• <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 ?

    基于半邊原理的知識圖譜補全

    2020-11-14 04:00:24李冠宇
    計算機工程 2020年11期
    關(guān)鍵詞:三元組頂點圖譜

    程 濤,陳 恒,2,李冠宇

    (1.大連海事大學 信息科學技術(shù)學院,遼寧 大連 116026; 2.大連外國語大學 語言智能研究中心,遼寧 大連 116044)

    0 概述

    在知識圖譜中,知識表示為三元組<頭實體,關(guān)系,尾實體>(即RDF三元組)的形式,使得知識能夠得到結(jié)構(gòu)化處理[1]。人們必須為知識圖譜應(yīng)用設(shè)計各種基于圖形的方法,然而知識圖譜中的知識不能作為完備的知識,尤其是在大規(guī)模知識圖譜上下文中,需要不斷補充其中的實體關(guān)系進行知識圖譜補全[2]。同時,現(xiàn)有的知識圖譜均以三元組的形式表示知識,這限定了知識必須包含頭實體、關(guān)系和尾實體三部分,但實際上三元組并不是適合所有知識的表示方式。例如管理員想查找某學生的導師A的博士論文,但是已有知識庫中并沒有導師A的博士論文,必須得到一個不完全的三元組,要補全這個三元組,必須補充知識庫。按照知識圖譜的規(guī)則,這個不完全三元組無法加入現(xiàn)有的知識圖譜,只能在以后通過擴充知識庫的方式來補全成完整的三元組后加入。因此,研究保存不完全三元組的方法,實現(xiàn)知識圖譜的動態(tài)補全,是一個具有研究意義的問題。

    RDF三元組中關(guān)系本身的特性會對頭尾實體進行限制。例如句子“Lennon was murdered by Champan outside the Dakota on Dec.8.1980”中蘊含的三元組為,其中關(guān)系“kill”決定了頭尾實體都屬于“人”這類實體,屬于地理位置這類的實體“Dakota”則可以被排除。

    在多數(shù)知識圖譜中,關(guān)于實體有簡明的描述[3],這些豐富的語義信息對實體非常重要。以FreeBase中的三元組(William Shakespare,book/author/works_written,Romeo and Juliet)為例,頭實體“William Shakespare”含有描述“William Shakespare was an English poet,playwright,and actor…”,尾實體“Romeo and Juliet”含有描述“Romeo and Juliet is a tragedy written by William Shakespare early in his career…”,這些描述對三元組的補全具有重要作用。

    本文提出一個運用實體描述的知識圖譜補全方法,即基于半邊的多層卷積模型(Half-edged based Multilayer Convolution Model,HMCM)。該模型利用實體描述和關(guān)系自身可以對實體類別進行限制的特性組成半邊,以保存缺失頭實體或尾實體的不完全三元組。在此基礎(chǔ)上,通過將對應(yīng)類別的半邊相結(jié)合,減少輸入三元組的數(shù)量,再把候選的不完全三元組代入卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)進行知識圖譜補全。

    1 相關(guān)工作

    1.1 知識圖譜補全

    針對知識圖譜補全問題,研究者提出了較多的方法[4-6],如基于結(jié)構(gòu)與文本聯(lián)合表示的知識圖譜補全方法[4]和基于雙層隨機游走的關(guān)系推理算法[6]等。學習知識嵌入的代表模型有距離模型、單層神經(jīng)網(wǎng)絡(luò)模型、能量模型、雙線性模型、矩陣分解模型和翻譯模型等[7]。張量神經(jīng)網(wǎng)絡(luò)模型[8]和基于文檔特征的向量空間模型[9]在現(xiàn)有模型中加入多層神經(jīng)網(wǎng)絡(luò)來進行知識圖譜的補全。文獻[10-11]通過類比實驗發(fā)現(xiàn),詞向量空間的平移不變現(xiàn)象普遍存在于詞匯的語義關(guān)系和句法關(guān)系中。對此,文獻[12]進一步提出翻譯模型TransE。然而該模型解決一對一關(guān)系的問題效果較好,但無法應(yīng)對一對多、多對一和多對多關(guān)系的問題。文獻[13]提出TransH模型,通過將關(guān)系建模為超平面,并將h和t投影到關(guān)系特定超平面,從而讓實體在不同的關(guān)系中扮演不同的角色,以解決TransE存在的問題。文獻[14]提出的TransR模型在不同的語義空間中模擬實體和關(guān)系,并在學習嵌入時將實體從實體空間映射到關(guān)系空間。文獻[15]則提出一種基于多步關(guān)系路徑的表示學習模型PTransE。文獻[16]提出的DSKG模型利用循環(huán)神經(jīng)網(wǎng)絡(luò)實現(xiàn)了知識圖譜的補全和實體預(yù)測。文獻[17]提出的DKRL模型用CBOW和卷積神經(jīng)網(wǎng)絡(luò)把實體的描述運用到三元組的補全中。文獻[18]提出的ProjE模型關(guān)注實體與關(guān)系之間的聯(lián)系,不需要預(yù)訓練,參數(shù)規(guī)模小,并且預(yù)測能力強。文獻[19]提出的ConMask模型先以計算實體和關(guān)系語義相似度的方法對錯誤的三元組進行屏蔽,再進行補全工作,大幅減少了訓練時間。

