• <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 ?

    基于語境分類與遺傳算法的微博情感分析方法

    2021-02-04 06:53:44
    軟件導(dǎo)刊 2021年1期
    關(guān)鍵詞:主題詞極性遺傳算法

    (廣西大學(xué)計算機與電子信息學(xué)院,廣西南寧 530004)

    0 引言

    微博是基于互聯(lián)網(wǎng)的應(yīng)用,在其上發(fā)布和瀏覽信息具有低成本、便捷和及時等特征,隨著互聯(lián)網(wǎng)的蓬勃發(fā)展,微博逐漸發(fā)展成為主流社交平臺之一。目前,微博擁有大量的活躍用戶,這些用戶隨時隨地發(fā)布或更新他們的狀態(tài)、感悟和評論等信息。這些信息涉及面廣,蘊含了大量價值。對微博文本進行情感傾向分析是當前微博數(shù)據(jù)挖掘研究的熱點內(nèi)容之一。挖掘微博文本情感傾向可得到用戶對產(chǎn)品的喜愛程度[1]、政策支持度[2]、熱點話題傾向[3]和立場[4]等相關(guān)信息,對產(chǎn)品生產(chǎn)和銷售改進、政策研究及民眾熱點立場把握等問題都有重要參考價值。

    文本情感傾向分析屬于自然語言研究范疇,自然語言描述觀點的多樣性是影響文本情感傾向分析精度的主要因素之一。與新聞、論壇和貼吧等具備良好內(nèi)容分類的媒體相比,微博內(nèi)容寬泛,分類性差。當前,文本情感分析主要有基于情感詞典和基于機器學(xué)習(xí)兩種方法,均是在對文本進行分詞的基礎(chǔ)上通過某種算法進行文本情感極性計算。大量研究結(jié)果表明,這兩種研究方法進行情感分析的精度均受到文本內(nèi)容領(lǐng)域相關(guān)度的制約。由于同一詞語在不同語境中可能表現(xiàn)出不同的情感極性,因此不區(qū)分詞語語境對微博文本進行情感分析使得其精度難以保證。采用LDA 擴展模型是當前文本情感分析重要方法之一,但該方法的當前研究未能考慮同一詞語在不同語境下情感極性差異及非特征情感詞對微博文本情感極性的影響,若能將此二者加以考慮,則基于LDA 擴展模型的文本情感分析精度將得到進一步提升。因此,本文提出一種基于語境分類和遺傳算法的微博情感分析方法。

    1 相關(guān)工作

    當前,文本情感分析主要有基于情感詞典和基于機器學(xué)習(xí)兩種方法。基于情感詞典的方法是先抽取文本的情感特征詞[5],然后將情感特征詞和情感詞典中的詞語進行比對,運用情感詞典中標注詞語的情感極性計算微博情感傾向。該方法的分類精度依賴于情感詞典,情感詞典的好壞直接影響情感傾向計算結(jié)果。基于機器學(xué)習(xí)的方法是先提取文本特征,然后對特征運用某種算法進行分類[6],從而得到文本情感傾向。基于機器學(xué)習(xí)的方法分為強監(jiān)督、弱監(jiān)督和無監(jiān)督3 種方法。強監(jiān)督方法主要有支持向量機[7]、樸素貝葉斯[8]和決策樹[9]等,這類方法的精度依賴于標簽數(shù)據(jù)的準確率。弱監(jiān)督方法主要有長短期記憶網(wǎng)絡(luò)[10]、卷積神經(jīng)網(wǎng)絡(luò)[11]、循環(huán)神經(jīng)網(wǎng)絡(luò)[12]等,這類方法需要海量的標簽數(shù)據(jù)對模型進行訓(xùn)練才能保證精度。無監(jiān)督方法主要有LDA[13]、K-近鄰算法[14]、隨機森林[15]等,與有監(jiān)督方法相比,無監(jiān)督方法不依賴于標簽數(shù)據(jù),受數(shù)據(jù)量大小影響較小。在無監(jiān)督方法中,LDA 得到研究者的廣泛關(guān)注。LDA 是一種具有良好可擴展性的主題分類模型,一方面能發(fā)現(xiàn)語料文檔的隱含主題,在機器學(xué)習(xí)方法中無需標簽數(shù)據(jù)便可自動獲得與情感詞典相似的語義直接關(guān)聯(lián)效果,另一方面能得到“文本—主題—詞語”關(guān)系,具有良好降維性能。因此,越來越多的研究者將LDA 模型擴展應(yīng)用于文本情感分析。孫艷等[16]在LDA 模型中融入情感模型,用LDA 得到情感特征詞的情感極性,用情感特征詞的情感極性分類表達微博的情感傾向;歐陽繼紅等[17]在LDA 模型中引入情感層,聯(lián)合微博情感傾向的整體分布和情感特征詞的局部分布進行計算,從而獲得文檔級別的情感傾向;蘇瑩等[18]引入樸素貝葉斯改進LDA,得到了篇章級和句子級情感傾向;李勇敢等[19]通過LDA 和句子依存關(guān)系計算微博情感傾向;黃良發(fā)等[20]將表情符號和用戶性格特征融入LDA 中計算微博情感傾向;García 等[21]將LDA 與Word2vec 相結(jié)合,通過詞的相似性判斷新詞極性,以獲得句子情感傾向。

