• <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
    日本一本二区三区精品| 国产免费一区二区三区四区乱码| 国产精品国产三级国产av玫瑰| 大码成人一级视频| 亚洲内射少妇av| 天美传媒精品一区二区| 男人和女人高潮做爰伦理| 久久久久国产精品人妻一区二区| 美女xxoo啪啪120秒动态图| 91久久精品国产一区二区成人| 18禁在线无遮挡免费观看视频| 国精品久久久久久国模美| 久久影院123| 久久精品国产自在天天线| 视频区图区小说| 亚洲精品日韩av片在线观看| 又粗又硬又长又爽又黄的视频| 一级毛片 在线播放| 日日撸夜夜添| 午夜亚洲福利在线播放| 好男人在线观看高清免费视频| 免费黄色在线免费观看| 日本与韩国留学比较| 日产精品乱码卡一卡2卡三| 欧美潮喷喷水| 久久久久精品性色| 身体一侧抽搐| 秋霞伦理黄片| 国产亚洲av嫩草精品影院| 亚洲内射少妇av| 美女国产视频在线观看| 有码 亚洲区| 国产成人免费无遮挡视频| 欧美成人a在线观看| 国产淫片久久久久久久久| 国产精品嫩草影院av在线观看| 国产精品久久久久久久久免| 小蜜桃在线观看免费完整版高清| 国产av码专区亚洲av| 欧美三级亚洲精品| 亚洲自拍偷在线| 中文精品一卡2卡3卡4更新| 国产成人免费观看mmmm| av免费在线看不卡| 一区二区三区四区激情视频| 国产在视频线精品| 久久精品久久久久久久性| 在现免费观看毛片| 成年av动漫网址| 国产免费又黄又爽又色| 人人妻人人爽人人添夜夜欢视频 | 白带黄色成豆腐渣| 22中文网久久字幕| 亚州av有码| 深爱激情五月婷婷| 最近的中文字幕免费完整| 九九爱精品视频在线观看| av专区在线播放| 精品酒店卫生间| 成人高潮视频无遮挡免费网站| 国内精品美女久久久久久| 日本午夜av视频| 亚洲欧美成人综合另类久久久| 亚洲精品色激情综合| 日本av手机在线免费观看| 69av精品久久久久久| 最近的中文字幕免费完整| 亚洲精品456在线播放app| 又爽又黄a免费视频| 久久亚洲国产成人精品v| 高清午夜精品一区二区三区| freevideosex欧美| 亚洲综合色惰| 天天躁日日操中文字幕| 日本三级黄在线观看| 日韩成人伦理影院| 日韩av不卡免费在线播放| 高清日韩中文字幕在线| 日韩成人av中文字幕在线观看| 欧美成人a在线观看| 国产黄色视频一区二区在线观看| 久久久久久久大尺度免费视频| 女人被狂操c到高潮| 一级爰片在线观看| 91精品一卡2卡3卡4卡| 伊人久久精品亚洲午夜| 亚洲一区二区三区欧美精品 | 建设人人有责人人尽责人人享有的 | 日韩一本色道免费dvd| 国产成人91sexporn| 久久影院123| 欧美精品国产亚洲| 18禁裸乳无遮挡免费网站照片| 日本黄色片子视频| 高清视频免费观看一区二区| 黄色一级大片看看| 国产午夜精品久久久久久一区二区三区| 欧美日韩在线观看h| 亚洲内射少妇av| 嫩草影院入口| 乱码一卡2卡4卡精品| 亚洲av二区三区四区| 99热国产这里只有精品6| 日本wwww免费看| 麻豆国产97在线/欧美| 日本欧美国产在线视频| 久久精品熟女亚洲av麻豆精品| 大陆偷拍与自拍| 韩国高清视频一区二区三区| 国产69精品久久久久777片| 亚洲天堂国产精品一区在线| 看免费成人av毛片| 看非洲黑人一级黄片| 久久人人爽av亚洲精品天堂 | 国产精品久久久久久精品古装| 亚洲人与动物交配视频| 秋霞伦理黄片| av福利片在线观看| 亚洲一区二区三区欧美精品 | 