• <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Bert和卷積神經(jīng)網(wǎng)絡(luò)的人物關(guān)系抽取研究

    2021-10-15 10:38:56杜慧祥楊文忠石義樂柴亞闖王麗花
    關(guān)鍵詞:門限雙向實體

    杜慧祥,楊文忠,石義樂,柴亞闖,王麗花

    (1.新疆大學(xué)軟件學(xué)院,新疆 烏魯木齊 830002;2.新疆大學(xué)信息科學(xué)與工程學(xué)院,新疆 烏魯木齊 830002)

    0 引言

    隨著互聯(lián)網(wǎng)數(shù)據(jù)爆炸式的增長,各種半結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)也在不斷增多.如何從半結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)中提取有效的結(jié)構(gòu)化信息,是當(dāng)前信息抽取領(lǐng)域的一個研究熱點和難點.信息抽取作為自然語言處理領(lǐng)域中的一個重要的研究子領(lǐng)域,近年來受到了國內(nèi)外研究學(xué)者的不斷研究,其中實體關(guān)系抽取技術(shù)是信息抽取中的一個關(guān)鍵技術(shù),也是構(gòu)建知識圖譜的重要技術(shù)之一,其主要的研究目的是從包含實體對以及包含某種語義關(guān)系的句子中提取出所需要的關(guān)鍵信息.目前實體關(guān)系抽取技術(shù)主要分為有監(jiān)督的、半監(jiān)督的、無監(jiān)督的、開放領(lǐng)域的、基于遠程監(jiān)督的、基于深度學(xué)習(xí)的等6類方法.有監(jiān)督的關(guān)系抽取又分為基于特征向量的方法和基于核函數(shù)[1]的方法.基于特征向量的方法是從包含關(guān)系的句子中,選擇該句的上下文中包含的詞法、語法和句法等特征來構(gòu)造特征向量,進一步通過計算特征向量的相似度來訓(xùn)練實體關(guān)系抽取模型,最后完成關(guān)系抽取.基于核函數(shù)的方法也是比較常用的一種方法,文獻[2]采用淺層解析樹核與SVM、投票感知器相結(jié)合的算法從非結(jié)構(gòu)化的文本中抽取人-從屬關(guān)系和組織-位置關(guān)系.文獻[3]通過擴展前人工作,提出依賴樹核,通過計算依賴樹核的相似度來進行實體關(guān)系抽取,實驗結(jié)果表明,基于依賴樹核的方法比基于“詞袋”核的效果有較大的提高.

    有監(jiān)督的實體關(guān)系抽取方法雖然在一定程度上提高了關(guān)系抽取的效率,但是需要人工標(biāo)注大量的語料,因此有人提出了半監(jiān)督的實體關(guān)系抽取方法.半監(jiān)督的實體關(guān)系抽取最先提出的是Bootstrapping方法[4],該方法首先人工設(shè)定若干種子實例,然后迭代從數(shù)據(jù)中抽取關(guān)系對應(yīng)的關(guān)系模板和更多的實例.半監(jiān)督實體關(guān)系抽取技術(shù)可以減少人工標(biāo)注數(shù)據(jù)的語料,但是該方法需要人工構(gòu)建高質(zhì)量的初始種子集,且該方法不可避免地會引入噪聲和語義漂移現(xiàn)象.

    在面對大規(guī)模語料的時候,有監(jiān)督和半監(jiān)督的關(guān)系抽取方法往往不能預(yù)測到所有位置的實體關(guān)系類型,因此人們提出了基于聚類方法的無監(jiān)督關(guān)系抽取.無監(jiān)督的實體關(guān)系抽取在無標(biāo)注的數(shù)據(jù)集中利用聚類算法將上下文中出現(xiàn)的實體對相似度高的聚為一類,用包含特定意義的詞來表示這種關(guān)系.無監(jiān)督的實體關(guān)系抽取方法不需要人工預(yù)先定義的關(guān)系類型,但其聚類的閾值確定相對較難,且目前基于無監(jiān)督的實體關(guān)系抽取方法沒有統(tǒng)一的評價指標(biāo).

