• <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 ?

    基于卷積網(wǎng)絡的意圖識別

    2019-10-20 17:42:19張子軒
    大東方 2019年12期
    關(guān)鍵詞:注意力機制卷積神經(jīng)網(wǎng)絡

    摘 要:意圖識別是自然語言處理中一個重要部分。在人工智能熱潮前,對于文字信息特征提取的方法非常有局限性,數(shù)據(jù)分析中文字信息往往被舍去。在深度神經(jīng)網(wǎng)絡取得突破后,自然語言處理向前跨越了一大步。意圖識別就是其中一個重要應用,它通過某人一段評論或一段話識別其意圖。本文在卷積神經(jīng)網(wǎng)絡模型基礎上,加入注意力機制,將正確率從60%提升到了63.8%。

    關(guān)鍵詞:意圖識別;注意力機制;卷積神經(jīng)網(wǎng)絡;GRU網(wǎng)絡

    隨著人工智能的興起,文本數(shù)據(jù)挖掘受到了人們的廣泛關(guān)注。文本的情感分析、意圖識別是其中重要的應用。識別語言中的意圖,難點在于如何提取句子中的特征。Harris Z S提出的Bag-of-Words模型,有三個問題:一是喪失了詞語之間先后順序信息;二是每個句子中都有很多無用詞語,對建模造成干擾;三是語言中詞的個數(shù)有很多,在建模時存在維數(shù)爆炸和矩陣稀疏問題。Kim Y首次將卷積神經(jīng)網(wǎng)絡應用在文本分類上,是卷積神經(jīng)網(wǎng)絡在自然語言中的有效應用。

    一、研究設計

    (一)模型建立

    對文字進行分析處理,首先要將文字轉(zhuǎn)化成可以計算的數(shù)字,然后才能建模分析。先定義一個漢字字典,本文采用的是15000字的漢字字典,幾乎涵蓋所有簡體字。將每個字按照某種順序轉(zhuǎn)化成獨熱編碼,也就是一個由0-1組成的長度為15000的向量,在各自的維度上為1,其他維度都為0。通過獨熱編碼與映射矩陣Mi,j相乘可以得到各自的k維向量(見圖1),例如“下”字映射后的向量為M1,j。M為模型的參數(shù),最初是給定的隨機值。這個映射矩陣的好處在于降低了維度和獨熱編碼的稀疏性。

    模型的主體結(jié)構(gòu)是Kim Y的卷積結(jié)構(gòu)的變形。V∈Rk是一個k維的矩陣(見圖2),這個矩陣是通過Mi,j矩陣映射而來,每個字都對應了自己的一個向量Vi。相比于Kim Y直接進行卷積的方式,本文加入了注意力機制。V1不再完全由映射矩陣得到,而是與整個句子中的每個字都進行了相似度的計算,通過加權(quán)和的方式,V1得到了重新的表征。這樣做的好處在于每個字都包含了句子的部分信息,并且不同的字對于句子中的不同部分關(guān)注程度不一樣,每個字都更加關(guān)注與自己相似的部分,向量的表達能力更強。經(jīng)過了注意力機制之后,相比于Kim Y的單層卷積,本文采用了3種不同的卷積核,分別在相鄰的3個字、4個字和5個字進行了卷積和池化運算,再將他們的結(jié)果進行拼接,通過一個全連接進行分類輸出,計算模型的損失。最終的損失函數(shù)采用的是一個交叉熵的變形,多分類的交叉熵只用了標簽為1的那個維度上的值與1進行比較來計算損失,在其他維度上的損失都是0,不參與損失計算的。本文的損失函數(shù)將其他維度的損失與0進行比較,同樣參與了損失的計算。

    n表示一個batch的數(shù)量,m表示類別的數(shù)量,樣本進入模型經(jīng)過最后一層輸出全連接后為一個大小為[n,m]的矩陣。m列中,當樣本標簽為真的那一列,j值為1,其他列的j值都為0,是一個樣本在各個類別的得分,經(jīng)過softmax函數(shù)后得到的得分分布。S是對正確類別的一個微小懲罰因子。loss計算的是一個batch下的平均損失。