国产亚洲精品久久久com| 久久久久网色| 国产69精品久久久久777片| 熟女av电影| av天堂中文字幕网| 只有这里有精品99| 五月伊人婷婷丁香| 亚洲高清免费不卡视频| 观看免费一级毛片| 久久久久久九九精品二区国产| 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 | 国产精品久久久久久久久免| 九草在线视频观看| 国产黄频视频在线观看| 日本午夜av视频| 久久精品久久久久久噜噜老黄| 日本猛色少妇xxxxx猛交久久| 观看美女的网站| 国产精品久久久久久av不卡| 免费黄频网站在线观看国产| 欧美日本视频| 欧美日韩视频精品一区| 精品一区二区免费观看| 性色avwww在线观看| 涩涩av久久男人的天堂| 欧美老熟妇乱子伦牲交| 欧美精品人与动牲交sv欧美| 亚洲国产欧美在线一区| 简卡轻食公司| 日韩欧美一区视频在线观看 | 麻豆精品久久久久久蜜桃| 91精品一卡2卡3卡4卡| 亚洲第一区二区三区不卡| 国内揄拍国产精品人妻在线| 免费观看的影片在线观看| 中文字幕亚洲精品专区| 男女那种视频在线观看| 三级男女做爰猛烈吃奶摸视频| 少妇人妻一区二区三区视频| 国产黄片视频在线免费观看| 久久久久性生活片| 亚洲,欧美,日韩| 亚洲精品亚洲一区二区| 亚洲av福利一区| 丝袜美腿在线中文| 欧美高清性xxxxhd video| 十八禁网站网址无遮挡 | 国产精品女同一区二区软件| 男人狂女人下面高潮的视频| 精品酒店卫生间| 亚洲一区二区三区欧美精品 | 蜜桃久久精品国产亚洲av| 国产精品一二三区在线看| 亚洲天堂国产精品一区在线| 边亲边吃奶的免费视频| 国产成人精品婷婷| 女人十人毛片免费观看3o分钟| 久久久久久久国产电影| 午夜免费男女啪啪视频观看| 人妻夜夜爽99麻豆av| 久久久国产一区二区| 一区二区三区免费毛片| 欧美一级a爱片免费观看看| 成人毛片a级毛片在线播放| 国产男女内射视频| 99久久精品热视频| 亚洲最大成人手机在线| 精品久久久久久久人妻蜜臀av| 国产黄色免费在线视频| 夫妻午夜视频| 日韩免费高清中文字幕av| 亚洲国产精品成人久久小说| av卡一久久| 久久精品国产鲁丝片午夜精品| 国产av码专区亚洲av| 男的添女的下面高潮视频| 精品午夜福利在线看| 亚洲精品日本国产第一区| 久久久久久久亚洲中文字幕| 波野结衣二区三区在线| 成人高潮视频无遮挡免费网站| 久久精品国产自在天天线| 国模一区二区三区四区视频| 在线观看一区二区三区激情| 九九在线视频观看精品| 只有这里有精品99| 99九九线精品视频在线观看视频| 久久精品国产a三级三级三级| 狠狠精品人妻久久久久久综合| 亚洲精华国产精华液的使用体验| 日韩人妻高清精品专区| 国精品久久久久久国模美| 在线亚洲精品国产二区图片欧美 | 亚洲不卡免费看| 成年版毛片免费区| 2021天堂中文幕一二区在线观| 亚洲av一区综合| 欧美高清性xxxxhd video| 免费观看av网站的网址| 街头女战士在线观看网站| 日韩av免费高清视频| 日韩亚洲欧美综合| 免费av观看视频| 日本色播在线视频| 午夜激情久久久久久久| 水蜜桃什么品种好| 97超碰精品成人国产| 亚洲熟女精品中文字幕| 亚洲,一卡二卡三卡| 在线观看免费高清a一片| 亚洲成人久久爱视频| 亚洲怡红院男人天堂| 激情五月婷婷亚洲| 人妻少妇偷人精品九色| 伊人久久国产一区二区| 日韩人妻高清精品专区| 黄色怎么调成土黄色| 丝瓜视频免费看黄片| .