• <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 ?

    改進(jìn)樞軸特征選擇的跨領(lǐng)域情感分類

    2020-11-17 06:28:26梁俊葛張周彬邵黨國
    關(guān)鍵詞:樞軸詞形特征選擇

    梁俊葛,相 艷,張周彬,熊 馨,邵黨國,馬 磊

    (昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院,云南 昆明 650504)

    0 引 言

    在無標(biāo)簽數(shù)據(jù)領(lǐng)域中進(jìn)行情感預(yù)測(cè)是一個(gè)值得研究的問題,跨領(lǐng)域情感分類是解決這一問題的方法之一[1-5]。近年來,深度學(xué)習(xí)方在各領(lǐng)域有著良好的實(shí)際表現(xiàn)已經(jīng)逐漸取代傳統(tǒng)的機(jī)器學(xué)習(xí)方法成為跨領(lǐng)域情感分類的主流[6-11]。Ziser等[12]提出了神經(jīng)結(jié)構(gòu)對(duì)應(yīng)模型,他們的模型可以捕捉到不同領(lǐng)域間有著相同表征的特征,并解決不同領(lǐng)域間特征分布問題。Yu等[13]提出了一種基于神經(jīng)網(wǎng)絡(luò)的跨領(lǐng)域情感分類模型,可對(duì)文本進(jìn)行多重分類。雖然跨領(lǐng)域情感分類的研究已經(jīng)取得了諸多成果,但仍存在一定問題:①傳統(tǒng)的跨領(lǐng)域情感分類中,在文本向量化工作中使用詞袋模型把文本轉(zhuǎn)換為向量形式,這種方法從根本上不可避免會(huì)導(dǎo)致特征冗余的情況。②現(xiàn)有工作中,樞軸特征選擇方法并不完備。例如,傳統(tǒng)的跨領(lǐng)域情感分類主要采用互信息算法來選擇樞軸特征,該方法更多只考慮了特征與情感標(biāo)簽直接的關(guān)系,并未考慮特征出現(xiàn)在文本中的頻次。而樞軸特征選擇的好壞,直接影響到最終的跨領(lǐng)域情感分類結(jié)果。

    為解決上述問題,本文提出了改進(jìn)樞軸特征選擇的跨領(lǐng)域情感分類模型:IPFS(improved pivot feature selection for cross domain sentiment classification)。該模型通過詞形還原構(gòu)建更稠密的文本特征,融合卡方檢驗(yàn)算法選擇出更高質(zhì)量的樞軸特征,結(jié)合神經(jīng)網(wǎng)絡(luò),得到更好的遷移特征。在亞馬遜數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,本模型相較現(xiàn)有傳統(tǒng)跨領(lǐng)域情感分類模型具有更好的分類效果。驗(yàn)證了本文模型在跨領(lǐng)域情感分類任務(wù)中的有效性。

    1 相關(guān)工作

    已有的跨領(lǐng)域情感分類方法主要有基于跨領(lǐng)域詞嵌入的方法、基于樞軸特征選擇的方法以及基于自編碼器的方法。

    跨領(lǐng)域詞嵌入的方法主要思想是約束樞軸特征在不同領(lǐng)域中有著相似的詞嵌入表示。Bollegala等[14]提出了跨領(lǐng)域詞嵌入表示模型,通過約束樞軸特征在不同領(lǐng)域之間有著相似的詞嵌入表示,來解決跨領(lǐng)域任務(wù)中樞軸特征的詞嵌入分布問題。Yang等[15]將word2vec模型的損失函數(shù)加入了新的約束項(xiàng),結(jié)合源域詞向量來生成目標(biāo)域的詞向量,實(shí)現(xiàn)跨領(lǐng)域情感分析。另一類跨領(lǐng)域情感分類方法是基于樞軸特征選擇的模型。Li等[16]利用注意力機(jī)制網(wǎng)絡(luò)模型自動(dòng)選擇出樞軸特征,通過聯(lián)合訓(xùn)練兩個(gè)參數(shù)共享的內(nèi)存網(wǎng)絡(luò)來選擇出更適合情感分類的樞軸特征并完成情感分類。Ziser等[12]提出神經(jīng)結(jié)構(gòu)對(duì)應(yīng)學(xué)習(xí)模型,利用神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)來得到非樞軸特征和樞軸特征之間的映射關(guān)系。另一類基于自動(dòng)編碼器的方法主要通過提取出對(duì)跨域變化具有魯棒性的特征,來減少不同領(lǐng)域間的域間差。Chen等[17]提出平均深度對(duì)抗網(wǎng)絡(luò),通過對(duì)抗神經(jīng)網(wǎng)絡(luò)來將分類器從源域標(biāo)簽數(shù)據(jù)中學(xué)習(xí)到的知識(shí)遷移到無標(biāo)簽的目標(biāo)領(lǐng)域中來學(xué)習(xí)跨領(lǐng)域中不變的特征。Ganin等[18]提出了DANN模型,利用領(lǐng)域?qū)褂?xùn)練方法來使神經(jīng)網(wǎng)絡(luò)產(chǎn)生混淆分類器的表示。Qu等[19]提出了類別對(duì)齊對(duì)抗網(wǎng)絡(luò),通過增強(qiáng)源域和目標(biāo)域的類別一致性來完成跨領(lǐng)域情感分類任務(wù)。

