• <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 ?

    基于注意力機制的改進CLSM檢索式匹配問答方法

    2019-08-01 01:54:12于重重曹帥潘博張青川徐世璇
    計算機應用 2019年4期
    關(guān)鍵詞:注意力機制

    于重重 曹帥 潘博 張青川 徐世璇

    摘 要:針對檢索式匹配問答模型對中文語料適應性弱和句子語義信息被忽略的問題,提出一種基于卷積神經(jīng)網(wǎng)絡(luò)潛在語義模型(CLSM)的中文文本語義匹配模型。首先,在傳統(tǒng)CLSM基礎(chǔ)上進行改進,去掉單詞和字母的N元模型層,以增強模型對中文語料的適應性;其次,采用注意力機制算法,針對輸入的中文詞向量信息建立實體關(guān)注層模型,以加強句中核心詞的權(quán)重信息;最后,通過卷積神經(jīng)網(wǎng)絡(luò)(CNN)有效地捕獲輸入句子上下文結(jié)構(gòu)方面信息,并通過池化層對獲取的語義信息進行降維?;卺t(yī)療問答對數(shù)據(jù)集,將改進模型與傳統(tǒng)語義模型、傳統(tǒng)翻譯模型、深度神經(jīng)網(wǎng)絡(luò)模型進行對比,實驗結(jié)果顯示所提模型在歸一化折現(xiàn)累積增益(NDCG)方面有4~10個百分點的提升,優(yōu)于對比模型。

    關(guān)鍵詞:潛在語義模型;注意力機制;檢索式匹配問答

    中圖分類號:TP391

    文獻標志碼:A

    文章編號:1001-9081(2019)04-0972-05

    Abstract: Focusing on the problem that the Retrieval Matching Question and Answer (RMQA) model has weak adaptability to Chinese corpus and the neglection of semantic information of the sentence, a Chinese text semantic matching model based on Convolutional neural network Latent Semantic Model (CLSM) was proposed. Firstly, the word-N-gram layer and letter-N-gram layer of CLSM were removed to enhance the adaptability of the model to Chinese corpus. Secondly, with the focus on vector information of input Chinese words, an entity attention layer model was established based on the attention mechanism algorithm to strengthen the weight information of the core words in sentence. Finally, Convolutional Neural Network (CNN) was used to capture the input sentence context structure information effectively and the pool layer was used to reduce the dimension of semantic information. In the experiments based on a medical question and answer dataset, compared with the traditional semantic models, traditional translation models and deep neural network models, the proposed model has 4-10 percentage points ?improvement in Normalized Discount Cumulative Gain (NDCG).

    Key words: Convolutional Latent Semantic Model (CLSM); attention mechanism; Retrieval Matching Question and Answer (RMQA)

    0?引言

    檢索式匹配問答系統(tǒng)的研究伴隨搜索引擎技術(shù)的發(fā)展不斷推進。1999年,隨著文本信息檢索會議中自動問答任務(Text REtrieval Conference (Question & Answering track), TREC(QA))[1]的發(fā)起,檢索式匹配問答系統(tǒng)迎來了真正的研究進展。TREC(QA)的任務是給定特定Web數(shù)據(jù)集,從中找到能夠回答問題的答案。這類方法是以檢索和答案抽取為核心的問答過程,具體過程包括問題分析、篇章檢索和答案抽取[2]。

    根據(jù)答案抽取方法的不同,現(xiàn)有的檢索式匹配問答系統(tǒng)可以分為兩類[3]:第一類是基于模式匹配和統(tǒng)計文本信息抽取的問答方法。該方法需要人工線下設(shè)定好各類問題答案的模式,需要構(gòu)建大量的問答模式,代價高。第二類是利用神經(jīng)網(wǎng)絡(luò)模型對文本作語義表示后進行語義匹配的方法。2013年Huang等[4]針對搜索引擎中問答之間的語義匹配問題,提出了基于多層感知器的深度語義表示模型(Deep Structured Semantic Model, DSSM)。在DSSM中,輸入層是基于文本的詞袋向量,該模型忽略了文本中的詞法、句法和語法信息,將其僅僅看作詞的多種組合,這樣就無法捕捉句子的上下文信息?;诖耍?014年Shen等[5]對DSSM作出改進,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的隱語義模型(Convolutional Latent Semantic Model, CLSM)。該模型將文本的語義信息加入到檢索問答過程中,有效地提高了檢索式問答模型的精確度。2016年CLSM得到了廣泛應用,如用它來捕捉目標語言在局部上下文或者全局上下文中的含義[6],也有人用它來構(gòu)建推薦系統(tǒng)[7]。

    CLSM是基于英文文本作出的改進:其中字母N元組合模型主要是針對大量不同的英文單詞,從中提取出多種字母組合,對其進行特征提取。然而中文漢字的個數(shù)遠遠超過了英文字母的個數(shù),漢字的組合數(shù)更是遠遠超過了英文字母的組合數(shù),因此通過原始CLSM很難對中文文本進行語義特征提取。本文結(jié)合中文語料的特點,提出了一種基于注意力機制的改進CLSM檢索式匹配問答模型,該模型一方面解決了由于中文漢字遠遠多于英文字母而導致的文本特征難提取問題;另一方面加入了基于命名實體的注意力機制,能有效提高匹配問答結(jié)果的準確率。

