• <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 ?

    短文本分類技術(shù)研究綜述

    2020-06-09 12:20:59鄧丁朋周亞建池俊輝李佳樂(lè)
    軟件 2020年2期
    關(guān)鍵詞:分類器

    鄧丁朋 周亞建 池俊輝 李佳樂(lè)

    摘 ?要: 短文本由于特征稀疏并且多歧義等特點(diǎn),導(dǎo)致難以對(duì)其進(jìn)行高效的分類。本文首先針對(duì)短文本的特點(diǎn),介紹了短文本分類的研究現(xiàn)狀,其次對(duì)短本文分類涉及到的技術(shù)及相關(guān)理論進(jìn)行了闡述,并對(duì)文本預(yù)處理技術(shù)、Word2vec以及LDA模型等文本表示方法進(jìn)行了重點(diǎn)分析。最后總結(jié)了短文本分類未來(lái)的發(fā)展趨勢(shì)。

    關(guān)鍵詞:?短文本分類;主題建模;分類器;文本表示

    中圖分類號(hào): TP391. 41????文獻(xiàn)標(biāo)識(shí)碼:?A????DOI:10.3969/j.issn.1003-6970.2020.02.030

    【Abstract】:?It is difficult to classify the short text efficiently because of its sparse features and multiple ambiguities.?In this paper, according to the characteristic of short text, this paper introduces the research status quo of short text classification. Second, the classification of involved technology and related theory are expounded, and the text pretreatment technology, Word2vec and LDA model focuses on text representation methods are analyzed. Finally, summarizes the trend of the development of short text classification.

    【Key words】: Short text Classification; Topic modeling; Classifier; Text representation

    0??引言

    隨著社交網(wǎng)絡(luò)的迅速發(fā)展,每秒都會(huì)產(chǎn)生大量的數(shù)據(jù),如Facebook、微博、Twitter、Instagram等[1],這些數(shù)據(jù)通常以短文本的形式出現(xiàn),包含各種用戶相關(guān)信息,如潛在需求、行為、興趣、意圖等。相對(duì)于長(zhǎng)文本,短文本具有特征非常稀疏,并且存在高噪聲、上下文依賴性強(qiáng)等問(wèn)題,導(dǎo)致短文本處理很難達(dá)到人們預(yù)期的要求。

    而如何提取有用的知識(shí)將短文本數(shù)據(jù)應(yīng)用于輔助決策[2]、話題跟蹤[3]、輿情監(jiān)測(cè)[4]、情感分析[5]和個(gè)性化推薦[6]等領(lǐng)域,是解決大數(shù)據(jù)時(shí)代下數(shù)據(jù)難以高效挖掘的途徑之一。同時(shí)新興的知識(shí)抽取技術(shù)也促進(jìn)了計(jì)算語(yǔ)言學(xué)的迅速發(fā)展,如知識(shí)圖譜[7],神經(jīng)網(wǎng)絡(luò)模型[8]等,這也對(duì)基于短文本的數(shù)據(jù)挖掘提供一個(gè)新的研究方向。

    1??國(guó)內(nèi)外研究現(xiàn)狀

    對(duì)短文本進(jìn)行向量化,構(gòu)建合適的文本表示模型,是解決大規(guī)模數(shù)據(jù)環(huán)境下短文本數(shù)據(jù)挖掘的重要手段之一。而由Salton等人提出的向量空間模型(Vector Space Model,VSM)[9],已廣泛應(yīng)用于各領(lǐng)域的詞表示之中,由于VSM把文檔作為一組特征項(xiàng)的隨機(jī)排列,因此也被稱為詞袋模型(Bag of Words, BoW),它通過(guò)把單詞表示成可計(jì)算的向量,大大提高了模型表示的效率,并在實(shí)際應(yīng)用中也取得了不錯(cuò)的效果。

    在過(guò)去幾十年中,VSM模型由于其簡(jiǎn)單、易于使用等特點(diǎn),在普通文本的分類中發(fā)揮著重要的作用,并且取得了不錯(cuò)的效果。但是對(duì)于短文本來(lái)說(shuō),由于樣本所包含的單詞少,并且具有歧義性,導(dǎo)致VSM不再直接適用短文本向量化表示中。近年來(lái),很多學(xué)者都提出了一些巧妙的策略來(lái)構(gòu)建適用于短文本分類的表示模型,挖掘短文本中蘊(yùn)含的潛在信息。第一種觀點(diǎn)是使用基于搜索引擎(Search Engine,SE)的短文本分類方法[10],基于搜索引擎可以生成文本關(guān)鍵詞的集合,并且能夠讓原始特征詞和拓展特征詞之間具有高度相關(guān)性,從而將短文本轉(zhuǎn)化為長(zhǎng)文本進(jìn)行后續(xù)處理,提高分類準(zhǔn)確率。但是這種方式與搜索引擎密切相關(guān),分類結(jié)果的準(zhǔn)確性很大程度上依賴于搜索引擎,并且,分類過(guò)程需要搜索引擎的參與,耗時(shí)長(zhǎng),不能實(shí)現(xiàn)短文本高效、快速地分類。第二種觀點(diǎn)則通過(guò)引入外部數(shù)據(jù)庫(kù),如比較成熟的Wikipedia和CNKI等知識(shí)庫(kù)[11],通過(guò)知識(shí)庫(kù)一方面可以挖掘出單詞之間的語(yǔ)義、語(yǔ)序等關(guān)系,另一方面挖掘出詞語(yǔ)同義詞等信息,用于輔助分類。然而,由于拓展的效果由外部知識(shí)庫(kù)的質(zhì)量決定,對(duì)于知識(shí)庫(kù)中沒(méi)有的關(guān)鍵詞,無(wú)法直接進(jìn)行拓展,并且它的計(jì)算相對(duì)復(fù)雜,計(jì)算量較大,不具備對(duì)大規(guī)模短文本數(shù)據(jù)快速分類的能力。

