• <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
    成人国产麻豆网| 国产精品 国内视频| 99久久人妻综合| 2021少妇久久久久久久久久久| 国语对白做爰xxxⅹ性视频网站| 一区二区三区乱码不卡18| 黄色怎么调成土黄色| 夫妻午夜视频| 在线观看国产h片| 国产精品免费大片| 国产精品人妻久久久影院| 少妇丰满av| 国产国语露脸激情在线看| 国产精品偷伦视频观看了| 亚洲第一区二区三区不卡| 亚洲经典国产精华液单| 亚洲精品美女久久av网站| 亚洲人成网站在线观看播放| 亚洲精品乱码久久久久久按摩| 久久国产精品男人的天堂亚洲 | 久久人人爽人人爽人人片va| 国产一区二区在线观看av| 国产永久视频网站| 全区人妻精品视频| 免费观看av网站的网址| 午夜福利在线观看免费完整高清在| 91久久精品电影网| 91久久精品电影网| 久久99蜜桃精品久久| 色婷婷av一区二区三区视频| 国产国拍精品亚洲av在线观看| 久久久久久久久大av| 日韩精品有码人妻一区| 欧美人与性动交α欧美精品济南到 | 日韩一本色道免费dvd| 只有这里有精品99| 日韩av不卡免费在线播放| 亚洲欧美精品自产自拍| 我的老师免费观看完整版| 日韩av在线免费看完整版不卡| 边亲边吃奶的免费视频| 亚洲精品乱码久久久久久按摩| 69精品国产乱码久久久| 草草在线视频免费看| 国产精品一国产av| 成人黄色视频免费在线看| 国产 一区精品| 国产欧美另类精品又又久久亚洲欧美| 国国产精品蜜臀av免费| 国产免费视频播放在线视频| 青青草视频在线视频观看| av国产精品久久久久影院| 成人无遮挡网站| 日韩一区二区三区影片| 亚洲丝袜综合中文字幕| 插逼视频在线观看| 搡女人真爽免费视频火全软件| 黄片播放在线免费| 韩国av在线不卡| 久久这里有精品视频免费| 日本-黄色视频高清免费观看| 亚洲美女视频黄频| 国产高清有码在线观看视频| 啦啦啦啦在线视频资源| 热99久久久久精品小说推荐| 母亲3免费完整高清在线观看 | av黄色大香蕉| 乱码一卡2卡4卡精品| 午夜福利视频在线观看免费| 少妇精品久久久久久久| 国产av一区二区精品久久| 国产在线免费精品| 一级毛片黄色毛片免费观看视频| 久久99一区二区三区| 街头女战士在线观看网站| 如日韩欧美国产精品一区二区三区 | 国产极品天堂在线| 最黄视频免费看| 日韩大片免费观看网站| 男女国产视频网站| 黄色怎么调成土黄色| 日韩 亚洲 欧美在线| 欧美97在线视频| 狠狠婷婷综合久久久久久88av| 国产一区二区在线观看av| 男男h啪啪无遮挡| 久久久久久久国产电影| 岛国毛片在线播放| 亚洲色图 男人天堂 中文字幕 | 久久久精品94久久精品| 日韩亚洲欧美综合| 精品久久久噜噜| 国产成人一区二区在线| 日日摸夜夜添夜夜添av毛片| 日韩在线高清观看一区二区三区| 久久精品国产亚洲av涩爱| 久久精品人人爽人人爽视色| 亚洲精华国产精华液的使用体验| 黑丝袜美女国产一区| 国产伦理片在线播放av一区| 夜夜看夜夜爽夜夜摸| 美女大奶头黄色视频| 少妇被粗大猛烈的视频| 国产国语露脸激情在线看| 亚洲情色 制服丝袜| 好男人视频免费观看在线| 亚洲欧美一区二区三区国产| 亚洲欧美日韩另类电影网站| 久久精品国产亚洲av天美| 久久国产精品男人的天堂亚洲 | 99久久精品一区二区三区| 国产精品不卡视频一区二区| 亚洲av欧美aⅴ国产| 99久久中文字幕三级久久日本| 日韩大片免费观看网站| 一级二级三级毛片免费看| 