• <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 ?

    熱門數(shù)字音頻預測技術綜述

    2021-09-17 09:43:24張怡寧何洪波王閏強
    關鍵詞:數(shù)字音頻熱門音頻

    張怡寧,何洪波,王閏強

    1.中國科學院計算機網(wǎng)絡信息中心,北京 100190

    2.中國科學院大學,北京 100049

    引言

    數(shù)字媒體技術和互聯(lián)網(wǎng)的高速發(fā)展給傳統(tǒng)媒體帶來技術上的變革,也對其形態(tài)、傳播方式、傳播理念等都產(chǎn)生了重要的影響?;诨ヂ?lián)網(wǎng)的數(shù)字音頻內(nèi)容,如在線音樂、移動電臺播客、有聲書等,受眾愈發(fā)廣泛。根據(jù)艾媒咨詢數(shù)據(jù)[1]顯示,2019年,全國在線音頻市場用戶規(guī)模已達4.9 億人,2020年,中國在線音頻用戶規(guī)模約達5.42 億人。而在世界范圍內(nèi),據(jù)德勤的調(diào)研報告[2]統(tǒng)計全球播客(podcast)市場在2020年增長30%,規(guī)模達到了11 億美元。種種跡象表明,基于互聯(lián)網(wǎng)的數(shù)字音頻傳媒形式正在經(jīng)歷高速發(fā)展,并將憑借自身實力成長為一大重要市場。

    李明揚[3]定義數(shù)字音頻是一種利用數(shù)字化手段對聲音進行錄制、存放、編輯、壓縮或播放的技術,它是隨著數(shù)字信號處理技術、計算機技術、多媒體技術的發(fā)展而形成的一種全新的聲音處理手段。數(shù)字音頻的主要應用領域是音樂后期制作和錄音。熱門數(shù)字音頻預測技術是指通過選擇和提取具有較強表示性的音頻特征,探索音頻熱門程度或流行程度與這些特征之間的關系,并訓練相應模型來預測新發(fā)布的音頻是否會成為熱門音頻(hits)。研究熱門數(shù)字音頻預測技術,將一步促進全球在線數(shù)字音頻行業(yè)的蓬勃發(fā)展——對于市場規(guī)模已然龐大的音樂行業(yè)和發(fā)展?jié)摿Ω鼮榫薮蟮囊苿与娕_播客領域都將帶來深遠的影響。

    近些年,全球已有不少學者對熱門音頻預測技術進行了探索,并在熱門音樂預測、熱門播客預測領域取得了可觀的成果。本文將從熱門指標定義、音頻特征選取、預測模型算法三方面綜述學術界在熱門數(shù)字音頻預測領域的相關研究成果,并對熱門數(shù)字音頻預測技術未來的發(fā)展趨勢和研究方向進行展望。

    1 熱門指標定義

    熱門數(shù)字音頻預測問題在大多數(shù)情況下都會被看作一個二分類問題,即通過音頻特征預測音頻屬于熱門/非熱門音頻。而對于“熱門”與否,學者們大多通過音頻排名、播放量或下載量等客觀數(shù)據(jù)劃定閾值進行指標的衡量。

    在對于熱門音樂預測的研究中,大部分學者根據(jù)音樂排行榜上的音樂排名對熱門音樂和非熱門音樂進行區(qū)分,但在熱門指標衡量的嚴格程度上又可能有所不同。在一些文獻[4-6]中,作者定義熱門音樂為登上過美國公告牌(Billboard)年度歌曲排行榜前100 名的音樂,非熱門音樂為從未進入排行榜前100名的音樂。在另一些學者的研究中[7-11]中,進入相應歌曲排行榜前5、前10 或前20 名的音樂被看作熱門音樂。而Dhanaraj 等人[12]只將排行榜排名第一的音樂看作熱門音樂。也有學者認為由于時間變量的影響,單純的排行榜數(shù)據(jù)無法客觀反映一首歌的熱門程度,因此Lee 等人[13]基于音樂排行榜的排名自主定義了一首歌曲的多個流行度指標,以量化一首音樂的綜合熱度。

    部分學者通過音樂播放量(play counts)對熱門音樂進行定義[14-16],通過設定較高的播放量閾值對熱門音樂進行劃分。還有少部分學者直接使用第三方API(Application Programming Interface,應用程序編程接口)定義的熱度指標對熱門音樂作出區(qū)分,如Pham 等人[17]使用the Echo Nest(原音樂網(wǎng)站應用數(shù)據(jù)平臺,現(xiàn)已被Spotify 收購并更名為Spotify Web API[18])定義的“hotttnesss”指標作為預測的熱門指標。

    在熱門播客預測領域,研究成果尚不如熱門音樂預測領域豐富,基本上所有學者都是通過播客在相關平臺上的排名數(shù)據(jù)對熱門播客與非熱門播客進行區(qū)分[19-21]。

    2 特征選取

    音頻特征選擇與提取是熱門數(shù)字音頻預測研究中的重要環(huán)節(jié),選取與熱門程度相關性更強的特征往往會取得更好的預測效果。熱門數(shù)字音頻預測的特征可以分為兩個主要類別:內(nèi)部特征和外部特征[15,22]。內(nèi)部特征指音頻及其本身相關內(nèi)容的特征,外部特征通常包括與音頻有關的社交媒體事件、聽眾心理或社會影響等內(nèi)容。由于外部特征更多的涉及社會科學方向,因此熱門數(shù)字音頻預測技術領域的研究通常都選取可以量化表示的內(nèi)部特征進行建模。只有Bischoff等人[23]僅依靠外部特征,通過從音樂社交網(wǎng)絡挖掘的數(shù)據(jù)以及歌曲、藝術家和專輯之間的關系,使用機器學習的方法預測了歌曲成為熱門歌曲的潛力。本文主要對學者們在該預測領域所選取的內(nèi)部特征進行總結(jié)和分析,主要可歸納為以下四個類別。表1 總結(jié)了常用的四種特征示例及其解釋。

    表1 常見的四種特征示例及其解釋Table1 Examples and explanations of the four common features

    在大多數(shù)熱門數(shù)字音頻預測的實驗研究中,學者們更多的選取音頻淺層特征和音頻深層特征作為輸入變量建立預測模型。單獨選取文本特征進行預測也會取得可觀的預測效果[4]。值得注意的是,在他們的實驗中,選取多種特征類型共同預測的效果往往最好,如Yang 等人[15]使用音頻淺層特征和元數(shù)據(jù)標簽特征的深度學習融合模型在所有實驗中取得了最好的預測效果,遠遠超過使用單一類型特征的預測結(jié)果。

