• <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 ?

    基于詞向量和多特征語義距離的文本聚類算法

    2019-06-24 11:21:04張貫虹
    關(guān)鍵詞:特征詞詞頻質(zhì)心

    張 弛 張貫虹

    (合肥學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)系, 合肥 230601)

    文本聚類是指根據(jù)文本的內(nèi)在聯(lián)系(如語義和結(jié)構(gòu)信息),將無類別標(biāo)注的文本聚合成不同類別集合的過程。此過程是一個(gè)無監(jiān)督的學(xué)習(xí)過程,事先不需要經(jīng)過大量的訓(xùn)練,也不需要對文本的類別進(jìn)行標(biāo)注。常見的文本聚類方法有基于詞頻統(tǒng)計(jì)的方法、基于主題模型的方法、基于知識庫的方法和神經(jīng)網(wǎng)絡(luò)的方法,等等。

    文獻(xiàn)[1-3]介紹了基于詞頻統(tǒng)計(jì)的方法,這種方法具有方便、快捷的優(yōu)點(diǎn),但在實(shí)際文本間語義相似度計(jì)算應(yīng)用中,存在特征詞向量維度高、數(shù)據(jù)稀疏、忽略低頻詞以及缺乏語義信息等問題。文獻(xiàn)[4][5]介紹的基于主題模型的方法,能將高維的特征詞向量空間轉(zhuǎn)換為低維的語義主題空間,解決了特征詞向量空間維度高、缺乏語義的問題,但這類方法都是假設(shè)數(shù)據(jù)服從指數(shù)分布。實(shí)際上,數(shù)據(jù)分布并不一定完全服從指數(shù)分布。另外,這類方法偏向于從高頻的數(shù)據(jù)中歸納語義,忽略了低頻詞的影響。文獻(xiàn)[6-8]介紹的基于知識庫的方法,能夠解決文本表示特征稀疏、特征詞語義缺失的問題,但由于受限于知識庫的更新速度,也會影響最終文本聚類的效果。

    針對上述文本聚類算法存在的問題,借鑒神經(jīng)網(wǎng)絡(luò)算法,現(xiàn)提出一種基于Word2Vec工具的詞向量表示方法和多特征語義距離的文本聚類算法(標(biāo)記為M-W2-KS)。首先,使用基于神經(jīng)網(wǎng)絡(luò)的Word2Vec工具所依賴的Skip-gram模型訓(xùn)練大規(guī)模語料,得到語料庫中所有特征詞的詞向量表征;然后,使用融合詞頻、詞距、位置信息和詞向量歐式距離的自定義多特征文本語義距離計(jì)算公式,計(jì)算文本集中的任意兩個(gè)文本的相似度;最后,使用經(jīng)典的K-means算法對文本集中的文本進(jìn)行聚類。

    1 M-W2-KS算法的基本流程

    基于詞向量和多特征語義距離的文本聚類,包括數(shù)據(jù)的預(yù)處理、Word2Vec詞向量訓(xùn)練、文本間相似度計(jì)算和K-means算法聚類等環(huán)節(jié)(見圖1)。

    2 Word2Vec詞向量訓(xùn)練模型

    經(jīng)典的空間向量模型(VSM)算法是采用獨(dú)熱編碼(One-Hot Encoding)的方式將文本表示成向量的形式,向量的維度為文本集中包含的特征詞總個(gè)數(shù),每個(gè)向量代表一個(gè)文本。如果文本中某個(gè)特征詞存在,則向量中相應(yīng)位置的元素值為1;否則,元素值為0。這種表示方法沒有考慮特征詞之間存在語義關(guān)系,忽略了低頻詞,易導(dǎo)致文本特征表示語義缺失和維度災(zāi)難等問題。

    圖1 M-W2-KS算法的基本流程

    為了解決文本特征表示存在的語義缺失和維度災(zāi)難問題,2003年,Bengio等人提出了基于前饋神經(jīng)網(wǎng)絡(luò)的概率語言模型(NNLM)[9],其所依賴的核心概念就是詞向量。該模型分為輸入層、投影層、隱藏層和輸出層4個(gè)層次,計(jì)算量大是它的一個(gè)缺陷。2013年,Google的Tomas Mikolov團(tuán)隊(duì)對該模型進(jìn)行了優(yōu)化,并開發(fā)了基于神經(jīng)網(wǎng)絡(luò)的Word2Vec工具。Word2Vec工具依賴于Skip-gram 模型[10]和CBOW模型[11],這兩種模型都是通過訓(xùn)練大規(guī)模語料數(shù)據(jù),將文本特征詞映射成一個(gè)低維實(shí)數(shù)向量,有效解決了NNLM存在的問題。

