• <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
    亚洲成av片中文字幕在线观看| 午夜精品在线福利| 欧美日韩黄片免| 国产熟女xx| 国产激情欧美一区二区| 欧洲精品卡2卡3卡4卡5卡区| 国产极品粉嫩免费观看在线| 国产成人精品久久二区二区91| 淫秽高清视频在线观看| 另类亚洲欧美激情| 日韩欧美一区视频在线观看| 精品国产一区二区三区四区第35| 国产在线观看jvid| 午夜免费成人在线视频| 亚洲少妇的诱惑av| 国产深夜福利视频在线观看| 精品电影一区二区在线| 成人特级黄色片久久久久久久| 麻豆成人av在线观看| 搡老熟女国产l中国老女人| 可以在线观看毛片的网站| 丝袜美足系列| 韩国av一区二区三区四区| 99国产精品一区二区三区| 侵犯人妻中文字幕一二三四区| 动漫黄色视频在线观看| 神马国产精品三级电影在线观看 | 日韩免费av在线播放| 国产高清视频在线播放一区| 在线视频色国产色| 久久精品国产清高在天天线| 一区二区日韩欧美中文字幕| 亚洲视频免费观看视频| 美女高潮到喷水免费观看| 久久久久久久久久久久大奶| 真人一进一出gif抽搐免费| 99香蕉大伊视频| 人妻久久中文字幕网| 久久青草综合色| 一本综合久久免费| 国产精品亚洲一级av第二区| 亚洲色图av天堂| 老司机亚洲免费影院| 欧美日韩瑟瑟在线播放| 久久青草综合色| 国产片内射在线| 久久精品国产99精品国产亚洲性色 | 很黄的视频免费| 欧美丝袜亚洲另类 | 国产精品香港三级国产av潘金莲| 久久精品91蜜桃| 日日夜夜操网爽| 大码成人一级视频| av网站在线播放免费| bbb黄色大片| 成人手机av| 免费女性裸体啪啪无遮挡网站| 日本免费a在线| 亚洲av电影在线进入| 国产黄a三级三级三级人| 国产一卡二卡三卡精品| av在线播放免费不卡| 国产深夜福利视频在线观看| 日韩精品青青久久久久久| 在线观看www视频免费| 少妇粗大呻吟视频| 亚洲午夜精品一区,二区,三区| 免费在线观看日本一区| 久久草成人影院| 最近最新免费中文字幕在线| 亚洲人成77777在线视频| 国产欧美日韩一区二区三| 神马国产精品三级电影在线观看 | 国产aⅴ精品一区二区三区波| 精品一区二区三区四区五区乱码| 午夜激情av网站| 国产乱人伦免费视频| 一级毛片高清免费大全| 色老头精品视频在线观看| 亚洲专区国产一区二区| 中文亚洲av片在线观看爽| 激情在线观看视频在线高清| 欧美激情久久久久久爽电影 | 人妻久久中文字幕网| 一级片'在线观看视频| 国产成人精品久久二区二区91| 国产精品自产拍在线观看55亚洲| 国产精品av久久久久免费| 国产一区二区在线av高清观看| 亚洲熟妇中文字幕五十中出 | 色婷婷av一区二区三区视频| 精品久久久久久电影网| 99精品久久久久人妻精品| 亚洲一卡2卡3卡4卡5卡精品中文| 这个男人来自地球电影免费观看| 1024视频免费在线观看| 欧美乱妇无乱码| 一进一出抽搐动态| av片东京热男人的天堂| av网站在线播放免费| 久久久久国产一级毛片高清牌| 亚洲人成伊人成综合网2020| 18禁黄网站禁片午夜丰满| 桃色一区二区三区在线观看| 熟女少妇亚洲综合色aaa.