• <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>

    2022亚洲国产成人精品| 天堂俺去俺来也www色官网| 在现免费观看毛片| 国产亚洲精品久久久com| 欧美少妇被猛烈插入视频| 精品一品国产午夜福利视频| kizo精华| 国产男女超爽视频在线观看| 免费高清在线观看日韩| 午夜日本视频在线| 亚洲美女黄色视频免费看| 成人手机av| 亚洲av成人精品一二三区| 亚洲精品色激情综合| 一级片'在线观看视频| av天堂久久9| 毛片一级片免费看久久久久| 人妻人人澡人人爽人人| 九色亚洲精品在线播放| 久热久热在线精品观看| av在线app专区| 久热这里只有精品99| 91精品三级在线观看| 大陆偷拍与自拍| 男的添女的下面高潮视频| 一区二区三区精品91| 精品国产一区二区久久| 亚洲综合色网址| 欧美国产精品一级二级三级| 日本爱情动作片www.在线观看| 夜夜骑夜夜射夜夜干| 国产69精品久久久久777片| 成人二区视频| 精品人妻一区二区三区麻豆| 国产又色又爽无遮挡免| 亚洲第一av免费看| 成人午夜精彩视频在线观看| 人妻制服诱惑在线中文字幕| 欧美日韩综合久久久久久| av有码第一页| 亚洲av日韩在线播放| 亚洲美女黄色视频免费看| 99热网站在线观看| 精品一区在线观看国产| 国产成人免费无遮挡视频| 成年人午夜在线观看视频| 亚洲人成网站在线播| 青春草视频在线免费观看| 两个人免费观看高清视频| 国产成人freesex在线| 欧美日本中文国产一区发布| av有码第一页| 久久免费观看电影| 欧美日韩精品成人综合77777| 一级毛片 在线播放| 国产视频首页在线观看| 啦啦啦视频在线资源免费观看| 国产老妇伦熟女老妇高清| 国产精品久久久久久久久免| 又黄又爽又刺激的免费视频.| 精品人妻在线不人妻| 性高湖久久久久久久久免费观看| 国产永久视频网站| 亚洲综合色惰| 亚洲精品国产av成人精品| 精品亚洲成a人片在线观看| 黑丝袜美女国产一区| 菩萨蛮人人尽说江南好唐韦庄| 99久久综合免费| 黑人巨大精品欧美一区二区蜜桃 | 精品国产露脸久久av麻豆| 国产成人免费观看mmmm| av女优亚洲男人天堂| 青春草视频在线免费观看| 边亲边吃奶的免费视频| 国产精品一区二区在线不卡| 国产69精品久久久久777片| 久久久久久久久久成人| 亚洲伊人久久精品综合| 国产在视频线精品| 午夜免费观看性视频| 亚洲精品自拍成人| 最近中文字幕高清免费大全6| 亚洲国产成人一精品久久久| 插逼视频在线观看| 男女国产视频网站| 中文字幕制服av| 黄色配什么色好看| 免费不卡的大黄色大毛片视频在线观看| 高清欧美精品videossex| 亚洲欧美色中文字幕在线| 成人毛片60女人毛片免费| 国产男女内射视频| 国产精品久久久久久精品古装| 日韩,欧美,国产一区二区三区| 最新中文字幕久久久久| 国产精品熟女久久久久浪| 精品一区二区三卡| 91aial.com中文字幕在线观看| 欧美日韩视频高清一区二区三区二| 另类精品久久| 在线天堂最新版资源| 国产精品人妻久久久影院| 午夜福利视频精品| 日日摸夜夜添夜夜爱| 亚洲av.av天堂| 在线观看三级黄色| 午夜激情久久久久久久| 有码 亚洲区| 欧美另类一区| 国产成人免费无遮挡视频| av电影中文网址| 欧美xxxx性猛交bbbb| 嘟嘟电影网在线观看| 亚洲av不卡在线观看| 亚洲三级黄色毛片| 天堂8中文在线网| 大香蕉97超碰在线| 日韩欧美一区视频在线观看| 亚洲精品日韩av片在线观看| 