    2.1 音頻淺層特征

    音頻淺層特征是指基于音頻信號本身的易于提取的特征,主要包括基于頻譜圖的MFCC(Mel Frequency Cepstral Coefficient,梅爾頻率倒譜系數(shù))[12,15-16,24],通過the Echo Nest 或Spotify Web API獲取的簡單音樂特征如節(jié)奏、拍子記號、調(diào)式、音調(diào)等[5-11,14,17,25],基本音頻屬性如音頻片段的時長、響度等[6,14,25]。

    2.2 音頻深層特征

    與音頻淺層特征相對應的是音頻深層特征,手工特征(hand-craft features)也屬于深層特征。音頻深層特征由音頻淺層特征經(jīng)過更為復雜的計算或人工標注而來,Porter 等人[26]認為音頻深層特征可以捕捉更為抽象的概念,如情緒類別等。The Echo Nest 或Spotify Web API 獲取的深層音頻特征包括音樂的可舞蹈性(Danceability)、能量(Energy)、口語性(Speechness)、現(xiàn)場性(Liveness)等。

    在一些研究中,學者們還經(jīng)常使用自定義的深層特征進行熱門數(shù)字音頻的預測。如Lee 等人[24]利用音樂和聲、節(jié)奏、音色以及響度等特征隨時間的變化情況計算得出的音樂復雜度(Complexity)特征,Yang 等人[20]通過對播客的音頻特征利用基于逆向?qū)W習的建模方法提出的播客表示方法ALPR(Adversarial Learning-based Podcast Representation,基于對抗學習的播客表示),以及Tsagkias 等人[27]提出的播客分析框架PodCred 中的大部分特征也屬于音頻的深層特征。

    2.3 文本特征

    數(shù)字音頻的文本特征主要包括音樂的歌詞以及播客的口播文本內(nèi)容。Dhanaraj 和Logan[12]利用潛在語義分析的方法將每首歌的歌詞轉(zhuǎn)換為特征向量,Singhi 等[4]使用Rhyme Analyser[28]和CMU Pronunciation Dictionary[29]提取歌詞的韻律和音節(jié)特征,對熱門歌曲進行預測。Joshi 等[21]基于詞法分析采用了一種三元組訓練方法,學習了基于文本的播客特征表示,并將其應用于熱門播客的預測任務。

    2.4 元數(shù)據(jù)特征

    元數(shù)據(jù)特征(meta information)是關于數(shù)據(jù)的結(jié)構(gòu)化數(shù)據(jù),描述數(shù)字音頻的元數(shù)據(jù)也被作為熱門音頻預測的特征選擇。Pham 等[17]使用詞袋的方法對歌曲名稱、藝術家id 和藝術家經(jīng)常關聯(lián)的術語(類型)等元數(shù)據(jù)特征進行表示,并取得了比深淺層音頻特征更好的熱門音樂預測效果。Yang 和Yu 等人[15-16]利用JYnet 模型[30]生成的音樂標簽,作為卷積神經(jīng)網(wǎng)絡進行熱門音樂預測的特征輸入之一,提高了預測準確率。Tsagkias 等[19]使用PodCred 框架[27]中基于播客元數(shù)據(jù)的相關特征完成了對iTunes 上的熱門播客的排名預測。Zangerle 等[6]使用音頻的發(fā)布時間元數(shù)據(jù)作為熱門音頻預測的特征輸入之一并取得了良好的預測效果。

    3 預測模型算法

    3.1 預測算法性能評價指標

    大多數(shù)情況下的熱門數(shù)字音頻預測問題是一個二分類問題,因此樣本有正負兩個類別,即熱門/非熱門音頻。那么模型預測的結(jié)果和真實標簽的組合就有4 種:TP(True Positive),F(xiàn)P(False Positive),F(xiàn)N(False Negative),TN(True Negative),如表二所示。這4 個分別表示:實際為熱門音頻預測結(jié)果為熱門音頻,實際為非熱門音頻預測為熱門音頻,實際為熱門音頻預測為非熱門音頻,實際為非熱門音頻預測為非熱門音頻。

    表2 熱門音頻二分類預測模型結(jié)果組合Table2 Results of the two-class popular audio prediction model

    在使用模型對熱門數(shù)字音頻進行二分類預測時,傳統(tǒng)的模型評價指標包括:(1)準確率(Accuracy)、(2)精確率(Precision)、(3)召回率(Recall)、(4)F1 值(F1 Score)。由于許多機器學習的模型對分類問題的預測結(jié)果都是概率,而以上四種評價指標的結(jié)果依賴于模型中的閾值設定的合理性,所以也有部分學者采用AUC 指標(Area Under Curve,曲線下面積)衡量模型效果。同時,在測試集中的正負樣本的分布變化的時候,曲線能夠保持不變。由于在實際的數(shù)據(jù)集中經(jīng)常會出現(xiàn)類不平衡(class imbalance)現(xiàn)象,即可用來實驗的熱門音頻的數(shù)量總是遠遠少于非熱門音頻,使用AUC 指標能夠很好的描述模型整體性能的高低。各個評價指標的解釋以及意義如表3所示。

    表3 熱門音頻預測模型常用評價指標Table3 Commonly used evaluation indicators of the popular audio prediction models

    除了將熱門數(shù)字音頻預測看作一個二分類問題外,還有研究者對熱門音頻在排行榜上的排名進行預測,衡量其模型性能的評價指標包括描述預測值誤差的均方根誤差RMSE(Root Mean Square Error)和平均絕對誤差MAE(Mean Absolute Error)[6],以及描述真實排名與預測排名相關性的歸一化折損累計增益NDCG(Normalized Discounted Cumulative Gain),Kendall 相關系數(shù)以及Spearman 相關系數(shù)等[20,31]。

    3.2 基于機器學習的預測算法

    機器學習是一個快速發(fā)展的領域,它能解決許多傳統(tǒng)方法所無法有效解決的復雜問題[32]?;诓煌瑱C器學習方法的預測算法被應用于熱門數(shù)字音頻預測領域的研究,其中支持向量機法與邏輯回歸法因其較好的預測效果應用最為廣泛。

    3.2.1 支持向量機

    使用支持向量機對熱門音頻進行預測,雖然不是在該研究領域被被最廣泛應用的機器學習方法,但是被學者最早應用到該領域的算法。支持向量機的原理是試圖從最近的數(shù)據(jù)點找到一個邊界盡可能大的分離超平面,實現(xiàn)簡單,因而會最早被學者用來做熱門音樂領域的探索。

