基于語言學(xué)擾動的事件檢測數(shù)據(jù)增強方法

陸垚杰，林鴻宇，韓先培，孫 樂

(1. 中國科學(xué)院 軟件研究所，北京 100190；2. 中國科學(xué)院大學(xué)，北京 100049)

0 引言

事件抽取(event extraction)是自然語言處理的重要任務(wù)。事件抽取通常被劃分為事件檢測(event detection)和論元識別(argument recognition)兩個子任務(wù)，其中，事件檢測是事件抽取的基礎(chǔ)。具體而言，事件檢測的目標(biāo)是檢測出文本中最能代表事件類型的觸發(fā)詞。例如，在句子“AnAmericantankfiredonthePales-tineHotel.”中fired是句中表達的攻擊事件的觸發(fā)詞。

近年來，深度學(xué)習(xí)模型在事件檢測任務(wù)中取得了長足進展[1-2]。相比于傳統(tǒng)方法[3]，該類方法的優(yōu)勢在于避免了繁重的特征工程，同時其端到端的學(xué)習(xí)也避免了自然語言處理工具帶來的錯誤傳播問題。

深度學(xué)習(xí)模型要取得良好性能需要有大量的訓(xùn)練數(shù)據(jù)支撐。由于事件結(jié)構(gòu)的復(fù)雜性，事件標(biāo)注對標(biāo)注者的專業(yè)要求高，且事件檢測數(shù)據(jù)標(biāo)注成本高，代價大。上述現(xiàn)象導(dǎo)致了事件檢測的標(biāo)注語料瓶頸問題。近年來，一部分研究者開始研究如何自動增加事件檢測的數(shù)據(jù)，但這類方法通常是利用現(xiàn)有的知識庫(FrameNet、FreeBase)來實現(xiàn)[4-5]。

另一方面，深度學(xué)習(xí)模型的訓(xùn)練過程也受到隨機初始化等因素的影響。事件檢測數(shù)據(jù)稀少，同時語言的表達具有稀疏性，進一步加重了上述模型訓(xùn)練過程中的不穩(wěn)定性。為了提升模型訓(xùn)練過程的穩(wěn)定性，研究者開始采用對數(shù)據(jù)或隱層表示注入噪聲等訓(xùn)練方法[6]。與此同時，受圖像領(lǐng)域?qū)箤嵗芯康膯l(fā)[7]，部分研究者也將對抗實例的方法應(yīng)用于自然語言處理[8]，但在事件檢測任務(wù)中尚未進行嘗試。

為解決標(biāo)注語料瓶頸問題和模型訓(xùn)練穩(wěn)定性問題，本文提出了基于語言學(xué)擾動的偽數(shù)據(jù)生成方法，對事件檢測進行數(shù)據(jù)增強。例如，我們可以通過詞匯替換的方法，將句子“Thenursebandageduphisinjuredfinger.”中的”injured”替換成“wounded”后的新句子“Thenursebandageduphiswoundedfinger.”加入到訓(xùn)練數(shù)據(jù)中進行數(shù)據(jù)增強。相比圖像數(shù)據(jù)，自然語言的數(shù)據(jù)增強具有以下幾方面的挑戰(zhàn)。首先，自然語言表達是離散的、多樣化的，簡單地使用圖像數(shù)據(jù)增強的方法會導(dǎo)致文本語義漂移的現(xiàn)象。其次，語言表達具有語法結(jié)構(gòu)順序，隨意地替換文本片段會使文本不完整或意義發(fā)生改變。為解決上述挑戰(zhàn)，在保留語義的情況下生成盡量多符合語法結(jié)構(gòu)的偽數(shù)據(jù)是本文要解決的主要問題。具體地，本文借鑒之前的魯棒訓(xùn)練相關(guān)工作[9]，從語法和語義的角度出發(fā)，提出了兩種面向事件檢測偽數(shù)據(jù)生成的語言學(xué)擾動方法，分別是基于語法的文本改寫和基于語義的詞匯替換。其中，基于語法的文本改寫采用對文本進行復(fù)述或壓縮的方式來生成偽數(shù)據(jù)，基于語義的詞匯替換采用外部詞匯語義資源來對原始文本詞匯替換的方式生成偽數(shù)據(jù)。

為了驗證偽數(shù)據(jù)的有效性，本文在KBP2017[注]https://tac.nist.gov/2017/KBP/data.html事件檢測數(shù)據(jù)集和人工構(gòu)造的小規(guī)模數(shù)據(jù)集上進行了實驗。實驗表明，基于語言學(xué)的偽數(shù)據(jù)可以同時提升模型性能和訓(xùn)練過程的魯棒性。

1 基于語言學(xué)擾動的事件檢測數(shù)據(jù)生成

文本由離散的符號組成，其表達往往具有稀疏性。同一語義表達往往具有多種不同的文本表達形式。為了捕捉文本表達的多樣性，提升有限訓(xùn)練數(shù)據(jù)下事件檢測系統(tǒng)的性能，本文提出了基于語言學(xué)擾動的偽數(shù)據(jù)生成方法。具體地，本節(jié)介紹如何在保留文本語義的同時生成符合語法的事件檢測實例。借鑒Li等人的思路[9]，我們主要采用兩類思路: 基于句子改寫的實例生成和基于詞匯替換的實例生成。

