• <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 ?

    超平面距離的非平衡交互文本情感實(shí)例遷移方法

    2018-10-15 07:12:12田鋒王媛媛吳凡鄭慶華
    關(guān)鍵詞:超平面集上實(shí)例

    田鋒,王媛媛,吳凡,鄭慶華

    (1.西安交通大學(xué)陜西省天地網(wǎng)技術(shù)重點(diǎn)實(shí)驗(yàn)室,710049,西安; 2.西安交通大學(xué)電子與信息工程學(xué)院,710049,西安)

    交互文本是網(wǎng)絡(luò)用戶的重要交流方式之一,如QQ和微博。面向交互文本的情感分析技術(shù)在E-learning、輿情分析、人機(jī)對(duì)話等領(lǐng)域具有重意義?,F(xiàn)實(shí)中,非平衡特性在交互文本中普遍存在,即一類情感類別的樣本數(shù)遠(yuǎn)遠(yuǎn)大于其他情感類別的樣本數(shù),導(dǎo)致在其上訓(xùn)練的分類模型忽視少數(shù)類信息,產(chǎn)生過擬合問題。同時(shí),網(wǎng)絡(luò)上的交互文本更新速度快,用原始數(shù)據(jù)集構(gòu)建的模型對(duì)新生數(shù)據(jù)的分類效果比較差,即形成分類模型泛化性能差的問題。如何提高非平衡情感分類模型的泛化分類性能是當(dāng)前研究的難點(diǎn)之一。

    在處理非平衡問題時(shí),已有的很多方法都是在單一訓(xùn)練數(shù)據(jù)集上變化,近年來,遷移學(xué)習(xí)的概念被引入到非平衡分類中[1-2],此類方法基于目標(biāo)數(shù)據(jù)集與源數(shù)據(jù)集實(shí)例間的相似度進(jìn)行源數(shù)據(jù)集中遷移實(shí)例篩選,進(jìn)而合成新的數(shù)據(jù)集并在其上訓(xùn)練出情感分類模型。從源數(shù)據(jù)集向目標(biāo)數(shù)據(jù)集遷移高質(zhì)量的實(shí)例極其重要,但是基于實(shí)例遷移的方法在解決非平衡問題時(shí)很少考慮泛化問題。

    受SVM[3]方法中超平面構(gòu)造的思路啟發(fā),本文提出一種基于實(shí)例同超平面距離的源數(shù)據(jù)集可遷移實(shí)例篩選算法,以解決如何有效地向目標(biāo)數(shù)據(jù)集引入新信息的問題。在構(gòu)造的合成數(shù)據(jù)集上訓(xùn)練出泛化性能優(yōu)的分類模型,克服泛化性能弱的難點(diǎn)。

    1 相關(guān)工作

    在現(xiàn)實(shí)中非平衡問題廣泛存在,目前解決非平衡分類問題主要采用從數(shù)據(jù)集層面上和算法層面上處理兩類方法。數(shù)據(jù)集層面的方法通過改變訓(xùn)練集的規(guī)模與特征分布,降低不平衡度來提高分類性能,典型方法有Oversampling、Subsampling、SMOTE等;算法層面的方法有集成方法、代價(jià)敏感學(xué)習(xí)方法、特征選擇方法和單類學(xué)習(xí)方法等[4]。然而,上述方法都是在單一訓(xùn)練數(shù)據(jù)集上進(jìn)行構(gòu)造,信息的更新度不夠,在新數(shù)據(jù)集上分類性能差。

    最近,因遷移學(xué)習(xí)[5]從一個(gè)或多個(gè)源數(shù)據(jù)集中提取知識(shí),給訓(xùn)練數(shù)據(jù)集帶來了新的信息,所以遷移學(xué)習(xí)應(yīng)用于文本情感分類逐漸成為研究熱點(diǎn)。按照被識(shí)別對(duì)象的粒度可分為句子級(jí)上、段落級(jí)上和文檔級(jí)上的文本情感分類研究。

    在句子級(jí)上,文本情感分類在社交網(wǎng)絡(luò)中應(yīng)用最為廣泛[6]。Yong等提出基于word2vec情感詞語義相似性的遷移方式[7];Wu等提出在遷移之前使用兩階段采樣方式,根據(jù)共現(xiàn)特征和目標(biāo)數(shù)據(jù)集特征篩選合適的數(shù)據(jù)[8];田鋒等針對(duì)多領(lǐng)域類分布不均衡問題提出分領(lǐng)域?qū)嵗x取與遷移方法,采用目標(biāo)數(shù)據(jù)集單一實(shí)例最相似N個(gè)實(shí)例無差別遷移的策略[9]。

    在段落級(jí)上,文本情感分類在商品、電影評(píng)論中應(yīng)用廣泛。Zhang等提出一種新的基于非負(fù)矩陣三因子分解的遷移學(xué)習(xí),通過鏈接相似特征簇進(jìn)行情感分類[10]。

    在文檔級(jí)上,Li等通過源領(lǐng)域的學(xué)習(xí)將文檔類別信息遷移到詞特征上,然后把情感分類信息通過詞特征遷移到目標(biāo)領(lǐng)域的文檔[11];莊福振在此基礎(chǔ)上將詞特征改進(jìn)為詞特征聚類進(jìn)行遷移學(xué)習(xí)[12]。

    雖然上述遷移學(xué)習(xí)文本情感分類涉及了非平衡分類,改善了目標(biāo)數(shù)據(jù)集的特征分布,但是沒有考慮交互文本內(nèi)容與情感隨著時(shí)間而不斷變化、不同時(shí)段內(nèi)數(shù)據(jù)特征分布差異較大的現(xiàn)象,所訓(xùn)練模型并不能滿足對(duì)未來數(shù)據(jù)的分類需求、仍易過擬合,并未緩解泛化問題。

