• <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 ?

    基于語義增強的改進(jìn)混合特征選擇的文本分類

    2021-01-19 02:24:12高潔云趙逢禹
    計算機技術(shù)與發(fā)展 2021年1期
    關(guān)鍵詞:詞干詞頻特征選擇

    高潔云,趙逢禹,劉 亞

    (上海理工大學(xué) 光電信息與計算機工程學(xué)院,上海 200093)

    0 引 言

    文本分類是基于文本的內(nèi)容將文本分配給一個或多個預(yù)定義類別[1]。傳統(tǒng)上,文本分類是基于詞的向量空間模型,每個文本被表示為高維空間中的向量,文本之間的相似性是基于詞匹配計算的,即取決于文本之間詞特征的共現(xiàn)率。因此,Salton等人[2]提出的矢量空間模型,也稱為特征向量模型,有助于在二維空間中用詞頻建模來表示文本。通常,文本表示包括特征提取和特征加權(quán)兩個步驟,特征提取可捕獲文本上下文的重要特征,特征加權(quán)是各特征的賦予不同的權(quán)重值,表明其在該特定文本以及整個語料庫中的重要性。詞袋(BOW)[2]模型是把文本中的詞與詞頻抽取出來,構(gòu)成詞袋,形成文本的特征空間,但是文本特征空間的大小隨文本大小增加而變得極度稀疏,并且沒有考慮詞間的語義。

    基于語義分析的技術(shù)可用于文本分類過程以提高性能和準(zhǔn)確性。但是,大多數(shù)現(xiàn)有的文本分類方法都使用統(tǒng)計加權(quán)方法來計算特征加權(quán)。Deerwester等[3]提出了一種稱為潛在語義分析(LSA)的純統(tǒng)計技術(shù),通過合并與具有相似含義的詞相關(guān)聯(lián)的維度來很好地解決同義詞問題,但是多義性問題仍沒有很好地解決。Gabrilovich和Markovitch[4]提出了一種顯式語義分析(ESA)技術(shù),利用維基百科中的概念將自然語言文本表示成細(xì)粒度的語義概念,對自然語言處理的研究發(fā)現(xiàn),ESA在文本分類方面是成功的。然而,ESA算法在很大程度上依賴于維基百科的現(xiàn)有知識,這非常耗時。Banik等人[5]已經(jīng)提出了類似的方法,其目的在于開發(fā)概念本體,其中從維基百科提取的背景知識用作語義核以改進(jìn)文檔表示。但是,基于詞特征空間的文檔表示有時不能很好地反映文檔之間的語義相關(guān)性。

    在Google推出詞向量word2vec[6]后,出現(xiàn)了一種新的文檔表示方法,陳磊等人[7]通過word2vec詞向量特征選擇的方法來創(chuàng)建分類特征。詞向量是一種分布式表示,其中詞以低維和實值向量表示,在向量空間中,語義上相似的詞往往具有相似的向量。最近的研究已經(jīng)應(yīng)用詞向量來提高文本分類任務(wù)的性能[8]。

    為了更進(jìn)一步優(yōu)化文本分類性能并提高準(zhǔn)確性,針對海量文本數(shù)據(jù),該文提出了一種新的混合特征選擇技術(shù)(hybrid feature selection,HFS),對海量文本使用HFS技術(shù)刪除不相關(guān)且冗余的文本特征,通過去除不必要的特征來減少數(shù)據(jù)維度。由于word2vec會忽略詞內(nèi)部的形態(tài)特征這一問題,在應(yīng)用混合特征選擇之后,提出使用預(yù)訓(xùn)練的fastText詞向量技術(shù)用于發(fā)現(xiàn)語義上相似的特征,以增強原始特征集,并應(yīng)用這種增強的特征集進(jìn)行分類。該文把增強特征方法(enhanced hybrid feature selection,EHFS)與兩種特征選擇方法(AC和MAD)以及著名的文本分類算法LSTM一起使用,并通過實驗驗證了EHFS對文本分類的有效性。

    1 相關(guān)技術(shù)

    word2vec[9-10]從輸入中構(gòu)建詞匯表,然后學(xué)習(xí)詞的向量表示為每個詞生成一個向量。但它忽略了詞內(nèi)部的形態(tài)特征,比如:“文本數(shù)據(jù)”和“文本”,這兩個詞有公共字符“文本”,即它們的內(nèi)部形態(tài)類似,但是在傳統(tǒng)word2vec中,這種詞內(nèi)部形態(tài)信息因為被轉(zhuǎn)換成不同的詞向量而被忽略。為了克服這個問題,該文引入了fastText,它可以計算兩個向量在語義上的相似度,對相似特征進(jìn)行語義上的增強。

