• <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 ?

    基于度量學習的意圖識別和槽填充方法

    2021-12-01 05:26:52衣景龍趙鐵軍
    智能計算機與應(yīng)用 2021年8期
    關(guān)鍵詞:意圖膠囊向量

    衣景龍,趙鐵軍

    (1 哈爾濱工業(yè)大學 計算機科學與技術(shù)學院,哈爾濱 150001;2 哈爾濱工業(yè)大學 機器智能與翻譯實驗室,哈爾濱 150001)

    0 引言

    近年來,深度學習方法被廣泛應(yīng)用于計算機視覺以及人機對話等人工智能的多個領(lǐng)域[1],并極大地推動了這些領(lǐng)域的發(fā)展。但目前的深度學習方法都需要大量的標注訓練數(shù)據(jù),而在工業(yè)界應(yīng)用的過程中,很難獲得大規(guī)模標注好的數(shù)據(jù)。以任務(wù)型對話系統(tǒng)為例,在系統(tǒng)研發(fā)時很難獲得大量的用戶對話語料,若獲取了大量的對話數(shù)據(jù),也面臨著人工標注成本高昂的窘境。同時,像任務(wù)型對話系統(tǒng)等類似的線上應(yīng)用如百度的小度[2],用戶的需求往往變化比較頻繁,會導(dǎo)致數(shù)據(jù)標注和模型訓練反復(fù)進行。因此,小樣本場景下對自然語言理解技術(shù)的研究,成為本課題的重中之重。在目前的人機對話系統(tǒng)研究中,意圖識別和槽填充任務(wù)的效果往往是影響人機對話系統(tǒng)性能的關(guān)鍵。小樣本場景下的意圖識別和槽填充任務(wù)面臨著許多挑戰(zhàn):由于樣本量不足,模型往往難以學到足夠的語言知識;現(xiàn)有的基于原型向量的小樣本下的分類方法,往往會損失信息。另外,還涉及到意圖識別和槽識別任務(wù)如何結(jié)合等問題。

    目前,小樣本場景中的自然語言理解方法已經(jīng)取得了不錯的進展,文獻[3]中提出了基于原型向量計算的非參學習的閾值調(diào)整方法用于小樣本下的多意圖分類,取得了較好的實驗效果。阿里巴巴團隊提出基于BERT 的預(yù)訓練聯(lián)合識別模型[4],用BERT 動態(tài)表征詞的多義性,解決一詞多義的問題,在ATIS 數(shù)據(jù)集上意圖識別的準確率達到了97.5%,槽填充的F1 值達到了96.1%的結(jié)果。本文提出了加入預(yù)訓練語言模型Fine-tune 方法和膠囊網(wǎng)絡(luò)動態(tài)計算原型向量的方法,有效改善了小樣本場景下的自然語言理解效果。

    1 Fine-tune 方法

    以BERT 為代表的預(yù)訓練模型[5]是在海量數(shù)據(jù)上訓練得到的,雖然含有大量的先驗語言知識,可以在小樣本場景下提高小樣本學習的性能,但當應(yīng)用于不同的數(shù)據(jù)集時,往往需要微調(diào),來使表征向量更為貼合新數(shù)據(jù)集的語義。

    由于BERT 的預(yù)訓練過程與本文的模型訓練過程不一致,BERT 中CLS向量雖然被視為句子的表示向量,但其在訓練過程中,卻是用來對句子對之前是否是順序關(guān)系做判斷,這與本文在訓練過程中對句子進行分類過程并不一致。當面臨多任務(wù)時,預(yù)訓練過程與訓練過程不一致導(dǎo)致的誤差會被放大。對此,本研究對模型進行了微調(diào),在BERT 后,鏈接兩個全連接輸出層,一個接在CLS向量之后,用以進行意圖分類,一個接在token向量之后用以進行槽填充。具體實現(xiàn)過程如下:

