• <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
    男人舔女人的私密视频| 亚洲精品,欧美精品| 青春草视频在线免费观看| 久热久热在线精品观看| 亚洲精品成人av观看孕妇| 99久国产av精品国产电影| 99久久综合免费| 天堂8中文在线网| 男女高潮啪啪啪动态图| 爱豆传媒免费全集在线观看| 久久精品久久久久久噜噜老黄| 汤姆久久久久久久影院中文字幕| 成人毛片a级毛片在线播放| 黑丝袜美女国产一区| 深夜精品福利| 精品人妻在线不人妻| h视频一区二区三区| 少妇被粗大的猛进出69影院 | 久久 成人 亚洲| 免费av中文字幕在线| 极品人妻少妇av视频| 日韩不卡一区二区三区视频在线| 日韩中字成人| 日韩中字成人| 两性夫妻黄色片 | 欧美少妇被猛烈插入视频| 免费不卡的大黄色大毛片视频在线观看| 成人国产av品久久久| 最新中文字幕久久久久| 日本色播在线视频| 男女边摸边吃奶| 天堂中文最新版在线下载| 熟女电影av网| 一级毛片黄色毛片免费观看视频| 女性生殖器流出的白浆| 国产免费现黄频在线看| 国产一区二区三区综合在线观看 | 桃花免费在线播放| 一级毛片 在线播放| 国产精品国产三级专区第一集| 成人毛片a级毛片在线播放| 亚洲精品aⅴ在线观看| 国产免费一级a男人的天堂| 国产女主播在线喷水免费视频网站| 伦精品一区二区三区| 免费黄网站久久成人精品| 女的被弄到高潮叫床怎么办| 蜜桃国产av成人99| 天堂俺去俺来也www色官网| 51国产日韩欧美| 黄色视频在线播放观看不卡| av不卡在线播放| 成人无遮挡网站| 久久国产亚洲av麻豆专区| 日日摸夜夜添夜夜爱| 热re99久久国产66热| 美国免费a级毛片| 最近手机中文字幕大全| 免费日韩欧美在线观看| 婷婷色综合www| 又黄又粗又硬又大视频| 五月天丁香电影| 最近2019中文字幕mv第一页| 99热全是精品| 中文字幕亚洲精品专区| 久久精品国产鲁丝片午夜精品| 久久久国产欧美日韩av| 免费人成在线观看视频色| 美女中出高潮动态图| 精品一品国产午夜福利视频| 赤兔流量卡办理| 久久久欧美国产精品| 熟女av电影| 日韩,欧美,国产一区二区三区| 国产在线免费精品| 亚洲成色77777| 国产一区二区激情短视频 | 青春草亚洲视频在线观看| 久久影院123| 天堂8中文在线网| 亚洲成人手机| 午夜福利影视在线免费观看| av国产久精品久网站免费入址| 美女福利国产在线| 婷婷色综合www| 亚洲国产精品成人久久小说| 99热6这里只有精品| 久热久热在线精品观看| 天天躁夜夜躁狠狠躁躁| 亚洲欧美色中文字幕在线| 另类亚洲欧美激情| 九草在线视频观看| 色网站视频免费| 亚洲av中文av极速乱| 亚洲欧洲国产日韩| 女人精品久久久久毛片| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品欧美亚洲77777| 国产日韩一区二区三区精品不卡| 国产1区2区3区精品| 国语对白做爰xxxⅹ性视频网站| 99久久精品国产国产毛片| 成年女人在线观看亚洲视频| 97超碰精品成人国产| 成人免费观看视频高清| 免费女性裸体啪啪无遮挡网站| 交换朋友夫妻互换小说| 日本色播在线视频| 99热网站在线观看| 伦理电影免费视频| 美国免费a级毛片| 黄色视频在线播放观看不卡| 国产成人aa在线观看| 激情视频va一区二区三区| 精品亚洲乱码少妇综合久久| 国产色婷婷99| 蜜桃在线观看..