• <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 ?

    區(qū)分冗余序列的抽象文本摘要

    2019-11-29 10:25:30俞鴻飛殷明明段湘煜
    廈門大學學報(自然科學版) 2019年6期
    關鍵詞:源端子層解碼器

    俞鴻飛,王 坤,殷明明,段湘煜,張 民

    (蘇州大學計算機科學與技術學院,江蘇 蘇州 215006)

    自動摘要主要有兩種方法:抽取方法[1]和抽象方法[2].抽取方法主要分析文檔信息,提取源句子中的一部分信息并按照順序連接,生成最終的摘要文本.抽象方法主要是基于源文本的核心思想將源文本概述成短文本摘要.抽象方法能夠正確重寫源文本的核心思想,并且十分切合人類摘要的方法.隨著神經網絡發(fā)展,序列到序列模型也被運用到了抽象文本摘要領域.其主要結構是通過編碼長文本序列,在目標端融入注意力機制解碼成短摘要文本.

    序列到序列架構主要有3種:遞歸神經網絡[3-4](recurrent neural network,RNN)、卷積神經網絡[5](convolutional neural network, CNN)以及自注意力機制的神經網絡[6].基于RNN的模型架構被廣泛采用和探索,主要方法有融入源端句子信息的RNN模型[7];使用統(tǒng)計語言特征命名實體識別(NER)和詞性(POS)標簽進一步豐富RNN的編碼器信息[8].除了有在RNN框架上的修改,也有將CNN架構運用到摘要文本中.如:Gehring等[5]在編碼器和解碼器都采用了CNN的模型結構,并將其運用到了抽象摘要任務;Wang等[9]在ConvS2S的基礎上融入了主題詞的嵌入信息,并結合強化學習訓練文本摘要系統(tǒng).此外,還有通過改進訓練方法進一步加強文本摘要系統(tǒng)的訓練能力.如:Ayana[10]所提出的最小風險訓練;Eduno等[11]提出的訓練結構化預測模型;以及Lin等[12]提出全局編碼結構.以上實驗方法通過改進模型結構,融入多種訓練方法等對RNN和CNN模型進行拓展以提升文本摘要系統(tǒng)生成摘要的質量.

    雖然序列到序列模型能夠得到高質量的摘要文本,但并不能有效地區(qū)分源端句子中的冗余信息,而且這種冗余信息對于生成摘要的影響往往是負面的.為了解決這一問題,本文中提出了一種能夠區(qū)分冗余序列的模型結構以提升抽象文本摘要方法的摘要性能.考慮到基于自注意力機制神經網絡的Transformer模型在機器翻譯領域取得的卓越性能效果,且抽象文本摘要系統(tǒng)與機器翻譯相類似,也符合序列到序列的結構特征,因此本文中將Transformer模型結構應用于抽象文本摘要.在Transformer模型基礎上,利用冗余序列區(qū)分源端序列中的冗余部分,進而更好地提取摘要信息.以Transformer模型作為強基準系統(tǒng),在Gigaword和DUC2004英語測試集以及LCSTS中文測試集上進行實驗驗證.

    1 基準系統(tǒng)

    Transformer模型是基于注意力機制的序列到序列的結構,采用編碼器-解碼器的框架,該結構先將源文本編碼成隱藏向量,再基于源端信息和目標生成的歷史信息解碼出摘要文本.與傳統(tǒng)的序列到序列模型RNN和CNN不同的是,Transformer模型在編碼器和解碼器上完全采用了自注意力機制.

    1.1 詞嵌入以及位置編碼

    對輸入的句子元素進行建模,將源端句子X={x1,x2,…,xn}通過分布空間映射成為詞向量h=[h1,h2,…,hi,…,hn],其中hi∈Rd,n表示源端輸入序列的單詞個數(shù),d為詞向量的維度大小.需要注意的是,Transformer模型結構無法表示詞與詞之間的先后順序關系.為了解決這一問題,Transformer模型嵌入了輸入元素的絕對位置向量p=[p1,p2,…,pi,…,pn],其中pi∈Rd;并將兩者組合得到最終的詞向量e=[h1+p1,h2+p2,…,hn+pn].與源端類似,目標端獲得的詞向量為g=[g1,g2,…,gm].位置編碼對于神經網絡十分重要,這能讓神經網絡學習到句子的序列信息,了解到當前詞在序列中相應位置.

    1.2 編碼器

    如圖1左側所示,編碼器堆疊了N層的相同網絡層,每層都包含了兩個子層:多頭的自注意力機制層(本文中簡稱:自注意力層)以及全連接的前饋神經網絡層(本文中簡稱:前饋子層).并且每個子層的輸出都運用了殘差網絡[13]以及層歸一化[14],以便訓練更深層次的神經網絡.