    1.1 fastText

    Facebook于2016年推出的fastText是一個開源的詞向量計算和文本分類工具[11-12]。在fastText模型中,字符級別的n-gram信息和詞內(nèi)部順序的隱藏信息可以用于詞表示,對于“文本數(shù)據(jù)”這個詞,假設(shè)n的取值為3,則它的trigram有:“<文本”,“文本數(shù)”,“本數(shù)據(jù)”,“數(shù)據(jù)>”。其中,<表示前綴,>表示后綴,于是,可以用這些trigram來表示“文本數(shù)據(jù)”這個詞,進(jìn)一步,“文本數(shù)據(jù)”的詞向量可以用這4個trigram的向量疊加來表示。對于未登錄詞的詞向量可以使用詞典中相應(yīng)的子詞向量之和的平均來進(jìn)行表示。

    fastText還可以計算兩個向量在語義上的相似度。首先從輸入中構(gòu)建詞匯表,然后學(xué)習(xí)詞的向量表示。對于兩個詞向量,使用余弦相似度值確定它們的相似度,該值越大,兩個向量在語義上就越接近,這些詞向量可以用作分類問題中的特征。

    1.2 LSTM算法

    LSTM是由Hochreiter&Schmidhuber在1997年提出的[13],它是RNN的一種特殊類型,可以學(xué)習(xí)長期依賴關(guān)系[14]。LSTM結(jié)構(gòu)如圖1所示。

    圖1 LSTM結(jié)構(gòu)

    RNN是具有內(nèi)部存儲器的網(wǎng)絡(luò),可高效地預(yù)測時間序列[15]。在RNN中,信息從每個神經(jīng)元流到其同層中的其他每個神經(jīng)元。LSTM是RNN單元的擴(kuò)展[16],它克服了RNN單元的缺點。與傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)相比,LSTM仍然是基于xt和ht-1來計算ht,只不過內(nèi)部的結(jié)構(gòu)加入了輸入門、遺忘門以及輸出門三個門和一個內(nèi)部記憶單元ct[17]。輸入門確定何時將當(dāng)前計算的新狀態(tài)更新到記憶單元中;遺忘門確定何時將前一步記憶單元中的信息遺忘掉;輸出門確定何時將當(dāng)前的記憶單元輸出。

    2 增強的混合特征選擇EHFS

    文本經(jīng)過預(yù)處理后一般含有數(shù)以萬計個不同的詞組,這些詞組所構(gòu)成的向量規(guī)模同樣也很龐大,計算機運算成本就比較高,因此進(jìn)行特征選擇,對文本分類具有重要的意義。該文采用改進(jìn)的混合特征選擇方法,從全局特征中提取最具區(qū)分度和較多文檔中出現(xiàn)的特征[18]。由于相似特征對分類價值不大,該文采用基于特征向量的絕對余弦(AC)相似度,去除部分相似的冗余特征。然后采用基于詞頻(term frequency,TF)的平均絕對差值(MAD)與基于詞文檔頻率(document frequency,DF)的平均絕對差值(MAD)相結(jié)合的方法選擇特征。

    2.1 絕對余弦(AC)

    絕對余弦(AC)基于相似性得分去除冗余特征,將兩個詞經(jīng)過預(yù)訓(xùn)練好的fastText模型轉(zhuǎn)成詞向量,計算余弦相似度,如果相似度得分過高,則刪除其中之一。特征的絕對余弦相似度可以通過式(1)計算,其中wi和wt是詞,v(wi)與v(wt)是對應(yīng)的詞向量。

    (1)

    2.2 基于詞頻的平均絕對差值

    (2)

    (3)

    2.3 基于詞文檔頻率的平均絕對差值

    (4)

    (5)

    2.4 混合特征選擇HFS

    為了得到對文本分類重要的特征,該文提出了一個混合特征選擇方法HFS,獲取最具區(qū)分度和較多文檔中出現(xiàn)的特征。算法1給出了HFS算法的描述。

    算法1:混合特征選擇HFS。

    輸入:經(jīng)過數(shù)據(jù)預(yù)處理后的文本特征集T={t1,t2,…,tf}。

    輸出:特征子集featuresHFS。

    (1)在文本特征集T中,用絕對余弦AC進(jìn)行特征選擇去除冗余特征獲取特征子集FS1。

    (2)在FS1中,用基于詞頻的平均絕對差值MAD進(jìn)行特征選擇獲得MAD值較大的特征子集FS2。

    (3)在FS1中,用基于詞文檔頻率的平均絕對差值MAD進(jìn)行特征選擇獲得MAD值較大的特征子集FS3。

    (4)選取FS2∪FS3特征子集作為featuresHFS。

    2.5 增強混合特征選擇EHFS

    通過混合特征選擇方法HFS獲取的特征子集featuresHFS并未考慮低頻且對分類有重要價值的特征,由于這類特征出現(xiàn)的頻率低,在分類訓(xùn)練算法中的作用常被忽略。為了解決這一問題,該文使用特征增強方法對這類特征在語義上進(jìn)行增強。算法2給出了EHFS算法的描述。

    算法2:特征增強方法EHFS。

    輸入:經(jīng)過數(shù)據(jù)預(yù)處理后的文本特征集T={t1,t2,…,tf}。

    特征子集featuresHFS。

    輸出:特征子集featuresenhanced。

    (1)在混合特征選擇方法HFS的基礎(chǔ)上,選擇MAD值較高但是詞頻較低的部分特征。

    (2)使用預(yù)訓(xùn)練好的fastText模型計算每個特征f與未標(biāo)記數(shù)據(jù)集的其他所有特征之間的余弦相似度得分。

    (3)選擇每個特征語義上最相似的前k個特征,如果這k個特征在T中,且不在特征子集featuresHFS中,則將其添加到最終的特征集featuresenhanced中。