    (二)參數(shù)設定

    字向量維度設置為512維。句子長度設置為64個字,大于64個字的句子進行截斷處理,小于64個字的句子padding到64個字。卷積核選用3*3、4*4和5*5方陣,卷積核深度為128,池化層采用最大值池化。懲罰因子s取0.2。為了提高模型泛化能力,損失函數(shù)中加入了參數(shù)的L2范數(shù)正則項。

    二、實驗過程

    本文的數(shù)據(jù)來源于XXX公司智能客服業(yè)務線上的真實數(shù)據(jù),通過對用戶的真實提問進行意圖分類標注,并經(jīng)過去重和簡單預處理處理,得到3w條共197個類別數(shù)據(jù)。數(shù)據(jù)集存在兩個方面的問題:一是線上真實數(shù)據(jù)的噪音會比較大,并且分布非常不均衡,存在一些類別有上千條數(shù)據(jù),另一些類別只有幾十條數(shù)據(jù)的情況。二是人工標注的時候會出現(xiàn)統(tǒng)計誤差,對模型性能存在一定的影響。數(shù)據(jù)采用隨機抽樣的方式選取了90%的數(shù)據(jù)作為訓練集,剩下的10%的數(shù)據(jù)作為測試集。句子長度的選取上,既要考慮到客服系統(tǒng)大多數(shù)用戶提問時字數(shù)的分布情況,又要考慮到模型的性能,最終長度采用了64個字。

    在最初的試驗中,本文采用的是分詞的預處理的方式。映射矩陣為詞向量的映射矩陣。詞對于句子來說更具有意義,就像一個“下”字,根本看不出句子的意圖,而“下載”則已經(jīng)具備了基本的意義。但是從試驗的結(jié)果來看,字向量的準確率往往比詞向量要高2%-3%。并且字向量的擴展性能更加強大,因為常用詞的個數(shù)遠遠大于字的個數(shù),15000個字幾乎可以涵蓋所有的字,但是即使只是常用詞都已經(jīng)是十幾萬了。因此,在測試集中的部分詞語在訓練集中是沒有出現(xiàn)過的,只能用unknown表示,這樣就降低了模型的泛化能力。在卷積過濾器Filter的選擇上,嘗試了在3個Filter的基礎上繼續(xù)增加,實驗結(jié)果表明無法繼續(xù)提高模型的準確性??赡艿脑蚴荈ilter增加導致參數(shù)的增加相對于3萬多個樣本過多,因此繼續(xù)增加Filter也沒有效果了。懲罰因子分別嘗試了0.1、0.2和0.3,在0.2的時候效果最好,在測試集上能提高1.5%的準確率。

    三、結(jié)論

    本文選擇了GRU模型和Kim Y論文中的CNN模型作為baseline進行對比。試驗結(jié)果為3次后的平均值(見表1)。GRU模型在處理序列問題上準確率確實比較高,但由于每次計算都依賴于上一次計算結(jié)果,無法并行運算。在Batch數(shù)為64,總訓練次數(shù)為3000次的情況下,花費時間是CNN模型的1.5倍。本文采用模型加入了注意力機制,并且微調(diào)了損失函數(shù)的模型,與CNN對比幾乎沒有增加時間成本,但準確率提高了2.6%,幾乎與GRU持平。通過損失函數(shù)對比圖可以看出,改進后的CNN模型收斂更快,并且在收斂過程中相比于CNN模型更加穩(wěn)定,波動性更小。因此,改進的損失函數(shù)在效果上有所提升。

    參考文獻

    [1]丁兆云等.微博數(shù)據(jù)挖掘研究綜述[J].計算機研究與發(fā)展,2014,51(4):691-706.

