN的用戶評論情感分析

    自然語言處理(NLP, Natural Language Processing)是指用自然語言對信息進行處理的技術(shù),通過利用計算機來分擔(dān)自然語言的自動識別、語言翻譯、語言理解和語言生成等工作[1],情感分析就是自然語言處理的任務(wù)之一。

    2.1 情感分析的任務(wù)

    情感分析主要是針對主觀性文本自動獲取有價值的意見信息,其任務(wù)分為自動識別情感句中的評價對象和判別情感句中評價對象的情感傾向性[2]。由于句子的長短存在差異,傳統(tǒng)的機器學(xué)習(xí)分類模型難以使用。并且,在特征提取的過程中,句子描述的對象樣式繁多,包括主題、人、物體或者事件,所以,人工提取特征耗費的精力太大[3]。再者,需要在特征提取時考慮詞與詞之間的聯(lián)系。因此,情感數(shù)據(jù)挖掘模型的選取至關(guān)重要。

    2.2 卷積神經(jīng)網(wǎng)絡(luò)

    近年來,深度學(xué)習(xí)在語音識別、圖像處理等領(lǐng)域表現(xiàn)出了卓越的能力,并且,深度學(xué)習(xí)也適合做文字處理和語義理解。這是因為深度學(xué)習(xí)結(jié)構(gòu)靈活,其底層利用詞嵌入技術(shù)可以避免文字長短不均帶來的處理困難。使用深度學(xué)習(xí)抽象特征,可以避免大量人工提取特征的工作[4]。并且,深度學(xué)習(xí)可以模擬詞與詞之間的聯(lián)系,有局部特征抽象化和記憶功能。正是這幾個優(yōu)勢,使得深度學(xué)習(xí)在情感分析,乃至文本分析理解中發(fā)揮著舉足輕重的作用。因此本節(jié)采用深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)(CNN, Convolutional Neural Network)進行情感分析挖掘建模。

    圖1 卷積神經(jīng)網(wǎng)絡(luò)情感分析框架

    如圖1所示,第一層是詞向量嵌入層,用word2vec把詞語映射為向量[5];第二層是卷積層,該卷積層會使用多個濾波器;第三層是池化層,本文采用max-overtime池化;最后將所有池化層的結(jié)果放在一個長特征向量上,并加入dropout正則,最后采用softmax輸出結(jié)果。具體過程如下:

    (1)詞向量嵌入層

    采用CNN模型處理文本時,需要將文本轉(zhuǎn)化成CNN能夠識別的輸入特征。首先,將句子分詞后,將該句子劃分后的各個詞語分別映射到d維實數(shù)向量,詞向量表使用word2vec提前訓(xùn)練[6],令xi∈Rd代表句子中第i個詞的d維的詞向量,所有的詞組成句子矩陣Mj∈Rl×d,其中,j代表所有評論集中第j條評論句子,l代表句子中詞的數(shù)量,d代表每個詞向量表示的向量維度,矩陣每行代表句中詞的詞向量表示,將矩陣Mj作為CNN的輸入[7]。

    (2)卷積層

    對于輸入句子矩陣Mj,利用大小為h×d的濾波器(滑動窗口)wh×d進行卷積操作,卷積滑塊涉及h個詞,滑塊寬度d與詞向量表示維度相同:

    其中,b代表偏置量,f(·)為非線性卷積核函數(shù),xi,i+h-1表示矩陣第i行到第i+h-1行,ci表示由卷積操作所產(chǎn)生的局部特征。因此,在句子矩陣Mj上,卷積滑動窗口將作用于{x1,h, x2,h+1,……, xl-h+1,l}個局部特征區(qū)域。所以:

    其中,C∈Rl-h+1。

    (3)池化層

    對于池化層,采用max-over-time池化的方法。這種方法就是簡單地從之前的特征向量中提取出最大值,最大值代表著最重要的信號,即滑動窗口獲得的局部特征中最重要的特征。可以看出,這種池化方式可以解決可變長度的句子輸入問題和濾波器大小不同的問題。因此,對于一個濾波器產(chǎn)生的輸出的C,采用maxover-time方法進行特征映射,得到池化后的特征s:

    對于整個卷積神經(jīng)網(wǎng)絡(luò)模型,將使用多個濾波器wjh×d(h為不同的值)對輸入矩陣Mjl×d進行卷積操作,產(chǎn)生多個特征,將特征組合作為全連接層的輸入向量V:

    其中,S(m,h)表示大小為h的第m個濾波器產(chǎn)生的特征。

    (4)softmax輸出

    池化層的一維向量的輸出通過全連接的方式,連接一個softmax層,softmax層可根據(jù)任務(wù)的需要設(shè)置(通常反映著最終類別上的概率分布)。因此,最后將全連接的輸出利用softmax函數(shù)生成分類結(jié)果,模型利用實際分類標簽,使用反向傳播算法對參數(shù)進行優(yōu)化。

    其中,y代表情感分析的類別標簽,W代表全連接層的參數(shù),b為偏值項。

    3 改進的緩存替換算法設(shè)計

    通過用戶的用戶評論確定用戶喜歡觀看的視頻內(nèi)容,從而在CDN邊緣節(jié)點中緩存滿足用戶興趣的視頻,需要通過構(gòu)建情感數(shù)據(jù)挖掘模型來實現(xiàn)。本節(jié)將具體介紹提出的基于用戶評論情感分析的改進的緩存替換算法。

    (1)數(shù)據(jù)準備

    首先設(shè)計一個網(wǎng)絡(luò)爬蟲,使用爬蟲抓取大量頁面,并剔除無關(guān)數(shù)據(jù)。然后,對收集到的評論進行有監(jiān)督的人工給文本標注類標簽,將不同的評論語句標注為不同的情感程度等級,這就是類標簽。

    (2)構(gòu)建情感數(shù)據(jù)挖掘模型

    在完成數(shù)據(jù)準備等階段的工作后,就開始進入模型的建立階段?;诒疚牡难芯繂栴},使用深度卷積神經(jīng)網(wǎng)絡(luò)來構(gòu)建基于用戶評論的情感分析模型。情感數(shù)據(jù)挖掘模型構(gòu)建分為訓(xùn)練和測試兩個階段。用數(shù)據(jù)訓(xùn)練分模型,再用訓(xùn)練好的模型對測試集里的數(shù)據(jù)進行分類,給出分類得到的情感程度標簽。

    (3)緩存替換策略

    在緩存替換策略中,傳統(tǒng)方式只考慮用戶訪問行為帶來了訪問和預(yù)測的熱度信息。為了獲得更合理的緩存替換方法,需要考慮用戶的文字評論信息,用評論信息去調(diào)節(jié)熱度值。因為在目前的互聯(lián)網(wǎng)視頻環(huán)境中,許多視頻并不是根據(jù)自然冷卻法則變成冷片。例如,某影片有熱門影視明星出演時,一開始會訪問熱度很高,但如果影片本身質(zhì)量不高,用戶評論口碑不佳,影片會在很短時間內(nèi)變成冷片,并不遵循訪問熱度下的自然冷卻法則。因此,本文提出的基于評論情感信息的緩存策略,是將不同用戶對某影片評論通過CNN模型輸出的情感程度標簽進行平均,獲得綜合情感權(quán)值Y。因此,考慮用戶的文字評論信息,用評論信息去調(diào)節(jié)熱度值H的緩存更新策略模型如下:

    其中,H0是影片的初始熱度值(訪問熱度或預(yù)測訪問熱度值),Y是情感權(quán)值,t0是內(nèi)容第一次被請求的時間,t是當前時間,a是冷卻系數(shù),用于調(diào)整冷卻速度,e是自然對數(shù)。

    設(shè)置每隔一段時間T,更新H值,再按H值排序,選取H值最高的前10%的內(nèi)容進行緩存,從而完成緩存替換與更新。

    4 實驗設(shè)計與結(jié)果

    4.1 數(shù)據(jù)準備

    天翼視訊是中國電信移動端的一種流媒體技術(shù),以視頻內(nèi)容為主,利用移動流媒體、視頻下載等技術(shù)為用戶提供影視、新聞、娛樂等視頻內(nèi)容播放和下載的服務(wù)[8]。本文提取了天翼視訊部分影片的歷史用戶評論數(shù)據(jù)作為建模初始樣本。為避免原始數(shù)據(jù)中的噪聲數(shù)據(jù)和缺失值對模型精度的影響,模型運行前進行了數(shù)據(jù)清洗、轉(zhuǎn)換以及噪聲和缺失值處理[9]。

    4.2 基于用戶評論的情感分析結(jié)果

    實驗抓取了天翼視訊中影片的用戶評論數(shù)據(jù)作為情感分析和可視化方法應(yīng)用研究的實驗數(shù)據(jù)集,其中某影片的部分用戶評論如表1所示:

    表1 某影片的部分用戶評論

    通過采用深度學(xué)習(xí)CNN模型進行用戶評論情感分析,情感分析結(jié)果輸出共有5個等級,每條用戶評論對應(yīng)一個等級值,即是情感標簽[1, 2, 3, 4, 5]中的一個值。等級值越接近5,情感越積極,表示該影片越受用戶喜歡;等級值越接近1,情感越消極,表示該影片越不受用戶歡迎。表1中,對某影片的部分用戶評論采用CNN方法進行情感分析,輸出的情感程度值如圖2所示:

    圖2 基于CNN的用戶評論情感程度值

    雷達圖是專門用來進行情感分析傾向性比較分析的專業(yè)圖表。繪制不同影片的情感傾向性雷達圖,能夠直觀體現(xiàn)用戶數(shù)在各個影片在5個情感程度等級上的分布情況,進而分析用戶情感傾向性。通過觀察圖3中的不同影片的情感類別傾向性雷達圖可以看出,影片1和影片4形成的雷達圖,分別是在等級5和等級4的方向上最為突出,這說明表達贊揚或喜愛這些影片的用戶居多;對于影片3形成的雷達圖,在等級3的方向上最為突出,意味著觀看感受一般的用戶評論較多;而對于影片2則是在等級2方向上最為突出,說明表達討厭、不喜歡的用戶評論較多。

    圖3 不同影片的情感類別傾向性雷達圖

    4.3 緩存命中結(jié)果

    本文在對視頻CDN打流時,采用“源站-緩存”二級架構(gòu)組網(wǎng)[10],模擬不同用戶對影片的請求訪問行為,在穩(wěn)定運行期間,對源站和緩存設(shè)備的網(wǎng)卡流量數(shù)據(jù)進行監(jiān)控。

    下面通過對系統(tǒng)的本地命中率及用戶請求的平均響應(yīng)時間兩方面來比較傳統(tǒng)LFU策略和本文提出的緩存替換策略對系統(tǒng)性能的影響。表2所示為本地數(shù)據(jù)命中率的比較,隨著系統(tǒng)穩(wěn)定運行時間的增加,本文提出的緩存替換策略的本地命中率在10小時左右就達到97.1%以上,這說明用戶請求的數(shù)據(jù)中,97.1%的影片內(nèi)容都已經(jīng)推送到在本地存儲,遠遠高于傳統(tǒng)最少頻率使用(LFU, Least-Frequency Used)方法對于用戶請求內(nèi)容的71.7%的本地存儲,體現(xiàn)了存儲策略的優(yōu)勢。

    表2 緩存命中結(jié)果

    圖4所示為傳統(tǒng)LFU方法與本文替換的緩存替換策略的請求響應(yīng)時間的比較,可看出,本文提出的緩存替換策略有效地減少了用戶的請求響應(yīng)時間,并減少了節(jié)點間數(shù)據(jù)的傳送,可以有效緩解網(wǎng)絡(luò)帶寬的壓力。

    5 結(jié)束語

    通過仿真實驗和對比測試可以得出,本文提出的基于評論情感分析的CDN內(nèi)容緩存替換方案,結(jié)合了用戶訪問行為(熱度)信息和用戶評論情感信息的融合優(yōu)勢,使現(xiàn)存內(nèi)容最大可能地滿足用戶需求,有效地提高了本地緩存命中率。因此,本文提出的緩存替換策略不僅能夠優(yōu)化CDN節(jié)點存儲配置,還為提高緩存效率、節(jié)省帶寬資源起著重要指導(dǎo)作用。

    [1] 程希文. 基于領(lǐng)域的中文信息抽取模式自動生成的研究[D]. 上海: 上海交通大學(xué), 2005.

    [2] 劉鴻宇,趙妍妍,秦兵,等. 評價對象抽取及其傾向性分析[J]. 中文信息學(xué)報, 2010,24(1): 84-88.

    [3] 秦勝君. 基于稀疏自動編碼器的微博情感分類應(yīng)用研究[J]. 廣西科技大學(xué)學(xué)報, 2015(3): 36-40.

    [4] 李躍鵬,金翠,及俊川. 基于word2vec的關(guān)鍵詞提取算法[J]. 科研信息化技術(shù)與應(yīng)用, 2015(4).

    [5] 李曉磊. 面向評論的文本傾向性分析中關(guān)鍵問題的研究[D]. 北京: 北京化工大學(xué), 2016.

    [6] 王盛玉,曾碧卿,胡翩翩. 基于卷積神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化的中文情感分析[J]. 計算機工程, 2017,43(8): 200-207.

