• <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 ?

    基于深度學習的COVID-19疫情期間網(wǎng)民情緒分析

    2020-12-14 04:35:10劉洪浩
    軟件導刊 2020年9期
    關鍵詞:深度學習

    劉洪浩

    摘 ?要: 微博文本情緒分析技術在輿情監(jiān)控等領域具有廣泛應用?;趥鹘y(tǒng)機器學習模型和情感詞典進行情感分析的結果往往不夠理想,如何提升性能成為該領域的一個主要挑戰(zhàn)。本文中我們使用了基于深度學習的BERT以完成語言理解任務并與傳統(tǒng)做法性能相比較,結果中BERT模型取得了更好的性能。之后我們利用該模型進行三分類以分析COVID-19疫情期間的微博評論,總體上正面與中立情緒占主導。此外,我們也針對詞頻和詞云進行相關分析,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。

    關鍵詞: 深度學習,詞嵌入,BERT模型,情感分析,微博爬蟲,文本處理

    中圖分類號: TP183 ???文獻標識碼: A ???DOI:10.3969/j.issn.1003-6970.2020.09.048

    【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用價值,使得自動識別和分析人們在文本中表達的情感成為一種必要。社交網(wǎng)絡文本情感分析被廣泛應用于在金融[1]、市場[2]、社 ?會[3]、娛樂[4]等諸多領域之中,關于文本情感識別算法相關的理論研究[5-7]也越發(fā)豐富。越來越多基于社交網(wǎng)絡的情感分析實踐和研究的出現(xiàn)表明其實用性與科學性。微博短文本已成為國內數(shù)據(jù)的情感表達和輿論走向的代表,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注。2020年1月1日至2月20日,疫情相關微博話題數(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,有助于有關機構制定合理科學的決策,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。本文關注基于深度學習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習中詞向量技術的情感識別方法,利用BERT模型和Embedding層預訓練方法,分別進行研究,實驗對比中BERT預訓練模型取得更加準確的結果。我們將利用BERT模型的分類結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確度,達到全面了解此次疫情期間社會輿情的目標。

    1 ?相關工作

    本節(jié)簡要介紹微博數(shù)據(jù)情感分析的相關研究,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]設計了自適應的并發(fā)采集算法優(yōu)化模擬登錄和代理池的構造訪客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,歸納新的細粒度情感分析流程,提出TF和TF-IDF歸一化權重計算方法,與傳統(tǒng)提取特征的方法相比,能夠更準確判斷出多種類情感的權重,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。詞嵌入的研究關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聯(lián),每個詞與向量空間中的點相關聯(lián),促進與神經(jīng)網(wǎng)絡詞的更好擬合和學習更新[10]。

    2013年Google公司的Mikolov等人[11]開發(fā)出了基于神經(jīng)網(wǎng)絡訓練詞向量新的模型體系結構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,其本質是降維操作,將One-Hot編碼形式的詞向量轉化為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)機器學習詞袋模型[13]等,發(fā)展到如今基于深度學習的預訓練方法諸如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 ?預處理

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

    2.3 ?模型

    我們將使用訓練神經(jīng)網(wǎng)絡時擬合詞嵌入層方法。深度神經(jīng)網(wǎng)絡工具Keras,是一個深度學習框架,Keras的Embedding層和Word2Vec、Glove本質上是一樣的,將詞嵌入在淺層神經(jīng)網(wǎng)絡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)絡一起訓練形成一個端到端的結構,以便高效擬合相應模型任務。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習模型的一部分共同進行模型學習和訓練,以將整數(shù)映射到Embedding層向量空間中的獲得帶有權重的密集向量。

    同時我們還將使用最新的BERT預訓練模型進行研究,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訓練模型。BERT預訓練模型較之于以往預訓練模型最大優(yōu)勢在于BERT運用了雙向轉換器如圖3所示。BERT的高效能同時體現(xiàn)在其特殊的預訓練方法,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進行文本預訓練進行情感分類效果比較。神經(jīng)網(wǎng)絡模型將用到深度學習框架Keras提供了網(wǎng)絡層線性堆疊的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 ?實驗和結果