    基于開放領(lǐng)域的實體關(guān)系抽取方法,是為了構(gòu)建某領(lǐng)域的語料庫時減少人工的參與,該方法在不需要任何人工標(biāo)注的情況下,通過與外部大型知識庫(如DBpedia、YAGO、FreeBase等)將完整的、高質(zhì)量的實體關(guān)系實例與大規(guī)模的訓(xùn)練數(shù)據(jù)對齊來獲得大量的訓(xùn)練數(shù)據(jù).基于遠程監(jiān)督的關(guān)系抽取方法也是為了減少人工參與標(biāo)注數(shù)據(jù)集而被提出來的.文獻[5]首次提出基于遠程監(jiān)督的實體關(guān)系抽取方法,該方法假設(shè)兩個實體間如果存在某種關(guān)系,那么在整個語料庫中包含這兩個實體的句子都存在這種關(guān)系.該方法在一定程度上減少了對標(biāo)注數(shù)據(jù)集的依賴,但其也帶來了數(shù)據(jù)噪聲和錯誤傳播的問題.

    近年來,隨著深度學(xué)習(xí)的快速發(fā)展,將深度學(xué)習(xí)的方法應(yīng)用到實體關(guān)系抽取中得到了大量研究學(xué)者的關(guān)注.文獻[6]提出將遞歸神經(jīng)網(wǎng)絡(luò)與矩陣向量表示相結(jié)合的模型,該模型可以學(xué)習(xí)任意長度的短語和句子的向量表示,但是忽略了實體對之間的位置信息以及其他的特征信息;文獻[7]利用卷積神經(jīng)網(wǎng)絡(luò)的方法進行實體關(guān)系抽取,采用詞向量和位置向量作為卷積神經(jīng)網(wǎng)絡(luò)的輸入,通過卷積層、池化層和非線性層得到句子的表示;文獻[8]針對捕獲句子中重要信息不明確的問題提出了基于注意力機制的雙向長短期記憶神經(jīng)網(wǎng)絡(luò)(ATT-BILSTM).

    目前在關(guān)系抽取領(lǐng)域中主要針對的是英文,但近年來隨著深度學(xué)習(xí)技術(shù)的廣泛使用,對中文關(guān)系抽取的研究也有了一定的進展,文獻[9]提出一種基于自注意的多特征實體關(guān)系提取方法,該方法充分考慮了詞匯、句法、語義和位置的特征,并利用基于自注意機制的雙向長短期記憶網(wǎng)絡(luò)預(yù)測實體之間關(guān)系;中文關(guān)系抽取任務(wù)中的數(shù)據(jù)稀疏和噪聲傳播問題一直是研究的難點,文獻[10]提出一種將位置特征、最短依存等特征融合起來,并提升關(guān)鍵特征的權(quán)重,改善了噪聲傳播的問題;文獻[11]提出一種多通道的卷積神經(jīng)網(wǎng)絡(luò)用來解決單一詞向量表征能力的問題,該模型利用不同的詞向量作為輸入語句,然后傳輸?shù)侥P偷牟煌ǖ乐?,最后利用卷積神經(jīng)網(wǎng)絡(luò)提取特征,利用Softmax分類器完成關(guān)系分類.以上方法大多數(shù)是采用早期預(yù)訓(xùn)練方法詞嵌入(Word Embedding)進行向量表示,詞嵌入的方法是2003年最早提出的[12],該方法利用了詞分布表示考慮了上下文之間的相似度.2013年谷歌公司的研究人員發(fā)布了Word2vec工具包,該工具包包含了Skip-Gram模型和CBOW模型[13],兩個模型能夠獲取文本之間相似性,但只考慮了文本中的局部信息而忽略了全局信息.2018年Google發(fā)布了Bert預(yù)訓(xùn)練模型[14],該模型通過充分的對詞和句進行提取,能夠得到動態(tài)編碼詞向量捕獲更長距離的依賴,在2018年10月底公布了Bert在11項NLP任務(wù)中的表現(xiàn),Bert取得了較好的結(jié)果.因此本文在Bert預(yù)訓(xùn)練模型下,提出了Bert-BiGRU-CNN的網(wǎng)絡(luò)模型進行人物關(guān)系抽取.該網(wǎng)絡(luò)模型首先通過Bert預(yù)訓(xùn)練模型獲取包含上下文語義信息的詞向量,然后利用雙向門控循環(huán)單元(BiGRU)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)提取上下文相關(guān)特征進行學(xué)習(xí),最后通過全連接層利用Softmax進行關(guān)系分類.