| 成人影院久久| av国产精品久久久久影院| 国产成人免费无遮挡视频| 丁香六月欧美| 搡老熟女国产l中国老女人| 美国免费a级毛片| 欧美日韩av久久| 女同久久另类99精品国产91| 午夜视频精品福利| 日本五十路高清| 巨乳人妻的诱惑在线观看| 亚洲激情在线av| 国产午夜精品久久久久久| 国产精品爽爽va在线观看网站 | 精品国产乱码久久久久久男人| 日韩欧美免费精品| 黄色视频,在线免费观看| 一二三四社区在线视频社区8| 一区福利在线观看| 亚洲成人免费电影在线观看| 97超级碰碰碰精品色视频在线观看| 99在线视频只有这里精品首页| 午夜精品久久久久久毛片777| 久久久久久亚洲精品国产蜜桃av| 国产成人欧美在线观看| 日本vs欧美在线观看视频| 午夜老司机福利片| 别揉我奶头~嗯~啊~动态视频| 成人手机av| 久久九九热精品免费| 久9热在线精品视频| 一级片免费观看大全| 免费观看人在逋| 免费av毛片视频| 亚洲自拍偷在线| 成人国产一区最新在线观看| ponron亚洲| 国产欧美日韩一区二区三区在线| 亚洲色图av天堂| 丁香六月欧美| 久久久久国产一级毛片高清牌| 桃红色精品国产亚洲av| 免费观看人在逋| 国产精品一区二区三区四区久久 | 日韩免费高清中文字幕av| 黄色成人免费大全| 在线观看舔阴道视频| 在线国产一区二区在线| 一本综合久久免费| 亚洲三区欧美一区| 亚洲中文字幕日韩| 999久久久精品免费观看国产| 夜夜看夜夜爽夜夜摸 | 正在播放国产对白刺激| 最新在线观看一区二区三区| 99久久精品国产亚洲精品| 热99re8久久精品国产| 99热国产这里只有精品6| 国产精品野战在线观看 | 麻豆成人av在线观看| 热re99久久精品国产66热6| 亚洲精品在线美女| 午夜激情av网站| 亚洲五月色婷婷综合| 麻豆久久精品国产亚洲av | 亚洲国产精品一区二区三区在线| 国产精品日韩av在线免费观看 | 国产精品香港三级国产av潘金莲| 宅男免费午夜| 欧美午夜高清在线| 女性生殖器流出的白浆| 国产有黄有色有爽视频| 午夜精品久久久久久毛片777| 成人影院久久| 九色亚洲精品在线播放| 国产一区在线观看成人免费| 亚洲av日韩精品久久久久久密| 丝袜人妻中文字幕| 日韩欧美在线二视频| 欧美日韩精品网址| 丁香欧美五月| 亚洲人成77777在线视频| 国产成人影院久久av| 可以免费在线观看a视频的电影网站| 久久久久久久久免费视频了| 欧美乱色亚洲激情| 在线观看www视频免费| 国产xxxxx性猛交| 黄色视频不卡| 亚洲色图 男人天堂 中文字幕| 国产精品 欧美亚洲| 久久久久久久久中文| 妹子高潮喷水视频| 在线永久观看黄色视频| 这个男人来自地球电影免费观看| 精品日产1卡2卡| 在线十欧美十亚洲十日本专区| 日韩成人在线观看一区二区三区| 视频区欧美日本亚洲| 91成年电影在线观看| 亚洲精品中文字幕一二三四区| 操出白浆在线播放| 国产成人一区二区三区免费视频网站| 精品第一国产精品| 亚洲熟女毛片儿| 国产一区在线观看成人免费| www.999成人在线观看| 欧美成人性av电影在线观看| 国产欧美日韩综合在线一区二区| 男女高潮啪啪啪动态图| 老司机亚洲免费影院| 亚洲中文字幕日韩| 色在线成人网| 日韩欧美免费精品| 亚洲第一欧美日韩一区二区三区| 女人爽到高潮嗷嗷叫在线视频| 涩涩av久久男人的天堂| 丝袜美腿诱惑在线| 无人区码免费观看不卡| 精品日产1卡2卡| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲美女黄片视频| 嫩草影院精品99| 女人精品久久久久毛片| 亚洲精品国产色婷婷电影| 国产精品98久久久久久宅男小说| 亚洲片人在线观看| 欧美在线一区亚洲| 精品久久久久久电影网| 成人永久免费在线观看视频| 成人三级黄色视频| 在线天堂中文资源库| 日韩人妻精品一区2区三区| 制服诱惑二区| 精品无人区乱码1区二区| 国产片内射在线| 亚洲色图综合在线观看| 精品久久久精品久久久| 又紧又爽又黄一区二区| 