• <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 ?

    基于詞嵌入的微博謠言主題分類研究

    2019-06-09 10:36:01關(guān)菁華劉鑫刁建華
    軟件導(dǎo)刊 2019年4期

    關(guān)菁華 劉鑫 刁建華

    摘 要:近年來,隨著智能移動(dòng)設(shè)備的普及,人們可以隨時(shí)隨地通過網(wǎng)絡(luò)社交媒體獲取與分享信息。然而,便捷的上網(wǎng)方式以及自由的網(wǎng)絡(luò)空間,也為網(wǎng)絡(luò)謠言的產(chǎn)生與傳播提供了條件,廣泛傳播的謠言可能具有極大的破壞性。因此,及時(shí)識(shí)別謠言對于保障社會(huì)穩(wěn)定具有重要意義。使用詞嵌入對微博短文本進(jìn)行向量化處理,然后使用樸素貝葉斯、K最近鄰和支持向量機(jī)對文本向量進(jìn)行主題分類,以期及時(shí)發(fā)現(xiàn)具有周期性出現(xiàn)特點(diǎn)的謠言。將該模型在中文謠言真實(shí)數(shù)據(jù)集上進(jìn)行有效性驗(yàn)證,使用5 487條數(shù)據(jù)作為訓(xùn)練集,2 703條數(shù)據(jù)作為測試集進(jìn)行分類實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,K最近鄰模型相比于樸素貝葉斯模型及支持向量機(jī)模型,在謠言主題分類任務(wù)中表現(xiàn)最佳,其F1值和分類準(zhǔn)確率都達(dá)到0.93,表明基于詞嵌入的謠言主題分類方法可及時(shí)發(fā)現(xiàn)周期性謠言。

    關(guān)鍵詞:微博謠言;詞嵌入;主題分類;文本向量

    DOI:10. 11907/rjdk. 191169

    中圖分類號:TP301文獻(xiàn)標(biāo)識(shí)碼:A文章編號:1672-7800(2019)004-0001-03

    0 引言

    謠言是一種自發(fā)性、擴(kuò)張性的社會(huì)心理現(xiàn)象,至今尚沒有一個(gè)公認(rèn)的定義[1]。本文采用我國《現(xiàn)代漢語詞典》對謠言的定義,謠言即沒有事實(shí)根據(jù)的消息。

    根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC)2018年8月發(fā)布的《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示,截至2018年6月,中國網(wǎng)民規(guī)模達(dá)8.02億,互聯(lián)網(wǎng)普及率達(dá)到57.7%。網(wǎng)民中使用手機(jī)上網(wǎng)人群占比達(dá)到98.3%,且網(wǎng)民上網(wǎng)設(shè)備進(jìn)一步向移動(dòng)端集中。迅速增長的網(wǎng)民規(guī)模、方便快捷的上網(wǎng)方式,為網(wǎng)絡(luò)謠言的產(chǎn)生與傳播提供了條件。廣泛傳播的謠言可能具有極大的破壞性,如:2011年郭美美事件爆發(fā)后,謠言四起,在網(wǎng)絡(luò)上不斷發(fā)酵,自事件發(fā)生后,社會(huì)捐款數(shù)額以及慈善組織捐贈(zèng)數(shù)額均出現(xiàn)銳減。根據(jù)民政部統(tǒng)計(jì)數(shù)據(jù)顯示,全國2011年7月社會(huì)捐款數(shù)額為5億元,與6月相比降幅超過50%。慈善組織6~8月接收的捐贈(zèng)數(shù)額降幅更是達(dá)到86.6%;2015年,有關(guān)“娃哈哈爽歪歪、AD鈣奶等飲料中含有肉毒桿菌”的謠言在微博、微信中熱傳。娃哈哈方面表示,相關(guān)謠言使娃哈哈部分產(chǎn)品當(dāng)年第一季度損失高達(dá)20億元。以上案例都說明了網(wǎng)絡(luò)謠言的巨大危害。由此可見,研究如何從每天產(chǎn)生的大量社交媒體數(shù)據(jù)中,及時(shí)發(fā)現(xiàn)并識(shí)別謠言,從而將謠言傳播扼殺在初期,降低謠言對社會(huì)的危害具有重大意義。微博作為目前最大的廣播式社交媒體,是最常用的謠言傳播平臺(tái)。如何從微博文本中提取有效語義特征并進(jìn)行謠言主題分類成為目前短文本分類研究中的熱點(diǎn)之一。因此,進(jìn)行基于內(nèi)容的謠言主題分類研究,從而自動(dòng)識(shí)別謠言主題,及時(shí)發(fā)現(xiàn)一些具有周期性特點(diǎn)的謠言,具有重要的研究意義。

