• <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 ?

    基于類信息的TF-IDF權(quán)重分析與改進(jìn)①

    2021-10-11 06:47:14姚嚴(yán)志李建良
    關(guān)鍵詞:類間特征詞詞頻

    姚嚴(yán)志,李建良

    (南京理工大學(xué) 理學(xué)院,南京 210094)

    隨著網(wǎng)絡(luò)的普及,網(wǎng)絡(luò)上時刻都在產(chǎn)生大量的文本信息,為了滿足用戶面對海量文本時多樣化的需求,對文本信息進(jìn)行有效的分類就顯得至關(guān)重要.在文本分類領(lǐng)域中,用向量空間模型表示文本的方法應(yīng)用尤為普遍.用向量空間模型表示文本,需經(jīng)過分詞、特征選擇、權(quán)重計算等步驟,而權(quán)重計算方法的優(yōu)劣直接影響著分類算法的性能表現(xiàn).權(quán)重計算的方法多種多樣,常用的包括文檔頻率、信息增益、互信息、卡方分布、TF-IDF 等[1].

    TF-IDF 算法自提出以來,因其算法相對簡單和有較高的準(zhǔn)確率及召回率,一直受到廣泛應(yīng)用[2].但該算法的權(quán)重計算僅考慮了特征詞的詞頻和逆文檔頻率等,仍還有許多可改進(jìn)的空間.因此,很多學(xué)者分析TFIDF的缺陷,對其進(jìn)行了相應(yīng)的改進(jìn).How 等[2]提出利用Category Term Descriptor (CTD)來改進(jìn)TF-IDF,考慮不同類別的文檔數(shù)可能存在數(shù)量級的差距,以改善類別數(shù)據(jù)集偏斜所引起的誤差;徐冬冬等[3]引入逆類頻率因子和類別比率因子用以修正TF-IDF 權(quán)重算法,得到基于類別描述的TF-IDF-CD 方法,葉雪梅等[4]針對新詞識別對分類結(jié)果的影響,提出了基于網(wǎng)絡(luò)新詞的改進(jìn)文本分類TF-IDF 算法;許甜華等[5]通過引入去中心化詞頻因子和特征詞位置因子以加強特征權(quán)重的準(zhǔn)確性.

    本文使用TF-IDF 算法計算特征詞權(quán)重,對特征詞在不同規(guī)模文檔集中的權(quán)重加以比較,具體分析了特征詞的類信息對于權(quán)重的影響,并在此基礎(chǔ)上提出一種新的衡量特征詞的類間、類內(nèi)分布信息的改進(jìn)方法.改進(jìn)方法增加兩個新的權(quán)值,類間離散因子和類內(nèi)離散因子,將其與經(jīng)典的TF-IDF 算法結(jié)合,進(jìn)而提出了改進(jìn)的TF-IDF-DI 算法.改進(jìn)的權(quán)重計算方法有效改善了TF-IDF 算法對類信息不敏感的問題.本文通過樸素貝葉斯模型對改進(jìn)后的算法的分類性能進(jìn)行驗證.實驗證明,改進(jìn)后的權(quán)重算法在測試數(shù)據(jù)集上的表現(xiàn),在準(zhǔn)確率、召回率和F1 值上均優(yōu)于經(jīng)典的TF-IDF 算法.

    1 經(jīng)典的TF-IDF 算法及權(quán)重分析

    1.1 經(jīng)典的TF-IDF 算法

    TF-IDF 算法作為計算特征項權(quán)重的算法,在文本分類中的應(yīng)用極為廣泛,其主要思想為:在某一特定文檔中,某詞語的出現(xiàn)頻率越高,且數(shù)據(jù)集中包含該詞語的文檔數(shù)越少,說明該詞語越是能標(biāo)志文檔內(nèi)容的屬性,其權(quán)重自然也就越大[6-9].計算公式如下:

    其中,w(tj,di) 表示特征詞權(quán)重;id f(tj,di)表示特征詞在文檔di中的出現(xiàn)頻率;N表示文檔集中的文檔總數(shù);nj表示文檔集中出現(xiàn)特征詞tj的文檔數(shù).

    在使用時考慮到文檔長度不同對權(quán)值計算的影響,我們通常會對公式做歸一化處理[10],得到公式如下:

    1.2 TF-IDF 算法的權(quán)重分析

    傳統(tǒng)TF-IDF 并不能很好的區(qū)分類間和類內(nèi)分布所帶來的影響.類間分布指的是特征詞在不同類別間的分布情況,通常認(rèn)為集中分布于某個類別的特征詞,相比于在各個類別均勻分布的特征詞,更能體現(xiàn)該類別的內(nèi)容屬性;類內(nèi)分布指的是特征詞在某類別內(nèi)的分布情況,通常認(rèn)為在某類別內(nèi)各文檔均普遍出現(xiàn)的特征詞能夠更好的表現(xiàn)該類別的內(nèi)容屬性,反之對于僅出現(xiàn)于類別內(nèi)一小部分文檔的特征詞,往往特征詞只是體現(xiàn)了該小部分文檔的內(nèi)容屬性,我們應(yīng)適當(dāng)降低其權(quán)重.