亚洲婷婷狠狠爱综合网| 日韩欧美一区视频在线观看| 婷婷色综合大香蕉| videossex国产| 国产一区有黄有色的免费视频| 欧美日韩一区二区视频在线观看视频在线| 男女国产视频网站| 成年av动漫网址| 99国产综合亚洲精品| 亚洲精品色激情综合| 九色亚洲精品在线播放| 黄色配什么色好看| 一边亲一边摸免费视频| 婷婷色av中文字幕| 九九在线视频观看精品| 欧美国产精品一级二级三级| 欧美亚洲日本最大视频资源| 欧美三级亚洲精品| 一级二级三级毛片免费看| 晚上一个人看的免费电影| 色网站视频免费| 五月玫瑰六月丁香| 嘟嘟电影网在线观看| 久久国产精品大桥未久av| 亚洲av福利一区| 久久精品国产亚洲网站| 亚洲中文av在线| 国产成人免费观看mmmm| 狂野欧美激情性bbbbbb| 波野结衣二区三区在线| 一级片'在线观看视频| 国产亚洲一区二区精品| 美女脱内裤让男人舔精品视频| 中文精品一卡2卡3卡4更新| 亚洲欧美一区二区三区国产| 精品少妇黑人巨大在线播放| av又黄又爽大尺度在线免费看| 亚洲五月色婷婷综合| 久久鲁丝午夜福利片| 日韩精品有码人妻一区| 久久久久国产精品人妻一区二区| 成年人免费黄色播放视频| 又大又黄又爽视频免费| 亚洲欧美中文字幕日韩二区| 看十八女毛片水多多多| 欧美精品国产亚洲| 丰满饥渴人妻一区二区三| 伦理电影大哥的女人| 女人精品久久久久毛片| 水蜜桃什么品种好| 国产高清不卡午夜福利| 中国国产av一级| 18禁观看日本| 成人免费观看视频高清| 亚洲欧美成人综合另类久久久| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 精品亚洲乱码少妇综合久久| 国产高清三级在线| 久久久久国产网址| 寂寞人妻少妇视频99o| 精品一区二区免费观看| 久久韩国三级中文字幕| 亚洲精品第二区| 亚洲丝袜综合中文字幕| 肉色欧美久久久久久久蜜桃| www.色视频.com| 热re99久久国产66热| 久热久热在线精品观看| 91精品三级在线观看| 中文欧美无线码| 欧美性感艳星| 狂野欧美激情性bbbbbb| 在线观看免费视频网站a站| 午夜福利网站1000一区二区三区| 国产成人精品婷婷| 国产精品一区www在线观看| 国产探花极品一区二区| 男女边吃奶边做爰视频| 97在线人人人人妻| 如日韩欧美国产精品一区二区三区 | 中文字幕av电影在线播放| 国产成人精品一,二区| 欧美日韩成人在线一区二区| 精品一区二区三区视频在线| 亚洲av二区三区四区| √禁漫天堂资源中文www| 秋霞在线观看毛片| 如何舔出高潮| 免费日韩欧美在线观看| 精品99又大又爽又粗少妇毛片| 人妻制服诱惑在线中文字幕| 又大又黄又爽视频免费| 精品国产国语对白av| 亚洲国产精品国产精品| 男女免费视频国产| 在线观看三级黄色| 国产精品久久久久成人av| 免费看不卡的av| 国产伦精品一区二区三区视频9| 国产黄色视频一区二区在线观看| 免费观看av网站的网址| 亚洲,一卡二卡三卡| 美女中出高潮动态图| 最黄视频免费看| 亚洲国产精品成人久久小说| 99国产综合亚洲精品| 制服人妻中文乱码| 日韩视频在线欧美| 亚洲av男天堂| 欧美 日韩 精品 国产| 我的老师免费观看完整版| 亚洲欧美日韩卡通动漫| 欧美激情 高清一区二区三区| 色吧在线观看| 国产欧美日韩一区二区三区在线 | 丰满少妇做爰视频| 亚洲精品久久成人aⅴ小说 | 亚洲国产欧美日韩在线播放| 老女人水多毛片| 久久人妻熟女aⅴ| 日本av手机在线免费观看| 日韩视频在线欧美| 