    早在2005年,Dhanaraj 和Logan[12]首次使用基于聲學和歌詞的特征來構(gòu)建支持向量機,并使用增強分類器來區(qū)分不同風格的歌曲中排名前1 的歌曲。盡管只有91 首歌曲的原聲和歌詞數(shù)據(jù),他們的結(jié)果很樂觀,并認為熱門音樂可以預測。在2011年,Borg 和Hokkanen[14]使用the Echo Nest 的音頻數(shù)據(jù)特征構(gòu)建了支持向量機模型預測熱門音樂,但獲得的結(jié)果卻非常有限:無論選取任何特征以及設定任何參數(shù),他們的預測精確率都從未超過樣本偏差1%。因此他們認為,一首歌曲是否能成為熱門歌曲很可能是由社會力量驅(qū)動的。2013年,F(xiàn)an 和Casey[8]對英文熱門歌曲和中文熱門歌曲進行了預測和比較研究。英文的歌曲數(shù)據(jù)是從英國專輯排行榜收集的,中文歌曲數(shù)據(jù)從中國歌曲排行榜收集而來。同樣從the Echo Nest 獲得音樂音頻特征,他們使用了時間加權的線性回歸和支持向量機算法進行熱門音樂預測。當將熱門歌曲定義為出現(xiàn)在前40 位排行榜前5 名中的歌曲、將非熱門歌曲定義為同一列表中的最后5 首時,使用支持向量機方法預測中文歌曲的錯誤率約為29%,而英文歌曲的預測錯誤率約為44%,其預測效果好于線性回歸模型。其研究結(jié)果還表明,中文流行歌曲預測比英文流行歌曲預測結(jié)果更準確。斯坦福大學Pham[17]等人于2016年進行的另一項最新研究評估了不同的機器學習算法預測熱門音樂的能力。他們使用了支持向量機、邏輯回歸、線性判別分析、二次判別分析和多層感知器等方法,其所選取的特征包括音頻深淺層特征以及元數(shù)據(jù)特征。在他們的研究中,所有模型獲得了大致相似的預測準確率,取值范圍為0.75 至0.80,其中支持向量機模型的綜合預測效果最佳。2018年,Lee 等人[24]使用描述音樂復雜性的音頻深層特征以及其他傳統(tǒng)聲學淺層特征建立了支持向量機、邏輯回歸、決策樹和神經(jīng)網(wǎng)絡模型對熱門音樂進行預測。其結(jié)果表明,雖然仍有改進的空間,但基于歌曲的音頻信號預測歌曲的熱門指標是可行的,預測結(jié)果明顯優(yōu)于隨機概率,特別是同時使用歌曲的復雜性特征和MFCC 特征,其中預測準確率最高的也是支持向量機模型。

    使用支持向量機對熱門歌曲進行預測有如下優(yōu)勢:首先,它們不需要任何復雜的參數(shù)調(diào)優(yōu)。其次,在一個小的訓練語料庫中,他們表現(xiàn)出很強的概括能力。最后,它們特別適用于高維空間的學習。但當訓練樣本過大時,則不能使用支持向量機對熱門音樂進行預測,因為它使用二次規(guī)劃法來求解支持向量,而求解二次規(guī)劃將涉及N 階矩陣的計算(N為樣本的個數(shù)),當N 數(shù)目很大時,該矩陣的存儲和計算將耗費大量的機器內(nèi)存和運算時間。由于其模型的預測效果極度依賴小型訓練數(shù)據(jù)的質(zhì)量,因此使用支持向量機預測熱門歌曲的效果也會隨著特征選取的成功與否表現(xiàn)出不同的預測成功率。

    3.2.2 邏輯回歸

    邏輯回歸是一種數(shù)學模型,可用于描述一個或多個自變量和一個因變量之間的關系[33]。因此,該模型可用于像熱門音頻預測這樣的二分類問題。當將訓練好的邏輯回歸模型應用到測試數(shù)據(jù)的特征時,會輸出是否為熱門音頻的置信概率,這個概率是0到1 之間的一個數(shù)字。邏輯回歸通常使用0.5 作為分類閾值。對于熱門音頻預測,邏輯回歸法是可以優(yōu)化精度的理想方法,因為可以通過提高熱門音頻的分類閾值,從而在熱門音頻的定義上形成一個“更嚴格的”標準。并可以通過加入正則化系數(shù)λ,迭代減小過擬合。

    2014年,Herremans 等人[9]對熱門舞曲的預測進行了研究。他們創(chuàng)建了從2009年到2013年的熱門舞曲數(shù)據(jù)集,并在其中使用了決策樹、樸素貝葉斯、邏輯回歸和支持向量機等機器學習算法進行預測模型的訓練。他們的研究結(jié)果表明,通過分析音頻特征來預測舞曲的流行程度是可行的,其中預測效果最好的算法是邏輯回歸,AUC 為0.65,準確率為83%。同年,Wang[10]從MIDI 音樂文件中提取樂器、旋律和節(jié)拍特征對熱門音樂進行預測,并取得了令人驚訝的好結(jié)果。他們使用n 元語言模型將原始音頻淺層特征轉(zhuǎn)換為詞-文檔頻率矩陣(word-document frequency matrices),將邏輯回歸作為分類器,并使用概率系數(shù)來優(yōu)化精度。 同時使用樂器、旋律和節(jié)拍等特征進行預測,其預測準確率峰值為0.882,對應召回率為0.279。Herremans 和Bergmans[11]在實驗中既使用音頻特征和元數(shù)據(jù)特征,又使用了一種基于社交媒體傾聽行為的新特征,建立了邏輯回歸和支持向量機等機器學習模型對熱門音樂進行預測。其結(jié)果表明,基于早期聽眾行為分析特征的邏輯回歸模型在預測排名前20 的熱門舞曲時表現(xiàn)最好,能夠達到0.79 的AUC 值。2019年,Yang 等人[20]對播客的非文本特征進行建模,提出了一種基于逆向?qū)W習的播客表示方法ALPR。其評價結(jié)果表明,同樣使用邏輯回歸的預測方法,相比于僅基于文本特征或先前研究中的音頻特征表示,ALPR 特征帶來了顯著的性能提升。同年,Georgieva 等人[5]將美國熱門歌曲排行榜Billboard年度排名前100 名的歌曲看作熱門歌曲,并整理了大約4000 首熱門和非熱門歌曲的數(shù)據(jù)集,從Spotify Web API 中提取了每首歌曲的音頻深淺層特征對熱門歌曲進行預測。通過五種機器學習算法,他們在驗證集上以大約75%的準確率預測了一首歌曲是否可以成為熱門歌曲。其中最成功的算法是邏輯回歸模型和帶有一個隱含層的神經(jīng)網(wǎng)絡方法。

    邏輯回歸是一種被人們廣泛使用的算法,使用邏輯回歸對熱門音頻進行預測的優(yōu)勢除了上文提到的分類標準的嚴格程度可通過設置不同閾值而自由調(diào)節(jié)外,還具有高效、不需要太大計算量和縮放輸入特征、通俗易懂并且可以輸出校準好的預測概率等優(yōu)勢。但它最大的劣勢就是不能用來解決非線性問題,因為它的決策面是線性的。當去掉與輸出變量無關的特征以及相似度較高的特征時,邏輯回歸效果確實會更好。因此在熱門音頻預測中,特征工程質(zhì)量的好壞亦在該算法的性能方面起著重要的作用。

