• <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
    人体艺术视频欧美日本| 全区人妻精品视频| 亚洲精品日韩av片在线观看| 精品一区在线观看国产| 97热精品久久久久久| 亚洲精品456在线播放app| 欧美变态另类bdsm刘玥| 91午夜精品亚洲一区二区三区| 九九久久精品国产亚洲av麻豆| 久久久久久久精品精品| 韩国av在线不卡| 联通29元200g的流量卡| av网站免费在线观看视频| 最近最新中文字幕免费大全7| 国产成人免费无遮挡视频| a级毛色黄片| 18+在线观看网站| 国产女主播在线喷水免费视频网站| 精品一区二区免费观看| 亚洲高清免费不卡视频| 涩涩av久久男人的天堂| av天堂中文字幕网| 成人国产av品久久久| 欧美成人精品欧美一级黄| 午夜免费男女啪啪视频观看| 亚洲av国产av综合av卡| 成人漫画全彩无遮挡| 亚洲人与动物交配视频| 赤兔流量卡办理| 精品熟女少妇av免费看| 成人黄色视频免费在线看| 九九久久精品国产亚洲av麻豆| 国产精品久久久久久精品电影| 亚洲内射少妇av| 深爱激情五月婷婷| 在线观看免费高清a一片| 春色校园在线视频观看| 最近2019中文字幕mv第一页| 国产欧美日韩一区二区三区在线 | 亚洲欧美日韩东京热| 精品国产一区二区三区久久久樱花 | 国产黄片视频在线免费观看| 97热精品久久久久久| 美女视频免费永久观看网站| 色综合色国产| 国产精品一及| 亚洲国产最新在线播放| 欧美一级a爱片免费观看看| 免费观看在线日韩| 亚洲欧洲日产国产| 99热全是精品| 亚洲性久久影院| 亚洲精品日韩在线中文字幕| 久久综合国产亚洲精品| 免费黄网站久久成人精品| 看免费成人av毛片| 亚洲av福利一区| 性插视频无遮挡在线免费观看| 久久久久久久国产电影| 一个人看的www免费观看视频| 亚洲欧美成人综合另类久久久| 国产综合精华液| 青春草国产在线视频| 97超碰精品成人国产| 日韩一本色道免费dvd| 男女边吃奶边做爰视频| 美女高潮的动态| 国产伦理片在线播放av一区| 日韩一本色道免费dvd| 欧美另类一区| 免费黄色在线免费观看| 亚洲在久久综合| 夜夜看夜夜爽夜夜摸| 交换朋友夫妻互换小说| 身体一侧抽搐| 神马国产精品三级电影在线观看| 国产一区二区三区av在线| 在线观看一区二区三区| 男女边吃奶边做爰视频| av在线播放精品| 成年人午夜在线观看视频| 青春草国产在线视频| 欧美高清性xxxxhd video| 乱码一卡2卡4卡精品| 国产精品不卡视频一区二区| 美女脱内裤让男人舔精品视频| 亚洲成人中文字幕在线播放| av国产久精品久网站免费入址| 亚洲国产精品国产精品| 日韩欧美 国产精品| 亚洲内射少妇av| 国产中年淑女户外野战色| 午夜免费男女啪啪视频观看| 在线观看一区二区三区| 国产老妇伦熟女老妇高清| 欧美潮喷喷水| 欧美日韩在线观看h| 亚洲最大成人av| 欧美zozozo另类| 看十八女毛片水多多多| 日韩av不卡免费在线播放| 成人黄色视频免费在线看| 啦啦啦在线观看免费高清www| 99九九线精品视频在线观看视频| 久久6这里有精品| 男人和女人高潮做爰伦理| 国产精品蜜桃在线观看| 日本一本二区三区精品| av福利片在线观看| 蜜臀久久99精品久久宅男| 久久精品久久久久久噜噜老黄| 欧美国产精品一级二级三级 | 五月开心婷婷网| 午夜日本视频在线| 最新中文字幕久久久久| 男女国产视频网站| 午夜老司机福利剧场| 少妇 在线观看| 