• <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
    在线天堂最新版资源| 欧美成人精品欧美一级黄| 欧美日韩综合久久久久久| 韩国高清视频一区二区三区| 亚洲欧美激情在线| 精品久久久精品久久久| 国产成人a∨麻豆精品| 一二三四中文在线观看免费高清| 美国免费a级毛片| 国产免费一区二区三区四区乱码| 天美传媒精品一区二区| 国产视频首页在线观看| 亚洲伊人久久精品综合| 国产极品粉嫩免费观看在线| 日韩av在线免费看完整版不卡| av有码第一页| 久久鲁丝午夜福利片| 一本一本久久a久久精品综合妖精| a级片在线免费高清观看视频| 久久人人97超碰香蕉20202| 久久婷婷青草| 久久久久国产精品人妻一区二区| 久久天躁狠狠躁夜夜2o2o | 亚洲国产精品一区二区三区在线| 美女中出高潮动态图| 老司机靠b影院| 99久久综合免费| 欧美中文综合在线视频| 免费在线观看黄色视频的| 香蕉丝袜av| 不卡视频在线观看欧美| 久久久久国产精品人妻一区二区| 日日摸夜夜添夜夜爱| 免费av中文字幕在线| 日本wwww免费看| 国产麻豆69| 日本wwww免费看| 成人国语在线视频| 国产成人91sexporn| 美女主播在线视频| 欧美日韩一级在线毛片| 极品人妻少妇av视频| 日韩制服骚丝袜av| 亚洲一级一片aⅴ在线观看| 精品一区二区三区四区五区乱码 | 色网站视频免费| 婷婷色麻豆天堂久久| 国产精品人妻久久久影院| 精品少妇内射三级| 免费黄网站久久成人精品| 亚洲成人国产一区在线观看 | 亚洲成国产人片在线观看| 日日摸夜夜添夜夜爱| 超碰97精品在线观看| 免费看不卡的av| 一级片免费观看大全| 一本—道久久a久久精品蜜桃钙片| 国产1区2区3区精品| 久久久精品区二区三区| 久久久精品免费免费高清| 国产福利在线免费观看视频| 一级片'在线观看视频| 日韩免费高清中文字幕av| 嫩草影视91久久| 十八禁网站网址无遮挡| 日本午夜av视频| 久久综合国产亚洲精品| 丝袜在线中文字幕| 国产成人一区二区在线| 亚洲天堂av无毛| 成人18禁高潮啪啪吃奶动态图| 美女国产高潮福利片在线看| 国产色婷婷99| 色精品久久人妻99蜜桃| 国产片内射在线| 中文乱码字字幕精品一区二区三区| 午夜免费成人在线视频| 91成年电影在线观看| 操出白浆在线播放| netflix在线观看网站| 男人舔女人的私密视频| 日韩视频一区二区在线观看| av片东京热男人的天堂| 在线十欧美十亚洲十日本专区| 国产男靠女视频免费网站| 女性生殖器流出的白浆| 性少妇av在线| 色婷婷久久久亚洲欧美| 久久精品aⅴ一区二区三区四区| 日本a在线网址| 女人被狂操c到高潮| 美国免费a级毛片| 午夜免费成人在线视频| 黄频高清免费视频| 多毛熟女@视频| 亚洲av五月六月丁香网| 日韩欧美一区视频在线观看| 色精品久久人妻99蜜桃| 我的亚洲天堂| www.自偷自拍.com| 搡老妇女老女人老熟妇| www国产在线视频色| 国产伦一二天堂av在线观看| 男女下面进入的视频免费午夜 | www.www免费av| 国内久久婷婷六月综合欲色啪| 国语自产精品视频在线第100页| 在线观看免费视频网站a站| 国产成人精品久久二区二区91| 亚洲欧美精品综合久久99| 又黄又粗又硬又大视频| 欧美黑人精品巨大| 制服诱惑二区| 看片在线看免费视频| 动漫黄色视频在线观看| 丁香欧美五月| 巨乳人妻的诱惑在线观看| 午夜影院日韩av| 在线免费观看的www视频| 日韩三级视频一区二区三区| 国产精品免费一区二区三区在线| 