    上述LDA 擴展模型是先提取文本情感特征詞,然后利用情感特征詞的極性計算句子或篇章的情感極性,在情感極性分類計算速度和精度上獲得了良好效果,但仍然存在兩個問題未能解決:一是同一詞語在不同語境下的情感極性可能存在差異,例如有兩條微博:“新買的U 盤,內(nèi)存真的很大”和“樓上裝修的聲音未免太大了吧”。因這兩條微博內(nèi)容上分別屬于不同的主題語境,“大”在第一條微博中有容量大的含義,極性表現(xiàn)為正極,而在第二條微博中有吵鬧之意,極性表現(xiàn)為負極;二是沒有考慮非情感特征詞對句子或篇章情感極性的影響,例如對于微博文本“我們單位是一個好單位、我們雖然下班晚、但是我們上班早啊!”,用上述LDA 擴展方法得到的情感特征詞是“好”、“晚”和“早”,微博文本情感傾向計算結(jié)果為正向極性,但如果將“好”+“單位”、“晚”+“下班”、“早”+“上班”結(jié)合起來,即將情感特征詞“好”、“晚”、“早”和非特征情感詞“單位”、“下班”、“上班”一起考慮,微博文本情感極性實為負極。

    針對以上兩個問題,為進一步提高采用LDA 模型擴展方法進行文本情感極性分析精度,本文提出一種基于語境分類和遺傳算法的微博情感分析方法。該方法先用LDA模型對微博進行語境主題分類,并將微博詞語劃分到不同語境主題中,形成微博主題集和微博主題詞集,然后對每個主題的微博和主題詞集,采用遺傳算法計算所有詞語(包括情感特征詞和非情感特征詞)的情感值,最后利用詞語情感值計算微博情感傾向。

    2 微博情感分析方法

    2.1 整體流程

    基于語境分類和遺傳算法的微博情感分類方法整體流程如下:①微博數(shù)據(jù)預(yù)處理,對微博數(shù)據(jù)進行篩選、分詞;②LDA 微博主題語境詞集構(gòu)建,利用LDA 對微博進行主題語境分類,構(gòu)建微博主題詞集;③基于遺傳算法的主題微博情感傾向計算。整體流程如圖1 所示。

    Fig.1 Overall flow chart圖1 整體流程

    2.2 微博數(shù)據(jù)預(yù)處理

    微博平臺面向大眾人群,有些用戶發(fā)布的信息目的性并不明確,其中有相當多的句子并不帶有觀點傾向。因此,先去除非觀點句,只保留帶有情感傾向的句子,再進行分詞。中文分詞工具主要有Jieba、SnowNLP、THULAC、NL?PIR 和PKU-SEG 等,微博內(nèi)容較為簡短,選擇PKU-SEG 進行分詞能較好地保持句子原有的組詞關(guān)系。

    2.3 LDA 微博主題語境詞集構(gòu)建

    微博是相對開放和自由的媒體,相較于新聞、論壇等具備良好主題分類性能的媒體,其內(nèi)容范圍更寬泛和隨意,沒有嚴格的分類結(jié)構(gòu),因此在微博文本集中有相當多的詞語在不同的語境中表現(xiàn)出不同的情感傾向。針對此種情況,本文首先對微博中的詞語進行主題語境分類,按照不同語境對同一詞語的情感極性加以區(qū)分,以提升微博情感分類判別精度。LDA 是一種文檔主題生成概率模型,能夠得到“文檔—主題”、“主題—詞語”分布,本文應(yīng)用LDA 模型對微博文檔集及其詞語進行主題語境歸類,依據(jù)主題語境劃分構(gòu)造微博主題集和微博主題語境詞集。

    2.3.1 LDA 微博主題語境分類

    LDA 微博主題模型如圖2 所示。LDA 微博主題模型是人工設(shè)定k 個主題,預(yù)處理后的語料庫D 有m條微博,記為D={d1,d2,…,dm},微博分詞后去重的詞語個數(shù)為c,詞集記為W={word1,word2,…wordc}。微博i的主題條件分布記為,i∈(1,2,…,m),采用LDA 微博主題模型可得到所有文檔的主題條件分布,歸一化后如公式(1)所示。

    Fig.2 LDA Microblog theme model圖2 LDA 微博主題模型

    同樣可得到詞語wordt的主題條件分布記為,t∈(1,2,…,c),歸一化后如式(2)所示。

    結(jié)合式(1)和式(2),可得到主題和詞語的聯(lián)合分布如式(3)所示。

    用?(t)代表去掉第t個詞語后的主題分布。用Gibbs 采樣法得到第t個詞語對應(yīng)主題的條件概率如式(4)所示。

    將微博d中所有詞語的主題概率分布相加后得到該微博在k個主題下的概率分布Ad=,選擇概率最大的值作為第d條微博所屬主題語境歸類pdMax=。

    2.3.2 微博主題語境詞集構(gòu)建

    按照上述最大概率劃分方法,完成微博集合的主題語境分類,形成微博主題集T={T1,T2,…,Tk},其中Tj={dj1,dj2,…,djy},j∈(1,2,…k),y表示主題j的微博數(shù)量。對Tj中的微博進行分詞、去重得到主題j的詞集Zj,Zj=(vj1,vj2,…,vjn),n表示第j個主題詞語去重后的個數(shù)。全部k個主題的詞集就構(gòu)成LDA 微博主題詞集Z={Z1,Z2,…,Zk},LDA 微博主題詞集構(gòu)建算法偽代碼如算法1 所示。

