• <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CNN-BLSTM的食品輿情實體關系抽取模型研究

    2021-04-02 06:06:30王慶棒汪顥懿張青川袁玉梅
    食品科學技術學報 2021年2期
    關鍵詞:語義模型

    王慶棒,汪顥懿,左 敏,*,張青川,溫 馨,袁玉梅

    (1.北京工商大學 農(nóng)產(chǎn)品質量安全追溯技術及應用國家工程實驗室,北京 100048;2.北京工商大學 計算機與信息工程學院,北京 100048)

    食品輿情領域知識圖譜以食品行業(yè)為基礎,挖掘食品輿情信息的相互聯(lián)系,在食品安全、食品輿情分析等方面都有著重要作用。食品輿情的實體關系抽取是構建食品輿情知識圖譜的重要基礎工作之一,旨在抽取句子中已標記實體對之間的語義關系。

    食品輿情信息的挖掘依賴于數(shù)據(jù)的多維度特征[1],多層次的網(wǎng)絡模型實現(xiàn)了基于大規(guī)模語料的自動挖掘特征信息,目前的研究主要分為基于特征向量的方法[2]、基于核函數(shù)的方法[3]和基于神經(jīng)網(wǎng)絡模型的深度學習方法。黃衛(wèi)春等[4]為了解決特征空間維度過高的問題,提出了4種文本文類的特征選擇算法;姚全珠等[5]采用了子樹特征的實體關系抽取方法;Zeng等[6]采取建模的方式,在卷積神經(jīng)網(wǎng)絡(convolutional neural network,CNN)中引入了位置向量,但對位置信息的挖掘程度有些不足;Nguyen等[7]在CNN上使用不同尺度的卷積核對文本的語義關系進行了表征,但該模型仍然是基于淺層語義關系。本研究擬在注意力機制上,采用基于詞語位置的語義角色標注(semantic role labeling,SRL)方法,使模型更好地對詞匯特征和位置信息進行學習,并提高模型的精確度。

    Santors等[8]在CNN中對目標函數(shù)做出了改進,雖然該方法提高了實體關系的識別力度,但是CNN卻仍然不能很好地學習語句中上下文的語義信息;Zhang和Wang[9]利用雙向循環(huán)神經(jīng)網(wǎng)絡來學習語句中的上下文語義,然而循環(huán)神經(jīng)網(wǎng)絡本身具有梯度消失和梯度爆炸等問題。雙向長短時記憶(bidirectional long short-term memory,BLSTM)網(wǎng)絡解決了梯度爆炸的問題,同時能學習句子中的上下文語義信息,因此本研究模型中引入了BLSTM網(wǎng)絡。

    翟社平等[10]采用BLSTM網(wǎng)絡來提取句子特征,不過該模型對于詞匯特征的挖掘還有些不足;Zhou等[11]改進了BLSTM網(wǎng)絡,使其模型能夠學習詞匯中的某些信息,然而對詞匯位置語義等重要信息沒有進行很好的處理;吳佳昌等[12]提出了基于依存關系和雙通道CNN的關系抽取方法,對詞性的依存關系做出了進一步研究。本研究在BLSTM網(wǎng)絡中引入了基于位置的語義角色標注方法,依據(jù)食品輿情領域的文本特點,引入了領域詞機制,進一步挖掘詞語層面上的語義信息,使模型更好地識別不同實體及其關系。

    本研究擬針對食品輿情領域的實體關系抽取方法,在分析現(xiàn)有的實體關系抽取方法優(yōu)劣的基礎上,采用CNN-BLSTM雙網(wǎng)絡模型結構,區(qū)分不同的實體關系的同時,有效學習文本遠程語義的信息和結構。

    1 數(shù)據(jù)來源與處理

    1.1 數(shù)據(jù)來源

    模型訓練所需數(shù)據(jù)集選用獨立構建的食品輿情領域數(shù)據(jù)集(FO-Data)。通過搜集、整理2017~2019年食品伙伴網(wǎng)[13]、中國食品公眾科普網(wǎng)[14]、食安通網(wǎng)[15]公布的文章數(shù)據(jù),歸納為包裝材料、保健食品、焙烤食品、茶葉、寵物食品、調(diào)味品、方便食品、蜂蜜、罐頭、果蔬、進出口、酒業(yè)、糧油、認證體系、乳業(yè)、商超、食品儲運、食品機械、食品檢測、食用菌、糖果、添加劑配料、畜禽肉品、飲料、有機食品、漁業(yè)、水產(chǎn)轉基因食品27個行業(yè),包括除港澳臺、西藏、新疆、內(nèi)蒙古、寧夏和甘肅以外的全國26個省份。

    實驗平臺使用基于PyTorch(https:∥pytorch.org/)的開源深度學習框架,構建深度學習模型。訓練及使用的系統(tǒng)平臺為美國微軟公司的Windows和開源的LinuxCentOS7系統(tǒng)。