    圖1 Transformer模型結構Fig.1 The model structure of Transformer

    自注意力層主要采用劃分成多頭的注意力機制以及規(guī)范化點乘的注意力機制,具體如式(1)和(2)所示:

    (1)

    (2)

    前饋子層主要由兩個全連接層以及ReLU激活函數(shù)組成,具體公式如(3)所示:

    fff(z)=max(0,zW1+b1)W2+b2,

    (3)

    其中:fff為前饋網絡函數(shù);W1∈Rdff×d,W2∈Rdff×d;dff表示前饋子層的內層網絡維度;z表示自注意力機制層提取之后的隱藏向量.在通過前饋子層之后,最后的輸出會重新輸出給后一層的自注意力機制層的,進行更深層次的信息提取,直到N層網絡提取特征信息結束再輸出給目標端得到相應的概率分布.

    1.3 解碼器

    如圖1右側部分所示,與編碼器類似,解碼端也堆疊了N層的相同的網絡,但是每層由3個子層組成:自注意力層、編碼-解碼注意力層和前饋子層.目標端的自注意力層的Q,K,V都來自于目標端的詞向量g.與源端自注意力層不同的是,目標端需要對當前詞的未來信息增加掩碼,防止未來單詞信息參與隱藏層計算,前饋子層則保持不變.

    目標端編碼-解碼注意力層的主要目的是為了獲取更多的源端信息,除了目標端序列的信息,還需要獲取當前的目標端詞對應源端序列中的某一個詞或者某一段的源端序列信息.在編碼-解碼注意力中,Q來自于解碼器的自注意力子層的輸出,而K和V則是來自于編碼器最后一層的輸出.無論是自注意力層還是編碼-解碼注意力層,依舊采用的是多頭的注意力機制并且在每次輸出之后仍運用了殘差網絡和層歸一化方法.

    2 區(qū)分冗余序列的抽象文本摘要

    2.1 數(shù)據(jù)處理

    Transformer模型結構最初為機器翻譯研究所提出.雖然抽象文本摘要與機器翻譯任務都屬于序列到序列的任務,但是在數(shù)據(jù)方面和句子形式上有不同之處.在抽象文本摘要中,目標端的句子相較于源端句子的長度更短,更加精煉.因此在源端句子中有一部分信息是冗余的,不能幫助到目標端摘要的生成,而機器翻譯則無冗余信息.

    為了解決這一問題,實驗分成兩個步驟進行:先獲取相對應的冗余信息,再將冗余信息運用到Transformer模型結構.獲取冗余信息:本文中使用GIZA++工具對平行的摘要數(shù)據(jù)進行詞對齊,獲得目標端詞對應源端多個詞的對齊信息,如圖2所示.之后將目標端所對應的源端詞用特殊符號替換.如表1所示,源端句子的核心意思是“北京的空氣質量達到了十年來最好的水平”.本文通過詞對齊將其劃分成相關信息以及冗余信息.相關信息包含“beijing is enjoying its best air quality in a decade thanks to”、“the olympics”以及“pollution measures”.剩下的“authorities said monday”、“amid a push by some locals for the anti-”、“to be made permanent”劃為冗余信息.

    圖2 對齊樣例Fig.2 Alignment example

    Source: Beijing is enjoying its best air quality in a decade thanks to steps taken for the olympics, authorities said monday, amid a push by some locals for the anti- pollution measures to be made permanent.GIZA++: 0-0 1-1 2-2 3-2 4-2 5-3 6-3 7-4 8-5 9-6 10-6 10-7 11-8 15-9 16-9 31-10 32-10Redundancy_Source: steps taken for , authorities said monday, amid a push by some locals for the anti- to be made permanent.Reference: Beijings best air in a decade due to olympic measure

    通過上述兩個步驟對訓練數(shù)據(jù)和驗證集數(shù)據(jù)進行處理,分別得到了3份數(shù)據(jù).第一份是源端文本,第二份是目標端抽象摘要文本,第三份是源端的冗余文本.

    2.2 模型搭建

    在獲得冗余信息之后,本文中對Transformer模型結構做進一步改進.使得Transformer模型能夠更好的區(qū)分相關信息以及冗余信息.如圖3所示,左側的解碼器與基準系統(tǒng)的解碼器保持一致,輸入摘要序列并輸出相對應的摘要序列概率.本文中在原解碼器的基礎上又增加了一個解碼器用于解碼冗余特征序列,將GIZA++得到的冗余序列作為輸入,通過共享左側解碼器的參數(shù)以及經過不同的輸出層得到相對應的冗余序列概率.在解碼器中所包含的子層都與Transformer中子層保持一致.

    圖3 區(qū)分冗余序列的模型結構Fig.3 Model structure that distinguishes redundant sequences

    本文中通過給定冗余信息的方法,讓神經網絡能夠學習區(qū)分源端句子中的相關信息以及冗余信息.摘要序列對應著源端的相關信息,冗余序列則對應著源端的冗余信息.通過反向傳播更新神經網絡的權值分布,以達到區(qū)分冗余序列以及專注源端相關信息的效果.