    1.2 半邊圖

    文獻[20]介紹了半邊原理及其在知識圖譜中的應(yīng)用。該文指出半邊是一個基本概念,其將資源視為頂點和資源屬性信息表示為半邊,不同頂點的半邊依據(jù)可結(jié)合性而結(jié)合成為邊,表示資源屬性之間的關(guān)聯(lián)關(guān)系。此后,文獻[21-22]介紹了半邊在本體和因子圖中的應(yīng)用,文獻[23]則證明了半邊圖在大規(guī)模圖形數(shù)據(jù)庫相似性搜索和高性能查詢處理方面的優(yōu)勢。

    2 基于半邊的多層卷積模型

    本文提出基于半邊的多層卷積模型HMCM。該模型通過使用實體和關(guān)系約束組成兩種半邊,并根據(jù)結(jié)合規(guī)則使之相互結(jié)合,得到候選三元組集。對于需要補全的缺失三元組,在候選三元組集中查找對應(yīng)的候選三元組代入CNN進行補全。本文模型的整體結(jié)構(gòu)如圖1所示,其利用兩個兩層的卷積神經(jīng)網(wǎng)絡(luò),分別對頭實體的描述和尾實體的描述進行訓練。在此基礎(chǔ)上,將訓練得到的實體描述表示與實體結(jié)構(gòu)表示相結(jié)合,使用TransE模型進行實體和關(guān)系的補全。

    圖1 HMCM模型結(jié)構(gòu)Fig.1 HMCM model structure

    2.1 半邊的定義

    以圖的頂點表示實體,以邊表示關(guān)系,是知識表示的常用方法。這種方法將頂點和邊作為不可分割的原子概念。半邊即是針對這一問題提出的概念,其定義[17]如下:

    定義1(半邊) 半邊是描述資源屬性的概念,資源有若干屬性,對應(yīng)于一個頂點有若干個半邊。半邊具有以下特點:

    1)一個半邊屬于某個頂點,且分為不同的半邊類型。半邊類型由資源特征屬性決定。

    2)半邊之間相互獨立,即屬性之間相互獨立,但半邊與其他的半邊可以相互結(jié)合。資源特征屬性之間的關(guān)聯(lián)關(guān)系,表示何種類型的兩個半邊可以結(jié)合,稱為半邊結(jié)合類型。

    3)每個半邊有一個數(shù)值性度量值,稱為半邊權(quán)值,一般取大于0的實數(shù),與資源屬性的載荷情況成反比,即半邊權(quán)值越大,資源屬性的載荷越小。

    圖2展示了常見半邊的形態(tài)。

    圖2 半邊示意圖Fig.2 Schematic diagram of half-edge

    參考半邊的定義,結(jié)合知識圖譜中三元組的特性,HMCM所使用的三元組半邊定義如下:

    定義2(三元組半邊) 三元組半邊為知識圖譜補全所使用的特殊半邊,分為頭結(jié)點半邊和尾結(jié)點半邊兩種,每個頂點均只有一個半邊與其相連。三元組半邊符號定義如下:

    1)頭結(jié)點半邊HE1={Hh,Rh,csm}。其中:Hh={h,Wh}代表頂點,由三元組中的頭實體h和該實體的描述Wh組成;Rh={r,rs}代表與頂點相連的半邊,由三元組中的關(guān)系r和該關(guān)系所連接的頭尾結(jié)點類別rs組成;csm為實體描述與關(guān)系的相似度得分。

    2)尾結(jié)點半邊HE2={Tt,Rh,csm}。其中:Tt={t,Wt}代表頂點,由三元組中的尾實體t和該實體的描述Wt組成;Rh與csm定義與頭結(jié)點半邊中相同。

    使用上述兩種半邊,即可得到HMCM所使用的半邊集HE={HE1,HE2}。

    2.2 半邊的實現(xiàn)與結(jié)合

    2.2.1 半邊的實現(xiàn)

    定義實體類別S={s1,s2,…,sn},其中每個實體h(或t)都有自己的類別{si,si+1,…,sj},或是人,或是位置等。對關(guān)系r追加候選實體類別rs={sh,st},其中,sh是關(guān)系r所連接的頭實體類別,st是其尾實體類別。例如關(guān)系father的候選實體類rs={s1,s1},s1為生物類的實體集,這可以解釋為生物的父親一定是生物。因此,那些邏輯上錯誤的三元組(比如某人的父親是某個地理位置)就可以被過濾掉。

    最后處理實體的描述。先從描述文本中刪除所有停用詞,再標記所有短語并將這些短語視為單詞。這些描述單詞的集合定義為Wh=[w1,w2…,wi],即詞向量wi是實體h的一個描述單詞。

    通過以上符號可以定義三元組的兩種半邊HE1和HE2,如式(1)和式(2)所示:

    HE1={h,r,rs,Wh,csm}

    (1)

    HE2={t,r,rs,Wt,csm}

    (2)

    其中,實體h(或t)和該實體的描述Wh(或Wt)為頂點,關(guān)系r為半邊,候選實體類rs和csm為半邊的權(quán)值。csm是實體的描述與關(guān)系相似度得分,其定義如式(3)所示:

    (3)

    其中,a是大于1的常數(shù),用于緩和求平均值所造成的相似度差距縮小的現(xiàn)象。

    2.2.2 半邊的結(jié)合

    設(shè)實體集E中的兩個實體h和t,若h∈HE1,t∈HE2,HE1.r=HE2.r,并滿足式(4):

    |HE1.csm-HE2.csm|>c

    (4)

    其中,c為設(shè)定閾值。三元組是一個補全的候選三元組,由此得到候選三元組的集合HRT,如式(5)所示:

    (5)

