• <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 ?

    人大報(bào)告內(nèi)容的文本分類

    2021-06-28 12:42:42李紅蓮呂學(xué)強(qiáng)
    關(guān)鍵詞:分類器預(yù)處理向量

    喻 航,李紅蓮,呂學(xué)強(qiáng)

    (1.北京信息科技大學(xué) 信息與通信工程學(xué)院,北京 100101; 2.北京信息科技大學(xué) 網(wǎng)絡(luò)文化與數(shù)字傳播北京市重點(diǎn)實(shí)驗(yàn)室,北京 100101)

    0 引 言

    各級人大在不斷完善自身的工作方式,在人大建設(shè)的過程中,信息化建設(shè)[1]越來越受到工作人員的重視。人大相關(guān)工作的總結(jié),所需要的信息量巨大,類別廣泛,想要準(zhǔn)確找到相對應(yīng)的工作內(nèi)容,檢索起來并不容易。所以,人大報(bào)告輔助生成系統(tǒng)的建立,就需要對文本分類,把文本分成不同的內(nèi)容寫入報(bào)告。

    文本分類技術(shù)是自然語言處理學(xué)科領(lǐng)域中一項(xiàng)基本技術(shù)[2]。傳統(tǒng)機(jī)器學(xué)習(xí)中一般采用Naive-Bayes分類[3]、KNN[4]、SVM[5]、邏輯回歸[6]或者隨機(jī)森林[7]等分類方法。應(yīng)當(dāng)依據(jù)具體情況來挑選適當(dāng)?shù)奈谋痉诸惼鳌H绻龅骄薮髷?shù)據(jù)量,特征向量也非常多時(shí),就要用到神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型。

    本文對人大報(bào)告中必要的兩大部分進(jìn)行文本分類,監(jiān)督工作和代表工作是每年人大報(bào)告中最重要的兩大部分,其相關(guān)工作內(nèi)容的資料在收集時(shí)較難區(qū)分資料的所屬類別,用結(jié)合TF-IDF的ERNIE文本分類模型可以幫助人大工作人員,在眾多的資料中快速準(zhǔn)確地分辨監(jiān)督工作和代表工作。采用了加入TF-IDF的ERNIE模型對人大報(bào)告文本分類,其準(zhǔn)確率、召回率和F1得分有所提高,收斂速度明顯加快。

    1 文本分類流程

    人大報(bào)告的寫作內(nèi)容較為固定。有以下特點(diǎn),人大報(bào)告篇幅長,特征詞匯多,篇章結(jié)構(gòu)格式鮮明。在分類之前先對文本預(yù)處理。預(yù)處理之后進(jìn)行特征提取。人大報(bào)告都是中文語料,ERNIE模型處理中文語料效果好,選用此模型來訓(xùn)練分類器。本文對人大報(bào)告中的監(jiān)督工作和代表工作分類的框架如圖1所示。

    圖1 文本分類過程

    1.1 數(shù)據(jù)預(yù)處理

    本文以人大報(bào)告中監(jiān)督工作和代表工作的相關(guān)內(nèi)容作為訓(xùn)練集和測試集。做文本分類工作,對數(shù)據(jù)進(jìn)行預(yù)處理是必不可少的過程。對于中文文本而言,數(shù)據(jù)預(yù)處理包括:中文分詞、詞性標(biāo)注(如果分類需要詞性特征)、去停用詞等等。其中的分詞是把文本分解成詞語的集合,去除停用詞是用來去掉一些沒什么含義的詞語,會對分類產(chǎn)生影響的詞,比如:你、我、他、的等等。本文對人大報(bào)告的預(yù)處理步驟如圖2所示。

    1.2 基于TF-IDF的特征提取

    加入特征提取,就是提取想要用作分類的特征,具體包括TF-IDF計(jì)算[8]、n-gram[9]、word2vec[10]、LDA[11]等。本文選用TF-IDF對詞向量進(jìn)行加權(quán)平均,其中TF-IDF特征能夠在一定程度上表現(xiàn)詞的重要性,TF計(jì)算的常用式為

    (1)

    式中:nij表示詞i在文檔j中的出現(xiàn)頻次。IDF計(jì)算的常用式為

    (2)

    式中:|D|為文檔集中總文檔數(shù),|Di|為文檔集中出現(xiàn)詞i的文檔數(shù)量。分母加一是采用了拉普拉斯平滑,以規(guī)避出現(xiàn)部分新詞沒有出現(xiàn)在語料庫中導(dǎo)致的分母為0的情形,使算法增加了健壯性。綜合使用公式為

    (3)

