• <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
    国产成人一区二区在线| 只有这里有精品99| 国产精品人妻久久久影院| 天天躁日日操中文字幕| 午夜福利成人在线免费观看| 少妇的逼水好多| 麻豆久久精品国产亚洲av| 亚洲av男天堂| 久久午夜福利片| 最近的中文字幕免费完整| 日韩高清综合在线| 婷婷亚洲欧美| 校园春色视频在线观看| 成人鲁丝片一二三区免费| 69人妻影院| 亚洲欧美日韩卡通动漫| 国产中年淑女户外野战色| 丝袜喷水一区| 成人毛片60女人毛片免费| 爱豆传媒免费全集在线观看| 欧美色视频一区免费| 欧美高清性xxxxhd video| 两性午夜刺激爽爽歪歪视频在线观看| 国产真实伦视频高清在线观看| 国产一区二区三区在线臀色熟女| 欧美色欧美亚洲另类二区| 欧美潮喷喷水| 此物有八面人人有两片| 欧美性感艳星| 亚洲欧美精品综合久久99| 国产一区二区在线观看日韩| 国国产精品蜜臀av免费| 亚洲国产欧美人成| 亚洲自偷自拍三级| 国产私拍福利视频在线观看| 国产精品无大码| 黄片wwwwww| 青青草视频在线视频观看| 哪个播放器可以免费观看大片| 在线免费观看的www视频| 狂野欧美激情性xxxx在线观看| 久久久精品94久久精品| 综合色丁香网| 国产精品一区二区三区四区久久| 国产一区二区激情短视频| 最近中文字幕高清免费大全6| 久久精品综合一区二区三区| 免费搜索国产男女视频| 啦啦啦啦在线视频资源| 老师上课跳d突然被开到最大视频| av在线老鸭窝| av在线老鸭窝| 国产色婷婷99| 国内精品久久久久精免费| 丝袜喷水一区| 国产精品野战在线观看| 久久久久久九九精品二区国产| 深夜精品福利| 亚洲aⅴ乱码一区二区在线播放| 观看美女的网站| 国产成人freesex在线| 国产在视频线在精品| 乱码一卡2卡4卡精品| 又黄又爽又刺激的免费视频.| 乱码一卡2卡4卡精品| 久久精品国产99精品国产亚洲性色| 日韩 亚洲 欧美在线| 久久久久性生活片| a级毛色黄片| 欧美成人免费av一区二区三区| 亚洲久久久久久中文字幕| 可以在线观看毛片的网站| 伦理电影大哥的女人| 日本成人三级电影网站| 人人妻人人看人人澡| 亚洲图色成人| 欧美色欧美亚洲另类二区| 熟女人妻精品中文字幕| 人妻系列 视频| 欧美日韩乱码在线| 日韩强制内射视频| 亚洲精品影视一区二区三区av| 亚洲图色成人| 91久久精品电影网| 国产精品一及| 欧美精品国产亚洲| 国产精品,欧美在线| 国产高清激情床上av| 一进一出抽搐gif免费好疼| 亚洲欧美精品自产自拍| 寂寞人妻少妇视频99o| av.在线天堂| 婷婷色综合大香蕉| 18禁在线播放成人免费| 国内精品宾馆在线| 欧美色欧美亚洲另类二区| 青春草国产在线视频 | 91午夜精品亚洲一区二区三区| 大型黄色视频在线免费观看| 亚洲中文字幕日韩| 99久久久亚洲精品蜜臀av| 久久久午夜欧美精品| 床上黄色一级片| 精品一区二区三区视频在线| 人妻久久中文字幕网| 18禁在线无遮挡免费观看视频| 男人舔女人下体高潮全视频| 亚洲自偷自拍三级| 一个人免费在线观看电影| 亚洲av熟女| 中文字幕精品亚洲无线码一区| 免费av观看视频| 亚洲自拍偷在线| 一区二区三区四区激情视频 | 2021天堂中文幕一二区在线观| 日韩成人av中文字幕在线观看| 99久国产av精品| 国产精品1区2区在线观看.