    在這一節(jié)中,我們將詳細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果。我們將訓練集和測試集經(jīng)過預處理后,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)絡構建情感識別模型,我們將前述的10萬條語料集劃分為訓練集,驗證集,測試集進行訓練,訓練輪次均為5次。在測試集上進行評估,結果對比如表1、2所示。

    3.2 ?2019n-Cov疫情數(shù)據(jù)可視化結果

    3.2.1 ?情感分類微博數(shù)據(jù)分布

    情感分析結果為典型的三分類,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,這也證明了相關機構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)量達到峰值顯示出李文亮醫(yī)生的逝世可能加重了負面情緒。但國家緊急實施居家隔離和調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。

    3.2.3 ?平均情感數(shù)值時間變換

    我們對預測結果進行情感數(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號左右進入低沉期,驗證了圖6數(shù)據(jù)所示結論,之后情緒波動起伏,并在2月9日左右進入網(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。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重影響,也導致“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)民對武漢的關心,以及對所有為新冠肺炎抗爭的醫(yī)護天使的感謝。

    4 ?結論

    本文基于深度學習模型BERT比較了其在詞嵌入訓練的優(yōu)越性,并獲得的較準確的情感分析結果,研究意義總結為如下三個方面:(1)比較了BERT模型和Embedding層的情感分類效果,解決了預訓練模型中單向信息流問題,并大大減少神經(jīng)網(wǎng)絡的復雜度; (2)利用疫情之前的微博數(shù)據(jù)作為BERT模型訓練集對COVID-19期間測試集進行情感分類;(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。由于詞向量結合神經(jīng)網(wǎng)絡的端到端學習模型具有多樣性,后續(xù)可比較Word2Vec,Glove等熱門模型,以獲得更高準確度的詞嵌入模型,同時利用Keras庫構建其他形式的神經(jīng)網(wǎng)絡以加強性能。

    參考文獻

    [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, 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]. 北京郵電大學學報(社會科學版), 2019, 21(06): 90-102.

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

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

    [5]梁軍. 基于深度學習的文本特征表示及分類應用[D]. 鄭州大學, 2016.

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

    [7]彭浩, 朱望鵬, 趙丹丹, 等. 面向多源社交網(wǎng)絡輿情的情感分析算法研究[J]. 信息技術, 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)獲取技術研究[J]. 山東大學學報(理學版), 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, 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)絡安全技術與應用, 2016(07): 58-59.