    1?CLSM

    如圖1所示,CLSM主要是將一個潛在語義空間中任意長度的詞語序列所包含的語義信息映射成一個低維向量。

    圖1中:90k表示在不包含下劃線和標點符號的情況下;字母的N元模型層維度是90k;卷積層以及池化層的維度均為300;最終輸出語義信息的維度是128。

    CLSM主要由五個部分構(gòu)成:

    1)單詞的N元模型層。此部分的作用是通過一個自定義大小的滑動窗口將輸入的文本序列劃分為多個固定長度的單詞組合。

    2)字母的N元模型層。此部分的作用是將第1)步中的單詞組合轉(zhuǎn)換為由字母組合的向量表示。Wf是轉(zhuǎn)移矩陣。對于單詞N元模型層中的第t個N元單詞組合,其對應的N元字母組合表示為:

    3)卷積層。該層通過自定義大小的滑動窗口將基于每個單詞的N元字母特征lt轉(zhuǎn)換為其在上下文中的特征向量ht。

    4)最大池化層。通過最大池化將單詞在上下文中的特征向量ht轉(zhuǎn)化為一個固定長度的句子級特征向量v。

    5)語義層。為輸入的單詞序列提取高級特征語義向量y。

    CLSM是基于英文文本提出的語義特征提取模型,其單詞N元模型層和字母N元模型層都是為了提取英文文本中的特征信息,然而中文文本中漢字的組合數(shù)量遠遠超過了英文字母的組合數(shù)量,因此通過N元模型不能有效提取其重要特征?;诖?,本文對CLSM進行了改進。

    2?基于CLSM的改進模型

    在CLSM中,CNN網(wǎng)絡(luò)扮演了極其重要的作用,對文本序列進行字母N元組合卷積。由于本文處理的是中文語料,其漢字組合總數(shù)遠多于字母組合總數(shù),因此需要將中文語料進行分詞,將英文字母組合替換成中文詞組,用中文詞組作為文本序列基本單元。

    除此之外,經(jīng)過分詞之后的中文詞組種類繁多,其中含有大量的虛詞以及不相關(guān)的實詞,這些詞會嚴重影響模型的精度。因此本文首先通過命名實體識別方法得出文本序列中相關(guān)實體,然后構(gòu)建實體關(guān)注層(Entity-attention Layer),目的就是為了更好地解析句子語義,提高模型的精確度。實體關(guān)注層的結(jié)構(gòu)如圖2所示。

    將Wi輸入CNN之后,模型訓練與CLSM相同。下面給出數(shù)據(jù)結(jié)構(gòu)的形式化定義:

    定義1?實體類型所對應的權(quán)重向量Wentity(t+i)定義為一個和輸入詞向量v(word(t+i))維度相同的向量。

    定義2?實體關(guān)注層的輸出Wi指的是輸入詞向量矩陣Vx經(jīng)過實體關(guān)注層后的輸出矩陣,包含句子本身的信息及其權(quán)重信息。

    定義3?表示層的輸出y即為最終的語義輸出,其大小定義為128維。

    步驟3?構(gòu)建CLSM表示層。該層的輸入為步驟2中計算獲得的突出命名實體信息的矩陣Wi,通過與win=1×3進行卷積運算之后得到初步得到語義信息ht,最終輸出為y=tanh(Ws·max(ht))。

    步驟4?最后借助語義匹配模型,通過計算向量余弦相似度來獲得問答對匹配度sim(ysrc, ytgt),其中ysrc代表問題的語義信息, ytgt代表回答的語義信息。

    模型結(jié)構(gòu)如圖3所示。依據(jù)經(jīng)驗,本文將詞向量的維度設(shè)為300;卷積層和最大池化層的維度分別設(shè)置為300和128;學習效率初始值為0.01;卷積層的Filter的大小設(shè)為1×3,這樣既包含了上下文信息,也去除了冗余信息。其輸出是可變長度序列,長度與輸入序列的長度成比例。 在輸入序列的開始和結(jié)尾分別添加一個特殊的“填充”單詞〈s〉,目的是形成詞組序列中任何位置的單詞的完整窗口。

    3?實驗與結(jié)果分析

    3.1?實驗數(shù)據(jù)和評測指標

    本文采用尋醫(yī)問藥網(wǎng)站上大規(guī)模的在線問答對數(shù)據(jù)作為訓練評估模型的數(shù)據(jù)集。問答對數(shù)據(jù)經(jīng)過分詞和標簽替換等預處理后輸入模型。問答對有47萬對。數(shù)據(jù)分為三個部分:訓練集40萬對、驗證集4萬對、測試集3萬對。每個問答對中問句和答句的平均長度分別為25詞和50詞。問答對數(shù)據(jù)形式如表1所示。實體代表的是醫(yī)學領(lǐng)域的核心詞匯,比如疾病、癥狀的名稱等。如表2所示。

    神經(jīng)網(wǎng)絡(luò)的初始權(quán)重通過隨機初始化獲取。模型采用基于小批量隨機梯度下降的方法進行訓練,每個最小批次包括1024個訓練樣本。實驗使用雙重交叉驗證方法。模型的評估都是通過NDCG(Normalized Discounted Cumulative Gain)方法[9]來衡量的。NDCG常用于作為對排序結(jié)果的評價指標,當通過模型得出某些元素的順序時,便可以通過NDCG來測評這個排序結(jié)果的準確度,其計算公式如下:

    其中:NDCG@K表示前K個位置累計得到的效益;lb (i+1)表示第i個位置上答案的影響因子的倒數(shù);r(l)表示第l個答案的相關(guān)度等級,如3表示非常相關(guān),2表示較相關(guān),1表示相關(guān),0表示無關(guān),-1表示垃圾文件。

    NDCG其實是由DCG的值計算得出的,由式(10)可看出,分子為模型計算出的Ranking的DCG值,分母為理想情況下的DCG值。

    3.2?實驗設(shè)計

    本文設(shè)計了三組對比實驗:1)與傳統(tǒng)語義模型的對比實驗。為了驗證本文模型的優(yōu)越性,設(shè)計了在實驗數(shù)據(jù)集與模型參數(shù)均相同的情況下,本文模型與兩組傳統(tǒng)潛在語義模型的對比實驗。潛在語義模型只能以監(jiān)督學習方式或非監(jiān)督學習方式在文檔中學習,其中雙語主題模型(Bilingual Topic Model, BLTM)[10]是監(jiān)督學習,而概率潛在語義分析模型(Probabilistic Latent Semantic Analysis, PLSA)[11]和文檔主題生成模型(Latent Dirichlet allocation, LDA)[12]是非監(jiān)督學習。實驗結(jié)果如表3所示。

    2)與傳統(tǒng)翻譯模型的對比實驗。目前,很多學者將問答對看成源語言和目標語言,通過用翻譯模型計算二者的短語與短語之間的對齊關(guān)系來建立簡單的問答匹配模型。因此,為了驗證本文的改進模型較傳統(tǒng)翻譯模型的優(yōu)越性,設(shè)計了一個基于短語的翻譯模型(Phrase-based Translation Model, PTM)[13]和一個基于詞的翻譯模型(Word-based Translation Model, WTM)[14]的對比實驗,PTM旨在直接模擬多詞短語中的上下文信息。而WTM實質(zhì)上是PTM的一個特例。實驗結(jié)果如表4所示。

    3)與深度神經(jīng)網(wǎng)絡(luò)模型的對比實驗。為了驗證改進之后模型的準確性,設(shè)計了基于深度神經(jīng)網(wǎng)絡(luò)模型的對比實驗。本文模型是檢索式問答模型,也就是說從眾多候選答案中通過某種方法篩選出最符合要求的答案,理論上可以看作是對候選答案進行分類,因此加入一定數(shù)量的負樣本可以增強和驗證模型的檢索匹配的能力。在進行與深度神將網(wǎng)絡(luò)模型的對比實驗之前,本文按照以往的經(jīng)驗分別將負樣本數(shù)設(shè)置為0~100,發(fā)現(xiàn)負樣本數(shù)為50時訓練效果最好,其次是4。因此,分別將J(代表負樣本數(shù)量)設(shè)置為50和4進行了對比實驗。實驗結(jié)果如表5所示。

    3.3?結(jié)果分析

    1)與傳統(tǒng)語義模型的對比實驗。從表3可看出,CLSM+entity_attention模型明顯優(yōu)于傳統(tǒng)的潛在語義模型:在NDCG@1方面較PLSA提升了11個百分點,在NDCG@3方面較LDA提升了12個百分點,與BLTM相比,模型的平均精度提高了10個百分點。PLSA和LDA均采用了詞袋(bag of words)的方法將每一篇文檔視為一個詞頻向量,從而將文本信息轉(zhuǎn)化為了易于建模的數(shù)字信息,導致詞與詞之間的順序信息丟失,這不僅簡化了問題的復雜性,也降低了模型的精度。本文提出的改進模型中通過卷積神經(jīng)層恰當?shù)亟鉀Q了這一問題。

    2)與傳統(tǒng)翻譯模型的對比實驗。從表4可看出,在檢索式問答場景下,PTM優(yōu)于WTM;而CLSM+entity_attention模型與PTM和WTM相比,均有一定幅度的提升。近幾年來,在統(tǒng)計機器翻譯領(lǐng)域,基于短語的翻譯模型的性能優(yōu)于基于詞的翻譯模型;但對于句子中非連續(xù)的固定搭配等問題仍然沒有得到有效的解決。本文通過自定義大小的滑動窗口來抽取句子中基于詞的上下文信息,然后通過最大池化層進行信息篩選,從而提升了模型的優(yōu)越性。

    3)與深度神經(jīng)網(wǎng)絡(luò)模型的對比實驗。從表5可看出:CLSM+entity_attention模型較CLSM在NDCG方面有4個百分點的提升,說明實體關(guān)注層對模型的精確度提高具有極其重要的作用。在負樣本數(shù)量J的設(shè)置方面,分別進行了三組對比實驗:DSSM、CLSM以及CLSM+entity_attention,J=50時三者各自的NDCG@1和NDCG@2比J=4時均有一定幅度的提升,因此本文將J設(shè)置為50。

    綜上所述,CLSM+entity_attention能夠通過實體關(guān)注層加強核心詞的信息,同時利用卷積神經(jīng)網(wǎng)絡(luò)有效地捕獲語義匹配有用的上下文結(jié)構(gòu)方面信息,從而提升檢索式匹配問答的準確率。

