• <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 ?

    一種非完全標(biāo)注的文本分類訓(xùn)練方法*

    2019-04-09 09:10:48段軍紅李曉宇慕德俊
    微處理機(jī) 2019年1期
    關(guān)鍵詞:適應(yīng)度類別分類器

    段軍紅,李曉宇,慕德俊

    (西北工業(yè)大學(xué)深圳研究院, 深圳518057)

    1 引 言

    對于完全標(biāo)注的文本,通過深度學(xué)習(xí)、分布式隨機(jī)森林、梯度提升決策樹等分類方法在標(biāo)準(zhǔn)測試集上能實(shí)現(xiàn)較高精度的文本分類[1]。但在當(dāng)前的分類體系下,對于非完全標(biāo)注的文本分類器,無法有效識別出某類別與其它類別的邊界,甚至這些類別本身就是與其它類別重合的。在標(biāo)準(zhǔn)測試集上性能良好的分類算法,往往在實(shí)際數(shù)據(jù)分類中性能表現(xiàn)不佳。分類器性能低下的原因在于樣本分類體系不滿足互斥原則[2]。例如,類別名稱中既包括“中石油”、“中石化”等以關(guān)注對象為分類基準(zhǔn)的類別,又包括“國內(nèi)新聞”、“國外新聞”等以事件地點(diǎn)為基準(zhǔn)的類別,以及各種其它欄目劃分方法,分類標(biāo)準(zhǔn)非常不統(tǒng)一。在不統(tǒng)一的分類標(biāo)準(zhǔn)下,一篇文檔完全可能既屬于“中石油”,又屬于“國內(nèi)新聞”,但在信息采編中,出于避免重復(fù)的原因,編輯最終要將文章僅劃歸在一個(gè)欄目下。這種由于分類邏輯上的不統(tǒng)一以及文章內(nèi)容本質(zhì)上的多樣性,最終將導(dǎo)致分類器無法得到與訓(xùn)練數(shù)據(jù)一致的分類。

    總之,由于樣本數(shù)據(jù)類別標(biāo)示不完備,每個(gè)樣本僅標(biāo)識了實(shí)際所屬分類中的一個(gè),導(dǎo)致機(jī)器學(xué)習(xí)訓(xùn)練出的分類器性能低下,這就是“非完全標(biāo)注”帶來的問題。針對此問題,將原來的分類體系拆分成多個(gè)分類體系,使每個(gè)分類體系下的類別是互斥的,再在每個(gè)拆分出的分類體系下,對數(shù)據(jù)進(jìn)行訓(xùn)練,可提高分類器的精度[3]。而多個(gè)分類器并聯(lián),分別輸出樣本對應(yīng)的類別,即可得到樣本實(shí)際所屬的所有類別。

    2 基于遺傳算法的最優(yōu)分組

    2.1 最優(yōu)類別分組

    將原始分類拆分為多個(gè)分類體系的最優(yōu)組合,是指將原始分類拆分成相互獨(dú)立的多個(gè)分類體系的組合,使得在每個(gè)分類體系中,該體系內(nèi)包含類別的訓(xùn)練樣本通過指定的分類器誤分?jǐn)?shù)量之和最小[4]。

    按照一般監(jiān)督學(xué)習(xí)的定義[5-6],給定包含N 個(gè)訓(xùn)練樣本的訓(xùn)練集{(x1,y1),(x2,y2),…,(xN,yN)},其中xi是第i 個(gè)樣本的特征向量,yi是第i 個(gè)樣本的類別序號,yi∈{1,2,…,M},分類學(xué)習(xí)算法就是在假設(shè)空間(Hypothesis Space)中尋找一個(gè)函數(shù)g:X→Y,其中X 是輸入空間,Y 是輸出空間,使得對于一個(gè)指定的評分函數(shù)(Scoring Function)f:X×Y→R,函數(shù)g 可以返回使得評分函數(shù)取值最大的y,即gg(xx)=。

    為了表征函數(shù)與訓(xùn)練集的擬合程度,一般均會定義一個(gè)損失函數(shù)(Loss Function)L:X×Y→R≥0,以及一個(gè)風(fēng)險(xiǎn)函數(shù)(Risk Function),定義為損失函數(shù)的期望值,該期望值可通過訓(xùn)練樣本進(jìn)行估計(jì),即。此外,為了防止過擬合,在訓(xùn)練時(shí)還會引入正則化懲罰因子(Regularization Penalty)先驗(yàn)分布C(g),常見的選擇包括L1范數(shù)、L2范數(shù)等。因此,分類學(xué)習(xí)算法即是在假設(shè)空間中尋找一個(gè)函數(shù)g 使得結(jié)構(gòu)化風(fēng)險(xiǎn)J(g)=Remp(g)+λC(g)最小。

    而在“非完全標(biāo)注”問題中,則是要尋找一個(gè)輸出空間(分類標(biāo)簽)的K 劃分,使得對任意的α≠β均有,且通過給定的監(jiān)督學(xué)習(xí)算法生成K 個(gè)映射gi:X→Yi,i=1,2,…,k,使得J(gi)最小。