    針對(duì)此問題,本文擬結(jié)合SVM分類超平面特點(diǎn)引入新信息的效用理論來指導(dǎo)篩選高質(zhì)量遷移實(shí)例,提升交互文本情感分類的泛化性能。

    2 超平面距離實(shí)例遷移方法

    2.1 超平面距離實(shí)例遷移方法的思想

    心理學(xué)家威廉·麥克斯·華德特提出的信息效用理論反映了人們對(duì)于事物中所含信息的心理反應(yīng)強(qiáng)度,這種新穎程度(新奇度)只有在一定的范圍內(nèi)才會(huì)對(duì)人和動(dòng)物產(chǎn)生激勵(lì)作用[13]。這種事物的新奇度與人們心理反應(yīng)之間的關(guān)系可用一條倒U型的曲線來表示,即被認(rèn)為心理學(xué)第一定律的Wundt曲線,如圖1所示。本文將信息效用理論引入文本情感分類,利用文本的新奇度與最優(yōu)信息效用篩選高質(zhì)量遷移實(shí)例。本文假設(shè)文本的新奇度和最優(yōu)信息效用是由源數(shù)據(jù)集蘊(yùn)含的知識(shí)、目標(biāo)數(shù)據(jù)集知識(shí)和分類超平面距離3個(gè)因素決定的。

    圖1 Wundt曲線

    由于交互文本特征維度高,使用分布之間的差異相加(如KL距離)來衡量源數(shù)據(jù)集中待遷移實(shí)例的新奇度不準(zhǔn)。本文采用源數(shù)據(jù)集實(shí)例與分類超平面距離的遠(yuǎn)近作為新奇度的一個(gè)維度,即距離分類超平面越遠(yuǎn)的實(shí)例蘊(yùn)含的舊信息越多,新奇度越低,無益于提升分類性能,向分類超平面附近添加適量的少數(shù)類,更有益于提升分類性能。

    最優(yōu)信息效用表示遷入多少源數(shù)據(jù)集實(shí)例時(shí)能夠達(dá)到最佳分類性能。當(dāng)遷移實(shí)例過多,引入過多新奇度低或噪聲實(shí)例,將使數(shù)據(jù)集偏離原始分布太遠(yuǎn),產(chǎn)生誤導(dǎo)作用,使分類器分類性能下降。相反,加入適量新奇度高的實(shí)例,能明顯提升分類性能。遷移實(shí)例比例是決定文本新奇度的另一個(gè)維度。

    本文受SVM分類器超平面構(gòu)造方法的啟發(fā),提出將位于少數(shù)類和多數(shù)類支持向量之間的源數(shù)據(jù)集實(shí)例作為待遷實(shí)例,并基于目標(biāo)數(shù)據(jù)集上的分類超平面構(gòu)造一個(gè)偏移超平面?;诖w實(shí)例到偏移超平面的距離最短來篩選遷入的實(shí)例,同時(shí)采用遷入比例控制遷入實(shí)例規(guī)模生成合成數(shù)據(jù)集。該方法旨在通過向非平衡目標(biāo)數(shù)據(jù)集加入與偏移超平面一定距離的源數(shù)據(jù)集實(shí)例,促使超平面向多數(shù)類實(shí)例方向偏移,減少錯(cuò)分的少數(shù)類實(shí)例個(gè)數(shù)。同時(shí),源數(shù)據(jù)集實(shí)例的加入增加了目標(biāo)數(shù)據(jù)集少數(shù)類信息,可緩解非平衡交互文本特征空間稀疏的問題,改變目標(biāo)數(shù)據(jù)集的特征空間分布,提高目標(biāo)數(shù)據(jù)集泛化分類性能。圖2是基于實(shí)例與超平面距離的遷移實(shí)例篩選示意圖。

    (a)原始數(shù)據(jù)集 (b)加入遷移實(shí)例 (c)新的合成數(shù)據(jù)集圖2 基于超平面距離的遷移實(shí)例篩選示意圖

    2.2 超平面距離實(shí)例遷移方法描述

    本文提出的遷移方法首先將目標(biāo)數(shù)據(jù)集和源數(shù)據(jù)集實(shí)例合并提取特征,包括語法特征、統(tǒng)計(jì)特征、uni-gram和bi-gram詞頻特征(基于中文情感詞匯本體構(gòu)建詞典),使源數(shù)據(jù)集實(shí)例可以直接遷移到目標(biāo)數(shù)據(jù)集中,完成預(yù)處理;然后,使用基于超平面距離的遷移實(shí)例篩選算法在源數(shù)據(jù)集上篩選滿足條件的實(shí)例加入目標(biāo)數(shù)據(jù)集構(gòu)成合成數(shù)據(jù)集。

    基于實(shí)例與超平面距離的遷移實(shí)例篩選方法的核心是如何利用新奇度來遷移實(shí)例。本文中新奇度考慮實(shí)例與超平面的距離和遷入實(shí)例比例兩個(gè)變量。由于加入位于超平面附近的實(shí)例對(duì)超平面的影響比較明顯,故本文設(shè)置位于支持向量之間的實(shí)例為待遷實(shí)例。首先,將由目標(biāo)數(shù)據(jù)訓(xùn)練得到的線性核SVM分類器命名為C,通過間隔最大化學(xué)習(xí)得到的分類超平面為

    w*x+b*=0

    (1)

    相應(yīng)的分類決策函數(shù)為

    f(x)=sign(w*x+b*)

    (2)

