• <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
    汤姆久久久久久久影院中文字幕| 男人操女人黄网站| 一级毛片我不卡| 欧美人与性动交α欧美软件| 一区二区三区精品91| 97在线人人人人妻| 一级毛片我不卡| 又黄又粗又硬又大视频| 国产老妇伦熟女老妇高清| 水蜜桃什么品种好| 日韩中文字幕欧美一区二区 | 国产在线一区二区三区精| 亚洲精品国产av蜜桃| 老司机亚洲免费影院| 亚洲av免费高清在线观看| 中文字幕av电影在线播放| 一级片'在线观看视频| 欧美精品av麻豆av| 欧美少妇被猛烈插入视频| 这个男人来自地球电影免费观看 | 18+在线观看网站| 美女午夜性视频免费| 少妇人妻精品综合一区二区| 亚洲欧美日韩另类电影网站| 国产亚洲欧美精品永久| 激情五月婷婷亚洲| 国产精品一区二区在线不卡| 综合色丁香网| 欧美人与性动交α欧美精品济南到 | 国产在视频线精品| 亚洲 欧美一区二区三区| 午夜91福利影院| 最新中文字幕久久久久| 99久久中文字幕三级久久日本| 2018国产大陆天天弄谢| 亚洲成国产人片在线观看| 一本色道久久久久久精品综合| 午夜久久久在线观看| 69精品国产乱码久久久| 男人操女人黄网站| 成人国产麻豆网| 成人国语在线视频| 大片电影免费在线观看免费| 91久久精品国产一区二区三区| 97在线视频观看| 国产成人av激情在线播放| 久久韩国三级中文字幕| 王馨瑶露胸无遮挡在线观看| 好男人视频免费观看在线| 精品久久久精品久久久| 777久久人妻少妇嫩草av网站| 少妇 在线观看| 国产精品久久久久久久久免| 亚洲国产成人一精品久久久| 婷婷色av中文字幕| 天堂俺去俺来也www色官网| 水蜜桃什么品种好| 三级国产精品片| 久久久久久久国产电影| 久久精品国产鲁丝片午夜精品| 免费少妇av软件| 久久久精品免费免费高清| 捣出白浆h1v1| 黄色一级大片看看| 一级毛片黄色毛片免费观看视频| 成年美女黄网站色视频大全免费| 国产成人精品无人区| 国产成人精品久久二区二区91 | 一级爰片在线观看| 日韩精品免费视频一区二区三区| 亚洲男人天堂网一区| 日韩熟女老妇一区二区性免费视频| 高清黄色对白视频在线免费看| 中文天堂在线官网| 在线观看免费日韩欧美大片| 少妇人妻久久综合中文| 中文字幕色久视频| 亚洲av电影在线观看一区二区三区| 久久97久久精品| 亚洲精品国产av成人精品| 亚洲国产色片| 久热久热在线精品观看| 亚洲精品国产av蜜桃| 天天躁夜夜躁狠狠躁躁| 亚洲欧美色中文字幕在线| 午夜福利乱码中文字幕| 99国产精品免费福利视频| 波野结衣二区三区在线| 亚洲成人av在线免费| 午夜福利网站1000一区二区三区| 男的添女的下面高潮视频| 一区在线观看完整版| 亚洲国产欧美在线一区| 校园人妻丝袜中文字幕| 久久久久网色| 国产爽快片一区二区三区| 秋霞伦理黄片| 尾随美女入室| 久久久国产精品麻豆| 亚洲激情五月婷婷啪啪| 少妇人妻 视频| 国产精品一国产av| 精品久久蜜臀av无| 日本av手机在线免费观看| 日韩免费高清中文字幕av| 97精品久久久久久久久久精品| 久久久久久人人人人人| 亚洲国产看品久久| 国产精品.久久久| 国产精品偷伦视频观看了| 色婷婷av一区二区三区视频| 丰满迷人的少妇在线观看| 精品久久久精品久久久| 激情视频va一区二区三区| 精品亚洲成国产av| 欧美老熟妇乱子伦牲交| av.