    HRT將被用于進行實體和關(guān)系預(yù)測。

    2.2.3 實體預(yù)測與關(guān)系預(yù)測

    對于實體預(yù)測,即缺失一個頭實體或尾實體的三元組,首先使用其中的實體和關(guān)系組成半邊,在HRT中選擇滿足該半邊的候選三元組,再將這些候選三元組代入HMCM進行補全。

    同理,對于關(guān)系預(yù)測,可在HRT中得到同時含有已知頭尾實體的三元組集合,再使用HMCM進行補全。

    2.3 卷積神經(jīng)網(wǎng)絡(luò)

    卷積神經(jīng)網(wǎng)絡(luò)(CNN)是一種廣泛應(yīng)用于圖像的高效模型,其對某些自然語言處理任務(wù)和關(guān)系分類任務(wù)非常有效[17]。同時,CNN也可以用于關(guān)系分類任務(wù)[24-25]。鑒于實體描述詞匯量大、信息環(huán)境復(fù)雜、推理規(guī)則不明確等特點,本文模型需要一個具有良好的容錯能力且并行處理能力和自學習能力、運行速度快、自適應(yīng)能力強的模型來進行訓練,而卷積神經(jīng)網(wǎng)絡(luò)正符合此需求。

    參考DKRL模型,HMCM使用兩層的卷積神經(jīng)網(wǎng)絡(luò),第1層池化層為max-pooling層,第2層池化層為mean-pooling層,具體描述如下:

    在卷積層中,設(shè)Zi為第i個卷積層的輸出,Xi為第i個卷積層的輸入,大小為k的卷積窗滑過Xi中的輸入向量以得到Xi(k)。在第1個卷積層中,X1是實體的描述向量(x0,x1,…,xn)。因此,卷積層的第i層輸出向量如式(6)所示:

    Zi=σ(WiXi+bi)

    (6)

    模型的第1層輸入為頭實體和尾實體對應(yīng)的描述單詞集Wh和Wt,即X1=Wh(或X1=Wt)。

    卷積層之后使用池化層來縮小CNN的參數(shù)空間和濾波器噪聲。卷積層的輸出向量被分成多個大小為nL的非重疊窗口。對于第1層池化層,選取每個窗口的最大值以構(gòu)成新的向量。nL-max-pooling得到nL大小的窗口內(nèi)輸入向量中最大的特征值,如式(7)所示:

    X2=max(ZnL×i,ZnL×(i+1),…,ZnL×(i+1)-1)

    (7)

    nL-max-pooling可以縮小nL次特征表示的大小,降低CNN編碼器的復(fù)雜性和參數(shù)學習的成本。然而,一些描述非常復(fù)雜,不同的句子可能表示信息的不同方面,僅使用max-pooling會導致大量的信息丟失。對此,第2個池化層使用mean-pooling以減少信息丟失,使所有包含不同本地信息的輸入向量都能對最終實體嵌入有貢獻,并可以在反向傳播期間進行更新,所得特征值如式(8)所示:

    (8)

    最終結(jié)果通過一層全連接神經(jīng)網(wǎng)絡(luò)與第2層池化層相連,輸出結(jié)果為與實體結(jié)構(gòu)向量同維的向量,記為實體的描述向量。

    使用卷積神經(jīng)網(wǎng)絡(luò)訓練得到的實體描述表示與實體結(jié)構(gòu)表示組合形成最終的實體表示hc、tc。基于描述的實體表示記為hd、td,基于結(jié)構(gòu)的實體記為hs、ts,則hc和tc的計算公式如式(9)和式(10)所示:

    (9)

    (10)

    最后使用TransE模型進行實體和關(guān)系預(yù)測,如式(11)所示:

    (11)

    由于已經(jīng)使用半邊篩選了實體的類別,此處實體的輸入量僅為某個類中實體的數(shù)量,因此可縮短運行時間。

    2.4 損失函數(shù)

    選擇TransE的損失函數(shù)作為訓練目標,如式(12)所示:

    |h′c+r-t′c|,0}

    (12)

    在式(12)中,γ是邊際超參數(shù),γ>0,T′是訓練集T的負例的集合,如式(13)所示:

    T′={(h′,r,t)|h′∈E∪(h,r′,t)|r′∈

    R∪(h,r,t′)|t′∈E}

    (13)

    T′為三元組中頭實體、尾實體或關(guān)系被另一個實體或關(guān)系隨機替換所組成的錯誤三元組集。如果三元組已經(jīng)在T中,則不會將其視為負樣本。由于h和t有兩種表示(基于結(jié)構(gòu)的表示和基于描述的表示),因此在基于邊距的得分函數(shù)中,實體的表示是基于結(jié)構(gòu)表示和基于描述表示的平均值。

    2.5 算法描述

    HMCM算法偽代碼如下:

    算法1HMCM算法

    輸入三元組T={(h,r,t)},每個實體對應(yīng)的描述Wh

    for e in E://在實體和關(guān)系之間組合,形成半邊

    for r in R:

    if (e.s==rs.sh):

    csm=a*(Wh*r)/(||Wh||*||r||);HE1.append(h,r,csm)

    if (e.s==rs.st):

    csm=a*(Wt*r)/(||Wt||*||r||);HE2.append(t,r,csm)

    else:continue

    for i in HE1://按照結(jié)合規(guī)則進行半邊的結(jié)合,利用c//進行篩選

    for j in HE2:

    if(|i.csm-j.csm|>c):HRT.append()

    for in HRT://實體描述代入CNN得到最終//的實體向量

    hd=Wh→CNN;hc=(hs+hd)/2

    td=Wt→CNN;tc=(ts+td)/2

    (hc,r,tc)→TransE//最終結(jié)果代入TransE模型

    3 實驗與結(jié)果分析

    本文實驗的數(shù)據(jù)集使用FB15K和WN18,這兩個數(shù)據(jù)集均是從典型的大型知識庫中提取的數(shù)據(jù)集,可用于評估知識圖譜補全模型。為確認每個實體都能進行基于描述表示學習的訓練,從數(shù)據(jù)集中刪除了部分實體和包含這些實體的所有三元組。處理后的FB15K和WN18數(shù)據(jù)集的數(shù)據(jù)分布如表1所示。其中:FB15K訓練集有472 860個三元組、14 904個實體和1 341個關(guān)系,測試集有57 303個三元組;WN18中訓練集有140 229個三元組、39 852個實體和18個關(guān)系,測試集有49 276個三元組。