    假設(shè)將支持向量與SVM分類超平面的距離視為1,多數(shù)類支持向量所在的超平面距離分類超平面的距離表示為1,少數(shù)類表示為-1。使用訓(xùn)練好的分類器C對(duì)源數(shù)據(jù)集中的實(shí)例進(jìn)行類別預(yù)測(cè),計(jì)算源數(shù)據(jù)集中每個(gè)實(shí)例(xi,yi)與從分類器C構(gòu)造的偏移超平面的距離公式如下

    di=w*xi+b*-β

    (3)

    式中:β是控制偏移超平面位置的距離閾值,取值集合為{-1,-0.5,0,0.5,1}。閾值取-1時(shí)選取的偏移超平面是少數(shù)類支持向量所在的超平面,閾值取1時(shí)選取的偏移超平面是多數(shù)類支持向量所在的超平面。

    由于遷移實(shí)例個(gè)數(shù)在不同規(guī)模數(shù)據(jù)集上不同,本文以遷移實(shí)例占目標(biāo)數(shù)據(jù)集少數(shù)類的比例為度量,記為遷入比例γ,根據(jù)遷入比例計(jì)算遷移實(shí)例數(shù)M。將計(jì)算出的源數(shù)據(jù)集中每個(gè)實(shí)例與偏移超平面的距離進(jìn)行從小到大的排序,選擇前M個(gè)實(shí)例加入目標(biāo)數(shù)據(jù)集構(gòu)成合成數(shù)據(jù)集。

    3 基于超平面距離的實(shí)例遷移實(shí)驗(yàn)

    3.1 實(shí)驗(yàn)數(shù)據(jù)集

    本實(shí)驗(yàn)以二分類問題(正負(fù)面情感)為研究對(duì)象,采用的數(shù)據(jù)集為微博數(shù)據(jù)集、BBS論壇數(shù)據(jù)和QQ數(shù)據(jù)集。微博數(shù)據(jù)集來自新浪微博網(wǎng)友互動(dòng),BBS論壇數(shù)據(jù)來自某校內(nèi)論壇用戶互動(dòng),均是涵蓋多種類型話題的交互短文本。QQ數(shù)據(jù)集來自騰訊QQ上某學(xué)習(xí)小組的交互短文本。

    實(shí)驗(yàn)共兩組數(shù)據(jù)集,第一組的目標(biāo)數(shù)據(jù)集來自微博短文本,命名為weibo,共5 065條,非平衡比(少數(shù)類實(shí)例個(gè)數(shù)∶多數(shù)類實(shí)例個(gè)數(shù))為1∶4,稀疏度約為1.697 4×10-4,記為Dweibo。源數(shù)據(jù)集來自BBS論壇數(shù)據(jù)中的3 137條負(fù)面情感實(shí)例,命名為BBS。第二組的目標(biāo)數(shù)據(jù)集來自QQ數(shù)據(jù)集,命名為QQ,共4 778條,非平衡比為1∶4,稀疏度約為9.425 8×10-5,記為DQQ。源數(shù)據(jù)集來自微博數(shù)據(jù)集中學(xué)習(xí)主題的4 268條負(fù)面情感實(shí)例,命名為w_study。兩組的測(cè)試數(shù)據(jù)集分別為和兩個(gè)目標(biāo)數(shù)據(jù)集不同時(shí)段的數(shù)據(jù)集,各為1 045條和959條實(shí)例。Syn_W數(shù)據(jù)集表示第一組實(shí)驗(yàn)中的weibo數(shù)據(jù)集和BBS數(shù)據(jù)集構(gòu)成的合成數(shù)據(jù)集,非平衡比為1∶3.3,記為Dsyn_w。Syn_Q數(shù)據(jù)集表示QQ數(shù)據(jù)集和w_study數(shù)據(jù)集構(gòu)成的合成數(shù)據(jù)集,非平衡比為1∶3.3,記為Dsyn_q。

    3.2 實(shí)驗(yàn)步驟

    合成數(shù)據(jù)集生成時(shí),在遷移實(shí)例中為了確定最優(yōu)信息效用,設(shè)置不同的參數(shù)執(zhí)行實(shí)驗(yàn)實(shí)現(xiàn)對(duì)目標(biāo)數(shù)據(jù)集引入新信息的比例控制策略。該策略首先采用目標(biāo)數(shù)據(jù)集訓(xùn)練分類器,每次篩選一定比例的實(shí)例加入目標(biāo)數(shù)據(jù)集形成合成數(shù)據(jù)集。在每個(gè)合成數(shù)據(jù)集上訓(xùn)練分類模型,比較不同遷入比例下的泛化分類性能,確定最優(yōu)信息效用。設(shè)置方法中的一些參數(shù)為:遷入比例參數(shù)以10%為步長,從10%遞增至300%,使數(shù)據(jù)集達(dá)到平衡。實(shí)例與超平面的距離d分別取-1.0,-0.5,0.0,0.5,1.0。

    對(duì)比數(shù)據(jù)集及實(shí)驗(yàn)方法:使用SMOTE[14]、Subsampling[4]、Oversampling[4]方法分別生成的3類數(shù)據(jù)集,其非平衡比例均為1∶1,分別記為DSMOTE、DSub、DOver。在目標(biāo)數(shù)據(jù)集以及各個(gè)合成數(shù)據(jù)集上使用SMO、LibSVM、RandomForest(RF)、代價(jià)敏感的SMO(Cost+SMO)、代價(jià)敏感的LibSVM(Cost+LibSVM)和代價(jià)敏感的RandomForest(Cost+RF)、CNN[15]共7種分類方法進(jìn)行分類泛化性能測(cè)試實(shí)驗(yàn)。