    2.4 基于遺傳算法的微博情感傾向計算

    考慮到非特征情感詞對微博文本情感傾向的影響,本文在計算出LDA 微博主題詞集后,分別計算每個主題語境中所有詞語的情感值,這些詞語包括非特征情感詞和特征情感詞,最后利用詞語的情感值計算出微博情感傾向。各主題詞集詞語的情感值用人工標注情感傾向的微博(標簽數(shù)據(jù))通過遺傳算法計算自動獲得。詞語情感值計算方法首先在預(yù)先設(shè)定范圍內(nèi)給詞語賦一個隨機初始情感值;然后通過設(shè)計與標簽數(shù)據(jù)相關(guān)的目標函數(shù)和適應(yīng)度函數(shù)實現(xiàn)詞語情感值自我優(yōu)化,得到詞語最優(yōu)情感值;最后利用主題詞語的最優(yōu)情感值計算微博最優(yōu)情感傾向值。用主題語境詞集Zj作為遺傳算法中的個體,個體Chromx對應(yīng)Zj中所有詞語的情感值,記作Chromx={wx1,wx2,…,wx3}。其中,wxt是個體x中第t個詞語的情感值,每個詞語的情感值對應(yīng)個體的染色體編碼。

    種群由M個個體組成,記為P={Chrom1,Chrom2,…,ChromM},個體初始詞語情感值為[-10,10]的一個隨機值,如圖3 所示。種群在遺傳算法中不斷迭代優(yōu)化,當?shù)螖?shù)達到預(yù)先設(shè)定值時所計算出的個體詞語情感值為主題語境下所有詞語的最優(yōu)情感值。

    Fig.3 The emotional score of some initial words corresponds to the graph圖3 部分初始詞語情感分值對應(yīng)情況

    2.4.1 遺傳算法目標優(yōu)化函數(shù)

    實際上,有些詞語在不同語境中的情感傾向并不相同,因此與這種情況相對應(yīng),本文設(shè)置同一詞語在不同個體中的情感值不同,將詞語劃到不同主題語境就是為了考慮這種差異性。為使個體中微博的情感傾向向標簽數(shù)據(jù)情感傾向靠攏,即為了應(yīng)用標簽數(shù)據(jù)自動獲得詞語的情感傾向,本文設(shè)計遺傳算法的目標函數(shù)實現(xiàn)詞語情感值優(yōu)化。利用式(5)計算主題j下第s條微博的情感值。

    其中,wordt是微博djs中的詞語,wjt(Chromx(wordt))表示詞語wordt在個體Chromx中的情感值。當Senti(Zj,Tj,Chromx,djs)大于等于0 表示為正極(positive),反之則表示為負極(negative)。class(djs)表示微博djs的情感傾向,如式(6)所示。

    本文設(shè)定Acc(Chromx,Tj)為:在主題j下,個體Chromx中微博的情感傾向與標簽數(shù)據(jù)情感傾向的差異度,如式(7)所示,該值越小則個體Chromx中微博的情感傾向越靠近標簽數(shù)據(jù)的情感傾向。

    2.4.2 基于遺傳算法的詞語情感值計算

    為使差異度越小的個體被保留的概率越大,本文設(shè)定適應(yīng)度函數(shù)如式(9)所示。

    Fig.4 Multi-point crossover圖4 多點交叉

    Fig.5 Gene mutation圖5 基因變異

    2.4.3 微博情感傾向計算

    通過遺傳算法得到最小差異度個體Chrommin,個體中染色體的編碼對應(yīng)主題詞集詞語的最優(yōu)情感值。在最小差異度個體Chrommin中,先用式(5)將微博中所有詞語的情感值相加,得到微博情感值,再用式(6)進行判斷,若情感值大于等于0,表示該微博具有正極的情感傾向,反之表示具有負極的情感傾向。計算實例如圖6 所示。

    Fig.6 An example of sentiment compute圖6 情感傾向計算實例

    3 實驗結(jié)果與分析

    3.1 實驗數(shù)據(jù)集

    數(shù)據(jù)來源于2012-2014 年NLPCC 公開的數(shù)據(jù)集[22],共17 253 條微博。刪除非觀點句后有7 188 條微博,將該數(shù)據(jù)作為微博情感傾向計算的語料庫,其中積極的有3 314 條,消極的有3 874 條,采用十折交叉驗證對本文方法進行訓(xùn)練和測試。

    NLPCC 數(shù)據(jù)集有none、happiness、like、sadness、disgust、anger、fear 和surprise 8 種標簽。將8 種標簽簡化為正極和負極兩種標簽,如表1 所示。

    Table 1 Label classification表1 標簽分類

    標簽歸類后,將微博內(nèi)容按照統(tǒng)一格式存放,數(shù)據(jù)格式如表2 所示,微博的極性1 表示正極,-1 表示負極。

    Table 2 Samples of Microblog表2 微博文本樣例

    3.2 實驗過程與結(jié)果

    在本文中,所有詞語對微博情感極性的影響均參與計算,對微博進行分詞后保留微博中的所有詞語,PKU-SEG分詞結(jié)果樣例如表3 所示。

    Table 3 Samples of PKU-SEG segmentation result on Microblog表3 微博PKU-SEG 分詞結(jié)果樣例

    微博分詞后,采用LDA 微博主題模型構(gòu)建主題詞集。LDA 微博主題模型中需要預(yù)先設(shè)置主題數(shù)目k值,選擇適合的k值有利于主題分類。本文設(shè)置k值為5(收集的數(shù)據(jù)分為5 個主題),微博主題語境分類樣例如表4 所示。

