• <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 ?

    文本分類中基于CHI改進(jìn)的特征選擇方法*

    2019-01-15 05:02:20宋呈祥陳秀宏
    傳感器與微系統(tǒng) 2019年2期
    關(guān)鍵詞:特征詞特征選擇類別

    宋呈祥, 陳秀宏, 牛 強

    (江南大學(xué) 數(shù)字媒體學(xué)院,江蘇 無錫 214122)

    0 引 言

    合理的特征選擇,不僅可以降低文本特征維度,還能降低分類時間復(fù)雜度,提高分類效果[1]。近年來,越來越多的特征選擇算法涌現(xiàn),這些方法大多數(shù)都是基于頻率或者概率對特征詞進(jìn)行權(quán)重計算,并根據(jù)排名選取TOP-K特征詞??ǚ浇y(tǒng)計量(Chi-square statistics,CHI)是一種常用的特征選擇方法,具備更低的時間復(fù)雜度和應(yīng)用便利性[2],其統(tǒng)計特征詞在文本中是否出現(xiàn),但沒有考慮詞頻和特征詞分散度、集中度等信息。Galavotti L等人[3]通過研究特征詞與類別的正負(fù)相關(guān)性問題,引入一種新的相關(guān)系數(shù)方法對CHI模型進(jìn)行優(yōu)化,使得模型性能有了一定的提高。Jin C等人[4]使用樣本方差計算詞的分布信息,并考慮最大詞頻信息來改進(jìn)CHI方法,在三個數(shù)據(jù)集上均取得較好的結(jié)果。葉敏等人[5]通過在CHI特征選擇算法中引入分散度、頻度等特征因子,并考慮位置和詞長信息改進(jìn)詞頻-逆文本頻率(term frequency-inverse document frequency,TF-IDF)賦權(quán)公式,提出一種用來描述特征詞的權(quán)重分布情況的特征選擇算法,提高特征詞的類別鑒別能力。高寶林等人[6]通過引入類內(nèi)和類間分布因子,提出基于類別的CHI特征選擇方法,減少了低頻詞帶來的干擾,并且降低了特征詞在類間均勻分布時對分類帶來的負(fù)貢獻(xiàn)。袁磊[7]考慮不均衡文本長度的影響,對特征詞頻進(jìn)行歸一化處理,同時融合特征詞的類別信息,提出了一種改進(jìn)CHI特征選擇算法。但這些方法都沒有考慮分布在少數(shù)文本集合的高頻特征詞。

    由于傳統(tǒng)CHI方法是在全局范圍內(nèi)進(jìn)行特征選擇而未考慮特征詞頻信息,且沒有考慮特征詞的出現(xiàn)與類負(fù)相關(guān)的情況,故本文提出一種新的基于CHI特征選擇方法,考慮位置特性而改進(jìn)TF-IDF權(quán)重計算公式,并分別使用支持向量機(support vector machine,SVM)和樸素貝葉斯(naive Bayes)方法對文本分類。實驗結(jié)果表明,該方法分類效果優(yōu)于傳統(tǒng)CHI方法和文獻(xiàn)[6]的方法。

    1 相關(guān)概念與方法

    1.1 CHI

    CHI是用來衡量特征詞tk和類別ci之間的相關(guān)聯(lián)程度。假設(shè)tk和ci之間符合具有一階的自由度χ2分布,則tk與ci的CHI值定義為[2]

    (1)

    (2)

    式中m為類別數(shù)目。

    1.2 特征權(quán)重計算

    特征選擇后需計算各特征詞的權(quán)重大小,以衡量某個特征詞在文本中區(qū)別能力的強弱。TF-IDF是一種經(jīng)典的特征權(quán)重計算方法,在信息檢索占有重要地位[8],其計算公式如下

    (3)

    式中nij為特征詞wi在第j篇文本中出現(xiàn)的頻度,|Dj|為第j篇文本的長度,n為文本集的文本總數(shù),df(wi)為文本集中出現(xiàn)特征詞wi的文本數(shù)目。如果一個詞在某篇文本出現(xiàn)的次數(shù)多且在其他文本中包括該詞的文本數(shù)少,那么其就越和該文本主題相關(guān),區(qū)分能力也就越強[9]。為了消除文本長度對TF-IDF值的影響,一般將其進(jìn)行歸一化處理。

