• <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 ?

    基于語義詞向量的自媒體短文本主題建模

    2019-12-23 07:24:21黃嬋
    計算機時代 2019年12期

    黃嬋

    摘? 要: 短文本建模的稀疏問題是短文本主題建模的主要問題,文章提出基于詞向量的短文本主題建模模型—語義詞向量模型(Semantics Word Embedding Modeling,SWEM)。采用半自動的方法對短文本信息進行擴充,對短文本相應詞語進行同義詞林處理,增加短文本集合中詞共現(xiàn)信息,豐富文檔內容,推理出較高質量的文本主題結構,解決短文本的詞共現(xiàn)信息不足的問題。實驗表明,SWEM模型優(yōu)于LDA、BTM等傳統(tǒng)模型。

    關鍵詞: 短文本; 主題建模; 同義詞; SWEM

    中圖分類號:TP311? ? ? ? ? 文獻標志碼:A? ? ?文章編號:1006-8228(2019)12-57-04

    Topic modeling of self-media short text based on semantic word vector

    Huang Chan

    (Ganzhou teachers college, Ganzhou, Jiangxi 341000, China)

    Abstract: The sparse problem of short text modeling is the main problem of short text topic modeling. This paper proposes a word-vector based short text topic modeling model SWEM (Semantics word embedding modeling). It uses semi-automatic method to expand short text information, the word in short text is processed with corresponding synonyms of the word, to increase word co-occurrence information in short text set, to enrich document content, so as to infer a high quality text topic structure and to solve the problem of insufficient co-occurrence of words in decisive texts. Experiments show that SWEM model is superior to traditional models such as LDA and BTM.

    Key words: short text; topic modeling; synonym; SWEM

    0 引言

    自媒體是指以現(xiàn)代化、電子化的手段,向不特定的大多數(shù)或者特定的單個人傳遞規(guī)范性及非規(guī)范性信息的新媒體的總稱。通常以短文本的形式活躍于視野中。其特點主要有文本長度較短,內容表達隨意常出現(xiàn)一些錯別字、同音字詞,甚至出現(xiàn)流行網絡用語。因此,在海量的短文本數(shù)據(jù)內挖掘有價值的信息是一項極具挑戰(zhàn)的任務。

    1 相關研究

    主題模型(topic model)是指以非監(jiān)督學習的方式對文集的隱含語義結構進行聚類的統(tǒng)計模型[1],而主題建模能夠從一個文本對象中自動識別它的主題,且發(fā)現(xiàn)隱藏的模式,有助于作出更好的決策。自媒體作為短文本的一種常見特性,挖掘其主題具有較強的實用價值,已經得到了科研工作者的關注與研究。

    Malone[2]等人在1987年就發(fā)表了具有影響力的論文,提出了最早的協(xié)同過濾。2003年,Blei等學者提出了隱含狄利克雷分布(Latent Dirichlet Allocation,LDA)[3]模型。晏小輝[4]等的學者提出了一個雙詞主題模型(Biterm Topic Model,BTM),對雙詞來建模,構成了雙詞-主題-單詞的三層結構。唐曉波等[5]人建立了基于主題圖的用戶興趣模型,運用無尺度圖K-中心點算法對主題圖進行更深層次的聚類挖掘。鄧智龍[6]則提出了用戶興趣關聯(lián)規(guī)則的興趣發(fā)現(xiàn)方法,發(fā)現(xiàn)各個興趣之間的關聯(lián)規(guī)則。趙捧未等[7]提出的用戶興趣模型構建方法是利用了本地節(jié)點資源和知識地圖的構建。胡吉明等[8]從模塊度改進的角度,針對用戶興趣多元化和關系社區(qū)的交叉性特點對社區(qū)發(fā)現(xiàn)算法進行了改進。

    從上述的研究成果中可以看出,其核心部分都是建立主題模型,但建模過程中都面臨了短文本的稀疏問題,遺憾的是多數(shù)作者并沒有提出快速而簡易的方法。

    本文結合其他研究者思路對解決短文本的稀疏問題進行分析與研究。提出語義詞向量模型(Semanticswordembedding modeling,SWEM),對詞向量進行建模,對海量短文本自媒體信息構建結構化主題,發(fā)現(xiàn)社團和意見領袖。