1.1 基于句子改寫的實例生成

句子改寫的目的是，在可以在保留語義的情況下生成新的文本表達。例如，對于句子“In Baghdad,acameramandiedwhenanAmericantankfiredonthePalestinehotel.”我們可以對其進行復(fù)述改寫，得到新的句子“AnAmericantankfiredonthePalestineled toacameramandiedin Baghdad.”通過句子改寫的方式，可以獲得相同語義的多種文本表達。本文采用兩種不同的句子改寫方法對事件檢測實例進行改寫。

本文采用的第一種句子改寫方式是基于文法的復(fù)述改寫，利用ERG(english resource grammar)[10]實現(xiàn)。復(fù)述是對一段文本語義利用不同句法、詞匯的重新表達。ERG算法通過最小遞歸語義(minimal recursion semantics, MRS)[11]得到的語義表達式來對文本進行解析和生成。我們首先通過答案限制引擎(the answer constraint engine)解析器[注]http://sweaglesw.org/linguistics/ace來對文本進行解析，然后通過預(yù)訓(xùn)練的解析結(jié)構(gòu)選擇模型來得到合適的解析結(jié)果，最后通過MRS來生成最后的合成結(jié)果。與原有數(shù)據(jù)相比，ERG復(fù)述模型產(chǎn)生的新數(shù)據(jù)主要包含了形容詞順序、副詞短語的位置變化。為了保留事件實例的語義，若改寫后的文本不存在原有的事件觸發(fā)詞，則將該次改寫視作一次不成功的改寫，不加入到偽數(shù)據(jù)中。

本文采用的第二種句子改寫方式是基于壓縮 (Comp)的句子改寫。其出發(fā)點是在盡可能保留原有語義的情況下，生成長度較短、表達更加簡潔的句子表達。例如,對于句子“InBaghdad,acameramandiedwhenanAmericantankfiredonthePalestineHotel.”中的攻擊事件，其事件的語義集中在“sth. fired”。我們可以將其改寫成“Acameramandiedwhenantankfired.”?？梢姡渥訅嚎s可以在保證盡可能符合語法并保留原始語法結(jié)構(gòu)，通過“剔除”原始文本中次要內(nèi)容的方法來實現(xiàn)。由于缺少大量的訓(xùn)練數(shù)據(jù)，同時為了保證句子改寫的精度，本文采用了一個基于語法解析器的句子壓縮方法來對原始句子進行壓縮。首先，我們對原始文本進行句法樹分析。接著我們對從父節(jié)點標(biāo)簽為R的子樹中隨機刪去具有標(biāo)簽S的子樹C的概率進行了如下建模，如式(1)所示。

(1)

概率模型p(C,S,R)采用Li等的方法[9]，在Clarke和Lapata公開的句子壓縮數(shù)據(jù)集[注]http://jamesclarke.net/research/resources上訓(xùn)練得到。為了盡可能保留原始文本中盡可能多的事件語義，我們通過weightcomp來控制事件語義的流失，若子樹中含有真實的觸發(fā)詞，我們則將權(quán)重置為0，反之則置為1，如式(2)所示。

(2)

1.2 基于詞匯替換的實例生成

基于句子改寫的實例生成可以有效生成具有不同語法結(jié)構(gòu)的新實例。本文使用的第二種方法是基于詞匯替換的實例生成。與基于句子改寫的方法不同，詞匯替換方法的核心是對用詞層面的多樣性進行建模。具體地，詞匯替換方法需要解決兩方面的問題: (1)如何選擇被替換的詞，才能保留盡可能多的語義？(2)如何選擇新的詞來替換原有詞，不會使語義產(chǎn)生太大的漂移？

針對第一個問題，我們希望在替換詞的過程中，盡可能保留事件實例原有的文本結(jié)構(gòu)和與事件聯(lián)系緊密的語義信息。功能詞是決定句子結(jié)構(gòu)的重要組成部分[12]，同時實體信息是決定事件類別的有效特征[13]。因此本文保留功能詞和實體標(biāo)記范圍內(nèi)的詞匯，只對其余詞性標(biāo)注為名詞、動詞及形容詞等進行詞匯替換。

針對第二個問題，我們希望用于替換的新詞是與原有詞在語義上接近，同時與局部上下文一致。因此，我們利用詞匯語義資源來構(gòu)建替換的候選詞集wcand。為選擇與局部上下文相匹配的新詞，我們采用統(tǒng)計語言模型來對替換后的文本片段進行語言模型打分，并通過打分scorelm來對候選詞集中的詞進行采樣，生成偽數(shù)據(jù)。

上述過程的具體算法描述如算法1所示，為了選取與原詞語義相近的新詞，在算法1步驟6中，本文選取了兩種不同詞匯語義資源Lexi來生成新詞候選，分別是WordNet(WN)[注]https://wordnet.princeton.edu和詞嵌入表示(CFit)。針對原詞w，基于WordNet的候選生成方法將w的所有同義詞作為候選集。詞嵌入方法使用詞嵌入的相似度來選擇候選。為了加強詞嵌入中同義詞之間的關(guān)系，本文采用Count-Fitting[14]的方法訓(xùn)練得到的詞向量。該方法在原有Word2Vec模型[15]的基礎(chǔ)上，對反義詞相似度添加懲罰，對同義詞相似度進行增強，使得同義詞的詞嵌入相似度更高。