在线天堂| 国产一区二区激情短视频 | 寂寞人妻少妇视频99o| a级毛片在线看网站| 色婷婷av一区二区三区视频| 美女xxoo啪啪120秒动态图| 亚洲欧美清纯卡通| 韩国高清视频一区二区三区| 久久久久久久亚洲中文字幕| 不卡视频在线观看欧美| 电影成人av| 色吧在线观看| 久久青草综合色| 亚洲欧美中文字幕日韩二区| 亚洲图色成人| 欧美老熟妇乱子伦牲交| 国产免费福利视频在线观看| 国产精品一国产av| 自拍欧美九色日韩亚洲蝌蚪91| 久久热在线av| 99久久精品国产国产毛片| 欧美精品亚洲一区二区| 久久久久久久大尺度免费视频| 久久狼人影院| 女性生殖器流出的白浆| 亚洲人成电影观看| 女人精品久久久久毛片| 黑人欧美特级aaaaaa片| 日产精品乱码卡一卡2卡三| 精品国产乱码久久久久久小说| 大片电影免费在线观看免费| 久久 成人 亚洲| 在现免费观看毛片| 九九爱精品视频在线观看| 精品人妻在线不人妻| 免费观看在线日韩| 又大又黄又爽视频免费| 伦理电影免费视频| 亚洲国产最新在线播放| 热re99久久精品国产66热6| 国产淫语在线视频| 看十八女毛片水多多多| 国产精品国产三级专区第一集| 色吧在线观看| 观看美女的网站| 国产精品99久久99久久久不卡 | 国产精品麻豆人妻色哟哟久久| 黄色一级大片看看| 91精品伊人久久大香线蕉| 日日摸夜夜添夜夜爱| 人妻少妇偷人精品九色| 久久久国产欧美日韩av| 久久精品人人爽人人爽视色| 国产一区二区三区av在线| 亚洲综合色网址| 亚洲情色 制服丝袜| 亚洲五月色婷婷综合| 国产午夜精品一二区理论片| 看十八女毛片水多多多| 久久精品亚洲av国产电影网| 国产精品免费大片| 久久97久久精品| 热re99久久精品国产66热6| 巨乳人妻的诱惑在线观看| a级片在线免费高清观看视频| 久久99一区二区三区| 各种免费的搞黄视频| 男男h啪啪无遮挡| 亚洲精品第二区| 国产精品久久久av美女十八| 性高湖久久久久久久久免费观看| 国产精品偷伦视频观看了| 色哟哟·www| 9热在线视频观看99| 国产亚洲av片在线观看秒播厂| 美女高潮到喷水免费观看| 2022亚洲国产成人精品| 色吧在线观看| 9191精品国产免费久久| 美女视频免费永久观看网站| 亚洲第一av免费看| 免费观看av网站的网址| 亚洲综合色惰| 在线观看免费高清a一片| 亚洲av综合色区一区| 中文字幕人妻丝袜一区二区 | 欧美亚洲 丝袜 人妻 在线| 亚洲av福利一区| 天天躁日日躁夜夜躁夜夜| 欧美成人精品欧美一级黄| 在线观看免费视频网站a站| 久久国产精品大桥未久av| 看非洲黑人一级黄片| 日日摸夜夜添夜夜爱| 成年av动漫网址| 美女高潮到喷水免费观看| 国产欧美日韩综合在线一区二区| 人人澡人人妻人| 人妻系列 视频| 国产深夜福利视频在线观看| 黄色配什么色好看| 国产精品成人在线| 搡老乐熟女国产| 在线观看免费高清a一片| 在线观看www视频免费| 精品人妻熟女毛片av久久网站| 青草久久国产| 国产高清国产精品国产三级| 一级黄片播放器| 少妇的逼水好多| 中文字幕人妻丝袜制服| 久久久久视频综合| 国产免费一区二区三区四区乱码| 久久精品国产亚洲av天美| 久久毛片免费看一区二区三区| 伊人亚洲综合成人网| 成年女人毛片免费观看观看9 | 国产人伦9x9x在线观看 | 美女大奶头黄色视频| 有码 亚洲区| 国产精品免费视频内射| 亚洲精品久久成人aⅴ小说| 男女啪啪激烈高潮av片| 国产男女内射视频| 人妻少妇偷人精品九色| 考比视频在线观看| 亚洲精品视频女| 国产精品一区二区在线不卡| 人妻系列 视频| 亚洲,欧美精品.