    1.2 數(shù)據(jù)處理

    采集的語料數(shù)據(jù)集按句劃分,剔除無效句子,分別標注句子中的實體對及實體關系,并作為模型的訓練輸入樣本,即每一條輸入語料分為3個部分,第1部分為輸入句子,第2部分為實體對,第3部分為實體關系。數(shù)據(jù)集整體劃分為3個子數(shù)據(jù)集:訓練集、測試集和驗證集。子數(shù)據(jù)集的規(guī)模見表1。

    表1 數(shù)據(jù)集規(guī)模的統(tǒng)計Tab.1 Statistics of data set size

    1.3 評價指標的計算

    本研究采用準確率P、召回率R和F1值作為實驗結果優(yōu)劣的評價指標,計算見式(1)~式(3)。

    (1)

    (2)

    (3)

    式(1)~式(3)中,TP為把正類預測為正類的數(shù)量;FP為把負類預測為正類的數(shù)量;FN為把正類預測為負類的數(shù)量。

    2 基于CNN-BLSTM的食品輿情實體關系抽取模型建立

    2.1 模型描述

    在模型的開始,使用提前訓練好的詞嵌入模型,將食品輿情領域的語料進行文本向量化處理。之后將得出的詞嵌入,分別作為CNN層和BLSTM層的輸入,由CNN生成卷積核,BLSTM生成隱層向量。模型將會分成2個部分引入網(wǎng)絡注意力機制:首先,將提前構建好的領域詞詞庫與當前的每個詞語進行逐一匹配,在經(jīng)過基于位置感知的領域詞語義注意力機制的計算后,得出影響向量,同時模型將影響向量與CNN卷積核輸出的向量進行結合,影響CNN模型輸出結果;其次,模型會對詞語的語義角色進行標注,判斷各個詞語是否為核心主語或謂詞,經(jīng)過基于位置感知的語義角色注意力機制的計算,將影響向量傳播到BLSTM的隱層向量中計算,從而影響B(tài)LSTM的輸出結果。最后模型將會在2個網(wǎng)絡輸出向量的結合層累積影響向量,進一步得出實體及其關系抽取結果。網(wǎng)絡模型整體過程如圖1。

    圖1 CNN-BLSTM模型Fig.1 Model of CNN-BLSTM

    模型的輸出層包含3層輸出向量。第1層輸出的向量是關于實體關系的輸出向量,第2層是關于實體標注中主體標簽的輸出向量,第3層則是關于實體標注中客體標簽的輸出向量。

    在實體關系抽取中,本研究在網(wǎng)絡的輸出層采用了SoftMax函數(shù),對于每種關系進行歸一化處理,得到每種關系的概率值P,計算見式(4)。

    P=softmax(CWT+bc) 。

    (4)

    式(4)中,W為權重向量,T為權重向量的轉置,C為輸出向量,bc為偏置向量。對于實體標注部分,輸入句子的每一個詞都會被指派一個實體標簽,標簽采用相同的編碼模式:0-1標簽(1是主體或者客體)。因此,實體標注問題可以轉變?yōu)椋簩τ诮o定的長度為m的句子S(s1,…st,…sm),假設標注輸出結果為Y(s)(y1,…yt,…ym),在已知序列S下,找出使得Y=(y1,…yt,…ym)的概率為P(y1,…yt,…ym)的最大的序列[y1,…yt,…ym]。計算見式(5)。

    (5)

    式(5)中,S為輸入的句子,y為預測的關系概率,W為權重向量,ψi(y′,y,s)=exp (WTy′,yzi+bi,y)是一個隱含函數(shù),W為權重向量,T為權重向量的轉置,yi為句子中第i個詞向量,zi為句子中第i個詞向量的權重向量,bi為第i個詞向量的偏置向量。解碼時最高條件概率計算見式(6),使用維特比算法可以進行有效的解碼運算。

    =arg maxy∈Y(s)P(y|s;W,b) 。

    (6)

    網(wǎng)絡模型對于實體標注主體的處理過程如圖2。實體標注中客體的標注過程與主體標注類似,其輸出的位置是模型輸出的第3層向量。經(jīng)過最后的連接層可以得到客體的標注結果。

    圖2 實體標注主體的處理過程Fig.2 Process of entity labeling subject

    本研究以2層向量的方式,來對關系實體的主客體做出區(qū)分,第1層表示主體的標記結果,第2層表示客體的標記結果。

    2.2 基于位置感知的語義角色注意力機制建立

    SRL是一種淺層的語義分析技術,標注句子中某些短語為給定謂詞的論元 (語義角色) ,如施事、受事、時間和地點等。本研究通過SRL劃分語義角色,得到不同的句子成分,使位置注意力影響在不同的語義角色中進行傳播。

    SRL會將詞語的語義角色、依存關系等標注出來,例如:對于“饅頭的鋁殘留量不符合國家標準”這句話進行語義角色標注,其標注的結果為“饅頭”“鋁殘留量”“不符合”“國家標準”,并且對它們的依存關系進行了標注,最終可以確定各詞語的語義角色,從而確定核心主語和謂語的位置,標注過程如圖3。