    在上述研究的基礎(chǔ)上,一些學(xué)者嘗試?yán)酶怕噬赡P蛠?lái)提取短文本的潛在特征,如LSA模型(潛在語(yǔ)義分析)[12]、PLSA模型(概率潛在語(yǔ)義分析)[13]和LDA模型(隱含狄利克雷)[14]。和以往的方法相比,概率生成模型通過(guò)推理策略獲取短文本的主題特征,并將其與文檔的原始特征進(jìn)行融合,從而實(shí)現(xiàn)較好的分類效果。例如,張志飛等人,提出一種基于主題相似度的方法[15],通過(guò)主題相似度判斷實(shí)現(xiàn)分類。Phan,Chen等人,利用LDA模型在Wikipedia上進(jìn)行隱藏主題挖掘[16],通過(guò)挖掘出隱含主題來(lái)完成短文本擴(kuò)展。該擴(kuò)展過(guò)程雖然能夠減少文本稀疏給分類帶來(lái)的影響,但是其耗時(shí)長(zhǎng),分類效果仍取決于所建立語(yǔ)料庫(kù)的質(zhì)量,并且這種模型的構(gòu)建仍然停留在文本層面,沒(méi)有將短文本語(yǔ)義信息考慮到分類模型之中,因此不能大規(guī)模的使用。

    Mikolov等人在2013年提出了計(jì)算詞向量的Word2vec模型[17],作為比較流行的文本建模方法,隨著Google的開(kāi)源,目前也被越來(lái)越多的研究者使用,在分詞[18]、分類[19]、句法依賴分析[20]等領(lǐng)域得到了廣泛的應(yīng)用。如汪靜、羅浪等人提出的基于Word2Vec的中文短文本分類方法[21],通過(guò)引入詞性來(lái)改進(jìn)特征權(quán)重計(jì)算方法,并且在復(fù)旦大學(xué)語(yǔ)料庫(kù)中取得了不錯(cuò)的效果。

    目前針對(duì)短文本分類,文本表示方法正由單一詞向量表示轉(zhuǎn)變成使用語(yǔ)義信息融合、主題模型拓展等方法,一方面通過(guò)抽取文本的語(yǔ)義信息實(shí)現(xiàn)更全面的語(yǔ)義表達(dá),另一方面通過(guò)使用關(guān)鍵詞拓展的方法,將短文本轉(zhuǎn)化為長(zhǎng)文本,從而解決短文本表示、處理上的難題。隨著計(jì)算機(jī)算力的提升以及神經(jīng)網(wǎng)絡(luò)的發(fā)展,以Word2vec為基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)模型與短文本表示相結(jié)合也是目前研究的一個(gè)方向。

    2??短文本分類相關(guān)技術(shù)與理論基礎(chǔ)

    短文本分類按照流程一般分為文本預(yù)處理、文本向量化表示以及分類器選擇等階段。在各個(gè)階段均有不同的流程。文本預(yù)處理階段,主要是對(duì)文本進(jìn)行去噪,剔除文本中的標(biāo)點(diǎn)以及停用詞等,其次通過(guò)分詞算法對(duì)文本進(jìn)行切分操作。文本表示階段的主要工作是得到文本分詞后的集合,通過(guò)文本特征選取算法以及詞向量表示等相關(guān)算法,將文本表示為歐式空間中的向量。最后通過(guò)選擇合適的分類器,如樸素貝葉斯、SVM等分類器,把樣本劃分到正確的類別中。本文主要對(duì)文本預(yù)處理、文本表示模型進(jìn)行綜述。

    2.1??文本預(yù)處理

    文本預(yù)處理作為文本向量化的基礎(chǔ),是實(shí)現(xiàn)分類不可或缺的步驟,通過(guò)分詞可以將文本切割成單詞集合,并提取出關(guān)鍵詞集合。目前,比較成熟的如jieba分詞、中科院ICTCLAS分詞等中文分詞工具,經(jīng)過(guò)開(kāi)發(fā)者的迭代,在分詞方面都已經(jīng)達(dá)到了很好的效果。

    在數(shù)據(jù)預(yù)處理階段,主要工作是去除對(duì)文本分類過(guò)程無(wú)意義的詞以及標(biāo)點(diǎn)等,這些詞在文檔中通常都會(huì)大量出現(xiàn),如“為”,“的”,“這些”,“由”,“我”等詞。這些詞由于不具備深層次的語(yǔ)義信息,甚至它的加入還會(huì)引入噪聲,并且對(duì)于向量化表示研究也沒(méi)有幫助,間接導(dǎo)致分類性能的下降。因此,需要在數(shù)據(jù)預(yù)處理階段對(duì)這些詞進(jìn)行去除,進(jìn)一步的提高特征選取的效率以及準(zhǔn)確率。