    [2]張仰森等.基于雙重注意力模型的微博情感分析方法[J].清華大學學報:自然科學版,2018,(6):11-13.

    [3]Le Q,Mikolov T.Distributed representations of sentences and documents[C].International conference on machine learning.2014:1188-1196.

    作者簡介:

    張子軒(1994.01-),男,漢族,燕山大學理學院應用統(tǒng)計專業(yè)碩士在讀,主要研究方向:應用統(tǒng)計。

    (作者單位:燕山大學理學院)

    猜你喜歡
    注意力機制卷積神經(jīng)網(wǎng)絡
    面向短文本的網(wǎng)絡輿情話題
    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)絡的文本特征提取方法
    基于注意力機制的雙向LSTM模型在中文商品評論情感分類中的研究
    軟件工程(2017年11期)2018-01-05 08:06:09
    InsunKBQA:一個基于知識庫的問答系統(tǒng)
    基于卷積神經(jīng)網(wǎng)絡溫室智能大棚監(jiān)控系統(tǒng)的研究
    基于深度卷積神經(jīng)網(wǎng)絡的物體識別算法
    深度學習算法應用于巖石圖像處理的可行性研究
    軟件導刊(2016年9期)2016-11-07 22:20:49
    基于深度卷積網(wǎng)絡的人臉年齡分析算法與實現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    国产欧美日韩一区二区三区在线| 国产精品精品国产色婷婷| 啪啪无遮挡十八禁网站| 老司机福利观看| 亚洲色图综合在线观看| 国产精品电影一区二区三区| 精品一区二区三区av网在线观看| 最新在线观看一区二区三区| 国产成人av教育| 成人18禁在线播放| 久久久久国产精品人妻aⅴ院| 日韩欧美国产一区二区入口| 国产三级黄色录像| 国产精品美女特级片免费视频播放器 | 精品欧美一区二区三区在线| 又黄又粗又硬又大视频| 好男人电影高清在线观看| 十八禁网站免费在线| 18禁美女被吸乳视频| 国产麻豆69| 一级毛片女人18水好多| 欧美亚洲日本最大视频资源| 女生性感内裤真人,穿戴方法视频| 一区二区三区精品91| 国产麻豆成人av免费视频| 亚洲天堂国产精品一区在线| 777久久人妻少妇嫩草av网站| 午夜精品国产一区二区电影| 国产黄a三级三级三级人| 国产精华一区二区三区| 精品一区二区三区av网在线观看| 久久精品91蜜桃| 午夜福利一区二区在线看| 99国产精品一区二区蜜桃av| 亚洲国产中文字幕在线视频| 国产乱人伦免费视频| 美女免费视频网站| 电影成人av| 欧美另类亚洲清纯唯美| 777久久人妻少妇嫩草av网站| 在线观看一区二区三区| 久久亚洲真实| 久久国产精品人妻蜜桃| 一区二区三区高清视频在线| 亚洲中文av在线| 中文字幕人妻熟女乱码| 在线国产一区二区在线| 国产男靠女视频免费网站| 成人免费观看视频高清| 欧美色欧美亚洲另类二区 | 狠狠狠狠99中文字幕| 