    3 文本分類器訓(xùn)練

    為了評估針對文本分類提出的增強混合特征選擇方法EHFS的性能,該文將分類算法LSTM應(yīng)用于使用該算法生成的最終文本向量上得到分類模型,然后驗證模型的正確性。圖2描述了文本分類流程。

    圖2 基于語義分析的文本分類流程

    4 實驗過程

    為了更好地驗證增強的混合特征選擇EHFS算法對文本分類的作用,構(gòu)建了一個實驗。該實驗首先抓取不同類型的文本數(shù)據(jù),構(gòu)建文本數(shù)據(jù)集,然后進(jìn)行數(shù)據(jù)預(yù)處理并采用增強混合特征選擇方法進(jìn)行特征選取,最后采用LSTM模型對文本分類,并基于分類結(jié)果驗證該方法的性能與效率。

    4.1 語料集數(shù)據(jù)

    使用python抓取工具scrapy收集了來自新浪、今日頭條、騰訊、百度、人民網(wǎng)五個熱門站點共71 825個文本數(shù)據(jù),數(shù)據(jù)收集自過去3年到2019年12月之間。類別和文本數(shù)量如下:文化(6 024),經(jīng)濟(jì)(13 167),科技(7 580),法律(4 122),教育(9 809),軍事(2 675),旅游(8 352),娛樂(1 954),歷史(5 124),體育(13 018)。由于來自所有網(wǎng)站的合并數(shù)據(jù)集并未將數(shù)據(jù)公平地分布在所有類別中,因此該研究僅限于十個類別。

    4.2 文本數(shù)據(jù)預(yù)處理

    4.2.1 文本詞頻

    該文用python編寫了對各類別中每個文本處理程序,提取詞干,統(tǒng)計每個類別對應(yīng)的詞干和詞頻,然后在數(shù)據(jù)庫中構(gòu)建文本詞頻表,表的字段有文本文檔、詞干、詞頻,以法律文本law0.txt為例,law0.txt、訴訟、13。

    4.2.2 文本的詞文檔頻率

    根據(jù)文本詞頻的統(tǒng)計,統(tǒng)計每個詞的詞文檔頻率DF。以每個類別的文本特征為例,針對每個詞干計算被多少個文本所覆蓋,將結(jié)果插入到詞文檔頻率表中,表的字段有詞干、詞文檔頻率,以法律詞干“訴訟”為例,訴訟、217。

    4.3 增強混合特征選擇EHFS

    在獲取每個類別每個文本的特征后(包括詞干與詞頻),通過merge_stem函數(shù)可以將每個類別的文本進(jìn)行詞干合并,最后得到該類別所有詞干集合all_features。以法律為例,將law0.txt、law1.txt…law4122.txt的特征合并到law.txt文本中。

    4.3.1 詞干去冗余

    根據(jù)類別得到合并后的文本,然后計算任意兩個詞之間的的絕對余弦AC值,這里詞的特征向量通過fastText計算。如果特征相似度得分超過設(shè)置的0.8,就認(rèn)為這兩個特征是冗余關(guān)系,可去掉其中DF值低的詞。本文通過調(diào)用removed_redundancy(all_features)程序獲得去冗余后的數(shù)據(jù)集FS1。

    4.3.2 提取重要特征FS2

    本實驗提供mad_tf程序,該程序基于每個類別特征子集FS1中各類別詞頻的平均絕對差值獲取每個類別的特征子集FS2。該程序的處理方法是:(1)計算FS1中所有詞的詞頻均值(合并文本時,將相同的詞干,所對應(yīng)的詞頻相加);(2)根據(jù)每個詞干Ti的詞頻,計算MADtfi;(3)將詞干的MADtf由大到小排序,取前60%的詞干加入到特征子集FS2中,獲得的特征子集FS2的信息(文本文檔、詞干、詞頻、詞頻的平均絕對差值MADtf)放在數(shù)據(jù)庫的表1中。

    表1 詞頻的平均絕對差值

    4.3.3 提取重要特征FS3

    本實驗提供mad_df程序,該程序基于每個類別特征子集FS1中各類別詞文檔頻率DF的平均絕對差值獲取每個類別的特征子集FS3。該程序的處理方法是:(1)計算所有詞文檔頻率的均值;(2)根據(jù)每個詞干Ti的詞文檔頻率,計算MADdfi;(3)將詞干的MADdf由大到小排序,取前60%的詞干加入到特征子集FS3中,獲得的特征子集FS3的信息(詞干、詞文檔頻率、詞文檔頻率的平均絕對差值MADdf)放在數(shù)據(jù)庫的表2中。

    表2 詞文檔頻率的平均絕對差值

    4.3.4 獲取增強特征子集featuresenhanced

    根據(jù)算法2,該文提供了enhanced_features程序?qū)Φ皖l特征在語義上進(jìn)行增強,來獲取每個類別增強后的特征子集featuresenhanced。

