• <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 ?

    基于圖神經(jīng)網(wǎng)絡(luò)和異構(gòu)信息的興趣點分類

    2021-04-25 05:22:56任成森楊易揚(yáng)郝志峰
    現(xiàn)代計算機(jī) 2021年6期
    關(guān)鍵詞:準(zhǔn)確率單詞分類

    任成森,楊易揚(yáng),郝志峰,2

    (1.廣東工業(yè)大學(xué)計算機(jī)學(xué)院,廣州510006;2.佛山科學(xué)技術(shù)學(xué)院,佛山528225)

    0 引言

    近年來,隨著移動智能終端的普及,用戶的注意力從固定設(shè)備轉(zhuǎn)移到掌上移動設(shè)備,并隨著3G、4G 網(wǎng)絡(luò)的普及,眾多移動應(yīng)用開始推出可以記錄用戶位置的地理位置、興趣點推薦的應(yīng)用,例如美團(tuán)、餓了么、支付寶口碑。為了給用戶推薦更合適的興趣點,進(jìn)而帶動該地點的消費(fèi),眾多企業(yè)和研究團(tuán)隊都花費(fèi)了大量的精力研究基于地理位置的各種應(yīng)用。其中,興趣點分類是眾多下游應(yīng)用的基礎(chǔ)。大公司能夠利用雄厚的財力來推廣并獲取海量的用戶評論信息,能夠簡單地在大數(shù)據(jù)的基礎(chǔ)上將興趣點分類轉(zhuǎn)化為文本分類,再加上足夠的興趣點標(biāo)注預(yù)算,使得普通的文本分類模型也能進(jìn)行精準(zhǔn)分類。但這些數(shù)據(jù)和模型都是閉源的,新公司、新研究團(tuán)隊無法在有限的條件下快速實現(xiàn)能夠適合生產(chǎn)的興趣點分類模型。在這個背景下,如何在已有數(shù)據(jù)和有限標(biāo)注成本的情況下,提高興趣點的分類成為了研究重點。為了達(dá)到這個目的,我們需要解決以下問題:如何充分利用興趣點的已有信息?

    圖卷積神經(jīng)網(wǎng)絡(luò)(Graph Convolutional Networks,GCNs)[1]作為一個半監(jiān)督學(xué)習(xí)框架,在不規(guī)則場景獲得了大量的關(guān)注。在眾多的領(lǐng)域獲得了大量的應(yīng)用[2],如自然語言處理[3]、計算機(jī)視覺[4]、網(wǎng)絡(luò)分析[5]等等。對于深度神經(jīng)網(wǎng)絡(luò)來說,復(fù)雜的結(jié)構(gòu)往往能夠帶來準(zhǔn)確率上的提升。而復(fù)雜結(jié)構(gòu)的GCN 卻會引入新的問題:領(lǐng)域指數(shù)增加[6]。也就是說,假設(shè)要計算第L 層的一個節(jié)點的損失值,則需要獲得第L-1 層的k 個節(jié)點(k 為鄰接節(jié)點的數(shù)量,且每個節(jié)點的k 值都不固定),如此類推到更多的網(wǎng)絡(luò)層上,這就意味著隨著GCNs 的迭代網(wǎng)絡(luò)層的增加,計算量也會成倍地增加,但模型預(yù)測效果反而降低。特別是在興趣點這一類包含大量節(jié)點的任務(wù)中,深層的GCNs 網(wǎng)絡(luò)并不適用,但GCNs 能夠利用興趣點之間的關(guān)聯(lián)信息,是一種很強(qiáng)大的特征融合/傳播工具。

    除了網(wǎng)絡(luò)層的深度,有不少研究在圖結(jié)構(gòu)上對GCNs 進(jìn)行了進(jìn)一步擴(kuò)展。文本圖卷積網(wǎng)絡(luò)(Text Graph Convolutional Networks,TextGCN)[7]就是從節(jié)點類型來擴(kuò)展GCNs 的模型,它把文本和單詞分別視為不同類型的節(jié)點,從而有兩種類型的邊:文本-單詞,單詞-單詞。前者的權(quán)重是通過詞頻-逆文本頻率指數(shù)(Term Frequency-Inverse Document Frequency,TF-IDF)來計算,后者則是通過點互信息(Pointwise Mutual Infor?mation,PMI)給出。不同類型的兩種節(jié)點和邊整合到一個圖上,從而融合了異構(gòu)信息,這就考慮了,進(jìn)而使用GCNs 來處理。這種擴(kuò)展了信息融合的維度,同時考慮了單詞節(jié)點之間的共現(xiàn)信息和文本-單詞之間類主題信息。本文模型借鑒了TextGCN 的文本-單詞結(jié)構(gòu),構(gòu)建出興趣點-單詞(來自評論文本)的異構(gòu)網(wǎng)絡(luò)。但原始的TextGCN 并直接應(yīng)用在興趣點上并不合適,而且會導(dǎo)致性能上的損失。

    所以本文所提出的模型基于GCNs,并通過構(gòu)建興趣點-興趣點、興趣點-評論單詞之間的連接,得到一個高魯棒性的圖網(wǎng)路結(jié)構(gòu),即保證了特征的高效融合/傳播,也保證了與基準(zhǔn)模型相近的準(zhǔn)確率,甚至在Macro-F1 評價標(biāo)準(zhǔn)上超出了基準(zhǔn)模型。本文的主要貢獻(xiàn)如下:

    (1)將興趣點分類任務(wù)轉(zhuǎn)化為節(jié)點分類任務(wù),利用興趣點和評論文本之間的單詞關(guān)系,構(gòu)建興趣點-單詞異構(gòu)網(wǎng)絡(luò),并通過實驗證明TextGCN 在興趣點分類任務(wù)上的性能差異,使得原本只適用于文檔分類的模型改造成適合興趣點分類的模型。

    (2)利用興趣點的名稱,構(gòu)建興趣點之間的相似性,使得模型在保證其準(zhǔn)確率不下降的情況下,大幅降低其訓(xùn)練速度。

    (3)在現(xiàn)實世界的真實數(shù)據(jù)上的兩個城市進(jìn)行測試,并在不同的參數(shù)下測試了其魯棒性,證明了本文算法的有效性。

    1 算法

    本節(jié)將給出具體的算法實現(xiàn)步驟,分別為異構(gòu)圖網(wǎng)絡(luò)的構(gòu)建和模型的構(gòu)建。

    1.1 異構(gòu)圖網(wǎng)絡(luò)的構(gòu)建

    給定n 個興趣點,每個興趣點有諾干篇評論。通過匯總評論進(jìn)行清理和切割,獲得m 個單詞。把這n興趣點和m 個單詞視為異構(gòu)圖網(wǎng)絡(luò)中兩種節(jié)點,其中該圖網(wǎng)絡(luò)的總節(jié)點數(shù)為|V|=n+m,其節(jié)點特征為單位矩陣。也就是說單個節(jié)點時,其特征只考慮自身,所以其對應(yīng)的特征向量設(shè)置為獨(dú)熱編碼。本文的任務(wù)就是要將這n 個興趣點分成c 類。

    其中興趣點和單詞之間的邊的權(quán)重由使用TFIDF 算法來計算,這部分和TextGCN 類似。我們在實驗中發(fā)現(xiàn),TextGCN 中的單詞-單詞之間的邊,在新聞、疾病文摘這一類中等長度的文本語料上會幫助Text?GCN 提高效果,但是其在短文本和超長文本上,則效果式微。表2 中的對比實驗也展示了其在興趣點分類上的效果,在不考慮單詞-單詞之間的邊的情況下,準(zhǔn)確率、Macro-F1 下降幅度有限,但大幅降低了訓(xùn)練時間。所以本文不考慮傳統(tǒng)的單詞-單詞結(jié)構(gòu)連接。

    雖然在單詞-單詞之間的邊帶來的提升效果有限,但去除了卻會導(dǎo)致模型略微的降低。本文考慮了興趣點信息的多樣性,利用興趣點名稱作為信息來源之一來考慮。雖然興趣點名稱廣義上也屬于文本數(shù)據(jù),但其來源不同、結(jié)構(gòu)各異,所以并不能上面處理評論數(shù)據(jù)的方法來處理興趣點名稱。

    本文先統(tǒng)計興趣點名稱中的單詞詞頻,把少于2次出現(xiàn)的單詞去除,同時也把單詞長度少于2 個字符的單詞也刪除。這主要是因為只出現(xiàn)過一次的單詞,對興趣點之間的相似性并沒有積極作用,反而會加大單詞列表提高計算成本。構(gòu)建了興趣點名稱單詞列表后,將把每個興趣點構(gòu)建其名稱的獨(dú)熱編碼。有了名稱獨(dú)熱編碼,通過計算兩兩興趣點的名稱獨(dú)熱編碼的余弦相似性,構(gòu)建興趣點和興趣點之間邊,其核心思想在于興趣點名稱中有相似單詞的,會認(rèn)為具有一定的業(yè)務(wù)相似性,也就是其類別有可能是相似的。其構(gòu)建公式如下:

    其中,cos(ij)表示興趣點i 和興趣點j 的名稱獨(dú)熱編碼的余弦相似度。TF-IDFij表示興趣點i 和單詞j的TF-IDF 值。則是為了和GCNs 保持一致,對角線元素設(shè)置為1,即i=j 的情況,表示節(jié)點的自環(huán)。其他情況則設(shè)為0。用鄰接矩陣構(gòu)建了興趣點-興趣點、興趣點-單詞之間的關(guān)系后,需要進(jìn)一步正則化,正則后的鄰接矩陣表達(dá)為:

    其中,Dii=∑j Ai j。

    1.2 模型的構(gòu)建

    本文模型的構(gòu)建和TextGCN 一樣,也是使用了標(biāo)準(zhǔn)的GCNs 模型。一旦興趣點異構(gòu)圖構(gòu)建好,就可以輸入到一個簡單的兩層GCNs 模型。第二層節(jié)點的模型輸出緯度等于興趣點的類別數(shù)c。

    其中ReLU(?)=max(0,?)是激活函數(shù),σ是softmax算子,θ(1)和θ(2)分別是第一層網(wǎng)絡(luò)和第二層網(wǎng)絡(luò)的權(quán)重矩陣。模型的損失函數(shù)定義已標(biāo)注興趣點上的交叉熵?fù)p失,其具體定義如下:

    其中y 是已經(jīng)有標(biāo)簽的興趣點,F(xiàn) 是模型輸出特征的維度。

    2 數(shù)據(jù)與實驗

    本文在Yelp 2019 數(shù)據(jù)集①https://www.yelp.com/dataset上進(jìn)行了對比實驗,評估了本文的模型和基準(zhǔn)模型TextGCN 之間的性能差異。使用分類任務(wù)中常用的評價標(biāo)準(zhǔn)準(zhǔn)確率和Macro-F1 來評價模型的表現(xiàn),其中也給出了訓(xùn)練時間(用秒來計算),來評價各模型的訓(xùn)練效率。

