• <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 ?

    針對直播彈幕的TextCNN過濾模型

    2021-02-04 14:16:06明建華周建政姚金良
    計算機工程與應用 2021年3期
    關鍵詞:符號模型

    明建華,胡 創(chuàng),周建政,姚金良

    1.天鴿互動控股有限公司 項目部,杭州310105

    2.杭州電子科技大學 計算機學院,杭州310018

    隨著互聯(lián)網技術的發(fā)展,人類社會逐漸步入了信息時代。其中4G網絡的普及催生了以直播為代表的各類信息產業(yè)。直播開始融入到人們的生活當中[1],通過彈幕實現(xiàn)用戶與主播、用戶與用戶之間的互動更是成為一種新型的網絡社交方式。這種用戶自由發(fā)表內容的方式方便了信息的分享與交流,但是這種互聯(lián)網發(fā)布方式也極易被不法分子利用,發(fā)布一些非法廣告信息。各種虛假信息、垃圾信息、色情、暴力等不良短文本遍布在各類直播彈幕中,其中色情廣告在直播彈幕中最為盛行。這類色情廣告通過彈幕的方式將游客引導至色情網站或者提供色情服務的微信、QQ 等社交網絡賬號上。為了杜絕這類非法信息的傳播,直播平臺需要在服務端構建專門的程序來檢測用戶發(fā)布的內容,確認是否為非法信息。如果是非法信息,則阻止發(fā)布信息,并封禁非法賬號[2]。

    當前實際應用中最為常用的短文本過濾方法是基于關鍵詞過濾的方法[3]。該方法事先構建一個關鍵詞列表,通過檢測短文本中是否含有該關鍵詞進行判別。這種方法的效率高,但同時識別率比較低。關鍵詞列表的構建一般需要人為篩選,整個篩選過程耗時耗力。因此,在實際應用中一般選用已經構建好的通用關鍵詞列表,然后根據(jù)實際應用的結果去更新關鍵詞列表。關鍵詞列表雖然是目前最為通用的方法,但其并不能滿足實際應用的需求。隨著統(tǒng)計機器學習的發(fā)展,一些研發(fā)人員采用統(tǒng)計機器學習方法實現(xiàn)短文本過濾。樸素貝葉斯、支持向量機等方法都在短文本過濾方面取得不錯成績[4],但是短文本的字符數(shù)量有限,該類方法無法充分利用詞語的上下文,因此,其識別準確率仍難以滿足實際應用的需求。

    另外,由于非法用戶也會根據(jù)檢測系統(tǒng)改進發(fā)布內容的形式,從而躲避系統(tǒng)的識別。當前逃避識別和過濾的主要方式是對短文本中的關鍵詞進行變體。比如,將“發(fā)票”寫成“發(fā)漂”,將“裸聊”寫成“落聊”等等。統(tǒng)計已有的一些非法色情廣告信息,發(fā)現(xiàn)當前存在的主要關鍵詞變體形式為:(1)夾雜特殊符號(一般是標點類的非文字字符),比如:“QQ296『161『7102”;(2)形狀相近的字符替代,比如,“日”替換為“曰”;(3)同音或近音替換,比如:“微”替換為“為”;(4)拼音替換,“微信”替換為“weixin”;(5)關鍵詞倒序或者整句倒序;(6)中文字符拆分成偏旁和其他字符,比如:“裸”拆分為“衤果”。(7)關鍵詞繁體化;(8)對英文和數(shù)字等采用相似形狀字符的穿插,比如:“a5m2coM”;(9)對數(shù)字字符轉換為編號形式或者中文數(shù)字等,比如:“嶶765510103㈡”。

    為了應對關鍵詞的變體形式,通常采用一種關鍵詞擴展的方法。該方法將關鍵詞表根據(jù)可能的變體形式構造關鍵詞的變體形式,并作為關鍵詞表的一部分。另外,為了應對關鍵詞變體,溫園旭提出了提取變體特征的方法[5]。該方法提出采用一些規(guī)則構建特征來表達可能出現(xiàn)的關鍵詞變體形式,然后采用貝葉斯分類器進行識別。但是采用構建規(guī)則的方式提取變體特征容易被非法用戶識別,從而非法用戶可以方便地更新變體的產生方式來逃避系統(tǒng)的識別。另外,人為地構建變體特征是一項比較困難的工作。

    針對當前方法難于有效處理關鍵詞變體和傳統(tǒng)短文本分類方法準確率不高的問題,本文提出利用深度學習技術在樣本中發(fā)現(xiàn)可能的變體特征,并挖掘字符之間的相關性特征,提高帶噪短文本的分類準確率的方法。該方法利用深度學習強大的學習能力,并且易于根據(jù)樣本進行更新,從而能快速應對新出現(xiàn)的變體形式。該方法可部署于各類直播彈幕檢測的服務器端,實現(xiàn)對用戶提交的帶噪短文本的自動識別,阻止有害信息的傳播。

    1 相關工作

    帶噪短文本識別和過濾是保障網絡內容安全的重要手段,它涉及自然語言處理、信息檢索、信息過濾和模式識別等多個領域。在現(xiàn)有關鍵詞過濾方法準確率低的情況下,許多學者都開始研究機器學習在短文本過濾中的應用。韓偉在其碩士論文中實現(xiàn)了樸素貝葉斯、決策樹、支持向量機、k近鄰、隨機森林在短文本過濾中的應用[6],取得了不錯的成果。也有學者如劉梅彥、黃改娟通過依存句法獲取語句的語義框架來研究文本信息內容[7],分析出文本的感情狀態(tài)。從而判定文本是否是某一特殊情感傾向的文本,如包含暴力、色情、詐騙、垃圾信息等的文本。

