• <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 ?

    基于機器學習與情感詞典的文本主題概括及情感分析

    2019-06-09 10:36:01宋祖康閻瑞霞辜麗瓊
    軟件導刊 2019年4期
    關鍵詞:情感分析

    宋祖康 閻瑞霞 辜麗瓊

    摘 要:作為社交網(wǎng)絡重要載體,微博成為信息傳播的重要平臺,承載著公眾情感表達及輿論傳播的重要功能。對微博博文及評論作出主題概括及情感分析在網(wǎng)絡管控、輿情監(jiān)測及公眾情緒引導方面具有重要的實踐意義。提出一種基于機器學習與文本分析的主題概括及情感分析模型。以武漢理工大學研究生墜亡事件為話題,利用Word2vec將文本轉化為詞向量,并且通過機器學習聚類方法對輿情各個生命周期過程進行主題概括,采用基于詞典文本分析方法,對評論文本進行多元情感分析,對表現(xiàn)突出的情感大類作細粒度分析,最終實現(xiàn)基于主題與情感分析的多元細粒度公眾情感變化分析模型。該分析模型可在特定輿情事件下得出公眾在各階段的關注中心及情緒變化規(guī)律,實現(xiàn)輿情主題與情感變化的協(xié)同演化研究。

    關鍵詞:主題概括;Word2vec;K-Means;情感分析

    DOI:10. 11907/rjdk. 182107

    中圖分類號:TP301文獻標識碼:A文章編號:1672-7800(2019)004-0004-05

    0 引言

    作為社交網(wǎng)絡的重要載體,微博以簡潔、短小的特點爆發(fā)式成長,截至2017年年底,微博已發(fā)展至4億用戶。微博的特點在于可以即時分享,信息傳播不受時間、空間影響,因此成為熱點輿論產(chǎn)生及傳播的重要平臺。平臺上信息傳播深度、廣度及速度均有驚人潛力,若不能及時對公眾情感作出更加準確的分析與把握,可能會使其成為國家與社會不安定的潛在因素,甚至引起極大恐慌。因此,對輿情事件下公眾情緒進行細粒度多元情感分析刻畫,對于維護社會穩(wěn)定、消除社會潛在不穩(wěn)定因素有深遠影響與意義。

    1 研究現(xiàn)狀

    國內(nèi)外學者在短文本主題概括與情感分析方面積累了大量有意義的成果。在微博博文主題概括方面,目前常用模型為LDA主題抽取模型,李保利等[1]通過LDA模型自動抽取一個時間間隔里的話題,得到不同話題,然后通過簡單的啟發(fā)式規(guī)則找出種子話題,并根據(jù)種子話題語義相似度將其進行關聯(lián),得到話題演化趨勢。然而,由于LDA模型采用的是詞袋方法,每篇文檔被視作一個詞頻向量, LDA模型并沒有考慮詞與詞之間的關系,因此會漏掉一些關鍵特征。近年來,隨著機器學習、深度學習的研究不斷深入,越來越多的實例證明,基于神經(jīng)網(wǎng)絡模型的Word2vec開源算法在提取微博主題上顯著優(yōu)于LDA主題模型,其中,安璐等[2]通過Word2vec模型對微博主題進行提取,取得了較好結果;薛煒明等[3]使用Word2vec算法,通過大量實驗將其與傳統(tǒng)詞袋模型、經(jīng)典KNN算法及其改進方法進行效果對比,證明了算法優(yōu)良性。然而,以上研究大多數(shù)關注Word2vec模型應用及中文短文本分詞,仍使用傳統(tǒng)聚類方法進行中文主題概括,不能有效地對短文本進行分析。因此,本文通過Word2vec工具集將詞語轉化為詞向量,并引入無監(jiān)督學習下的K-Means均值聚類算法,力求對各個時序階段的微博博文主題準確抽取。

    針對文本情感分析的研究方法有兩種:一種是基于機器學習,另一種是基于情感詞典?;跈C器學習方面,李巖等[4] 基于短文本聚類及評論情感分析,在一定程度上解決了由于關鍵詞稀疏特征引起的相似度漂移問題;王宏偉等[5]在分析用戶評論后對其中隱含的情感信息進行識別,并研究了用戶情感演化過程;張小倩[6]將微博文本極性轉移分為強調(diào)、否定、轉折3種類型,根據(jù)該研究,王文凱[7]設置了一種注意力機制以解決非連續(xù)詞情感相關性導致的極性轉移現(xiàn)象,并且引入卷積神經(jīng)網(wǎng)絡,通過注意力機制捕獲長距離上下文之間的相關性。然而,由于機器學習十分依賴標注的訓練集,但在海量數(shù)據(jù)的情況下又難以實現(xiàn),因此機器學習方法存在一定局限性。在基于字典的研究方面,國內(nèi)現(xiàn)在較為成熟的字典有大連理工大學情感詞匯本體庫[16]、臺灣大學“NTUSD”中文情感極性字典[11]及知網(wǎng)HowNet情感字典[12]。