| 亚洲av中文av极速乱| 97在线视频观看| 人妻系列 视频| kizo精华| 亚洲美女黄色视频免费看| 我的亚洲天堂| 香蕉精品网在线| 成人免费观看视频高清| 日本vs欧美在线观看视频| av卡一久久| 国产深夜福利视频在线观看| videosex国产| 日本wwww免费看| 国产精品免费大片| 中文字幕精品免费在线观看视频| 一个人免费看片子| 日本-黄色视频高清免费观看| 又粗又硬又长又爽又黄的视频| 日韩免费高清中文字幕av| 一级爰片在线观看| 制服丝袜香蕉在线| 欧美日韩亚洲国产一区二区在线观看 | 亚洲av国产av综合av卡| 国产综合精华液| 晚上一个人看的免费电影| 国产探花极品一区二区| 久久久久精品久久久久真实原创| 国产成人免费无遮挡视频| 丝瓜视频免费看黄片| 欧美最新免费一区二区三区| 亚洲欧美成人综合另类久久久| 丰满少妇做爰视频| 十八禁高潮呻吟视频| 亚洲人成77777在线视频| 久久这里只有精品19| 丰满少妇做爰视频| 亚洲少妇的诱惑av| 肉色欧美久久久久久久蜜桃| 欧美精品国产亚洲| 下体分泌物呈黄色| 两个人免费观看高清视频| 国产黄频视频在线观看| 亚洲精品久久午夜乱码| 女的被弄到高潮叫床怎么办| 国产白丝娇喘喷水9色精品| 又大又黄又爽视频免费| 99久久综合免费| 久久久国产欧美日韩av| av网站免费在线观看视频| 男女国产视频网站| 一边摸一边做爽爽视频免费| 亚洲男人天堂网一区| 亚洲色图 男人天堂 中文字幕| 免费观看无遮挡的男女| 老熟女久久久| 男女免费视频国产| 国产视频首页在线观看| 一区二区三区激情视频| 日本黄色日本黄色录像| 久久这里只有精品19| 亚洲欧美清纯卡通| 欧美在线黄色| 天天操日日干夜夜撸| 成人影院久久| 国产一级毛片在线| 久久久久久久久久久免费av| 最近最新中文字幕免费大全7| 老司机影院成人| 欧美黄色片欧美黄色片| 男人操女人黄网站| 久久 成人 亚洲| 国产精品久久久av美女十八| 国产极品天堂在线| 91精品国产国语对白视频| 欧美精品高潮呻吟av久久| freevideosex欧美| 最近中文字幕高清免费大全6| 午夜精品国产一区二区电影| 亚洲欧美色中文字幕在线| 中文天堂在线官网| 在线观看美女被高潮喷水网站| 乱人伦中国视频| 日韩人妻精品一区2区三区| 啦啦啦视频在线资源免费观看| 伊人久久国产一区二区| 国产免费福利视频在线观看| 97在线视频观看| 999精品在线视频| 黄色配什么色好看| 亚洲精品乱久久久久久| 精品少妇一区二区三区视频日本电影 | 亚洲精品国产色婷婷电影| 欧美日韩亚洲高清精品| 成年美女黄网站色视频大全免费| 精品第一国产精品| 久久精品国产亚洲av天美| 男的添女的下面高潮视频| 国产1区2区3区精品| 日韩一区二区视频免费看| av免费观看日本| 亚洲综合精品二区| 日韩精品免费视频一区二区三区| 久久精品亚洲av国产电影网| 亚洲欧美一区二区三区久久| av视频免费观看在线观看| 又大又黄又爽视频免费| 国产成人aa在线观看| 伦理电影大哥的女人| 有码 亚洲区| 亚洲av在线观看美女高潮| 中文天堂在线官网| 丝袜美足系列| 国产午夜精品一二区理论片| 精品一区二区三区四区五区乱码 | 91国产中文字幕| 丰满少妇做爰视频| 国产不卡av网站在线观看| 亚洲国产av影院在线观看| 最近的中文字幕免费完整| 精品酒店卫生间| 最近最新中文字幕免费大全7| 