欧美中文日本在线观看视频| 麻豆一二三区av精品| 亚洲第一欧美日韩一区二区三区| 亚洲成人精品中文字幕电影| 午夜免费成人在线视频| 黄片小视频在线播放| 欧美激情极品国产一区二区三区| 亚洲九九香蕉| 久久九九热精品免费| 国产成人啪精品午夜网站| 黄色丝袜av网址大全| 欧美大码av| 国产成+人综合+亚洲专区| 国产视频一区二区在线看| 妹子高潮喷水视频| 亚洲精品国产区一区二| 老汉色∧v一级毛片| 国产亚洲精品久久久久久毛片| 巨乳人妻的诱惑在线观看| 欧美乱色亚洲激情| 色播在线永久视频| 99久久精品国产亚洲精品| 国产野战对白在线观看| 欧美亚洲日本最大视频资源| 国产xxxxx性猛交| 国产一区二区三区在线臀色熟女| 人成视频在线观看免费观看| 欧美乱妇无乱码| 伦理电影免费视频| 一边摸一边抽搐一进一出视频| 亚洲va日本ⅴa欧美va伊人久久| 搡老熟女国产l中国老女人| ponron亚洲| 久久久国产欧美日韩av| 在线永久观看黄色视频| 色综合站精品国产| 男人的好看免费观看在线视频 | 久久久久久久久久久久大奶| 亚洲五月婷婷丁香| 人妻久久中文字幕网| 级片在线观看| 亚洲精品美女久久av网站| 亚洲第一av免费看| 亚洲伊人色综图| 亚洲美女黄片视频| 国产免费av片在线观看野外av| 嫩草影院精品99| 欧美乱妇无乱码| 美女扒开内裤让男人捅视频| 99国产精品99久久久久| 亚洲中文字幕日韩| 丁香欧美五月| 91精品三级在线观看| 亚洲国产精品成人综合色| 美女 人体艺术 gogo| 国产在线精品亚洲第一网站| 一本大道久久a久久精品| 亚洲三区欧美一区| 91成年电影在线观看| 国产97色在线日韩免费| 一级a爱视频在线免费观看| 亚洲av美国av| 十分钟在线观看高清视频www| 亚洲专区字幕在线| 男女床上黄色一级片免费看| 久久这里只有精品19| 好看av亚洲va欧美ⅴa在| 搡老岳熟女国产| 中亚洲国语对白在线视频| 制服人妻中文乱码| 久久欧美精品欧美久久欧美| 国内毛片毛片毛片毛片毛片| 法律面前人人平等表现在哪些方面| 变态另类成人亚洲欧美熟女 | 国产单亲对白刺激| 亚洲色图av天堂| 午夜免费观看网址| 日本vs欧美在线观看视频| 中文字幕精品免费在线观看视频| 国产不卡一卡二| 中国美女看黄片| 制服人妻中文乱码| 国产精品久久久久久亚洲av鲁大| 男女下面插进去视频免费观看| 成人18禁在线播放| 亚洲 国产 在线| 日韩欧美免费精品| 9色porny在线观看| 97人妻精品一区二区三区麻豆 | 69精品国产乱码久久久| 国产亚洲精品综合一区在线观看 | 波多野结衣高清无吗| 少妇裸体淫交视频免费看高清 | 黄片大片在线免费观看| 国产1区2区3区精品| av中文乱码字幕在线| 男女下面插进去视频免费观看| 精品第一国产精品| 天天躁狠狠躁夜夜躁狠狠躁| 久久九九热精品免费| 亚洲国产欧美网| 中文字幕人成人乱码亚洲影| 69精品国产乱码久久久| 国语自产精品视频在线第100页| 美女高潮喷水抽搐中文字幕| 可以免费在线观看a视频的电影网站| 少妇 在线观看| 国产一区二区在线av高清观看| 国产亚洲欧美98| 亚洲色图av天堂| 亚洲久久久国产精品| 国产精品秋霞免费鲁丝片| 亚洲最大成人中文| 亚洲成av片中文字幕在线观看| 