    除了去除相關(guān)停用詞之外,還需要根據(jù)詞頻信息來(lái)進(jìn)行去噪。在研究中我們可以發(fā)現(xiàn),文檔中的高頻詞和低頻詞同樣不能表達(dá)出文本的特征[22]。對(duì)于高頻詞,每篇文檔出現(xiàn)的概率相差不大,如虛詞、語(yǔ)氣助詞等,因此不具備實(shí)際的參考價(jià)值,低頻詞由于詞語(yǔ)出現(xiàn)的頻率太低,不能表達(dá)出文檔的特征,因此也需要舍棄。所以通過(guò)文檔頻率和逆文檔頻率等方式來(lái)設(shè)定相關(guān)的閾值,實(shí)現(xiàn)對(duì)文本詞語(yǔ)的二次篩選,是文本預(yù)處理關(guān)鍵步驟之一。

    2.2??文本表示模型

    如何表示非結(jié)構(gòu)化的文本數(shù)據(jù),構(gòu)建適用于短文本分類的向量表示方法,是實(shí)現(xiàn)短文本準(zhǔn)確分類的理論基礎(chǔ)。

    在向量空間模型(VSM)中,通過(guò)將文本轉(zhuǎn)化為能夠計(jì)算的詞向量表示,使其能在歐式空間中進(jìn)行數(shù)學(xué)處理。這種方式不僅可以減少問(wèn)題的復(fù)雜性,還可以進(jìn)行各種運(yùn)算。與VSM不同,Word2vec則通過(guò)將每一個(gè)詞映射為一個(gè)向量,從而抽取出詞與詞之間的語(yǔ)義關(guān)系。該模型有兩個(gè)主要實(shí)現(xiàn):CBOW模型和Skip-Gram模型(如圖1所示),這兩個(gè)模型都是基于詞的信息進(jìn)行預(yù)測(cè),因此需要針對(duì)不同的場(chǎng)景來(lái)選取。目前模型在語(yǔ)義抽取、詞義表達(dá)等方面也得到了廣泛的應(yīng)用。

    LDA模型則是一個(gè)文檔主題抽取模型,其假設(shè)文本都是由各個(gè)不同的主題組成的,LDA通過(guò)抽取文本中潛在的主題,來(lái)實(shí)現(xiàn)對(duì)文本的分析與表達(dá)。如圖2所示,各參數(shù)的含義如表1所示。

    在LDA模型中,詞的生成過(guò)程包括兩個(gè)步驟。第一步是從主題集中選擇一個(gè)主題,第二步是根據(jù)所選主題下的的主題詞分布來(lái)選擇一個(gè)詞。其中產(chǎn)生t概率的公示可以描述為(1):

    3??結(jié)語(yǔ)

    本文介紹了短文本分類的概念、研究現(xiàn)狀與發(fā)展趨勢(shì)以及相關(guān)的理論和技術(shù)。綜述了現(xiàn)有的研究和解決方法,并對(duì)常見(jiàn)的文本建模方法如VSM模型、Word2vec以及LDA模型等方法進(jìn)行了介紹,其在實(shí)際應(yīng)用中也取得了不錯(cuò)的效果??偨Y(jié)了短文本分類的發(fā)展趨勢(shì),如下:

    (1)由于短文本的稀疏性,如何在短文本中加入特征,對(duì)其進(jìn)行拓展,從而將短文本問(wèn)題轉(zhuǎn)化為熟悉的長(zhǎng)文本問(wèn)題,是目前研究的一個(gè)熱點(diǎn)之一,該方法能有效的解決短文本表示過(guò)程中的稀疏性問(wèn)題。

    (2)基于深度學(xué)習(xí)理論,將短文本的學(xué)習(xí)由單一模式轉(zhuǎn)化為多維模式,通過(guò)學(xué)習(xí)句子的語(yǔ)法結(jié)構(gòu)、上下文依賴等信息,從而提高文本的語(yǔ)義表達(dá)能力,實(shí)現(xiàn)對(duì)文本的理解由淺層分析轉(zhuǎn)向深度融合,是目前研究發(fā)展的一個(gè)趨勢(shì)。

    (3)將主題模型引入短文本建模也是目前發(fā)展的趨勢(shì)之一,主題模型具有堅(jiān)實(shí)的理論基礎(chǔ),通過(guò)在算法中引入主題模型能很好的解決隱藏信息丟失、詞語(yǔ)歧義等問(wèn)題。

    參考文獻(xiàn)

    Issa, Naiem T, Byers, Stephen W, Dakshanamurthy, Sivanesan.?Big data: the next frontier for innovation in therapeutics and healthcare[J]. Expert Rev Clin Pharmacol, 2015,7(3):?293-?298.

    Murray, Karen, Yasso, Sabrina, et al. Journey of Excellence: Implementing a Shared Decision-Making Model[J]. American?Journal of Nursing, 2016, 116.