    圖3 語義角色標注的處理示例Fig.3 Example of semantic role labeling

    在根據(jù)語義角色判斷語句中的核心主語和謂詞之后,需要讓模型學習到更多的位置信息,從而提高準確率。假設語義角色在特定距離上的影響遵循隱層維度上的高斯分布,基于此假設定義影響的基礎矩陣K,其每一列表示與特定距離對應的影響基礎矢量。K的數(shù)學定義見式(7)。

    K(i,u)~N[Kernel(u),σ] 。

    (7)

    式(7)中,K(i,u)代表第i維度中語義角色距離為u時相應的影響。并且N是符合Kernel(u)值的期望值和標準差σ的正態(tài)分布。Kernel(u)是高斯核函數(shù),用它來模擬基于位置感知的影響傳播,其數(shù)學定義見式(8)。

    (8)

    根據(jù)語義角色的位置關系,可以計算每個語義角色的影響矩陣,通過計算的積累,最后獲得每個特定位置下語義角色的影響向量,見式(9)。

    Srj=KCj。

    (9)

    式(9)中,Srj代表語義角色在位置j處的累計影響向量,Cj表示一個距離的計數(shù)向量,來測量屬于各種核心語義角色的數(shù)量。將Cj展開,其標準的計算方法見式(10)。

    (10)

    式(10)中,w代表句子中的一個詞,S為詞語序列,即一個句子。pos(w)表示w在核心語義角色中出現(xiàn)的位置集合。符號[]為判斷符,如果條件滿足則為1,否則為0。

    最后將得到的影響向量,與BLSTM的隱層向量結合。基于位置感知的語義角色注意力機制在BLSTM的執(zhí)行和傳播過程如圖1右側模型。

    2.3 基于位置感知的領域詞語義注意力機制建立

    本研究的實體關系抽取領域為食品輿情領域,為了將食品輿情領域的語言特點融入網(wǎng)絡中,引入了領域詞機制。依據(jù)食品輿情領域的專業(yè)詞匯,構建食品輿情領域詞詞庫,依據(jù)詞語是否匹配到領域詞詞庫的原則,篩選詞語,確定領域詞匯。

    對于詞語的匹配計算見式(11)。

    (11)

    式(11)中,F(xiàn)ield(w)表示w在語句中領域詞匹配的位置集合。符號[]是判斷功能,如果條件滿足則為1,否則為0。

    對于位置的影響力傳播,與2.3中基本相同,結合式(4)、式(5)得出基于位置感知的領域詞影響向量公式[式(12)]。

    Fwj=KWj。

    (12)

    模型最后將得到的影響向量與CNN卷積層得出的最終向量結合?;谖恢酶兄念I域詞語義注意力機制在CNN的執(zhí)行過程為圖1左側。

    3 結果與分析

    3.1 實驗參數(shù)的設置

    本研究在詞嵌入層使用的是100維的Glove詞向量;BLSTM和CNN的網(wǎng)絡輸出向量的維度為128維;位置影響傳播的距離μ設置為8。另外,選取了交叉熵作為深度學習網(wǎng)絡的目標函數(shù),同時使用Adam算法作為網(wǎng)絡的優(yōu)化器,進行網(wǎng)絡參數(shù)的更新。表2是對比模型中所需的參數(shù)設置。

    表2 網(wǎng)絡模型參數(shù)Tab.2 Parameters of network model

    3.2 關系抽取實驗結果

    對比模型整體分為2類:一類是無注意力機制的常規(guī)CNN和BLSTM神經(jīng)網(wǎng)絡,一類是引用注意力機制的CNN和BLSTM單神經(jīng)網(wǎng)絡。不同模型分別在獨立構建的FO-Data數(shù)據(jù)集上進行訓練及預測實驗,表3是關系抽取結果。

    表3 不同模型的關系抽取結果Tab.3 Experimental results of relationship extraction of different models

    表3的實驗結果顯示:在食品輿情語料中,常規(guī)的CNN模型的準確率表現(xiàn)良好,但是在召回率上表現(xiàn)不佳,因此本研究在CNN的基礎上,對CNN模型引入了注意力機制,其召回率有了明顯的提升。對于句子整體的語義而言,CNN模型對比BLSTM模型的學習機制依然有所欠缺,這在第3個對比模型中得到了進一步的驗證。同時,本文發(fā)現(xiàn)BLSTM整體上要比CNN具有更好的性能表現(xiàn)。值得注意的是,雙網(wǎng)絡模型均有著較好的準確率和召回率,因為BLSTM不僅能在上下文中根據(jù)語義角色有效地處理位置權重的分配,而且在CNN領域詞上,進一步優(yōu)化了網(wǎng)絡整體的注意力權值計算。對于實體關系抽取而言,CNN-BLSTM網(wǎng)絡模型針對句子結構上有著較好的反饋,同時又不拋棄垂直領域詞匯帶來的更多有用的信息。