    表1 FB15K和WN18的數(shù)據(jù)分布Table 1 Data distribution of FB15K and WN18

    訓練模型采用多次實驗來尋找最佳的參數(shù)設(shè)置,其中,實體和關(guān)系維度n分別為50、80和100,學習率λ分別為0.000 5、0.001 0和0.002 0,邊緣參數(shù)γ分別為0.5、1.0、1.5和2.0。第1個池化層使用4-max-pooling。

    使用正確實體的平均等級和排在前10名(實體)或第1名(關(guān)系)的正確率這兩種指標對模型性能進行評價,同時參照文獻[13],遵循Raw和Filter 2個評估標準并對比CBOW模型和CNN模型,得到實體預(yù)測和關(guān)系預(yù)測的比較結(jié)果,如表2和表3所示,表中數(shù)據(jù)均以FB15K/WN18的形式列出。

    表2 實體預(yù)測結(jié)果對比Table 2 Comparison of entity prediction results

    表3 關(guān)系預(yù)測結(jié)果對比Table 3 Comparison of relation prediction results

    可以看出,HMCM與DKRL(CNN)+TransE在平均等級和Hits@10上顯著優(yōu)于TransE和CBOW。在實體預(yù)測方面,HMCM略優(yōu)于DKRL,而在關(guān)系預(yù)測方面,DKRL模型相對占優(yōu)。這表明在基于結(jié)構(gòu)補全方面,HMCM與DKRL都沒有優(yōu)于TransE。這是由于TransE在結(jié)構(gòu)補全方面較為優(yōu)秀,而DKRL和HMCM都是在TransE的基礎(chǔ)上進行優(yōu)化,并沒有對其進行較大改進,因此,相比之下優(yōu)勢并沒有非常大,但相較于DKRL,HMCM對實體和關(guān)系的組合進行了一定限制,提高了精確度,因此,在實體預(yù)測方面HMCM更占優(yōu)。而對于關(guān)系預(yù)測,HMCM對結(jié)構(gòu)與描述做了平均處理,削弱了關(guān)系描述中隱藏的語義對于關(guān)系預(yù)測的作用,導致預(yù)測關(guān)系的能力變?nèi)?。同時由于在半邊的結(jié)合規(guī)則中,關(guān)系是非常重要的一環(huán),缺失關(guān)系對半邊的結(jié)合精確度有所影響,因此HMCM的預(yù)測能力與DKRL相差無幾。為對此進行改進,后續(xù)將從實體的描述中發(fā)掘頭尾實體之間的聯(lián)系來加強關(guān)系預(yù)測的能力,彌補其不足。

    從訓練集中選取100 000個數(shù)據(jù)對DKRL和HMCM分別進行測試,記錄模型運行時間,如圖3所示??梢钥闯?當數(shù)據(jù)量較少時,HMCM的效率略低于DKRL,而隨著數(shù)據(jù)量不斷增長,HMCM的運行效率逐漸比DKRL高。這是因為HMCM將三元組的范圍擴展為半邊,這雖然能發(fā)現(xiàn)潛在語義關(guān)系,但也一定程度上擴大了搜索范圍,因此,當數(shù)據(jù)量較少時,其補全效率比DKRL略低,而隨著數(shù)據(jù)量的增長,HMCM中半邊的作用逐漸體現(xiàn),數(shù)據(jù)過濾效果逐漸增強,因此,運行時間也較DKRL越來越少。

    圖3 DKRL模型與HMCM模型的運行時間對比Fig.3 Comparison of running time by DKRL model and HMCM model

    此外,HMCM把不完全的三元組以半邊的形式加以暫存,這讓只能通過補充知識庫才能進行補全的三元組在后續(xù)補全工作中可以使用現(xiàn)有的半邊來加快補全進程,避免了不必要且重復(fù)的遍歷工作,從而實現(xiàn)知識圖譜的動態(tài)補全。

    4 結(jié)束語

    本文提出HMCM模型,通過引入半邊優(yōu)化具有實體描述的知識圖譜學習,使用深度卷積神經(jīng)網(wǎng)絡(luò)提取實體描述的語義,并將描述與結(jié)構(gòu)相結(jié)合進行知識圖譜補全。實驗結(jié)果表明,該模型在實體預(yù)測和關(guān)系預(yù)測中均能達到預(yù)期目標,并且在知識圖譜的動態(tài)補全方面具有優(yōu)勢。但HMCM模型僅考慮表示學習的實體描述,而未將其他類型的文本信息運用到模型中。此外,模型中雖然引入了半邊來提高補全的精度,但是人工標記關(guān)系和實體分類依然耗時耗力。針對以上不足,下一步將對模型進行優(yōu)化,完成實體的自動分類,同時對關(guān)系的約束進行定義,進一步探索時變半邊圖與知識圖譜結(jié)合的方法。

