• <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 ?

    一種基于TF-IDF的樸素貝葉斯算法改進(jìn)

    2020-04-15 02:58:48許甜華吳明禮
    關(guān)鍵詞:特征詞詞頻貝葉斯

    許甜華,吳明禮

    (北方工業(yè)大學(xué) 信息學(xué)院,北京 100144)

    0 引 言

    隨著信息技術(shù)的發(fā)展,網(wǎng)絡(luò)信息量急劇增加,其中文本信息是海量網(wǎng)絡(luò)數(shù)據(jù)中的一大主體,但海量文本數(shù)據(jù)混亂存儲(chǔ),極大影響了信息獲取的效率。如何快速準(zhǔn)確地獲取自己想要的信息便成為了一個(gè)重要問(wèn)題。而現(xiàn)今廣泛應(yīng)用的分類技術(shù)可以幫助人們快速地篩選信息,并且從海量數(shù)據(jù)中提取信息進(jìn)而構(gòu)造高效的分類器,是數(shù)據(jù)挖掘領(lǐng)域中一個(gè)熱門的研究方向。其中文本分類的過(guò)程一般分為以下步驟:數(shù)據(jù)預(yù)處理、數(shù)據(jù)特征提取、構(gòu)建分類器、進(jìn)行分類。

    現(xiàn)今數(shù)據(jù)挖掘領(lǐng)域有多種分類算法,比如決策樹(shù)、支持向量機(jī)、貝葉斯分類器和神經(jīng)網(wǎng)絡(luò)等。其中貝葉斯分類器通過(guò)某對(duì)象的先驗(yàn)概率,利用貝葉斯公式計(jì)算出其后驗(yàn)概率,然后選擇多種分類中的最大后驗(yàn)概率作為該對(duì)象所屬分類的分類器。其計(jì)算過(guò)程簡(jiǎn)單快速,在多分類問(wèn)題上計(jì)算復(fù)雜度比較均衡,且在多分布獨(dú)立的假設(shè)下,分類器效果很好,所需樣本少。貝葉斯分類器以其上述優(yōu)點(diǎn)在文本分類、垃圾文本過(guò)濾、情感判別、多分類實(shí)時(shí)預(yù)測(cè)、推薦系統(tǒng)等領(lǐng)域中被廣泛應(yīng)用。在貝葉斯分類器中,樸素貝葉斯分類假定各個(gè)特征相互獨(dú)立,互不干擾,能夠處理多分類任務(wù),適合增量式訓(xùn)練,尤其在數(shù)據(jù)量超過(guò)一定程度時(shí),可以進(jìn)行批次訓(xùn)練,所以在垃圾郵件過(guò)濾,文檔分類中效果很好。

    但是樸素貝葉斯網(wǎng)絡(luò)在進(jìn)行特征計(jì)算以及分類的過(guò)程中,默認(rèn)所有特征的權(quán)重是一致的,這樣的前提忽略了各文本特征的特性。而實(shí)際上,不同特征項(xiàng)在分類過(guò)程中起到的作用是不一樣的,將特征的權(quán)重視為一致,會(huì)在一定程度上降低分類的準(zhǔn)確率。比如:當(dāng)一篇文章中多次出現(xiàn)了“霧霾”一詞,便可認(rèn)為文章主題和天氣相關(guān)的概率是很大的,而當(dāng)文章中只提到一次“霧霾”時(shí),幾乎是不能確定該文章主題和天氣相關(guān)的。因此在使用樸素貝葉斯網(wǎng)絡(luò)時(shí),多與其他的特征加權(quán)算法共同使用,進(jìn)行特征加權(quán)計(jì)算,以得到更好的分類效果。目前文本分類中常用的特征權(quán)重算法TF-IDF(term frequency-inverse document frequency)是一種基于詞頻的特征權(quán)重算法[1],通過(guò)計(jì)算詞頻和逆文本頻率來(lái)計(jì)算特征權(quán)重,在兼顧效率的同時(shí)也能得到較滿意的效果。但是該算法沒(méi)有體現(xiàn)特征詞在文檔類間和類內(nèi)的分布信息。文獻(xiàn)[2]中加入特征類間比重信息,使其對(duì)文檔分布不敏感,從而對(duì)文檔集有更好的適應(yīng)性;文獻(xiàn)[3]通過(guò)計(jì)算特征詞間的相似度,選擇最大相似度作為特征權(quán)重,提高分類效果;文獻(xiàn)[4]提出新詞發(fā)現(xiàn)特征權(quán)重算法,改進(jìn)TF-IDF對(duì)網(wǎng)絡(luò)新詞的識(shí)別能力,優(yōu)化文本分類效果;文獻(xiàn)[5]通過(guò)改進(jìn)特征選擇算法和特征加權(quán)算法,增加位置選擇信息來(lái)提高文本分類效果;文獻(xiàn)[6-9]均對(duì)TF-IDF權(quán)重進(jìn)行了類間改進(jìn)優(yōu)化。

    雖然這些文獻(xiàn)對(duì)權(quán)重進(jìn)行了改進(jìn),但均未兼顧文檔詞頻的分布位置和算法在正負(fù)樣本不均衡的傾斜數(shù)據(jù)集上的不同。鑒于傳統(tǒng)TF-IDF算法的不足,文中提出一種基于TF-IDF的樸素貝葉斯改進(jìn)算法TF-IDF-DL樸素貝葉斯算法。相對(duì)于以上各種改進(jìn)方法,文中擬打算從特征詞詞頻及其位置與類別之間的關(guān)系出發(fā),對(duì)詞頻進(jìn)行去中心化處理并引入特征詞位置影響因子,以達(dá)到分類算法對(duì)不同的文檔有更強(qiáng)的分類適應(yīng)性,并能夠在分類結(jié)果的準(zhǔn)確率、召回率和F1值方面有所提高的目的。

