• <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 ?

    基于時(shí)間卷積網(wǎng)絡(luò)的多項(xiàng)選擇機(jī)器閱讀理解

    2020-11-14 04:00:26楊?yuàn)檴?/span>姜麗芬孫華志馬春梅
    計(jì)算機(jī)工程 2020年11期
    關(guān)鍵詞:隱層注意力機(jī)器

    楊?yuàn)檴?姜麗芬,孫華志,馬春梅

    (天津師范大學(xué) 計(jì)算機(jī)與信息工程學(xué)院,天津 300387)

    0 概述

    機(jī)器閱讀理解是在限定上下文的條件下為給定問題找到答案的一類任務(wù),它是自然語言處理的核心任務(wù)之一[1]。近年來,機(jī)器閱讀理解已經(jīng)成為評(píng)價(jià)人工智能系統(tǒng)在自然語言處理領(lǐng)域的一個(gè)重要應(yīng)用問題,計(jì)算機(jī)語言學(xué)領(lǐng)域?qū)ζ浣o予了極大的關(guān)注。傳統(tǒng)的機(jī)器閱讀理解系統(tǒng)主要依賴于語言注釋、結(jié)構(gòu)化的外界知識(shí)和語義分析[2],對(duì)專業(yè)知識(shí)的要求較高,不具備普遍適用性。隨著深度學(xué)習(xí)在自然語言處理領(lǐng)域的廣泛應(yīng)用,基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)器閱讀理解也迅速發(fā)展[3-5]。當(dāng)前機(jī)器閱讀理解一般分為完形填空式、問答式和多項(xiàng)選擇式三類。

    早期基于深度學(xué)習(xí)的機(jī)器閱讀理解主要是完形填空式。完形填空式任務(wù)是在機(jī)器閱讀并理解一篇文章的內(nèi)容后,要求機(jī)器對(duì)指定問題進(jìn)行回答,而問題一般是被抽掉某個(gè)實(shí)體詞的句子,機(jī)器回答問題的過程就是預(yù)測問題句子中被抽掉的實(shí)體詞,且一般要求被抽掉的實(shí)體詞在文章中出現(xiàn)過。2015年,大型的完形填空閱讀理解數(shù)據(jù)集CNN/DailyMail[2]和CBT[6]的相繼公布為機(jī)器閱讀理解提供了豐富的語料,基于深度學(xué)習(xí)的機(jī)器閱讀理解方法也隨之得到廣泛應(yīng)用。文獻(xiàn)[7]將注意力機(jī)制應(yīng)用于機(jī)器閱讀理解,并提出了經(jīng)典的ASReader模型。文獻(xiàn)[8]基于多跳結(jié)構(gòu)提出門控注意力模型。文獻(xiàn)[9]提出用于機(jī)器閱讀理解的迭代交替注意力機(jī)制。但是有學(xué)者對(duì)CNN/DailyMail進(jìn)行詳細(xì)評(píng)估后發(fā)現(xiàn),該類任務(wù)需要處理的邏輯相對(duì)簡單,現(xiàn)有的針對(duì)完形填空式任務(wù)的機(jī)器閱讀理解方法基本已經(jīng)達(dá)到了該類任務(wù)的準(zhǔn)確度上限[10]。

    由于完形填空式任務(wù)的解決相對(duì)簡單,學(xué)者們試圖構(gòu)造出更加復(fù)雜的閱讀理解數(shù)據(jù)集來增強(qiáng)機(jī)器對(duì)文本的推理,而近年來問答式閱讀理解數(shù)據(jù)集SQuAD[11]和NewsQA[12]引起了廣泛關(guān)注,問答式機(jī)器閱讀理解也隨之興起。問答式任務(wù)是在給定文章和問題的條件下,機(jī)器閱讀進(jìn)行一定的推理,進(jìn)而預(yù)測出正確答案,且正確答案一般是文章中的文本段。目前,很多有效的機(jī)器閱讀理解模型已經(jīng)被應(yīng)用于問答式任務(wù),文獻(xiàn)[13]使用雙向注意力機(jī)制對(duì)文章和問題進(jìn)行匹配,并構(gòu)建了BiDAF模型。文獻(xiàn)[14]將自匹配注意力機(jī)制應(yīng)用于序列的自關(guān)注,提出自匹配網(wǎng)絡(luò)。文獻(xiàn)[15]將卷積神經(jīng)網(wǎng)絡(luò)、多頭注意力機(jī)制和前饋神經(jīng)網(wǎng)絡(luò)相結(jié)合作為編碼器,并提出QANet模型,但是由于問答式任務(wù)中正確答案是文章中的文本段,一般通過檢索出答案的開始位置和結(jié)束位置即可得到答案,因此多數(shù)面向問答式任務(wù)的模型主要關(guān)注淺層的語義,并不適用于更深層次的推理。

