• <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 ?

    基于改進的卷積記憶神經(jīng)網(wǎng)絡(luò)的文本情感分類

    2020-05-18 07:13:34陳可嘉鄭晶晶
    關(guān)鍵詞:準(zhǔn)確率卷積向量

    陳可嘉,鄭晶晶

    (福州大學(xué) 經(jīng)濟與管理學(xué)院,福建 福州 350116)

    隨著移動互聯(lián)網(wǎng)時代的到來,網(wǎng)上有大量富有情感的評論文本,如微博、知乎、豆瓣影評書評、各大購物網(wǎng)站的商品評價等,如何高效準(zhǔn)確地將這些文本的情感進行分類,是當(dāng)今研究的熱點。學(xué)者們常用的文本情感分類的方法有:基于情感詞典的方法、基于機器學(xué)習(xí)的方法、基于深度學(xué)習(xí)的方法[1]。深度學(xué)習(xí)作為機器學(xué)習(xí)的分支,無需人工進行特征的提取和構(gòu)建,彌補了機器學(xué)習(xí)的不足,因此深度學(xué)習(xí)成為近幾年文本情感分類的熱門方法[2]。常用于解決文本情感分類的深度學(xué)習(xí)模型有:卷積神經(jīng)網(wǎng)絡(luò)[3]、循環(huán)神經(jīng)網(wǎng)絡(luò)[4]、長短期記憶(long short-term memory, LSTM)神經(jīng)網(wǎng)絡(luò)[5]等。

    為了能夠提高文本情感分類的準(zhǔn)確率,減少對情感分類過程中人為的干預(yù)。筆者提出改進的卷積記憶神經(jīng)網(wǎng)絡(luò)模型,該模型可彌補機器學(xué)習(xí)方法的不足,并對現(xiàn)有的深度學(xué)習(xí)模型進行改進,融合卷積神經(jīng)網(wǎng)絡(luò)局部特征提取的優(yōu)勢和雙向長短期神經(jīng)網(wǎng)絡(luò)上下文全局特征提取的優(yōu)勢,并在池化層進行動態(tài)池化處理,以提取更多的顯著特征,進而提高文本情感分類的準(zhǔn)確率。

    1 情感分類模型

    不同方法下相關(guān)文獻及改進的卷積記憶神經(jīng)網(wǎng)絡(luò)模型的貢獻和研究重點如表1所示,利用改進的卷積記憶神經(jīng)網(wǎng)絡(luò)進行文本情感分類的步驟如圖1所示。首先要將文本進行數(shù)據(jù)預(yù)處理,將文本處理成神經(jīng)網(wǎng)絡(luò)能夠理解的詞向量矩陣,然后將形成的詞向量矩陣輸入到改進的卷積記憶神經(jīng)網(wǎng)絡(luò)中,最終通過對模型的訓(xùn)練,得到文本情感分類模型。

    1.1 數(shù)據(jù)預(yù)處理

    對于文本而言,神經(jīng)網(wǎng)絡(luò)是無法直接識別的,因此需要將文本數(shù)據(jù)映射為多維的實數(shù)向量,即文本向量化。數(shù)據(jù)預(yù)處理包括以下3個步驟。

    (1)分詞。中文文本沒有明顯的詞語之間的分界符,因而在詞語層面的分割上,中文文本比英文文本要難。是否能夠準(zhǔn)確地對文本進行分詞,對文本情感分類的準(zhǔn)確性有重要的影響。“結(jié)巴”中文分詞是一個Python中文分詞庫,支持繁體分詞和自定義詞典,選擇該方法能夠較為精確地將句子進行分詞。

    (2)詞語向量化。詞的分布式表示具有非常強大的表征能力,可以將每個詞語之間的相似度用空間向量表示出來。所謂詞語向量化就是將詞語處理成分布式詞向量的形式。目前比較主流的形成分布式詞向量的方式是Word2Vec。結(jié)合各大中文語料庫,利用Word2Vec相關(guān)技術(shù),可以得到詞向量模型,之后將經(jīng)過分詞的詞語輸入到該詞向量模型中,從而獲得每個詞的詞向量。

    表1 不同方法下相關(guān)文獻及改進的卷積記憶神經(jīng)網(wǎng)絡(luò)模型的貢獻和研究重點

    圖1 基于改進的卷積記憶神經(jīng)網(wǎng)絡(luò)的文本情感分類步驟

    (3)生成詞向量矩陣。一段文本經(jīng)過分詞,并詞向量化后,會形成一個N×m的詞向量矩陣。其中,N表示文本分詞后詞語的個數(shù),m表示詞向量的維度。由于每個文本生成的詞向量個數(shù)不同,故將文本轉(zhuǎn)換為詞向量矩陣之后,每個文本對應(yīng)的詞向量矩陣大小也不同。為了方便模型的訓(xùn)練需要把每個文本生成的詞向量矩陣大小標(biāo)準(zhǔn)化,使得所有文本生成詞向量矩陣的大小是相同的,處理方式:n=avgN+2×stdN。其中,n為詞向量矩陣大小標(biāo)準(zhǔn)化后含有詞語的個數(shù);avgN為所有文本分詞后詞語個數(shù)n*的平均值;stdN為所有文本分詞后詞語個數(shù)n*的標(biāo)準(zhǔn)差。

    然后對文本生成的詞向量矩陣進行處理,大小不足的前面填充0,超長的進行修剪。這樣獲取的n×m詞向量矩陣可以涵蓋95%的樣本。

    1.2 改進的卷積記憶神經(jīng)網(wǎng)絡(luò)