    黃暢,?郭文忠,?郭昆.?基于雙向量模型的自適應(yīng)微博話題追蹤方法[J].?小型微型計(jì)算機(jī)系統(tǒng),?2019,?40(06): 1203-?1209.

    Johannes V. Lochter,Rafael F. Zanetti,Dominik Reller,Tiago A. Almeida. Short text opinion detection using ensemble of classifiers and semantic indexing[J]. Expert Systems With Applications,2016,62(1): 243–249.

    Kilimci, Z. and ?lhan Omurca, S. Extended Feature Spaces Based Classifier Ensembles for Sentiment Analysis of Short Texts. Information Technology And Control, 2018,?47(3):?457-470.

    Zhou, W. and Han, W. Personalized recommendation via user preference matching. Information Processing & Management, 2019,?56(3): 955-968.

    李濤等. 知識(shí)圖譜的發(fā)展與構(gòu)建[J].?南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版).?2017,?41(1): 22-34.

    萬(wàn)圣賢, 蘭艷艷, 郭嘉豐, 等. 用于文本分類的局部化雙向長(zhǎng)短時(shí)記憶[J]. 中文信息學(xué)報(bào), 2017, 31(3):?62-68.

    Salton G. A vector space model for auto- matic indexing [J]. Communications of the ACM, 1975, 18(11) : 613-620.

    Yih W,Meek C. Improving similarity measures for short segments of text[C]// Proceedings of the 22nd Conference on Artificial Intel- ligence. Menlo Park: AAAI Press,?2007: 1489-1494.

    王榮波. 基于Wikipedia的短文本語(yǔ)義相關(guān)度計(jì)算方法[J].計(jì)算機(jī)應(yīng)用于軟件.?2015, 32(1): 82-85.

    Dumais ST. Latent semantic analysis. Annual Review of Information Science and Technology[J], 2015, 38(1):?188- 230.

    Christos H. Papadimitriou,Prabhakar Raghavan,Hisao Tamaki,?Santosh Vempala. Latent Semantic Indexing: A Probabilistic Analysis[J]. Journal of Computer and System Sciences,?2000,?61(2):?217-235.

    Blei DM, Ng AY, Jordan MI. ?Latent dirichlet allocation[J].?Machine Learning Research Archive,2003, 3(Jan):?993–1022.

    張志飛. 基于LDA主題模型的短文本分類方法[J]. 計(jì)算機(jī)應(yīng)用, 2013, 33(6): 1597-1590.

    Mengen Chen, Xiaoming Jin, Dou Shen. Short Text Classification Improved by Learning Multi-Granularity Topics[C]// IJCAI 2011, Proceedings of the 22nd International Joint Conference on Artificial Intelligence, Spain: AAAI Press , 2011:?1776–1781.

    Mikolov T, Sutskever I, Chen K , et al. Distributed Representations of Words and Phrases and their Compositionality[J]. Advances in Neural Information Processing Systems,?2013: 3111-3119..

    王飛, 譚新等. 一種基Word2Vec的訓(xùn)練效果優(yōu)化策略研究[J]. 計(jì)算機(jī)應(yīng)用與軟件, 2018(1): 97-102.

    王勤勤, 張玉紅, 李培培,?等. 基于word2vec的跨領(lǐng)域情感分類方法[J]. 計(jì)算機(jī)應(yīng)用研究, 2018, 35(10): 50-53.

    王紅斌, 郜洪奎. 基于word2vec和依存分析的事件識(shí)別研究[J]. 軟件, 2017(06): 70-73.

    汪靜, 羅浪, 王德強(qiáng). 基于Word2Vec的中文短文本分類問(wèn)題研究[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用, 2018, 7(05): 211-217.

    王浩然. 基于詞向量的短文本主題建模研究[D].?吉林: 吉林大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院, 2017.