    2 本文方法

    2.1 問題描述

    2.2 改進(jìn)特征選擇的神經(jīng)結(jié)構(gòu)對(duì)應(yīng)學(xué)習(xí)模型

    本文提出的改進(jìn)特征選擇的神經(jīng)結(jié)構(gòu)對(duì)應(yīng)學(xué)習(xí)模型主要分為3個(gè)模塊:樞軸特征選擇模塊、特征遷移模塊、跨領(lǐng)域情感分類模塊。

    2.2.1 樞軸特征選擇模塊

    樞軸特征是在不同領(lǐng)域中有著相同的表征的特征,在不同領(lǐng)域中充當(dāng)橋梁的作用。本文提出的樞軸特征選擇如圖1所示。

    圖1 樞軸特征選擇

    具體步驟為:

    (1)預(yù)處理

    提取出源域和目標(biāo)域中的文本內(nèi)容,并對(duì)文本內(nèi)容進(jìn)行去標(biāo)點(diǎn)符號(hào)、去停用詞等預(yù)處理操作。

    (2)詞形還原

    詞形還原可以把詞語轉(zhuǎn)換為能夠表達(dá)完整語義的一般形式,可以減少冗余特征,為文本向量化做準(zhǔn)備。

    例如“l(fā)ikes”和“l(fā)ike”都是“l(fā)ike”的不同詞形,它們有著相同的情感極性,在樞軸特征選擇中應(yīng)該把它們作為同一個(gè)特征對(duì)待。

    WordNet詞典中對(duì)不同詞性的特征有著不同的詞形還原結(jié)果,因此在詞形還原之前需要對(duì)文本中的每個(gè)特征進(jìn)行詞性標(biāo)注。本文采用NLTK包中提供的詞性標(biāo)注器pos_tag來對(duì)詞性進(jìn)行標(biāo)記,將對(duì)應(yīng)的詞性轉(zhuǎn)換成WordNet詞典的名形動(dòng)副4種詞性符號(hào)。將NN(名詞)、NNS(名詞復(fù)數(shù))、NNP(名詞單數(shù))、NNPS(名詞復(fù)數(shù))轉(zhuǎn)換為n(名詞);將JJ(形容詞),JJR(形容詞比較級(jí)),JJS(形容詞最高級(jí))轉(zhuǎn)換為a(形容詞)。詞性標(biāo)注后,再使用NLTK庫中基于WordNet的詞形還原工具WordNLemmatizer對(duì)特征進(jìn)行詞形還原。

    (3)文本向量化

    利用Ds和Dt建立詞袋模型,在此基礎(chǔ)上進(jìn)行文本向量化。文本向量的值為特征在該文本中出現(xiàn)的頻次。步驟(2)中的詞形還原可以起到文本向量特征降維的作用。例如在進(jìn)行Amazon數(shù)據(jù)集Kitchen到Electronic跨領(lǐng)域情感分類任務(wù)時(shí),詞形還原任務(wù)前,總的特征數(shù)目為12 961,共有25 233個(gè)句子,因此總的文本向量矩陣的維度為25 233*12 961。經(jīng)過詞形還原后,維度降低到了25 233*12 383。

    (4)選擇具有最大卡方值的特征

    卡方值表征了特征和標(biāo)簽之間的關(guān)聯(lián)度,為卡方檢驗(yàn)得到的統(tǒng)計(jì)值,其計(jì)算公式如下

    (1)

    (5)樞軸特征生成

    在有著最大卡方值的特征中,選擇在源域和目標(biāo)域中詞頻均高于m的特征作為最終的樞軸特征,得到樞軸特征集合fp。

    2.2.2 特征遷移模塊

    在特征遷移模塊,通過映射矩陣將非樞軸特征降維到低維度的隱層特征,用該隱層特征來預(yù)測(cè)樞軸特征的存在。本文的特征映射如圖2所示。具體過程如下。

    圖2 特征映射

    (1)總的特征集合為f=fp∪fnp,其中fp為前文步驟得到的樞軸特征集合,fnp為非樞軸特征集合,fp∩fnp=φ。

    (2)對(duì)于給定的輸入文本,其樞軸特征向量表示為xp,非樞軸特征向量為xnp。為了學(xué)習(xí)到具有魯棒性以及緊密的文本特征表示,需要學(xué)習(xí)到從非樞軸特征到樞軸特征間的非線性映射。采用神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),xnp作為神經(jīng)網(wǎng)絡(luò)的輸入,通過編碼得到低維度、共享的中間隱層特征表示,其計(jì)算公式為

    hwh(xnp)=σ(whxnp)

    (2)

    其中,wh為特征映射矩陣,σ(·) 表示sigmoid非線性激活函數(shù)。

    (3)之后用隱層特征hwh(xnp) 預(yù)測(cè)樞軸特征xp,計(jì)算公式為

    o=σ(wrhwh(xnp))

    (3)

    這樣得到的模型輸出o是一個(gè)概率向量,其取值是[0,1]之間的數(shù)值,維度與xp維度一致,其值預(yù)測(cè)了對(duì)應(yīng)樞軸特征在該輸入文本中出現(xiàn)的概率。

    (4)對(duì)于步驟(3)樞軸特征預(yù)測(cè)的結(jié)果,采用交叉熵函數(shù)作為損失函數(shù),如式(4)所示

    (4)