    4?結(jié)語

    CLSM的新型深度學習架構(gòu)主要由CNN的卷積結(jié)構(gòu)支撐,一般通過卷積層來提取句子級別的特征,通過最大池化層來提取N-gram級別的局部上下文特征。本文在此基礎(chǔ)上進行調(diào)整,加入了基于實體類型的關(guān)注層,同時與幾種最先進的語義模型進行比較,發(fā)現(xiàn)在大規(guī)模真實問答數(shù)據(jù)集上,改進的CLSM檢索式匹配問答模型可進一步提高模型對句子的語義理解能力,在NDCG方面有4%以上的提升。不過該模型仍然存在不足,即用于訓練模型的中文語料句子復雜度是不同的,本文主要針對簡單句進行了實驗,因此未來的工作將在原有基礎(chǔ)上加入基于知識圖譜的推理式方法,以提高模型應用的廣泛性。

    參考文獻(References)

    [1] AHN D D, JIJKOUN V, MISHNE G A, et al. Using Wikipedia at the TREC QA track[EB/OL]. [2018-05-10]. http://staff.science.uva.nl/~mdr/Publications/Files/uams-trec-2004-final-qa.pdf.

    [2] 湯庸, 林鷺賢, 羅燁敏, 等. 基于自動問答系統(tǒng)的信息檢索技術(shù)研究進展[J]. 計算機應用, 2008, 28(11): 2745-2748. (TANG Y, LIN L X, LUO Y M, et al. Survey on information retrieval system based on question answering system[J]. Journal of Computer Applications, 2008, 28(11): 2745-2748.)

    [3] GAO J F, HE X D, YIH W T, et al. Learning continuous phrase representations for translation modeling [EB/OL]. [2018-05-10]. http://www.aclweb.org/anthology/P14-1066.

    [4] HUANG P S, HE X D, GAO J F, et al. Learning deep structured semantic models for Web search using clickthrough data[C]// CIKM 2013: Proceedings of the 22nd ACM International Conference on Information & Knowledge Management. New York: ACM, 2013: 2333-2338.

    [5] SHEN Y, HE X D, GAO J F, et al. A latent semantic model with convolutional-pooling structure for information retrieval[C]// CIKM 2014: Proceedings of the 23rd ACM International Conference on Conference on Information and Knowledge Management, New York: ACM, 2014: 101-110.

    [6] HE X, GAO J, DENG L, et al. Convolutional latent semantic models and their applications: US 9477654B2[P]. 2015-10-01.

    [7] GAO J, PANTEL P, GAMON M, et al. Modeling interestingness with deep neural networks[EB/OL]. [2018-05-10]. http://www.aclweb.org/anthology/D14-1002.

    [8] BELLOS C C, PAPADOPOULOS A, ROSSO R, et al. Identification of COPD patients health status using an intelligent system in the CHRONIOUS wearable platform[J]. IEEE Journal of Biomedical and Health Informatics, 2014, 18(3): 731-738.

    [9] BUSA-FEKETE R, SZARVAS G, LTETHO T, et al. An apple-to-apple comparison of Learning-to-rank algorithms in terms of normalized discounted cumulative gain[C]// ECAI 2012: Proceedings of the 20th European Conference on Artificial Intelligence. Montpellier, France: IOS Press, 2012:16.

    [10] GAO J F, TOUTANOVA K, YIH W T. Clickthrough-based latent semantic models for Web search[C]// SIGIR 2011: Proceedings of the 34th International ACM SIGIR Conference on Research and Development in Information Retrieval. New York: ACM, 2011: 675-684.

    [11] 徐佳俊, 楊飏, 姚天昉, 等. 基于LDA模型的論壇熱點話題識別和追蹤[J]. 中文信息學報, 2016, 30(1): 43-49. (XU J J, YANG Y, YAO T F, et al. LDA based hot topic detection and tracking for the forum[J]. Journal of Chinese Information Processing, 2016, 30(1): 43-49.)

    [12] LU Z D, LI H. A deep architecture for matching short texts[EB/OL]. [2018-05-10]. http://papers.nips.cc/paper/5019-a-deep-architecture-for-matching-short-texts.pdf.

    [13] GAO J, HE X, NIE J Y. Clickthrough-based translation models for Web search: from word models to phrase models[C]// CIKM 2010: Proceedings of the 19th ACM International Conference on Information and Knowledge Management. New York: ACM, 2010: 1139-1148.

    [14] 劉紅光, 魏小敏. Bag of Words算法框架的研究[J]. 艦船電子工程, 2011, 31(9): 125-128. (LIU H G, WEI X M. Research on frame of bag of words algorithm[J]. Ship Electronic Engineering, 2011, 31(9): 125-128.)