    我們選擇Word2Vec工具的Skip-gram模型對文本進(jìn)行詞向量訓(xùn)練。該模型是基于Hierarchical Softmax構(gòu)造的一顆Huffman樹,能夠根據(jù)當(dāng)前輸入的詞,從大規(guī)模非標(biāo)注的文本數(shù)據(jù)中預(yù)測上下文詞出現(xiàn)的概率,即能夠通過當(dāng)前詞語出現(xiàn)的概率來預(yù)測周圍出現(xiàn)的詞。根據(jù)詞語在窗口中的共現(xiàn)原理,基于窗口滑動來計(jì)算詞語間的共現(xiàn)概率,這樣每個(gè)特征詞生成的詞向量中都包含了一定的文本結(jié)構(gòu)信息和語義信息。

    Skip-gram模型包括輸入層、投影層和輸出層。其中,輸入層為當(dāng)前特征詞,詞的詞向量Wt∈Rm;輸出為該特征詞上下文窗口中詞出現(xiàn)的概率;投影層的目的是使目標(biāo)函數(shù)L值最大化。

    假定有一組詞序列w1,w2,…,wN,則

    (1)

    式(1)中:N為詞序列的長度;c表示當(dāng)前特征詞的上下文長度(一般取5~10,效果較好);p(wj+1|wj)為已知當(dāng)前詞wj出現(xiàn)的概率下,其上下文特征詞wj+1出現(xiàn)的概率。

    通過Skip-gram模型訓(xùn)練得到的全部詞向量,組成詞向量矩陣X∈Rmn。以xi∈Rm表示特征詞i在m維空間中的詞向量。特征詞之間的相似度,可以使用對應(yīng)詞向量之間的距離來衡量。兩個(gè)向量之間的歐式距離,如式(2)所示。

    d(wi,wj)=‖xi-xj‖2

    (2)

    式中:d(wi,wj)表示特征i和j的語義距離;xi和xj表示特征詞wi和wj對應(yīng)的詞向量。d(wi,wj)的值越小,說明兩個(gè)特征詞之間的語義距離越小,語義越相似。

    3 文本相似度計(jì)算方法

    Skip-gram詞向量模型保留了文本的語義信息,但沒有考慮到每篇文本所獨(dú)有的結(jié)構(gòu)特點(diǎn),忽略了特征詞詞頻、位置和詞距信息。借鑒文獻(xiàn)[12]提出的基于語義復(fù)雜網(wǎng)絡(luò)的文本相似度計(jì)算方法,綜合考慮特征詞的詞頻、位置和詞距信息以及特征詞向量歐式距離公式,提出如下涉及多個(gè)特征的文本相似度計(jì)算方法。

    (3)

    l(wi,wj)=(αtfij×idfi+βκ+γgij)×

    d(wi,wj)

    (4)

    (5)

    (6)

    其中:Sim(D1,D2)表示任意兩個(gè)文檔D1和D2之間的文本相似度;|V1|、|V2|分別表示文檔D1和D2中特征詞的數(shù)量;l(wi,wj)表示特征詞i和j之間的多特征語義距離;d(wi,wj)表示特征i和j的語義距離;pi、pj表示特征詞i、j在各自文檔中的權(quán)重占所有特征詞權(quán)重的比列;idfi為特征詞的信息熵,idfi=log(Ntfi+0.01);k為特征詞位置權(quán)值,當(dāng)特征詞出現(xiàn)在標(biāo)題時(shí)k=2,出現(xiàn)在其他位置時(shí)k=1;gij表示特征詞i在文本j中首次出現(xiàn)到末次出現(xiàn)的距離權(quán)重;beginij為特征詞i在文檔j中首次出現(xiàn)的位置,lastij為特征詞i在文檔j中最后一次出現(xiàn)的位置;length(j)表示文檔j的特征詞序列長度;α、β、γ為不同的三類特征的權(quán)值,α+β+γ=1。

    一般文本之間的相似度應(yīng)當(dāng)與特征詞之間的相似度成正比。兩個(gè)文本的相似度越高,特征詞在這兩個(gè)文本中出現(xiàn)的位置、詞頻、詞距以及詞向量之間的距離也應(yīng)該越相似,兩者間的重要程度差距也應(yīng)該越小。將計(jì)算結(jié)果進(jìn)行歸一化處理,得到文本相似度計(jì)算公式:

    Sim(D1,D2)=1-u-Sim(D1,D2)

    (7)

    式(7)中,u的取值為大于1的正數(shù)。u值越大,表明計(jì)算結(jié)果越趨近于1的速度就越快。

    4 K-means算法分類流程

    上述基于詞向量和特征語義距離的文本聚類算法,其具體流程如下。

    輸入:待聚類文本集合D={D1,D2,D3,…,Dn}

    輸出:k個(gè)聚類文本簇

    (1) 對輸入的文本集合進(jìn)行遍歷,對每一個(gè)文本(Di)使用分詞工具進(jìn)行分詞、去停用詞等操作,得到文本特征詞集合S={S1,S2,S3,…,Sm}。