日日啪夜夜爽| 国产成人freesex在线| 国内少妇人妻偷人精品xxx网站| 日韩一本色道免费dvd| 中国三级夫妇交换| 久久影院123| 性插视频无遮挡在线免费观看| 成年免费大片在线观看| 最近最新中文字幕大全电影3| 亚洲成色77777| 美女主播在线视频| 国产一区二区亚洲精品在线观看| 一二三四中文在线观看免费高清| 丝袜脚勾引网站| 亚洲国产精品国产精品| 丝袜喷水一区| 不卡视频在线观看欧美| 午夜福利高清视频| 日韩av免费高清视频| 性插视频无遮挡在线免费观看| 国产精品一二三区在线看| av在线老鸭窝| 国产午夜精品一二区理论片| 国产高潮美女av| 久久久久久久久大av| 一级毛片久久久久久久久女| 亚洲精品中文字幕在线视频 | 精品人妻偷拍中文字幕| 高清日韩中文字幕在线| 卡戴珊不雅视频在线播放| 国产精品国产三级国产专区5o| 丝瓜视频免费看黄片| 国产精品99久久久久久久久| 永久网站在线| 男人舔奶头视频| 国产亚洲午夜精品一区二区久久 | 一级爰片在线观看| 九草在线视频观看| 街头女战士在线观看网站| 欧美少妇被猛烈插入视频| 欧美zozozo另类| 成人二区视频| 免费人成在线观看视频色| 国产熟女欧美一区二区| 街头女战士在线观看网站| 视频中文字幕在线观看| 乱系列少妇在线播放| 久久精品国产鲁丝片午夜精品| 久久久精品免费免费高清| 欧美xxⅹ黑人| 国产精品av视频在线免费观看| 久久综合国产亚洲精品| 亚洲成人久久爱视频| 中文在线观看免费www的网站| videos熟女内射| 久久精品国产亚洲av涩爱| 永久免费av网站大全| 成人国产麻豆网| 在线观看国产h片| 国产精品99久久99久久久不卡 | 高清毛片免费看| 高清视频免费观看一区二区| 91久久精品电影网| 国产成人91sexporn| 亚洲,一卡二卡三卡| 最近的中文字幕免费完整| 欧美潮喷喷水| 国产精品无大码| 久久久久九九精品影院| 国产伦在线观看视频一区| 一区二区av电影网| 欧美3d第一页| 国产精品一区二区性色av| 天美传媒精品一区二区| 80岁老熟妇乱子伦牲交| 久久99热这里只有精品18| 男人爽女人下面视频在线观看| 中文资源天堂在线| 精品午夜福利在线看| 韩国高清视频一区二区三区| 精品国产露脸久久av麻豆| 中国国产av一级| 在线观看人妻少妇| 最新中文字幕久久久久| 韩国高清视频一区二区三区| 国产女主播在线喷水免费视频网站| 精品少妇久久久久久888优播| 观看免费一级毛片| 婷婷色综合大香蕉| 97精品久久久久久久久久精品| www.av在线官网国产| xxx大片免费视频| 国产精品久久久久久久久免| 中文字幕av成人在线电影| 日日摸夜夜添夜夜爱| 国产探花在线观看一区二区| 日韩制服骚丝袜av| 久久精品久久久久久久性| 免费观看av网站的网址| 丝袜美腿在线中文| 亚洲精华国产精华液的使用体验| 啦啦啦在线观看免费高清www| 国产精品蜜桃在线观看| 国产精品国产三级专区第一集| 日韩欧美精品免费久久| 伊人久久精品亚洲午夜| 男女边吃奶边做爰视频| 成人美女网站在线观看视频| 99久久精品热视频| 婷婷色av中文字幕| 汤姆久久久久久久影院中文字幕| 精品一区二区三区视频在线| 国产av码专区亚洲av| 久久人人爽av亚洲精品天堂 | 永久网站在线| 国模一区二区三区四区视频| 国产一区二区三区综合在线观看 | 亚洲熟女精品中文字幕| 中文乱码字字幕精品一区二区三区| 伦精品一区二区三区| 我的女老师完整版在线观看| 亚洲美女搞黄在线观看| 