    2 改進(jìn)的文本分類方法

    2.1 基于位置改進(jìn)的TF-IDF權(quán)重計算公式

    傳統(tǒng)的TF-IDF公式在計算特征詞權(quán)重時只考慮詞頻和包含它的文本數(shù)量,沒有考慮特征詞出現(xiàn)的位置,然而特征詞的位置信息從某種程度也反映了其重要性。如果特征詞出現(xiàn)在文本的標(biāo)題、摘要或者關(guān)鍵詞處,則其應(yīng)該獲得更高的權(quán)重。于是,改進(jìn)的頻度 (稱為位置頻度,pos_n)為

    pos_nij=nij×(1+log2(T(wi)+1))

    (4)

    式中T(wi)為特征詞wi出現(xiàn)在標(biāo)題、摘要或者關(guān)鍵詞處的總次數(shù)。當(dāng)T(wi)=0時,pos_nij=nij,該式值即為傳統(tǒng)的特征詞頻度。式(4)表明,如果一個特征詞在標(biāo)題、摘要、關(guān)鍵詞出現(xiàn)的次數(shù)越多,那么它的權(quán)值應(yīng)越高,也就越重要。將式(4)替換式(3)中的nij,便可得到包含特征詞位置的改進(jìn)TF-IDF權(quán)重公式位置 TF-IDF (position TF-IDF,PTF-IDF)

    (5)

    2.2 CHI的優(yōu)化

    針對傳統(tǒng)CHI全局特征選擇以及未考慮詞頻信息等問題,考慮特征分布系數(shù)(feature distribution coefficient,F(xiàn)DC)如下

    (6)

    (7)

    式中N(tk,ci)為類ci出現(xiàn)特征tk的文本數(shù),N(tk)為文本集中出現(xiàn)tk的文本總數(shù),m為類別數(shù)。于是,當(dāng)類ci中出現(xiàn)特征tk的文本數(shù)小于平均每個類中出現(xiàn)tk的文本數(shù)時,NCF值為負(fù)數(shù),CHI值就會是負(fù)數(shù),此時刪除與類ci負(fù)相關(guān)的特征即可避免負(fù)相關(guān)對分類的影響。最后給出改進(jìn)的特征選擇公式IMPCHI(improved CHI)為

    IMPCHI(tk,ci)=CHI(tk,ci)FDC(tk)NCF(tk,ci)

    (8)

    綜上所述,得到以下改進(jìn)的特征選擇和權(quán)重計算的文本分類算法流程:

    1)文本預(yù)處理。文本預(yù)處理包括詞性標(biāo)注、去除特殊符號以及停用詞;只保留名詞、動詞和形容詞等重要詞語,獲取文本詞語(標(biāo)題、關(guān)鍵詞、摘要、正文和類別)集合。

    2)特征選擇。使用本文算法計算訓(xùn)練集文本詞語集合和每個類別的NCF,CHI,FDC值,得到每個詞和對應(yīng)類別的IMPCHI值;對于重復(fù)的詞,取最大值作為該詞最終的IMPCHI值。將每個詞按IMPCHI降序排序,根據(jù)語料文本特征選取TOP-K作為整個語料集的特征詞集合。

    3)權(quán)重計算。對于每篇文本的詞語集合,若步驟(2)的特征詞集合含有該詞,使用考慮特征詞位置特性的PTF-IDF賦權(quán)公式計算該詞的權(quán)重,構(gòu)造文本特征向量。

    4)分類器訓(xùn)練。利用步驟(3)得到訓(xùn)練集文本特征向量,并訓(xùn)練分類器。

    5)測試分析。將測試集分別進(jìn)行步驟(1)、步驟(3)處理獲取測試集文本特征向量,并對步驟(4)得到的分類器測試評估,輸出實驗結(jié)果。

    3 實驗與結(jié)果分析

    實驗數(shù)據(jù)利用網(wǎng)易新聞?wù)Z料庫和復(fù)旦大學(xué)中文語料庫,其中網(wǎng)易新聞?wù)Z料庫包括汽車、文化、經(jīng)濟(jì)、醫(yī)藥、軍事和體育六個大類,隨機選取每個類別的300篇文本,以2∶1的比例組成訓(xùn)練集和測試集;復(fù)旦大學(xué)中文語料庫,隨機選取的訓(xùn)練集和測試集文本數(shù)量如表1。

    表1 復(fù)旦大學(xué)中文語料庫訓(xùn)練集和測試集的選取情況

    實驗中,使用中科院NLPIR[10]工具對語料進(jìn)行預(yù)處理。實驗分別采用TF-IDF和PTF-IDF公式對特征選擇后的特征詞計算其權(quán)重;并利用臺灣大學(xué)的Chang Chih-chung教授等人[11]開發(fā)的線性核函數(shù)SVM分類器和Weka平臺Naive Bayes分類器[12]對語料文本進(jìn)行分類。