    2.3 損失函數(shù)

    本文中在原損失函數(shù)的基礎上融入了冗余損失函數(shù),具體式為:

    (4)

    其中:M表示目標端摘要的長度;J表示目標端冗余序列的長度;p(yi|y

    3 實 驗

    3.1 數(shù)據(jù)集

    本實驗在3個抽象文本摘要數(shù)據(jù)集上評估所提出的方法.首先,將帶注釋的Gigaword語料采取與Rush等[15]相同的預處理,產生約380萬個訓練樣本、19萬個驗證樣本和1 951個測試樣本進行評估.文本到摘要的平行數(shù)據(jù)對是通過將每篇文章的第一句與其標題配對形成.另外,本文采用DUC-2004[16]作為另一個英文數(shù)據(jù)集,僅用于實驗測試.它包含500個文檔,每個文檔包含4個人工生成的參考摘要.

    本實驗使用的最后一個數(shù)據(jù)集是中文短文本摘要的數(shù)據(jù)集(LCSTS)[17],該數(shù)據(jù)集由新浪微博網站收集.遵循原始論文的數(shù)據(jù)分割,將來自語料庫的2 400 000 對文本到摘要的平行數(shù)據(jù)對用于訓練,8 000 對的平行句對用于驗證集,并且挑選了高得分的725對平行句對用于測試.

    3.2 實驗設置

    本文中采用Transformer作為基礎架構,按圖1在編碼器和解碼器各堆疊6層,嵌入向量和所有隱藏向量的維度設置為512,前饋子層的內層維度為2 048,多頭注意力層m=8.在本實驗中共享源端、目標端詞嵌入層以及目標端的摘要輸出層,但并不共享冗余序列的輸出層.在英語數(shù)據(jù)上,本文中運用了字節(jié)對編碼(byte-pair-encoding,BPE)[18],共享源端到目標端的詞匯量并設置為32 000.

    本實驗在NVDIA 1080 GPU上進行,采用基于深度學習框架PyTorch的Transformer模型為基準框架.在訓練期間,調用Adam優(yōu)化器[19],其中超參數(shù)β1=0.9,β2=0.98,ε=10-9,初始學習率為0.000 5.另外,本實驗在所有數(shù)據(jù)集上失活率(dropout)都設置為0.3,標簽平滑[20]值設置為0.1.在評估時,本實驗采用面向召回替補的摘要評估(recall-oriented understudy for gisting evaluation,ROUGE)[21]作為評估指標.由于標準的ROUGE包只能用于評估英文摘要系統(tǒng),本文中采用Hu等[17]的方法將中文字映射成的數(shù)字ID,以評估中文數(shù)據(jù)集的性能,在解碼的時候,集束搜索(beam search)的大小設置為12.

    4 實驗結果和分析

    4.1 實驗結果

    4.1.1 英文測試集結果

    表2給出了近些年神經網絡模型在Gizaword和DUC2004上所展現(xiàn)的實驗效果以及基準系統(tǒng)Transformer模型和使用了本文中所提出的模型結構的實驗結果.需要注意一點,對于Gizaword數(shù)據(jù)所采用的評估指標是基于F值(正確率(P)與召回率(R)的加權調和平均)的ROUGE-1(R-1)、ROUGE-2(R-2)、ROUGE-L(R-L),而DUC數(shù)據(jù)的則是基于R.表中列舉了3個在抽象文本摘要上的最新成果:Gehring等[5]提出的完全基于卷積構成ConvS2S框架的結果;在此結構的基礎上,Edunov等[11]和Wang等[9]分別從結構損失(CNN+結構損失)和強化學習(CNN強化)的角度改進模型的結果.表格中“—”表示文章中并未提及此類數(shù)據(jù)的實驗結果.最后兩行分別是Transformer基準系統(tǒng)以及本文方法(Transfomer+冗余序列)的實驗結果.從表中可以發(fā)現(xiàn),Transformer基準系統(tǒng)在英文測試集上的表現(xiàn)十分顯著.在Gigaword數(shù)據(jù)上,相較于其他系統(tǒng),Transformer基準系統(tǒng)的R-1,R-2和R-L得分均最高;并且在添加了冗余序列的信息之后,系統(tǒng)性能得到了進一步地提升.相對于Transformer基準系統(tǒng),本文中的方法在每種評估指標上的得分均增加了0.7個百分點.在DUC2004數(shù)據(jù)上,該方法也在基準系統(tǒng)上獲得了一定的提升.整體上講,該方法能夠獲得更加精準、質量更高的摘要文本.

    表2 Gizaword與DUC2004英文測試上的實驗結果

    4.1.2 中文測試集結果

    表3中列出了在LCSTS的中文數(shù)據(jù)上所嘗試的3個最新實驗系統(tǒng)以及實驗結果:Li等[22]2017年在RNN模型結構的基礎上融入深度循環(huán)生成解碼器(deep recurrent generative decoder, DRGD)的結果;其在2018年提出運用actor-critic框架[23]來增強RNN的訓練過程得到的改進結果;Lin等[12]在CNN模型結構上提出全局編碼結構(global encoding,GE)的結果.從表3可以看出,基準系統(tǒng)Transformer模型取得了相當高的ROUGE得分,在R-1評估標準下的得分達到了41.25%.在運用了冗余序列信息之后,R-1 得分達到了41.99%,證明本文中的方法能夠進一步改善摘要文本的準確度.需要注意的是,以上的實驗都是在基于字的數(shù)據(jù)上所作的嘗試.