    國外在文本信息過濾方面的研究大多以檢測垃圾郵件為主[8-11],而在短文本識別過濾和用戶檢測方面主要專注于以網絡垃圾用戶為主的用戶識別。如在電子商務領域,利用用戶評價數(shù)據(jù)判斷是否為極端用戶。在社交網絡領域,利用推特用戶的昵稱、發(fā)布的信息,實現(xiàn)垃圾用戶的檢測與識別[12-13]。

    2 針對直播彈幕的TextCNN過濾方法

    本文提出的針對直播彈幕的TextCNN 過濾方法分為訓練過程和實時識別過程。具體方法流程見圖1。在訓練過程中,首先對訓練樣本進行預處理,通過對訓練樣本中噪聲部分的識別、分類處理,降低了噪聲對短文本識別準確率的影響。預處理后得到的數(shù)據(jù)作為訓練模型的輸入。接下來,構建Text CNN過濾模型,通過調節(jié)訓練參數(shù)改善模型訓練的結果。最終,得到訓練好的TextCNN過濾模型。

    圖1 針對直播彈幕的TextCNN過濾方法示意圖

    在實時識別過程中,將實時的帶噪短文本通過同樣的預處理過程得到用于實時識別的數(shù)據(jù)輸入。應用訓練過程得到的TextCNN過濾模型,得到分類結果。

    2.1 帶噪短文本的預處理

    預處理的目標是減少噪聲的影響,雖然噪聲符號也可以作為詞匯進行短文本卷積神經網絡的訓練,但是由于噪聲符號添加的多樣性和訓練樣本數(shù)據(jù)的稀疏性,直接通過預處理去掉這些噪聲符號可以更好地應對各種符號變換的噪聲添加操作。預處理步驟通過6 個處理過程對輸入的帶噪短文本進行處理。處理的結果可以直接用于CNN短文本過濾模型的訓練或實時識別。

    如圖2 所示,本文方法的預處理步驟包括:數(shù)字字符標準化、英文字符標準化、繁體中文字符轉簡體中文字符、特殊意義符號處理、去除夾雜噪聲符號、連續(xù)數(shù)字字符統(tǒng)一表示和字符串切分6個處理過程。

    圖2 帶噪短文本預處理流程圖

    如圖3 所示,數(shù)字字符標準化是將所有unicode 編碼下具有數(shù)字意義的編碼符號轉換為標準的數(shù)字字符編碼。比如:將“ ⑦”“零”“ ㈡”分別轉換為“7”“0”“2”樣式的標準數(shù)字字符。為了實現(xiàn)這一轉換過程,本文通過查看unicode 編碼下的所有具有數(shù)字意義的符號,根據(jù)數(shù)字符號的有序性,構建編碼轉換的對應關系。比如:“①”到“?”的符號在unicode 編碼表中是有序排列的,對于“①”到“⑨”,本文通過以下公式實現(xiàn)變換:ch_out=chr(ord(ch)-ord(“①”)+ord(“1”))。其中ord 函數(shù)是獲得字符的unicode 編碼,chr 函數(shù)是通過unicode編碼獲得對應的字符。類似的,對于“⑩”<=ch<=“ ?”,ch_out=“1”+chr(ord(ch)-ord(“ ⑩”)+ord(“0”));對于“?”則特殊處理,如果ch 為?,則輸出直接賦值為“20”。以同樣的方式,本文的數(shù)字字符標準化處理了“:0”<=ch<=“9”“、⑴”<=ch<==ch<=<=、對于“⒈”<=ch<=“ ⒛”和“0點”<=ch<=“24點”,則在轉換的結果后面添加“點”符號。對于“1日”<=ch<=“31日”,則在轉換的結果后面添加‘日’符號。對于“零一二三四五六七八九十”和“壹貳叁肆伍陸柒捌玖”中的字符,則通過index函數(shù)獲取輸入字符在該字符串中的位置,然后通過str 函數(shù)將位置的整數(shù)值轉換為字符。而對于非數(shù)字意義的符號,數(shù)字字符標準化不進行處理,直接返回原來的字符。

    圖3 數(shù)字字符標準化

    如圖4所示,英文字符標準化是將所有的具有相似形狀的不同編碼的字母符號轉換為標準的小寫英文字符。比如:將”分別轉換為“a”“f”“k”樣式的標準小寫英文字符。由于相似的字母符號在unicode編碼表中沒有統(tǒng)一的連續(xù)的進行編碼,因此本文通過構建一個字典結構的對照表進行實現(xiàn)。為此,本文用一個文件存儲形狀相似字母符號;將unicode 中形狀相似的字母符號保存為文件中的一行。比如:

    其中第一個“h”為標準字母,并用“:”將形狀相似的字母分開。后續(xù)的相似字母通過空格分隔。本文中構建了所有26個英文字母的形狀相似符號對應關系。通過該文件,可以創(chuàng)建一個字典結構,其中的鍵為形狀相似字符,值為標準英文字符。通過查找該字典實現(xiàn)字符的轉換。對于大寫字母則通過常用的大寫字母轉小寫字母函數(shù)實現(xiàn)。英文字母標準化對于非英文字母,則原樣輸出[14]。

    圖4 英文字符標準化

    如圖5所示,繁體中文字符轉簡體中文字符是將字符串中可能存在的繁體中文字符轉換為簡體形式。本文通過構建一個對應關系的表進行實現(xiàn)。該表是通過查找unicode編碼中所有簡體和繁體不一樣的所有中文字符實現(xiàn)。同樣采用了字典結構實現(xiàn)快速的轉換。實現(xiàn)的時候使用了zhtools 這個python 包。該包構建了簡體和繁體的對應關系。