一进一出抽搐gif免费好疼 | 香蕉国产在线看| 亚洲一区高清亚洲精品| 国产成人免费无遮挡视频| 欧美日韩av久久| 好男人电影高清在线观看| 成人三级黄色视频| 亚洲av美国av| 一夜夜www| 欧美乱妇无乱码| 久久久久久亚洲精品国产蜜桃av| 亚洲在线自拍视频| 亚洲一区二区三区不卡视频| 在线观看免费视频日本深夜| 91字幕亚洲| 他把我摸到了高潮在线观看| 90打野战视频偷拍视频| 国产精品 国内视频| 久久久久久亚洲精品国产蜜桃av| 久久伊人香网站| 窝窝影院91人妻| 麻豆成人av在线观看| www.自偷自拍.com| 在线永久观看黄色视频| 亚洲精品国产精品久久久不卡| 中文字幕另类日韩欧美亚洲嫩草| 国产黄色免费在线视频| 最好的美女福利视频网| 国产深夜福利视频在线观看| 国产免费av片在线观看野外av| 国产有黄有色有爽视频| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲欧美精品综合久久99| 中文字幕最新亚洲高清| 欧美国产精品va在线观看不卡| 国产视频一区二区在线看| 久久国产乱子伦精品免费另类| 男女做爰动态图高潮gif福利片 | 动漫黄色视频在线观看| 欧美在线黄色| 久久久精品欧美日韩精品| 久久精品91无色码中文字幕| 欧美日韩一级在线毛片| av天堂久久9| 亚洲欧美一区二区三区久久| 女同久久另类99精品国产91| 精品久久久久久,| 女生性感内裤真人,穿戴方法视频| 久久九九热精品免费| 可以免费在线观看a视频的电影网站| 精品一区二区三区av网在线观看| 777久久人妻少妇嫩草av网站| 男人舔女人的私密视频| 国产免费av片在线观看野外av| 俄罗斯特黄特色一大片| 久久精品亚洲av国产电影网| 亚洲国产中文字幕在线视频| av电影中文网址| 国产成人欧美| 最好的美女福利视频网| 国产一区二区激情短视频| 18美女黄网站色大片免费观看| 久久香蕉激情| 日韩欧美在线二视频| 一本大道久久a久久精品| 久久精品91蜜桃| 国产高清激情床上av| 亚洲国产精品一区二区三区在线| 欧美丝袜亚洲另类 | 国产99久久九九免费精品| 亚洲精品在线美女| 国产亚洲欧美在线一区二区| 黄色片一级片一级黄色片| 高清欧美精品videossex| 精品国产超薄肉色丝袜足j| 国产成年人精品一区二区 | 欧美乱码精品一区二区三区| 亚洲成人久久性| 免费av毛片视频| a级毛片在线看网站| 国产精品久久电影中文字幕| av电影中文网址| 精品人妻1区二区| 天天添夜夜摸| 超色免费av| 最新美女视频免费是黄的| 日本黄色视频三级网站网址| 国产91精品成人一区二区三区| 久久天躁狠狠躁夜夜2o2o| 亚洲欧美精品综合久久99| 日韩中文字幕欧美一区二区| 国产欧美日韩精品亚洲av| 精品国产一区二区久久| 在线观看免费高清a一片| 亚洲国产欧美日韩在线播放| 一进一出好大好爽视频| 麻豆av在线久日| 亚洲国产中文字幕在线视频| 在线十欧美十亚洲十日本专区| 亚洲自拍偷在线| 精品国产乱码久久久久久男人| 视频区图区小说| 精品国产乱子伦一区二区三区| 亚洲中文字幕日韩| 欧美黑人精品巨大| 亚洲精品中文字幕一二三四区| 国产成人一区二区三区免费视频网站| 欧美另类亚洲清纯唯美| 欧美国产精品va在线观看不卡| 自线自在国产av| 欧美黄色片欧美黄色片| 69av精品久久久久久| 最新在线观看一区二区三区| 亚洲精品久久午夜乱码| 曰老女人黄片| 婷婷六月久久综合丁香| 久久天躁狠狠躁夜夜2o2o| 国产成人欧美在线观看| 亚洲专区字幕在线| 免费看a级黄色片| 露出奶头的视频| 精品无人区乱码1区二区| 