    表3 LCSTS的中文測試集結果

    4.2 長度分析

    本實驗進一步測試了不同長度的Gizaword英文測試集在新模型上的效果.經過調研,Gizaword測試集中的源端句子長度范圍主要是從10到90之間.因此,將句子長度以10為單位進行分組,得到了9個組.但是由于第8組和第9組的句子數(shù)量過少,將其合并到60+的區(qū)間內,整合成為7組.如圖3所示的,在大部分區(qū)間內,實驗模型效果都超過了基準模型的水平.尤其是在(20,30]內,實驗結果提升相當明顯,R-L得分有超過1.2個百分點的提升.在句子長度超過20的區(qū)間上,實驗模型都獲得了一定的得分提升.

    圖4 在不同句長上的R-L的得分對比Fig.4 Comparison of R-L scores on different sentence lengths

    4.3 質量評估分析

    在表4中,將由本實驗方法所生成的摘要文本與基準模型的摘要文本做了對比.

    樣例文本如下:

    樣例1:當?shù)貢r間5日是史蒂夫·喬布斯去世兩周年忌日,公司現(xiàn)任CEO庫克向全體員工發(fā)布郵件懷念這位蘋果公司的精神領袖.與此同時,美國三大零售商集體開始對剛剛上市兩周的iPhone5C進行優(yōu)惠促銷,兩年期的合約機最低售價降至45美元,跌幅過半.

    樣例2:12月1日,印度高速鐵路公司董事長阿格尼霍特里一行來國家鐵路局拜訪.發(fā)言人稱,印度鐵道部團隊目前正在中國,預計會在本周簽署協(xié)議,中國將出資進行可行性研究并完成報告.中印9月曾簽署諒解備忘錄.

    第一個例子中的主要信息是“庫克發(fā)郵件懷念喬布斯,同時三大零售商降價合約機”.基準系統(tǒng)關注了“合約機降價”方面,但是源文本的突出重點應該是“懷念喬布斯”,基準系統(tǒng)得到的摘要文本顯然沒有達到預期的效果,而關注了冗余信息.在使用了本實驗中的模型之后,關注點聚焦在“懷念喬布斯”上.在第二個樣例中,主要內容是“中國將對中印鐵路進行可行性研究”.基準系統(tǒng)還是注意到了“簽署諒解備忘錄”這個冗余信息,而本實驗模型還是著重了“中印鐵路的可行性研究”,這樣的摘要文本就達到了比較好的水平.

    表4 摘要文本樣例對比

    5 結 論

    本文中主要提出了能夠區(qū)分冗余序列的Transformer的模型結構.該模型結合了抽象文本摘要的特征,在最新的Transformer結構基礎上做了進一步的拓展,新增了冗余序列解碼器以獲取源文本冗余信息.實驗結果表明本文中所提出的模型架構有效地提升了抽象文本摘要的水平,并且在中英文測試集上都取得了性能提升.

    在目前的實驗方法中,本文中僅考慮了冗余信息的抽象文本摘要,并未對相關信息做進一步的研究.在未來的工作中,將考慮如何在模型中更充分地提取與源端相關信息以提升抽象文本摘要的性能.

