• <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
    美国免费a级毛片| 欧美精品亚洲一区二区| 欧美乱码精品一区二区三区| 两个人看的免费小视频| 老司机午夜福利在线观看视频| 国产视频内射| 在线看三级毛片| 久久久久久亚洲精品国产蜜桃av| 精品熟女少妇八av免费久了| 久久久国产成人免费| 99久久无色码亚洲精品果冻| 一夜夜www| 人成视频在线观看免费观看| 国产成人精品久久二区二区91| 麻豆av在线久日| 久久午夜亚洲精品久久| 别揉我奶头~嗯~啊~动态视频| tocl精华| 国产精华一区二区三区| 亚洲av熟女| 欧美乱妇无乱码| av福利片在线| 国产极品粉嫩免费观看在线| 国产成人一区二区三区免费视频网站| 熟女少妇亚洲综合色aaa.| 热99re8久久精品国产| 久久久国产成人精品二区| 欧洲精品卡2卡3卡4卡5卡区| 国产在线精品亚洲第一网站| 色综合婷婷激情| 在线国产一区二区在线| 一级a爱视频在线免费观看| 精品不卡国产一区二区三区| 在线观看66精品国产| 99久久久亚洲精品蜜臀av| 最好的美女福利视频网| 男人舔女人下体高潮全视频| 黄色视频不卡| 久久久久久久精品吃奶| 禁无遮挡网站| 日本一区二区免费在线视频| 成人手机av| a级毛片a级免费在线| 国产精品久久视频播放| 久久久久九九精品影院| 国产日本99.免费观看| 亚洲国产精品久久男人天堂| 亚洲精品国产一区二区精华液| 欧美中文日本在线观看视频| 国产久久久一区二区三区| 亚洲欧美日韩高清在线视频| 国产精品亚洲美女久久久| 国产精品一区二区精品视频观看| 精品国产超薄肉色丝袜足j| 精品电影一区二区在线| 亚洲精品一区av在线观看| 国产高清激情床上av| 男女下面进入的视频免费午夜 | 国产又色又爽无遮挡免费看| 黄片小视频在线播放| 亚洲久久久国产精品| 变态另类丝袜制服| 一个人免费在线观看的高清视频| 我的亚洲天堂| 最新美女视频免费是黄的| 日本一本二区三区精品| 黑人欧美特级aaaaaa片| 色尼玛亚洲综合影院| 色综合欧美亚洲国产小说| 精品久久久久久成人av| 人人澡人人妻人| 9191精品国产免费久久| 曰老女人黄片| 亚洲一区二区三区色噜噜| 精品人妻1区二区| 欧美午夜高清在线| 色综合站精品国产| 亚洲欧美一区二区三区黑人| 99在线视频只有这里精品首页| 欧洲精品卡2卡3卡4卡5卡区| 国产一级毛片七仙女欲春2 | 欧美绝顶高潮抽搐喷水| 一区福利在线观看| 大香蕉久久成人网| 免费一级毛片在线播放高清视频| 午夜影院日韩av| 成人亚洲精品一区在线观看| 国产成人欧美在线观看| 在线观看66精品国产| 欧美午夜高清在线| 精品熟女少妇八av免费久了| 搡老熟女国产l中国老女人| 最好的美女福利视频网| 久久精品91无色码中文字幕| 啦啦啦韩国在线观看视频| 99久久久亚洲精品蜜臀av| 久久久久久国产a免费观看| bbb黄色大片| 国产亚洲精品综合一区在线观看 | 久久久国产精品麻豆| 亚洲欧美激情综合另类| 少妇熟女aⅴ在线视频| 中文字幕人成人乱码亚洲影| 一区二区三区精品91| 最新美女视频免费是黄的| 999久久久精品免费观看国产| 十八禁网站免费在线| 1024手机看黄色片| 搡老熟女国产l中国老女人| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲精华国产精华精| 国产高清videossex| 欧美成人午夜精品| АⅤ资源中文在线天堂| 成年免费大片在线观看| 成人国产综合亚洲| 亚洲熟妇熟女久久| 