| 色吧在线观看| 麻豆av噜噜一区二区三区| 免费看光身美女| 久久精品夜夜夜夜夜久久蜜豆| 午夜老司机福利剧场| 中文字幕人妻熟人妻熟丝袜美| 少妇熟女aⅴ在线视频| 亚洲国产精品sss在线观看| 国产精品乱码一区二三区的特点| 婷婷亚洲欧美| 亚洲欧美精品自产自拍| 国产一级毛片七仙女欲春2| 色吧在线观看| 简卡轻食公司| 国内精品一区二区在线观看| 亚洲熟妇中文字幕五十中出| 亚洲一区高清亚洲精品| 日本成人三级电影网站| 黄色视频,在线免费观看| 日韩一区二区三区影片| 国产老妇女一区| 国产av不卡久久| 国产成人aa在线观看| 美女被艹到高潮喷水动态| 国产一级毛片七仙女欲春2| 国产三级在线视频| 少妇丰满av| 国产国拍精品亚洲av在线观看| 久久精品国产清高在天天线| 国产国拍精品亚洲av在线观看| 91久久精品国产一区二区三区| 乱人视频在线观看| 99久久无色码亚洲精品果冻| 久久久久网色| 日本在线视频免费播放| 内射极品少妇av片p| 2022亚洲国产成人精品| 亚洲美女视频黄频| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲va在线va天堂va国产| 狠狠狠狠99中文字幕| 久久久久九九精品影院| 啦啦啦韩国在线观看视频| 欧美日本亚洲视频在线播放| 给我免费播放毛片高清在线观看| 久久久久久久久久成人| 波多野结衣高清作品| 人妻系列 视频| 欧美不卡视频在线免费观看| 国国产精品蜜臀av免费| 亚洲人成网站在线播| 波野结衣二区三区在线| 国产成人91sexporn| 欧美性感艳星| 性色avwww在线观看| 免费人成视频x8x8入口观看| 午夜福利视频1000在线观看| 午夜福利视频1000在线观看| 人妻少妇偷人精品九色| 中文字幕制服av| 国产伦一二天堂av在线观看| 亚洲一级一片aⅴ在线观看| 亚洲欧美中文字幕日韩二区| 欧美激情国产日韩精品一区| 我的女老师完整版在线观看| 国产麻豆成人av免费视频| 国产探花极品一区二区| 国产精品人妻久久久影院| 麻豆乱淫一区二区| av天堂中文字幕网| 一级二级三级毛片免费看| 亚洲图色成人| 日韩欧美 国产精品| 嫩草影院精品99| 国产乱人偷精品视频| 12—13女人毛片做爰片一| 免费观看人在逋| 一本精品99久久精品77| 国产乱人视频| 乱人视频在线观看| 午夜福利视频1000在线观看| 国产一级毛片在线| 久久久久性生活片| 乱系列少妇在线播放| 久久精品国产亚洲网站| 国产亚洲欧美98| 18+在线观看网站| 国产精品福利在线免费观看| 亚洲国产精品成人久久小说 | 男女视频在线观看网站免费| 久久久a久久爽久久v久久| 亚洲第一区二区三区不卡| 人人妻人人澡欧美一区二区| 男人舔奶头视频| 亚洲欧美精品专区久久| 哪个播放器可以免费观看大片| 国产精品日韩av在线免费观看| 午夜爱爱视频在线播放| 亚洲av电影不卡..在线观看| 午夜精品一区二区三区免费看| 欧美日韩一区二区视频在线观看视频在线 | 国产精品精品国产色婷婷| 在线播放国产精品三级| 一进一出抽搐gif免费好疼| 超碰av人人做人人爽久久| 成熟少妇高潮喷水视频| 人人妻人人看人人澡| 欧美日韩一区二区视频在线观看视频在线 | 国产亚洲91精品色在线| 国产黄色小视频在线观看| 久久人人爽人人片av| 91狼人影院| 97超视频在线观看视频| 精品久久久久久成人av| 精品人妻视频免费看| 亚洲精品国产av成人精品| 男女那种视频在线观看| 变态另类成人亚洲欧美熟女| 国产av在哪里看| 国产亚洲5aaaaa淫片| 丰满的人妻完整版| 99热只有精品国产| 天美传媒精品一区二区| 三级毛片av免费| 又黄又爽又刺激的免费视频.