    3.3 實體抽取實驗結果

    關系抽取需要在驗證集和測試集上觀測模型的表現(xiàn)優(yōu)劣,表4展示了不同模型在FO-Data數(shù)據(jù)集上的實驗指標數(shù)據(jù)。為了證明模型的有效性,加入了Zhou等[11]提出的基于注意力機制的BLSTM模型和殷纖慧等[16]提出的改進的CNN模型。實驗結果表明:本研究提出的模型在各評價指數(shù)方面均有較大的提升。

    表4 不同模型的實體抽取結果Tab.4 Experimental results of entity extraction of different models

    Zhou等[11]利用BLSTM模型進行實體關系抽取,但未對句子中詞語的語義角色關系的信息加以利用,而本研究引入的基于位置的語義角色關系注意力機制,充分利用了實體和非實體詞語的語義角色,從而能夠進一步提升模型效果。

    本研究提出的CNN-BLSTM模型和兩大注意力機制,提高了CNN對于特殊領域詞的識別能力和BLSTM快速捕捉上下文的實體聯(lián)系的能力,使得模型能夠在食品輿情領域中比單獨的CNN和BLSTM模型有著更加優(yōu)秀的準確率和召回率。

    3.4 實驗參數(shù)分析

    3.4.1損失函數(shù)下降趨勢分析

    BLSTM是實體關系抽取領域常見的深度學習網(wǎng)絡模型,因此,本研究對比了BLSTM網(wǎng)絡模型和CNN-BLSTM模型的損失函數(shù)下降趨勢,如圖4。

    圖4 損失函數(shù)下降趨勢分析Fig.4 Downtrend analysis of loss function

    根據(jù)圖4的實驗結果可以發(fā)現(xiàn),CNN-BLSTM模型在訓練的前期與BLSTM模型表現(xiàn)相似,但隨著模型訓練次數(shù)的迭代,CNN-BLSTM模型的表現(xiàn)逐漸更優(yōu),而且學習能力和迭代速度仍然保持較高的表現(xiàn)。因為模型充分結合了食品領域的特殊詞匯信息及其語義角色關系,使得模型能夠快速提取出更多有價值的句子信息,所以模型整體的收斂速度更快,而且能夠進一步提升針對具有復雜句意或者多重句子結構的語句的表現(xiàn)。

    3.4.2詞嵌入維度分析

    由于CNN-BLSTM模型的前部分引入了詞嵌入,所以詞嵌入的向量維度會對實驗結果產(chǎn)生一定的影響,為了展示這種影響關系,研究構建了不同詞向量維度對模型F1值的影響,如圖5。

    圖5 不同詞向量維度下的實驗結果分析Fig.5 Experimental comparison of word vectors in different dimensions

    實驗結果表明,詞向量在300維附近,模型的整體表現(xiàn)更優(yōu),因而本模型使用的詞嵌入向量維度為300維。

    4 結 論

    本研究提出了一種基于CNN-BLSTM的食品輿情實體關系抽取模型。該模型在文本向量化的基礎上,通過語義角色標注抽取輿情語句的主謂語語義,運用上下文語義角色的位置感知來更新詞語權重,構建基于位置感知的語義角色注意力機制;依據(jù)食品輿情領域詞詞庫,運用領域詞的位置感知來更新詞語權重,構建基于位置感知的領域詞注意力機制,實現(xiàn)了食品輿情實體對多關系抽取。對比實驗結果表明,該模型比以往常用的深度神經(jīng)網(wǎng)絡模型性能更優(yōu)。

