• <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 ?

    基于深度學(xué)習(xí)的COVID-19疫情期間網(wǎng)民情緒分析

    2020-11-30 09:02:22劉洪浩
    軟件 2020年9期
    關(guān)鍵詞:情感分析深度學(xué)習(xí)

    摘? 要: 微博文本情緒分析技術(shù)在輿情監(jiān)控等領(lǐng)域具有廣泛應(yīng)用。基于傳統(tǒng)機器學(xué)習(xí)模型和情感詞典進(jìn)行情感分析的結(jié)果往往不夠理想,如何提升性能成為該領(lǐng)域的一個主要挑戰(zhàn)。本文中我們使用了基于深度學(xué)習(xí)的BERT以完成語言理解任務(wù)并與傳統(tǒng)做法性能相比較,結(jié)果中BERT模型取得了更好的性能。之后我們利用該模型進(jìn)行三分類以分析COVID-19疫情期間的微博評論,總體上正面與中立情緒占主導(dǎo)。此外,我們也針對詞頻和詞云進(jìn)行相關(guān)分析,以期實現(xiàn)全方面了解此次疫情期間社會情感狀態(tài)的目的。

    關(guān)鍵詞: 深度學(xué)習(xí),詞嵌入,BERT模型,情感分析,微博爬蟲,文本處理

    中圖分類號: TP183? ? 文獻(xiàn)標(biāo)識碼: A? ? DOI:10.3969/j.issn.1003-6970.2020.09.048

    本文著錄格式:劉洪浩. 基于深度學(xué)習(xí)的COVID-19疫情期間網(wǎng)民情緒分析[J]. 軟件,2020,41(09):185188

    【Abstract】: Sentiment analysis of microblog text is widely used in public opinion monitoring and other fields. The results of sentiment analysis based on traditional machine learning models and sentiment dictionaries are often not ideal. How to improve performance has become a major challenge in this field. In this thesis, we use BERT based on deep learning to complete the language understanding task. Compared with traditional methods, BERT model has achieved better performance. We use the model to analyze microblog comments during the COVID-19 epidemic by conducting a three-category classification and find that positive and neutral emotions are dominant. We also conduct further analysis on word frequency and word cloud to gain more insights into the emotional states during the epidemic.

    【Key words】: Deep learning; Word embedding; BERT; Sentiment analysis; Microblog crawler; Text processing

    0? 引言

    文本是用于情感分析的典型數(shù)據(jù)集。由于情感文本數(shù)據(jù)的迅速增長和極高應(yīng)用價值,使得自動識別和分析人們在文本中表達(dá)的情感成為一種必要。社交網(wǎng)絡(luò)文本情感分析被廣泛應(yīng)用于在金融[1]、市場[2]、社? 會[3]、娛樂[4]等諸多領(lǐng)域之中,關(guān)于文本情感識別算法相關(guān)的理論研究[5-7]也越發(fā)豐富。越來越多基于社交網(wǎng)絡(luò)的情感分析實踐和研究的出現(xiàn)表明其實用性與科學(xué)性。微博短文本已成為國內(nèi)數(shù)據(jù)的情感表達(dá)和輿論走向的代表,它為研究社會發(fā)展和人類行為特征提供更多可能性。

    新冠肺炎疫情備受社會各界關(guān)注。2020年1月1日至2月20日,疫情相關(guān)微博話題數(shù)超過200個。此次疫情為高熱度的重大社會熱點事件,對疫情期間的情感識別和可視化分析能客觀反映出疫情輿情的發(fā)展動向,有助于有關(guān)機構(gòu)制定合理科學(xué)的決策,具有較高研究價值。

    文本分類的精度取決于提取語義特征的方法和分類器的種類。本文關(guān)注基于深度學(xué)習(xí)的中文文本詞嵌入方法與傳統(tǒng)做法的比較和疫情期間情感分析。我們研究了基于深度學(xué)習(xí)中詞向量技術(shù)的情感識別方法,利用BERT模型和Embedding層預(yù)訓(xùn)練方法,分別進(jìn)行研究,實驗對比中BERT預(yù)訓(xùn)練模型取得更加準(zhǔn)確的結(jié)果。我們將利用BERT模型的分類結(jié)果對此次疫情全面分析,并給出疫情期間微博文本的詞云表示,以提高情感分析的準(zhǔn)確度,達(dá)到全面了解此次疫情期間社會輿情的目標(biāo)。

    1? 相關(guān)工作

    本節(jié)簡要介紹微博數(shù)據(jù)情感分析的相關(guān)研究,以及獲得詞嵌入的方法。

    1.1? 微博數(shù)據(jù)情感分析

    現(xiàn)有文獻(xiàn)中已有較為豐富的針對微博文本的情感分析策略。王培名等人[8]設(shè)計了自適應(yīng)的并發(fā)采集算法優(yōu)化模擬登錄和代理池的構(gòu)造訪客Cookie功能,高效獲取微博數(shù)據(jù),為微博數(shù)據(jù)采集策略提供了多樣性。劉楠[9]針對微博短文本形式的情感分析,歸納新的細(xì)粒度情感分析流程,提出TF和TF-IDF歸一化權(quán)重計算方法,與傳統(tǒng)提取特征的方法相比,能夠更準(zhǔn)確判斷出多種類情感的權(quán)重,實現(xiàn)了該方法有效性的評估。