算法1 基于語義的詞匯替換

為了使替換的新詞與原文的上下文更加匹配，在算法1步驟8中，我們利用候選詞集中詞與上下文的語言模型打分作為上下文的匹配程度，并通過隨機采樣的方法來選擇新詞。本文使用KenLM工具[16]在GigaWord[注]https://catalog.ldc.upenn.edu/ldc2009t13上的3元語言模型作為實驗所用的語言模型。其中，α是替換詞的閾值，當(dāng)α越高時，越傾向于保留原有的詞；反之，越傾向于替換成新的詞。本文使用的α為0.5。

2 基于增強數(shù)據(jù)的事件檢測模型

本節(jié)首先介紹使用的基礎(chǔ)事件檢測模型，然后描述如何在訓(xùn)練過程中使用生成的數(shù)據(jù)對訓(xùn)練過程進行增強。

2.1 基礎(chǔ)模型: 動態(tài)多池化卷積神經(jīng)網(wǎng)絡(luò)

與前人工作一致，我們將事件檢測建模成一個多分類問題。給定一個句子，我們依次對句子中的每個詞進行預(yù)測，判定其是否為一個事件觸發(fā)詞，同時將事件觸發(fā)詞劃分到預(yù)先給定的類別上。本文使用動態(tài)多池化卷積神經(jīng)網(wǎng)絡(luò)(DMCNN)[1]作為實驗的基礎(chǔ)模型。如圖1所示，該模型能自動學(xué)習(xí)句子級別特征和詞匯級別特征，主要包含三個模塊: 嵌入表示層、特征提取層和多層感知機分類器。

圖1 動態(tài)多池化卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

嵌入表示層對文本進行基礎(chǔ)特征表示。本文主要采用兩類嵌入特征來對文本進行表示，分別是詞嵌入(word embedding, WE)[15]和位置嵌入(position embedding, PF)。其中詞嵌入主要捕捉詞匯的語言學(xué)和語義特征，位置嵌入通過將上下文詞與候選觸發(fā)詞的相對距離作為特征進行嵌入表示來建模不同上下文與候選觸發(fā)詞的關(guān)系。本文采用Skip-gram模型[注]https://code.google.com/archive/p/word2vec在Gigaword數(shù)據(jù)上對詞嵌入進行預(yù)訓(xùn)練，同時對位置嵌入進行隨機初始化，在訓(xùn)練過程中對兩個嵌入表示同時進行更新。

特征提取層對文本表示完成事件特征提取。事件特征分為句子級特征和詞匯級特征兩部分。句子級特征由動態(tài)池化卷積層提取得到。動態(tài)池化卷積層首先對文本嵌入表示進行卷積操作獲得卷積特征(convolutional feature map)，并基于候選觸發(fā)詞位置對卷積特征進行動態(tài)分段多池化(dynamic multi-pooling)，獲得句子級特征(sentence level feature)表示S，用來表示候選觸發(fā)詞所在句子的全局信息。詞匯級特征L(lexical feature)則將候選觸發(fā)詞及其特定窗口大小內(nèi)的上下文詞嵌入進行拼接，用來表示候選觸發(fā)詞的局部信息。

多層感知機分類器對經(jīng)特征提取層得到的不同級別事件特征進行分類。我們將句子級特征和詞匯級特征進行拼接，作為合成特征(compositional feature)，共同輸入到多層感知機分類器中，如式(3)所示。

O=softmax(Wcls[S;L]+bcls)

(3)

其中，Wcls是分類器權(quán)重矩陣，bcls是偏置項。輸出向量O代表不同類別的預(yù)測概率(Type Classifier Output)，對于候選觸發(fā)詞t是類別j的概率如式(4)所示。

P(j|t,θ)=Oj

(4)

其中，θ是所有的模型參數(shù)。對原始的M個訓(xùn)練實例對(y(i),x(i))，我們采用最大化對數(shù)似然函數(shù)對基礎(chǔ)模型進行訓(xùn)練，如式(5)所示。

(5)

2.2 融入偽數(shù)據(jù)的模型訓(xùn)練

為了有效利用生成的偽數(shù)據(jù)來提升事件檢測模型性能，本文使用兩種不同的訓(xùn)練策略來對事件檢測模型進行訓(xùn)練。

第一種方法將生成的N個偽數(shù)據(jù)看成真實的標(biāo)注數(shù)據(jù)，直接將偽數(shù)據(jù)加入到原始的訓(xùn)練數(shù)據(jù)中，訓(xùn)練時最大化的目標(biāo)函數(shù)如式(6)所示。

(6)

(7)

(8)

最終，我們將基于真實數(shù)據(jù)的目標(biāo)函數(shù)與基于偽數(shù)據(jù)的多實例目標(biāo)函數(shù)進行聯(lián)合訓(xùn)練，來對模型參數(shù)θ進行學(xué)習(xí)，如式(9)所示。