    綜上所述,本文參考大連理工大學情感詞匯本體庫[16],以武漢理工大學研究生跳樓事件為實驗案例,建立一個基于Word2vec與K-Means均值算法的細粒度多元情感分析模型。該模型可更加細致地掌握公眾情緒發(fā)展走向,并對各階段博文主題進行主題概括,有助于在各個階段更好地把握輿論中心走向,對公眾言論作出更有效的辨別和管控,為有關部門更加精準地遏制謠言及更加全面地掌握公眾情感提供參考意見。

    2 研究框架

    2.1 Word2vec算法

    Word2vec是Google公司在2013年開源的一款將詞表征為實數(shù)值向量的工具,其基本思想來源于Mikolov提出的CBOW及Skip-gram模型。最早提出的前饋神經(jīng)網(wǎng)絡模型NNLM由4個主要層級構成,分別為輸入層、映射層、隱藏層及輸出層,主要計算障礙是從映射層到隱藏層的計算,為提升計算效率,Mikolov提出CBOW及Skip-gram模型,本文主要使用Python開源庫Gensim工具包的Skip-gram模型進行求解。

    Skip-gram是一個簡單的神經(jīng)網(wǎng)絡模型,主要思想是根據(jù)當前單詞預測前后文語境,其輸入層為一個輸入單元,輸入值為當前單詞,輸出層是前后文單詞,輸出層數(shù)量為用戶設置的窗口數(shù), 將Skip-gram模型的前向計算過程攜程數(shù)學形式,為方便敘述,定義以下符號:文本集合為[T],當前單詞為[w],語境[c]定義為以單詞[w]為起點,向前[k]個數(shù)量、向后[k]個數(shù)量所包含的單詞,模型參數(shù)設為[θ],在[w]確定的情況下,上下文單詞[c]出現(xiàn)的概率設為[pc|w;θ],在文本中,單詞[w]所有上下文單詞[c]的集合設為[Cw],切分后的文本詞匯表設為[V],所有[w]及相對應[Cw]的集合設為[D],Skip-gram目標函數(shù)利用隨機梯度下降最大化以下條件的概率乘積為:

    2.2 K-Means均值算法

    將得到的詞向量作為訓練文本,使用K-Means聚類方法進行聚類。聚類分析是一種無監(jiān)督學習的方法,與分類不同的地方在于分類目標已預知,但聚類類別是沒有定義的,聚類分析試圖將相似的對象歸入同一簇中,在本文K-Means聚類中,相似度由兩個詞向量之間的歐氏距離決定。

    K-Means主要目的是發(fā)現(xiàn)給定數(shù)據(jù)集的[k]個簇。首先隨機選定[k]個質(zhì)心,然后將數(shù)據(jù)集中的每個點按照歐氏距離計算其與[k]個質(zhì)心的相似度,將各個點分配到離它們最近的質(zhì)心所在簇中,遍歷整個數(shù)據(jù)集后,將每個簇的質(zhì)心更新為該簇所有點的平均值,然后重復上述過程。K-Means算法迭代過程在算法迭代到指定步數(shù)或其誤差值小于設定閾值時停止,K-Means誤差值為簇中每個點到質(zhì)心的距離之和,該誤差值也可用來對聚類效果進行評價,本文根據(jù)聚類結果得到相應階段的輿論中心話題。

    3 文本情感分析——基于情感詞典

    通過博文得到各階段的主題后,本文對各階段評論的情感進行分析,獲得輿情發(fā)展過程中公眾情感變化。本文參考大連理工大學情感詞匯本體庫,對各階段微博評論進行細粒度多元情感分析。

    在文本預處理方面,由于微博具有短文本特點,其行文風格偏向口語化,因此本文在去除停用詞的步驟中,不僅去除常用停用詞,還根據(jù)詞頻統(tǒng)計,去除出現(xiàn)較多的詞匯,以保證高頻詞匯情感取值不會影響本文情感分析。

    本文參照大連理工情感詞匯本體庫[16],根據(jù)武漢理工大學研究生墜亡事件的語境基礎,將其情感分類略作修改,將情感分為七大類,分別為樂、信、諷、哀、懼、惡、驚,具體分類見表1。

    在傳統(tǒng)文本情感分析中,否定詞的研究是一個重要環(huán)節(jié),傳統(tǒng)情感分析往往是極性分析,分析判斷目標僅是二元極性,而本文情感分析為細粒度多元分析。當分析文本為微博短文本時,否定詞會產(chǎn)生豐富的語義內(nèi)容,若一概而論,僅將其作反向轉變情感處理,則有失偏駁,因此本文設定規(guī)則,根據(jù)實際情況,若在情感大類敬這類詞語前3個窗口內(nèi)出現(xiàn)否定詞,則將文本情感極性轉換為“惡”,若在其它情感大類的詞語向前3個窗口內(nèi)出現(xiàn)否定詞,則削減其情感強度,見公式(4)。