    (2) 使用Skip-gram模型對分詞后得到的大規(guī)模語料庫進(jìn)行訓(xùn)練,得到每個(gè)特征詞的詞向量。

    (3) 對每個(gè)文本進(jìn)行特征詞詞頻、位置和詞距信息的統(tǒng)計(jì)和計(jì)算。

    (4) 隨機(jī)選擇k個(gè)文本作為初始聚類質(zhì)心,使用公式(4)計(jì)算每個(gè)文本與這k個(gè)聚類質(zhì)心之間的距離,選擇距離最短的質(zhì)心作為自己的質(zhì)心。

    (5) 依次計(jì)算具有同一個(gè)質(zhì)心的文本到其他質(zhì)心的距離,選擇距離最短的質(zhì)心作為該文本新的質(zhì)心。

    (6) 循環(huán)執(zhí)行步驟(4)(5),直到質(zhì)心不再變化。

    5 實(shí)驗(yàn)與結(jié)果分析

    5.1 實(shí)驗(yàn)數(shù)據(jù)與結(jié)果評價(jià)指標(biāo)

    使用“中文維基百科”作為基本的訓(xùn)練語料,選取復(fù)旦大學(xué)李榮陸課題組提供的中文語料作為測試數(shù)據(jù)集。實(shí)驗(yàn)中,選擇了語料庫中的計(jì)算機(jī)、空間、環(huán)境、政治、藝術(shù)、經(jīng)濟(jì)、體育等7個(gè)類別的新聞文本。

    在評價(jià)算法的分類效果時(shí),通常使用綜合評價(jià)指標(biāo)F-measure值作為評價(jià)依據(jù),它是準(zhǔn)確率(P)和召回率(R)的加權(quán)調(diào)和平均。在實(shí)際應(yīng)用中,參數(shù)θ值通常取1,也就是最常見的F1值。F1值越大,表明分類的效果越好。定義:P=a(a+b),R=a(a+c),F(xiàn)-measure=(θ2+1)PRθ2(P+R),F(xiàn)1=2PR(P+R)。其中,a表示被正確分類的文檔數(shù)量,b表示被判定為屬于某個(gè)類別而實(shí)際卻不屬于該類別的文檔數(shù)量,c表示被判定不屬于某個(gè)類別而實(shí)際卻屬于該類別的文檔數(shù)量。

    5.2 實(shí)驗(yàn)設(shè)置與結(jié)果分析

    使用64位Win7操作系統(tǒng)。CPU是Intel(R) Core(TM) i5-7200U @2.50GHz 2.60GHz,內(nèi)存為8G,開發(fā)工具為jupyter notebook下的Python3.7。使用北大開源分詞包pkuseg-python,用“四川大學(xué)機(jī)器學(xué)習(xí)智能實(shí)驗(yàn)室停用詞庫”過濾停用詞,以“中文維基百科”作為訓(xùn)練的語料庫。每個(gè)類別中,選擇 1 000篇文本作為實(shí)驗(yàn)數(shù)據(jù)。詞向量的維度選擇為300。語料庫中沒有出現(xiàn)的詞,不參與最終文本語義距離的計(jì)算。

    為了驗(yàn)證實(shí)驗(yàn)的有效性,引入文獻(xiàn)[13]所構(gòu)建的基于詞頻的方法(標(biāo)記為T-VSM)、文獻(xiàn)[14]所構(gòu)建的基于主題模型的方法(標(biāo)記為LG-LDA)和文獻(xiàn)[15]所構(gòu)建的基于知識庫的方法(標(biāo)記為 YX-BTM)進(jìn)行對比實(shí)驗(yàn)。參數(shù)α、β、γ分別設(shè)置為0.37、0.35、0.28。由于K-means算法的聚類結(jié)果受初始質(zhì)心的影響,這里使用10次聚類實(shí)驗(yàn)的平均值作為最終的結(jié)果。每次聚類實(shí)驗(yàn)中,K-means算法的迭代次數(shù)設(shè)置為1 000次。

    實(shí)驗(yàn)結(jié)果顯示,在7個(gè)文本類別上的平均準(zhǔn)確率(P)、召回率(R)和F1值,由T-VSM、LG-LDA、YX-BTM到M-W2-KS,總體上是呈遞增趨勢。其中,P的平均值依次為0.70、0.76、0.76、0.87,R的平均值依次為0.67、0.74、0.76、0.83,F(xiàn)1的平均值依次為0.69、0.75、0.79、0.85(見表1)。

    LG-LDA算法的分類效果優(yōu)于T-VSM算法,這是因?yàn)門-VSM算法只是對特征詞的詞頻進(jìn)行統(tǒng)計(jì),沒有考慮非結(jié)構(gòu)化文本中隱藏的主題信息?;贖owNet的BTM模型,由于擴(kuò)充了文本特征詞的語義信息,避免了聚類結(jié)果中質(zhì)量差的文本的干擾,聚類結(jié)果又優(yōu)于LG-LDA算法。M-W2-KS算法使用“中文維基百科”作為訓(xùn)練語料庫,擴(kuò)充了文本特征詞的語義信息,并使用Skip-gram模型對詞進(jìn)行詞向量的訓(xùn)練,充分利用文本的上下文,融合了詞頻、詞距和位置信息來計(jì)算文本間語義相似度,聚類效果又優(yōu)于YX-BTM算法。圖3為各個(gè)文本類別F1值的折線圖。