    當(dāng)前機(jī)器閱讀理解任務(wù)面臨的主要挑戰(zhàn)仍然是多句推理,這對(duì)挖掘深層語義提出更高的要求。針對(duì)多項(xiàng)選擇式和問答式任務(wù)的機(jī)器閱讀理解方法存在的上述局限性,且不能很好地解決該問題,因此進(jìn)行復(fù)雜語義推理的多項(xiàng)選擇式任務(wù)逐漸占據(jù)主流。多項(xiàng)選擇式任務(wù)是給定了文章、問題和候選答案,機(jī)器經(jīng)過理解和推理,從候選答案中選擇出正確的答案,候選答案多數(shù)是由句子組成,且一般不會(huì)在原文中出現(xiàn)。相比于完形填空式和問答式任務(wù),由于正確答案多數(shù)無法在原文中找到,多項(xiàng)選擇式任務(wù)將會(huì)更加復(fù)雜、更具有代表性,因此本文以多項(xiàng)選擇式任務(wù)為研究內(nèi)容。面向多項(xiàng)選擇的機(jī)器閱讀理解模型主要是基于循環(huán)神經(jīng)網(wǎng)絡(luò),文獻(xiàn)[16]使用雙向GRU進(jìn)行特征提取,并結(jié)合注意力機(jī)制提出分層注意力流模型,文獻(xiàn)[17]使用分層的雙向長短期記憶(Long Short-Term Memory,LSTM)網(wǎng)絡(luò)分別提取句子級(jí)別和文檔級(jí)別的特征。利用循環(huán)神經(jīng)網(wǎng)絡(luò)提取特征,盡管從理論上能夠捕獲無限長的記憶,從而建立上下文間的長期依賴關(guān)系,但是仍存在梯度消失問題,且隨著需要處理序列的增長,還有一定程度的信息丟失,導(dǎo)致無法捕獲全局的語義關(guān)系。

    為有效地對(duì)文章、問題和候選答案進(jìn)行匹配以減少特征的丟失,基于時(shí)間卷積網(wǎng)絡(luò)(Temporal Convolutional Network,TCN)[18],本文構(gòu)建一種面向多項(xiàng)選擇的機(jī)器閱讀理解M-TCN模型。該模型在中國初高中英語考試的閱讀理解數(shù)據(jù)集RACE[19]上進(jìn)行訓(xùn)練,并與現(xiàn)有機(jī)器閱讀理解模型進(jìn)行對(duì)比分析,以驗(yàn)證該模型的機(jī)器閱讀理解性能。

    1 模型搭建

    針對(duì)多項(xiàng)選擇式任務(wù),本文采用深度學(xué)習(xí)技術(shù)構(gòu)建一種M-TCN模型,該模型結(jié)構(gòu)如圖1所示。在圖1中,假設(shè)P表示文章,Q表示問題,A表示一個(gè)候選答案,該模型通過預(yù)訓(xùn)練好的詞向量文件將P、Q和A中的每個(gè)單詞向量化,并采用單層的雙向LSTM網(wǎng)絡(luò)[20]對(duì)向量化后的序列進(jìn)行編碼,以獲得文章、問題和候選答案的上下文表示。為了對(duì)文章、問題和候選答案進(jìn)行匹配,構(gòu)建三者之間的內(nèi)在聯(lián)系,分別計(jì)算文章和問題以及文章和候選答案之間的注意力,并利用融合函數(shù)將注意力值與文章的上下文表示相融合。同時(shí),使用TCN和最大池化方法對(duì)匹配表示分層進(jìn)行句級(jí)聚合和文檔級(jí)聚合。M-TCN模型的目標(biāo)是計(jì)算出每一個(gè)候選答案的概率,并以概率最大的候選答案作為預(yù)測標(biāo)簽。

    圖1 本文模型結(jié)構(gòu)Fig.1 Structure of the proposed model

    1.1 詞向量層

    1.2 上下文編碼層

    1.3 注意力層

    注意力層主要負(fù)責(zé)匹配和融合來自文章、問題和候選答案的信息。本文使用注意力機(jī)制同時(shí)對(duì)文章和問題以及文章和候選答案進(jìn)行匹配,在存在監(jiān)督訓(xùn)練的過程中,通過更新參數(shù)矩陣學(xué)習(xí)來顯示出問題和候選答案中與文章密切相關(guān)的內(nèi)容,忽略與文章不相關(guān)的內(nèi)容,注意力向量的計(jì)算方法如下:

    Sq=Softmax(Hpδ((HqWm+bm)T)

    Sa=Softmax(Hpδ((HaWm+bm)T)

    Tq=SqHq

    Ta=SaHa

    (1)

    為了整合原始上下文表示,從不同層次反映語義信息,本文將文章上下文表示Hp分別與問題注意力向量Tq以及候選答案注意力向量Ta相融合,并產(chǎn)生矩陣Q′和A′,Q′和A′的計(jì)算方法為:

    Q′=β(Hp,Tq)

    A′=β(Hp,Ta)

    (2)

    其中,β是一個(gè)需要訓(xùn)練的融合函數(shù),最簡單的融合方法是將2個(gè)輸入相結(jié)合,然后進(jìn)行線性或非線性變換。為了更好地提取融合特征,文獻(xiàn)[21]提出一種基于差異性與相似性的融合方法,該方法能有效組合不同的表示形式,同時(shí)本文參考文獻(xiàn)[17]采用的融合方式對(duì)β進(jìn)行如下定義:

    β(Hp,Tq)=δ([Tq-Hp;Tq·Hp]Wz+bz)

    (3)

    其中,[;]表示矩陣的連結(jié)操作,“-”“.”表示2個(gè)矩陣之間逐元素的減法和乘法操作,Wz和bz是需要學(xué)習(xí)的參數(shù)。

    將Q′和A′相結(jié)合得到注意力層的輸出,計(jì)算方法為:

    M=[Q′;A′]

    (4)

    1.4 聚合層

    為了捕獲文章的句子結(jié)構(gòu),建立句子之間的聯(lián)系,本文在匹配層的基礎(chǔ)上建立了聚合層。首先將文章分為單個(gè)的句子,并用P1,P2,…,PN分別表示文章中的每個(gè)句子,其中,N表示文章中句子的總個(gè)數(shù)。對(duì)于每一個(gè)三元組(Pn,Q,A),n∈[1,N],通過前幾層的處理可以得到匹配表示Mn。為了捕獲Mn中上下文間的長距離依賴關(guān)系,減少特征丟失,本文采用TCN來提取高層特征。

    TCN是一種特殊的一維時(shí)間卷積網(wǎng)絡(luò),用于序列建模任務(wù),文獻(xiàn)[15]表明,TCN在多種任務(wù)和數(shù)據(jù)集上的性能均優(yōu)于LSTM等典型的循環(huán)神經(jīng)網(wǎng)絡(luò),且相比于循環(huán)神經(jīng)網(wǎng)絡(luò),TCN可以記住更長的歷史信息,捕獲更全局的語義關(guān)系。在序列建模任務(wù)中,一般有以下2個(gè)要求:

    1)模型產(chǎn)生與輸入長度相同的輸出。

    2)信息的傳遞是單向的,且未來的信息僅由過去的信息決定。

    (5)

    其中,d表示空洞因子,k表示卷積核的大小,空洞卷積如圖2所示。TCN中還加入了殘差連接[22]、權(quán)值歸一化[23]和空間Dropout[24]來提高性能,TCN的整體架構(gòu)如圖3所示。

    圖2 空洞卷積示意圖Fig.2 Schematic diagram of hole convolution

    圖3 TCN整體結(jié)構(gòu)Fig.3 The overall structure of TCN

    本文模型采用2個(gè)分層的TCN,第一層TCN的輸入是匹配表示Mn,得到的輸出緊接著進(jìn)行最大池化,計(jì)算方法為:

    Sn=MaxPooling(TCN(Mn))

    (6)

    S=[S1;S2;…;SN]

    D=MaxPooling(TCN(S))

    (7)

    (8)

    其中,Wv是需要學(xué)習(xí)的參數(shù)。

    2 實(shí)驗(yàn)與性能分析

    2.1 數(shù)據(jù)集

    機(jī)器閱讀理解的效果與采用的數(shù)據(jù)集密切相關(guān),本文采用RACE數(shù)據(jù)集。RACE數(shù)據(jù)集是一個(gè)基于中國初高中英語考試的多項(xiàng)選擇閱讀理解數(shù)據(jù)集,由27 933篇文章和97 687個(gè)問題組成,每個(gè)問題配有4個(gè)候選答案,且只有一個(gè)正確答案。為了對(duì)應(yīng)初中和高中閱讀理解難度水平,該數(shù)據(jù)集包含2個(gè)子數(shù)據(jù)集,分別為初中閱讀理解數(shù)據(jù)集RACE-M和高中閱讀理解數(shù)據(jù)集RACE-H。將RACE數(shù)據(jù)集看成三元組{P,Q,A}的集合。實(shí)驗(yàn)數(shù)據(jù)的具體信息如表1所示,該數(shù)據(jù)集的樣例如表2所示。

    表1 實(shí)驗(yàn)數(shù)據(jù)信息Table 1 Experimental data information

    表2 RACE數(shù)據(jù)集的樣例Table 2 Example of RACE dataset

    2.2 實(shí)驗(yàn)環(huán)境和參數(shù)設(shè)置

    本文模型在配備有英特爾i7 CPU以及NVIDIA GTX1080Ti GPU的計(jì)算機(jī)上進(jìn)行訓(xùn)練,采用深度學(xué)習(xí)框架Pytorch,集成開發(fā)環(huán)境為Pycharm。在深度學(xué)習(xí)中模型參數(shù)的調(diào)整對(duì)實(shí)驗(yàn)結(jié)果有重要的影響,參數(shù)過大或過小都會(huì)影響模型的精度。本文通過實(shí)驗(yàn)并結(jié)合經(jīng)驗(yàn)手動(dòng)調(diào)節(jié)參數(shù),對(duì)模型進(jìn)行科學(xué)訓(xùn)練,以提高資源利用率。其中,參數(shù)的調(diào)整包括TCN層數(shù)、TCN隱層節(jié)點(diǎn)數(shù)與學(xué)習(xí)率等,并探索了這些參數(shù)在不同配置下對(duì)模型精度的影響。

    2.2.1 TCN層數(shù)的選擇

    從理論上來講,增加TCN的層數(shù)可以增強(qiáng)非線性表達(dá)能力,提取更深層次的特征,從而提升模型的性能。在利用本文模型進(jìn)行機(jī)器閱讀理解的過程中,需要對(duì)TCN的層數(shù)進(jìn)行實(shí)驗(yàn)驗(yàn)證,驗(yàn)證結(jié)果如表3所示。從表3可以看出,模型的精度隨著TCN層數(shù)的增加呈現(xiàn)先上升后下降的趨勢,這是由于TCN層數(shù)越多,模型的參數(shù)量越大,反而不易訓(xùn)練,為了使模型能夠保持良好的性能,實(shí)驗(yàn)選擇TCN的層數(shù)為3層。