| 岛国毛片在线播放| 久久国产精品大桥未久av| 亚洲第一区二区三区不卡| av在线观看视频网站免费| 国产熟女午夜一区二区三区| 少妇人妻 视频| 五月玫瑰六月丁香| 欧美另类一区| 天堂8中文在线网| 一二三四中文在线观看免费高清| 一区二区三区乱码不卡18| av女优亚洲男人天堂| 美女视频免费永久观看网站| 成年av动漫网址| 少妇精品久久久久久久| 亚洲三级黄色毛片| 国产不卡av网站在线观看| 伦精品一区二区三区| 久久鲁丝午夜福利片| 国产精品久久久久久久电影| 人体艺术视频欧美日本| 国产福利在线免费观看视频| 亚洲av中文av极速乱| 这个男人来自地球电影免费观看 | 午夜久久久在线观看| 久久ye,这里只有精品| 久久青草综合色| 天天影视国产精品| 巨乳人妻的诱惑在线观看| 成年女人在线观看亚洲视频| a级片在线免费高清观看视频| 91精品三级在线观看| 伦理电影大哥的女人| 夫妻性生交免费视频一级片| 久久人妻熟女aⅴ| 纵有疾风起免费观看全集完整版| 亚洲av欧美aⅴ国产| 国产 一区精品| 亚洲av成人精品一二三区| 国产亚洲欧美精品永久| 国产精品一区二区在线不卡| 天美传媒精品一区二区| 91在线精品国自产拍蜜月| 久久国内精品自在自线图片| 欧美xxxx性猛交bbbb| 久热久热在线精品观看| 一级爰片在线观看| 精品人妻在线不人妻| 国产一区二区激情短视频 | 免费av中文字幕在线| www.熟女人妻精品国产 | 久热这里只有精品99| 午夜福利,免费看| 久久国产精品大桥未久av| 午夜福利在线观看免费完整高清在| 亚洲欧美精品自产自拍| 1024视频免费在线观看| 亚洲熟女精品中文字幕| av福利片在线| 少妇人妻 视频| 少妇的逼好多水| 黄色怎么调成土黄色| 国产精品久久久久成人av| 建设人人有责人人尽责人人享有的| 久热久热在线精品观看| 精品亚洲成国产av| 欧美丝袜亚洲另类| 久久久久视频综合| 性高湖久久久久久久久免费观看| 卡戴珊不雅视频在线播放| 99国产精品免费福利视频| 黄网站色视频无遮挡免费观看| 99九九在线精品视频| 韩国av在线不卡| 97在线人人人人妻| 亚洲精华国产精华液的使用体验| 在线天堂中文资源库| 黑丝袜美女国产一区| 亚洲精品,欧美精品| 精品国产一区二区久久| 日韩av免费高清视频| 日本爱情动作片www.在线观看| 欧美国产精品va在线观看不卡| 啦啦啦啦在线视频资源| 精品亚洲成a人片在线观看| 精品视频人人做人人爽| 黄色一级大片看看| 欧美精品一区二区大全| 亚洲国产av新网站| 亚洲综合色网址| 久久久久久久精品精品| www日本在线高清视频| 自线自在国产av| 精品人妻熟女毛片av久久网站| 亚洲第一区二区三区不卡| 男女啪啪激烈高潮av片| 最黄视频免费看| 丰满乱子伦码专区| 亚洲精品av麻豆狂野| www日本在线高清视频| 男人舔女人的私密视频| 久久久久久久亚洲中文字幕| 捣出白浆h1v1| 久久99一区二区三区| 国产黄频视频在线观看| 69精品国产乱码久久久| 美女国产视频在线观看| 国产片内射在线| 18禁在线无遮挡免费观看视频| 熟女人妻精品中文字幕| 国产乱人偷精品视频| 熟女av电影| 高清黄色对白视频在线免费看| 成人黄色视频免费在线看| 夫妻午夜视频| 大片免费播放器 马上看| 黄色视频在线播放观看不卡| 极品少妇高潮喷水抽搐| 伦精品一区二区三区| 边亲边吃奶的免费视频| 人人妻人人澡人人看| 黑人猛操日本美女一级片| 日韩欧美精品免费久久| 国产无遮挡羞羞视频在线观看| 亚洲第一av免费看| 岛国毛片在线播放| 男女下面插进去视频免费观看 | 黄网站色视频无遮挡免费观看| 久久人人97超碰香蕉20202| 久久毛片免费看一区二区三区| 女人久久www免费人成看片| 美女中出高潮动态图| 亚洲经典国产精华液单| 亚洲精品日韩在线中文字幕| 又大又黄又爽视频免费| 激情五月婷婷亚洲| 99久久精品国产国产毛片| 国产精品久久久久久久久免| 美女中出高潮动态图| 亚洲av电影在线进入| 成人手机av| 国产精品免费大片| 日韩免费高清中文字幕av| 午夜激情av网站| 国产乱人偷精品视频| 不卡视频在线观看欧美| 成人毛片a级毛片在线播放| 亚洲天堂av无毛| 国产男女内射视频| 王馨瑶露胸无遮挡在线观看| 黄网站色视频无遮挡免费观看| 国产精品麻豆人妻色哟哟久久| 国产精品.久久久| 中文天堂在线官网| 少妇人妻久久综合中文| 日本av手机在线免费观看| 韩国av在线不卡| 精品人妻在线不人妻| 香蕉丝袜av| 日韩伦理黄色片| 青青草视频在线视频观看| 国产 精品1| 免费黄频网站在线观看国产| 国产探花极品一区二区| 寂寞人妻少妇视频99o| 日韩制服骚丝袜av| 夫妻午夜视频| 亚洲av免费高清在线观看| 久热久热在线精品观看| 亚洲精华国产精华液的使用体验| 国产免费现黄频在线看| 视频在线观看一区二区三区| 日韩中文字幕视频在线看片| 日本爱情动作片www.在线观看| 免费黄色在线免费观看| 久久狼人影院| 大陆偷拍与自拍| 亚洲欧洲国产日韩| 黄色怎么调成土黄色| 97精品久久久久久久久久精品| 亚洲国产看品久久| 亚洲av电影在线进入| 亚洲国产av新网站| 9191精品国产免费久久| 美女视频免费永久观看网站| 少妇被粗大的猛进出69影院 | 成人国语在线视频| 春色校园在线视频观看| 国产高清三级在线| 你懂的网址亚洲精品在线观看| 亚洲av男天堂| 亚洲欧美清纯卡通| 国产精品麻豆人妻色哟哟久久| 国产女主播在线喷水免费视频网站| 一边亲一边摸免费视频| 亚洲人与动物交配视频| 欧美激情 高清一区二区三区| 亚洲色图 男人天堂 中文字幕 | 三上悠亚av全集在线观看| 女人久久www免费人成看片| 日韩伦理黄色片| 男男h啪啪无遮挡| 高清在线视频一区二区三区| 大陆偷拍与自拍| 最近最新中文字幕免费大全7| 老司机影院成人| 久热这里只有精品99| 一区二区三区精品91| 看免费av毛片| 亚洲伊人色综图| 成年美女黄网站色视频大全免费| 色哟哟·www| 亚洲人与动物交配视频| 91精品三级在线观看| 26uuu在线亚洲综合色| 王馨瑶露胸无遮挡在线观看| videos熟女内射| 人体艺术视频欧美日本| 午夜av观看不卡| 免费女性裸体啪啪无遮挡网站| 亚洲欧美色中文字幕在线| 亚洲av日韩在线播放| 婷婷色综合大香蕉| 久久久精品94久久精品| 国产1区2区3区精品| 亚洲人与动物交配视频| 国产高清三级在线| 国产精品不卡视频一区二区| 在线天堂中文资源库| 男女边摸边吃奶| www.色视频.com| 高清不卡的av网站| 亚洲av免费高清在线观看| 美女中出高潮动态图| 宅男免费午夜| 你懂的网址亚洲精品在线观看| 波多野结衣一区麻豆| 有码 亚洲区| av卡一久久| 又黄又爽又刺激的免费视频.