    猜你喜歡
    語義模型
    一半模型
    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
    語言與語義
    3D打印中的模型分割與打包
    “上”與“下”語義的不對稱性及其認知闡釋
    FLUKA幾何模型到CAD幾何模型轉換方法初步研究
    認知范疇模糊與語義模糊
    “深+N季”組配的認知語義分析
    當代修辭學(2011年6期)2011-01-29 02:49:50
    語義分析與漢俄副名組合
    外語學刊(2011年1期)2011-01-22 03:38:33
    国产精品国产三级国产专区5o| 男女那种视频在线观看| 一个人看视频在线观看www免费| 在线看a的网站| 国产一区二区三区av在线| 日韩av免费高清视频| 亚洲va在线va天堂va国产| 建设人人有责人人尽责人人享有的 | 午夜免费观看性视频| 国产精品一区二区三区四区免费观看| av免费观看日本| 亚洲美女视频黄频| 国精品久久久久久国模美| 黄色视频在线播放观看不卡| 国产日韩欧美在线精品| 天堂中文最新版在线下载 | 亚洲欧美一区二区三区国产| 少妇的逼水好多| 欧美三级亚洲精品| 久久久国产一区二区| 18禁裸乳无遮挡免费网站照片| 欧美 日韩 精品 国产| 精品视频人人做人人爽| 午夜福利高清视频| 亚洲av福利一区| 大片免费播放器 马上看| 一级av片app| 午夜精品一区二区三区免费看| 欧美日韩综合久久久久久| 看非洲黑人一级黄片| 久久久久久久精品精品| 国产欧美日韩一区二区三区在线 | 91精品伊人久久大香线蕉| 婷婷色av中文字幕| 五月开心婷婷网| 亚洲天堂av无毛| 青春草亚洲视频在线观看| 熟女人妻精品中文字幕| 91精品一卡2卡3卡4卡| 日韩一本色道免费dvd| 高清日韩中文字幕在线| 毛片女人毛片| 欧美潮喷喷水| 亚洲精品久久久久久婷婷小说| 在线观看三级黄色| 最近2019中文字幕mv第一页| 日日摸夜夜添夜夜添av毛片| 边亲边吃奶的免费视频| 久久99热这里只有精品18| 国产成人免费无遮挡视频| 亚洲成人一二三区av| av在线亚洲专区| 男女啪啪激烈高潮av片| 少妇裸体淫交视频免费看高清| 久久99热6这里只有精品| 欧美老熟妇乱子伦牲交| 亚洲精品成人久久久久久| 校园人妻丝袜中文字幕| 如何舔出高潮| 久久久久久久久久久免费av| 亚洲国产精品专区欧美| 国内精品宾馆在线| 中文字幕久久专区| 亚洲av欧美aⅴ国产| 高清av免费在线| 久久久色成人| 久久久a久久爽久久v久久| 精品国产一区二区三区久久久樱花 | 成人毛片60女人毛片免费| 国产欧美另类精品又又久久亚洲欧美| 日韩 亚洲 欧美在线| 日韩电影二区| 久久热精品热| 欧美少妇被猛烈插入视频| 免费观看的影片在线观看| 午夜精品一区二区三区免费看| 草草在线视频免费看| 久久精品人妻少妇| 中文精品一卡2卡3卡4更新| 2021少妇久久久久久久久久久| 国产 一区 欧美 日韩| 在线a可以看的网站| 哪个播放器可以免费观看大片| 欧美性猛交╳xxx乱大交人| 麻豆精品久久久久久蜜桃| 欧美成人精品欧美一级黄| 免费大片黄手机在线观看| 只有这里有精品99| 午夜亚洲福利在线播放| 又爽又黄a免费视频| 国产有黄有色有爽视频| 夫妻午夜视频| 蜜桃亚洲精品一区二区三区| 99视频精品全部免费 在线| 免费电影在线观看免费观看| 日韩亚洲欧美综合| 成年女人在线观看亚洲视频 | 成人鲁丝片一二三区免费| 亚洲性久久影院| 哪个播放器可以免费观看大片| 卡戴珊不雅视频在线播放| 亚洲人成网站在线播| 亚洲色图av天堂| 亚洲av男天堂| 日韩欧美精品免费久久| 国产探花在线观看一区二区| 国产一区二区三区av在线| 免费观看无遮挡的男女| av黄色大香蕉| 日韩一本色道免费dvd| 国产精品精品国产色婷婷| 国产成人aa在线观看| 免费看不卡的av| 国产黄频视频在线观看| 欧美日韩国产mv在线观看视频 | 你懂的网址亚洲精品在线观看| 搡女人真爽免费视频火全软件| 王馨瑶露胸无遮挡在线观看| 成人欧美大片| 国产午夜精品久久久久久一区二区三区| 欧美日韩视频高清一区二区三区二| 国产中年淑女户外野战色| 国产探花极品一区二区| 亚洲国产av新网站| 老司机影院成人| 80岁老熟妇乱子伦牲交| 亚洲自拍偷在线| 亚洲欧美日韩卡通动漫| 欧美一级a爱片免费观看看| 日韩av不卡免费在线播放| 久久影院123| 久久久久久久国产电影| 在线看a的网站| 国产视频首页在线观看| 成人亚洲精品av一区二区| 色综合色国产| 国产成人精品婷婷| 