    表3 TCN層數(shù)對(duì)模型精度的影響Table 3 Influence of TCN layers on model accuracy

    2.2.2 TCN隱層節(jié)點(diǎn)數(shù)的選擇

    TCN隱層節(jié)點(diǎn)數(shù)是模型提取數(shù)據(jù)特征能力大小的重要參數(shù),且如果TCN隱層節(jié)點(diǎn)數(shù)太少,則網(wǎng)絡(luò)性能較差,如果TCN隱層節(jié)點(diǎn)數(shù)太多,雖然能夠減小網(wǎng)絡(luò)的系統(tǒng)誤差,但是會(huì)使得訓(xùn)練時(shí)間延長,甚至出現(xiàn)過擬合,因此選擇合適的隱層節(jié)點(diǎn)數(shù)十分重要。本文考察了不同TCN隱層節(jié)點(diǎn)數(shù)對(duì)模型精度的影響,結(jié)果如表4所示。從表4可以看出,模型的精度隨著TCN隱層節(jié)點(diǎn)數(shù)的增加呈現(xiàn)先增加后降低的趨勢。因此,實(shí)驗(yàn)選擇TCN隱層節(jié)點(diǎn)數(shù)為450。

    表4 TCN隱層節(jié)點(diǎn)數(shù)對(duì)模型精度的影響Table 4 Influence of the number of hidden nodes in TCN on model accuracy

    2.2.3 模型學(xué)習(xí)率的選擇

    學(xué)習(xí)率控制著參數(shù)更新的速度,如果學(xué)習(xí)率過大可能導(dǎo)致參數(shù)在最優(yōu)解兩側(cè)振蕩,如果學(xué)習(xí)率過小會(huì)極大降低模型的收斂速度。圖4給出了本文模型在不同學(xué)習(xí)率下的精度。從圖4可以看出,隨著訓(xùn)練次數(shù)的增加,模型的精度逐漸趨于穩(wěn)定;當(dāng)學(xué)習(xí)率為0.001時(shí),本文模型的精度最高,為了保證模型的收斂速度以及性能,實(shí)驗(yàn)將學(xué)習(xí)率設(shè)置為0.001。

    圖4 學(xué)習(xí)率對(duì)模型精度的影響Fig.4 Influence of learning rate on model accuracy

    2.3 實(shí)驗(yàn)結(jié)果與分析

    為了對(duì)模型效果進(jìn)行評(píng)估,實(shí)驗(yàn)將GA(Gated Attention)[8]模型、ElimiNet(Eliminate Network)[25]模型、HAF(Hierarchical Attention Flow)[16]模型、MRU(Multi-range Reasoning Units)[26]模型、HCM(Hierarchical Co-Matching)[17]模型與本文模型進(jìn)行比較,并以精度作為衡量模型性能的指標(biāo),結(jié)果如表5所示。從表5可以看出,本文模型在RACE-H數(shù)據(jù)集與RACE數(shù)據(jù)集上的精度分別達(dá)到了48.9%、52.5%,均優(yōu)于其他基線模型,僅在RACE-M數(shù)據(jù)集上的精度次于MRU模型,說明了本文模型有效且具有一定的優(yōu)勢。

    表5 本文模型與基線模型的精度對(duì)比Table 5 Accuracy comparison between the proposed model and the baseline model %

    為了證明本文模型中各個(gè)功能模塊的有效性,本文還進(jìn)行了模型簡化實(shí)驗(yàn)來探索注意力機(jī)制、融合函數(shù)以及TCN對(duì)模型效果的影響,結(jié)果如表6所示。從表6可以看出,當(dāng)從本文模型中去除注意力機(jī)制、融合函數(shù)或者TCN時(shí),該模型的精度分別下降了9.1%、7.8%、7.9%,下降的幅度較大,證明了注意力機(jī)制、融合函數(shù)以及TCN是影響模型效果的重要因素。

    表6 在RACE數(shù)據(jù)集上的模型簡化實(shí)驗(yàn)結(jié)果Table 6 Experimental results of model simplification on RACE dataset %

    3 結(jié)束語

    本文提出一種基于TCN的機(jī)器閱讀理解M-TCN模型,并將其應(yīng)用于多項(xiàng)選擇任務(wù)。該模型使用注意力機(jī)制對(duì)文章、問題和候選答案進(jìn)行匹配,采用TCN提取高層特征。實(shí)驗(yàn)結(jié)果表明,M-TCN模型在RACE數(shù)據(jù)集上的預(yù)測精度達(dá)到了52.5%,與同類模型相比具有一定的優(yōu)勢。后續(xù)將在本文工作的基礎(chǔ)上,采用預(yù)訓(xùn)練技術(shù)進(jìn)一步提升模型效果,并不斷增強(qiáng)其推理能力。