    程度副詞表及各個程度副詞賦分情況部分截取見表2。

    最后將各情感大類的情感得分相加,并畫出直方圖,對情感分析結果進行可視化。

    通過對各個情感大類的劃分,可得出情感比較集中的幾個類,再對幾個類中的各個小類進行同樣的情感判別分析,通過細粒度劃分出公眾此時具體情感。

    4 案例分析

    4.1 文本主題概括

    本文以武漢理工大學研究生跳樓事件為實驗案例,搜集3月29號開始一個月內(nèi)4 849條博文,經(jīng)去重操作后剩 1 941條。按照時間對其進行聚類分析,最終得到9 607個詞語分類結果,根據(jù)賈亞敏等[10]結合城市突發(fā)事件的特點及具體案例劃分的輿情傳播生命周期(起始階段、爆發(fā)階段、衰退階段和平息階段),結合數(shù)據(jù)特征,得出各階段微博發(fā)文數(shù)量分布,如圖1所示。

    結合微博熱點時效短、公眾注意力容易被轉移且言論管控嚴的特點,將本事件分為3個階段,分別為起始階段(3.29-4.2)、爆發(fā)階段(4.3-4.10)與平息階段(4.11-4.30),并提取相關微博博文主題詞,見表3。

    從整個輿論主題演化過程來看,此次事件從起始階段寒門學子不堪重負自殺開始,兩天后事件當事人王某作出回應,此時公眾熱點已經(jīng)形成,事件走向爆發(fā),直至武漢理工大學在4月8號作出回應時達到高潮,公眾大多表達了憤怒及質(zhì)疑的情緒,并且由此次事件深挖到北京大學沈陽當年性侵女生致其自殺的新聞,而當事件發(fā)酵到一定時期后,網(wǎng)絡上便開始出現(xiàn)了一些雖沒有根據(jù)、但邏輯卻很通順的謠言,由此事件開始轉化為社會不穩(wěn)定因素,相關危機管理部門為了防止謠言擴散及事態(tài)進一步惡化,開始對微博大量用戶刪帖禁言,使事件很快進入了衰退階段,這也與前段時間的“北電侯亮平”、“三色幼兒園”等事件的發(fā)展軌跡相似。

    4.2 文本情感分析

    本文對網(wǎng)友評論進行情感分析,根據(jù)爬蟲爬取一個月內(nèi)15 523條有關評論推演公眾各階段情緒變化。

    首先本文對各階段公眾情感進行情感大類分析,見圖2。

    從圖2中可以看出,這起事件引起的公眾情感大多集中于惡及諷刺,并且無論在哪一個階段,惡的情緒都處于高漲階段;在第二個階段,即爆發(fā)階段,公眾對該事件惡的情感達到最大值,因此本文對惡的情緒再作細粒度情感分析,見圖3。

    從圖中可以看出,公眾情感大多集中于憎惡與貶責,在事件爆發(fā)前期,公眾大多持貶責及憎惡的情緒,對導師壓榨學生一事,這些情緒是正常表現(xiàn),公眾一方面是憎惡該事件,另一方面,根據(jù)聚類主題可看出,公眾同時也在譴責學校及領導管理不善,譴責導師師德淪喪。在事件演化到輿論中期時,憎惡的情感愈演愈烈,貶責的情感雖有所下降,但仍然高居不下,在此期間,導師王某以及武漢理工大學相繼發(fā)表申明,這也導致了憎惡情緒不斷攀升,懷疑的情緒也到達了周期峰值。在事件末期,除憎惡外,所有情緒都出現(xiàn)了相當程度的衰退,再加上有關部門網(wǎng)論管控,其它更新鮮的事件發(fā)生,此時微博熱點效應已經(jīng)過去,然而從情感大類的分析圖中可看出,此時公眾情緒并沒有從惡、諷轉向哀、信,惡、諷這兩種負面情緒依然占據(jù)主流,此時公眾依然對該事件懷有強烈的不信任,對整個導師制度及對校方處理方式不滿,因此在這種情況下事后相關部門進行追罰、完善制度才是引導輿論導向積極情緒,防止該類悲劇再次發(fā)生的根本辦法。

    由此可以看出,分析輿情事件下的公眾情感態(tài)度可以幫助有關部門更加準確地把握各時段公眾情緒,制定符合當前狀況的有效措施。在事件起始階段,有關部門應當及時分析公眾情感,對事件有關人員作出處罰,緩和公眾與政府、有關單位之間的緊張關系,避免引發(fā)大規(guī)模不滿情緒;在時間爆發(fā)階段,有關部門應當及時公布事件處理進程,分析網(wǎng)民情緒構成,避免謠言傳播,通過社交媒體等多個途徑使事件調(diào)查結果公開化、透明化;在事件末尾階段,有關部門應該分析公眾此時主要情感,有針對地安撫公眾情緒,做好善后工作,并且將結果反饋給相關部門,避免該類影響社會安定的事件再次發(fā)生,而如果此時公眾情感仍處于偏激、負面狀態(tài),有關部門更應該反思該周期內(nèi)工作是否到位,分析是由于措施有效性不足,還是自身權威性已有所下降或其它原因造成了不良后果。

    5 結語

    本文構建了一個基于主題及細粒度文本分析的公眾情感分析模型,使用機器學習方法,用構建詞向量聚類分析的構想,得到了不同周期下輿情事件的主題概括,并在不同周期下對公眾情感基于詞典進行細粒度分析,結合武漢理工大學研究生墜亡事件,論證了結合各階段主體及情感演化,可有效把握公眾情感變化趨勢。本文建立的模型可為有關危機管理部門提供借鑒,有助于有關部門在認知輿情事件中實現(xiàn)有效輿情管控及情緒引導。