    式中:|fp| 是樞軸特征的個(gè)數(shù),xp是一個(gè)取值為0或1的向量,其第i個(gè)數(shù)值反映了所對(duì)應(yīng)的第i個(gè)特征是否是輸入文本的樞軸特征。數(shù)值為1表示該特征是輸入文本的樞軸特征,為0則不是。這樣,上一步正確預(yù)測(cè)的概率越高,損失函數(shù)就會(huì)越小。通過最小化總的損失函數(shù),可以得到最優(yōu)的wh和wr。

    在特征遷移模塊中,神經(jīng)網(wǎng)絡(luò)模型將高維度的非樞軸特征遷移到低維度、共享的隱層特征空間,在該低維的隱層空間下,源領(lǐng)域數(shù)據(jù)與目標(biāo)域領(lǐng)域數(shù)據(jù)擁有相似的分布,故可以減小特征在不同領(lǐng)域間的域間差。

    2.2.3 跨領(lǐng)域情感分類模塊

    跨領(lǐng)域情感分類器訓(xùn)練過程如圖3所示。具體過程如下。

    圖3 IPFS的跨領(lǐng)域分類器

    (1)利用源域和目標(biāo)域標(biāo)記數(shù)據(jù),獲得源域和目標(biāo)域的初始文本特征。

    (2)利用特征遷移模塊得到映射矩陣,將源域非樞軸特征乘以特征映射矩陣得到源域的遷移特征。目標(biāo)域非樞軸特征乘以特征映射矩陣得到目標(biāo)域域文本向量的遷移特征。

    (3)將源域標(biāo)記數(shù)據(jù)的初始特征和遷移特征拼接,送入logistics分類器,訓(xùn)練分類器參數(shù)。

    (4)將目標(biāo)域的初始特征和遷移特征拼接,送入到訓(xùn)練好的logistics情感分類器,即可得到目標(biāo)域情感分類預(yù)測(cè)結(jié)果。利用目標(biāo)域標(biāo)記數(shù)據(jù)進(jìn)行測(cè)試,可以得到跨領(lǐng)域情感分類的準(zhǔn)確率。

    3 實(shí)驗(yàn)設(shè)置

    3.1 數(shù)據(jù)集

    為了驗(yàn)證模型的實(shí)驗(yàn)效果,我們進(jìn)行了跨領(lǐng)域情感分類。采用Amazon產(chǎn)品評(píng)論數(shù)據(jù)的4個(gè)數(shù)據(jù)集:Books(B)、DVD(D)、Kitchen(K)、Electronics(E),每個(gè)領(lǐng)域包含1000條正向和1000條負(fù)向的產(chǎn)品評(píng)論,并且這4個(gè)數(shù)據(jù)集各有6000(B)、37471(D)、13 153(E)、16 785(K)條無標(biāo)簽數(shù)據(jù)。實(shí)驗(yàn)數(shù)據(jù)見表1。

    表1 實(shí)驗(yàn)數(shù)據(jù)

    3.2 實(shí)驗(yàn)對(duì)比模型

    (1)No-DA:在源域訓(xùn)練好分類器,不做任何領(lǐng)域適應(yīng)操作,直接進(jìn)行跨領(lǐng)域情感分類。

    (2)SCL-MI模型:該模型采用互信息篩選出樞軸特征,然后通過SVD分解將樞軸特征與非樞軸特征關(guān)聯(lián)起來,為源域和目標(biāo)域間提供一個(gè)橋梁,來完成跨領(lǐng)域情感分類。

    (3)DANN模型:該模型利用對(duì)抗神經(jīng)網(wǎng)絡(luò)來完成跨領(lǐng)域情感分類任務(wù)。

    (4)MSDA模型:該模型利用邊緣化的去噪自編碼器模型來完成跨領(lǐng)域情感分類任務(wù)。

    (5)AE-SCL-SR模型:該模型在篩選出樞軸特征后,通過神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)將樞軸特征和非樞軸特征關(guān)聯(lián)起來,得到遷移特征,在此基礎(chǔ)上,完成跨領(lǐng)域情感分類任務(wù)。

    (6)IPFS-Chi2模型:是指本文所提出的樞軸特征改進(jìn)方法中,只基于卡方檢驗(yàn)選擇樞軸特征的模型。

    4 實(shí)驗(yàn)結(jié)果與分析

    4.1 評(píng)價(jià)指標(biāo)

    本文采用準(zhǔn)確率來評(píng)估跨領(lǐng)域情感分類的效果,定義如下

    (5)

    其中,num_correct為目標(biāo)域情感分類正確的樣本數(shù),num_all為目標(biāo)域數(shù)據(jù)集樣本總數(shù)。

    4.2 改進(jìn)樞軸特征的實(shí)驗(yàn)

    為了驗(yàn)證卡方檢驗(yàn)和詞形還原的有效性,本文在Amazon這4個(gè)不同領(lǐng)域數(shù)據(jù)集上對(duì)AE-SCL-SR、IPFS-Chi2和IPFS這3種模型進(jìn)行了12組對(duì)比實(shí)驗(yàn),結(jié)果如圖4所示。