    這些作為基于TF-IDF提取出來的特征,作為額外的特征輸入。

    2 ERNIE

    本文提出了一種在ERNIE模型[12]中加入TF-IDF提取的特征來進(jìn)行區(qū)級人大報(bào)告內(nèi)容的文本分類工作。

    2.1 Self-Attention機(jī)制

    ERNIE模型,其建模過程中利用了多頭自注意力機(jī)制(multi-head attention),來算一個(gè)句子中的每個(gè)詞和這句中其它詞的相互聯(lián)系,Self-Attention機(jī)制在本質(zhì)上是在網(wǎng)絡(luò)的各個(gè)部位對輸入向量進(jìn)行加權(quán),由此表示輸入文本中不同詞語特征對文本分類的不同影響力。文本的特征表示計(jì)算公式如下

    at=Wxt

    (4)

    (5)

    (6)

    {x1,x2,…,xp}是輸入的詞向量序列,t=1,2,…,p。每個(gè)詞向量都通過變換映射出q、k和v這3個(gè)矩陣,其中,d的取值為q的維數(shù),然后使用歸一化函數(shù)計(jì)算權(quán)重s1,t,把每個(gè)權(quán)重和對應(yīng)向量相乘再累加求和就得到第一個(gè)詞的向量。

    2.2 ERNIE模型

    ERNIE的建模方式與其它模型相比,可以更好捕捉中文之間的關(guān)系。如圖3所示,對于朝[MASK]區(qū),通過“朝”與“區(qū)”局部的字詞搭配,就能夠較為容易地推斷出掩碼字為“陽”,但是,模型卻沒有學(xué)習(xí)與“北京市”相關(guān)的知識。而ERNIE通過引入對詞的整體遮蔽,使模型能夠從更長的距離建模出“朝陽區(qū)”與“北京市”的關(guān)系,學(xué)到“朝陽區(qū)”是“北京市”的一個(gè)行政區(qū)以及“朝陽區(qū)”是一個(gè)舉辦過奧運(yùn)會的城區(qū)。

    圖3 建模方式

    在預(yù)訓(xùn)練時(shí),把知識圖譜的實(shí)體通過知識嵌入法與單詞相匹配,完成實(shí)體對齊任務(wù)。在預(yù)訓(xùn)練的基礎(chǔ)上,ERNIE模型隨機(jī)mask單詞,除了用本地上下文預(yù)測單詞之外,還加入了實(shí)體信息,通過加入的實(shí)體信息可以預(yù)測單詞并學(xué)到詞之間的語義關(guān)系。

    ERNIE的整個(gè)模型架構(gòu)由兩個(gè)堆疊的模塊構(gòu)成:①文本編碼器(T-Encoder),如圖4所示,負(fù)責(zé)從文本中捕獲基本的單詞和語義信息;②知識型編碼器(K-Encoder),如圖5所示,負(fù)責(zé)把額外的知識圖譜信息整合到來自T-Encoder的文本信息中,這樣就可以在一個(gè)統(tǒng)一的特征空間中表示詞匯信息和實(shí)體的信息了。其中,用N表示T-Encoder的層數(shù),用M表示K-Encoder的層數(shù)。

    圖4 T-Encoder文本編碼器

    圖5 K-Encoder知識型編碼器

    在T-Encoder這一部分的工作中,首先對詞嵌入向量、句嵌入向量、位置信息向量進(jìn)行對應(yīng)相加,作為T-Encoder的輸入,也就是圖4中的輸入。然后再計(jì)算詞法和語義特征,計(jì)算公式為

    {w′1,…,w′n}=T-Encoder({w1,…,wn})

    (7)

    式中:{w1,…,wn}為n個(gè)輸入詞語。

    在K-Encoder這部分中,通過知識圖譜嵌入法(TransE)將實(shí)體{e1,…,em}轉(zhuǎn)為對應(yīng)向量表示{e′1,…,e′m}。然后將{e′1,…,e′m}和{w′1,…,w′n}作為K-Encoder的輸入,計(jì)算公式為

    (8)

    2.3 TF-IDF+ERNIE人大報(bào)告分類算法

    綜上所述,本文所提TF-IDF+ERNIE對人大報(bào)告內(nèi)容分類的算法,步驟如下:

    步驟1 用TF-IDF算法首先對訓(xùn)練集進(jìn)行特征詞抽取,并將得到的特征詞ti作為額外的特征輸入。

    步驟2 把訓(xùn)練集進(jìn)行預(yù)處理,得到經(jīng)過預(yù)處理的訓(xùn)練集D={(x1,y1),(x2,y2),…,(xp,yp)},其中,xp是經(jīng)過預(yù)處理的人大報(bào)告文本,yp是每段經(jīng)過預(yù)處理人大報(bào)告所屬類別,p=1,2,…m。

    步驟4 將得出的特征表示輸入進(jìn)Softmax模型中,對人大報(bào)告文本進(jìn)行分類。

    3 實(shí)驗(yàn)以及結(jié)果分析

    3.1 實(shí)驗(yàn)環(huán)境

    本實(shí)驗(yàn)的實(shí)驗(yàn)環(huán)境為Intel Core i5-8250U處理器,主頻為1.6 GHz,內(nèi)存為8 G、64位的PC電腦。操作系統(tǒng)為Windows10,編程使用Python語言,編譯環(huán)境使用JetBrains PyCharm Community Edition 2017.3.4 x64。