    由于本研究是基于詞典的情感分析,對詞典依賴性較強,在實踐中發(fā)現(xiàn),大連理工大學情感詞匯本體庫仍有許多不完善之處,并且由于中文的復雜性,對有些反諷、一詞多義現(xiàn)象處理得還不夠完善,在下一步的工作中需完善情感詞匯本體庫,提高情感分析有效性及準確性。

    參考文獻:

    [1] 李保利,楊星. 基于LDA模型和話題過濾的研究主題演化分析[J]. 小型微型計算機系統(tǒng),2012,33(12):2738-2743.

    [2] 安璐,吳林. 融合主題與情感特征的突發(fā)事件微博輿情演化分析[J]. 圖書情報工作,2017,61(15):120-129.

    [3] 薛煒明,侯霞,李寧. 一種基于Word2vec 的文本分類方法[J].? 北京信息科技大學學報2018,33(1):72-75.

    [4] 李巖,韓斌,趙劍,等. 基于短文本及情感分析的微博輿情分析[J]. 計算機應用與軟件,2013,30(12):240-243.

    [5] 王宏偉,劉勰,尹裴,等. 基于語義分析的微博搜索[J]. 情報學報,2010(5):931-938.

    [6] 張小倩. 情感極性轉移現(xiàn)象研究及應用[D]. 蘇州:蘇州大學, 2012.

    [7] 王文凱,王黎明,柴玉梅,等. 基于卷積神經(jīng)網(wǎng)絡和Tree-LSTM的微博情感分析[J/OL]. 計算機應用與研究,2019,36(5):1-7.2018- 03-09.http://www.arocmag.com/article/02-2019-05-007.html.

    [8] 杜振雷. 面向微博短文本的情感分析研究[D]. 北京:北京信息科技大學,2013.

    [9] 馮成剛,田大鋼. 基于機器學習的微博情感分類研究[J]. 軟件導刊,2018,17(6): 58-61.

    [10] 賈亞敏,安璐,李綱,城市突發(fā)事件網(wǎng)絡信息傳播時序變化規(guī)律研究[J]. 情報雜志,2015,34(4):91-96.

    [11] 臺灣大學NTUSD中文情感極性字典[EB/OL].? https://download.csdn.net/download/huixion/9470816.

    [12] 知網(wǎng). HowNet情感字典[EB/OL]. http://www.keenage.com/.

    [13] 韓忠明,張玉沙,張慧,等. 有效的中文微博短文本傾向性分類算法[J]. 計算機應用與軟件,2012,29(10):89-93.

    [14] DAVISON B D. Structural link analysis and prediction in Microblogs[C]. Proceedings of the 20th ACM Conference on Information and Knowledge Management, 2011 :1163-1168.

    [15] HANNON J,BENNETT M,SMYTH B. Recommending Twitter users to follow using content and collaborative filtering approaches[C]. Proceedings of the 2010 ACM Conference on Recommender Systems, 2010:199-206.

    [16] 大連理工大學. 大連理工大學情感詞匯本體庫[DB/OL].? http://ir.dlut.edu.cn/group/detail/4.

    (責任編輯:江 艷)