    表1 四種算法在各數(shù)據(jù)集上的F1值

    圖3 不同算法在各類別中的F1值比較

    從最終多個(gè)類別數(shù)據(jù)的聚類實(shí)驗(yàn)結(jié)果來看,我們提出的M-W2-KS算法要比其他幾種算法的聚類效果更好。基于詞向量和多特征語義距離的 M-W2-KS算法,不但能夠使特征詞向量的表征具有上下文語義和結(jié)構(gòu)信息,保證特征詞語義的集中,也能夠?qū)ξ谋具M(jìn)行特征降維處理,避免發(fā)生維度災(zāi)難,能夠有效提高文本相似度計(jì)算結(jié)果的精確性,保證聚類結(jié)果的準(zhǔn)確性。

    6 結(jié) 語

    基于詞向量的文本表示和多特征語義距離的文本聚類算法,利用詞向量的性質(zhì),克服了傳統(tǒng)文本特征向量表示方法存在的問題(如數(shù)據(jù)稀疏和網(wǎng)絡(luò)詞匯更新速度快等因素對文本聚類結(jié)果的影響);引入融合特征詞詞頻、詞距和位置的權(quán)重,自定義多特征語義距離計(jì)算公式,改進(jìn)了文本間的相似度計(jì)算方法。實(shí)驗(yàn)結(jié)果表明,運(yùn)用這種算法,能夠使聚類結(jié)果更加準(zhǔn)確,可以提升聚類效果。