    機(jī)器學(xué)習(xí)訓(xùn)練過程時(shí)間復(fù)雜度一般較高。若在優(yōu)化的每一個(gè)迭代過程中均需要對訓(xùn)練后的結(jié)構(gòu)化風(fēng)險(xiǎn)J(gi)進(jìn)行計(jì)算,則計(jì)算事件復(fù)雜度往往會增大到不可接受的程度。對于分類訓(xùn)練后得到的融合矩陣,由于其表征了經(jīng)過特定的監(jiān)督學(xué)習(xí)算法后的樣本標(biāo)注類別與訓(xùn)練出的分類器預(yù)測的類別之間的差異,因此,可直接采用訓(xùn)練數(shù)據(jù)的融合矩陣作為最優(yōu)化分組的依據(jù)[7-8]。

    在分類問題中,希望對于整個(gè)訓(xùn)練集而言,錯(cuò)分類的樣本數(shù)量占所有樣本數(shù)量的比例盡可能小。在分組后,設(shè)置實(shí)際優(yōu)化目標(biāo)如下:

    設(shè)融合矩陣SN×N=[si,j],矩陣中元素si,j為標(biāo)注為第yi類但經(jīng)過給定分類算法預(yù)測為第yj類的訓(xùn)練樣本數(shù)量。那么,最優(yōu)分組是尋找一個(gè)類別集合Y 的K劃分且YYαα∩IYYββ==Φ?,可使得誤分率ER=最小化。

    例如,圖1 為A、B、C、D、E 五個(gè)類別的融合矩陣,顯然,僅有對角線上的元素S1,1,S2,2,…,S5,5為正確分類的樣本數(shù)量,其它元素均為誤分類,那么,整個(gè)樣本集在該分類器下的誤分率即為:

    若將所有類別做一個(gè)2-劃分,例如,{A,C}劃分為一組,{B,D,E}劃分為一組,那么,在{A,C}組內(nèi),s1,1+s3,3仍為正確劃分的樣本數(shù)量,而錯(cuò)誤劃分的樣本數(shù)量為s1,3+s3,1。同樣,在{B,D,E}組內(nèi),s2,2+s4,4+s5,5為正確劃分的樣本數(shù)量,s2,4+s2,5+s4,2+s4,4+s5,2+s5,4則是錯(cuò)誤劃分的樣本數(shù)量。故此,在這種劃分下,樣本的誤分率為:

    而優(yōu)化目標(biāo),則是找到一個(gè)最優(yōu)的劃分,使得誤分率達(dá)到最小[9-10]。

    圖1 分組優(yōu)化目標(biāo)

    2.2 遺傳算法

    在明確最優(yōu)化目標(biāo)后,要設(shè)法對這一優(yōu)化過程進(jìn)行計(jì)算。首先,需要評估的是解空間的大小。在確定分組數(shù)量K 的前提下,將N 個(gè)元素分為K 組,每組至少包括一個(gè)元素,其組合數(shù)量為第二類Stirling數(shù)S(N,K),其遞推計(jì)算公式為:

    以50 個(gè)類別分為3 組為例,有:

    S(50,3) =4,081,990,278,659,592,354

    顯然,對此不可能通過窮舉遍歷的方式進(jìn)行,需要采用一種優(yōu)化算法[11-12]。遺傳算法是一類借鑒了進(jìn)化生物學(xué)中的一些現(xiàn)象發(fā)展出來的最優(yōu)化方法,是進(jìn)化算法的一種。在遺傳算法中,優(yōu)化問題的解被稱為個(gè)體,表示為變量序列,一般稱其為染色體(Chrome)。染色體一般表達(dá)為簡單的字符串或數(shù)字串,這一過程稱為編碼。算法在起始時(shí)隨機(jī)生成一定數(shù)量的個(gè)體,在每一代中,每一個(gè)個(gè)體都被評價(jià),并通過計(jì)算適應(yīng)度函數(shù)得到一個(gè)適應(yīng)度數(shù)值。隨后,按照一定的選擇策略(一般而言適應(yīng)度越高被選中的概率越高),選擇一定量的個(gè)體進(jìn)入繁殖階段。在繁殖階段中一般包括交叉(Crossover)與變異(Mutation)兩個(gè)算子。交叉是指在一定的交叉概率下(一般范圍是0.6~1),兩個(gè)被選中的個(gè)體的染色體在交配點(diǎn)互換,生成兩個(gè)新的染色體以代替原有個(gè)體;而變異則是指按照一定的變異概率(通常小于0.1)在隨機(jī)位置改變原有染色體。通過多次迭代,新產(chǎn)生的個(gè)體一代代向增加適應(yīng)度的方向發(fā)展,直至得到滿足條件的解。算法過程如圖2 所示。

    圖2 遺傳算法

    在最優(yōu)分組問題中,設(shè)遺傳算法相關(guān)要素如下:

    (1) 融合矩陣:采用GBM 算法訓(xùn)練生成的融合矩陣;

    (2) 編碼方式:采用整數(shù)編碼,染色體長度為類別數(shù)量N,染色體上每條基因的取值范圍為{1,2,…,K},其中K 為分組數(shù)量,染色體上取同一個(gè)值的類別代表分在同一組內(nèi),這樣一條染色體就代表一個(gè)可行解,并且所有的可行解均可用染色體來表示,任意染色體經(jīng)過交叉和變異算子處理后,生成的子代仍為可行解;

    (3) 適應(yīng)度函數(shù):由于遺傳算法是選擇適應(yīng)度高的個(gè)體,因此不直接采用誤分率ER 作為適應(yīng)度,而是采用正確率P=1-ER 作為適應(yīng)度;

    (4) 種群數(shù)量:10000 條;

    (5) 交叉概率:0.35;

    (6) 變異概率:1/12;

    (7) 最大迭代次數(shù):100 次;

    (8) 樣本數(shù)量:184415 個(gè)(刪除了樣本個(gè)數(shù)過少的類別);

    (9) 類別數(shù)量:101 個(gè)(刪除了樣本個(gè)數(shù)過少的類別);

    (10) 分組數(shù)量:3 組。

    經(jīng)過遺傳算法計(jì)算,在第100 代時(shí),適應(yīng)度達(dá)到了0.9343。

    按照計(jì)算出的分組,對各個(gè)分組進(jìn)行了GBM 分類訓(xùn)練,組內(nèi)訓(xùn)練結(jié)果如表1 所示。

    表1 組內(nèi)分類效果

    可以看出,在各個(gè)分組內(nèi),分類器的分類效果都明顯優(yōu)于未分組前。即組內(nèi)的類別對于該分類算法而言,具備較好的可區(qū)分性,類別獨(dú)立性較強(qiáng),重疊性較低。由此可確定,該分組方式可以達(dá)到將原始分類拆分成相互獨(dú)立的多個(gè)分類體系組合的作用。將通過三組數(shù)據(jù)分別訓(xùn)練出的分類器對所有數(shù)據(jù)進(jìn)行標(biāo)注,且若認(rèn)為任一個(gè)分類器給出的標(biāo)簽符合原始標(biāo)簽即認(rèn)為分類正確,則得到的分類正確率即為1-0.2174=78.26%,準(zhǔn)確度有明顯的提升[13]。

    以圖3 所示的頁面作為一個(gè)實(shí)例,對分類器給出的標(biāo)簽進(jìn)行主觀判斷。從抽樣結(jié)果看,標(biāo)簽的合理性可以得到肯定[14-15]。例如,在原始樣本中,《勝利油田高溫分布式光纖測溫技術(shù)成功應(yīng)用》一文被劃歸在“石油科技·科技動態(tài)·物探測井”欄目下,而經(jīng)過最優(yōu)分組后,該文還被識別為“石油科技·科技動態(tài)·勘探開發(fā)”以及“工程服務(wù)·物探測井”等幾個(gè)額外類別。

    圖3 分類實(shí)例

    3 分組數(shù)量確定

    通過指定分組數(shù)量,利用分類算法在測試集上的融合矩陣,即可借助例如遺傳算法來獲取最優(yōu)分組,解決由于樣本標(biāo)注不完全帶來的分類器性能低下的問題。

    隨著分組數(shù)量的增加,最優(yōu)分組對應(yīng)的適應(yīng)度逐漸增加,但增加趨勢逐漸變緩。最優(yōu)分組需要指定分組數(shù)量K,可以通過計(jì)算不同分組數(shù)量下的適應(yīng)度,從而得到適當(dāng)?shù)姆纸M數(shù)量。

    通過分析可以發(fā)現(xiàn),按照上述方法獲得的最優(yōu)適應(yīng)度,與二項(xiàng)分布規(guī)律高度吻合:在最優(yōu)K 分組上的適應(yīng)度,近似等于分類算法在K 次分類實(shí)驗(yàn)中至少成功一次的概率。從數(shù)據(jù)上看,兩者非常吻合。

    對之前提及的其它分類算法,包括深度學(xué)習(xí)、分布式隨機(jī)森林等都進(jìn)行了基于融合矩陣的最優(yōu)分組,可得到類似的結(jié)論。因此認(rèn)為,基于融合矩陣的最優(yōu)化分組,可以解決由非完全標(biāo)注帶來的分類器性能下降的問題,并得到了具備一定通用性的兩步分類框架:

    (1) 利用分類算法對訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練,得到針對訓(xùn)練集的融合矩陣S 以及精確度p;

    (3) 以最大化正確率為優(yōu)化目標(biāo),采用優(yōu)化算法(如遺傳算法等)計(jì)算最優(yōu)分組方案;

    (4) 按照最優(yōu)分組,采用與之前相同的分類算法以及算法超參數(shù),分別訓(xùn)練各組數(shù)據(jù)的分類器;