    1 相關(guān)研究

    1.1 樸素貝葉斯算法

    樸素貝葉斯算法假設(shè)各條件特征相互獨(dú)立[10],計(jì)算文本中某些特征出現(xiàn)的情況下,該文本屬于某分類的概率,最后通過(guò)對(duì)比各個(gè)分類概率的大小,找出最高概率值,從而得出當(dāng)前文本所屬分類。樸素貝葉斯的分類公式為:

    (1)

    其中,P(Cn)代表所要分類的文本屬于類別Cn的概率,P(Xm|Cn)代表類別Cn中包含特征項(xiàng)Xm的概率。在樸素貝葉斯中,要求各特征獨(dú)立,且將特征權(quán)重看作是一致的。但在實(shí)際應(yīng)用中,各特征的權(quán)重是不一致的,為了讓算法更加準(zhǔn)確,使用特征加權(quán)算法進(jìn)行特征權(quán)重的計(jì)算,從而提高分類性能[11]。

    1.2 特征項(xiàng)頻率TF

    TF(term frequency)是特征詞在文檔中出現(xiàn)的詞頻,其表達(dá)式為:

    (2)

    其中,分子ni,j表示該詞在文件中的出現(xiàn)次數(shù),分母為文件中所有字詞出現(xiàn)的次數(shù)總和。但是由于文檔長(zhǎng)度不一,為了防止同一詞語(yǔ)在較長(zhǎng)文檔中出現(xiàn)的頻率比在較短文檔中出現(xiàn)的頻率高的現(xiàn)象,一般會(huì)對(duì)詞頻進(jìn)行正規(guī)化處理的改進(jìn)。

    1.3 逆向文件頻率IDF

    詞頻計(jì)算,在傳統(tǒng)計(jì)算中是將所有特征詞的權(quán)重看作是相同的。而特征詞的權(quán)重在實(shí)際應(yīng)用中并不一致,所以在文本分類中要提升主要特征項(xiàng)的作用,降低次要特征項(xiàng)的作用。

    IDF(inverse document frequency)可以計(jì)算出給定詞的重要性。某一特定詞的IDF,由文件總數(shù)目除以包含該詞語(yǔ)文件的數(shù)目進(jìn)行表示[6]。如果一個(gè)特征項(xiàng)在一個(gè)文本中出現(xiàn)的頻率較高,而在其他文本中出現(xiàn)的頻率較低,那么說(shuō)明此特征項(xiàng)能夠很好地區(qū)分此類文本和其他文本。公式如下:

    (3)

    但在計(jì)算過(guò)程中,會(huì)出現(xiàn)某一詞并未在某一文本中出現(xiàn)的情況。為了防止出現(xiàn)這種分母為零的現(xiàn)象,最常用的方法是使用拉普拉斯平滑對(duì)上述公式進(jìn)行處理,進(jìn)行平滑處理后的公式為:

    (4)

    最后,TF-IDF傳統(tǒng)計(jì)算公式為TF*IDF,即:

    (5)

    其中,wdt為計(jì)算出的特征項(xiàng)t在文本d中的權(quán)重,tfdt為特征詞在文本d中出現(xiàn)的頻率,N為文本語(yǔ)料庫(kù)中文本的總數(shù),nt為文本語(yǔ)料庫(kù)中包含特征項(xiàng)t的文本數(shù)。

    2 TF-IDF的改進(jìn)

    2.1 去中心化詞頻因子

    在TF-IDF的計(jì)算過(guò)程中,將特征詞詞頻作為特征詞權(quán)重大小的判斷依據(jù),以特征詞出現(xiàn)的次數(shù),以及特征詞文檔比例來(lái)進(jìn)行權(quán)重計(jì)算。但是各個(gè)特征詞表達(dá)的意義并不相同,某些特征詞出現(xiàn)頻率較少,屬于日常用詞,對(duì)于文本分類的貢獻(xiàn)并不大,但是在權(quán)重計(jì)算中被賦予較高的權(quán)重;某些特征詞屬于生僻詞,能夠代表某一類文本,出現(xiàn)次數(shù)較少,但是在權(quán)重計(jì)算中被賦予較低的權(quán)重。

    針對(duì)以上不足,文中采用去中心化特征詞頻因子對(duì)特征詞出現(xiàn)的次數(shù)進(jìn)行去中心化處理。在計(jì)算特征詞頻時(shí),根據(jù)特征詞出現(xiàn)的相對(duì)次數(shù)對(duì)權(quán)重進(jìn)行增加或者減少的處理,在這兩個(gè)方面進(jìn)行改進(jìn)后對(duì)結(jié)果再進(jìn)行正值化處理,最終去中心化特征詞頻因子(decentralization term frequency)公式如下:

    DTFd,t=eNd,t-Nt

    (6)

    將DTF添加到TF-IDF中,即分子變?yōu)椋?/p>

    (7)

    若一個(gè)詞在此文檔中出現(xiàn)的頻率低于該特征詞出現(xiàn)的平均頻率,那么DTF值小于1,則最終權(quán)重降低;反之則權(quán)重增加。通過(guò)去中心化處理,可以降低常用詞和生僻詞在詞頻上的差異性。

    2.2 特征詞位置信息

    在文檔中,大多數(shù)文章都會(huì)在開(kāi)始和結(jié)束包含文章的主題,所以從分類角度來(lái)看,文章的開(kāi)始和結(jié)束部分的信息較為重要,應(yīng)該給予更高的權(quán)重[12],所以文中將特征詞所在位置增加為權(quán)重計(jì)算的一個(gè)因子[13]。