99国产极品粉嫩在线观看| 国产三级在线视频| 一区二区日韩欧美中文字幕| 88av欧美| 欧美日韩亚洲综合一区二区三区_| 亚洲国产精品成人综合色| 久久性视频一级片| 极品人妻少妇av视频| 国产成人啪精品午夜网站| 中文字幕久久专区| 欧美绝顶高潮抽搐喷水| 欧美乱码精品一区二区三区| 天天躁狠狠躁夜夜躁狠狠躁| 啪啪无遮挡十八禁网站| 多毛熟女@视频| 亚洲欧美日韩另类电影网站| 免费少妇av软件| 成人免费观看视频高清| 国产区一区二久久| 欧美乱色亚洲激情| 美女免费视频网站| 亚洲精品国产精品久久久不卡| 色精品久久人妻99蜜桃| 99久久精品国产亚洲精品| 两个人看的免费小视频| 91字幕亚洲| 久久久久久国产a免费观看| 免费在线观看黄色视频的| 亚洲色图综合在线观看| 18禁观看日本| 黄频高清免费视频| 成人18禁在线播放| 色哟哟哟哟哟哟| 十八禁网站免费在线| 国产极品粉嫩免费观看在线| 亚洲一区中文字幕在线| www.999成人在线观看| 午夜精品久久久久久毛片777| 亚洲 欧美一区二区三区| 老熟妇仑乱视频hdxx| 91成年电影在线观看| 成人国语在线视频| 亚洲中文字幕日韩| 国产一区二区三区在线臀色熟女| 亚洲国产中文字幕在线视频| 纯流量卡能插随身wifi吗| 露出奶头的视频| 老司机午夜十八禁免费视频| 亚洲 欧美一区二区三区| 久久精品国产亚洲av高清一级| 亚洲av电影在线进入| 精品免费久久久久久久清纯| 给我免费播放毛片高清在线观看| 久久精品国产99精品国产亚洲性色 | 日韩欧美一区视频在线观看| 啦啦啦 在线观看视频| 色精品久久人妻99蜜桃| e午夜精品久久久久久久| 怎么达到女性高潮| 国产精品亚洲美女久久久| 97碰自拍视频| 亚洲欧美日韩无卡精品| 久久青草综合色| 亚洲午夜理论影院| 黄色成人免费大全| 黄片播放在线免费| 91在线观看av| 欧美精品亚洲一区二区| 女人高潮潮喷娇喘18禁视频| 十八禁网站免费在线| 麻豆av在线久日| 99久久综合精品五月天人人| 国产熟女xx| 精品午夜福利视频在线观看一区| 欧洲精品卡2卡3卡4卡5卡区| 亚洲国产欧美网| 国产一级毛片七仙女欲春2 | 精品国产国语对白av| 少妇熟女aⅴ在线视频| 手机成人av网站| 精品国产超薄肉色丝袜足j| 亚洲一区二区三区色噜噜| 亚洲精品在线观看二区| 天天躁夜夜躁狠狠躁躁| 精品不卡国产一区二区三区| 精品国产亚洲在线| 久久精品91蜜桃| 亚洲欧美日韩另类电影网站| 又黄又爽又免费观看的视频| 可以在线观看毛片的网站| 亚洲欧美精品综合久久99| 亚洲免费av在线视频| 国产麻豆69| 午夜老司机福利片| 黄色片一级片一级黄色片| 午夜精品久久久久久毛片777| 欧美乱妇无乱码| 一区二区三区精品91| 在线观看午夜福利视频| 99久久综合精品五月天人人| 亚洲一区二区三区不卡视频| 男人舔女人的私密视频| 99在线人妻在线中文字幕| 日韩有码中文字幕| 亚洲精品一卡2卡三卡4卡5卡| 久久精品影院6| 成人国语在线视频| 悠悠久久av| 性色av乱码一区二区三区2| 久久午夜综合久久蜜桃| 美女免费视频网站| 国产精品美女特级片免费视频播放器 | 女人被躁到高潮嗷嗷叫费观| 久久久久久久精品吃奶| 波多野结衣巨乳人妻| 国产真人三级小视频在线观看| 在线观看免费日韩欧美大片| 免费一级毛片在线播放高清视频 | 91国产中文字幕| 精品第一国产精品| 亚洲欧美日韩另类电影网站| 色在线成人网| 亚洲性夜色夜夜综合| 亚洲av五月六月丁香网| 国产1区2区3区精品| 久久这里只有精品19| 久久青草综合色| 