    目前,國內(nèi)謠言研究主要集中在謠言傳播模型構(gòu)建與仿真實(shí)驗(yàn)上。如任寧等[2]在經(jīng)典SIR謠言傳播模型基礎(chǔ)上,引入反對者角色,運(yùn)用概率生成函數(shù)方法解決了謠言傳播過程中任意時(shí)刻的傳播規(guī)模等問題;王飛雪等[3]基于經(jīng)典SIR傳播模型,引入謠言在不同節(jié)點(diǎn)之間的傳播概率,并分析了不同節(jié)點(diǎn)對傳播概率的影響,建立社交網(wǎng)絡(luò)中考慮網(wǎng)絡(luò)節(jié)點(diǎn)自身影響的謠言傳播模型;王雨嘉等[4]也基于經(jīng)典SIR謠言傳播模型,引入觀望者與辟謠者角色,并將移出者分為中立者、相信謠言者與得知真相者3類,構(gòu)建一個(gè)改進(jìn)的WT-SIR*謠言傳播模型;劉雅輝等[5]指出謠言內(nèi)容、發(fā)布用戶及其傳播過程是識(shí)別謠言與非謠言的關(guān)鍵要素;張仰森等[6]利用SVM構(gòu)建一個(gè)基于評論異常度的謠言識(shí)別模型。以上文獻(xiàn)多從經(jīng)典SIR謠言傳播模型出發(fā)進(jìn)行模型改進(jìn)與仿真實(shí)驗(yàn),而從網(wǎng)絡(luò)謠言自動(dòng)主題分類角度進(jìn)行的研究較少,但謠言的自動(dòng)主題分類對周期性謠言的自動(dòng)識(shí)別具有重要意義。

    謠言主題分類問題可看作文本的多分類問題加以解決?;跈C(jī)器學(xué)習(xí)的文本主題分類方法包括樸素貝葉斯(NB)、K最近鄰(KNN)、決策樹、支持向量機(jī)(SVM)等。丁晟春等[7]借助本體將領(lǐng)域知識(shí)及領(lǐng)域文本特征融入分類過程,使用加權(quán)樸素貝葉斯模型對網(wǎng)絡(luò)信息進(jìn)行主題分類;賈隆嘉等[8]提出將特征由基于詞的表示轉(zhuǎn)換為基于類別的表示,然后采用支持向量機(jī)進(jìn)行高校新浪微博主題分類;程元堃[9]提出基于詞向量的網(wǎng)頁分類模型與基于URL+關(guān)鍵詞的網(wǎng)頁分類模型,并使用樸素貝葉斯算法模型解決對未知網(wǎng)頁的分類問題;黎巎等[10]使用LDA(Latent Dirichlet Allocation)主題發(fā)現(xiàn)模型對游客評論進(jìn)行主題分析與情感傾向分析;胡朝舉等[11]利用LDA模型得到文檔主題分布,然后使用主題詞對原始文本進(jìn)行特征擴(kuò)充,最后利用SVM分類模型進(jìn)行分類;宗乾進(jìn)等[12]通過隱含狄利克雷分布對生成與舉報(bào)的謠言內(nèi)容進(jìn)行主題分類;姜贏等[13]采用文本句式特征分析方法進(jìn)行謠言識(shí)別。近年來,隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展,已成功應(yīng)用于圖像識(shí)別[14]、語音識(shí)別[15]等領(lǐng)域,目前越來越多研究者開始嘗試?yán)蒙疃葘W(xué)習(xí)技術(shù)解決自然語言處理領(lǐng)域的各類問題,也取得了一定效果。如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)與長短時(shí)記憶網(wǎng)絡(luò)等深度模型即被應(yīng)用于句子分類[16]、情感分類[17]與文本分類[18]等問題中。

    以上方法中,基于機(jī)器學(xué)習(xí)的文本分類方法需要研究人員根據(jù)經(jīng)驗(yàn),事先篩選好用于分類的特征,即分類效果與特征選擇緊密相關(guān),但該方法前期需要大量人工參與,不適用于目前多變、海量的數(shù)據(jù)。基于深度學(xué)習(xí)技術(shù)構(gòu)建的模型具有不可解釋性,且在模型訓(xùn)練過程中對運(yùn)行系統(tǒng)硬件要求較高,訓(xùn)練時(shí)間也很長,在自然語言處理領(lǐng)域,分類效果與傳統(tǒng)方法相近。

    因此,本文從微博內(nèi)容本身特點(diǎn)出發(fā),綜合考慮方法的時(shí)效性,使用具有語義信息的詞嵌入表示微博文本向量,且選擇經(jīng)典的NB、KNN和SVM作為分類模型,進(jìn)行微博謠言主題分類研究,并提出一種基于詞嵌入的謠言主題分類模型。實(shí)驗(yàn)結(jié)果表明,該方法能有效地對微博謠言進(jìn)行主題分類,且準(zhǔn)確率和 F1 值較高,都達(dá)到了0.93。

    1 主題分類模型

    1.1 基于詞嵌入的微博文本表示

    傳統(tǒng)文本表示方法是對一段文本信息先進(jìn)行分詞,使用一個(gè)與詞典維度相當(dāng)?shù)南蛄勘硎疽粭l文本信息,用1表示在文檔中有該詞出現(xiàn),0表示不出現(xiàn)。但該表示方法丟失了詞語間的語義關(guān)系,且文本的向量表示很稀疏,增加了訓(xùn)練難度。本文使用壓縮的詞嵌入存儲(chǔ)方式,每一個(gè)詞語、段落或篇章都可以使用一個(gè)比較低維、具有語義信息的向量進(jìn)行表示,從而有利于機(jī)器對人類語言的語義表達(dá)與理解,且有利于算法實(shí)現(xiàn)。