日韩成人av中文字幕在线观看| 热re99久久国产66热| 黑人猛操日本美女一级片| 国产欧美另类精品又又久久亚洲欧美| 一区二区三区乱码不卡18| 亚洲国产成人一精品久久久| 91成人精品电影| 欧美精品高潮呻吟av久久| 人妻一区二区av| 日本黄大片高清| 欧美日韩在线观看h| 色吧在线观看| 久久99热这里只频精品6学生| 丝袜脚勾引网站| 午夜福利影视在线免费观看| 亚洲人成网站在线播| 亚洲性久久影院| 熟女电影av网| 制服丝袜香蕉在线| 69精品国产乱码久久久| 91久久精品国产一区二区三区| 亚洲色图综合在线观看| a 毛片基地| 国产精品国产三级国产专区5o| 精品视频人人做人人爽| 国产在线免费精品| 国产有黄有色有爽视频| 18在线观看网站| 日韩中文字幕视频在线看片| 卡戴珊不雅视频在线播放| 在线观看www视频免费| 国产日韩欧美亚洲二区| 日韩成人伦理影院| 91久久精品电影网| 久久精品久久久久久噜噜老黄| 免费久久久久久久精品成人欧美视频 | 亚洲精品乱码久久久v下载方式| 日本91视频免费播放| av视频免费观看在线观看| 国产av精品麻豆| av播播在线观看一区| 国产欧美日韩综合在线一区二区| 精品少妇久久久久久888优播| 少妇熟女欧美另类| 新久久久久国产一级毛片| 看十八女毛片水多多多| 成年美女黄网站色视频大全免费 | 国产日韩欧美视频二区| 精品一区二区三卡| 夫妻性生交免费视频一级片| 街头女战士在线观看网站| xxx大片免费视频| 精品少妇久久久久久888优播| 能在线免费看毛片的网站| 婷婷色综合www| 热re99久久精品国产66热6| 中文字幕久久专区| 成年美女黄网站色视频大全免费 | 狂野欧美激情性bbbbbb| 在线亚洲精品国产二区图片欧美 | 久久人人爽人人爽人人片va| 国产免费视频播放在线视频| 国产精品国产三级国产专区5o| 国产精品麻豆人妻色哟哟久久| 免费av不卡在线播放| 一区二区三区精品91| 精品久久久久久久久av| 免费观看的影片在线观看| 免费黄色在线免费观看| 女的被弄到高潮叫床怎么办| 精品亚洲成国产av| 日日摸夜夜添夜夜添av毛片| 日本免费在线观看一区| 最黄视频免费看| 卡戴珊不雅视频在线播放| 久久久久久久大尺度免费视频| 日韩一区二区视频免费看| 国产成人精品福利久久| 久久99蜜桃精品久久| 国产精品一区二区在线不卡| 黄色毛片三级朝国网站| 久久精品国产亚洲av天美| 亚洲欧美成人精品一区二区| 免费高清在线观看日韩| 亚洲国产av新网站| 久久99热这里只频精品6学生| 丰满饥渴人妻一区二区三| 免费黄频网站在线观看国产| 久久毛片免费看一区二区三区| videosex国产| 亚洲av国产av综合av卡| 日本vs欧美在线观看视频| 国模一区二区三区四区视频| 亚洲国产欧美日韩在线播放| 亚洲精品一二三| 天天操日日干夜夜撸| 看非洲黑人一级黄片| 亚洲av成人精品一二三区| 又粗又硬又长又爽又黄的视频| 99久国产av精品国产电影| 精品人妻在线不人妻| 久久热精品热| 久久ye,这里只有精品| 人妻少妇偷人精品九色| 亚洲av在线观看美女高潮| 日韩,欧美,国产一区二区三区| 久久99一区二区三区| 亚州av有码| 国精品久久久久久国模美| 亚洲精品中文字幕在线视频| 蜜桃在线观看..