    1.2? 詞嵌入

    詞嵌入是一種詞的數(shù)字向量化表示,相似含義的詞可用類似的向量表達(dá)。詞嵌入的研究關(guān)鍵在于獲得密集低維的分布式特征向量表示詞的不同特征,每一個詞與分布式向量相關(guān)聯(lián),每個詞與向量空間中的點相關(guān)聯(lián),促進(jìn)與神經(jīng)網(wǎng)絡(luò)詞的更好擬合和學(xué)習(xí)更新[10]。

    2013年Google公司的Mikolov等人[11]開發(fā)出了基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練詞向量新的模型體系結(jié)構(gòu)Word2Vec,Word2Vec核心思想是通過詞的上下文窗口得到詞的向量化表示得到分布式的詞嵌入,其本質(zhì)是降維操作,將One-Hot編碼形式的詞向量轉(zhuǎn)化為Word2Vec形式,Word2vec包括CBOW與Skip-Gram兩種模型。Pennington等人[12]在2014年提出了繼Word2Vec以后又一具有較大影響力的詞向量訓(xùn)練方法Glove。Glove是一種無監(jiān)督的詞嵌入模型,采用共現(xiàn)矩陣并對其降維,將局部信息和整體信息結(jié)合,解決了Word2Vec的只考慮詞與局部窗口信息和忽略了語料庫的統(tǒng)計信息的問題。

    隨著詞嵌入模型不斷深入研究,詞嵌入模型更新速度越來越快,從傳統(tǒng)機器學(xué)習(xí)詞袋模型[13]等,發(fā)展到如今基于深度學(xué)習(xí)的預(yù)訓(xùn)練方法諸如Word2Vec[14]、Glove[15]、 BERT[16]的詞嵌入算法,如今的詞嵌入方法通過神經(jīng)網(wǎng)絡(luò)模型利用更長的上下文來解決自然語言問題[17]。

    2? 研究方法

    2.1? 數(shù)據(jù)獲取

    我們采用已標(biāo)注的10萬余條微博文本語料庫。在數(shù)據(jù)收集階段,我們使用微博API[18]收集微博文本數(shù)據(jù),具體包含create_at(微博發(fā)布時間),id(發(fā)布用戶id),text(微博文本)屬性信息。我們一共收集到2020年1月1日至2月20日疫情期間的1萬余條微博文本作為待分析的文本。圖1展示了研究方法的總體流程。

    2.2? 預(yù)處理

    我們原始的數(shù)據(jù)集需要經(jīng)過預(yù)處理,過濾掉一些不符合要求的文本以便更契合情感分析任務(wù)。我們將對微博數(shù)據(jù)集中的中英文表情和符號表情進(jìn)行過濾,然后利用jieba庫進(jìn)行分詞,利用停用詞表進(jìn)行深度清洗,篩選出停用詞,其中包括數(shù)字,中英文標(biāo)點符號,語氣詞,無實意詞等。圖2顯示預(yù)處理的步驟。

    2.3? 模型

    我們將使用訓(xùn)練神經(jīng)網(wǎng)絡(luò)時擬合詞嵌入層方法。深度神經(jīng)網(wǎng)絡(luò)工具Keras,是一個深度學(xué)習(xí)框架,Keras的Embedding層和Word2Vec、Glove本質(zhì)上是一樣的,將詞嵌入在淺層神經(jīng)網(wǎng)絡(luò)中用密集向量表示同時在更小維度中集合信息,但其特點是可以和神經(jīng)網(wǎng)絡(luò)一起訓(xùn)練形成一個端到端的結(jié)構(gòu),以便高效擬合相應(yīng)模型任務(wù)。Keras的Embedding層輸入數(shù)據(jù)要求為整數(shù)編碼,我們利用該庫中的分詞器Tokenizer API生成序列化向量作為嵌入層的輸入,Embedding層被定義為神經(jīng)網(wǎng)絡(luò)的第一個隱藏層。該層使用方式靈活,我們利用該隱藏層作為深度學(xué)習(xí)模型的一部分共同進(jìn)行模型學(xué)習(xí)和訓(xùn)練,以將整數(shù)映射到Embedding層向量空間中的獲得帶有權(quán)重的密集向量。

    同時我們還將使用最新的BERT預(yù)訓(xùn)練模型進(jìn)行研究,BERT模型由Devlin等人[19]在2018年提出,BERT模型被評為目前自然語言處理效果最佳的深度預(yù)訓(xùn)練模型。BERT預(yù)訓(xùn)練模型較之于以往預(yù)訓(xùn)練模型最大優(yōu)勢在于BERT運用了雙向轉(zhuǎn)換器如圖3所示。BERT的高效能同時體現(xiàn)在其特殊的預(yù)訓(xùn)練方法,包含有Masked Language Model和Next Sentence Prediction。BERT模型的輸入由詞向量,段向量,位置向量三部分組成,如圖4所示。在詞向量里面有兩個特殊標(biāo)志CLS,SEP。CLS作為第一個向量來得到句子向量,SEP用來區(qū)分句子。為了訓(xùn)練深度雙向表示模型,需要BERT中的Masked Language Model和Next Sentence Prediction。

    我們將利用Embedding層和BERT進(jìn)行文本預(yù)訓(xùn)練進(jìn)行情感分類效果比較。神經(jīng)網(wǎng)絡(luò)模型將用到深度學(xué)習(xí)框架Keras提供了網(wǎng)絡(luò)層線性堆疊的Sequential順序模型來搭載Relu全連接層和Softmax激活函數(shù)層。