亚洲欧美精品综合久久99| 777久久人妻少妇嫩草av网站| 他把我摸到了高潮在线观看| 在线观看免费午夜福利视频| 一本大道久久a久久精品| 97人妻精品一区二区三区麻豆 | 在线国产一区二区在线| 久久精品夜夜夜夜夜久久蜜豆 | 1024手机看黄色片| 欧美绝顶高潮抽搐喷水| 美女高潮喷水抽搐中文字幕| 可以在线观看的亚洲视频| 热re99久久国产66热| 日韩精品青青久久久久久| 性色av乱码一区二区三区2| 一卡2卡三卡四卡精品乱码亚洲| 亚洲色图av天堂| 亚洲第一青青草原| 两人在一起打扑克的视频| 色婷婷久久久亚洲欧美| 日本精品一区二区三区蜜桃| 亚洲成av人片免费观看| 成人三级做爰电影| 国产久久久一区二区三区| 精品卡一卡二卡四卡免费| 侵犯人妻中文字幕一二三四区| 日韩欧美国产一区二区入口| 在线免费观看的www视频| av超薄肉色丝袜交足视频| 欧美中文日本在线观看视频| 久久国产亚洲av麻豆专区| 黄网站色视频无遮挡免费观看| 国产蜜桃级精品一区二区三区| 日本a在线网址| 国产成人av教育| 黄片播放在线免费| 在线观看免费视频日本深夜| 国产在线观看jvid| 成在线人永久免费视频| 午夜精品在线福利| 黄色丝袜av网址大全| 岛国在线观看网站| 亚洲美女黄片视频| 亚洲人成77777在线视频| 中文字幕人妻熟女乱码| xxx96com| 老司机在亚洲福利影院| 无遮挡黄片免费观看| 露出奶头的视频| 国产成人影院久久av| aaaaa片日本免费| 午夜日韩欧美国产| 12—13女人毛片做爰片一| 国产精品二区激情视频| 国产亚洲av嫩草精品影院| 高清在线国产一区| 婷婷亚洲欧美| 亚洲国产精品999在线| 88av欧美| 91成年电影在线观看| 亚洲五月婷婷丁香| 色尼玛亚洲综合影院| 色婷婷久久久亚洲欧美| 国产三级在线视频| 欧美激情极品国产一区二区三区| 高清毛片免费观看视频网站| 国产精品 欧美亚洲| 超碰成人久久| 国产精品影院久久| 女生性感内裤真人,穿戴方法视频| 国产色视频综合| 丰满人妻熟妇乱又伦精品不卡| 后天国语完整版免费观看| 窝窝影院91人妻| 国产爱豆传媒在线观看 | 精品久久久久久,| 国产一区二区三区在线臀色熟女| 欧美日韩一级在线毛片| 亚洲av中文字字幕乱码综合 | www国产在线视频色| 久久香蕉精品热| 久久久精品欧美日韩精品| 丰满人妻熟妇乱又伦精品不卡| 日本免费一区二区三区高清不卡| 最近最新免费中文字幕在线| 韩国av一区二区三区四区| 欧美午夜高清在线| 亚洲欧美精品综合久久99| 亚洲一区二区三区色噜噜| 国产黄色小视频在线观看| 九色国产91popny在线| av天堂在线播放| 亚洲一码二码三码区别大吗| 麻豆一二三区av精品| 男人舔女人下体高潮全视频| 欧美色欧美亚洲另类二区| 黄色成人免费大全| 91av网站免费观看| 窝窝影院91人妻| avwww免费| 中文字幕人妻熟女乱码| 精品不卡国产一区二区三区| 日日干狠狠操夜夜爽| 精品一区二区三区av网在线观看| 欧美在线黄色| 国产日本99.免费观看| 一边摸一边做爽爽视频免费| 欧美zozozo另类| 国产1区2区3区精品| 日韩成人在线观看一区二区三区| 国产麻豆成人av免费视频| 国产精品一区二区精品视频观看| 午夜亚洲福利在线播放| 精品久久久久久久人妻蜜臀av| av在线播放免费不卡| 国产精品美女特级片免费视频播放器 | 久久精品aⅴ一区二区三区四区| 亚洲成av人片免费观看| 久热爱精品视频在线9| 天天躁狠狠躁夜夜躁狠狠躁| 久久久久国内视频| 女性被躁到高潮视频| 久久亚洲精品不卡| 给我免费播放毛片高清在线观看| 超碰成人久久| 嫩草影院精品99| 日韩欧美国产在线观看| 国产又色又爽无遮挡免费看| 十分钟在线观看高清视频www| 国产午夜福利久久久久久| 亚洲七黄色美女视频| 成人一区二区视频在线观看| 国产欧美日韩一区二区三| 国产日本99.