国产精品一二三区在线看| 岛国毛片在线播放| 一本色道久久久久久精品综合| 国模一区二区三区四区视频| 久久久欧美国产精品| 日本午夜av视频| 欧美成人一区二区免费高清观看| 午夜视频国产福利| 又大又黄又爽视频免费| av女优亚洲男人天堂| 国产成人午夜福利电影在线观看| 国产精品av视频在线免费观看| 最近手机中文字幕大全| 国产精品国产av在线观看| 日韩欧美精品v在线| 免费观看无遮挡的男女| 久热这里只有精品99| 久久国产乱子免费精品| 97热精品久久久久久| 国产综合懂色| 只有这里有精品99| 大香蕉97超碰在线| 久久久欧美国产精品| 精品国产乱码久久久久久小说| 男插女下体视频免费在线播放| 午夜免费观看性视频| 亚洲精品日韩av片在线观看| 国产在视频线精品| 高清视频免费观看一区二区| 精品人妻视频免费看| 一区二区三区乱码不卡18| 99久久精品一区二区三区| 国产精品福利在线免费观看| 国精品久久久久久国模美| 99热这里只有是精品50| 国产黄频视频在线观看| 国产高清有码在线观看视频| 丝袜喷水一区| 2021天堂中文幕一二区在线观| 亚洲国产精品成人综合色| 亚洲在线观看片| 蜜臀久久99精品久久宅男| 久久韩国三级中文字幕| 在线播放无遮挡| 亚洲欧洲国产日韩| 亚洲欧美日韩另类电影网站 | 成人毛片a级毛片在线播放| 成人漫画全彩无遮挡| 高清毛片免费看| 午夜福利网站1000一区二区三区| 最近中文字幕高清免费大全6| videos熟女内射| 91午夜精品亚洲一区二区三区| 国精品久久久久久国模美| 国产免费又黄又爽又色| 又大又黄又爽视频免费| 国产黄色视频一区二区在线观看| 国产av码专区亚洲av| 男女国产视频网站| av线在线观看网站| 亚洲精品自拍成人| 男插女下体视频免费在线播放| 欧美老熟妇乱子伦牲交| 日韩三级伦理在线观看| 久热久热在线精品观看| 在线观看av片永久免费下载| 国产免费一区二区三区四区乱码| 亚洲性久久影院| 丰满人妻一区二区三区视频av| 午夜激情福利司机影院| 99视频精品全部免费 在线| 我要看日韩黄色一级片| 尤物成人国产欧美一区二区三区| 国产一区二区三区av在线| 免费观看的影片在线观看| 99久久九九国产精品国产免费| 高清日韩中文字幕在线| 91精品国产九色| 亚洲欧美一区二区三区黑人 | 日韩强制内射视频| 久久久久久久亚洲中文字幕| 精品国产乱码久久久久久小说| 久久久久精品性色| 人体艺术视频欧美日本| 日本av手机在线免费观看| 国产综合懂色| 日本色播在线视频| 51国产日韩欧美| 一个人看的www免费观看视频| 久久精品综合一区二区三区| 国产日韩欧美在线精品| 少妇人妻久久综合中文| 一级av片app| 交换朋友夫妻互换小说| 高清欧美精品videossex| 一个人看视频在线观看www免费| 国产男人的电影天堂91| 国产久久久一区二区三区| 亚洲精品亚洲一区二区| 成年人午夜在线观看视频| 免费看光身美女| 在线观看三级黄色| 国产亚洲av片在线观看秒播厂| 亚洲精品久久久久久婷婷小说| 日韩免费高清中文字幕av| 亚洲无线观看免费| 亚洲av免费在线观看| 国产精品蜜桃在线观看| 亚洲精品日韩在线中文字幕| 久久久色成人| 在线天堂最新版资源| 一级毛片久久久久久久久女| 另类亚洲欧美激情| 欧美精品国产亚洲| 尤物成人国产欧美一区二区三区| 99热国产这里只有精品6| 亚洲欧美一区二区三区国产| 在线看a的网站| 亚洲国产精品成人综合色| 国产成人午夜福利电影在线观看| 亚洲内射少妇av| 久久精品国产鲁丝片午夜精品| 国产精品福利在线免费观看| 好男人在线观看高清免费视频| www.av在线官网国产| 男女边吃奶边做爰视频| 亚洲av成人精品一区久久| eeuss影院久久| 97精品久久久久久久久久精品| 亚洲成人av在线免费| 色视频在线一区二区三区| 大又大粗又爽又黄少妇毛片口| 亚洲欧洲国产日韩| 在线亚洲精品国产二区图片欧美 | 亚洲久久久久久中文字幕| 国产极品天堂在线| 国产精品一区www在线观看| 欧美最新免费一区二区三区| 久久6这里有精品| 亚洲人成网站在线观看播放| 又粗又硬又长又爽又黄的视频| 国产91av在线免费观看| 美女主播在线视频| 女人被狂操c到高潮| 永久免费av网站大全| 18禁在线无遮挡免费观看视频| 亚洲,欧美,日韩| 国产av不卡久久| 亚洲美女搞黄在线观看| 一区二区三区精品91| 午夜爱爱视频在线播放| 午夜福利网站1000一区二区三区| 日本欧美国产在线视频| 美女脱内裤让男人舔精品视频| av国产精品久久久久影院| 国产精品人妻久久久久久| 中文精品一卡2卡3卡4更新| 久久精品国产a三级三级三级| 国产一区二区三区av在线| 亚洲精品第二区| 国产精品一区二区性色av| 精品久久久久久久末码| 国产精品一区二区三区四区免费观看| 啦啦啦中文免费视频观看日本| 国产在线男女| 激情五月婷婷亚洲| 青春草视频在线免费观看| 久久久久久伊人网av| 亚洲精品国产av蜜桃| 国产极品天堂在线| 人妻系列 视频| 国产免费一级a男人的天堂| 亚洲va在线va天堂va国产| 白带黄色成豆腐渣| 午夜福利视频精品| h日本视频在线播放| 日本爱情动作片www.