    3.3 性能評(píng)價(jià)指標(biāo)與實(shí)驗(yàn)結(jié)果

    本文選擇加權(quán)受試者工作曲線下方的面積(加權(quán)ROC)、少數(shù)類(負(fù)面情感類)F值和多數(shù)類(正面情感類)F值為非平衡交互文本情感分類的評(píng)價(jià)指標(biāo)。加權(quán)ROC準(zhǔn)確反映了真正率和假正率之間的關(guān)系,設(shè)為R,是非平衡問題分類準(zhǔn)確性的綜合代表。F值是情感分類準(zhǔn)確率和召回率的綜合評(píng)價(jià)指標(biāo)。

    按如上步驟的實(shí)驗(yàn)結(jié)果如圖3~4、表1~6所示。

    圖3 不同距離參數(shù)下泛化分類性能R 隨遷入比例的變化

    圖3是不同距離參數(shù)下隨著遷入比例增加,Syn_W數(shù)據(jù)集在SMO分類方法下泛化分類性能加權(quán)ROC值的變化圖。隨著遷入比例越來越大,所訓(xùn)練分類模型的R呈現(xiàn)出先快速增長、后緩慢下降的現(xiàn)象。圖3證實(shí)遷移文本帶來的新信息在一定程度上才能對(duì)非平衡情感分類產(chǎn)生正面作用,比較符合信息效用理論。

    圖4 不同距離參數(shù)下的分類超平面圖

    圖4是在不同距離參數(shù)下隨著遷入比例變化時(shí)的分類超平面圖。采用余弦計(jì)算超平面法向量w與初始超平面法向量w0的夾角θ,用夾角的變化衡量超平面變化。由圖4可以看出,當(dāng)遷入比例達(dá)到一定值時(shí),超平面均不再改變,形成穩(wěn)定狀態(tài)。該現(xiàn)象是由于源數(shù)據(jù)集中滿足距離約束的遷移實(shí)例個(gè)數(shù)有限,即新奇度高的實(shí)例有限。遷入比例較小時(shí),其恰好能全部遷移進(jìn)入目標(biāo)數(shù)據(jù)集,遷入比例過大時(shí),新奇度低的實(shí)例對(duì)超平面的影響越來越小。

    在weibo和QQ數(shù)據(jù)集上分別使用本文方法獲得最佳合成數(shù)據(jù)集與使用SMOTE、Subsampling、Oversampling方法處理獲得平衡數(shù)據(jù)集,5種分類模型進(jìn)行泛化分類性能測(cè)試的R、少數(shù)類F值和多數(shù)類F值結(jié)果見表1~表6。由表1和表4的黑體數(shù)值可以看出,本文方法在代價(jià)敏感的RandomForest上的分類結(jié)果與對(duì)比方法中最好的SMOTE

    +RandomForest方法相比,R有2%的微弱下降,但是由表2和表5的黑體數(shù)值可以看出,本文方法在少數(shù)類F值上均有顯著上升,平均增幅為11%。在QQ數(shù)據(jù)集上,本文方法在代價(jià)敏感的RandomForest上與SMOTE方法對(duì)比,將少數(shù)類F值提升21%。由表3和表6的黑體數(shù)值可以看出,與目標(biāo)數(shù)據(jù)集相比,在所有對(duì)照方法上多數(shù)類F值均有明顯下降,但是本文方法中遷移實(shí)例使多數(shù)類F值略微下降,很少會(huì)出現(xiàn)微弱上升的現(xiàn)象,可能與新信息的引入使分離間隔更準(zhǔn)確有關(guān)。由于訓(xùn)練數(shù)據(jù)集的規(guī)模不夠大,同時(shí)存在非平衡問題,使用深度學(xué)習(xí)CNN方法進(jìn)行分類并未表現(xiàn)出很好的泛化分類性能。從整體上來看,由于兩個(gè)目標(biāo)數(shù)據(jù)集特征稀疏度不同,在weibo數(shù)據(jù)集上使用SMOTE、Subsampling和Oversampling方法使數(shù)據(jù)集達(dá)到平衡后少數(shù)類F值出現(xiàn)下降的現(xiàn)象,這是將更多多數(shù)類錯(cuò)分為少數(shù)類導(dǎo)致的過擬合問題,而本文方法并未出現(xiàn)過擬合,分類結(jié)果較好。

    表1 weibo數(shù)據(jù)集上不同方法R的比較

    表2 weibo數(shù)據(jù)集上不同方法的少數(shù)類F值的比較

    表3 weibo數(shù)據(jù)集上不同方法的多數(shù)類F值的比較

    表4 QQ數(shù)據(jù)集不同方法R的比較

    表5 QQ數(shù)據(jù)集不同方法的少數(shù)類F值的比較

    表6 QQ數(shù)據(jù)集不同方法的多數(shù)類F值的比較

    根據(jù)上文信息效用理論中的新奇度和最優(yōu)信息效用進(jìn)行遷移,在非平衡比較小的數(shù)據(jù)集上,遷移位于非平衡超平面與少數(shù)類支持向量所在平面之間的實(shí)例,當(dāng)遷入比例為20%~30%左右時(shí),可獲得泛化分類性能優(yōu)的模型。

    4 結(jié) 論

    針對(duì)交互文本存在非平衡、特征維度高、特征值稀疏問題,導(dǎo)致高性能分類模型難構(gòu)建,本文提出基于超平面距離的非平衡交互文本情感實(shí)例遷移方法。在信息的效用理論啟發(fā)下,遷移富含新信息的少數(shù)類實(shí)例緩解非平衡特性,利用遷入比例控制策略改變特征分布、緩解特征值稀疏問題,獲得了泛化分類性能優(yōu)的模型。與Subsampling、Oversampling等基于目標(biāo)數(shù)據(jù)集的采樣方法不同,本文方法在一定程度上緩解了這些方法中存在的訓(xùn)練模型過擬合問題。通過兩組大量的對(duì)比實(shí)驗(yàn)證明:與SMOTE、Subsampling、Oversampling 3種數(shù)據(jù)層處理方法和SMO、LibSVM、隨機(jī)森林、代價(jià)敏感、CNN等分類方法相比,本文方法所訓(xùn)練的分類模型在加權(quán)ROC指標(biāo)微弱降低的代價(jià)下,可獲得少數(shù)類識(shí)別F值上的較大增幅。