    由圖4可看出,相比AE-SCL-SR模型,IPFS-Chi2模型在12組實(shí)驗(yàn)中有9組取得了更好的結(jié)果,2組持平。在DVD到Book,以及Kitchen到Electronics的跨領(lǐng)域情感分類實(shí)驗(yàn)中,IPFS-Chi2模型的準(zhǔn)確率分別高出AE-SCL-SR模型約0.8%和1.3%,驗(yàn)證了卡方檢驗(yàn)對(duì)于選擇樞軸特征的 有效性。進(jìn)一步比較IPFS-Chi2和IPFS模型可以看到,在12組實(shí)驗(yàn)中IPFS模型有9組取得了高于IPFS-Chi2約0.3%的準(zhǔn)確率,2組持平。在DVD到Kitchen的跨領(lǐng)域情感分類實(shí)驗(yàn)中,IPFS模型的準(zhǔn)確率高出IPFS-Chi2模型約0.7%。以上結(jié)果進(jìn)一步證實(shí)了詞形還原的作用。

    圖4 改進(jìn)樞軸特征選擇方法的實(shí)驗(yàn)結(jié)果

    4.3 與基線模型的比較

    表2是本文方法與各基線模型的分類準(zhǔn)確率對(duì)比結(jié)果。

    表2 IPFS模型與其它模型的實(shí)驗(yàn)結(jié)果比較

    可以看出本文提出的IPFS模型在各個(gè)情感分析任務(wù)中均取得了較好的實(shí)驗(yàn)結(jié)果,平均準(zhǔn)確率達(dá)到了78.7%,優(yōu)于所有的基線模型。對(duì)于跨領(lǐng)域情感分類任務(wù),本文模型在12組實(shí)驗(yàn)全部優(yōu)于SCL-MI模型,說明本文樞軸選擇的質(zhì)量影響著最終的實(shí)驗(yàn)分類準(zhǔn)確率以及神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)性。與DANN模型相比,本文模型由11組優(yōu)于DANN模型,1組持平,驗(yàn)證了本文模型的有效性,通過提高選擇的樞軸特征質(zhì)量并結(jié)合神經(jīng)網(wǎng)絡(luò)可以達(dá)到更好的分類準(zhǔn)確率。IPFS在12組實(shí)驗(yàn)中有10組實(shí)驗(yàn)性能明顯優(yōu)于MSDA模型,1組實(shí)驗(yàn)性能與MSDA持平。與AE-SCL-SR模型相比,IPFS模型有10組實(shí)驗(yàn)性能優(yōu)于AE-SCL-SR模型,1組實(shí)驗(yàn)性能與AE-SCL-SR持平,驗(yàn)證了本文模型可以更好選擇高質(zhì)量的樞軸特征,更好完成跨領(lǐng)域情感分類任務(wù),達(dá)到更高的分類準(zhǔn)確率。此外,IPFS模型相對(duì)AE-SCL-SR、DANN、MSDA、SCL-MI、No-DA跨領(lǐng)域情感分類的準(zhǔn)確率在12組實(shí)驗(yàn)上平均提高了0.6%、2.7%、3.9%、4.4%和5.7%。實(shí)驗(yàn)結(jié)果表明,IPFS模型能夠很好解決跨領(lǐng)域情感分類問題。

    從表2的對(duì)比結(jié)果還可以看出,跨領(lǐng)域情感分類任務(wù)中,所有模型都在Kitchen和Electronic這一對(duì)遷移任務(wù)中取得了最好的結(jié)果,這說明Kitchen和Electronic領(lǐng)域的特征分布最相似,域間差最小,領(lǐng)域適應(yīng)效果更佳。同時(shí),從各個(gè)方法的平均準(zhǔn)確率可以看出,特征遷移的模型均優(yōu)于沒有進(jìn)行遷移的情況,這說明跨領(lǐng)域情感分類學(xué)習(xí)可以有效地提高分類準(zhǔn)確率。

    5 結(jié)束語

    針對(duì)跨領(lǐng)域情感分類任務(wù),本文提出的IFPS模型融合了詞形還原和卡方檢驗(yàn)來選擇樞軸特征,在特征映射過程中結(jié)合神經(jīng)結(jié)構(gòu)對(duì)應(yīng)學(xué)習(xí)來構(gòu)建樞軸特征和非樞軸特征間的映射關(guān)系。通過詞形還原來減少文本特征數(shù)目,得到更加稠密的文本向量化表示,通過卡方檢驗(yàn)讓模型能夠更好得到和情感標(biāo)簽關(guān)聯(lián)更緊密的特征作為樞軸特征,并結(jié)合神經(jīng)網(wǎng)絡(luò)完成跨領(lǐng)域情感分類任務(wù)。在Amazon數(shù)據(jù)集上的12組不同跨領(lǐng)域情感分類任務(wù)的對(duì)比實(shí)驗(yàn)結(jié)果表明,本文提出模型的準(zhǔn)確率比幾種較先進(jìn)的跨領(lǐng)域情感分類模型有著進(jìn)一步的提升,能夠很好解決跨領(lǐng)域情感分類任務(wù)。