    開發(fā)平臺為PyTorch 1.1.0,此外,主要用到的工具包還包括numpy等等。

    3.2 數(shù)據(jù)集和參數(shù)設(shè)置

    為測試此項(xiàng)文本分類方法的性能,本次使用全國20個(gè)城市所屬的各個(gè)區(qū)縣的人大報(bào)告數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。本次的數(shù)據(jù)集包含了從2009到2019年一共5584段報(bào)告內(nèi)容,實(shí)驗(yàn)用4472段作為訓(xùn)練集來訓(xùn)練模型,使用1112段語料作為測試集測試性能好壞。實(shí)驗(yàn)數(shù)據(jù)分布見表1。

    表1 區(qū)級人大報(bào)告分類實(shí)驗(yàn)數(shù)據(jù)

    在ERNIE神經(jīng)網(wǎng)絡(luò)模型中,不同參數(shù)的設(shè)置對最后得到的實(shí)驗(yàn)結(jié)果影響很大,所以通過參閱相關(guān)文獻(xiàn),對參數(shù)進(jìn)行微調(diào),本次實(shí)驗(yàn)使用的主要參數(shù)見表2。

    表2 ERNIE分類模型主要參數(shù)

    3.3 評價(jià)指標(biāo)

    對本文的文本分類的方法進(jìn)行評價(jià),使用準(zhǔn)確率(Precision)、召回率(Recall)并且使用F值(F-Measure)來對模型進(jìn)行綜合評價(jià)。其中,準(zhǔn)確率和召回率是檢索(IR)系統(tǒng)中的概念,也可使用于對分類器的性能進(jìn)行評價(jià)。將正確分到某類的文本數(shù)記為A,錯(cuò)誤分到該類別的文本數(shù)記為B,把錯(cuò)誤地分到了其它類的文本數(shù)記為C。其中,各個(gè)指標(biāo)的計(jì)算公式如下

    (9)

    (10)

    (11)

    準(zhǔn)確率和召回率是相互影響的,一般情況下準(zhǔn)確率高、召回率就低;召回率低、準(zhǔn)確率高。指標(biāo)P和R有時(shí)可能出現(xiàn)矛盾的情況,這就需要將它們進(jìn)行平衡,最常見的方法為F1-Measure(又稱為F1-Score)。F1-Measure是Precision和Recall的加權(quán)調(diào)和平均。

    3.4 結(jié)果分析

    為測試模型的有效性,實(shí)驗(yàn)使用多種方法進(jìn)行比較,對比實(shí)驗(yàn)是在分類器之前,采用不同方法對文本提取特征,分別為基于詞袋模型特征的方法,以及基于TF-IDF的方法來計(jì)算特征權(quán)重,對比模型使用的3種分類器分別為貝葉斯、邏輯回歸和支持向量機(jī),對人大報(bào)告中的監(jiān)督工作和代表工作進(jìn)行分類。8組實(shí)驗(yàn)都是在同一個(gè)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)。文本分類的結(jié)果見表3和表4。

    表3 監(jiān)督工作分類結(jié)果/%

    表4 代表工作分類結(jié)果/%

    通過實(shí)驗(yàn)結(jié)果可以看出,基于ERNIE模型進(jìn)行區(qū)級人大報(bào)告內(nèi)容的文本分類方法,相較于貝葉斯、邏輯回歸和SVM,在準(zhǔn)確率、召回率和F1得分上都有大大提升。傳統(tǒng)的分類器,性能都遠(yuǎn)遠(yuǎn)落后于ERNIE。由于ERNIE在T-Encoder和K-Encoder里都引入了多頭注意力機(jī)制,注意力機(jī)制更加強(qiáng)化了重點(diǎn)信息的權(quán)重,從而可以在特征選擇方面取得更出色的效果。

    此外,ERNIE模型輸入是以詞為單位,標(biāo)記的內(nèi)容也是以詞為單位,不但利用局部上下文預(yù)測標(biāo)記,而且同時(shí)學(xué)習(xí)了上下文和知識圖譜的信息,通過預(yù)測標(biāo)記,來構(gòu)建的知識化語言模型。所以該模型可以充分利用詞語、句子和知識信息,通過對知識圖譜的利用,能更全面對語言進(jìn)行理解。

    使用ERNIE模型進(jìn)行監(jiān)督工作和代表工作的文本分類時(shí),加入TF-IDF提取出的特征作為額外補(bǔ)充后,加快了模型的收斂速度,提升了其準(zhǔn)確性。

    為了更全面展示基于TF-IDF的ERNIE模型在算法收斂性上的優(yōu)越性,記錄了ERNIE模型和TF-IDF+ERNIE模型不同Epoch下的損失值情況,ERNIE模型和TF-IDF+ERNIE模型的損失值變化分別如圖6和圖7所示。