国产精品久久| 日本猛色少妇xxxxx猛交久久| 日韩亚洲欧美综合| 国产午夜精品一二区理论片| 亚洲av.av天堂| 一级毛片我不卡| 日日摸夜夜添夜夜添av毛片| 精品久久久久久久久亚洲| 国产精品熟女久久久久浪| 国产成人精品一,二区| av在线蜜桃| 国产高清国产精品国产三级 | 久久久久久九九精品二区国产| 高清视频免费观看一区二区| 欧美高清性xxxxhd video| 韩国av在线不卡| 亚洲av免费高清在线观看| 狂野欧美激情性xxxx在线观看| 亚洲精品色激情综合| 国产免费一区二区三区四区乱码| videossex国产| 国模一区二区三区四区视频| 国产成人91sexporn| 超碰av人人做人人爽久久| 大香蕉97超碰在线| 亚洲不卡免费看| 国产色婷婷99| 一级毛片aaaaaa免费看小| 日韩成人伦理影院| 91狼人影院| 美女内射精品一级片tv| 99热6这里只有精品| videossex国产| 最近最新中文字幕免费大全7| 色5月婷婷丁香| 色综合色国产| 三级男女做爰猛烈吃奶摸视频| 成人免费观看视频高清| 中文资源天堂在线| 国产一区有黄有色的免费视频| 色视频www国产| 国产视频内射| 国产精品久久久久久精品电影小说 | 精品久久久精品久久久| 黄色视频在线播放观看不卡| 搞女人的毛片| 久久久国产一区二区| 日韩 亚洲 欧美在线| 九九在线视频观看精品| 嫩草影院精品99| 麻豆精品久久久久久蜜桃| 寂寞人妻少妇视频99o| 偷拍熟女少妇极品色| 成人综合一区亚洲| 3wmmmm亚洲av在线观看| 蜜桃亚洲精品一区二区三区| 交换朋友夫妻互换小说| 成人无遮挡网站| av专区在线播放| 99热网站在线观看| 99热这里只有是精品在线观看| 国内精品美女久久久久久| 国产综合精华液| 天堂网av新在线| 2021天堂中文幕一二区在线观| 国产精品熟女久久久久浪| 精品久久久久久久人妻蜜臀av| 一级毛片 在线播放| 精品人妻熟女av久视频| 日本黄大片高清| 少妇裸体淫交视频免费看高清| 超碰97精品在线观看| 国产免费福利视频在线观看| 99九九线精品视频在线观看视频| 联通29元200g的流量卡| 国产精品久久久久久精品电影| 18禁动态无遮挡网站| 插逼视频在线观看| 一边亲一边摸免费视频| 人妻系列 视频| 伊人久久精品亚洲午夜| 91久久精品国产一区二区三区| 国产久久久一区二区三区| 日本黄大片高清| 亚洲欧美日韩卡通动漫| 午夜免费男女啪啪视频观看| 亚洲av福利一区| 国产中年淑女户外野战色| 成年女人看的毛片在线观看| 欧美激情在线99| 人妻一区二区av| 日韩不卡一区二区三区视频在线| 国精品久久久久久国模美| 成人欧美大片| av免费在线看不卡| 久久精品国产亚洲av天美| 国产乱人视频| 好男人在线观看高清免费视频| 精品少妇黑人巨大在线播放| 国产成人免费观看mmmm| 国产成人aa在线观看| 伊人久久精品亚洲午夜| av在线播放精品| 日日啪夜夜爽| 69人妻影院| 国产久久久一区二区三区| 国产真实伦视频高清在线观看| 国产视频首页在线观看| 免费少妇av软件| 亚洲精品自拍成人| 麻豆成人午夜福利视频| .