| 国产伦一二天堂av在线观看| 全区人妻精品视频| 亚洲欧美精品专区久久| 色综合亚洲欧美另类图片| 久久6这里有精品| 国产成人a区在线观看| 免费观看a级毛片全部| 麻豆成人午夜福利视频| 亚洲经典国产精华液单| av在线播放精品| 麻豆一二三区av精品| 国产精品久久久久久精品电影| 国产视频内射| 国产高潮美女av| 国产av不卡久久| 亚洲成a人片在线一区二区| 国产色爽女视频免费观看| .国产精品久久| 色噜噜av男人的天堂激情| 日韩制服骚丝袜av| 久久精品夜夜夜夜夜久久蜜豆| 国产精品国产三级国产av玫瑰| 日本av手机在线免费观看| 精品欧美国产一区二区三| 国产色婷婷99| 国产av在哪里看| 久久午夜福利片| 特级一级黄色大片| 深爱激情五月婷婷| 欧美日本视频| or卡值多少钱| 国产在线男女| 男女边吃奶边做爰视频| 国产在线精品亚洲第一网站| 亚洲综合色惰| 亚洲图色成人| 热99在线观看视频| 亚洲久久久久久中文字幕| 日本五十路高清| 好男人在线观看高清免费视频| 婷婷精品国产亚洲av| 欧美一区二区亚洲| 尾随美女入室| 久久久久久大精品| 亚洲人成网站在线观看播放| 国产黄a三级三级三级人| 尤物成人国产欧美一区二区三区| 久久国产乱子免费精品| 久久精品久久久久久久性| 两个人的视频大全免费| 99久国产av精品国产电影| 亚洲av二区三区四区| 精品免费久久久久久久清纯| 欧美日韩国产亚洲二区| 中国国产av一级| 亚洲欧美日韩高清在线视频| 黑人高潮一二区| 亚洲第一电影网av| 国产蜜桃级精品一区二区三区| 亚洲欧美精品综合久久99| 国产亚洲5aaaaa淫片| 成人性生交大片免费视频hd| 三级经典国产精品| 在线免费观看的www视频| а√天堂www在线а√下载| 99热全是精品| 麻豆乱淫一区二区| 国产在线精品亚洲第一网站| 看免费成人av毛片| 亚洲国产精品sss在线观看| 岛国在线免费视频观看| 蜜桃亚洲精品一区二区三区| 夜夜看夜夜爽夜夜摸| 99久久无色码亚洲精品果冻| 欧美不卡视频在线免费观看| 日韩av在线大香蕉| 成人高潮视频无遮挡免费网站| 我要看日韩黄色一级片| 久久久欧美国产精品| 亚洲精品粉嫩美女一区| 亚洲人成网站高清观看| 日本五十路高清| 青春草亚洲视频在线观看| 麻豆国产av国片精品| 成人美女网站在线观看视频| 国语自产精品视频在线第100页| 永久网站在线| av免费观看日本| 夜夜爽天天搞| 精品人妻一区二区三区麻豆| 国产黄片美女视频| 色噜噜av男人的天堂激情| 美女cb高潮喷水在线观看| 看片在线看免费视频| 久久精品国产亚洲av香蕉五月| 成人二区视频| eeuss影院久久| 一级av片app| 亚洲欧美精品专区久久| 国产一级毛片在线| 色噜噜av男人的天堂激情| 免费看av在线观看网站| 18禁黄网站禁片免费观看直播| 日本黄色片子视频| 亚洲欧美精品专区久久| 免费看日本二区| 村上凉子中文字幕在线| 麻豆乱淫一区二区| 不卡一级毛片| av在线播放精品| 黄色欧美视频在线观看| 国产一级毛片七仙女欲春2| 麻豆国产97在线/欧美| 久久午夜福利片| 尤物成人国产欧美一区二区三区| www.av在线官网国产| 亚洲成人精品中文字幕电影| 午夜亚洲福利在线播放| 亚洲国产精品成人久久小说 | 热99在线观看视频| 久久久久久久久久久丰满| avwww免费| 免费黄网站久久成人精品| 国内揄拍国产精品人妻在线| 国产v大片淫在线免费观看| 欧美+亚洲+日韩+国产| 久久韩国三级中文字幕| 