在线观看| 亚洲欧美成人精品一区二区| 成人特级av手机在线观看| 午夜精品一区二区三区免费看| 99热网站在线观看| 久久久久久久久久久丰满| av免费观看日本| 99热这里只有是精品在线观看| 22中文网久久字幕| 国产黄色视频一区二区在线观看| 日韩av不卡免费在线播放| 在线 av 中文字幕| 在线看a的网站| 最近手机中文字幕大全| 成年女人看的毛片在线观看| 69av精品久久久久久| 久久久精品免费免费高清| 成人亚洲欧美一区二区av| 久久久久久久午夜电影| 男人狂女人下面高潮的视频| 欧美激情久久久久久爽电影| 精品一区二区免费观看| 国产淫片久久久久久久久| av线在线观看网站| 欧美日韩一区二区视频在线观看视频在线 | 又大又黄又爽视频免费| 国产av国产精品国产| 又爽又黄a免费视频| 精品人妻偷拍中文字幕| 久久久久久久精品精品| 久久久久久久亚洲中文字幕| 国产成人精品久久久久久| 青春草亚洲视频在线观看| 别揉我奶头 嗯啊视频| 欧美精品一区二区大全| 91在线精品国自产拍蜜月| 国产日韩欧美在线精品| 国产 一区精品| 免费观看的影片在线观看| 国产精品99久久久久久久久| 我的女老师完整版在线观看| 亚洲精品成人av观看孕妇| 国产老妇女一区| 国产高清国产精品国产三级 | 国产成人精品福利久久| 亚洲欧美日韩卡通动漫| h日本视频在线播放| 国产免费视频播放在线视频| 免费av不卡在线播放| 亚洲婷婷狠狠爱综合网| 在线天堂最新版资源| 国产成人a∨麻豆精品| 欧美激情久久久久久爽电影| 大片免费播放器 马上看| 三级经典国产精品| 精品久久久精品久久久| 成人高潮视频无遮挡免费网站| 九色成人免费人妻av| 国产v大片淫在线免费观看| 在线精品无人区一区二区三 | 精品久久国产蜜桃| 久久久色成人| 国产色婷婷99| av国产免费在线观看| 精品一区二区三区视频在线| 欧美激情久久久久久爽电影| 久久久久久国产a免费观看| 亚洲美女搞黄在线观看| 国产黄色免费在线视频| 18禁裸乳无遮挡免费网站照片| 精品少妇黑人巨大在线播放| 自拍欧美九色日韩亚洲蝌蚪91 | 欧美少妇被猛烈插入视频| 国产久久久一区二区三区| 只有这里有精品99| av国产久精品久网站免费入址| 亚洲国产成人一精品久久久| 久久久久精品性色| 亚洲在久久综合| 国产av不卡久久| 香蕉精品网在线| 亚洲精品视频女| 国内精品宾馆在线| 三级经典国产精品| 久久精品综合一区二区三区| 中文字幕人妻熟人妻熟丝袜美| 欧美精品一区二区大全| 国产成人aa在线观看| 国产黄色免费在线视频| 久热久热在线精品观看| 日韩精品有码人妻一区| tube8黄色片| av又黄又爽大尺度在线免费看| 中文字幕久久专区| 搡老乐熟女国产| 亚洲欧美成人精品一区二区| 一区二区三区四区激情视频| 老司机影院毛片| 性色avwww在线观看| 大话2 男鬼变身卡| 韩国av在线不卡| 国产真实伦视频高清在线观看| 亚洲精品456在线播放app| 少妇被粗大猛烈的视频| 老女人水多毛片| 大片电影免费在线观看免费| 国产又色又爽无遮挡免| 校园人妻丝袜中文字幕| 夫妻性生交免费视频一级片| 亚洲精品日本国产第一区| 亚洲精品乱码久久久久久按摩| 国产中年淑女户外野战色| 国产精品无大码| 免费黄网站久久成人精品| 最近最新中文字幕免费大全7| 久久久久久久亚洲中文字幕| 亚洲国产欧美人成| 亚洲在久久综合| 毛片一级片免费看久久久久| 你懂的网址亚洲精品在线观看| 在线 av 中文字幕| 只有这里有精品99| 亚洲精品乱码久久久v下载方式| 我的女老师完整版在线观看| 亚洲熟女精品中文字幕| 国产欧美日韩一区二区三区在线 | 蜜桃久久精品国产亚洲av| 亚洲综合色惰| 日韩一区二区视频免费看| 国国产精品蜜臀av免费| 国产精品99久久久久久久久| 欧美成人a在线观看| 日本-黄色视频高清免费观看| 国产老妇伦熟女老妇高清| 久久久亚洲精品成人影院| 成年免费大片在线观看| 久久精品国产自在天天线| 涩涩av久久男人的天堂| 国国产精品蜜臀av免费| 久久久久国产网址| 亚洲综合精品二区| 久久久亚洲精品成人影院| 