    本文的研究思路不僅適用于SVM分類,同樣可用于其他分類方法,具有可拓展性。但是,本文僅用實(shí)驗(yàn)結(jié)果驗(yàn)證了理論方法的有效性和可信性,后續(xù)將結(jié)合隨機(jī)矩陣?yán)碚?進(jìn)一步探索該方法的機(jī)理,以及最優(yōu)合成數(shù)據(jù)集的參數(shù)估計(jì)方法,并推廣應(yīng)用。

    猜你喜歡
    超平面集上實(shí)例
    全純曲線的例外超平面
    涉及分擔(dān)超平面的正規(guī)定則
    Cookie-Cutter集上的Gibbs測(cè)度
    鏈完備偏序集上廣義向量均衡問題解映射的保序性
    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題
    復(fù)扇形指標(biāo)集上的分布混沌
    數(shù)學(xué)年刊A輯(中文版)(2015年1期)2015-10-30 01:55:44
    完形填空Ⅱ
    完形填空Ⅰ
    幾道導(dǎo)數(shù)題引發(fā)的解題思考
    满18在线观看网站| 久久av网站| 国产日韩欧美在线精品| 国产野战对白在线观看| 在线观看一区二区三区激情| 侵犯人妻中文字幕一二三四区| 亚洲国产精品一区三区| 日韩 欧美 亚洲 中文字幕| tube8黄色片| 啦啦啦啦在线视频资源| 免费看av在线观看网站| 99久久人妻综合| 丰满饥渴人妻一区二区三| 超碰97精品在线观看| 欧美日韩av久久| 欧美精品亚洲一区二区| 亚洲精品第二区| 天堂俺去俺来也www色官网| 九色亚洲精品在线播放| 9热在线视频观看99| 黄色视频在线播放观看不卡| 一级a爱视频在线免费观看| 精品卡一卡二卡四卡免费| 国产精品二区激情视频| 少妇被粗大的猛进出69影院| 欧美黄色片欧美黄色片| 80岁老熟妇乱子伦牲交| 亚洲久久久国产精品| av有码第一页| 成年人免费黄色播放视频| 国产精品一二三区在线看| 亚洲精品在线美女| 热re99久久精品国产66热6| 人体艺术视频欧美日本| 大香蕉久久网| 亚洲成色77777| 国产成人精品久久久久久| 成人毛片60女人毛片免费| 日韩中文字幕视频在线看片| 美女国产高潮福利片在线看| 国产又色又爽无遮挡免| 波多野结衣一区麻豆| 精品第一国产精品| 三上悠亚av全集在线观看| 看免费成人av毛片| 国产成人免费观看mmmm| 国产精品久久久久久精品电影小说| 久久国产精品男人的天堂亚洲| 亚洲欧美精品自产自拍| av一本久久久久| 免费黄色在线免费观看| 午夜福利,免费看| 只有这里有精品99| 伦理电影免费视频| 女人被躁到高潮嗷嗷叫费观| 欧美老熟妇乱子伦牲交| 男女床上黄色一级片免费看| 男女边吃奶边做爰视频| 狂野欧美激情性xxxx| 精品一区在线观看国产| 亚洲精品久久午夜乱码| 色婷婷久久久亚洲欧美| 欧美日韩精品网址| 久久久久久久国产电影| tube8黄色片| 国产在线免费精品| 欧美黄色片欧美黄色片| 在线观看免费视频网站a站| 丁香六月天网| 久久狼人影院| 91成人精品电影| 欧美黑人精品巨大| 高清在线视频一区二区三区| 18禁观看日本| 亚洲精品一区蜜桃| 国产免费又黄又爽又色| a级片在线免费高清观看视频| 99re6热这里在线精品视频| 亚洲av电影在线进入| 男女免费视频国产| 日本av免费视频播放| 国产成人免费观看mmmm| 中文字幕色久视频| 欧美久久黑人一区二区| 亚洲国产最新在线播放| 精品国产超薄肉色丝袜足j| 欧美日韩亚洲高清精品| 女的被弄到高潮叫床怎么办| 无遮挡黄片免费观看| 不卡视频在线观看欧美| 亚洲精品美女久久av网站| 大陆偷拍与自拍| 精品国产一区二区久久| 国产精品久久久久久精品电影小说| 久久精品aⅴ一区二区三区四区| 男的添女的下面高潮视频| 欧美精品av麻豆av| 999精品在线视频| 成人免费观看视频高清| 2018国产大陆天天弄谢| 美女视频免费永久观看网站| 中文字幕另类日韩欧美亚洲嫩草| 国产视频首页在线观看| 亚洲国产成人一精品久久久| 国产成人一区二区在线| 黄色视频不卡| 色播在线永久视频| 女性被躁到高潮视频| 超碰97精品在线观看| 亚洲欧美色中文字幕在线| 国产男女超爽视频在线观看| 免费高清在线观看视频在线观看| 久久久久国产一级毛片高清牌| 欧美久久黑人一区二区| 女人爽到高潮嗷嗷叫在线视频| 亚洲精品第二区| 欧美 日韩 精品 国产| 国产不卡av网站在线观看| 亚洲欧美精品自产自拍| 亚洲av成人精品一二三区| 日韩欧美精品免费久久| 侵犯人妻中文字幕一二三四区| 十八禁高潮呻吟视频| 捣出白浆h1v1| 