    實驗性能評估使用宏F1值 (macro_F1)來度量所有類別的總體分類指標(biāo)

    (9)

    式中m為類別個數(shù);Pi,Ri分別為ci類的查準(zhǔn)率(Precision,P)和查全率(Recall,R);macro_P為宏查準(zhǔn)率;macro_R為宏查全率。

    實驗中各個方法表示為:E1為傳統(tǒng)CHI特征選擇+TF-IDF權(quán)重計算的實驗;E2為傳統(tǒng)CHI 特征選擇+PTF-IDF權(quán)重計算的實驗;E3為文獻(xiàn)[6]提出的C-ICHI方法+TF-IDF權(quán)重計算的實驗;E4為IMPCHI特征選擇 +TF-IDF權(quán)重計算的實驗;E5為IMPCHI特征選擇 +PTF-IDF權(quán)重計算的實驗。

    3.1 在不同語料庫上的SVM分類實驗

    在不同語料庫的SVM分類對比實驗結(jié)果如圖1。

    圖1 不同特征維度的SVM分類宏F1值

    可見,當(dāng)特征集合維度增大時,宏F1值也隨著變大。在網(wǎng)易新聞?wù)Z料庫中,特征維度1 500時,E5達(dá)到宏F1值最大值87.46 %,但E1此時宏F1已經(jīng)下降,E4,E5雖然宏F1值也在輕微下降,但E1,E3下降更加明顯,表明本文提出的IMPCHI方法更加穩(wěn)定,綜合性能更好。在復(fù)旦大學(xué)新聞?wù)Z料庫中,特征集合維度2 500時,達(dá)到86.27 %的宏F1值,E5比E1,E3分別高出4.31 %,1.47 %,但是當(dāng)特征集合維度繼續(xù)增大時,因為特征詞集合含有很多冗余特征,致使宏F1值變小。E3引入類內(nèi)和類間分布因子等因素,雖然宏F1值比E1高,但低于E4,E5。因為在特征選擇時,對于位置特性、一些大量分布于少量文本集的特征等因素,對于提升CHI特征選擇的分類性能不可忽視。在計算特征權(quán)重時,本文提出的PTF-IDF權(quán)重公式,考慮特征詞位置權(quán)重,出現(xiàn)的位置越重要,得分越高,網(wǎng)易新聞?wù)Z料庫和復(fù)旦大學(xué)中文語料庫中E2比E1分別提升平均1.19 %,2.85 %的宏F1值。PTF-IDF單純考慮位置特性不能達(dá)到理想的分類效果,使E2結(jié)果不如E3和E4方法。

    在網(wǎng)易新聞?wù)Z料庫和復(fù)旦大學(xué)中文語料庫中,在宏F1值分別達(dá)到最大值時分析各個類別的宏F1值,如表2、表3。各個類別宏F1值差別明顯,原因是不同文本長度對于結(jié)果的影響,如果文本較短,含有很多空值,使向量稀疏,造成分類結(jié)果較低。若文本含有詞數(shù)較多,并含有一些類別區(qū)分度高頻詞語,使宏F1值較大,本文提出的方法能有效改善傳統(tǒng)CHI和TF-IDF的缺陷,過濾掉低頻詞語,改善不同特征詞的權(quán)重,使得分類效果更好,性能更穩(wěn)定。

    表2 網(wǎng)易新聞?wù)Z料庫中特征維度1500時的不同類別的SVM分類宏F1值 %

    表3 復(fù)旦大學(xué)中文語料庫中特征維度2500時不同類別的SVM分類宏F1值 %

    3.2 在復(fù)旦語料庫上的Naive Bayes分類實驗

    為了驗證本文方法在不同分類器的可行性,Naive Bayes分類對比實驗結(jié)果如圖2所示。

    圖2 復(fù)旦中文語料庫中不同特征維度的Naive Bayes分類宏F1值

    由圖2可得,隨著特征維度增大,宏F1值變化比較平緩;在特征維度3 000維時,E5達(dá)到86.98 %宏F1值,而E3在2 500維達(dá)到最大值84.79 %。同時,還驗證了本文提出的方法在不同分類器上都是可行的。