    圖6 ERNIE模型的損失值變化

    圖7 TF-IDF+ERNIE模型的損失值變化

    兩種方法的訓(xùn)練集和測試集的損失值在第2個(gè)Epoch都有明顯下降。在測試集上兩個(gè)模型的損失值對比如圖8所示。其中,ERNIE模型在第6個(gè)Epoch上達(dá)到了0.1080。而TF-IDF+ERNIE模型在第6個(gè)Epoch上就達(dá)到了0.1024,其收斂速度快,模型計(jì)算效率高。

    圖8 損失值對比

    總之,通過實(shí)驗(yàn)結(jié)果數(shù)據(jù)可以得出結(jié)論,本文提出基于TF-IDF加ERNIE模型的文本分類方法,在區(qū)級人大報(bào)告的內(nèi)容分類工作中得到了不錯(cuò)的效果,該方法在準(zhǔn)確率、召回率和F1得分上都有明顯提升。將不同模型的分類效果進(jìn)行結(jié)果比對,部分分類結(jié)果對比見表5。

    表5 分類結(jié)果對比

    其中,TF-IDF+ERNIE對這6段文本的分類預(yù)測為監(jiān)督和代表工作的概率分別達(dá)到了96.69%、96.40%、95.33%、95.23%、94.93%、94.78%,由此可以看出該模型的分類效果不錯(cuò)。

    4 結(jié)束語

    本文將基于TF-IDF的ERNIE模型應(yīng)用于區(qū)級人大報(bào)告內(nèi)容分類,通過對監(jiān)督工作和代表工作這兩部分內(nèi)容進(jìn)行分類實(shí)驗(yàn),驗(yàn)證了基于TF-IDF+ERNIE模型的優(yōu)越性和有效性。在同一個(gè)數(shù)據(jù)集下TF-IDF+ERNIE模型與ERNIE、傳統(tǒng)的貝葉斯、邏輯回歸和SVM分類器模型進(jìn)行實(shí)驗(yàn)比對,表明了ERNIE模型不但學(xué)習(xí)了上下文的語義特征,還考慮了知識圖譜的信息,能夠理解連續(xù)詞語的相關(guān)關(guān)系。使得最大程度地理解了文本的原始信息,通過TF-IDF加入額外特征讓模型收斂更快。雖然模型引入了TF-IDF,但是加入的特征還比較單一,導(dǎo)致在實(shí)驗(yàn)過程中的訓(xùn)練時(shí)間還是無法與傳統(tǒng)學(xué)習(xí)方法的速度相媲美,以后還可以研究更多方面的特征。此外,由于語料的限制,算法性能還可以繼續(xù)提升??傊瑓^(qū)級人大報(bào)告內(nèi)容的文本分類是一個(gè)重要且很值得投入研究的方向,針對智慧人大的研究還很少,有許多工作都需要繼續(xù)完善。