又大又爽又粗| 国产精品 欧美亚洲| 一边摸一边抽搐一进一出视频| 丝瓜视频免费看黄片| 人人妻人人爽人人添夜夜欢视频| 国产免费福利视频在线观看| 亚洲国产av影院在线观看| 一本大道久久a久久精品| 亚洲专区中文字幕在线 | 亚洲人成77777在线视频| 精品久久久久久电影网| 两个人看的免费小视频| 五月天丁香电影| 一个人免费看片子| 不卡视频在线观看欧美| 1024视频免费在线观看| 一区二区av电影网| 91精品国产国语对白视频| 国产精品一二三区在线看| av视频免费观看在线观看| 欧美黄色片欧美黄色片| 超色免费av| √禁漫天堂资源中文www| 欧美 亚洲 国产 日韩一| 亚洲三区欧美一区| 亚洲精品美女久久av网站| 只有这里有精品99| 亚洲国产欧美一区二区综合| 秋霞伦理黄片| 母亲3免费完整高清在线观看| 精品久久蜜臀av无| 精品久久久精品久久久| 久久久久久人妻| 亚洲成av片中文字幕在线观看| 亚洲天堂av无毛| 久久久久精品国产欧美久久久 | 亚洲,欧美,日韩| 亚洲七黄色美女视频| 久久久精品国产亚洲av高清涩受| 免费观看性生交大片5| 久久久久久人人人人人| 日韩,欧美,国产一区二区三区| 国产一区二区三区av在线| 多毛熟女@视频| 国产深夜福利视频在线观看| av电影中文网址| 婷婷成人精品国产| 久久精品熟女亚洲av麻豆精品| 亚洲欧美成人精品一区二区| 精品国产乱码久久久久久男人| 日韩av在线免费看完整版不卡| 免费不卡黄色视频| 性色av一级| 欧美激情极品国产一区二区三区| 国产精品 欧美亚洲| 亚洲精品国产av蜜桃| 满18在线观看网站| 亚洲色图综合在线观看| 美女主播在线视频| 久久人人爽av亚洲精品天堂| 国产一区有黄有色的免费视频| 亚洲人成电影观看| 免费日韩欧美在线观看| videosex国产| 黄片播放在线免费| 久久精品熟女亚洲av麻豆精品| 免费观看a级毛片全部| 人妻人人澡人人爽人人| 啦啦啦 在线观看视频| 777米奇影视久久| 精品国产超薄肉色丝袜足j| 成人国产av品久久久| 免费av中文字幕在线| 日本wwww免费看| 伦理电影免费视频| 国产1区2区3区精品| 激情视频va一区二区三区| 国产av一区二区精品久久| 天天操日日干夜夜撸| 日本vs欧美在线观看视频| 日本av手机在线免费观看| 亚洲精品国产区一区二| 一区二区日韩欧美中文字幕| 欧美最新免费一区二区三区| 国产国语露脸激情在线看| 久久99热这里只频精品6学生| 超碰97精品在线观看| 亚洲男人天堂网一区| 伊人亚洲综合成人网| 午夜久久久在线观看| 天天躁夜夜躁狠狠躁躁| 成人手机av| 国产精品熟女久久久久浪| 欧美日本中文国产一区发布| 午夜久久久在线观看| www.自偷自拍.com| 观看av在线不卡| 免费日韩欧美在线观看| 黄片小视频在线播放| 波多野结衣一区麻豆| 亚洲av国产av综合av卡| 欧美精品一区二区大全| 国产极品粉嫩免费观看在线| 校园人妻丝袜中文字幕| 18禁观看日本| 99国产精品免费福利视频| 亚洲激情五月婷婷啪啪| 亚洲一级一片aⅴ在线观看| 男女边吃奶边做爰视频| 亚洲欧美清纯卡通| 国产在线一区二区三区精| 99精国产麻豆久久婷婷| 十分钟在线观看高清视频www| 日韩 亚洲 欧美在线| 成人亚洲精品一区在线观看| 久久精品久久精品一区二区三区| 国产午夜精品一二区理论片| 可以免费在线观看a视频的电影网站 | 国产精品久久久av美女十八| 精品一区二区三区四区五区乱码 | 韩国精品一区二区三区| 街头女战士在线观看网站| 国产在视频线精品| 国产成人精品在线电影| 丁香六月欧美| 亚洲国产精品999| 又粗又硬又长又爽又黄的视频| 熟妇人妻不卡中文字幕| 国产熟女午夜一区二区三区| 亚洲熟女毛片儿| 亚洲七黄色美女视频| 在线观看免费高清a一片| 精品人妻在线不人妻| 99精品久久久久人妻精品| 久热爱精品视频在线9| 久久人妻熟女aⅴ| 一二三四中文在线观看免费高清| 精品人妻熟女毛片av久久网站| 国产精品免费大片| 欧美97在线视频| 日本vs欧美在线观看视频| 亚洲精品中文字幕在线视频| 亚洲精品,欧美精品| 曰老女人黄片| 国产成人精品久久二区二区91 | 国产探花极品一区二区| 国产人伦9x9x在线观看| 美女中出高潮动态图| 菩萨蛮人人尽说江南好唐韦庄| 国产无遮挡羞羞视频在线观看| 欧美成人精品欧美一级黄| 五月开心婷婷网| 中文字幕最新亚洲高清| 国产午夜精品一二区理论片| 欧美中文综合在线视频| 无遮挡黄片免费观看| 日本一区二区免费在线视频| 18禁动态无遮挡网站| 国产黄色免费在线视频| 97精品久久久久久久久久精品| 欧美激情高清一区二区三区 | 国产成人精品无人区| 