免费观看| 日本黄色视频三级网站网址| a级毛片在线看网站| 欧美日本视频| 亚洲精品色激情综合| 97超级碰碰碰精品色视频在线观看| 亚洲中文字幕日韩| av超薄肉色丝袜交足视频| 国产亚洲精品av在线| 国产精品免费一区二区三区在线| 99热这里只有精品一区 | 看片在线看免费视频| 美女大奶头视频| 午夜精品久久久久久毛片777| 欧美不卡视频在线免费观看 | 精品无人区乱码1区二区| 中文亚洲av片在线观看爽| 久久中文字幕一级| 国产激情欧美一区二区| 亚洲第一青青草原| 国产av一区在线观看免费| 亚洲成人精品中文字幕电影| 精品一区二区三区四区五区乱码| 久久婷婷成人综合色麻豆| 亚洲av熟女| 久久久久久久久中文| 在线免费观看的www视频| 精品午夜福利视频在线观看一区| 婷婷精品国产亚洲av在线| 欧美乱妇无乱码| 成年版毛片免费区| 最近最新中文字幕大全免费视频| 国产精品亚洲美女久久久| 19禁男女啪啪无遮挡网站| 正在播放国产对白刺激| 国产又爽黄色视频| aaaaa片日本免费| 欧美亚洲日本最大视频资源| 禁无遮挡网站| 侵犯人妻中文字幕一二三四区| 午夜亚洲福利在线播放| 亚洲一区二区三区不卡视频| 国产一区二区在线av高清观看| 成人18禁在线播放| 欧美黑人精品巨大| 色综合欧美亚洲国产小说| 久久久久亚洲av毛片大全| 香蕉国产在线看| 亚洲av五月六月丁香网| 亚洲七黄色美女视频| 亚洲国产欧美网| 亚洲男人天堂网一区| 久久伊人香网站| 久久国产乱子伦精品免费另类| 欧美人与性动交α欧美精品济南到| 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| 国产免费男女视频| 久久中文字幕人妻熟女| 精品高清国产在线一区| 久久久国产精品麻豆| 亚洲欧美日韩高清在线视频| 欧美黑人欧美精品刺激| 精品久久久久久久久久免费视频| 亚洲av美国av| 男女那种视频在线观看| 1024香蕉在线观看| 久久午夜综合久久蜜桃| 一区福利在线观看| 特大巨黑吊av在线直播 | 国产精品久久电影中文字幕| 精华霜和精华液先用哪个| xxxwww97欧美| 国产亚洲精品第一综合不卡| 亚洲欧美激情综合另类| 精品人妻1区二区| 操出白浆在线播放| 国内少妇人妻偷人精品xxx网站 | 免费看十八禁软件| 久热爱精品视频在线9| 久久久久久久精品吃奶| 欧美不卡视频在线免费观看 | 精品久久蜜臀av无| 巨乳人妻的诱惑在线观看| 97超级碰碰碰精品色视频在线观看| 999久久久国产精品视频| 亚洲色图 男人天堂 中文字幕| 一级a爱视频在线免费观看| 亚洲一码二码三码区别大吗| 岛国在线观看网站| 亚洲国产精品成人综合色| 欧美乱码精品一区二区三区| 丝袜美腿诱惑在线| 搞女人的毛片| 满18在线观看网站| 手机成人av网站| 男女之事视频高清在线观看| 日韩国内少妇激情av| 欧美成狂野欧美在线观看| 午夜激情av网站| 最近最新中文字幕大全免费视频| 欧美激情久久久久久爽电影| 欧美激情高清一区二区三区| 好看av亚洲va欧美ⅴa在| 国产精品爽爽va在线观看网站 | 国内揄拍国产精品人妻在线 | 久久精品人妻少妇| 日本一区二区免费在线视频| www.