    2.1 Yelp數(shù)據(jù)集

    本文采用的Yelp 數(shù)據(jù)集,來自美國Yelp 公司提供的開源真實興趣點數(shù)據(jù),包含了美國2019 年截止的興趣點數(shù)據(jù)。因為實驗環(huán)境所限,本文抽取了其中兩個具有代表性的城市:夏洛特(用Char 來替代)和鳳凰城(用Ph 來替代)。其中Char 包含5842 個興趣點,平均每個興趣點的評論長度為1754 個單詞;而Ph 包含11125 個興趣點,平均每個興趣點的評論長度為2146個單詞。實驗的城市包含了大城市和小城市,已確保實驗上的有效性。

    表1 Yelp 2019 數(shù)據(jù)集下兩個城市的數(shù)據(jù)情況

    2.2 數(shù)據(jù)預(yù)處理

    對于評論數(shù)據(jù)的處理,將按照TextCNN[8]的文本處理方法,以保證其公平性。先去除在NLTK 定義的停留詞,詞頻低于5 次的單詞。對于興趣點名稱數(shù)據(jù),因為興趣點名稱的單詞數(shù)過于簡短,一般為2 到5 個單詞,所以本文先對興趣點名稱進(jìn)行按單詞切割,統(tǒng)計其單詞頻率,把只出現(xiàn)過一次的單詞和單詞長度少于3個字符的單詞去除。從而留下的單詞作為詞表,為每個興趣點構(gòu)建其獨(dú)熱編碼(one hot)。

    2.3 實驗設(shè)置

    本文使用PyTorch 框架來實現(xiàn)。所有的都在相同的硬件配置下進(jìn)行:64 位Ubuntu 18.04.2 系統(tǒng),Intel Core i7-6850K CPU(6 核3.60GHz),32GB 內(nèi)存,和NVIDIA GeForce RTX 1080Ti 顯卡(11GB 顯存)。中間隱含層的維度均設(shè)置為200 維,所有模型的學(xué)習(xí)率均設(shè)置為0.02,Dropout Rate 為0.5,最大迭代次數(shù)為200次,使用Adam 優(yōu)化器進(jìn)行優(yōu)化,如果模型在驗證集上的損失值不再下降(10 次迭代內(nèi)),則提前停止訓(xùn)練。本文的數(shù)據(jù)集劃分,遵循7:3 比例,即70%的興趣點作為訓(xùn)練集、30%的興趣點作為測試集。其中,為了調(diào)整超參數(shù),從訓(xùn)練集中隨機(jī)抽出了10%的興趣點作為驗證集。

    2.4 實驗分析

    本章在Yelp 2019 數(shù)據(jù)集上的兩個城市進(jìn)行了對比實驗,評估了本算法的有效性,并結(jié)合實驗結(jié)果分析了本文分類算法的優(yōu)勢。

    TextGCN 則是原論文的模型,而TextGCN-WW 則是保留文檔-單詞圖,去掉單詞-單詞共現(xiàn)圖下的模型。從表2 可以看出,在準(zhǔn)確率上,三種模型的準(zhǔn)確率都差不多,證明了單詞-單詞的共現(xiàn)信息在超長文本上的作用較小,而且大幅度增加了其訓(xùn)練時間,增加了大約6~7 倍的訓(xùn)練時間。隨著單詞列表增加,這個訓(xùn)練時間還會進(jìn)一步提高。而本文的模型在保證其準(zhǔn)確率上,依然獲得了更高的訓(xùn)練效率,可以看到本文模型的有效性。

    在Macro-F1 方面,這是一個在準(zhǔn)確率的基礎(chǔ)上衡量預(yù)測標(biāo)簽多樣性的指標(biāo),我們可以看到,在小城市上,即興趣點和評論數(shù)都少的情況下,本文模型的效果反而有所提升。這就說明了使用興趣點所構(gòu)建的興趣點-興趣點網(wǎng)絡(luò)具備一定的信息傳遞能力,彌補(bǔ)了部分特征單詞缺失的興趣點的缺陷。

    表2 本文模型與基準(zhǔn)模型TextGCN、TextGCN-WW 的對比實驗

    本文即一步探討其超參數(shù)的相關(guān)性,以評價本文模型的魯棒性。因為興趣點評論文本具有較大的不確定性,而且Yelp 數(shù)據(jù)集所面向的用戶有著各種語言習(xí)慣、語言分割、語言種類。探索詞的種類有利于衡量模型的魯棒性,使得模型應(yīng)用更廣泛。

    本文分別調(diào)整低頻詞和高頻詞來調(diào)節(jié)單詞的種類,從而從詞頻的角度來控制單詞的種類,如表3 所示??梢钥吹剑皖l詞對于分類的多樣性非常重要,大量的詞雖然只在不到一百篇文章里出現(xiàn)過,但其對分類的多樣性非常重要,可以看到刪除詞頻低于50 到100 的單詞,基線模型會出現(xiàn)了2%的準(zhǔn)確率下降,Macro-F1 更是下降了0.06 個點。本文模型則體現(xiàn)出了其魯棒性,雖然也有相同趨勢的下降,但整體效果還是超過了基線模型,這證明了利用興趣點名稱構(gòu)建興趣點網(wǎng)絡(luò)的有效性。

    表3 低頻詞保留情況及模型的相應(yīng)表現(xiàn)