    (1)在海量數(shù)據(jù)集(wiki)上訓練出BERT 模型(也可直接調(diào)用已經(jīng)訓練好的)。

    (2)在改進的BERT 后加一個全連接層,其參數(shù)隨機初始化生成,直接調(diào)用CLS向量和各個詞向量進行意圖和槽的分類,進行Fine tune。

    (3)丟棄第二步中的全連接層,將現(xiàn)在的BERT作為新的模型的編碼器,后面接入小樣本的意圖識別和槽填充模型。

    整體模型框架如圖1 所示。

    圖1 預(yù)訓練過程圖Fig.1 Pre-training process

    在本文中,源模型采用哈爾濱工業(yè)大學社會信息與檢索團隊預(yù)訓練的中文語言模型,將該模型進行改進,在其后直接加一個全連接層進行分類,依次來彌合小樣本數(shù)據(jù)與源預(yù)訓練數(shù)據(jù)的分布誤差后,舍棄掉全連接層,在其后加入小樣本訓練模型,用于原型向量的計算和匹配分類。因為在Fine tune 方法中可能會存在“災(zāi)難性遺忘”問題,因此在訓練時可以固定BERT 編碼器的參數(shù),只訓練小樣本模型。當選擇Fine tune 編碼器時,還采用了學習率預(yù)熱方法warm up,即在訓練開始時使用一個較小的學習率,訓練了一定的epoch 或者step 之后,再修改為原來設(shè)置的學習率來進行學習。這是因為最開始的時候,若學習率較大,模型可能不穩(wěn)定,通過warm up的方式,可以在一定程度上避免模型震蕩。

    2 基于度量學習方法的意圖識別和槽填充

    通過BERT 編碼器,提取出句子和字的表示向量,在Support Set 中將不同的意圖標簽和槽標簽所對應(yīng)的向量通過取平均等方式作為原型向量ci,同時利用BERT 編碼器獲取Ouery Set 中語句和字的表示向量與原型向量計算相似度,通過最近鄰的思想來確定每個語句的意圖標簽和每個字的槽標簽。

    最初求原型向量的做法是對每個意圖或槽所對應(yīng)的向量直接取平均[6],但在每個句子中可能存在一些與意圖無關(guān)的干擾信息,如果直接加和或者取平均的方式很容易導(dǎo)致這些與意圖或者槽無關(guān)的干擾信息累加,影響最終的效果。因此,本課題采用了膠囊網(wǎng)絡(luò)的方式,去除從樣本表示計算類別過程中的無關(guān)信息[7]。其模型架構(gòu)如圖2 所示。

    圖2 模型架構(gòu)圖Fig.2 Model architecture diagram

    將支撐集的樣本通過BERT 編碼表示為向量之后,將這些表示向量視為輸入的膠囊,輸出的膠囊視為類別的語義特征表示,從輸入膠囊到輸出膠囊的過程中采取動態(tài)路由算法。

    首先是對所有的句子(字)表示向量接一個前饋神經(jīng)網(wǎng)絡(luò),這等同于做了一次矩陣轉(zhuǎn)化,其意義在于從樣本表示的語義空間轉(zhuǎn)換到類比表示的語義空間。

    式中,eij表示類別i中第j個樣本的句子(詞)向量表示,是轉(zhuǎn)換后的表示。然后采用動態(tài)路由算法來過濾無關(guān)信息,提取類別的表示特征。在每次路由迭代的過程中,將其權(quán)重因子輸入到softmax函數(shù),確保其加和為1。

    其中,bi為連接系數(shù),初始化為0,等同于在最開始的時候采用平均化的操作。每一類的類別向量,是其轉(zhuǎn)后候選類向量的加權(quán)之和。

    為了保證每個類的向量模長不超過1,使用一個非線性的squash函數(shù)來對其進行處理。

    每次迭代結(jié)束后,通過路由協(xié)議來調(diào)整不同膠囊之間的連接權(quán)重。如果產(chǎn)生類別表示的向量ci與該樣本的候選向量在向量空間中較為相近,則增大該連接權(quán)重,否則減小該連接權(quán)重。

    在本文模型中,經(jīng)過實驗,迭代次數(shù)設(shè)置為3次。

    3 實驗

    3.1 實驗數(shù)據(jù)

    本文的實驗數(shù)據(jù)為小樣本數(shù)據(jù)集,數(shù)據(jù)來源主要有兩個途徑:一是SMP2020 中文人機對話技術(shù)評測(ECDT)TASK1;此外,少部分數(shù)據(jù)來源于SNIP 等公開數(shù)據(jù)集上進行翻譯,設(shè)計腳本,抽取出小樣本所需要的樣本組織形式。數(shù)據(jù)規(guī)模為:

    (1)訓練集:查詢城市、APP 問答、詢問價格、翻譯、查詢天氣、航班預(yù)訂等在內(nèi)的45 個領(lǐng)域。

    (2)開發(fā)集:單詞查詢、垃圾分類、笑話、假期、溫度查詢5 個領(lǐng)域。

    (3)測試集:時間規(guī)劃、講故事、虛擬查詢、星座問答、戲劇問答等在內(nèi)的9 個領(lǐng)域。共計:6 694 個句子,143 個意圖及205 個槽位。

    格式如下:

    其中,text 是要查詢的文本;domain 是領(lǐng)域;intent 是文本意圖;slots 是文本中存在的詞槽。本課題抽取了3-shot 和5-shot 的數(shù)據(jù)集進行研究。

    3.2 實驗結(jié)果

    對于小樣本意圖分類任務(wù),采用準確率(Accuracy)作為評價指標。對于小樣本語義槽填充任務(wù),采用F1- score作為評價指標,當預(yù)測槽位的一個槽和其值組合與標準答案的一個槽和槽值組合完全一致,視為一個正確預(yù)測。用句子準確率作為二者聯(lián)合訓練的評價指標。只要當該句子的意圖識別和槽填充全部正確時,該樣本才算一個正確樣本。

    實驗結(jié)果見表1~表3。

    表1 在3-shot 數(shù)據(jù)集上聯(lián)合學習實驗結(jié)果Tab.1 Joint learning experiment results on 3-shot dataset

    表2 意圖識別實驗結(jié)果Tab.2 Intent detection experimental results

    表3 槽填充實驗結(jié)果Tab.3 Slot filling experimental results

    由表1 可知,當意圖識別和槽填充任務(wù)聯(lián)合訓練時,F(xiàn)ine-tune 的方法對槽識別任務(wù)效果提升明顯。而膠囊網(wǎng)絡(luò)的引入,雖然提高了意圖識別的效果,但也造成了槽填充任務(wù)的效果下降。針對此,本文單獨以膠囊網(wǎng)絡(luò)對槽填充和意圖識別的影響做了消融實驗。

    由表2 和表3 可以看出,膠囊網(wǎng)絡(luò)對意圖識別實驗有明顯的提升作用,但是在槽填充任務(wù)上并沒有獲得提升效果。其原因可能是對于細粒度的詞級分類而言,并沒有太多的無關(guān)信息,而膠囊網(wǎng)絡(luò)的引入反而使最終的原型向量與對應(yīng)的類別中特征平緩的單詞更為相像,反而引入了誤差和偏置;而對意圖識別任務(wù)而言,其粒度是句子級,可能由于表述習慣不同,或者無關(guān)單詞較多等原因,含有較多的與意圖類別無關(guān)的干擾信息,此時引入膠囊網(wǎng)絡(luò),可以起到一個很好的消除干擾信息的作用。

    4 結(jié)束語

    本文對人機對話中的小樣本學習場景下的意圖識別和槽填充展開了研究,采用了基于度量學習(Metric based)的方法[8]。度量學習方法通過計算query set 中的樣本與support set 中樣本的距離,尋找距離最近的類別樣本作為分類標簽,同時將兩個任務(wù)聯(lián)合進行訓練,用以提升模型的效果。從實驗結(jié)果中可以得出,本文的Fine-tune 方法對意圖識別和槽填充任務(wù)都有一定的幫助和提升,膠囊網(wǎng)絡(luò)在意圖識別中也起到了不錯的效果,可以幫助去除一部分無關(guān)信息,但對槽填充任務(wù)的幫助不明顯。因此下一步可以繼續(xù)研究在詞級別的原型向量計算上是否有更好的改進方法,能更準確的表征槽的類別向量,同時在Metric based 的小樣本學習方法中可以看出,主要的改進方向有兩個:一是對樣本語義表征向量的計算;二是對原型向量的計算,這對以后的研究也是一個好的啟發(fā)。