国产精品久久| 亚洲欧美日韩卡通动漫| 日韩在线高清观看一区二区三区| 2018国产大陆天天弄谢| 国产中年淑女户外野战色| 久久久久久九九精品二区国产| 亚洲婷婷狠狠爱综合网| 精品国产露脸久久av麻豆| 男女边吃奶边做爰视频| 亚洲av中文字字幕乱码综合| av免费在线看不卡| 一级爰片在线观看| 日韩中字成人| 成人鲁丝片一二三区免费| 少妇高潮的动态图| 国产 一区精品| 女人十人毛片免费观看3o分钟| 亚洲av免费在线观看| 最后的刺客免费高清国语| 国产精品一二三区在线看| 中文资源天堂在线| 久久国产乱子免费精品| 国产成人精品婷婷| 欧美日韩视频高清一区二区三区二| 国产在视频线精品| 伊人久久国产一区二区| 内射极品少妇av片p| 三级经典国产精品| 国产成人福利小说| 久久精品夜色国产| 另类亚洲欧美激情| 国产亚洲5aaaaa淫片| 91久久精品国产一区二区三区| 一区二区三区乱码不卡18| 亚洲av成人精品一区久久| 欧美最新免费一区二区三区| 在线观看一区二区三区| 美女xxoo啪啪120秒动态图| 卡戴珊不雅视频在线播放| 大片电影免费在线观看免费| av在线天堂中文字幕| 热re99久久精品国产66热6| 热re99久久精品国产66热6| 又黄又爽又刺激的免费视频.| 日韩欧美一区视频在线观看 | 国产精品一及| 18禁裸乳无遮挡动漫免费视频 | www.av在线官网国产| freevideosex欧美| 欧美性感艳星| a级一级毛片免费在线观看| 菩萨蛮人人尽说江南好唐韦庄| 热re99久久精品国产66热6| 天堂中文最新版在线下载 | 一级毛片aaaaaa免费看小| 老师上课跳d突然被开到最大视频| 肉色欧美久久久久久久蜜桃 | 免费少妇av软件| 欧美精品人与动牲交sv欧美| 18禁裸乳无遮挡免费网站照片| 成人亚洲精品一区在线观看 | 亚洲av日韩在线播放| 在线观看国产h片| 人妻少妇偷人精品九色| 91久久精品电影网| 欧美另类一区| 成人欧美大片| 亚洲国产欧美人成| 成人综合一区亚洲| 777米奇影视久久| 女的被弄到高潮叫床怎么办| 大话2 男鬼变身卡| 久久韩国三级中文字幕| av在线亚洲专区| 一级毛片久久久久久久久女| 人人妻人人看人人澡| 免费av毛片视频| 韩国av在线不卡| 全区人妻精品视频| 王馨瑶露胸无遮挡在线观看| 97超碰精品成人国产| 亚洲国产欧美在线一区| 国产视频内射| 日韩欧美 国产精品| 久久久久久久精品精品| 丝袜喷水一区| 边亲边吃奶的免费视频| 日韩制服骚丝袜av| 国产淫片久久久久久久久| 国产在线男女| 中文字幕av成人在线电影| 国产视频首页在线观看| 久久精品夜色国产| 黄色欧美视频在线观看| 国产黄色免费在线视频| 久久人人爽人人爽人人片va| 男人爽女人下面视频在线观看| 国产欧美日韩精品一区二区| 亚洲精品亚洲一区二区| 国产一区二区亚洲精品在线观看| 蜜桃亚洲精品一区二区三区| 伦理电影大哥的女人| 久久久久久伊人网av| 欧美3d第一页| 亚洲成人av在线免费| 麻豆国产97在线/欧美| 少妇 在线观看| 国产午夜精品一二区理论片| 蜜臀久久99精品久久宅男| 国产午夜福利久久久久久| 我要看日韩黄色一级片| 国产毛片a区久久久久| 18禁在线播放成人免费| 80岁老熟妇乱子伦牲交| 91aial.com中文字幕在线观看| 国产av国产精品国产| 亚洲性久久影院| 欧美另类一区| 高清在线视频一区二区三区| 欧美人与善性xxx| 亚洲精品乱久久久久久| 久久精品国产亚洲网站| 精品国产露脸久久av麻豆| 最近最新中文字幕免费大全7| 亚洲av在线观看美女高潮| 婷婷色综合大香蕉| 久久精品国产a三级三级三级| 黄片无遮挡物在线观看| 久热久热在线精品观看| 久久99精品国语久久久| 香蕉精品网在线| 精品国产一区二区三区久久久樱花 | 日本午夜av视频| 一级黄片播放器| av免费观看日本| 日本黄色片子视频| 国产伦精品一区二区三区视频9| 国产综合懂色| 26uuu在线亚洲综合色| 久久久久网色| 人人妻人人爽人人添夜夜欢视频 | 