    將文檔中所有特征詞第一次出現(xiàn)的位置排列成一個(gè)序列,以文章總詞數(shù)為總長(zhǎng)度,以1為單元刻度,取序列最中間的位置為原始坐標(biāo),計(jì)算其他詞距離原始坐標(biāo)的距離,距離越遠(yuǎn),給予權(quán)重越大,說(shuō)明該詞對(duì)分類的影響越大。定義位置影響因子(location factor)如下:

    (8)

    其中,ε為要增加的權(quán)重值倍數(shù),δ的范圍在(0,D/2)之間,其中D為序列總長(zhǎng)度。

    將去中心化詞頻因子和特征詞位置信息加入到傳統(tǒng)的TF-IDF公式中,最終改進(jìn)的TF-IDF公式(TF-IDF-DL)如下:

    wdt=TF*IDF*DIF*LF

    (9)

    最后將該公式與樸素貝葉斯算法相結(jié)合[14],改進(jìn)后的樸素貝葉斯公式為:

    (10)

    3 實(shí)驗(yàn)與分析

    3.1 數(shù)據(jù)處理

    該實(shí)驗(yàn)采用搜狗實(shí)驗(yàn)室的搜狗新聞精簡(jiǎn)數(shù)據(jù)集(SogouCS,2012版http://www.sogou.com/labs/resource/cs.php),共698 M,128個(gè)新聞文檔,完整新聞條數(shù)共429 818條,數(shù)據(jù)樣式如下所示:

    從上述樣式的標(biāo)簽得出此條信息的新聞?lì)悇e為sports類,以此方式進(jìn)行所有文檔新聞?lì)悇e的提取,并提取對(duì)應(yīng)的標(biāo)簽中的新聞內(nèi)容信息。

    同時(shí),還需對(duì)得到的數(shù)據(jù)集進(jìn)行進(jìn)一步的處理。首先,將常用的停用詞(的,并不,而且等)進(jìn)行過(guò)濾,其次將新聞內(nèi)容短于50字符的新聞視為垃圾新聞并進(jìn)行剔除。最終數(shù)據(jù)集將分為12類,該實(shí)驗(yàn)選擇其中5類進(jìn)行分析,分別為:women,entertainment,travel,health,sports。為保證數(shù)據(jù)均勻分布,各類新聞各取5 000條作為訓(xùn)練集,取1 000條作為測(cè)試集,如表1所示。

    表1 數(shù)據(jù)集

    3.2 實(shí)驗(yàn)步驟

    文中分別采用傳統(tǒng)的TF-IDF算法、文獻(xiàn)[2]中的TF-IDF-dist算法以及TF-IDF-DL算法進(jìn)行特征權(quán)重計(jì)算并將其應(yīng)用于樸素貝葉斯分類器中進(jìn)行文本分類,對(duì)比實(shí)驗(yàn)結(jié)果并進(jìn)行分析,具體實(shí)驗(yàn)步驟如下:

    (1)輸入文檔轉(zhuǎn)化為特征詞后的詞頻向量;

    (2)進(jìn)行文本的特征詞提取,并使用卡方檢驗(yàn)(CHI-Squre)方法計(jì)算特征值的卡方,并按照卡方值從大到小進(jìn)行排序,選取Top N的特征詞;

    (3)分別使用TF-IDF算法,TF-IDF-dist算法及TF-IDF-DL算法計(jì)算各特征詞的權(quán)重值;

    (4)將各個(gè)特征詞的權(quán)重值加入到樸素貝葉斯算法中,計(jì)算得出文檔屬于各分類的概率,選擇分類概率中的最大值作為最終類別,輸出對(duì)應(yīng)分類信息;

    (5)對(duì)比分析實(shí)驗(yàn)結(jié)果。

    3.3 實(shí)驗(yàn)評(píng)估指標(biāo)

    文中使用準(zhǔn)確率、召回率、F1值三個(gè)指標(biāo)來(lái)評(píng)估算法效果。

    (1)分類準(zhǔn)確率precision。

    對(duì)于類別Ci的分類準(zhǔn)確率定義為:分類結(jié)果中正確分類為Ci的樣本數(shù)占分類結(jié)果中所有分為Ci類別的樣本數(shù)(包含正確結(jié)果和錯(cuò)誤結(jié)果)的比例。

    (11)

    (2)召回率recall。

    對(duì)于類別Ci的召回率定義為:分類結(jié)果中正確分類為Ci的樣本數(shù)占實(shí)際情形中分類為Ci的比例。

    (12)

    (3)F1值

    F1值其實(shí)是準(zhǔn)確率和召回率的調(diào)和平均值,它的最大值是1,最小值是0。

    (13)

    3.4 實(shí)驗(yàn)結(jié)果分析

    在文本分類中少量的特征詞不能對(duì)文本進(jìn)行準(zhǔn)確的分類預(yù)測(cè),但特征詞數(shù)量過(guò)大也會(huì)對(duì)實(shí)驗(yàn)有一定的消極影響。因此需要在分類前,找出最合適的特征詞數(shù)量,由于特征詞個(gè)數(shù)對(duì)所有權(quán)重值算法均適用,所以選擇以TF-IDF算法為基準(zhǔn)進(jìn)行分類實(shí)驗(yàn)。由圖1可得,隨著特征詞數(shù)量增加,precision值逐漸提高,但當(dāng)特征詞數(shù)量過(guò)大時(shí),文本分類時(shí)間將會(huì)大幅增加。針對(duì)選取的數(shù)據(jù)集,在選擇特征詞數(shù)量為125左右時(shí),precision增加速度開(kāi)始減緩,且特征詞數(shù)量在160左右時(shí),分類時(shí)間開(kāi)始變長(zhǎng)。為了兼顧準(zhǔn)確率和效率,該實(shí)驗(yàn)選取中間值143作為分類的特征詞數(shù)量。