    猜你喜歡
    特征詞詞頻質(zhì)心
    重型半掛汽車質(zhì)量與質(zhì)心位置估計(jì)
    基于詞頻分析法的社區(qū)公園歸屬感營建要素研究
    園林科技(2021年3期)2022-01-19 03:17:48
    基于GNSS測量的天宮二號質(zhì)心確定
    基于改進(jìn)TFIDF算法的郵件分類技術(shù)
    產(chǎn)品評論文本中特征詞提取及其關(guān)聯(lián)模型構(gòu)建與應(yīng)用
    詞頻,一部隱秘的歷史
    面向文本分類的特征詞選取方法研究與改進(jìn)
    云存儲中支持詞頻和用戶喜好的密文模糊檢索
    以關(guān)鍵詞詞頻法透視《大學(xué)圖書館學(xué)報(bào)》學(xué)術(shù)研究特色
    圖書館論壇(2014年8期)2014-03-11 18:47:59
    一種海洋測高衛(wèi)星質(zhì)心在軌估計(jì)算法
    航天器工程(2014年5期)2014-03-11 16:35:53
    美女主播在线视频| 波多野结衣av一区二区av| 午夜福利,免费看| 最近中文字幕2019免费版| 波多野结衣一区麻豆| 国产激情久久老熟女| 精品高清国产在线一区| 欧美成人午夜精品| 80岁老熟妇乱子伦牲交| 成在线人永久免费视频| 免费观看a级毛片全部| 国产男女内射视频| 久久精品亚洲熟妇少妇任你| 巨乳人妻的诱惑在线观看| 人人妻人人澡人人爽人人夜夜| 成人手机av| 国产成人啪精品午夜网站| 又黄又粗又硬又大视频| 久久久久久久国产电影| 精品人妻熟女毛片av久久网站| 国产黄色免费在线视频| 91麻豆av在线| 男人爽女人下面视频在线观看| 97在线人人人人妻| 国产成人精品在线电影| 日本一区二区免费在线视频| 国产成人a∨麻豆精品| 妹子高潮喷水视频| 精品熟女少妇八av免费久了| 一级毛片女人18水好多| 国产精品久久久久成人av| 在线 av 中文字幕| 国产一级毛片在线| 精品人妻在线不人妻| 性色av乱码一区二区三区2| 精品国产一区二区久久| 啦啦啦视频在线资源免费观看| 丰满饥渴人妻一区二区三| 两个人免费观看高清视频| 久久人妻熟女aⅴ| 菩萨蛮人人尽说江南好唐韦庄| 国产av国产精品国产| 日韩中文字幕欧美一区二区| 亚洲国产成人一精品久久久| 午夜免费成人在线视频| 国产又爽黄色视频| 国产欧美日韩一区二区三 | 人妻一区二区av| 一本一本久久a久久精品综合妖精| 宅男免费午夜| 视频区欧美日本亚洲| 国产精品九九99| 午夜福利免费观看在线| 肉色欧美久久久久久久蜜桃| 国产精品偷伦视频观看了| 国产黄频视频在线观看| 麻豆国产av国片精品| 亚洲欧美成人综合另类久久久| 精品国产一区二区久久| 国产亚洲欧美精品永久| 91大片在线观看| 亚洲精品久久午夜乱码| 欧美乱码精品一区二区三区| 午夜两性在线视频| 日韩制服丝袜自拍偷拍| 亚洲av电影在线进入| 视频区图区小说| 免费一级毛片在线播放高清视频 | 男女床上黄色一级片免费看| 操出白浆在线播放| 精品高清国产在线一区| 国产亚洲av片在线观看秒播厂| 国产男女超爽视频在线观看| 国产区一区二久久| 亚洲欧美清纯卡通| avwww免费| cao死你这个sao货| 欧美国产精品一级二级三级| 啦啦啦啦在线视频资源| 日本黄色日本黄色录像| 三级毛片av免费| 在线观看免费高清a一片| 亚洲精品国产av蜜桃| 亚洲精品国产精品久久久不卡| 精品国产乱码久久久久久小说| 日日夜夜操网爽| 亚洲国产成人一精品久久久| 欧美激情高清一区二区三区| √禁漫天堂资源中文www| 97人妻天天添夜夜摸| av欧美777| 亚洲精品自拍成人| 9色porny在线观看| 少妇粗大呻吟视频| 久久精品人人爽人人爽视色| av片东京热男人的天堂| 成年人午夜在线观看视频| 日韩电影二区| 青草久久国产| 久久 成人 亚洲| 亚洲全国av大片| 亚洲av日韩精品久久久久久密| 人人妻人人澡人人看| 国产成人精品久久二区二区免费| 国产亚洲av片在线观看秒播厂| 欧美xxⅹ黑人| 中国国产av一级| 蜜桃国产av成人99| videosex国产| 婷婷丁香在线五月| 久久国产精品影院| 亚洲视频免费观看视频| 在线看a的网站| 亚洲综合色网址| 手机成人av网站| 午夜免费观看性视频| 中亚洲国语对白在线视频| 亚洲欧洲精品一区二区精品久久久| 欧美成人午夜精品| 女人久久www免费人成看片| 老司机午夜十八禁免费视频| 九色亚洲精品在线播放| 人人妻人人爽人人添夜夜欢视频| 国产麻豆69| 久久精品国产综合久久久| 亚洲成人免费av在线播放| 51午夜福利影视在线观看| 午夜成年电影在线免费观看| 