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

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

    [17]劉勝杰, 許亮. 基于詞嵌入技術的文本表示研究現(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
    深度學習
    從合坐走向合學:淺議新學習模式的構建
    面向大數(shù)據(jù)遠程開放實驗平臺構建研究
    基于自動智能分類器的圖書館亂架圖書檢測
    搭建深度學習的三級階梯
    有體驗的學習才是有意義的學習
    電子商務中基于深度學習的虛假交易識別研究
    利用網(wǎng)絡技術促進學生深度學習的幾大策略
    考試周刊(2016年94期)2016-12-12 12:15:04
    MOOC與翻轉課堂融合的深度學習場域建構
    大數(shù)據(jù)技術在反恐怖主義中的應用展望
    深度學習算法應用于巖石圖像處理的可行性研究
    軟件導刊(2016年9期)2016-11-07 22:20:49
    亚洲精品色激情综合| 老司机午夜福利在线观看视频| 亚洲av成人精品一区久久| 欧美日韩国产亚洲二区| 国产免费男女视频| 日韩人妻高清精品专区| 亚洲精品在线观看二区| 久久人人爽人人爽人人片va| 国产淫片久久久久久久久| 亚洲男人的天堂狠狠| 日韩欧美在线乱码| 亚洲av五月六月丁香网| 一级黄色大片毛片| av天堂中文字幕网| 亚洲综合色惰| 禁无遮挡网站| 久久久国产成人免费| 欧美日韩亚洲国产一区二区在线观看| 在线观看舔阴道视频| 大型黄色视频在线免费观看| 国产成人福利小说| aaaaa片日本免费| 99久久精品一区二区三区| 亚洲电影在线观看av| 久久99热这里只有精品18| 两个人视频免费观看高清| 最新在线观看一区二区三区| 少妇的逼水好多| 亚洲第一区二区三区不卡| 99热网站在线观看| 给我免费播放毛片高清在线观看| 成人美女网站在线观看视频| 白带黄色成豆腐渣| 日韩欧美一区二区三区在线观看| 国产成人影院久久av| 直男gayav资源| 色综合色国产| 国产私拍福利视频在线观看| 国产精品嫩草影院av在线观看 | 午夜日韩欧美国产| 国产老妇女一区| 色综合色国产| av在线老鸭窝| 麻豆一二三区av精品| 亚洲无线观看免费| 国产黄片美女视频| 日本黄大片高清| 99久久精品热视频| 国产av不卡久久| 亚洲国产精品成人综合色| 精品一区二区三区视频在线| 欧美色欧美亚洲另类二区| 欧美成人免费av一区二区三区| 亚洲不卡免费看| 成人综合一区亚洲| 国产精品乱码一区二三区的特点| 一区二区三区高清视频在线| 一进一出抽搐gif免费好疼| 日本在线视频免费播放| 久久精品国产亚洲av天美| 精品久久久久久久久久久久久| 美女被艹到高潮喷水动态| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲中文字幕日韩| 亚洲内射少妇av| 能在线免费观看的黄片| 国产午夜精品论理片| 人人妻人人澡欧美一区二区| 狠狠狠狠99中文字幕| 婷婷丁香在线五月| 久久久久国产精品人妻aⅴ院| 少妇熟女aⅴ在线视频| 又爽又黄无遮挡网站| 日韩欧美国产在线观看| 亚洲av中文字字幕乱码综合| 中文资源天堂在线| 欧美极品一区二区三区四区| a级一级毛片免费在线观看| 麻豆久久精品国产亚洲av| www.色视频.com| 久久6这里有精品| 一级黄片播放器| 国产欧美日韩精品一区二区| 三级国产精品欧美在线观看| 精品久久久久久久久亚洲 | 国产精品嫩草影院av在线观看 | 赤兔流量卡办理| .