    圖5 繁體中文字符轉簡體中文字符

    如圖6所示,特殊意義符號轉換處理是將一些具有特殊意義的符號轉換為對應的特定意義的符號。比如:將等形狀類似“+”的符號轉換為中文字符“加”。因為這些特殊意義的字符代表了特定的語義信息,并且比較重要。很多的噪聲添加模式就是通過將有意義的特定中文字符轉換為這類字符,并通過形狀相似性進行了替換。為此,本文采用類似于相似形狀英文字母的轉換方法進行實現(xiàn),構建了一個對照表,比如:

    最后通過字典結構實現(xiàn)轉換。本文通過對語料的分析查找可能存在的特殊意義的符號,并構建對照表實現(xiàn)特殊意義字符的轉換。

    圖6 特殊意義符號轉化

    如圖7所示,去除夾雜噪聲符號是對經過上述字符轉換操作后得到的短文本過濾掉非中文字符、非英文字符和非數(shù)字字符的所有符號,比如:

    標準化字符后的字符串這一操作比較容易實現(xiàn),直接去除上述非中文字符、非英文字符和非數(shù)字字符的所有符號即可。

    圖7 去除夾雜噪聲符號

    如圖8所示,連續(xù)數(shù)字字符表示是將經過以上處理的短文本中連續(xù)的數(shù)字字符根據(jù)數(shù)字字符的個數(shù)表示為“”的形式,其中n表示連續(xù)的數(shù)字字符的個數(shù)。比如:將“摳摳2517645947”表示為“摳摳”。進行這樣表示的目的是為了消除數(shù)值的多樣性和訓練數(shù)據(jù)的稀疏性。比如:QQ 號碼一般是大于7 位數(shù)字字符,而與數(shù)量有關的數(shù)字一般都小于7 位數(shù),從而方便后續(xù)的深度學習模型的特征提取和訓練,并能應對在訓練樣本中未出現(xiàn)過的QQ號碼。

    圖8 連續(xù)數(shù)字字符表示

    如圖9所示,字符串切分是經過上述字符轉換后對短文本進行切分。在本文中,中文字符被單獨切分為一個字符,連續(xù)的英文字符被切分為一個單元,連續(xù)的數(shù)字字符用“”作為一個單元。比如:“jia摳摳”被切分為“jia 摳 摳”。

    圖9 字符串切分

    2.2 TextCNN過濾模型

    TextCNN過濾模型(見圖10)包括:一個詞向量的嵌入層,用于將字符轉換為向量表示;然后根據(jù)卷積的尺度進行卷積,一個卷積核可以得到len(sequence)-filter_size+1 個卷積結果;然后對所有的卷積結果進行ReLu激活函數(shù)進行非線性處理;再對處理結果用最大值池化,每一個filter 得到一個值。最后將所有的filter 值通過全連接層輸入到softmax進行分類。

    圖10 TextCNN模型示意圖

    預處理步驟可以消除大部分噪聲字符的影響?;陬A處理后的數(shù)據(jù)構建詞向量表,利用tensorflow 中的VocabularyProcessor 函數(shù)設定TextCNN 過濾模型的詞嵌入層的詞向量長度為128。卷積層的尺度設置為(3,4,5),也就是卷積核的尺寸分別為3、4、5。從而可以捕獲跨度分別為3、4、5 個字符之間的關系。另外,對每個卷積尺度又設置128 個濾波器。設定非線性函數(shù)為Relu 函數(shù)。在池化層采用最大值池化,也就是一個濾波器返回的結果向量中取最大的值作為池化層的輸出結果。

    構建好深度學習的網絡模型后,需要設定損失函數(shù),從而通過最優(yōu)化來得到模型在訓練樣本集上最優(yōu)的參數(shù)。本文中卷積神經網絡模型訓練時設定的損失函數(shù)為:

    其中l(wèi)2_loss為了防止參數(shù)過擬合增加了參數(shù)正則項。該正則項作用于softmax 前的全連接層的權重。loss1為交差熵損失函數(shù)。本模型采用tensorflow函數(shù)softmax_cross_entropy_with_logits進行實現(xiàn)。其首先對全連接層的輸出(輸出為每個類別的值)進行softmax函數(shù)運算:

    從而將輸出轉換為屬于每個類的概率值;然后對softmax 函數(shù)的輸出與真實樣本的標簽(類別)做交差熵。Tf.reduce_mean函數(shù)用于計算loss1中一個batch的平均交差熵。因此,本模型的損失函數(shù)包括交叉熵函數(shù)和權重正則項損失,其中Lambda為兩者之間的權重[15]。

    接下來,設定最優(yōu)化方法,通過梯度下降算法來計算參數(shù)的最優(yōu)解。本模型采用的是Adam 最優(yōu)化方法。Adam算法根據(jù)損失函數(shù)對每個參數(shù)的梯度的一階矩估計和二階矩估計動態(tài)調整針對于每個參數(shù)的學習速率。Adam 方法的學習步長有一個范圍,不會因為某個樣本上產生很大的梯度導致很大的學習步長,參數(shù)變化比較穩(wěn)定。