    2 一種基于語義詞向量的自媒體短文本主題建模

    2.1 自媒體短文本主題建模分析

    傳統(tǒng)的主題模型是對文檔產生過程建模,認為存在文檔、主題、詞三層結構,文檔包含多個主題,詞由每個詞產生,隱式地利用文檔級別的詞共現(xiàn)信息推理主題結構,這類模型較適應于長文本。然而,短文本文檔經過去停用詞等手段處理之后,每個文本包含的詞數(shù)通常非常少,當傳統(tǒng)模型應用在短文本時,詞頻信息和詞共現(xiàn)信息嚴重不足,導致稀疏問題。在使用推理算法時,難以準確地推理出文檔中主題分布參數(shù)與主題和詞的分布參數(shù),大大影響短文本主題建模的效果。因此,解決短文本的稀疏問題是重點。

    2.2 語義詞向量模型

    哈工大同義詞詞林能針對不同的詞語的語義進行不同角度的詞匯擴充。面對同義詞林的優(yōu)勢,不難想到利用哈工大同義詞詞林,采用半自動的方法對短文本信息進行擴充,緩解短文本信息量少的問題。將所有的短文本相應詞語進行同義詞林處理,使文檔組成一個語料集合,在短文本語料集合內詞共現(xiàn)信息就會明顯增加,豐富文檔級別的詞共現(xiàn)信息,能夠推理較高質量的主題結構,解決短文本的詞共現(xiàn)信息不足的問題?;诖?,提出基于詞向量的短文本主題建模模型—語義詞向量模型(Semantics Word Embedding Modeling,SWEM)。

    ⑴ 同義詞詞林簡介

    《同義詞詞林》[9]是80年代出版的一部對漢語詞匯按語義全面分類的詞典,收錄詞語近7萬。

    同義詞詞林共提供3層編碼,隨著級別的遞增,詞義刻畫越來越細,到了第五層,每個分類里詞語數(shù)量已經不大,常常是只有一個詞語,已經不可再分,可以稱為原子詞群、原子類或原子節(jié)點。其中第一級用大寫英文字母表示大類;第二級用小寫英文字母表示中類;第三級用二位十進制整數(shù)表示小類;新增的第四級和第五級的編碼與原有的三級編碼并構成一個完整的編碼,唯一代表詞典中出現(xiàn)的詞語。具體編碼如表1所示。

    ⑵ SWEM模型

    語義詞向量模型(Semantics Word Embedding Modeling,SWEM)將假設整個短文本數(shù)據(jù)集合服從一個主題分布,主題服從高斯分布,對全局內的詞向量,包括原來集合內可觀察到的詞向量和對應詞的同義詞向量進行建模。

    對于短文本來說,文檔級的詞頻信息和詞共現(xiàn)信息不足,SWEM模型摒棄了文檔級的主題分布,假設整個語料集合服從同一個主題分布,其具體描述表述如下:首先,根據(jù)超參數(shù)[α]生成語料集合的主題分布[θ],然后,在該主題分部下選擇一個主題[Zk],通過參數(shù)[μk]和[σk2]生成主題詞向量的高斯分布,最后,在這個高斯分布中生成每個詞向量。SWEM模型的概率圖模型如圖1所示。

    模型含義:給定一個短文本語料D{d1, d2, ...,dn},每篇文檔對應的詞向量是[W= w1,w2,...,wn,w'n+1,w'n+2,...,w'n+i],其中w1代表原本文檔中的詞項,[w1']等代表的是文檔中詞向量的同義詞向量。取zk∈[1,k]當做主題的標量,[θ]表示短文本語料集合的主題分布,其中[θ]采用狄利克雷先驗,其超參[α],主題跟詞向量之間采用高斯混合分布,[α]代表第k個高斯模型權重,[μk]代表的是第k個高斯模型的均值,[σ2k]代表的是第k個高斯模型的協(xié)方差。

    ⑶ 基于SWEM主題模型描述

    ① 對每篇文檔內詞向量進行同義詞林泛化,求得隱含詞向量[w'] ,加入原來的短文本文檔中。

    ② 對整個短文本語料集合采樣一個主題分布:[θ~ Dirichlet(α)]。

    ③ 對每個主題[Zk],k∈[1,k],采樣一個主題詞向量分布[ψk~ Gaussian(μk,σ2k)]。

    ④ 對于每個詞向量w∈W,包括原文檔的詞向量和生成的同義詞向量:

    (a) 采樣一個主題[Zk~Multinomial(θ)];

    (b) 采樣一個詞向量[W~Multinomial(ψk)]。

    根據(jù)以上的產生式可知:詞向量集合W是觀測變量,包括原來文本中的詞向量和對應生成的同義詞向量,主題分布[θ]和主題詞向量分布[μk]主題z是隱含變量,[α]為模型超參,[μk],[σ2k]是第k個分部高斯模型的均值和協(xié)方差。