    猜你喜歡
    分類器
    BP-GA光照分類器在車道線識(shí)別中的應(yīng)用
    基于差異性測(cè)度的遙感自適應(yīng)分類器選擇
    基于實(shí)例的強(qiáng)分類器快速集成方法
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    人臉檢測(cè)的繼承式集成學(xué)習(xí)方法*
    一種基于信息復(fù)用的Boosting瀑布型分類器高效訓(xùn)練方法
    基于Adaboost的人臉檢測(cè)算法研究
    電子世界(2014年12期)2014-10-21 11:09:39
    基于層次化分類器的遙感圖像飛機(jī)目標(biāo)檢測(cè)
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識(shí)別
    av视频在线观看入口| 精品国内亚洲2022精品成人| 国产精品久久久久久久电影| 国产私拍福利视频在线观看| 观看美女的网站| 真人一进一出gif抽搐免费| av黄色大香蕉| 亚洲电影在线观看av| 国产高清激情床上av| 亚洲性夜色夜夜综合| 国产精品嫩草影院av在线观看 | 简卡轻食公司| 夜夜躁狠狠躁天天躁| 在线观看免费视频日本深夜| 久久这里只有精品中国| 免费看美女性在线毛片视频| 成年女人毛片免费观看观看9| 亚洲国产日韩欧美精品在线观看| 色在线成人网| 亚洲18禁久久av| 亚洲综合色惰| 最近最新中文字幕大全电影3| av在线老鸭窝| 中文字幕久久专区| 国产伦在线观看视频一区| 激情在线观看视频在线高清| 91午夜精品亚洲一区二区三区 | 在线观看舔阴道视频| 少妇高潮的动态图| 欧美三级亚洲精品| 自拍偷自拍亚洲精品老妇| 黄色女人牲交| 俄罗斯特黄特色一大片| 亚洲av电影在线进入| 日本 欧美在线| 欧美乱妇无乱码| 美女高潮的动态| 在线国产一区二区在线| 日本与韩国留学比较| 亚洲av电影在线进入| 狂野欧美白嫩少妇大欣赏| 怎么达到女性高潮| 午夜福利高清视频| 亚洲性夜色夜夜综合| 99久久精品国产亚洲精品| 日韩欧美在线乱码| 久久国产乱子免费精品| 亚洲aⅴ乱码一区二区在线播放| 国产v大片淫在线免费观看| 免费看光身美女| 日韩成人在线观看一区二区三区| 天天躁日日操中文字幕| 一本精品99久久精品77| 我的老师免费观看完整版| 十八禁网站免费在线| 国产精华一区二区三区| 久久人妻av系列| 看十八女毛片水多多多| 欧美日韩国产亚洲二区| 成年人黄色毛片网站| 亚洲成人久久爱视频| 又爽又黄无遮挡网站| 在线国产一区二区在线| 少妇人妻一区二区三区视频| 18美女黄网站色大片免费观看| 国产av一区在线观看免费| 亚洲专区国产一区二区| 亚洲,欧美精品.| 久久九九热精品免费| 国内精品久久久久精免费| 国产免费一级a男人的天堂| 国产欧美日韩精品亚洲av| 男人和女人高潮做爰伦理| 国产大屁股一区二区在线视频| 一个人看的www免费观看视频| 久久99热这里只有精品18| 午夜福利在线观看吧| 直男gayav资源| 小说图片视频综合网站| 成年女人永久免费观看视频| 国产精品亚洲av一区麻豆| 欧美绝顶高潮抽搐喷水| 日韩欧美一区二区三区在线观看| 国产亚洲精品久久久com| 精品久久久久久久久久免费视频| 波多野结衣高清无吗| 乱人视频在线观看| 亚洲avbb在线观看| 欧美日韩黄片免| 国产精品三级大全| 日本黄色片子视频| 国产老妇女一区| 精品乱码久久久久久99久播| 国产中年淑女户外野战色| 韩国av一区二区三区四区| 亚洲自拍偷在线| 亚洲av第一区精品v没综合| 亚洲av电影不卡..在线观看| 国产午夜福利久久久久久| АⅤ资源中文在线天堂| aaaaa片日本免费| 成人永久免费在线观看视频| 精品一区二区免费观看| 别揉我奶头~嗯~啊~动态视频| 99久久精品一区二区三区| 国产精品影院久久| 欧美成人a在线观看| 日韩欧美在线二视频| 久久香蕉精品热| 天堂动漫精品| 18禁黄网站禁片午夜丰满| 国产亚洲精品综合一区在线观看| 欧美日本亚洲视频在线播放| 亚洲精品影视一区二区三区av| av黄色大香蕉| 婷婷精品国产亚洲av在线| 制服丝袜大香蕉在线| 精品午夜福利视频在线观看一区| 日本成人三级电影网站| 国产欧美日韩精品亚洲av| 少妇人妻精品综合一区二区 | 色噜噜av男人的天堂激情| 色精品久久人妻99蜜桃| 国产精品野战在线观看| 日韩欧美精品v在线| 一个人观看的视频www高清免费观看| 色尼玛亚洲综合影院| 动漫黄色视频在线观看| 亚洲av一区综合| 欧美极品一区二区三区四区| 麻豆久久精品国产亚洲av| 综合色av麻豆| 亚洲美女搞黄在线观看 | 成人国产综合亚洲| 色综合亚洲欧美另类图片| 日韩亚洲欧美综合| a级一级毛片免费在线观看| 最好的美女福利视频网| 99riav亚洲国产免费| 成人美女网站在线观看视频| 国产精品久久久久久亚洲av鲁大| 女人十人毛片免费观看3o分钟| 精品久久久久久久久久久久久| 国产精品一区二区性色av| 精品久久国产蜜桃| 色综合欧美亚洲国产小说| 一级黄色大片毛片| 亚洲最大成人av| 亚洲avbb在线观看| 亚洲 国产 在线| 日本a在线网址| www.