• <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
    国产精品国产高清国产av| 成年女人毛片免费观看观看9| 国产激情欧美一区二区| 身体一侧抽搐| 国产精品,欧美在线| 欧美激情在线99| 日本黄色片子视频| 欧美日本视频| 亚洲真实伦在线观看| 有码 亚洲区| 午夜精品在线福利| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 亚洲欧美激情综合另类| 怎么达到女性高潮| 国产极品精品免费视频能看的| 国产伦精品一区二区三区视频9 | 亚洲无线观看免费| 中文字幕av成人在线电影| 88av欧美| 国产欧美日韩一区二区精品| 久久久国产成人精品二区| 黄色丝袜av网址大全| 最近最新中文字幕大全电影3| 怎么达到女性高潮| 日日夜夜操网爽| 亚洲欧美日韩无卡精品| 一区福利在线观看| 欧美黑人欧美精品刺激| 久久久精品欧美日韩精品| 国产高清有码在线观看视频| 俺也久久电影网| 欧美日韩福利视频一区二区| 色视频www国产| 国产高清videossex| 中文资源天堂在线| 中文亚洲av片在线观看爽| 国产极品精品免费视频能看的| 久久精品人妻少妇| 国产成人福利小说| 美女 人体艺术 gogo| 脱女人内裤的视频| 国内少妇人妻偷人精品xxx网站| 宅男免费午夜| 国产精品嫩草影院av在线观看 | 日韩高清综合在线| 久久久精品大字幕| 在线观看av片永久免费下载| 嫩草影院精品99| 在线观看日韩欧美| av专区在线播放| 1000部很黄的大片| 综合色av麻豆| 成年免费大片在线观看| 精品无人区乱码1区二区| 高潮久久久久久久久久久不卡| 中文亚洲av片在线观看爽| 国产91精品成人一区二区三区| 亚洲精华国产精华精| 精品久久久久久成人av| 色老头精品视频在线观看| 97人妻精品一区二区三区麻豆| 99国产综合亚洲精品| 老司机午夜十八禁免费视频| 国产伦在线观看视频一区| 2021天堂中文幕一二区在线观| 亚洲av电影在线进入| 51国产日韩欧美| 国产精品野战在线观看| 好男人电影高清在线观看| 久久精品影院6| 久久性视频一级片| 看黄色毛片网站| 大型黄色视频在线免费观看| 亚洲无线在线观看| 首页视频小说图片口味搜索| 岛国在线观看网站| 在线视频色国产色| 国产伦人伦偷精品视频| 色综合欧美亚洲国产小说| 日韩国内少妇激情av| 91av网一区二区| 亚洲七黄色美女视频| 欧美成人免费av一区二区三区| 欧美绝顶高潮抽搐喷水| 最新中文字幕久久久久| 免费观看的影片在线观看| 日本一本二区三区精品| 我的老师免费观看完整版| 天堂√8在线中文| 一级作爱视频免费观看| 国产综合懂色| 亚洲va日本ⅴa欧美va伊人久久| 我的老师免费观看完整版| 久久中文看片网| 亚洲七黄色美女视频| 99热6这里只有精品| 两人在一起打扑克的视频| 国产色婷婷99| 少妇熟女aⅴ在线视频| 精品人妻偷拍中文字幕| 岛国视频午夜一区免费看| 狠狠狠狠99中文字幕| 久久亚洲真实| 国产日本99.