    [7] 鄭立洲. 短文本信息抽取若干技術(shù)研究[D]. 合肥: 中國科學(xué)技術(shù)大學(xué), 2016.

    [8] 曹曄. 浙江電信家庭信息化發(fā)展戰(zhàn)略研究[D]. 杭州: 浙江大學(xué), 2013.

    [9] 爾古打機,蘇小龍,朱征. 基于用戶行為分析的移動終端偏好模型研究[C]//中國管理學(xué)年會, 2013.

    [10] 袁宏繪. 呼和浩特市IPTV業(yè)務(wù)與承載網(wǎng)絡(luò)組建研究[D]. 北京: 北京郵電大學(xué), 2012. ★

    猜你喜歡
    卷積向量情感
    向量的分解
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    聚焦“向量與三角”創(chuàng)新題
    如何在情感中自我成長,保持獨立
    失落的情感
    北極光(2019年12期)2020-01-18 06:22:10
    情感
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    如何在情感中自我成長,保持獨立
    基于傅里葉域卷積表示的目標跟蹤算法
    向量垂直在解析幾何中的應(yīng)用
    麻豆精品久久久久久蜜桃| 性色avwww在线观看| 99九九线精品视频在线观看视频| 成人午夜高清在线视频| 欧美色欧美亚洲另类二区| 国产色婷婷99| 亚洲人成网站在线播放欧美日韩| 看免费成人av毛片| 热99re8久久精品国产| 久久久久久久午夜电影| 国产成人福利小说| 国产精华一区二区三区| 久久人妻av系列| 亚洲av五月六月丁香网| 成人国产麻豆网| 18禁在线播放成人免费| 又爽又黄无遮挡网站| 看片在线看免费视频| 小说图片视频综合网站| av免费在线看不卡| 日本一二三区视频观看| 国产aⅴ精品一区二区三区波| 国产精品乱码一区二三区的特点| 日本与韩国留学比较| 少妇的逼好多水| 亚洲va在线va天堂va国产| 麻豆av噜噜一区二区三区| 小蜜桃在线观看免费完整版高清| 国产精品久久久久久亚洲av鲁大| 激情 狠狠 欧美| 别揉我奶头~嗯~啊~动态视频| 最近最新中文字幕大全电影3| 久久久久国产精品人妻aⅴ院| 亚洲真实伦在线观看| 99在线人妻在线中文字幕| 男人的好看免费观看在线视频| 欧美另类亚洲清纯唯美| 黄色日韩在线| 久久久久久久久大av| av在线播放精品| 麻豆乱淫一区二区| 少妇的逼水好多| 国产精品综合久久久久久久免费| 国产精品日韩av在线免费观看| 99在线视频只有这里精品首页| 国产大屁股一区二区在线视频| 亚洲av二区三区四区| 美女免费视频网站| 亚洲高清免费不卡视频| 亚洲人成网站高清观看| 又粗又爽又猛毛片免费看| 亚洲熟妇熟女久久| 老司机影院成人| 中文字幕久久专区| 国产乱人视频| 午夜亚洲福利在线播放| 国产精品伦人一区二区| 白带黄色成豆腐渣| 国产成人91sexporn| 日韩高清综合在线| 国产大屁股一区二区在线视频| 亚洲色图av天堂| 欧美又色又爽又黄视频| 校园人妻丝袜中文字幕| 国产v大片淫在线免费观看| 国产精品99久久久久久久久| 搡老岳熟女国产| 男女之事视频高清在线观看| 国内久久婷婷六月综合欲色啪| 免费av不卡在线播放| 亚洲美女视频黄频| 免费人成视频x8x8入口观看| 观看免费一级毛片| 午夜福利在线观看免费完整高清在 | 精品久久久久久久人妻蜜臀av| 久久久久久九九精品二区国产| 天堂动漫精品| 99热6这里只有精品| 日韩一区二区视频免费看| 国产高清视频在线播放一区| 一个人免费在线观看电影| 国产单亲对白刺激| .国产精品久久| 日韩欧美一区二区三区在线观看| 日本欧美国产在线视频| 欧美潮喷喷水| av在线观看视频网站免费| .