    3.2.3 其他機器學習方法

    除了應用較為廣泛并取得了較好的預測效果的支持向量機和邏輯回歸法外,貝葉斯網(wǎng)絡、移動感知器、隨機森林和XG-Boost 方法也曾被應用于熱門數(shù)字音頻的預測。

    2009年,Singhi 和Brown[4]使用歌曲的歌詞信息進行了熱門歌曲預測的探索。他們使用31 種韻律和音節(jié)特征開發(fā)了一個熱門音樂檢測模型,對在2008年至2013年間進入Billboard年終熱門100 首單曲的歌曲進行訓練。他們使用492 首熱門歌曲和6 323 首非熱門歌曲訓練了貝葉斯網(wǎng)絡,得到了0.451的召回率和0.214 的預測準確率,結(jié)果優(yōu)于隨機結(jié)果。在他們的實驗中,隨著歌詞長度的增加,預測效果也會隨之提高。同年,Tsagkias等人[19]通過實驗證明,根據(jù)對比分析iTunes 上流行和非流行播客的指標特征,并使用PodCred 評估模型[27]中的一組基于人工分析的淺層特征指標可以用來預測播客的聽眾偏好。這些特征更多的涉及元數(shù)據(jù)的完整性、一致性以及播客的完成質(zhì)量等相關特性。他們成功在iTunes 上的一組播客數(shù)據(jù)上進行了熱門播客預測實驗。使用多種機器學習方法,他們能夠?qū)Tunes 上流行的播客與不流行的播客分類,并對播客進行排名,使iTunes 上最流行的播客名列前茅。其中預測熱門播客效果最好的是隨機森林法,通過使用所有維度的所有特征,可以取得0.83 的F1 值。2019年,Joshi等人[21]研究了播客的文本內(nèi)容特征,以探索在不同的熱門播客和非熱門播客中,文本線索的輔助作用。盡管一些文本內(nèi)容的極性和主觀性非常相似,但它們所包含的詞匯線索卻存在顯著差異。因此,他們采用了一種基于三元組的訓練方法,學習一個基于文本的播客表示,然后使用XG-Boost 算法用于熱門播客預測任務。其最佳模型的F1 值為0.82,比對照組的最佳水平提高了12.3%。

    不同的機器學習算法可能會在不同的數(shù)據(jù)集上產(chǎn)生不同的預測效果,但可以肯定的是,在避免過擬合的情況下,選取恰當而更具表示性的特征輸入都會有助于提高各自算法的預測性能。

    3.3 基于深度學習的預測算法

    深度學習是人工智能的重要研究方向,也是人工智能技術發(fā)展迅速的領域之一,幫助計算機理解大量圖像、聲音和文本形式的數(shù)據(jù)。[34]人工神經(jīng)網(wǎng)絡,通常稱為神經(jīng)網(wǎng)絡,是一種基于實際生物神經(jīng)元功能的計算模型。它是一種非線性的統(tǒng)計工具,在模式識別領域廣泛應用,同時也是深度學習的核心方法。神經(jīng)網(wǎng)絡是一種自適應系統(tǒng),它根據(jù)訓練數(shù)據(jù)在學習階段自動進行參數(shù)的調(diào)整。

    第一次使用神經(jīng)網(wǎng)絡對熱門音頻進行預測的是Monterola 等人[25],他們在從2004年至2006年發(fā)行的380 首菲律賓語原創(chuàng)音樂(OPM,Original Pilipino Music)歌曲(其中有190 首熱門歌曲)中提取了56個單值音樂特征(如音高和速度),并定義了一個評價標準來衡量每一個特征的表示能力,將排名最高的20 個音樂特征輸入神經(jīng)網(wǎng)絡,使用梯度下降反向傳播方法進行訓練,最后得到了81%的平均預測準確率,比使用此相同的數(shù)據(jù)集和特征建立的其他機器學習方法高出了約20%的預測準確率。其實驗結(jié)果顯示了使用神經(jīng)網(wǎng)絡方法對熱門音樂進行預測的樂觀前景與可觀優(yōu)勢,并在之后深度學習的發(fā)展歷程中得到了許多學者的實驗佐證。

    隨著深度學習領域如火如荼的發(fā)展,對于熱門音頻預測領域的研究,學者們紛紛開始使用卷積神經(jīng)網(wǎng)絡方法進行模型的建立。不同的是模型的結(jié)構(gòu)有所不同,但都取得了較好的預測效果。同時,深層結(jié)構(gòu)和多種類特征輸入的模型預測效果往往優(yōu)于淺層結(jié)構(gòu)和單一特征輸入模型的預測效果。

    2017年,Yang 等人[15]將熱門歌曲預測問題表示為一個回歸問題,并以原始的MFCC 特征作為特征輸入,訓練了一個簡單卷積神經(jīng)網(wǎng)絡模型、一個更高級的JYnet 模型[30]和這兩種模型的融合模型。其實驗表明,在預測中文歌曲或西方歌曲在中國臺灣地區(qū)的熱門程度時,深層結(jié)構(gòu)模型的預測效果比淺層結(jié)構(gòu)模型更準確。對西方歌曲的預測更依賴于模型的深層結(jié)構(gòu),他們認為簡單的淺層模型可能無法捕捉西方流行歌曲中豐富的聲學特征和流派多樣性。

    同年,Yu 等人[16]擴展了上述研究成果。他們建立了Siamese-CNN 模型,以歌曲對為輸入,然后聯(lián)合優(yōu)化兩首歌曲在預測熱門歌曲得分時的平均平方誤差和判斷兩首歌曲得分高低的成對排名損失。使用普通的卷積神經(jīng)網(wǎng)絡模型通常將熱門音頻預測作為一個回歸問題,而Siamese-CNN 模型可以同時學習音頻的流行性分數(shù)和相對排名。作者根據(jù)KKBOX 提供的商業(yè)數(shù)據(jù)對歌曲的每日播放次數(shù)進行評估,證實了Siamese-CNN 模型結(jié)構(gòu)在區(qū)分熱門歌曲和非熱門歌曲方面比其他基本算法更有效。

    2019年,Zangerle 等人[6]采用了一個寬而深的神經(jīng)網(wǎng)絡模型,聯(lián)合利用音頻淺層特征、音頻深層特征以及元數(shù)據(jù)特征(音頻發(fā)行年份)預測美國Billboard 歌曲排行榜中年度前100 名的熱門音樂,使用多種類特征的聯(lián)合訓練模型效果顯著高于使用單一種類特征的預測模型,最高可達75.04%的準確率。