亚洲自拍偷在线| 国产淫片久久久久久久久| 色综合色国产| 黄色怎么调成土黄色| 久久精品熟女亚洲av麻豆精品| eeuss影院久久| 久久久久精品性色| 国产av码专区亚洲av| 日本av手机在线免费观看| 国产淫语在线视频| 成人国产av品久久久| 亚洲精品,欧美精品| 99久久精品国产国产毛片| 在线精品无人区一区二区三 | 国产精品久久久久久精品电影小说 | 一个人看的www免费观看视频| 久久ye,这里只有精品| 中文在线观看免费www的网站| 日韩欧美精品v在线| 国产精品久久久久久精品电影小说 | 国产免费福利视频在线观看| 久久午夜福利片| 欧美激情国产日韩精品一区| 欧美性猛交╳xxx乱大交人| 国产色爽女视频免费观看| 久久精品国产自在天天线| 亚洲欧美一区二区三区国产| 制服丝袜香蕉在线| 午夜老司机福利剧场| 不卡视频在线观看欧美| 欧美一区二区亚洲| 91精品一卡2卡3卡4卡| 欧美精品国产亚洲| 国产综合懂色| 搡女人真爽免费视频火全软件| 一级黄片播放器| 高清午夜精品一区二区三区| 亚洲国产最新在线播放| 欧美最新免费一区二区三区| 国产黄片视频在线免费观看| 久久亚洲国产成人精品v| 大片电影免费在线观看免费| 国产 一区 欧美 日韩| 久久精品国产自在天天线| 日韩一区二区三区影片| 亚洲av中文av极速乱| 国产亚洲av嫩草精品影院| 网址你懂的国产日韩在线| 一级毛片久久久久久久久女| 国产伦理片在线播放av一区| 激情 狠狠 欧美| 青春草视频在线免费观看| 亚洲怡红院男人天堂| 久久精品久久久久久久性| 在线观看av片永久免费下载| av女优亚洲男人天堂| 成人亚洲欧美一区二区av| 国产av国产精品国产| 久久亚洲国产成人精品v| 少妇的逼好多水| tube8黄色片| 亚洲欧洲国产日韩| 女的被弄到高潮叫床怎么办| 婷婷色综合大香蕉| 色视频www国产| 在线观看一区二区三区| 韩国av在线不卡| 中文天堂在线官网| 黄色视频在线播放观看不卡| 国产免费一级a男人的天堂| 好男人视频免费观看在线| 国产一区二区三区综合在线观看 | 性色av一级| 亚洲激情五月婷婷啪啪| 久久久久国产精品人妻一区二区| 亚洲激情五月婷婷啪啪| 99热6这里只有精品| 亚洲av日韩在线播放| 插阴视频在线观看视频| 国产熟女欧美一区二区| 插阴视频在线观看视频| 亚洲国产高清在线一区二区三| 国产免费视频播放在线视频| 大香蕉久久网| 91精品伊人久久大香线蕉| 亚洲性久久影院| 狂野欧美激情性xxxx在线观看| 国产免费又黄又爽又色| 一级片'在线观看视频| 乱码一卡2卡4卡精品| 精品久久久久久电影网| 国产在线一区二区三区精| 欧美bdsm另类| 久久久久久久国产电影| 亚洲欧美成人综合另类久久久| 极品教师在线视频| 在线观看一区二区三区| 别揉我奶头 嗯啊视频| 26uuu在线亚洲综合色| 嘟嘟电影网在线观看| 欧美亚洲 丝袜 人妻 在线| 少妇人妻精品综合一区二区| 亚洲一区二区三区欧美精品 | 五月伊人婷婷丁香| 国产爽快片一区二区三区| 黄片wwwwww| 女的被弄到高潮叫床怎么办| 又大又黄又爽视频免费| 内地一区二区视频在线| 日韩伦理黄色片| 亚洲av不卡在线观看| 日韩欧美精品v在线| 成年免费大片在线观看| 国产精品成人在线| 国产精品久久久久久久久免| 少妇丰满av| 国产精品久久久久久久久免| 少妇丰满av| 亚洲精品国产av蜜桃| 黄片wwwwww| 亚洲精品国产av蜜桃| 久久精品国产自在天天线| 亚洲国产成人一精品久久久| 亚洲天堂av无毛| 