    猜你喜歡
    意圖膠囊向量
    膠囊可以打開吃嗎?
    Shugan Jieyu capsule (舒肝解郁膠囊) improve sleep and emotional disorder in coronavirus disease 2019 convalescence patients: a randomized,double-blind,placebo-controlled trial
    原始意圖、對抗主義和非解釋主義
    法律方法(2022年2期)2022-10-20 06:42:20
    陸游詩寫意圖(國畫)
    向量的分解
    Shumian capsule(舒眠膠囊)improves symptoms of sleep mood disorder in convalescent patients of Corona Virus Disease 2019
    聚焦“向量與三角”創(chuàng)新題
    制定法解釋與立法意圖的反事實檢驗
    法律方法(2021年3期)2021-03-16 05:56:58
    向量垂直在解析幾何中的應(yīng)用
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    亚洲欧美一区二区三区黑人| 免费高清在线观看日韩| 久久久久精品国产欧美久久久 | 成年女人毛片免费观看观看9 | 日本欧美国产在线视频| 操出白浆在线播放| 国产一区二区激情短视频 | 精品人妻一区二区三区麻豆| 久久人人爽av亚洲精品天堂| 51午夜福利影视在线观看| 自线自在国产av| 久久久久视频综合| 欧美黑人欧美精品刺激| 一二三四中文在线观看免费高清| 午夜av观看不卡| 国产在线视频一区二区| 啦啦啦啦在线视频资源| 亚洲欧洲精品一区二区精品久久久 | 熟妇人妻不卡中文字幕| 欧美久久黑人一区二区| 国产 一区精品| 熟女av电影| 免费看av在线观看网站| 天堂8中文在线网| 如日韩欧美国产精品一区二区三区| 精品人妻在线不人妻| 水蜜桃什么品种好| 最近中文字幕高清免费大全6| 日本午夜av视频| 亚洲精品美女久久av网站| 欧美 日韩 精品 国产| 啦啦啦中文免费视频观看日本| 久久性视频一级片| 欧美激情极品国产一区二区三区| 精品亚洲乱码少妇综合久久| 中文字幕高清在线视频| 精品一区二区免费观看| 中文字幕人妻丝袜一区二区 | 宅男免费午夜| 国产亚洲av高清不卡| 夫妻午夜视频| 日本wwww免费看| 国产男女超爽视频在线观看| 亚洲专区中文字幕在线 | 女的被弄到高潮叫床怎么办| 国产精品三级大全| 日韩人妻精品一区2区三区| 久久狼人影院| 97精品久久久久久久久久精品| 国产成人av激情在线播放| 欧美日韩视频精品一区| 免费观看av网站的网址| 涩涩av久久男人的天堂| 亚洲国产精品成人久久小说| 丰满迷人的少妇在线观看| 在线 av 中文字幕| 天天躁日日躁夜夜躁夜夜| 欧美人与性动交α欧美软件| 99久久精品国产亚洲精品| 午夜福利,免费看| 九色亚洲精品在线播放| 中文字幕最新亚洲高清| 欧美日韩视频精品一区| 捣出白浆h1v1| 一个人免费看片子| 国产精品99久久99久久久不卡 | 女性被躁到高潮视频| 美女扒开内裤让男人捅视频| 亚洲精品久久久久久婷婷小说| 在线观看免费视频网站a站| 国产日韩欧美视频二区| 老司机亚洲免费影院| 色视频在线一区二区三区| 国产黄频视频在线观看| 性高湖久久久久久久久免费观看| 国产精品蜜桃在线观看| 丰满少妇做爰视频| 狂野欧美激情性xxxx| 久久精品国产亚洲av高清一级| 秋霞伦理黄片| 涩涩av久久男人的天堂| 国产精品女同一区二区软件| av在线观看视频网站免费| 黄片小视频在线播放| www.