    猜你喜歡
    源端子層解碼器
    科學解碼器(一)
    科學解碼器(二)
    科學解碼器(三)
    線圣AudioQuest 發(fā)布第三代Dragonfly Cobalt藍蜻蜓解碼器
    融合源端句法和語義角色信息的AMR解析
    基于仿真分析的傳輸線電路特性研究
    復合材料厚層合板力學性能等效方法研究
    飛機燃油系統(tǒng)對多路輸入信號源選擇的方法
    科技視界(2016年22期)2016-10-18 15:53:02
    分離載荷近距協(xié)議的數(shù)據(jù)鏈路層仿真研究
    以太網協(xié)議模型的演進分析
    国产亚洲精品一区二区www | 亚洲精品美女久久av网站| 在线精品无人区一区二区三| 日韩人妻精品一区2区三区| 国产极品粉嫩免费观看在线| 正在播放国产对白刺激| 正在播放国产对白刺激| 免费久久久久久久精品成人欧美视频| 一级黄色大片毛片| 久久久久网色| 精品国产国语对白av| 精品国产一区二区久久| 少妇的丰满在线观看| 法律面前人人平等表现在哪些方面 | 十八禁高潮呻吟视频| 男女无遮挡免费网站观看| 美女中出高潮动态图| 男人添女人高潮全过程视频| 精品亚洲成a人片在线观看| 少妇粗大呻吟视频| 国产老妇伦熟女老妇高清| 一级黄色大片毛片| 在线观看www视频免费| 一区二区三区激情视频| 久久久久国产精品人妻一区二区| 少妇 在线观看| 国产亚洲一区二区精品| 国产成人欧美| 在线亚洲精品国产二区图片欧美| 每晚都被弄得嗷嗷叫到高潮| 午夜精品国产一区二区电影| 亚洲精品一区蜜桃| 日韩欧美国产一区二区入口| 新久久久久国产一级毛片| 欧美在线黄色| 美女脱内裤让男人舔精品视频| 国产av又大| 欧美另类一区| 97精品久久久久久久久久精品| 亚洲欧美色中文字幕在线| 成人免费观看视频高清| 黄色片一级片一级黄色片| 久久热在线av| 啦啦啦啦在线视频资源| 男女床上黄色一级片免费看| 亚洲精品久久久久久婷婷小说| 久久久国产一区二区| 天天躁日日躁夜夜躁夜夜| 纯流量卡能插随身wifi吗| 欧美黄色片欧美黄色片| 亚洲人成电影观看| 淫妇啪啪啪对白视频 | 国产一区二区激情短视频 | 男人舔女人的私密视频| 国产在线视频一区二区| 日本一区二区免费在线视频| 国产免费视频播放在线视频| www.自偷自拍.com| 亚洲性夜色夜夜综合| 久9热在线精品视频| 国产日韩一区二区三区精品不卡| 久久久精品区二区三区| 午夜福利,免费看| 亚洲av国产av综合av卡| 国产精品 欧美亚洲| 久久精品亚洲熟妇少妇任你| 一区福利在线观看| 亚洲七黄色美女视频| 成人国产av品久久久| 国产精品熟女久久久久浪| 午夜免费成人在线视频| 91av网站免费观看| 可以免费在线观看a视频的电影网站| 亚洲国产欧美网| 亚洲国产成人一精品久久久| 91成年电影在线观看| 精品国产乱码久久久久久小说| 精品国产乱子伦一区二区三区 | 免费在线观看黄色视频的| 久久久久久久精品精品| 18禁观看日本| 国产精品.久久久| 成人黄色视频免费在线看| 亚洲av电影在线观看一区二区三区| 黄色视频在线播放观看不卡| 亚洲成人国产一区在线观看| 日韩大码丰满熟妇| 久久国产精品人妻蜜桃| 国产精品久久久久久精品古装| 欧美激情 高清一区二区三区| 电影成人av| 欧美日韩亚洲国产一区二区在线观看 | cao死你这个sao货| 欧美日韩亚洲国产一区二区在线观看 | 肉色欧美久久久久久久蜜桃| 人妻久久中文字幕网| 99国产精品一区二区三区| 久久久国产欧美日韩av| 人成视频在线观看免费观看| 伦理电影免费视频| 飞空精品影院首页| 国产精品av久久久久免费| 免费观看a级毛片全部| 亚洲国产精品一区三区| 久久久久久人人人人人| 亚洲精品美女久久久久99蜜臀| 亚洲五月婷婷丁香| 国精品久久久久久国模美| 麻豆乱淫一区二区| 欧美午夜高清在线| 大香蕉久久成人网| 青青草视频在线视频观看| 日韩中文字幕欧美一区二区| 性高湖久久久久久久久免费观看| 久久久久久亚洲精品国产蜜桃av| 男人爽女人下面视频在线观看| 男人添女人高潮全过程视频| 久久精品亚洲av国产电影网| 黄色毛片三级朝国网站| 黑人巨大精品欧美一区二区蜜桃| 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 | 国产一区二区三区综合在线观看| 老司机午夜十八禁免费视频| 美女国产高潮福利片在线看| 在线永久观看黄色视频| 69精品国产乱码久久久| 夜夜骑夜夜射夜夜干| 99国产极品粉嫩在线观看| 99国产精品免费福利视频| 免费看十八禁软件| 亚洲国产精品一区三区| 欧美日韩亚洲高清精品| 