LMIL=Lbase+λ·lMIL

(9)

其中,λ是平衡前后兩項的權(quán)重因子，針對不同的偽數(shù)據(jù)，我們利用開發(fā)集從{0.25,0.5,0.75,1.0}中選擇最優(yōu)的λ。

3 實驗及分析

為了驗證本文方法的有效性，本文在KBP2017事件檢測數(shù)據(jù)集和人工構(gòu)造的極小數(shù)據(jù)集上分別進行了實驗。

3.1 實驗設(shè)置

本文使用TAC KBP 2017評測[注]https://tac.nist.gov/2017/KBP的事件檢測數(shù)據(jù)集(LDC2017E55)作為測試集，共包含167個包含實體、關(guān)系和事件(Rich ERE)標(biāo)記的英文文檔。我們采用包含往年的RichERE標(biāo)記數(shù)據(jù)集作為訓(xùn)練集，包括LDC2014E31、LDC2015E29、LDC2015E68、LDC2016E31和包含TAC KBP 2015-2016評測數(shù)據(jù)集的LDC2017E02作為訓(xùn)練集。為了進行超參數(shù)和模型的選擇，我們從訓(xùn)練集中的KBP 2016評測數(shù)據(jù)中隨機抽取20個文檔作為開發(fā)集。最終，訓(xùn)練集/開發(fā)集/測試集劃分數(shù)量為866/20/167。我們采用斯坦福大學(xué)(Stanford)的CoreNLP工具[注]https://stanfordnlp.github.io/CoreNLP對文檔進行預(yù)處理，包括XML標(biāo)簽去除、句子劃分和詞條化(tokenize)、詞性標(biāo)注和句法樹解析。

在嵌入表示層，本文采用的詞嵌入維度是300維，位置嵌入維度為5維。在特征提取層，卷積神經(jīng)網(wǎng)絡(luò)的卷積窗口為3，隱層大小為300維，詞匯特征的窗口為1(即使用候選觸發(fā)詞和左右詞)。為了對模型參數(shù)θ進行優(yōu)化，我們采用Mini-Batch的方式來最大化訓(xùn)練目標(biāo)函數(shù)，并采用Adadelta訓(xùn)練算法[18]和Dropout的方式[19]使得訓(xùn)練過程更加魯棒，Dropout概率為50%。

為了驗證基于語言學(xué)擾動的數(shù)據(jù)增強方法有效性，我們構(gòu)建了基于隨機詞替換 (WordDrop)的基準系統(tǒng)。WordDrop受圖像中的數(shù)據(jù)增強方式啟發(fā)，隨機選擇被替換的詞替換成UNK。這樣產(chǎn)生的偽數(shù)據(jù)噪聲較大，出現(xiàn)很多不符合語法的、語義漂移的句子。我們依據(jù)模型在開發(fā)集上的性能選擇了最優(yōu)的WordDrop概率，本文使用5%。

本文使用KBP 2017官方評測工具[注]https://github.com/hunterhector/EvmEval計算模型在測試集上的F1得分，并匯報每個模型運行十次所得事件類別預(yù)測的F1得分平均值。為了驗證模型訓(xùn)練的魯棒性，同時給出了十次實驗之上的標(biāo)準差。因為TAC KBP2017允許每一個隊伍提交3個不同的運行結(jié)果。參考這一思路，我們依據(jù)開發(fā)集結(jié)果選擇了3個最好的運行結(jié)果并取平均值，作為Best-3指標(biāo)。

3.2 總體結(jié)論

不同數(shù)據(jù)生成方式和不同訓(xùn)練策略在KBP 2017數(shù)據(jù)集上的實驗結(jié)果如表1所示。其中: DMCNN是采用目標(biāo)函數(shù)Lbase訓(xùn)練的模型，是本文方法的基準實驗；ERG和Comp分別是基于語法的句子改寫方法中的基于ERG的復(fù)述方法和句子壓縮方法；WN和CFIT分別是基于WordNet和CFit詞嵌入的詞匯替換方法。其中，*代表采用MIL方式進行的聯(lián)合訓(xùn)練結(jié)果，+代表直接生成的偽數(shù)據(jù)加入到原始數(shù)據(jù)中的Augu方式進行訓(xùn)練。

表1 KBP 2017事件檢測數(shù)據(jù)集實驗結(jié)果

續(xù)表

注: *代表采用MIL方式進行的聯(lián)合訓(xùn)練結(jié)果，+代表直接生成的偽數(shù)據(jù)加入到原始數(shù)據(jù)中的Augu方式進行訓(xùn)練。ERGCompWNCFIT最優(yōu)的λ分別為0.5