国产精品久久| 亚洲av五月六月丁香网| 精品不卡国产一区二区三区| 不卡一级毛片| 日韩欧美精品v在线| 国产高清激情床上av| 香蕉av资源在线| 哪里可以看免费的av片| 日日干狠狠操夜夜爽| 午夜福利视频1000在线观看| 久久精品夜色国产| 人妻久久中文字幕网| 欧美日本视频| 国产av在哪里看| 露出奶头的视频| 精品人妻一区二区三区麻豆 | 女人十人毛片免费观看3o分钟| 日本免费a在线| 日本欧美国产在线视频| 午夜日韩欧美国产| 亚洲精品成人久久久久久| 免费看a级黄色片| 免费看美女性在线毛片视频| 99热这里只有精品一区| 永久网站在线| 国产精品女同一区二区软件| 又爽又黄a免费视频| 国产一级毛片七仙女欲春2| 亚洲熟妇熟女久久| 夜夜夜夜夜久久久久| 两性午夜刺激爽爽歪歪视频在线观看| 男人舔女人下体高潮全视频| 美女内射精品一级片tv| 啦啦啦韩国在线观看视频| 国内少妇人妻偷人精品xxx网站| or卡值多少钱| 精品99又大又爽又粗少妇毛片| av天堂中文字幕网| 天堂√8在线中文| 51国产日韩欧美| 搡老熟女国产l中国老女人| 亚洲成人中文字幕在线播放| 亚洲av免费高清在线观看| 亚洲人成网站在线观看播放| 久久精品久久久久久噜噜老黄 | 久久久久久大精品| 国产v大片淫在线免费观看| 国产黄片美女视频| 国产一区二区激情短视频| 夜夜夜夜夜久久久久| 精品少妇黑人巨大在线播放 | 国产男靠女视频免费网站| 一区二区三区四区激情视频 | 国产精品亚洲一级av第二区| 国产男人的电影天堂91| 狂野欧美白嫩少妇大欣赏| 亚洲欧美成人精品一区二区| 国产精品久久久久久精品电影| 久久午夜亚洲精品久久| 国产精品亚洲美女久久久| 日韩中字成人| 国产人妻一区二区三区在| 色5月婷婷丁香| 一区福利在线观看| 能在线免费观看的黄片| 伦精品一区二区三区| 男女做爰动态图高潮gif福利片| 男插女下体视频免费在线播放| 99热精品在线国产| 男人舔女人下体高潮全视频| 亚洲国产精品成人久久小说 | 日韩欧美精品v在线| 国产成人a∨麻豆精品| 国产色爽女视频免费观看| 亚洲激情五月婷婷啪啪| 亚洲国产精品成人综合色| 亚洲第一电影网av| av中文乱码字幕在线| 欧美zozozo另类| 欧美成人精品欧美一级黄| 亚洲成人av在线免费| 久久精品影院6| 美女高潮的动态| 一个人看的www免费观看视频| 日韩三级伦理在线观看| 免费看av在线观看网站| 色哟哟哟哟哟哟| 国产精品女同一区二区软件| 久久久a久久爽久久v久久| 嫩草影视91久久| 亚洲国产精品成人综合色| 国产色婷婷99| 国产不卡一卡二| 日本欧美国产在线视频| 少妇高潮的动态图| 狂野欧美激情性xxxx在线观看| 99热这里只有精品一区| 国产高潮美女av| 俄罗斯特黄特色一大片| 淫妇啪啪啪对白视频| 亚洲精品一区av在线观看| 搡老妇女老女人老熟妇| 大又大粗又爽又黄少妇毛片口| 蜜臀久久99精品久久宅男| 免费人成视频x8x8入口观看| 91在线观看av| 国产高清视频在线观看网站| 91精品国产九色| 你懂的网址亚洲精品在线观看 | 天天躁夜夜躁狠狠久久av| 精品免费久久久久久久清纯| 国产aⅴ精品一区二区三区波| 蜜臀久久99精品久久宅男| 一区二区三区免费毛片| 久久久久久久久中文| 国产高清激情床上av| 可以在线观看的亚洲视频| 成人高潮视频无遮挡免费网站| 亚洲自偷自拍三级| 久久精品国产99精品国产亚洲性色| 国产精品1区2区在线观看.