国产精品久久| 午夜福利高清视频| 在线观看一区二区三区| 精品久久久久久久久av| av黄色大香蕉| 国产精品久久久久久精品电影| 97人妻精品一区二区三区麻豆| 日本精品一区二区三区蜜桃| 亚洲av熟女| 国产69精品久久久久777片| 亚洲成av人片在线播放无| 欧美日韩黄片免| 少妇丰满av| av天堂在线播放| 精品乱码久久久久久99久播| 少妇裸体淫交视频免费看高清| 有码 亚洲区| 夜夜爽天天搞| 我要搜黄色片| 久久午夜亚洲精品久久| 人妻少妇偷人精品九色| 欧洲精品卡2卡3卡4卡5卡区| 精品久久久噜噜| 看黄色毛片网站| 人妻制服诱惑在线中文字幕| 亚洲专区中文字幕在线| 国产伦精品一区二区三区视频9| 亚洲av日韩精品久久久久久密| 在线观看午夜福利视频| 亚洲最大成人手机在线| 国产v大片淫在线免费观看| 亚洲男人的天堂狠狠| 男女那种视频在线观看| 国产av麻豆久久久久久久| 看十八女毛片水多多多| 午夜免费成人在线视频| 国产精品国产三级国产av玫瑰| 俺也久久电影网| 人妻丰满熟妇av一区二区三区| 免费看av在线观看网站| 免费观看在线日韩| 制服丝袜大香蕉在线| 亚洲国产精品久久男人天堂| 日韩欧美 国产精品| 舔av片在线| 成年女人毛片免费观看观看9| 黄色一级大片看看| 国产一区二区在线av高清观看| 春色校园在线视频观看| 亚洲精品影视一区二区三区av| 高清日韩中文字幕在线| 亚洲av成人av| 啪啪无遮挡十八禁网站| 久久久国产成人免费| 亚洲avbb在线观看| 欧美高清成人免费视频www| 1000部很黄的大片| 偷拍熟女少妇极品色| 亚洲不卡免费看| 不卡一级毛片| 国产精品女同一区二区软件 | 亚洲精品成人久久久久久| 嫩草影院入口| 亚洲在线自拍视频| 国产三级在线视频| 亚洲精华国产精华精| 啦啦啦观看免费观看视频高清| 久久欧美精品欧美久久欧美| 久久亚洲真实| 国产精品电影一区二区三区| 成人国产麻豆网| 日本一二三区视频观看| 特级一级黄色大片| 亚洲18禁久久av| 午夜激情欧美在线| 又紧又爽又黄一区二区| 国产精品精品国产色婷婷| 亚洲av电影不卡..在线观看| 国产精品综合久久久久久久免费| 91在线精品国自产拍蜜月| 久久国产精品人妻蜜桃| 91av网一区二区| 18禁裸乳无遮挡免费网站照片| 国产激情偷乱视频一区二区| 国产蜜桃级精品一区二区三区| 久久久国产成人免费| 特级一级黄色大片| 有码 亚洲区| 婷婷丁香在线五月| 嫩草影视91久久| 日本免费a在线| 久久久国产成人精品二区| 成人综合一区亚洲| 国内精品一区二区在线观看| 国产成年人精品一区二区| 韩国av在线不卡| 亚洲av二区三区四区| 国产亚洲91精品色在线| 亚洲人成网站在线播| 国产精品综合久久久久久久免费| 中国美女看黄片| 日韩一区二区视频免费看| 成人三级黄色视频| 乱系列少妇在线播放| 人妻制服诱惑在线中文字幕| АⅤ资源中文在线天堂| 九九爱精品视频在线观看| 色哟哟哟哟哟哟| 亚洲av一区综合| 观看免费一级毛片| 国产av在哪里看| 色精品久久人妻99蜜桃| 精品国内亚洲2022精品成人| 国产高清视频在线播放一区| 一级a爱片免费观看的视频| 麻豆国产97在线/欧美| 男插女下体视频免费在线播放| 老师上课跳d突然被开到最大视频| 精品福利观看| 男人舔女人下体高潮全视频| 性插视频无遮挡在线免费观看| 99热精品在线国产| 最新中文字幕久久久久| 在线免费观看不下载黄p国产 | 久久国内精品自在自线图片| 黄色配什么色好看| 国产一区二区三区在线臀色熟女| 亚洲在线自拍视频| 国产蜜桃级精品一区二区三区| 国产中年淑女户外野战色| .