    猜你喜歡
    情感分析
    基于大規(guī)模文本數(shù)據(jù)情感挖掘的企業(yè)輿情研究
    面向應用比較的用戶評論挖掘工具的設計與實現(xiàn)
    基于微博文本的情感傾向分析
    軟件工程(2016年12期)2017-04-14 02:05:53
    基于word2vec擴充情感詞典的商品評論傾向分析
    基于語義的互聯(lián)網(wǎng)醫(yī)院評論文本情感分析及應用
    基于雙向循環(huán)神經(jīng)網(wǎng)絡的評價對象抽取研究
    基于SVM的產(chǎn)品評論情感分析系統(tǒng)的設計與實現(xiàn)
    基于詞典與機器學習的中文微博情感分析
    在線評論情感屬性的動態(tài)變化
    預測(2016年5期)2016-12-26 17:16:57
    歌曲《我的深情為你守候》的情感分析與演唱詮釋
    天堂8中文在线网| 一二三四在线观看免费中文在| 老司机靠b影院| av视频免费观看在线观看| 国产精品一区二区在线观看99| 国产精品偷伦视频观看了| 久久久久视频综合| 大片免费播放器 马上看| 超碰97精品在线观看| 国产真人三级小视频在线观看| 女人久久www免费人成看片| 亚洲激情五月婷婷啪啪| 国产亚洲欧美精品永久| 免费在线观看视频国产中文字幕亚洲 | 国产日韩欧美亚洲二区| 人人妻人人澡人人爽人人夜夜| 日韩av在线免费看完整版不卡| 成年女人毛片免费观看观看9 | 国产av一区二区精品久久| 人体艺术视频欧美日本| 桃花免费在线播放| netflix在线观看网站| 老汉色∧v一级毛片| 少妇被粗大的猛进出69影院| 国产黄色免费在线视频| 欧美另类一区| 老司机在亚洲福利影院| 日韩欧美一区视频在线观看| 国产成人免费无遮挡视频| 欧美成人午夜精品| 考比视频在线观看| 视频在线观看一区二区三区| www.熟女人妻精品国产| 一级黄色大片毛片| 亚洲成人国产一区在线观看 | 性色av一级| 考比视频在线观看| 大香蕉久久成人网| 欧美大码av| 97人妻天天添夜夜摸| 天天影视国产精品| 亚洲欧美精品自产自拍| 自拍欧美九色日韩亚洲蝌蚪91| 一本久久精品| 在线观看一区二区三区激情| 51午夜福利影视在线观看| 老司机午夜十八禁免费视频| 我要看黄色一级片免费的| 成人国产一区最新在线观看 | 欧美 亚洲 国产 日韩一| 亚洲少妇的诱惑av| 国产伦人伦偷精品视频| 熟女少妇亚洲综合色aaa.| 又黄又粗又硬又大视频| 国产xxxxx性猛交| 久久人妻福利社区极品人妻图片 | 久久狼人影院| 视频在线观看一区二区三区| 久久国产精品人妻蜜桃| 亚洲五月色婷婷综合| 国产午夜精品一二区理论片| 亚洲美女黄色视频免费看| 中文字幕最新亚洲高清| 亚洲精品在线美女| www.av在线官网国产| 日本午夜av视频| 校园人妻丝袜中文字幕| 国产高清视频在线播放一区 | 美女主播在线视频| 一级毛片我不卡| av天堂在线播放| videosex国产| 久久久久视频综合| 国产精品免费视频内射| 热99久久久久精品小说推荐| 国产一区二区三区av在线| 国产一区二区 视频在线| 秋霞在线观看毛片| 日韩,欧美,国产一区二区三区| 久9热在线精品视频| 校园人妻丝袜中文字幕| 人人妻,人人澡人人爽秒播 | 一区二区三区四区激情视频| av天堂在线播放| 国产av精品麻豆| 性少妇av在线| 国产精品久久久久久精品电影小说| 搡老岳熟女国产| 大话2 男鬼变身卡| av天堂久久9| 日韩一区二区三区影片| 黄色一级大片看看| 狂野欧美激情性xxxx| 一本大道久久a久久精品| 91成人精品电影| 狠狠婷婷综合久久久久久88av| 亚洲av男天堂| 高清欧美精品videossex| 在线观看人妻少妇| 免费看十八禁软件| 我的亚洲天堂| 精品人妻1区二区| 久久人妻福利社区极品人妻图片 | 亚洲av美国av| 亚洲欧美成人综合另类久久久| 日日爽夜夜爽网站| 国产精品麻豆人妻色哟哟久久| 免费女性裸体啪啪无遮挡网站| 精品久久蜜臀av无| 亚洲国产精品成人久久小说| 午夜免费男女啪啪视频观看| 亚洲人成电影免费在线| 欧美乱码精品一区二区三区| 国产主播在线观看一区二区 | 国产欧美日韩一区二区三区在线| 成人免费观看视频高清| xxx大片免费视频| 下体分泌物呈黄色| 一二三四社区在线视频社区8| 99精品久久久久人妻精品| av在线播放精品| 天天躁夜夜躁狠狠躁躁| 国产福利在线免费观看视频| 制服人妻中文乱码| 老熟女久久久| 美女大奶头黄色视频| www.