    我們使用IMDB 語料庫進(jìn)行實驗來說明以上問題.IMDB 語料庫收集了50 000 條來自互聯(lián)網(wǎng)的嚴(yán)重兩極分化的電影評論,我們從中分別隨機(jī)抽取200、500、1000 條評論,根據(jù)式(2) 計算特征詞的TFIDF 權(quán)重,并進(jìn)一步計算特征詞在正類評論、負(fù)類評論中的平均TF-IDF 權(quán)重.為保證實驗的隨機(jī)性,我們重復(fù)以上實驗多次,并計算特征詞的平均TF-IDF 權(quán)重.表1是部分特征詞在不同文檔集的權(quán)重.

    表1 部分特征詞在不同文檔集的平均TF-IDF 權(quán)重

    在實驗中我們發(fā)現(xiàn)大部分特征詞在不同的文檔集中使用TF-IDF 算法計算的權(quán)重均有較大差別,能夠較好的體現(xiàn)特征詞的內(nèi)容屬性,如表1中的特征詞“awkward”.但是我們也發(fā)現(xiàn)部分特征詞在有些文檔集中的TF-IDF 十分接近,如特征詞“fighting”在樣本容量為500的文檔集和特征詞“sincere”在樣本容量為1000的文檔集中,它們在正類和負(fù)類的評價中的TFIDF 權(quán)重都極為接近.我們進(jìn)一步統(tǒng)計分析了此類權(quán)重接近的特征詞在正類評論和負(fù)類評論中的詞頻和文檔頻率.表2從不同容量的文檔集中選取了部分TF-IDF權(quán)重接近的特征詞,并分別比較了其在正類評論和負(fù)類評論中的詞頻、文檔頻率信息.

    通過表2可以發(fā)現(xiàn)部分特征詞的TF-IDF 權(quán)重極為接近,但其在不同類別的詞頻、文檔頻率卻有著較大的差異.這說明在該情況下TF-IDF 算法并不能很好的反映特征詞的類間、類內(nèi)的分布信息,因此提出一種新的衡量特征詞的類間、類內(nèi)分布信息的方法就顯得尤為重要了.

    表2 部分TF-IDF 權(quán)重接近的特征詞在正類評論和負(fù)類評論中的詞頻、文檔頻率

    2 改進(jìn)的TF-IDF 算法

    文獻(xiàn)[11]提出了改進(jìn)的TF-IDF-DI 方法通過變異系數(shù),即特征詞詞頻在類間、類內(nèi)的分布標(biāo)準(zhǔn)差與均值之比來描述其類間、類內(nèi)離散程度,但仍有其缺陷:當(dāng)特征詞在各類別中的平均出現(xiàn)頻率或特征詞在某類別中的各文檔的平均出現(xiàn)頻率較小,以至趨近于0 時,即使微小的擾動也會導(dǎo)致也會對系數(shù)產(chǎn)生巨大的影響,不利于準(zhǔn)確描述特征詞的類信息.

    本文提出一種新的類間、類內(nèi)離散程度的描述方法,進(jìn)而提出了改進(jìn)的TF-IDF-CI 算法.我們引入特征詞的類間離散度因子CIac和類內(nèi)離散度因子CIic.CIac通過特征詞在不同類別文檔集的詞頻的分布標(biāo)準(zhǔn)差來描述特征詞的類間分布信息;CIic通過特征詞在類別ck內(nèi)的詞頻與類別ck內(nèi)實際包含該特征詞的文檔的詞頻之差描述特征詞的類內(nèi)分布信息.通過類信息的引入,改進(jìn)的算法加強了區(qū)分特征詞類別分布信息的能力.下面分別給出衡量類間離散度CIac和類內(nèi)離散度CIic的方法:

    其中,S(tj) 指 特征詞tj在各類別之間的詞頻的分布標(biāo)準(zhǔn)差;s(tj,ck)指 特征詞tj在類別ck的詞頻與類別ck中實際包含該特征詞的文檔的詞頻之差,計算方法如下:

    其中,TF(tj,ck) 表示特征詞tj在類別ck中的出現(xiàn)頻率;表示特征詞tj在各類別中的平均出現(xiàn)頻率;N(ck)表示類別ck中的文檔數(shù);n(tj,ck) 表示類別ck中包含特征詞tj的文檔數(shù);C為文檔集的總類別數(shù).