亚洲精品av麻豆狂野| 亚洲精品国产区一区二| 长腿黑丝高跟| 亚洲一区二区三区欧美精品| 国产精品久久电影中文字幕| 色老头精品视频在线观看| 丁香欧美五月| 男女之事视频高清在线观看| svipshipincom国产片| 老司机亚洲免费影院| 亚洲欧美日韩无卡精品| 久久久精品欧美日韩精品| bbb黄色大片| 国产精品野战在线观看 | 久久精品91无色码中文字幕| 午夜成年电影在线免费观看| 欧美精品亚洲一区二区| 两性夫妻黄色片| 91大片在线观看| 亚洲成人免费电影在线观看| 国产一卡二卡三卡精品| 国产色视频综合| 精品一区二区三区av网在线观看| 97人妻天天添夜夜摸| 婷婷六月久久综合丁香| 中文字幕人妻丝袜制服| av网站在线播放免费| netflix在线观看网站| 午夜精品国产一区二区电影| 长腿黑丝高跟| 亚洲一卡2卡3卡4卡5卡精品中文| 一区二区三区国产精品乱码| 最好的美女福利视频网| 日韩欧美免费精品| 国产亚洲欧美精品永久| 欧美激情久久久久久爽电影 | 国产主播在线观看一区二区| 中文欧美无线码| 真人做人爱边吃奶动态| 国产精品久久久av美女十八| 超色免费av| 国产熟女xx| 男女做爰动态图高潮gif福利片 | 午夜福利,免费看| 在线观看日韩欧美| 免费在线观看日本一区| 在线观看免费视频日本深夜| 亚洲精品国产精品久久久不卡| svipshipincom国产片| 日韩精品青青久久久久久| 日韩大码丰满熟妇| 中文字幕精品免费在线观看视频| 19禁男女啪啪无遮挡网站| 欧美中文综合在线视频| 国产av在哪里看| 夜夜爽天天搞| 91在线观看av| 国产精品二区激情视频| 精品久久久久久成人av| 99国产极品粉嫩在线观看| 国产精品成人在线| 女性被躁到高潮视频| 亚洲人成77777在线视频| 丰满迷人的少妇在线观看| 亚洲伊人色综图| 99国产精品一区二区蜜桃av| 一级毛片精品| av视频免费观看在线观看| 欧美人与性动交α欧美精品济南到| 欧美日韩av久久| 国产伦人伦偷精品视频| 一级毛片高清免费大全| 91精品三级在线观看| 制服人妻中文乱码| 日韩大码丰满熟妇| 午夜福利免费观看在线| 国产av一区在线观看免费| 女人高潮潮喷娇喘18禁视频| 免费看十八禁软件| 欧美最黄视频在线播放免费 | 欧美+亚洲+日韩+国产| 国内毛片毛片毛片毛片毛片| 熟女少妇亚洲综合色aaa.| 亚洲 国产 在线| 大香蕉久久成人网| 一边摸一边抽搐一进一出视频| 国产精品爽爽va在线观看网站 | 欧美黑人欧美精品刺激| 校园春色视频在线观看| 亚洲少妇的诱惑av| 青草久久国产| 一级a爱视频在线免费观看| 久久人妻福利社区极品人妻图片| 亚洲色图综合在线观看| 午夜免费观看网址| 多毛熟女@视频| 99re在线观看精品视频| 一进一出抽搐动态| 亚洲精品在线美女| a级毛片在线看网站| 岛国在线观看网站| 99国产综合亚洲精品| 免费在线观看日本一区| 亚洲成人国产一区在线观看| 国产片内射在线| 在线观看免费视频网站a站| 狂野欧美激情性xxxx| 波多野结衣高清无吗| 久99久视频精品免费| 丰满饥渴人妻一区二区三| 一边摸一边抽搐一进一小说| 色老头精品视频在线观看| 天堂中文最新版在线下载| 亚洲国产欧美网| 欧美日韩中文字幕国产精品一区二区三区 | 在线观看免费视频日本深夜| 一夜夜www| 好看av亚洲va欧美ⅴa在| 亚洲精品国产精品久久久不卡| 黑人欧美特级aaaaaa片| 国产免费av片在线观看野外av| 亚洲男人的天堂狠狠| 免费少妇av软件| 亚洲成国产人片在线观看| 成人国产一区最新在线观看| bbb黄色大片| 91字幕亚洲| 久9热在线精品视频| 