    4 結(jié)束語

    特征選擇在文本分類過程中具有重要作用。本文提出了一種改進(jìn)的CHI統(tǒng)計特征選擇方法,同時提出修正因子解決特征詞與類別負(fù)相關(guān)的困擾,并將改進(jìn)后TF-IDF的權(quán)重計算方法用于特征詞的權(quán)值計算,使其分類效果有了明顯提高。在后續(xù)工作中,將考慮特征詞的語義關(guān)系,進(jìn)一步進(jìn)行特征降維,在減少算法時間復(fù)雜度的同時提高分類效果。

    猜你喜歡
    特征詞特征選擇類別
    基于改進(jìn)TFIDF算法的郵件分類技術(shù)
    產(chǎn)品評論文本中特征詞提取及其關(guān)聯(lián)模型構(gòu)建與應(yīng)用
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    聯(lián)合互信息水下目標(biāo)特征選擇算法
    服務(wù)類別
    新校長(2016年8期)2016-01-10 06:43:59
    面向文本分類的特征詞選取方法研究與改進(jìn)
    論類別股東會
    商事法論集(2014年1期)2014-06-27 01:20:42
    中醫(yī)類別全科醫(yī)師培養(yǎng)模式的探討
    基于特征選擇和RRVPMCD的滾動軸承故障診斷方法
    基于二元搭配詞的微博情感特征選擇
    計算機工程(2014年6期)2014-02-28 01:26:36
    久久久久久免费高清国产稀缺| 成在线人永久免费视频| 久9热在线精品视频| 成熟少妇高潮喷水视频| 国产亚洲精品av在线| 777久久人妻少妇嫩草av网站| 男人舔女人的私密视频| 亚洲国产欧洲综合997久久,| 免费看十八禁软件| 正在播放国产对白刺激| 日韩精品中文字幕看吧| 美女免费视频网站| 黄频高清免费视频| 成人国语在线视频| 国产亚洲精品av在线| 少妇粗大呻吟视频| 长腿黑丝高跟| 欧美日韩一级在线毛片| 高清在线国产一区| 变态另类成人亚洲欧美熟女| 久久这里只有精品中国| 色播亚洲综合网| 久久久久性生活片| 看片在线看免费视频| 国产视频一区二区在线看| 亚洲国产精品999在线| 亚洲精品国产精品久久久不卡| 免费看十八禁软件| 成人18禁高潮啪啪吃奶动态图| 亚洲最大成人中文| 丁香欧美五月| 男女之事视频高清在线观看| 在线看三级毛片| 啦啦啦观看免费观看视频高清| 啦啦啦韩国在线观看视频| 久久久久免费精品人妻一区二区| 人人妻人人澡欧美一区二区| 黄色视频,在线免费观看| 久久久国产成人免费| 正在播放国产对白刺激| 国产99白浆流出| 在线永久观看黄色视频| 十八禁人妻一区二区| 国产精品久久电影中文字幕| 老熟妇乱子伦视频在线观看| 亚洲美女视频黄频| 亚洲国产精品成人综合色| 成人国语在线视频| 久久精品亚洲精品国产色婷小说| 国产成人系列免费观看| 日本a在线网址| 99热6这里只有精品| 国产99久久九九免费精品| 亚洲成人免费电影在线观看| 日本精品一区二区三区蜜桃| 一级片免费观看大全| x7x7x7水蜜桃| 国产v大片淫在线免费观看| 亚洲国产中文字幕在线视频| tocl精华| 亚洲欧美日韩高清专用| 老鸭窝网址在线观看| 国产精品 国内视频| 午夜福利视频1000在线观看| 日韩高清综合在线| 久久精品91无色码中文字幕| 午夜免费激情av| 欧美色视频一区免费| 真人一进一出gif抽搐免费| 免费在线观看黄色视频的| 成年免费大片在线观看| 久久精品国产99精品国产亚洲性色| 国内久久婷婷六月综合欲色啪| 淫妇啪啪啪对白视频| 亚洲成人免费电影在线观看| 国产黄a三级三级三级人| 午夜精品在线福利| 脱女人内裤的视频| 欧美成人午夜精品| 国产一区二区激情短视频| 国产欧美日韩一区二区精品| 