自偷自拍.com| 最近手机中文字幕大全| 中文字幕最新亚洲高清| 久久久久精品久久久久真实原创| 日本黄色日本黄色录像| 久久久久久久大尺度免费视频| 看免费av毛片| bbb黄色大片| 男的添女的下面高潮视频| 国产成人系列免费观看| 一边摸一边做爽爽视频免费| 午夜免费鲁丝| 久久久精品国产亚洲av高清涩受| 欧美在线一区亚洲| 捣出白浆h1v1| 日韩一区二区视频免费看| 男人爽女人下面视频在线观看| 亚洲av电影在线观看一区二区三区| 国产国语露脸激情在线看| 国产一区二区三区av在线| 欧美最新免费一区二区三区| 美女中出高潮动态图| 激情视频va一区二区三区| 9热在线视频观看99| 观看美女的网站| 亚洲av中文av极速乱| 久久av网站| 在线观看一区二区三区激情| 一边摸一边做爽爽视频免费| 亚洲欧美一区二区三区久久| 午夜久久久在线观看| 操出白浆在线播放| 你懂的网址亚洲精品在线观看| 亚洲精华国产精华液的使用体验| 伊人久久大香线蕉亚洲五| 18禁动态无遮挡网站| 老司机影院成人| 日本av手机在线免费观看| 成年女人毛片免费观看观看9 | 久久精品国产亚洲av涩爱| 国产一区有黄有色的免费视频| 免费黄色在线免费观看| av卡一久久| 国产人伦9x9x在线观看| 色综合欧美亚洲国产小说| 亚洲精品,欧美精品| 欧美激情 高清一区二区三区| 韩国精品一区二区三区| 国产精品久久久久久久久免| 不卡av一区二区三区| 国产人伦9x9x在线观看| 极品人妻少妇av视频| 国产 一区精品| 久久99一区二区三区| 亚洲国产欧美一区二区综合| 99国产精品免费福利视频| 日日啪夜夜爽| 亚洲精品在线美女| 女性被躁到高潮视频| 99久久综合免费| 人人澡人人妻人| 大片电影免费在线观看免费| 国产免费福利视频在线观看| 国产伦理片在线播放av一区| 涩涩av久久男人的天堂| 国产精品国产三级国产专区5o| 91精品国产国语对白视频| 午夜激情久久久久久久| 日韩一卡2卡3卡4卡2021年| 男的添女的下面高潮视频| av有码第一页| 1024香蕉在线观看| 亚洲成av片中文字幕在线观看| 巨乳人妻的诱惑在线观看| 亚洲成人一二三区av| 中文字幕精品免费在线观看视频| 久久久久国产一级毛片高清牌| 日本色播在线视频| 免费高清在线观看视频在线观看| 成年美女黄网站色视频大全免费| 人妻一区二区av| 搡老岳熟女国产| 国产又爽黄色视频| 飞空精品影院首页| av电影中文网址| 国精品久久久久久国模美| 伦理电影免费视频| 成人国产av品久久久| 超碰成人久久| 啦啦啦中文免费视频观看日本| 一级毛片电影观看| 色综合欧美亚洲国产小说| 日韩大片免费观看网站| 欧美精品人与动牲交sv欧美| 国产成人精品在线电影| 免费黄频网站在线观看国产| 天天躁夜夜躁狠狠躁躁| 麻豆精品久久久久久蜜桃| 中文乱码字字幕精品一区二区三区| 99久久综合免费| 亚洲精品久久午夜乱码| 久久ye,这里只有精品| 亚洲国产欧美在线一区| 欧美日韩成人在线一区二区| 国产黄色免费在线视频| 最新的欧美精品一区二区| 夫妻性生交免费视频一级片| 精品人妻熟女毛片av久久网站| 国产午夜精品一二区理论片| 男女无遮挡免费网站观看| tube8黄色片| 新久久久久国产一级毛片| 久久久久久久国产电影| 精品国产超薄肉色丝袜足j| 久久久久网色| 国产成人a∨麻豆精品| 精品少妇久久久久久888优播| 综合色丁香网| 亚洲欧美清纯卡通| 曰老女人黄片| 韩国av在线不卡| 飞空精品影院首页| 十八禁高潮呻吟视频| 亚洲国产看品久久| 久久av网站| videosex国产| 你懂的网址亚洲精品在线观看| 午夜福利网站1000一区二区三区| 日韩一本色道免费dvd| 人成视频在线观看免费观看| 亚洲七黄色美女视频| 免费观看人在逋| 亚洲一码二码三码区别大吗| 九草在线视频观看| 美女脱内裤让男人舔精品视频| 亚洲人成77777在线视频| 