| 一级片免费观看大全| 青青草视频在线视频观看| 狠狠精品人妻久久久久久综合| 欧美日韩综合久久久久久| 777米奇影视久久| 国产av国产精品国产| 欧美成人午夜免费资源| 尾随美女入室| 成人毛片60女人毛片免费| 亚洲美女视频黄频| 亚洲内射少妇av| 丝袜美足系列| 免费日韩欧美在线观看| 成人国产av品久久久| 丝袜人妻中文字幕| 男人操女人黄网站| 777米奇影视久久| 久久99热这里只频精品6学生| 女性被躁到高潮视频| 18禁观看日本| 在线观看免费视频网站a站| 久久久久久久久久人人人人人人| 天天躁夜夜躁狠狠久久av| 日韩制服骚丝袜av| 一本色道久久久久久精品综合| 久久午夜综合久久蜜桃| 99九九在线精品视频| 激情视频va一区二区三区| 成年动漫av网址| 亚洲成色77777| 亚洲天堂av无毛| 伦理电影免费视频| 国产精品熟女久久久久浪| 熟妇人妻不卡中文字幕| 国产午夜精品一二区理论片| 90打野战视频偷拍视频| av网站免费在线观看视频| 日韩不卡一区二区三区视频在线| 久久热在线av| 久久精品夜色国产| 国产日韩欧美亚洲二区| 午夜免费观看性视频| 亚洲av电影在线进入| 亚洲精品,欧美精品| 亚洲综合色网址| 国产免费一区二区三区四区乱码| 国产亚洲一区二区精品| 免费人成在线观看视频色| 久久女婷五月综合色啪小说| 欧美亚洲 丝袜 人妻 在线| 午夜激情久久久久久久| 午夜91福利影院| 美女视频免费永久观看网站| 亚洲,欧美精品.| 我要看黄色一级片免费的| 97在线视频观看| 国产精品久久久久久精品古装| 成人亚洲精品一区在线观看| 又粗又硬又长又爽又黄的视频| 成人二区视频| 精品国产一区二区三区久久久樱花| 2018国产大陆天天弄谢| 人妻人人澡人人爽人人| 精品一区二区三卡| 成人黄色视频免费在线看| 最近手机中文字幕大全| 日韩在线高清观看一区二区三区| 国产欧美日韩综合在线一区二区| 成人无遮挡网站| 97超碰精品成人国产| 国产麻豆69| 日日摸夜夜添夜夜爱| 青春草视频在线免费观看| 国产一区二区在线观看日韩| xxxhd国产人妻xxx| 丁香六月天网| 99精国产麻豆久久婷婷| 精品久久国产蜜桃| 亚洲精品日本国产第一区| 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 | 亚洲成国产人片在线观看| 毛片一级片免费看久久久久| 久久婷婷青草| 男女啪啪激烈高潮av片| 99久久综合免费| 九九爱精品视频在线观看| 亚洲精品美女久久久久99蜜臀 | 夜夜爽夜夜爽视频| 91国产中文字幕| 伦理电影免费视频| 午夜激情av网站| 看十八女毛片水多多多| 国产国语露脸激情在线看| 欧美精品亚洲一区二区| 赤兔流量卡办理| 美女国产视频在线观看| 一级毛片我不卡| 中国美白少妇内射xxxbb| av免费观看日本| 精品久久久精品久久久| 青春草视频在线免费观看| av福利片在线| xxxhd国产人妻xxx| 中文字幕亚洲精品专区| 成人毛片60女人毛片免费| 少妇的逼好多水| 在线亚洲精品国产二区图片欧美| 不卡视频在线观看欧美| 成人国产av品久久久| 午夜老司机福利剧场| 精品第一国产精品| 少妇熟女欧美另类| 人人妻人人澡人人爽人人夜夜| 精品国产一区二区久久| av国产精品久久久久影院| 久久婷婷青草| 国产黄色免费在线视频| 卡戴珊不雅视频在线播放| 丝袜喷水一区| 亚洲美女黄色视频免费看| 人人澡人人妻人| 黑人猛操日本美女一级片| 亚洲精品第二区| 全区人妻精品视频| 爱豆传媒免费全集在线观看| av卡一久久| 久久亚洲国产成人精品v| av福利片在线| 少妇人妻精品综合一区二区| 国产伦理片在线播放av一区| 18禁裸乳无遮挡动漫免费视频| 最后的刺客免费高清国语| 涩涩av久久男人的天堂| 蜜臀久久99精品久久宅男| 91久久精品国产一区二区三区| 国产精品久久久av美女十八| 色网站视频免费| 中国三级夫妇交换| 