熟女人妻精品国产| 亚洲真实伦在线观看| 丝袜美腿在线中文| 国产激情偷乱视频一区二区| 国产不卡一卡二| 国产精华一区二区三区| 欧美高清成人免费视频www| 搡老岳熟女国产| 午夜老司机福利剧场| 国产精品电影一区二区三区| 国产主播在线观看一区二区| 美女 人体艺术 gogo| 搞女人的毛片| 久久久久久久久久黄片| 国产v大片淫在线免费观看| 日韩中文字幕欧美一区二区| 一个人免费在线观看电影| 亚洲国产精品久久男人天堂| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 日日干狠狠操夜夜爽| 最近最新中文字幕大全电影3| 国产三级中文精品| 嫁个100分男人电影在线观看| 久久久久久久久中文| 午夜福利欧美成人| 午夜激情欧美在线| 国产精品国产高清国产av| 欧美精品国产亚洲| 精品99又大又爽又粗少妇毛片 | 88av欧美| 国产v大片淫在线免费观看| 成人特级黄色片久久久久久久| 欧美日韩中文字幕国产精品一区二区三区| 中文在线观看免费www的网站| 日韩人妻高清精品专区| www.www免费av| 国产激情偷乱视频一区二区| 国产不卡一卡二| 精品一区二区三区视频在线| 如何舔出高潮| 精品不卡国产一区二区三区| 国产三级黄色录像| 国产大屁股一区二区在线视频| 神马国产精品三级电影在线观看| 男插女下体视频免费在线播放| 国产伦精品一区二区三区四那| 欧美又色又爽又黄视频| 淫秽高清视频在线观看| 男人和女人高潮做爰伦理| 又爽又黄a免费视频| h日本视频在线播放| 少妇人妻一区二区三区视频| 国内毛片毛片毛片毛片毛片| 免费在线观看成人毛片| 国产伦精品一区二区三区四那| 每晚都被弄得嗷嗷叫到高潮| 亚洲熟妇熟女久久| 真人一进一出gif抽搐免费| 午夜精品一区二区三区免费看| 麻豆久久精品国产亚洲av| 少妇的逼好多水| 国产淫片久久久久久久久 | 久久久久久九九精品二区国产| 成人特级av手机在线观看| 热99re8久久精品国产| 欧美绝顶高潮抽搐喷水| 丰满的人妻完整版| 99精品久久久久人妻精品| 午夜免费男女啪啪视频观看 | 人妻夜夜爽99麻豆av| 制服丝袜大香蕉在线| 天堂网av新在线| www日本黄色视频网| 国产淫片久久久久久久久 | 国产精品女同一区二区软件 | 亚洲精品在线美女| 女人十人毛片免费观看3o分钟| 成人一区二区视频在线观看| 黄片小视频在线播放| 国产精品伦人一区二区| 欧美+亚洲+日韩+国产| 中国美女看黄片| 亚洲国产日韩欧美精品在线观看| 美女高潮喷水抽搐中文字幕| 丰满人妻熟妇乱又伦精品不卡| 99国产极品粉嫩在线观看| 日韩高清综合在线| 亚洲av五月六月丁香网| 欧美性猛交黑人性爽| 99久久成人亚洲精品观看| 亚洲精品一区av在线观看| 美女cb高潮喷水在线观看| 久久久久久久久久成人| www.999成人在线观看| 一卡2卡三卡四卡精品乱码亚洲| 欧美一区二区精品小视频在线| 69av精品久久久久久| 看黄色毛片网站| 国产精品,欧美在线| 女人被狂操c到高潮| 悠悠久久av| 性插视频无遮挡在线免费观看| 91九色精品人成在线观看| 亚洲精品色激情综合| 国产视频内射| 又黄又爽又免费观看的视频| 91久久精品电影网| 99视频精品全部免费 在线| 国产黄a三级三级三级人| 色av中文字幕| 1000部很黄的大片| 国产高清有码在线观看视频| 国产aⅴ精品一区二区三区波| 身体一侧抽搐| 欧美性感艳星| 欧洲精品卡2卡3卡4卡5卡区| 午夜两性在线视频| 欧美性猛交╳xxx乱大交人| 亚洲avbb在线观看| 日本黄色视频三级网站网址| 免费大片18禁| 国产大屁股一区二区在线视频| 久久热精品热| 日韩欧美免费精品| 亚洲美女搞黄在线观看 | 18禁在线播放成人免费| 亚洲人成网站在线播| 日韩中文字幕欧美一区二区| 精品久久久久久久久av| 最新在线观看一区二区三区| 成人永久免费在线观看视频| 午夜福利欧美成人| 亚洲五月婷婷丁香| 午夜免费男女啪啪视频观看 | 男女那种视频在线观看| 12—13女人毛片做爰片一| 亚洲av电影在线进入| 精品午夜福利视频在线观看一区| 