国产1区2区3区精品| 亚洲国产看品久久| 亚洲第一区二区三区不卡| 中国三级夫妇交换| 亚洲精品在线美女| 亚洲第一区二区三区不卡| 国产综合精华液| 国产xxxxx性猛交| 日本色播在线视频| 国产成人aa在线观看| 亚洲av电影在线进入| 男女国产视频网站| 免费黄网站久久成人精品| 天天操日日干夜夜撸| 亚洲色图综合在线观看| 国产爽快片一区二区三区| 国产成人精品久久久久久| 国产综合精华液| 国产野战对白在线观看| 日韩av不卡免费在线播放| 一区二区三区乱码不卡18| 亚洲国产精品999| 国产一区亚洲一区在线观看| 超碰97精品在线观看| 欧美日韩综合久久久久久| 成人影院久久| 精品亚洲成国产av| 91国产中文字幕| 久久国内精品自在自线图片| 亚洲久久久国产精品| 一边摸一边做爽爽视频免费| videosex国产| 欧美精品av麻豆av| 91成人精品电影| 制服诱惑二区| 91精品伊人久久大香线蕉| 国产av一区二区精品久久| 亚洲av男天堂| 黄网站色视频无遮挡免费观看| 精品国产露脸久久av麻豆| 成人影院久久| 久久久国产欧美日韩av| 午夜av观看不卡| 男人爽女人下面视频在线观看| 久久久久久久久久久免费av| 男女国产视频网站| 亚洲国产精品国产精品| 天天躁夜夜躁狠狠久久av| 亚洲成人手机| 黄片小视频在线播放| 一区在线观看完整版| 亚洲国产精品成人久久小说| 亚洲欧美成人精品一区二区| 亚洲精品乱久久久久久| 另类精品久久| 狠狠婷婷综合久久久久久88av| 国产综合精华液| 国产精品久久久av美女十八| 欧美日韩精品成人综合77777| 曰老女人黄片| 看十八女毛片水多多多| 多毛熟女@视频| 老熟女久久久| 亚洲精品,欧美精品| 国产在视频线精品| 99re6热这里在线精品视频| 亚洲综合色网址| 久久精品国产鲁丝片午夜精品| 2022亚洲国产成人精品| 欧美国产精品va在线观看不卡| 亚洲精品美女久久久久99蜜臀 | 男人舔女人的私密视频| 天天躁夜夜躁狠狠久久av| 王馨瑶露胸无遮挡在线观看| 国产精品二区激情视频| 国产麻豆69| 蜜桃国产av成人99| 国产成人精品久久二区二区91 | 成人国语在线视频| 国产成人欧美| 老鸭窝网址在线观看| 精品国产国语对白av| 亚洲视频免费观看视频| 中国三级夫妇交换| 久久久久久久大尺度免费视频| 母亲3免费完整高清在线观看 | 国产亚洲精品第一综合不卡| 日韩一本色道免费dvd| 亚洲精品国产av成人精品| www.av在线官网国产| 制服人妻中文乱码| 精品一区二区三卡| 精品一区二区免费观看| 999精品在线视频| 日韩av不卡免费在线播放| 人妻人人澡人人爽人人| 亚洲久久久国产精品| www.熟女人妻精品国产| 91成人精品电影| 日韩精品有码人妻一区| 人妻系列 视频| 男的添女的下面高潮视频| 亚洲欧美清纯卡通| 岛国毛片在线播放| 国产日韩一区二区三区精品不卡| 国产成人精品一,二区| 精品一区二区免费观看| 飞空精品影院首页| 亚洲精品中文字幕在线视频| 国产精品.久久久| 国产日韩一区二区三区精品不卡| 少妇的逼水好多| 大码成人一级视频| 亚洲精品一区蜜桃| 婷婷色综合大香蕉| 国产亚洲一区二区精品| 亚洲av欧美aⅴ国产| 婷婷色综合www| 久久久国产精品麻豆| 在线观看美女被高潮喷水网站| 人妻 亚洲 视频| 777米奇影视久久| 男人舔女人的私密视频| 中文欧美无线码| 最近的中文字幕免费完整| 国产福利在线免费观看视频| 美国免费a级毛片| av有码第一页| 日本爱情动作片www.