中文精品一卡2卡3卡4更新| 国语对白做爰xxxⅹ性视频网站| 久久久久网色| 精品一区二区三卡| 亚洲国产日韩一区二区| 日韩一卡2卡3卡4卡2021年| 亚洲欧洲日产国产| 97精品久久久久久久久久精品| 亚洲精品一区蜜桃| 亚洲精品美女久久av网站| 视频在线观看一区二区三区| 黑人猛操日本美女一级片| 丝袜美足系列| 国产成人欧美| 老女人水多毛片| 在线观看www视频免费| 中国三级夫妇交换| 日本色播在线视频| 欧美日韩一级在线毛片| 国产在线一区二区三区精| 亚洲图色成人| 亚洲国产欧美日韩在线播放| 国产爽快片一区二区三区| 亚洲少妇的诱惑av| 天天躁狠狠躁夜夜躁狠狠躁| 国产av一区二区精品久久| 亚洲欧美色中文字幕在线| 久久久精品免费免费高清| 日韩欧美一区视频在线观看| 一级片免费观看大全| 精品午夜福利在线看| 午夜福利影视在线免费观看| 午夜影院在线不卡| 电影成人av| 国产成人精品婷婷| 日韩 亚洲 欧美在线| 亚洲三级黄色毛片| 人成视频在线观看免费观看| 欧美另类一区| 黄网站色视频无遮挡免费观看| av视频免费观看在线观看| 国产成人精品久久二区二区91 | 视频区图区小说| 我的亚洲天堂| 亚洲成人一二三区av| 免费在线观看完整版高清| freevideosex欧美| 在线观看美女被高潮喷水网站| 欧美 亚洲 国产 日韩一| 男女午夜视频在线观看| 寂寞人妻少妇视频99o| 可以免费在线观看a视频的电影网站 | 色婷婷av一区二区三区视频| 王馨瑶露胸无遮挡在线观看| 一级爰片在线观看| 精品人妻偷拍中文字幕| 国产一区二区 视频在线| 少妇熟女欧美另类| 精品人妻熟女毛片av久久网站| 大香蕉久久成人网| 国产1区2区3区精品| 久久久久久人人人人人| 久久久久久久久久人人人人人人| 少妇的丰满在线观看| 日韩免费高清中文字幕av| videos熟女内射| 精品国产一区二区三区久久久樱花| 国产麻豆69| 99久久综合免费| 欧美成人午夜免费资源| 亚洲欧美一区二区三区黑人 | 国产毛片在线视频| 久久精品久久久久久噜噜老黄| 亚洲色图综合在线观看| 伊人久久国产一区二区| 在线看a的网站| 色吧在线观看| 狂野欧美激情性bbbbbb| 亚洲成av片中文字幕在线观看 | 在线天堂最新版资源| 日日撸夜夜添| 女性被躁到高潮视频| 亚洲三级黄色毛片| 大陆偷拍与自拍| 精品酒店卫生间| 一级a爱视频在线免费观看| 亚洲国产色片| 亚洲精品第二区| 国产爽快片一区二区三区| av在线老鸭窝| 国产淫语在线视频| 久久精品熟女亚洲av麻豆精品| 99国产精品免费福利视频| 最近中文字幕2019免费版| 18在线观看网站| 日韩中字成人| 免费观看无遮挡的男女| 久久久国产欧美日韩av| 男女啪啪激烈高潮av片| 啦啦啦在线免费观看视频4| 三上悠亚av全集在线观看| 看十八女毛片水多多多| 欧美精品国产亚洲| 国产无遮挡羞羞视频在线观看| 国产一区二区三区综合在线观看| 日韩一卡2卡3卡4卡2021年| 欧美 亚洲 国产 日韩一| 成年女人在线观看亚洲视频| 欧美精品一区二区免费开放| 精品国产国语对白av| 国产精品久久久av美女十八| 欧美日本中文国产一区发布| 久热久热在线精品观看| 日韩欧美精品免费久久| 最近手机中文字幕大全| 亚洲综合色惰| av国产精品久久久久影院| 亚洲av免费高清在线观看| 在线 av 中文字幕| www日本在线高清视频| 少妇熟女欧美另类| 午夜福利视频在线观看免费| 精品人妻熟女毛片av久久网站| 免费观看在线日韩| 两性夫妻黄色片| 国产亚洲午夜精品一区二区久久| 欧美日韩av久久| 天天躁夜夜躁狠狠躁躁| 国产成人午夜福利电影在线观看| 叶爱在线成人免费视频播放| 少妇被粗大猛烈的视频| 免费在线观看视频国产中文字幕亚洲 | 久久久久久久久久人人人人人人| 亚洲欧洲日产国产| av福利片在线| 啦啦啦视频在线资源免费观看| 97在线人人人人妻| 久久免费观看电影| 少妇猛男粗大的猛烈进出视频| 新久久久久国产一级毛片| 国产成人精品久久久久久| 欧美国产精品一级二级三级| 亚洲图色成人| 欧美精品人与动牲交sv欧美| 国产成人a∨麻豆精品| 久久久久久人妻| 91成人精品电影| 国产av一区二区精品久久| 亚洲美女黄色视频免费看| 国精品久久久久久国模美| 十八禁高潮呻吟视频| 亚洲一码二码三码区别大吗| 亚洲情色 制服丝袜| 成年av动漫网址| 美女脱内裤让男人舔精品视频| 亚洲精品国产一区二区精华液| 