    在式(3)-式(6)中,我們給出了類間離散因子CIac和類內(nèi)離散度因子CIic的計算方法.易發(fā)現(xiàn)特征詞tj在不同類別中的分布標(biāo)準(zhǔn)差越大時,特征詞tj越能體現(xiàn)不同類別的內(nèi)容屬性,分類能力越強;特征詞tj在類別ck中的詞頻與特征詞tj在類別ck中實際包含該特征詞的文檔中的詞頻,兩者之差越大時,說明特征詞tj是更突出表現(xiàn)了類別ck中部分文檔的內(nèi)容屬性而不是類別ck的整體的內(nèi)容屬性,分類能力越弱.可見特征詞的分類能力與CIac成正比,與CIic成反比.基于此我們得到了改進(jìn)的TF-IDF-CI 算法:

    其中,W(tj,di,ck)是改進(jìn)的特征權(quán)重;w(tj,di)為式(2)中計算所得的特征詞tj在文檔di中的權(quán)重.

    同樣采用表1中所使用的文檔集進(jìn)行實驗,表3給出部分特征詞根據(jù)改進(jìn)的TF-IDF-CI 算法在不同文檔集中計算所得的特征權(quán)重,并與TF-IDF 算法計算的權(quán)重進(jìn)行對比.

    通過表3的對比容易發(fā)現(xiàn),改進(jìn)的TF-IDF-CI 算法有效改善了TF-IDF 算法并能很好的反映特征詞類間、類內(nèi)的分布信息的問題.如特征詞“fighting”在樣本容量為500的文檔集和特征詞“sincere”在樣本容量為1000的文檔集中,使用TF-IDF 算法的計算的特征權(quán)重極為接近,但使用TF-IDF-CI 算法則得到了有效的改善.同時,通過實驗也可發(fā)現(xiàn)如“awkward”等使用TF-IDF 算法可以很好區(qū)分的特征詞,在使用TF-IDF-CI 算法計算特征權(quán)重時亦不會有很大的偏差.

    表3 部分特征詞在不同文檔集的TF-IDF 權(quán)重與TF-IDF-CI 權(quán)重對比

    3 實驗分析

    實驗使用的語料庫是搜狗新聞數(shù)據(jù)語料庫,該語料庫包含來自搜狐新聞的健康、體育、社會、娛樂等18 個頻道的新聞數(shù)據(jù).實驗選取了健康、教育、軍事、汽車、體育5 類共5000 篇文檔作為訓(xùn)練樣本,另選取500 篇文檔作為測試樣本.

    分詞使用的是Hanlp的StandardTokenizer 分詞器.同時還對分詞后的數(shù)據(jù)集進(jìn)行去體停用詞的處理,將常用的停用詞(的,并不,而且等) 進(jìn)行過濾.為驗證改進(jìn)的TF-IDF-CI 算法對分類性能的影響,實驗分別采用經(jīng)典的TF-IDF 算法、TF-IDF-DI 算法、改進(jìn)的TFIDF-CI 算法計算特征詞的權(quán)重,并使用樸素貝葉斯算法進(jìn)行文本分類,評估指標(biāo)使用準(zhǔn)確率(Precision,P)、召回率(Recall,R)、F1 值3 個指標(biāo)[12].分類器在測試集上的分類性能分別如表4所示.

    表4 不同權(quán)重算法的分類性能對比(%)

    通過實驗結(jié)果,可以發(fā)現(xiàn)使用改進(jìn)的TF-IDF-CI 算法對特征詞權(quán)重進(jìn)行計算,并使用樸素貝葉斯算法對文本進(jìn)行分類,準(zhǔn)確率、召回率和F1 值都相比于經(jīng)典的TFIDF 算法有了一定的提升,其中類別“健康”的提升最為明顯,F1 值較TF-IDF 提升了約6.42%,較TF-IDF-DI 提升了約3.23%.這說明改進(jìn)的TF-IDF-CI 算法相比于TF-IDF 算法,較好的考慮了特征詞的類間、類內(nèi)的分布信息,能很好的分辨出集中分布于某類別且在該類別內(nèi)相對均勻出現(xiàn)的特征詞,從而達(dá)到了提升分類性能的效果.