    給定觀測數(shù)據(jù)詞向量集合[W= w1,w2,...,wn,w'n+1,w'n+2,...,w'n+i],其中w1等代表原本文檔中的詞項,[w'n+1]等代表對應生成的同義詞向量。模型是包含 K個高斯分布的高斯混合分布,假設詞向量W來自如下的高斯混合分布的似然函數(shù)為:

    [p(W|p)=i=1N+N'k=1kλkf(wi|uk,σ2k)]? ⑴

    對式⑴取對數(shù),似然函數(shù)變換為:

    [log(p(W|p))=i=1N+N'log(k=1kλkf(wi|uk,σ2k))]? ⑵

    從式⑵中可以看出目標函數(shù)難以對其進行求偏導處理。于是采用無EM算法[10]估計參數(shù)[λk], [μk], [σ2k]的值。

    3 實驗

    3.1 實驗數(shù)據(jù)

    為驗證模型的主題建模能力。本文選擇近期搜集Twitter自媒體數(shù)據(jù)165360條數(shù)據(jù)。在對這些數(shù)據(jù)進行去噪過濾基礎上分詞處理,去除停用詞等及舍棄在文檔集合內出現(xiàn)低于10次數(shù)的詞。如表2展示了每個數(shù)據(jù)集的文檔數(shù)目、詞典大小、平均文檔的長度。

    在詞向量的選擇上,使用谷歌新聞語料訓練的詞向量,詞向量維數(shù)為200。在除停用詞等無意義的詞后,選擇Skip-gram算法訓練,其他參數(shù)為模型默認值,最終生成數(shù)據(jù)集。同時在數(shù)據(jù)集中本文采用Twitter提供的主題標簽(Hashtag)功能對數(shù)據(jù)集進行分類(工具采用線性SVM分類器),并提取其中的內容。抽取20個高頻的Hashtag作為分類數(shù)據(jù)的標簽。如表3所示。

    從表3中可以看到Twitter數(shù)據(jù)集的主題種類繁多,能為檢驗模型分類性能試驗提供支持。

    3.2 模型對比

    實驗中首先根據(jù)不同模型對文檔進行主題建模之后,分別得出文檔的主題概率分布,用主題概率分布將文檔表示成主題向量,維數(shù)為主題的個數(shù),每一維用其包含主題的概率表示。得到文檔d的主題向量表示為D=[P(z=1|d),(z=2|d),…,(z=K|d)],然后,隨機的在數(shù)據(jù)集合中選出70%作為訓練數(shù)據(jù)集,其余30%作為測試分類性能的數(shù)據(jù)集。

    為更清晰的對比,本文將選擇LDA模型、BTM模型及本文提出的SWEM模型進行對比,驗證各種模型在同一短文本數(shù)據(jù)集上學習主題的能力,并用PMI Score[11]方法進行測評,一般來說,PMI越大表示的是這兩個單詞主題相關性強。

    在各模型的超參數(shù)的設置上,為能更好的解決短文本的稀疏問題,分別對LDA模型超參數(shù)設置為[α]=0.05,[β]=0.01;BTM模型超參數(shù)設置為[α]=50/K,[β]=0.01,并同本文提出的SWEM模型對不同的主題數(shù)量下的分類性能PMI Score對比,如圖2所示。

    4.3 結果分析

    從圖2中Twitter數(shù)據(jù)集上模型分類性能實驗中可以看出,SWEM模型分類性能優(yōu)于BTM模型及LDA模型。在主題數(shù)為80左右的時候,發(fā)現(xiàn)SWEM模型表現(xiàn)達到最好。但是隨著主題數(shù)增大,分類性能出現(xiàn)下降,可能的原因是某些額外生成的詞向量質量降低,隨著主題數(shù)的增大,干擾了主題的學習的質量。

    5 結束語

    短文本建模的稀疏問題是短文本主題建模的短板,文章采用半自動的方法對短文本信息進行擴充,緩解短文本信息量少的問題。將所有的短文本相應詞語進行同義詞林處理,使文檔組成一個語料集合,在短文本語料集合內詞共現(xiàn)信息就會明顯增加,豐富文檔級別的詞共現(xiàn)信息,能夠推理較高質量的主題結構,解決短文本的詞共現(xiàn)信息不足的問題。實驗表明SWEM模型優(yōu)于BTM、LDA模型,說明通過同義詞向量建??梢越鉀Q稀疏問題。

    參考文獻(References):

    [1] Papadimitriou,C.H.,Raghavan,P.,Tamaki,H.and Vempala,S.,2000.Latent semantic indexing:A probabilistic analysis.Journal of Computer and System Sciences,61(2),pp.217-235

    [2] Malone,T W,Grant,K R,Turbak,F(xiàn) A,et al. Intelligent? information-sharing? systems.Communications of the ACM,1987.