    猜你喜歡
    三元組頂點圖譜
    基于語義增強雙編碼器的方面情感三元組提取
    軟件工程(2024年12期)2024-12-28 00:00:00
    基于帶噪聲數(shù)據(jù)集的強魯棒性隱含三元組質(zhì)檢算法*
    過非等腰銳角三角形頂點和垂心的圓的性質(zhì)及應(yīng)用(下)
    繪一張成長圖譜
    關(guān)于余撓三元組的periodic-模
    關(guān)于頂點染色的一個猜想
    山東科學(2018年6期)2018-12-20 11:08:58
    補腎強身片UPLC指紋圖譜
    中成藥(2017年3期)2017-05-17 06:09:01
    主動對接你思維的知識圖譜
    三元組輻射場的建模與仿真
    雜草圖譜
    雜草學報(2012年1期)2012-11-06 07:08:33
    久99久视频精品免费| 琪琪午夜伦伦电影理论片6080| 99re在线观看精品视频| av在线播放免费不卡| 日韩欧美国产一区二区入口| 最好的美女福利视频网| 乱人伦中国视频| 日韩成人在线观看一区二区三区| 波多野结衣高清无吗| 涩涩av久久男人的天堂| 国产精品日韩av在线免费观看 | 美女高潮到喷水免费观看| 久久国产精品男人的天堂亚洲| 午夜久久久在线观看| 日韩av在线大香蕉| 嫩草影院精品99| 天天添夜夜摸| а√天堂www在线а√下载| 叶爱在线成人免费视频播放| 色综合站精品国产| 久久精品人人爽人人爽视色| 黑丝袜美女国产一区| 精品免费久久久久久久清纯| 18禁裸乳无遮挡免费网站照片 | 欧美性长视频在线观看| 国产高清视频在线播放一区| 精品电影一区二区在线| 亚洲人成电影免费在线| a级毛片在线看网站| 国产黄a三级三级三级人| 欧美日本中文国产一区发布| 亚洲精品美女久久久久99蜜臀| 99热只有精品国产| 视频区欧美日本亚洲| 久久中文字幕人妻熟女| 天堂中文最新版在线下载| 日韩av在线大香蕉| 18禁裸乳无遮挡免费网站照片 | 久久国产亚洲av麻豆专区| 美女国产高潮福利片在线看| 首页视频小说图片口味搜索| 精品久久久精品久久久| 丝袜在线中文字幕| 亚洲久久久国产精品| 日韩大码丰满熟妇| 精品国内亚洲2022精品成人| 国产精品影院久久| 国产精品九九99| 美女高潮到喷水免费观看| 高清欧美精品videossex| 一级黄色大片毛片| 男人舔女人的私密视频| 久久精品国产亚洲av香蕉五月| 日韩三级视频一区二区三区| 少妇被粗大的猛进出69影院| 久久久水蜜桃国产精品网| 18禁美女被吸乳视频| 真人一进一出gif抽搐免费| 99久久国产精品久久久| 国产1区2区3区精品| 欧美一区二区精品小视频在线| 一二三四社区在线视频社区8| 一区二区三区精品91| 级片在线观看| 亚洲人成网站在线播放欧美日韩| 亚洲熟妇中文字幕五十中出 | 变态另类成人亚洲欧美熟女 | a级毛片在线看网站| 午夜成年电影在线免费观看| 精品国产超薄肉色丝袜足j| 亚洲,欧美精品.| 午夜免费激情av| 中文字幕最新亚洲高清| 免费在线观看影片大全网站| 久久久精品欧美日韩精品| 免费在线观看亚洲国产| 一本综合久久免费| 久久久久久人人人人人| 欧美日韩亚洲综合一区二区三区_| 十分钟在线观看高清视频www| 亚洲午夜理论影院| 一区二区三区国产精品乱码| 91av网站免费观看| а√天堂www在线а√下载| 视频在线观看一区二区三区| 桃红色精品国产亚洲av| 国产欧美日韩一区二区精品| 两人在一起打扑克的视频| 操美女的视频在线观看| 99久久99久久久精品蜜桃| 亚洲美女黄片视频| 亚洲五月天丁香| 国产精品永久免费网站| 热re99久久精品国产66热6| 中文字幕人妻丝袜一区二区| 91国产中文字幕| 人人澡人人妻人| 丝袜在线中文字幕| 露出奶头的视频| 97超级碰碰碰精品色视频在线观看| 欧美乱码精品一区二区三区| 日本 av在线| 中亚洲国语对白在线视频| www.