    4.4 訓(xùn)練LSTM分類模型

    獲得每個類別的特征子集后,使用TensorFlow庫中的LSTM的實現(xiàn)類BasicLSTMCell用于構(gòu)建和訓(xùn)練深度學(xué)習(xí)模型。LSTM的建模工作是:(1)拆分?jǐn)?shù)據(jù)集為80%訓(xùn)練集和20%驗證集;(2)定義一個LSTM的序列模型,模型的第一層是嵌入層(Embedding),它將上面獲得的每個類別的特征子集features經(jīng)過fastText模型構(gòu)建的詞向量而形成的矢量矩陣作為模型的輸入;(3)輸出層則為包含10個分類的全連接層。因為是多分類問題,所以激活函數(shù)設(shè)置為“softmax”,損失函數(shù)為分類交叉熵。

    5 實驗結(jié)果分析

    基于上面的實驗過程,構(gòu)建了兩個實驗。實驗1采用混合特征選擇HFS選擇的特征訓(xùn)練分類模型,實驗2采用增強混合特征選擇方法EHFS,在混合特征選擇后對低頻特征做語義上的增強,然后用增強后的特征訓(xùn)練分類模型。針對兩個實驗,從精確率(Precision)、召回率(Recall)、F值(F1-score)[19-21]的得分來評判分類的效果。

    實驗1:混合特征選擇HFS和LSTM模型的評估。

    表3描述了混合特征選擇HFS進(jìn)行特征選擇獲取特征子集,然后將其作為LSTM模型的輸入數(shù)據(jù),進(jìn)行文本分類,分類的實驗結(jié)果中,軍事文本的分類精度為96%,經(jīng)濟(jì)文本的分類精度為68%。

    表3 使用HFS和LSTM的分類結(jié)果

    表4使用經(jīng)典的算法TF-IDF來做一組對比實驗。實驗表明HFS方法的分類效果優(yōu)于TF-IDF算法。

    表4 HFS和經(jīng)典算法TF-IDF的平均實驗結(jié)果對比

    實驗2:增強混合特征選擇方法EHFS和與HFS對比。

    首先使用該文提出的基于語義的增強混合特征選擇方法EHFS獲取特征子集,然后將其作為LSTM模型的輸入數(shù)據(jù),進(jìn)行文本分類,得到的分類結(jié)果見表5。

    表5 使用EHFS和LSTM的分類結(jié)果

    續(xù)表5

    從實驗結(jié)果可以得知,考慮了語義的特征選擇實驗2的分類效果較實驗1有很大改善。并且實驗2在準(zhǔn)確度上也比實驗1更高一些。實驗的分類準(zhǔn)確性如圖3所示。

    圖3 實驗1和實驗2的分類準(zhǔn)確性與epoch的關(guān)系圖

    6 結(jié)束語

    在混合特征選擇上,提出一種新的增強混合特征選擇方法EHFS。該方法先使用改進(jìn)的混合特征選擇,再使用特征相似分析對低頻且對分類有重要價值的特征進(jìn)行語義上的增強。然后將得到的特征向量矩陣作為LSTM模型的輸入進(jìn)行模型的訓(xùn)練。數(shù)據(jù)集來自五個熱門網(wǎng)站的數(shù)據(jù),并將其效果與指標(biāo)進(jìn)行了比較。實驗結(jié)果表明,提出的增強混合特征選擇方法EHFS比不考慮語義只進(jìn)行混合特征選擇HFS,分類效果有很好的改善。文本數(shù)據(jù)集被分為十個不同的類別,其中體育的準(zhǔn)確度最高為96%,法律類的準(zhǔn)確度為82%。實驗基于相對較小的數(shù)據(jù)集,還可以獲取更多文本數(shù)據(jù)集來進(jìn)行改進(jìn)。另外,該文只是基于10類文本進(jìn)行分類,還需要增加數(shù)據(jù)類別驗證文本分類方法的實用性。