欧美高清性xxxxhd video| 夫妻性生交免费视频一级片| 99热网站在线观看| 一区二区三区四区激情视频 | 国产精品不卡视频一区二区| 日日啪夜夜撸| 日日摸夜夜添夜夜爱| 一级av片app| 熟女电影av网| 中文精品一卡2卡3卡4更新| 午夜久久久久精精品| 91麻豆精品激情在线观看国产| 尤物成人国产欧美一区二区三区| 爱豆传媒免费全集在线观看| 免费观看精品视频网站| 综合色av麻豆| 国产探花极品一区二区| 国产成人a∨麻豆精品| 99久久九九国产精品国产免费| 亚洲国产精品成人综合色| 一个人看的www免费观看视频| 毛片一级片免费看久久久久| 高清午夜精品一区二区三区 | 日韩人妻高清精品专区| 热99re8久久精品国产| 永久网站在线| 六月丁香七月| 日本熟妇午夜| 爱豆传媒免费全集在线观看| 女的被弄到高潮叫床怎么办| av天堂中文字幕网| 插阴视频在线观看视频| 欧美色欧美亚洲另类二区| av.在线天堂| 日韩av在线大香蕉| 高清在线视频一区二区三区 | 日本黄色片子视频| 成人特级黄色片久久久久久久| 国产一区亚洲一区在线观看| 老司机福利观看| 在线天堂最新版资源| 国产黄a三级三级三级人| 日本撒尿小便嘘嘘汇集6| 成人亚洲欧美一区二区av| 好男人视频免费观看在线| 在线天堂最新版资源| 精品欧美国产一区二区三| 久久热精品热| 成人二区视频| 色综合亚洲欧美另类图片| 国产精品麻豆人妻色哟哟久久 | 亚洲美女视频黄频| 中文在线观看免费www的网站| 国产一区亚洲一区在线观看| 中文字幕av在线有码专区| 一级毛片久久久久久久久女| 国产白丝娇喘喷水9色精品| 精品久久久久久久末码| 国产午夜福利久久久久久| 免费观看的影片在线观看| 麻豆久久精品国产亚洲av| 热99re8久久精品国产| 欧美日韩在线观看h| 免费黄网站久久成人精品| 搡女人真爽免费视频火全软件| 亚洲精品456在线播放app| 日本免费一区二区三区高清不卡| 岛国在线免费视频观看| 天堂网av新在线| 3wmmmm亚洲av在线观看| 亚洲精品久久国产高清桃花| 成人欧美大片| 3wmmmm亚洲av在线观看| 欧美激情在线99| 中文字幕人妻熟人妻熟丝袜美| 日产精品乱码卡一卡2卡三| 国产精华一区二区三区| 国产精品一区二区三区四区免费观看| 噜噜噜噜噜久久久久久91| 午夜精品一区二区三区免费看| 午夜a级毛片| 青春草国产在线视频 | 成人毛片a级毛片在线播放| 成年女人永久免费观看视频| 在线播放国产精品三级| 在线观看av片永久免费下载| av在线播放精品| 精品久久久久久久人妻蜜臀av| 亚洲av男天堂| 久久久久网色| 欧美最新免费一区二区三区| 午夜亚洲福利在线播放| 人人妻人人看人人澡| 国产精品女同一区二区软件| 国产精华一区二区三区| 老司机影院成人| 在线观看免费视频日本深夜| 一夜夜www| 久久久久久久久久久免费av| 日韩亚洲欧美综合| 久久久久久九九精品二区国产| 色视频www国产| av国产免费在线观看| 久久精品国产鲁丝片午夜精品| 国产精品,欧美在线| 免费人成在线观看视频色| 九色成人免费人妻av| 久久久久免费精品人妻一区二区| 18禁在线无遮挡免费观看视频| av在线蜜桃| 国产视频内射| 成人三级黄色视频| 亚洲一区高清亚洲精品| 亚洲精品自拍成人| 亚洲四区av| 在线观看免费视频日本深夜| 亚洲av第一区精品v没综合| 美女被艹到高潮喷水动态| 男女做爰动态图高潮gif福利片| 51国产日韩欧美| 九草在线视频观看| 中文字幕熟女人妻在线| 午夜精品国产一区二区电影 | av在线观看视频网站免费| 国产v大片淫在线免费观看| 色综合亚洲欧美另类图片| 国产激情偷乱视频一区二区| av在线天堂中文字幕| .