    (5) 并聯(lián)分類器,對每一個(gè)待分類樣本進(jìn)行分類,得到的分類結(jié)果均作為該樣本的類別標(biāo)簽。

    表2 為根據(jù)中國石油天然氣集團(tuán)公司(China National Petroleum Corporation, CNPC)語料庫選用梯度增強(qiáng)機(jī)(Gradient boosting machine, GBM)分類算法獲得的融合矩陣,進(jìn)而通過遺傳算法得到的分組數(shù)量(第一行)與適應(yīng)度(第二行)的關(guān)系,表中第三行為依據(jù)二項(xiàng)分布X~B(K,p)計(jì)算出的K 次貝努利實(shí)驗(yàn)至少成功一次的概率prob=1- (1- p)K,其中p 為GBM 分類算法對未分組的整個(gè)數(shù)據(jù)集進(jìn)行訓(xùn)練后得到的分類器的精確度。在其它數(shù)據(jù)集上也發(fā)現(xiàn)了類似的規(guī)律。

    表2 分組數(shù)量的經(jīng)驗(yàn)分布與實(shí)際分布

    按照上述規(guī)律,就可以直接估計(jì)達(dá)到指定的適應(yīng)度閾值所需的分組數(shù)量,即:

    適應(yīng)度越高,意味著分類器在分組后的訓(xùn)練集上表現(xiàn)越好,同時(shí)在驗(yàn)證集上也能表現(xiàn)出較好的性能,例如在對CNPC 語料庫進(jìn)行最優(yōu)5-劃分后,分類器在驗(yàn)證集上的精度提升至88.61%,較3-劃分上的精度78.26%又有較大提升。

    4 結(jié)束語

    在當(dāng)前分類體系下,非完全標(biāo)注的文本分類器無法有效識別出與其它類別的邊界,甚至這些類別本身就是與其它類別重合,造成實(shí)際數(shù)據(jù)中分類性能低下。針對此類問題,通過最優(yōu)類別分組和遺傳算法,嘗試建立了一種非完全標(biāo)注的文本分類訓(xùn)練方法,將原來的分類體系拆分成多個(gè)分類體系,使得每個(gè)分類體系下的類別彼此互斥,在每個(gè)拆分出的分類體系下,對數(shù)據(jù)進(jìn)行訓(xùn)練,提高分類器的精度。經(jīng)過多個(gè)分類器并聯(lián),分別輸出樣本對應(yīng)的類別,就可以得到樣本實(shí)際所屬的所有類別。通過中國石油天然氣集團(tuán)公司語料庫選用梯度增強(qiáng)機(jī)分類算法獲得的融合矩陣,用所提方法進(jìn)行了仿真,結(jié)果表明:適應(yīng)度越高,分類器在分組后的訓(xùn)練集上表現(xiàn)越好,同時(shí)在驗(yàn)證集上也能表現(xiàn)出較好的性能,分類器在驗(yàn)證集上的精度有較大的提升,證實(shí)了該方法的有效性。