国产日韩欧美视频二区| 伦理电影大哥的女人| 可以免费在线观看a视频的电影网站 | 一边摸一边做爽爽视频免费| 亚洲人成77777在线视频| 亚洲内射少妇av| 久久久久久免费高清国产稀缺| 国产成人精品福利久久| 女人精品久久久久毛片| 少妇 在线观看| 亚洲国产日韩一区二区| 日韩av免费高清视频| 激情视频va一区二区三区| 美女高潮到喷水免费观看| 亚洲精品乱久久久久久| 激情视频va一区二区三区| 老司机影院毛片| 在线观看三级黄色| 欧美 日韩 精品 国产| 国产熟女欧美一区二区| 亚洲精品久久午夜乱码| 精品视频人人做人人爽| 菩萨蛮人人尽说江南好唐韦庄| 欧美日韩精品网址| 午夜福利在线免费观看网站| 久久午夜综合久久蜜桃| 91成人精品电影| 免费女性裸体啪啪无遮挡网站| 亚洲熟女精品中文字幕| 国产精品一区二区在线不卡| 在线免费观看不下载黄p国产| 看免费成人av毛片| 多毛熟女@视频| 18禁动态无遮挡网站| 免费观看在线日韩| 卡戴珊不雅视频在线播放| 国产xxxxx性猛交| 日韩av在线免费看完整版不卡| 少妇人妻 视频| 啦啦啦在线免费观看视频4| 久久久a久久爽久久v久久| 日韩一本色道免费dvd| 91精品国产国语对白视频| 日韩精品免费视频一区二区三区| 久久久久久伊人网av| 少妇熟女欧美另类| 国产成人精品无人区| 天美传媒精品一区二区| 80岁老熟妇乱子伦牲交| 亚洲欧美成人综合另类久久久| 丰满迷人的少妇在线观看| av免费观看日本| 男的添女的下面高潮视频| 精品一区二区三区四区五区乱码 | a级毛片在线看网站| 国产免费视频播放在线视频| 久久av网站| 成人国产av品久久久| 久久久a久久爽久久v久久| 国产精品成人在线| 下体分泌物呈黄色| 国产在线免费精品| 亚洲av电影在线观看一区二区三区| 国产野战对白在线观看| 波多野结衣一区麻豆| 五月天丁香电影| 国产在线免费精品| 久久人人爽av亚洲精品天堂| 在线观看人妻少妇| 日本色播在线视频| 国产精品国产三级国产专区5o| 在线精品无人区一区二区三| 91aial.com中文字幕在线观看| 黑人猛操日本美女一级片| 性色av一级| 精品国产露脸久久av麻豆| 精品第一国产精品| 考比视频在线观看| 国产亚洲欧美精品永久| videos熟女内射| 亚洲美女黄色视频免费看| 国产精品嫩草影院av在线观看| 亚洲国产日韩一区二区| 国产一区二区 视频在线| 一级爰片在线观看| 亚洲av男天堂| 国产爽快片一区二区三区| 婷婷色麻豆天堂久久| 午夜老司机福利剧场| 亚洲久久久国产精品| 在线观看三级黄色| 在线精品无人区一区二区三| 大片电影免费在线观看免费| 高清在线视频一区二区三区| 99香蕉大伊视频| 日韩 亚洲 欧美在线| 久久久久久久久久人人人人人人| 久久 成人 亚洲| 男人添女人高潮全过程视频| 色吧在线观看| 午夜精品国产一区二区电影| 久久99蜜桃精品久久| 2021少妇久久久久久久久久久| 精品少妇黑人巨大在线播放| 国产激情久久老熟女| www.自偷自拍.com| 欧美日韩一级在线毛片| 亚洲精品中文字幕在线视频| 免费人妻精品一区二区三区视频| 国产老妇伦熟女老妇高清| 捣出白浆h1v1| 美女xxoo啪啪120秒动态图| 日韩视频在线欧美| 少妇的丰满在线观看| 久久人人97超碰香蕉20202| 亚洲精品久久久久久婷婷小说| av不卡在线播放| 国产免费现黄频在线看| 午夜免费鲁丝| 欧美+日韩+精品| 有码 亚洲区| 国产日韩欧美亚洲二区| 精品一区二区免费观看| 久久久久久人人人人人| 哪个播放器可以免费观看大片| 亚洲欧美精品综合一区二区三区 | av在线播放精品| 日韩在线高清观看一区二区三区| 97在线视频观看| 日本欧美视频一区| 成人国语在线视频| 纯流量卡能插随身wifi吗| 91午夜精品亚洲一区二区三区| 婷婷色综合www| 久久久久久久久久久免费av| 日日爽夜夜爽网站| 看免费成人av毛片| 亚洲色图综合在线观看| 亚洲国产日韩一区二区| 看免费av毛片| 不卡视频在线观看欧美| xxxhd国产人妻xxx| 欧美黄色片欧美黄色片| 亚洲av电影在线观看一区二区三区| 日韩电影二区| av网站在线播放免费| 亚洲精品一区蜜桃| 亚洲伊人久久精品综合| 国产在线一区二区三区精| 哪个播放器可以免费观看大片| 一边摸一边做爽爽视频免费| 丝袜人妻中文字幕| 久久人人爽人人片av| 中文天堂在线官网| 欧美精品亚洲一区二区| 