    4 總結(jié)與反思

    本文以特征詞權(quán)重的計算方法為研究對象,總結(jié)了現(xiàn)有的一些方法,并著眼于使用相對廣泛的經(jīng)典的TF-IDF 算法,對國內(nèi)外研究者在TF-IDF 算法的研究成果進(jìn)行了介紹.本文對TF-IDF 算法在不同的文檔集中的表現(xiàn)做了具體的分析對比,針對TF-IDF 算法未能很好區(qū)分特征詞類間、類內(nèi)分布的問題,做了詳細(xì)的研究.基于此本文提出了一種新的衡量特征詞類間、類內(nèi)分布信息的方法,提出了基于類信息的改進(jìn)的TFIDF-CI 算法.最后通過樸素貝葉斯模型對改進(jìn)后的算法的分類性能進(jìn)行驗證.實驗發(fā)現(xiàn),改進(jìn)的TF-IDFCI算法不論在準(zhǔn)確率、召回率、F1 值上,均優(yōu)于經(jīng)典的TF-IDF 算法,由此證實了改進(jìn)算法的有效性.

    當(dāng)然本文仍有不足之處:首先本文的實驗均在均衡的數(shù)據(jù)集上進(jìn)行實驗,改進(jìn)的TF-IDF-CI 算法在數(shù)據(jù)集偏斜時的表現(xiàn)還需要進(jìn)一步實驗,以驗證其性能[2];同時TF-IDF-CI 算法仍還有改進(jìn)空間,如將特征詞在文本內(nèi)的分布信息,即其位置信息進(jìn)一步納入特征權(quán)重的考慮范疇,這也是筆者今后要研究的內(nèi)容.