    與低頻詞不一樣的是,高頻詞在數(shù)據(jù)中的占比非常少,即使減少到1%,也只是減少了大約1 千個單詞。在這里,可以看到兩個趨勢:

    (1)雖然單詞數(shù)量減少有限,但其能降低其訓(xùn)練時間;

    (2)當(dāng)高頻詞限制在2%以內(nèi)時,基準(zhǔn)模型的性能則開始下滑。

    單詞越高頻,在圖網(wǎng)絡(luò)中,意味著該單詞節(jié)點連接的興趣點節(jié)點就越多;在信息融合角度上,意味著該單詞節(jié)點融合的信息就越多,但從特征傳播的角度,信息融合得越多,其特征顯著性就越低,傳播的效率就越低,而且連接的節(jié)點越多,其傳播的影響力就越小,因為其邊權(quán)重會正則化使得每一條邊的權(quán)重占比更低;在卷積的角度,會增加其卷積的范圍,模型在正向/反向傳播時,則需要更多的計算資源。這三個角度解釋了為什么減少的節(jié)點的數(shù)量有限,訓(xùn)練速度的提高卻如此明顯;而且效果卻不怎么下降。

    表4 高頻詞限制下本文模型的表現(xiàn)

    3 相關(guān)工作

    圖卷積神經(jīng)網(wǎng)絡(luò)作為卷積神經(jīng)網(wǎng)絡(luò)在不規(guī)則圖形上的擴(kuò)展,近年來獲得了大量的關(guān)注和應(yīng)用。TextGCN把文本和單詞視為節(jié)點來構(gòu)建異構(gòu)圖,使用標(biāo)準(zhǔn)的GCNs 來進(jìn)行文本分類。但TextGCN 并不能充分利用文本信息,例如忽略了文本之間的語序信息。同時,TextGCN 為了提升效果,引入了單詞-單詞共現(xiàn)圖,但這也導(dǎo)致TextGCN 所需的計算資源快速上漲。同時結(jié)合原論文的實驗和我們的實驗,TextGCN 并不適合短文本分類和超長文本分類。這是因為短文本分類的單詞數(shù)量較少,且比較注重語序結(jié)構(gòu);而超長文本,例如本文的評論文本,眾多的詞匯信息,使得超長文本僅憑單詞信息就能獲得足夠的分類特征,從而無需額外的單詞共現(xiàn)信息來彌補(bǔ)單詞信息不足的缺陷,這也是本文模型在去除單詞共現(xiàn)矩陣后依然有不錯的效果的原因。除了語料的處理,TensorGCN[9]則是增加網(wǎng)絡(luò)的多樣性來彌補(bǔ)TextGCN 的不足,包括使用LSTM[10]來保留語序信息、使用CoreNLP 來抽取單詞的關(guān)系樹。但這種做法的問題在于增加了計算復(fù)雜度;計算量是Text?GCN 的幾倍,而準(zhǔn)確率則是略有提高。圖網(wǎng)絡(luò)的復(fù)雜結(jié)構(gòu)同時也決定了這樣的神經(jīng)網(wǎng)絡(luò)難以訓(xùn)練和調(diào)試。

    興趣點分類的工作則是比較少,因為這一類工作往往轉(zhuǎn)化成文本分類來實現(xiàn)。通過評論文本的分類來實現(xiàn)對興趣點的分類。但這也的做法也是存在缺陷的,一是沒有考慮興趣點信息的多樣性,例如同樣是文本信息,興趣點名稱和興趣點評論則有著不同的來源渠道和語言特征。而Yelp 數(shù)據(jù)集大多數(shù)是用來進(jìn)行評論情感分類和興趣點推薦。POIC-ELM 模型則是對POI 進(jìn)行另一種分類[11]:每日簽到POI,每周簽到POI,每月簽入POI 和年度簽入POI。使得模型能夠預(yù)測推薦的興趣點是否與用戶形成某種生活上的關(guān)系,這是從用戶和推薦的角度來進(jìn)行興趣點分類。

    4 結(jié)語

    綜合以上實驗,本文提出的模型的確能增強(qiáng)圖卷積神經(jīng)網(wǎng)絡(luò)在興趣點分類上的魯棒性,充分利用了興趣點上的異構(gòu)信息。因為Yelp 數(shù)據(jù)集是來自現(xiàn)實世界真實數(shù)據(jù),其評論均來自于真實用戶,所以該數(shù)據(jù)集上的噪音更大,所以在該數(shù)據(jù)集上解決興趣點相關(guān)的任務(wù)更具有挑戰(zhàn)性。但是本文的模型算法在這個數(shù)據(jù)集上,而且是在減少大量邊信息的情況下,依然有效而且提高了訓(xùn)練效率。興趣點分類是一項基礎(chǔ)研究任務(wù),精準(zhǔn)地為興趣點進(jìn)行分類,有利于下游任務(wù),例如興趣點推薦、社區(qū)劃分,等等。而興趣點分類不同于文本分類,其評論數(shù)量是動態(tài)增加的、不確定性的,而文本分類的樣本是固定的,沒有時間維度。這就造成了興趣點分類更容易受新加入的評論影響而使得模型準(zhǔn)確性無法保證。

    針對以上問題,本文利用圖卷積神經(jīng)網(wǎng)絡(luò),針對興趣點的數(shù)據(jù)特點,把興趣點名稱作為新的信息補(bǔ)充,通過打通興趣點之間的信息流通和減少了非關(guān)鍵節(jié)點之間的信息流通,大大提高了模型的穩(wěn)定性和運(yùn)行效率。充分利用了興趣點中存在的異構(gòu)數(shù)據(jù)。本文設(shè)計的實驗也進(jìn)一步證明了本算法的有效性,并在同等條件下獲得準(zhǔn)確率和訓(xùn)練效率上的提高。雖然本文針對的是興趣點分類任務(wù),但可以本文的算法適用其他有著異構(gòu)數(shù)據(jù)的任務(wù)。