    卷積神經(jīng)網(wǎng)絡(luò)可以通過局部連接、權(quán)值共享、下采樣來減少參數(shù)的使用,提升模型的魯棒性(robusrness),其基本實現(xiàn)步驟分為輸入層、卷積層、池化層和分類器層。卷積神經(jīng)網(wǎng)絡(luò)在文本情感分類任務(wù)上可以快速挖取對情感分類有利的局部特征詞語,然而如果單獨使用卷積神經(jīng)網(wǎng)絡(luò)進行文本的情感分類,就容易忽略文本上下文之間的時序問題,對分類結(jié)果產(chǎn)生一定的影響。

    雙向長短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)由前向LSTM神經(jīng)網(wǎng)絡(luò)與后向LSTM神經(jīng)網(wǎng)絡(luò)組合而成。兩者在自然語言處理任務(wù)中常被用來建模上下文信息,通過雙向LSTM神經(jīng)網(wǎng)絡(luò)可以更好地捕捉雙向的語義依賴。因此,筆者使用雙向LSTM神經(jīng)網(wǎng)絡(luò)作為模型的一部分,從而彌補卷積神經(jīng)網(wǎng)絡(luò)的不足。

    將卷積神經(jīng)網(wǎng)絡(luò)獲取局部信息特征的功能和雙向LSTM神經(jīng)網(wǎng)絡(luò)獲取全文信息特征的功能結(jié)合起來,形成改進的卷積記憶神經(jīng)網(wǎng)絡(luò),進而提高文本特征的提取能力。改進的卷積記憶神經(jīng)網(wǎng)絡(luò)步驟如圖2所示。

    圖2 改進的卷積記憶神經(jīng)網(wǎng)絡(luò)步驟

    (1)輸入層。輸入層后是兩個不同的并行神經(jīng)網(wǎng)絡(luò),卷積神經(jīng)網(wǎng)絡(luò)和雙向LSTM神經(jīng)網(wǎng)絡(luò)要求的輸入數(shù)據(jù)維度不同:卷積神經(jīng)網(wǎng)絡(luò)要求一個三維的輸入,而雙向LSTM神經(jīng)網(wǎng)絡(luò)要求一個二維的輸入。文本進行數(shù)據(jù)預(yù)處理后生成的是二維矩陣,因此需要利用reshape函數(shù)調(diào)整詞向量矩陣的維數(shù)。

    (2)卷積層。將文本以詞向量矩陣Rn×m的形式作為輸入,其中n為詞向量矩陣大小標(biāo)準(zhǔn)化后所含詞語的個數(shù),m為詞向量的維度,xi∈Rn×m(i≤n)表示詞向量矩陣中第i個詞的詞向量。xi:j=xi⊕xi+1⊕…⊕xj,表示在詞向量個數(shù)為n的句子中第i個詞語到j(luò)個詞語的詞向量的拼接。卷積過程的基本步驟如下:①參數(shù)設(shè)置。卷積層是卷積神經(jīng)網(wǎng)絡(luò)的重要部分,卷積核高度的選取對模型的分類準(zhǔn)確率有很大的影響。卷積過程中組合使用不同高度的卷積核分別對詞向量矩陣進行卷積,可以增加文本特征提取的多樣性,獲取更多的語義,進而提高文本情感分類的準(zhǔn)確率。因此卷積核高度h、不同高度的卷積核的組合種類d、卷積核的數(shù)量q(筆者將不同高度的卷積核數(shù)量都設(shè)置為q,即若有3種不同高度的卷積核存在,那么總的卷積核數(shù)量為3q)都會影響模型的訓(xùn)練效果,需要通過實驗獲取這些參數(shù)的最佳值。②卷積運算及特征圖獲取。特征圖中的一個特征點ci,是由卷積核在高度為h的窗口xi:i+h-1經(jīng)過卷積運算后得到的結(jié)果,即ci=f(w·xi:i+h-1+b),其中b為偏置項,f為非線性激活函數(shù)。

    卷積核每移動一步,對整個輸入矩陣xi:j逐個窗口{x1:h,x2:h+1,…,xn-h+1:n}進行卷積,輸出得到特征圖c=[c1,c2,…,cn-h+1]。因此使用卷積核數(shù)量為q、大小為h×m的卷積核對輸入的詞向量矩陣進行卷積后,得到的特征圖大小為(n-h+1)×1×q。

    (3)動態(tài)k-max池化層。池化層的作用是對卷積得到的特征進行采樣。最常用的池化策略有兩種:最大池化和平均池化。最大池化能夠提取池化窗口中最顯著的特征,因此可以刻畫整個句子的某些含義,對于預(yù)測分類更有意義。然而使用最大池化策略會導(dǎo)致某些同樣重要的信息丟失,筆者提出動態(tài)k-max池化策略來彌補最大池化的缺陷。所謂動態(tài)k-max是指不同大小的特征圖,最大池化后提取的特征數(shù)k是不同的。卷積核的高度越低,特征圖就會越大。對于較大的特征圖,在采樣過程中可以考慮更多的采集特征,這樣可以保留更多有用的信息,此時可以將池化窗口設(shè)置得小一點,以便提取更多的特征。

    (4)時序?qū)?。將雙向LSTM神經(jīng)網(wǎng)絡(luò)作為時序?qū)?,獲取上下時序信息。利用輸入門、記憶門、輸出門決定哪些信息需要遺忘、哪些信息需要記憶、哪些信息作為輸出,進而對記憶單元進行狀態(tài)維護。將前向傳遞的最后一個輸出向量和后向傳遞最后一個輸出向量進行拼接并作為最后的特征獲取,輸入分類器層。