    3 實驗及結果分析

    為了測試本文設計的過濾模型的效果,實驗采用了來自視頻直播平臺上的數(shù)據(jù)。特此說明,本次論文的數(shù)據(jù)來源于天鴿互動控股有限公司旗下喵播、歡樂吧等在線直播平臺。平臺通過用戶的發(fā)帖行為模式獲取了色情廣告短文本13萬條,正常短文本8萬條,總樣本數(shù)21萬條。在實驗過程中,將色情廣告短文本、正常短文本按照9∶1的比例,劃分為訓練集和測試集。對比實驗中采用同樣的數(shù)據(jù)集,通過統(tǒng)計關鍵詞出現(xiàn)的次數(shù)構建樸素貝葉斯模型[16]及SVM模型。

    如圖11 所示,作為對比實驗的樸素貝葉斯模型。在其實驗過程中,先通過jieba 分詞對訓練數(shù)據(jù)集進行處理并統(tǒng)計詞頻,將詞頻較高的關鍵詞0-1 向量化作為輸入。接下來縱向比較不同輸入向量維度下樸素貝葉斯模型的識別準確率,即圖11 橫坐標表示輸入向量維度??梢钥吹?,當輸入向量維度為2 000 時,召回率、精準率、準確率趨于平緩。此外,在實驗過程中隨著輸入向量維度的增加,所占用的計算資源也越來越大。故在接下來實驗結果橫向對比中,采用樸素貝葉斯模型在輸入向量維度為4 700時的各項指標。

    圖11 樸素貝葉斯實驗結果

    SVM模型的特征輸入采用word2vec向量化表示的方法。事實上,當SVM 模塊采用與樸素貝葉斯模型相同輸入特征時可以取得與樸素貝葉斯模型相近甚至更好的識別準確率,但其消耗的計算資源也比樸素貝葉斯模型更大,無法滿足高效識別的要求。故SVM 模型和本文提出的模型均采用word2vec向量化后的輸入。

    SVM 模型、4 700 維輸入向量下的樸素貝葉斯模型和本文提出的Text CNN短文本過濾模型進行比較。結果見表1。

    表1 橫向對比結果%

    從實驗結果上看,本文提出的針對直播彈幕的TextCNN 過濾模型的準確率達到90.6%,高于樸素貝葉斯模型的81.2%,且遠高于SVM模型的53.6%??梢缘玫剑疚奶岢龅尼槍χ辈椖坏腡extCNN過濾模型是優(yōu)于樸素貝葉斯模型和SVM模型的。

    可以看到,word2vec 向量化作為輸入的SVM 模型在可接受的時間下能夠被計算出來,同時也損失了準確率,甚至低于樸素貝葉斯模型。

    此外,單從統(tǒng)計學角度去分析數(shù)據(jù)的樸素貝葉斯是無法充分考慮到詞語的上下文。如表2中非法彈幕“主播的衣服應該直接脫掉”,單從“主播”“衣服”“脫掉”這幾個關鍵詞考慮,樸素貝葉斯模型的判定結果是正常的。而針對直播彈幕的TextCNN短文本則考慮到了“衣服”“脫掉”之間的聯(lián)系,從而給出了正確的判定結果。除此之外,直播彈幕這一短文本類型還有著重復率高的特點。統(tǒng)計單個字在正負樣本出現(xiàn)的次數(shù),訓練樣本發(fā)現(xiàn)總共出現(xiàn)17 286個單字,其中正常短文本出現(xiàn)16 722個單字,不良短文本出現(xiàn)15 072個單字。大部分字在正負樣本中都有出現(xiàn),使得只依靠關鍵詞或者統(tǒng)計學的方法難以取得高的準確率,甚至低于同類方法在垃圾郵件等其他文本分類上的準確率。總的來說,統(tǒng)計學類的機器學習方法因難以充分考慮帶噪短文本字符之間的關系,使得其難以得到高的識別準確率。而且,在直播彈幕這類字符重復率高的特殊短文本的應用上表現(xiàn)更差。本文提出的Text CNN 短文本過濾模型,則通過利用字符之間的關系,在一定程度上解決了直播彈幕識別率低的問題。但是,本文提出的模型準確率還有提升的空間。盡管本文提出的方法消除了大部分噪音的影響,也利用了詞語的上下文。但是中文字符的同音字符替換這個難點問題仍有待進一步的優(yōu)化。

    表2 識別結果示例

    此外,為了說明預處理過程的重要性,還做了有無預處理過程的TextCNN過濾模型的實驗對比。

    從表3的結果可以看到,噪聲對實驗結果的影響巨大,預處理過程能夠更好地幫助模型識別非法彈幕。

    表3 實驗結果%

    本章中共進行了三組實驗。第一組實驗中,通過縱向對比不同輸入向量維度下的樸素貝葉斯模型,得到結論:隨著輸入向量維度的增加,樸素貝葉斯模型的識別準確率在增加,但所占用的計算資源也在增加。第二組實驗,橫向對比了樸素貝葉斯模型、SVM模型和本文提出的針對直播彈幕的TextCNN 過濾模型。需要特別說明的是,當SVM 模型采取和樸素貝葉斯相同的數(shù)據(jù)輸入時,SVM 模型將占用更大的計算資源,故盡管采用word2vec 向量化的輸入的SVM 模型表現(xiàn)更差,但其所需的計算資源更少,也只好用其作為對比實驗之一。第二組實驗的對比結果也充分說明了本文提出的模型優(yōu)于其他兩種模型,其原因在于本文提出模型,不僅考慮了關鍵詞是否在當前語句存在,更進一步了考慮了當前語句中存在的關鍵詞間的關系。從而能更準確地識別非法彈幕。第三組實驗則對比了有無預處理過程的TextCNN 模型,可以看到無預處理過程的模型表現(xiàn)極差,這也驗證了前文所說的非法彈幕的發(fā)送者開始有意識地規(guī)避檢測。