国产一区二区在线观看日韩| 少妇熟女欧美另类| 人妻夜夜爽99麻豆av| 国产免费视频播放在线视频| 色5月婷婷丁香| 大码成人一级视频| videos熟女内射| 国产精品无大码| 免费日韩欧美在线观看| 大香蕉久久网| 黑人欧美特级aaaaaa片| 久久婷婷青草| 一级毛片 在线播放| 最新中文字幕久久久久| 三级国产精品片| 高清午夜精品一区二区三区| 美女内射精品一级片tv| 国产一区二区三区综合在线观看 | 性色avwww在线观看| 亚洲无线观看免费| 亚洲欧洲精品一区二区精品久久久 | 18+在线观看网站| 十分钟在线观看高清视频www| 婷婷成人精品国产| 欧美亚洲 丝袜 人妻 在线| 亚洲四区av| 人妻制服诱惑在线中文字幕| 久久综合国产亚洲精品| 两个人免费观看高清视频| 七月丁香在线播放| 亚洲av不卡在线观看| 亚洲精品日韩在线中文字幕| a 毛片基地| 人体艺术视频欧美日本| 观看美女的网站| 成年女人在线观看亚洲视频| 日韩中文字幕视频在线看片| av黄色大香蕉| 一区二区av电影网| 欧美日韩亚洲高清精品| 一区二区三区精品91| 国产精品久久久久久精品电影小说| 成人亚洲欧美一区二区av| 人人澡人人妻人| 99久久精品一区二区三区| 成人国产av品久久久| 日韩人妻高清精品专区| 国产精品嫩草影院av在线观看| 亚洲在久久综合| 男女边吃奶边做爰视频| 国产色爽女视频免费观看| 国产一区二区在线观看日韩| 国产精品国产三级国产专区5o| 亚洲国产精品一区二区三区在线| 性色avwww在线观看| www.av在线官网国产| 国产亚洲最大av| 国产免费又黄又爽又色| 街头女战士在线观看网站| 日韩成人av中文字幕在线观看| 久久久a久久爽久久v久久| 亚洲精品成人av观看孕妇| 国产亚洲精品第一综合不卡 | 不卡视频在线观看欧美| 欧美日韩视频精品一区| 欧美日韩视频高清一区二区三区二| 欧美日韩亚洲高清精品| 插逼视频在线观看| 日本猛色少妇xxxxx猛交久久| 丰满饥渴人妻一区二区三| 女性生殖器流出的白浆| 国产精品人妻久久久影院| 日韩一区二区三区影片| 少妇高潮的动态图| 中文精品一卡2卡3卡4更新| 麻豆精品久久久久久蜜桃| 日韩熟女老妇一区二区性免费视频| 777米奇影视久久| 麻豆精品久久久久久蜜桃| 久久国产精品大桥未久av| 亚洲综合色惰| 久久人人爽人人片av| 国产欧美亚洲国产| 久久人人爽av亚洲精品天堂| 人人妻人人爽人人添夜夜欢视频| 国产精品女同一区二区软件| 久久久久久久久久成人| 久久综合国产亚洲精品| 久久久久久久久久成人| 观看美女的网站| 欧美激情 高清一区二区三区| 欧美另类一区| 国产不卡av网站在线观看| 日本猛色少妇xxxxx猛交久久| 午夜影院在线不卡| 精品午夜福利在线看| 日本91视频免费播放| 国产精品秋霞免费鲁丝片| 纯流量卡能插随身wifi吗| av播播在线观看一区| 久久精品夜色国产| 日产精品乱码卡一卡2卡三| 国产成人aa在线观看| 边亲边吃奶的免费视频| 九色亚洲精品在线播放| 午夜日本视频在线| 国产视频内射| 国产精品无大码| 日本黄色片子视频| 国产 一区精品| 国产视频内射| 欧美日韩视频精品一区| 中文字幕亚洲精品专区| 亚洲欧美成人综合另类久久久| 狠狠精品人妻久久久久久综合| 国产精品无大码| 国产精品一二三区在线看| 国产精品国产三级专区第一集| 少妇 在线观看| 亚洲激情五月婷婷啪啪| 国产精品一二三区在线看| 欧美亚洲 丝袜 人妻 在线| 秋霞在线观看毛片| 黄片无遮挡物在线观看| 亚洲精品456在线播放app| 