精品国产国语对白av| 亚洲精品美女久久av网站| 国产人伦9x9x在线观看| 国产成人午夜福利电影在线观看| 丰满乱子伦码专区| 成人午夜精彩视频在线观看| 日本猛色少妇xxxxx猛交久久| 精品亚洲成国产av| 日韩伦理黄色片| 精品国产超薄肉色丝袜足j| 久久久亚洲精品成人影院| 亚洲四区av| 欧美日韩综合久久久久久| 亚洲精品av麻豆狂野| 男女床上黄色一级片免费看| 国产精品女同一区二区软件| 免费在线观看完整版高清| 国产成人啪精品午夜网站| 国产成人系列免费观看| 女人精品久久久久毛片| 日本91视频免费播放| 国产精品秋霞免费鲁丝片| 亚洲国产欧美日韩在线播放| 69精品国产乱码久久久| 999精品在线视频| 免费高清在线观看视频在线观看| 亚洲欧美激情在线| 久久性视频一级片| 国产日韩欧美视频二区| 这个男人来自地球电影免费观看 | 看非洲黑人一级黄片| 亚洲精品在线美女| 午夜av观看不卡| 黄网站色视频无遮挡免费观看| 久久免费观看电影| 亚洲五月色婷婷综合| 男的添女的下面高潮视频| 热99国产精品久久久久久7| 90打野战视频偷拍视频| 在线观看免费高清a一片| 久久鲁丝午夜福利片| 色视频在线一区二区三区| 国产精品国产av在线观看| 免费久久久久久久精品成人欧美视频| 搡老岳熟女国产| 最近最新中文字幕免费大全7| 亚洲国产精品国产精品| 亚洲免费av在线视频| 人人妻,人人澡人人爽秒播 | 精品久久蜜臀av无| 欧美在线黄色| 男女边吃奶边做爰视频| 亚洲视频免费观看视频| 欧美久久黑人一区二区| 久久精品国产亚洲av涩爱| 天堂8中文在线网| 国产毛片在线视频| 久久青草综合色| 精品少妇黑人巨大在线播放| 久久97久久精品| 十八禁网站网址无遮挡| 一二三四中文在线观看免费高清| 国产成人精品在线电影| 毛片一级片免费看久久久久| 不卡视频在线观看欧美| 亚洲情色 制服丝袜| 欧美在线黄色| 免费av中文字幕在线| 80岁老熟妇乱子伦牲交| 久久影院123| 亚洲精品一二三| 久久ye,这里只有精品| 欧美变态另类bdsm刘玥| 久久热在线av| 在线天堂中文资源库| 久久99热这里只频精品6学生| 91精品三级在线观看| 午夜免费鲁丝| 性高湖久久久久久久久免费观看| 99九九在线精品视频| 最近中文字幕2019免费版| 欧美日韩国产mv在线观看视频| 黑丝袜美女国产一区| av国产久精品久网站免费入址| 免费高清在线观看日韩| 欧美 亚洲 国产 日韩一| 欧美xxⅹ黑人| 日韩 亚洲 欧美在线| 日韩一本色道免费dvd| 一级a爱视频在线免费观看| 1024视频免费在线观看| 免费看av在线观看网站| 日韩精品有码人妻一区| videos熟女内射| 国产精品亚洲av一区麻豆 | 国产男女内射视频| 成年动漫av网址| 国产亚洲午夜精品一区二区久久| 亚洲成人国产一区在线观看 | 飞空精品影院首页| 国产麻豆69| 丁香六月天网| 国产激情久久老熟女| 欧美变态另类bdsm刘玥| 夫妻午夜视频| 欧美黑人欧美精品刺激| 国产成人a∨麻豆精品| 美女高潮到喷水免费观看| 热re99久久国产66热| 美女脱内裤让男人舔精品视频| 中文字幕精品免费在线观看视频| 欧美精品人与动牲交sv欧美| 国产精品一二三区在线看| 成人黄色视频免费在线看| 在线亚洲精品国产二区图片欧美| 亚洲av男天堂| 一区福利在线观看| 国产精品女同一区二区软件| 伦理电影大哥的女人| 精品国产国语对白av| 精品国产乱码久久久久久男人| 不卡av一区二区三区| 精品福利永久在线观看| 在线观看www视频免费| 99精品久久久久人妻精品| 国产深夜福利视频在线观看| 久久久久国产一级毛片高清牌| 精品视频人人做人人爽| 精品第一国产精品| 日韩熟女老妇一区二区性免费视频| av国产久精品久网站免费入址| 免费女性裸体啪啪无遮挡网站| 亚洲国产精品成人久久小说| 国产黄色免费在线视频| 18禁动态无遮挡网站| 日韩制服骚丝袜av| 男女无遮挡免费网站观看| 国产亚洲最大av| 亚洲久久久国产精品| 少妇猛男粗大的猛烈进出视频| 国产av精品麻豆| 老司机影院成人| 视频在线观看一区二区三区| 国产精品蜜桃在线观看| 亚洲一级一片aⅴ在线观看| 一区福利在线观看| 欧美日韩视频高清一区二区三区二| 欧美激情极品国产一区二区三区| 婷婷色综合www| 欧美精品人与动牲交sv欧美| 免费看av在线观看网站| 亚洲伊人久久精品综合| 国产淫语在线视频| 观看美女的网站| videosex国产| 女性被躁到高潮视频| 丝袜人妻中文字幕| 国产爽快片一区二区三区| 成人国语在线视频| 午夜免费男女啪啪视频观看| 啦啦啦在线免费观看视频4| 亚洲人成77777在线视频| www日本在线高清视频| 