    猜你喜歡
    類間特征詞詞頻
    基于詞頻分析法的社區(qū)公園歸屬感營建要素研究
    園林科技(2021年3期)2022-01-19 03:17:48
    基于OTSU改進(jìn)的布匹檢測算法研究
    基于貝葉斯估計的多類間方差目標(biāo)提取*
    基于類間相對均勻性的紙張表面缺陷檢測
    基于改進(jìn)TFIDF算法的郵件分類技術(shù)
    產(chǎn)品評論文本中特征詞提取及其關(guān)聯(lián)模型構(gòu)建與應(yīng)用
    基于改進(jìn)最大類間方差法的手勢分割方法研究
    詞頻,一部隱秘的歷史
    面向文本分類的特征詞選取方法研究與改進(jìn)
    云存儲中支持詞頻和用戶喜好的密文模糊檢索
    久久中文字幕一级| 99精品欧美一区二区三区四区| 大码成人一级视频| 国产亚洲欧美在线一区二区| 亚洲精品中文字幕在线视频| 免费高清视频大片| 91在线观看av| 中文字幕av电影在线播放| 一级毛片精品| 91九色精品人成在线观看| 国产99久久九九免费精品| 国产激情欧美一区二区| 黑人操中国人逼视频| 欧美性长视频在线观看| 在线十欧美十亚洲十日本专区| 9热在线视频观看99| 亚洲电影在线观看av| 18禁观看日本| 久久欧美精品欧美久久欧美| 色综合站精品国产| 精品国产乱子伦一区二区三区| 首页视频小说图片口味搜索| 国产aⅴ精品一区二区三区波| 国产免费男女视频| 国产av在哪里看| 亚洲精品国产精品久久久不卡| 久久精品91无色码中文字幕| 日本三级黄在线观看| 久久精品亚洲精品国产色婷小说| 亚洲国产精品sss在线观看| 视频区欧美日本亚洲| 欧美成狂野欧美在线观看| 亚洲国产精品久久男人天堂| 亚洲一区二区三区不卡视频| 啦啦啦免费观看视频1| 国产精品自产拍在线观看55亚洲| 久久久国产成人免费| 久久人妻av系列| 在线观看66精品国产| 免费少妇av软件| 香蕉丝袜av| 免费在线观看黄色视频的| 久久久久久久久免费视频了| 亚洲成人久久性| 在线免费观看的www视频| 日本 欧美在线| 欧美丝袜亚洲另类 | 手机成人av网站| 9热在线视频观看99| 此物有八面人人有两片| 久久精品aⅴ一区二区三区四区| 国产一区二区激情短视频| 高清黄色对白视频在线免费看| 日本一区二区免费在线视频| 国产精品久久电影中文字幕| 老司机福利观看| 久久青草综合色| 91老司机精品| 淫妇啪啪啪对白视频| 中文字幕久久专区| 色播在线永久视频| 亚洲午夜精品一区,二区,三区| 日韩中文字幕欧美一区二区| 好男人电影高清在线观看| 欧美av亚洲av综合av国产av| 国产精品免费一区二区三区在线| 国产一区二区激情短视频| 国产成人精品无人区| 国产色视频综合| 久久久久久亚洲精品国产蜜桃av| 国产片内射在线| 一区二区三区国产精品乱码| 手机成人av网站| 中文亚洲av片在线观看爽| 欧美日韩一级在线毛片| 日日干狠狠操夜夜爽| 亚洲精品美女久久久久99蜜臀| 午夜精品国产一区二区电影| 久久午夜亚洲精品久久| 香蕉国产在线看| 国产亚洲av嫩草精品影院| 一区福利在线观看| 神马国产精品三级电影在线观看 | 久久欧美精品欧美久久欧美| 久热这里只有精品99| 国产私拍福利视频在线观看| 露出奶头的视频| 亚洲欧美一区二区三区黑人| 丝袜人妻中文字幕| 69精品国产乱码久久久| 可以免费在线观看a视频的电影网站| 级片在线观看| 黄网站色视频无遮挡免费观看| 岛国视频午夜一区免费看| 久久九九热精品免费| 久久人妻av系列| 国产一区二区三区视频了| 欧美黑人欧美精品刺激| 99精品久久久久人妻精品| 99国产精品99久久久久| 日本五十路高清| 国内毛片毛片毛片毛片毛片| 亚洲精品国产一区二区精华液| 欧美性长视频在线观看| 久久中文看片网| 国产成人影院久久av| 精品第一国产精品| 亚洲国产欧美日韩在线播放| 日韩三级视频一区二区三区| 少妇的丰满在线观看| 日韩精品中文字幕看吧| 一a级毛片在线观看| 日本 欧美在线| 天堂影院成人在线观看| 91字幕亚洲| 国产亚洲精品久久久久5区| 女人被狂操c到高潮| 老司机深夜福利视频在线观看| 亚洲第一av免费看| 一区二区三区精品91| 怎么达到女性高潮| 午夜免费成人在线视频| a级毛片在线看网站| 午夜久久久久精精品| 妹子高潮喷水视频| 午夜福利免费观看在线| 高清在线国产一区| 国产欧美日韩一区二区三区在线| 国产高清有码在线观看视频 | 久久精品91无色码中文字幕| 欧美一级a爱片免费观看看 | 好男人电影高清在线观看| 叶爱在线成人免费视频播放| 亚洲成a人片在线一区二区| 亚洲中文日韩欧美视频| 