边亲边吃奶的免费视频| 亚洲精品日本国产第一区| 久久久久久久久久人人人人人人| 国产免费一区二区三区四区乱码| 老司机影院毛片| 久久国产亚洲av麻豆专区| 人人妻人人爽人人添夜夜欢视频| 久久久久久久久免费视频了| 中文字幕人妻丝袜一区二区 | 国产成人午夜福利电影在线观看| 免费久久久久久久精品成人欧美视频| 国产淫语在线视频| 色哟哟·www| 国产又爽黄色视频| 欧美精品国产亚洲| 一区福利在线观看| 黑人猛操日本美女一级片| 欧美97在线视频| 成人国产av品久久久| 捣出白浆h1v1| 久久97久久精品| 国产伦理片在线播放av一区| 9色porny在线观看| 亚洲av成人精品一二三区| 国产精品久久久久久久久免| av福利片在线| 欧美成人午夜免费资源| 日韩一卡2卡3卡4卡2021年| 国产爽快片一区二区三区| 波多野结衣一区麻豆| 啦啦啦啦在线视频资源| 91aial.com中文字幕在线观看| 三级国产精品片| 亚洲av国产av综合av卡| 久久人人爽人人片av| 1024视频免费在线观看| 三级国产精品片| 18在线观看网站| 精品少妇一区二区三区视频日本电影 | 美女高潮到喷水免费观看| 久久99热这里只频精品6学生| 免费在线观看完整版高清| 在线观看国产h片| 赤兔流量卡办理| 免费av中文字幕在线| 亚洲国产看品久久| 国产亚洲午夜精品一区二区久久| 亚洲国产看品久久| 一级毛片电影观看| 亚洲,欧美精品.| 中文字幕最新亚洲高清| 人妻一区二区av| 青春草亚洲视频在线观看| 国产午夜精品一二区理论片| av一本久久久久| 丁香六月天网| 国产精品一国产av| 亚洲欧美一区二区三区久久| 丁香六月天网| 国产极品天堂在线| 亚洲精品久久午夜乱码| 国产一区有黄有色的免费视频| 久久精品亚洲av国产电影网| 99九九在线精品视频| 免费看不卡的av| 99热网站在线观看| 久久人人爽人人片av| 国产精品av久久久久免费| 国产视频首页在线观看| 高清在线视频一区二区三区| 国产精品国产三级专区第一集| 精品久久久精品久久久| 熟女av电影| 国产男人的电影天堂91| 青春草国产在线视频| 最近最新中文字幕大全免费视频 | 国产国语露脸激情在线看| 飞空精品影院首页| 人人妻人人澡人人看| 免费黄网站久久成人精品| 一区二区av电影网| 欧美av亚洲av综合av国产av | 国产老妇伦熟女老妇高清| 亚洲精品aⅴ在线观看| 九色亚洲精品在线播放| 亚洲人成电影观看| 老汉色∧v一级毛片| 精品国产乱码久久久久久小说| 伊人久久大香线蕉亚洲五| 十八禁高潮呻吟视频| 国产熟女午夜一区二区三区| 一区二区三区激情视频| 欧美日韩精品成人综合77777| 中文字幕制服av| 国产成人精品无人区| 午夜激情久久久久久久| 国产乱来视频区| 蜜桃在线观看..| 久久精品久久久久久噜噜老黄| 97人妻天天添夜夜摸| 夫妻性生交免费视频一级片| 欧美精品av麻豆av| 老女人水多毛片| av福利片在线| 精品少妇一区二区三区视频日本电影 | 久久 成人 亚洲| 欧美老熟妇乱子伦牲交| 在线观看三级黄色| 激情视频va一区二区三区| 国产免费福利视频在线观看| 国产免费视频播放在线视频| 国产精品不卡视频一区二区| 国产精品欧美亚洲77777| 免费看不卡的av| 搡老乐熟女国产| 亚洲男人天堂网一区| 精品少妇久久久久久888优播| 女人久久www免费人成看片| 亚洲欧美一区二区三区久久| 永久网站在线| 少妇人妻精品综合一区二区| 超色免费av| 女人被躁到高潮嗷嗷叫费观| 精品一区二区三区四区五区乱码 | 女性被躁到高潮视频| 男女边摸边吃奶| 精品国产超薄肉色丝袜足j| 中文字幕人妻熟女乱码| 久久久a久久爽久久v久久| 日本猛色少妇xxxxx猛交久久| 另类亚洲欧美激情| 最近中文字幕高清免费大全6| 看十八女毛片水多多多| 免费日韩欧美在线观看| 欧美日韩成人在线一区二区| 久久久久久久大尺度免费视频| 色婷婷av一区二区三区视频| 精品一区二区三卡| 久久人人爽av亚洲精品天堂| 性高湖久久久久久久久免费观看| 亚洲精品国产av蜜桃| 国产黄频视频在线观看| 亚洲av在线观看美女高潮| 日韩三级伦理在线观看| 国产精品不卡视频一区二区| 男男h啪啪无遮挡| 永久网站在线| 一区二区三区激情视频| 国产一区二区在线观看av| 日本欧美视频一区| 精品第一国产精品| 久久国产精品大桥未久av| 在线 av 中文字幕| 黄片无遮挡物在线观看| 乱人伦中国视频| 