    猜你喜歡
    適應(yīng)度類別分類器
    改進(jìn)的自適應(yīng)復(fù)制、交叉和突變遺傳算法
    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(jī)的TSK分類器
    基于空調(diào)導(dǎo)風(fēng)板成型工藝的Kriging模型適應(yīng)度研究
    中國塑料(2016年11期)2016-04-16 05:26:02
    服務(wù)類別
    新校長(2016年8期)2016-01-10 06:43:59
    論類別股東會
    商事法論集(2014年1期)2014-06-27 01:20:42
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識別
    中醫(yī)類別全科醫(yī)師培養(yǎng)模式的探討
    少數(shù)民族大學(xué)生文化適應(yīng)度調(diào)查
    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| 99久久无色码亚洲精品果冻| 亚洲精品粉嫩美女一区| 精品久久久久久久久亚洲| 18+在线观看网站| 欧美另类亚洲清纯唯美| 综合色av麻豆| 欧美一区二区精品小视频在线| 九九在线视频观看精品| 日韩欧美在线乱码| 成人综合一区亚洲| 亚洲国产精品国产精品| 99热这里只有是精品在线观看| 性色avwww在线观看| 久久6这里有精品| 97在线视频观看| 久久国内精品自在自线图片| 深爱激情五月婷婷| 变态另类丝袜制服| 亚洲美女视频黄频| 久久亚洲国产成人精品v| 菩萨蛮人人尽说江南好唐韦庄 | 久久99蜜桃精品久久| 成人亚洲欧美一区二区av| 小蜜桃在线观看免费完整版高清| 日本三级黄在线观看| 非洲黑人性xxxx精品又粗又长| 亚洲最大成人av| av福利片在线观看| 国产精品久久久久久av不卡| 免费电影在线观看免费观看| 午夜福利高清视频| 久久精品91蜜桃| 永久网站在线| 成年女人看的毛片在线观看| 插逼视频在线观看| 精品久久久噜噜| 久久人妻av系列| 99热精品在线国产| 国产日韩欧美在线精品| 在线播放国产精品三级| 日韩亚洲欧美综合| 此物有八面人人有两片| 日日啪夜夜撸| 国产精品久久久久久精品电影| 18禁黄网站禁片免费观看直播| 亚州av有码| 黄色视频,在线免费观看| 久久综合国产亚洲精品| 国产精华一区二区三区| 麻豆国产av国片精品| 夜夜夜夜夜久久久久| 99热6这里只有精品| 国产老妇伦熟女老妇高清| 亚洲精品久久国产高清桃花| 国产精品三级大全| 99九九线精品视频在线观看视频| 超碰av人人做人人爽久久| 欧美在线一区亚洲| 毛片一级片免费看久久久久| 全区人妻精品视频| 99热这里只有是精品50| 啦啦啦观看免费观看视频高清| 97超碰精品成人国产| 国产伦在线观看视频一区| 日韩欧美 国产精品| 国产成人91sexporn| 国产高清有码在线观看视频| 日本撒尿小便嘘嘘汇集6| 联通29元200g的流量卡| 伊人久久精品亚洲午夜| 日本免费一区二区三区高清不卡| 免费av毛片视频| 偷拍熟女少妇极品色| videossex国产| 成人性生交大片免费视频hd| 成人鲁丝片一二三区免费| 97人妻精品一区二区三区麻豆| 国产免费男女视频| 日本熟妇午夜| 亚洲激情五月婷婷啪啪| 亚洲18禁久久av| 中国美女看黄片| 蜜桃亚洲精品一区二区三区| 亚洲丝袜综合中文字幕| 国产伦精品一区二区三区四那| 亚洲成人av在线免费| 免费看a级黄色片| 亚州av有码| 色播亚洲综合网| 青春草国产在线视频 | 99在线视频只有这里精品首页| 国产精华一区二区三区| 1024手机看黄色片| 免费在线观看成人毛片| 九九爱精品视频在线观看| 午夜精品国产一区二区电影 | 亚洲中文字幕一区二区三区有码在线看| 大又大粗又爽又黄少妇毛片口| 国产成年人精品一区二区| 我的女老师完整版在线观看| 免费观看人在逋| 一级毛片久久久久久久久女| 禁无遮挡网站| 99热这里只有是精品在线观看| 91精品国产九色| 精品久久久噜噜| 亚洲中文字幕一区二区三区有码在线看| av.在线天堂| 婷婷亚洲欧美| 日本黄大片高清| av免费在线看不卡| 日本爱情动作片www.