    Table 4 Samples of Microblog topic context classification表4 微博主題語境分類樣例

    微博主題語境分類結(jié)果是:主題一與產(chǎn)品和產(chǎn)品評論相關(guān);主題二與個人情緒表達相關(guān);主題三是社會現(xiàn)狀評論和事件描述;主題四是關(guān)于社會知名人士的微博動態(tài)評論;主題五是比較口語化的流行網(wǎng)絡(luò)用語,分類結(jié)果與實際相符。完成微博主題語境分類后構(gòu)建微博主題詞集,如表5 所示。

    Table 5 Part of the subject word sets表5 部分主題詞集

    得到主題詞集后,利用基于遺傳算法的微博情感傾向計算方法計算詞語情感值。在算法中隨機產(chǎn)生種群P,種群大小設(shè)定為1 000,對個體進行選擇、交叉和變異操作。在本文中,將當前主題微博詞語去重后的詞語個數(shù)作為個體編碼長度,染色體編碼采用實數(shù)整數(shù)編碼,編碼范圍在[-10,10]區(qū)間,初始詞語情感值如表6 所示。用標簽數(shù)據(jù)、目標函數(shù)和適應(yīng)度函數(shù)對每個主題中的詞集運行遺傳算法,使情感值不斷迭代優(yōu)化,直到達到預(yù)定迭代次數(shù)后停止計算(本文設(shè)定迭代閾值為2 000),得到詞語情感值優(yōu)化結(jié)果如表7 所示。

    Table 6 Word initial sentiment score表6 初始詞語情感值

    Table 7 Optimization results of words sentiment score表7 詞語情感值優(yōu)化結(jié)果

    在基于遺傳算法的微博情感傾向計算方法中,用目標函數(shù)在優(yōu)化后的種群中選擇差異度最小的個體作為當前主題詞語情感值,如表8 所示。

    Table 8 Examples of the optimal sentiment score of a word表8 最優(yōu)詞語情感值示例

    微博主題語境分類后,不同的主題中可能有相同詞語,這種分類方法與同一個詞語在不同主題語境下情感傾向存在差異的實際相符,同一詞語在不同主題下的情感值如表9 所示。

    Table 9 Examples of the sentiment score of the same word in different topics表9 同一詞語在不同主題的情感值示例

    主題分類后,通過計算該主題下微博分詞對應(yīng)情感值之和判斷微博情感傾向,當微博分詞情感值之和大于等于0 時,微博的情感傾向為正極,小于0 時微博的情感傾向為負極。

    3.3 方法對比

    將本文方法(LDA-GA)與LDA、樸素貝葉斯分類(NB)、隨機森林(RF)、決策樹(DT)分別進行微博情感傾向計算對比。將精確度(P)、召回率(R)和F1 值作為評價指標,對比結(jié)果如表10 所示。

    實驗結(jié)果表明,LDA 方法的F1 值高于DT、NB 和RF 算法。原因在于,采用LDA 方法進行微博情感分析是基于語義的“文本—詞語”主題分類進行情感計算,而DT、NB 和RF 算法將詞語轉(zhuǎn)換成詞向量,未考慮詞語的語義信息,從而導(dǎo)致微博情感傾向計算效果并不夠理想。本文方法LDA-GA 的精確度、召回率和F1 值均高于LDA 方法。原因在于,LDA 方法僅利用特征情感詞計算微博情感極性,而本文方法利用遺傳算法計算所有詞語情感值,將特征情感詞和非特征情感詞聯(lián)合起來計算微博情感極性,并且根據(jù)不同主題語境計算詞語情感值,對不同主題語境下同一詞語的情感極性加以區(qū)分。

    Table 10 The experimental results of emotional tendency comparation表10 情感傾向計算對比實驗結(jié)果

    4 結(jié)語

    采用LDA 擴展模型是當前文本情感分析的重要方法之一,該方法存在兩個問題未能解決:一是同一詞語在不同語境下情感極性可能存在差異,二是沒有考慮非情感特征詞對句子或篇章情感傾向的影響。針對這兩個問題,本文提出一種基于語境分類和遺傳算法的微博情感分析方法。該方法首先利用LDA 模型構(gòu)造微博主題集及微博主題詞集,然后用微博標簽數(shù)據(jù)逐一對各微博主題詞集應(yīng)用遺傳算法自動迭代計算出詞集中詞語的情感值,最后通過主題詞集詞語的情感值計算微博文本情感極性。實驗結(jié)果表明,與基于LDA、樸素貝葉斯分類、隨機森林、決策樹的微博情感分析方法對比,本文方法的精確度、召回率和F1 均得到提高。本文方法在遺傳算法中需要反復(fù)進行迭代計算,耗時大,下一步研究工作是考慮遺傳算法加速問題。