老司机靠b影院| 美女高潮到喷水免费观看| 色婷婷av一区二区三区视频| 啦啦啦在线免费观看视频4| 黄网站色视频无遮挡免费观看| 中文字幕人妻丝袜一区二区| 18禁黄网站禁片午夜丰满| 久久综合国产亚洲精品| 色婷婷久久久亚洲欧美| 欧美午夜高清在线| 满18在线观看网站| 欧美黄色淫秽网站| 在线十欧美十亚洲十日本专区| 国产淫语在线视频| 久久精品亚洲av国产电影网| 亚洲av成人一区二区三| 久久精品熟女亚洲av麻豆精品| 男女边摸边吃奶| 黄色a级毛片大全视频| 亚洲全国av大片| 国产亚洲精品久久久久5区| 法律面前人人平等表现在哪些方面 | 欧美av亚洲av综合av国产av| 嫁个100分男人电影在线观看| 久久99热这里只频精品6学生| 国产男人的电影天堂91| 动漫黄色视频在线观看| 国产男女超爽视频在线观看| av天堂久久9| 999久久久国产精品视频| 大陆偷拍与自拍| 亚洲综合色网址| 国产日韩欧美视频二区| 久久久国产精品麻豆| 18禁裸乳无遮挡动漫免费视频| 久久久久网色| 国产一区二区激情短视频 | 考比视频在线观看| 欧美日韩一级在线毛片| 欧美 亚洲 国产 日韩一| 久久久精品免费免费高清| 久久精品亚洲av国产电影网| 亚洲av片天天在线观看| 狠狠精品人妻久久久久久综合| 午夜精品国产一区二区电影| 天堂8中文在线网| 精品久久久精品久久久| 蜜桃国产av成人99| kizo精华| 国产成人精品无人区| 两人在一起打扑克的视频| av在线播放精品| 国产无遮挡羞羞视频在线观看| 欧美黑人精品巨大| 天堂中文最新版在线下载| 免费看十八禁软件| 欧美人与性动交α欧美精品济南到| 亚洲欧洲精品一区二区精品久久久| 一边摸一边抽搐一进一出视频| 亚洲国产毛片av蜜桃av| 免费看十八禁软件| 国产亚洲精品一区二区www | 国产一级毛片在线| 永久免费av网站大全| 精品少妇久久久久久888优播| 99久久人妻综合| 天天操日日干夜夜撸| 久久国产精品人妻蜜桃| 波多野结衣av一区二区av| 汤姆久久久久久久影院中文字幕| 国产免费一区二区三区四区乱码| 欧美黄色片欧美黄色片| 一本色道久久久久久精品综合| 亚洲专区国产一区二区| 亚洲人成77777在线视频| 国产亚洲欧美精品永久| 嫩草影视91久久| 在线看a的网站| 91老司机精品| 国产又爽黄色视频| 麻豆国产av国片精品| 一区二区三区乱码不卡18| 国产主播在线观看一区二区| 欧美日韩一级在线毛片| 欧美日韩av久久| 亚洲中文av在线| 亚洲国产欧美在线一区| 黄色 视频免费看| 免费女性裸体啪啪无遮挡网站| 国产人伦9x9x在线观看| 新久久久久国产一级毛片| 亚洲黑人精品在线| 91精品国产国语对白视频| h视频一区二区三区| 黄片大片在线免费观看| 高清欧美精品videossex| 91麻豆精品激情在线观看国产 | 美女中出高潮动态图| 69精品国产乱码久久久| 亚洲专区国产一区二区| 少妇裸体淫交视频免费看高清 | av欧美777| 久久精品久久久久久噜噜老黄| 岛国在线观看网站| 成人亚洲精品一区在线观看| 国产日韩一区二区三区精品不卡| 精品一区二区三卡| 亚洲一卡2卡3卡4卡5卡精品中文| 国产视频一区二区在线看| 在线天堂中文资源库| 国产av又大| 在线十欧美十亚洲十日本专区| 岛国毛片在线播放| 久久影院123| 日本91视频免费播放| 国产黄频视频在线观看| 午夜激情av网站| 日韩熟女老妇一区二区性免费视频| 午夜激情久久久久久久| 精品人妻1区二区| 大香蕉久久成人网| 国产精品久久久久久精品电影小说| 国产三级黄色录像| 久久ye,这里只有精品| 精品人妻一区二区三区麻豆| 国产精品偷伦视频观看了| 五月天丁香电影| 国产三级黄色录像| 精品第一国产精品| 国产淫语在线视频| 国产成人一区二区三区免费视频网站| 亚洲精品国产区一区二| 性色av乱码一区二区三区2| 欧美大码av| 天天躁夜夜躁狠狠躁躁| 母亲3免费完整高清在线观看| 日日摸夜夜添夜夜添小说| 久久精品熟女亚洲av麻豆精品| 一区在线观看完整版| 老司机亚洲免费影院| 日韩,欧美,国产一区二区三区| 国产男人的电影天堂91| 国产欧美日韩一区二区三区在线| 久久精品成人免费网站| 丰满少妇做爰视频| 日本黄色日本黄色录像| 国产精品欧美亚洲77777| 悠悠久久av| 欧美在线一区亚洲| 99国产精品99久久久久| 美女中出高潮动态图| 亚洲人成电影免费在线| 侵犯人妻中文字幕一二三四区| 日韩,欧美,国产一区二区三区| 午夜成年电影在线免费观看| 亚洲国产毛片av蜜桃av| 国产成人一区二区三区免费视频网站| 不卡一级毛片| 欧美在线一区亚洲| 国精品久久久久久国模美| 亚洲第一av免费看| 久久久精品国产亚洲av高清涩受| 