    [3] Blei D M,Ng A Y,Jordan M I. Latent dirichletallocation[J].Journal of Machine Learning Research,2003.3:993-1022

    [4] Yan X,Guo J,Lan Y,et al. A biterm topic model for short texts[C]// Proceedings of the 22nd international conference on World Wide Web.ACM,2013.1445-1456

    [5] 唐曉波,張昭.基于混合圖的在線社交網絡個性化推薦系統(tǒng)研究[J].情報理論與實踐,2013.2:91-95

    [6] 鄧智龍,淦文燕.復雜網絡中社團結構發(fā)現(xiàn)算法[J].計算機科學,2012.6.

    [7] 趙捧未,李春燕,竇永香.語義對等網環(huán)境下基于節(jié)點知識地圖的用戶模型構建[J].情報理論與實踐,2012.35(2):104-108

    [8] 胡吉明,胡昌平.基于關系社區(qū)發(fā)現(xiàn)改進的用戶興趣建模[J].情報學報,2013.7,32(7):763-768

    [9] Mei Jiaju,Zhu Yiming,GaoYunqi,et al.,TongyiciCilin [M]. Shanghai:Shanghai Lexicographical Publishing House,1993.106-108

    [10] Moon T K.The expectation-maximization algorithm[J]. IEEE Signal Processing Magazine,1996.13(6):47-60

    [11] Newman D,Lau J H,Grieser K,et al.Automatic evaluation of topic coherence[C]//Human Language Technologies:The 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics.Association for Computational Linguistics,2010.100-108