    目前利用評論和興趣點名稱獲得不錯的效果,但興趣點的還包含著地理信息、用戶信息和時間信息,但這部分信息更難處理且包含更多的噪音。所以這是一個有待解決的挑戰(zhàn)。本文接下來的工作將進(jìn)一步深入挖掘興趣點的其他信息。

    猜你喜歡
    準(zhǔn)確率單詞分類
    分類算一算
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報參考產(chǎn)品質(zhì)量檢驗分析
    單詞連一連
    分類討論求坐標(biāo)
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗證法
    數(shù)據(jù)分析中的分類討論
    看圖填單詞
    教你一招:數(shù)的分類
    999久久久精品免费观看国产| 亚洲综合色惰| 啦啦啦韩国在线观看视频| 毛片一级片免费看久久久久 | 亚洲国产精品sss在线观看| 亚洲成av人片在线播放无| 欧美色视频一区免费| 琪琪午夜伦伦电影理论片6080| 亚洲美女黄片视频| 午夜免费成人在线视频| 亚洲成人精品中文字幕电影| 国产真实伦视频高清在线观看 | 欧美3d第一页| 久久久久精品国产欧美久久久| 天堂av国产一区二区熟女人妻| 日本熟妇午夜| 大型黄色视频在线免费观看| 精品久久久久久成人av| 中文字幕免费在线视频6| 蜜桃久久精品国产亚洲av| 蜜桃亚洲精品一区二区三区| 免费看av在线观看网站| 最新在线观看一区二区三区| 男人狂女人下面高潮的视频| 亚洲精品456在线播放app | 天堂√8在线中文| 欧美日韩中文字幕国产精品一区二区三区| 亚洲七黄色美女视频| 国产成人影院久久av| 成人性生交大片免费视频hd| 国产伦精品一区二区三区四那| 国产老妇女一区| www日本黄色视频网| 舔av片在线| 能在线免费观看的黄片| 成人美女网站在线观看视频| 1000部很黄的大片| 男女边吃奶边做爰视频| 少妇人妻精品综合一区二区 | 麻豆国产av国片精品| 级片在线观看| 又紧又爽又黄一区二区| 国产精品,欧美在线| 嫩草影院入口| 级片在线观看| 色哟哟哟哟哟哟| 国产精品国产三级国产av玫瑰| 一边摸一边抽搐一进一小说| 在线播放国产精品三级| 精品不卡国产一区二区三区| 久久久久久久久大av| 中亚洲国语对白在线视频| 亚洲avbb在线观看| av天堂中文字幕网| 国产私拍福利视频在线观看| 在线观看午夜福利视频| 精品无人区乱码1区二区| 别揉我奶头 嗯啊视频| 国产在线精品亚洲第一网站| 1000部很黄的大片| 狂野欧美激情性xxxx在线观看| 可以在线观看的亚洲视频| 午夜精品一区二区三区免费看| 全区人妻精品视频| 国产国拍精品亚洲av在线观看| 精品欧美国产一区二区三| 国产色爽女视频免费观看| 国产黄片美女视频| 亚洲自偷自拍三级| 在线免费观看不下载黄p国产 | 成人午夜高清在线视频| 国产精品久久电影中文字幕| 久久精品91蜜桃| 久久精品国产清高在天天线| 亚洲欧美日韩高清专用| 亚洲精华国产精华液的使用体验 | 九九在线视频观看精品| 国产精品人妻久久久影院| 亚洲欧美清纯卡通| 99久久精品一区二区三区| 99久久久亚洲精品蜜臀av| 长腿黑丝高跟| 桃色一区二区三区在线观看| h日本视频在线播放| 国产高清激情床上av| 久久久久久久精品吃奶| 中文在线观看免费www的网站| 又紧又爽又黄一区二区| 免费电影在线观看免费观看| 国产真实乱freesex| 99精品在免费线老司机午夜| 看黄色毛片网站| 美女被艹到高潮喷水动态| 无遮挡黄片免费观看| 亚洲成人中文字幕在线播放| 99热网站在线观看| 精品免费久久久久久久清纯| 无人区码免费观看不卡| 大又大粗又爽又黄少妇毛片口| 日韩国内少妇激情av| 亚洲国产高清在线一区二区三| 日韩欧美国产一区二区入口| 最新中文字幕久久久久| 久久久久久久久大av| 亚洲无线在线观看| 在线观看午夜福利视频| 国内精品久久久久久久电影| 日本三级黄在线观看| 欧美一级a爱片免费观看看| 国产午夜精品论理片| 黄色日韩在线| 亚洲专区中文字幕在线| 久久婷婷人人爽人人干人人爱| 男女边吃奶边做爰视频| 久久久久九九精品影院| 久久草成人影院| 成人精品一区二区免费| 999久久久精品免费观看国产| 亚洲av中文av极速乱 | 尤物成人国产欧美一区二区三区| 1000部很黄的大片| 日本a在线网址| 亚洲美女搞黄在线观看 | 日日撸夜夜添| 亚洲成人久久爱视频| 国产亚洲精品综合一区在线观看| www.