在线观看| 99久久无色码亚洲精品果冻| 三级毛片av免费| 国产精品久久视频播放| 91aial.com中文字幕在线观看| 婷婷色综合大香蕉| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 亚洲欧美日韩东京热| 小说图片视频综合网站| 欧美不卡视频在线免费观看| 伦精品一区二区三区| 乱码一卡2卡4卡精品| 免费av观看视频| 小说图片视频综合网站| 亚洲成人精品中文字幕电影| 日日撸夜夜添| 色播亚洲综合网| 乱系列少妇在线播放| 中文字幕人妻熟人妻熟丝袜美| 国产色婷婷99| 亚洲精品影视一区二区三区av| 噜噜噜噜噜久久久久久91| 欧美xxxx黑人xx丫x性爽| 麻豆国产av国片精品| 啦啦啦韩国在线观看视频| 国产精品一区二区性色av| 中文精品一卡2卡3卡4更新| 亚洲精品久久国产高清桃花| 老司机福利观看| 久久久久久久久中文| 一个人看的www免费观看视频| 波多野结衣高清无吗| 又粗又硬又长又爽又黄的视频 | 最近2019中文字幕mv第一页| 亚洲欧美日韩高清在线视频| 精品熟女少妇av免费看| 亚洲av男天堂| 国产黄片视频在线免费观看| 少妇猛男粗大的猛烈进出视频 | 日韩欧美在线乱码| 中文在线观看免费www的网站| 免费看光身美女| 国产高清激情床上av| 99久久无色码亚洲精品果冻| 精品久久久久久成人av| 国产精品.久久久| 18禁黄网站禁片免费观看直播| 日韩三级伦理在线观看| 亚洲高清免费不卡视频| 欧美成人免费av一区二区三区| 欧美人与善性xxx| ponron亚洲| 99久久精品热视频| 亚洲18禁久久av| 欧美性感艳星| 18禁裸乳无遮挡免费网站照片| 99热全是精品| 国产激情偷乱视频一区二区| 国产女主播在线喷水免费视频网站 | 久久久成人免费电影| 亚洲激情五月婷婷啪啪| kizo精华| 国产高潮美女av| 国产成年人精品一区二区| 国产精品久久久久久av不卡| 亚洲人与动物交配视频| kizo精华| 国产真实伦视频高清在线观看| 色哟哟·www| 18禁在线无遮挡免费观看视频| 美女高潮的动态| 日韩欧美在线乱码| 亚洲精品自拍成人| 国产精品人妻久久久影院| 99九九线精品视频在线观看视频| 在线观看午夜福利视频| 国产真实乱freesex| 99久久人妻综合| 欧美不卡视频在线免费观看| 久久国产乱子免费精品| 日韩三级伦理在线观看| 熟女电影av网| 黄片wwwwww| 欧美激情在线99| 欧美成人免费av一区二区三区| 成人美女网站在线观看视频| 亚洲第一区二区三区不卡| 九色成人免费人妻av| 国产中年淑女户外野战色| 久久亚洲国产成人精品v| 日产精品乱码卡一卡2卡三| a级毛片免费高清观看在线播放| 最后的刺客免费高清国语| 国产色爽女视频免费观看| 1000部很黄的大片| 中文字幕熟女人妻在线| 久久精品国产99精品国产亚洲性色| 91精品一卡2卡3卡4卡| 大型黄色视频在线免费观看| 精品午夜福利在线看| videossex国产| 特大巨黑吊av在线直播| 亚洲av成人精品一区久久| 看十八女毛片水多多多| 成人美女网站在线观看视频| 麻豆精品久久久久久蜜桃| 在线国产一区二区在线| 蜜臀久久99精品久久宅男| 久久精品综合一区二区三区| 99久国产av精品国产电影| 啦啦啦韩国在线观看视频| 在线观看av片永久免费下载| 欧美一区二区国产精品久久精品| 精品人妻熟女av久视频| 成人综合一区亚洲| 久久久午夜欧美精品| 91在线精品国自产拍蜜月| 久久久久久久久久久丰满| 国产精品国产高清国产av| 国产精品无大码| 欧美性感艳星| av视频在线观看入口| 亚洲精品久久国产高清桃花| 日韩 亚洲 欧美在线| 亚洲婷婷狠狠爱综合网| 欧美高清性xxxxhd video| 尤物成人国产欧美一区二区三区| 色尼玛亚洲综合影院| 热99re8久久精品国产| 啦啦啦韩国在线观看视频| 神马国产精品三级电影在线观看| 我要搜黄色片| 日本欧美国产在线视频| 在线国产一区二区在线| 久久亚洲精品不卡| 一本一本综合久久| 亚洲,欧美,日韩| 精华霜和精华液先用哪个| 亚洲aⅴ乱码一区二区在线播放| 日本撒尿小便嘘嘘汇集6| 大香蕉久久网| 深夜精品福利| 精品人妻熟女av久视频| 啦啦啦观看免费观看视频高清| 大型黄色视频在线免费观看| 99在线人妻在线中文字幕| 一本一本综合久久| 国产乱人偷精品视频| 麻豆一二三区av精品| 一本一本综合久久| 高清在线视频一区二区三区 | 亚洲欧美日韩高清专用| 久久精品国产鲁丝片午夜精品| 成人亚洲欧美一区二区av| 国产高清激情床上av| 美女xxoo啪啪120秒动态图| 一进一出抽搐动态| 天堂影院成人在线观看| 美女脱内裤让男人舔精品视频 | 91久久精品国产一区二区成人| 久久这里只有精品中国| 精品国产三级普通话版| 六月丁香七月| 久久人人爽人人片av| 黄色日韩在线| 色综合站精品国产| 成熟少妇高潮喷水视频| 精品熟女少妇av免费看| 综合色丁香网| 日本在线视频免费播放| 成人毛片60女人毛片免费| 成人特级av手机在线观看| 