| 一级,二级,三级黄色视频| 亚洲av男天堂| 视频中文字幕在线观看| 丝袜脚勾引网站| 成年女人在线观看亚洲视频| 成人亚洲欧美一区二区av| 久久久亚洲精品成人影院| 免费观看的影片在线观看| 日韩亚洲欧美综合| 婷婷成人精品国产| 日韩成人伦理影院| 男人操女人黄网站| 亚洲成人手机| 国产精品国产三级国产专区5o| 亚洲国产成人一精品久久久| 日本黄色日本黄色录像| 五月伊人婷婷丁香| 人人澡人人妻人| 在线观看www视频免费| 国产探花极品一区二区| 亚洲精品亚洲一区二区| 18禁在线播放成人免费| 亚洲国产成人一精品久久久| 日韩,欧美,国产一区二区三区| 久久精品久久久久久噜噜老黄| 精品卡一卡二卡四卡免费| 亚洲国产精品成人久久小说| 高清毛片免费看| 亚洲欧美一区二区三区黑人 | 在线天堂最新版资源| 久久ye,这里只有精品| 99久久人妻综合| 美女大奶头黄色视频| 国产亚洲欧美精品永久| 五月天丁香电影| 又黄又爽又刺激的免费视频.| 国产高清不卡午夜福利| 国产一区二区在线观看av| 精品国产国语对白av| 亚洲少妇的诱惑av| 国产成人精品在线电影| 精品久久久久久电影网| 国语对白做爰xxxⅹ性视频网站| 黄色欧美视频在线观看| 人体艺术视频欧美日本| 男人操女人黄网站| 在线观看国产h片| 新久久久久国产一级毛片| 汤姆久久久久久久影院中文字幕| 亚洲色图综合在线观看| 美女中出高潮动态图| 欧美bdsm另类| 精品卡一卡二卡四卡免费| 考比视频在线观看| 国产男女内射视频| 午夜福利视频在线观看免费| 视频区图区小说| 亚洲人与动物交配视频| 美女大奶头黄色视频| 亚洲精品国产av成人精品| 岛国毛片在线播放| 啦啦啦中文免费视频观看日本| 考比视频在线观看| 97在线视频观看| 亚洲av成人精品一区久久| 精品国产一区二区久久| 在线观看www视频免费| 久久免费观看电影| 简卡轻食公司| 欧美xxⅹ黑人| 最近手机中文字幕大全| 色网站视频免费| 国产日韩一区二区三区精品不卡 | 人人妻人人澡人人看| 天堂俺去俺来也www色官网| 人妻夜夜爽99麻豆av| 精品久久久精品久久久| 黄色一级大片看看| 日本爱情动作片www.在线观看| 午夜免费男女啪啪视频观看| 男女国产视频网站| 少妇的逼水好多| 亚洲精品色激情综合| 亚洲av在线观看美女高潮| 美女主播在线视频| 香蕉精品网在线| 汤姆久久久久久久影院中文字幕| 少妇熟女欧美另类| 国产精品国产三级专区第一集| 亚洲国产精品成人久久小说| 91久久精品电影网| 水蜜桃什么品种好| 天天躁夜夜躁狠狠久久av| 日本欧美国产在线视频| 欧美xxⅹ黑人| 国产老妇伦熟女老妇高清| 美女脱内裤让男人舔精品视频| 91精品伊人久久大香线蕉| 久久精品国产亚洲av涩爱| 亚洲精品国产色婷婷电影| 精品一区二区三卡| 日韩av免费高清视频| 免费少妇av软件| 18禁裸乳无遮挡动漫免费视频| 老熟女久久久| 美女国产视频在线观看| 午夜福利视频在线观看免费| 国产欧美另类精品又又久久亚洲欧美| 国产日韩欧美在线精品| 亚洲国产欧美在线一区| 精品亚洲成a人片在线观看| 日本wwww免费看| 蜜桃久久精品国产亚洲av| 最黄视频免费看| 丝袜在线中文字幕| 免费观看a级毛片全部| 国产69精品久久久久777片| 国产极品天堂在线| 热re99久久精品国产66热6| 免费高清在线观看视频在线观看| 久久久精品区二区三区| 成人黄色视频免费在线看| 另类精品久久| 欧美日韩成人在线一区二区| 免费看av在线观看网站| 欧美日韩精品成人综合77777| 天堂俺去俺来也www色官网| 亚洲精品日韩在线中文字幕| 丰满饥渴人妻一区二区三| 只有这里有精品99| 国产一级毛片在线| 最新中文字幕久久久久| av线在线观看网站| 一本—道久久a久久精品蜜桃钙片| 丁香六月天网| 在线观看三级黄色| 