    猜你喜歡
    注意力機制
    基于注意力機制的行人軌跡預測生成模型
    計算機應用(2019年3期)2019-07-31 12:14:01
    基于注意力機制和BGRU網(wǎng)絡(luò)的文本情感分析方法研究
    多特征融合的中文實體關(guān)系抽取研究
    基于序列到序列模型的文本到信息框生成的研究
    基于深度學習的手分割算法研究
    從餐館評論中提取方面術(shù)語
    面向短文本的網(wǎng)絡(luò)輿情話題
    基于自注意力與動態(tài)路由的文本建模方法
    軟件導刊(2019年1期)2019-06-07 15:08:13
    基于深度學習的問題回答技術(shù)研究
    基于LSTM?Attention神經(jīng)網(wǎng)絡(luò)的文本特征提取方法
    亚洲色图av天堂| 黑丝袜美女国产一区| 亚洲精品国产精品久久久不卡| 宅男免费午夜| 日韩欧美一区视频在线观看| 久久国产乱子伦精品免费另类| 日韩精品青青久久久久久| 999精品在线视频| 久久婷婷成人综合色麻豆| 成人三级黄色视频| 午夜福利免费观看在线| 一级作爱视频免费观看| 国产日韩一区二区三区精品不卡| 成人特级黄色片久久久久久久| 男人舔女人下体高潮全视频| 国产精品 国内视频| 午夜老司机福利片| 国产亚洲精品综合一区在线观看 | 91在线观看av| 日韩av在线大香蕉| 母亲3免费完整高清在线观看| 日韩三级视频一区二区三区| 免费观看人在逋| 精品免费久久久久久久清纯| 1024视频免费在线观看| 这个男人来自地球电影免费观看| 亚洲欧美激情综合另类| 高潮久久久久久久久久久不卡| 色老头精品视频在线观看| 日韩欧美国产一区二区入口| 午夜免费观看网址| 亚洲九九香蕉| 黄片大片在线免费观看| 少妇的丰满在线观看| 高潮久久久久久久久久久不卡| 国产精品一区二区精品视频观看| 激情视频va一区二区三区| 欧美av亚洲av综合av国产av| 亚洲av成人不卡在线观看播放网| 日韩精品免费视频一区二区三区| 亚洲熟妇熟女久久| 亚洲精华国产精华精| 日本一区二区免费在线视频| 国产aⅴ精品一区二区三区波| 99精品在免费线老司机午夜| 老司机亚洲免费影院| 亚洲成人久久性| 国产精品久久久av美女十八| 亚洲熟妇熟女久久| 国产精品 国内视频| 在线av久久热| 亚洲欧洲精品一区二区精品久久久| 欧美日韩国产mv在线观看视频| 美女国产高潮福利片在线看| 日韩欧美国产一区二区入口| 亚洲精品美女久久av网站| 久久久久久久久久久久大奶| 18禁黄网站禁片午夜丰满| 高清在线国产一区| 韩国av一区二区三区四区| 亚洲精品中文字幕在线视频| 欧美在线黄色| 日本精品一区二区三区蜜桃| 免费高清在线观看日韩| 黄色视频,在线免费观看| 久久99一区二区三区| 午夜精品在线福利| 午夜老司机福利片| aaaaa片日本免费| 色尼玛亚洲综合影院| 午夜成年电影在线免费观看| 久久久久精品国产欧美久久久| 成人精品一区二区免费| 国产精品国产高清国产av| 男人舔女人的私密视频| 久久精品aⅴ一区二区三区四区| 国产三级黄色录像| 久久久久久久午夜电影 | 国产一区二区三区在线臀色熟女 | 久久伊人香网站| 亚洲avbb在线观看| 黑人欧美特级aaaaaa片| 久久精品亚洲精品国产色婷小说| 日本黄色视频三级网站网址| 国产91精品成人一区二区三区| 十八禁人妻一区二区| 久久影院123| 亚洲熟女毛片儿| 国产91精品成人一区二区三区| 国产精华一区二区三区| 久久 成人 亚洲| ponron亚洲| 国产精品九九99| 国产成人一区二区三区免费视频网站| 中文字幕精品免费在线观看视频| 精品人妻在线不人妻| 交换朋友夫妻互换小说| 久久久久久亚洲精品国产蜜桃av| 国产极品粉嫩免费观看在线| 日韩一卡2卡3卡4卡2021年| 在线av久久热| 成人影院久久| 韩国av一区二区三区四区| 村上凉子中文字幕在线| 国产成人精品久久二区二区91| 日韩欧美在线二视频| 老司机深夜福利视频在线观看| 亚洲精品中文字幕在线视频| 精品午夜福利视频在线观看一区| 日本撒尿小便嘘嘘汇集6| 成熟少妇高潮喷水视频| 看黄色毛片网站| 亚洲熟女毛片儿| 国产三级在线视频| 国产主播在线观看一区二区| 99国产精品免费福利视频| 大陆偷拍与自拍| 亚洲五月天丁香| 一进一出抽搐动态| 国产成人免费无遮挡视频| 国产高清视频在线播放一区| 免费在线观看完整版高清| 一区二区三区激情视频| 窝窝影院91人妻| 国产伦一二天堂av在线观看| 久久久久久人人人人人| 亚洲性夜色夜夜综合| 首页视频小说图片口味搜索| 