亚洲国产欧美网| 伊人久久大香线蕉亚洲五| 亚洲精品粉嫩美女一区| 很黄的视频免费| 色综合婷婷激情| 伊人久久大香线蕉亚洲五| 九九热线精品视视频播放| 久99久视频精品免费| 免费观看精品视频网站| 亚洲av成人不卡在线观看播放网| 国内毛片毛片毛片毛片毛片| 成人三级做爰电影| 国产精品亚洲一级av第二区| 国产精品久久久人人做人人爽| 欧美成人一区二区免费高清观看 | 又粗又爽又猛毛片免费看| 十八禁网站免费在线| 午夜福利视频1000在线观看| √禁漫天堂资源中文www| 国语自产精品视频在线第100页| 国产av一区二区精品久久| 男女视频在线观看网站免费 | 深夜精品福利| 18禁黄网站禁片午夜丰满| 日韩欧美在线乱码| 少妇人妻一区二区三区视频| 亚洲国产精品成人综合色| 国产成人啪精品午夜网站| 久久国产精品影院| 国产精品九九99| 亚洲人成电影免费在线| 亚洲av成人一区二区三| 巨乳人妻的诱惑在线观看| 久久精品国产亚洲av高清一级| 一卡2卡三卡四卡精品乱码亚洲| 精品福利观看| 岛国视频午夜一区免费看| 麻豆国产av国片精品| 国产精品电影一区二区三区| 久久人人精品亚洲av| 在线观看美女被高潮喷水网站 | 国产一级毛片七仙女欲春2| 免费高清视频大片| 免费在线观看成人毛片| 天天一区二区日本电影三级| 欧美黄色片欧美黄色片| 午夜激情福利司机影院| 日本熟妇午夜| 国产精品,欧美在线| 又大又爽又粗| 可以在线观看毛片的网站| 亚洲专区中文字幕在线| 欧美成人性av电影在线观看| 最新美女视频免费是黄的| 日韩中文字幕欧美一区二区| 视频区欧美日本亚洲| 久久久久性生活片| 国产精品99久久99久久久不卡| 午夜a级毛片| 俺也久久电影网| 九色国产91popny在线| 色哟哟哟哟哟哟| 久久久久久国产a免费观看| 18禁黄网站禁片午夜丰满| 成人精品一区二区免费| 97人妻精品一区二区三区麻豆| 国产伦人伦偷精品视频| 国产单亲对白刺激| 亚洲成人免费电影在线观看| 俄罗斯特黄特色一大片| 国产aⅴ精品一区二区三区波| 久久久久久免费高清国产稀缺| 久久久水蜜桃国产精品网| 国产成人av教育| 国产亚洲精品一区二区www| 成人三级黄色视频| 精品欧美国产一区二区三| 免费一级毛片在线播放高清视频| avwww免费| 又大又爽又粗| 欧美日韩国产亚洲二区| 99热只有精品国产| bbb黄色大片| 国产伦一二天堂av在线观看| 91麻豆精品激情在线观看国产| 欧美乱妇无乱码| 亚洲av中文字字幕乱码综合| 午夜a级毛片| 成年人黄色毛片网站| 国产激情偷乱视频一区二区| 少妇人妻一区二区三区视频| 麻豆国产av国片精品| 中文资源天堂在线| 国产不卡一卡二| 丝袜人妻中文字幕| 一本综合久久免费| 精品乱码久久久久久99久播| 又爽又黄无遮挡网站| 老司机在亚洲福利影院| 久久久久久大精品| 欧美大码av| 老熟妇仑乱视频hdxx| 叶爱在线成人免费视频播放| 国产在线精品亚洲第一网站| 精品人妻1区二区| 两个人视频免费观看高清| 国产高清videossex| 久久久久久免费高清国产稀缺| 两个人免费观看高清视频| 亚洲性夜色夜夜综合| 精品国产乱码久久久久久男人| 国产黄a三级三级三级人| 可以在线观看毛片的网站| 9191精品国产免费久久| 波多野结衣巨乳人妻| 亚洲va日本ⅴa欧美va伊人久久| 不卡av一区二区三区| 动漫黄色视频在线观看| 男女午夜视频在线观看| 岛国视频午夜一区免费看| 男人的好看免费观看在线视频 | 成人高潮视频无遮挡免费网站| 伊人久久大香线蕉亚洲五| 男女床上黄色一级片免费看| 又大又爽又粗| 成人18禁在线播放| 欧美性长视频在线观看| 亚洲av成人不卡在线观看播放网| avwww免费| 欧美日韩乱码在线| 国内精品久久久久久久电影| 夜夜躁狠狠躁天天躁| 午夜福利在线在线| 亚洲色图 男人天堂 中文字幕| 