    猜你喜歡
    主題詞極性遺傳算法
    跟蹤導(dǎo)練(四)
    基于自適應(yīng)遺傳算法的CSAMT一維反演
    一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
    基于遺傳算法和LS-SVM的財務(wù)危機預(yù)測
    表用無極性RS485應(yīng)用技術(shù)探討
    基于改進的遺傳算法的模糊聚類算法
    一種新型的雙極性脈沖電流源
    我校學(xué)報第32卷第5期(2014年10月)平均每篇有3.04個21世紀的Ei主題詞
    我校學(xué)報第32卷第6期(2014年12月)平均每篇有3.00個21世紀的Ei主題詞
    2014年第16卷第1~4期主題詞索引
    国语自产精品视频在线第100页| 久久性视频一级片| 悠悠久久av| 亚洲欧美日韩高清在线视频| 亚洲精品久久国产高清桃花| 大型黄色视频在线免费观看| 国产又色又爽无遮挡免费看| 十分钟在线观看高清视频www| 国产野战对白在线观看| 最新美女视频免费是黄的| 久久久国产欧美日韩av| 亚洲情色 制服丝袜| 亚洲国产欧美一区二区综合| 国产又色又爽无遮挡免费看| 一本综合久久免费| 久久久精品国产亚洲av高清涩受| 男人舔女人的私密视频| svipshipincom国产片| 99国产综合亚洲精品| 精品一区二区三区视频在线观看免费| 成人18禁在线播放| 亚洲精品久久国产高清桃花| 午夜免费观看网址| 麻豆成人av在线观看| 黄色丝袜av网址大全| 精品久久久久久久毛片微露脸| 国产99白浆流出| 精品一区二区三区av网在线观看| 91国产中文字幕| 国产91精品成人一区二区三区| 国产精品1区2区在线观看.| 精品午夜福利视频在线观看一区| 国产av精品麻豆| 欧美+亚洲+日韩+国产| 韩国av一区二区三区四区| 国产97色在线日韩免费| 欧美日韩乱码在线| 国产精品久久久av美女十八| 老司机深夜福利视频在线观看| 日本撒尿小便嘘嘘汇集6| 亚洲七黄色美女视频| 亚洲久久久国产精品| 少妇粗大呻吟视频| 美女扒开内裤让男人捅视频| 亚洲性夜色夜夜综合| 日韩成人在线观看一区二区三区| www日本在线高清视频| 久久这里只有精品19| 欧美日本中文国产一区发布| 成人国产一区最新在线观看| 精品一区二区三区av网在线观看| 别揉我奶头~嗯~啊~动态视频| 国产精品日韩av在线免费观看 | netflix在线观看网站| 国产熟女午夜一区二区三区| 88av欧美| 搞女人的毛片| 多毛熟女@视频| 久久天躁狠狠躁夜夜2o2o| 在线观看一区二区三区| 激情在线观看视频在线高清| 欧美一级毛片孕妇| 中文字幕另类日韩欧美亚洲嫩草| 男女午夜视频在线观看| 美国免费a级毛片| 精品日产1卡2卡| 久久久久国内视频| 国产精品日韩av在线免费观看 | 一边摸一边抽搐一进一小说| 亚洲第一青青草原| 国产高清视频在线播放一区| 精品高清国产在线一区| 非洲黑人性xxxx精品又粗又长| 久久人妻福利社区极品人妻图片| 91成年电影在线观看| 丝袜在线中文字幕| 高潮久久久久久久久久久不卡| 久久精品aⅴ一区二区三区四区| 国产aⅴ精品一区二区三区波| 51午夜福利影视在线观看| 一进一出好大好爽视频| 一区二区三区高清视频在线| 一本综合久久免费| 国产亚洲欧美精品永久| 免费搜索国产男女视频| 宅男免费午夜| 此物有八面人人有两片| 激情在线观看视频在线高清| 两个人看的免费小视频| 操美女的视频在线观看| 久久亚洲真实| 一二三四社区在线视频社区8| 女人高潮潮喷娇喘18禁视频| 曰老女人黄片| 看免费av毛片| 国产成人av教育| 亚洲av熟女| 国产精品免费一区二区三区在线| 夜夜看夜夜爽夜夜摸| 好看av亚洲va欧美ⅴa在| 国产极品粉嫩免费观看在线| cao死你这个sao货| 长腿黑丝高跟| 亚洲第一av免费看| 欧美亚洲日本最大视频资源| 麻豆一二三区av精品| 狂野欧美激情性xxxx| 欧美人与性动交α欧美精品济南到| 亚洲av电影在线进入| 国产成年人精品一区二区| 亚洲精品在线观看二区| 亚洲国产精品合色在线| 国产成人av激情在线播放| 操美女的视频在线观看| 免费搜索国产男女视频| av有码第一页| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品亚洲一级av第二区| 搡老熟女国产l中国老女人| 国产成人欧美在线观看| 久久久久九九精品影院| 精品国产乱码久久久久久男人| 欧美黄色片欧美黄色片| 一二三四社区在线视频社区8| 国产精品亚洲一级av第二区| 成人欧美大片| 三级毛片av免费| 夜夜爽天天搞| www.999成人在线观看| 