自偷自拍.com| 日韩一卡2卡3卡4卡2021年| 男人舔女人的私密视频| x7x7x7水蜜桃| av天堂在线播放| 很黄的视频免费| 18禁观看日本| 无人区码免费观看不卡| 国产av在哪里看| aaaaa片日本免费| 午夜福利在线在线| 首页视频小说图片口味搜索| 巨乳人妻的诱惑在线观看| 久久久久国产一级毛片高清牌| 精品久久久久久,| 首页视频小说图片口味搜索| 欧美在线黄色| svipshipincom国产片| 国内揄拍国产精品人妻在线 | 亚洲真实伦在线观看| x7x7x7水蜜桃| 波多野结衣av一区二区av| 国产视频内射| 丁香欧美五月| 校园春色视频在线观看| 色综合亚洲欧美另类图片| 国产片内射在线| 一进一出好大好爽视频| 淫妇啪啪啪对白视频| 日韩欧美三级三区| 欧美中文日本在线观看视频| 国产三级在线视频| 亚洲欧美精品综合久久99| 中文字幕人成人乱码亚洲影| 欧洲精品卡2卡3卡4卡5卡区| 久久精品国产清高在天天线| 国产在线精品亚洲第一网站| 啦啦啦 在线观看视频| 日日摸夜夜添夜夜添小说| 久久久久久国产a免费观看| 亚洲中文日韩欧美视频| 俄罗斯特黄特色一大片| 欧美激情久久久久久爽电影| 欧美成人一区二区免费高清观看 | 美国免费a级毛片| 少妇裸体淫交视频免费看高清 | 无限看片的www在线观看| 熟女少妇亚洲综合色aaa.| 国产高清videossex| 日韩欧美一区视频在线观看| 国产片内射在线| 欧美激情 高清一区二区三区| 久久久久久久久免费视频了| 国产精品九九99| 丁香六月欧美| 国产精品日韩av在线免费观看| 国产精品电影一区二区三区| 天天添夜夜摸| 搞女人的毛片| 亚洲精华国产精华精| 一边摸一边做爽爽视频免费| 久久久国产成人免费| 亚洲全国av大片| 欧美色欧美亚洲另类二区| 日韩成人在线观看一区二区三区| 亚洲国产中文字幕在线视频| 国产av一区二区精品久久| 制服人妻中文乱码| 长腿黑丝高跟| 久久久久久久久中文| 亚洲九九香蕉| 亚洲国产精品合色在线| 国产成人影院久久av| 亚洲一区二区三区色噜噜| 日韩有码中文字幕| 日韩成人在线观看一区二区三区| 法律面前人人平等表现在哪些方面| 欧美黄色淫秽网站| 亚洲中文字幕一区二区三区有码在线看 | 91麻豆av在线| 自线自在国产av| 午夜福利视频1000在线观看| 手机成人av网站| 亚洲九九香蕉| 精品久久久久久久人妻蜜臀av| 国产精品免费一区二区三区在线| 精品久久久久久成人av| 午夜福利18| 黄色片一级片一级黄色片| 国产精品亚洲一级av第二区| 人成视频在线观看免费观看| 国产精品亚洲美女久久久| 久久久久久国产a免费观看| xxx96com| 国产精品久久久人人做人人爽| 性欧美人与动物交配| 97碰自拍视频| 麻豆国产av国片精品| 国产精品亚洲一级av第二区| 免费搜索国产男女视频| 欧美精品啪啪一区二区三区| 久久中文字幕一级| 亚洲午夜理论影院| 国产精品九九99| 午夜免费鲁丝| 黄片小视频在线播放| 亚洲第一电影网av| avwww免费| www国产在线视频色| av中文乱码字幕在线| 精品熟女少妇八av免费久了| 99久久久亚洲精品蜜臀av| e午夜精品久久久久久久| 精品国产一区二区三区四区第35| 久久人妻av系列| 久久久久久大精品| 成人国产综合亚洲| 成年人黄色毛片网站| 好男人电影高清在线观看| 中出人妻视频一区二区| 亚洲,欧美精品.