老司机午夜十八禁免费视频| 午夜两性在线视频| 99热只有精品国产| 美女 人体艺术 gogo| 手机成人av网站| 午夜福利,免费看| 亚洲人成伊人成综合网2020| 精品国产亚洲在线| 大陆偷拍与自拍| 亚洲国产中文字幕在线视频| 日本五十路高清| av超薄肉色丝袜交足视频| 精品一区二区三区av网在线观看| 在线观看一区二区三区| aaaaa片日本免费| 老司机在亚洲福利影院| 一个人免费在线观看的高清视频| 久久国产精品人妻蜜桃| 在线观看一区二区三区| 日本vs欧美在线观看视频| 变态另类成人亚洲欧美熟女 | 成人国产综合亚洲| 黄色视频不卡| 在线播放国产精品三级| 亚洲自拍偷在线| 午夜福利视频1000在线观看 | a级毛片在线看网站| 脱女人内裤的视频| 婷婷六月久久综合丁香| 久久久国产成人精品二区| 亚洲五月色婷婷综合| 一个人免费在线观看的高清视频| 日本在线视频免费播放| 欧美av亚洲av综合av国产av| 欧美日韩一级在线毛片| 一级a爱视频在线免费观看| 欧美日韩中文字幕国产精品一区二区三区 | 看黄色毛片网站| 精品国产一区二区三区四区第35| 性少妇av在线| 亚洲一区二区三区色噜噜| 51午夜福利影视在线观看| 精品第一国产精品| 日韩精品免费视频一区二区三区| 精品熟女少妇八av免费久了| 曰老女人黄片| 91av网站免费观看| 成人精品一区二区免费| 欧美黄色片欧美黄色片| 成熟少妇高潮喷水视频| 少妇粗大呻吟视频| 在线观看午夜福利视频| 国产精品国产高清国产av| 亚洲av成人av| 婷婷丁香在线五月| 国产精品久久久久久亚洲av鲁大| 这个男人来自地球电影免费观看| 香蕉久久夜色| АⅤ资源中文在线天堂| 日韩欧美国产在线观看| 国产在线观看jvid| 国产在线观看jvid| 一级作爱视频免费观看| 亚洲电影在线观看av| 国产亚洲精品久久久久5区| 正在播放国产对白刺激| 天天躁狠狠躁夜夜躁狠狠躁| bbb黄色大片| 亚洲色图av天堂| 久久久精品欧美日韩精品| 久久久久精品国产欧美久久久| 国产精品综合久久久久久久免费 | 精品久久久久久久久久免费视频| 久久亚洲精品不卡| 性少妇av在线| 日韩免费av在线播放| 免费人成视频x8x8入口观看| 韩国av一区二区三区四区| 精品国产美女av久久久久小说| 国产精品亚洲av一区麻豆| 国产午夜福利久久久久久| 91av网站免费观看| 精品国产乱子伦一区二区三区| 搡老岳熟女国产| 女警被强在线播放| 久久婷婷成人综合色麻豆| 免费女性裸体啪啪无遮挡网站| 欧美一级a爱片免费观看看 | 男女下面进入的视频免费午夜 | 国内久久婷婷六月综合欲色啪| 乱人伦中国视频| a在线观看视频网站| 国产免费男女视频| 露出奶头的视频| 久久影院123| 亚洲国产精品sss在线观看| 久久久国产成人免费| 一级a爱视频在线免费观看| 香蕉丝袜av| 中文字幕久久专区| 日本精品一区二区三区蜜桃| 伦理电影免费视频| 男女做爰动态图高潮gif福利片 | 神马国产精品三级电影在线观看 | 久久精品91无色码中文字幕| 久久久久国产精品人妻aⅴ院| 露出奶头的视频| 91老司机精品| 免费在线观看完整版高清| 99久久综合精品五月天人人| 欧美+亚洲+日韩+国产| 久久九九热精品免费| 亚洲av五月六月丁香网| 男女之事视频高清在线观看| 