婷婷色av中文字幕| 国产成人免费观看mmmm| 成人一区二区视频在线观看| 超碰av人人做人人爽久久| 人人妻人人澡人人爽人人夜夜| 午夜福利视频1000在线观看| 久久久午夜欧美精品| 国产精品伦人一区二区| 一级毛片 在线播放| 联通29元200g的流量卡| av在线天堂中文字幕| 亚洲色图av天堂| 热99国产精品久久久久久7| 久久久午夜欧美精品| 精品99又大又爽又粗少妇毛片| 亚洲av男天堂| 国产精品国产av在线观看| 91在线精品国自产拍蜜月| 国产av码专区亚洲av| 国产黄色视频一区二区在线观看| 日韩中字成人| 日本一本二区三区精品| 日韩强制内射视频| 网址你懂的国产日韩在线| 禁无遮挡网站| 久久久午夜欧美精品| 国产爽快片一区二区三区| 爱豆传媒免费全集在线观看| 亚洲人成网站在线观看播放| 在线观看免费高清a一片| 大话2 男鬼变身卡| 性色av一级| 免费av毛片视频| 免费人成在线观看视频色| 欧美一区二区亚洲| 九九在线视频观看精品| 51国产日韩欧美| 少妇丰满av| 午夜精品一区二区三区免费看| 99九九线精品视频在线观看视频| h日本视频在线播放| 亚洲国产精品成人久久小说| av国产免费在线观看| 久久久久久久亚洲中文字幕| 国产精品女同一区二区软件| 三级男女做爰猛烈吃奶摸视频| 久久久久网色| 成人黄色视频免费在线看| 国产色爽女视频免费观看| 青春草亚洲视频在线观看| 免费av不卡在线播放| 熟女人妻精品中文字幕| 免费播放大片免费观看视频在线观看| 日韩电影二区| 日日摸夜夜添夜夜爱| 亚洲欧美精品自产自拍| 日本黄色片子视频| 亚洲一级一片aⅴ在线观看| 亚洲人成网站在线观看播放| 亚洲精品影视一区二区三区av| 久久久久久九九精品二区国产| 特大巨黑吊av在线直播| 国产国拍精品亚洲av在线观看| 人妻一区二区av| 一区二区三区乱码不卡18| 国产精品国产三级专区第一集| 免费黄网站久久成人精品| 麻豆国产97在线/欧美| 国产毛片a区久久久久| 国内精品宾馆在线| 哪个播放器可以免费观看大片| 成人美女网站在线观看视频| 亚洲精品久久午夜乱码| 免费观看在线日韩| 蜜桃亚洲精品一区二区三区| 国产亚洲91精品色在线| 一个人看视频在线观看www免费| 99久国产av精品国产电影| 2021天堂中文幕一二区在线观| 国产综合懂色| 少妇裸体淫交视频免费看高清| 成年女人看的毛片在线观看| 嘟嘟电影网在线观看| 国产亚洲91精品色在线| 大香蕉久久网| 丰满少妇做爰视频| 自拍偷自拍亚洲精品老妇| 丝袜喷水一区| 国产黄片视频在线免费观看| 亚洲精品aⅴ在线观看| 蜜桃亚洲精品一区二区三区| 大片电影免费在线观看免费| 精品酒店卫生间| 日韩 亚洲 欧美在线| 99久久精品热视频| 人妻 亚洲 视频| 王馨瑶露胸无遮挡在线观看| 国产亚洲5aaaaa淫片| 高清在线视频一区二区三区| 我要看日韩黄色一级片| 亚洲电影在线观看av| 美女视频免费永久观看网站| 一级片'在线观看视频| 伊人久久精品亚洲午夜| 国产人妻一区二区三区在| 搡女人真爽免费视频火全软件| 国产精品国产av在线观看| 丰满少妇做爰视频| 黄片无遮挡物在线观看| 日韩视频在线欧美| 久久久精品欧美日韩精品| 久久鲁丝午夜福利片| 欧美成人一区二区免费高清观看| 国产精品偷伦视频观看了| 国产综合懂色| 久久精品综合一区二区三区| 十八禁网站网址无遮挡 | 亚洲欧美日韩卡通动漫| 日韩人妻高清精品专区| 日本三级黄在线观看| 亚洲av电影在线观看一区二区三区 | 欧美一区二区亚洲| 国产精品一区二区性色av| 免费黄网站久久成人精品| 噜噜噜噜噜久久久久久91| 精品熟女少妇av免费看| 国产精品久久久久久久久免| 免费看不卡的av| 久久久久九九精品影院| 精品人妻视频免费看| 国产欧美日韩精品一区二区| 亚洲婷婷狠狠爱综合网| 街头女战士在线观看网站| 男女无遮挡免费网站观看| 免费观看无遮挡的男女| 午夜福利在线在线| 在线观看一区二区三区激情| 91在线精品国自产拍蜜月| 日韩av在线免费看完整版不卡| 国产亚洲av片在线观看秒播厂| 久久精品久久精品一区二区三区| 免费观看在线日韩| 少妇熟女欧美另类| 欧美日韩精品成人综合77777| 国产大屁股一区二区在线视频| 国产男女内射视频| 黄色欧美视频在线观看| 一级片'在线观看视频| 人人妻人人看人人澡| 免费观看无遮挡的男女| 免费观看在线日韩| 免费在线观看成人毛片| 国产 一区精品| videos熟女内射| av一本久久久久| 国产一区二区三区综合在线观看 | 91久久精品国产一区二区三区| 日日摸夜夜添夜夜添av毛片| 大片免费播放器 马上看| 我的老师免费观看完整版|