免费观看| 久久人妻av系列| 欧美绝顶高潮抽搐喷水| 国产精品影院久久| 精品国产三级普通话版| АⅤ资源中文在线天堂| 中亚洲国语对白在线视频| 一级作爱视频免费观看| 欧美一级毛片孕妇| 国产成人av激情在线播放| www日本在线高清视频| 国产精品综合久久久久久久免费| 男人舔女人下体高潮全视频| 亚洲狠狠婷婷综合久久图片| 午夜福利在线观看吧| 国产69精品久久久久777片| 午夜久久久久精精品| 国产免费男女视频| 人人妻人人澡欧美一区二区| 精品国产美女av久久久久小说| 一个人免费在线观看的高清视频| 男女视频在线观看网站免费| av片东京热男人的天堂| 成人18禁在线播放| 国产亚洲精品综合一区在线观看| 精品国产亚洲在线| 久久精品夜夜夜夜夜久久蜜豆| 国产一区二区在线av高清观看| a在线观看视频网站| 欧美一级毛片孕妇| 国产亚洲精品综合一区在线观看| 精品国产亚洲在线| 久久亚洲精品不卡| 欧美成人性av电影在线观看| 嫁个100分男人电影在线观看| 国产单亲对白刺激| 久久久久久久久中文| 亚洲 国产 在线| 男女床上黄色一级片免费看| 观看美女的网站| 欧美成人a在线观看| 国产成人av教育| 丰满人妻熟妇乱又伦精品不卡| 亚洲欧美日韩高清在线视频| 色尼玛亚洲综合影院| 99久久精品一区二区三区| 欧美乱色亚洲激情| av中文乱码字幕在线| 久久精品综合一区二区三区| 日韩欧美精品免费久久 | 嫩草影院入口| 性欧美人与动物交配| 国产探花在线观看一区二区| 波野结衣二区三区在线 | 我要搜黄色片| 久久性视频一级片| 美女高潮的动态| 男女那种视频在线观看| 在线观看舔阴道视频| 亚洲国产精品合色在线| 嫩草影视91久久| 欧美黑人欧美精品刺激| 欧美zozozo另类| 免费在线观看亚洲国产| 一级毛片女人18水好多| 熟女电影av网| 中文字幕人成人乱码亚洲影| 九九热线精品视视频播放| 国产精品久久视频播放| 狂野欧美白嫩少妇大欣赏| 国产日本99.免费观看| 国产久久久一区二区三区| 在线观看舔阴道视频| 日韩精品青青久久久久久| 他把我摸到了高潮在线观看| 天美传媒精品一区二区| 美女 人体艺术 gogo| 99热精品在线国产| 久久精品国产综合久久久| 亚洲av二区三区四区| av国产免费在线观看| 免费看美女性在线毛片视频| 在线观看免费午夜福利视频| 久久国产精品人妻蜜桃| 99国产精品一区二区三区| 亚洲精品亚洲一区二区| 国产精品免费一区二区三区在线| 搡老妇女老女人老熟妇| 久久久久性生活片| 一级毛片女人18水好多| 国产乱人伦免费视频| 搡老岳熟女国产| 99国产综合亚洲精品| 亚洲欧美日韩高清专用| 真实男女啪啪啪动态图| 网址你懂的国产日韩在线| 亚洲精品一区av在线观看| 中文字幕人妻丝袜一区二区| 18禁在线播放成人免费| 男人的好看免费观看在线视频| 亚洲欧美精品综合久久99| 可以在线观看毛片的网站| 亚洲最大成人中文| 又粗又爽又猛毛片免费看| 丰满人妻一区二区三区视频av | 99久久精品国产亚洲精品| 91麻豆av在线| 亚洲国产日韩欧美精品在线观看 | 亚洲七黄色美女视频| 日本一二三区视频观看| 亚洲精品456在线播放app | 美女黄网站色视频| 国产精品久久视频播放| 欧美另类亚洲清纯唯美| 又黄又粗又硬又大视频| 国产精品影院久久| 国产精品日韩av在线免费观看| 免费看十八禁软件| 蜜桃久久精品国产亚洲av| 国产乱人伦免费视频| 国产精品久久久久久亚洲av鲁大| 美女高潮喷水抽搐中文字幕| 免费人成视频x8x8入口观看| 欧美黄色淫秽网站| 亚洲 国产 在线| 欧美成人一区二区免费高清观看| 99国产精品一区二区三区| 国产av不卡久久| 精品日产1卡2卡| 国产高潮美女av| 亚洲av熟女| 看片在线看免费视频| 99久久精品热视频| 亚洲精品456在线播放app | 在线观看66精品国产| 午夜福利免费观看在线| 精品国内亚洲2022精品成人| 国产精品久久久久久精品电影| xxxwww97欧美| 亚洲专区中文字幕在线| 亚洲精品久久国产高清桃花| 