    2.4? 可視化分析

    我們針對處理后的微博文本數(shù)據(jù)借助第三方wordcloud庫和matplotlib庫對數(shù)據(jù)進(jìn)行可視化分析。通過統(tǒng)計出高頻詞匯、評論量和平均情感數(shù)值的時間變化,我們從數(shù)字角度定量考察疫情期間輿情發(fā)展的情況,以便更加直觀了解此次疫情對民眾的影響。

    3? 實驗和結(jié)果

    在這一節(jié)中,我們將詳細(xì)介紹我們在本次實驗中利用上述方法完成的具體實驗工作和結(jié)果。我們將訓(xùn)練集和測試集經(jīng)過預(yù)處理后,如圖2所示。產(chǎn)生了符合情感分析要求的10萬條語料集。

    3.1? 情感分析結(jié)果

    我們分別利用Embedding層和BERT模型獲得詞嵌入,再擬合神經(jīng)網(wǎng)絡(luò)構(gòu)建情感識別模型,我們將前述的10萬條語料集劃分為訓(xùn)練集,驗證集,測試集進(jìn)行訓(xùn)練,訓(xùn)練輪次均為5次。在測試集上進(jìn)行評估,結(jié)果對比如表1、2所示。

    3.2? 2019n-Cov疫情數(shù)據(jù)可視化結(jié)果

    3.2.1? 情感分類微博數(shù)據(jù)分布

    情感分析結(jié)果為典型的三分類,1代表積極,0代表中性,–1代表消極。我們首先從宏觀角度獲得了評論在三種情感中所占數(shù)量,如圖5所示??傮w分析可得,積極情緒文本比消極情緒文本在數(shù)量上較多,表明此次疫情期間網(wǎng)民整體呈現(xiàn)積極心態(tài);中性情緒所占數(shù)量最大也代表了多數(shù)網(wǎng)民對此次疫情的不信謠不傳謠態(tài)度,這也證明了相關(guān)機構(gòu)實施的大眾居家隔離等防疫措施有效性。

    3.2.2? 微博情感時間趨勢

    我們從動態(tài)角度深入研究網(wǎng)民情緒變化,如圖6所示。消極情緒在1月20日左右呈現(xiàn)迅速增長趨勢,這可能是由于在1月20日鐘南山院士肯定新冠肺炎存在人傳人現(xiàn)象,加大網(wǎng)民的重視和恐懼程度。從2月8日至10日消極文本數(shù)量達(dá)到峰值顯示出李文亮醫(yī)生的逝世可能加重了負(fù)面情緒。但國家緊急實施居家隔離和調(diào)配全國力量支援湖北等多項措施,這使得2月10日以后積極情緒占比增大,網(wǎng)民情緒逐漸好轉(zhuǎn)。

    3.2.3? 平均情感數(shù)值時間變換

    我們對預(yù)測結(jié)果進(jìn)行情感數(shù)值平均化,得到平均情緒值隨時間的變化趨勢,如圖7所示。網(wǎng)民情緒在1月20號左右進(jìn)入低沉期,驗證了圖6數(shù)據(jù)所示結(jié)論,之后情緒波動起伏,并在2月9日左右進(jìn)入網(wǎng)民情緒低谷。之后每日新冠疫情感染人數(shù)逐漸下降,網(wǎng)民情緒逐漸好轉(zhuǎn)。從整體情緒幅度觀察,情緒波動較大,這說明了疫情期間不同地區(qū)的感染人數(shù)和死亡人數(shù)對網(wǎng)民的情緒造成不同程度的影響;在2月10日以后情緒逐漸雖有起伏整體仍保持積極心態(tài),平均情緒數(shù)值逐漸有上升趨勢。

    3.2.4? 詞頻統(tǒng)計

    關(guān)注網(wǎng)民疫情期間的熱點話題也是全面了解網(wǎng)民情緒和態(tài)度的重要途徑之一。我們利用測試集根據(jù)詞頻得到高低排序,得到前800詞語的詞云。如圖8所示。由詞云詞頻統(tǒng)計可知此次網(wǎng)民熱點討論為“疫情”、“武漢”、“肺炎”、“冠狀病毒”,“新型”等,這也表明在COVID-19期間,網(wǎng)友對此次新冠肺炎的重視和關(guān)注,同時也代表了冠狀病毒為此次新型肺炎的起源并對社會造成嚴(yán)重影響,也導(dǎo)致“口罩”、“醫(yī)院”等資源的缺乏和討論。此外我們可以從“武漢”、“加油”、“醫(yī)院”這些高頻率詞匯中體會到網(wǎng)民對武漢的關(guān)心,以及對所有為新冠肺炎抗?fàn)幍尼t(yī)護天使的感謝。