春色校园在线视频观看| 建设人人有责人人尽责人人享有的| 老司机影院毛片| 国产男女内射视频| 国产乱人偷精品视频| 中文天堂在线官网| 91精品国产国语对白视频| 亚洲国产成人一精品久久久| 日本黄色日本黄色录像| 精品一区二区三区四区五区乱码 | 国产精品久久久久久精品古装| 日韩欧美一区视频在线观看| 一级毛片 在线播放| 欧美亚洲日本最大视频资源| 性高湖久久久久久久久免费观看| 成人影院久久| 一区二区日韩欧美中文字幕 | 美女国产视频在线观看| 建设人人有责人人尽责人人享有的| 精品国产露脸久久av麻豆| 欧美精品国产亚洲| 国产高清三级在线| 一个人免费看片子| 一区在线观看完整版| 99热6这里只有精品| 亚洲丝袜综合中文字幕| 亚洲综合色网址| 又黄又爽又刺激的免费视频.| 精品国产一区二区久久| 女性被躁到高潮视频| 久久久国产精品麻豆| 免费不卡的大黄色大毛片视频在线观看| 香蕉精品网在线| 久久久久久久久久成人| 亚洲av欧美aⅴ国产| 国产片内射在线| 在线 av 中文字幕| 亚洲精品美女久久久久99蜜臀 | 日韩在线高清观看一区二区三区| av在线观看视频网站免费| 国产老妇伦熟女老妇高清| 亚洲精华国产精华液的使用体验| 亚洲内射少妇av| 中文字幕制服av| 日本与韩国留学比较| 国产免费一区二区三区四区乱码| 女性生殖器流出的白浆| 色婷婷av一区二区三区视频| 多毛熟女@视频| 亚洲欧美色中文字幕在线| 91aial.com中文字幕在线观看| 97人妻天天添夜夜摸| 91精品三级在线观看| 国产成人精品久久久久久| 性色avwww在线观看| 少妇的逼水好多| 日韩av免费高清视频| 在线观看www视频免费| freevideosex欧美| 久久韩国三级中文字幕| 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 | 美女xxoo啪啪120秒动态图| 国产精品久久久av美女十八| 国产精品偷伦视频观看了| 免费观看无遮挡的男女| 国产精品不卡视频一区二区| 十分钟在线观看高清视频www| 国产深夜福利视频在线观看| 天天躁夜夜躁狠狠久久av| 下体分泌物呈黄色| 国产毛片在线视频| 久久这里只有精品19| 香蕉精品网在线| 中文天堂在线官网| av不卡在线播放| 亚洲,欧美,日韩| 免费av中文字幕在线| 飞空精品影院首页| 99精国产麻豆久久婷婷| 精品卡一卡二卡四卡免费| 男女午夜视频在线观看 | 狂野欧美激情性xxxx在线观看| 一边摸一边做爽爽视频免费| a级毛片在线看网站| 成人无遮挡网站| 国产av精品麻豆| 国产精品欧美亚洲77777| 久久久久久人妻| 亚洲欧美成人综合另类久久久| 毛片一级片免费看久久久久| 国产精品国产av在线观看| 91午夜精品亚洲一区二区三区| 国产精品免费大片| 国产成人欧美| 另类亚洲欧美激情| 亚洲欧美精品自产自拍| 一级片'在线观看视频| 欧美国产精品va在线观看不卡| 99久久人妻综合| 国产精品.久久久| 人人澡人人妻人| 精品一区二区三卡| 这个男人来自地球电影免费观看 | 久久久久精品性色| 边亲边吃奶的免费视频| 久久韩国三级中文字幕| 国产男女超爽视频在线观看| 国产一区二区在线观看av| 97在线人人人人妻| 亚洲第一区二区三区不卡| 精品一区二区三区视频在线| 纵有疾风起免费观看全集完整版| 美女福利国产在线| 国产午夜精品一二区理论片| 久久影院123| 美女视频免费永久观看网站| 久久精品国产自在天天线| 亚洲欧美日韩另类电影网站| 亚洲精品aⅴ在线观看| 一级毛片我不卡|