如日韩欧美国产精品一区二区三区 | 国产淫语在线视频| 午夜久久久在线观看| 中文字幕久久专区| 黑人猛操日本美女一级片| 80岁老熟妇乱子伦牲交| a级毛片免费高清观看在线播放| 亚洲精品久久成人aⅴ小说 | 在线观看一区二区三区激情| 亚洲综合色网址| 青春草视频在线免费观看| 国产亚洲欧美精品永久| 夜夜爽夜夜爽视频| 亚洲内射少妇av| 一区二区日韩欧美中文字幕 | 伦理电影免费视频| 国产毛片在线视频| 久久精品久久精品一区二区三区| 精品酒店卫生间| 热re99久久国产66热| 老司机影院毛片| 人妻人人澡人人爽人人| 久久99一区二区三区| 久久久久精品性色| 男女边摸边吃奶| 久久精品夜色国产| 欧美日韩在线观看h| 妹子高潮喷水视频| 日韩精品有码人妻一区| 乱码一卡2卡4卡精品| www.色视频.com| 国产亚洲av片在线观看秒播厂| 一本色道久久久久久精品综合| 欧美精品高潮呻吟av久久| 精品午夜福利在线看| 久久精品熟女亚洲av麻豆精品| 免费久久久久久久精品成人欧美视频 | 超碰97精品在线观看| 制服诱惑二区| 亚洲图色成人| 在线观看三级黄色| 国产精品国产av在线观看| 久久久精品94久久精品| 尾随美女入室| 中文字幕av电影在线播放| 国产精品一区二区在线观看99| 国模一区二区三区四区视频| 欧美xxⅹ黑人| 久久精品夜色国产| 亚洲精品日韩av片在线观看| 国产在线一区二区三区精| 国产精品国产三级国产av玫瑰| 一级爰片在线观看| 精品一区在线观看国产| 国产在线视频一区二区| 青春草亚洲视频在线观看| 麻豆成人av视频| 亚洲色图综合在线观看| 精品国产一区二区三区久久久樱花| 国产亚洲精品久久久com| 国产免费一级a男人的天堂| 亚洲欧美一区二区三区国产| 亚洲色图 男人天堂 中文字幕 | 国产色爽女视频免费观看| 欧美精品国产亚洲| 在线播放无遮挡| 青青草视频在线视频观看| 欧美激情极品国产一区二区三区 | 伊人久久国产一区二区| 蜜桃国产av成人99| www.色视频.com| 久久久久久久亚洲中文字幕| 欧美另类一区| 亚洲国产毛片av蜜桃av| 亚洲怡红院男人天堂| 嘟嘟电影网在线观看| 久久99精品国语久久久| 亚洲国产色片| 国产高清不卡午夜福利| 国产综合精华液| 一级毛片aaaaaa免费看小| 我的女老师完整版在线观看| 中文字幕亚洲精品专区| 日本与韩国留学比较| 欧美xxxx性猛交bbbb| 大话2 男鬼变身卡| 一区二区三区免费毛片| 国产在线免费精品| 久久人人爽av亚洲精品天堂| 午夜免费男女啪啪视频观看| 午夜激情久久久久久久| 乱码一卡2卡4卡精品| 国产欧美日韩综合在线一区二区| 三级国产精品片| 美女大奶头黄色视频| 精品久久久精品久久久| 黄色一级大片看看| 中文字幕精品免费在线观看视频 | 嘟嘟电影网在线观看| 天天操日日干夜夜撸| 免费观看的影片在线观看| 色94色欧美一区二区| 91久久精品国产一区二区成人| 亚洲国产精品999| a级毛片免费高清观看在线播放| 成人综合一区亚洲| 日韩三级伦理在线观看| 久久精品国产a三级三级三级| 26uuu在线亚洲综合色| 国产精品久久久久久精品古装| 亚洲精品久久久久久婷婷小说| 国产精品99久久99久久久不卡 | 亚洲综合色惰| 久久精品国产亚洲av天美| 国产熟女午夜一区二区三区 | 欧美日韩在线观看h| 国产视频内射| 免费高清在线观看视频在线观看| 欧美精品亚洲一区二区| 欧美精品人与动牲交sv欧美| 国内精品宾馆在线| 亚洲国产精品一区二区三区在线| 欧美 亚洲 国产 日韩一| 