老司机深夜福利视频在线观看| 日韩精品免费视频一区二区三区| av福利片在线| 亚洲精品久久午夜乱码| 美女国产高潮福利片在线看| 天天躁夜夜躁狠狠躁躁| 亚洲第一青青草原| 成人亚洲精品一区在线观看| 日韩人妻精品一区2区三区| 丰满迷人的少妇在线观看| 夜夜看夜夜爽夜夜摸 | 午夜福利欧美成人| 中文字幕人妻丝袜制服| 高清在线国产一区| 国产av在哪里看| 久久99一区二区三区| 国产高清国产精品国产三级| 伊人久久大香线蕉亚洲五| 午夜福利免费观看在线| 美女扒开内裤让男人捅视频| 午夜精品国产一区二区电影| 久久亚洲真实| 亚洲欧美日韩高清在线视频| 99久久人妻综合| 国产成人精品久久二区二区91| 久久影院123| 老司机靠b影院| 99精国产麻豆久久婷婷| 搡老乐熟女国产| ponron亚洲| 久久人妻熟女aⅴ| 午夜成年电影在线免费观看| 成人国产一区最新在线观看| 一级片免费观看大全| 午夜免费鲁丝| 新久久久久国产一级毛片| 大型av网站在线播放| 久久热在线av| 乱人伦中国视频| 日本a在线网址| 天堂影院成人在线观看| 午夜影院日韩av| 黑丝袜美女国产一区| 99精品久久久久人妻精品| 法律面前人人平等表现在哪些方面| 欧美人与性动交α欧美软件| www.999成人在线观看| 免费在线观看亚洲国产| 水蜜桃什么品种好| 久久久精品欧美日韩精品| 色综合欧美亚洲国产小说| 国产精品亚洲一级av第二区| 国产精品av久久久久免费| 亚洲男人的天堂狠狠| 老汉色∧v一级毛片| 国产精品自产拍在线观看55亚洲| 国产高清国产精品国产三级| 天天躁狠狠躁夜夜躁狠狠躁| 国产欧美日韩一区二区精品| 欧美激情久久久久久爽电影 | 十八禁人妻一区二区| 99国产精品99久久久久| 日韩欧美一区二区三区在线观看| 一进一出抽搐动态| 国产视频一区二区在线看| 亚洲精品粉嫩美女一区| 成年人黄色毛片网站| 亚洲欧美日韩高清在线视频| 一级毛片高清免费大全| 中文字幕最新亚洲高清| 又黄又爽又免费观看的视频| 国产深夜福利视频在线观看| 他把我摸到了高潮在线观看| 一边摸一边抽搐一进一小说| 国产成人影院久久av| 97超级碰碰碰精品色视频在线观看| 久久久久精品国产欧美久久久| 一本大道久久a久久精品| 一区二区三区激情视频| 99热只有精品国产| 高清毛片免费观看视频网站 | 国产深夜福利视频在线观看| 夜夜爽天天搞| 精品高清国产在线一区| 亚洲精品一二三| 色婷婷av一区二区三区视频| 老司机靠b影院| 高清黄色对白视频在线免费看| av国产精品久久久久影院| 国产在线观看jvid| 99香蕉大伊视频| 国产精品国产高清国产av| 成年人免费黄色播放视频| 欧美日韩亚洲国产一区二区在线观看| 韩国精品一区二区三区| 久久精品亚洲av国产电影网| 水蜜桃什么品种好| 国产精品爽爽va在线观看网站 | 午夜福利在线观看吧| 一区二区三区国产精品乱码| 97碰自拍视频| 国产成人精品久久二区二区91| 国产精品电影一区二区三区| 两个人免费观看高清视频| 在线观看免费午夜福利视频| 中文亚洲av片在线观看爽| 久久久久久大精品| 免费观看精品视频网站| 久久天堂一区二区三区四区| 久久久精品国产亚洲av高清涩受| 侵犯人妻中文字幕一二三四区| 国产精品自产拍在线观看55亚洲| 精品第一国产精品| 不卡一级毛片| 露出奶头的视频| 日本五十路高清| 亚洲国产看品久久| 19禁男女啪啪无遮挡网站| 成年人黄色毛片网站| 国产99久久九九免费精品| 欧美亚洲日本最大视频资源| 国产午夜精品久久久久久| 亚洲人成电影免费在线| 亚洲国产欧美网| av天堂在线播放| 精品国产乱码久久久久久男人| 高清av免费在线| 免费在线观看黄色视频的| 国产精品野战在线观看 | 午夜免费观看网址| 久久亚洲真实| 性少妇av在线| xxxhd国产人妻xxx| 色哟哟哟哟哟哟| 琪琪午夜伦伦电影理论片6080| 波多野结衣一区麻豆| 免费观看精品视频网站| 欧美+亚洲+日韩+国产| 免费观看人在逋| 亚洲欧美精品综合久久99| 999久久久精品免费观看国产| 男女下面插进去视频免费观看| 怎么达到女性高潮| 欧美一区二区精品小视频在线| 国产精品国产av在线观看| 99国产极品粉嫩在线观看| 五月开心婷婷网| 两性夫妻黄色片| 看免费av毛片| 日韩精品青青久久久久久| 久久中文字幕一级| 熟女少妇亚洲综合色aaa.