婷婷精品国产亚洲av| 亚洲av免费在线观看| 亚洲av免费高清在线观看| 日日摸夜夜添夜夜添小说| 日韩欧美精品v在线| 亚洲黑人精品在线| 亚洲欧美日韩高清在线视频| 97碰自拍视频| 真人一进一出gif抽搐免费| 三级男女做爰猛烈吃奶摸视频| 国产黄色小视频在线观看| 少妇的逼水好多| АⅤ资源中文在线天堂| 人妻丰满熟妇av一区二区三区| 欧美午夜高清在线| 级片在线观看| 国产私拍福利视频在线观看| 在线播放国产精品三级| 草草在线视频免费看| 国产精品伦人一区二区| 亚洲欧美日韩无卡精品| 美女高潮的动态| 男人舔奶头视频| 美女被艹到高潮喷水动态| 日韩欧美三级三区| 中文字幕人妻熟人妻熟丝袜美| 少妇被粗大猛烈的视频| 99久国产av精品| 午夜影院日韩av| 热99re8久久精品国产| 亚洲成人久久性| 美女cb高潮喷水在线观看| 一级黄色大片毛片| 18禁裸乳无遮挡免费网站照片| 伦理电影大哥的女人| 我要搜黄色片| 伊人久久精品亚洲午夜| 一夜夜www| 色5月婷婷丁香| a级毛片a级免费在线| 美女被艹到高潮喷水动态| www.999成人在线观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | av女优亚洲男人天堂| 亚洲电影在线观看av| 亚洲精品久久国产高清桃花| 九九在线视频观看精品| www.www免费av| 在线观看66精品国产| 男女视频在线观看网站免费| av福利片在线观看| 国产成人影院久久av| 一级黄色大片毛片| 桃红色精品国产亚洲av| 午夜福利在线观看免费完整高清在 | 国产探花在线观看一区二区| 色在线成人网| a级毛片a级免费在线| 国产三级黄色录像| 日本黄色片子视频| 一级黄色大片毛片| 露出奶头的视频| 高清在线国产一区| 嫩草影视91久久| 老鸭窝网址在线观看| 美女被艹到高潮喷水动态| 午夜福利欧美成人| 成人性生交大片免费视频hd| 黄色配什么色好看| 亚洲熟妇熟女久久| 精品日产1卡2卡| 每晚都被弄得嗷嗷叫到高潮| 69av精品久久久久久| 日日摸夜夜添夜夜添小说| 最新中文字幕久久久久| 男人和女人高潮做爰伦理| 久久精品91蜜桃| 青草久久国产| 免费在线观看影片大全网站| 日韩 亚洲 欧美在线| 久久精品人妻少妇| 国内精品久久久久久久电影| 久久国产乱子伦精品免费另类| 欧美色欧美亚洲另类二区| 久久久久久九九精品二区国产| 色精品久久人妻99蜜桃| av在线老鸭窝| 精品久久久久久久人妻蜜臀av| 亚洲 国产 在线| 亚洲精品久久国产高清桃花| 看黄色毛片网站| 热99在线观看视频| 国产成人av教育| 精品不卡国产一区二区三区| 日韩欧美精品免费久久 | 午夜福利在线观看吧| 久久国产精品影院| 亚洲av免费高清在线观看| 亚洲一区二区三区色噜噜| 日韩亚洲欧美综合| 此物有八面人人有两片| 成人鲁丝片一二三区免费| 深夜a级毛片| 如何舔出高潮| 丰满的人妻完整版| 国产大屁股一区二区在线视频| 国产男靠女视频免费网站| 国产精华一区二区三区| 99久久精品一区二区三区| 少妇被粗大猛烈的视频| 日韩高清综合在线| 欧美+日韩+精品| 一二三四社区在线视频社区8| 国产69精品久久久久777片| 国产一级毛片七仙女欲春2| 啪啪无遮挡十八禁网站| 18+在线观看网站| 97超视频在线观看视频| 成熟少妇高潮喷水视频| 一进一出抽搐gif免费好疼| 嫩草影院入口| 国产免费男女视频| 麻豆国产97在线/欧美| 国内久久婷婷六月综合欲色啪| av在线观看视频网站免费| 男人和女人高潮做爰伦理| 国语自产精品视频在线第100页| 亚洲狠狠婷婷综合久久图片| 淫妇啪啪啪对白视频| 欧美bdsm另类| 日本三级黄在线观看| 91麻豆精品激情在线观看国产| 观看免费一级毛片| 欧美日韩中文字幕国产精品一区二区三区| 国产精品99久久久久久久久| 中亚洲国语对白在线视频| 日本黄色视频三级网站网址| 一进一出抽搐动态| 97人妻精品一区二区三区麻豆| 亚洲av电影不卡..在线观看| 美女黄网站色视频| 国产在线男女| 亚洲七黄色美女视频| 国产乱人伦免费视频| 亚洲欧美清纯卡通| 大型黄色视频在线免费观看| 亚洲第一欧美日韩一区二区三区| 久久久久久久久大av| 国产色婷婷99| 乱人视频在线观看| 国产黄片美女视频| 一本一本综合久久| 亚洲精品一区av在线观看| 精品日产1卡2卡| 亚洲av.av天堂| 亚洲av成人精品一区久久| 国产一区二区激情短视频| 好看av亚洲va欧美ⅴa在| 成人午夜高清在线视频| 亚洲电影在线观看av| 亚洲人与动物交配视频| 久久久久久九九精品二区国产| 久久性视频一级片| 此物有八面人人有两片| 欧美日韩亚洲国产一区二区在线观看| 免费电影在线观看免费观看| 