日韩中文字幕欧美一区二区| 国产主播在线观看一区二区| 国产亚洲精品久久久久5区| 首页视频小说图片口味搜索| 脱女人内裤的视频| 亚洲 欧美 日韩 在线 免费| 亚洲视频免费观看视频| 免费看十八禁软件| 国产激情久久老熟女| 亚洲最大成人中文| 一级a爱片免费观看的视频| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲精品粉嫩美女一区| 一级作爱视频免费观看| 亚洲 欧美一区二区三区| 每晚都被弄得嗷嗷叫到高潮| 久久久水蜜桃国产精品网| 99精品久久久久人妻精品| 亚洲色图综合在线观看| 黄网站色视频无遮挡免费观看| or卡值多少钱| 午夜免费鲁丝| 久热这里只有精品99| 久久精品成人免费网站| 免费不卡黄色视频| 91av网站免费观看| 黄片大片在线免费观看| 校园春色视频在线观看| 国产精品亚洲美女久久久| 亚洲伊人色综图| 国产精品日韩av在线免费观看 | 大码成人一级视频| 欧美国产日韩亚洲一区| 精品第一国产精品| 波多野结衣巨乳人妻| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美大码av| 欧美 亚洲 国产 日韩一| 久久人人精品亚洲av| 午夜福利免费观看在线| 成年女人毛片免费观看观看9| 成人永久免费在线观看视频| 在线观看一区二区三区| 午夜免费激情av| 亚洲情色 制服丝袜| 国产视频一区二区在线看| 国产精品久久久人人做人人爽| 亚洲国产欧美一区二区综合| 成人三级做爰电影| 欧美成人午夜精品| 久久精品亚洲精品国产色婷小说| 欧美乱码精品一区二区三区| 动漫黄色视频在线观看| 巨乳人妻的诱惑在线观看| 在线观看午夜福利视频| 50天的宝宝边吃奶边哭怎么回事| 亚洲av成人不卡在线观看播放网| 日韩av在线大香蕉| 精品第一国产精品| 久久人人97超碰香蕉20202| 国产av精品麻豆| 国产精品永久免费网站| 麻豆久久精品国产亚洲av| 变态另类丝袜制服| 91麻豆av在线| 老司机深夜福利视频在线观看| 亚洲少妇的诱惑av| 大陆偷拍与自拍| 午夜成年电影在线免费观看| 精品国产超薄肉色丝袜足j| 亚洲精品美女久久av网站| 在线观看免费午夜福利视频| 久久青草综合色| 天天躁夜夜躁狠狠躁躁| 亚洲精品中文字幕一二三四区| 50天的宝宝边吃奶边哭怎么回事| av天堂在线播放| 国产成人精品无人区| 亚洲 欧美一区二区三区| 亚洲精品在线观看二区| 国产主播在线观看一区二区| 亚洲国产精品成人综合色| 久久热在线av| 精品电影一区二区在线| 久久精品国产亚洲av香蕉五月| 亚洲精品久久国产高清桃花| 一级毛片高清免费大全| 国产精品久久久人人做人人爽| 1024视频免费在线观看| 国产精品 欧美亚洲| 一边摸一边做爽爽视频免费| 久久香蕉国产精品| 在线观看免费日韩欧美大片| 亚洲一区二区三区不卡视频| 黄片小视频在线播放| 国产熟女午夜一区二区三区| 国产激情欧美一区二区| 国产在线观看jvid| 免费看十八禁软件| svipshipincom国产片| 涩涩av久久男人的天堂| 欧美日韩中文字幕国产精品一区二区三区 | 在线免费观看的www视频| 国产麻豆成人av免费视频| 欧美性长视频在线观看| 午夜免费观看网址| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲国产欧美一区二区综合| 国产极品粉嫩免费观看在线| 国内精品久久久久精免费| 午夜影院日韩av| 桃红色精品国产亚洲av| 亚洲 欧美一区二区三区| 精品人妻1区二区| 