    使用深度學習的方法對熱門數(shù)字音頻進行預測具有如下優(yōu)勢:他們在實踐中往往表現(xiàn)出比普通機器學習更好的預測精準度,同時可以學習訓練數(shù)據(jù)中非常復雜的底層特征,因為網(wǎng)絡隱藏層的存在減少了對特征工程的需求。此外深度學習法特別適用于大型數(shù)據(jù)集和高維度數(shù)據(jù)集。但其劣勢也相應表現(xiàn)在訓練速度較慢、需要消耗巨大的計算資源以及對于較為少量的訓練數(shù)據(jù)不能學習到效果較好的預測參數(shù)等方面。

    3.4 預測算法小結(jié)

    對上述熱門音頻預測算法進行性能分析總結(jié),如表四所示。我們從預測類型、特征選擇、方法復雜度、預測效果及方法優(yōu)劣等幾個角度進行了總結(jié)。

    表4 熱門音頻預測算法性能分析Table4 Performance analysis of popular audio prediction algorithms

    4 總結(jié)與展望

    如上文所述,熱門音頻預測領域自發(fā)展以來,大多數(shù)研究學者在熱門音樂或熱門播客預測領域都取得了較為樂觀的實驗結(jié)果。通過建立不同的預測模型,選取不同的特征數(shù)據(jù),從而取得了各不相同的預測效果,其中使用深度學習方法的預測效果最令人滿意。但熱門數(shù)字音頻預測領域的研究并不是一帆風順的,Salganik 等人[35]曾在2006年提出過文化市場不可預測性的主張,Pachet 和Roy[36]在2008年通過不成功的熱門音樂預測實驗檢驗了這一主張在音樂市場上的有效性,Borg 和Hokkanen[14]以及Reiman 和?rnell[37]同樣認為,一首歌曲是否能成為熱門歌曲很可能是由社會力量驅(qū)動的,而音頻本身的內(nèi)部特征不足以支撐成功的熱門音頻預測實驗。

    對于這些質(zhì)疑,筆者認為其實驗失敗的原因可能在于直接使用了第三方API 獲得特征進行訓練,在實驗中缺少了選取關鍵或者是有效特征的過程。此外,對音樂數(shù)據(jù)集“熱門”這一指標的不同定義方法也會在一定程度上影響預測效果。同時,訓練模型的維數(shù)災難和過擬合現(xiàn)象可能也是導致預測失敗的原因。

    筆者對于熱門音頻預測領域未來的發(fā)展仍是看好的??茖W研究活動必然借助于先進的數(shù)據(jù)與計算平臺,先進的數(shù)據(jù)與計算平臺也將因應用需求驅(qū)動演進出更新的技術,驅(qū)動當代科學研究的螺旋式上升[38]。隨著深度學習、大數(shù)據(jù)和云計算技術的深入發(fā)展,會有更大量的可用實驗音頻數(shù)據(jù)集,對于“熱門”指標的衡量也可以通過加入更多維度的數(shù)據(jù)計算過程來使其更加客觀和準確。同時,計算機的數(shù)據(jù)計算和處理能力也會不斷加強,各種改進的深度學習算法層出不窮,熱門音頻預測領域仍會有很大的探索空間,具體可歸納為以下三點:

    (1)優(yōu)化特征選取過程:特征選擇的好壞與模型的預測效果息息相關,除了本文中介紹的學者常用的特征外,選取表示性更強的音頻淺層特征、發(fā)明更具針對性的音頻深層特征、合理利用文本特征和元數(shù)據(jù)特征可能會取得更好的預測效果。

    (2)優(yōu)化“熱門”指標的衡量方法:由于問題定義本身固有的類別不平衡,熱門播客或歌曲在語料庫中總是占少數(shù),這會導致訓練數(shù)據(jù)集的不平衡。此外目前大多數(shù)文獻都是通過使用播放量或者是熱門排行榜中的排名這種單維第三方數(shù)據(jù)來衡量音頻的“熱門”程度,因此該指標可能并不科學或客觀。更多的社會影響要素如推廣宣傳、時事熱點等狀況未被考慮進去。這一領域更是需要更深入的跨學科研究過程。

    (3)從預測模型算法方面進行優(yōu)化:可以利用多層音頻特征、文本特征以及元數(shù)據(jù)特征來構(gòu)建改進的多模態(tài)模型或融合模型,使算法更具對熱門數(shù)字音頻預測領域的問題針對性。

    此外,由上文可知,目前國內(nèi)科研界對熱門數(shù)字音頻預測領域的研究內(nèi)容較為欠缺,筆者在搜集文獻時可查閱的中文文獻相對較少。而在世界范圍內(nèi),熱門音樂預測領域的研究成果也遠遠多于熱門播客預測領域的研究成果。但值得一提的是,目前我國移動網(wǎng)絡電臺發(fā)展迅速,根據(jù)前瞻產(chǎn)業(yè)研究院的報告顯示,喜馬拉雅FM 在2020年5月的平臺月活用戶數(shù)已超過9937.39 萬人,因此對我國熱門播客預測領域進行研究具備深遠意義。