婷婷色av中文字幕| 免费观看a级毛片全部| 日本黄色片子视频| 国产 一区精品| 成人二区视频| 日韩精品有码人妻一区| 亚洲不卡免费看| 男女下面进入的视频免费午夜| 一级av片app| av播播在线观看一区| 干丝袜人妻中文字幕| 国产精品福利在线免费观看| 晚上一个人看的免费电影| 日韩中字成人| 久久精品国产a三级三级三级| 少妇人妻久久综合中文| 国产高清三级在线| 一级a做视频免费观看| a级一级毛片免费在线观看| 高清av免费在线| 人妻 亚洲 视频| 色哟哟·www| 成人欧美大片| 精品一区在线观看国产| 伦精品一区二区三区| 日本av手机在线免费观看| 亚洲最大成人中文| 18禁在线无遮挡免费观看视频| 网址你懂的国产日韩在线| 18禁在线无遮挡免费观看视频| 在线a可以看的网站| 日韩免费高清中文字幕av| 国产精品久久久久久久电影| 国产精品久久久久久精品电影小说 | 街头女战士在线观看网站| 婷婷色av中文字幕| 亚洲av成人精品一二三区| 尤物成人国产欧美一区二区三区| 亚洲自偷自拍三级| 成人一区二区视频在线观看| 久久影院123| 精品少妇黑人巨大在线播放| 免费观看无遮挡的男女| 五月开心婷婷网| 成人无遮挡网站| 在线天堂最新版资源| 午夜福利视频1000在线观看| 在线观看av片永久免费下载| 热re99久久精品国产66热6| 国产精品无大码| 亚洲av不卡在线观看| 少妇人妻 视频| 国产综合懂色| 国产精品三级大全| 国产伦在线观看视频一区| 一区二区三区四区激情视频| 亚洲成色77777| 亚洲精品国产av成人精品| av在线蜜桃| 最近的中文字幕免费完整| 久久99蜜桃精品久久| 国产精品伦人一区二区| 亚洲美女视频黄频| 国产免费又黄又爽又色| 狂野欧美激情性xxxx在线观看| 高清视频免费观看一区二区| 卡戴珊不雅视频在线播放| 九九在线视频观看精品| 国产精品99久久99久久久不卡 | 日日啪夜夜爽| 亚洲av福利一区| 少妇的逼水好多| 色视频在线一区二区三区| 五月开心婷婷网| 日韩免费高清中文字幕av| 国产高潮美女av| 青春草国产在线视频| 精品久久久久久久久亚洲| 欧美成人午夜免费资源| 中文精品一卡2卡3卡4更新| 日韩一区二区视频免费看| 成人漫画全彩无遮挡| www.av在线官网国产| 一区二区三区乱码不卡18| 制服丝袜香蕉在线| 青春草国产在线视频| eeuss影院久久| 尤物成人国产欧美一区二区三区| 国产成人福利小说| 不卡视频在线观看欧美| 一本久久精品| 亚洲精品视频女| 如何舔出高潮| 爱豆传媒免费全集在线观看| kizo精华| 日日摸夜夜添夜夜爱| 亚洲国产高清在线一区二区三| 水蜜桃什么品种好| 国产一区二区三区av在线| 直男gayav资源| 午夜激情久久久久久久| 国产又色又爽无遮挡免| 午夜福利视频精品| 午夜福利网站1000一区二区三区| 女人被狂操c到高潮| 久久99热这里只有精品18| 欧美97在线视频| 亚洲一级一片aⅴ在线观看| 国产色爽女视频免费观看| 成人特级av手机在线观看| 欧美人与善性xxx| 少妇猛男粗大的猛烈进出视频 | 国产69精品久久久久777片| 99热国产这里只有精品6| tube8黄色片| 亚洲精品国产色婷婷电影| 内射极品少妇av片p| 精品久久久精品久久久| 日韩人妻高清精品专区| 一级av片app| 国产精品一及| 亚洲精华国产精华液的使用体验| 国产成人a∨麻豆精品| 国产精品一区二区性色av| 天堂俺去俺来也www色官网| 久久99热这里只有精品18| 