    1 模型介紹

    本文提出的Bert-BiGRU-CNN模型如圖1所示,其主要結(jié)構(gòu):(1)Bert層.利用Bert預(yù)訓(xùn)練模型獲取包含上下文語義信息的詞向量.(2)BiGRU層.獲取上下文的文本特征.(3)CNN層.進一步獲取文本的局部特征.(4)輸出層.利用Softmax分類器進行關(guān)系分類.

    1.1 Bert層

    大多數(shù)模型采用的都是2018年Google公司的研究人員提出了Bert預(yù)訓(xùn)練模型,該模型在自然語言處理領(lǐng)域得到了廣泛的好評,隨后Google公司公開了Bert預(yù)訓(xùn)練模型在11項自然語言處理任務(wù)中取得的效果,肯定了Bert預(yù)訓(xùn)練模型的學(xué)術(shù)價值.Bert預(yù)訓(xùn)練模型主要包含輸入層和多層Transformer編碼層,其基本結(jié)構(gòu)圖如圖2所示.Bert的輸入層是通過詞向量(Token Embeddings)、段向量(Segment Embeddings)和位置向量(Position Embedings)3個部分求和組成,且給句子的句首句尾分別增加了[CLS]和[SEP]標(biāo)志位.Transformer編碼層是文獻[15]提出來的,包含了多個結(jié)構(gòu)相同的編碼器和解碼器,從編碼器輸入的句子會通過一個自注意力(Self-Attention)層,然后傳輸?shù)角梆伾窠?jīng)網(wǎng)絡(luò)(Feed-Forward Neural Network)中,解碼器中除了包含這兩層之外,在這兩層之間多了一個注意力層,以此來關(guān)注與輸入句子中相關(guān)的部分.Bert預(yù)訓(xùn)練模型的提出與傳統(tǒng)的Word2vec、Glove預(yù)訓(xùn)練模型相比,Bert能夠充分考慮詞上下文的信息,獲得更精確的詞向量.本文采用Google公開的預(yù)訓(xùn)練好的中文模型“Bert-Base,Chinese”獲取句子向量并作為模型的輸入.

    圖1 Bert-BiGRU-CNN模型結(jié)構(gòu)

    圖2 Bert模型結(jié)構(gòu)

    1.2 BiGRU層

    循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network)是一種處理序列數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò),其每個時刻的預(yù)測結(jié)果不僅依賴當(dāng)前時刻的輸入,還依賴于所有之前時刻的中間結(jié)果.由于每次輸入都依賴之前的所有輸入,所以存在梯度消失(Vanishing Gradient)和梯度爆炸(Exploding Gradient)的問題.文獻[16]為了解決這個問題提出了LSTM(Long Short-Term Memory)網(wǎng)絡(luò).LSTM網(wǎng)絡(luò)中包含輸入門、遺忘門和輸出門.輸入門用來控制當(dāng)前狀態(tài)哪些信息應(yīng)該保存到內(nèi)部狀態(tài)中;遺忘門用來控制過去狀態(tài)中包含的信息是否應(yīng)該刪除;輸出門用來控制當(dāng)前內(nèi)部狀態(tài)下的多少信息需要傳輸?shù)酵獠繝顟B(tài)中.GRU網(wǎng)絡(luò)是LSTM網(wǎng)絡(luò)的一種簡化模型,GRU神經(jīng)網(wǎng)絡(luò)[17]與長短期記憶網(wǎng)絡(luò)(LSTM)相比,GRU網(wǎng)絡(luò)將LSTM中的輸入門與遺忘門替換為單一的更新門,更新門能夠決定從各個狀態(tài)中保留信息或者刪除信息,除此之外GRU網(wǎng)絡(luò)中還包含重置門,重置門是用來控制候選狀態(tài)的計算是否與上一狀態(tài)有依賴關(guān)系.GRU網(wǎng)絡(luò)的具體計算公式為:

    zt=σ(Wzxt+Uzht-1);

    (1)

    rt=σ(Wtxt+Utht-1);

    (2)

    (3)

    (4)

    其中:WZ,Wt,W,Uz,Ut,U表示權(quán)重矩陣;zt,rt分別表示為更新門與重置門;tanh表示激活函數(shù);xt表示當(dāng)前時刻的數(shù)據(jù)輸入;ht-1表示上一時刻的輸出;·表示矩陣點乘.