    猜你喜歡
    隱層注意力機(jī)器
    機(jī)器狗
    讓注意力“飛”回來
    機(jī)器狗
    基于RDPSO結(jié)構(gòu)優(yōu)化的三隱層BP神經(jīng)網(wǎng)絡(luò)水質(zhì)預(yù)測模型及應(yīng)用
    人民珠江(2019年4期)2019-04-20 02:32:00
    未來機(jī)器城
    電影(2018年8期)2018-09-21 08:00:06
    “揚(yáng)眼”APP:讓注意力“變現(xiàn)”
    A Beautiful Way Of Looking At Things
    無敵機(jī)器蛛
    基于近似結(jié)構(gòu)風(fēng)險(xiǎn)的ELM隱層節(jié)點(diǎn)數(shù)優(yōu)化
    最優(yōu)隱層BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷
    久久精品久久精品一区二区三区| 热re99久久精品国产66热6| 国产在线一区二区三区精| 亚洲欧美成人精品一区二区| 久久精品人妻少妇| 中文精品一卡2卡3卡4更新| 久久青草综合色| 亚洲精品成人av观看孕妇| 中文字幕人妻熟人妻熟丝袜美| 久久毛片免费看一区二区三区| 美女脱内裤让男人舔精品视频| 成人黄色视频免费在线看| 国产国拍精品亚洲av在线观看| 国产免费一区二区三区四区乱码| 国产深夜福利视频在线观看| 亚洲成人av在线免费| 一区在线观看完整版| 伦理电影免费视频| 成年人午夜在线观看视频| 国产乱人偷精品视频| 精品少妇黑人巨大在线播放| 亚洲av中文av极速乱| 一本—道久久a久久精品蜜桃钙片| 精品一区在线观看国产| 五月开心婷婷网| 老司机影院毛片| 免费看光身美女| 看免费成人av毛片| 寂寞人妻少妇视频99o| 最黄视频免费看| 国产欧美另类精品又又久久亚洲欧美| 男女啪啪激烈高潮av片| 深夜a级毛片| 亚洲欧美日韩无卡精品| av在线观看视频网站免费| 亚洲精品自拍成人| 中文欧美无线码| 黄片无遮挡物在线观看| 亚洲精品日韩av片在线观看| 又大又黄又爽视频免费| 大陆偷拍与自拍| 国产精品.久久久| 九九在线视频观看精品| 国产毛片在线视频| 国产午夜精品一二区理论片| 十八禁网站网址无遮挡 | 不卡视频在线观看欧美| 美女主播在线视频| 卡戴珊不雅视频在线播放| 久久99热6这里只有精品| 久久久精品免费免费高清| 成年美女黄网站色视频大全免费 | 深夜a级毛片| 丰满迷人的少妇在线观看| 国产黄色视频一区二区在线观看| 午夜免费男女啪啪视频观看| 国产午夜精品久久久久久一区二区三区| 欧美精品国产亚洲| 99九九线精品视频在线观看视频| 欧美zozozo另类| 性色avwww在线观看| 国产黄色视频一区二区在线观看| 狠狠精品人妻久久久久久综合| 亚洲图色成人| 久久久a久久爽久久v久久| 一级爰片在线观看| 最近最新中文字幕大全电影3| 一个人免费看片子| 久久婷婷青草| 久久毛片免费看一区二区三区| 国产精品99久久久久久久久| 伊人久久精品亚洲午夜| 成人亚洲欧美一区二区av| 精品熟女少妇av免费看| 中文字幕av成人在线电影| 亚洲精品,欧美精品| 美女主播在线视频| 国产精品三级大全| 人人妻人人添人人爽欧美一区卜 | 在线免费十八禁| 人妻系列 视频| 丝瓜视频免费看黄片| av在线老鸭窝| 另类亚洲欧美激情| 亚洲无线观看免费| 亚洲最大成人中文| 十八禁网站网址无遮挡 | 纵有疾风起免费观看全集完整版| 在线观看免费日韩欧美大片 | 国产毛片在线视频| 街头女战士在线观看网站| 青春草亚洲视频在线观看| 韩国av在线不卡| 久久久精品免费免费高清| 又爽又黄a免费视频| 亚洲人与动物交配视频| 亚洲精品中文字幕在线视频 | 免费不卡的大黄色大毛片视频在线观看| 精品少妇黑人巨大在线播放| 性高湖久久久久久久久免费观看| 伊人久久精品亚洲午夜| 一区二区三区精品91| 精品午夜福利在线看| 免费av中文字幕在线| 99久久精品国产国产毛片| 欧美精品亚洲一区二区| 久久久久网色| 精品午夜福利在线看| 纵有疾风起免费观看全集完整版| 久久热精品热| 观看av在线不卡| 亚洲av男天堂| 国产成人精品婷婷| 国产乱来视频区| 赤兔流量卡办理| 国产精品国产三级专区第一集| 免费大片18禁| 高清毛片免费看| 精品国产一区二区三区久久久樱花 | 91狼人影院| 交换朋友夫妻互换小说| 欧美一区二区亚洲| 高清在线视频一区二区三区| 欧美精品一区二区大全| 成人影院久久| 