    利益沖突聲明

    所有作者聲明不存在利益沖突關系。

    猜你喜歡
    數(shù)字音頻熱門音頻
    必須了解的音頻基礎知識 家庭影院入門攻略:音頻認證與推薦標準篇
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    基于FPGA的多協(xié)議數(shù)字音頻信號發(fā)生方法
    電子制作(2017年10期)2017-04-18 07:22:40
    音頻分析儀中低失真音頻信號的發(fā)生方法
    電子制作(2017年9期)2017-04-17 03:00:46
    熱門智能手機應用
    海外星云(2016年7期)2016-12-01 04:18:00
    瘋狂猜圖
    家庭百事通(2016年5期)2016-05-06 20:48:31
    數(shù)字音頻及其嵌入技術在廣播電視工程的應用
    數(shù)字音頻廣播信號接收系統(tǒng)及其軟件架構(gòu)
    數(shù)字音頻廣播的特點
    Pro Tools音頻剪輯及修正
    人間(2015年8期)2016-01-09 13:12:42
    天堂网av新在线| 免费电影在线观看免费观看| 69av精品久久久久久| 非洲黑人性xxxx精品又粗又长| 最近最新中文字幕大全电影3| 精品酒店卫生间| 国产一区二区三区av在线| 色综合站精品国产| 国产成人aa在线观看| 老师上课跳d突然被开到最大视频| 白带黄色成豆腐渣| 亚洲欧美成人综合另类久久久| 天美传媒精品一区二区| 特大巨黑吊av在线直播| 免费大片黄手机在线观看| 国产亚洲5aaaaa淫片| 国产亚洲午夜精品一区二区久久 | 午夜激情福利司机影院| 联通29元200g的流量卡| 精品一区二区三区人妻视频| 色哟哟·www| 国产精品熟女久久久久浪| 中文在线观看免费www的网站| 久久久久久久久久久免费av| 色综合亚洲欧美另类图片| 天美传媒精品一区二区| 成年av动漫网址| 久久鲁丝午夜福利片| 日日啪夜夜撸| 超碰av人人做人人爽久久| 一级黄片播放器| 国产激情偷乱视频一区二区| 婷婷色麻豆天堂久久| 有码 亚洲区| 好男人在线观看高清免费视频| 十八禁国产超污无遮挡网站| 99视频精品全部免费 在线| 亚洲伊人久久精品综合| 色播亚洲综合网| 特大巨黑吊av在线直播| 国产老妇女一区| 亚洲国产av新网站| 亚洲最大成人手机在线| 大又大粗又爽又黄少妇毛片口| 亚洲电影在线观看av| 久久久久久伊人网av| 亚洲婷婷狠狠爱综合网| 国产一区有黄有色的免费视频 | 国产综合精华液| 秋霞在线观看毛片| 99re6热这里在线精品视频| 日韩av不卡免费在线播放| 97在线视频观看| 精品欧美国产一区二区三| 最近最新中文字幕大全电影3| 免费大片黄手机在线观看| 日韩中字成人| 丝袜美腿在线中文| 观看免费一级毛片| 国产永久视频网站| 听说在线观看完整版免费高清| 久久人人爽人人片av| 欧美变态另类bdsm刘玥| 亚洲熟女精品中文字幕| 天天躁日日操中文字幕| 久久精品国产亚洲av天美| 国产精品一区二区在线观看99 | 啦啦啦啦在线视频资源| 国产成人精品福利久久| 国产精品一及| 男插女下体视频免费在线播放| 真实男女啪啪啪动态图| 22中文网久久字幕| 在线观看美女被高潮喷水网站| 国产亚洲一区二区精品| 国产精品.久久久| 国内揄拍国产精品人妻在线| 亚洲最大成人手机在线| 欧美变态另类bdsm刘玥| 97人妻精品一区二区三区麻豆| 国产精品女同一区二区软件| 久热久热在线精品观看| 插逼视频在线观看| 精品久久国产蜜桃| 麻豆av噜噜一区二区三区| 亚洲无线观看免费| 少妇丰满av| 一二三四中文在线观看免费高清| 亚洲国产精品国产精品| 肉色欧美久久久久久久蜜桃 | 久久综合国产亚洲精品| 色网站视频免费| 美女国产视频在线观看| 亚洲国产色片| 十八禁网站网址无遮挡 | 亚洲av不卡在线观看| 免费大片黄手机在线观看| 亚洲av成人精品一二三区| 国模一区二区三区四区视频| 久久久a久久爽久久v久久| 国产免费福利视频在线观看| 亚洲国产欧美人成| 最近2019中文字幕mv第一页| 熟妇人妻久久中文字幕3abv| 少妇被粗大猛烈的视频| 美女cb高潮喷水在线观看| 亚洲av成人精品一区久久| 亚洲电影在线观看av| 一边亲一边摸免费视频| 又爽又黄无遮挡网站| 大香蕉久久网| 亚洲精品乱久久久久久| 三级毛片av免费| 日韩成人伦理影院| 日本wwww免费看| 国产亚洲av嫩草精品影院| 大又大粗又爽又黄少妇毛片口| 中文字幕av成人在线电影| 91久久精品国产一区二区三区| 久久精品夜色国产| 国内精品一区二区在线观看| 午夜激情久久久久久久| 久久精品久久久久久久性| 看免费成人av毛片| 国产成人精品婷婷| 欧美 日韩 精品 国产| 人人妻人人澡人人爽人人夜夜 | 蜜桃亚洲精品一区二区三区| 免费观看在线日韩| 18禁在线播放成人免费| 中文在线观看免费www的网站| 我的老师免费观看完整版| 综合色av麻豆| 别揉我奶头 嗯啊视频| 成年女人看的毛片在线观看| 99九九线精品视频在线观看视频| 午夜久久久久精精品| 两个人的视频大全免费| 91在线精品国自产拍蜜月| 高清在线视频一区二区三区| 中文天堂在线官网| 成人漫画全彩无遮挡| 精品99又大又爽又粗少妇毛片| 国产av码专区亚洲av| 国产国拍精品亚洲av在线观看| 免费黄色在线免费观看| 国产精品一区二区在线观看99 | 尤物成人国产欧美一区二区三区| 日韩av在线免费看完整版不卡| 国产精品女同一区二区软件| 国产成人精品一,二区| 精品人妻偷拍中文字幕| 日日干狠狠操夜夜爽| 亚洲国产精品国产精品| 免费看a级黄色片| 在线观看免费高清a一片| 国产日韩欧美在线精品| 91aial.com中文字幕在线观看| 久久韩国三级中文字幕| 小蜜桃在线观看免费完整版高清| 亚洲综合色惰| 国产亚洲一区二区精品| 精品不卡国产一区二区三区| 18禁在线播放成人免费| 中文在线观看免费www的网站| 国产乱人视频| 亚洲国产最新在线播放| 中国美白少妇内射xxxbb| 26uuu在线亚洲综合色| 欧美成人a在线观看| 女的被弄到高潮叫床怎么办| 丝瓜视频免费看黄片| 最后的刺客免费高清国语| 中文字幕亚洲精品专区| 在线播放无遮挡| 身体一侧抽搐| av免费在线看不卡| 91精品伊人久久大香线蕉| 