    猜你喜歡
    詞干詞頻特征選擇
    基于詞頻分析法的社區(qū)公園歸屬感營建要素研究
    園林科技(2021年3期)2022-01-19 03:17:48
    論柯爾克孜語詞干提取方法
    維吾爾語詞綴變體搭配規(guī)則研究及算法實現(xiàn)
    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
    詞頻,一部隱秘的歷史
    融合多策略的維吾爾語詞干提取方法
    基于維吾爾語詞干詞綴粒度的漢維機器翻譯
    云存儲中支持詞頻和用戶喜好的密文模糊檢索
    以關(guān)鍵詞詞頻法透視《大學(xué)圖書館學(xué)報》學(xué)術(shù)研究特色
    圖書館論壇(2014年8期)2014-03-11 18:47:59
    av视频在线观看入口| netflix在线观看网站| 国产精品一区二区三区四区免费观看 | 日韩有码中文字幕| 久久久久久久亚洲中文字幕 | 美女cb高潮喷水在线观看| 99热6这里只有精品| 久久国产精品人妻蜜桃| 在线观看免费视频日本深夜| 久久精品国产亚洲av香蕉五月| 狠狠狠狠99中文字幕| 在线免费观看不下载黄p国产 | 成人av一区二区三区在线看| 哪里可以看免费的av片| 别揉我奶头~嗯~啊~动态视频| 亚洲天堂国产精品一区在线| 中文亚洲av片在线观看爽| 婷婷色综合大香蕉| 99国产精品一区二区蜜桃av| 国产单亲对白刺激| 午夜日韩欧美国产| 91午夜精品亚洲一区二区三区 | 国产精品嫩草影院av在线观看 | 国产亚洲精品av在线| 欧美一区二区精品小视频在线| 亚洲av免费在线观看| 久久天躁狠狠躁夜夜2o2o| 色综合欧美亚洲国产小说| 91九色精品人成在线观看| 悠悠久久av| 五月玫瑰六月丁香| av女优亚洲男人天堂| 又黄又爽又刺激的免费视频.| 精品不卡国产一区二区三区| 久久久久久久久久黄片| 给我免费播放毛片高清在线观看| 高潮久久久久久久久久久不卡| 中文亚洲av片在线观看爽| 无遮挡黄片免费观看| 国产免费av片在线观看野外av| 国产主播在线观看一区二区| 琪琪午夜伦伦电影理论片6080| 性色avwww在线观看| 男人和女人高潮做爰伦理| 在现免费观看毛片| 亚洲欧美日韩高清专用| 老司机午夜十八禁免费视频| 老司机福利观看| 日本在线视频免费播放| 国产综合懂色| 精品午夜福利视频在线观看一区| 99久久99久久久精品蜜桃| 欧美日本视频| 国产亚洲精品av在线| 中文亚洲av片在线观看爽| 午夜免费成人在线视频| 亚洲精品日韩av片在线观看| 国产黄a三级三级三级人| 91久久精品国产一区二区成人| 亚洲人成电影免费在线| 国产高清有码在线观看视频| 无人区码免费观看不卡| 久久久久精品国产欧美久久久| 成人精品一区二区免费| 精品不卡国产一区二区三区| 12—13女人毛片做爰片一| 国产真实伦视频高清在线观看 | or卡值多少钱| 最近中文字幕高清免费大全6 | 嫩草影院新地址| 国产淫片久久久久久久久 | 欧美一区二区精品小视频在线| 天堂动漫精品| 欧美在线一区亚洲| 青草久久国产| 高清在线国产一区| 少妇熟女aⅴ在线视频| 97碰自拍视频| 亚洲乱码一区二区免费版| 欧美精品国产亚洲| 午夜老司机福利剧场| 色综合欧美亚洲国产小说| 伊人久久精品亚洲午夜| av天堂在线播放| 在线观看一区二区三区| 一区福利在线观看| 国产精品三级大全| а√天堂www在线а√下载| 给我免费播放毛片高清在线观看| xxxwww97欧美| 国产在视频线在精品| 国产精品人妻久久久久久| 国产乱人伦免费视频| 不卡一级毛片| av中文乱码字幕在线| 国产蜜桃级精品一区二区三区| 亚洲狠狠婷婷综合久久图片| 亚洲最大成人手机在线| 日本黄色片子视频| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 精品不卡国产一区二区三区| 亚洲成人精品中文字幕电影| 欧美精品国产亚洲| 18禁在线播放成人免费| 男人和女人高潮做爰伦理| 国产精品亚洲av一区麻豆| av黄色大香蕉| 91在线观看av| 在线天堂最新版资源| 亚洲国产精品999在线| 日本精品一区二区三区蜜桃| 欧美性猛交黑人性爽| 18禁裸乳无遮挡免费网站照片| 一进一出抽搐动态| 欧洲精品卡2卡3卡4卡5卡区| 国产欧美日韩精品一区二区| 一级黄色大片毛片| 3wmmmm亚洲av在线观看| 日日干狠狠操夜夜爽| 亚洲人成网站在线播| 午夜两性在线视频| 国产精品精品国产色婷婷| 一级av片app| 国产毛片a区久久久久| 亚洲激情在线av| 免费观看的影片在线观看| 亚洲在线观看片| 