    圖1 特征詞個(gè)數(shù)對(duì)precision和時(shí)間的影響

    在采用TF-IDF-DL算法計(jì)算貝葉斯特征權(quán)重時(shí),需要計(jì)算出位置信息的影響因子:ε和δ。當(dāng)δ值一定時(shí),在初始范圍內(nèi)分類的準(zhǔn)確率隨詞頻位置影響度的增加而提高,但當(dāng)詞頻位置影響力度達(dá)到一定程度時(shí),會(huì)超出該詞頻實(shí)際的作用效果,從而夸大其影響力,對(duì)分類效果產(chǎn)生負(fù)面影響,因此詞頻位置信息的影響度會(huì)存在一個(gè)準(zhǔn)確率峰值,當(dāng)ε值小于這個(gè)峰值時(shí),分類準(zhǔn)確率會(huì)隨著ε值的增大而提高,當(dāng)ε值大于該峰值時(shí),準(zhǔn)確率會(huì)隨之下降。同理,當(dāng)ε值一定時(shí),對(duì)分類影響大的詞頻會(huì)分布在近首尾處,但是與中心位置坐標(biāo)距離太小和太大都會(huì)對(duì)準(zhǔn)確率造成一定的不良影響,因此最優(yōu)的δ值也存在一個(gè)準(zhǔn)確率峰值。通過(guò)圖2(多個(gè)不同的δ值進(jìn)行測(cè)試取得準(zhǔn)確率的平均值)和圖3(多個(gè)不同的ε值進(jìn)行測(cè)試取得準(zhǔn)確率的平均值)可知,對(duì)于該數(shù)據(jù)集的ε和δ的最優(yōu)取值分別為1.5和D/6。

    圖2 不同ε對(duì)precision值的影響

    圖3 不同ε對(duì)precision值的影響

    在對(duì)上述未知參數(shù)進(jìn)行最優(yōu)值求解后,進(jìn)行TD-IDF,TD-IDF-dist以及TF-IDF-DL的權(quán)重值求解,并分別將求解權(quán)重值應(yīng)用到貝葉斯文本分類中,得出相應(yīng)的樸素貝葉斯分類器。并對(duì)選取的五種數(shù)據(jù)類別進(jìn)行測(cè)試,記錄每個(gè)類別對(duì)應(yīng)測(cè)試結(jié)果的precision、recall、F1值[15],如圖4~圖6所示。

    圖4 在不同新聞種類下不同算法對(duì)P的影響

    圖5 在不同新聞種類下不同算法對(duì)R的影響

    圖6 在不同新聞種類下不同算法對(duì)F1的影響

    通過(guò)結(jié)果可以看出,在特征詞詞頻差異不明顯且特征詞位置沒(méi)有明顯規(guī)律的women類別上,應(yīng)用TF-IDF-DL算法的樸素貝葉斯分類準(zhǔn)確率沒(méi)有特別明顯的提高。

    在特征詞詞頻差異性和特征詞位置規(guī)律性明顯的類別上,基于TF-IDF-DL的貝葉斯文本分類表現(xiàn)出明顯的優(yōu)勢(shì)。以travel類別為例(travel類別文本中近首尾處多出現(xiàn)“游客”、“景點(diǎn)”等詞匯),應(yīng)用傳統(tǒng)TF-IDF和TF-IDF-dist算法的樸素貝葉斯分類效果表現(xiàn)都不是很好,而應(yīng)用TF-IDF-DL算法進(jìn)行貝葉斯分類時(shí)在travel分類上表現(xiàn)依然良好。在研究以TF-IDF-dist計(jì)算權(quán)重的分類結(jié)果后,發(fā)現(xiàn)平均有近10%的travel新聞被分類到entertainment類別中,有3.46%的travel新聞被分類到health中。統(tǒng)計(jì)分類錯(cuò)誤的新聞特征詞發(fā)現(xiàn),其中明顯為entertainment分類的特征詞占統(tǒng)計(jì)特征詞的31.67%,明顯為health分類的特征詞占統(tǒng)計(jì)特征詞的9.82%。這是由于TF-IDF-dist算法僅僅考慮了特征詞在類內(nèi)和類間的分布關(guān)系,卻忽略了特征詞在詞頻上的差異性和特征詞位置信息規(guī)律這兩個(gè)因素。而TF-IDF-DL算法在去除了此類文章中entertainment和health類別所屬特征詞的中心詞頻,且加入了特征詞頻的位置信息影響因子。

    通過(guò)實(shí)驗(yàn)對(duì)比,基于TF-IDF-DL的貝葉斯算法在分類準(zhǔn)確率、召回率和F1值這三方面最高可比基于TF-IDF-dis的貝葉斯分類提高8.6%、11.7%和7.4%。說(shuō)明文中提出的基于TF-IDF-DL的貝葉斯分類算法在特征詞詞頻有差異、特征詞位置信息有規(guī)律的數(shù)據(jù)集上分類效果較好,是一種良好的分類算法。

    4 結(jié)束語(yǔ)

    通過(guò)研究詞頻出現(xiàn)規(guī)律以及文檔中特征詞的出現(xiàn)位置,提出加入去中心化詞頻因子和特征詞距離因子來(lái)改進(jìn)TF-IDF算法,并將改進(jìn)后的TF-IDF-DL算法應(yīng)用到樸素貝葉斯算法中。該算法能夠解決在文本分類過(guò)程中存在特征屬性權(quán)重一致及考慮指標(biāo)單一的問(wèn)題。通過(guò)使用搜狗實(shí)驗(yàn)室新聞數(shù)據(jù)作為數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)驗(yàn)證,并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析。結(jié)果表明,該算法能夠較好地提高分類性能,并對(duì)于不易區(qū)分的類別也能達(dá)到良好的分類效果,與國(guó)內(nèi)最新研究的TF-IDF-dis相比,在分類準(zhǔn)確率、召回率和F1值這三方面最高可比其高8.6%、11.7%和7.4%。但是該算法也存在一定的局限性,對(duì)于特征詞詞頻差異小且詞頻位置不規(guī)律的數(shù)據(jù)分類效果沒(méi)有明顯提高,還需進(jìn)一步完善。

