• <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
    中国美白少妇内射xxxbb| 婷婷色麻豆天堂久久| 亚洲伊人久久精品综合| 亚洲精品av麻豆狂野| 欧美xxxx性猛交bbbb| 国产免费又黄又爽又色| 插逼视频在线观看| 一本—道久久a久久精品蜜桃钙片| 成人影院久久| 国产亚洲一区二区精品| 在线播放无遮挡| 22中文网久久字幕| 欧美少妇被猛烈插入视频| 国产老妇伦熟女老妇高清| 十八禁高潮呻吟视频| 国产伦理片在线播放av一区| av播播在线观看一区| 久久久国产一区二区| 日日爽夜夜爽网站| 亚洲国产成人一精品久久久| 成人亚洲精品一区在线观看| 日本vs欧美在线观看视频| 久久久亚洲精品成人影院| 一级片'在线观看视频| 美女cb高潮喷水在线观看| 久久久久久人妻| 国产成人freesex在线| 日本与韩国留学比较| 中文字幕最新亚洲高清| 啦啦啦啦在线视频资源| 久久精品国产亚洲av涩爱| 亚洲国产精品一区二区三区在线| 国产精品免费大片| 秋霞在线观看毛片| 国产又色又爽无遮挡免| 亚洲美女黄色视频免费看| 制服人妻中文乱码| 国产精品一二三区在线看| 久久精品熟女亚洲av麻豆精品| 亚洲成人av在线免费| av播播在线观看一区| 丰满迷人的少妇在线观看| 99热6这里只有精品| 美女中出高潮动态图| 色94色欧美一区二区| 99热国产这里只有精品6| 国产国拍精品亚洲av在线观看| 国产亚洲精品久久久com| 国产色爽女视频免费观看| 国产av码专区亚洲av| 色婷婷av一区二区三区视频| 亚洲四区av| 亚洲欧美色中文字幕在线| 你懂的网址亚洲精品在线观看| 亚洲av男天堂| 女性被躁到高潮视频| 黄色欧美视频在线观看| 亚洲精品自拍成人| xxxhd国产人妻xxx| av黄色大香蕉| 欧美精品一区二区大全| 黑人猛操日本美女一级片| 少妇人妻精品综合一区二区| 国产精品不卡视频一区二区| 寂寞人妻少妇视频99o| 美女大奶头黄色视频| 2022亚洲国产成人精品| 亚洲美女视频黄频| 大码成人一级视频| 国产黄片视频在线免费观看| 夜夜骑夜夜射夜夜干| 欧美3d第一页| 男人添女人高潮全过程视频| 岛国毛片在线播放| 三级国产精品欧美在线观看| 看非洲黑人一级黄片| 久久久精品94久久精品| av国产久精品久网站免费入址| 人妻系列 视频| av在线老鸭窝| 成年人免费黄色播放视频| av网站免费在线观看视频| 视频区图区小说| 久久久久人妻精品一区果冻| 日本黄色片子视频| 91精品三级在线观看| 观看av在线不卡| 黄色毛片三级朝国网站| 99久久人妻综合| 在线天堂最新版资源| 亚洲综合色惰| 美女cb高潮喷水在线观看| 男女无遮挡免费网站观看| 伊人亚洲综合成人网| 男女高潮啪啪啪动态图| 欧美亚洲日本最大视频资源| 成人免费观看视频高清| 97超视频在线观看视频| 99热全是精品| 青春草视频在线免费观看| 久久久久久久久久人人人人人人| 夜夜看夜夜爽夜夜摸| 亚洲av日韩在线播放| 精品一区二区免费观看| 精品久久国产蜜桃| 午夜福利视频精品| 亚洲国产精品成人久久小说| 亚洲图色成人| 亚洲,欧美,日韩| 交换朋友夫妻互换小说| 国产国语露脸激情在线看| 国产视频首页在线观看| 中文字幕精品免费在线观看视频 | 亚洲av电影在线观看一区二区三区| av卡一久久| 国产乱来视频区| 亚洲第一av免费看| 久久亚洲国产成人精品v| 男人添女人高潮全过程视频| 国产白丝娇喘喷水9色精品| 亚洲伊人久久精品综合| 热re99久久国产66热| 一级毛片电影观看| 