    猜你喜歡
    樞軸詞形特征選擇
    WK-35 電鏟中央樞軸液氮冷裝工藝研究
    面向神經(jīng)機(jī)器翻譯的樞軸方法研究綜述
    探討參數(shù)區(qū)間估計(jì)中樞軸量的選取——以單個(gè)正態(tài)總體均值為例
    詞形變換解題指導(dǎo)
    韓國學(xué)校語法中副詞形語尾的變遷
    帶前置功能的詞形《 в сопоставлениис 》的結(jié)構(gòu)與搭配
    山東青年(2018年7期)2018-11-06 06:13:12
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    聯(lián)合互信息水下目標(biāo)特征選擇算法
    抽水蓄能電站球閥樞軸軸套故障分析及改造
    基于特征選擇和RRVPMCD的滾動(dòng)軸承故障診斷方法
    欧美大码av| 女生性感内裤真人,穿戴方法视频| 最近最新中文字幕大全免费视频| 首页视频小说图片口味搜索| 欧美乱色亚洲激情| 亚洲伊人色综图| 丰满的人妻完整版| 在线观看午夜福利视频| 久久热在线av| 激情视频va一区二区三区| 久久国产精品男人的天堂亚洲| 亚洲狠狠婷婷综合久久图片| 人人妻人人澡人人看| 我的亚洲天堂| 欧美日韩黄片免| 精品国产美女av久久久久小说| 中文字幕人妻丝袜制服| 久久久久国产一级毛片高清牌| 久久久久久久久中文| 三上悠亚av全集在线观看| 日本精品一区二区三区蜜桃| 后天国语完整版免费观看| 久久午夜综合久久蜜桃| 国产无遮挡羞羞视频在线观看| 精品国产美女av久久久久小说| av电影中文网址| 国产成人免费无遮挡视频| 中文字幕av电影在线播放| 免费观看精品视频网站| 免费不卡黄色视频| 后天国语完整版免费观看| 视频在线观看一区二区三区| 国产av又大| 很黄的视频免费| 国产精品亚洲av一区麻豆| 久久伊人香网站| 日日爽夜夜爽网站| 热99国产精品久久久久久7| 精品国产亚洲在线| 免费看a级黄色片| 日韩精品免费视频一区二区三区| 天堂√8在线中文| 久久99一区二区三区| 亚洲一区高清亚洲精品| 国产精品国产高清国产av| 在线观看一区二区三区激情| 俄罗斯特黄特色一大片| 国产精品久久电影中文字幕| 成人特级黄色片久久久久久久| 一进一出好大好爽视频| 欧美色视频一区免费| 夜夜躁狠狠躁天天躁| 一区二区三区激情视频| 男女床上黄色一级片免费看| 欧美日韩一级在线毛片| 精品卡一卡二卡四卡免费| 亚洲av成人不卡在线观看播放网| 成在线人永久免费视频| 99久久综合精品五月天人人| 亚洲午夜精品一区,二区,三区| 国产xxxxx性猛交| 亚洲av第一区精品v没综合| 老司机午夜福利在线观看视频| 久久精品亚洲精品国产色婷小说| av在线播放免费不卡| 69av精品久久久久久| av网站在线播放免费| www日本在线高清视频| 搡老岳熟女国产| 狠狠狠狠99中文字幕| 91麻豆av在线| 午夜两性在线视频| 国产成人精品在线电影| 国产亚洲欧美98| 成人永久免费在线观看视频| 日本 av在线| 母亲3免费完整高清在线观看| √禁漫天堂资源中文www| 777久久人妻少妇嫩草av网站| 欧美黑人精品巨大| 亚洲五月婷婷丁香| 99国产精品99久久久久| 亚洲国产毛片av蜜桃av| 久久亚洲真实| 免费在线观看日本一区| 男女午夜视频在线观看| 久久天躁狠狠躁夜夜2o2o| 久久久久精品国产欧美久久久| a级毛片黄视频| 黄色女人牲交| 欧美人与性动交α欧美精品济南到| 国产99久久九九免费精品| 久久久久久人人人人人| 久久精品人人爽人人爽视色| 91麻豆av在线| 999久久久精品免费观看国产| 欧美日本中文国产一区发布| 久久久国产成人精品二区 | 夜夜爽天天搞| 免费观看精品视频网站| 涩涩av久久男人的天堂| 母亲3免费完整高清在线观看| 天堂影院成人在线观看| 精品一区二区三区视频在线观看免费 | 日韩人妻精品一区2区三区| 国内久久婷婷六月综合欲色啪| 侵犯人妻中文字幕一二三四区| 欧美激情 高清一区二区三区| 亚洲色图 男人天堂 中文字幕| 一级毛片精品| 亚洲欧美日韩无卡精品| 国产成人影院久久av| 淫妇啪啪啪对白视频| 久久久久久人人人人人| 久久99一区二区三区| 伦理电影免费视频| 一进一出抽搐gif免费好疼 | 欧美成人午夜精品| 露出奶头的视频| 首页视频小说图片口味搜索| 亚洲 欧美 日韩 在线 免费| 成在线人永久免费视频| 伦理电影免费视频| 国产欧美日韩一区二区三区在线| 少妇裸体淫交视频免费看高清 | 国产三级在线视频| 亚洲aⅴ乱码一区二区在线播放 | 亚洲七黄色美女视频| 