亚洲精品美女久久av网站| 日本在线视频免费播放| 757午夜福利合集在线观看| 一a级毛片在线观看| 嫁个100分男人电影在线观看| 操美女的视频在线观看| 久久久久久久久中文| 亚洲国产高清在线一区二区三 | 久热爱精品视频在线9| 国产精品av久久久久免费| 国产区一区二久久| 日日摸夜夜添夜夜添小说| 18禁观看日本| 亚洲七黄色美女视频| av天堂久久9| 伊人久久大香线蕉亚洲五| 黄色视频不卡| 精品午夜福利视频在线观看一区| 成人国产综合亚洲| 久久天堂一区二区三区四区| 国产亚洲av嫩草精品影院| 黄色毛片三级朝国网站| 丰满的人妻完整版| 亚洲第一欧美日韩一区二区三区| 97人妻天天添夜夜摸| 19禁男女啪啪无遮挡网站| 校园春色视频在线观看| 女人高潮潮喷娇喘18禁视频| 一区二区三区精品91| 9191精品国产免费久久| 精品人妻在线不人妻| 久久性视频一级片| 免费观看精品视频网站| 少妇 在线观看| 亚洲性夜色夜夜综合| 人妻久久中文字幕网| 一二三四在线观看免费中文在| 老汉色av国产亚洲站长工具| 亚洲国产精品sss在线观看| 亚洲精品美女久久久久99蜜臀| 两个人视频免费观看高清| 亚洲一区高清亚洲精品| 黑人操中国人逼视频| 亚洲全国av大片| 亚洲精品粉嫩美女一区| 在线国产一区二区在线| 天天一区二区日本电影三级 | 可以免费在线观看a视频的电影网站| 9色porny在线观看| 久久香蕉精品热| 亚洲激情在线av| 黄片大片在线免费观看| 黄片播放在线免费| 久久人人97超碰香蕉20202| 国产欧美日韩精品亚洲av| 别揉我奶头~嗯~啊~动态视频| 久久久久精品国产欧美久久久| av天堂在线播放| a在线观看视频网站| 咕卡用的链子| 国产精品,欧美在线| 欧美黄色淫秽网站| 国产一级毛片七仙女欲春2 | 老鸭窝网址在线观看| 9191精品国产免费久久| 久久精品影院6| 九色国产91popny在线| 精品一品国产午夜福利视频| 国产精品秋霞免费鲁丝片| 国产亚洲精品久久久久久毛片| or卡值多少钱| 成熟少妇高潮喷水视频| 久久人人97超碰香蕉20202| av视频在线观看入口| 精品国产国语对白av| 长腿黑丝高跟| 国产精品一区二区在线不卡| 国产男靠女视频免费网站| www.www免费av| 国内精品久久久久精免费| 黄色女人牲交| 日韩一卡2卡3卡4卡2021年| 又紧又爽又黄一区二区| 国内毛片毛片毛片毛片毛片| 九色国产91popny在线| 欧美av亚洲av综合av国产av| 男人操女人黄网站| 变态另类成人亚洲欧美熟女 | 亚洲男人的天堂狠狠| 亚洲av五月六月丁香网| 国产精品精品国产色婷婷| 麻豆一二三区av精品| 精品国产美女av久久久久小说| 国产精品亚洲av一区麻豆| 精品久久久久久久久久免费视频| 亚洲电影在线观看av| 黄频高清免费视频| 看片在线看免费视频| 亚洲av美国av| 自拍欧美九色日韩亚洲蝌蚪91| 一区二区三区高清视频在线| 亚洲五月婷婷丁香| 亚洲熟女毛片儿| www.www免费av| 久久久久国产精品人妻aⅴ院| 久久香蕉国产精品| 欧美久久黑人一区二区| 亚洲激情在线av| 亚洲天堂国产精品一区在线| 国产野战对白在线观看| 中文字幕人妻熟女乱码| 国产亚洲av高清不卡| 欧美日韩乱码在线| 窝窝影院91人妻| 一进一出好大好爽视频| 亚洲第一欧美日韩一区二区三区| 亚洲中文字幕一区二区三区有码在线看 | 黑人巨大精品欧美一区二区蜜桃| 日日干狠狠操夜夜爽| 色综合婷婷激情| 欧美黑人欧美精品刺激| 欧美一级毛片孕妇| 女人高潮潮喷娇喘18禁视频| 禁无遮挡网站| 