    雙向LSTM神經(jīng)網(wǎng)絡(luò)隱藏層的單元數(shù)量設(shè)置,是影響實驗結(jié)果的一個重要參數(shù)。當(dāng)雙向LSTM神經(jīng)網(wǎng)絡(luò)隱藏層單元數(shù)量設(shè)置為a時,則時序?qū)虞敵鎏卣鲌D大小為n×2a。

    1.3 模型訓(xùn)練

    2 實驗分析

    2.1 實驗數(shù)據(jù)準(zhǔn)備

    目前文本情感分析語料大多采用英文語料,筆者研究的是中文文本情感挖掘問題,因而采用中科院譚松波博士公布的中文酒店評論ChnSentiCorp-Htl-ba-6000作為數(shù)據(jù)來源[16],其中包含正面評論和負(fù)面評論各3 000條,并進行10折交叉驗證。ChnSentiCorp 數(shù)據(jù)集樣例如表2所示。

    表2 ChnSentiCorp 數(shù)據(jù)集樣例

    2.2 數(shù)據(jù)預(yù)處理

    (1)分詞。對于一段文本,首先去掉每個樣本的標(biāo)點符號,然后用“結(jié)巴”中文分詞將所有文本數(shù)據(jù)進行分詞,得到的相關(guān)統(tǒng)計數(shù)值如表3所示。

    表3 分詞后評論文本的相關(guān)數(shù)值統(tǒng)計情況

    (2)詞語向量化。筆者使用北京師范大學(xué)中文信息處理研究所與中國人民大學(xué)DBIIR實驗室的開源“chinese-word-vectors”中知乎Word+Ngram的詞向量模型,該詞向量模型是由Word2Vec中Skip-Gram算法結(jié)合知乎問答的中文語料訓(xùn)練得到的。將經(jīng)過分詞后的詞語輸入到詞向量模型中,可以生成300維的詞向量。

    (3)生成詞向量矩陣。根據(jù)數(shù)據(jù)集分詞后的統(tǒng)計結(jié)果,計算得到詞向量矩陣大小標(biāo)準(zhǔn)化后詞向量個數(shù)n=244。因而,每條評論數(shù)據(jù)經(jīng)過預(yù)處理后都會生成大小為244×300的詞向量矩陣。

    2.3 改進的卷積記憶神經(jīng)網(wǎng)絡(luò)

    2.3.1 輸入層

    將6 000個大小為244×300的詞向量矩陣作為改進的卷積記憶神經(jīng)網(wǎng)絡(luò)的輸入,且根據(jù)不同神經(jīng)網(wǎng)絡(luò)的需求調(diào)整輸入的詞向量矩陣的維度,調(diào)整后的矩陣如表4所示。

    表4 調(diào)整維度后不同神經(jīng)網(wǎng)絡(luò)對應(yīng)的輸入矩陣

    2.3.2 卷積層

    (1)參數(shù)設(shè)置。首先使用單一高度的卷積核,根據(jù)卷積核高度的不同,對比改進的卷積記憶神經(jīng)網(wǎng)絡(luò)模型分類準(zhǔn)確率的變化情況,如圖3所示,可以看出當(dāng)卷積核高度低于2時,會出現(xiàn)分類準(zhǔn)確率低于80%的情況;而當(dāng)卷積核高度達到4時,分類準(zhǔn)確率出現(xiàn)最大值,之后就開始下降。

    圖3 不同卷積核高度的分類準(zhǔn)確率

    組合不同高度的卷積核對詞向量矩陣進行卷積,有利于提升模型的效果。而從單一高度的卷積核實驗結(jié)果中可以發(fā)現(xiàn),卷積核高度處于2~10之間都能取得較好的效果。因此開展進一步實驗,將高度在2~10之間的卷積核進行5組組合實驗,實驗結(jié)果如圖4所示,可知當(dāng)卷積核組合高度為(2,3,4)時,模型的分類效果最好。因此在接下來的對比實驗中,將卷積核的組合高度設(shè)置為(2,3,4),即卷積核大小分別為2×300、3×300、4×300。

    圖4 不同卷積核組合高度的實驗結(jié)果對比

    卷積核數(shù)量的不同對模型分類準(zhǔn)確率也有一定影響,因此筆者做了關(guān)于卷積核數(shù)量對模型分類準(zhǔn)確率影響的實驗,實驗結(jié)果如圖5所示,可以看出卷積核的數(shù)量越多,模型分類準(zhǔn)確率越高。然而在實際訓(xùn)練過程中,當(dāng)卷積核數(shù)量達到512個時,雖然分類準(zhǔn)確率仍有較小的提高,但是模型的訓(xùn)練速度卻大大下降,因而將卷積核的數(shù)量設(shè)置為256,即大小為2×300、3×300、4×300的卷積核各256個。

    圖5 不同卷積核數(shù)量的分類準(zhǔn)確率

    (2)卷積運算及特征圖獲取。對大小為244×300×1詞向量矩陣,分別使用3種不同大小的卷積核各256個來獲取特征圖,并選取Relu作為非線性激活函數(shù)。經(jīng)過卷積運算后分別得到不同大小的特征圖,如表5所示。

    表5 不同大小的卷積核經(jīng)卷積運算的特征圖結(jié)果

    2.3.3 動態(tài)k-max池化層

    對于不同大小的卷積核,卷積后的特征圖大小不同,因此在池化層分別對應(yīng)著不同的k值和池化窗口高度L,經(jīng)過動態(tài)池化運算后生成的特征圖大小也不同,具體結(jié)果如表6所示。