蜜桃久久精品国产亚洲av| 色5月婷婷丁香| 国产精品一区二区性色av| 99热网站在线观看| 天美传媒精品一区二区| 狂野欧美白嫩少妇大欣赏| 国产一区有黄有色的免费视频 | 亚洲av电影在线观看一区二区三区 | 内地一区二区视频在线| 亚洲精品自拍成人| 美女内射精品一级片tv| 国产伦理片在线播放av一区| 日韩欧美三级三区| 成年免费大片在线观看| 三级国产精品欧美在线观看| 91久久精品国产一区二区成人| 久久久久久久亚洲中文字幕| 日韩欧美精品v在线| 国产在视频线精品| 免费看不卡的av| 菩萨蛮人人尽说江南好唐韦庄| 熟女人妻精品中文字幕| 国产av码专区亚洲av| 亚洲av电影在线观看一区二区三区 | 伊人久久国产一区二区| 男女边摸边吃奶| 国产高清有码在线观看视频| 波多野结衣巨乳人妻| 精品国产三级普通话版| 最近2019中文字幕mv第一页| 99视频精品全部免费 在线| a级毛片免费高清观看在线播放| 亚洲av电影不卡..在线观看| 亚洲精品日韩在线中文字幕| 99久久精品国产国产毛片| 97超碰精品成人国产| 草草在线视频免费看| 麻豆成人午夜福利视频| 亚洲成色77777| 亚洲精品国产成人久久av| 亚洲美女搞黄在线观看| 深夜a级毛片| 插阴视频在线观看视频| 亚洲最大成人中文| 日韩强制内射视频| 夜夜爽夜夜爽视频| 3wmmmm亚洲av在线观看| 最近2019中文字幕mv第一页| 寂寞人妻少妇视频99o| 免费看美女性在线毛片视频| 久久这里有精品视频免费| 久久这里只有精品中国| 干丝袜人妻中文字幕| 国产精品久久久久久久电影| 毛片一级片免费看久久久久| 欧美+日韩+精品| 精品午夜福利在线看| 欧美日韩国产mv在线观看视频 | av在线老鸭窝| 草草在线视频免费看| 少妇熟女欧美另类| 大陆偷拍与自拍| 久久综合国产亚洲精品| 午夜免费男女啪啪视频观看| 国产男人的电影天堂91| 极品少妇高潮喷水抽搐| 日韩不卡一区二区三区视频在线| 国产精品伦人一区二区| 男人舔奶头视频| 婷婷色综合www| 亚洲最大成人中文| 美女xxoo啪啪120秒动态图| 丝袜喷水一区| 日韩制服骚丝袜av| 女的被弄到高潮叫床怎么办| 亚洲自拍偷在线| 亚洲国产精品成人久久小说| 肉色欧美久久久久久久蜜桃 | 亚洲精品乱码久久久v下载方式| 午夜福利在线在线| 亚洲国产色片| 三级国产精品欧美在线观看| 丰满少妇做爰视频| 成年女人在线观看亚洲视频 | 久久久成人免费电影| av又黄又爽大尺度在线免费看| 午夜老司机福利剧场| 18禁动态无遮挡网站| 国产午夜精品论理片| 成人毛片a级毛片在线播放| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国内精品美女久久久久久| 亚洲熟妇中文字幕五十中出| 麻豆乱淫一区二区| 99re6热这里在线精品视频| 99久久中文字幕三级久久日本| 三级国产精品片| 精品不卡国产一区二区三区| 亚洲一级一片aⅴ在线观看| 水蜜桃什么品种好| 看免费成人av毛片| 久久99热这里只有精品18| 精品一区二区三区视频在线| 国产又色又爽无遮挡免| 亚洲精品,欧美精品| 女人十人毛片免费观看3o分钟| 老女人水多毛片| 成人毛片a级毛片在线播放| 国产亚洲午夜精品一区二区久久 | 天堂影院成人在线观看| 免费观看在线日韩| 精品午夜福利在线看| 色播亚洲综合网| 天堂影院成人在线观看| 夜夜看夜夜爽夜夜摸| 亚洲精品乱久久久久久| 建设人人有责人人尽责人人享有的 | 黄色欧美视频在线观看| 国产老妇女一区| 哪个播放器可以免费观看大片| 噜噜噜噜噜久久久久久91| 好男人在线观看高清免费视频| 天堂av国产一区二区熟女人妻| 亚洲电影在线观看av| 99九九线精品视频在线观看视频| 亚洲精品成人av观看孕妇| 国产一区二区三区综合在线观看 | 婷婷色综合www| 尤物成人国产欧美一区二区三区| 最近中文字幕2019免费版| 亚洲国产精品专区欧美| 久久久色成人| 免费观看精品视频网站| 国产午夜精品久久久久久一区二区三区| 亚洲成人精品中文字幕电影| 国产视频首页在线观看| 久久精品久久久久久久性| 人妻一区二区av| 亚洲国产精品专区欧美| 在线 av 中文字幕| 欧美激情久久久久久爽电影| 国产成人免费观看mmmm| 男人爽女人下面视频在线观看| 国产色爽女视频免费观看| 黄色配什么色好看| 精品人妻视频免费看| 久久久久九九精品影院| 免费少妇av软件| 日韩欧美 国产精品| 91久久精品国产一区二区三区| 欧美高清性xxxxhd video| 在线a可以看的网站| 色哟哟·www| 女人被狂操c到高潮| 肉色欧美久久久久久久蜜桃 | 美女xxoo啪啪120秒动态图| 亚洲av电影不卡..在线观看| av福利片在线观看| 一级a做视频免费观看| 又爽又黄无遮挡网站| 国产有黄有色有爽视频| or卡值多少钱| 国产黄色视频一区二区在线观看| 精品一区二区三卡| 黄片wwwwww| 午夜激情欧美在线| 亚洲av二区三区四区| 色哟哟·www| 亚洲国产精品国产精品| 中文字幕av成人在线电影| 99九九线精品视频在线观看视频| 亚洲精品中文字幕在线视频 | 18+在线观看网站| 亚洲真实伦在线观看| 免费看美女性在线毛片视频| 国产视频内射| 大陆偷拍与自拍| 听说在线观看完整版免费高清| 亚洲精品456在线播放app| 我的老师免费观看完整版| or卡值多少钱| 免费少妇av软件| 色综合亚洲欧美另类图片| 午夜福利成人在线免费观看| 国产精品福利在线免费观看| 亚洲成人久久爱视频| 肉色欧美久久久久久久蜜桃 | 99视频精品全部免费 在线| 亚洲综合色惰| 成人鲁丝片一二三区免费| 亚洲欧美一区二区三区黑人 | or卡值多少钱| 亚洲av在线观看美女高潮| 亚洲欧美一区二区三区黑人 | 国产成年人精品一区二区| 特大巨黑吊av在线直播| 国产免费福利视频在线观看| 午夜亚洲福利在线播放| 国产日韩欧美在线精品| 亚洲精品成人久久久久久| 亚洲va在线va天堂va国产| 国产免费又黄又爽又色| 午夜福利高清视频| 少妇猛男粗大的猛烈进出视频 | 国产成人午夜福利电影在线观看| 少妇的逼好多水| 国产成人a区在线观看| 亚洲av男天堂| 亚洲人成网站在线播| 亚洲国产精品sss在线观看| 午夜爱爱视频在线播放| 亚洲,欧美,日韩| 麻豆国产97在线/欧美| 又爽又黄无遮挡网站| 日本黄大片高清| 成人漫画全彩无遮挡| 国产精品久久久久久久久免| 大话2 男鬼变身卡| 日韩av在线大香蕉| 人人妻人人看人人澡| 久久这里只有精品中国| 午夜激情福利司机影院| 最近中文字幕2019免费版| 嫩草影院精品99| 亚洲av在线观看美女高潮| 身体一侧抽搐| 日韩成人av中文字幕在线观看| 中文字幕av在线有码专区| 在线免费观看的www视频| 成人二区视频| 三级国产精品欧美在线观看| 日日干狠狠操夜夜爽| 国产亚洲av片在线观看秒播厂 | 有码 亚洲区| 亚洲人成网站在线播| 免费高清在线观看视频在线观看| 一区二区三区四区激情视频| 国产一区有黄有色的免费视频 | 国产高清国产精品国产三级 | 美女国产视频在线观看| 国产69精品久久久久777片| 永久网站在线| videossex国产| 日韩国内少妇激情av| www.