国产精品人妻久久久影院| 80岁老熟妇乱子伦牲交| 免费观看无遮挡的男女| 亚洲国产精品一区二区三区在线| 少妇熟女欧美另类| 少妇被粗大猛烈的视频| 巨乳人妻的诱惑在线观看| 国产人伦9x9x在线观看 | 中文字幕最新亚洲高清| 欧美激情 高清一区二区三区| 91精品国产国语对白视频| 成人免费观看视频高清| av卡一久久| 波野结衣二区三区在线| 九色亚洲精品在线播放| 日韩伦理黄色片| 久久久久久久亚洲中文字幕| 国产日韩一区二区三区精品不卡| 看十八女毛片水多多多| 亚洲欧美中文字幕日韩二区| 欧美人与性动交α欧美精品济南到 | 乱人伦中国视频| 大码成人一级视频| 欧美+日韩+精品| 美国免费a级毛片| 亚洲一区二区三区欧美精品| 九九爱精品视频在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 国产伦理片在线播放av一区| 丰满少妇做爰视频| 91午夜精品亚洲一区二区三区| 在线亚洲精品国产二区图片欧美| 欧美精品国产亚洲| 捣出白浆h1v1| 在线 av 中文字幕| 免费观看a级毛片全部| 丝瓜视频免费看黄片| 欧美中文综合在线视频| 欧美日本中文国产一区发布| 国产精品嫩草影院av在线观看| 欧美精品一区二区免费开放| 韩国高清视频一区二区三区| 日产精品乱码卡一卡2卡三| 一二三四在线观看免费中文在| 大话2 男鬼变身卡| 国语对白做爰xxxⅹ性视频网站| 国产一区二区三区综合在线观看| 两个人看的免费小视频| 少妇被粗大的猛进出69影院| av又黄又爽大尺度在线免费看| 国产xxxxx性猛交| 中文字幕色久视频| 亚洲伊人色综图| 日本wwww免费看| 丝瓜视频免费看黄片| 久久久精品国产亚洲av高清涩受| 亚洲美女搞黄在线观看| 最黄视频免费看| 久久久久久久大尺度免费视频| 少妇被粗大猛烈的视频| 18禁动态无遮挡网站| 久久久久精品久久久久真实原创| 午夜精品国产一区二区电影| 日韩制服骚丝袜av| 老女人水多毛片| 熟女少妇亚洲综合色aaa.| 成人午夜精彩视频在线观看| 国产片内射在线| 国产av一区二区精品久久| 色吧在线观看| av在线播放精品| 亚洲精品美女久久久久99蜜臀 | av视频免费观看在线观看| 亚洲内射少妇av| 日韩精品免费视频一区二区三区| www.精华液| 999久久久国产精品视频| 亚洲欧洲国产日韩| 97在线人人人人妻| 各种免费的搞黄视频| 天天躁狠狠躁夜夜躁狠狠躁| 少妇的丰满在线观看| 丝袜喷水一区| 99久久中文字幕三级久久日本| 国产亚洲av片在线观看秒播厂| 精品久久久久久电影网| 日韩欧美一区视频在线观看| 国产成人免费无遮挡视频| 亚洲av日韩在线播放| 在线亚洲精品国产二区图片欧美| 多毛熟女@视频| 欧美最新免费一区二区三区| 黄网站色视频无遮挡免费观看| 一本—道久久a久久精品蜜桃钙片| 亚洲,欧美精品.| 国产精品久久久久成人av| 日本av免费视频播放| 午夜影院在线不卡| 国精品久久久久久国模美| a级毛片在线看网站| 伊人久久国产一区二区| 久久人人爽av亚洲精品天堂| 国产福利在线免费观看视频| 亚洲美女搞黄在线观看| 国产精品一区二区在线不卡| 免费女性裸体啪啪无遮挡网站| 香蕉精品网在线| 一边亲一边摸免费视频| 性高湖久久久久久久久免费观看| 亚洲欧美日韩另类电影网站| 一本—道久久a久久精品蜜桃钙片| 精品人妻熟女毛片av久久网站| 亚洲欧美中文字幕日韩二区| 精品一区二区三区四区五区乱码 | 在线观看www视频免费| 大码成人一级视频| 女性生殖器流出的白浆| 日韩一区二区三区影片| 亚洲成国产人片在线观看| 十八禁网站网址无遮挡| 777久久人妻少妇嫩草av网站| 亚洲av福利一区| 国产在线视频一区二区| 一二三四在线观看免费中文在| 女人精品久久久久毛片| 欧美日本中文国产一区发布| 久久久久国产精品人妻一区二区| 成人国产av品久久久| 欧美精品人与动牲交sv欧美| 亚洲伊人色综图| 国产成人av激情在线播放| 成人毛片a级毛片在线播放| 亚洲国产精品国产精品| 国产片内射在线| 熟女电影av网| 国产一级毛片在线| 国产激情久久老熟女| 色网站视频免费| 丝袜在线中文字幕| 丰满乱子伦码专区| 日本-黄色视频高清免费观看| 国产精品蜜桃在线观看| 夫妻午夜视频| 日本免费在线观看一区| 在线亚洲精品国产二区图片欧美| 中文字幕最新亚洲高清| 最近最新中文字幕大全免费视频 | 黄色 视频免费看| av一本久久久久|