    文本常見的向量化表示方法包括對一段文本包含的所有詞向量求平均值、對詞向量聚類以及doc2vec模型[19]。本文從微博屬于短文本的特點(diǎn)出發(fā),選擇簡單求和、求平均的方法,采用公式(1)進(jìn)行文本向量計(jì)算。

    1.2 基于詞嵌入的微博謠言主題分類模型

    本文以中文Wiki百科作為背景語料庫,首先使用MIKOLOV等[20]提出的word2vec工具進(jìn)行中文詞向量學(xué)習(xí),為微博短文本向量生成作準(zhǔn)備;然后對微博謠言文本進(jìn)行分詞、去停用詞等預(yù)處理操作;接著使用公式(1)構(gòu)建每條微博的文本向量;最后分別使用NB、KNN和SVM作為分類模型,進(jìn)行謠言的主題分類研究,具體模型如圖1所示。

    2 實(shí)驗(yàn)結(jié)果

    2.1 數(shù)據(jù)

    實(shí)驗(yàn)數(shù)據(jù)為劉知遠(yuǎn)等[1]給出的微博謠言數(shù)據(jù),其將謠言主題分為5個(gè)類別:政治、經(jīng)濟(jì)、欺詐、社會(huì)生活與常識(shí)類,總共8 190條微博,數(shù)據(jù)詳細(xì)信息如表1所示。為便于進(jìn)行分類模型的實(shí)驗(yàn)比較,本文隨機(jī)抽取原始數(shù)據(jù)中的?? 2/3作為訓(xùn)練集,構(gòu)建分類模型,其余1/3數(shù)據(jù)作為測試集,測試模型的分類性能。

    2.2 數(shù)據(jù)預(yù)處理

    由于微博中存在繁體文字,因此首先使用OpenCC工具將微博中的中文繁體轉(zhuǎn)為中文簡體,然后采用中科院分詞工具NLPIR對微博進(jìn)行分詞,并結(jié)合哈工大停用詞表和百度停用詞表,將部分詞從中移除,以提高主題分類性能。

    2.3 微博文本向量計(jì)算

    由于微博屬于短文本,大部分微博長度都不會(huì)超過140詞限制,且本文使用的數(shù)據(jù)均屬于短文本范疇,因此采用文本詞向量加權(quán)平均方法計(jì)算微博文本向量。詞向量維度根據(jù)經(jīng)驗(yàn)選擇200維,經(jīng)過計(jì)算后微博文本向量維度也是200維。詞向量使用Wiki中國作為語料庫,計(jì)算結(jié)果作為詞向量。

    2.4 實(shí)驗(yàn)結(jié)果

    使用NB、KNN與SVM進(jìn)行分類建模,比較3種模型在微博文本向量作為特征的情況下,微博謠言主題分類的準(zhǔn)確率,如表2所示。從表中可見,KNN模型在該謠言數(shù)據(jù)集上獲得了最好的分類準(zhǔn)確率0.93,遠(yuǎn)高于NB模型的0.79,比SVM也高了3個(gè)百分點(diǎn),因此KNN與SVM模型在該謠言數(shù)據(jù)集主題分類方面是比較有效的。

    不同主題下各分類模型的F1分?jǐn)?shù)如圖2所示,在經(jīng)濟(jì)與欺詐類主題下,KNN和SVM都取得了相同的F1-score,在常識(shí)、政治與社會(huì)生活類主題下,3種分類模型的F1-score都低于經(jīng)濟(jì)與欺詐類主題下的F1-score,即常識(shí)、政治與社會(huì)生活類主題比較容易混淆。

    KNN模型混淆矩陣如表3所示,從表中可以發(fā)現(xiàn),該模型將社會(huì)生活類謠言錯(cuò)分成政治類的有43個(gè),占實(shí)際社會(huì)生活類謠言總數(shù)的4.99%,將政治類錯(cuò)分為社會(huì)生活類的有33個(gè),占實(shí)際政治類謠言總數(shù)的4.60%。以上兩種類別不太容易區(qū)分,以后可考慮進(jìn)一步提取特征,以提高模型在該類別上的分類準(zhǔn)確率,進(jìn)而提高模型的整體主題分類性能。

    4 結(jié)語

    本文以新浪微博謠言數(shù)據(jù)作為分析對象,使用詞嵌入方式表示微博文本特征,進(jìn)行微博謠言數(shù)據(jù)的主題分類。謠言主題可分為經(jīng)濟(jì)類、常識(shí)類、政治類、社會(huì)生活類與欺詐類。本文選擇NB模型、KNN模型及SVM模型作為分類模型,對微博謠言數(shù)據(jù)集進(jìn)行主題分類。由實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn),KNN模型在謠言主題分類中表現(xiàn)出最好的分類性能,其F1值和分類準(zhǔn)確率都達(dá)到0.93。通過對KNN模型的混淆矩陣進(jìn)行分析,發(fā)現(xiàn)社會(huì)生活類與政治類謠言最不易區(qū)分,因此未來工作需要進(jìn)一步尋找特征,以提高模型在以上兩個(gè)主題類別上的分類準(zhǔn)確率,進(jìn)而提高模型整體的主題分類性能。

    參考文獻(xiàn):

    [1] 劉知遠(yuǎn),張樂,涂存超,等. 中文社交媒體謠言統(tǒng)計(jì)語義分析[J].中國科學(xué): 信息科學(xué),2015, 45(12):1536-1546.