日韩熟女老妇一区二区性免费视频| 欧美日韩福利视频一区二区| 无限看片的www在线观看| 搡老岳熟女国产| 99国产精品一区二区蜜桃av | 国产极品粉嫩免费观看在线| 亚洲国产欧美网| 亚洲成人免费av在线播放| 免费观看av网站的网址| 国产人伦9x9x在线观看| 天天躁夜夜躁狠狠躁躁| 中文字幕另类日韩欧美亚洲嫩草| 精品一区在线观看国产| 国产精品久久久久久精品古装| 精品乱码久久久久久99久播| 18禁黄网站禁片午夜丰满| 国产精品一区二区免费欧美 | 操美女的视频在线观看| 黄色视频在线播放观看不卡| 啦啦啦 在线观看视频| 女警被强在线播放| 久久精品国产综合久久久| 欧美精品高潮呻吟av久久| 亚洲国产精品一区二区三区在线| 国产精品欧美亚洲77777| 久热爱精品视频在线9| 免费在线观看完整版高清| 亚洲天堂av无毛| 一级毛片精品| 美女午夜性视频免费| 麻豆av在线久日| 亚洲情色 制服丝袜| 飞空精品影院首页| 国产成人精品久久二区二区91| 欧美中文综合在线视频| 三上悠亚av全集在线观看| 一个人免费在线观看的高清视频 | 蜜桃国产av成人99| 国产成人精品在线电影| 一级片'在线观看视频| 又紧又爽又黄一区二区| 久久精品人人爽人人爽视色| 国产亚洲欧美精品永久| 老汉色∧v一级毛片| 成人亚洲精品一区在线观看| 国产亚洲午夜精品一区二区久久| 久久人人97超碰香蕉20202| 国产有黄有色有爽视频| 成人18禁高潮啪啪吃奶动态图| 欧美亚洲日本最大视频资源| 亚洲七黄色美女视频| 中文字幕最新亚洲高清| 新久久久久国产一级毛片| 人成视频在线观看免费观看| 91老司机精品| 久久人人97超碰香蕉20202| 天堂中文最新版在线下载| 国产片内射在线| 丝袜在线中文字幕| 最近最新中文字幕大全免费视频| 国产成人av激情在线播放| 日韩欧美国产一区二区入口| 亚洲人成电影观看| 亚洲专区字幕在线| 欧美老熟妇乱子伦牲交| av片东京热男人的天堂| 97人妻天天添夜夜摸| 亚洲精品美女久久久久99蜜臀| 日本vs欧美在线观看视频| 色婷婷久久久亚洲欧美| 日本黄色日本黄色录像| 久久久国产一区二区| 啦啦啦啦在线视频资源| 国产福利在线免费观看视频| 黄色毛片三级朝国网站| 久久毛片免费看一区二区三区| 中文欧美无线码| 99久久综合免费| 精品一区二区三卡| 操出白浆在线播放| 国产视频一区二区在线看| 国产欧美亚洲国产| √禁漫天堂资源中文www| 精品国产超薄肉色丝袜足j| 久久久国产精品麻豆| 大片电影免费在线观看免费| www.自偷自拍.com| 电影成人av| 日日夜夜操网爽| 少妇精品久久久久久久| 亚洲熟女精品中文字幕| 黄色视频在线播放观看不卡| 19禁男女啪啪无遮挡网站| 成人国产av品久久久| 国产在线一区二区三区精| 人成视频在线观看免费观看| 王馨瑶露胸无遮挡在线观看| 日韩一卡2卡3卡4卡2021年| 99国产精品一区二区三区| 亚洲国产精品999| 性少妇av在线| 在线观看www视频免费| 叶爱在线成人免费视频播放| 欧美另类一区| 欧美av亚洲av综合av国产av| 欧美日韩福利视频一区二区| 黑人巨大精品欧美一区二区mp4| 日韩熟女老妇一区二区性免费视频| 欧美日韩亚洲国产一区二区在线观看 | 成人手机av| 9191精品国产免费久久| 国产精品二区激情视频| 欧美日韩亚洲国产一区二区在线观看 | 成人手机av| 国产成+人综合+亚洲专区| 亚洲精品一二三| 日本wwww免费看| a 毛片基地| 成人免费观看视频高清| 黑人欧美特级aaaaaa片| 一区二区三区激情视频| 性色av乱码一区二区三区2| 久久久久精品国产欧美久久久 | 久久久久久久国产电影| 午夜福利视频精品| 女性被躁到高潮视频| 亚洲欧美色中文字幕在线| 男女之事视频高清在线观看| 久久久精品国产亚洲av高清涩受| 国产成人免费无遮挡视频| 嫩草影视91久久| cao死你这个sao货| 精品一区在线观看国产| 丝袜脚勾引网站| 日本精品一区二区三区蜜桃| 99精品久久久久人妻精品| 亚洲国产欧美网| 国产欧美日韩一区二区三区在线| 欧美老熟妇乱子伦牲交| a在线观看视频网站| 亚洲av电影在线观看一区二区三区| 天堂俺去俺来也www色官网| 久热这里只有精品99| 男女边摸边吃奶| 午夜久久久在线观看| 亚洲欧美精品综合一区二区三区| 精品人妻在线不人妻| 成年美女黄网站色视频大全免费| 国产欧美日韩精品亚洲av| 性少妇av在线| 亚洲专区中文字幕在线| 桃红色精品国产亚洲av| 黄色视频在线播放观看不卡| 欧美xxⅹ黑人| 国产免费一区二区三区四区乱码| 国产欧美日韩精品亚洲av| 免费久久久久久久精品成人欧美视频| av在线老鸭窝| 99久久精品国产亚洲精品| 