    1.3 CNN層

    卷積神經(jīng)網(wǎng)絡(luò)(CNN)作為圖像領(lǐng)域的一種經(jīng)典網(wǎng)絡(luò)模型,近年來被廣泛應(yīng)用到自然語言處理領(lǐng)域中.本文在雙向門限循環(huán)單元層之后加入了卷積神經(jīng)網(wǎng)絡(luò)來進一步獲取語義的局部特征.主要由輸入層、卷積層、池化層、全連接層、輸出層5個部分構(gòu)成.

    (1) 輸入層.將雙向門限循環(huán)單元(BiGRU)的輸出作為輸入.

    (2) 卷積層.卷積運算包含一個卷積核w∈Rh×k,該濾波器被應(yīng)用于h字的窗口產(chǎn)生一個新的特征.例如,特征ci是從詞xi:i+h-1窗口產(chǎn)生的,公式為

    ci=f(w·xi:i+h-1+b).

    (5)

    其中:b是一個偏置項,f是一個非線性函數(shù),如雙曲正切等.·表示矩陣之間的點乘,將卷積核應(yīng)用到句子{x1:h,x2:h+1,…,xn-h+1:n}中生成特征圖

    c=[c1,c2,c3,…,cn-h+1].

    (6)

    (3) 池化層.池化層不僅能夠降維,還能保留特征和防止過擬合的現(xiàn)象發(fā)生.本文采用最大池化對卷積層之后得到的句子局部特征進行下采樣,獲得局部最優(yōu)值

    (7)

    (4) 輸出層.通過卷積神經(jīng)網(wǎng)絡(luò)層進一步獲取局部特征,輸出層采用Softmax分類器作為最后關(guān)系分類.

    本文利用雙向門限循環(huán)單元(BiGRU)層的輸出作為卷積神經(jīng)網(wǎng)絡(luò)的輸入層,通過卷積層進一步獲取語義的局部特征,池化層采用Max-Pool(最大值池化)來降低語義特征維度,減少了模型的參數(shù),保證了卷積層的輸出上獲得一個定長的全連接層的輸入.最后采用全連接層利用Softmax分類器進行分類.

    2 實驗部分

    2.1 數(shù)據(jù)集和實驗設(shè)置

    目前有關(guān)中文人物關(guān)系抽取的公開數(shù)據(jù)集比較少,因此本文通過在線知識庫復(fù)旦大學(xué)知識工廠實驗室研發(fā)的大規(guī)模通用領(lǐng)域結(jié)構(gòu)化百科CN-DBpedia來獲取實體對,CN-DBpedia中的數(shù)據(jù)主要從百度百科、互動百科、中文維基百科等網(wǎng)站的頁面文本中獲取.將確定好的實體對利用爬蟲技術(shù)在新浪、百度百科、互動百科等網(wǎng)站頁面中獲取包含實體對的句子,通過人工整理后,構(gòu)建出了人物關(guān)系數(shù)據(jù)集.該數(shù)據(jù)集包含了14類人物關(guān)系,10 155條實例數(shù)據(jù),數(shù)據(jù)格式為〈實體1 實體2 關(guān)系類別、包含實體1和實體2的句子〉.實驗采用隨機的方法將人物關(guān)系數(shù)據(jù)集中的8 124條實例數(shù)據(jù)作為訓(xùn)練集,2 031條實例數(shù)據(jù)作為測試集.每種關(guān)系類別的數(shù)量如表1所示,數(shù)據(jù)格式示例如表2所示.

    表1 關(guān)系類別數(shù)量

    其中關(guān)系類別中“unknow”表示除表中13種關(guān)系以外的關(guān)系,“同人”表示同一個人不同的名字.

    表2 數(shù)據(jù)示例

    實驗參數(shù)設(shè)置如表3所示.