    猜你喜歡
    特征詞詞頻貝葉斯
    基于詞頻分析法的社區(qū)公園歸屬感營(yíng)建要素研究
    園林科技(2021年3期)2022-01-19 03:17:48
    基于改進(jìn)TFIDF算法的郵件分類技術(shù)
    產(chǎn)品評(píng)論文本中特征詞提取及其關(guān)聯(lián)模型構(gòu)建與應(yīng)用
    貝葉斯公式及其應(yīng)用
    基于貝葉斯估計(jì)的軌道占用識(shí)別方法
    一種基于貝葉斯壓縮感知的說(shuō)話人識(shí)別方法
    電子器件(2015年5期)2015-12-29 08:43:15
    詞頻,一部隱秘的歷史
    面向文本分類的特征詞選取方法研究與改進(jìn)
    云存儲(chǔ)中支持詞頻和用戶喜好的密文模糊檢索
    以關(guān)鍵詞詞頻法透視《大學(xué)圖書(shū)館學(xué)報(bào)》學(xué)術(shù)研究特色
    婷婷六月久久综合丁香| 亚洲av成人一区二区三| or卡值多少钱| 成人三级黄色视频| 国产99白浆流出| 久久国产精品影院| 级片在线观看| 午夜老司机福利片| 色精品久久人妻99蜜桃| 免费人成视频x8x8入口观看| 国产一区二区三区在线臀色熟女| 美女高潮喷水抽搐中文字幕| 老司机靠b影院| 欧美精品亚洲一区二区| 亚洲自偷自拍图片 自拍| 怎么达到女性高潮| svipshipincom国产片| aaaaa片日本免费| 久久久久国内视频| 日韩欧美免费精品| 国产精品久久久久久精品电影 | 亚洲中文av在线| 在线永久观看黄色视频| 久久久国产欧美日韩av| 精品国产超薄肉色丝袜足j| 搡老熟女国产l中国老女人| 91老司机精品| 十分钟在线观看高清视频www| 久久久久九九精品影院| 亚洲aⅴ乱码一区二区在线播放 | 亚洲av成人av| 欧美午夜高清在线| 人人妻人人澡欧美一区二区| 日本成人三级电影网站| 国产伦在线观看视频一区| 高潮久久久久久久久久久不卡| 在线播放国产精品三级| 午夜精品在线福利| 黑丝袜美女国产一区| 亚洲精品国产精品久久久不卡| 两个人免费观看高清视频| 国产又色又爽无遮挡免费看| 搡老岳熟女国产| 亚洲七黄色美女视频| 观看免费一级毛片| 免费在线观看成人毛片| 国产黄色小视频在线观看| 国产成年人精品一区二区| 免费av毛片视频| 男人舔女人下体高潮全视频| 国产精品香港三级国产av潘金莲| 亚洲中文字幕一区二区三区有码在线看 | 搡老熟女国产l中国老女人| 波多野结衣巨乳人妻| 国产又黄又爽又无遮挡在线| 啪啪无遮挡十八禁网站| 天天躁狠狠躁夜夜躁狠狠躁| 午夜福利18| 黑人巨大精品欧美一区二区mp4| 国语自产精品视频在线第100页| 无限看片的www在线观看| 精品国产乱子伦一区二区三区| 99热这里只有精品一区 | 国产亚洲欧美精品永久| 一进一出抽搐动态| 嫁个100分男人电影在线观看| 国产亚洲av嫩草精品影院| 青草久久国产| 免费人成视频x8x8入口观看| av超薄肉色丝袜交足视频| 国产黄色小视频在线观看| 精品免费久久久久久久清纯| 欧美性猛交黑人性爽| 免费高清视频大片| 一a级毛片在线观看| 亚洲全国av大片| 亚洲色图av天堂| 超碰成人久久| 99国产精品99久久久久| 久久国产亚洲av麻豆专区| 黄色毛片三级朝国网站| 窝窝影院91人妻| 一级毛片女人18水好多| 久久热在线av| 日韩欧美在线二视频| 欧美中文日本在线观看视频| 狂野欧美激情性xxxx| 中出人妻视频一区二区| 少妇的丰满在线观看| 午夜久久久久精精品| 国产精品永久免费网站| bbb黄色大片| 久久久国产成人免费| 欧美成狂野欧美在线观看| 亚洲五月婷婷丁香| 真人一进一出gif抽搐免费| 亚洲色图 男人天堂 中文字幕| 麻豆国产av国片精品| 青草久久国产| 在线观看日韩欧美| 黄色片一级片一级黄色片| 欧美日韩福利视频一区二区| 免费在线观看亚洲国产| 国产97色在线日韩免费| 久久久久久亚洲精品国产蜜桃av| 欧美黄色淫秽网站| www国产在线视频色| 欧美中文日本在线观看视频| 精品久久蜜臀av无| 99久久国产精品久久久| 在线观看日韩欧美| aaaaa片日本免费| 久久草成人影院| 亚洲欧美精品综合久久99| 精品久久久久久成人av| 国产片内射在线| 亚洲天堂国产精品一区在线| 久久久久精品国产欧美久久久| 高清在线国产一区| 黑人欧美特级aaaaaa片| 亚洲精品av麻豆狂野| 人人妻人人看人人澡| 欧美乱色亚洲激情| www日本在线高清视频| 欧美不卡视频在线免费观看 | 香蕉久久夜色| 国产精品98久久久久久宅男小说| 妹子高潮喷水视频| 精品电影一区二区在线| 国产男靠女视频免费网站| 日韩 欧美 亚洲 中文字幕| 亚洲,欧美精品.