色视频.com| 嘟嘟电影网在线观看| 亚洲激情五月婷婷啪啪| 性插视频无遮挡在线免费观看| 一级毛片aaaaaa免费看小| 看非洲黑人一级黄片| 久久精品久久久久久久性| 亚洲国产高清在线一区二区三| 丝袜美腿在线中文| 国产成人freesex在线| 又粗又硬又长又爽又黄的视频| 国产精品国产三级国产专区5o| 中文天堂在线官网| 天天躁日日操中文字幕| 亚洲在久久综合| 久久久精品欧美日韩精品| 亚洲国产成人一精品久久久| 国产免费福利视频在线观看| 欧美zozozo另类| 午夜免费观看性视频| 国产伦精品一区二区三区视频9| 国产爱豆传媒在线观看| 欧美日韩视频高清一区二区三区二| 18+在线观看网站| av免费在线看不卡| 中文字幕免费在线视频6| 蜜臀久久99精品久久宅男| 69人妻影院| 久久精品熟女亚洲av麻豆精品 | 91久久精品国产一区二区成人| 内射极品少妇av片p| 2018国产大陆天天弄谢| 亚洲av成人精品一区久久| 日本午夜av视频| 色视频www国产| 国产精品国产三级专区第一集| 高清欧美精品videossex| 高清午夜精品一区二区三区| 国产免费视频播放在线视频 | 中国国产av一级| 久久久久久久亚洲中文字幕| 久久99热这里只有精品18| 超碰97精品在线观看| 三级国产精品欧美在线观看| 最后的刺客免费高清国语| 国产毛片a区久久久久| 日本爱情动作片www.在线观看| 一个人看视频在线观看www免费| 免费观看性生交大片5| 麻豆成人av视频| 高清av免费在线| 亚洲av成人精品一区久久| 国产精品国产三级国产av玫瑰| av在线老鸭窝| 国产男人的电影天堂91| 精品久久久噜噜| 菩萨蛮人人尽说江南好唐韦庄| 欧美日韩亚洲高清精品| 免费观看a级毛片全部| 欧美丝袜亚洲另类| 麻豆久久精品国产亚洲av| 亚洲va在线va天堂va国产| 久久鲁丝午夜福利片| 色综合站精品国产| 日韩欧美一区视频在线观看 | 欧美成人a在线观看| 日韩成人伦理影院| 欧美性猛交╳xxx乱大交人| 尾随美女入室| 中国国产av一级| 成人午夜精彩视频在线观看| 亚洲精品乱久久久久久| 又黄又爽又刺激的免费视频.| 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| 国产不卡一卡二| 亚洲精品国产av蜜桃| 草草在线视频免费看| 日本三级黄在线观看| 街头女战士在线观看网站| 久久国产乱子免费精品| 亚洲成人久久爱视频| av网站免费在线观看视频 | 人人妻人人看人人澡| 一级毛片电影观看| 免费黄频网站在线观看国产| 九九久久精品国产亚洲av麻豆| 国产v大片淫在线免费观看| 神马国产精品三级电影在线观看| 国产麻豆成人av免费视频| 免费av不卡在线播放| 日韩成人av中文字幕在线观看| 久久亚洲国产成人精品v| 舔av片在线| 亚洲精品一二三| 国产精品爽爽va在线观看网站| 中文字幕av在线有码专区| 国产精品一区二区三区四区久久| 精品人妻一区二区三区麻豆| 欧美日韩精品成人综合77777| 欧美 日韩 精品 国产| av国产免费在线观看| 国产69精品久久久久777片| 婷婷色麻豆天堂久久| 女人被狂操c到高潮| 精品国产三级普通话版| 欧美成人午夜免费资源| 自拍偷自拍亚洲精品老妇| 日本一二三区视频观看| 男的添女的下面高潮视频| 狂野欧美白嫩少妇大欣赏| 亚洲av国产av综合av卡| 女人被狂操c到高潮| 黄片wwwwww| 精品99又大又爽又粗少妇毛片| 亚洲欧洲国产日韩| 成人亚洲精品av一区二区| 亚洲真实伦在线观看| 亚洲精品456在线播放app| 国产一区二区在线观看日韩| 亚洲图色成人| 亚洲精品色激情综合| 可以在线观看毛片的网站| 精品一区在线观看国产| 国产伦一二天堂av在线观看| 国产成人a∨麻豆精品| 久久久久久久久久人人人人人人| 在线观看免费高清a一片| 精品酒店卫生间| 一区二区三区四区激情视频| 伊人久久精品亚洲午夜| 美女xxoo啪啪120秒动态图| 免费看不卡的av| 日本免费a在线| 精品不卡国产一区二区三区| 在现免费观看毛片| 亚洲激情五月婷婷啪啪| a级毛色黄片| 亚洲自拍偷在线| 久热久热在线精品观看| av免费在线看不卡| 久久这里有精品视频免费| 最近视频中文字幕2019在线8| 大又大粗又爽又黄少妇毛片口| 色哟哟·www| 尾随美女入室| 欧美日韩视频高清一区二区三区二| 亚洲精品一二三| 一夜夜www| 老司机影院毛片| 国产亚洲av嫩草精品影院| 边亲边吃奶的免费视频| 亚洲欧美一区二区三区国产| 免费看a级黄色片| 亚洲人成网站在线播| 亚洲av免费在线观看| 一级毛片aaaaaa免费看小| 国产精品爽爽va在线观看网站| av在线亚洲专区| 亚洲高清免费不卡视频| 亚洲电影在线观看av| 简卡轻食公司| 国产精品国产三级专区第一集| 女的被弄到高潮叫床怎么办| 久久这里只有精品中国| 观看免费一级毛片| 免费不卡的大黄色大毛片视频在线观看 | 夜夜看夜夜爽夜夜摸| 免费黄色在线免费观看| 亚洲国产精品sss在线观看| av线在线观看网站| 色哟哟·www| 91狼人影院| 六月丁香七月| 大话2 男鬼变身卡| 亚洲精品第二区| 久久国产乱子免费精品| 亚洲av在线观看美女高潮| 国产亚洲91精品色在线| 中国美白少妇内射xxxbb| 亚洲精品久久午夜乱码| .国产精品久久| 中文乱码字字幕精品一区二区三区 | 久久久久久久久久黄片| 国产午夜精品一二区理论片| 少妇猛男粗大的猛烈进出视频 | 一区二区三区高清视频在线| 啦啦啦啦在线视频资源| 草草在线视频免费看| 天堂网av新在线| 舔av片在线| 国产精品一区二区在线观看99 | 少妇的逼水好多|