黑人操中国人逼视频| 男女床上黄色一级片免费看| 精品第一国产精品| 亚洲成人国产一区在线观看| 日本三级黄在线观看| 欧美日本亚洲视频在线播放| 免费不卡黄色视频| av天堂在线播放| 好男人在线观看高清免费视频 | 岛国视频午夜一区免费看| 人妻久久中文字幕网| av中文乱码字幕在线| 欧美日韩福利视频一区二区| 国产高清视频在线播放一区| 69精品国产乱码久久久| 免费在线观看影片大全网站| 给我免费播放毛片高清在线观看| 久久国产精品影院| av网站免费在线观看视频| 女人爽到高潮嗷嗷叫在线视频| 国产精品九九99| 我的亚洲天堂| 亚洲成av片中文字幕在线观看| 在线播放国产精品三级| 国产精品久久久久久精品电影 | 手机成人av网站| 中文字幕另类日韩欧美亚洲嫩草| 91九色精品人成在线观看| 国产三级黄色录像| 精品久久久久久久人妻蜜臀av | 亚洲第一电影网av| 国产精品香港三级国产av潘金莲| 色综合欧美亚洲国产小说| 婷婷精品国产亚洲av在线| 精品熟女少妇八av免费久了| 国产欧美日韩一区二区三区在线| 免费在线观看黄色视频的| 久久精品91蜜桃| 久久精品91无色码中文字幕| 又紧又爽又黄一区二区| 亚洲专区中文字幕在线| 国产亚洲av嫩草精品影院| 免费无遮挡裸体视频| 日本a在线网址| 黑人操中国人逼视频| 亚洲av日韩精品久久久久久密| 免费在线观看日本一区| 亚洲av成人av| 亚洲色图综合在线观看| 亚洲av成人av| 淫妇啪啪啪对白视频| 久久天堂一区二区三区四区| 成人18禁高潮啪啪吃奶动态图| 在线永久观看黄色视频| 日本在线视频免费播放| 久久天堂一区二区三区四区| 精品第一国产精品| 一二三四社区在线视频社区8| 正在播放国产对白刺激| 国产精品免费一区二区三区在线| 国产精品一区二区在线不卡| 国产一卡二卡三卡精品| 成人18禁高潮啪啪吃奶动态图| 他把我摸到了高潮在线观看| 亚洲欧洲精品一区二区精品久久久| 国产不卡一卡二| 自拍欧美九色日韩亚洲蝌蚪91| 美女大奶头视频| 两人在一起打扑克的视频| 亚洲av成人不卡在线观看播放网| 精品国产一区二区久久| 亚洲av成人不卡在线观看播放网| 欧美色欧美亚洲另类二区 | 国产精品永久免费网站| 色综合亚洲欧美另类图片| 久久伊人香网站| 亚洲国产看品久久| 日本在线视频免费播放| 国产精品免费一区二区三区在线| 欧美一级a爱片免费观看看 | 岛国视频午夜一区免费看| 制服人妻中文乱码| 一二三四社区在线视频社区8| 欧美一级a爱片免费观看看 | 一二三四社区在线视频社区8| 91老司机精品| 国产一区二区激情短视频| 一级毛片精品| 国产精品自产拍在线观看55亚洲| 好看av亚洲va欧美ⅴa在| 丝袜美腿诱惑在线| 精品久久久精品久久久| 国产伦人伦偷精品视频| 国产精品亚洲美女久久久| av在线天堂中文字幕| av电影中文网址| 香蕉丝袜av| 欧美 亚洲 国产 日韩一| 亚洲av第一区精品v没综合| 亚洲自偷自拍图片 自拍| 日韩欧美免费精品| 手机成人av网站| 日本 欧美在线| 老司机在亚洲福利影院| 高清毛片免费观看视频网站| 老司机靠b影院| 波多野结衣一区麻豆| 欧美亚洲日本最大视频资源| 国产成人av教育| 婷婷精品国产亚洲av在线| 国产亚洲欧美98| 天天躁狠狠躁夜夜躁狠狠躁| www.