日韩人妻精品一区2区三区| 超碰97精品在线观看| 国产精品秋霞免费鲁丝片| 午夜影院在线不卡| 久久午夜综合久久蜜桃| 国产免费现黄频在线看| av女优亚洲男人天堂| 久久性视频一级片| 人人妻,人人澡人人爽秒播 | 亚洲欧美成人综合另类久久久| 曰老女人黄片| 51午夜福利影视在线观看| 女人爽到高潮嗷嗷叫在线视频| 亚洲成色77777| 男男h啪啪无遮挡| 国产xxxxx性猛交| 欧美日韩福利视频一区二区| 国产亚洲av高清不卡| 麻豆av在线久日| 亚洲欧美清纯卡通| 国产有黄有色有爽视频| 免费在线观看视频国产中文字幕亚洲 | 国产精品亚洲av一区麻豆 | 久久这里只有精品19| 三上悠亚av全集在线观看| 男人操女人黄网站| 国产无遮挡羞羞视频在线观看| 超色免费av| 亚洲熟女毛片儿| 免费人妻精品一区二区三区视频| 精品少妇一区二区三区视频日本电影 | 最新的欧美精品一区二区| 狂野欧美激情性bbbbbb| 电影成人av| 黄色视频在线播放观看不卡| 午夜福利网站1000一区二区三区| 咕卡用的链子| 免费高清在线观看日韩| 丝袜美足系列| 久久女婷五月综合色啪小说| 精品少妇内射三级| 久久女婷五月综合色啪小说| 国产精品熟女久久久久浪| 亚洲婷婷狠狠爱综合网| 看免费成人av毛片| 国产av国产精品国产| 亚洲精品美女久久av网站| xxxhd国产人妻xxx| 捣出白浆h1v1| 国精品久久久久久国模美| 看免费成人av毛片| 亚洲,一卡二卡三卡| 久久鲁丝午夜福利片| 国产av国产精品国产| 国产一区二区激情短视频 | 成人免费观看视频高清| 色播在线永久视频| 99精国产麻豆久久婷婷| 夜夜骑夜夜射夜夜干| 成年美女黄网站色视频大全免费| 精品久久久精品久久久| 精品福利永久在线观看| 999久久久国产精品视频| 啦啦啦在线观看免费高清www| 在线精品无人区一区二区三| 亚洲四区av| 亚洲色图 男人天堂 中文字幕| av在线老鸭窝| 天美传媒精品一区二区| 久久精品国产亚洲av高清一级| 婷婷色av中文字幕| 亚洲综合色网址| 国产一区二区三区综合在线观看| 国产老妇伦熟女老妇高清| 亚洲熟女精品中文字幕| 欧美97在线视频| av国产精品久久久久影院| 高清黄色对白视频在线免费看| 丝袜在线中文字幕| 国产亚洲欧美精品永久| 黄色一级大片看看| 777久久人妻少妇嫩草av网站| 日本一区二区免费在线视频| 精品人妻在线不人妻| 热re99久久国产66热| 亚洲精品自拍成人| av在线app专区| 欧美久久黑人一区二区| 天堂中文最新版在线下载| 国产精品久久久久久精品古装| 国产成人欧美在线观看 | 日韩电影二区| 久久99一区二区三区| 中文字幕高清在线视频| 看十八女毛片水多多多| 欧美人与性动交α欧美软件| 纵有疾风起免费观看全集完整版| a 毛片基地| 国产黄色免费在线视频| 国产精品久久久久久精品古装| 成人国产麻豆网| 飞空精品影院首页| 日本vs欧美在线观看视频| 国产成人系列免费观看| 黑人猛操日本美女一级片| 男女床上黄色一级片免费看| 91精品伊人久久大香线蕉| 国产熟女欧美一区二区| 国产 精品1| av免费观看日本| 亚洲国产毛片av蜜桃av| 国产精品欧美亚洲77777| h视频一区二区三区| 男女高潮啪啪啪动态图| 一本一本久久a久久精品综合妖精| 欧美日韩视频高清一区二区三区二| 欧美黄色片欧美黄色片| 日日爽夜夜爽网站| 国产av码专区亚洲av| 亚洲一区中文字幕在线| 汤姆久久久久久久影院中文字幕| 欧美亚洲日本最大视频资源| 人人妻人人澡人人看| tube8黄色片| 国产精品 欧美亚洲| 欧美人与善性xxx| 亚洲成人手机| 在线看a的网站| 韩国av在线不卡| 99香蕉大伊视频| 国产野战对白在线观看| 欧美中文综合在线视频| 免费在线观看完整版高清| 少妇猛男粗大的猛烈进出视频| 中文字幕人妻丝袜制服| 黄色视频在线播放观看不卡| 91国产中文字幕| 亚洲专区中文字幕在线 | 精品国产超薄肉色丝袜足j| 国产国语露脸激情在线看| 国产色婷婷99| 亚洲情色 制服丝袜| 久久精品人人爽人人爽视色| 五月天丁香电影| 超色免费av| 亚洲国产精品国产精品| √禁漫天堂资源中文www| 久久久久精品人妻al黑| 亚洲欧美一区二区三区久久| 成人手机av| 亚洲精品久久成人aⅴ小说| 一级毛片我不卡| 别揉我奶头~嗯~啊~动态视频 | 搡老岳熟女国产| 毛片一级片免费看久久久久| 青草久久国产| 久久精品aⅴ一区二区三区四区| 精品久久久精品久久久| 99香蕉大伊视频| 亚洲精品一二三| a级毛片黄视频| 七月丁香在线播放| www.av在线官网国产| 黄网站色视频无遮挡免费观看| 一边亲一边摸免费视频| 精品国产露脸久久av麻豆|