    表6 不同高度的卷積核對應(yīng)的池化結(jié)果

    2.3.4 時序?qū)?/p>

    通過實驗分析雙向LSTM神經(jīng)網(wǎng)絡(luò)隱藏層的單元數(shù)量對卷積記憶神經(jīng)網(wǎng)絡(luò)分類準(zhǔn)確率的影響,進而選擇合適數(shù)量作為進一步對比實驗的參數(shù),實驗結(jié)果如圖6所示,可知當(dāng)隱藏層單元數(shù)量達到16個時,分類準(zhǔn)確率最高,之后隨著單元數(shù)量的增加分類準(zhǔn)確率下降,因此筆者將雙向LSTM神經(jīng)網(wǎng)絡(luò)隱藏層的單元數(shù)量設(shè)置為16,進而時序?qū)虞敵鎏卣鲌D大小為244×32。

    圖6 不同雙向LSTM隱藏層單元數(shù)量的分類準(zhǔn)確率

    2.3.5 分類器層

    將池化層獲取的3個局部特征圖和時序?qū)荧@取的文本上下文時序特征圖進行拼接,最后轉(zhuǎn)化為列向量,拼接流程圖如圖7所示,將拼接后的引向量輸入到分類器層,選擇softmax作為分類函數(shù)。

    圖7 拼接流程圖

    2.4 模型訓(xùn)練結(jié)果對比

    目前大多數(shù)研究采用準(zhǔn)確率(accuracy)、精確度(precision)、召回率(recall)、F1測度(F1-measure)作為情感分類實驗的模型性能評價指標(biāo)。

    (1)

    (2)

    (3)

    (4)

    式中:TP表示實際為正面評論、預(yù)測也為正面評論的樣本數(shù)量;FN表示實際為正面評論、預(yù)測為負(fù)面評論的樣本數(shù)量;TN表示實際為負(fù)面評論、預(yù)測也為負(fù)面評論的樣本數(shù)量;FP表示實際為負(fù)面評論、預(yù)測為正面評論的樣本數(shù)量。

    筆者通過實驗對比卷積神經(jīng)網(wǎng)絡(luò)、雙向LSTM神經(jīng)網(wǎng)絡(luò)、卷積記憶神經(jīng)網(wǎng)絡(luò)、改進的卷積記憶神經(jīng)網(wǎng)絡(luò)這4個模型的性能,4種模型都在中科院譚松波博士公布的中文酒店評論ChnSentiCorp-Htl-ba-6000數(shù)據(jù)集上進行實驗。4種模型分類準(zhǔn)確率對比曲線如圖8所示,顯示了各模型迭代次數(shù)和分類準(zhǔn)確率,可以看出改進的卷積記憶神經(jīng)網(wǎng)絡(luò)在第6次迭代時就已經(jīng)開始收斂,并且分類準(zhǔn)確率達到92.41%;其他3種模型分別在第11次、第13次、第7次迭代開始收斂,但分類準(zhǔn)確率都不如改進的卷積記憶神經(jīng)網(wǎng)絡(luò)。這說明改進的卷積記憶神經(jīng)網(wǎng)絡(luò)模型在分類準(zhǔn)確率上優(yōu)于其他3種模型。

    圖8 4種模型分類準(zhǔn)確率對比曲線

    筆者進一步實驗,對比4種模型的準(zhǔn)確率、精確度、召回率、F1測度,模型分類結(jié)果如表7所示。由表7可知,改進的卷積記憶神經(jīng)網(wǎng)絡(luò)在準(zhǔn)確率、精確度、召回率、F1測度4方面都優(yōu)于其他3種方法。同時也對卷積神經(jīng)網(wǎng)絡(luò)、雙向LSTM神經(jīng)網(wǎng)絡(luò)、卷積記憶神經(jīng)網(wǎng)絡(luò)這3個模型在其相關(guān)文獻中的結(jié)果進行了展示。由于相關(guān)文獻中使用的數(shù)據(jù)集的不同,因而實驗結(jié)果與筆者實驗結(jié)果存在差異。但總體來看,改進的卷積記憶神經(jīng)網(wǎng)絡(luò)的性能還是有較大的提升。這是因為卷積神經(jīng)網(wǎng)絡(luò)主要是對于局部特征的提取,雙向LSTM神經(jīng)網(wǎng)絡(luò)是對上下文特征的提取,而改進的卷積記憶神經(jīng)網(wǎng)絡(luò)結(jié)合了兩個模型的優(yōu)點,因此在性能上有很大的提升。同時,改進的卷積記憶神經(jīng)網(wǎng)絡(luò)對池化層進行了動態(tài)處理,保留了更多的顯著特征,使模型性能又進一步提升。

    表7 模型分類結(jié)果性能對比 %

    3 結(jié)論

    筆者針對文本情感分類問題,提出改進的卷積記憶神經(jīng)網(wǎng)絡(luò)模型,該模型通過融合卷積神經(jīng)網(wǎng)絡(luò)和雙向LSTM神經(jīng)網(wǎng)絡(luò)的優(yōu)點,并在池化層根據(jù)卷積核的大小動態(tài)調(diào)整池化窗口的大小,以達到提取更多顯著特征的目的。此外,筆者利用中科院譚松波博士提供的6 000條帶有標(biāo)注的酒店評論數(shù)據(jù)集,進行文本情感分類實驗。實驗結(jié)果表明:改進的卷積記憶神經(jīng)網(wǎng)絡(luò)在準(zhǔn)確率、精確度、召回率、F1測度4個性能評價指標(biāo)上都優(yōu)于卷積神經(jīng)網(wǎng)絡(luò)、雙向LSTM神經(jīng)網(wǎng)絡(luò)、卷積記憶神經(jīng)網(wǎng)絡(luò)3個經(jīng)典的深度學(xué)習(xí)模型,而且收斂速度也快。因此,筆者提出的改進的卷積記憶神經(jīng)網(wǎng)絡(luò)模型對文本情感分類問題具有一定的可行性和有效性。