在线天堂中文资源库| 免费高清在线观看日韩| 久久精品人人爽人人爽视色| www.av在线官网国产| 日本黄色日本黄色录像| 中文字幕人妻丝袜一区二区 | 欧美人与性动交α欧美精品济南到| 午夜福利网站1000一区二区三区| 欧美xxⅹ黑人| 天天操日日干夜夜撸| 伊人亚洲综合成人网| 午夜免费男女啪啪视频观看| 国产精品二区激情视频| 伦理电影大哥的女人| av有码第一页| 久久精品人人爽人人爽视色| 肉色欧美久久久久久久蜜桃| 在线看a的网站| 麻豆av在线久日| 亚洲av中文av极速乱| 国产极品天堂在线| 国产精品偷伦视频观看了| 纵有疾风起免费观看全集完整版| 色精品久久人妻99蜜桃| 男女下面插进去视频免费观看| 久久精品国产亚洲av高清一级| 免费观看av网站的网址| 亚洲七黄色美女视频| 亚洲精品aⅴ在线观看| 大话2 男鬼变身卡| 成人黄色视频免费在线看| 色吧在线观看| 少妇人妻久久综合中文| 亚洲精品,欧美精品| 久久性视频一级片| 制服诱惑二区| 欧美日韩福利视频一区二区| 成人国产麻豆网| 一级毛片 在线播放| 日日撸夜夜添| 国产成人91sexporn| 一本色道久久久久久精品综合| 色综合欧美亚洲国产小说| 免费av中文字幕在线| 毛片一级片免费看久久久久| 亚洲国产欧美网| 99久国产av精品国产电影| 国产精品久久久久成人av| 男女边吃奶边做爰视频| 亚洲情色 制服丝袜| 欧美少妇被猛烈插入视频| 啦啦啦在线观看免费高清www| 一边亲一边摸免费视频| 制服诱惑二区| 亚洲欧洲国产日韩| 国产成人精品久久久久久| 色精品久久人妻99蜜桃| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲欧洲国产日韩| 中文字幕色久视频| 成年女人毛片免费观看观看9 | 国产精品 欧美亚洲| 久久久久精品国产欧美久久久 | 久久天躁狠狠躁夜夜2o2o | 午夜福利影视在线免费观看| 狠狠精品人妻久久久久久综合| 国产不卡av网站在线观看| 18禁国产床啪视频网站| 国产欧美亚洲国产| av有码第一页| 永久免费av网站大全| 亚洲国产av新网站| 美女扒开内裤让男人捅视频| 看免费av毛片| 亚洲成人手机| 国产片特级美女逼逼视频| 亚洲少妇的诱惑av| 亚洲专区中文字幕在线 | 宅男免费午夜| 欧美变态另类bdsm刘玥| 深夜精品福利| 久久精品国产亚洲av高清一级| 日本爱情动作片www.在线观看| 卡戴珊不雅视频在线播放| 天堂俺去俺来也www色官网| 日韩 欧美 亚洲 中文字幕| 中文字幕另类日韩欧美亚洲嫩草| 欧美精品一区二区免费开放| √禁漫天堂资源中文www| 色婷婷久久久亚洲欧美| 国产深夜福利视频在线观看| 欧美人与善性xxx| 中文天堂在线官网| 啦啦啦在线观看免费高清www| 国语对白做爰xxxⅹ性视频网站| 天堂俺去俺来也www色官网| 成人午夜精彩视频在线观看| 男人添女人高潮全过程视频| 欧美日韩亚洲综合一区二区三区_| 亚洲美女视频黄频| 王馨瑶露胸无遮挡在线观看| 老熟女久久久| 精品酒店卫生间| 成人黄色视频免费在线看| av福利片在线| 可以免费在线观看a视频的电影网站 | 狠狠婷婷综合久久久久久88av| 午夜av观看不卡| xxxhd国产人妻xxx| 国产日韩欧美视频二区| 久久婷婷青草| 狠狠婷婷综合久久久久久88av| 精品一区二区免费观看| 久久97久久精品| 女的被弄到高潮叫床怎么办| 人妻一区二区av| 久久99精品国语久久久| 成人影院久久| 欧美日韩av久久| 国产亚洲av片在线观看秒播厂| 你懂的网址亚洲精品在线观看| 亚洲天堂av无毛| 精品一区在线观看国产| 美国免费a级毛片| 亚洲自偷自拍图片 自拍| 亚洲国产毛片av蜜桃av| 欧美激情极品国产一区二区三区| 哪个播放器可以免费观看大片| svipshipincom国产片| av卡一久久| 