    [2] 任寧,李金仙. 帶有反對機(jī)制的謠言傳播模型[J]. 云南民族大學(xué)學(xué)報(bào):自然科學(xué)版,2019(1):67-71.

    [3] 王飛雪,李芳. 社交網(wǎng)絡(luò)中考慮不同傳播概率上的謠言傳播模型[J]. 計(jì)算機(jī)應(yīng)用研究,2019(11):1-4.

    [4] 王雨嘉,侯合銀. 小世界網(wǎng)絡(luò)中基于一種改進(jìn)模型的謠言傳播研究[J/OL]. 情報(bào)雜志:1-11[2019-02-26]. http://kns.cnki.net/kcms/detail/61.1167.g3.20190222.1319.012.html.

    [5] 劉雅輝,靳小龍,沈華偉,等. 社交媒體中的謠言識(shí)別研究綜述[J]. 計(jì)算機(jī)學(xué)報(bào),2018,41(7):1536-1558.

    [6] 張仰森,彭媛媛,段宇翔,等. 基于評論異常度的新浪微博謠言識(shí)別方法[J/OL]. 自動(dòng)化學(xué)報(bào):1-14[2019-02-26]. https://doi.org/10.16383/j.aas.c180444.

    [7] 丁晟春,王小英,劉夢露. 基于本體和加權(quán)樸素貝葉斯的網(wǎng)絡(luò)輿情主題分類[J]. 現(xiàn)代情報(bào),2018,38(8):12-17.

    [8] 賈隆嘉,張邦佐. 高校網(wǎng)絡(luò)輿情安全中主題分類方法研究——以新浪微博數(shù)據(jù)為例[J]. 數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn),2018(7):55-62.

    [9] 程元堃. 基于URL+文本的網(wǎng)頁主題分類模型研究[D]. 武漢:武漢郵電科學(xué)研究院,2018.

    [10] 黎巎,謝宗彥,張公鵬,等. 基于LDA的游客網(wǎng)絡(luò)評論主題分類:以故宮為例[J]. 情報(bào)工程,2017,3(3):55-63.

    [11] 胡朝舉,徐永峰. 基于LDA特征擴(kuò)展的短文本分類方法研究[J]. 軟件導(dǎo)刊,2018,17(3):63-66.

    [12] 宗乾進(jìn),黃子風(fēng),沈洪洲. 基于性別視角的社交媒體用戶造謠傳謠和舉報(bào)謠言行為研究[J]. 現(xiàn)代情報(bào),2017,37(7):25-29,34.

    [13] 姜贏,張婧,朱玲萱,等. 網(wǎng)絡(luò)謠言文本句式特征分析與監(jiān)測系統(tǒng)[J]. 電子設(shè)計(jì)工程,2017,25(23):7-10,15.

    [14] HINTON G E, SRIVASTAVA N, KRIZHEVSKY A, et al. Improving neural networks by preventing co-adaptation of feature detectors[J]. Comput Science, 2012,3: 212-223.

    [15] GRAVES A, MOHAMED A, HINTON G. Speech recognition with deep recurrent neural networks[C]. Proceedings of the International Conference on Acoustics, Speech and Signal Processing, Vancouver, 2013:6645-6649.

    [16] KIM Y. Convolutional neural networks for sentence classification[C]. Proceedings of the Conference on Empirical Methods in Natural Language Processing, Doha, 2014:1746-1751.

    [17] CHEN H M, SUN M S, TU C C, et al. Neural sentiment classification with user and product attention[C]. In: Proceedings of Conference on Empirical Methods in Natural Language Processing, Austin, 2016:1650-1659.

    [18] 高成亮,徐華,高凱. 結(jié)合詞性信息的基于注意力機(jī)制的雙向LSTM的中文文本分類[J]. 河北科技大學(xué)學(xué)報(bào),2018,39(5):447-454.

    [19] LE Q V, MIKOLOV T. Distributed representations of sentences and documents[C]. In Proceedings of the 31st International Conference on International Conference on Machine Learning,2014.

    [20] MIKOLOV T, CHEN K, CORRADO G, et al. Efficient estimation of word representations in vector space[J].? Computer Science,2013.