麻豆乱淫一区二区| 国产精品不卡视频一区二区| 国产精品福利在线免费观看| 搡老妇女老女人老熟妇| 亚洲av成人精品一区久久| 日韩一本色道免费dvd| 99在线人妻在线中文字幕| 国产片特级美女逼逼视频| 国产成人精品一,二区 | 久久久久久久久久黄片| 高清毛片免费观看视频网站| 最近最新中文字幕大全电影3| 秋霞在线观看毛片| 日韩一区二区三区影片| 国产免费男女视频| 国产成人91sexporn| 一边摸一边抽搐一进一小说| 91精品一卡2卡3卡4卡| 高清日韩中文字幕在线| 日韩一区二区三区影片| 全区人妻精品视频| 我要搜黄色片| 观看免费一级毛片| 麻豆久久精品国产亚洲av| 久久久精品欧美日韩精品| 成人亚洲精品av一区二区| 欧美区成人在线视频| 搡女人真爽免费视频火全软件| 欧美xxxx黑人xx丫x性爽| 亚洲人成网站在线观看播放| 久久99热这里只有精品18| 久久久久九九精品影院| 天堂影院成人在线观看| 国产免费一级a男人的天堂| 舔av片在线| 欧美激情在线99| 麻豆国产97在线/欧美| 免费观看的影片在线观看| 尤物成人国产欧美一区二区三区| 我的老师免费观看完整版| 国产精品日韩av在线免费观看| 国产单亲对白刺激| 一级黄色大片毛片| 亚洲自偷自拍三级| 国产麻豆成人av免费视频| 久久久久免费精品人妻一区二区| 欧美+亚洲+日韩+国产| 精品久久国产蜜桃| 久久精品夜色国产| 特级一级黄色大片| 26uuu在线亚洲综合色| 日韩亚洲欧美综合| 午夜视频国产福利| 亚洲成人精品中文字幕电影| 亚洲五月天丁香| 国产成人精品一,二区 | 日韩制服骚丝袜av| 99视频精品全部免费 在线| 亚洲美女视频黄频| 国产亚洲精品久久久com| 丝袜喷水一区| 日日啪夜夜撸| 嫩草影院新地址| 精品久久久久久久久久久久久| 老熟妇乱子伦视频在线观看| 日韩精品有码人妻一区| 一区二区三区免费毛片| 又黄又爽又刺激的免费视频.| 在线观看av片永久免费下载| 69av精品久久久久久| 久久久精品大字幕| 久久精品国产自在天天线| 久久久国产成人免费| 网址你懂的国产日韩在线| 国产精品三级大全| 久久精品久久久久久久性| 亚洲第一电影网av| 高清毛片免费看| 亚洲中文字幕一区二区三区有码在线看| 综合色av麻豆| 精品99又大又爽又粗少妇毛片| 天天一区二区日本电影三级| 国产一区二区激情短视频| 免费黄网站久久成人精品| 91aial.com中文字幕在线观看| 午夜爱爱视频在线播放| 国产黄片美女视频| 超碰av人人做人人爽久久| 午夜精品一区二区三区免费看| 久久久午夜欧美精品| videossex国产| 成人高潮视频无遮挡免费网站| 综合色av麻豆| 国产色爽女视频免费观看| 中文欧美无线码| 国产成人a∨麻豆精品| 在线国产一区二区在线| 久久精品国产清高在天天线| 亚洲精品国产av成人精品| 乱人视频在线观看| 亚洲久久久久久中文字幕| 日韩精品青青久久久久久| 亚洲欧美日韩卡通动漫| 国产亚洲av片在线观看秒播厂 | 99久国产av精品国产电影| 国产精品野战在线观看| 3wmmmm亚洲av在线观看| 亚洲欧美清纯卡通| 国产av麻豆久久久久久久| 亚洲成人精品中文字幕电影| 一本久久精品| 亚洲,欧美,日韩| 菩萨蛮人人尽说江南好唐韦庄 | 五月伊人婷婷丁香| 毛片女人毛片| 亚洲在久久综合| 亚洲自偷自拍三级| 内地一区二区视频在线| 亚洲成人久久性| 少妇裸体淫交视频免费看高清| 国产大屁股一区二区在线视频| 我的老师免费观看完整版| 日本五十路高清| 人妻夜夜爽99麻豆av| 亚洲国产欧美人成| 午夜激情福利司机影院| 伦理电影大哥的女人| 国产成人91sexporn| 秋霞在线观看毛片| 中文亚洲av片在线观看爽| 五月玫瑰六月丁香| 成人鲁丝片一二三区免费| 在线a可以看的网站| 天天躁夜夜躁狠狠久久av| 黄色视频,在线免费观看| 啦啦啦啦在线视频资源| 国产精品不卡视频一区二区| 亚洲综合色惰| 欧美成人免费av一区二区三区| 午夜福利高清视频| 给我免费播放毛片高清在线观看| 欧美激情久久久久久爽电影| 国产黄a三级三级三级人| 又爽又黄a免费视频| 欧美又色又爽又黄视频| 日韩欧美精品免费久久| 中文字幕av在线有码专区| 一级av片app| 1000部很黄的大片| 欧美在线一区亚洲| 男女那种视频在线观看| 少妇的逼水好多| 丰满人妻一区二区三区视频av| 成年免费大片在线观看| 国内精品美女久久久久久| 免费观看人在逋| 亚洲欧美成人精品一区二区| 国产一区二区三区在线臀色熟女| 欧美一级a爱片免费观看看| 爱豆传媒免费全集在线观看| 观看免费一级毛片| 99热只有精品国产| 亚洲图色成人| 欧美bdsm另类| 热99re8久久精品国产| 