国产精品久久| 午夜精品在线福利| 91aial.com中文字幕在线观看| 精品久久久久久成人av| 亚洲内射少妇av| 亚洲无线观看免费| 18禁裸乳无遮挡免费网站照片| 国产高清激情床上av| av在线老鸭窝| 国产精品爽爽va在线观看网站| 黄色配什么色好看| 亚洲av免费高清在线观看| 亚洲精品自拍成人| 久久久久久久久久久丰满| 亚洲国产欧美在线一区| 伦精品一区二区三区| 色播亚洲综合网| 寂寞人妻少妇视频99o| 国产麻豆成人av免费视频| 男女下面进入的视频免费午夜| 国产日韩欧美在线精品| 一夜夜www| 日本成人三级电影网站| 日本撒尿小便嘘嘘汇集6| 男女下面进入的视频免费午夜| 免费观看精品视频网站| 超碰av人人做人人爽久久| 全区人妻精品视频| 精品无人区乱码1区二区| 国产蜜桃级精品一区二区三区| 联通29元200g的流量卡| 69av精品久久久久久| 国产精品久久久久久久电影| 美女高潮的动态| 久久99热这里只有精品18| 波多野结衣巨乳人妻| 91在线精品国自产拍蜜月| 国产极品精品免费视频能看的| 狂野欧美白嫩少妇大欣赏| 国产伦精品一区二区三区视频9| 中文字幕久久专区| 91在线精品国自产拍蜜月| 小说图片视频综合网站| 色视频www国产| 丰满的人妻完整版| 久久久久免费精品人妻一区二区| 精品久久久久久久末码| 亚洲真实伦在线观看| 九九爱精品视频在线观看| 国产一区二区在线av高清观看| 日本熟妇午夜| 国产人妻一区二区三区在| 免费观看a级毛片全部| 联通29元200g的流量卡| 校园人妻丝袜中文字幕| 国产一级毛片七仙女欲春2| 欧美3d第一页| 免费观看a级毛片全部| 91精品国产九色| 五月伊人婷婷丁香| 欧洲精品卡2卡3卡4卡5卡区| 国内揄拍国产精品人妻在线| 精品久久久久久成人av| 国产亚洲5aaaaa淫片| 亚洲国产精品成人久久小说 | 哪里可以看免费的av片| 国产在线精品亚洲第一网站| 丰满的人妻完整版| 亚洲不卡免费看| 色噜噜av男人的天堂激情| 成年免费大片在线观看| 深夜精品福利| 别揉我奶头 嗯啊视频| 久久精品国产亚洲av香蕉五月| 亚洲av电影不卡..在线观看| 久久精品夜夜夜夜夜久久蜜豆| 国产91av在线免费观看| 搡女人真爽免费视频火全软件| 亚洲在线自拍视频| 丰满乱子伦码专区| 亚洲欧美成人精品一区二区| 日韩成人av中文字幕在线观看| 少妇熟女aⅴ在线视频| 欧美性猛交╳xxx乱大交人| 看黄色毛片网站| 91久久精品国产一区二区三区| 久久这里有精品视频免费| 国产亚洲91精品色在线| 老女人水多毛片| 亚洲综合色惰| 久久久久久久久久久丰满| 日韩欧美三级三区| 午夜久久久久精精品| 久久中文看片网| 一卡2卡三卡四卡精品乱码亚洲| 亚洲欧洲国产日韩| 亚洲国产精品国产精品| 久久久久久久久久黄片| 最近最新中文字幕大全电影3| 哪里可以看免费的av片| 可以在线观看毛片的网站| 久久久精品94久久精品| 久久这里有精品视频免费| 欧美精品国产亚洲| 一本精品99久久精品77| 97超视频在线观看视频| 欧美高清性xxxxhd video| 久久久久久久久久黄片| 最近2019中文字幕mv第一页| 此物有八面人人有两片| 国产亚洲欧美98| 亚洲欧美精品专区久久| 成年av动漫网址| 国产精品一及| 麻豆成人av视频| 亚洲欧美中文字幕日韩二区| 日韩制服骚丝袜av|