    (責(zé)任編輯:黃 ?。?/p>

    99久久无色码亚洲精品果冻| 色播亚洲综合网| 最近最新免费中文字幕在线| 婷婷丁香在线五月| 亚洲国产日韩欧美精品在线观看 | a级毛片a级免费在线| 日韩欧美精品免费久久 | 99精品在免费线老司机午夜| 一区二区三区高清视频在线| 有码 亚洲区| 久久久久久久精品吃奶| 99热这里只有精品一区| 老熟妇乱子伦视频在线观看| 亚洲片人在线观看| 一区二区三区免费毛片| av黄色大香蕉| 精品国产亚洲在线| 他把我摸到了高潮在线观看| 日韩高清综合在线| 亚洲天堂国产精品一区在线| 亚洲国产高清在线一区二区三| 九九久久精品国产亚洲av麻豆| 深爱激情五月婷婷| 97超级碰碰碰精品色视频在线观看| 啦啦啦韩国在线观看视频| 全区人妻精品视频| 天堂动漫精品| 国产成人aa在线观看| 亚洲欧美日韩高清在线视频| 国产爱豆传媒在线观看| 欧美一区二区国产精品久久精品| 欧美色欧美亚洲另类二区| 美女被艹到高潮喷水动态| 色哟哟哟哟哟哟| 久久中文看片网| 国产精品久久视频播放| 高清在线国产一区| 精品国产超薄肉色丝袜足j| 色综合亚洲欧美另类图片| 最近最新中文字幕大全免费视频| 欧洲精品卡2卡3卡4卡5卡区| 精品不卡国产一区二区三区| 日韩欧美三级三区| 一级作爱视频免费观看| 久久久久久久久中文| 日韩欧美 国产精品| 99精品欧美一区二区三区四区| www.www免费av| 国内久久婷婷六月综合欲色啪| 国产精品国产高清国产av| 搡老岳熟女国产| 一个人免费在线观看电影| 两人在一起打扑克的视频| 在线国产一区二区在线| 亚洲精品在线观看二区| 超碰av人人做人人爽久久 | 成年女人看的毛片在线观看| 亚洲熟妇中文字幕五十中出| 一级作爱视频免费观看| 国产亚洲精品av在线| 嫩草影视91久久| 丰满乱子伦码专区| 美女高潮的动态| 欧美乱码精品一区二区三区| 午夜福利18| 噜噜噜噜噜久久久久久91| 一进一出抽搐动态| 国产精品99久久久久久久久| 久久这里只有精品中国| 高清毛片免费观看视频网站| 免费人成在线观看视频色| 不卡一级毛片| 久久久国产精品麻豆| 国产麻豆成人av免费视频| 看片在线看免费视频| 欧美一区二区精品小视频在线| 欧美黄色片欧美黄色片| 国产精品自产拍在线观看55亚洲| 亚洲黑人精品在线| 欧美zozozo另类| 中亚洲国语对白在线视频| 欧美色视频一区免费| 国产97色在线日韩免费| 中文字幕人妻熟人妻熟丝袜美 | 综合色av麻豆| 91久久精品国产一区二区成人 | 很黄的视频免费| 夜夜夜夜夜久久久久| 在线观看日韩欧美| 99热这里只有精品一区| 久久久久国内视频| 最新在线观看一区二区三区| 啦啦啦观看免费观看视频高清| 麻豆成人av在线观看| 女人高潮潮喷娇喘18禁视频| 国产精品久久久久久人妻精品电影| 亚洲avbb在线观看| 日本黄色视频三级网站网址| 丰满乱子伦码专区| 欧美另类亚洲清纯唯美| 久久精品91蜜桃| 长腿黑丝高跟| 国产97色在线日韩免费| 女同久久另类99精品国产91| 国产高清视频在线观看网站| 亚洲成a人片在线一区二区| 国产伦一二天堂av在线观看| 久久这里只有精品中国| 国产美女午夜福利| 伊人久久精品亚洲午夜| 亚洲,欧美精品.| 国产精华一区二区三区| 9191精品国产免费久久| 久久亚洲精品不卡| 欧美日韩福利视频一区二区| 亚洲无线观看免费| 欧美午夜高清在线| 三级毛片av免费| 一本综合久久免费| 97超视频在线观看视频| 最新在线观看一区二区三区| 国产精品99久久99久久久不卡| 国产精品,欧美在线| 久久久色成人| 免费av观看视频| 亚洲国产精品sss在线观看| 最近最新中文字幕大全免费视频| 久久久精品大字幕| 日韩成人在线观看一区二区三区| 69人妻影院| 成人18禁在线播放| 99久久久亚洲精品蜜臀av| 欧美日韩中文字幕国产精品一区二区三区| 成熟少妇高潮喷水视频| 免费在线观看影片大全网站| 亚洲av第一区精品v没综合| 亚洲国产精品久久男人天堂| 免费在线观看影片大全网站| 亚洲av第一区精品v没综合| 国产精品永久免费网站| 大型黄色视频在线免费观看| 久久6这里有精品| 亚洲天堂国产精品一区在线| 国产三级在线视频| 嫁个100分男人电影在线观看| 可以在线观看毛片的网站| 女人高潮潮喷娇喘18禁视频| 亚洲五月天丁香| 啦啦啦观看免费观看视频高清| 99国产极品粉嫩在线观看| 两个人视频免费观看高清| 国产在视频线在精品| 国产高潮美女av| 