    猜你喜歡
    準(zhǔn)確率卷積向量
    向量的分解
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報參考產(chǎn)品質(zhì)量檢驗分析
    聚焦“向量與三角”創(chuàng)新題
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗證法
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    向量垂直在解析幾何中的應(yīng)用
    国产精品一区二区在线观看99| 伊人久久大香线蕉亚洲五| 欧美黑人精品巨大| 十八禁高潮呻吟视频| 欧美激情久久久久久爽电影 | 91av网站免费观看| 黑人巨大精品欧美一区二区mp4| 侵犯人妻中文字幕一二三四区| 国产精品1区2区在线观看. | 一级,二级,三级黄色视频| 999久久久精品免费观看国产| 久久久久久久大尺度免费视频| 久久精品国产a三级三级三级| 久久久久久人人人人人| 亚洲欧美精品综合一区二区三区| 不卡一级毛片| 老司机靠b影院| 嫩草影视91久久| 丝瓜视频免费看黄片| 波多野结衣av一区二区av| 日韩 欧美 亚洲 中文字幕| tube8黄色片| 国产日韩欧美在线精品| av在线播放免费不卡| 欧美变态另类bdsm刘玥| 高清视频免费观看一区二区| 19禁男女啪啪无遮挡网站| 露出奶头的视频| 国产亚洲精品久久久久5区| 国产福利在线免费观看视频| 中国美女看黄片| 欧美日韩视频精品一区| 操出白浆在线播放| 免费不卡黄色视频| 欧美日韩亚洲国产一区二区在线观看 | 自拍欧美九色日韩亚洲蝌蚪91| 成人三级做爰电影| 中文字幕最新亚洲高清| 一级毛片女人18水好多| 热re99久久国产66热| 无限看片的www在线观看| 手机成人av网站| 天堂俺去俺来也www色官网| 黄色 视频免费看| 乱人伦中国视频| 99re在线观看精品视频| 欧美老熟妇乱子伦牲交| 亚洲中文av在线| 中文字幕人妻丝袜制服| 夜夜爽天天搞| 制服诱惑二区| 日本撒尿小便嘘嘘汇集6| 亚洲综合色网址| 久久影院123| 国产亚洲午夜精品一区二区久久| 久久影院123| 大香蕉久久成人网| 亚洲五月婷婷丁香| 日本wwww免费看| 91麻豆av在线| 久久国产精品人妻蜜桃| 国产1区2区3区精品| 亚洲专区字幕在线| 国产精品99久久99久久久不卡| 国产精品久久久久久精品电影小说| 国产精品一区二区免费欧美| 午夜日韩欧美国产| 久久精品国产亚洲av高清一级| 中亚洲国语对白在线视频| 中文欧美无线码| 视频区图区小说| 亚洲综合色网址| 青青草视频在线视频观看| 亚洲av片天天在线观看| 欧美激情久久久久久爽电影 | av欧美777| 日韩欧美三级三区| 欧美日韩中文字幕国产精品一区二区三区 | 久久精品国产a三级三级三级| 男女无遮挡免费网站观看| www.999成人在线观看| 黄色视频,在线免费观看| 欧美精品人与动牲交sv欧美| 男女之事视频高清在线观看| 中亚洲国语对白在线视频| bbb黄色大片| 亚洲综合色网址| 淫妇啪啪啪对白视频| 亚洲av片天天在线观看| 一二三四在线观看免费中文在| 久久久久久人人人人人| 亚洲国产看品久久| 99国产精品免费福利视频| 久久人妻福利社区极品人妻图片| 久久久久国内视频| 亚洲人成伊人成综合网2020| 国产精品 欧美亚洲| 高潮久久久久久久久久久不卡| 久久精品国产综合久久久| 一边摸一边抽搐一进一出视频| 激情视频va一区二区三区| 亚洲中文日韩欧美视频| 老汉色av国产亚洲站长工具| 十八禁网站网址无遮挡| 国产一区二区三区在线臀色熟女 | 黑人猛操日本美女一级片| 黑人欧美特级aaaaaa片| 在线观看免费高清a一片| 日韩免费高清中文字幕av| 国产精品1区2区在线观看. | 在线十欧美十亚洲十日本专区| 天堂俺去俺来也www色官网| 999精品在线视频| 久久久久久亚洲精品国产蜜桃av| 色婷婷av一区二区三区视频| 99久久精品国产亚洲精品| 亚洲精品国产色婷婷电影| 女人爽到高潮嗷嗷叫在线视频| 飞空精品影院首页| 久久天堂一区二区三区四区| 国内毛片毛片毛片毛片毛片| 超色免费av| 人人妻人人澡人人看| 国产男女内射视频| 亚洲精品av麻豆狂野| 精品一区二区三区av网在线观看 | 男女之事视频高清在线观看| 久久亚洲真实| 欧美日韩一级在线毛片| 女人精品久久久久毛片| 一级毛片电影观看| 亚洲欧美日韩高清在线视频 | 人人妻人人澡人人爽人人夜夜| 国产亚洲精品久久久久5区| 高清毛片免费观看视频网站 | 欧美精品人与动牲交sv欧美| 国产一区二区三区在线臀色熟女 | 亚洲欧美激情在线| 亚洲国产欧美日韩在线播放| 免费黄频网站在线观看国产| 蜜桃在线观看..