一a级毛片在线观看| 一区二区三区激情视频| 黄色a级毛片大全视频| 两人在一起打扑克的视频| 高清毛片免费观看视频网站| av视频在线观看入口| 成人亚洲精品一区在线观看| 免费av毛片视频| 欧美老熟妇乱子伦牲交| 亚洲全国av大片| 色老头精品视频在线观看| av天堂久久9| 在线av久久热| 高清在线国产一区| 国产亚洲精品一区二区www| 婷婷丁香在线五月| 国产麻豆成人av免费视频| 免费人成视频x8x8入口观看| 午夜福利免费观看在线| 国产av一区二区精品久久| 国产精品综合久久久久久久免费 | 亚洲精品国产色婷婷电影| 午夜精品久久久久久毛片777| 99国产综合亚洲精品| 国产高清激情床上av| 女人被躁到高潮嗷嗷叫费观| 侵犯人妻中文字幕一二三四区| 啦啦啦观看免费观看视频高清 | 日本黄色视频三级网站网址| 又黄又爽又免费观看的视频| 国产成人精品久久二区二区91| 欧美激情 高清一区二区三区| 欧美老熟妇乱子伦牲交| 一区福利在线观看| 成人av一区二区三区在线看| 亚洲五月色婷婷综合| e午夜精品久久久久久久| 男人操女人黄网站| 亚洲aⅴ乱码一区二区在线播放 | 一区在线观看完整版| 国产精华一区二区三区| 国产精华一区二区三区| 一本久久中文字幕| 视频在线观看一区二区三区| 国产精品av久久久久免费| 午夜福利免费观看在线| 国产一区二区激情短视频| 一二三四社区在线视频社区8| 亚洲男人天堂网一区| 久久中文看片网| 久久中文看片网| 欧美午夜高清在线| 欧美黑人精品巨大| 搡老岳熟女国产| 日韩成人在线观看一区二区三区| 人人妻,人人澡人人爽秒播| www.自偷自拍.com| 国产精品国产高清国产av| 黑丝袜美女国产一区| 性欧美人与动物交配| 岛国在线观看网站| 在线观看一区二区三区| 中文亚洲av片在线观看爽| 超碰成人久久| 国产熟女xx| 精品久久久久久久人妻蜜臀av | 搡老熟女国产l中国老女人| 国产1区2区3区精品| 丁香六月欧美| 国产在线精品亚洲第一网站| 国产精品 欧美亚洲| 午夜福利成人在线免费观看| 亚洲av电影不卡..在线观看| 国产亚洲欧美精品永久| 97超级碰碰碰精品色视频在线观看| 极品人妻少妇av视频| 日本一区二区免费在线视频| 好男人在线观看高清免费视频 | 一边摸一边抽搐一进一小说| 一级片免费观看大全| 欧美激情高清一区二区三区| 黄色视频,在线免费观看| 90打野战视频偷拍视频| 亚洲性夜色夜夜综合| 日韩视频一区二区在线观看| 亚洲av电影在线进入| 欧美日韩亚洲综合一区二区三区_| 一个人免费在线观看的高清视频| 俄罗斯特黄特色一大片| 日本免费a在线| 叶爱在线成人免费视频播放| 少妇裸体淫交视频免费看高清 | 日韩高清综合在线| 给我免费播放毛片高清在线观看| 午夜精品久久久久久毛片777| 国产麻豆69| 亚洲人成电影观看| 欧美成狂野欧美在线观看| 99香蕉大伊视频| 91国产中文字幕| 久久九九热精品免费| 如日韩欧美国产精品一区二区三区| 无人区码免费观看不卡| 两人在一起打扑克的视频| а√天堂www在线а√下载| av在线天堂中文字幕| 午夜福利,免费看| 女性生殖器流出的白浆| 国产精品自产拍在线观看55亚洲| 亚洲国产精品sss在线观看| 午夜福利欧美成人| 午夜免费观看网址| 亚洲精品粉嫩美女一区| 1024视频免费在线观看| 久9热在线精品视频| 在线av久久热| 亚洲男人的天堂狠狠| 欧美久久黑人一区二区| 精品午夜福利视频在线观看一区| 婷婷丁香在线五月| 法律面前人人平等表现在哪些方面| 国产日韩一区二区三区精品不卡| 国产精品野战在线观看| 精品国产国语对白av| 手机成人av网站| 久久婷婷成人综合色麻豆| 久久人人精品亚洲av| 日本 av在线| 深夜精品福利| 免费看美女性在线毛片视频| 视频在线观看一区二区三区| tocl精华| av片东京热男人的天堂| 伦理电影免费视频| 国产99久久九九免费精品| 欧美乱色亚洲激情| 黑人巨大精品欧美一区二区mp4| 日韩免费av在线播放| 国产亚洲精品第一综合不卡| 男女做爰动态图高潮gif福利片 | 成人亚洲精品一区在线观看| 久久精品国产亚洲av高清一级| 日韩有码中文字幕| 人妻久久中文字幕网| 日日摸夜夜添夜夜添小说| 曰老女人黄片| 午夜福利高清视频| av在线播放免费不卡| АⅤ资源中文在线天堂| 亚洲国产精品成人综合色| 亚洲一卡2卡3卡4卡5卡精品中文| 久久精品国产99精品国产亚洲性色 | 亚洲精品中文字幕在线视频| 精品一区二区三区视频在线观看免费| 亚洲专区中文字幕在线| 此物有八面人人有两片| 男女午夜视频在线观看| 亚洲少妇的诱惑av| 正在播放国产对白刺激| 少妇的丰满在线观看| 亚洲第一电影网av| 久久影院123| 