波多野结衣高清无吗| 深爱激情五月婷婷| 国产大屁股一区二区在线视频| 亚洲中文字幕一区二区三区有码在线看| 精品乱码久久久久久99久播| 91在线精品国自产拍蜜月| 99热6这里只有精品| 真实男女啪啪啪动态图| 欧美高清成人免费视频www| 不卡一级毛片| 成人三级黄色视频| 欧美黄色片欧美黄色片| 少妇裸体淫交视频免费看高清| 男人的好看免费观看在线视频| 免费看日本二区| av专区在线播放| 欧美最新免费一区二区三区 | 精品免费久久久久久久清纯| 日韩亚洲欧美综合| 日韩欧美在线二视频| 午夜免费男女啪啪视频观看 | 99热这里只有精品一区| 不卡一级毛片| 免费看美女性在线毛片视频| 国产成人av教育| 久久人妻av系列| 成人高潮视频无遮挡免费网站| 日韩欧美国产一区二区入口| 宅男免费午夜| 夜夜爽天天搞| 亚洲人成伊人成综合网2020| 亚洲三级黄色毛片| 欧美最新免费一区二区三区 | 嫩草影院新地址| 无人区码免费观看不卡| 免费观看精品视频网站| 国产乱人伦免费视频| 听说在线观看完整版免费高清| 亚洲人成网站在线播放欧美日韩| 婷婷六月久久综合丁香| 俄罗斯特黄特色一大片| 国产麻豆成人av免费视频| 日本在线视频免费播放| 欧美乱妇无乱码| 赤兔流量卡办理| 欧美日本亚洲视频在线播放| 90打野战视频偷拍视频| 日本 欧美在线| 亚洲成a人片在线一区二区| 免费黄网站久久成人精品 | 国产精品av视频在线免费观看| 国产亚洲欧美在线一区二区| 给我免费播放毛片高清在线观看| 天堂影院成人在线观看| 网址你懂的国产日韩在线| 久久人人精品亚洲av| 国产精品精品国产色婷婷| 亚洲成人久久爱视频| 免费在线观看日本一区| 欧美日韩综合久久久久久 | 全区人妻精品视频| 精品一区二区免费观看| 亚洲黑人精品在线| 丰满人妻熟妇乱又伦精品不卡| 欧美激情国产日韩精品一区| 人人妻,人人澡人人爽秒播| 国产私拍福利视频在线观看| 免费观看人在逋| 亚洲欧美激情综合另类| 国产探花在线观看一区二区| 日韩中文字幕欧美一区二区| 3wmmmm亚洲av在线观看| 偷拍熟女少妇极品色| 一级黄片播放器| 少妇的逼水好多| 两个人的视频大全免费| 欧美精品国产亚洲| 国产真实乱freesex| 人妻丰满熟妇av一区二区三区| 白带黄色成豆腐渣| 极品教师在线免费播放| 欧美潮喷喷水| 我的女老师完整版在线观看| 蜜桃亚洲精品一区二区三区| 中文字幕av成人在线电影| 久久亚洲真实| 欧美绝顶高潮抽搐喷水| 色哟哟·www| 蜜桃久久精品国产亚洲av| 女同久久另类99精品国产91| 黄片小视频在线播放| www.www免费av| 免费黄网站久久成人精品 | av在线天堂中文字幕| 在线免费观看不下载黄p国产 | 国产精品99久久久久久久久| 又粗又爽又猛毛片免费看| 亚洲内射少妇av| 午夜精品在线福利| 人妻丰满熟妇av一区二区三区| av天堂中文字幕网| 国产不卡一卡二| 亚洲aⅴ乱码一区二区在线播放| 男人狂女人下面高潮的视频| av天堂中文字幕网| 一夜夜www| 精品一区二区三区av网在线观看| 久久精品久久久久久噜噜老黄 | 国产精品不卡视频一区二区 | 人人妻人人看人人澡| 丰满的人妻完整版| 精品午夜福利视频在线观看一区| 自拍偷自拍亚洲精品老妇| 成年人黄色毛片网站| 又黄又爽又免费观看的视频| 亚洲av一区综合| 99热精品在线国产| 亚洲av免费在线观看| 亚洲av不卡在线观看| 国产高潮美女av| 色精品久久人妻99蜜桃| 久久久久国产精品人妻aⅴ院| 床上黄色一级片| 内地一区二区视频在线| www日本黄色视频网| 欧美成狂野欧美在线观看| 在线十欧美十亚洲十日本专区| 久久久久久国产a免费观看| 国产久久久一区二区三区| 波多野结衣高清无吗| 国产精华一区二区三区| 国产白丝娇喘喷水9色精品| 亚洲无线在线观看| 国产色婷婷99| 欧美黑人欧美精品刺激| 久久久久精品国产欧美久久久| 国产真实伦视频高清在线观看 | 色综合婷婷激情| 高清日韩中文字幕在线| 久久久国产成人精品二区| 我的老师免费观看完整版| 日韩av在线大香蕉| 特级一级黄色大片| 噜噜噜噜噜久久久久久91| 老女人水多毛片| 丁香欧美五月| 色视频www国产| 精品不卡国产一区二区三区| 精品久久久久久久久av| 亚洲美女搞黄在线观看 | 免费观看精品视频网站| 国产精品免费一区二区三区在线| 亚洲男人的天堂狠狠| av天堂在线播放| 99在线视频只有这里精品首页| av天堂中文字幕网| 亚洲aⅴ乱码一区二区在线播放| 国产亚洲精品av在线| 久久精品影院6| 久久精品国产亚洲av天美| 国产午夜精品久久久久久一区二区三区 | 中文字幕av成人在线电影| 