午夜成年电影在线免费观看| 精品国产亚洲在线| 免费女性裸体啪啪无遮挡网站| 夫妻午夜视频| 亚洲精品在线美女| 国产亚洲精品久久久久5区| 精品久久久久久成人av| 男人舔女人的私密视频| 91av网站免费观看| 50天的宝宝边吃奶边哭怎么回事| 在线视频色国产色| 国产av又大| netflix在线观看网站| 一级a爱片免费观看的视频| 久久精品91无色码中文字幕| 亚洲精品av麻豆狂野| 国产男靠女视频免费网站| а√天堂www在线а√下载| 色尼玛亚洲综合影院| 国产99白浆流出| 淫秽高清视频在线观看| 男女高潮啪啪啪动态图| 久久久久亚洲av毛片大全| 亚洲欧美一区二区三区黑人| 人妻丰满熟妇av一区二区三区| 女人高潮潮喷娇喘18禁视频| 91国产中文字幕| 精品高清国产在线一区| 国产精品久久久久久人妻精品电影| www.精华液| 身体一侧抽搐| 高清黄色对白视频在线免费看| 亚洲欧洲精品一区二区精品久久久| 黄色 视频免费看| 国产精品日韩av在线免费观看 | 亚洲色图av天堂| 亚洲成av片中文字幕在线观看| 精品久久久久久电影网| 午夜两性在线视频| 一夜夜www| 搡老乐熟女国产| 亚洲专区中文字幕在线| 一个人免费在线观看的高清视频| 亚洲avbb在线观看| 99久久人妻综合| 亚洲黑人精品在线| 欧美最黄视频在线播放免费 | 国产国语露脸激情在线看| 91在线观看av| 美女高潮喷水抽搐中文字幕| 日本一区二区免费在线视频| 久久国产精品影院| 91av网站免费观看| 中文字幕av电影在线播放| 巨乳人妻的诱惑在线观看| 中文欧美无线码| 亚洲欧美一区二区三区久久| 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| 欧美一区二区精品小视频在线| 亚洲av第一区精品v没综合| 两个人看的免费小视频| 日韩 欧美 亚洲 中文字幕| 如日韩欧美国产精品一区二区三区| 在线观看舔阴道视频| 另类亚洲欧美激情| 国产成人欧美在线观看| 大型黄色视频在线免费观看| 99riav亚洲国产免费| 成人精品一区二区免费| 他把我摸到了高潮在线观看| 首页视频小说图片口味搜索| 少妇粗大呻吟视频| 一边摸一边抽搐一进一小说| 国产精品久久久久成人av| 亚洲第一青青草原| 亚洲免费av在线视频| 夜夜看夜夜爽夜夜摸 | 窝窝影院91人妻| 一级a爱片免费观看的视频| 青草久久国产| 国产乱人伦免费视频| 黄色视频不卡| 伦理电影免费视频| 丁香欧美五月| 制服诱惑二区| 一级黄色大片毛片| 国产成人精品无人区| 午夜免费鲁丝| 亚洲视频免费观看视频| 日本撒尿小便嘘嘘汇集6| 侵犯人妻中文字幕一二三四区| 90打野战视频偷拍视频| xxxhd国产人妻xxx| 欧美午夜高清在线| 亚洲欧美精品综合久久99| 国产成人欧美| 久久久久九九精品影院| www日本在线高清视频| 啦啦啦 在线观看视频| 免费久久久久久久精品成人欧美视频| 亚洲美女黄片视频| 国产极品粉嫩免费观看在线| 久久久久久免费高清国产稀缺| 免费女性裸体啪啪无遮挡网站| 50天的宝宝边吃奶边哭怎么回事| 丰满的人妻完整版| 欧美日韩亚洲国产一区二区在线观看| 婷婷精品国产亚洲av在线| 黄片大片在线免费观看| 美女国产高潮福利片在线看| av在线天堂中文字幕 | 在线观看免费视频网站a站| 中文字幕人妻熟女乱码| 激情视频va一区二区三区| 日日干狠狠操夜夜爽| 免费在线观看日本一区| 日韩欧美一区视频在线观看| 亚洲免费av在线视频| 色哟哟哟哟哟哟| 欧美成人性av电影在线观看| 日韩免费高清中文字幕av| 99精品欧美一区二区三区四区| 成年女人毛片免费观看观看9| 欧美亚洲日本最大视频资源| 国产黄色免费在线视频| 97人妻天天添夜夜摸| 免费高清在线观看日韩| 91精品国产国语对白视频| 在线永久观看黄色视频| 高清av免费在线| 亚洲av成人不卡在线观看播放网| 久久精品亚洲av国产电影网| 亚洲专区国产一区二区| 久久久久久久精品吃奶| 亚洲va日本ⅴa欧美va伊人久久| 久久久水蜜桃国产精品网| 国产成人啪精品午夜网站| av天堂在线播放| 青草久久国产| 黄网站色视频无遮挡免费观看| 黄频高清免费视频| 91在线观看av| 亚洲人成77777在线视频| 人人澡人人妻人| 国产又色又爽无遮挡免费看| 久久久国产成人精品二区 | 成人三级做爰电影| 久久欧美精品欧美久久欧美| 日本一区二区免费在线视频| 女人被躁到高潮嗷嗷叫费观| 如日韩欧美国产精品一区二区三区| 午夜激情av网站| 免费高清在线观看日韩| 热re99久久国产66热| 欧美黑人欧美精品刺激| 成人影院久久| 久热这里只有精品99| 欧美中文日本在线观看视频| 97碰自拍视频| 热99re8久久精品国产| 精品国产亚洲在线| 大香蕉久久成人网| 在线观看免费视频日本深夜| 久久99一区二区三区| 好看av亚洲va欧美ⅴa在| 天堂√8在线中文| 久久午夜综合久久蜜桃| 亚洲激情在线av| 99久久综合精品五月天人人| 搡老岳熟女国产| 操美女的视频在线观看| 国产男靠女视频免费网站| 精品熟女少妇八av免费久了| 久久久久久人人人人人| 午夜精品久久久久久毛片777| 少妇 在线观看| 久久精品国产亚洲av高清一级| 久久精品国产综合久久久| 99国产精品免费福利视频| 成人影院久久| 久久中文看片网| 夜夜夜夜夜久久久久| 国产精品1区2区在线观看.