    猜你喜歡
    分類器預(yù)處理向量
    向量的分解
    聚焦“向量與三角”創(chuàng)新題
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    基于預(yù)處理MUSIC算法的分布式陣列DOA估計(jì)
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    向量垂直在解析幾何中的應(yīng)用
    淺談PLC在預(yù)處理生產(chǎn)線自動(dòng)化改造中的應(yīng)用
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    絡(luò)合萃取法預(yù)處理H酸廢水
    精品亚洲乱码少妇综合久久| 精品人妻熟女毛片av久久网站| 欧美精品国产亚洲| 极品少妇高潮喷水抽搐| 亚洲天堂av无毛| a 毛片基地| 免费观看在线日韩| 99九九在线精品视频| 亚洲,欧美,日韩| 制服人妻中文乱码| 亚洲人成网站在线观看播放| 777米奇影视久久| 十八禁高潮呻吟视频| 3wmmmm亚洲av在线观看| 欧美亚洲日本最大视频资源| 成人手机av| 久久久精品区二区三区| 国产一区二区在线观看av| 亚洲av综合色区一区| 国产午夜精品久久久久久一区二区三区| 简卡轻食公司| 久久久久久久久久久久大奶| 午夜激情av网站| 母亲3免费完整高清在线观看 | 国产欧美另类精品又又久久亚洲欧美| 国产在线免费精品| 少妇被粗大的猛进出69影院 | 多毛熟女@视频| 在线看a的网站| 欧美激情国产日韩精品一区| 亚洲婷婷狠狠爱综合网| 免费观看av网站的网址| 国产黄色视频一区二区在线观看| 18在线观看网站| 成人二区视频| 国产精品秋霞免费鲁丝片| 涩涩av久久男人的天堂| 亚洲国产欧美在线一区| 人妻 亚洲 视频| 女性被躁到高潮视频| 人妻人人澡人人爽人人| 有码 亚洲区| 最新的欧美精品一区二区| 在线精品无人区一区二区三| 精品人妻一区二区三区麻豆| 亚洲五月色婷婷综合| 在线观看www视频免费| 国产精品国产三级国产av玫瑰| 一区二区日韩欧美中文字幕 | 成年人免费黄色播放视频| 王馨瑶露胸无遮挡在线观看| 免费观看在线日韩| 一边摸一边做爽爽视频免费| 看非洲黑人一级黄片| 在线观看人妻少妇| 日韩av免费高清视频| 人人妻人人爽人人添夜夜欢视频| 久久青草综合色| 熟女电影av网| 51国产日韩欧美| 亚洲精品日韩av片在线观看| 乱人伦中国视频| 男女边吃奶边做爰视频| 欧美+日韩+精品| 精品卡一卡二卡四卡免费| 亚洲av日韩在线播放| 99热6这里只有精品| 日本色播在线视频| 国产亚洲精品第一综合不卡 | 欧美精品一区二区大全| 热re99久久精品国产66热6| 亚洲国产av新网站| 精品一区二区三卡| 国产成人av激情在线播放 | 亚洲精品亚洲一区二区| 女的被弄到高潮叫床怎么办| av又黄又爽大尺度在线免费看| 国产av一区二区精品久久| 午夜免费鲁丝| 在线天堂最新版资源| 最近的中文字幕免费完整| 看非洲黑人一级黄片| 一级毛片aaaaaa免费看小| 观看美女的网站| 你懂的网址亚洲精品在线观看| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 日本wwww免费看| 下体分泌物呈黄色| 少妇人妻 视频| 少妇的逼水好多| 国模一区二区三区四区视频| 久久免费观看电影| 老熟女久久久| 国产高清国产精品国产三级| 人人妻人人澡人人爽人人夜夜| 曰老女人黄片| 日本wwww免费看| 尾随美女入室| 热99国产精品久久久久久7| 欧美日韩视频精品一区| 国产淫语在线视频| 卡戴珊不雅视频在线播放| 欧美精品一区二区大全| 乱人伦中国视频| 国产成人av激情在线播放 | 国产午夜精品久久久久久一区二区三区| 国产色爽女视频免费观看| 欧美日韩视频高清一区二区三区二| 国产有黄有色有爽视频| 国产精品久久久久久精品古装| 国产男人的电影天堂91| 女人久久www免费人成看片| 狂野欧美激情性bbbbbb| av免费在线看不卡| 欧美激情极品国产一区二区三区 | 久久午夜综合久久蜜桃| 在线天堂最新版资源| 成年av动漫网址| 成人漫画全彩无遮挡| 全区人妻精品视频| 国产毛片在线视频| 熟女电影av网| 99精国产麻豆久久婷婷| 91精品三级在线观看| 午夜视频国产福利| 国产色婷婷99| 18禁观看日本| 久久精品国产自在天天线| 热99久久久久精品小说推荐| 各种免费的搞黄视频| 精品一品国产午夜福利视频| 日韩成人av中文字幕在线观看| 亚洲一区二区三区欧美精品| 国产免费又黄又爽又色| 一区二区三区免费毛片| 国产 一区精品| 久久亚洲国产成人精品v| 亚洲经典国产精华液单| 欧美一级a爱片免费观看看| 91成人精品电影| 亚洲少妇的诱惑av| 在线亚洲精品国产二区图片欧美 | 久久热精品热| 精品视频人人做人人爽| 99久国产av精品国产电影| 99热网站在线观看| .