    美女脱内裤让男人舔精品视频| 亚洲欧美精品综合一区二区三区| 校园人妻丝袜中文字幕| 久久 成人 亚洲| 亚洲精品久久午夜乱码| 9色porny在线观看| 久久国产亚洲av麻豆专区| 大片免费播放器 马上看| 毛片一级片免费看久久久久| 久久久久国产精品人妻一区二区| 国产免费一区二区三区四区乱码| 婷婷色综合www| 高清不卡的av网站| 啦啦啦在线免费观看视频4| 国产精品女同一区二区软件| 亚洲情色 制服丝袜| 国产1区2区3区精品| 一区二区三区乱码不卡18| 亚洲色图综合在线观看| 国产成人a∨麻豆精品| 亚洲四区av| 国产精品国产三级国产专区5o| 男人添女人高潮全过程视频| 伊人亚洲综合成人网| 各种免费的搞黄视频| av国产久精品久网站免费入址| 国产精品久久久久久久久免| 女性生殖器流出的白浆| 一本—道久久a久久精品蜜桃钙片| 卡戴珊不雅视频在线播放| 老汉色∧v一级毛片| 亚洲第一青青草原| av福利片在线| 好男人视频免费观看在线| 亚洲专区中文字幕在线 | 黑人猛操日本美女一级片| 亚洲四区av| 亚洲国产毛片av蜜桃av| 中文天堂在线官网| 9色porny在线观看| 欧美成人午夜精品| 国产 精品1| 色精品久久人妻99蜜桃| 男的添女的下面高潮视频| 欧美激情 高清一区二区三区| 久久婷婷青草| 一区二区日韩欧美中文字幕| 国产亚洲av片在线观看秒播厂| 国产亚洲精品第一综合不卡| 日韩电影二区| 在线精品无人区一区二区三| 天天添夜夜摸| 成人手机av| 亚洲国产中文字幕在线视频| 国产av国产精品国产| 亚洲成人一二三区av| 欧美黄色片欧美黄色片| av在线观看视频网站免费| 久久午夜综合久久蜜桃| 欧美 日韩 精品 国产| 看免费成人av毛片| 少妇人妻久久综合中文| 国产片特级美女逼逼视频| 国产淫语在线视频| 久久精品亚洲av国产电影网| 亚洲精品av麻豆狂野| 国产成人欧美| 黑丝袜美女国产一区| 亚洲av男天堂| 大话2 男鬼变身卡| 2018国产大陆天天弄谢| 天堂俺去俺来也www色官网| 黄片小视频在线播放| 日韩大码丰满熟妇| 久久97久久精品| 久久久久久久国产电影| av.在线天堂| 精品午夜福利在线看| 亚洲四区av| 亚洲国产看品久久| 大香蕉久久成人网| 欧美日韩视频高清一区二区三区二| 啦啦啦啦在线视频资源| 亚洲成色77777| 少妇人妻久久综合中文| 国产精品嫩草影院av在线观看| 国产色婷婷99| 香蕉国产在线看| 日韩成人av中文字幕在线观看| 999精品在线视频| 在线天堂中文资源库| 中文欧美无线码| xxxhd国产人妻xxx| 18禁观看日本| 最近中文字幕2019免费版| 最新在线观看一区二区三区 | 久久久久久久精品精品| 日日啪夜夜爽| 久久免费观看电影| xxxhd国产人妻xxx| av在线app专区| 丝袜美腿诱惑在线| www.熟女人妻精品国产| 国产欧美日韩一区二区三区在线| 免费观看人在逋| 777米奇影视久久| 国产片特级美女逼逼视频| 亚洲精品国产av蜜桃| avwww免费| 性高湖久久久久久久久免费观看| 天天操日日干夜夜撸| 日韩一卡2卡3卡4卡2021年| 色视频在线一区二区三区| av女优亚洲男人天堂| 伊人久久大香线蕉亚洲五| 亚洲第一青青草原| 你懂的网址亚洲精品在线观看| 欧美日韩一区二区视频在线观看视频在线| 亚洲一卡2卡3卡4卡5卡精品中文| 日韩制服骚丝袜av| 午夜激情久久久久久久| 最新在线观看一区二区三区 | 波多野结衣一区麻豆| 极品人妻少妇av视频| 欧美久久黑人一区二区| 亚洲一区中文字幕在线| 国产精品久久久av美女十八| 精品国产一区二区三区久久久樱花| 国产精品无大码| 2018国产大陆天天弄谢| av不卡在线播放| 悠悠久久av| 久久精品人人爽人人爽视色| 国产精品三级大全| 国产爽快片一区二区三区| 色网站视频免费| 午夜激情久久久久久久| 纯流量卡能插随身wifi吗| 老司机影院毛片| 成年女人毛片免费观看观看9 | 在线亚洲精品国产二区图片欧美| 国产免费福利视频在线观看| 色吧在线观看| 丰满少妇做爰视频| 2021少妇久久久久久久久久久| 婷婷色综合www| 美女国产高潮福利片在线看| 9热在线视频观看99| 啦啦啦啦在线视频资源| 在线观看免费视频网站a站| 色网站视频免费| 国产极品粉嫩免费观看在线| 啦啦啦视频在线资源免费观看| 女人高潮潮喷娇喘18禁视频| 亚洲人成电影观看| 国产免费一区二区三区四区乱码| 亚洲第一青青草原| 少妇的丰满在线观看| 少妇人妻精品综合一区二区| 久久精品人人爽人人爽视色| 777米奇影视久久| 日韩一区二区三区影片| 人体艺术视频欧美日本| 国产成人av激情在线播放| av线在线观看网站| 十八禁人妻一区二区| 91精品伊人久久大香线蕉| 欧美97在线视频| 两性夫妻黄色片| 咕卡用的链子| 1024香蕉在线观看| 日韩大片免费观看网站| 黄色 视频免费看| 最近中文字幕2019免费版| 免费av中文字幕在线| 久久久久久久大尺度免费视频| 你懂的网址亚洲精品在线观看| www.