    4 結束語

    本文提出了一種針對直播彈幕場景下的TextCNN過濾模型。相較于統(tǒng)計機器學習方法,此方法能夠更深入地考慮到詞語的上下文,從而提高了識別的準確率和召回率。在TextCNN過濾模型中,通過綜合考慮單個關鍵詞的屬性和關鍵字之間的關系,判斷整個短文本的性質。在帶噪短文本預處理的過程中,通過6種方式來降低噪聲的影響。在一定程度上,使得直播彈幕場景下短文本識別達到一個較高的水平。但是帶噪短文本預處理的過程中,仍無法消除中文同音字的影響,使得本文提出的針對直播彈幕的TextCNN 過濾模型在短文本識別里還有進步的空間,需要以后深入研究,不斷完善。

    猜你喜歡
    符號模型
    一半模型
    學符號,比多少
    幼兒園(2021年6期)2021-07-28 07:42:14
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權M-估計的漸近分布
    “+”“-”符號的由來
    變符號
    3D打印中的模型分割與打包
    FLUKA幾何模型到CAD幾何模型轉換方法初步研究
    倍圖的全符號點控制數(shù)
    圖的有效符號邊控制數(shù)
    国产三级中文精品| 日日摸夜夜添夜夜添av毛片| 国产一区二区在线av高清观看| 又粗又爽又猛毛片免费看| 日本成人三级电影网站| 欧美最新免费一区二区三区| 黄色日韩在线| 国产成人一区二区在线| 成人欧美大片| 亚洲天堂国产精品一区在线| 蜜桃亚洲精品一区二区三区| 桃色一区二区三区在线观看| 成人午夜高清在线视频| 国产精品久久久久久精品电影| 国产蜜桃级精品一区二区三区| 日韩av不卡免费在线播放| 久久久久国产网址| 午夜视频国产福利| 精品人妻一区二区三区麻豆 | 日韩成人av中文字幕在线观看 | 美女高潮的动态| 秋霞在线观看毛片| 成人性生交大片免费视频hd| 最近视频中文字幕2019在线8| 国产精品久久久久久精品电影| h日本视频在线播放| 国产伦一二天堂av在线观看| 人妻久久中文字幕网| 蜜桃久久精品国产亚洲av| 女人被狂操c到高潮| 日本黄色片子视频| aaaaa片日本免费| 99riav亚洲国产免费| 欧美性猛交黑人性爽| 一级毛片电影观看 | 日本爱情动作片www.在线观看 | 极品教师在线视频| 18禁裸乳无遮挡免费网站照片| 九九热线精品视视频播放| 亚洲av.av天堂| 亚洲国产精品sss在线观看| 男女啪啪激烈高潮av片| 成人美女网站在线观看视频| 一边摸一边抽搐一进一小说| 久久久久久久午夜电影| 亚洲av成人av| 精品一区二区免费观看| www.色视频.com| 精品午夜福利在线看| 日韩精品有码人妻一区| 色哟哟哟哟哟哟| 又黄又爽又免费观看的视频| 国产精品久久久久久久电影| 日本黄色视频三级网站网址| 色5月婷婷丁香| 一卡2卡三卡四卡精品乱码亚洲| 亚洲成人久久爱视频| 少妇猛男粗大的猛烈进出视频 | 国产色爽女视频免费观看| a级毛色黄片| 亚洲激情五月婷婷啪啪| 亚洲专区国产一区二区| 亚洲电影在线观看av| 亚洲成人久久性| 大型黄色视频在线免费观看| 黄色日韩在线| 成人精品一区二区免费| 国产伦精品一区二区三区四那| 尾随美女入室| 国内精品久久久久精免费| 老司机福利观看| 最近的中文字幕免费完整| 俺也久久电影网| 我要搜黄色片| 国产一区二区激情短视频| 日韩制服骚丝袜av| av在线观看视频网站免费| 亚洲一区二区三区色噜噜| 亚洲av五月六月丁香网| 欧美高清成人免费视频www| 国产又黄又爽又无遮挡在线| 老司机午夜福利在线观看视频| 精品一区二区三区视频在线| 性插视频无遮挡在线免费观看| 国产精品精品国产色婷婷| 国产一区亚洲一区在线观看| 精华霜和精华液先用哪个| ponron亚洲| 国产视频一区二区在线看| 国产免费男女视频| 国产伦精品一区二区三区四那| 真实男女啪啪啪动态图| 亚洲成a人片在线一区二区| 日本欧美国产在线视频| 卡戴珊不雅视频在线播放| 深爱激情五月婷婷| 国产精品日韩av在线免费观看| 97超视频在线观看视频| 少妇丰满av| 国产三级在线视频| 中文字幕av成人在线电影| 高清午夜精品一区二区三区 | 天堂网av新在线| 久久久久精品国产欧美久久久| 久久久国产成人精品二区| 国产黄色视频一区二区在线观看 | 国内精品美女久久久久久| 免费无遮挡裸体视频| 欧美激情国产日韩精品一区| 在线国产一区二区在线| 精品久久久噜噜| 中文在线观看免费www的网站| 国产精品久久久久久久久免| 少妇人妻精品综合一区二区 | 亚洲av美国av| 国产精品av视频在线免费观看| 深夜a级毛片| 亚洲精品一区av在线观看| 一进一出抽搐gif免费好疼| 国产一级毛片七仙女欲春2| 波野结衣二区三区在线| 欧美不卡视频在线免费观看| 国产精品99久久久久久久久| 小蜜桃在线观看免费完整版高清| 久久久精品大字幕| 午夜久久久久精精品| 亚洲精品乱码久久久v下载方式| 晚上一个人看的免费电影| a级毛色黄片| 国产日本99.