欧美性猛交╳xxx乱大交人| 亚洲国产中文字幕在线视频| 国产三级中文精品| 性色avwww在线观看| a级一级毛片免费在线观看| 国产真实伦视频高清在线观看 | 国产伦人伦偷精品视频| 一级毛片女人18水好多| 国产乱人视频| 国产一区二区激情短视频| 亚洲人成伊人成综合网2020| 在线观看66精品国产| 一二三四社区在线视频社区8| 亚洲av一区综合| 国产成人欧美在线观看| 手机成人av网站| 国产av在哪里看| 夜夜爽天天搞| 成人一区二区视频在线观看| 久久精品夜夜夜夜夜久久蜜豆| 男人和女人高潮做爰伦理| 18+在线观看网站| www日本黄色视频网| 国产精华一区二区三区| 岛国在线观看网站| 波多野结衣高清作品| 国产69精品久久久久777片| 免费av不卡在线播放| 九色成人免费人妻av| 美女高潮的动态| 欧美日韩综合久久久久久 | 人人妻,人人澡人人爽秒播| 91久久精品国产一区二区成人 | 亚洲激情在线av| bbb黄色大片| 亚洲国产精品合色在线| 日本精品一区二区三区蜜桃| 校园春色视频在线观看| 91久久精品电影网| 亚洲精品久久国产高清桃花| 无限看片的www在线观看| 国产精品,欧美在线| 一级黄片播放器| 波野结衣二区三区在线 | 国产高清三级在线| 中文字幕人成人乱码亚洲影| 精品无人区乱码1区二区| 国产乱人伦免费视频| 国产精品三级大全| 天堂影院成人在线观看| 搡老岳熟女国产| 国产精品嫩草影院av在线观看 | 国产v大片淫在线免费观看| 亚洲精品在线美女| 久久久久久久精品吃奶| 久久精品国产综合久久久| 国产免费av片在线观看野外av| 99精品久久久久人妻精品| 亚洲国产精品合色在线| 听说在线观看完整版免费高清| 国产在视频线在精品| 12—13女人毛片做爰片一| 亚洲精品国产精品久久久不卡| 欧美成狂野欧美在线观看| 精品久久久久久久久久久久久| 久久国产精品影院| 热99在线观看视频| 亚洲七黄色美女视频| 精品午夜福利视频在线观看一区| 伊人久久精品亚洲午夜| 亚洲精品日韩av片在线观看 | 亚洲第一欧美日韩一区二区三区| 又黄又粗又硬又大视频| 丁香欧美五月| 制服丝袜大香蕉在线| 亚洲精品456在线播放app | bbb黄色大片| 国产久久久一区二区三区| 国产精品99久久99久久久不卡| 色综合站精品国产| 午夜精品一区二区三区免费看| 亚洲成人中文字幕在线播放| 国产日本99.免费观看| 欧美日韩综合久久久久久 | 成人三级黄色视频| 女警被强在线播放| 国产一级毛片七仙女欲春2| 亚洲av一区综合| 午夜精品一区二区三区免费看| eeuss影院久久| 国产精品美女特级片免费视频播放器| 亚洲精品在线美女| 国模一区二区三区四区视频| 国产精品国产高清国产av| 久久久久久久午夜电影| 一本精品99久久精品77| 国内揄拍国产精品人妻在线| 亚洲精品456在线播放app | 亚洲 欧美 日韩 在线 免费| 一个人观看的视频www高清免费观看| 99久久精品一区二区三区| 国产精品av视频在线免费观看| 午夜激情欧美在线| 国产精品1区2区在线观看.| 深夜精品福利| 一夜夜www| 国产午夜精品论理片| 一a级毛片在线观看| 18禁美女被吸乳视频| 国内久久婷婷六月综合欲色啪| 一区二区三区高清视频在线| 超碰av人人做人人爽久久 | 少妇的逼水好多| 女人高潮潮喷娇喘18禁视频| 日韩高清综合在线| 午夜日韩欧美国产| 五月伊人婷婷丁香| 在线观看午夜福利视频| 国产av麻豆久久久久久久| 又粗又爽又猛毛片免费看| 国产亚洲欧美在线一区二区| 内地一区二区视频在线| 一进一出抽搐gif免费好疼| 国产精品自产拍在线观看55亚洲| 色尼玛亚洲综合影院| 国产乱人视频| 亚洲黑人精品在线| 午夜精品一区二区三区免费看| 日韩精品青青久久久久久| 午夜免费观看网址| 狠狠狠狠99中文字幕| svipshipincom国产片| 久久国产精品影院| 国产精品日韩av在线免费观看| 老司机福利观看| 欧美三级亚洲精品| 综合色av麻豆| 99热这里只有精品一区| av福利片在线观看| 久久久久久久久大av| 亚洲国产色片| 色综合婷婷激情| 五月伊人婷婷丁香| 俺也久久电影网| 天堂av国产一区二区熟女人妻| 免费看a级黄色片| 一个人观看的视频www高清免费观看| 九色国产91popny在线| 伊人久久大香线蕉亚洲五| 免费观看人在逋| 尤物成人国产欧美一区二区三区| 久久精品人妻少妇| 成人午夜高清在线视频| 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 | 精品久久久久久久久久免费视频| 欧美+亚洲+日韩+国产| 欧美黑人巨大hd| 又黄又粗又硬又大视频| 日本免费a在线| 久久久久久久久中文| 亚洲熟妇熟女久久| 一级毛片女人18水好多| 哪里可以看免费的av片| 怎么达到女性高潮| 国产私拍福利视频在线观看| 国产又黄又爽又无遮挡在线| 一进一出好大好爽视频| 色av中文字幕| 国产真人三级小视频在线观看| 97超级碰碰碰精品色视频在线观看| 精品电影一区二区在线| 黄色片一级片一级黄色片| 两个人的视频大全免费| 国产真实乱freesex| 999久久久精品免费观看国产| 一边摸一边抽搐一进一小说| 在线a可以看的网站| 久久6这里有精品| 99国产精品一区二区三区| 国产精品自产拍在线观看55亚洲| 国产熟女xx| 亚洲无线在线观看| 18+在线观看网站| 琪琪午夜伦伦电影理论片6080| 人妻丰满熟妇av一区二区三区| 99热只有精品国产| 高潮久久久久久久久久久不卡| 日韩欧美三级三区| 午夜精品一区二区三区免费看| 亚洲av美国av| 高潮久久久久久久久久久不卡| 美女高潮喷水抽搐中文字幕| 天堂网av新在线| 国产精品久久久久久精品电影| 日本三级黄在线观看| 一a级毛片在线观看| 99久国产av精品| 日韩成人在线观看一区二区三区| 国产v大片淫在线免费观看| 久久国产乱子伦精品免费另类| 桃色一区二区三区在线观看| 美女大奶头视频| 又爽又黄无遮挡网站| 在线观看av片永久免费下载| 欧美zozozo另类| 黄色丝袜av网址大全| 黄色片一级片一级黄色片| 国产亚洲精品av在线| 久久这里只有精品中国| 美女高潮的动态| 嫩草影视91久久| 99riav亚洲国产免费| 国产免费男女视频| 五月玫瑰六月丁香| 夜夜夜夜夜久久久久| 精品一区二区三区视频在线观看免费| 一夜夜www| 韩国av一区二区三区四区| 国产一区二区亚洲精品在线观看| 国产又黄又爽又无遮挡在线| 国产野战对白在线观看| 一级作爱视频免费观看| 成人国产综合亚洲| 国产成人福利小说| 成熟少妇高潮喷水视频| 成人特级黄色片久久久久久久| 天天添夜夜摸| 中文在线观看免费www的网站| 亚洲精品一区av在线观看| 高清毛片免费观看视频网站| 久久精品亚洲精品国产色婷小说| 亚洲av免费在线观看| 老司机福利观看| 伊人久久大香线蕉亚洲五| 琪琪午夜伦伦电影理论片6080| 亚洲av不卡在线观看| 97碰自拍视频| 嫁个100分男人电影在线观看| 伊人久久精品亚洲午夜| 久久久久久国产a免费观看| 精品人妻一区二区三区麻豆 | 色哟哟哟哟哟哟| 一区二区三区免费毛片| 欧美精品啪啪一区二区三区| 90打野战视频偷拍视频| 最新美女视频免费是黄的| 无遮挡黄片免费观看| 亚洲av免费高清在线观看| 美女被艹到高潮喷水动态| 国产亚洲精品综合一区在线观看| 国产成年人精品一区二区| 免费在线观看成人毛片| 亚洲成人免费电影在线观看| 天美传媒精品一区二区| 99久久精品一区二区三区| 热99在线观看视频| 国产美女午夜福利| 亚洲专区国产一区二区| 亚洲av熟女| 在线观看66精品国产| 黄片大片在线免费观看| 91字幕亚洲| 免费在线观看亚洲国产| 中文字幕人成人乱码亚洲影| 国产综合懂色| 亚洲熟妇熟女久久| 搡老熟女国产l中国老女人| 亚洲av第一区精品v没综合| 亚洲国产日韩欧美精品在线观看 | 精品久久久久久成人av| 久久精品人妻少妇| 国产精华一区二区三区| 欧美日韩综合久久久久久 | 亚洲av成人av| 9191精品国产免费久久| 欧美在线一区亚洲| 夜夜看夜夜爽夜夜摸| 亚洲国产色片| 色在线成人网| 法律面前人人平等表现在哪些方面| 久久久久久久久大av| 欧美在线黄色| 亚洲国产精品久久男人天堂| 日韩欧美一区二区三区在线观看| 99热这里只有是精品50| 国产一区二区三区在线臀色熟女| 国产毛片a区久久久久| 国模一区二区三区四区视频| 一进一出抽搐gif免费好疼| 国内精品久久久久久久电影| 美女免费视频网站| 性欧美人与动物交配| 国产三级在线视频| 国产视频内射| 嫩草影视91久久| 在线观看日韩欧美| 人妻夜夜爽99麻豆av| 男人和女人高潮做爰伦理| 动漫黄色视频在线观看| 日本一二三区视频观看| 亚洲人成网站在线播放欧美日韩| 免费搜索国产男女视频| 激情在线观看视频在线高清| 国产成人影院久久av| 12—13女人毛片做爰片一| 欧美色欧美亚洲另类二区| 亚洲精品成人久久久久久| 亚洲国产精品久久男人天堂| 哪里可以看免费的av片| 