    4? 結(jié)論

    本文基于深度學(xué)習(xí)模型BERT比較了其在詞嵌入訓(xùn)練的優(yōu)越性,并獲得的較準(zhǔn)確的情感分析結(jié)果,研究意義總結(jié)為如下三個方面:(1)比較了BERT模型和Embedding層的情感分類效果,解決了預(yù)訓(xùn)練模型中單向信息流問題,并大大減少神經(jīng)網(wǎng)絡(luò)的復(fù)雜度; (2)利用疫情之前的微博數(shù)據(jù)作為BERT模型訓(xùn)練集對COVID-19期間測試集進(jìn)行情感分類;(3)數(shù)據(jù)化地呈現(xiàn)出此次疫情網(wǎng)民的情緒變化和走向,結(jié)果表明網(wǎng)民在COVID-19疫情期間整體情緒積極。由于詞向量結(jié)合神經(jīng)網(wǎng)絡(luò)的端到端學(xué)習(xí)模型具有多樣性,后續(xù)可比較Word2Vec,Glove等熱門模型,以獲得更高準(zhǔn)確度的詞嵌入模型,同時利用Keras庫構(gòu)建其他形式的神經(jīng)網(wǎng)絡(luò)以加強性能。

    參考文獻(xiàn)

    [1]蔣鈺慧. 投資者情緒對我國股票市場收益率的影響研究[D]. 上海外國語大學(xué), 2019.

    [2]張愛華, 陳超雨. 基于文本分析的中國5G產(chǎn)業(yè)發(fā)展研? ?究——市場主體視角[J]. 北京郵電大學(xué)學(xué)報(社會科學(xué)版), 2019, 21(06): 90-102.

    [3]劉雯, 高峰, 洪凌子. 基于情感分析的災(zāi)害網(wǎng)絡(luò)輿情研? 究——以雅安地震為例[J]. 圖書情報工作, 2013, 57(20): 104-110.

    [4]柳池煜. 票房預(yù)測中的社交網(wǎng)絡(luò)評論情感挖掘技術(shù)研究[D]. 南京郵電大學(xué), 2019.

    [5]梁軍. 基于深度學(xué)習(xí)的文本特征表示及分類應(yīng)用[D]. 鄭州大學(xué), 2016.

    [6]陳文. 中文短文本跨領(lǐng)域情感分類算法研究[D]. 重慶大學(xué), 2016.

    [7]彭浩, 朱望鵬, 趙丹丹, 等. 面向多源社交網(wǎng)絡(luò)輿情的情感分析算法研究[J]. 信息技術(shù), 2019(02): 43-48.

    [8]王培名, 陳興蜀, 王海舟, 王文賢. 多策略融合的微博數(shù)據(jù)獲取技術(shù)研究[J]. 山東大學(xué)學(xué)報(理學(xué)版), 2019, 54(05): 28-36+43.

    [9]劉楠. 面向微博短文本的情感分析研究[D]. 武漢大學(xué), 2013.

    [10]BENGIO Y, DUCHARME R, VINCENT P, et al. A neural probabilistic language model[J]. Journal of Machine Learning Research, 2003, 3: 1137-1155.

    [11]MIKOLOV T, CHEN Kai, COR RADO G, et al. Efficient estimation of word representations in vector space[J]. Computer Science, 2013, 2(12): 27-35.

    [12]Pennington J, Socher R, Manning C. Glove: Global vectors for word representation[C]. Proceedings of the 2014 conference on empirical methods in natural language processing(EMNLP). 2014: 1532-1543.

    [13]黃春梅, 王松磊. 基于詞袋模型和TF-IDF的短文本分類研究[J]. 軟件工程, 2020, 23(03): 1-3.

    [14]彭曉彬. 基于word2vec的文本情感分析方法研究[J]. 網(wǎng)絡(luò)安全技術(shù)與應(yīng)用, 2016(07): 58-59.

    [15]陳珍銳, 丁治明. 基于Glove模型的詞向量改進(jìn)方法[J]. 計算機系統(tǒng)應(yīng)用, 2019, 28(01): 194-199.

    [16]胡春濤, 秦錦康, 陳靜梅, 等. 基于BERT模型的輿情分類應(yīng)用研究[J]. 網(wǎng)絡(luò)安全技術(shù)與應(yīng)用, 2019(11): 41-44.

    [17]劉勝杰, 許亮. 基于詞嵌入技術(shù)的文本表示研究現(xiàn)狀綜述[J]. 現(xiàn)代計算機, 2020(01): 40-43.

    [18]王鐵剛. 社交媒體數(shù)據(jù)的獲取分析[J]. 軟件, 2015, 36(02): 86-91.

    [19]Devlin J, Chang M W, Lee K, et al. BERT: Pre-training of deep bidirectional transformers for language understanding[J]. arXiv preprint arXiv: 1810. 04805, 2018.