成人永久免费在线观看视频| 两个人免费观看高清视频| 日本一区二区免费在线视频| 变态另类成人亚洲欧美熟女| 一个人免费在线观看的高清视频| 亚洲国产精品久久男人天堂| 无遮挡黄片免费观看| 在线观看午夜福利视频| 欧美乱色亚洲激情| 国产成年人精品一区二区| 真人一进一出gif抽搐免费| 免费观看精品视频网站| 免费在线观看日本一区| www.999成人在线观看| 日韩欧美免费精品| a在线观看视频网站| 制服人妻中文乱码| 欧美精品亚洲一区二区| 美女午夜性视频免费| 日本免费a在线| 国产成人一区二区三区免费视频网站| 国产av麻豆久久久久久久| 久久久久久人人人人人| 国产三级黄色录像| 嫁个100分男人电影在线观看| 欧美色视频一区免费| 校园春色视频在线观看| 亚洲国产欧美网| 91字幕亚洲| 在线免费观看的www视频| 欧美成人一区二区免费高清观看 | 欧美色视频一区免费| 色尼玛亚洲综合影院| 激情在线观看视频在线高清| 国产精品香港三级国产av潘金莲| 90打野战视频偷拍视频| 久久午夜亚洲精品久久| 亚洲人成网站高清观看| 午夜两性在线视频| 丝袜美腿诱惑在线| 亚洲中文日韩欧美视频| АⅤ资源中文在线天堂| 久久热在线av| 日本 av在线| 一进一出抽搐动态| 亚洲一区二区三区色噜噜| 亚洲精品中文字幕一二三四区| 窝窝影院91人妻| avwww免费| x7x7x7水蜜桃| 老汉色∧v一级毛片| 国产黄色小视频在线观看| 精品久久久久久久久久免费视频| 国产精品久久久人人做人人爽| 成年免费大片在线观看| 嫩草影视91久久| 国产成人影院久久av| 女人爽到高潮嗷嗷叫在线视频| 欧美黄色片欧美黄色片| 国产片内射在线| 最好的美女福利视频网| 久久性视频一级片| 女同久久另类99精品国产91| av视频在线观看入口| 国产激情偷乱视频一区二区| 亚洲精品美女久久久久99蜜臀| 亚洲欧美精品综合久久99| 亚洲全国av大片| 亚洲精品久久国产高清桃花| 国产精品国产高清国产av| or卡值多少钱| 成人欧美大片| 国产精品久久久久久精品电影| 女人被狂操c到高潮| 国产爱豆传媒在线观看 | 日韩精品青青久久久久久| 一本久久中文字幕| 精品少妇一区二区三区视频日本电影| 一个人观看的视频www高清免费观看 | 国产区一区二久久| 好男人电影高清在线观看| 午夜福利视频1000在线观看| 女同久久另类99精品国产91| 日本 欧美在线| 国产午夜精品论理片| 变态另类丝袜制服| 啦啦啦观看免费观看视频高清| 两个人免费观看高清视频| 欧美中文日本在线观看视频| 午夜福利在线在线| 精品无人区乱码1区二区| 成人特级黄色片久久久久久久| 亚洲精品中文字幕一二三四区| 色综合婷婷激情| 天堂√8在线中文| 成人18禁在线播放| 久久精品aⅴ一区二区三区四区| 国内精品久久久久久久电影| 日韩精品青青久久久久久| 国产欧美日韩一区二区精品| 身体一侧抽搐| 国产精华一区二区三区| 欧美日韩精品网址| 亚洲av熟女| 国产精品亚洲美女久久久| 视频区欧美日本亚洲| 亚洲欧美日韩高清在线视频| 亚洲精品色激情综合| 国产精品永久免费网站| 少妇被粗大的猛进出69影院| 成人18禁在线播放| 国产精品久久久人人做人人爽| 99久久综合精品五月天人人| 久久欧美精品欧美久久欧美| 日本一区二区免费在线视频| 天天躁夜夜躁狠狠躁躁| bbb黄色大片| 999精品在线视频| 久久中文字幕一级| 欧洲精品卡2卡3卡4卡5卡区| 亚洲精品久久国产高清桃花| www.