久久狼人影院| 男女边吃奶边做爰视频| 日韩在线高清观看一区二区三区| 亚洲情色 制服丝袜| 久久av网站| 青春草亚洲视频在线观看| a级片在线免费高清观看视频| 国产视频首页在线观看| 熟女av电影| 国产精品女同一区二区软件| 日韩,欧美,国产一区二区三区| 免费观看性生交大片5| 91精品三级在线观看| 久久综合国产亚洲精品| 九草在线视频观看| 国产免费一区二区三区四区乱码| 中文字幕人妻丝袜制服| 美女cb高潮喷水在线观看| 插逼视频在线观看| 成年人午夜在线观看视频| 交换朋友夫妻互换小说| 久久人人爽人人片av| 2022亚洲国产成人精品| 国产无遮挡羞羞视频在线观看| 午夜av观看不卡| 欧美 日韩 精品 国产| 欧美bdsm另类| 精品亚洲成a人片在线观看| av免费在线看不卡| 国产淫语在线视频| 久久午夜综合久久蜜桃| 人妻制服诱惑在线中文字幕| 好男人视频免费观看在线| 99视频精品全部免费 在线| 春色校园在线视频观看| 国产成人精品无人区| 曰老女人黄片| 亚洲av国产av综合av卡| 国产69精品久久久久777片| 日本色播在线视频| 久久精品国产亚洲av天美| 亚洲伊人久久精品综合| 欧美97在线视频| 夫妻午夜视频| 国产精品99久久久久久久久| 日日摸夜夜添夜夜爱| 婷婷成人精品国产| 少妇丰满av| 久久久久久久久久久丰满| 美女国产视频在线观看| 美女中出高潮动态图| 欧美国产精品一级二级三级| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 人妻夜夜爽99麻豆av| a级毛片黄视频| 一级,二级,三级黄色视频| 国产精品国产三级国产专区5o| 欧美日韩视频精品一区| 亚洲av在线观看美女高潮| 一本—道久久a久久精品蜜桃钙片| 夜夜爽夜夜爽视频| 有码 亚洲区| 精品人妻在线不人妻| 国产日韩一区二区三区精品不卡 | 久久久精品94久久精品| 91精品三级在线观看| 卡戴珊不雅视频在线播放| 美女脱内裤让男人舔精品视频| 在现免费观看毛片| 蜜臀久久99精品久久宅男| 亚洲精品中文字幕在线视频| 精品久久久久久电影网| 男女无遮挡免费网站观看| 国国产精品蜜臀av免费| 十八禁网站网址无遮挡| 亚洲国产最新在线播放| 男的添女的下面高潮视频| 久久精品国产亚洲网站| 男人操女人黄网站| videos熟女内射| 在线观看三级黄色| 欧美老熟妇乱子伦牲交| 久久韩国三级中文字幕| 永久网站在线| 建设人人有责人人尽责人人享有的| 亚洲精品日韩av片在线观看| videos熟女内射| 日韩av免费高清视频| 中国美白少妇内射xxxbb| 91在线精品国自产拍蜜月| 老司机影院毛片| 国产片特级美女逼逼视频| 视频在线观看一区二区三区| 久久久久久久国产电影| 亚洲国产欧美在线一区| 免费av不卡在线播放| 午夜老司机福利剧场| 人成视频在线观看免费观看| 欧美3d第一页| 七月丁香在线播放| 少妇被粗大的猛进出69影院 | 国产在视频线精品| 久久久亚洲精品成人影院| 亚洲av综合色区一区| 菩萨蛮人人尽说江南好唐韦庄| 免费少妇av软件| av天堂久久9| www.av在线官网国产| 久久午夜福利片| 纵有疾风起免费观看全集完整版| 另类精品久久| 99久久中文字幕三级久久日本| 久久这里有精品视频免费| 国产成人av激情在线播放 | 人人澡人人妻人| 成人亚洲精品一区在线观看| a级毛片黄视频| 欧美日韩在线观看h| 国产乱人偷精品视频| 精品久久国产蜜桃| 欧美老熟妇乱子伦牲交| 18禁在线无遮挡免费观看视频| 亚洲欧美一区二区三区黑人 | 黄色视频在线播放观看不卡| 69精品国产乱码久久久| 在线观看一区二区三区激情| 搡老乐熟女国产| 国产免费现黄频在线看| 熟女人妻精品中文字幕| 3wmmmm亚洲av在线观看| 欧美97在线视频| 综合色丁香网| 欧美三级亚洲精品| 韩国高清视频一区二区三区| 亚洲av男天堂| 97超碰精品成人国产| 一二三四中文在线观看免费高清| 制服丝袜香蕉在线| 超碰97精品在线观看| 成人国产av品久久久| 激情五月婷婷亚洲| 国产在线免费精品| 久久久久精品性色| 精品久久久久久久久亚洲| 午夜影院在线不卡| 观看美女的网站| av.在线天堂| 国产亚洲一区二区精品| 日韩大片免费观看网站| 亚洲无线观看免费| 亚洲欧美清纯卡通| 超色免费av| 亚洲少妇的诱惑av| 亚洲国产成人一精品久久久| 亚洲综合色惰| 亚洲精品一二三| videossex国产| 婷婷色麻豆天堂久久| 亚洲精品乱码久久久v下载方式| 国产精品免费大片| 伦理电影大哥的女人| 简卡轻食公司| 国产国语露脸激情在线看| 亚洲丝袜综合中文字幕| 91精品国产国语对白视频| 男女免费视频国产| 欧美 日韩 精品 国产| 自拍欧美九色日韩亚洲蝌蚪91| 91精品三级在线观看| 久久国内精品自在自线图片| 91国产中文字幕| 久久久a久久爽久久v久久| 成人漫画全彩无遮挡| 国产熟女欧美一区二区| 国产视频内射| 最近最新中文字幕免费大全7| 欧美激情 高清一区二区三区| 最后的刺客免费高清国语| 欧美亚洲 丝袜 人妻 在线| 中文字幕人妻熟人妻熟丝袜美| 99热网站在线观看| 亚洲国产毛片av蜜桃av| 草草在线视频免费看| 久久久国产一区二区| 夜夜爽夜夜爽视频| 国产男女内射视频| 人妻 亚洲 视频| 伦理电影免费视频| 国产成人一区二区在线| 国产综合精华液| www.av在线官网国产| 亚洲高清免费不卡视频| 亚洲成人av在线免费| 精品卡一卡二卡四卡免费| 全区人妻精品视频| 中文乱码字字幕精品一区二区三区| 两个人的视频大全免费| 亚洲欧美一区二区三区国产| 国产精品偷伦视频观看了| 美女视频免费永久观看网站| 精品国产一区二区久久| 亚洲欧美色中文字幕在线| 国国产精品蜜臀av免费| 尾随美女入室| 国产成人免费无遮挡视频| 插逼视频在线观看| 久久久久精品性色| 视频在线观看一区二区三区| 在线观看www视频免费| 亚洲av在线观看美女高潮| 成人无遮挡网站| 一个人免费看片子| 中文精品一卡2卡3卡4更新| 80岁老熟妇乱子伦牲交| 18禁在线播放成人免费| av有码第一页| 日韩亚洲欧美综合| 欧美日韩在线观看h| 欧美日韩亚洲高清精品| 日韩中文字幕视频在线看片| 少妇的逼水好多| 久久国产亚洲av麻豆专区| 成人毛片60女人毛片免费| 久久婷婷青草| 黑人猛操日本美女一级片| 在线精品无人区一区二区三| 美女xxoo啪啪120秒动态图| 在线精品无人区一区二区三| 卡戴珊不雅视频在线播放| 熟女电影av网| 国产片特级美女逼逼视频| 日韩av不卡免费在线播放| 免费看av在线观看网站| 亚洲伊人久久精品综合| 国产淫语在线视频| 欧美性感艳星| 国产免费现黄频在线看| 在现免费观看毛片| 国产精品偷伦视频观看了| 丝瓜视频免费看黄片| 久久人人爽人人爽人人片va| 在线播放无遮挡| 亚洲欧美日韩卡通动漫| 狠狠婷婷综合久久久久久88av| 最近2019中文字幕mv第一页| 亚洲精品日韩av片在线观看| 精品亚洲成a人片在线观看| 久久久国产一区二区| 麻豆成人av视频| 一级毛片我不卡| 亚洲精品视频女| 亚洲av不卡在线观看|