国产精品乱码一区二三区的特点| 欧美性猛交黑人性爽| 国产av一区在线观看免费| 久久久久亚洲av毛片大全| 日韩高清综合在线| 国语自产精品视频在线第100页| 国产精品日韩av在线免费观看| 丰满人妻熟妇乱又伦精品不卡| 国产三级在线视频| 可以在线观看的亚洲视频| 麻豆成人av在线观看| 免费观看人在逋| 国产探花在线观看一区二区| 国产免费av片在线观看野外av| 欧美色欧美亚洲另类二区| 日本黄色视频三级网站网址| 亚洲国产精品成人综合色| 少妇的逼水好多| 亚洲激情在线av| 国产精品久久久久久久久免 | 在线a可以看的网站| 88av欧美| 99在线视频只有这里精品首页| 脱女人内裤的视频| av欧美777| 非洲黑人性xxxx精品又粗又长| 99视频精品全部免费 在线| 免费一级毛片在线播放高清视频| 色吧在线观看| 精品99又大又爽又粗少妇毛片 | 国产av一区在线观看免费| 中文亚洲av片在线观看爽| 国产精品爽爽va在线观看网站| 国产aⅴ精品一区二区三区波| 精品久久久久久,| 成人av在线播放网站| 久久香蕉精品热| 欧美激情在线99| netflix在线观看网站| 亚洲av美国av| 天堂影院成人在线观看| 黄色女人牲交| 欧美极品一区二区三区四区| 久久国产乱子伦精品免费另类| 欧美色视频一区免费| 变态另类成人亚洲欧美熟女| 亚洲五月天丁香| 无限看片的www在线观看| 亚洲精品粉嫩美女一区| 高潮久久久久久久久久久不卡| 久久婷婷人人爽人人干人人爱| 国产97色在线日韩免费| 午夜福利在线在线| aaaaa片日本免费| 国产一区二区三区视频了| 亚洲精品影视一区二区三区av| 一本综合久久免费| 香蕉丝袜av| 国产激情偷乱视频一区二区| 老汉色av国产亚洲站长工具| 亚洲在线自拍视频| 天堂动漫精品| 亚洲av成人精品一区久久| 精品国产三级普通话版| 亚洲不卡免费看| 亚洲欧美日韩无卡精品| 性欧美人与动物交配| 国产三级中文精品| 女警被强在线播放| 好男人电影高清在线观看| 国产欧美日韩一区二区精品| 亚洲成人久久性| 毛片女人毛片| av在线蜜桃| 美女cb高潮喷水在线观看| 变态另类成人亚洲欧美熟女| 亚洲精品久久国产高清桃花| 女同久久另类99精品国产91| 久久6这里有精品| 香蕉久久夜色| 嫩草影院精品99| 麻豆一二三区av精品| 国产欧美日韩精品亚洲av| 国产高清三级在线| 丰满人妻一区二区三区视频av | 亚洲精品成人久久久久久| 夜夜夜夜夜久久久久| 日韩人妻高清精品专区| 欧美日韩一级在线毛片| 国产一区二区三区视频了| 嫁个100分男人电影在线观看| av福利片在线观看| 99riav亚洲国产免费| 成年版毛片免费区| 久久精品91无色码中文字幕| 老熟妇乱子伦视频在线观看| 亚洲五月天丁香| 欧美日韩精品网址| 欧美成人a在线观看| 国产精品一区二区三区四区免费观看 | 真实男女啪啪啪动态图| 88av欧美| 日日夜夜操网爽| 天堂√8在线中文| 国内精品久久久久精免费| 色吧在线观看| 人妻丰满熟妇av一区二区三区| 国产精品免费一区二区三区在线| 99热这里只有是精品50| 波多野结衣高清作品| 久久久精品大字幕| 国产一区二区在线av高清观看| 高潮久久久久久久久久久不卡| 国产成年人精品一区二区| 中文字幕人妻熟人妻熟丝袜美 | 国产精品野战在线观看| 综合色av麻豆| 久久精品亚洲精品国产色婷小说| 欧美日韩乱码在线| 国产毛片a区久久久久| 一夜夜www| 日本熟妇午夜| 国产精品 国内视频| 欧美日韩精品网址| 俺也久久电影网| 中文亚洲av片在线观看爽| 