久久精品国产综合久久久| 母亲3免费完整高清在线观看| 久久久国产精品麻豆| 久久天躁狠狠躁夜夜2o2o| 在线观看日韩欧美| 国产精品永久免费网站| 久久伊人香网站| 丝袜在线中文字幕| 中文字幕色久视频| 怎么达到女性高潮| 777久久人妻少妇嫩草av网站| 夜夜看夜夜爽夜夜摸| 亚洲国产精品久久男人天堂| 九色国产91popny在线| 亚洲av片天天在线观看| 国产精品国产高清国产av| 精品电影一区二区在线| av欧美777| 极品教师在线免费播放| 一级作爱视频免费观看| 亚洲天堂国产精品一区在线| 午夜福利影视在线免费观看| 午夜视频精品福利| 久热这里只有精品99| а√天堂www在线а√下载| 国产成人av教育| 制服人妻中文乱码| 国产成人精品久久二区二区免费| 成人特级黄色片久久久久久久| 国产三级在线视频| 大型黄色视频在线免费观看| 男男h啪啪无遮挡| 男男h啪啪无遮挡| 亚洲人成网站在线播放欧美日韩| 变态另类成人亚洲欧美熟女 | 国产精品,欧美在线| 久久狼人影院| 91九色精品人成在线观看| 9191精品国产免费久久| 黑人操中国人逼视频| 一二三四在线观看免费中文在| 一级a爱片免费观看的视频| 亚洲人成77777在线视频| av福利片在线| 精品一区二区三区av网在线观看| 亚洲欧美精品综合一区二区三区| 可以在线观看毛片的网站| 可以在线观看的亚洲视频| 人妻久久中文字幕网| 欧美乱码精品一区二区三区| 777久久人妻少妇嫩草av网站| 日本五十路高清| 免费女性裸体啪啪无遮挡网站| 婷婷丁香在线五月| 色婷婷久久久亚洲欧美| 波多野结衣高清无吗| 久久久水蜜桃国产精品网| 日韩欧美免费精品| 十八禁人妻一区二区| www.精华液| 日韩 欧美 亚洲 中文字幕| 亚洲在线自拍视频| 夜夜看夜夜爽夜夜摸| 午夜福利,免费看| 一区二区三区精品91| 亚洲在线自拍视频| 国产高清视频在线播放一区| 久久久国产精品麻豆| 国产亚洲欧美98| 欧美性长视频在线观看| 男女下面进入的视频免费午夜 | 亚洲av成人不卡在线观看播放网| 色精品久久人妻99蜜桃| 好看av亚洲va欧美ⅴa在| 国产av一区二区精品久久| 可以在线观看的亚洲视频| 欧美日韩精品网址| 国产成人精品在线电影| 黑人欧美特级aaaaaa片| 国产精品香港三级国产av潘金莲| 国内精品久久久久久久电影| 免费在线观看影片大全网站| 免费看十八禁软件| 亚洲va日本ⅴa欧美va伊人久久| 99热只有精品国产| 婷婷丁香在线五月| 女人高潮潮喷娇喘18禁视频| 99精品久久久久人妻精品| 亚洲av五月六月丁香网| 亚洲九九香蕉| 久久午夜综合久久蜜桃| 国产一区在线观看成人免费| 在线观看免费午夜福利视频| 亚洲欧美激情在线| а√天堂www在线а√下载| 亚洲欧美日韩高清在线视频| 久久精品国产亚洲av香蕉五月| 亚洲人成电影免费在线| 久热爱精品视频在线9| 色综合站精品国产| xxx96com| 婷婷六月久久综合丁香| 97超级碰碰碰精品色视频在线观看| 黑人巨大精品欧美一区二区mp4| 露出奶头的视频| 亚洲精品国产色婷婷电影| 神马国产精品三级电影在线观看 | 神马国产精品三级电影在线观看 | 精品免费久久久久久久清纯| 久久 成人 亚洲| 国产主播在线观看一区二区| 国产区一区二久久| 亚洲专区中文字幕在线| 两性夫妻黄色片| 国产成+人综合+亚洲专区| 91麻豆精品激情在线观看国产| 亚洲人成伊人成综合网2020| 麻豆久久精品国产亚洲av| 两个人视频免费观看高清| 日日夜夜操网爽| 在线观看免费视频网站a站| 一进一出抽搐动态| 精品国产超薄肉色丝袜足j| а√天堂www在线а√下载| 免费久久久久久久精品成人欧美视频| 午夜影院日韩av| 制服诱惑二区| 变态另类成人亚洲欧美熟女 | 亚洲欧美日韩另类电影网站| 岛国视频午夜一区免费看| 日本 欧美在线| 在线永久观看黄色视频| 天天添夜夜摸| 亚洲成国产人片在线观看| 可以在线观看毛片的网站| 免费不卡黄色视频| 国产高清videossex| 91九色精品人成在线观看| 日韩免费av在线播放| 亚洲成av片中文字幕在线观看| 高清毛片免费观看视频网站| 欧美最黄视频在线播放免费| 村上凉子中文字幕在线| 丝袜人妻中文字幕| 免费在线观看日本一区| 久久人人97超碰香蕉20202| 亚洲av日韩精品久久久久久密| 极品人妻少妇av视频| 国产精品永久免费网站| 亚洲成a人片在线一区二区| 一本综合久久免费| 国产野战对白在线观看| 中文字幕另类日韩欧美亚洲嫩草| 大码成人一级视频| 免费一级毛片在线播放高清视频 | 淫秽高清视频在线观看| 在线av久久热| x7x7x7水蜜桃| 在线观看66精品国产| 亚洲人成77777在线视频| 