熟女人妻精品国产| 国产精品综合久久久久久久免费 | 欧美老熟妇乱子伦牲交| 国产极品粉嫩免费观看在线| 欧美国产精品va在线观看不卡| av欧美777| 国产精品久久视频播放| 制服人妻中文乱码| av天堂在线播放| 国产有黄有色有爽视频| 人妻久久中文字幕网| 国产精品国产高清国产av| 国产免费av片在线观看野外av| 久久精品亚洲av国产电影网| 黑人操中国人逼视频| 久久国产乱子伦精品免费另类| 91av网站免费观看| 黑人欧美特级aaaaaa片| 午夜影院日韩av| 大型av网站在线播放| 精品久久久久久成人av| 中文字幕av电影在线播放| 国产日韩一区二区三区精品不卡| 男女下面插进去视频免费观看| 久久天堂一区二区三区四区| 亚洲国产欧美网| 91大片在线观看| 极品人妻少妇av视频| 国产欧美日韩一区二区三| 欧美黄色片欧美黄色片| 欧美黑人精品巨大| 免费久久久久久久精品成人欧美视频| 亚洲欧美一区二区三区黑人| 免费女性裸体啪啪无遮挡网站| 如日韩欧美国产精品一区二区三区| 国产熟女午夜一区二区三区| 精品久久久精品久久久| 亚洲第一青青草原| 夜夜夜夜夜久久久久| 曰老女人黄片| 国产精品日韩av在线免费观看 | 久久影院123| 亚洲国产欧美日韩在线播放| 99国产综合亚洲精品| 国产av又大| 国产精品偷伦视频观看了| av在线天堂中文字幕 | 我的亚洲天堂| 国产国语露脸激情在线看| 国产麻豆69| e午夜精品久久久久久久| 天堂影院成人在线观看| 可以在线观看毛片的网站| 亚洲熟女毛片儿| 日韩成人在线观看一区二区三区| 超色免费av| 国产激情欧美一区二区| 欧美在线黄色| 波多野结衣一区麻豆| 女人爽到高潮嗷嗷叫在线视频| 国产主播在线观看一区二区| bbb黄色大片| 国产精品久久久久成人av| 亚洲精品一二三| 嫁个100分男人电影在线观看| 亚洲精品av麻豆狂野| 国产av在哪里看| 最近最新中文字幕大全免费视频| 丰满迷人的少妇在线观看| 日韩欧美国产一区二区入口| 在线观看午夜福利视频| 成人精品一区二区免费| 欧美黑人精品巨大| 免费不卡黄色视频| 亚洲熟女毛片儿| 精品久久久久久久毛片微露脸| 欧美中文综合在线视频| 一进一出抽搐gif免费好疼 | 久久久久久免费高清国产稀缺| 国产成人精品在线电影| 亚洲avbb在线观看| www.自偷自拍.com| 日韩av在线大香蕉| 男男h啪啪无遮挡| av欧美777| 99精品久久久久人妻精品| 欧美乱色亚洲激情| 长腿黑丝高跟| 成人三级做爰电影| 男人舔女人的私密视频| 超色免费av| 亚洲中文日韩欧美视频| av在线播放免费不卡| 精品国产乱码久久久久久男人| av网站在线播放免费| 又黄又粗又硬又大视频| 国产xxxxx性猛交| 欧美日韩视频精品一区| 老熟妇乱子伦视频在线观看| 大陆偷拍与自拍| 欧洲精品卡2卡3卡4卡5卡区| 亚洲精品在线观看二区| 18禁裸乳无遮挡免费网站照片 | 亚洲成国产人片在线观看| 中文亚洲av片在线观看爽| 90打野战视频偷拍视频| 久久国产精品人妻蜜桃| 国产真人三级小视频在线观看| 欧美乱妇无乱码| 日韩免费高清中文字幕av| 在线免费观看的www视频| 色婷婷av一区二区三区视频| 老汉色∧v一级毛片| 91av网站免费观看| 一区二区三区国产精品乱码| 亚洲全国av大片| 亚洲人成77777在线视频| cao死你这个sao货| 亚洲第一av免费看| 日韩欧美三级三区| 大型av网站在线播放| 可以免费在线观看a视频的电影网站| 国产熟女xx| 精品人妻1区二区| 国产伦人伦偷精品视频| 久久久国产成人精品二区 | 一边摸一边做爽爽视频免费| 亚洲av成人一区二区三| 757午夜福利合集在线观看| 亚洲少妇的诱惑av| 亚洲精品国产精品久久久不卡| 桃红色精品国产亚洲av| 欧美久久黑人一区二区| 美女午夜性视频免费| 波多野结衣一区麻豆| 激情在线观看视频在线高清| 五月开心婷婷网| 国产成人啪精品午夜网站| 99久久久亚洲精品蜜臀av| 精品福利永久在线观看| 一本综合久久免费| 成人免费观看视频高清| 午夜免费鲁丝| 精品乱码久久久久久99久播| 熟女少妇亚洲综合色aaa.| 大型黄色视频在线免费观看| 成人黄色视频免费在线看| 成年版毛片免费区| 日本免费a在线| 黄色怎么调成土黄色| 亚洲片人在线观看| 最新在线观看一区二区三区| 乱人伦中国视频| 欧美成狂野欧美在线观看| 欧美性长视频在线观看| 成人亚洲精品一区在线观看| 人人澡人人妻人| 一a级毛片在线观看| 很黄的视频免费| 天堂俺去俺来也www色官网| 在线看a的网站| 国产精品野战在线观看 | 久久香蕉国产精品| 久久伊人香网站| 色在线成人网| 国产欧美日韩综合在线一区二区| 天堂俺去俺来也www色官网| 国产成人精品久久二区二区91| 亚洲中文日韩欧美视频| 亚洲成av片中文字幕在线观看| 校园春色视频在线观看| 精品人妻1区二区| 制服诱惑二区| 久热爱精品视频在线9| 精品久久久久久久毛片微露脸| 久久人妻av系列| 在线视频色国产色| 很黄的视频免费| 欧美亚洲日本最大视频资源| 高清毛片免费观看视频网站 | 国产精品自产拍在线观看55亚洲| 亚洲情色 制服丝袜| 男女下面进入的视频免费午夜 | 99精国产麻豆久久婷婷| 看黄色毛片网站| 丰满的人妻完整版| 成人18禁在线播放| 国产蜜桃级精品一区二区三区| 免费在线观看亚洲国产| 