| 国产亚洲精品久久久久久毛片| 天堂√8在线中文| 精品午夜福利视频在线观看一区| 久久香蕉精品热| 老汉色av国产亚洲站长工具| 成年人黄色毛片网站| 免费一级毛片在线播放高清视频 | 亚洲精品久久成人aⅴ小说| av福利片在线| 久久婷婷成人综合色麻豆| 中国美女看黄片| 欧美精品啪啪一区二区三区| 精品国产美女av久久久久小说| 电影成人av| 女性生殖器流出的白浆| 99riav亚洲国产免费| 日本vs欧美在线观看视频| 国产熟女xx| 国产一区在线观看成人免费| 嫁个100分男人电影在线观看| 色综合婷婷激情| 精品国产一区二区三区四区第35| 麻豆国产av国片精品| a级毛片黄视频| 午夜福利,免费看| 无人区码免费观看不卡| 欧美性长视频在线观看| 99精品欧美一区二区三区四区| 欧美丝袜亚洲另类 | 国产亚洲av高清不卡| 精品一区二区三卡| 又大又爽又粗| 啦啦啦在线免费观看视频4| 欧美+亚洲+日韩+国产| 日韩欧美免费精品| 欧美另类亚洲清纯唯美| 又紧又爽又黄一区二区| 欧美日本中文国产一区发布| 成人国语在线视频| 亚洲 欧美 日韩 在线 免费| 1024视频免费在线观看| 少妇 在线观看| 天堂中文最新版在线下载| 久久人妻av系列| 一区福利在线观看| √禁漫天堂资源中文www| 新久久久久国产一级毛片| bbb黄色大片| 老司机靠b影院| 青草久久国产| 久久久久久免费高清国产稀缺| 1024视频免费在线观看| 国产亚洲av高清不卡| 久久亚洲真实| 亚洲精品一卡2卡三卡4卡5卡| 国产成人精品无人区| 无限看片的www在线观看| 一个人免费在线观看的高清视频| 亚洲av成人一区二区三| 国产精品爽爽va在线观看网站 | 日韩精品青青久久久久久| 久久精品影院6| 国产黄色免费在线视频| 日本三级黄在线观看| 久久久久国产精品人妻aⅴ院| 男女下面进入的视频免费午夜 | 欧美日韩亚洲国产一区二区在线观看| 精品国产亚洲在线| 国产精品日韩av在线免费观看 | 人人澡人人妻人| 日韩成人在线观看一区二区三区| 琪琪午夜伦伦电影理论片6080| 国产免费现黄频在线看| 久久久久国产一级毛片高清牌| 少妇粗大呻吟视频| 国产精品久久视频播放| √禁漫天堂资源中文www| 伊人久久大香线蕉亚洲五| 精品免费久久久久久久清纯| 亚洲欧美激情在线| 搡老岳熟女国产| 免费看十八禁软件| 日韩国内少妇激情av| 美女高潮喷水抽搐中文字幕| 99久久国产精品久久久| 九色亚洲精品在线播放| 五月开心婷婷网| 久久久久精品国产欧美久久久| 色在线成人网| 别揉我奶头~嗯~啊~动态视频| 日韩免费高清中文字幕av| 国产精品久久久av美女十八| 欧美精品一区二区免费开放| 亚洲av五月六月丁香网| 亚洲七黄色美女视频| 狂野欧美激情性xxxx| 身体一侧抽搐| 日本免费a在线| 亚洲第一欧美日韩一区二区三区| 精品久久蜜臀av无| 国产精品久久久久成人av| 88av欧美| 免费在线观看亚洲国产| 中文字幕av电影在线播放| 757午夜福利合集在线观看| 国产一区二区三区综合在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 伊人久久大香线蕉亚洲五| 国产精品成人在线| 久久国产精品影院| 国产在线观看jvid| 真人一进一出gif抽搐免费| 亚洲专区国产一区二区| 亚洲七黄色美女视频| 午夜91福利影院| 老汉色av国产亚洲站长工具| 午夜成年电影在线免费观看| 亚洲欧美日韩无卡精品| 99香蕉大伊视频| 亚洲欧美激情在线| 性色av乱码一区二区三区2| 亚洲欧美一区二区三区久久| 岛国视频午夜一区免费看| 热99re8久久精品国产| 欧美日韩av久久| 久久中文字幕一级| 丝袜美足系列| 在线天堂中文资源库| 亚洲男人的天堂狠狠| 日本欧美视频一区| 一进一出抽搐动态| 少妇 在线观看| 满18在线观看网站| 亚洲一区二区三区不卡视频| 女性生殖器流出的白浆| 两个人看的免费小视频| 欧美午夜高清在线| 在线看a的网站| 看黄色毛片网站| 在线免费观看的www视频| 精品久久久久久成人av| 久久人人精品亚洲av| 久久久国产成人免费| 在线十欧美十亚洲十日本专区| 久久久久久大精品| 可以在线观看毛片的网站| 黄片小视频在线播放| 久久草成人影院| 精品人妻1区二区| 国产欧美日韩一区二区精品| 九色亚洲精品在线播放| 香蕉丝袜av| 黄色怎么调成土黄色| 99精品欧美一区二区三区四区| 丰满迷人的少妇在线观看| 国产av一区二区精品久久| 欧美丝袜亚洲另类 | 中亚洲国语对白在线视频| 美女高潮喷水抽搐中文字幕| 亚洲男人的天堂狠狠| 亚洲自拍偷在线| 99riav亚洲国产免费| 国产精品国产高清国产av| 亚洲av第一区精品v没综合| 亚洲 欧美一区二区三区| 欧美av亚洲av综合av国产av| 三级毛片av免费| 成人18禁在线播放| 亚洲 欧美 日韩 在线 免费| 男女之事视频高清在线观看| 91在线观看av| 99精品欧美一区二区三区四区| 女人被狂操c到高潮| 