禁无遮挡网站| 国产精品亚洲一级av第二区| 免费人成视频x8x8入口观看| 日韩国内少妇激情av| or卡值多少钱| 国产精品人妻久久久久久| 欧美精品国产亚洲| 怎么达到女性高潮| 亚洲av成人av| 十八禁国产超污无遮挡网站| 在线播放国产精品三级| 美女免费视频网站| 欧美丝袜亚洲另类 | 国产成人福利小说| 欧美一级a爱片免费观看看| 男女下面进入的视频免费午夜| 国内精品久久久久久久电影| 午夜福利在线在线| aaaaa片日本免费| 91久久精品电影网| 久久久色成人| 亚洲成人久久性| 久久久久国内视频| 久久国产精品影院| 性色avwww在线观看| 婷婷精品国产亚洲av| 免费观看人在逋| 亚洲午夜理论影院| 90打野战视频偷拍视频| 欧美高清成人免费视频www| 精品久久久久久久久av| 丁香六月欧美| a级毛片免费高清观看在线播放| 啦啦啦观看免费观看视频高清| 精品一区二区免费观看| 在线看三级毛片| 午夜两性在线视频| 午夜福利高清视频| 婷婷精品国产亚洲av在线| 国产伦人伦偷精品视频| 久久伊人香网站| 大型黄色视频在线免费观看| av视频在线观看入口| 免费黄网站久久成人精品 | 久久精品夜夜夜夜夜久久蜜豆| 亚洲黑人精品在线| 国产高清三级在线| 中文字幕av成人在线电影| 免费观看人在逋| 观看免费一级毛片| 国产三级中文精品| 在线观看美女被高潮喷水网站 | 亚洲电影在线观看av| 成年女人永久免费观看视频| 亚洲人成伊人成综合网2020| 搞女人的毛片| 亚洲美女视频黄频| 中文字幕精品亚洲无线码一区| 看十八女毛片水多多多| 露出奶头的视频| 中文字幕免费在线视频6| 国产野战对白在线观看| 成年免费大片在线观看| 久久人人精品亚洲av| 在线看三级毛片| av天堂在线播放| 99热6这里只有精品| 日韩精品青青久久久久久| 国产麻豆成人av免费视频| ponron亚洲| 久久久国产成人免费| 国产免费一级a男人的天堂| 男人的好看免费观看在线视频| 在线观看免费视频日本深夜| 青草久久国产| 老熟妇仑乱视频hdxx| 99精品久久久久人妻精品| 不卡一级毛片| 一进一出抽搐动态| 亚洲精品一区av在线观看| aaaaa片日本免费| 亚洲真实伦在线观看| 热99re8久久精品国产| 欧美一区二区精品小视频在线| 国产人妻一区二区三区在| av在线蜜桃| 好男人在线观看高清免费视频| 久久精品91蜜桃| 一本一本综合久久| 一进一出抽搐gif免费好疼| 可以在线观看的亚洲视频| 一进一出抽搐gif免费好疼| 一级作爱视频免费观看| 成人国产一区最新在线观看| 国产69精品久久久久777片| 深夜a级毛片| 老司机午夜福利在线观看视频| 91av网一区二区| 亚洲第一欧美日韩一区二区三区| 精品国产三级普通话版| 最近最新中文字幕大全电影3| 日韩欧美三级三区| 成人欧美大片| 极品教师在线免费播放| 成人高潮视频无遮挡免费网站| 亚洲aⅴ乱码一区二区在线播放| 国产白丝娇喘喷水9色精品| 中亚洲国语对白在线视频| 免费av不卡在线播放| 在线观看午夜福利视频| 国产精品一区二区性色av| 成人性生交大片免费视频hd| 欧美+亚洲+日韩+国产| 97超级碰碰碰精品色视频在线观看| 午夜福利在线在线| 国产v大片淫在线免费观看| 最新中文字幕久久久久| 尤物成人国产欧美一区二区三区| 美女黄网站色视频| 国产av麻豆久久久久久久| 国产精品日韩av在线免费观看| 免费一级毛片在线播放高清视频| 中文字幕熟女人妻在线| 人妻制服诱惑在线中文字幕| 一边摸一边抽搐一进一小说| 免费av不卡在线播放| 桃红色精品国产亚洲av| 日韩免费av在线播放| x7x7x7水蜜桃| 精品久久久久久久久亚洲 | 国产老妇女一区| 欧美乱妇无乱码| 久久热精品热| 国产精品亚洲av一区麻豆| 久久精品国产自在天天线| 欧洲精品卡2卡3卡4卡5卡区| 男女床上黄色一级片免费看| 看片在线看免费视频| 国产精品爽爽va在线观看网站| 亚洲国产日韩欧美精品在线观看| а√天堂www在线а√下载| 一个人看的www免费观看视频| 中国美女看黄片| 国内精品美女久久久久久| 成人av在线播放网站| 欧美+亚洲+日韩+国产| 欧美3d第一页| www.色视频.com| 午夜精品一区二区三区免费看| 床上黄色一级片| 国产精品不卡视频一区二区 | 永久网站在线| 欧美xxxx性猛交bbbb| 午夜影院日韩av| 亚洲人成网站在线播| 亚洲专区国产一区二区| 午夜免费激情av| 又紧又爽又黄一区二区| 69av精品久久久久久| 欧美丝袜亚洲另类 | 18禁裸乳无遮挡免费网站照片| 欧美丝袜亚洲另类 | 国产精品1区2区在线观看.