| 美女高潮到喷水免费观看| 69av精品久久久久久 | 女人被躁到高潮嗷嗷叫费观| 日韩制服丝袜自拍偷拍| 欧美午夜高清在线| 91成年电影在线观看| 啪啪无遮挡十八禁网站| 久久这里只有精品19| 国产高清videossex| 久久影院123| 女人爽到高潮嗷嗷叫在线视频| 变态另类成人亚洲欧美熟女 | 99国产精品99久久久久| 伦理电影免费视频| 人人澡人人妻人| av又黄又爽大尺度在线免费看| 国产精品久久电影中文字幕 | 男女边摸边吃奶| 精品熟女少妇八av免费久了| 91麻豆av在线| 制服人妻中文乱码| 久久国产亚洲av麻豆专区| 免费日韩欧美在线观看| 国产精品亚洲一级av第二区| 久久精品国产a三级三级三级| 1024香蕉在线观看| 国产精品九九99| 中文字幕人妻丝袜制服| 成年人黄色毛片网站| 成人国语在线视频| 看免费av毛片| 老熟妇乱子伦视频在线观看| 飞空精品影院首页| 久久国产精品男人的天堂亚洲| 久久av网站| 国产午夜精品久久久久久| 久久久久久久精品吃奶| bbb黄色大片| 免费av中文字幕在线| 在线观看舔阴道视频| 日韩中文字幕欧美一区二区| 少妇精品久久久久久久| 波多野结衣av一区二区av| 久久毛片免费看一区二区三区| 欧美激情极品国产一区二区三区| 狠狠狠狠99中文字幕| 后天国语完整版免费观看| 国产单亲对白刺激| 亚洲精品久久午夜乱码| 五月天丁香电影| 国产av精品麻豆| 久久精品成人免费网站| 18禁黄网站禁片午夜丰满| 免费av中文字幕在线| 欧美乱码精品一区二区三区| 天堂俺去俺来也www色官网| 女人高潮潮喷娇喘18禁视频| 国产精品二区激情视频| 电影成人av| 成人国语在线视频| 国产av国产精品国产| 在线观看66精品国产| av在线播放免费不卡| 免费女性裸体啪啪无遮挡网站| 操出白浆在线播放| 久久99热这里只频精品6学生| 中文亚洲av片在线观看爽 | 成年版毛片免费区| 亚洲伊人久久精品综合| √禁漫天堂资源中文www| 搡老熟女国产l中国老女人| 超碰97精品在线观看| 一区二区日韩欧美中文字幕| 精品一品国产午夜福利视频| 久久人人爽av亚洲精品天堂| 黑人操中国人逼视频| 免费在线观看影片大全网站| 国产野战对白在线观看| 国产欧美亚洲国产| a级毛片在线看网站| 国产单亲对白刺激| 日日爽夜夜爽网站| 一区二区三区激情视频| 国产亚洲精品第一综合不卡| 十八禁网站网址无遮挡| av超薄肉色丝袜交足视频| 欧美日韩一级在线毛片| 久久热在线av| 国产精品一区二区精品视频观看| 色在线成人网| 国产精品一区二区在线观看99| 欧美人与性动交α欧美精品济南到| 国产激情久久老熟女| 美国免费a级毛片| 飞空精品影院首页| 精品人妻在线不人妻| 免费观看人在逋| 国产成人av教育| 一级毛片精品| 亚洲国产欧美日韩在线播放| 欧美老熟妇乱子伦牲交| 肉色欧美久久久久久久蜜桃| 久久久久久人人人人人| 99久久人妻综合| 精品少妇黑人巨大在线播放| 免费人妻精品一区二区三区视频| 免费久久久久久久精品成人欧美视频| 夜夜骑夜夜射夜夜干| 精品亚洲乱码少妇综合久久| 国产三级黄色录像| 久久久久久久久久久久大奶| 日韩中文字幕视频在线看片| 一本大道久久a久久精品| 国产在线一区二区三区精| 老汉色av国产亚洲站长工具| 午夜福利在线观看吧| 亚洲国产欧美在线一区| 日韩免费高清中文字幕av| 精品亚洲成国产av| 免费高清在线观看日韩| 精品国产乱码久久久久久小说| 高潮久久久久久久久久久不卡| 欧美成人午夜精品| 久久精品aⅴ一区二区三区四区| 在线看a的网站| 老司机午夜十八禁免费视频| 精品一区二区三区av网在线观看 | 色播在线永久视频| 狠狠精品人妻久久久久久综合| 高清视频免费观看一区二区| 超色免费av| av天堂久久9| 亚洲熟女毛片儿| 欧美黄色片欧美黄色片| 又大又爽又粗| 精品少妇久久久久久888优播| 久热爱精品视频在线9| 精品人妻在线不人妻| a级毛片在线看网站| 久久ye,这里只有精品| 国产一区二区三区视频了| 亚洲精品国产精品久久久不卡| 欧美日韩福利视频一区二区| 亚洲精品av麻豆狂野| 久久久久久久国产电影| 亚洲精品粉嫩美女一区| 别揉我奶头~嗯~啊~动态视频| 亚洲成av片中文字幕在线观看| 亚洲欧洲日产国产| 欧美日韩国产mv在线观看视频| 老司机靠b影院| 成年人免费黄色播放视频| 免费人妻精品一区二区三区视频| 