丰满人妻一区二区三区视频av| 精品视频人人做人人爽| 午夜亚洲福利在线播放| 肉色欧美久久久久久久蜜桃 | 亚洲自拍偷在线| 亚洲国产精品国产精品| 成人特级av手机在线观看| 久久久久国产网址| 2021少妇久久久久久久久久久| 2022亚洲国产成人精品| 九九爱精品视频在线观看| 2018国产大陆天天弄谢| 久久久久国产网址| 麻豆成人午夜福利视频| 婷婷色综合大香蕉| 精品一区二区三卡| av国产精品久久久久影院| 欧美xxⅹ黑人| 亚洲精品456在线播放app| 亚洲一级一片aⅴ在线观看| 在线播放无遮挡| 一区二区三区免费毛片| 国产爱豆传媒在线观看| 久久久久久久国产电影| 一级a做视频免费观看| 看免费成人av毛片| 亚洲国产精品成人久久小说| 少妇被粗大猛烈的视频| 国产色婷婷99| 日韩成人av中文字幕在线观看| 你懂的网址亚洲精品在线观看| 午夜激情福利司机影院| 亚洲国产精品专区欧美| 成人午夜精彩视频在线观看| 一个人观看的视频www高清免费观看| 日韩欧美 国产精品| 中文字幕制服av| 2018国产大陆天天弄谢| 伦理电影大哥的女人| 日韩亚洲欧美综合| 深夜a级毛片| 国产日韩欧美在线精品| 久久精品久久精品一区二区三区| 两个人的视频大全免费| 亚洲精品国产av蜜桃| 有码 亚洲区| 亚洲色图av天堂| 欧美xxxx性猛交bbbb| 五月伊人婷婷丁香| 美女被艹到高潮喷水动态| 亚洲国产精品成人综合色| 22中文网久久字幕| 日本三级黄在线观看| 国产亚洲最大av| 成人亚洲精品一区在线观看 | 国产爽快片一区二区三区| 国产精品三级大全| .国产精品久久| 国产精品国产三级国产专区5o| 七月丁香在线播放| 欧美人与善性xxx| 色婷婷久久久亚洲欧美| 精品国产乱码久久久久久小说| 成人欧美大片| 亚洲婷婷狠狠爱综合网| 亚洲精品,欧美精品| 男女那种视频在线观看| 国产高清有码在线观看视频| 久久久久久九九精品二区国产| 欧美成人午夜免费资源| 久久久精品欧美日韩精品| 国产男女超爽视频在线观看| 国产视频内射| 亚洲国产欧美在线一区| 国产精品一区二区三区四区免费观看| 国产美女午夜福利| 99热网站在线观看| 欧美人与善性xxx| 五月天丁香电影| 又大又黄又爽视频免费| 免费看不卡的av| 欧美日韩国产mv在线观看视频 | 国产黄片视频在线免费观看| 国产高潮美女av| 亚洲图色成人| 美女xxoo啪啪120秒动态图| 寂寞人妻少妇视频99o| 国产欧美日韩一区二区三区在线 | 女人久久www免费人成看片| 久久久久国产精品人妻一区二区| 七月丁香在线播放| 国产探花极品一区二区| 黄色视频在线播放观看不卡| 国产成人91sexporn| 欧美+日韩+精品| 热99国产精品久久久久久7| 少妇丰满av| 日韩在线高清观看一区二区三区| 2021少妇久久久久久久久久久| 欧美bdsm另类| 在线播放无遮挡| 在现免费观看毛片| 亚洲av成人精品一二三区| 欧美老熟妇乱子伦牲交| 国产精品嫩草影院av在线观看| 日韩伦理黄色片| 97超碰精品成人国产| 国内精品宾馆在线| 免费播放大片免费观看视频在线观看| 人妻 亚洲 视频| 日韩免费高清中文字幕av| 欧美日韩精品成人综合77777| 午夜视频国产福利| 午夜福利视频1000在线观看| 少妇丰满av| 尾随美女入室| 下体分泌物呈黄色| 精品久久久久久电影网| 搞女人的毛片| 51国产日韩欧美| 日韩大片免费观看网站| 少妇高潮的动态图| 国产视频内射| 日韩av免费高清视频| 美女脱内裤让男人舔精品视频|