精华液| 久久婷婷人人爽人人干人人爱 | or卡值多少钱| 国产亚洲精品久久久久久毛片| 亚洲国产欧美一区二区综合| 777久久人妻少妇嫩草av网站| 麻豆av在线久日| 午夜两性在线视频| 99香蕉大伊视频| 嫩草影视91久久| 日本撒尿小便嘘嘘汇集6| 午夜免费成人在线视频| 精品日产1卡2卡| 午夜a级毛片| 亚洲第一电影网av| 91精品三级在线观看| 久久 成人 亚洲| videosex国产| 欧美性长视频在线观看| 久久久久久久久久久久大奶| 精品一区二区三区视频在线观看免费| 别揉我奶头~嗯~啊~动态视频| 老熟妇仑乱视频hdxx| 热99re8久久精品国产| 乱人伦中国视频| 久久精品国产99精品国产亚洲性色 | 少妇裸体淫交视频免费看高清 | 成人18禁在线播放| 国产精品一区二区三区四区久久 | 精品卡一卡二卡四卡免费| 亚洲九九香蕉| av免费在线观看网站| 国产成人影院久久av| 不卡一级毛片| 99久久国产精品久久久| 亚洲第一av免费看| 午夜久久久久精精品| 亚洲av成人av| 韩国av一区二区三区四区| 最近最新中文字幕大全免费视频| 久久香蕉精品热| 亚洲一卡2卡3卡4卡5卡精品中文| 神马国产精品三级电影在线观看 | 日本撒尿小便嘘嘘汇集6| 国产精品久久久av美女十八| 亚洲天堂国产精品一区在线| 女生性感内裤真人,穿戴方法视频| 久久精品国产综合久久久| 免费看美女性在线毛片视频| 老熟妇乱子伦视频在线观看| 村上凉子中文字幕在线| 亚洲一区高清亚洲精品| 国产蜜桃级精品一区二区三区| 久久人妻av系列| 国产午夜精品久久久久久| 99久久99久久久精品蜜桃| 亚洲精品中文字幕一二三四区| 一二三四在线观看免费中文在| 男人的好看免费观看在线视频 | 久久精品91蜜桃| 精品熟女少妇八av免费久了| 波多野结衣av一区二区av| 精品久久久久久成人av| 国产精品一区二区三区四区久久 | 国产精品一区二区精品视频观看| 午夜精品在线福利| 欧美日本亚洲视频在线播放| 丰满人妻熟妇乱又伦精品不卡| 天堂动漫精品| av电影中文网址| 日本 欧美在线| 麻豆久久精品国产亚洲av| 精品国产一区二区久久| 日韩精品免费视频一区二区三区| 亚洲欧美日韩高清在线视频| 成在线人永久免费视频| 国语自产精品视频在线第100页| 久久九九热精品免费| 此物有八面人人有两片| 亚洲男人的天堂狠狠| 亚洲,欧美精品.| 黄色毛片三级朝国网站| 高清黄色对白视频在线免费看| 亚洲成人免费电影在线观看| 国内精品久久久久久久电影| 在线观看免费视频网站a站| 精品第一国产精品| 黄色视频,在线免费观看| 岛国在线观看网站| 男人操女人黄网站| 涩涩av久久男人的天堂| 伦理电影免费视频| 久久久久久大精品| 777久久人妻少妇嫩草av网站| 好男人在线观看高清免费视频 | 久久精品国产亚洲av高清一级| 亚洲人成网站在线播放欧美日韩| bbb黄色大片| 日韩 欧美 亚洲 中文字幕| 国产在线精品亚洲第一网站| 丝袜美腿诱惑在线| 成人特级黄色片久久久久久久| 很黄的视频免费| 欧美黑人精品巨大| 看免费av毛片| 久久精品国产亚洲av高清一级| 亚洲电影在线观看av| 99久久精品国产亚洲精品| 国产蜜桃级精品一区二区三区| 日日摸夜夜添夜夜添小说| 日本免费a在线| 亚洲五月色婷婷综合| 