    猜你喜歡
    情感分析深度學(xué)習(xí)
    基于語義的互聯(lián)網(wǎng)醫(yī)院評論文本情感分析及應(yīng)用
    基于雙向循環(huán)神經(jīng)網(wǎng)絡(luò)的評價對象抽取研究
    基于SVM的產(chǎn)品評論情感分析系統(tǒng)的設(shè)計與實現(xiàn)
    基于詞典與機器學(xué)習(xí)的中文微博情感分析
    在線評論情感屬性的動態(tài)變化
    預(yù)測(2016年5期)2016-12-26 17:16:57
    有體驗的學(xué)習(xí)才是有意義的學(xué)習(xí)
    電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識別研究
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    又紧又爽又黄一区二区| 国产免费av片在线观看野外av| 欧美性猛交黑人性爽| 老鸭窝网址在线观看| 免费在线观看成人毛片| 亚洲av成人一区二区三| 国产爱豆传媒在线观看 | 国产91精品成人一区二区三区| 亚洲人成77777在线视频| 日韩高清综合在线| 最新美女视频免费是黄的| 成人国产综合亚洲| 亚洲精品久久成人aⅴ小说| 变态另类丝袜制服| 亚洲人成电影免费在线| 久久 成人 亚洲| 精品国产亚洲在线| 亚洲成av片中文字幕在线观看| 18美女黄网站色大片免费观看| 中出人妻视频一区二区| 亚洲人成网站高清观看| 亚洲人成网站在线播放欧美日韩| 国产私拍福利视频在线观看| 国产亚洲av嫩草精品影院| 精品久久久久久成人av| 曰老女人黄片| 国产精品久久久人人做人人爽| 亚洲欧美一区二区三区黑人| 亚洲avbb在线观看| 国产精品一区二区精品视频观看| 巨乳人妻的诱惑在线观看| 久久中文字幕人妻熟女| 国产成人欧美在线观看| 欧美激情久久久久久爽电影| 亚洲片人在线观看| 亚洲五月天丁香| 人妻久久中文字幕网| 国产伦一二天堂av在线观看| 97人妻精品一区二区三区麻豆 | 国产aⅴ精品一区二区三区波| 国产精品国产高清国产av| 日韩成人在线观看一区二区三区| av视频在线观看入口| 国产亚洲欧美98| 国产成人精品久久二区二区免费| 亚洲av成人不卡在线观看播放网| 丝袜美腿诱惑在线| 久久草成人影院| 国产熟女xx| 日本五十路高清| 变态另类丝袜制服| 国产麻豆成人av免费视频| 精品国产乱子伦一区二区三区| 一级黄色大片毛片| 欧美激情 高清一区二区三区| av在线天堂中文字幕| 美女 人体艺术 gogo| 99精品在免费线老司机午夜| 91字幕亚洲| 亚洲精品国产精品久久久不卡| www.www免费av| 在线播放国产精品三级| 一边摸一边做爽爽视频免费| 99在线人妻在线中文字幕| 国产亚洲av嫩草精品影院| 最近最新中文字幕大全电影3 | 国产亚洲精品久久久久5区| 国产视频内射| 亚洲一区中文字幕在线| 国产精品久久久久久精品电影 | 麻豆久久精品国产亚洲av| 在线免费观看的www视频| 桃红色精品国产亚洲av| 黄色a级毛片大全视频| 精品国产超薄肉色丝袜足j| 国产精品二区激情视频| 黄色 视频免费看| 1024香蕉在线观看| 国产极品粉嫩免费观看在线| 亚洲va日本ⅴa欧美va伊人久久| 亚洲国产毛片av蜜桃av| 精品久久久久久久末码| 国内精品久久久久精免费| 欧美亚洲日本最大视频资源| 女性生殖器流出的白浆| 欧美中文日本在线观看视频| 少妇熟女aⅴ在线视频| 一级a爱片免费观看的视频| 搡老妇女老女人老熟妇| 成人三级做爰电影| 黄网站色视频无遮挡免费观看| 亚洲男人天堂网一区| 91国产中文字幕| 人人澡人人妻人| 国产一区二区三区视频了| 99在线人妻在线中文字幕| bbb黄色大片| 看黄色毛片网站| 神马国产精品三级电影在线观看 | 国内精品久久久久久久电影| 91在线观看av| 天天躁狠狠躁夜夜躁狠狠躁| 久久天躁狠狠躁夜夜2o2o| 亚洲天堂国产精品一区在线| 欧美+亚洲+日韩+国产| 黄色视频,在线免费观看| www国产在线视频色| 国产精品国产高清国产av| 少妇被粗大的猛进出69影院| 国产精品美女特级片免费视频播放器 | 51午夜福利影视在线观看| 精品日产1卡2卡| 曰老女人黄片| 日本精品一区二区三区蜜桃| 欧美色欧美亚洲另类二区| av电影中文网址| 色在线成人网| 中国美女看黄片| 亚洲在线自拍视频| 欧美+亚洲+日韩+国产| 久久人妻福利社区极品人妻图片| 久久久久精品国产欧美久久久| 在线观看www视频免费| 国产黄a三级三级三级人| 午夜老司机福利片| 精品福利观看| 老汉色av国产亚洲站长工具| 