| 热re99久久精品国产66热6| 九色亚洲精品在线播放| 国产免费av片在线观看野外av| 男人的好看免费观看在线视频 | 91在线观看av| 国产真人三级小视频在线观看| 麻豆av在线久日| 久久久国产成人免费| 日韩免费高清中文字幕av| 老汉色av国产亚洲站长工具| 欧美黄色淫秽网站| 欧美精品啪啪一区二区三区| 日本 av在线| 香蕉国产在线看| 精品久久久精品久久久| 99re在线观看精品视频| 两性夫妻黄色片| 美国免费a级毛片| 免费av毛片视频| 别揉我奶头~嗯~啊~动态视频| 美国免费a级毛片| 国产主播在线观看一区二区| 欧美乱妇无乱码| 香蕉久久夜色| 1024香蕉在线观看| 99久久精品国产亚洲精品| 777久久人妻少妇嫩草av网站| 老汉色av国产亚洲站长工具| 一级片'在线观看视频| 午夜精品国产一区二区电影| 一级片免费观看大全| 9191精品国产免费久久| 精品人妻在线不人妻| 精品国产一区二区久久| 日本五十路高清| 亚洲人成伊人成综合网2020| 久久人人97超碰香蕉20202| 69精品国产乱码久久久| 伊人久久大香线蕉亚洲五| 操出白浆在线播放| 亚洲av成人不卡在线观看播放网| 免费不卡黄色视频| 在线视频色国产色| 成人三级做爰电影| 久久精品国产亚洲av香蕉五月| 性欧美人与动物交配| 涩涩av久久男人的天堂| 中出人妻视频一区二区| 午夜a级毛片| 成人三级做爰电影| 国产av一区二区精品久久| 免费av中文字幕在线| 久久精品国产亚洲av香蕉五月| 日韩欧美在线二视频| 两个人免费观看高清视频| 免费久久久久久久精品成人欧美视频| 午夜福利一区二区在线看| 国产激情久久老熟女| 国产又色又爽无遮挡免费看| 男女高潮啪啪啪动态图| 黄片小视频在线播放| 成人18禁高潮啪啪吃奶动态图| 久久天堂一区二区三区四区| 黄色a级毛片大全视频| 男女床上黄色一级片免费看| 丁香六月欧美| 久久精品人人爽人人爽视色| 午夜福利影视在线免费观看| 男女之事视频高清在线观看| 欧美日韩精品网址| 一边摸一边抽搐一进一小说| 亚洲精品国产区一区二| 视频区图区小说| 99久久人妻综合| 亚洲成a人片在线一区二区| 午夜影院日韩av| 欧美中文日本在线观看视频| 午夜a级毛片| 丰满人妻熟妇乱又伦精品不卡| 欧美午夜高清在线| 我的亚洲天堂| 国产免费现黄频在线看| 国产亚洲精品综合一区在线观看 | 色老头精品视频在线观看| 久久亚洲真实| 亚洲 欧美 日韩 在线 免费| 99精品久久久久人妻精品| 大型黄色视频在线免费观看| 亚洲一区高清亚洲精品| 亚洲精品久久成人aⅴ小说| 丰满人妻熟妇乱又伦精品不卡| 91麻豆精品激情在线观看国产 | 国产精品av久久久久免费| 亚洲专区字幕在线| 电影成人av| 黑人巨大精品欧美一区二区mp4| 大香蕉久久成人网| 精品电影一区二区在线| 在线av久久热| 80岁老熟妇乱子伦牲交| 亚洲情色 制服丝袜| 天堂√8在线中文| 久久久久久久久中文| 欧美日韩亚洲综合一区二区三区_| 欧美人与性动交α欧美软件| 色精品久久人妻99蜜桃| 色哟哟哟哟哟哟| 99久久国产精品久久久| 搡老岳熟女国产| √禁漫天堂资源中文www| a级片在线免费高清观看视频| 人人澡人人妻人| 亚洲中文av在线| 9191精品国产免费久久| 交换朋友夫妻互换小说| 黄网站色视频无遮挡免费观看| 波多野结衣一区麻豆| 亚洲专区中文字幕在线| 久久草成人影院| 亚洲片人在线观看| 国产精品一区二区免费欧美| 淫秽高清视频在线观看| 又黄又爽又免费观看的视频| 久久久久九九精品影院| 伊人久久大香线蕉亚洲五| 成人国语在线视频| 黄色女人牲交| 亚洲 欧美一区二区三区| 国产免费现黄频在线看| 女性被躁到高潮视频| 久久久久久久久久久久大奶| 欧美激情久久久久久爽电影 | 亚洲一码二码三码区别大吗| 黄色毛片三级朝国网站| 日本 av在线| 国产97色在线日韩免费| 欧美亚洲日本最大视频资源| cao死你这个sao货| 黄色毛片三级朝国网站| 黄色女人牲交| 搡老乐熟女国产| 免费在线观看完整版高清| av片东京热男人的天堂| www.