亚洲无线在线观看| 精品日产1卡2卡| 18禁观看日本| 久久精品91无色码中文字幕| 久久久久国产精品人妻aⅴ院| av在线天堂中文字幕| 一区二区三区国产精品乱码| 91精品三级在线观看| 久久午夜综合久久蜜桃| 国产免费av片在线观看野外av| 中出人妻视频一区二区| 亚洲成人精品中文字幕电影| 久久久精品国产亚洲av高清涩受| 国产精品99久久99久久久不卡| 免费高清在线观看日韩| 国产1区2区3区精品| 国产一区二区激情短视频| 国产激情欧美一区二区| 长腿黑丝高跟| 夜夜躁狠狠躁天天躁| 久久精品影院6| 欧美最黄视频在线播放免费| 欧美激情极品国产一区二区三区| 日日爽夜夜爽网站| 国产一区二区激情短视频| 国产成人免费无遮挡视频| 在线天堂中文资源库| 窝窝影院91人妻| 久久久国产精品麻豆| 在线国产一区二区在线| 亚洲中文av在线| 精品久久久久久久人妻蜜臀av | 国产麻豆成人av免费视频| 好男人电影高清在线观看| 很黄的视频免费| 亚洲自拍偷在线| 久久草成人影院| 国产不卡一卡二| 成熟少妇高潮喷水视频| 亚洲片人在线观看| 级片在线观看| 日韩欧美一区二区三区在线观看| 首页视频小说图片口味搜索| 此物有八面人人有两片| 非洲黑人性xxxx精品又粗又长| 男女午夜视频在线观看| 国产成人av教育| 精品人妻1区二区| 午夜精品久久久久久毛片777| 欧美激情久久久久久爽电影 | 久久热在线av| 美女高潮喷水抽搐中文字幕| 欧美大码av| 国产欧美日韩一区二区三| 正在播放国产对白刺激| 色综合亚洲欧美另类图片| 国产精品 欧美亚洲| 久久狼人影院| 亚洲精品国产一区二区精华液| 亚洲精品久久成人aⅴ小说| 精品日产1卡2卡| 国产在线观看jvid| 精品日产1卡2卡| 亚洲国产精品999在线| 亚洲欧美激情综合另类| 涩涩av久久男人的天堂| 欧美一级毛片孕妇| 美女大奶头视频| 成年女人毛片免费观看观看9| 亚洲精品在线观看二区| 一区二区三区激情视频| 一区福利在线观看| 国产亚洲欧美98| 国产成人欧美| 一区在线观看完整版| 一级黄色大片毛片| 精品免费久久久久久久清纯| 免费观看精品视频网站| 久热这里只有精品99| 久久影院123| 亚洲国产精品999在线| 男人操女人黄网站| 亚洲五月色婷婷综合| 一级,二级,三级黄色视频| 亚洲欧美激情在线| 69精品国产乱码久久久| 自线自在国产av| 在线观看日韩欧美| 99久久久亚洲精品蜜臀av| 国产成人av教育| 乱人伦中国视频| 桃色一区二区三区在线观看| 男人舔女人下体高潮全视频| 免费久久久久久久精品成人欧美视频| 午夜福利欧美成人| 欧美中文综合在线视频| 免费av毛片视频| 黑人欧美特级aaaaaa片| 亚洲中文av在线| 丝袜美足系列| 欧美日韩乱码在线| 国产精品乱码一区二三区的特点 | 色播在线永久视频| 成人免费观看视频高清| 亚洲精品av麻豆狂野| 亚洲中文av在线| 中文字幕久久专区| 亚洲精品粉嫩美女一区| 窝窝影院91人妻| 国产精品日韩av在线免费观看 | 叶爱在线成人免费视频播放| 久久精品亚洲精品国产色婷小说| 亚洲一码二码三码区别大吗| 亚洲五月色婷婷综合| 国产熟女午夜一区二区三区| 精品电影一区二区在线| 国产成人一区二区三区免费视频网站| 亚洲美女黄片视频| 亚洲男人的天堂狠狠| 日韩欧美一区视频在线观看| 国产人伦9x9x在线观看| 久久中文看片网| 亚洲精品av麻豆狂野| 亚洲狠狠婷婷综合久久图片| 亚洲av五月六月丁香网| 两性夫妻黄色片| 亚洲精品中文字幕在线视频| 日本一区二区免费在线视频| 神马国产精品三级电影在线观看 |