免费观看| 日韩 亚洲 欧美在线| 在线免费十八禁| 精品一区二区三区视频在线| 久久九九热精品免费| 天天躁日日操中文字幕| 69av精品久久久久久| 日韩成人av中文字幕在线观看 | 国产激情偷乱视频一区二区| 国产精品电影一区二区三区| 午夜精品一区二区三区免费看| 十八禁国产超污无遮挡网站| 天堂影院成人在线观看| 亚洲图色成人| 色尼玛亚洲综合影院| 国产精品久久电影中文字幕| 老司机福利观看| 欧美另类亚洲清纯唯美| 亚洲av电影不卡..在线观看| 晚上一个人看的免费电影| 欧美成人免费av一区二区三区| а√天堂www在线а√下载| 午夜免费激情av| 给我免费播放毛片高清在线观看| 久久久久九九精品影院| 午夜免费激情av| 一本久久中文字幕| 校园春色视频在线观看| 亚洲av中文字字幕乱码综合| 99热这里只有是精品50| 日本一本二区三区精品| 精品久久久久久久久久免费视频| 久久人妻av系列| 日本一本二区三区精品| 成人综合一区亚洲| 国产精品电影一区二区三区| 日日摸夜夜添夜夜添小说| 国产欧美日韩精品一区二区| 国产毛片a区久久久久| 亚洲av五月六月丁香网| av福利片在线观看| 变态另类成人亚洲欧美熟女| 免费av不卡在线播放| 国产亚洲精品久久久久久毛片| 成人特级黄色片久久久久久久| 高清午夜精品一区二区三区 | 欧美区成人在线视频| 成人特级黄色片久久久久久久| 寂寞人妻少妇视频99o| 久久久久久九九精品二区国产| 欧美+亚洲+日韩+国产| 免费看a级黄色片| 亚洲欧美日韩无卡精品| 国产一区二区在线观看日韩| 日本 av在线| 国产成人91sexporn| 美女黄网站色视频| 少妇的逼好多水| 嫩草影院精品99| 男女之事视频高清在线观看| 久久韩国三级中文字幕| 一区二区三区免费毛片| 春色校园在线视频观看| 人妻少妇偷人精品九色| 夜夜夜夜夜久久久久| 国产91av在线免费观看| 99久久成人亚洲精品观看| 老师上课跳d突然被开到最大视频| 男女那种视频在线观看| 亚洲无线在线观看| 99国产极品粉嫩在线观看| 69人妻影院| 国产视频内射| 黄色日韩在线| 国产毛片a区久久久久| 国产伦精品一区二区三区四那| 亚洲美女搞黄在线观看 | 国产女主播在线喷水免费视频网站 | 国产成人a∨麻豆精品| 久久久久久大精品| 国产精品国产三级国产av玫瑰| 久久人人精品亚洲av| 中文字幕av成人在线电影| 国产精品久久久久久亚洲av鲁大| 天天躁夜夜躁狠狠久久av| 亚洲av中文av极速乱| 亚洲欧美日韩无卡精品| 日本精品一区二区三区蜜桃| 五月玫瑰六月丁香| 日本精品一区二区三区蜜桃| 91久久精品国产一区二区三区| av在线天堂中文字幕| 亚洲国产精品成人综合色| 国产成人影院久久av| 亚洲国产色片| 国产单亲对白刺激| 日本在线视频免费播放| 欧美国产日韩亚洲一区| 免费观看精品视频网站| 亚洲成av人片在线播放无| 看免费成人av毛片| 熟女电影av网| 男人舔奶头视频| 婷婷色综合大香蕉| 99热只有精品国产| 舔av片在线| 91久久精品国产一区二区成人| 久久午夜福利片| 国产片特级美女逼逼视频| 亚洲成a人片在线一区二区| 欧美高清性xxxxhd video| 最近在线观看免费完整版| 成人性生交大片免费视频hd| 男人狂女人下面高潮的视频| 国产精品永久免费网站| 大又大粗又爽又黄少妇毛片口| 日韩成人伦理影院| 99久久九九国产精品国产免费| av.在线天堂| 日日啪夜夜撸| avwww免费| 亚洲av成人av| 男女之事视频高清在线观看| 国产成人影院久久av| 亚洲成人中文字幕在线播放| 少妇高潮的动态图| 国产精品人妻久久久久久| 又爽又黄无遮挡网站| 一进一出抽搐动态| 日日干狠狠操夜夜爽| 日本欧美国产在线视频| 国产真实乱freesex| 亚洲人成网站在线播| 久久人妻av系列| 两性午夜刺激爽爽歪歪视频在线观看| 国产毛片a区久久久久| 久久精品人妻少妇| 一本久久中文字幕| 婷婷精品国产亚洲av| 欧美性猛交黑人性爽| 国产精品永久免费网站| 久久国产乱子免费精品| 精品无人区乱码1区二区| 一个人看的www免费观看视频| 久久精品综合一区二区三区| 亚洲图色成人| 亚洲自拍偷在线| 亚洲欧美日韩高清专用| 三级男女做爰猛烈吃奶摸视频| 久久精品影院6| 精品国产三级普通话版| 最后的刺客免费高清国语| 国产精品亚洲美女久久久| 