国产精品久久| 国产欧美日韩一区二区三区在线 | 国产亚洲av片在线观看秒播厂| 啦啦啦中文免费视频观看日本| 国产一区二区三区av在线| 国产成人午夜福利电影在线观看| 老司机亚洲免费影院| 日韩大片免费观看网站| 在线天堂最新版资源| 久久久国产欧美日韩av| 插阴视频在线观看视频| 亚洲av成人精品一二三区| 精品少妇黑人巨大在线播放| 午夜免费鲁丝| 欧美日韩在线观看h| av视频免费观看在线观看| 久久久久精品性色| 亚洲av福利一区| 亚洲欧美精品自产自拍| 在线观看人妻少妇| 高清欧美精品videossex| 中国三级夫妇交换| 国产精品久久久久久久电影| 国产深夜福利视频在线观看| 国产精品久久久久久av不卡| 亚洲av成人精品一二三区| 亚洲av二区三区四区| 狠狠精品人妻久久久久久综合| 中文字幕av电影在线播放| 婷婷色综合大香蕉| www.av在线官网国产| 久久久久久人妻| 少妇猛男粗大的猛烈进出视频| 亚洲欧美成人综合另类久久久| 国产精品.久久久| 亚洲图色成人| 99久久精品国产国产毛片| 啦啦啦在线观看免费高清www| 大话2 男鬼变身卡| 在线观看免费视频网站a站| 下体分泌物呈黄色| 激情五月婷婷亚洲| 日产精品乱码卡一卡2卡三| 欧美人与善性xxx| 国产欧美日韩一区二区三区在线 | 成人午夜精彩视频在线观看| 国产精品久久久久成人av| 日韩人妻高清精品专区| 97超碰精品成人国产| 欧美3d第一页| 美女内射精品一级片tv| 一本色道久久久久久精品综合| 91久久精品电影网| 国产不卡av网站在线观看| 欧美丝袜亚洲另类| 日日爽夜夜爽网站| 亚洲国产精品专区欧美| 国产免费一级a男人的天堂| 两个人免费观看高清视频| 麻豆乱淫一区二区| 亚洲,一卡二卡三卡| 亚洲av成人精品一二三区| 大话2 男鬼变身卡| 熟女av电影| 老熟女久久久| 简卡轻食公司| 精品少妇久久久久久888优播| 搡女人真爽免费视频火全软件| 欧美三级亚洲精品| 在线播放无遮挡| 丝瓜视频免费看黄片| 在线 av 中文字幕| 欧美性感艳星| 国产一区二区在线观看av| 欧美精品一区二区大全| 99re6热这里在线精品视频| 欧美成人午夜免费资源| 老司机亚洲免费影院| 在线观看美女被高潮喷水网站| 欧美bdsm另类| 边亲边吃奶的免费视频| 精品少妇黑人巨大在线播放| 日本91视频免费播放| 国产乱来视频区| 国语对白做爰xxxⅹ性视频网站| av一本久久久久| 黄色视频在线播放观看不卡| 免费看av在线观看网站| 精品亚洲乱码少妇综合久久| 久久精品熟女亚洲av麻豆精品| 少妇的逼水好多| 五月开心婷婷网| 大陆偷拍与自拍| 精品人妻在线不人妻| 亚洲美女搞黄在线观看| 99热全是精品| 国产精品久久久久成人av| 欧美日韩在线观看h| 人体艺术视频欧美日本| 国产毛片在线视频| 精品久久久噜噜| 亚洲国产欧美日韩在线播放| 国产精品久久久久成人av| 欧美3d第一页| 国产精品人妻久久久久久| 日本与韩国留学比较| 人人澡人人妻人| 久久精品国产a三级三级三级| 少妇高潮的动态图| 黑人高潮一二区| 狂野欧美白嫩少妇大欣赏| kizo精华| 搡女人真爽免费视频火全软件| 五月天丁香电影| 欧美老熟妇乱子伦牲交| 亚洲熟女精品中文字幕| 18禁在线无遮挡免费观看视频| 国产av一区二区精品久久| 午夜日本视频在线| 美女福利国产在线| 高清在线视频一区二区三区| 欧美日韩一区二区视频在线观看视频在线| 97超视频在线观看视频| 一级毛片我不卡| 亚洲美女搞黄在线观看| 制服丝袜香蕉在线| 国产亚洲午夜精品一区二区久久| 国产精品99久久99久久久不卡 | freevideosex欧美| 91精品国产国语对白视频| 黄色欧美视频在线观看| freevideosex欧美| 国产免费视频播放在线视频| 又黄又爽又刺激的免费视频.