狂野欧美激情性xxxx| 欧美激情久久久久久爽电影| АⅤ资源中文在线天堂| 成年女人毛片免费观看观看9| 又黄又爽又免费观看的视频| 国产精品二区激情视频| 99热6这里只有精品| 亚洲自偷自拍图片 自拍| av在线播放免费不卡| 国产精品久久视频播放| 精品高清国产在线一区| 亚洲片人在线观看| 真人一进一出gif抽搐免费| 久久国产亚洲av麻豆专区| 精品人妻1区二区| 制服丝袜大香蕉在线| 色综合欧美亚洲国产小说| 国产精品免费视频内射| 亚洲精品美女久久久久99蜜臀| 国产成人一区二区三区免费视频网站| 不卡av一区二区三区| 久久婷婷人人爽人人干人人爱| 青草久久国产| 中文字幕精品免费在线观看视频| 亚洲,欧美精品.| 欧美色视频一区免费| 在线国产一区二区在线| 国产主播在线观看一区二区| 可以在线观看的亚洲视频| 搡老熟女国产l中国老女人| av在线播放免费不卡| 给我免费播放毛片高清在线观看| 麻豆一二三区av精品| 国产在线观看jvid| 麻豆成人午夜福利视频| 日韩精品中文字幕看吧| 欧美激情极品国产一区二区三区| 欧洲精品卡2卡3卡4卡5卡区| 大型黄色视频在线免费观看| 最近最新免费中文字幕在线| 午夜日韩欧美国产| 香蕉av资源在线| 操出白浆在线播放| 99国产精品一区二区三区| 他把我摸到了高潮在线观看| 夜夜夜夜夜久久久久| 777久久人妻少妇嫩草av网站| 亚洲久久久国产精品| 亚洲人成伊人成综合网2020| 欧美成人午夜精品| 国产精品av久久久久免费| 亚洲精品国产一区二区精华液| 欧美日韩黄片免| 国产精品自产拍在线观看55亚洲| 男女那种视频在线观看| 亚洲国产毛片av蜜桃av| 欧美日韩一级在线毛片| 国产黄片美女视频| 99国产综合亚洲精品| 欧美国产日韩亚洲一区| 久久久久亚洲av毛片大全| 啪啪无遮挡十八禁网站| 亚洲国产欧美网| 久久婷婷人人爽人人干人人爱| av福利片在线| 精品不卡国产一区二区三区| 免费观看人在逋| 久久人妻av系列| 国产av在哪里看| 最近最新免费中文字幕在线| 精品高清国产在线一区| 欧美激情 高清一区二区三区| 精品无人区乱码1区二区| 国产黄片美女视频| 成人免费观看视频高清| 亚洲欧洲精品一区二区精品久久久| 久久久久久人人人人人| 99riav亚洲国产免费| 午夜日韩欧美国产| 他把我摸到了高潮在线观看| www国产在线视频色| 亚洲精品在线美女| 亚洲一码二码三码区别大吗| 一卡2卡三卡四卡精品乱码亚洲| 天天一区二区日本电影三级| 18禁黄网站禁片免费观看直播| 亚洲男人天堂网一区| 丁香六月欧美| 欧美不卡视频在线免费观看 | 亚洲av成人一区二区三| 国产99白浆流出| 国产高清视频在线播放一区| 很黄的视频免费| 最近在线观看免费完整版| 看免费av毛片| 身体一侧抽搐| 天堂动漫精品| 久久九九热精品免费| 国产av一区在线观看免费| 国产熟女xx| 国产野战对白在线观看| 一二三四社区在线视频社区8| 18禁裸乳无遮挡免费网站照片 | 757午夜福利合集在线观看| 一级a爱片免费观看的视频| 最近最新中文字幕大全免费视频| 狂野欧美激情性xxxx| 女人爽到高潮嗷嗷叫在线视频| av中文乱码字幕在线| 波多野结衣高清作品| 成人手机av| 精品久久久久久久久久免费视频| 亚洲电影在线观看av| 日本精品一区二区三区蜜桃| 精品熟女少妇八av免费久了| 日日摸夜夜添夜夜添小说| 久久精品人妻少妇| 久久午夜亚洲精品久久| 激情在线观看视频在线高清| 欧美性猛交黑人性爽| 亚洲欧洲精品一区二区精品久久久| 人人妻人人澡欧美一区二区| 国产熟女午夜一区二区三区| 亚洲 欧美 日韩 在线 免费| 麻豆av在线久日| 国产熟女xx| 亚洲精品美女久久久久99蜜臀| 成人亚洲精品av一区二区| 国产爱豆传媒在线观看 | 中文字幕最新亚洲高清| av在线播放免费不卡| 99久久国产精品久久久| 亚洲一区二区三区色噜噜| 两个人视频免费观看高清| 啦啦啦韩国在线观看视频| 亚洲国产精品sss在线观看| 91成年电影在线观看| 欧美成狂野欧美在线观看| 国产精品久久电影中文字幕| 欧美 亚洲 国产 日韩一| 成人av一区二区三区在线看| 欧美性猛交黑人性爽| 久久精品国产99精品国产亚洲性色| 午夜久久久久精精品| 日本免费a在线| 欧美一级毛片孕妇| 成人永久免费在线观看视频| 色在线成人网| 亚洲国产精品成人综合色| √禁漫天堂资源中文www| 变态另类成人亚洲欧美熟女| 国产91精品成人一区二区三区| 欧美成狂野欧美在线观看| 麻豆一二三区av精品| 国产亚洲精品第一综合不卡| 欧美成人性av电影在线观看| 丰满人妻熟妇乱又伦精品不卡| 妹子高潮喷水视频| 露出奶头的视频| 欧美成人免费av一区二区三区| 欧美成人午夜精品| 亚洲av日韩精品久久久久久密| 亚洲第一欧美日韩一区二区三区| 欧美乱码精品一区二区三区| av片东京热男人的天堂| 黑人欧美特级aaaaaa片| 熟女电影av网| 久久精品国产清高在天天线| 成人午夜高清在线视频 | 黄色a级毛片大全视频| 午夜福利高清视频| 丝袜美腿诱惑在线| 99热这里只有精品一区 | 啪啪无遮挡十八禁网站| 欧美大码av| 日本免费一区二区三区高清不卡| 国产精品av久久久久免费| 法律面前人人平等表现在哪些方面| 亚洲中文字幕日韩| 久久久久久久午夜电影| 精品久久蜜臀av无| 一二三四在线观看免费中文在| 亚洲,欧美精品.