麻豆精品久久久久久蜜桃| 男人添女人高潮全过程视频| 精品国产乱码久久久久久男人| svipshipincom国产片| 黄网站色视频无遮挡免费观看| 国产色婷婷99| 在线看a的网站| 久久精品亚洲av国产电影网| 久久午夜综合久久蜜桃| 亚洲国产看品久久| 日本一区二区免费在线视频| 女性被躁到高潮视频| 性高湖久久久久久久久免费观看| 成年女人毛片免费观看观看9 | 久久鲁丝午夜福利片| 少妇人妻久久综合中文| 国产精品一二三区在线看| 国产精品久久久久久人妻精品电影 | 国产成人欧美在线观看 | 啦啦啦视频在线资源免费观看| 男女午夜视频在线观看| 国产成人精品在线电影| 日本猛色少妇xxxxx猛交久久| 黄网站色视频无遮挡免费观看| 国产一区二区激情短视频 | 精品人妻熟女毛片av久久网站| 日日撸夜夜添| 国产精品一二三区在线看| 精品少妇黑人巨大在线播放| av免费观看日本| 久久热在线av| 亚洲精品在线美女| 91精品三级在线观看| 久久久久久久久久久久大奶| 色吧在线观看| 久久精品亚洲熟妇少妇任你| 国产色婷婷99| 国产精品久久久久久人妻精品电影 | 丰满少妇做爰视频| 国产成人欧美| 一本一本久久a久久精品综合妖精| 日本色播在线视频| 秋霞在线观看毛片| 亚洲第一区二区三区不卡| 国产av国产精品国产| 精品一区二区三卡| 国产一区二区在线观看av| 少妇 在线观看| 色网站视频免费| 成人漫画全彩无遮挡| 涩涩av久久男人的天堂| 香蕉国产在线看| av电影中文网址| 久久狼人影院| 91aial.com中文字幕在线观看| 大片免费播放器 马上看| 亚洲国产看品久久| 99精品久久久久人妻精品| 欧美乱码精品一区二区三区| 国产av一区二区精品久久| 免费在线观看黄色视频的| 99热全是精品| 久久久久久久久久久久大奶| 一本久久精品| 热99久久久久精品小说推荐| 精品一区二区免费观看| 日韩中文字幕欧美一区二区 | 黄频高清免费视频| 成人18禁高潮啪啪吃奶动态图| 欧美成人午夜精品| 欧美日韩亚洲综合一区二区三区_| 国产亚洲欧美精品永久| 少妇人妻精品综合一区二区| 亚洲人成77777在线视频| 欧美中文综合在线视频| 亚洲国产成人一精品久久久| 国产av码专区亚洲av| 成人影院久久| 涩涩av久久男人的天堂| 丝袜美腿诱惑在线| 激情五月婷婷亚洲| 黄色 视频免费看| 一级毛片黄色毛片免费观看视频| 日韩av免费高清视频| 国产精品一二三区在线看| 99精国产麻豆久久婷婷| svipshipincom国产片| 国产精品久久久久久久久免| 你懂的网址亚洲精品在线观看| 国产精品欧美亚洲77777| 丰满饥渴人妻一区二区三| 99热国产这里只有精品6| 成人亚洲欧美一区二区av| 激情五月婷婷亚洲| 亚洲成人免费av在线播放| 又大又爽又粗| 精品久久久精品久久久| 人妻一区二区av| 一级毛片 在线播放| 国产精品一二三区在线看| 免费观看人在逋| 国产日韩一区二区三区精品不卡| 亚洲少妇的诱惑av| 免费高清在线观看视频在线观看| 亚洲欧美精品综合一区二区三区| 你懂的网址亚洲精品在线观看| 少妇猛男粗大的猛烈进出视频| 两个人免费观看高清视频| 狂野欧美激情性xxxx| 老汉色∧v一级毛片| 天天操日日干夜夜撸| 在线观看免费高清a一片| 欧美老熟妇乱子伦牲交| 男女国产视频网站| 国产免费又黄又爽又色| 日韩大片免费观看网站| 老熟女久久久| 69精品国产乱码久久久| 少妇人妻精品综合一区二区| 美女高潮到喷水免费观看| av网站在线播放免费| 国产一区有黄有色的免费视频| 国产成人91sexporn| 晚上一个人看的免费电影| 久久久久久久久久久久大奶| 国产精品嫩草影院av在线观看| 亚洲第一区二区三区不卡| 精品一区二区三区av网在线观看 | 啦啦啦视频在线资源免费观看| 日韩视频在线欧美| 