999久久久精品免费观看国产| a在线观看视频网站| 757午夜福利合集在线观看| 中文字幕另类日韩欧美亚洲嫩草| 国产1区2区3区精品| www.999成人在线观看| 91大片在线观看| 两个人免费观看高清视频| 亚洲国产中文字幕在线视频| 成人三级黄色视频| 久久九九热精品免费| 老熟妇乱子伦视频在线观看| 成年人免费黄色播放视频| 高清在线国产一区| 99国产极品粉嫩在线观看| 亚洲国产精品一区二区三区在线| 9色porny在线观看| 午夜影院日韩av| 男人操女人黄网站| 亚洲va日本ⅴa欧美va伊人久久| 19禁男女啪啪无遮挡网站| 欧美另类亚洲清纯唯美| 日韩精品青青久久久久久| 又大又爽又粗| 国产熟女xx| 免费在线观看完整版高清| 精品国产一区二区久久| 国产精品1区2区在线观看.| 亚洲人成77777在线视频| 91老司机精品| 亚洲国产精品999在线| 如日韩欧美国产精品一区二区三区| 亚洲精品av麻豆狂野| 男女做爰动态图高潮gif福利片 | 一区福利在线观看| bbb黄色大片| 999精品在线视频| 大香蕉久久成人网| 又黄又爽又免费观看的视频| 国产免费现黄频在线看| 人妻丰满熟妇av一区二区三区| 两个人免费观看高清视频| 婷婷丁香在线五月| 国产高清视频在线播放一区| 一区二区三区精品91| 久热爱精品视频在线9| 精品久久久久久久毛片微露脸| 可以在线观看毛片的网站| 美女高潮喷水抽搐中文字幕| 国内久久婷婷六月综合欲色啪| 国产xxxxx性猛交| 无人区码免费观看不卡| 成年版毛片免费区| 免费高清在线观看日韩| 啦啦啦在线免费观看视频4| 亚洲成人国产一区在线观看| 婷婷丁香在线五月| 老汉色∧v一级毛片| 亚洲性夜色夜夜综合| 少妇的丰满在线观看| 真人做人爱边吃奶动态| 国产又爽黄色视频| 免费不卡黄色视频| 国产亚洲精品久久久久久毛片| 夜夜爽天天搞| 欧美日韩精品网址| 国产成人精品久久二区二区91| 国产成+人综合+亚洲专区| 久久中文字幕一级| 级片在线观看| 久久狼人影院| 婷婷丁香在线五月| 少妇粗大呻吟视频| www.www免费av| 老熟妇乱子伦视频在线观看| 欧美成人性av电影在线观看| 看片在线看免费视频| 国产免费av片在线观看野外av| 黄色片一级片一级黄色片| 久久香蕉精品热| 亚洲av第一区精品v没综合| 在线观看免费高清a一片| 午夜福利一区二区在线看| 国产欧美日韩综合在线一区二区| 亚洲色图av天堂| 久久精品影院6| 成人亚洲精品av一区二区 | 国产精品成人在线| 热re99久久精品国产66热6| 亚洲五月天丁香| 国产精品一区二区精品视频观看| 18美女黄网站色大片免费观看| 九色亚洲精品在线播放| 中国美女看黄片| 午夜激情av网站| 日本a在线网址| 色播在线永久视频| 久久精品人人爽人人爽视色| 亚洲精品国产色婷婷电影| 男人舔女人下体高潮全视频| 性少妇av在线| 一进一出抽搐gif免费好疼 | 看黄色毛片网站| 在线观看一区二区三区激情| tocl精华| 欧美成人午夜精品| 一夜夜www| 人人澡人人妻人| 夜夜爽天天搞| 看片在线看免费视频| 天堂动漫精品| 欧美日韩福利视频一区二区| 免费日韩欧美在线观看| 露出奶头的视频| 国产精品 欧美亚洲| 在线观看www视频免费| 99国产综合亚洲精品| 欧美乱码精品一区二区三区| 久久香蕉国产精品| 精品久久久久久久久久免费视频 | 久久天堂一区二区三区四区| 国产国语露脸激情在线看| 看黄色毛片网站| 国产男靠女视频免费网站| 亚洲性夜色夜夜综合| 女人精品久久久久毛片| 亚洲av片天天在线观看| 亚洲精品在线观看二区| 叶爱在线成人免费视频播放| av片东京热男人的天堂| 中文字幕精品免费在线观看视频| 村上凉子中文字幕在线| 狠狠狠狠99中文字幕| 美国免费a级毛片| 亚洲国产看品久久| 人成视频在线观看免费观看| 欧洲精品卡2卡3卡4卡5卡区| 亚洲人成网站在线播放欧美日韩| 在线天堂中文资源库| 午夜成年电影在线免费观看| 自线自在国产av| 极品教师在线免费播放| 亚洲av成人一区二区三| 久久久水蜜桃国产精品网| 欧美最黄视频在线播放免费 | 这个男人来自地球电影免费观看| 夜夜看夜夜爽夜夜摸 | 久久久精品国产亚洲av高清涩受| 欧美一区二区精品小视频在线| 亚洲五月婷婷丁香| 女同久久另类99精品国产91| 高清毛片免费观看视频网站 | 亚洲精品美女久久久久99蜜臀| 久久人妻av系列| 91精品三级在线观看| xxxhd国产人妻xxx| 国产精品久久久人人做人人爽| 最近最新中文字幕大全电影3 | 性欧美人与动物交配| 在线永久观看黄色视频| 99精品在免费线老司机午夜| 亚洲av日韩精品久久久久久密|