熟女人妻精品国产| 妹子高潮喷水视频| 90打野战视频偷拍视频| 美女扒开内裤让男人捅视频| 国产视频一区二区在线看| 人妻一区二区av| 观看av在线不卡| 91精品国产国语对白视频| 十八禁高潮呻吟视频| 肉色欧美久久久久久久蜜桃| 亚洲av电影在线观看一区二区三区| 亚洲中文字幕日韩| 亚洲av日韩精品久久久久久密 | 美女视频免费永久观看网站| 一级毛片黄色毛片免费观看视频| 国产高清videossex| 999精品在线视频| 国产精品一区二区在线观看99| 久久久久视频综合| 超碰97精品在线观看| videosex国产| 国产精品人妻久久久影院| 老司机在亚洲福利影院| 国产欧美亚洲国产| 777米奇影视久久| 亚洲专区国产一区二区| 国产精品九九99| 亚洲免费av在线视频| 女性被躁到高潮视频| 人妻 亚洲 视频| 成年人黄色毛片网站| 久久国产亚洲av麻豆专区| 91成人精品电影| 母亲3免费完整高清在线观看| 亚洲国产精品一区三区| 日本91视频免费播放| 国产亚洲av高清不卡| 99re6热这里在线精品视频| 国产国语露脸激情在线看| 女人爽到高潮嗷嗷叫在线视频| 男人添女人高潮全过程视频| 欧美日韩福利视频一区二区| 久久精品亚洲熟妇少妇任你| 亚洲成人国产一区在线观看 | 日韩电影二区| 亚洲精品久久久久久婷婷小说| 啦啦啦在线免费观看视频4| 十八禁高潮呻吟视频| 亚洲黑人精品在线| 在线观看免费高清a一片| 少妇精品久久久久久久| 欧美日韩视频精品一区| 我要看黄色一级片免费的| 国产又色又爽无遮挡免| 日韩一卡2卡3卡4卡2021年| 手机成人av网站| 亚洲男人天堂网一区| 亚洲国产av影院在线观看| 男人爽女人下面视频在线观看| 国产成人一区二区在线| 在线av久久热| 国产无遮挡羞羞视频在线观看| 精品亚洲乱码少妇综合久久| 欧美日韩av久久| 蜜桃在线观看..| 黄色片一级片一级黄色片| 久久精品亚洲熟妇少妇任你| 黄色一级大片看看| 亚洲欧洲精品一区二区精品久久久| 国产成人欧美| 日本a在线网址| 精品第一国产精品| 国产成人系列免费观看| 后天国语完整版免费观看| 咕卡用的链子| 精品人妻熟女毛片av久久网站| 两人在一起打扑克的视频| 水蜜桃什么品种好| 精品久久久久久久毛片微露脸 | 久久人人爽av亚洲精品天堂| 国产在线观看jvid| 观看av在线不卡| 2021少妇久久久久久久久久久| a级片在线免费高清观看视频| 国产成人一区二区三区免费视频网站 | 黄色视频在线播放观看不卡| 国产精品.久久久| 亚洲国产欧美在线一区| 三上悠亚av全集在线观看| 最近最新中文字幕大全免费视频 | 精品国产乱码久久久久久男人| 一级毛片电影观看| 无遮挡黄片免费观看| 一区二区三区精品91| 国产免费一区二区三区四区乱码| 久久av网站| 桃花免费在线播放| 中文字幕制服av| 亚洲av日韩在线播放| 午夜免费鲁丝| 久久亚洲精品不卡| 99久久精品国产亚洲精品| 亚洲精品一卡2卡三卡4卡5卡 | 免费女性裸体啪啪无遮挡网站| 久久综合国产亚洲精品| 在线观看免费视频网站a站| 国产极品粉嫩免费观看在线| 老司机深夜福利视频在线观看 | 观看av在线不卡| a级毛片黄视频| 国产亚洲欧美在线一区二区| 欧美另类一区| 国产免费又黄又爽又色| 国产成人一区二区三区免费视频网站 | 新久久久久国产一级毛片| 丝袜人妻中文字幕| 欧美国产精品一级二级三级| 99国产精品99久久久久| 国产91精品成人一区二区三区 | 亚洲人成电影观看| 美女国产高潮福利片在线看| 成在线人永久免费视频| 天堂8中文在线网| 亚洲第一av免费看| 女警被强在线播放| 精品国产超薄肉色丝袜足j| 国产有黄有色有爽视频| 精品高清国产在线一区| 十八禁网站网址无遮挡| 制服人妻中文乱码| 午夜免费观看性视频| 人人妻人人澡人人看| 狂野欧美激情性bbbbbb| 性色av乱码一区二区三区2| 看免费av毛片| 赤兔流量卡办理| 亚洲伊人久久精品综合| 悠悠久久av| 亚洲国产欧美一区二区综合| 一本久久精品| 90打野战视频偷拍视频| 啦啦啦中文免费视频观看日本| 欧美黑人精品巨大| 老司机午夜十八禁免费视频| 国产欧美日韩一区二区三区在线| 亚洲精品日韩在线中文字幕| 五月天丁香电影| 国产精品九九99| 国产高清videossex| 无遮挡黄片免费观看| 69精品国产乱码久久久| 亚洲成人免费电影在线观看 | 一区二区三区激情视频| 国产精品 国内视频| 久久 成人 亚洲| 国产一级毛片在线| 亚洲中文av在线| 日韩人妻精品一区2区三区| 人人妻人人爽人人添夜夜欢视频| 日韩伦理黄色片| 丝袜脚勾引网站| 99re6热这里在线精品视频| 亚洲欧美成人综合另类久久久| 欧美乱码精品一区二区三区| 美女中出高潮动态图| 两性夫妻黄色片| netflix在线观看网站| 在线亚洲精品国产二区图片欧美| 