精华液| 黄色成人免费大全| 久久久久久久久久黄片| 成年人黄色毛片网站| 伦理电影免费视频| 悠悠久久av| 国产一区二区在线av高清观看| 性欧美人与动物交配| 欧美不卡视频在线免费观看 | 一进一出抽搐动态| 日韩欧美在线乱码| 欧美黑人精品巨大| 欧美成狂野欧美在线观看| 亚洲av成人一区二区三| 日韩 欧美 亚洲 中文字幕| av超薄肉色丝袜交足视频| 精品一区二区三区av网在线观看| 欧美又色又爽又黄视频| 中文字幕熟女人妻在线| 国产高清videossex| 18禁观看日本| 操出白浆在线播放| 午夜福利高清视频| 国产精品美女特级片免费视频播放器 | 人妻夜夜爽99麻豆av| 国产精华一区二区三区| 国产午夜福利久久久久久| 1024视频免费在线观看| 一级黄色大片毛片| 午夜福利视频1000在线观看| 亚洲精品中文字幕在线视频| 两性夫妻黄色片| 国产亚洲精品久久久久久毛片| 一边摸一边抽搐一进一小说| 亚洲欧美精品综合一区二区三区| www.www免费av| 欧美精品亚洲一区二区| 最近最新免费中文字幕在线| 久久国产精品影院| 国产精华一区二区三区| 两个人的视频大全免费| 黄色片一级片一级黄色片| 男人舔女人的私密视频| 国产麻豆成人av免费视频| 好男人电影高清在线观看| bbb黄色大片| www.自偷自拍.com| 欧美3d第一页| 一级黄色大片毛片| 欧美在线一区亚洲| 黄色成人免费大全| 国产亚洲av嫩草精品影院| 在线观看www视频免费| 久久九九热精品免费| 国产精品久久久久久久电影 | 久久中文字幕人妻熟女| 欧美性长视频在线观看| 老鸭窝网址在线观看| 亚洲欧美精品综合一区二区三区| 欧美日韩亚洲综合一区二区三区_| www.熟女人妻精品国产| 色尼玛亚洲综合影院| 欧美极品一区二区三区四区| 中文亚洲av片在线观看爽| 国产精品精品国产色婷婷| 亚洲男人的天堂狠狠| 三级男女做爰猛烈吃奶摸视频| 精品国产美女av久久久久小说| 三级毛片av免费| 亚洲最大成人中文| 国产精品一区二区三区四区久久| 两人在一起打扑克的视频| 久久香蕉精品热| 少妇裸体淫交视频免费看高清 | 亚洲最大成人中文| 女生性感内裤真人,穿戴方法视频| 色尼玛亚洲综合影院| 午夜影院日韩av| 99在线视频只有这里精品首页| 欧美日韩精品网址| 国产精品精品国产色婷婷| svipshipincom国产片| 人人妻,人人澡人人爽秒播| 精品欧美国产一区二区三| 成人国产综合亚洲| 这个男人来自地球电影免费观看| 亚洲电影在线观看av| 久9热在线精品视频| ponron亚洲| 免费在线观看亚洲国产| 国产一区在线观看成人免费| 法律面前人人平等表现在哪些方面| 亚洲精品久久成人aⅴ小说| 法律面前人人平等表现在哪些方面| 99久久精品热视频| 男女那种视频在线观看| 国产精品日韩av在线免费观看| 成人精品一区二区免费| 久久中文字幕一级| 国产乱人伦免费视频| 俺也久久电影网| 免费在线观看影片大全网站| 美女 人体艺术 gogo| 久久人人精品亚洲av| 亚洲第一欧美日韩一区二区三区| 久久精品夜夜夜夜夜久久蜜豆 | 97人妻精品一区二区三区麻豆| 亚洲av电影不卡..在线观看| 国产精品,欧美在线| 欧美最黄视频在线播放免费| 亚洲人成77777在线视频| 亚洲自偷自拍图片 自拍| 免费搜索国产男女视频| 999久久久精品免费观看国产| 久久午夜亚洲精品久久| 婷婷精品国产亚洲av在线| 老司机午夜福利在线观看视频| 亚洲乱码一区二区免费版| 亚洲avbb在线观看| 久久人妻av系列| 日本精品一区二区三区蜜桃| 看片在线看免费视频| 国产黄a三级三级三级人| 两个人看的免费小视频| 好男人电影高清在线观看| www日本黄色视频网| 久久久国产成人精品二区| 日韩欧美 国产精品| 国产av又大| 国产午夜福利久久久久久| 亚洲成av人片免费观看| 亚洲专区国产一区二区| 欧美成人性av电影在线观看| 中文资源天堂在线| 亚洲人成77777在线视频| 亚洲午夜理论影院| 亚洲无线在线观看| 亚洲av片天天在线观看| 亚洲无线在线观看| 99久久99久久久精品蜜桃| 最近视频中文字幕2019在线8| 99国产精品99久久久久| 91成年电影在线观看| 国产亚洲精品av在线| 91av网站免费观看| 亚洲一区二区三区不卡视频| 