国产视频内射| 伦理电影大哥的女人| 久久久久久久久大av| 夜夜骑夜夜射夜夜干| 精品视频人人做人人爽| 免费观看a级毛片全部| 国产精品久久久久久av不卡| av专区在线播放| 免费高清在线观看视频在线观看| 激情五月婷婷亚洲| 女的被弄到高潮叫床怎么办| 日本-黄色视频高清免费观看| 有码 亚洲区| 国产亚洲一区二区精品| 一级毛片黄色毛片免费观看视频| 青春草亚洲视频在线观看| 99热全是精品| 九九在线视频观看精品| 国产视频首页在线观看| 精品人妻一区二区三区麻豆| 免费高清在线观看视频在线观看| 日韩欧美精品免费久久| 精品一品国产午夜福利视频| 少妇丰满av| 建设人人有责人人尽责人人享有的| 欧美人与善性xxx| 草草在线视频免费看| 一区二区三区免费毛片| 亚洲精品一二三| 国产欧美日韩综合在线一区二区| 国语对白做爰xxxⅹ性视频网站| 亚洲三级黄色毛片| 看非洲黑人一级黄片| 一本大道久久a久久精品| 成人午夜精彩视频在线观看| 成人国产麻豆网| 亚洲av免费高清在线观看| 久久毛片免费看一区二区三区| av免费观看日本| 一级毛片我不卡| 免费少妇av软件| freevideosex欧美| 黄色毛片三级朝国网站| h视频一区二区三区| 成人手机av| 精品少妇久久久久久888优播| 国产乱人偷精品视频| 纵有疾风起免费观看全集完整版| 久久 成人 亚洲| 日本欧美视频一区| 91aial.com中文字幕在线观看| 嫩草影院入口| 日日摸夜夜添夜夜添av毛片| 精品久久蜜臀av无| 午夜精品国产一区二区电影| a级毛片在线看网站| 久久99热这里只频精品6学生| 在线观看人妻少妇| 街头女战士在线观看网站| 毛片一级片免费看久久久久| 久久亚洲国产成人精品v| 精品久久久久久电影网| 妹子高潮喷水视频| 高清黄色对白视频在线免费看| 18禁在线播放成人免费| 伊人久久国产一区二区| 黄片无遮挡物在线观看| 亚洲av免费高清在线观看| 麻豆成人av视频| 日日撸夜夜添| 晚上一个人看的免费电影| 夜夜看夜夜爽夜夜摸| 国产日韩一区二区三区精品不卡 | 亚洲激情五月婷婷啪啪| 久久国产亚洲av麻豆专区| 国产日韩欧美在线精品| 亚洲天堂av无毛| 高清欧美精品videossex| a级片在线免费高清观看视频| 草草在线视频免费看| 最近2019中文字幕mv第一页| 精品国产露脸久久av麻豆| 国产高清国产精品国产三级| 中文字幕人妻熟人妻熟丝袜美| 亚洲精品亚洲一区二区| 成人无遮挡网站| 另类亚洲欧美激情| 草草在线视频免费看| 亚洲国产最新在线播放| 国产深夜福利视频在线观看| 日韩熟女老妇一区二区性免费视频| 一级,二级,三级黄色视频| 色吧在线观看| 能在线免费看毛片的网站| 久久久久久久久久久丰满| 色94色欧美一区二区| www.色视频.com| 国产在视频线精品| 少妇精品久久久久久久| 一级毛片黄色毛片免费观看视频| 国产欧美另类精品又又久久亚洲欧美| 国产精品嫩草影院av在线观看| 成人综合一区亚洲| 男的添女的下面高潮视频| 日韩强制内射视频| 人妻系列 视频| 免费看光身美女| 少妇丰满av| 丰满少妇做爰视频| 一个人免费看片子| 国产免费福利视频在线观看| 一级毛片电影观看| 蜜桃国产av成人99| 五月开心婷婷网| 日本猛色少妇xxxxx猛交久久| 久久久久久人妻| 亚洲av中文av极速乱| 人妻人人澡人人爽人人| 伊人久久精品亚洲午夜| 狂野欧美激情性xxxx在线观看| 国产乱人偷精品视频| 大香蕉久久成人网| 久久精品夜色国产| 欧美xxⅹ黑人| 国语对白做爰xxxⅹ性视频网站| 