| 亚洲精品美女久久久久99蜜臀| 亚洲无线在线观看| 丝袜美腿诱惑在线| 这个男人来自地球电影免费观看| 18禁裸乳无遮挡免费网站照片 | bbb黄色大片| 亚洲一区高清亚洲精品| 最新在线观看一区二区三区| 国产精品美女特级片免费视频播放器 | 国产国语露脸激情在线看| 给我免费播放毛片高清在线观看| 这个男人来自地球电影免费观看| 俺也久久电影网| 男人的好看免费观看在线视频 | 亚洲五月天丁香| 亚洲欧美日韩无卡精品| 日韩中文字幕欧美一区二区| 国产视频一区二区在线看| 神马国产精品三级电影在线观看 | 国产亚洲精品综合一区在线观看 | 国产单亲对白刺激| 老司机午夜十八禁免费视频| 亚洲欧美激情综合另类| 首页视频小说图片口味搜索| 国产亚洲欧美98| 久久久国产成人精品二区| 99精品久久久久人妻精品| 可以在线观看的亚洲视频| e午夜精品久久久久久久| 在线av久久热| 校园春色视频在线观看| 午夜久久久久精精品| 看片在线看免费视频| 欧美精品啪啪一区二区三区| 欧美精品亚洲一区二区| 久久婷婷成人综合色麻豆| 亚洲精品国产区一区二| 久久婷婷成人综合色麻豆| 日韩精品青青久久久久久| 伊人久久大香线蕉亚洲五| 午夜免费成人在线视频| 搡老岳熟女国产| 亚洲,欧美精品.| av在线天堂中文字幕| 少妇裸体淫交视频免费看高清 | 亚洲一区二区三区不卡视频| 人妻久久中文字幕网| 精品久久久久久成人av| 黄色片一级片一级黄色片| 欧美成人免费av一区二区三区| 亚洲av中文字字幕乱码综合 | 久久人人精品亚洲av| 亚洲片人在线观看| 久久久久久久午夜电影| 人成视频在线观看免费观看| 1024手机看黄色片| 成人三级做爰电影| 成人一区二区视频在线观看| 国产亚洲精品综合一区在线观看 | 好看av亚洲va欧美ⅴa在| 亚洲中文字幕日韩| 日韩精品青青久久久久久| 国产不卡一卡二| 国产精品免费一区二区三区在线| 老汉色av国产亚洲站长工具| av视频在线观看入口| 99精品久久久久人妻精品| 欧美日韩亚洲国产一区二区在线观看| 50天的宝宝边吃奶边哭怎么回事| 亚洲国产欧美网| 手机成人av网站| 国产高清视频在线播放一区| 久久精品国产清高在天天线| 国产精品九九99| 日韩高清综合在线| 国产单亲对白刺激| 夜夜躁狠狠躁天天躁| 亚洲国产精品合色在线| 悠悠久久av| 成人三级黄色视频| 波多野结衣高清作品| 黄频高清免费视频| 18禁黄网站禁片午夜丰满| 精品久久久久久成人av| 怎么达到女性高潮| 亚洲精品一卡2卡三卡4卡5卡| 美女大奶头视频| 久久久久久久午夜电影| 男人操女人黄网站| 中出人妻视频一区二区| 色播在线永久视频| 精品一区二区三区视频在线观看免费| 麻豆国产av国片精品| 青草久久国产| 久久久久久九九精品二区国产 | 亚洲国产毛片av蜜桃av| 国语自产精品视频在线第100页| 丝袜在线中文字幕| 在线永久观看黄色视频| 亚洲九九香蕉| 久久九九热精品免费| 国产精品亚洲av一区麻豆| 免费在线观看日本一区| 一级a爱视频在线免费观看| 久久欧美精品欧美久久欧美| 长腿黑丝高跟| 精品国产乱码久久久久久男人| 久久精品91无色码中文字幕| 国产熟女午夜一区二区三区| 午夜福利视频1000在线观看| 色播亚洲综合网| 日韩大码丰满熟妇| 亚洲人成伊人成综合网2020| 国产久久久一区二区三区| 91九色精品人成在线观看| 香蕉国产在线看| 午夜福利视频1000在线观看| 51午夜福利影视在线观看| 久久精品成人免费网站| 久久久久久九九精品二区国产 | 日韩高清综合在线| 一级片免费观看大全| 香蕉国产在线看| 在线看三级毛片| 欧美一级毛片孕妇| 在线观看日韩欧美| av福利片在线| 后天国语完整版免费观看| 亚洲成av人片免费观看| 一边摸一边抽搐一进一小说| 中国美女看黄片| 最近最新中文字幕大全免费视频| 99国产综合亚洲精品| 美女免费视频网站| 精华霜和精华液先用哪个| 中文字幕人成人乱码亚洲影| 亚洲自拍偷在线| 在线视频色国产色| 亚洲欧美日韩无卡精品| 国产主播在线观看一区二区| 岛国视频午夜一区免费看| 黄色视频,在线免费观看| 国产成人精品久久二区二区91| 99久久无色码亚洲精品果冻| 男女视频在线观看网站免费 | 国产成人av激情在线播放| 欧美成人免费av一区二区三区| 精品欧美国产一区二区三| √禁漫天堂资源中文www| av片东京热男人的天堂| 色综合欧美亚洲国产小说| 亚洲国产欧美网| av电影中文网址| 国产精品国产高清国产av| 免费在线观看影片大全网站| 一进一出抽搐gif免费好疼| 97碰自拍视频| 99re在线观看精品视频| www日本黄色视频网| 