久久精品国产综合久久久| 黑人欧美特级aaaaaa片| 男女之事视频高清在线观看| 欧美成人性av电影在线观看| 亚洲av熟女| 一级片免费观看大全| 人人妻人人澡人人看| 69精品国产乱码久久久| 男人操女人黄网站| 国内精品久久久久久久电影| 亚洲一卡2卡3卡4卡5卡精品中文| 久久中文字幕人妻熟女| 国产色视频综合| 成人国语在线视频| 脱女人内裤的视频| 美女国产高潮福利片在线看| 在线十欧美十亚洲十日本专区| 欧美最黄视频在线播放免费| 天天一区二区日本电影三级 | 国产亚洲精品久久久久5区| 亚洲黑人精品在线| 一个人观看的视频www高清免费观看 | 成年版毛片免费区| 两性午夜刺激爽爽歪歪视频在线观看 | 日韩视频一区二区在线观看| 亚洲国产看品久久| 亚洲中文字幕一区二区三区有码在线看 | 欧美 亚洲 国产 日韩一| 搞女人的毛片| 亚洲午夜精品一区,二区,三区| 久久久久国产精品人妻aⅴ院| 亚洲国产欧美日韩在线播放| 亚洲国产欧美日韩在线播放| 妹子高潮喷水视频| 天天躁狠狠躁夜夜躁狠狠躁| 国产xxxxx性猛交| 久久亚洲精品不卡| 国产主播在线观看一区二区| av视频免费观看在线观看| 久久中文字幕一级| 精品免费久久久久久久清纯| 一夜夜www| 非洲黑人性xxxx精品又粗又长| 日本vs欧美在线观看视频| 亚洲熟女毛片儿| 国产精品国产高清国产av| 韩国av一区二区三区四区| 99久久99久久久精品蜜桃| 亚洲欧美激情在线| 动漫黄色视频在线观看| 九色亚洲精品在线播放| 久久久久国产精品人妻aⅴ院| 欧美日韩精品网址| 国产99白浆流出| 999精品在线视频| 亚洲av五月六月丁香网| 精品人妻1区二区| 亚洲精品久久成人aⅴ小说| 成在线人永久免费视频| 亚洲精品国产精品久久久不卡| 久久久精品欧美日韩精品| 国产精品自产拍在线观看55亚洲| av超薄肉色丝袜交足视频| 女人精品久久久久毛片| 亚洲国产精品久久男人天堂| 午夜免费鲁丝| 美女国产高潮福利片在线看| 亚洲专区国产一区二区| 丝袜在线中文字幕| 亚洲视频免费观看视频| 婷婷六月久久综合丁香| 久久精品国产清高在天天线| 国产精品日韩av在线免费观看 | 久9热在线精品视频| 免费在线观看黄色视频的| √禁漫天堂资源中文www| 自拍欧美九色日韩亚洲蝌蚪91| av天堂久久9| 亚洲中文日韩欧美视频| av免费在线观看网站| 女性被躁到高潮视频| 中文字幕高清在线视频| 色婷婷久久久亚洲欧美| ponron亚洲| 免费看a级黄色片| 午夜福利18| 少妇被粗大的猛进出69影院| 90打野战视频偷拍视频| 少妇裸体淫交视频免费看高清 | 国产av一区二区精品久久| 精品国产美女av久久久久小说| 99国产精品免费福利视频| 亚洲av日韩精品久久久久久密| 在线观看免费午夜福利视频| 狂野欧美激情性xxxx| 超碰成人久久| 在线观看www视频免费| 亚洲成人精品中文字幕电影| 国产精品爽爽va在线观看网站 | ponron亚洲| 男人舔女人下体高潮全视频| 黄色视频,在线免费观看| 成人手机av| 狂野欧美激情性xxxx| 午夜久久久在线观看| e午夜精品久久久久久久| 欧美激情高清一区二区三区| 欧美黑人精品巨大| 老熟妇乱子伦视频在线观看| 国产成+人综合+亚洲专区| 精品午夜福利视频在线观看一区| 日韩一卡2卡3卡4卡2021年| 欧美一级毛片孕妇| 精品国产乱子伦一区二区三区| 午夜激情av网站| 老熟妇仑乱视频hdxx| 亚洲自拍偷在线| 日韩精品免费视频一区二区三区| а√天堂www在线а√下载| 一本久久中文字幕| 日本vs欧美在线观看视频| 看免费av毛片| 久久精品亚洲精品国产色婷小说| 又紧又爽又黄一区二区| 好男人电影高清在线观看| 日本欧美视频一区| www.999成人在线观看| 人成视频在线观看免费观看| 黄色片一级片一级黄色片| 丰满人妻熟妇乱又伦精品不卡| 免费无遮挡裸体视频| 国产一区二区三区视频了| 自线自在国产av| 男男h啪啪无遮挡| 国产99久久九九免费精品| 天堂影院成人在线观看| e午夜精品久久久久久久| 久久午夜亚洲精品久久| 亚洲av成人av| 国产一区二区三区在线臀色熟女| 久久久精品欧美日韩精品| 此物有八面人人有两片| 宅男免费午夜| 制服丝袜大香蕉在线| 一卡2卡三卡四卡精品乱码亚洲| 国产1区2区3区精品| 两性午夜刺激爽爽歪歪视频在线观看 | 十分钟在线观看高清视频www| 午夜福利成人在线免费观看| 黄色毛片三级朝国网站| 美国免费a级毛片| 久久国产精品男人的天堂亚洲| 亚洲自拍偷在线| 人人妻人人爽人人添夜夜欢视频| 母亲3免费完整高清在线观看| 99riav亚洲国产免费| 18禁黄网站禁片午夜丰满| 熟女少妇亚洲综合色aaa.