熟女人妻精品国产| 新久久久久国产一级毛片| 欧美精品一区二区大全| 午夜日韩欧美国产| kizo精华| 各种免费的搞黄视频| 亚洲欧美激情在线| 制服丝袜香蕉在线| 我的亚洲天堂| 亚洲精品久久成人aⅴ小说| 制服诱惑二区| 丝袜脚勾引网站| 啦啦啦 在线观看视频| 成人国产av品久久久| 老司机影院毛片| www.熟女人妻精品国产| 精品亚洲成国产av| 国产精品无大码| 免费在线观看视频国产中文字幕亚洲 | 国产无遮挡羞羞视频在线观看| 欧美最新免费一区二区三区| 国产日韩一区二区三区精品不卡| 天天躁狠狠躁夜夜躁狠狠躁| 街头女战士在线观看网站| 热re99久久国产66热| 欧美变态另类bdsm刘玥| 国产成人免费观看mmmm| 久久久久久人人人人人| 18在线观看网站| 中文字幕高清在线视频| 午夜福利,免费看| 一本色道久久久久久精品综合| 亚洲欧美激情在线| 成人毛片60女人毛片免费| 久久99热这里只频精品6学生| 精品人妻一区二区三区麻豆| 如日韩欧美国产精品一区二区三区| 午夜福利影视在线免费观看| 亚洲中文av在线| 一边亲一边摸免费视频| 男女午夜视频在线观看| 色精品久久人妻99蜜桃| 黄片播放在线免费| 亚洲欧美激情在线| 国产深夜福利视频在线观看| 国产成人午夜福利电影在线观看| 美女脱内裤让男人舔精品视频| 亚洲av成人精品一二三区| 亚洲av电影在线观看一区二区三区| 水蜜桃什么品种好| 久热这里只有精品99| 亚洲熟女精品中文字幕| 中文字幕高清在线视频| 无遮挡黄片免费观看| 男的添女的下面高潮视频| 欧美久久黑人一区二区| 国产日韩欧美视频二区| 成年动漫av网址| 最近最新中文字幕大全免费视频 | 亚洲欧洲日产国产| 97精品久久久久久久久久精品| 蜜桃在线观看..| 亚洲av成人精品一二三区| 在线免费观看不下载黄p国产| 成人亚洲欧美一区二区av| 两个人看的免费小视频| 精品人妻在线不人妻| 日本vs欧美在线观看视频| 麻豆精品久久久久久蜜桃| 欧美日韩亚洲综合一区二区三区_| 黄片播放在线免费| 国产精品国产av在线观看| 国产成人免费观看mmmm| 狠狠精品人妻久久久久久综合| 亚洲精品自拍成人| 国产精品嫩草影院av在线观看| 国产在线免费精品| 久久久久久久精品精品| 亚洲国产精品999| 成年女人毛片免费观看观看9 | 日韩电影二区| 日韩中文字幕视频在线看片| 亚洲精品一区蜜桃| 波多野结衣一区麻豆| 国产 精品1| 国产精品av久久久久免费| 色视频在线一区二区三区| h视频一区二区三区| 亚洲欧美成人综合另类久久久| 97精品久久久久久久久久精品| 精品国产乱码久久久久久男人| 久久精品久久精品一区二区三区| avwww免费| av片东京热男人的天堂| 18禁观看日本| 久久精品亚洲av国产电影网| 久热爱精品视频在线9| 丝袜美腿诱惑在线| 制服人妻中文乱码| 久久久久久久国产电影| 久久精品人人爽人人爽视色| 七月丁香在线播放| 成年人午夜在线观看视频| 国产又爽黄色视频| 亚洲精品自拍成人| 国产一区二区 视频在线| 国产爽快片一区二区三区| 男女之事视频高清在线观看 | 成人国产麻豆网| 97精品久久久久久久久久精品| 欧美日韩一区二区视频在线观看视频在线| 男女高潮啪啪啪动态图| 午夜激情av网站| 亚洲国产成人一精品久久久| 黄色毛片三级朝国网站| 曰老女人黄片| 国产熟女欧美一区二区| 亚洲av福利一区| 黄色视频在线播放观看不卡| 在线观看免费视频网站a站| 亚洲国产av新网站| 亚洲一区中文字幕在线| 99国产精品免费福利视频| 99热网站在线观看| 亚洲欧美一区二区三区久久| 美女午夜性视频免费| 汤姆久久久久久久影院中文字幕| 91老司机精品| 久久精品国产a三级三级三级| 男女之事视频高清在线观看 | 国产福利在线免费观看视频| 