最近最新中文字幕大全电影3 | 91精品三级在线观看| 最黄视频免费看| 午夜福利视频精品| 欧美+亚洲+日韩+国产| 日韩熟女老妇一区二区性免费视频| 久久香蕉激情| 免费一级毛片在线播放高清视频 | 免费在线观看影片大全网站| 亚洲成人国产一区在线观看| 中文欧美无线码| 精品国内亚洲2022精品成人 | 99久久99久久久精品蜜桃| 18禁观看日本| 大香蕉久久网| 日本vs欧美在线观看视频| 9191精品国产免费久久| 日韩制服丝袜自拍偷拍| 久久中文字幕一级| 精品久久蜜臀av无| 免费日韩欧美在线观看| 一区福利在线观看| 丝袜人妻中文字幕| 国产av国产精品国产| 精品人妻1区二区| 中文字幕人妻丝袜制服| 少妇的丰满在线观看| 在线 av 中文字幕| 男女无遮挡免费网站观看| 一级片免费观看大全| 国产人伦9x9x在线观看| 999久久久精品免费观看国产| 精品人妻熟女毛片av久久网站| 久久久国产成人免费| 亚洲欧美一区二区三区久久| 搡老岳熟女国产| 一边摸一边抽搐一进一小说 | 亚洲色图av天堂| 国产xxxxx性猛交| 五月天丁香电影| 亚洲精品在线观看二区| 露出奶头的视频| 色综合欧美亚洲国产小说| 国产精品久久久久久精品电影小说| 国产av一区二区精品久久| 高清毛片免费观看视频网站 | 不卡av一区二区三区| h视频一区二区三区| a在线观看视频网站| 精品少妇久久久久久888优播| 男人舔女人的私密视频| 成在线人永久免费视频| 一本—道久久a久久精品蜜桃钙片| 757午夜福利合集在线观看| 精品一品国产午夜福利视频| a在线观看视频网站| 中文字幕av电影在线播放| 嫩草影视91久久| 满18在线观看网站| 国产人伦9x9x在线观看| 飞空精品影院首页| 极品教师在线免费播放| 免费久久久久久久精品成人欧美视频| 一边摸一边做爽爽视频免费| 亚洲视频免费观看视频| 久久午夜亚洲精品久久| 精品卡一卡二卡四卡免费| 丝袜喷水一区| 午夜福利在线观看吧| 看免费av毛片| 天天躁狠狠躁夜夜躁狠狠躁| 丝袜人妻中文字幕| 免费一级毛片在线播放高清视频 | 少妇被粗大的猛进出69影院| 免费看十八禁软件| 亚洲精品久久午夜乱码| 精品人妻1区二区| 成人亚洲精品一区在线观看| 精品午夜福利视频在线观看一区 | 色综合婷婷激情| 99久久人妻综合| 亚洲av日韩在线播放| 最近最新中文字幕大全电影3 | 久久国产精品大桥未久av| 18禁裸乳无遮挡动漫免费视频| 老司机深夜福利视频在线观看| 国产av一区二区精品久久| 国产黄频视频在线观看| 国产成人精品久久二区二区免费| 欧美精品高潮呻吟av久久| 大香蕉久久成人网| 亚洲午夜理论影院| 欧美精品高潮呻吟av久久| 欧美亚洲 丝袜 人妻 在线| 免费在线观看日本一区| 精品人妻1区二区| 欧美精品人与动牲交sv欧美| 91老司机精品| 极品少妇高潮喷水抽搐| 天天操日日干夜夜撸| 一级毛片女人18水好多| 男女午夜视频在线观看| 99国产精品一区二区蜜桃av | 日韩大码丰满熟妇| 99精品在免费线老司机午夜| 涩涩av久久男人的天堂| 极品教师在线免费播放| 久久香蕉激情| 超碰成人久久| 99国产极品粉嫩在线观看| 国产一区二区三区在线臀色熟女 | 欧美老熟妇乱子伦牲交| 亚洲精品乱久久久久久| 日韩中文字幕欧美一区二区| 90打野战视频偷拍视频| 国产亚洲午夜精品一区二区久久| 999久久久精品免费观看国产| 国产精品九九99| 777米奇影视久久| 男男h啪啪无遮挡| 欧美黄色片欧美黄色片| 久久午夜亚洲精品久久| 99九九在线精品视频| 欧美变态另类bdsm刘玥| 香蕉国产在线看| 超碰成人久久| 国产欧美亚洲国产| 欧美一级毛片孕妇| 精品国产超薄肉色丝袜足j| 国产有黄有色有爽视频| 黄片播放在线免费| 亚洲美女黄片视频| 亚洲国产欧美一区二区综合| 亚洲色图综合在线观看| 美女午夜性视频免费| 青草久久国产| a级毛片黄视频| 人人妻人人澡人人爽人人夜夜| 天天操日日干夜夜撸| 国产福利在线免费观看视频| 国产一区二区 视频在线| 午夜精品国产一区二区电影| av线在线观看网站| 99re6热这里在线精品视频| 99热网站在线观看| 国产精品亚洲一级av第二区| 国产精品.