| a级毛片在线看网站| 亚洲一级一片aⅴ在线观看| 久久久久精品性色| 国产精品一区二区三区四区免费观看| 国产欧美另类精品又又久久亚洲欧美| 秋霞在线观看毛片| 久久久国产精品麻豆| 国产精品人妻久久久影院| 狂野欧美白嫩少妇大欣赏| 国产白丝娇喘喷水9色精品| 欧美少妇被猛烈插入视频| 久久久久久久久久久丰满| 男的添女的下面高潮视频| 久久韩国三级中文字幕| 国产色爽女视频免费观看| 国产精品偷伦视频观看了| 精品少妇内射三级| 免费少妇av软件| 精品人妻偷拍中文字幕| 久久精品久久精品一区二区三区| 在线观看一区二区三区激情| av免费观看日本| 曰老女人黄片| 久久女婷五月综合色啪小说| 有码 亚洲区| 九九爱精品视频在线观看| 国产免费福利视频在线观看| 久久综合国产亚洲精品| 国产亚洲av片在线观看秒播厂| 亚洲av中文av极速乱| 大片免费播放器 马上看| 久久毛片免费看一区二区三区| 日本vs欧美在线观看视频| 国产精品一区www在线观看| 久久精品人人爽人人爽视色| av一本久久久久| 亚洲美女搞黄在线观看| 亚洲精品亚洲一区二区| 毛片一级片免费看久久久久| 秋霞伦理黄片| 九九久久精品国产亚洲av麻豆| 国产成人aa在线观看| 久久鲁丝午夜福利片| 多毛熟女@视频| 久久久久久人妻| 亚洲精品久久久久久婷婷小说| 一本久久精品| 久久毛片免费看一区二区三区| 成人国产麻豆网| 人妻少妇偷人精品九色| av有码第一页| 夫妻午夜视频| 亚洲av在线观看美女高潮| 边亲边吃奶的免费视频| 男男h啪啪无遮挡| 纯流量卡能插随身wifi吗| 欧美日韩一区二区视频在线观看视频在线| 亚洲av男天堂| 亚洲欧美清纯卡通| 成人午夜精彩视频在线观看| 99热国产这里只有精品6| 51国产日韩欧美| 精品国产露脸久久av麻豆| 夫妻午夜视频| 下体分泌物呈黄色| 国产免费现黄频在线看| 亚洲国产欧美在线一区| av不卡在线播放| 黄色配什么色好看| 国产精品国产三级国产av玫瑰| 亚洲五月色婷婷综合| 久久精品国产亚洲av涩爱| 国产伦精品一区二区三区视频9| a 毛片基地| av有码第一页| 啦啦啦在线观看免费高清www| 久久99热6这里只有精品| 免费观看在线日韩| 啦啦啦中文免费视频观看日本| 精品久久久噜噜| 婷婷色综合大香蕉| 熟女人妻精品中文字幕| 岛国毛片在线播放| 自拍欧美九色日韩亚洲蝌蚪91| 91在线精品国自产拍蜜月| 国产一区有黄有色的免费视频| 国产精品无大码| 春色校园在线视频观看| 亚洲精华国产精华液的使用体验| 亚洲美女视频黄频| 免费黄色在线免费观看| 99视频精品全部免费 在线| 中文字幕最新亚洲高清| 老熟女久久久| 亚洲精品久久久久久婷婷小说| 能在线免费看毛片的网站| 18+在线观看网站| 亚洲一级一片aⅴ在线观看| 亚洲精品456在线播放app| 制服丝袜香蕉在线| 91精品国产国语对白视频| 另类亚洲欧美激情| 十分钟在线观看高清视频www| 婷婷色av中文字幕| 天天操日日干夜夜撸| videossex国产| 人体艺术视频欧美日本| 日韩免费高清中文字幕av| 黄色一级大片看看| 免费不卡的大黄色大毛片视频在线观看| 亚洲欧美一区二区三区国产| 精品少妇黑人巨大在线播放| av网站免费在线观看视频| 亚洲精品色激情综合| 中文字幕免费在线视频6| 美女大奶头黄色视频| 男男h啪啪无遮挡| 日韩电影二区| 2022亚洲国产成人精品| 日本爱情动作片www.在线观看| 黑人巨大精品欧美一区二区蜜桃 | 精品亚洲成a人片在线观看| 久久免费观看电影| 丝袜美足系列| 精品人妻在线不人妻| 亚洲av男天堂| 蜜桃国产av成人99| 91精品三级在线观看| 久久人人爽人人爽人人片va| 少妇熟女欧美另类| 成人免费观看视频高清| 亚洲av福利一区| 久热久热在线精品观看| 伊人亚洲综合成人网| 丝袜美足系列| 亚洲,欧美,日韩| 精品久久国产蜜桃| 日本91视频免费播放| 五月伊人婷婷丁香| 亚洲欧美日韩另类电影网站| 你懂的网址亚洲精品在线观看| 91在线精品国自产拍蜜月| 少妇的逼水好多| 日韩三级伦理在线观看| 女的被弄到高潮叫床怎么办| freevideosex欧美| 国产精品久久久久久精品电影小说| 国产成人精品在线电影| 日韩成人av中文字幕在线观看| 欧美变态另类bdsm刘玥| 欧美精品国产亚洲| 精品人妻一区二区三区麻豆| 日韩中字成人| 国产乱来视频区| 午夜福利网站1000一区二区三区| 嫩草影院入口| 久久亚洲国产成人精品v| 有码 亚洲区| 国产日韩欧美在线精品| 亚洲国产av影院在线观看| 国产69精品久久久久777片| 91精品一卡2卡3卡4卡| 国产男人的电影天堂91| 亚洲精品一区蜜桃| 国产黄频视频在线观看| 亚洲精品国产av成人精品| 亚洲丝袜综合中文字幕| 五月伊人婷婷丁香| 欧美xxxx性猛交bbbb| 22中文网久久字幕| 91久久精品国产一区二区成人| 久久婷婷青草| 精品一区二区三卡| 一级毛片 在线播放| 中文字幕亚洲精品专区| 国产精品无大码| 三级国产精品片| 天天躁夜夜躁狠狠久久av| 日本欧美国产在线视频| 插逼视频在线观看| 亚洲国产最新在线播放| 国产精品.