    表3 實驗參數(shù)

    2.2 實驗方法和評價指標(biāo)

    為了驗證本文提出的模型在中文關(guān)系抽取數(shù)據(jù)集上的效果,以Bert預(yù)訓(xùn)練模型作為基線,分別在Bert預(yù)訓(xùn)練模型下加入雙向門限循環(huán)單元網(wǎng)絡(luò)與注意力機制的結(jié)合、雙向門限循環(huán)單元網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的結(jié)合、僅加入雙向門限循環(huán)單元網(wǎng)絡(luò)、僅加入卷積神經(jīng)網(wǎng)絡(luò),利用這種模型在同一數(shù)據(jù)集進行訓(xùn)練.實驗結(jié)果的評價方法采用宏精確率(P宏)、宏召回率(R宏)和F1宏值.公式如下:

    2.3 實驗對比設(shè)置

    在人物關(guān)系抽取實驗中設(shè)置了以下幾組對比實驗,包括以Bert作為基線任務(wù)的單一的模型和組合的模型的對比:

    (1) Baseline:采用Bert預(yù)訓(xùn)練模型作為基線模型.

    (2) Bert-BiGRU:在Bert預(yù)訓(xùn)練模型下加入雙向門限循環(huán)單元網(wǎng)絡(luò).

    (3) Bert-CNN:在Bert預(yù)訓(xùn)練模型下加入卷積神經(jīng)網(wǎng)絡(luò).

    (4) Bert-BiGRU-ATT:在Bert預(yù)訓(xùn)練模型下,加入雙向門限循環(huán)單元網(wǎng)絡(luò)和注意力機制網(wǎng)絡(luò).

    (5) Bert-BiGRU-CNN:在Bert預(yù)訓(xùn)練模型下,加入雙向門限循環(huán)單元網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò).

    2.4 實驗結(jié)果和分析

    為了驗證在Bert預(yù)訓(xùn)練模型下加入雙向門限循環(huán)單元網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)在人物關(guān)系抽取模型上的效果,利用表3設(shè)置的參數(shù)進行實驗,各個模型的實驗效果對比如表4所示.

    表4 不同模型的實驗對比

    通過表4對比發(fā)現(xiàn)在以Bert作為基線任務(wù)中,P宏為76.68%,R宏為67.65%;在基于Bert預(yù)訓(xùn)練模型的基礎(chǔ)上,僅加入雙向門限循環(huán)單元網(wǎng)絡(luò)(BiGRU)的模型P宏為81.84%,R宏為75.17%;僅加入卷積神經(jīng)網(wǎng)絡(luò)模型(CNN)的P宏為84.80%,R宏為81.84%;加入雙向門限循環(huán)單元和注意力機制的網(wǎng)絡(luò)模型P宏為86.92%,R宏為83.31%;加入雙向門限循環(huán)單元和卷積神經(jīng)網(wǎng)絡(luò)的模型P宏為87.92%,R宏為86.79%.無論從P宏、R宏還是F1宏值上來看,在Bert預(yù)訓(xùn)練模型下加入雙向門限循環(huán)單元網(wǎng)絡(luò)與注意力機制的網(wǎng)絡(luò)模型要優(yōu)于僅有雙向門限循環(huán)單元網(wǎng)絡(luò)的模型和僅加入卷積神經(jīng)網(wǎng)絡(luò)的模型,加入雙向門限循環(huán)單元網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的模型獲得了最高的P宏、R宏和F1宏值.由此可以證明,在Bert預(yù)訓(xùn)練模型下,加入雙向門限循環(huán)單元網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的模型可以進一步提高在人物關(guān)系抽取數(shù)據(jù)集上關(guān)系抽取的準(zhǔn)確性.

    3 結(jié)束語

    本文通過在Bert預(yù)訓(xùn)練模型下,提出一種將雙向門限循環(huán)單元網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的網(wǎng)絡(luò)模型,利用Bert預(yù)訓(xùn)練模型獲取文本的詞向量,采用雙向門限循環(huán)單元和卷積神經(jīng)網(wǎng)絡(luò)來提取局部語義特征,實現(xiàn)人物關(guān)系的抽取分類.本文提出的Bert-BiGRU-CNN模型在構(gòu)造的人物關(guān)系抽取數(shù)據(jù)集與其他模型相比取得了最好的實驗效果,但是本文未考慮更細粒度的關(guān)系分類,如師生關(guān)系中誰是老師,誰是學(xué)生.因此下一步的研究是將充分考慮細粒度的人物關(guān)系抽取.