国产精品久久| 国产一区二区三区在线臀色熟女| 亚洲欧美日韩高清在线视频| 黄色女人牲交| 老司机午夜福利在线观看视频| 色哟哟哟哟哟哟| 国产高清有码在线观看视频| 99热这里只有是精品50| 色哟哟哟哟哟哟| 99热只有精品国产| www.www免费av| 国产 一区 欧美 日韩| 熟女电影av网| 久久精品国产清高在天天线| 最后的刺客免费高清国语| 高清在线国产一区| 欧美最新免费一区二区三区| 日日撸夜夜添| 一区二区三区免费毛片| 久久久久精品国产欧美久久久| 三级男女做爰猛烈吃奶摸视频| 午夜a级毛片| 国产精品久久视频播放| 免费看光身美女| 国产av不卡久久| 免费黄网站久久成人精品| 嫩草影视91久久| 亚洲aⅴ乱码一区二区在线播放| 色av中文字幕| 色综合色国产| 村上凉子中文字幕在线| 亚洲av一区综合| 99久国产av精品| 日韩精品中文字幕看吧| 国产伦精品一区二区三区视频9| 色播亚洲综合网| 日韩亚洲欧美综合| 男插女下体视频免费在线播放| 久久人妻av系列| 一进一出抽搐gif免费好疼| 极品教师在线免费播放| 成人无遮挡网站| www.www免费av| 蜜桃久久精品国产亚洲av| 全区人妻精品视频| 高清日韩中文字幕在线| 中亚洲国语对白在线视频| 亚洲欧美精品综合久久99| 午夜视频国产福利| 亚洲av中文av极速乱 | 欧美高清成人免费视频www| 国产欧美日韩精品一区二区| 伊人久久精品亚洲午夜| 身体一侧抽搐| 国产av不卡久久| 欧美黑人巨大hd| 欧洲精品卡2卡3卡4卡5卡区| 亚洲人成网站在线播放欧美日韩| 一a级毛片在线观看| 亚洲av成人av| а√天堂www在线а√下载| 最近在线观看免费完整版| 久久国产精品人妻蜜桃| 亚洲最大成人中文| 精品久久久久久,| 一个人观看的视频www高清免费观看| 欧美另类亚洲清纯唯美| 18+在线观看网站| 搡老岳熟女国产| 亚洲欧美日韩高清专用| 国产伦一二天堂av在线观看| 国产私拍福利视频在线观看| 亚洲人与动物交配视频| 亚洲精华国产精华液的使用体验 | 午夜福利成人在线免费观看| 人妻制服诱惑在线中文字幕| 他把我摸到了高潮在线观看| 国产精品嫩草影院av在线观看 | 国产精品无大码| 日本 欧美在线| 国产 一区 欧美 日韩| 亚洲成人精品中文字幕电影| 夜夜夜夜夜久久久久| 久久久久久九九精品二区国产| 俺也久久电影网| 免费无遮挡裸体视频| 欧美一区二区亚洲| 尾随美女入室| 欧美性感艳星| 中国美白少妇内射xxxbb| 国产国拍精品亚洲av在线观看| 国产av一区在线观看免费| 日韩中字成人| 男人狂女人下面高潮的视频| 2021天堂中文幕一二区在线观| 1024手机看黄色片| 熟女电影av网| 男插女下体视频免费在线播放| 国产精品98久久久久久宅男小说| 男女视频在线观看网站免费| 欧美激情久久久久久爽电影| 91久久精品国产一区二区成人| 熟妇人妻久久中文字幕3abv| 免费大片18禁| 特级一级黄色大片| 校园人妻丝袜中文字幕| 久久精品国产亚洲av涩爱 | 欧美精品国产亚洲| 久久国产精品人妻蜜桃| 日韩欧美三级三区| 亚洲人成网站高清观看| 美女高潮喷水抽搐中文字幕| 亚洲人成网站高清观看| 亚洲18禁久久av| 国产综合懂色| 亚洲av免费在线观看| 黄色丝袜av网址大全| 色噜噜av男人的天堂激情| 一级av片app| 午夜影院日韩av| 三级毛片av免费| 麻豆久久精品国产亚洲av| 日本一二三区视频观看| 国产一区二区三区视频了| 桃红色精品国产亚洲av| 成人特级黄色片久久久久久久| 欧美成人a在线观看| 色综合色国产| 久久天躁狠狠躁夜夜2o2o| 人妻制服诱惑在线中文字幕| 欧美在线一区亚洲| 99久久九九国产精品国产免费| 日本免费a在线| 91狼人影院| 嫩草影院精品99| a级一级毛片免费在线观看| 