动漫黄色视频在线观看| 伊人亚洲综合成人网| 久久国产亚洲av麻豆专区| 日韩欧美一区视频在线观看| 国产成人一区二区三区免费视频网站| 丰满少妇做爰视频| 国产精品香港三级国产av潘金莲| 18在线观看网站| 青春草亚洲视频在线观看| 激情视频va一区二区三区| 黄片小视频在线播放| 在线观看免费日韩欧美大片| 黄片播放在线免费| av天堂在线播放| 叶爱在线成人免费视频播放| 丰满人妻熟妇乱又伦精品不卡| 国产精品免费视频内射| 啦啦啦 在线观看视频| 国产成人av教育| 国产免费一区二区三区四区乱码| 男女无遮挡免费网站观看| 中亚洲国语对白在线视频| 亚洲欧洲精品一区二区精品久久久| 美女国产高潮福利片在线看| av视频免费观看在线观看| 日韩大码丰满熟妇| 99久久综合免费| 少妇精品久久久久久久| 超色免费av| 看免费av毛片| 久久中文看片网| 老司机福利观看| 日韩欧美国产一区二区入口| 国产一区二区三区av在线| 亚洲专区国产一区二区| 亚洲国产欧美一区二区综合| 高清欧美精品videossex| 国产一区二区激情短视频 | 国产淫语在线视频| 91麻豆av在线| 天天影视国产精品| 日韩中文字幕视频在线看片| 亚洲全国av大片| 久久九九热精品免费| 色老头精品视频在线观看| 久久中文字幕一级| av电影中文网址| 五月开心婷婷网| 国产精品一区二区免费欧美 | 亚洲精品久久午夜乱码| 久热这里只有精品99| 久久久久国产一级毛片高清牌| 日韩制服丝袜自拍偷拍| 国产欧美日韩综合在线一区二区| 国产精品国产三级国产专区5o| 国产精品久久久久久人妻精品电影 | 丰满少妇做爰视频| 国产精品自产拍在线观看55亚洲 | 男女国产视频网站| 国产av一区二区精品久久| 婷婷丁香在线五月| 美女中出高潮动态图| 亚洲精品乱久久久久久| 少妇精品久久久久久久| 狂野欧美激情性xxxx| 精品人妻1区二区| 热99re8久久精品国产| 亚洲国产欧美日韩在线播放| 久久精品亚洲av国产电影网| 一级黄色大片毛片| 又大又爽又粗| 狂野欧美激情性bbbbbb| 日韩人妻精品一区2区三区| 欧美性长视频在线观看| 久久99一区二区三区| 女人爽到高潮嗷嗷叫在线视频| 成人亚洲精品一区在线观看| 久久 成人 亚洲| 成年人免费黄色播放视频| 人人澡人人妻人| 他把我摸到了高潮在线观看 | 成年人午夜在线观看视频| 少妇裸体淫交视频免费看高清 | 日韩欧美一区二区三区在线观看 | 国产伦人伦偷精品视频| 亚洲精品国产av成人精品| 国产av精品麻豆| 9191精品国产免费久久| 欧美日韩亚洲综合一区二区三区_| 王馨瑶露胸无遮挡在线观看| 成人亚洲精品一区在线观看| 午夜免费鲁丝| 国产在线视频一区二区| 真人做人爱边吃奶动态| 日韩熟女老妇一区二区性免费视频| av国产精品久久久久影院| 亚洲,欧美精品.| 国产精品一区二区在线不卡| kizo精华| 色视频在线一区二区三区| 高清视频免费观看一区二区| 黑人欧美特级aaaaaa片| 国产一区二区三区综合在线观看| 高潮久久久久久久久久久不卡| 亚洲第一青青草原| 老司机福利观看| 12—13女人毛片做爰片一| 1024视频免费在线观看| 亚洲中文字幕日韩| 成人手机av| 999久久久精品免费观看国产| 免费观看人在逋| 精品一区二区三区av网在线观看 | 涩涩av久久男人的天堂| 人人妻人人澡人人看| 在线亚洲精品国产二区图片欧美| 99精品久久久久人妻精品| 三上悠亚av全集在线观看| 日韩有码中文字幕| 亚洲伊人色综图| 99久久精品国产亚洲精品| 女人高潮潮喷娇喘18禁视频| 精品一区二区三区四区五区乱码| 精品人妻1区二区| 夜夜夜夜夜久久久久| 男女午夜视频在线观看| 精品欧美一区二区三区在线| 免费少妇av软件| 久久久国产一区二区| 精品一品国产午夜福利视频| 夫妻午夜视频| kizo精华| xxxhd国产人妻xxx| 91成年电影在线观看| 欧美日韩国产mv在线观看视频| 欧美日韩亚洲综合一区二区三区_| 视频区欧美日本亚洲| 久久青草综合色| 男女无遮挡免费网站观看| 国产男女内射视频| 国产av一区二区精品久久| 亚洲欧洲精品一区二区精品久久久| 国产一卡二卡三卡精品| 久久国产精品人妻蜜桃| 亚洲久久久国产精品| 一区二区三区四区激情视频| 亚洲精品粉嫩美女一区| 窝窝影院91人妻| 五月开心婷婷网| 亚洲av成人一区二区三| 99国产综合亚洲精品| 老司机深夜福利视频在线观看 | 国产精品国产三级国产专区5o| 91国产中文字幕| 免费在线观看影片大全网站| 成年人黄色毛片网站| 亚洲欧美精品综合一区二区三区| 免费女性裸体啪啪无遮挡网站| 国产黄色免费在线视频| 亚洲色图 男人天堂 中文字幕| 热99国产精品久久久久久7| 亚洲av电影在线进入| 