色视频.com| 男人的好看免费观看在线视频| 干丝袜人妻中文字幕| 黄色欧美视频在线观看| 国内少妇人妻偷人精品xxx网站| 露出奶头的视频| 国产高清三级在线| 久久人人精品亚洲av| а√天堂www在线а√下载| 免费黄网站久久成人精品| 小说图片视频综合网站| 天堂√8在线中文| 在线看三级毛片| 国产成人一区二区在线| 国产伦精品一区二区三区视频9| 观看美女的网站| 久久国内精品自在自线图片| 在线免费十八禁| 欧美zozozo另类| 免费观看精品视频网站| 人人妻人人看人人澡| 成人美女网站在线观看视频| 亚洲精华国产精华液的使用体验 | 午夜福利高清视频| 精品人妻1区二区| 99国产极品粉嫩在线观看| 3wmmmm亚洲av在线观看| 99热网站在线观看| 国产精品av视频在线免费观看| 免费看a级黄色片| www日本黄色视频网| 久久这里只有精品中国| 日韩精品有码人妻一区| 亚洲国产精品sss在线观看| a级毛片a级免费在线| 国产淫片久久久久久久久| 黄色丝袜av网址大全| 亚洲色图av天堂| 色在线成人网| 欧美一区二区国产精品久久精品| 男人和女人高潮做爰伦理| 国产av一区在线观看免费| 国产精品一区二区三区四区免费观看 | 国产精品伦人一区二区| 中文字幕av在线有码专区| 欧美不卡视频在线免费观看| 色哟哟·www| 欧美成人免费av一区二区三区| 99视频精品全部免费 在线| 亚洲av日韩精品久久久久久密| 91麻豆av在线| 国产一级毛片七仙女欲春2| 听说在线观看完整版免费高清| 可以在线观看的亚洲视频| 少妇的逼水好多| 国产精品久久久久久亚洲av鲁大| 久久午夜福利片| 麻豆一二三区av精品| eeuss影院久久| 男人的好看免费观看在线视频| 日韩在线高清观看一区二区三区 | 国内精品久久久久久久电影| 免费观看在线日韩| 亚洲av熟女| 精品一区二区三区av网在线观看| 亚洲精品成人久久久久久| 亚洲av免费高清在线观看| 亚洲,欧美,日韩| 99热只有精品国产| 中文字幕免费在线视频6| 91久久精品电影网| 日韩高清综合在线| 伊人久久精品亚洲午夜| a级毛片免费高清观看在线播放| 校园春色视频在线观看| 欧美又色又爽又黄视频| 日韩亚洲欧美综合| 黄色日韩在线| 国产一区二区三区在线臀色熟女| 国产久久久一区二区三区| 国产精品综合久久久久久久免费| 久久午夜福利片| 国产亚洲精品综合一区在线观看| 五月玫瑰六月丁香| 午夜福利成人在线免费观看| 日日啪夜夜撸| 日本欧美国产在线视频| 亚洲国产精品合色在线| 国产国拍精品亚洲av在线观看| 老司机福利观看| 身体一侧抽搐| 嫩草影院入口| 亚洲va日本ⅴa欧美va伊人久久| 天堂动漫精品| 国内久久婷婷六月综合欲色啪| 久久精品人妻少妇| 毛片一级片免费看久久久久 | 88av欧美| 亚洲不卡免费看| 国产爱豆传媒在线观看| 日韩欧美精品免费久久| 欧美绝顶高潮抽搐喷水| 国产一区二区亚洲精品在线观看| 日本一本二区三区精品| www日本黄色视频网| 简卡轻食公司| 999久久久精品免费观看国产| 69人妻影院| 免费观看精品视频网站| 精品国产三级普通话版| 高清毛片免费观看视频网站| 国产欧美日韩精品一区二区| 高清日韩中文字幕在线| 亚洲av不卡在线观看| 麻豆久久精品国产亚洲av| 色综合站精品国产| 免费看av在线观看网站| 日韩人妻高清精品专区| 嫩草影院入口| 最近最新中文字幕大全电影3| 人妻夜夜爽99麻豆av| 日韩av在线大香蕉| 在线播放无遮挡| 99热网站在线观看| 蜜桃久久精品国产亚洲av| 欧美+亚洲+日韩+国产| 欧美成人一区二区免费高清观看| 国产免费男女视频| 国国产精品蜜臀av免费| 国产综合懂色| 久久亚洲精品不卡| 干丝袜人妻中文字幕| 1000部很黄的大片| 99久久精品国产国产毛片| 老司机深夜福利视频在线观看| 国产欧美日韩精品亚洲av| 亚洲人成网站在线播| 欧美+亚洲+日韩+国产| 性色avwww在线观看| 搞女人的毛片| 国国产精品蜜臀av免费| 免费在线观看日本一区| 97超视频在线观看视频| 亚洲第一电影网av| 午夜a级毛片| 亚洲精品456在线播放app | 中出人妻视频一区二区| 亚洲专区中文字幕在线| 国产精华一区二区三区| 亚洲av二区三区四区| or卡值多少钱| 国产精品野战在线观看| 国产av不卡久久| 高清在线国产一区| 一区福利在线观看| 91精品国产九色| 男人舔奶头视频| 嫁个100分男人电影在线观看| 内射极品少妇av片p| 哪里可以看免费的av片| 最近最新中文字幕大全电影3| 欧美日韩精品成人综合77777| 亚洲av免费高清在线观看| 免费无遮挡裸体视频| 国产精品女同一区二区软件 | 听说在线观看完整版免费高清| 