欧美日韩亚洲高清精品| 亚洲av日韩在线播放| 日韩av免费高清视频| 简卡轻食公司| 十八禁网站网址无遮挡 | 男男h啪啪无遮挡| 久久精品国产鲁丝片午夜精品| 一级毛片黄色毛片免费观看视频| 亚洲av福利一区| 简卡轻食公司| 日韩,欧美,国产一区二区三区| 少妇丰满av| 日韩欧美精品免费久久| 国产成人精品一,二区| 纵有疾风起免费观看全集完整版| 久久青草综合色| 99久久人妻综合| 精品熟女少妇av免费看| 天堂8中文在线网| 女的被弄到高潮叫床怎么办| 国产女主播在线喷水免费视频网站| 夫妻午夜视频| 九九爱精品视频在线观看| 日本免费在线观看一区| 精品午夜福利在线看| 狂野欧美白嫩少妇大欣赏| 色5月婷婷丁香| 日韩伦理黄色片| 18禁裸乳无遮挡免费网站照片| 黄色欧美视频在线观看| 日本av免费视频播放| 久久99热这里只频精品6学生| 国产久久久一区二区三区| 免费观看av网站的网址| 久久久久久久精品精品| 99久久人妻综合| 我的老师免费观看完整版| a级毛片免费高清观看在线播放| 成人二区视频| 国产免费一级a男人的天堂| 成人特级av手机在线观看| 美女视频免费永久观看网站| 精品熟女少妇av免费看| 日本爱情动作片www.在线观看| 亚洲av在线观看美女高潮| 亚洲欧美精品自产自拍| 免费观看性生交大片5| av黄色大香蕉| 免费人妻精品一区二区三区视频| 国模一区二区三区四区视频| av视频免费观看在线观看| 亚洲欧美精品专区久久| 91精品国产国语对白视频| 在线观看人妻少妇| 亚洲成人中文字幕在线播放| 大香蕉97超碰在线| 不卡视频在线观看欧美| 一边亲一边摸免费视频| 亚洲美女搞黄在线观看| 22中文网久久字幕| 欧美成人一区二区免费高清观看| 97超碰精品成人国产| 国产一区二区在线观看日韩| 乱系列少妇在线播放| 免费看光身美女| 中国三级夫妇交换| 成人二区视频| 交换朋友夫妻互换小说| 国产高清有码在线观看视频| 成年女人在线观看亚洲视频| 国产一区二区在线观看日韩| 97精品久久久久久久久久精品| www.av在线官网国产| av又黄又爽大尺度在线免费看| 97精品久久久久久久久久精品| 成人高潮视频无遮挡免费网站| 最近最新中文字幕免费大全7| 久久久久国产精品人妻一区二区| 国产高清不卡午夜福利| 国产精品三级大全| 乱码一卡2卡4卡精品| 日韩一本色道免费dvd| av在线播放精品| 国产免费又黄又爽又色| 亚洲欧美成人综合另类久久久| 一本一本综合久久| 亚洲经典国产精华液单| 激情 狠狠 欧美| 免费黄网站久久成人精品| 国产女主播在线喷水免费视频网站| 视频中文字幕在线观看| 99久久精品一区二区三区| 久久久久精品久久久久真实原创| 女性被躁到高潮视频| 日韩国内少妇激情av| av又黄又爽大尺度在线免费看| 欧美3d第一页| 亚洲欧美精品自产自拍| 精品少妇久久久久久888优播| tube8黄色片| 2022亚洲国产成人精品| 国产老妇伦熟女老妇高清| 99re6热这里在线精品视频| 日韩中文字幕视频在线看片 | 久久99热这里只有精品18| 51国产日韩欧美| 日本午夜av视频| 激情 狠狠 欧美| 国产大屁股一区二区在线视频| 日日啪夜夜撸| 99久国产av精品国产电影| 国产成人freesex在线| xxx大片免费视频| 亚洲精品成人av观看孕妇| 亚洲色图av天堂| 欧美另类一区| 欧美一级a爱片免费观看看| av国产免费在线观看| 精品一区二区三区视频在线| 国产av码专区亚洲av| 综合色丁香网| 午夜视频国产福利| 日韩中文字幕视频在线看片 | 亚洲综合色惰| 国产v大片淫在线免费观看| 身体一侧抽搐| 一级毛片我不卡| 国产伦理片在线播放av一区| 九色成人免费人妻av| 国产91av在线免费观看| 国产一区二区三区av在线| 我要看黄色一级片免费的| 国产在线视频一区二区| 狂野欧美激情性xxxx在线观看| 久久精品国产a三级三级三级| 国产极品天堂在线| 亚洲国产色片| 欧美区成人在线视频| 日韩成人av中文字幕在线观看| 久久精品熟女亚洲av麻豆精品| 精品国产乱码久久久久久小说| 最近的中文字幕免费完整| 久久国产精品大桥未久av | 国产精品伦人一区二区| 亚洲精品自拍成人| 国产 精品1| 夫妻性生交免费视频一级片| 国产黄片视频在线免费观看| 久久亚洲国产成人精品v| 自拍欧美九色日韩亚洲蝌蚪91 | 大香蕉久久网| 欧美日韩视频高清一区二区三区二| 精品视频人人做人人爽| 大码成人一级视频| av黄色大香蕉| 99久久精品热视频| 精品99又大又爽又粗少妇毛片| 男女边摸边吃奶| 欧美成人一区二区免费高清观看| 看十八女毛片水多多多| 