日日爽夜夜爽网站| 精品人妻熟女毛片av久久网站| 9色porny在线观看| 国产精品国产av在线观看| 亚洲国产欧美在线一区| 久久精品国产a三级三级三级| 久久精品亚洲av国产电影网| 午夜两性在线视频| 亚洲精品久久久久久婷婷小说| 日韩 亚洲 欧美在线| 亚洲av欧美aⅴ国产| 超碰成人久久| 亚洲欧美一区二区三区黑人| 午夜91福利影院| 精品人妻熟女毛片av久久网站| 精品一区在线观看国产| 精品国产一区二区三区四区第35| 亚洲免费av在线视频| 亚洲精品一区蜜桃| 69精品国产乱码久久久| 精品少妇一区二区三区视频日本电影| 国产伦人伦偷精品视频| 美女福利国产在线| 久久精品影院6| 亚洲欧洲精品一区二区精品久久久| 亚洲国产精品sss在线观看| 一进一出抽搐动态| 国产亚洲av高清不卡| 人成视频在线观看免费观看| 成人永久免费在线观看视频| 90打野战视频偷拍视频| 脱女人内裤的视频| 丰满人妻一区二区三区视频av | 757午夜福利合集在线观看| 成在线人永久免费视频| 国产探花在线观看一区二区| 国产精品,欧美在线| 91麻豆av在线| 亚洲国产精品sss在线观看| 亚洲免费av在线视频| 神马国产精品三级电影在线观看 | 小说图片视频综合网站| 午夜亚洲福利在线播放| 中文资源天堂在线| 亚洲熟妇熟女久久| 欧美国产日韩亚洲一区| 色在线成人网| 热99re8久久精品国产| 久久精品91蜜桃| 一级片免费观看大全| 两性午夜刺激爽爽歪歪视频在线观看 | 嫁个100分男人电影在线观看| 老司机在亚洲福利影院| 亚洲欧美一区二区三区黑人| 欧美绝顶高潮抽搐喷水| 成在线人永久免费视频| 看黄色毛片网站| 欧美一区二区国产精品久久精品 | 亚洲专区国产一区二区| а√天堂www在线а√下载| 一本综合久久免费| 欧美日韩中文字幕国产精品一区二区三区| 亚洲av成人精品一区久久| 91麻豆精品激情在线观看国产| 欧美3d第一页| 国产亚洲精品久久久久久毛片| 久久久水蜜桃国产精品网| 国产视频内射| 激情在线观看视频在线高清| 宅男免费午夜| 1024手机看黄色片| 在线国产一区二区在线| 国产男靠女视频免费网站| 亚洲aⅴ乱码一区二区在线播放 | 热99re8久久精品国产| 可以在线观看毛片的网站| 级片在线观看| 成人av在线播放网站| 亚洲国产精品合色在线| 最近视频中文字幕2019在线8| 久久热在线av| 国产精品久久久av美女十八| 精品久久蜜臀av无| 男女午夜视频在线观看| 久久久久国产一级毛片高清牌| 亚洲欧美日韩无卡精品| 欧美另类亚洲清纯唯美| 日韩精品免费视频一区二区三区| 天堂影院成人在线观看| 国产午夜精品久久久久久| 久久久久性生活片| 婷婷精品国产亚洲av在线| 国产区一区二久久| 日韩精品免费视频一区二区三区| 成年女人毛片免费观看观看9| 天天躁狠狠躁夜夜躁狠狠躁| 欧美中文日本在线观看视频| 在线观看一区二区三区| 国产又黄又爽又无遮挡在线| 久久天堂一区二区三区四区| 日本在线视频免费播放| 国产精品免费一区二区三区在线| 午夜久久久久精精品| 国产私拍福利视频在线观看| 精品午夜福利视频在线观看一区| 他把我摸到了高潮在线观看| 夜夜躁狠狠躁天天躁| 麻豆国产97在线/欧美 | 在线观看66精品国产| 禁无遮挡网站| 不卡一级毛片| 成年人黄色毛片网站| 91字幕亚洲| 亚洲免费av在线视频| 久久精品aⅴ一区二区三区四区| 免费在线观看成人毛片| 免费看a级黄色片| 亚洲avbb在线观看| 欧美午夜高清在线| 免费观看精品视频网站| 久久久精品欧美日韩精品| 99国产精品一区二区三区| 午夜福利在线观看吧| 中文亚洲av片在线观看爽| 久久九九热精品免费| 妹子高潮喷水视频| 日韩有码中文字幕| 午夜影院日韩av| 国产精品亚洲av一区麻豆| 一a级毛片在线观看| 久久久久精品国产欧美久久久| 亚洲精品色激情综合| 国产激情欧美一区二区| 国产一区二区三区在线臀色熟女| 又黄又粗又硬又大视频| av视频在线观看入口| 在线观看66精品国产| 青草久久国产| 好男人电影高清在线观看| 欧美3d第一页| 国内揄拍国产精品人妻在线| 精品第一国产精品| 麻豆国产97在线/欧美 | 亚洲成人精品中文字幕电影| 一卡2卡三卡四卡精品乱码亚洲| 久久婷婷人人爽人人干人人爱| 国产精品一区二区免费欧美| 国产精品九九99| 国产免费男女视频| 色精品久久人妻99蜜桃| 老司机靠b影院| 美女 人体艺术 gogo| 精华霜和精华液先用哪个| 日本在线视频免费播放| 十八禁网站免费在线| 两性午夜刺激爽爽歪歪视频在线观看 | 国产免费男女视频| 精品熟女少妇八av免费久了| 草草在线视频免费看| 亚洲国产日韩欧美精品在线观看 | 母亲3免费完整高清在线观看|