宅男免费午夜| 18禁裸乳无遮挡免费网站照片 | 欧美性猛交黑人性爽| 亚洲久久久国产精品| 黄频高清免费视频| 午夜福利视频1000在线观看| 亚洲成a人片在线一区二区| 伦理电影免费视频| 91九色精品人成在线观看| 亚洲va日本ⅴa欧美va伊人久久| 少妇 在线观看| 亚洲国产欧美日韩在线播放| 天堂动漫精品| 露出奶头的视频| 少妇裸体淫交视频免费看高清 | 一进一出抽搐动态| 国产亚洲欧美98| 国产久久久一区二区三区| 91在线观看av| 欧美最黄视频在线播放免费| 日本熟妇午夜| 99re在线观看精品视频| 天堂√8在线中文| 制服丝袜大香蕉在线| 俺也久久电影网| 91大片在线观看| 亚洲国产欧美网| 一级黄色大片毛片| 亚洲精品国产区一区二| 女人高潮潮喷娇喘18禁视频| 久久久久久久久久黄片| 这个男人来自地球电影免费观看| 三级毛片av免费| 午夜成年电影在线免费观看| 成人欧美大片| 欧美日韩精品网址| 久久婷婷成人综合色麻豆| 亚洲国产毛片av蜜桃av| 丰满的人妻完整版| 99在线人妻在线中文字幕| 叶爱在线成人免费视频播放| 在线观看午夜福利视频| 欧美日韩福利视频一区二区| 久久精品国产99精品国产亚洲性色| 欧美久久黑人一区二区| 日本熟妇午夜| 亚洲全国av大片| 91麻豆精品激情在线观看国产| 深夜精品福利| 免费观看人在逋| 男人舔女人下体高潮全视频| 色综合亚洲欧美另类图片| 久久中文字幕一级| 免费人成视频x8x8入口观看| 亚洲成国产人片在线观看| 久久久久久亚洲精品国产蜜桃av| svipshipincom国产片| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美乱码精品一区二区三区| 又紧又爽又黄一区二区| 国产99白浆流出| 好男人电影高清在线观看| 午夜福利一区二区在线看| 欧美性猛交╳xxx乱大交人| 免费看十八禁软件| 国产成人欧美在线观看| 国产成人av激情在线播放| 亚洲最大成人中文| 中文字幕精品免费在线观看视频| 精品一区二区三区视频在线观看免费| 最好的美女福利视频网| 日韩精品青青久久久久久| 国产av一区二区精品久久| 亚洲人成77777在线视频| 亚洲七黄色美女视频| 免费看十八禁软件| 亚洲免费av在线视频| 制服人妻中文乱码| 啦啦啦韩国在线观看视频| 成人永久免费在线观看视频| 妹子高潮喷水视频| 一区福利在线观看| 黑丝袜美女国产一区| 午夜福利视频1000在线观看| 色综合欧美亚洲国产小说| 成人欧美大片| 中文亚洲av片在线观看爽| 国产三级在线视频| 国产午夜精品久久久久久| 俺也久久电影网| 国产v大片淫在线免费观看| 成人一区二区视频在线观看| 在线十欧美十亚洲十日本专区| 精品少妇一区二区三区视频日本电影| 国产精品亚洲一级av第二区| 女人高潮潮喷娇喘18禁视频| 亚洲熟妇中文字幕五十中出| 欧美日韩亚洲综合一区二区三区_| 国产精品 国内视频| 人人妻人人澡人人看| 99久久综合精品五月天人人| 精品国内亚洲2022精品成人| 欧美日韩精品网址| 亚洲精品在线观看二区| 日韩欧美三级三区| 亚洲精品中文字幕一二三四区| 男女视频在线观看网站免费 | 欧美不卡视频在线免费观看 | 亚洲国产精品sss在线观看| 亚洲第一青青草原| 欧美又色又爽又黄视频| 久久久久久九九精品二区国产 | 日日干狠狠操夜夜爽| tocl精华| 最近最新中文字幕大全电影3 | 在线av久久热| 最近最新中文字幕大全电影3 | aaaaa片日本免费| 欧洲精品卡2卡3卡4卡5卡区| 丁香六月欧美| 老司机深夜福利视频在线观看| 亚洲电影在线观看av| 日本免费一区二区三区高清不卡| 97人妻精品一区二区三区麻豆 | 日韩欧美 国产精品| 男人舔奶头视频| 岛国视频午夜一区免费看| 亚洲精华国产精华精| 欧美丝袜亚洲另类 | 看免费av毛片| 国产成人av激情在线播放| 亚洲国产精品合色在线| 成人三级黄色视频| 国产精品av久久久久免费| av超薄肉色丝袜交足视频| 可以免费在线观看a视频的电影网站| 国产在线精品亚洲第一网站| 亚洲av中文字字幕乱码综合 | 国产一区在线观看成人免费| 成人亚洲精品一区在线观看| 好男人在线观看高清免费视频 | 国产亚洲精品av在线| 国产黄片美女视频| 女性被躁到高潮视频| 日日干狠狠操夜夜爽| 美女高潮到喷水免费观看| 午夜福利在线观看吧| 亚洲avbb在线观看| 91在线观看av| 在线观看www视频免费| 久久人人精品亚洲av| 一二三四社区在线视频社区8| 视频在线观看一区二区三区| 9191精品国产免费久久| 国产男靠女视频免费网站| 女性生殖器流出的白浆| 日韩有码中文字幕| 精品国产乱子伦一区二区三区| 国产成人欧美| 