黄色欧美视频在线观看| eeuss影院久久| 久久久久性生活片| 国产乱人视频| 最近在线观看免费完整版| 波野结衣二区三区在线| 日日干狠狠操夜夜爽| 午夜日韩欧美国产| 亚洲精品国产成人久久av| av在线老鸭窝| 国产精品,欧美在线| 99热这里只有精品一区| 3wmmmm亚洲av在线观看| 女的被弄到高潮叫床怎么办 | 内地一区二区视频在线| av国产免费在线观看| 精品无人区乱码1区二区| 我的老师免费观看完整版| 久久天躁狠狠躁夜夜2o2o| 欧美人与善性xxx| 男女边吃奶边做爰视频| 国产欧美日韩精品一区二区| 国产黄a三级三级三级人| 国产aⅴ精品一区二区三区波| 黄片wwwwww| 最新在线观看一区二区三区| 日本与韩国留学比较| 国产成人aa在线观看| 精品一区二区三区人妻视频| 99久久精品国产国产毛片| 三级男女做爰猛烈吃奶摸视频| 日本a在线网址| av在线亚洲专区| 亚洲无线在线观看| 日韩欧美在线乱码| 淫秽高清视频在线观看| 国产在线男女| 亚洲av美国av| 一级黄片播放器| 亚洲av五月六月丁香网| 亚洲国产欧美人成| 99精品在免费线老司机午夜| 亚洲内射少妇av| 黄色丝袜av网址大全| 午夜a级毛片| 欧美成人免费av一区二区三区| 色在线成人网| 蜜桃亚洲精品一区二区三区| 欧美日韩精品成人综合77777| 欧美3d第一页| 97人妻精品一区二区三区麻豆| 在线看三级毛片| 亚洲av中文av极速乱 | 黄片wwwwww| 亚洲精品456在线播放app | 一本精品99久久精品77| 一进一出好大好爽视频| 亚洲不卡免费看| 男女下面进入的视频免费午夜| 99久国产av精品| 欧美日本亚洲视频在线播放| 欧美中文日本在线观看视频| 美女大奶头视频| 桃色一区二区三区在线观看| 国产真实伦视频高清在线观看 | 久久精品国产清高在天天线| 精品无人区乱码1区二区| 欧美不卡视频在线免费观看| 日本精品一区二区三区蜜桃| 国产亚洲av嫩草精品影院| 日本一本二区三区精品| 人人妻人人澡欧美一区二区| 一夜夜www| 久久人妻av系列| 91久久精品电影网| 欧美性感艳星| 麻豆av噜噜一区二区三区| 婷婷精品国产亚洲av| 少妇的逼好多水| 蜜桃久久精品国产亚洲av| 国产乱人视频| 天天躁日日操中文字幕| 美女被艹到高潮喷水动态| 精品国产三级普通话版| 在线免费观看不下载黄p国产 | 欧美成人性av电影在线观看| 啦啦啦观看免费观看视频高清| 97人妻精品一区二区三区麻豆| 男人和女人高潮做爰伦理| 国产主播在线观看一区二区| 亚洲最大成人手机在线| 国内精品一区二区在线观看| 欧美一区二区国产精品久久精品| 日韩欧美三级三区| 日本 欧美在线| netflix在线观看网站| 久久精品国产亚洲av香蕉五月| 在线免费十八禁| 少妇熟女aⅴ在线视频| 天堂动漫精品| 极品教师在线视频| 亚洲中文字幕日韩| 在线观看美女被高潮喷水网站| 国产 一区 欧美 日韩| 嫩草影视91久久| 免费看美女性在线毛片视频| 九九爱精品视频在线观看| 日本五十路高清| 真人一进一出gif抽搐免费| 国产精品一区二区三区四区免费观看 | 麻豆成人午夜福利视频| 午夜日韩欧美国产| 午夜a级毛片| 亚洲欧美清纯卡通| 国产午夜精品论理片| 国产一区二区三区在线臀色熟女| 久久人妻av系列| 无遮挡黄片免费观看| 国产黄色小视频在线观看| 可以在线观看毛片的网站| 久久这里只有精品中国| 国产69精品久久久久777片| 韩国av一区二区三区四区| 国产极品精品免费视频能看的| 国产久久久一区二区三区| 中国美白少妇内射xxxbb| 老熟妇仑乱视频hdxx| 精品久久国产蜜桃| 又爽又黄无遮挡网站| 老司机深夜福利视频在线观看| 国产一区二区三区视频了| 国产真实伦视频高清在线观看 | avwww免费| 国产私拍福利视频在线观看| 久久精品综合一区二区三区| 欧美一区二区亚洲| 69人妻影院| 国产亚洲av嫩草精品影院| 亚洲最大成人手机在线| 97超级碰碰碰精品色视频在线观看| 成人二区视频| 亚洲天堂国产精品一区在线| a级一级毛片免费在线观看| 成人国产综合亚洲| 久久热精品热| 3wmmmm亚洲av在线观看| 久久久久久伊人网av| 久久久久久国产a免费观看| 免费观看的影片在线观看| 天堂网av新在线| 国产精品久久久久久亚洲av鲁大| 黄色视频,在线免费观看| 精品99又大又爽又粗少妇毛片 | 久久久久久久精品吃奶| 国产大屁股一区二区在线视频| 免费在线观看影片大全网站| 亚洲av成人av| 国产亚洲欧美98| 黄色配什么色好看| 丰满人妻一区二区三区视频av| 国产淫片久久久久久久久| 午夜免费男女啪啪视频观看 | 九九热线精品视视频播放| 精品午夜福利视频在线观看一区| 国内久久婷婷六月综合欲色啪| 日韩欧美免费精品| 性欧美人与动物交配| 看免费成人av毛片| 亚洲av免费在线观看| 午夜爱爱视频在线播放| 国产免费男女视频| 最新中文字幕久久久久| 国内精品宾馆在线| 久久人妻av系列| 在线播放无遮挡| 麻豆成人av在线观看| 国产女主播在线喷水免费视频网站 | 亚洲av五月六月丁香网| 欧美三级亚洲精品| 免费在线观看影片大全网站| 欧美日韩精品成人综合77777| 少妇的逼好多水| 亚洲av熟女| 能在线免费观看的黄片| 国产精品伦人一区二区| 99久久精品一区二区三区| 欧美不卡视频在线免费观看| ponron亚洲| 婷婷六月久久综合丁香| a级毛片a级免费在线| 国产麻豆成人av免费视频| 国产色婷婷99| 国产高清不卡午夜福利| 精品国产三级普通话版| 国产男人的电影天堂91| 99国产精品一区二区蜜桃av| 久久久久性生活片| av在线亚洲专区| 99热只有精品国产| 男人狂女人下面高潮的视频| 男女啪啪激烈高潮av片| 久久午夜亚洲精品久久| 色综合色国产| 超碰av人人做人人爽久久| 国产av麻豆久久久久久久| 日本精品一区二区三区蜜桃| 亚洲第一电影网av| 日韩欧美精品v在线| 少妇人妻精品综合一区二区 | 欧美一区二区国产精品久久精品| 国产综合懂色| 波多野结衣高清作品| 欧美成人免费av一区二区三区| 亚洲乱码一区二区免费版| 一级黄片播放器| 男女啪啪激烈高潮av片| 欧美色视频一区免费| 一区二区三区激情视频| 久久久久久久精品吃奶| 在线播放无遮挡| 91久久精品国产一区二区三区| 亚洲三级黄色毛片| 欧美黑人欧美精品刺激| 亚洲图色成人| 国产 一区精品| 日本黄色片子视频| 神马国产精品三级电影在线观看| 麻豆成人午夜福利视频| 在线天堂最新版资源| 欧美黑人巨大hd| 久久久久国产精品人妻aⅴ院| 国产精品精品国产色婷婷| 成人综合一区亚洲| 国产精品国产三级国产av玫瑰| 尤物成人国产欧美一区二区三区| 久久这里只有精品中国| 亚洲国产精品久久男人天堂| 99久久精品热视频| 日韩欧美在线二视频| 男女下面进入的视频免费午夜| 亚洲精品456在线播放app | 午夜激情福利司机影院| 亚洲第一区二区三区不卡| 中亚洲国语对白在线视频| 少妇熟女aⅴ在线视频| 露出奶头的视频| 国产在线男女| 最近视频中文字幕2019在线8| 国产激情偷乱视频一区二区| 我的女老师完整版在线观看| 亚洲精品乱码久久久v下载方式| 国产 一区精品| aaaaa片日本免费| 久久精品人妻少妇| 国产成人aa在线观看| 老熟妇仑乱视频hdxx| 最近在线观看免费完整版| 成人特级黄色片久久久久久久| 性插视频无遮挡在线免费观看| 国产精品亚洲美女久久久| 国产精品精品国产色婷婷| 18+在线观看网站| 最近视频中文字幕2019在线8| 日日摸夜夜添夜夜添小说| 久久人人爽人人爽人人片va| 精品一区二区三区av网在线观看| 免费不卡的大黄色大毛片视频在线观看 | 亚洲第一区二区三区不卡| 午夜精品在线福利| 成人特级黄色片久久久久久久| 午夜免费激情av| 网址你懂的国产日韩在线| 丝袜美腿在线中文| 婷婷精品国产亚洲av| 97热精品久久久久久| 欧美最新免费一区二区三区| 91久久精品国产一区二区成人| 黄色一级大片看看| 夜夜爽天天搞| av天堂中文字幕网| 春色校园在线视频观看| 悠悠久久av| 国产中年淑女户外野战色| 精品人妻视频免费看| 亚洲人成网站在线播| 亚洲精品色激情综合| 麻豆一二三区av精品| 欧美一区二区亚洲| 日韩,欧美,国产一区二区三区 | 女人十人毛片免费观看3o分钟| 国语自产精品视频在线第100页| 欧美xxxx黑人xx丫x性爽| 动漫黄色视频在线观看| 久久九九热精品免费| 久久久久久久久久久丰满 | 国产一区二区在线av高清观看| 国产av麻豆久久久久久久| 国产国拍精品亚洲av在线观看| 人人妻人人看人人澡| 狠狠狠狠99中文字幕| 久久香蕉精品热| 可以在线观看的亚洲视频| 人人妻,人人澡人人爽秒播| 成人鲁丝片一二三区免费| 午夜福利欧美成人| 精品久久久久久久久久久久久| 亚洲av美国av| 99久久精品一区二区三区| 制服丝袜大香蕉在线| 亚洲av二区三区四区| 在现免费观看毛片| 欧美+亚洲+日韩+国产| 亚洲一区高清亚洲精品| 午夜影院日韩av| 久久精品国产亚洲av天美| 免费高清视频大片| 成人永久免费在线观看视频| 91久久精品国产一区二区成人| 国产高清不卡午夜福利| 久久久色成人| 日本与韩国留学比较| 欧美高清性xxxxhd video| 亚洲自偷自拍三级|