欧美久久黑人一区二区| 精品亚洲成a人片在线观看| 最近最新中文字幕大全免费视频 | 欧美精品av麻豆av| 一个人免费看片子| 日本午夜av视频| 久久精品亚洲熟妇少妇任你| 1024视频免费在线观看| 亚洲国产最新在线播放| 十八禁网站网址无遮挡| 国产精品三级大全| 国产亚洲av片在线观看秒播厂| 香蕉国产在线看| 国产精品99久久99久久久不卡 | 精品卡一卡二卡四卡免费| 巨乳人妻的诱惑在线观看| av免费观看日本| 老司机深夜福利视频在线观看 | 一级黄片播放器| 欧美97在线视频| 操美女的视频在线观看| 欧美久久黑人一区二区| 在线亚洲精品国产二区图片欧美| 天天躁夜夜躁狠狠久久av| 丁香六月欧美| 午夜福利一区二区在线看| 最近最新中文字幕免费大全7| 丝袜在线中文字幕| 国产伦人伦偷精品视频| 成年女人毛片免费观看观看9 | 各种免费的搞黄视频| 国语对白做爰xxxⅹ性视频网站| 青春草视频在线免费观看| 大香蕉久久成人网| 99久久综合免费| 美女中出高潮动态图| 一区在线观看完整版| 又黄又粗又硬又大视频| av视频免费观看在线观看| 欧美人与性动交α欧美精品济南到| 卡戴珊不雅视频在线播放| 午夜福利视频在线观看免费| 亚洲精品久久久久久婷婷小说| 精品国产国语对白av| 欧美精品高潮呻吟av久久| 免费人妻精品一区二区三区视频| 国语对白做爰xxxⅹ性视频网站| 少妇被粗大的猛进出69影院| 操出白浆在线播放| 高清欧美精品videossex| 午夜福利乱码中文字幕| 又大又黄又爽视频免费| 欧美日韩精品网址| 亚洲,欧美精品.| 亚洲av男天堂| 久久久精品区二区三区| 黄频高清免费视频| 中国国产av一级| 波多野结衣av一区二区av| av在线观看视频网站免费| 夜夜骑夜夜射夜夜干| 久久av网站| 成年女人毛片免费观看观看9 | 午夜福利视频精品| 欧美亚洲日本最大视频资源| 午夜福利网站1000一区二区三区| 国产1区2区3区精品| 国产一卡二卡三卡精品 | 欧美成人午夜精品| 黄色一级大片看看| 男女高潮啪啪啪动态图| 日韩制服丝袜自拍偷拍| 日韩av不卡免费在线播放| 亚洲婷婷狠狠爱综合网| 亚洲欧美成人精品一区二区| 少妇被粗大猛烈的视频| 国产精品一区二区精品视频观看| 成人亚洲精品一区在线观看| 久久久精品94久久精品| 乱人伦中国视频| 欧美日韩视频精品一区| 国产精品嫩草影院av在线观看| 大香蕉久久网| 国产片内射在线| 免费少妇av软件| 69精品国产乱码久久久| 国产精品久久久久久精品电影小说| 亚洲精品美女久久久久99蜜臀 | 丁香六月欧美| 黄片小视频在线播放| av片东京热男人的天堂| 蜜桃国产av成人99| 欧美xxⅹ黑人| 久久韩国三级中文字幕| 在线精品无人区一区二区三| 欧美少妇被猛烈插入视频| 日本欧美视频一区| 国产极品粉嫩免费观看在线| www日本在线高清视频| 亚洲国产精品999| 女人精品久久久久毛片| 在线亚洲精品国产二区图片欧美| 伊人亚洲综合成人网| 一本大道久久a久久精品| 久久毛片免费看一区二区三区| 国产成人免费观看mmmm| 亚洲av综合色区一区| 人成视频在线观看免费观看| 一区二区三区乱码不卡18| 性高湖久久久久久久久免费观看| 男女高潮啪啪啪动态图| 天天影视国产精品| av片东京热男人的天堂| 久久人人97超碰香蕉20202| 十八禁人妻一区二区| 美女福利国产在线| 久久久久精品人妻al黑| 久久久久精品国产欧美久久久 | 国产97色在线日韩免费| 晚上一个人看的免费电影| 欧美激情高清一区二区三区 | 国产在线免费精品| 久久人人爽av亚洲精品天堂| 热99久久久久精品小说推荐| 亚洲综合色网址| 久久久久久久国产电影| 亚洲天堂av无毛| 国产 精品1| 制服丝袜香蕉在线| 咕卡用的链子| 精品酒店卫生间| 久久午夜综合久久蜜桃| 一区福利在线观看| 少妇人妻 视频| 亚洲国产成人一精品久久久| 欧美日韩视频精品一区| 妹子高潮喷水视频| 亚洲一码二码三码区别大吗| 午夜91福利影院| 人妻一区二区av| xxx大片免费视频| 在线观看人妻少妇| 国产麻豆69| 亚洲三区欧美一区| 蜜桃在线观看..