久久久| 丝袜美足系列| av网站免费在线观看视频| 国产69精品久久久久777片| 国产国语露脸激情在线看| av在线app专区| 中文精品一卡2卡3卡4更新| 97超碰精品成人国产| 亚洲精品av麻豆狂野| 夜夜看夜夜爽夜夜摸| 丝袜脚勾引网站| 一区二区三区精品91| 熟妇人妻不卡中文字幕| 高清av免费在线| 亚洲无线观看免费| 国模一区二区三区四区视频| a级毛片在线看网站| 国产精品久久久久久久久免| 97超视频在线观看视频| 亚洲欧美成人精品一区二区| 99久久综合免费| 国产免费福利视频在线观看| 啦啦啦啦在线视频资源| 桃花免费在线播放| 久久久精品免费免费高清| 啦啦啦中文免费视频观看日本| 高清午夜精品一区二区三区| 狂野欧美白嫩少妇大欣赏| 日韩中字成人| 中文字幕久久专区| 天堂8中文在线网| 国产av精品麻豆| 97精品久久久久久久久久精品| 成人黄色视频免费在线看| 国产乱人偷精品视频| 欧美国产精品一级二级三级| 伦理电影大哥的女人| 亚洲精品日本国产第一区| 欧美精品一区二区免费开放| 亚洲国产精品国产精品| 男女国产视频网站| 亚洲av二区三区四区| 简卡轻食公司| 精品国产乱码久久久久久小说| 免费少妇av软件| 久久人人爽av亚洲精品天堂| 高清午夜精品一区二区三区| 久久99热6这里只有精品| 国产成人91sexporn| 80岁老熟妇乱子伦牲交| 国产成人a∨麻豆精品| 亚洲国产精品一区二区三区在线| 婷婷成人精品国产| 亚洲国产欧美在线一区| 精品人妻熟女毛片av久久网站| 美女cb高潮喷水在线观看| 18在线观看网站| 亚洲美女搞黄在线观看| √禁漫天堂资源中文www| 精品酒店卫生间| 亚洲国产精品成人久久小说| 看非洲黑人一级黄片| 国产淫语在线视频| 啦啦啦视频在线资源免费观看| 亚洲欧美一区二区三区黑人 | 国模一区二区三区四区视频| 午夜日本视频在线| 十八禁高潮呻吟视频| 国产视频首页在线观看| 99精国产麻豆久久婷婷| 三级国产精品片| 七月丁香在线播放| 尾随美女入室| 王馨瑶露胸无遮挡在线观看| 18在线观看网站| av黄色大香蕉| 青春草亚洲视频在线观看| 美女脱内裤让男人舔精品视频| 韩国av在线不卡| 九九久久精品国产亚洲av麻豆| 少妇被粗大的猛进出69影院 | 欧美精品亚洲一区二区| 亚洲欧洲国产日韩| 另类亚洲欧美激情| 午夜老司机福利剧场| av在线观看视频网站免费| 在线观看人妻少妇| 在线观看美女被高潮喷水网站| 天堂中文最新版在线下载| 亚洲精品456在线播放app| 亚洲综合色网址| 九草在线视频观看| 国产精品99久久99久久久不卡 | 日韩欧美一区视频在线观看| av卡一久久| 亚洲精品亚洲一区二区| 中文字幕人妻熟人妻熟丝袜美| 久久ye,这里只有精品| 99视频精品全部免费 在线| 日本黄色片子视频| 国产男人的电影天堂91| www.av在线官网国产| 国产精品99久久99久久久不卡 | 赤兔流量卡办理| 99九九在线精品视频| 国产精品偷伦视频观看了| 一级爰片在线观看| 国精品久久久久久国模美| 永久免费av网站大全| 91精品国产九色| 精品久久久久久久久av| 人人妻人人澡人人爽人人夜夜| 国产片特级美女逼逼视频| 少妇人妻 视频| 91精品一卡2卡3卡4卡| 高清欧美精品videossex| 欧美人与性动交α欧美精品济南到 | videosex国产| 久久精品国产亚洲网站| 国产精品国产三级国产av玫瑰| 国产在线视频一区二区| 成年人午夜在线观看视频| 人人妻人人澡人人看| 久久这里有精品视频免费| 成人无遮挡网站| 日本与韩国留学比较| 国产色婷婷99| 亚洲高清免费不卡视频| 成人手机av| 青春草视频在线免费观看| 嫩草影院入口| 欧美精品一区二区免费开放| 免费人成在线观看视频色| 一区二区三区免费毛片| 如日韩欧美国产精品一区二区三区 | 国产免费福利视频在线观看| 久久久久久久国产电影| 久久久久人妻精品一区果冻| 国产免费福利视频在线观看| 亚洲美女搞黄在线观看| 黑人欧美特级aaaaaa片| 边亲边吃奶的免费视频| 亚洲少妇的诱惑av| 日本爱情动作片www.在线观看| 天天躁夜夜躁狠狠久久av| 丁香六月天网| 国产av国产精品国产| 久久久亚洲精品成人影院| 免费黄频网站在线观看国产| 高清不卡的av网站| 国产极品天堂在线| 男人添女人高潮全过程视频| 精品国产国语对白av| 亚洲美女黄色视频免费看|