高清毛片免费观看视频网站| 成年女人看的毛片在线观看| tocl精华| 久久久久久九九精品二区国产| 99在线视频只有这里精品首页| 色哟哟哟哟哟哟| 亚洲国产色片| 久久久久亚洲av毛片大全| aaaaa片日本免费| 国产三级在线视频| 成熟少妇高潮喷水视频| 久久这里只有精品中国| 最近最新中文字幕大全电影3| 欧美黄色片欧美黄色片| 美女被艹到高潮喷水动态| 久久久久久久午夜电影| 国产伦在线观看视频一区| 天美传媒精品一区二区| 亚洲欧美日韩东京热| 51午夜福利影视在线观看| 亚洲国产精品合色在线| 一边摸一边抽搐一进一小说| av在线蜜桃| 操出白浆在线播放| 日本与韩国留学比较| 狂野欧美激情性xxxx| 久久久久久九九精品二区国产| 久久精品综合一区二区三区| 男女做爰动态图高潮gif福利片| 国产淫片久久久久久久久 | 精品一区二区三区视频在线 | 欧美一区二区亚洲| 亚洲国产中文字幕在线视频| 国产精品影院久久| 最近在线观看免费完整版| 欧美日韩综合久久久久久 | 国产 一区 欧美 日韩| 欧美又色又爽又黄视频| 老鸭窝网址在线观看| 丁香六月欧美| 午夜福利欧美成人| 亚洲人成电影免费在线| 天天一区二区日本电影三级| 国产一区二区在线av高清观看| 制服人妻中文乱码| 午夜福利18| 热99re8久久精品国产| h日本视频在线播放| 欧美一区二区国产精品久久精品| 校园春色视频在线观看| 一进一出抽搐gif免费好疼| 国产精品 国内视频| 国产亚洲精品av在线| 老汉色av国产亚洲站长工具| 国产色爽女视频免费观看| 国产精品影院久久| 毛片女人毛片| 久久国产精品影院| 最近在线观看免费完整版| 亚洲精品亚洲一区二区| 99久久综合精品五月天人人| 91麻豆精品激情在线观看国产| 国产高清三级在线| 露出奶头的视频| 老司机深夜福利视频在线观看| 岛国在线免费视频观看| 夜夜看夜夜爽夜夜摸| 18禁裸乳无遮挡免费网站照片| netflix在线观看网站| 欧美最黄视频在线播放免费| 99国产极品粉嫩在线观看| 久久久久国内视频| 亚洲欧美日韩东京热| 欧美成人a在线观看| 精品国产亚洲在线| 免费在线观看成人毛片| 国产精品久久电影中文字幕| 国产成年人精品一区二区| 麻豆一二三区av精品| a级毛片a级免费在线| 国产激情偷乱视频一区二区| 搡老妇女老女人老熟妇| 中文亚洲av片在线观看爽| 在线观看日韩欧美| 18禁黄网站禁片免费观看直播| 久久久久精品国产欧美久久久| 美女高潮喷水抽搐中文字幕| 可以在线观看毛片的网站| 有码 亚洲区| 国产伦在线观看视频一区| 啪啪无遮挡十八禁网站| 免费在线观看影片大全网站| 久久精品国产99精品国产亚洲性色| 一区福利在线观看| 国产探花在线观看一区二区| 制服丝袜大香蕉在线| 国语自产精品视频在线第100页| 久久九九热精品免费| 久久欧美精品欧美久久欧美| 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| 香蕉久久夜色| 日韩欧美精品免费久久 | 欧美bdsm另类| 国产在线精品亚洲第一网站| 露出奶头的视频| 国产精品一区二区三区四区免费观看 | 久久精品亚洲精品国产色婷小说| 一区二区三区免费毛片| 好男人电影高清在线观看| 婷婷丁香在线五月| www.999成人在线观看| 在线播放无遮挡| 欧美激情在线99| 欧美日韩黄片免| 成年免费大片在线观看| 国产91精品成人一区二区三区| 午夜视频国产福利| 欧美激情在线99| 色哟哟哟哟哟哟| 首页视频小说图片口味搜索| 丰满人妻一区二区三区视频av | 