| 国产精品女同一区二区软件 | 久久精品国产亚洲av涩爱 | 欧美性猛交╳xxx乱大交人| 成人美女网站在线观看视频| 精品国产三级普通话版| 非洲黑人性xxxx精品又粗又长| 亚洲人成网站在线播放欧美日韩| а√天堂www在线а√下载| 免费一级毛片在线播放高清视频| 黄片小视频在线播放| 亚洲久久久久久中文字幕| 日韩欧美精品v在线| 国产精品美女特级片免费视频播放器| 国产精品女同一区二区软件 | 99久久99久久久精品蜜桃| АⅤ资源中文在线天堂| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 国产国拍精品亚洲av在线观看| 欧美高清性xxxxhd video| 色在线成人网| 无人区码免费观看不卡| 国产高清视频在线播放一区| 午夜精品在线福利| 中文亚洲av片在线观看爽| 亚洲精品影视一区二区三区av| 18+在线观看网站| 国产成人福利小说| 国产色爽女视频免费观看| 一a级毛片在线观看| 国产视频内射| 久久热精品热| 最近在线观看免费完整版| 在线天堂最新版资源| 夜夜爽天天搞| 免费看光身美女| 我要看日韩黄色一级片| 丁香六月欧美| 亚洲自偷自拍三级| av黄色大香蕉| 99久久精品热视频| 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| 能在线免费观看的黄片| 熟女电影av网| 亚洲精品久久国产高清桃花| 免费看光身美女| 欧美性感艳星| 亚洲中文日韩欧美视频| 有码 亚洲区| 久久久精品大字幕| www.999成人在线观看| 中文在线观看免费www的网站| 国产精品久久久久久精品电影| 又爽又黄a免费视频| 日本 av在线| 亚洲久久久久久中文字幕| 色噜噜av男人的天堂激情| 99久国产av精品| av国产免费在线观看| 简卡轻食公司| 久久久久久九九精品二区国产| 18禁黄网站禁片午夜丰满| 久久欧美精品欧美久久欧美| 欧美xxxx性猛交bbbb| 老熟妇仑乱视频hdxx| 可以在线观看的亚洲视频| 好男人电影高清在线观看| 亚洲成人久久爱视频| 国产精品综合久久久久久久免费| 成年人黄色毛片网站| 亚洲中文字幕一区二区三区有码在线看| 美女cb高潮喷水在线观看| 九九在线视频观看精品| 久久久久九九精品影院| 日韩中文字幕欧美一区二区| 禁无遮挡网站| 欧美区成人在线视频| 日韩欧美精品免费久久 | 丝袜美腿在线中文| 激情在线观看视频在线高清| 嫩草影院新地址| 搞女人的毛片| 极品教师在线免费播放| 免费av观看视频| 亚洲无线在线观看| 美女被艹到高潮喷水动态| 久久人人爽人人爽人人片va | 国产免费一级a男人的天堂| 久久久色成人| 精品一区二区三区人妻视频| 中国美女看黄片| 麻豆成人av在线观看| 精品久久久久久久末码| 亚洲色图av天堂| 丝袜美腿在线中文| 婷婷精品国产亚洲av| 亚洲精品影视一区二区三区av| 婷婷亚洲欧美| 国产高清有码在线观看视频| 亚洲最大成人中文| 一夜夜www| 伊人久久精品亚洲午夜| 日日干狠狠操夜夜爽| 亚洲av五月六月丁香网| 欧美黑人巨大hd| 亚洲av二区三区四区| 天天躁日日操中文字幕| 老熟妇乱子伦视频在线观看| 丝袜美腿在线中文| 精品福利观看| 欧美黑人巨大hd| 国产精品98久久久久久宅男小说| 最近中文字幕高清免费大全6 | 成年免费大片在线观看| 日本五十路高清| 国产亚洲欧美98| 少妇人妻一区二区三区视频| 美女高潮的动态| 亚洲精品一区av在线观看| 桃色一区二区三区在线观看| 日本五十路高清| 国产亚洲欧美98| 成人三级黄色视频| 国产精品久久久久久久久免 | 99国产综合亚洲精品| 久久久久免费精品人妻一区二区| 中文字幕熟女人妻在线| 好看av亚洲va欧美ⅴa在| 舔av片在线| 一个人看视频在线观看www免费| 老鸭窝网址在线观看| 国产一级毛片七仙女欲春2| 久99久视频精品免费| 亚洲自拍偷在线| 婷婷丁香在线五月| 久久亚洲精品不卡| 国产精品永久免费网站| 亚洲激情在线av| 人妻丰满熟妇av一区二区三区| 国产欧美日韩精品亚洲av| 日日夜夜操网爽| or卡值多少钱| 内射极品少妇av片p| 99国产精品一区二区蜜桃av| 日本成人三级电影网站| 一边摸一边抽搐一进一小说| 久久香蕉精品热| 日韩亚洲欧美综合| 97碰自拍视频| 成年女人毛片免费观看观看9| 一a级毛片在线观看| 国产av一区在线观看免费| 香蕉av资源在线| 亚洲欧美日韩高清在线视频| 国产精品日韩av在线免费观看| 午夜免费男女啪啪视频观看 | 日韩精品中文字幕看吧| 欧美xxxx黑人xx丫x性爽| 午夜两性在线视频| 亚洲国产色片| 神马国产精品三级电影在线观看| 中出人妻视频一区二区| 亚洲激情在线av|