国产高清有码在线观看视频| 99国产精品免费福利视频| 大片电影免费在线观看免费| 老女人水多毛片| 久久精品国产自在天天线| 国产中年淑女户外野战色| 国产av码专区亚洲av| 亚洲色图综合在线观看| 尾随美女入室| 成人影院久久| 人人妻人人看人人澡| 97超视频在线观看视频| 精品人妻一区二区三区麻豆| 人妻夜夜爽99麻豆av| 成人影院久久| 水蜜桃什么品种好| 激情 狠狠 欧美| 蜜桃亚洲精品一区二区三区| 成人高潮视频无遮挡免费网站| 精品一区二区免费观看| 国产在视频线精品| a级一级毛片免费在线观看| 亚洲精品自拍成人| 日韩亚洲欧美综合| 肉色欧美久久久久久久蜜桃| 六月丁香七月| 五月开心婷婷网| 综合色丁香网| 色5月婷婷丁香| 丰满乱子伦码专区| 久久这里有精品视频免费| 我的女老师完整版在线观看| av黄色大香蕉| 久久久久久伊人网av| 在现免费观看毛片| 精品酒店卫生间| 日韩强制内射视频| 午夜免费观看性视频| 爱豆传媒免费全集在线观看| 纯流量卡能插随身wifi吗| 波野结衣二区三区在线| 色视频在线一区二区三区| 赤兔流量卡办理| 美女主播在线视频| 久久久久精品性色| 国产高潮美女av| 一本久久精品| 人体艺术视频欧美日本| 国模一区二区三区四区视频| 黑丝袜美女国产一区| 最近中文字幕高清免费大全6| 欧美高清成人免费视频www| 自拍欧美九色日韩亚洲蝌蚪91 | 美女中出高潮动态图| 97超视频在线观看视频| 99热这里只有是精品50| 久久久久视频综合| tube8黄色片| 久久久久久伊人网av| 欧美成人午夜免费资源| 日韩精品有码人妻一区| 丝瓜视频免费看黄片| 精品久久久久久久久亚洲| 亚洲成人一二三区av| 国产极品天堂在线| 色视频www国产| 国产极品天堂在线| 美女高潮的动态| 国产极品天堂在线| 国产69精品久久久久777片| 亚洲精品亚洲一区二区| 久久精品国产亚洲网站| 国产精品福利在线免费观看| 国产精品久久久久久精品古装| 久久99精品国语久久久| 最近2019中文字幕mv第一页| 在线看a的网站| 一本一本综合久久| 国产免费福利视频在线观看| 精品一区二区三区视频在线| 精品人妻偷拍中文字幕| 99热全是精品| 黄片无遮挡物在线观看| 91精品国产九色| 日本色播在线视频| 99热这里只有精品一区| 少妇丰满av| 国产欧美日韩一区二区三区在线 | 国产爱豆传媒在线观看| 亚洲精品第二区| 亚洲精品视频女| 国产美女午夜福利| 亚洲精品亚洲一区二区| 最近的中文字幕免费完整| 久久久亚洲精品成人影院| 亚洲欧美中文字幕日韩二区| 中文字幕av成人在线电影| 乱系列少妇在线播放| 在线观看av片永久免费下载| 免费在线观看成人毛片| 深夜a级毛片| 蜜桃亚洲精品一区二区三区| 欧美3d第一页| 插逼视频在线观看| 99久久精品国产国产毛片| 夜夜看夜夜爽夜夜摸| 性色avwww在线观看| 一级毛片黄色毛片免费观看视频| av不卡在线播放| 国产精品一区二区性色av| 国产片特级美女逼逼视频| 男女免费视频国产| 亚洲人与动物交配视频| 午夜福利在线在线| 2022亚洲国产成人精品| 狂野欧美激情性bbbbbb| 久久99蜜桃精品久久| 欧美3d第一页| 成人国产麻豆网| 欧美高清性xxxxhd video| 亚洲国产av新网站| 老女人水多毛片| 国产一区亚洲一区在线观看| 男女无遮挡免费网站观看| 国产精品免费大片| 久久国产精品男人的天堂亚洲 | 色5月婷婷丁香| 超碰av人人做人人爽久久| 高清视频免费观看一区二区| 国产成人免费无遮挡视频| 欧美最新免费一区二区三区| 性色avwww在线观看| 日本-黄色视频高清免费观看| 亚洲av免费高清在线观看| 男的添女的下面高潮视频| 97精品久久久久久久久久精品| 国产精品国产三级专区第一集| 久久精品久久久久久久性| 精华霜和精华液先用哪个| 免费黄网站久久成人精品| 亚洲伊人久久精品综合| 国产免费又黄又爽又色| 亚洲精品国产成人久久av| 国产毛片在线视频| 在线观看免费高清a一片| 色网站视频免费| 亚洲四区av| 我的老师免费观看完整版| 国产成人aa在线观看| 亚洲精品乱码久久久久久按摩| 国产中年淑女户外野战色| 国产午夜精品久久久久久一区二区三区| 欧美3d第一页| 久久99热这里只有精品18| 一个人免费看片子| 97在线视频观看| 日日摸夜夜添夜夜添av毛片| 亚洲,一卡二卡三卡| 久久国产精品大桥未久av | 成人综合一区亚洲| 狂野欧美激情性xxxx在线观看| 高清视频免费观看一区二区| 天天躁日日操中文字幕| 亚洲av日韩在线播放| 下体分泌物呈黄色| av播播在线观看一区| 91精品国产九色| 