| 久久这里只有精品19| 国产精品久久久久久精品古装| 亚洲精品久久久久久婷婷小说| 大片免费播放器 马上看| 黄色一级大片看看| 2018国产大陆天天弄谢| 成年动漫av网址| 久久久精品国产亚洲av高清涩受| 久久久久久人人人人人| 国产精品一国产av| 亚洲av综合色区一区| 亚洲美女黄色视频免费看| 老司机影院成人| 国产熟女欧美一区二区| av卡一久久| 久久精品人人爽人人爽视色| 国产成人a∨麻豆精品| 久久精品aⅴ一区二区三区四区| 亚洲精品乱久久久久久| 丝袜在线中文字幕| 中文欧美无线码| 国产一级毛片在线| 国产一区二区三区av在线| 一二三四在线观看免费中文在| 国产成人精品久久二区二区91 | 免费少妇av软件| 操美女的视频在线观看| 男女午夜视频在线观看| 国产欧美日韩综合在线一区二区| 超碰97精品在线观看| 十八禁人妻一区二区| 超碰97精品在线观看| 成人手机av| 国产无遮挡羞羞视频在线观看| 只有这里有精品99| 精品少妇一区二区三区视频日本电影 | 亚洲欧美精品自产自拍| 热99国产精品久久久久久7| 男女之事视频高清在线观看 | 日韩欧美精品免费久久| 波野结衣二区三区在线| 99久久99久久久精品蜜桃| 欧美激情极品国产一区二区三区| 日本爱情动作片www.在线观看| 在线天堂中文资源库| 亚洲色图综合在线观看| 国产免费现黄频在线看| 青青草视频在线视频观看| 欧美激情 高清一区二区三区| 日韩成人av中文字幕在线观看| 国产成人一区二区在线| 久久综合国产亚洲精品| 亚洲国产日韩一区二区| 亚洲成人手机| 女人久久www免费人成看片| 久久青草综合色| 亚洲久久久国产精品| 9色porny在线观看| 精品人妻熟女毛片av久久网站| 看免费av毛片| videosex国产| 人妻人人澡人人爽人人| 制服丝袜香蕉在线| 亚洲自偷自拍图片 自拍| 大话2 男鬼变身卡| 日韩 亚洲 欧美在线| 一级,二级,三级黄色视频| 久热爱精品视频在线9| 久久性视频一级片| 免费看av在线观看网站| 日韩精品有码人妻一区| 中文字幕亚洲精品专区| 国产 一区精品| av线在线观看网站| 国产精品人妻久久久影院| 涩涩av久久男人的天堂| 成人国产av品久久久| 免费在线观看视频国产中文字幕亚洲 | 777米奇影视久久| 在线观看一区二区三区激情| 亚洲综合色网址| 精品一区二区三卡| 亚洲精品国产色婷婷电影| 国产一卡二卡三卡精品 | 免费黄频网站在线观看国产| 午夜老司机福利片| 男人舔女人的私密视频| 精品一区二区免费观看| 精品亚洲成国产av| 日韩制服骚丝袜av| 亚洲图色成人| av福利片在线| 午夜福利视频在线观看免费| 亚洲国产中文字幕在线视频| 亚洲精品久久成人aⅴ小说| 国产精品欧美亚洲77777| 一本一本久久a久久精品综合妖精| 亚洲精品av麻豆狂野| 女人久久www免费人成看片| 美国免费a级毛片| 中文字幕另类日韩欧美亚洲嫩草| 97人妻天天添夜夜摸| 日韩av不卡免费在线播放| 黄网站色视频无遮挡免费观看| 波多野结衣一区麻豆| 免费看av在线观看网站| 日本一区二区免费在线视频| 一个人免费看片子| 国产精品欧美亚洲77777| 欧美黄色片欧美黄色片| 热re99久久国产66热| 免费观看av网站的网址| 777久久人妻少妇嫩草av网站| 久久性视频一级片| 国产乱人偷精品视频| 桃花免费在线播放| 国产精品国产av在线观看| 天美传媒精品一区二区| 亚洲av日韩精品久久久久久密 | 国产视频首页在线观看| 亚洲视频免费观看视频| 成人漫画全彩无遮挡| 人人妻人人爽人人添夜夜欢视频| 久久久久人妻精品一区果冻| 久久精品国产亚洲av涩爱| 丰满少妇做爰视频| 亚洲精品视频女| 晚上一个人看的免费电影| 可以免费在线观看a视频的电影网站 | 91国产中文字幕| av在线app专区| www.精华液| 十八禁网站网址无遮挡| 一本久久精品| 欧美精品人与动牲交sv欧美| 青春草国产在线视频| 男人操女人黄网站| 自线自在国产av| 在线观看三级黄色| 国产精品国产av在线观看| 精品少妇久久久久久888优播| 90打野战视频偷拍视频| 超碰成人久久| 亚洲av国产av综合av卡| 久久久久久久大尺度免费视频| 成人国产av品久久久| 国产男女超爽视频在线观看| 欧美国产精品va在线观看不卡| 电影成人av| 嫩草影视91久久| 国产一区二区 视频在线| 国产女主播在线喷水免费视频网站| 老熟女久久久| 观看美女的网站| 日韩av不卡免费在线播放| 波多野结衣av一区二区av| 91精品国产国语对白视频| 汤姆久久久久久久影院中文字幕| 巨乳人妻的诱惑在线观看| 午夜日韩欧美国产| 欧美日韩视频精品一区| 操美女的视频在线观看|