黑人高潮一二区| 如何舔出高潮| 人人妻人人澡欧美一区二区| 可以在线观看的亚洲视频| 97超碰精品成人国产| 亚洲中文字幕日韩| 亚洲精品成人久久久久久| 日本色播在线视频| 欧美性猛交黑人性爽| 狠狠狠狠99中文字幕| 国产美女午夜福利| 乱码一卡2卡4卡精品| 欧美激情久久久久久爽电影| 国产真实伦视频高清在线观看| 久久久久久久久久黄片| 成年女人永久免费观看视频| 男女视频在线观看网站免费| 91精品国产九色| 亚洲性久久影院| av天堂在线播放| 淫秽高清视频在线观看| 亚洲国产精品成人久久小说 | 欧美不卡视频在线免费观看| 3wmmmm亚洲av在线观看| 国产一区二区三区在线臀色熟女| 亚洲国产色片| 青春草视频在线免费观看| 久久精品夜夜夜夜夜久久蜜豆| 秋霞在线观看毛片| 久久久久久九九精品二区国产| 国产精品久久视频播放| 国产精品一区二区三区四区免费观看 | 国产精品日韩av在线免费观看| 99久久成人亚洲精品观看| 亚洲成人精品中文字幕电影| 99热全是精品| 久久精品人妻少妇| 亚洲人与动物交配视频| 1000部很黄的大片| 给我免费播放毛片高清在线观看| 国产老妇女一区| 日本a在线网址| 人人妻人人看人人澡| 亚洲av.av天堂| 亚洲人成网站在线播| 少妇人妻一区二区三区视频| 久久99热6这里只有精品| 大型黄色视频在线免费观看| 最近在线观看免费完整版| 国产高清不卡午夜福利| 性插视频无遮挡在线免费观看| 中文资源天堂在线| or卡值多少钱| 午夜免费男女啪啪视频观看 | 国产亚洲精品av在线| 亚洲va在线va天堂va国产| 99久久精品国产国产毛片| 久久人人爽人人爽人人片va| 一个人免费在线观看电影| 成人性生交大片免费视频hd| 国产午夜精品论理片| 久久久久久大精品| 18+在线观看网站| 十八禁网站免费在线| 又爽又黄a免费视频| 国产一区二区在线观看日韩| 国产v大片淫在线免费观看| av天堂在线播放| 午夜激情欧美在线| 蜜臀久久99精品久久宅男| 一进一出抽搐动态| 亚洲精品亚洲一区二区| 久久精品国产亚洲网站| 国产精品久久久久久亚洲av鲁大| 久久精品国产亚洲网站| 免费看a级黄色片| 最近2019中文字幕mv第一页| 22中文网久久字幕| 国产精品美女特级片免费视频播放器| 欧美一区二区精品小视频在线| 国产精华一区二区三区| 成年女人看的毛片在线观看| 99久久精品国产国产毛片| 中文亚洲av片在线观看爽| 成人无遮挡网站| 三级经典国产精品| 亚洲精品久久国产高清桃花| 小说图片视频综合网站| 99riav亚洲国产免费| h日本视频在线播放| 一区二区三区四区激情视频 | 夜夜看夜夜爽夜夜摸| 性插视频无遮挡在线免费观看| 大香蕉久久网| av卡一久久| 日韩精品中文字幕看吧| 91久久精品国产一区二区成人| 国产探花极品一区二区| 日本爱情动作片www.在线观看 | 日韩欧美精品免费久久| 九九在线视频观看精品| 高清毛片免费观看视频网站| 日本黄色视频三级网站网址| 日本欧美国产在线视频| 国内少妇人妻偷人精品xxx网站| 成人性生交大片免费视频hd| 此物有八面人人有两片| 麻豆精品久久久久久蜜桃| 久久欧美精品欧美久久欧美| 欧美丝袜亚洲另类| 一个人看的www免费观看视频| 欧美性猛交╳xxx乱大交人| 日日摸夜夜添夜夜添av毛片| 免费大片18禁| 久久鲁丝午夜福利片| 69人妻影院| 国产成人freesex在线 | 91久久精品电影网| 国产黄色视频一区二区在线观看 | 小说图片视频综合网站| 禁无遮挡网站| 麻豆久久精品国产亚洲av| 一本一本综合久久| 男女啪啪激烈高潮av片| 麻豆精品久久久久久蜜桃| 村上凉子中文字幕在线| 91精品国产九色| 午夜a级毛片| 亚洲国产精品国产精品| 日韩欧美三级三区| 联通29元200g的流量卡| 欧美一区二区国产精品久久精品| 色5月婷婷丁香| 欧美一区二区亚洲| 成人高潮视频无遮挡免费网站| 亚洲精品粉嫩美女一区| 99热全是精品| 国产精品不卡视频一区二区| 日韩欧美 国产精品| 97超视频在线观看视频| 日本a在线网址| 欧美另类亚洲清纯唯美| 两个人的视频大全免费| 最近2019中文字幕mv第一页| 亚洲美女黄片视频| 又爽又黄无遮挡网站| 黄片wwwwww| 久久久久久久久久久丰满| 久久精品夜夜夜夜夜久久蜜豆| 亚洲国产精品国产精品| 长腿黑丝高跟| 在线国产一区二区在线| 午夜亚洲福利在线播放| 欧美最新免费一区二区三区| 少妇的逼好多水| 久久精品国产99精品国产亚洲性色| 国产精品不卡视频一区二区| 联通29元200g的流量卡| ponron亚洲| 露出奶头的视频| 51国产日韩欧美| 国内精品一区二区在线观看| 日本与韩国留学比较| 