| 国产精品日韩av在线免费观看| 干丝袜人妻中文字幕| 日本黄色视频三级网站网址| av视频在线观看入口| 99精品在免费线老司机午夜| avwww免费| 日本一二三区视频观看| 国产探花在线观看一区二区| 99久久精品热视频| 夜夜夜夜夜久久久久| 亚洲中文字幕日韩| 免费观看人在逋| 真实男女啪啪啪动态图| 久久精品久久久久久噜噜老黄 | 嫩草影院新地址| 丝袜喷水一区| 婷婷色综合大香蕉| 美女 人体艺术 gogo| 国产高清不卡午夜福利| 精品免费久久久久久久清纯| 欧美高清成人免费视频www| 搡女人真爽免费视频火全软件 | 日韩在线高清观看一区二区三区| 欧美精品国产亚洲| 国内久久婷婷六月综合欲色啪| 日韩一本色道免费dvd| 欧美成人a在线观看| 亚洲中文日韩欧美视频| 国产精品久久久久久精品电影| 国产视频内射| 国产成人精品久久久久久| 男女之事视频高清在线观看| 日韩在线高清观看一区二区三区| 国产欧美日韩精品亚洲av| 亚洲人成网站在线播| 亚洲激情五月婷婷啪啪| 国产欧美日韩一区二区精品| 高清午夜精品一区二区三区 | 蜜桃亚洲精品一区二区三区| 欧美+亚洲+日韩+国产| 在线观看午夜福利视频| 婷婷亚洲欧美| 午夜亚洲福利在线播放| 欧美日本视频| 美女 人体艺术 gogo| 亚洲av二区三区四区| 俄罗斯特黄特色一大片| 中文字幕av在线有码专区| 99久久中文字幕三级久久日本| 男人狂女人下面高潮的视频| 亚洲精品日韩在线中文字幕 | 亚洲人成网站高清观看| 久久久久久伊人网av| 免费看日本二区| 午夜福利高清视频| 久久久色成人| 夜夜看夜夜爽夜夜摸| 91在线精品国自产拍蜜月| 国产在线男女| 久久久久久久久久黄片| 99热这里只有精品一区| 国产男靠女视频免费网站| 国产欧美日韩一区二区精品| 亚洲第一区二区三区不卡| 听说在线观看完整版免费高清| av在线老鸭窝| 99热网站在线观看| 国产久久久一区二区三区| 国产男靠女视频免费网站| 最近在线观看免费完整版| 网址你懂的国产日韩在线| 听说在线观看完整版免费高清| 国产色婷婷99| 国产高清视频在线观看网站| av黄色大香蕉| 日韩制服骚丝袜av| 99热这里只有精品一区| 久久精品国产自在天天线| 欧美色欧美亚洲另类二区| 悠悠久久av| 性色avwww在线观看| 日韩精品中文字幕看吧| 成人午夜高清在线视频| 日韩,欧美,国产一区二区三区 | 深夜精品福利| 国产乱人偷精品视频| 五月伊人婷婷丁香| 一级av片app| 99国产极品粉嫩在线观看| 亚洲国产精品成人久久小说 | 亚州av有码| 亚洲国产精品久久男人天堂| avwww免费| 国产精品伦人一区二区| 无遮挡黄片免费观看| 最近2019中文字幕mv第一页| 日韩人妻高清精品专区| 一进一出抽搐动态| 一进一出抽搐gif免费好疼| 久久久久国内视频| 国产精品亚洲一级av第二区| 亚洲va在线va天堂va国产| 国产白丝娇喘喷水9色精品| 日韩欧美免费精品| 国产成人一区二区在线| 九九热线精品视视频播放| 午夜精品一区二区三区免费看| 香蕉av资源在线| 蜜桃久久精品国产亚洲av| 亚洲欧美日韩无卡精品| 久久久国产成人精品二区| 亚洲av中文av极速乱| 麻豆成人午夜福利视频| 国产精品久久久久久久电影| 久久久久九九精品影院| 亚洲人成网站在线播放欧美日韩| 亚洲va在线va天堂va国产| 人人妻人人澡人人爽人人夜夜 | 国产在线男女| 国产精品爽爽va在线观看网站| 国产av麻豆久久久久久久| 亚洲av免费在线观看| 级片在线观看| 99热只有精品国产| 国产高清三级在线| 久久久久久久久大av| 久久精品国产亚洲av天美| 欧美bdsm另类| 国产久久久一区二区三区| 国产不卡一卡二| 老司机午夜福利在线观看视频| 久久久午夜欧美精品| 最近2019中文字幕mv第一页| 天天躁夜夜躁狠狠久久av| 别揉我奶头~嗯~啊~动态视频| 国产一级毛片七仙女欲春2| 一本久久中文字幕| 寂寞人妻少妇视频99o| 欧美成人一区二区免费高清观看| 成人亚洲欧美一区二区av| 六月丁香七月| 国产熟女欧美一区二区| 