免费高清视频大片| 18禁裸乳无遮挡免费网站照片 | 视频区欧美日本亚洲| av超薄肉色丝袜交足视频| 色av中文字幕| 欧美性长视频在线观看| 男人舔奶头视频| 久久久国产精品麻豆| 国产亚洲av嫩草精品影院| 两个人看的免费小视频| 亚洲国产看品久久| 亚洲国产看品久久| 久久久久久久精品吃奶| 日韩一卡2卡3卡4卡2021年| 亚洲自偷自拍图片 自拍| 欧美又色又爽又黄视频| videosex国产| 性欧美人与动物交配| www日本在线高清视频| 久久国产乱子伦精品免费另类| 欧美日韩乱码在线| 精品欧美一区二区三区在线| 国产高清videossex| 亚洲色图av天堂| 色综合亚洲欧美另类图片| 精品久久久久久久末码| 欧美大码av| 夜夜躁狠狠躁天天躁| 国产精品98久久久久久宅男小说| 久久狼人影院| 亚洲一码二码三码区别大吗| 成熟少妇高潮喷水视频| 国产熟女xx| 又紧又爽又黄一区二区| 宅男免费午夜| 亚洲五月婷婷丁香| 一本精品99久久精品77| 精品少妇一区二区三区视频日本电影| 久久中文看片网| 又大又爽又粗| 黄片播放在线免费| 国产亚洲精品久久久久久毛片| 亚洲第一青青草原| 午夜福利视频1000在线观看| 级片在线观看| 亚洲精品国产区一区二| 亚洲熟妇中文字幕五十中出| 给我免费播放毛片高清在线观看| 成人一区二区视频在线观看| 韩国精品一区二区三区| a级毛片a级免费在线| 在线看三级毛片| 国产精品野战在线观看| 伊人久久大香线蕉亚洲五| 久久精品aⅴ一区二区三区四区| 母亲3免费完整高清在线观看| 色av中文字幕| 成人国产综合亚洲| 日韩欧美一区视频在线观看| 久久天躁狠狠躁夜夜2o2o| 久久青草综合色| 久久久久亚洲av毛片大全| 国产精品自产拍在线观看55亚洲| 两人在一起打扑克的视频| 欧美 亚洲 国产 日韩一| 久久久久久九九精品二区国产 | 亚洲欧美精品综合久久99| 少妇 在线观看| 香蕉av资源在线| 桃红色精品国产亚洲av| 最近最新中文字幕大全电影3 | 人妻丰满熟妇av一区二区三区| 精品一区二区三区视频在线观看免费| 黄色视频不卡| 无人区码免费观看不卡| 搡老熟女国产l中国老女人| 美女午夜性视频免费| 日本 欧美在线| 亚洲欧洲精品一区二区精品久久久| 女同久久另类99精品国产91| 1024香蕉在线观看| 国产欧美日韩一区二区精品| 国产99久久九九免费精品| 欧美精品亚洲一区二区| 亚洲成人精品中文字幕电影| 亚洲七黄色美女视频| 国产久久久一区二区三区| 久久香蕉精品热| 国产av不卡久久| 热99re8久久精品国产| 一区二区三区激情视频| 欧美黑人欧美精品刺激| 免费搜索国产男女视频| 成年女人毛片免费观看观看9| 老熟妇乱子伦视频在线观看| 国产又爽黄色视频| 国产精品久久久av美女十八| 中文字幕人妻熟女乱码| 精品国产超薄肉色丝袜足j| videosex国产| 国产成人欧美在线观看| 国产精品久久久久久亚洲av鲁大| 久久中文字幕人妻熟女| 欧美中文综合在线视频| 欧美亚洲日本最大视频资源| 国产一区二区激情短视频| xxx96com| 91字幕亚洲| 少妇被粗大的猛进出69影院| 老鸭窝网址在线观看| 国产在线精品亚洲第一网站| 欧美又色又爽又黄视频| 99久久无色码亚洲精品果冻| 超碰成人久久| 国产91精品成人一区二区三区| 一区二区三区精品91| 欧美 亚洲 国产 日韩一| 欧美在线黄色| 久久性视频一级片| 久久精品国产综合久久久| 99re在线观看精品视频| 狂野欧美激情性xxxx| 一本综合久久免费| 757午夜福利合集在线观看| 黄色女人牲交| 人人妻人人澡人人看| 自线自在国产av| 中文字幕另类日韩欧美亚洲嫩草| 精品第一国产精品| 最好的美女福利视频网| 很黄的视频免费| 麻豆成人av在线观看| 欧美性猛交╳xxx乱大交人| 非洲黑人性xxxx精品又粗又长| 白带黄色成豆腐渣| 色播亚洲综合网| 亚洲av片天天在线观看| 在线观看一区二区三区| tocl精华| 久久婷婷成人综合色麻豆| 亚洲精品中文字幕一二三四区| 午夜免费鲁丝| 精品久久久久久,| 亚洲精品久久国产高清桃花| 国产精品野战在线观看| 午夜福利一区二区在线看| 久99久视频精品免费| 日本熟妇午夜| 男女床上黄色一级片免费看| 亚洲欧美精品综合久久99| 亚洲va日本ⅴa欧美va伊人久久| 男女之事视频高清在线观看| 久久久久久久久免费视频了| 一a级毛片在线观看| 青草久久国产| 老熟妇仑乱视频hdxx| 免费人成视频x8x8入口观看| 热re99久久国产66热| 在线永久观看黄色视频| aaaaa片日本免费| 日本成人三级电影网站| 制服丝袜大香蕉在线| 成人一区二区视频在线观看| 国产av一区二区精品久久| aaaaa片日本免费|