秋霞在线观看毛片| 亚洲一码二码三码区别大吗| 国精品久久久久久国模美| 欧美在线黄色| 国产成人一区二区三区免费视频网站| 不卡一级毛片| 这个男人来自地球电影免费观看| 欧美人与性动交α欧美软件| 国产亚洲欧美在线一区二区| 欧美精品高潮呻吟av久久| 中文字幕人妻熟女乱码| 国产精品一二三区在线看| 狠狠狠狠99中文字幕| 亚洲中文日韩欧美视频| 老汉色av国产亚洲站长工具| 欧美国产精品一级二级三级| tube8黄色片| 亚洲熟女精品中文字幕| 国产亚洲av高清不卡| 久久女婷五月综合色啪小说| 50天的宝宝边吃奶边哭怎么回事| 在线观看免费视频网站a站| 热99re8久久精品国产| 国产精品免费视频内射| 国内毛片毛片毛片毛片毛片| 少妇猛男粗大的猛烈进出视频| 欧美午夜高清在线| 国产亚洲欧美精品永久| 亚洲欧美精品综合一区二区三区| 久久久欧美国产精品| 欧美激情高清一区二区三区| 欧美日韩视频精品一区| 久久久久久久精品精品| 亚洲国产欧美日韩在线播放| 99国产精品免费福利视频| 国产欧美日韩一区二区精品| 午夜免费鲁丝| 国产精品久久久久久精品古装| 岛国毛片在线播放| 日本wwww免费看| 无限看片的www在线观看| 久久久国产欧美日韩av| 久久99一区二区三区| 青春草亚洲视频在线观看| 999久久久国产精品视频| 欧美激情高清一区二区三区| √禁漫天堂资源中文www| 亚洲国产欧美日韩在线播放| 成年人黄色毛片网站| 侵犯人妻中文字幕一二三四区| 国产福利在线免费观看视频| 在线十欧美十亚洲十日本专区| 一个人免费在线观看的高清视频 | av天堂在线播放| 国产成人影院久久av| 成年人午夜在线观看视频| 欧美激情高清一区二区三区| 夜夜骑夜夜射夜夜干| 国产免费现黄频在线看| 午夜福利视频精品| av视频免费观看在线观看| 日韩中文字幕视频在线看片| 亚洲av成人不卡在线观看播放网 | 亚洲成人免费电影在线观看| 亚洲精华国产精华精| 国产老妇伦熟女老妇高清| 中文字幕另类日韩欧美亚洲嫩草| 99久久99久久久精品蜜桃| 午夜福利免费观看在线| av电影中文网址| 丝袜美腿诱惑在线| 色婷婷久久久亚洲欧美| av超薄肉色丝袜交足视频| 欧美精品亚洲一区二区| 中国美女看黄片| 国产精品99久久99久久久不卡| 伊人亚洲综合成人网| 老熟妇乱子伦视频在线观看 | 精品少妇内射三级| 丝袜美腿诱惑在线| 老司机影院成人| 欧美xxⅹ黑人| 欧美精品亚洲一区二区| 超色免费av| 精品国产超薄肉色丝袜足j| 桃红色精品国产亚洲av| 悠悠久久av| 日韩有码中文字幕| 女人高潮潮喷娇喘18禁视频| 中文字幕色久视频| 在线观看一区二区三区激情| 亚洲欧洲日产国产| 免费在线观看完整版高清| 国产精品一区二区在线不卡| 一二三四社区在线视频社区8| 免费在线观看日本一区| 国产亚洲欧美在线一区二区| 一区二区三区乱码不卡18| 香蕉丝袜av| 亚洲精品国产av成人精品| 精品免费久久久久久久清纯 | 午夜日韩欧美国产| 男女之事视频高清在线观看| 美女国产高潮福利片在线看| 亚洲av国产av综合av卡| 啦啦啦啦在线视频资源| 99香蕉大伊视频| 亚洲 国产 在线| 少妇人妻久久综合中文| 欧美av亚洲av综合av国产av| 国产亚洲午夜精品一区二区久久| 国产不卡av网站在线观看| 亚洲国产精品一区三区| 日本黄色日本黄色录像| 国产免费一区二区三区四区乱码| 亚洲欧美一区二区三区黑人| 水蜜桃什么品种好| 超色免费av| 欧美亚洲日本最大视频资源| 成人18禁高潮啪啪吃奶动态图| 亚洲国产看品久久| av一本久久久久| 深夜精品福利| 国产1区2区3区精品| videosex国产| 不卡av一区二区三区| 亚洲黑人精品在线| 精品国产超薄肉色丝袜足j| 99精品久久久久人妻精品| 老熟女久久久| 狂野欧美激情性xxxx| 亚洲精品久久成人aⅴ小说| 中文字幕最新亚洲高清| 19禁男女啪啪无遮挡网站| 亚洲av成人一区二区三| 国产成人精品无人区| 一级黄色大片毛片| tocl精华| 国产日韩欧美亚洲二区| 国产精品免费大片| 黄片小视频在线播放| 精品国产乱子伦一区二区三区 | 午夜激情av网站| a在线观看视频网站| 12—13女人毛片做爰片一| 视频区图区小说| 免费黄频网站在线观看国产| 丰满人妻熟妇乱又伦精品不卡| 美女高潮喷水抽搐中文字幕| 91精品国产国语对白视频| 丝袜美腿诱惑在线| 欧美日韩av久久| 亚洲国产欧美一区二区综合| 老汉色∧v一级毛片| 精品一区二区三区四区五区乱码| 免费少妇av软件| 男女国产视频网站| 19禁男女啪啪无遮挡网站| 91九色精品人成在线观看| 男女下面插进去视频免费观看| 久久人人爽人人片av| 欧美日韩视频精品一区| 国产野战对白在线观看| 