精品一区二区三区人妻视频| 禁无遮挡网站| 夜夜看夜夜爽夜夜摸| 亚洲高清免费不卡视频| www.av在线官网国产| 最近视频中文字幕2019在线8| 中文字幕人妻熟人妻熟丝袜美| 亚洲高清免费不卡视频| 人体艺术视频欧美日本| 亚洲人与动物交配视频| 欧美日韩精品成人综合77777| 亚洲一区高清亚洲精品| 22中文网久久字幕| 老司机影院成人| 久久久久久久久久久免费av| 亚洲av一区综合| 国产综合懂色| 免费在线观看成人毛片| 亚洲经典国产精华液单| 狠狠狠狠99中文字幕| 日日摸夜夜添夜夜添av毛片| 国产一区二区在线av高清观看| 午夜久久久久精精品| 亚洲乱码一区二区免费版| 性欧美人与动物交配| 亚洲精品日韩av片在线观看| 最近的中文字幕免费完整| 国产爱豆传媒在线观看| 午夜激情欧美在线| 又粗又爽又猛毛片免费看| 国产麻豆成人av免费视频| 两个人的视频大全免费| 国产精品久久久久久精品电影小说 | 国产蜜桃级精品一区二区三区| 老司机福利观看| eeuss影院久久| 欧美另类亚洲清纯唯美| av国产免费在线观看| 精品无人区乱码1区二区| 99久久九九国产精品国产免费| 超碰av人人做人人爽久久| 97超碰精品成人国产| 亚洲av成人av| 一卡2卡三卡四卡精品乱码亚洲| 午夜福利高清视频| 1024手机看黄色片| 久久欧美精品欧美久久欧美| 欧洲精品卡2卡3卡4卡5卡区| 男女边吃奶边做爰视频| 伦理电影大哥的女人| 欧美色视频一区免费| av在线观看视频网站免费| 99久久人妻综合| 久久久久久国产a免费观看| 黄色配什么色好看| 精品一区二区三区视频在线| 亚洲精品成人久久久久久| 精品久久久久久久久久免费视频| 亚洲精品色激情综合| 男女那种视频在线观看| 亚洲美女视频黄频| 免费看日本二区| 成人毛片a级毛片在线播放| 中国美女看黄片| 人体艺术视频欧美日本| 日本一二三区视频观看| 精品熟女少妇av免费看| 一边摸一边抽搐一进一小说| 老熟妇乱子伦视频在线观看| 少妇裸体淫交视频免费看高清| 看黄色毛片网站| 99在线人妻在线中文字幕| 天堂影院成人在线观看| 亚洲熟妇中文字幕五十中出| 国产成人freesex在线| 美女cb高潮喷水在线观看| 欧美日本亚洲视频在线播放| 十八禁国产超污无遮挡网站| 少妇裸体淫交视频免费看高清| 成人特级黄色片久久久久久久| 桃色一区二区三区在线观看| 日韩欧美三级三区| 内射极品少妇av片p| 男人的好看免费观看在线视频| 日本与韩国留学比较| 久久久a久久爽久久v久久| 美女xxoo啪啪120秒动态图| 在线天堂最新版资源| 免费在线观看成人毛片| 国产私拍福利视频在线观看| 97超碰精品成人国产| 能在线免费看毛片的网站| 蜜臀久久99精品久久宅男| 乱码一卡2卡4卡精品| 深爱激情五月婷婷| 永久网站在线| 人妻久久中文字幕网| 九色成人免费人妻av| 老熟妇乱子伦视频在线观看| 狂野欧美白嫩少妇大欣赏| 国产蜜桃级精品一区二区三区| 18+在线观看网站| 性色avwww在线观看| 亚洲乱码一区二区免费版| 亚洲人成网站高清观看| 69人妻影院| 亚洲一区二区三区色噜噜| 精品日产1卡2卡| 国产国拍精品亚洲av在线观看| 大香蕉久久网| 少妇人妻精品综合一区二区 | 热99re8久久精品国产| 久久久久久伊人网av| 国产成人一区二区在线| 在现免费观看毛片| 26uuu在线亚洲综合色| 麻豆一二三区av精品| 欧美成人一区二区免费高清观看| 国产精品福利在线免费观看| 黄色欧美视频在线观看| 免费人成视频x8x8入口观看| 国产爱豆传媒在线观看| 尤物成人国产欧美一区二区三区| 欧美一区二区亚洲| 国产免费一级a男人的天堂| 免费黄网站久久成人精品| or卡值多少钱| 国产午夜福利久久久久久| 中文字幕制服av| 亚洲精品国产成人久久av| 在线天堂最新版资源| 99久国产av精品| 国产黄a三级三级三级人| av福利片在线观看| 免费看av在线观看网站| 亚洲内射少妇av| 三级经典国产精品| 亚洲成a人片在线一区二区| 国产精品一区二区三区四区久久| 亚洲最大成人中文| 三级毛片av免费| 99热只有精品国产| 少妇高潮的动态图| 人妻系列 视频| 国产亚洲91精品色在线| 婷婷精品国产亚洲av| 欧美丝袜亚洲另类| 亚洲av男天堂| 日韩,欧美,国产一区二区三区 | 在线播放无遮挡| 亚洲欧美日韩高清专用| 草草在线视频免费看| 国产成人一区二区在线| 亚洲国产色片| 亚洲综合色惰| 亚洲欧美日韩东京热| 午夜激情福利司机影院| 爱豆传媒免费全集在线观看| 婷婷亚洲欧美| 久久99热6这里只有精品| 一边亲一边摸免费视频| 国产白丝娇喘喷水9色精品| 久久精品国产亚洲网站| 又粗又硬又长又爽又黄的视频 | 亚洲av熟女|