| 欧美中文日本在线观看视频| 97碰自拍视频| 国内精品久久久久久久电影| 午夜福利在线在线| 欧美色欧美亚洲另类二区| 日韩免费av在线播放| 亚洲成av人片免费观看| 亚洲精品在线美女| 国产av又大| 亚洲中文字幕日韩| 国产亚洲av嫩草精品影院| 一二三四在线观看免费中文在| 日日干狠狠操夜夜爽| 美国免费a级毛片| 久久久国产精品麻豆| 男女那种视频在线观看| 久久国产乱子伦精品免费另类| 久久天躁狠狠躁夜夜2o2o| 一级毛片高清免费大全| 国产主播在线观看一区二区| 制服诱惑二区| 欧美乱色亚洲激情| 黄色视频不卡| 精品欧美一区二区三区在线| 国产高清视频在线播放一区| 免费女性裸体啪啪无遮挡网站| 色av中文字幕| 精品国产超薄肉色丝袜足j| 亚洲性夜色夜夜综合| 欧美日韩亚洲国产一区二区在线观看| 久久香蕉激情| 中文字幕高清在线视频| 中文字幕人成人乱码亚洲影| 成人手机av| 中文字幕精品免费在线观看视频| 久久天堂一区二区三区四区| 三级毛片av免费| 美女国产高潮福利片在线看| 亚洲成av片中文字幕在线观看| 亚洲免费av在线视频| 麻豆成人av在线观看| 丝袜美腿诱惑在线| 99国产精品一区二区三区| 欧美日韩乱码在线| 99国产精品一区二区三区| 免费观看人在逋| av电影中文网址| 国产精品日韩av在线免费观看| 熟女少妇亚洲综合色aaa.| 欧美一区二区精品小视频在线| 精品久久久久久久毛片微露脸| 精品午夜福利视频在线观看一区| 亚洲中文字幕日韩| 国内毛片毛片毛片毛片毛片| www.熟女人妻精品国产| 91字幕亚洲| 十八禁人妻一区二区| 久久久久免费精品人妻一区二区 | 中国美女看黄片| 亚洲av片天天在线观看| 久久精品国产亚洲av香蕉五月| 黄色片一级片一级黄色片| 少妇 在线观看| 天天添夜夜摸| 久久国产精品人妻蜜桃| 亚洲美女黄片视频| 黄片大片在线免费观看| 91九色精品人成在线观看| 黄片小视频在线播放| 午夜久久久久精精品| 国产私拍福利视频在线观看| 我的亚洲天堂| 女性生殖器流出的白浆| 亚洲av成人一区二区三| 国产黄色小视频在线观看| 国产伦一二天堂av在线观看| 欧美日韩乱码在线| 亚洲色图av天堂| 免费搜索国产男女视频| 黑人巨大精品欧美一区二区mp4| 日韩大码丰满熟妇| 亚洲精品中文字幕在线视频| 一进一出抽搐动态| 精品人妻1区二区| 久久久久久亚洲精品国产蜜桃av| 巨乳人妻的诱惑在线观看| 校园春色视频在线观看| 香蕉av资源在线| 欧美久久黑人一区二区| 美女高潮到喷水免费观看| 99国产精品99久久久久| 91av网站免费观看| 手机成人av网站| 亚洲精华国产精华精| 黑人巨大精品欧美一区二区mp4| 高清毛片免费观看视频网站| 99久久久亚洲精品蜜臀av| 日韩有码中文字幕| 男女午夜视频在线观看| 欧美日韩亚洲国产一区二区在线观看| 久久精品国产清高在天天线| 国产99久久九九免费精品| 国产精品九九99| 国产成人av激情在线播放| 午夜a级毛片| 桃色一区二区三区在线观看| 在线观看www视频免费| 一夜夜www| 国产亚洲精品综合一区在线观看 | 久久久久久久久久黄片| 桃色一区二区三区在线观看| 精品国产亚洲在线| 99国产精品一区二区蜜桃av| 午夜日韩欧美国产| 亚洲av美国av| √禁漫天堂资源中文www| 国产不卡一卡二| 免费在线观看成人毛片| 999久久久精品免费观看国产| 日本a在线网址| 9191精品国产免费久久| 国产精品一区二区三区四区久久 | 国内精品久久久久精免费| 午夜福利18| 久久久久久久精品吃奶| 亚洲av中文字字幕乱码综合 | 久久午夜综合久久蜜桃| 一级a爱片免费观看的视频| 99久久国产精品久久久| 亚洲 欧美 日韩 在线 免费| 一本久久中文字幕| 亚洲熟女毛片儿| 亚洲男人天堂网一区| 波多野结衣高清作品| 狂野欧美激情性xxxx| 国产爱豆传媒在线观看 | 精品免费久久久久久久清纯| 色综合婷婷激情| 长腿黑丝高跟| 亚洲欧洲精品一区二区精品久久久| 精华霜和精华液先用哪个| 中文字幕精品亚洲无线码一区 | 国产一区二区在线av高清观看| 