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 | 亚洲在久久综合| 亚洲人成77777在线视频| 国产精品偷伦视频观看了| 制服人妻中文乱码| 国产一级毛片在线| 久久久精品94久久精品| 亚洲国产精品一区三区| 男女国产视频网站| 99热全是精品| 91精品三级在线观看| 精品久久久久久久久亚洲| 卡戴珊不雅视频在线播放| 熟妇人妻不卡中文字幕| 在线天堂最新版资源| 亚洲内射少妇av| 韩国高清视频一区二区三区| 九草在线视频观看| 久久久久视频综合| 人妻少妇偷人精品九色| 日韩在线高清观看一区二区三区| 哪个播放器可以免费观看大片| 18禁在线无遮挡免费观看视频| 一个人免费看片子| 男的添女的下面高潮视频| 天堂8中文在线网| 99久久人妻综合| 国产成人精品无人区| 成人漫画全彩无遮挡| 久久久久久人妻| 国产永久视频网站| 久久 成人 亚洲| 97在线人人人人妻| 伊人亚洲综合成人网| 亚洲情色 制服丝袜| 51国产日韩欧美| 免费观看的影片在线观看| 少妇被粗大的猛进出69影院 | 国产深夜福利视频在线观看| 国产精品三级大全| 亚洲欧美日韩卡通动漫| av女优亚洲男人天堂| 国产一区有黄有色的免费视频| 免费观看在线日韩| a级毛片免费高清观看在线播放| 99热全是精品| 久久久久久久久久成人| 亚洲av成人精品一二三区| 午夜福利影视在线免费观看| h视频一区二区三区| 成人手机av| av卡一久久| 国产日韩欧美在线精品| 一区二区三区精品91| 人人妻人人添人人爽欧美一区卜| 精品亚洲乱码少妇综合久久| 国产免费一级a男人的天堂| 国国产精品蜜臀av免费| 蜜桃国产av成人99| av.在线天堂| 搡老乐熟女国产| 成年av动漫网址| 美女脱内裤让男人舔精品视频| 国产精品欧美亚洲77777| 三上悠亚av全集在线观看| 满18在线观看网站| 午夜福利视频精品| 免费看不卡的av| 少妇人妻 视频| 欧美xxxx性猛交bbbb| 亚洲人成77777在线视频| 亚洲欧洲精品一区二区精品久久久 | 国产69精品久久久久777片| 美女大奶头黄色视频| 99久国产av精品国产电影| 久久国产精品大桥未久av| 日日爽夜夜爽网站| 国产白丝娇喘喷水9色精品| 日本爱情动作片www.在线观看| 97超碰精品成人国产| 精品久久久久久久久av| 午夜免费观看性视频| 日韩中文字幕视频在线看片| 午夜影院在线不卡| av又黄又爽大尺度在线免费看| 国产乱人偷精品视频| 精品国产一区二区久久| 香蕉精品网在线| 国产午夜精品久久久久久一区二区三区| 熟女人妻精品中文字幕| 久久久久久久久久久久大奶| 九色亚洲精品在线播放| 男女边摸边吃奶| a级毛片黄视频| 久久人妻熟女aⅴ| 性色avwww在线观看| 波野结衣二区三区在线| 午夜老司机福利剧场| 夫妻性生交免费视频一级片| 高清不卡的av网站| 国产精品.久久久| 校园人妻丝袜中文字幕| 久久鲁丝午夜福利片| 黄色怎么调成土黄色| 18+在线观看网站| a级毛片免费高清观看在线播放| 久久这里有精品视频免费| 大码成人一级视频| 免费少妇av软件| av又黄又爽大尺度在线免费看| 妹子高潮喷水视频| 永久网站在线| 久久久久久久久久人人人人人人| 如日韩欧美国产精品一区二区三区 | 国产黄色免费在线视频| 91久久精品国产一区二区成人| 天天影视国产精品| 亚洲性久久影院| 最近最新中文字幕免费大全7| 蜜桃国产av成人99| 欧美精品一区二区大全| 好男人视频免费观看在线| 另类亚洲欧美激情| 日日撸夜夜添| 丝袜在线中文字幕| 