亚洲av成人av| 国产探花极品一区二区| 高清毛片免费观看视频网站| 人人妻,人人澡人人爽秒播| 欧洲精品卡2卡3卡4卡5卡区| 老汉色av国产亚洲站长工具| 亚洲最大成人中文| 1024手机看黄色片| 男女午夜视频在线观看| 国产综合懂色| 欧美一区二区亚洲| 欧美三级亚洲精品| av片东京热男人的天堂| 18禁国产床啪视频网站| 在线观看舔阴道视频| 一区二区三区免费毛片| 国产精品影院久久| 精品久久久久久久久久久久久| 亚洲av日韩精品久久久久久密| 亚洲av五月六月丁香网| 可以在线观看的亚洲视频| 日韩 欧美 亚洲 中文字幕| 亚洲人成网站高清观看| 日本免费a在线| 欧美三级亚洲精品| 久久精品国产99精品国产亚洲性色| 97超视频在线观看视频| 熟妇人妻久久中文字幕3abv| 午夜精品在线福利| 亚洲精品成人久久久久久| 天堂网av新在线| 搡老妇女老女人老熟妇| 日本黄色视频三级网站网址| 女人被狂操c到高潮| 国产91精品成人一区二区三区| netflix在线观看网站| 亚洲精品久久国产高清桃花| 人人妻人人澡欧美一区二区| 久久人妻av系列| 我要搜黄色片| 日本黄大片高清| 国产69精品久久久久777片| 丰满人妻一区二区三区视频av | 久久久久久久午夜电影| 免费av不卡在线播放| 美女 人体艺术 gogo| 日韩欧美一区二区三区在线观看| 99久久99久久久精品蜜桃| 最后的刺客免费高清国语| 人人妻人人澡欧美一区二区| 亚洲人成网站高清观看| 日日干狠狠操夜夜爽| 日本黄大片高清| 精品日产1卡2卡| 久久香蕉国产精品| 一个人看的www免费观看视频| 可以在线观看的亚洲视频| 婷婷六月久久综合丁香| netflix在线观看网站| 黄片大片在线免费观看| 美女大奶头视频| 成人一区二区视频在线观看| 欧美黑人巨大hd| 久久精品人妻少妇| 亚洲天堂国产精品一区在线| 少妇裸体淫交视频免费看高清| 身体一侧抽搐| 亚洲男人的天堂狠狠| 90打野战视频偷拍视频| 一区二区三区激情视频| 老司机午夜福利在线观看视频| 亚洲熟妇熟女久久| 亚洲精品一卡2卡三卡4卡5卡| 老司机午夜十八禁免费视频| 岛国视频午夜一区免费看| 国产精品乱码一区二三区的特点| 精品熟女少妇八av免费久了| 亚洲美女视频黄频| 搡老熟女国产l中国老女人| 亚洲成av人片免费观看| 久久精品国产自在天天线| 波多野结衣巨乳人妻| a在线观看视频网站| 91av网一区二区| av专区在线播放| 亚洲精品久久国产高清桃花| 国产真实伦视频高清在线观看 | 日韩欧美国产在线观看| 深爱激情五月婷婷| 免费在线观看影片大全网站| svipshipincom国产片| 深爱激情五月婷婷| 每晚都被弄得嗷嗷叫到高潮| 成人18禁在线播放| 观看美女的网站| 久久久久久九九精品二区国产| 丰满人妻熟妇乱又伦精品不卡| 国产精品女同一区二区软件 | 国产老妇女一区| 成年免费大片在线观看| 少妇的逼好多水| 在线a可以看的网站| 亚洲精品456在线播放app | 亚洲av成人av| 欧美最新免费一区二区三区 | 亚洲天堂国产精品一区在线| 18禁美女被吸乳视频| 亚洲中文字幕一区二区三区有码在线看| 精品午夜福利视频在线观看一区| 久久久久久大精品| 国产极品精品免费视频能看的| 国产精品久久电影中文字幕| 俄罗斯特黄特色一大片| 99久久久亚洲精品蜜臀av| 尤物成人国产欧美一区二区三区| 国产伦人伦偷精品视频| 久久精品人妻少妇| 国产成人a区在线观看| 欧美zozozo另类| 国产野战对白在线观看| av专区在线播放| 禁无遮挡网站| 久久亚洲精品不卡|