制服人妻中文乱码| 久久精品aⅴ一区二区三区四区| www国产在线视频色| 午夜免费成人在线视频| 久9热在线精品视频| 熟女电影av网| 日本 欧美在线| 亚洲va日本ⅴa欧美va伊人久久| 国产精品精品国产色婷婷| 久久久久久久久免费视频了| 亚洲av电影在线进入| 亚洲国产精品合色在线| 两性夫妻黄色片| 91字幕亚洲| 国产v大片淫在线免费观看| 婷婷六月久久综合丁香| 可以在线观看毛片的网站| 成在线人永久免费视频| 亚洲精品一卡2卡三卡4卡5卡| 真人一进一出gif抽搐免费| 亚洲精品在线观看二区| 色av中文字幕| 亚洲熟妇中文字幕五十中出| 国产伦在线观看视频一区| 免费搜索国产男女视频| 成人av一区二区三区在线看| 成年女人毛片免费观看观看9| 一进一出好大好爽视频| 亚洲中文日韩欧美视频| 久久亚洲真实| 一进一出抽搐gif免费好疼| 97超级碰碰碰精品色视频在线观看| 一区福利在线观看| 啦啦啦韩国在线观看视频| 日本免费a在线| 精品少妇一区二区三区视频日本电影| 可以在线观看的亚洲视频| 波多野结衣av一区二区av| 在线播放国产精品三级| 久久久国产精品麻豆| 非洲黑人性xxxx精品又粗又长| 无遮挡黄片免费观看| 亚洲第一电影网av| 天堂动漫精品| 中文字幕久久专区| 久久香蕉国产精品| 青草久久国产| 校园春色视频在线观看| av中文乱码字幕在线| 真人一进一出gif抽搐免费| 久久国产精品影院| 国产亚洲欧美在线一区二区| 淫妇啪啪啪对白视频| 一a级毛片在线观看| e午夜精品久久久久久久| 91字幕亚洲| 美女 人体艺术 gogo| 国产精品久久久久久亚洲av鲁大| 99久久国产精品久久久| 欧美+亚洲+日韩+国产| 热99re8久久精品国产| 大型黄色视频在线免费观看| 日本一区二区免费在线视频| 日韩欧美 国产精品| 欧美zozozo另类| 一级毛片精品| 国产av不卡久久| 淫妇啪啪啪对白视频| 亚洲久久久国产精品| 啦啦啦韩国在线观看视频| 久久精品国产亚洲av香蕉五月| 美女 人体艺术 gogo| 精品电影一区二区在线| 国产真实乱freesex| 老熟妇乱子伦视频在线观看| 国产亚洲欧美在线一区二区| 看黄色毛片网站| 亚洲性夜色夜夜综合| 女人爽到高潮嗷嗷叫在线视频| 中国美女看黄片| 久久欧美精品欧美久久欧美| 高清在线国产一区| 免费高清在线观看日韩| 精品不卡国产一区二区三区| aaaaa片日本免费| 久久精品国产亚洲av香蕉五月| 真人做人爱边吃奶动态| 国产精品久久视频播放| 人人妻,人人澡人人爽秒播| 国产高清videossex| 国产一区二区在线av高清观看| 亚洲一区中文字幕在线| 国产精品美女特级片免费视频播放器 | 男人操女人黄网站| 国产又爽黄色视频| 日日夜夜操网爽| 亚洲黑人精品在线| www.自偷自拍.com| 午夜久久久久精精品| 欧美性猛交╳xxx乱大交人| 亚洲va日本ⅴa欧美va伊人久久| av视频在线观看入口| 国产精品99久久99久久久不卡| 18禁裸乳无遮挡免费网站照片 | 国产av不卡久久| 麻豆一二三区av精品| 欧美日韩亚洲综合一区二区三区_| 亚洲va日本ⅴa欧美va伊人久久| 亚洲性夜色夜夜综合| 超碰成人久久| 久久亚洲真实| 国产精品免费视频内射| 黄片大片在线免费观看| 12—13女人毛片做爰片一| 国产精品美女特级片免费视频播放器 | 色精品久久人妻99蜜桃| 亚洲电影在线观看av| 别揉我奶头~嗯~啊~动态视频| 自线自在国产av| 性欧美人与动物交配| 一a级毛片在线观看| 中文字幕最新亚洲高清| 久久精品aⅴ一区二区三区四区| 久久热在线av| 琪琪午夜伦伦电影理论片6080| 亚洲国产日韩欧美精品在线观看 | 少妇的丰满在线观看| 久久精品夜夜夜夜夜久久蜜豆 | 中文在线观看免费www的网站 | 午夜福利一区二区在线看| 法律面前人人平等表现在哪些方面| 亚洲激情在线av| 免费观看精品视频网站| 嫩草影院精品99| 女性被躁到高潮视频| 视频在线观看一区二区三区| 999久久久精品免费观看国产| 人人妻人人澡人人看| 亚洲国产精品sss在线观看| 最新美女视频免费是黄的| 一个人免费在线观看的高清视频| 欧美乱色亚洲激情| 最近最新免费中文字幕在线| 国产午夜福利久久久久久| 99精品久久久久人妻精品| 成人国产一区最新在线观看| 国产单亲对白刺激| 午夜免费观看网址| 真人做人爱边吃奶动态| 久久精品国产亚洲av高清一级| 国产亚洲av高清不卡| 亚洲成人久久爱视频| 久久人人精品亚洲av| 午夜激情福利司机影院| 美女午夜性视频免费| www.熟女人妻精品国产| 变态另类丝袜制服| 好看av亚洲va欧美ⅴa在| 色播亚洲综合网| 亚洲国产欧美日韩在线播放| 在线观看日韩欧美| 亚洲第一av免费看|