草草在线视频免费看| 涩涩av久久男人的天堂| 国产国拍精品亚洲av在线观看| 国产淫片久久久久久久久| 成人亚洲欧美一区二区av| 观看美女的网站| 精品视频人人做人人爽| 啦啦啦在线观看免费高清www| av黄色大香蕉| 亚洲国产精品专区欧美| 成年av动漫网址| 免费观看a级毛片全部| 韩国高清视频一区二区三区| 日产精品乱码卡一卡2卡三| 女性被躁到高潮视频| 国产熟女欧美一区二区| 久久久久国产精品人妻一区二区| 亚洲成人中文字幕在线播放| 最近最新中文字幕大全电影3| 夫妻午夜视频| 九草在线视频观看| 99久国产av精品国产电影| freevideosex欧美| 欧美高清性xxxxhd video| 精品午夜福利在线看| 欧美老熟妇乱子伦牲交| av卡一久久| 永久网站在线| 欧美3d第一页| 十分钟在线观看高清视频www | 人妻制服诱惑在线中文字幕| 我要看黄色一级片免费的| 亚洲av中文av极速乱| 午夜精品国产一区二区电影| 日韩三级伦理在线观看| 91狼人影院| av国产久精品久网站免费入址| 欧美精品一区二区大全| 晚上一个人看的免费电影| 99热网站在线观看| 成人午夜精彩视频在线观看| 啦啦啦中文免费视频观看日本| 国产av码专区亚洲av| 久久久久国产精品人妻一区二区| 日韩精品有码人妻一区| 精品视频人人做人人爽| av国产精品久久久久影院| 亚洲电影在线观看av| 欧美xxxx性猛交bbbb| 亚洲天堂av无毛| 久久精品国产a三级三级三级| 少妇的逼好多水| 国产成人freesex在线| 中文字幕精品免费在线观看视频 | 欧美高清性xxxxhd video| 大片电影免费在线观看免费| 国产一区二区三区综合在线观看 | 亚洲精品久久久久久婷婷小说| 久久久久久人妻| 亚洲内射少妇av| 亚洲在久久综合| 高清欧美精品videossex| 男人舔奶头视频| 亚洲图色成人| 免费av中文字幕在线| 亚洲中文av在线| 在线免费十八禁| 日韩中字成人| 男女无遮挡免费网站观看| 国产黄片视频在线免费观看| 天堂中文最新版在线下载| 美女高潮的动态| 最近最新中文字幕免费大全7| 日韩在线高清观看一区二区三区| 高清不卡的av网站| 男的添女的下面高潮视频| 在线亚洲精品国产二区图片欧美 | 七月丁香在线播放| 中国美白少妇内射xxxbb| 一级毛片我不卡| 日日啪夜夜撸| 国产亚洲av片在线观看秒播厂| 舔av片在线| 99视频精品全部免费 在线| 麻豆乱淫一区二区| 我的女老师完整版在线观看| 人妻一区二区av| 久久国内精品自在自线图片| 亚洲熟女精品中文字幕| 在线观看一区二区三区激情| 日本爱情动作片www.在线观看| 国产免费福利视频在线观看| 欧美 日韩 精品 国产| 精品午夜福利在线看| 国产在线视频一区二区| 国产精品久久久久久精品电影小说 | 亚洲国产色片| 视频区图区小说| 小蜜桃在线观看免费完整版高清| av国产久精品久网站免费入址| 久久久午夜欧美精品| 高清在线视频一区二区三区| 美女xxoo啪啪120秒动态图| 99视频精品全部免费 在线| 天堂俺去俺来也www色官网| 99热网站在线观看| 伦精品一区二区三区| 国产精品熟女久久久久浪| 观看av在线不卡| 国产欧美日韩精品一区二区| 91久久精品国产一区二区成人| 国产乱人视频| 亚洲av在线观看美女高潮| 久久影院123| 久久人妻熟女aⅴ| 18禁动态无遮挡网站| 男女边吃奶边做爰视频| 国产高清不卡午夜福利| 色视频www国产| 大码成人一级视频| 亚洲欧美日韩东京热| 乱系列少妇在线播放| 精品一区二区免费观看| 人人妻人人爽人人添夜夜欢视频 | 超碰97精品在线观看| 亚洲国产欧美在线一区| 久久久久国产网址| 熟女人妻精品中文字幕| 久久99蜜桃精品久久| 久久久久久人妻| 黑人高潮一二区| 啦啦啦视频在线资源免费观看| 国产精品人妻久久久久久| 国产黄片视频在线免费观看| 免费av不卡在线播放| 插阴视频在线观看视频| 我的老师免费观看完整版| 秋霞在线观看毛片| 欧美日韩在线观看h| 日日啪夜夜爽| 五月玫瑰六月丁香| 亚洲精品一二三| 日本黄色片子视频| 日本色播在线视频| 精品人妻一区二区三区麻豆| 午夜激情久久久久久久| 少妇的逼水好多| 观看美女的网站| 波野结衣二区三区在线| 毛片女人毛片| 婷婷色麻豆天堂久久| 国产v大片淫在线免费观看| 美女国产视频在线观看| 国产淫语在线视频| 成人18禁高潮啪啪吃奶动态图 | 亚洲欧美成人综合另类久久久| 一级爰片在线观看| 舔av片在线| 亚洲成色77777| 麻豆成人午夜福利视频| 黄片无遮挡物在线观看| 精品亚洲乱码少妇综合久久| 高清av免费在线|