国产国语露脸激情在线看| 亚洲精品成人av观看孕妇| 精品国产露脸久久av麻豆| 我的亚洲天堂| 欧美97在线视频| 操出白浆在线播放| 亚洲精品第二区| 美女脱内裤让男人舔精品视频| 天美传媒精品一区二区| 欧美老熟妇乱子伦牲交| 国产男人的电影天堂91| 亚洲精品一区蜜桃| av免费观看日本| 亚洲欧美中文字幕日韩二区| 久久国产精品大桥未久av| 国产成人a∨麻豆精品| 女人久久www免费人成看片| 久久久久人妻精品一区果冻| h视频一区二区三区| 国产国语露脸激情在线看| 在线免费观看不下载黄p国产| 99精国产麻豆久久婷婷| 亚洲国产精品一区三区| 精品亚洲成国产av| 久久久精品国产亚洲av高清涩受| 免费黄色在线免费观看| 亚洲成人av在线免费| 国产日韩一区二区三区精品不卡| 丁香六月天网| 两性夫妻黄色片| 女性被躁到高潮视频| 成人亚洲精品一区在线观看| 久久午夜综合久久蜜桃| 天天躁狠狠躁夜夜躁狠狠躁| 国产熟女午夜一区二区三区| 国产老妇伦熟女老妇高清| 国产成人精品在线电影| 青青草视频在线视频观看| 美女中出高潮动态图| 人人妻人人澡人人看| 亚洲欧美精品综合一区二区三区| 欧美日韩综合久久久久久| 亚洲情色 制服丝袜| tube8黄色片| 亚洲一卡2卡3卡4卡5卡精品中文| 侵犯人妻中文字幕一二三四区| 亚洲欧美一区二区三区黑人| av国产精品久久久久影院| 大香蕉久久网| 99久久99久久久精品蜜桃| 国产免费现黄频在线看| 日日爽夜夜爽网站| 男女床上黄色一级片免费看| 久久综合国产亚洲精品| 国产一卡二卡三卡精品 | 国产片特级美女逼逼视频| 亚洲欧美一区二区三区黑人| 高清欧美精品videossex| 免费高清在线观看日韩| 天美传媒精品一区二区| 在线观看免费视频网站a站| e午夜精品久久久久久久| 日韩制服丝袜自拍偷拍| 大香蕉久久成人网| 亚洲五月色婷婷综合| 美女大奶头黄色视频| 老司机深夜福利视频在线观看 | 精品卡一卡二卡四卡免费| 国产在线免费精品| 观看美女的网站| 午夜免费男女啪啪视频观看| xxx大片免费视频| 午夜福利视频在线观看免费| 免费在线观看黄色视频的| 国产亚洲一区二区精品| 日韩av在线免费看完整版不卡| 色婷婷久久久亚洲欧美| 天堂中文最新版在线下载| 亚洲国产最新在线播放| 久久女婷五月综合色啪小说| 免费观看性生交大片5| 在线精品无人区一区二区三| 在线观看国产h片| 欧美黑人欧美精品刺激| 搡老乐熟女国产| 国产毛片在线视频| 国产亚洲最大av| 免费看不卡的av| 激情五月婷婷亚洲| 国产精品国产av在线观看| 夫妻午夜视频| 久久久精品免费免费高清| 亚洲综合色网址| 国产精品香港三级国产av潘金莲 | 国产极品粉嫩免费观看在线| 丝袜在线中文字幕| 免费观看a级毛片全部| 晚上一个人看的免费电影| 婷婷色综合大香蕉| 自线自在国产av| 爱豆传媒免费全集在线观看| 伊人久久国产一区二区| 99精品久久久久人妻精品| 悠悠久久av| 成人黄色视频免费在线看| 99热全是精品| 日韩av不卡免费在线播放| 少妇 在线观看| av网站免费在线观看视频| 夜夜骑夜夜射夜夜干| 成人毛片60女人毛片免费| 欧美 亚洲 国产 日韩一| 久久午夜综合久久蜜桃| 深夜精品福利| 天美传媒精品一区二区| 久久亚洲国产成人精品v| av一本久久久久| 国产精品久久久人人做人人爽| 成人影院久久| 在线精品无人区一区二区三| 精品少妇久久久久久888优播| 日韩,欧美,国产一区二区三区| av在线播放精品| 在线天堂中文资源库| av卡一久久| 欧美激情高清一区二区三区 | 精品人妻熟女毛片av久久网站| av国产精品久久久久影院| 久久久国产精品麻豆| 丰满少妇做爰视频| 国产有黄有色有爽视频| 不卡av一区二区三区| 最近最新中文字幕大全免费视频 | 国产精品嫩草影院av在线观看| 男的添女的下面高潮视频|