国产亚洲av嫩草精品影院| 国语自产精品视频在线第100页| 99国产精品一区二区蜜桃av| 婷婷精品国产亚洲av| 日日摸夜夜添夜夜爱| 国产伦一二天堂av在线观看| 偷拍熟女少妇极品色| 日韩在线高清观看一区二区三区| 18禁在线播放成人免费| 日韩国内少妇激情av| 亚洲最大成人av| 看片在线看免费视频| 精品久久国产蜜桃| 在线国产一区二区在线| 俄罗斯特黄特色一大片| 日韩,欧美,国产一区二区三区 | 久久久久久大精品| 搡老熟女国产l中国老女人| 亚洲性夜色夜夜综合| 久久久久久久久中文| 国产精品爽爽va在线观看网站| 小蜜桃在线观看免费完整版高清| av在线天堂中文字幕| 亚洲无线观看免费| 两个人视频免费观看高清| 日韩国内少妇激情av| 欧美日韩乱码在线| 亚洲色图av天堂| 一个人观看的视频www高清免费观看| 久久久久国产精品人妻aⅴ院| 欧美zozozo另类| 成年版毛片免费区| 久久午夜福利片| 精品不卡国产一区二区三区| 久久久色成人| 97碰自拍视频| 男人狂女人下面高潮的视频| 精品国产三级普通话版| 国产乱人偷精品视频| 91麻豆精品激情在线观看国产| 中文在线观看免费www的网站| 丰满的人妻完整版| 亚洲人成网站高清观看| 少妇的逼好多水| a级一级毛片免费在线观看| 91久久精品国产一区二区三区| 精品久久久久久久人妻蜜臀av| 淫秽高清视频在线观看| 欧美日韩国产亚洲二区| 亚洲国产精品成人综合色| 黄色日韩在线| 亚洲av免费高清在线观看| 两个人的视频大全免费| 久久人人爽人人片av| 婷婷精品国产亚洲av在线| 国产视频内射| 在线观看一区二区三区| 国产又黄又爽又无遮挡在线| 国产高清视频在线观看网站| 日日摸夜夜添夜夜添小说| 国产精品日韩av在线免费观看| 18+在线观看网站| 99九九线精品视频在线观看视频| 两性午夜刺激爽爽歪歪视频在线观看| 欧美在线一区亚洲| 国产精品亚洲一级av第二区| 久久久国产成人免费| 天天躁夜夜躁狠狠久久av| 麻豆乱淫一区二区| 欧美bdsm另类| 国产色爽女视频免费观看| 天堂√8在线中文| 少妇的逼水好多| 免费看美女性在线毛片视频| 看十八女毛片水多多多| 日本一二三区视频观看| 又粗又爽又猛毛片免费看| 国产亚洲欧美98| av国产免费在线观看| 国产久久久一区二区三区| 亚洲一级一片aⅴ在线观看| 日韩大尺度精品在线看网址| 国产精品爽爽va在线观看网站| 国产精品99久久久久久久久| 久久韩国三级中文字幕| 精品熟女少妇av免费看| 热99re8久久精品国产| 日韩欧美精品v在线| 亚洲美女搞黄在线观看 | 91在线观看av| 国产一区二区亚洲精品在线观看| 国产精品不卡视频一区二区| 日日摸夜夜添夜夜爱| 国产视频一区二区在线看| 真实男女啪啪啪动态图| 美女黄网站色视频| 精品久久久久久久人妻蜜臀av| 免费看美女性在线毛片视频| 亚洲色图av天堂| 国产精华一区二区三区| 在线观看av片永久免费下载| 欧美色欧美亚洲另类二区| 欧美日韩精品成人综合77777| 亚洲国产精品国产精品| 国产精品一区二区三区四区久久| 欧美日本视频| 搡老妇女老女人老熟妇| 99视频精品全部免费 在线| 成人av在线播放网站| av天堂在线播放| 又爽又黄无遮挡网站| 久久婷婷人人爽人人干人人爱| 国产高清三级在线| 舔av片在线| 少妇熟女aⅴ在线视频| 日韩高清综合在线| 国产三级中文精品| 特大巨黑吊av在线直播| 色吧在线观看| 国产精品人妻久久久久久| 成人午夜高清在线视频| 午夜福利在线观看免费完整高清在 | 99热这里只有是精品在线观看| 一a级毛片在线观看| 国产色爽女视频免费观看| 欧美性猛交黑人性爽| 国内精品一区二区在线观看| 国产精华一区二区三区| 亚洲精品一区av在线观看| 蜜桃久久精品国产亚洲av| 国产精品一区二区三区四区久久| 