极品教师在线免费播放| 香蕉久久夜色| 亚洲七黄色美女视频| 欧美乱色亚洲激情| 国内毛片毛片毛片毛片毛片| 老司机深夜福利视频在线观看| 午夜福利免费观看在线| 黑人操中国人逼视频| 欧美性猛交黑人性爽| 天堂av国产一区二区熟女人妻 | 叶爱在线成人免费视频播放| 国产亚洲精品综合一区在线观看 | 中文字幕高清在线视频| 国产一区二区在线av高清观看| 精品久久久久久久久久免费视频| 国产精品,欧美在线| 级片在线观看| 国产免费av片在线观看野外av| 99热这里只有精品一区 | 18禁黄网站禁片午夜丰满| 欧美高清成人免费视频www| 亚洲精品美女久久av网站| 男女那种视频在线观看| 亚洲激情在线av| 日韩欧美在线二视频| 美女午夜性视频免费| 国产精品亚洲av一区麻豆| 97碰自拍视频| 最近在线观看免费完整版| 999精品在线视频| 两性夫妻黄色片| 国产午夜福利久久久久久| 国产精华一区二区三区| 夜夜看夜夜爽夜夜摸| 在线观看午夜福利视频| 久热爱精品视频在线9| 精品久久久久久久末码| 精品少妇一区二区三区视频日本电影| 夜夜爽天天搞| 黄色成人免费大全| 色精品久久人妻99蜜桃| 精品少妇一区二区三区视频日本电影| 18美女黄网站色大片免费观看| 白带黄色成豆腐渣| 大型av网站在线播放| 亚洲av五月六月丁香网| 中亚洲国语对白在线视频| 亚洲欧美精品综合一区二区三区| 欧美成人一区二区免费高清观看 | 宅男免费午夜| 欧美乱码精品一区二区三区| 在线观看午夜福利视频| 婷婷精品国产亚洲av在线| 国产精品永久免费网站| 淫秽高清视频在线观看| 又紧又爽又黄一区二区| 午夜老司机福利片| 色综合亚洲欧美另类图片| 人人妻人人看人人澡| 亚洲国产精品成人综合色| 国产精品综合久久久久久久免费| 欧美另类亚洲清纯唯美| 久久久久久国产a免费观看| 老司机在亚洲福利影院| 黄色片一级片一级黄色片| 国产精品av视频在线免费观看| 真人做人爱边吃奶动态| 国产精品久久视频播放| 日本五十路高清| 蜜桃久久精品国产亚洲av| 日韩三级视频一区二区三区| 亚洲午夜精品一区,二区,三区| 真人一进一出gif抽搐免费| 美女免费视频网站| 亚洲 欧美一区二区三区| 欧美在线一区亚洲| 91字幕亚洲| 久久久久精品国产欧美久久久| 久久久精品欧美日韩精品| 日本成人三级电影网站| 日韩三级视频一区二区三区| 成年版毛片免费区| 日韩有码中文字幕| 亚洲片人在线观看| 真人做人爱边吃奶动态| 1024视频免费在线观看| 人人妻人人澡欧美一区二区| 日本一本二区三区精品| 51午夜福利影视在线观看| 两个人的视频大全免费| 国产成人啪精品午夜网站| 久久久久久大精品| 亚洲中文字幕日韩| 老司机午夜福利在线观看视频| 91麻豆精品激情在线观看国产| 欧美日本视频| 母亲3免费完整高清在线观看| 亚洲专区国产一区二区| 欧美乱妇无乱码| 欧美日韩亚洲国产一区二区在线观看| 伊人久久大香线蕉亚洲五| 热99re8久久精品国产| 好男人电影高清在线观看| 国产成人av教育| 午夜影院日韩av| 欧美另类亚洲清纯唯美| 国产精品免费一区二区三区在线| 欧美一级a爱片免费观看看 | 免费看日本二区| 国产精品av视频在线免费观看| 久久午夜综合久久蜜桃| 国产精品九九99| 亚洲专区字幕在线| 亚洲五月天丁香| 久久婷婷成人综合色麻豆| 精品无人区乱码1区二区| 18禁黄网站禁片免费观看直播| 亚洲第一电影网av| 99精品欧美一区二区三区四区| 看片在线看免费视频| 91av网站免费观看| 国产精品1区2区在线观看.| tocl精华| 亚洲精品在线观看二区| 99久久综合精品五月天人人| 老汉色av国产亚洲站长工具| 亚洲午夜精品一区,二区,三区| 免费在线观看成人毛片| 国产高清视频在线观看网站| 国产黄片美女视频| 最新在线观看一区二区三区| 哪里可以看免费的av片| 日本成人三级电影网站|