我要看日韩黄色一级片| 色av中文字幕| 国内少妇人妻偷人精品xxx网站| 在线观看午夜福利视频| 亚洲性久久影院| 成年女人永久免费观看视频| 国产精品一区二区免费欧美| 黄片wwwwww| 久久人人爽人人片av| 亚洲中文字幕日韩| 日韩av在线大香蕉| 91在线观看av| 亚洲自偷自拍三级| 直男gayav资源| 97人妻精品一区二区三区麻豆| 在线免费十八禁| 精品熟女少妇av免费看| 非洲黑人性xxxx精品又粗又长| 亚洲乱码一区二区免费版| 成熟少妇高潮喷水视频| 久久中文看片网| 啦啦啦韩国在线观看视频| 国产精品女同一区二区软件| 免费av不卡在线播放| 国产欧美日韩一区二区精品| 亚洲美女黄片视频| 又爽又黄a免费视频| 床上黄色一级片| 中国美白少妇内射xxxbb| 免费搜索国产男女视频| 永久网站在线| 麻豆av噜噜一区二区三区| 婷婷六月久久综合丁香| 国产色婷婷99| 99九九线精品视频在线观看视频| 伦理电影大哥的女人| 日本一二三区视频观看| 日韩精品青青久久久久久| 欧美成人精品欧美一级黄| 一进一出好大好爽视频| 日韩一区二区视频免费看| 偷拍熟女少妇极品色| 亚洲色图av天堂| 国产欧美日韩一区二区精品| 少妇人妻一区二区三区视频| 国产色爽女视频免费观看| 97在线视频观看| 日韩国内少妇激情av| 国模一区二区三区四区视频| 又粗又爽又猛毛片免费看| 蜜桃亚洲精品一区二区三区| 深夜精品福利| 欧美激情国产日韩精品一区| 一本久久中文字幕| 国产成人精品久久久久久| 一本久久中文字幕| 亚洲精华国产精华液的使用体验 | 久久精品国产鲁丝片午夜精品| 寂寞人妻少妇视频99o| 天天躁日日操中文字幕| 日韩国内少妇激情av| 在线观看美女被高潮喷水网站| 赤兔流量卡办理| АⅤ资源中文在线天堂| 丝袜喷水一区| 香蕉av资源在线| 亚洲第一电影网av| avwww免费| 欧美成人精品欧美一级黄| 深夜a级毛片| 美女高潮的动态| 亚洲美女黄片视频| 欧美中文日本在线观看视频| 自拍偷自拍亚洲精品老妇| 少妇熟女欧美另类| 亚洲精品日韩在线中文字幕 | 免费看av在线观看网站| 国产真实伦视频高清在线观看| 乱码一卡2卡4卡精品| 听说在线观看完整版免费高清| 国产黄片美女视频| 人妻少妇偷人精品九色| 日本 av在线| 99热精品在线国产| а√天堂www在线а√下载| 色哟哟哟哟哟哟| 欧美3d第一页| 精品乱码久久久久久99久播| 国产精品亚洲美女久久久| 春色校园在线视频观看| 最好的美女福利视频网| 日韩欧美国产在线观看| 欧美一区二区亚洲| 亚洲人成网站在线播放欧美日韩| 亚洲av免费高清在线观看| 国产真实伦视频高清在线观看| 国产高清三级在线| 国产黄色小视频在线观看| 国产精品久久久久久久电影| 干丝袜人妻中文字幕| 国产精品,欧美在线| 亚洲成av人片在线播放无| 性色avwww在线观看| 免费看a级黄色片| 久久人妻av系列| 少妇裸体淫交视频免费看高清| 你懂的网址亚洲精品在线观看 | 久99久视频精品免费| 精品国产三级普通话版| 人人妻人人看人人澡| 最后的刺客免费高清国语| 亚洲乱码一区二区免费版| 久久久久久久亚洲中文字幕| а√天堂www在线а√下载| 12—13女人毛片做爰片一| 99热这里只有精品一区| 久久久久久国产a免费观看| av福利片在线观看| 夜夜夜夜夜久久久久| 亚洲自偷自拍三级| 黄色一级大片看看| 能在线免费观看的黄片| 日韩欧美一区二区三区在线观看| 免费av观看视频| 午夜免费激情av| 成人三级黄色视频| av专区在线播放| 一个人观看的视频www高清免费观看| 老熟妇仑乱视频hdxx| 日本在线视频免费播放| 听说在线观看完整版免费高清| 精品熟女少妇av免费看| 老司机福利观看| 有码 亚洲区| 国产高清不卡午夜福利| 欧美3d第一页| 亚洲精品粉嫩美女一区| 在线a可以看的网站| 久久久国产成人精品二区| 亚洲熟妇熟女久久| av福利片在线观看| 免费看av在线观看网站| 变态另类丝袜制服| av天堂中文字幕网| 国产精品一二三区在线看| 日韩欧美三级三区| 欧美激情久久久久久爽电影| 美女 人体艺术 gogo| 香蕉av资源在线| 不卡视频在线观看欧美| 在线免费十八禁| 亚洲综合色惰| 成人永久免费在线观看视频| 久久久色成人| 一区福利在线观看| 看黄色毛片网站| 插阴视频在线观看视频| www日本黄色视频网| 中文字幕av在线有码专区| 插阴视频在线观看视频| 日韩中字成人| 亚洲av中文字字幕乱码综合| 欧美xxxx黑人xx丫x性爽| 深夜a级毛片| 国产在线男女| 俺也久久电影网| 色噜噜av男人的天堂激情| 国产亚洲精品av在线| 精品一区二区三区视频在线| 一进一出好大好爽视频|