欧美日韩国产亚洲二区| 日韩欧美精品免费久久| 大型黄色视频在线免费观看| 欧美另类亚洲清纯唯美| 哪里可以看免费的av片| 久久久久免费精品人妻一区二区| videossex国产| 欧美一区二区精品小视频在线| 欧美中文日本在线观看视频| 丰满的人妻完整版| 看黄色毛片网站| 免费人成视频x8x8入口观看| 99久久久亚洲精品蜜臀av| 桃色一区二区三区在线观看| 国产蜜桃级精品一区二区三区| 可以在线观看毛片的网站| 偷拍熟女少妇极品色| 三级男女做爰猛烈吃奶摸视频| 国产片特级美女逼逼视频| 亚洲欧美日韩无卡精品| 久久久a久久爽久久v久久| 国产一区二区三区在线臀色熟女| 伦理电影大哥的女人| 久久久色成人| 美女大奶头视频| 最近最新中文字幕大全电影3| 露出奶头的视频| 亚洲经典国产精华液单| 成人性生交大片免费视频hd| 亚洲精品成人久久久久久| 久久久久久久亚洲中文字幕| 偷拍熟女少妇极品色| 亚洲人成网站在线播放欧美日韩| aaaaa片日本免费| 久久婷婷人人爽人人干人人爱| av专区在线播放| 天美传媒精品一区二区| 成年女人看的毛片在线观看| 啦啦啦啦在线视频资源| 日韩三级伦理在线观看| 精品少妇黑人巨大在线播放 | 一级毛片久久久久久久久女| 在线观看免费视频日本深夜| 日本撒尿小便嘘嘘汇集6| 草草在线视频免费看| 亚洲欧美日韩高清在线视频| 免费看美女性在线毛片视频| 亚洲人成网站在线播放欧美日韩| 亚洲成a人片在线一区二区| 亚洲综合色惰| 中国美白少妇内射xxxbb| 日韩高清综合在线| av天堂在线播放| 蜜桃久久精品国产亚洲av| 天堂√8在线中文| 内射极品少妇av片p| 一边摸一边抽搐一进一小说| 成人av一区二区三区在线看| 久久久国产成人精品二区| 亚洲精品色激情综合| 亚洲无线观看免费| 亚洲最大成人手机在线| 五月伊人婷婷丁香| 美女被艹到高潮喷水动态| 免费搜索国产男女视频| 又粗又爽又猛毛片免费看| 久久精品国产亚洲av天美| 综合色av麻豆| 国产亚洲精品久久久久久毛片| 国产亚洲欧美98| 日韩三级伦理在线观看| 免费看光身美女| 欧美色视频一区免费| 欧美日韩精品成人综合77777| 啦啦啦韩国在线观看视频| 亚洲国产精品成人综合色| 久久精品人妻少妇| 亚洲国产精品国产精品| 深爱激情五月婷婷| 永久网站在线| 色av中文字幕| 91久久精品国产一区二区三区| 国产老妇女一区| 少妇熟女欧美另类| 久久中文看片网| 欧美人与善性xxx| 国产欧美日韩一区二区精品| 最新中文字幕久久久久| 中文字幕av在线有码专区| 日韩欧美精品免费久久| 国产真实伦视频高清在线观看| 亚洲欧美日韩高清在线视频| 欧美在线一区亚洲| 久久欧美精品欧美久久欧美| 久久人妻av系列| 91在线精品国自产拍蜜月| 久久热精品热| 中文字幕人妻熟人妻熟丝袜美| 日韩欧美免费精品| 1000部很黄的大片| 亚洲图色成人| 国产精品女同一区二区软件| 我的老师免费观看完整版| 亚洲av不卡在线观看| 亚洲内射少妇av| 变态另类成人亚洲欧美熟女| 亚洲一区高清亚洲精品| 久久人人爽人人爽人人片va| 婷婷精品国产亚洲av| 久久99热6这里只有精品| 欧美精品国产亚洲| 亚洲经典国产精华液单| 日本黄色片子视频| 少妇的逼好多水| 亚洲成人av在线免费| 免费看日本二区| 色综合站精品国产| 在线天堂最新版资源| 老司机福利观看| 国产一区二区三区在线臀色熟女| 国产一级毛片七仙女欲春2| 精品99又大又爽又粗少妇毛片| 国产一区二区三区在线臀色熟女| 精品一区二区三区视频在线观看免费| 中文字幕免费在线视频6| 舔av片在线| 悠悠久久av| av黄色大香蕉| av在线播放精品| 99国产极品粉嫩在线观看| 日韩大尺度精品在线看网址| 午夜福利在线观看吧| 亚洲欧美日韩无卡精品| 精品久久久久久久人妻蜜臀av|