九九在线视频观看精品| 最后的刺客免费高清国语| 国产熟女欧美一区二区| 大香蕉97超碰在线| 国产成人精品久久久久久| 亚洲欧美清纯卡通| 国产男女超爽视频在线观看| 97超视频在线观看视频| 高清欧美精品videossex| 高清午夜精品一区二区三区| 午夜老司机福利剧场| 成人亚洲精品一区在线观看| 91精品国产国语对白视频| 国产在线免费精品| 国产黄片视频在线免费观看| 亚洲性久久影院| 久久影院123| 日日摸夜夜添夜夜添av毛片| 亚洲国产精品一区三区| 国产成人午夜福利电影在线观看| 91久久精品国产一区二区三区| 成人午夜精彩视频在线观看| 日本猛色少妇xxxxx猛交久久| 成人综合一区亚洲| 2018国产大陆天天弄谢| 亚洲丝袜综合中文字幕| 亚洲欧洲日产国产| 国产午夜精品一二区理论片| 激情五月婷婷亚洲| 少妇的逼水好多| 中文字幕最新亚洲高清| 久久亚洲国产成人精品v| 在线观看国产h片| 欧美老熟妇乱子伦牲交| 丰满迷人的少妇在线观看| 伦精品一区二区三区| 在线观看美女被高潮喷水网站| 久久精品国产亚洲av涩爱| 久久精品久久精品一区二区三区| www.av在线官网国产| 国产精品久久久久久av不卡| 国产白丝娇喘喷水9色精品| 久久午夜福利片| 久久久久久久久久人人人人人人| 能在线免费看毛片的网站| 狠狠婷婷综合久久久久久88av| 一区二区三区免费毛片| 日本免费在线观看一区| 老司机亚洲免费影院| a级毛片在线看网站| 国产精品国产三级国产专区5o| 亚洲精品久久久久久婷婷小说| 另类精品久久| 观看av在线不卡| 三上悠亚av全集在线观看| 亚洲伊人久久精品综合| 国产色爽女视频免费观看| 黑人高潮一二区| 久久久精品免费免费高清| 精品一区在线观看国产| 欧美+日韩+精品| 久久99热这里只频精品6学生| 亚洲国产日韩一区二区| 国产精品久久久久久av不卡| 精品国产一区二区三区久久久樱花| 99久久精品国产国产毛片| 国产成人精品无人区| 亚洲欧美一区二区三区国产| av在线观看视频网站免费| 国产精品久久久久久精品古装| 最黄视频免费看| 亚洲精品一区蜜桃| 最近最新中文字幕免费大全7| 精品久久久噜噜| 一级毛片电影观看| 麻豆成人av视频| 国产免费视频播放在线视频| 九九在线视频观看精品| 日韩亚洲欧美综合| 亚洲精品自拍成人| 五月天丁香电影| 亚洲一区二区三区欧美精品| 三级国产精品片| 3wmmmm亚洲av在线观看| av黄色大香蕉| 免费大片18禁| 午夜福利网站1000一区二区三区| 熟妇人妻不卡中文字幕| 搡老乐熟女国产| 欧美三级亚洲精品| 18禁动态无遮挡网站| 国国产精品蜜臀av免费| 欧美日韩综合久久久久久| 国产无遮挡羞羞视频在线观看| 中文精品一卡2卡3卡4更新| 五月开心婷婷网| 狂野欧美白嫩少妇大欣赏| 精品一区二区免费观看| 高清视频免费观看一区二区| 成年人午夜在线观看视频| 国产一区二区在线观看日韩| 久久久精品免费免费高清| 人妻人人澡人人爽人人| 亚洲天堂av无毛| 久久久精品免费免费高清| 精品久久久精品久久久| 亚洲天堂av无毛| 成人午夜精彩视频在线观看| 男女无遮挡免费网站观看| av卡一久久| 成人手机av| 亚洲丝袜综合中文字幕| 国模一区二区三区四区视频| 制服诱惑二区| 久久久精品免费免费高清| 亚洲综合精品二区| 日本色播在线视频| 80岁老熟妇乱子伦牲交| 美女cb高潮喷水在线观看| 日韩伦理黄色片| 97超碰精品成人国产| 美女cb高潮喷水在线观看| 26uuu在线亚洲综合色| 熟女av电影| 亚洲欧美中文字幕日韩二区|