在线观看| 久久久精品免费免费高清| 精品午夜福利在线看| 性色av一级| 天天躁夜夜躁狠狠久久av| 美女国产高潮福利片在线看| 成年美女黄网站色视频大全免费| 婷婷色综合www| 国产免费现黄频在线看| 亚洲色图综合在线观看| 成人午夜精彩视频在线观看| 亚洲国产欧美在线一区| 波多野结衣av一区二区av| 又大又黄又爽视频免费| 中文字幕亚洲精品专区| 制服诱惑二区| 久久久精品区二区三区| 免费高清在线观看视频在线观看| 黄色视频在线播放观看不卡| 高清黄色对白视频在线免费看| 婷婷色综合www| 成人亚洲欧美一区二区av| 在线观看免费高清a一片| 在线天堂中文资源库| 青青草视频在线视频观看| 国产精品国产av在线观看| 色哟哟·www| 国产精品麻豆人妻色哟哟久久| 久久久久久伊人网av| 韩国精品一区二区三区| 国产精品秋霞免费鲁丝片| 精品99又大又爽又粗少妇毛片| 欧美日韩精品成人综合77777| 国产精品久久久久久精品古装| 成人手机av| 成人二区视频| 如日韩欧美国产精品一区二区三区| 欧美日韩精品网址| 男的添女的下面高潮视频| av女优亚洲男人天堂| 欧美精品一区二区大全| 国产精品久久久久成人av| 人成视频在线观看免费观看| 丰满少妇做爰视频| videosex国产| 精品第一国产精品| 久久精品熟女亚洲av麻豆精品| 人人妻人人澡人人看| 国产精品国产三级国产专区5o| 免费高清在线观看日韩| 国产成人免费无遮挡视频| 亚洲精品一二三| 中文字幕色久视频| 美女视频免费永久观看网站| 亚洲精品日韩在线中文字幕| 亚洲精品国产av成人精品| 老汉色∧v一级毛片| 母亲3免费完整高清在线观看 | 九九爱精品视频在线观看| 国产国语露脸激情在线看| 国产精品麻豆人妻色哟哟久久| 久久久久国产一级毛片高清牌| 国产又爽黄色视频| 国产亚洲欧美精品永久| 国产国语露脸激情在线看| 亚洲国产色片| 汤姆久久久久久久影院中文字幕| 一区二区三区激情视频| 国产 一区精品| 午夜精品国产一区二区电影| 国产精品秋霞免费鲁丝片| 九九爱精品视频在线观看| 一级毛片 在线播放| 国产xxxxx性猛交| 欧美另类一区| 深夜精品福利| 亚洲精品av麻豆狂野| 在线精品无人区一区二区三| 久久97久久精品| 黑丝袜美女国产一区| 热99国产精品久久久久久7| 精品人妻偷拍中文字幕| 久久人人爽人人片av| 如日韩欧美国产精品一区二区三区| 久久久久久人人人人人| 又大又黄又爽视频免费| 涩涩av久久男人的天堂| 日韩av免费高清视频| 亚洲第一青青草原| 国产成人av激情在线播放| 美女高潮到喷水免费观看| 国产免费一区二区三区四区乱码| 国产成人精品久久久久久| 久久精品夜色国产| 波多野结衣一区麻豆| 男人舔女人的私密视频| 成人国语在线视频| 午夜福利乱码中文字幕| 亚洲欧洲精品一区二区精品久久久 | 中文字幕色久视频| 午夜福利一区二区在线看| 美女xxoo啪啪120秒动态图| 国产在线免费精品| 热re99久久国产66热| 人体艺术视频欧美日本| 男人爽女人下面视频在线观看| 2022亚洲国产成人精品| 亚洲国产成人一精品久久久| 少妇人妻久久综合中文| 国产亚洲av片在线观看秒播厂| 亚洲精品国产一区二区精华液| 国产不卡av网站在线观看| 观看美女的网站| 久久久久久久久久人人人人人人| 国产片特级美女逼逼视频| 大香蕉久久成人网| 18禁观看日本| 少妇的丰满在线观看| 人妻 亚洲 视频| 最近中文字幕高清免费大全6|