神马国产精品三级电影在线观看 | 村上凉子中文字幕在线| 国产麻豆69| 12—13女人毛片做爰片一| 日韩人妻精品一区2区三区| 美国免费a级毛片| 欧美日本中文国产一区发布| 成人影院久久| 日韩精品青青久久久久久| 真人做人爱边吃奶动态| 变态另类成人亚洲欧美熟女 | 日本免费一区二区三区高清不卡 | 最近最新免费中文字幕在线| 午夜久久久在线观看| 国产亚洲av高清不卡| 在线天堂中文资源库| 国产熟女午夜一区二区三区| 欧美日韩国产mv在线观看视频| 乱人伦中国视频| 人成视频在线观看免费观看| 国产精品 欧美亚洲| 亚洲精品中文字幕在线视频| 日本黄色日本黄色录像| 99久久精品国产亚洲精品| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲国产精品合色在线| 性色av乱码一区二区三区2| 男男h啪啪无遮挡| 日韩三级视频一区二区三区| 日日爽夜夜爽网站| 五月开心婷婷网| 怎么达到女性高潮| 日韩三级视频一区二区三区| 日日摸夜夜添夜夜添小说| 日韩欧美三级三区| 最近最新中文字幕大全电影3 | 在线观看66精品国产| 久久久久久久精品吃奶| 女性被躁到高潮视频| 欧美日韩乱码在线| 色婷婷久久久亚洲欧美| 日韩av在线大香蕉| 国产精品99久久99久久久不卡| 欧美日韩乱码在线| 午夜福利影视在线免费观看| av在线天堂中文字幕 | 十八禁网站免费在线| 国产片内射在线| 亚洲国产看品久久| 欧美另类亚洲清纯唯美| 一区二区日韩欧美中文字幕| √禁漫天堂资源中文www| 国产又爽黄色视频| av网站在线播放免费| 国产精品久久久av美女十八| 成熟少妇高潮喷水视频| 国产主播在线观看一区二区| 久久久久精品国产欧美久久久| 日韩 欧美 亚洲 中文字幕| 老司机午夜福利在线观看视频| 婷婷精品国产亚洲av在线| 国产极品粉嫩免费观看在线| 神马国产精品三级电影在线观看 | 国产av一区二区精品久久| 成熟少妇高潮喷水视频| 婷婷六月久久综合丁香| 国产av一区在线观看免费| 欧美黑人精品巨大| 欧美大码av| 欧美激情 高清一区二区三区| 伦理电影免费视频| 美女午夜性视频免费| 日韩有码中文字幕| 国产精品国产高清国产av| 十分钟在线观看高清视频www| 国产精品乱码一区二三区的特点 | 久久欧美精品欧美久久欧美| а√天堂www在线а√下载| 久久人人爽av亚洲精品天堂| 国产在线观看jvid| 精品无人区乱码1区二区| 曰老女人黄片| 亚洲中文av在线| 多毛熟女@视频| 精品国产亚洲在线| 黄频高清免费视频| 高潮久久久久久久久久久不卡| 91成人精品电影| 男人的好看免费观看在线视频 | 黑人巨大精品欧美一区二区mp4| 91九色精品人成在线观看| 久久亚洲精品不卡| 日本一区二区免费在线视频| 国产伦一二天堂av在线观看| 黄色女人牲交| 美女 人体艺术 gogo| 色婷婷久久久亚洲欧美| 99国产精品免费福利视频| 亚洲人成伊人成综合网2020| 侵犯人妻中文字幕一二三四区| 五月开心婷婷网| www.精华液| 国产欧美日韩一区二区三区在线| 极品教师在线免费播放| 亚洲精品国产色婷婷电影| 男女午夜视频在线观看| 一区二区三区精品91| 变态另类成人亚洲欧美熟女 | 桃色一区二区三区在线观看| 美女午夜性视频免费| 精品久久久久久成人av| a级片在线免费高清观看视频| 国产日韩一区二区三区精品不卡| 19禁男女啪啪无遮挡网站| 中文字幕av电影在线播放| 成人亚洲精品一区在线观看| 免费在线观看视频国产中文字幕亚洲| 大型av网站在线播放| 美女午夜性视频免费| 日本wwww免费看| 亚洲精品在线观看二区| 精品午夜福利视频在线观看一区| 丁香欧美五月| 免费av中文字幕在线| 亚洲第一青青草原| 丁香六月欧美| 99国产综合亚洲精品| 免费日韩欧美在线观看| 亚洲五月天丁香| 日本黄色视频三级网站网址| 女警被强在线播放| 国产精品久久久av美女十八| 在线播放国产精品三级| 天堂动漫精品| 午夜91福利影院| 日本免费a在线| 亚洲色图av天堂| a在线观看视频网站| 老司机靠b影院| 三级毛片av免费| 波多野结衣av一区二区av| 亚洲欧美精品综合久久99| 黄色女人牲交| 99精品在免费线老司机午夜| 成在线人永久免费视频| 欧美日韩瑟瑟在线播放| 国产精华一区二区三区| 日韩免费av在线播放| 操美女的视频在线观看| 久久精品aⅴ一区二区三区四区| 亚洲欧洲精品一区二区精品久久久| 精品乱码久久久久久99久播| 国产激情欧美一区二区| 少妇裸体淫交视频免费看高清 | 欧美日韩亚洲综合一区二区三区_| 女性被躁到高潮视频| www.www免费av| 色哟哟哟哟哟哟| 很黄的视频免费| 99re在线观看精品视频| 久久久久久久久免费视频了| 亚洲国产欧美网| 午夜福利影视在线免费观看| 国产免费av片在线观看野外av| 色综合欧美亚洲国产小说| 巨乳人妻的诱惑在线观看| 国产麻豆69| 亚洲国产欧美日韩在线播放| 精品福利永久在线观看| 又黄又粗又硬又大视频| 免费观看人在逋| 国产成+人综合+亚洲专区| 五月开心婷婷网| 国产精品野战在线观看 | 在线观看免费午夜福利视频| 国产精品1区2区在线观看.