国产精品免费视频内射| 久久中文字幕一级| 国内精品久久久久久久电影| 久久精品国产综合久久久| 欧美一区二区精品小视频在线| 久久亚洲精品不卡| 狠狠狠狠99中文字幕| 亚洲激情在线av| 久久久久久久精品吃奶| 亚洲第一欧美日韩一区二区三区| 少妇 在线观看| 午夜a级毛片| a级毛片在线看网站| 国产片内射在线| 国语自产精品视频在线第100页| or卡值多少钱| 午夜福利成人在线免费观看| 亚洲欧美精品综合一区二区三区| 在线永久观看黄色视频| 高清黄色对白视频在线免费看| 亚洲欧美激情综合另类| 久久青草综合色| 伊人久久大香线蕉亚洲五| 久久人妻熟女aⅴ| 亚洲伊人色综图| 少妇被粗大的猛进出69影院| 成人手机av| 九色国产91popny在线| 999久久久国产精品视频| 国产精品自产拍在线观看55亚洲| 亚洲第一欧美日韩一区二区三区| 变态另类成人亚洲欧美熟女 | 久久久久久亚洲精品国产蜜桃av| 一边摸一边抽搐一进一出视频| 国产精品久久久人人做人人爽| 如日韩欧美国产精品一区二区三区| 亚洲av片天天在线观看| 中文字幕人成人乱码亚洲影| 99riav亚洲国产免费| 一区二区三区国产精品乱码| 午夜a级毛片| 日本一区二区免费在线视频| 久久久久国产精品人妻aⅴ院| 亚洲成av片中文字幕在线观看| 久久久精品国产亚洲av高清涩受| 黑人欧美特级aaaaaa片| 老汉色∧v一级毛片| 久久香蕉国产精品| 伦理电影免费视频| 亚洲国产高清在线一区二区三 | 激情在线观看视频在线高清| 亚洲自拍偷在线| 午夜亚洲福利在线播放| 在线播放国产精品三级| 999久久久精品免费观看国产| 午夜福利免费观看在线| 国内久久婷婷六月综合欲色啪| 国产成人欧美| 欧美色视频一区免费| 亚洲中文字幕日韩| 禁无遮挡网站| 亚洲中文字幕一区二区三区有码在线看 | 久99久视频精品免费| 欧美激情久久久久久爽电影 | 国产精品亚洲一级av第二区| 国产成人影院久久av| 黄色成人免费大全| 中亚洲国语对白在线视频| 亚洲一区中文字幕在线| 国产成人精品久久二区二区91| 久久精品亚洲精品国产色婷小说| 成在线人永久免费视频| 在线国产一区二区在线| 国产精品爽爽va在线观看网站 | 亚洲一区二区三区不卡视频| or卡值多少钱| 国产1区2区3区精品| 女生性感内裤真人,穿戴方法视频| 国产精品一区二区免费欧美| 人人妻人人爽人人添夜夜欢视频| 黑人欧美特级aaaaaa片| 国产精品,欧美在线| av天堂久久9| 久热这里只有精品99| 精品久久久久久成人av| 色综合亚洲欧美另类图片| 亚洲精品在线美女| 国产精品综合久久久久久久免费 | 窝窝影院91人妻| 免费高清视频大片| 亚洲一卡2卡3卡4卡5卡精品中文| 色综合欧美亚洲国产小说| 精品一区二区三区四区五区乱码| 亚洲男人天堂网一区| 国产精品自产拍在线观看55亚洲| 99精品久久久久人妻精品| 中文字幕最新亚洲高清| 成年版毛片免费区| 人妻丰满熟妇av一区二区三区| 操美女的视频在线观看| 中文字幕色久视频| 欧美精品啪啪一区二区三区| av视频免费观看在线观看| а√天堂www在线а√下载| 国产成人av教育| 亚洲avbb在线观看| 精品久久久久久久人妻蜜臀av | 日日夜夜操网爽| 免费无遮挡裸体视频| 午夜免费成人在线视频| 淫秽高清视频在线观看| 亚洲一码二码三码区别大吗| 窝窝影院91人妻| 美女午夜性视频免费| tocl精华| 变态另类成人亚洲欧美熟女 | 中文字幕av电影在线播放| 男人舔女人下体高潮全视频| 国内精品久久久久久久电影| 久久久久久免费高清国产稀缺| 久久久久久久久久久久大奶| 麻豆成人av在线观看| 亚洲人成电影观看| 色哟哟哟哟哟哟| 久久性视频一级片| 亚洲精品中文字幕在线视频| 欧美日韩一级在线毛片| 波多野结衣高清无吗| 精品一区二区三区四区五区乱码| 无遮挡黄片免费观看| 最新在线观看一区二区三区| 国产在线观看jvid| 午夜久久久在线观看| 国产主播在线观看一区二区| 中文字幕最新亚洲高清| 中文字幕人妻丝袜一区二区| 久久 成人 亚洲| 亚洲av日韩精品久久久久久密| 麻豆一二三区av精品| 久久久国产精品麻豆| 9191精品国产免费久久| 精品免费久久久久久久清纯| 国产乱人伦免费视频| 久久天躁狠狠躁夜夜2o2o| 亚洲欧美日韩另类电影网站| 后天国语完整版免费观看| 女人被躁到高潮嗷嗷叫费观| 午夜亚洲福利在线播放| 黑人操中国人逼视频| 婷婷精品国产亚洲av在线| 亚洲国产欧美一区二区综合| 法律面前人人平等表现在哪些方面| 亚洲精品一卡2卡三卡4卡5卡| 国产一卡二卡三卡精品| 波多野结衣一区麻豆| 国产乱人伦免费视频| 欧美不卡视频在线免费观看 | 