男女国产视频网站| 三上悠亚av全集在线观看| 在线看a的网站| 一级毛片女人18水好多 | 亚洲av欧美aⅴ国产| 9色porny在线观看| 亚洲精品一区蜜桃| 国产成人欧美在线观看 | 热re99久久精品国产66热6| 日韩,欧美,国产一区二区三区| 久久这里只有精品19| 中文字幕高清在线视频| av线在线观看网站| 天天添夜夜摸| 亚洲免费av在线视频| 国产老妇伦熟女老妇高清| 日本欧美视频一区| 老鸭窝网址在线观看| 伦理电影免费视频| 激情视频va一区二区三区| 国产一区二区激情短视频 | 成人三级做爰电影| 亚洲专区国产一区二区| 国产成人一区二区在线| 日本午夜av视频| 日韩免费高清中文字幕av| 赤兔流量卡办理| 国产男人的电影天堂91| 国产日韩欧美在线精品| 两人在一起打扑克的视频| 久久久久久久国产电影| 国产熟女午夜一区二区三区| 日韩中文字幕欧美一区二区 | 国产欧美日韩一区二区三区在线| 后天国语完整版免费观看| 一边摸一边做爽爽视频免费| 这个男人来自地球电影免费观看| 手机成人av网站| 51午夜福利影视在线观看| 国产免费一区二区三区四区乱码| 免费高清在线观看日韩| 亚洲精品美女久久av网站| 男女边摸边吃奶| 一本综合久久免费| 美女脱内裤让男人舔精品视频| 99国产精品99久久久久| 人人妻人人澡人人爽人人夜夜| 亚洲色图综合在线观看| 欧美日本中文国产一区发布| 啦啦啦中文免费视频观看日本| 亚洲男人天堂网一区| 中文字幕最新亚洲高清| 80岁老熟妇乱子伦牲交| 欧美国产精品一级二级三级| 亚洲人成网站在线观看播放| 久久ye,这里只有精品| 国产精品香港三级国产av潘金莲 | 午夜福利乱码中文字幕| 亚洲国产中文字幕在线视频| 国产xxxxx性猛交| 亚洲精品乱久久久久久| 亚洲欧美色中文字幕在线| 最新在线观看一区二区三区 | 婷婷色综合大香蕉| 国产爽快片一区二区三区| 欧美日韩视频精品一区| 中文字幕制服av| 美女主播在线视频| 自线自在国产av| av福利片在线| 亚洲av成人不卡在线观看播放网 | 丁香六月欧美| 90打野战视频偷拍视频| 欧美乱码精品一区二区三区| 国产亚洲精品久久久久5区| 国产在视频线精品| 免费女性裸体啪啪无遮挡网站| 亚洲欧美清纯卡通| 男女之事视频高清在线观看 | 国产一区二区激情短视频 | 亚洲av成人不卡在线观看播放网 | av国产久精品久网站免费入址| 国产一区二区激情短视频 | 好男人电影高清在线观看| 日本一区二区免费在线视频| 亚洲国产精品国产精品| 亚洲精品乱久久久久久| 国产淫语在线视频| 国产视频首页在线观看| 欧美黄色片欧美黄色片| 啦啦啦中文免费视频观看日本| 亚洲国产日韩一区二区| 精品高清国产在线一区| 欧美日韩亚洲综合一区二区三区_| 国语对白做爰xxxⅹ性视频网站| 午夜福利在线免费观看网站| 无限看片的www在线观看| 久久中文字幕一级| 国产老妇伦熟女老妇高清| 国产女主播在线喷水免费视频网站| 欧美国产精品va在线观看不卡| 亚洲欧美精品自产自拍| 国产精品一区二区精品视频观看| 汤姆久久久久久久影院中文字幕| 国产一级毛片在线| 女警被强在线播放| videos熟女内射| 久久久久久亚洲精品国产蜜桃av| 国产精品麻豆人妻色哟哟久久| 91麻豆av在线| avwww免费| 久久久精品94久久精品| 亚洲男人天堂网一区| 久久久久久久精品精品| 女人久久www免费人成看片| 色播在线永久视频| 久久人妻熟女aⅴ| 欧美性长视频在线观看| 男的添女的下面高潮视频| 97精品久久久久久久久久精品| 亚洲激情五月婷婷啪啪| 亚洲精品中文字幕在线视频| 免费在线观看黄色视频的| 老熟女久久久| 大码成人一级视频| 美女中出高潮动态图| 久久久精品94久久精品| www.999成人在线观看| 国产av国产精品国产| 欧美激情极品国产一区二区三区| 精品国产国语对白av| 美女脱内裤让男人舔精品视频| 欧美性长视频在线观看| 中国美女看黄片| 午夜两性在线视频| 69精品国产乱码久久久| 女人高潮潮喷娇喘18禁视频| 高清av免费在线| 热99久久久久精品小说推荐| 脱女人内裤的视频| 亚洲九九香蕉| 日韩 亚洲 欧美在线| 亚洲人成电影观看| 亚洲专区中文字幕在线| 一级毛片 在线播放| av在线老鸭窝| 男女国产视频网站| 看免费成人av毛片| 日韩免费高清中文字幕av| 大型av网站在线播放| 欧美 日韩 精品 国产| 高清视频免费观看一区二区| 久久国产亚洲av麻豆专区| 最近中文字幕2019免费版| 久久精品亚洲熟妇少妇任你| 麻豆av在线久日| 婷婷色av中文字幕| 精品一区二区三区四区五区乱码 | 中文字幕人妻熟女乱码| 乱人伦中国视频| 一本—道久久a久久精品蜜桃钙片| 