| 欧美乱码精品一区二区三区| 亚洲成人免费电影在线观看| 手机成人av网站| 精品电影一区二区在线| 久久精品国产清高在天天线| 嫩草影院精品99| √禁漫天堂资源中文www| 亚洲va日本ⅴa欧美va伊人久久| 久久精品国产亚洲av香蕉五月| 亚洲人成77777在线视频| 一区在线观看完整版| 91在线观看av| 12—13女人毛片做爰片一| 88av欧美| 久99久视频精品免费| 欧美大码av| 侵犯人妻中文字幕一二三四区| 亚洲久久久国产精品| 黄色视频,在线免费观看| 好男人在线观看高清免费视频 | 亚洲av成人av| 欧美成人一区二区免费高清观看 | 亚洲av成人不卡在线观看播放网| 丁香欧美五月| 嫩草影院精品99| 亚洲精品国产一区二区精华液| 9191精品国产免费久久| av中文乱码字幕在线| 日韩视频一区二区在线观看| 一级片免费观看大全| 国产区一区二久久| 国产精品一区二区免费欧美| 日韩免费av在线播放| 亚洲男人天堂网一区| 亚洲成av人片免费观看| 99国产精品99久久久久| 亚洲中文字幕日韩| 欧美午夜高清在线| 99久久国产精品久久久| 国产高清videossex| 看片在线看免费视频| 女同久久另类99精品国产91| 老汉色av国产亚洲站长工具| 一边摸一边抽搐一进一小说| 老司机午夜福利在线观看视频| 亚洲午夜理论影院| 好男人电影高清在线观看| 亚洲视频免费观看视频| 午夜老司机福利片| 黑人操中国人逼视频| 国产高清激情床上av| 狠狠狠狠99中文字幕| 亚洲av电影不卡..在线观看| 妹子高潮喷水视频| 亚洲av美国av| 大陆偷拍与自拍| 91国产中文字幕| 久99久视频精品免费| 欧美丝袜亚洲另类 | 成人18禁在线播放| 久久午夜综合久久蜜桃| 淫妇啪啪啪对白视频| 欧美乱码精品一区二区三区| 黑人巨大精品欧美一区二区mp4| 老熟妇仑乱视频hdxx| 国产一卡二卡三卡精品| 久久人妻福利社区极品人妻图片| 久久精品91无色码中文字幕| 精品一区二区三区四区五区乱码| 韩国av一区二区三区四区| 美女免费视频网站| 麻豆av在线久日| 欧美性长视频在线观看| 国内久久婷婷六月综合欲色啪| 天天躁夜夜躁狠狠躁躁| 中亚洲国语对白在线视频| 亚洲av片天天在线观看| 欧美黑人欧美精品刺激| 日本三级黄在线观看| 国产男靠女视频免费网站| 精品欧美国产一区二区三| 老熟妇乱子伦视频在线观看| 欧美日韩亚洲综合一区二区三区_| 看免费av毛片| 精品一品国产午夜福利视频| 国内精品久久久久久久电影| 一本综合久久免费| 深夜精品福利| 久久久国产成人免费| 久久影院123| 久久狼人影院| 国产精品久久视频播放| 91九色精品人成在线观看| 亚洲国产精品999在线| 久久久久久大精品| 别揉我奶头~嗯~啊~动态视频| 又紧又爽又黄一区二区| 国产精品一区二区三区四区久久 | 国产欧美日韩一区二区三区在线| 欧美日韩乱码在线| 亚洲第一电影网av| 黄网站色视频无遮挡免费观看| av视频在线观看入口| 成人三级做爰电影| av免费在线观看网站| 久久狼人影院| 香蕉国产在线看| 欧美不卡视频在线免费观看 | 成人免费观看视频高清| 黄色片一级片一级黄色片| 亚洲最大成人中文| 成在线人永久免费视频| svipshipincom国产片| 巨乳人妻的诱惑在线观看| 午夜福利在线观看吧| 国产伦一二天堂av在线观看| 美女午夜性视频免费| 国产午夜精品久久久久久| 欧美久久黑人一区二区| 亚洲少妇的诱惑av| 女警被强在线播放| 久久精品亚洲熟妇少妇任你| 黑丝袜美女国产一区| 精品久久久久久成人av| 99国产精品一区二区三区| 两个人免费观看高清视频| 一级作爱视频免费观看| 动漫黄色视频在线观看| 精品国产乱码久久久久久男人| 日日夜夜操网爽| 波多野结衣av一区二区av| 国产麻豆69| 国产视频一区二区在线看| 国产精品九九99| 两个人看的免费小视频| 一进一出抽搐gif免费好疼| 91国产中文字幕| 亚洲中文字幕一区二区三区有码在线看 | 欧美乱色亚洲激情| 欧美在线黄色| 两人在一起打扑克的视频| 亚洲午夜精品一区,二区,三区| 欧美激情高清一区二区三区| 国产精品 欧美亚洲| 97人妻精品一区二区三区麻豆 | 精品熟女少妇八av免费久了| 日韩中文字幕欧美一区二区| av在线天堂中文字幕| 91在线观看av| 最好的美女福利视频网| 日韩大码丰满熟妇| 一本综合久久免费| 久久中文字幕人妻熟女| 国产精品 欧美亚洲| 日本黄色视频三级网站网址| 久久天躁狠狠躁夜夜2o2o| 真人做人爱边吃奶动态| 亚洲熟妇中文字幕五十中出| 成人国语在线视频| 欧美成人午夜精品| 免费搜索国产男女视频| 日韩大尺度精品在线看网址 | 国产精品自产拍在线观看55亚洲| 国产区一区二久久| 涩涩av久久男人的天堂| 久久精品成人免费网站|