熟妇人妻久久中文字幕3abv| 日韩高清综合在线| 中文字幕av成人在线电影| 少妇的丰满在线观看| 国产精品久久久久久精品电影| 免费在线观看日本一区| 日本免费a在线| 在线a可以看的网站| 别揉我奶头~嗯~啊~动态视频| 欧美日本亚洲视频在线播放| 国产av一区在线观看免费| 国产欧美日韩精品亚洲av| 久久久久免费精品人妻一区二区| 色精品久久人妻99蜜桃| 国产精品综合久久久久久久免费| 国产69精品久久久久777片| 草草在线视频免费看| 免费观看精品视频网站| 在线观看美女被高潮喷水网站 | 精品人妻偷拍中文字幕| 国产v大片淫在线免费观看| 宅男免费午夜| 亚洲国产日韩欧美精品在线观看 | 一进一出抽搐gif免费好疼| 成人鲁丝片一二三区免费| 久久婷婷人人爽人人干人人爱| 国产成人a区在线观看| 午夜福利免费观看在线| 欧美日韩精品网址| 成人性生交大片免费视频hd| 国产真人三级小视频在线观看| 国产色爽女视频免费观看| 琪琪午夜伦伦电影理论片6080| 少妇熟女aⅴ在线视频| 国产亚洲精品久久久com| 男人舔奶头视频| 内地一区二区视频在线| 女生性感内裤真人,穿戴方法视频| 一个人看视频在线观看www免费 | 日本五十路高清| 国产久久久一区二区三区| 亚洲精品粉嫩美女一区| 天天一区二区日本电影三级| 日本一二三区视频观看| 亚洲自拍偷在线| av黄色大香蕉| 舔av片在线| av福利片在线观看| 狂野欧美白嫩少妇大欣赏| 午夜福利欧美成人| 看免费av毛片| 两个人视频免费观看高清| 不卡一级毛片| 亚洲欧美精品综合久久99| 国产成年人精品一区二区| 亚洲一区二区三区不卡视频| 男插女下体视频免费在线播放| 99国产极品粉嫩在线观看| 国内久久婷婷六月综合欲色啪| 琪琪午夜伦伦电影理论片6080| 激情在线观看视频在线高清| 操出白浆在线播放| 日本 av在线| 国产伦精品一区二区三区四那| 岛国在线免费视频观看| 国产免费一级a男人的天堂| 蜜桃亚洲精品一区二区三区| 国产高清视频在线观看网站| 国产精品乱码一区二三区的特点| 国产亚洲精品久久久com| 无遮挡黄片免费观看| 日本一本二区三区精品| 听说在线观看完整版免费高清| 99视频精品全部免费 在线| 97超级碰碰碰精品色视频在线观看| 免费av毛片视频| 国产亚洲精品综合一区在线观看| 午夜老司机福利剧场| 国产av在哪里看| 国产aⅴ精品一区二区三区波| 18禁在线播放成人免费| 在线天堂最新版资源| 99久久精品国产亚洲精品| 宅男免费午夜| 久久精品国产亚洲av涩爱 | 可以在线观看毛片的网站| 色播亚洲综合网| 久久精品人妻少妇| 丰满人妻熟妇乱又伦精品不卡| 噜噜噜噜噜久久久久久91| 精品不卡国产一区二区三区| 日本黄色片子视频| 亚洲18禁久久av| 亚洲国产精品合色在线| 欧美日韩福利视频一区二区| 国产精品av视频在线免费观看| 看黄色毛片网站| 国产精品久久视频播放| 日本与韩国留学比较| 亚洲在线观看片| 亚洲av熟女| 大型黄色视频在线免费观看| 尤物成人国产欧美一区二区三区| 欧美性感艳星| 老汉色∧v一级毛片| 校园春色视频在线观看| 午夜福利免费观看在线| 亚洲中文字幕日韩| 中出人妻视频一区二区| 19禁男女啪啪无遮挡网站| 波野结衣二区三区在线 | 国产爱豆传媒在线观看| 国产av一区在线观看免费| 叶爱在线成人免费视频播放| 国内精品美女久久久久久| 欧美一级毛片孕妇| 国产一区二区激情短视频| 三级男女做爰猛烈吃奶摸视频| 97超级碰碰碰精品色视频在线观看| 岛国视频午夜一区免费看| 欧美日韩瑟瑟在线播放| 熟女人妻精品中文字幕| 国产免费av片在线观看野外av| 国产亚洲精品一区二区www| 成年人黄色毛片网站| av国产免费在线观看| 看片在线看免费视频| a在线观看视频网站| 亚洲成人中文字幕在线播放| 看片在线看免费视频| 俺也久久电影网| www日本黄色视频网| 看黄色毛片网站| 国产亚洲精品久久久com| 又粗又爽又猛毛片免费看| 国产又黄又爽又无遮挡在线| 岛国在线免费视频观看| 日韩欧美国产一区二区入口| 国产成人a区在线观看| av在线天堂中文字幕| 欧美最新免费一区二区三区 | 欧美激情在线99| 夜夜看夜夜爽夜夜摸| 久99久视频精品免费| 日韩成人在线观看一区二区三区| 国产v大片淫在线免费观看| 国产欧美日韩一区二区三| 天堂av国产一区二区熟女人妻| 一夜夜www| 在线观看免费视频日本深夜| 精品熟女少妇八av免费久了| 国产野战对白在线观看| 窝窝影院91人妻|