自偷自拍.com| 黄网站色视频无遮挡免费观看| 欧美日韩中文字幕国产精品一区二区三区 | 岛国视频午夜一区免费看| 夫妻午夜视频| av欧美777| 女人被狂操c到高潮| 欧美+亚洲+日韩+国产| 亚洲色图 男人天堂 中文字幕| 精品少妇一区二区三区视频日本电影| а√天堂www在线а√下载| 香蕉久久夜色| 成在线人永久免费视频| 成人精品一区二区免费| 天堂√8在线中文| xxx96com| 亚洲,欧美精品.| 国产片内射在线| 亚洲片人在线观看| 精品久久久久久成人av| 99re在线观看精品视频| 久久国产精品人妻蜜桃| 久久精品人人爽人人爽视色| 美女国产高潮福利片在线看| 男人操女人黄网站| 午夜影院日韩av| 丰满人妻熟妇乱又伦精品不卡| 99在线人妻在线中文字幕| 美国免费a级毛片| 1024视频免费在线观看| 成人国产一区最新在线观看| 免费久久久久久久精品成人欧美视频| 国产欧美日韩精品亚洲av| 9191精品国产免费久久| 1024视频免费在线观看| 韩国精品一区二区三区| 亚洲avbb在线观看| 19禁男女啪啪无遮挡网站| 无限看片的www在线观看| 日韩高清综合在线| 乱人伦中国视频| 多毛熟女@视频| 19禁男女啪啪无遮挡网站| 两性午夜刺激爽爽歪歪视频在线观看 | 国产精品偷伦视频观看了| 欧美+亚洲+日韩+国产| 欧美日韩亚洲国产一区二区在线观看| 免费高清视频大片| 757午夜福利合集在线观看| 18禁裸乳无遮挡免费网站照片 | 美国免费a级毛片| 久久精品成人免费网站| 国产精品影院久久| 多毛熟女@视频| 国产一区二区激情短视频| 又黄又爽又免费观看的视频| 久久久国产成人免费| 日本欧美视频一区| 怎么达到女性高潮| 亚洲国产精品一区二区三区在线| 999精品在线视频| 在线av久久热| 男女床上黄色一级片免费看| 欧美人与性动交α欧美软件| 香蕉国产在线看| 在线视频色国产色| 夜夜躁狠狠躁天天躁| 久久人妻熟女aⅴ| 999久久久精品免费观看国产| 欧美黄色淫秽网站| 国产成年人精品一区二区 | 午夜免费激情av| 99久久人妻综合| 久久久久精品国产欧美久久久| 久久久久久大精品| 国产精品1区2区在线观看.| 成年人黄色毛片网站| 国产亚洲精品第一综合不卡| 欧美大码av| 国内毛片毛片毛片毛片毛片| 精品国产超薄肉色丝袜足j| 桃色一区二区三区在线观看| 亚洲av美国av| 亚洲va日本ⅴa欧美va伊人久久| 欧美日韩视频精品一区| 啦啦啦免费观看视频1| 亚洲 欧美一区二区三区| 久久久久久久精品吃奶| 大型黄色视频在线免费观看| 丰满人妻熟妇乱又伦精品不卡| 国产成人精品在线电影| 久久香蕉精品热| 国产极品粉嫩免费观看在线| 黄色女人牲交| 91九色精品人成在线观看| 日韩高清综合在线| 波多野结衣av一区二区av| 50天的宝宝边吃奶边哭怎么回事| 欧美日韩乱码在线| 悠悠久久av| 精品久久久久久成人av| 淫秽高清视频在线观看| 亚洲成人免费电影在线观看| 中文字幕色久视频| 啦啦啦 在线观看视频| 国产乱人伦免费视频| 亚洲人成伊人成综合网2020| 精品乱码久久久久久99久播| 免费日韩欧美在线观看| 18禁黄网站禁片午夜丰满| 久热这里只有精品99| 丁香六月欧美| 久久久久国内视频| 国产三级在线视频| 免费观看精品视频网站| 亚洲国产欧美一区二区综合| 99国产极品粉嫩在线观看| xxx96com| 69av精品久久久久久| 日韩精品青青久久久久久| 正在播放国产对白刺激| 国产伦人伦偷精品视频| 国产欧美日韩一区二区三区在线| www.熟女人妻精品国产| 91av网站免费观看| ponron亚洲| 国产人伦9x9x在线观看| 男女之事视频高清在线观看| 午夜精品国产一区二区电影| 亚洲欧洲精品一区二区精品久久久| 免费观看人在逋| 国产精品综合久久久久久久免费 | 看片在线看免费视频| 亚洲一区二区三区欧美精品| 无遮挡黄片免费观看| 窝窝影院91人妻| 久久久久国内视频| 一级a爱片免费观看的视频| 久久国产亚洲av麻豆专区| 十八禁人妻一区二区| 日韩成人在线观看一区二区三区| 怎么达到女性高潮| 久久天躁狠狠躁夜夜2o2o| 亚洲自拍偷在线| 免费在线观看日本一区| 中国美女看黄片| 国产在线观看jvid| 中文字幕av电影在线播放| www.www免费av| 久久国产精品男人的天堂亚洲| 男男h啪啪无遮挡| 亚洲五月婷婷丁香| 日韩精品免费视频一区二区三区| 91在线观看av| 午夜精品久久久久久毛片777| 日韩欧美一区二区三区在线观看| 国产精品久久久久成人av| 人人妻人人澡人人看| 国产成年人精品一区二区 | bbb黄色大片|