赤兔流量卡办理| 嫩草影院新地址| 欧美最新免费一区二区三区 | 欧美激情久久久久久爽电影| 国产精华一区二区三区| 国产精品影院久久| 欧美高清性xxxxhd video| 美女高潮喷水抽搐中文字幕| 9191精品国产免费久久| 丝袜美腿在线中文| 精品一区二区三区人妻视频| 欧美黄色淫秽网站| 一进一出好大好爽视频| 小蜜桃在线观看免费完整版高清| 女人十人毛片免费观看3o分钟| 国产精品久久久久久久电影| 非洲黑人性xxxx精品又粗又长| av国产免费在线观看| 国产aⅴ精品一区二区三区波| 国产精品三级大全| 欧美精品啪啪一区二区三区| 成年人黄色毛片网站| 亚洲精品亚洲一区二区| 蜜桃久久精品国产亚洲av| 日本精品一区二区三区蜜桃| 91狼人影院| 亚洲精华国产精华精| 12—13女人毛片做爰片一| 国产精品亚洲av一区麻豆| 亚洲综合色惰| 色综合婷婷激情| 亚洲aⅴ乱码一区二区在线播放| 欧美三级亚洲精品| 99精品在免费线老司机午夜| 国产三级黄色录像| 99热精品在线国产| 国产真实伦视频高清在线观看 | 日本 av在线| 亚洲av不卡在线观看| av在线观看视频网站免费| xxxwww97欧美| 国产av在哪里看| 国产成人欧美在线观看| 久久精品国产自在天天线| 别揉我奶头 嗯啊视频| 丰满人妻一区二区三区视频av| 脱女人内裤的视频| 丰满乱子伦码专区| 欧美绝顶高潮抽搐喷水| 黄色视频,在线免费观看| 亚洲中文日韩欧美视频| 淫秽高清视频在线观看| 国产精品人妻久久久久久| 性色av乱码一区二区三区2| 激情在线观看视频在线高清| 欧美xxxx黑人xx丫x性爽| 日韩中文字幕欧美一区二区| 午夜精品久久久久久毛片777| 男人舔奶头视频| 久久草成人影院| 久久亚洲精品不卡| 国产av一区在线观看免费| 亚洲熟妇中文字幕五十中出| 欧美一级a爱片免费观看看| 九色成人免费人妻av| 欧美最黄视频在线播放免费| 亚洲精品粉嫩美女一区| 高潮久久久久久久久久久不卡| 十八禁网站免费在线| 免费人成在线观看视频色| 麻豆国产97在线/欧美| 国产在线男女| av在线天堂中文字幕| 国产精品亚洲美女久久久| 精品免费久久久久久久清纯| 免费看光身美女| 偷拍熟女少妇极品色| 两性午夜刺激爽爽歪歪视频在线观看| 日本免费a在线| 欧美绝顶高潮抽搐喷水| 69人妻影院| 国产白丝娇喘喷水9色精品| 国模一区二区三区四区视频| 熟女电影av网| 亚洲av免费高清在线观看| 老熟妇仑乱视频hdxx| 中文字幕精品亚洲无线码一区| 此物有八面人人有两片| 欧美黄色淫秽网站| 国产不卡一卡二| 日韩欧美国产在线观看| 欧美在线黄色| 日韩欧美在线二视频| 欧美午夜高清在线| 天堂网av新在线| 国产精品日韩av在线免费观看| netflix在线观看网站| 午夜老司机福利剧场| av在线观看视频网站免费| 久久国产精品人妻蜜桃| 一级毛片久久久久久久久女| 999久久久精品免费观看国产| 美女高潮的动态| 国产精品一区二区三区四区久久| 久久久久国产精品人妻aⅴ院| 能在线免费观看的黄片| 国产免费av片在线观看野外av| 9191精品国产免费久久| 禁无遮挡网站| 3wmmmm亚洲av在线观看| 国产伦精品一区二区三区四那| 天天躁日日操中文字幕| av中文乱码字幕在线| 国产在线精品亚洲第一网站| 国产伦人伦偷精品视频| 国产高清视频在线播放一区| 国产精品永久免费网站| 18禁在线播放成人免费| 人妻夜夜爽99麻豆av| 欧美高清性xxxxhd video| 一个人免费在线观看的高清视频| 国产精品久久久久久久电影| 国产v大片淫在线免费观看| 女生性感内裤真人,穿戴方法视频| 黄色日韩在线| 亚洲一区高清亚洲精品| 十八禁网站免费在线| 国产白丝娇喘喷水9色精品| 很黄的视频免费| 国产精品,欧美在线| 日韩国内少妇激情av| 麻豆成人午夜福利视频| 国产蜜桃级精品一区二区三区| 国产午夜精品论理片| 亚洲精品久久国产高清桃花| 精品人妻视频免费看| 怎么达到女性高潮| 性插视频无遮挡在线免费观看| 自拍偷自拍亚洲精品老妇| 啦啦啦观看免费观看视频高清| 免费人成视频x8x8入口观看| 97碰自拍视频| 成人美女网站在线观看视频| 一个人观看的视频www高清免费观看| 91午夜精品亚洲一区二区三区 | 国产伦在线观看视频一区| 国产淫片久久久久久久久 | 欧美成人免费av一区二区三区| 成人特级av手机在线观看| 亚洲国产高清在线一区二区三| 成人亚洲精品av一区二区| 中文字幕熟女人妻在线| 国产一区二区三区视频了| 日本三级黄在线观看| 制服丝袜大香蕉在线| 日韩人妻高清精品专区| av在线老鸭窝| 一个人观看的视频www高清免费观看| 免费看a级黄色片| 成人欧美大片|