| 亚洲七黄色美女视频| 午夜91福利影院| 99国产精品一区二区蜜桃av| 夜夜看夜夜爽夜夜摸 | 亚洲欧美激情在线| 视频区图区小说| 色在线成人网| 国产aⅴ精品一区二区三区波| 深夜精品福利| 美国免费a级毛片| 中亚洲国语对白在线视频| 丝袜在线中文字幕| 中文字幕色久视频| 亚洲,欧美精品.| 色综合婷婷激情| 亚洲aⅴ乱码一区二区在线播放 | 精品熟女少妇八av免费久了| 日本欧美视频一区| 久久国产精品人妻蜜桃| 亚洲性夜色夜夜综合| a级毛片黄视频| 欧美日韩视频精品一区| 精品久久久久久,| 色尼玛亚洲综合影院| 国产一区二区在线av高清观看| 女人爽到高潮嗷嗷叫在线视频| 亚洲五月天丁香| 老熟妇仑乱视频hdxx| 久久久精品国产亚洲av高清涩受| 美女大奶头视频| 丰满迷人的少妇在线观看| 午夜福利在线免费观看网站| 9热在线视频观看99| 成年人黄色毛片网站| 午夜影院日韩av| 中文字幕最新亚洲高清| 天天添夜夜摸| 国产视频一区二区在线看| 久久久精品国产亚洲av高清涩受| 精品人妻在线不人妻| 日日摸夜夜添夜夜添小说| 最近最新中文字幕大全免费视频| 国产成人欧美| 久久精品国产99精品国产亚洲性色 | 日本免费一区二区三区高清不卡 | 亚洲欧美精品综合一区二区三区| bbb黄色大片| 日本 av在线| 一级毛片精品| 电影成人av| 大型黄色视频在线免费观看| 多毛熟女@视频| 琪琪午夜伦伦电影理论片6080| 一边摸一边抽搐一进一出视频| 欧美乱妇无乱码| 精品久久久久久,| 9色porny在线观看| 亚洲九九香蕉| 亚洲午夜精品一区,二区,三区| 亚洲国产欧美一区二区综合| 窝窝影院91人妻| 色老头精品视频在线观看| 午夜亚洲福利在线播放| 在线观看舔阴道视频| 五月开心婷婷网| 一级毛片精品| 久久精品人人爽人人爽视色| 亚洲av成人一区二区三| 亚洲性夜色夜夜综合| 国产成+人综合+亚洲专区| 18禁美女被吸乳视频| a级毛片黄视频| 久久精品91无色码中文字幕| 午夜激情av网站| 18禁裸乳无遮挡免费网站照片 | 欧美大码av| 亚洲九九香蕉| 欧美日韩黄片免| 精品午夜福利视频在线观看一区| 啦啦啦 在线观看视频| 老熟妇乱子伦视频在线观看| 99久久国产精品久久久| 久久天堂一区二区三区四区| 一本综合久久免费| 国产av又大| 久久狼人影院| 精品高清国产在线一区| 日韩高清综合在线| 亚洲成人精品中文字幕电影 | 一进一出好大好爽视频| 好看av亚洲va欧美ⅴa在| 成人手机av| 啦啦啦免费观看视频1| 啦啦啦在线免费观看视频4| 满18在线观看网站| 女人被躁到高潮嗷嗷叫费观| 高清av免费在线| 午夜福利免费观看在线| 亚洲中文字幕日韩| 性欧美人与动物交配| 亚洲精品美女久久av网站| 午夜激情av网站| aaaaa片日本免费| 欧美黄色片欧美黄色片| 女性被躁到高潮视频| 国产国语露脸激情在线看| 欧美午夜高清在线| 欧美人与性动交α欧美软件| 久久香蕉激情| 国产精品久久久人人做人人爽| 国产亚洲精品一区二区www| 大香蕉久久成人网| 国产真人三级小视频在线观看| 真人做人爱边吃奶动态| 18禁裸乳无遮挡免费网站照片 | 欧美激情久久久久久爽电影 | 免费一级毛片在线播放高清视频 | 久久午夜综合久久蜜桃| 中文字幕另类日韩欧美亚洲嫩草| 12—13女人毛片做爰片一| svipshipincom国产片| 久久中文字幕一级| 每晚都被弄得嗷嗷叫到高潮| 美女扒开内裤让男人捅视频| 亚洲人成77777在线视频| 999久久久精品免费观看国产| 色综合欧美亚洲国产小说| 90打野战视频偷拍视频| 水蜜桃什么品种好| 日韩一卡2卡3卡4卡2021年| 亚洲男人天堂网一区| 欧美精品啪啪一区二区三区| 成在线人永久免费视频| 999精品在线视频| 黑人猛操日本美女一级片| 黄色视频,在线免费观看| 国产成人欧美| 久久久久精品国产欧美久久久| 国产伦人伦偷精品视频| 大型黄色视频在线免费观看| 国产日韩一区二区三区精品不卡| 亚洲一码二码三码区别大吗| 99久久人妻综合| 人人妻人人添人人爽欧美一区卜| av超薄肉色丝袜交足视频| 欧美av亚洲av综合av国产av| 99国产精品99久久久久|