老司机靠b影院| a在线观看视频网站| 久久香蕉精品热| 一级,二级,三级黄色视频| 中文字幕精品免费在线观看视频| 精品久久久久久久毛片微露脸| 男男h啪啪无遮挡| 国产一区二区在线av高清观看| 久久青草综合色| 亚洲成av片中文字幕在线观看| 黄片播放在线免费| 久久中文看片网| 久久热在线av| 人人妻人人爽人人添夜夜欢视频| 国产av一区在线观看免费| 在线永久观看黄色视频| 国产成人啪精品午夜网站| 日韩欧美一区视频在线观看| 高清av免费在线| 国产高清激情床上av| 亚洲男人的天堂狠狠| 婷婷六月久久综合丁香| 精品日产1卡2卡| 日韩 欧美 亚洲 中文字幕| 老司机午夜福利在线观看视频| 夜夜看夜夜爽夜夜摸 | 99久久综合精品五月天人人| 日本欧美视频一区| 老司机午夜福利在线观看视频| 成人三级黄色视频| 91麻豆av在线| 巨乳人妻的诱惑在线观看| 美女扒开内裤让男人捅视频| 99re在线观看精品视频| 欧美日韩亚洲国产一区二区在线观看| 免费少妇av软件| 美女扒开内裤让男人捅视频| 黑人巨大精品欧美一区二区蜜桃| 97超级碰碰碰精品色视频在线观看| 日韩欧美国产一区二区入口| 亚洲欧美激情综合另类| 国产野战对白在线观看| 操美女的视频在线观看| 亚洲自拍偷在线| 成人国语在线视频| 一级a爱片免费观看的视频| 国产精品亚洲av一区麻豆| 亚洲国产精品sss在线观看 | 久久精品亚洲熟妇少妇任你| 国产有黄有色有爽视频| 国产精品乱码一区二三区的特点 | 操美女的视频在线观看| 亚洲熟女毛片儿| 后天国语完整版免费观看| 久久婷婷成人综合色麻豆| 国产欧美日韩一区二区精品| 亚洲欧美日韩另类电影网站| 日本精品一区二区三区蜜桃| 如日韩欧美国产精品一区二区三区| 亚洲 欧美 日韩 在线 免费| 欧美精品一区二区免费开放| 在线观看www视频免费| 高清黄色对白视频在线免费看| 亚洲av五月六月丁香网| 99精国产麻豆久久婷婷| 日韩免费高清中文字幕av| 国产黄a三级三级三级人| 麻豆一二三区av精品| 国产一卡二卡三卡精品| 精品久久久久久久久久免费视频 | 男女做爰动态图高潮gif福利片 | 一进一出好大好爽视频| 91麻豆av在线| 国产高清激情床上av| 久久久久国产一级毛片高清牌| 欧美在线黄色| 国产片内射在线| 日本黄色日本黄色录像| 久久国产亚洲av麻豆专区| 叶爱在线成人免费视频播放| 午夜91福利影院| 亚洲av第一区精品v没综合| 韩国av一区二区三区四区| 少妇 在线观看| 这个男人来自地球电影免费观看| 99久久99久久久精品蜜桃| 欧美激情高清一区二区三区| 欧美乱色亚洲激情| 午夜福利在线观看吧| 黄色 视频免费看| 精品久久久久久电影网| 亚洲国产精品999在线| 成人三级做爰电影| 女人高潮潮喷娇喘18禁视频| 可以免费在线观看a视频的电影网站| 自线自在国产av| 亚洲免费av在线视频| 又黄又爽又免费观看的视频| 色综合站精品国产| 搡老乐熟女国产| 女同久久另类99精品国产91| 亚洲国产精品一区二区三区在线| 国产精品国产高清国产av| 久久久水蜜桃国产精品网| 亚洲av成人一区二区三| 一进一出好大好爽视频| 欧美日韩亚洲国产一区二区在线观看| 国产精品综合久久久久久久免费 | 亚洲 欧美 日韩 在线 免费| 99在线视频只有这里精品首页| 99久久久亚洲精品蜜臀av| 午夜精品久久久久久毛片777| 手机成人av网站| 18禁裸乳无遮挡免费网站照片 | 欧美国产精品va在线观看不卡| 色综合站精品国产| 久久精品国产综合久久久| 国产一区二区激情短视频| 国产亚洲精品一区二区www| 亚洲久久久国产精品| 亚洲欧美日韩高清在线视频|