亚洲内射少妇av| 联通29元200g的流量卡| 久久精品综合一区二区三区| 亚洲午夜理论影院| 欧美性猛交╳xxx乱大交人| 18+在线观看网站| 91久久精品国产一区二区三区| 精品久久久久久久人妻蜜臀av| 精品久久久久久久久av| 久久久久久久久中文| 成人特级av手机在线观看| 99久久精品一区二区三区| 有码 亚洲区| 国产欧美日韩精品一区二区| 国产精品爽爽va在线观看网站| 国产精品野战在线观看| 亚洲无线在线观看| 尾随美女入室| 欧美成人性av电影在线观看| 白带黄色成豆腐渣| 在线观看午夜福利视频| 国产一级毛片七仙女欲春2| 男人和女人高潮做爰伦理| 成年女人看的毛片在线观看| 久9热在线精品视频| 999久久久精品免费观看国产| 男插女下体视频免费在线播放| 日韩中文字幕欧美一区二区| 好男人在线观看高清免费视频| 国产免费一级a男人的天堂| 99在线视频只有这里精品首页| 欧美日韩黄片免| 日韩亚洲欧美综合| 成人国产一区最新在线观看| 亚洲欧美激情综合另类| 日本五十路高清| 国产视频内射| 精华霜和精华液先用哪个| 成人亚洲精品av一区二区| 久久精品夜夜夜夜夜久久蜜豆| 色av中文字幕| 日日撸夜夜添| 啦啦啦韩国在线观看视频| 亚洲精品粉嫩美女一区| 日日摸夜夜添夜夜添av毛片 | 又紧又爽又黄一区二区| av天堂中文字幕网| 亚洲va在线va天堂va国产| 亚洲国产高清在线一区二区三| 禁无遮挡网站| 亚洲在线观看片| 欧美精品国产亚洲| 午夜日韩欧美国产| 一个人免费在线观看电影| 免费看光身美女| 丝袜美腿在线中文| 国产乱人伦免费视频| 在线观看午夜福利视频| 1000部很黄的大片| 中文字幕精品亚洲无线码一区| 男人舔奶头视频| 99热这里只有是精品在线观看| 深夜a级毛片| 校园春色视频在线观看| 国产精品免费一区二区三区在线| 99热精品在线国产| 国产黄a三级三级三级人| 少妇的逼水好多| 美女xxoo啪啪120秒动态图| 不卡视频在线观看欧美| 国产精品久久视频播放| av在线蜜桃| 可以在线观看的亚洲视频| 波多野结衣高清无吗| 成人二区视频| 丰满的人妻完整版| 99精品在免费线老司机午夜| 深爱激情五月婷婷| h日本视频在线播放| 美女cb高潮喷水在线观看| 一进一出抽搐gif免费好疼| 国内精品久久久久久久电影| 精华霜和精华液先用哪个| 亚洲图色成人| 国产精品一区二区三区四区久久| 欧美高清成人免费视频www| 嫩草影院新地址| 网址你懂的国产日韩在线| 一本久久中文字幕| 亚洲 国产 在线| 成人二区视频| 亚洲av.av天堂| 黄色欧美视频在线观看| 亚洲狠狠婷婷综合久久图片| 欧美精品啪啪一区二区三区| 男插女下体视频免费在线播放| 一区二区三区高清视频在线| 性欧美人与动物交配| 男女下面进入的视频免费午夜| 国产又黄又爽又无遮挡在线| 女生性感内裤真人,穿戴方法视频| 中文资源天堂在线| 性插视频无遮挡在线免费观看| 午夜福利在线观看免费完整高清在 | 欧美人与善性xxx| 男女视频在线观看网站免费| 我的老师免费观看完整版| x7x7x7水蜜桃| 久久精品夜夜夜夜夜久久蜜豆| 一本精品99久久精品77| 美女大奶头视频| 久久精品国产鲁丝片午夜精品 | 久久久久久久久久成人| 久久6这里有精品| 亚洲中文字幕日韩| 很黄的视频免费| 色噜噜av男人的天堂激情| 久久国产精品人妻蜜桃| 噜噜噜噜噜久久久久久91| 日韩精品中文字幕看吧| 日本欧美国产在线视频| 欧美日本亚洲视频在线播放| 久久精品国产鲁丝片午夜精品 | 一个人看视频在线观看www免费| 精品久久久久久久末码| 国内少妇人妻偷人精品xxx网站| 又爽又黄无遮挡网站| 色综合亚洲欧美另类图片| 可以在线观看毛片的网站| 一个人免费在线观看电影| 欧美日韩综合久久久久久 | 极品教师在线免费播放| 中文字幕高清在线视频| 精品久久久久久久久av| 精品一区二区三区av网在线观看| 99久久精品热视频| 一卡2卡三卡四卡精品乱码亚洲| 神马国产精品三级电影在线观看| 午夜精品久久久久久毛片777| 日本-黄色视频高清免费观看| 在线观看午夜福利视频| 国产精品1区2区在线观看.