国产免费一级a男人的天堂| 国产av国产精品国产| 亚洲精品久久成人aⅴ小说 | a级毛片免费高清观看在线播放| 婷婷色av中文字幕| 性高湖久久久久久久久免费观看| 精品久久蜜臀av无| 国产视频内射| 夫妻性生交免费视频一级片| 自拍欧美九色日韩亚洲蝌蚪91| 人妻少妇偷人精品九色| 大香蕉久久网| 国产精品三级大全| 国产爽快片一区二区三区| 成人毛片a级毛片在线播放| 少妇的逼好多水| 亚洲成人一二三区av| 美女脱内裤让男人舔精品视频| 丰满迷人的少妇在线观看| 精品亚洲乱码少妇综合久久| 国产黄色免费在线视频| 国产成人a∨麻豆精品| 亚洲欧美色中文字幕在线| 亚洲精品,欧美精品| av不卡在线播放| 在线播放无遮挡| 亚洲欧洲国产日韩| 国产精品久久久久成人av| 国产成人精品一,二区| 亚洲精品,欧美精品| 王馨瑶露胸无遮挡在线观看| 亚洲av在线观看美女高潮| 大话2 男鬼变身卡| 黄片播放在线免费| 天天影视国产精品| 欧美人与性动交α欧美精品济南到 | 99久国产av精品国产电影| 日本黄色日本黄色录像| 桃花免费在线播放| 亚洲成人一二三区av| 亚洲av日韩在线播放| 亚洲高清免费不卡视频| 免费看不卡的av| 中文精品一卡2卡3卡4更新| 婷婷成人精品国产| 免费观看在线日韩| 99久久综合免费| 99re6热这里在线精品视频| 午夜激情久久久久久久| 成年av动漫网址| 免费人妻精品一区二区三区视频| 人妻人人澡人人爽人人| 国产探花极品一区二区| 在线观看三级黄色| 蜜桃久久精品国产亚洲av| 亚洲精品自拍成人| 中文字幕精品免费在线观看视频 | 人妻一区二区av| 人妻少妇偷人精品九色| 国产在线免费精品| 最后的刺客免费高清国语| 欧美三级亚洲精品| 水蜜桃什么品种好| 日本av免费视频播放| 在线亚洲精品国产二区图片欧美 | 欧美精品亚洲一区二区| 最近中文字幕2019免费版| 视频中文字幕在线观看| 日韩精品免费视频一区二区三区 | 欧美老熟妇乱子伦牲交| 中文欧美无线码| 国产精品熟女久久久久浪| 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 | av国产久精品久网站免费入址| 日韩成人伦理影院| 一本色道久久久久久精品综合| 丝袜在线中文字幕| av.在线天堂| 亚洲色图综合在线观看| 大又大粗又爽又黄少妇毛片口| 日韩伦理黄色片| 午夜激情福利司机影院| 寂寞人妻少妇视频99o| 亚洲成人手机| 亚洲精品美女久久av网站| 97在线视频观看| 亚洲三级黄色毛片| 国产精品人妻久久久影院| 亚洲人成网站在线播| 亚洲精品视频女| 一本一本综合久久| 大话2 男鬼变身卡| 国语对白做爰xxxⅹ性视频网站| www.av在线官网国产| 天堂8中文在线网| 亚洲av成人精品一区久久| 日本午夜av视频| 热99国产精品久久久久久7| 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 | 全区人妻精品视频| 十八禁网站网址无遮挡| 中国三级夫妇交换| 女的被弄到高潮叫床怎么办| 亚洲av中文av极速乱| 热99国产精品久久久久久7| 黑丝袜美女国产一区| 久久 成人 亚洲| 中国美白少妇内射xxxbb| 最近最新中文字幕免费大全7| 三上悠亚av全集在线观看| 亚洲精品,欧美精品| 最近2019中文字幕mv第一页| 亚洲第一区二区三区不卡| 18禁在线无遮挡免费观看视频| 人妻制服诱惑在线中文字幕| 18禁在线播放成人免费| 另类亚洲欧美激情| 久久久国产一区二区| 久久久国产欧美日韩av| 十分钟在线观看高清视频www| 