精品一区二区三卡| 久久人人爽av亚洲精品天堂| 国产精品一区二区在线观看99| 欧美 亚洲 国产 日韩一| 日韩一本色道免费dvd| 欧美日韩黄片免| 国产国语露脸激情在线看| av在线老鸭窝| av天堂久久9| 久久热在线av| 午夜福利免费观看在线| 老司机深夜福利视频在线观看 | 亚洲欧洲精品一区二区精品久久久| www.999成人在线观看| 国产成人精品久久二区二区免费| 亚洲一码二码三码区别大吗| 久久精品久久久久久久性| 人人妻人人澡人人看| 在线观看一区二区三区激情| 中国国产av一级| 大香蕉久久网| www日本在线高清视频| 日韩av在线免费看完整版不卡| 美女视频免费永久观看网站| 女人精品久久久久毛片| 久久毛片免费看一区二区三区| 亚洲 欧美一区二区三区| 性高湖久久久久久久久免费观看| 免费在线观看视频国产中文字幕亚洲 | 青春草视频在线免费观看| 一级片'在线观看视频| 蜜桃在线观看..| 91精品国产国语对白视频| 夫妻性生交免费视频一级片| 色婷婷久久久亚洲欧美| 欧美成狂野欧美在线观看| 91字幕亚洲| 亚洲国产欧美在线一区| 男女床上黄色一级片免费看| 精品国产国语对白av| 美女大奶头黄色视频| 黄色 视频免费看| 一本色道久久久久久精品综合| 国产午夜精品一二区理论片| 久久 成人 亚洲| 在线看a的网站| 热re99久久精品国产66热6| 少妇人妻久久综合中文| 少妇被粗大的猛进出69影院| 少妇猛男粗大的猛烈进出视频| 成年美女黄网站色视频大全免费| 欧美成人午夜精品| 国产一区二区在线观看av| 久久亚洲精品不卡| 中文字幕av电影在线播放| 狠狠婷婷综合久久久久久88av| 一边摸一边做爽爽视频免费| 老司机午夜十八禁免费视频| 赤兔流量卡办理| 真人做人爱边吃奶动态| 国产精品麻豆人妻色哟哟久久| 国产成人精品无人区| 婷婷成人精品国产| av又黄又爽大尺度在线免费看| 亚洲国产精品999| 欧美日韩国产mv在线观看视频| 亚洲av欧美aⅴ国产| 欧美成人精品欧美一级黄| 国产精品亚洲av一区麻豆| 欧美变态另类bdsm刘玥| 国产1区2区3区精品| 久久99一区二区三区| 美女视频免费永久观看网站| 777米奇影视久久| 亚洲精品美女久久久久99蜜臀 | 久久久亚洲精品成人影院| 亚洲av综合色区一区| 国产精品亚洲av一区麻豆| 亚洲,欧美精品.| 天天躁日日躁夜夜躁夜夜| 亚洲激情五月婷婷啪啪| 天堂俺去俺来也www色官网| 制服诱惑二区| 精品人妻一区二区三区麻豆| 亚洲av电影在线观看一区二区三区| 成在线人永久免费视频| 国产精品一二三区在线看| 日韩大片免费观看网站| 在线精品无人区一区二区三| 女性被躁到高潮视频| 99香蕉大伊视频| avwww免费| 美女福利国产在线| 视频在线观看一区二区三区| 新久久久久国产一级毛片| 精品第一国产精品| 欧美xxⅹ黑人| 婷婷成人精品国产| 欧美日韩亚洲国产一区二区在线观看 | 国产有黄有色有爽视频| 国产精品一二三区在线看| 18禁裸乳无遮挡动漫免费视频| 亚洲久久久国产精品| 五月天丁香电影| 操出白浆在线播放| 亚洲人成网站在线观看播放| 人妻人人澡人人爽人人| 制服诱惑二区| 一区福利在线观看| 91精品国产国语对白视频| 男女边摸边吃奶| av在线app专区| 青春草亚洲视频在线观看| 丝袜美腿诱惑在线| 免费看av在线观看网站| 大片电影免费在线观看免费| 岛国毛片在线播放| 亚洲专区国产一区二区| 国产97色在线日韩免费| 十八禁网站网址无遮挡| 黄色视频在线播放观看不卡| 亚洲伊人久久精品综合| 欧美人与善性xxx| 亚洲午夜精品一区,二区,三区| 最黄视频免费看| 赤兔流量卡办理| 国产在视频线精品| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美黑人精品巨大| 天天躁日日躁夜夜躁夜夜| 久久精品成人免费网站| 亚洲av综合色区一区| 少妇人妻久久综合中文| 青春草视频在线免费观看| 丰满迷人的少妇在线观看| a级片在线免费高清观看视频| 亚洲黑人精品在线| 久久久久国产精品人妻一区二区| 99热国产这里只有精品6| 日韩电影二区| 亚洲欧美成人综合另类久久久| 巨乳人妻的诱惑在线观看| 9色porny在线观看| 国产又爽黄色视频| 国产成人欧美在线观看 | 成在线人永久免费视频| 亚洲精品日本国产第一区| 日韩av不卡免费在线播放| 一级黄色大片毛片| 日本午夜av视频| 国产成人av激情在线播放| 19禁男女啪啪无遮挡网站| 在现免费观看毛片| 大香蕉久久成人网| 成年av动漫网址| 狂野欧美激情性xxxx| 蜜桃在线观看..| 精品卡一卡二卡四卡免费| 老鸭窝网址在线观看| www.自偷自拍.com|