| 久久久久久久久中文| 大型av网站在线播放| 精品一区二区三区视频在线观看免费| 18禁黄网站禁片午夜丰满| 一级a爱片免费观看的视频| 最新美女视频免费是黄的| 欧美性猛交黑人性爽| 亚洲精品美女久久av网站| 好看av亚洲va欧美ⅴa在| 最近最新免费中文字幕在线| 一进一出抽搐gif免费好疼| 两性夫妻黄色片| 2021天堂中文幕一二区在线观 | 亚洲精品美女久久av网站| 国产成+人综合+亚洲专区| 亚洲黑人精品在线| 亚洲精品在线美女| 在线看三级毛片| 国产av一区二区精品久久| 窝窝影院91人妻| 亚洲欧美一区二区三区黑人| 亚洲精品在线美女| 十分钟在线观看高清视频www| 一进一出好大好爽视频| 国产成人精品久久二区二区免费| 国产精品久久久久久人妻精品电影| 999精品在线视频| 夜夜夜夜夜久久久久| 丰满的人妻完整版| 午夜日韩欧美国产| 久久天躁狠狠躁夜夜2o2o| 少妇粗大呻吟视频| 欧美成人免费av一区二区三区| 99精品欧美一区二区三区四区| 好看av亚洲va欧美ⅴa在| 久久久久国内视频| 婷婷精品国产亚洲av在线| 丰满人妻熟妇乱又伦精品不卡| 久久久久久国产a免费观看| 老熟妇乱子伦视频在线观看| 久久香蕉激情| 在线观看一区二区三区| 中文字幕av电影在线播放| 国产成人精品无人区| 免费在线观看影片大全网站| 老司机福利观看| 哪里可以看免费的av片| 亚洲一区中文字幕在线| 好男人在线观看高清免费视频 | 成人三级做爰电影| 国产主播在线观看一区二区| 亚洲天堂国产精品一区在线| 亚洲国产欧洲综合997久久, | 女人爽到高潮嗷嗷叫在线视频| 免费高清视频大片| 好男人在线观看高清免费视频 | 十分钟在线观看高清视频www| 女性被躁到高潮视频| 色播亚洲综合网| 黄网站色视频无遮挡免费观看| 午夜精品久久久久久毛片777| 久久精品人妻少妇| 桃色一区二区三区在线观看| 自线自在国产av| 亚洲第一欧美日韩一区二区三区| 久久精品国产亚洲av香蕉五月| 99久久综合精品五月天人人| 草草在线视频免费看| 中文在线观看免费www的网站 | 中文字幕人妻丝袜一区二区| xxx96com| 亚洲国产精品999在线| 操出白浆在线播放| 少妇熟女aⅴ在线视频| 亚洲久久久国产精品| x7x7x7水蜜桃| 天天躁夜夜躁狠狠躁躁| 成人手机av| 一区二区三区激情视频| 色精品久久人妻99蜜桃| 亚洲最大成人中文| 免费高清在线观看日韩| 淫妇啪啪啪对白视频| 久久精品国产亚洲av香蕉五月| 夜夜夜夜夜久久久久| 久久久久久人人人人人| 一本久久中文字幕| 婷婷亚洲欧美| 少妇裸体淫交视频免费看高清 | 免费高清在线观看日韩| 国产片内射在线| 波多野结衣av一区二区av| 别揉我奶头~嗯~啊~动态视频| 国产精品99久久99久久久不卡| 久久久久久大精品| 怎么达到女性高潮| 午夜福利欧美成人| 午夜老司机福利片| 亚洲电影在线观看av| 人成视频在线观看免费观看| 香蕉久久夜色| 国产亚洲欧美在线一区二区| 久久国产精品人妻蜜桃| 99re在线观看精品视频| 最新在线观看一区二区三区| 日韩欧美国产一区二区入口| 亚洲一卡2卡3卡4卡5卡精品中文| 精品不卡国产一区二区三区| av视频在线观看入口| 好看av亚洲va欧美ⅴa在| 啪啪无遮挡十八禁网站| 亚洲成人免费电影在线观看| 国产精品美女特级片免费视频播放器 | 可以在线观看毛片的网站| 最近最新免费中文字幕在线| 亚洲美女黄片视频| 成人一区二区视频在线观看| 1024视频免费在线观看| 国产野战对白在线观看| 亚洲 欧美一区二区三区| 精品久久久久久久末码| 色在线成人网| 日日爽夜夜爽网站| 日韩高清综合在线| 国产成人系列免费观看| 波多野结衣巨乳人妻| 丝袜人妻中文字幕| 啦啦啦免费观看视频1| 亚洲中文日韩欧美视频| 给我免费播放毛片高清在线观看| 男女下面进入的视频免费午夜 | 久久精品影院6| 手机成人av网站| aaaaa片日本免费| 波多野结衣高清作品| 曰老女人黄片|