丰满人妻熟妇乱又伦精品不卡| 99re6热这里在线精品视频| 啦啦啦视频在线资源免费观看| 美女脱内裤让男人舔精品视频| 老熟妇乱子伦视频在线观看 | 日韩 亚洲 欧美在线| 亚洲美女黄色视频免费看| 国产99久久九九免费精品| 国产精品九九99| 夜夜骑夜夜射夜夜干| 一级片免费观看大全| 日韩中文字幕欧美一区二区| 久久这里只有精品19| 日韩视频在线欧美| 精品第一国产精品| 久久国产精品大桥未久av| 男人爽女人下面视频在线观看| 一区二区三区精品91| 日韩制服丝袜自拍偷拍| 国产精品免费大片| 国产一区二区三区综合在线观看| 我要看黄色一级片免费的| 亚洲精品日韩在线中文字幕| 久久久久久人人人人人| 国产精品一区二区在线不卡| videosex国产| 老司机在亚洲福利影院| 99香蕉大伊视频| 欧美av亚洲av综合av国产av| 久久国产精品人妻蜜桃| 大陆偷拍与自拍| 水蜜桃什么品种好| 99香蕉大伊视频| 亚洲国产毛片av蜜桃av| 久久热在线av| 日韩视频一区二区在线观看| 精品福利观看| 国产欧美日韩综合在线一区二区| 丁香六月天网| av一本久久久久| 国产精品.久久久| 热99国产精品久久久久久7| 嫁个100分男人电影在线观看| 日韩制服丝袜自拍偷拍| 国产精品 欧美亚洲| 捣出白浆h1v1| 亚洲国产欧美网| 亚洲国产欧美一区二区综合| 狠狠精品人妻久久久久久综合| 青青草视频在线视频观看| 国产精品香港三级国产av潘金莲| av片东京热男人的天堂| 悠悠久久av| 亚洲色图 男人天堂 中文字幕| 麻豆乱淫一区二区| 亚洲精品自拍成人| 欧美日韩av久久| 色精品久久人妻99蜜桃| av免费在线观看网站| 亚洲av欧美aⅴ国产| 欧美精品亚洲一区二区| 精品福利永久在线观看| 国产精品99久久99久久久不卡| 啪啪无遮挡十八禁网站| 老司机在亚洲福利影院| 中亚洲国语对白在线视频| 国产亚洲av高清不卡| 在线观看免费日韩欧美大片| 不卡一级毛片| 亚洲一卡2卡3卡4卡5卡精品中文| 午夜精品国产一区二区电影| 三级毛片av免费| 极品少妇高潮喷水抽搐| 在线av久久热| 国产日韩欧美在线精品| 高清av免费在线| 热99久久久久精品小说推荐| 亚洲欧洲日产国产| 日韩熟女老妇一区二区性免费视频| 欧美日韩av久久| 国产国语露脸激情在线看| 人妻 亚洲 视频| 亚洲色图综合在线观看| 亚洲黑人精品在线| 欧美+亚洲+日韩+国产| svipshipincom国产片| 90打野战视频偷拍视频| 亚洲欧美精品综合一区二区三区| 亚洲国产av影院在线观看| 国产又色又爽无遮挡免| 亚洲av成人一区二区三| 欧美日韩成人在线一区二区| 精品亚洲乱码少妇综合久久| 中国国产av一级| 精品国产乱码久久久久久男人| 国产日韩欧美视频二区| 亚洲成国产人片在线观看| 91精品三级在线观看| www日本在线高清视频| 亚洲人成电影观看| videos熟女内射| 黄片播放在线免费| 天堂中文最新版在线下载| 热re99久久精品国产66热6| 欧美黄色淫秽网站| 欧美黑人欧美精品刺激| 欧美激情久久久久久爽电影 | 国产1区2区3区精品| 一级,二级,三级黄色视频| 久久精品国产a三级三级三级| 国产高清国产精品国产三级| 国产亚洲精品久久久久5区| 欧美亚洲日本最大视频资源| 亚洲avbb在线观看| 日韩熟女老妇一区二区性免费视频| 久久久久国产精品人妻一区二区| e午夜精品久久久久久久| 人妻一区二区av| 在线 av 中文字幕| 99久久国产精品久久久| 国产免费av片在线观看野外av| 欧美日韩国产mv在线观看视频| 久久精品亚洲av国产电影网| 十八禁高潮呻吟视频| 精品一区二区三区av网在线观看 | 后天国语完整版免费观看| 国产精品香港三级国产av潘金莲| 亚洲成人手机| 十八禁人妻一区二区| 国产在线观看jvid| 少妇猛男粗大的猛烈进出视频| 最新的欧美精品一区二区| 国产一区有黄有色的免费视频| 窝窝影院91人妻| 母亲3免费完整高清在线观看| 午夜免费成人在线视频| 50天的宝宝边吃奶边哭怎么回事| av网站免费在线观看视频| av线在线观看网站| 欧美大码av| 在线看a的网站| 嫩草影视91久久| 9色porny在线观看| 人成视频在线观看免费观看| 伊人久久大香线蕉亚洲五| 亚洲国产精品一区三区| 国产成人精品久久二区二区91| av线在线观看网站| 91老司机精品| 美女大奶头黄色视频| 国产亚洲精品第一综合不卡| 亚洲 欧美一区二区三区| 免费看十八禁软件| 天天影视国产精品| 午夜日韩欧美国产| 亚洲色图 男人天堂 中文字幕| 久久久精品免费免费高清| 一本大道久久a久久精品| 女警被强在线播放| 美女高潮喷水抽搐中文字幕| 欧美日韩精品网址| 成人国产av品久久久|