久久久| 色尼玛亚洲综合影院| 狠狠精品人妻久久久久久综合| 大型av网站在线播放| 国产1区2区3区精品| av欧美777| 国产麻豆69| 国产视频一区二区在线看| 亚洲性夜色夜夜综合| 欧美久久黑人一区二区| 久久狼人影院| 精品国产一区二区久久| 亚洲精品成人av观看孕妇| 国产免费现黄频在线看| 女人爽到高潮嗷嗷叫在线视频| 黑人操中国人逼视频| 日韩欧美三级三区| 久久久久视频综合| 18禁观看日本| 亚洲精华国产精华精| 啦啦啦视频在线资源免费观看| 国产精品国产av在线观看| 日韩一卡2卡3卡4卡2021年| 亚洲精品国产区一区二| 久久久久久久久久久久大奶| 一区二区三区乱码不卡18| 一二三四社区在线视频社区8| 日韩大片免费观看网站| 老汉色∧v一级毛片| 丝袜美腿诱惑在线| 国产一区二区在线观看av| 老司机在亚洲福利影院| 午夜福利在线免费观看网站| 久久人妻av系列| 国产不卡一卡二| 99久久精品国产亚洲精品| 999久久久精品免费观看国产| 高清黄色对白视频在线免费看| 国产免费视频播放在线视频| 少妇被粗大的猛进出69影院| 性少妇av在线| 老司机靠b影院| 免费观看av网站的网址| 日韩大片免费观看网站| 欧美 日韩 精品 国产| 最近最新免费中文字幕在线| 国产在视频线精品| 成人亚洲精品一区在线观看| 人人妻人人添人人爽欧美一区卜| 国产xxxxx性猛交| 色婷婷av一区二区三区视频| 免费在线观看影片大全网站| 这个男人来自地球电影免费观看| 超碰成人久久| 国产男女超爽视频在线观看| 国产99久久九九免费精品| 亚洲视频免费观看视频| 精品国产一区二区久久| 美女视频免费永久观看网站| 久久久久国内视频| 一边摸一边抽搐一进一出视频| 极品教师在线免费播放| 看免费av毛片| 蜜桃在线观看..| 夫妻午夜视频| 精品一区二区三卡| 亚洲精品乱久久久久久| 99国产极品粉嫩在线观看| 最黄视频免费看| 精品一区二区三区视频在线观看免费 | 啦啦啦在线免费观看视频4| 午夜福利一区二区在线看| 欧美一级毛片孕妇| 新久久久久国产一级毛片| 欧美日韩一级在线毛片| 日本黄色视频三级网站网址 | 久久久久国内视频| 在线十欧美十亚洲十日本专区| 日韩熟女老妇一区二区性免费视频| 50天的宝宝边吃奶边哭怎么回事| 国产91精品成人一区二区三区 | 亚洲第一av免费看| 99久久精品国产亚洲精品| 黑人巨大精品欧美一区二区蜜桃| 久久久国产成人免费| 黄色 视频免费看| 亚洲天堂av无毛| 精品一区二区三区视频在线观看免费 | 99精国产麻豆久久婷婷| 黑人欧美特级aaaaaa片| 他把我摸到了高潮在线观看 | 亚洲国产看品久久| 一本—道久久a久久精品蜜桃钙片| 少妇粗大呻吟视频| 香蕉国产在线看| 妹子高潮喷水视频| 在线观看免费日韩欧美大片| 欧美日韩精品网址| 亚洲一码二码三码区别大吗| 亚洲一区中文字幕在线| 中文字幕另类日韩欧美亚洲嫩草| 中文字幕高清在线视频| 亚洲精品粉嫩美女一区| 人人妻人人添人人爽欧美一区卜| 免费在线观看完整版高清| av一本久久久久| 欧美变态另类bdsm刘玥| 高清在线国产一区| 他把我摸到了高潮在线观看 | 丁香欧美五月| aaaaa片日本免费| 丝瓜视频免费看黄片| 精品国产一区二区久久| 久久人人97超碰香蕉20202| 中文字幕人妻熟女乱码| 老司机靠b影院| 最黄视频免费看| 999久久久精品免费观看国产| 男女免费视频国产| 欧美性长视频在线观看| 51午夜福利影视在线观看| 一本大道久久a久久精品| 精品国产一区二区三区久久久樱花| 黑人操中国人逼视频| 露出奶头的视频| 交换朋友夫妻互换小说| 国产精品久久电影中文字幕 | 啦啦啦视频在线资源免费观看| 国产欧美日韩精品亚洲av| 黄片播放在线免费| 午夜福利欧美成人| 久久久水蜜桃国产精品网| 搡老乐熟女国产| 一本一本久久a久久精品综合妖精| 亚洲情色 制服丝袜| 99精品欧美一区二区三区四区| 99香蕉大伊视频| 国产亚洲欧美在线一区二区| 日日爽夜夜爽网站| 国产亚洲欧美在线一区二区| 久久久久网色| 国产一区有黄有色的免费视频| 国产成人免费观看mmmm| 国产在线观看jvid| 老司机福利观看| 亚洲视频免费观看视频| 国产日韩一区二区三区精品不卡| 亚洲av美国av| 久久99热这里只频精品6学生| 中文字幕人妻丝袜一区二区| 啦啦啦在线免费观看视频4| 大香蕉久久网| 精品高清国产在线一区| 大陆偷拍与自拍| 一本大道久久a久久精品| 交换朋友夫妻互换小说| 亚洲五月色婷婷综合| 亚洲五月婷婷丁香| 纯流量卡能插随身wifi吗| 国产麻豆69| 国产又爽黄色视频| 色尼玛亚洲综合影院| kizo精华| 亚洲色图综合在线观看| 人人妻人人澡人人爽人人夜夜| 国产成+人综合+亚洲专区| 大型av网站在线播放| 亚洲五月色婷婷综合| 亚洲色图 男人天堂 中文字幕| 少妇粗大呻吟视频| aaaaa片日本免费| 精品一品国产午夜福利视频| 最近最新中文字幕大全电影3 | 免费观看a级毛片全部| 狠狠精品人妻久久久久久综合|