日韩中字成人| 男人爽女人下面视频在线观看| 人人妻人人澡人人爽人人夜夜| 亚州av有码| 国产精品久久久久久久久免| 日韩av不卡免费在线播放| 一二三四中文在线观看免费高清| 97超碰精品成人国产| 亚洲精品色激情综合| 超碰97精品在线观看| 我的老师免费观看完整版| 91在线精品国自产拍蜜月| kizo精华| 草草在线视频免费看| 99热全是精品| av天堂中文字幕网| 成人漫画全彩无遮挡| 免费av观看视频| 亚洲综合色惰| 晚上一个人看的免费电影| 国产极品天堂在线| 69av精品久久久久久| 极品少妇高潮喷水抽搐| 色网站视频免费| 夫妻午夜视频| 亚洲av成人精品一区久久| 日本午夜av视频| 大香蕉97超碰在线| 国产毛片在线视频| 日本wwww免费看| 91在线精品国自产拍蜜月| 男女那种视频在线观看| 精品人妻偷拍中文字幕| 在线观看免费高清a一片| 日本三级黄在线观看| 男的添女的下面高潮视频| 18禁在线无遮挡免费观看视频| 欧美97在线视频| 97在线视频观看| 在线观看一区二区三区激情| 日日撸夜夜添| 久久久久久久国产电影| 久久精品国产自在天天线| 最近中文字幕2019免费版| 交换朋友夫妻互换小说| 国产综合精华液| 极品少妇高潮喷水抽搐| 少妇丰满av| 亚洲人与动物交配视频| 日本免费在线观看一区| 国产精品久久久久久av不卡| 日韩成人伦理影院| 综合色丁香网| 大又大粗又爽又黄少妇毛片口| 日本午夜av视频| 麻豆乱淫一区二区| 成人毛片60女人毛片免费| 天天躁日日操中文字幕| 精品少妇黑人巨大在线播放| 亚洲精品影视一区二区三区av| 亚洲欧美日韩东京热| 性插视频无遮挡在线免费观看| 国产有黄有色有爽视频| 午夜爱爱视频在线播放| 国产高潮美女av| 少妇 在线观看| 交换朋友夫妻互换小说| 秋霞在线观看毛片| 日韩人妻高清精品专区| 在线免费观看不下载黄p国产| 三级国产精品欧美在线观看| 久久国内精品自在自线图片| 国产av码专区亚洲av| 综合色av麻豆| 亚洲成色77777| 久久99热这里只频精品6学生| 全区人妻精品视频| 在线免费观看不下载黄p国产| 97人妻精品一区二区三区麻豆| 国产色婷婷99| 噜噜噜噜噜久久久久久91| 亚洲成人av在线免费| 亚洲精品国产av成人精品| 久久久午夜欧美精品| 99热全是精品| 一本色道久久久久久精品综合| 看黄色毛片网站| 少妇裸体淫交视频免费看高清| av在线蜜桃| 久久精品久久久久久久性| 亚洲美女视频黄频| 伊人久久国产一区二区| 久久久久久久午夜电影| 成人免费观看视频高清| 18禁在线无遮挡免费观看视频| 欧美精品一区二区大全| 国产黄色视频一区二区在线观看| 亚洲成人中文字幕在线播放| av黄色大香蕉| 日韩成人av中文字幕在线观看| 国产一区二区三区综合在线观看 | 亚洲欧美精品专区久久| 国产精品一区www在线观看| 亚洲精品亚洲一区二区| av女优亚洲男人天堂| 亚洲精品自拍成人| 国产爽快片一区二区三区| 久久人人爽人人爽人人片va| 国产欧美日韩精品一区二区| 久久综合国产亚洲精品| 尾随美女入室| 精品少妇久久久久久888优播| 亚洲人成网站在线观看播放| 只有这里有精品99| 亚洲人与动物交配视频| 亚洲成人中文字幕在线播放| 精品久久久久久久人妻蜜臀av| 久久6这里有精品| 亚洲激情五月婷婷啪啪| 中文字幕亚洲精品专区| 免费不卡的大黄色大毛片视频在线观看| 欧美高清成人免费视频www| 亚洲国产精品成人综合色| 2021天堂中文幕一二区在线观| 别揉我奶头 嗯啊视频| 日韩成人av中文字幕在线观看|