| av视频在线观看入口| 黄色一级大片看看| 日日干狠狠操夜夜爽| 小说图片视频综合网站| 在线免费观看不下载黄p国产 | 十八禁国产超污无遮挡网站| 听说在线观看完整版免费高清| 国产精品98久久久久久宅男小说| 熟女人妻精品中文字幕| 在线观看一区二区三区| 联通29元200g的流量卡| 国产高清有码在线观看视频| 色哟哟哟哟哟哟| 成人鲁丝片一二三区免费| 一进一出好大好爽视频| 午夜免费男女啪啪视频观看 | 精品久久久久久久久久久久久| 久久久久久国产a免费观看| 天天一区二区日本电影三级| 一本一本综合久久| 日本色播在线视频| 亚洲av成人精品一区久久| 极品教师在线免费播放| 亚洲人成网站在线播放欧美日韩| 国产日本99.免费观看| 精品一区二区免费观看| 日韩欧美在线乱码| 97热精品久久久久久| 大型黄色视频在线免费观看| 亚洲国产精品久久男人天堂| 亚洲av日韩精品久久久久久密| 看十八女毛片水多多多| 欧美xxxx性猛交bbbb| 少妇丰满av| 联通29元200g的流量卡| 99国产精品一区二区蜜桃av| 午夜福利高清视频| 亚洲不卡免费看| 色综合站精品国产| 亚洲专区国产一区二区| 国产麻豆成人av免费视频| 国产精品av视频在线免费观看| 美女被艹到高潮喷水动态| 69av精品久久久久久| 国产精品综合久久久久久久免费| 欧美另类亚洲清纯唯美| 久久久久久久午夜电影| 黄色日韩在线| 一级黄片播放器| 久久久久久伊人网av| 中文资源天堂在线| 亚洲欧美清纯卡通| 欧美日本亚洲视频在线播放| 国产在线精品亚洲第一网站| 日本a在线网址| 亚洲成人久久性| 婷婷丁香在线五月| 色哟哟·www| 老熟妇乱子伦视频在线观看| 亚洲成人久久爱视频| 婷婷六月久久综合丁香| 亚洲午夜理论影院| 久久久久九九精品影院| 午夜福利18| 午夜精品一区二区三区免费看| 精品免费久久久久久久清纯| 91久久精品电影网| 亚洲国产精品久久男人天堂| or卡值多少钱| 国产亚洲精品久久久久久毛片| 美女高潮的动态| 波多野结衣高清作品| 婷婷亚洲欧美| 一级黄片播放器| 在线免费观看的www视频| 搞女人的毛片| 国产欧美日韩一区二区精品| 午夜a级毛片| 欧美高清成人免费视频www| 国产成人影院久久av| 国产真实伦视频高清在线观看 | 精品免费久久久久久久清纯| ponron亚洲| 久久精品国产鲁丝片午夜精品 | 在线观看免费视频日本深夜| 啦啦啦啦在线视频资源| 亚洲熟妇中文字幕五十中出| 黄色配什么色好看| 美女 人体艺术 gogo| 国产精品国产三级国产av玫瑰| 天天一区二区日本电影三级| 国产成人aa在线观看| 91麻豆精品激情在线观看国产| 国产精品99久久久久久久久| 99精品久久久久人妻精品| 国产蜜桃级精品一区二区三区| 国产午夜精品论理片| 久9热在线精品视频| 九九久久精品国产亚洲av麻豆| 亚洲无线观看免费| 久9热在线精品视频| 99久久精品热视频| 亚洲,欧美,日韩| 一本一本综合久久| 精品国产三级普通话版| 中文资源天堂在线| 久9热在线精品视频| 久久久成人免费电影| 91狼人影院| 国产人妻一区二区三区在| 久久久久久久久大av| 日本熟妇午夜| 三级毛片av免费| 亚洲av免费在线观看| 午夜爱爱视频在线播放| 亚洲av.av天堂| 看免费成人av毛片| 很黄的视频免费| 波多野结衣高清作品| av天堂中文字幕网|