人人妻人人澡人人看| 欧美在线黄色| 50天的宝宝边吃奶边哭怎么回事| 日本免费a在线| 成人特级黄色片久久久久久久| 日本撒尿小便嘘嘘汇集6| 久久精品aⅴ一区二区三区四区| 啦啦啦韩国在线观看视频| 中文字幕另类日韩欧美亚洲嫩草| 亚洲国产高清在线一区二区三 | 在线播放国产精品三级| 国产成人精品在线电影| 久久国产精品影院| 亚洲欧美激情综合另类| 久久精品国产清高在天天线| 欧美日本视频| 这个男人来自地球电影免费观看| 日本五十路高清| 国产人伦9x9x在线观看| 国产av精品麻豆| 午夜两性在线视频| 女人精品久久久久毛片| 91麻豆精品激情在线观看国产| 丝袜美足系列| 最近最新免费中文字幕在线| 神马国产精品三级电影在线观看 | 老司机午夜福利在线观看视频| 国产精品,欧美在线| 国产亚洲精品综合一区在线观看 | 男女下面插进去视频免费观看| 国产99白浆流出| 成年女人毛片免费观看观看9| 亚洲,欧美精品.| 国产伦一二天堂av在线观看| 亚洲五月婷婷丁香| 国产成人系列免费观看| 国产成人av激情在线播放| 精品免费久久久久久久清纯| 国产一级毛片七仙女欲春2 | 美女国产高潮福利片在线看| 国产欧美日韩综合在线一区二区| 两个人免费观看高清视频| 国产精品野战在线观看| 啪啪无遮挡十八禁网站| 神马国产精品三级电影在线观看 | 国产精品久久电影中文字幕| 国产亚洲欧美在线一区二区| 侵犯人妻中文字幕一二三四区| 美女 人体艺术 gogo| 一进一出好大好爽视频| 香蕉久久夜色| 波多野结衣一区麻豆| 久久狼人影院| 国产成人免费无遮挡视频| 一级,二级,三级黄色视频| av中文乱码字幕在线| 欧美久久黑人一区二区| 久久人妻熟女aⅴ| 不卡一级毛片| 国产精品久久电影中文字幕| 精品久久久久久久毛片微露脸| 欧美成人午夜精品| 成年女人毛片免费观看观看9| 老汉色av国产亚洲站长工具| 成人国产综合亚洲| 美女 人体艺术 gogo| 国产一卡二卡三卡精品| 两性午夜刺激爽爽歪歪视频在线观看 | 一二三四社区在线视频社区8| 色老头精品视频在线观看| 女警被强在线播放| 亚洲激情在线av| 老司机深夜福利视频在线观看| 香蕉国产在线看| 日韩 欧美 亚洲 中文字幕| 波多野结衣巨乳人妻| 午夜免费激情av| 精品久久久久久,| 亚洲色图综合在线观看| 国产精品久久视频播放| 精品久久久久久,| 亚洲 欧美一区二区三区| av超薄肉色丝袜交足视频| 欧美日本亚洲视频在线播放| 啦啦啦观看免费观看视频高清 | 亚洲专区中文字幕在线| 亚洲天堂国产精品一区在线| 亚洲av第一区精品v没综合| 亚洲专区中文字幕在线| 91大片在线观看| 国产伦人伦偷精品视频| 999久久久国产精品视频| 亚洲天堂国产精品一区在线| а√天堂www在线а√下载| 伊人久久大香线蕉亚洲五| 两个人看的免费小视频| 久久精品国产亚洲av高清一级| 91字幕亚洲| 国产精品一区二区免费欧美| 人成视频在线观看免费观看| 免费看a级黄色片| 啦啦啦韩国在线观看视频| 制服诱惑二区| 国产av一区二区精品久久| 午夜福利影视在线免费观看| 亚洲一卡2卡3卡4卡5卡精品中文| 丰满的人妻完整版| 亚洲va日本ⅴa欧美va伊人久久| 国产成人一区二区三区免费视频网站| 88av欧美| 久热爱精品视频在线9| 在线av久久热|