欧美不卡视频在线免费观看 | 99国产极品粉嫩在线观看| 十八禁人妻一区二区| 妹子高潮喷水视频| 久久久久九九精品影院| 欧美亚洲日本最大视频资源| 久久性视频一级片| 国产欧美日韩一区二区三区在线| 久久久国产成人免费| av电影中文网址| 两个人视频免费观看高清| 一本大道久久a久久精品| 高清黄色对白视频在线免费看| 黄片播放在线免费| 精品一品国产午夜福利视频| 久久香蕉激情| 国产午夜福利久久久久久| 免费观看人在逋| 亚洲 欧美一区二区三区| 丁香欧美五月| 久久久久久久久久久久大奶| www日本在线高清视频| 色综合亚洲欧美另类图片| 18禁黄网站禁片午夜丰满| 成人精品一区二区免费| 欧美av亚洲av综合av国产av| 在线永久观看黄色视频| 欧美成人一区二区免费高清观看 | 宅男免费午夜| 亚洲精品粉嫩美女一区| 国产国语露脸激情在线看| xxx96com| 亚洲午夜精品一区,二区,三区| 村上凉子中文字幕在线| 19禁男女啪啪无遮挡网站| 国产区一区二久久| 精品国产超薄肉色丝袜足j| 亚洲狠狠婷婷综合久久图片| 一区二区三区国产精品乱码| 久久久久亚洲av毛片大全| 国产一区二区在线av高清观看| 99久久精品国产亚洲精品| 亚洲熟女毛片儿| 一个人免费在线观看的高清视频| 在线av久久热| 欧美一区二区精品小视频在线| 国产亚洲欧美在线一区二区| 亚洲avbb在线观看| 亚洲成人免费电影在线观看| 男女之事视频高清在线观看| 日韩欧美在线二视频| 夜夜看夜夜爽夜夜摸| 长腿黑丝高跟| 又大又爽又粗| 人妻丰满熟妇av一区二区三区| 亚洲精品久久成人aⅴ小说| 久久午夜亚洲精品久久| 韩国av一区二区三区四区| 亚洲av美国av| 国产精品秋霞免费鲁丝片| 成年版毛片免费区| 久久精品人人爽人人爽视色| 成人三级做爰电影| 日韩精品青青久久久久久| 69av精品久久久久久| 9191精品国产免费久久| 在线永久观看黄色视频| 制服诱惑二区| 美女国产高潮福利片在线看| 午夜福利,免费看| 久9热在线精品视频| 精品福利观看| 国产黄a三级三级三级人| 久久久久国产一级毛片高清牌| 女同久久另类99精品国产91| 天天添夜夜摸| 看片在线看免费视频| 在线永久观看黄色视频| 美女扒开内裤让男人捅视频| 欧美丝袜亚洲另类 | 91精品国产国语对白视频| 成年版毛片免费区| 久久香蕉精品热| 狠狠狠狠99中文字幕| 亚洲精品国产色婷婷电影| 日韩精品免费视频一区二区三区| 黄色片一级片一级黄色片| 亚洲精品国产区一区二| 男女下面插进去视频免费观看| 亚洲欧美日韩高清在线视频| 久久精品国产清高在天天线| 欧美黄色淫秽网站| 亚洲精品一区av在线观看| 久久这里只有精品19| 婷婷精品国产亚洲av在线| 中国美女看黄片| 在线观看免费日韩欧美大片| 欧美精品啪啪一区二区三区| 免费在线观看完整版高清| 最新在线观看一区二区三区| 精品一区二区三区视频在线观看免费| 久久久水蜜桃国产精品网| 首页视频小说图片口味搜索| 亚洲精品国产区一区二| a级毛片在线看网站| 亚洲国产日韩欧美精品在线观看 | 欧美日本中文国产一区发布| 国产精品永久免费网站| 999久久久精品免费观看国产| 免费女性裸体啪啪无遮挡网站| 多毛熟女@视频| 亚洲成人精品中文字幕电影| 亚洲欧美激情综合另类| 夜夜看夜夜爽夜夜摸| 午夜免费激情av| 韩国av一区二区三区四区| 国产av一区二区精品久久| 亚洲国产中文字幕在线视频| 久久欧美精品欧美久久欧美| 日本一区二区免费在线视频| 久热爱精品视频在线9| 一二三四社区在线视频社区8| www国产在线视频色| 色哟哟哟哟哟哟| 国产av又大| 亚洲欧美精品综合一区二区三区| 国产精品久久久久久人妻精品电影| 色播在线永久视频| 久久久精品欧美日韩精品| xxx96com| 午夜a级毛片| 日韩欧美在线二视频| 97碰自拍视频| av福利片在线| 变态另类成人亚洲欧美熟女 | 少妇裸体淫交视频免费看高清 | 999久久久国产精品视频| 久久精品影院6| 午夜久久久久精精品| 每晚都被弄得嗷嗷叫到高潮| 90打野战视频偷拍视频| 高清在线国产一区| 男女午夜视频在线观看| 欧美乱妇无乱码| 一本大道久久a久久精品| 国产精品九九99| 国产亚洲欧美98| 天天躁狠狠躁夜夜躁狠狠躁| 国产欧美日韩综合在线一区二区| 精品不卡国产一区二区三区| 亚洲av第一区精品v没综合| 久久久久国产一级毛片高清牌| 18禁观看日本| 亚洲五月婷婷丁香| 日韩精品中文字幕看吧| 久久久精品欧美日韩精品| 亚洲在线自拍视频| 一a级毛片在线观看| 国产极品粉嫩免费观看在线| 一区二区三区激情视频| 亚洲av电影在线进入| aaaaa片日本免费| 欧美亚洲日本最大视频资源|