三上悠亚av全集在线观看| 国产一区二区三区av在线| 99热这里只有是精品在线观看| 亚洲一区二区三区欧美精品| 国产片特级美女逼逼视频| 九九在线视频观看精品| 日日爽夜夜爽网站| 免费大片黄手机在线观看| av在线播放精品| 一个人看视频在线观看www免费| 在线观看国产h片| 国产免费又黄又爽又色| 黑人高潮一二区| 精品人妻一区二区三区麻豆| 亚洲欧美成人综合另类久久久| 久久久久久久国产电影| 欧美人与性动交α欧美精品济南到 | 欧美日韩亚洲高清精品| 欧美日韩精品成人综合77777| 国产一级毛片在线| 欧美日韩精品成人综合77777| 欧美日韩亚洲高清精品| 看非洲黑人一级黄片| 久久久久久久大尺度免费视频| 欧美日韩视频精品一区| 久久久精品区二区三区| 国产精品成人在线| 亚洲精品中文字幕在线视频| 天堂中文最新版在线下载| 亚洲,一卡二卡三卡| videosex国产| 午夜福利视频精品| 日本黄色日本黄色录像| 9色porny在线观看| 亚洲精品美女久久av网站| 国精品久久久久久国模美| 五月开心婷婷网| 91精品伊人久久大香线蕉| 岛国毛片在线播放| 国产av国产精品国产| 亚洲久久久国产精品| 99九九线精品视频在线观看视频| 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 | 亚洲精品一区蜜桃| 国产精品国产三级国产av玫瑰| 国产日韩欧美在线精品| 色哟哟·www| 亚洲国产精品999| 日日摸夜夜添夜夜爱| 国产高清不卡午夜福利| 欧美 亚洲 国产 日韩一| 边亲边吃奶的免费视频| 精品人妻熟女av久视频| 国产永久视频网站| 国产视频内射| 69精品国产乱码久久久| 久久久久久久国产电影| 亚洲国产av影院在线观看| 亚洲欧美色中文字幕在线| 亚洲精品国产色婷婷电影| 不卡视频在线观看欧美| 91久久精品国产一区二区成人| 一级毛片黄色毛片免费观看视频| 成年人午夜在线观看视频| 久久免费观看电影| 国产日韩欧美视频二区| 久久久午夜欧美精品| 久久久精品区二区三区| 亚洲色图 男人天堂 中文字幕 | 天美传媒精品一区二区| 国产在线免费精品| 能在线免费看毛片的网站| 人体艺术视频欧美日本| 国产精品久久久久久av不卡| 人人妻人人澡人人爽人人夜夜| 国产亚洲精品久久久com| av网站免费在线观看视频| 欧美精品亚洲一区二区| 午夜日本视频在线| 少妇 在线观看| 91国产中文字幕| 亚洲av不卡在线观看| 最近最新中文字幕免费大全7| 一级爰片在线观看| 亚洲内射少妇av| 国产精品国产av在线观看| 久久ye,这里只有精品| av卡一久久| 边亲边吃奶的免费视频| 91精品国产九色| 女人精品久久久久毛片| 亚洲三级黄色毛片| 亚洲欧洲精品一区二区精品久久久 | 另类亚洲欧美激情| 一本久久精品| 国产一区二区三区av在线| 天天影视国产精品| 少妇猛男粗大的猛烈进出视频| 日韩一本色道免费dvd| 涩涩av久久男人的天堂| 观看美女的网站| 久久国产精品大桥未久av| 免费日韩欧美在线观看| 久久免费观看电影| 国产一级毛片在线| 免费播放大片免费观看视频在线观看| 欧美3d第一页| 少妇丰满av| 97在线人人人人妻| 国产男人的电影天堂91| 少妇被粗大的猛进出69影院 | 在线看a的网站| 亚洲成人手机| 精品国产一区二区三区久久久樱花| 插阴视频在线观看视频| 在线天堂最新版资源| 99久久精品国产国产毛片| 久久热精品热| 国产一级毛片在线| 久久99精品国语久久久| 99久国产av精品国产电影| 蜜臀久久99精品久久宅男|