    猜你喜歡
    門限雙向實體
    雙向度的成長與自我實現(xiàn)
    出版人(2022年11期)2022-11-15 04:30:18
    基于規(guī)則的HEV邏輯門限控制策略
    地方債對經(jīng)濟增長的門限效應(yīng)及地區(qū)差異研究
    中國西部(2021年4期)2021-11-04 08:57:32
    隨機失效門限下指數(shù)退化軌道模型的分析與應(yīng)用
    前海自貿(mào)區(qū):金融服務(wù)實體
    中國外匯(2019年18期)2019-11-25 01:41:54
    實體的可感部分與實體——兼論亞里士多德分析實體的兩種模式
    兩會進行時:緊扣實體經(jīng)濟“釘釘子”
    振興實體經(jīng)濟地方如何“釘釘子”
    一種軟開關(guān)的交錯并聯(lián)Buck/Boost雙向DC/DC變換器
    生產(chǎn)性服務(wù)業(yè)集聚與工業(yè)集聚的非線性效應(yīng)——基于門限回歸模型的分析
    湖湘論壇(2015年3期)2015-12-01 04:20:17
    我的女老师完整版在线观看| 亚洲精品在线观看二区| 亚洲电影在线观看av| 麻豆久久精品国产亚洲av| 国产午夜福利久久久久久| 欧美一区二区精品小视频在线| 亚洲真实伦在线观看| 婷婷六月久久综合丁香| a级毛片a级免费在线| 校园人妻丝袜中文字幕| 久99久视频精品免费| 成人亚洲精品av一区二区| 在线播放国产精品三级| 国产亚洲精品av在线| 免费av不卡在线播放| 999久久久精品免费观看国产| 嫩草影视91久久| 亚洲欧美日韩无卡精品| 天堂动漫精品| 99国产精品一区二区蜜桃av| 国产老妇女一区| 免费在线观看影片大全网站| 丰满的人妻完整版| 国产伦人伦偷精品视频| 麻豆成人午夜福利视频| 国产大屁股一区二区在线视频| 久久婷婷人人爽人人干人人爱| 久久精品国产亚洲av香蕉五月| 不卡一级毛片| 亚洲欧美日韩无卡精品| or卡值多少钱| 日韩高清综合在线| 成人鲁丝片一二三区免费| 美女高潮的动态| 免费在线观看日本一区| 亚洲天堂国产精品一区在线| 欧美日韩国产亚洲二区| 亚洲无线观看免费| 日本免费一区二区三区高清不卡| av在线蜜桃| 国产真实伦视频高清在线观看 | 色哟哟·www| 校园人妻丝袜中文字幕| 亚洲成a人片在线一区二区| 亚洲图色成人| 亚洲人成网站高清观看| 亚洲精华国产精华液的使用体验 | 少妇人妻精品综合一区二区 | 在线a可以看的网站| 精品一区二区三区人妻视频| 午夜福利高清视频| 久久中文看片网| 波多野结衣高清无吗| 久久久成人免费电影| 亚洲精品粉嫩美女一区| 女人十人毛片免费观看3o分钟| 乱系列少妇在线播放| 啦啦啦啦在线视频资源| 人人妻人人看人人澡| 精品福利观看| 男女啪啪激烈高潮av片| 我的女老师完整版在线观看| 亚洲精华国产精华精| 男人狂女人下面高潮的视频| 免费看光身美女| 欧美又色又爽又黄视频| 国产一区二区三区在线臀色熟女| 别揉我奶头~嗯~啊~动态视频| 久久国产精品人妻蜜桃| 亚洲中文字幕一区二区三区有码在线看| 国产精品av视频在线免费观看| 国产精品精品国产色婷婷| 成人av在线播放网站| 性欧美人与动物交配| 久久国内精品自在自线图片| 久久精品国产清高在天天线| 欧美日韩黄片免| 女的被弄到高潮叫床怎么办 | a级毛片免费高清观看在线播放| 亚洲美女视频黄频| 国产爱豆传媒在线观看| av.在线天堂| h日本视频在线播放| 亚洲国产日韩欧美精品在线观看| 久久久久性生活片| 成人无遮挡网站| 欧美一区二区亚洲| 我的老师免费观看完整版| 日本熟妇午夜| 很黄的视频免费| 精品久久久久久,| 麻豆久久精品国产亚洲av| 热99re8久久精品国产| 亚洲精华国产精华精| 久久婷婷人人爽人人干人人爱| 婷婷精品国产亚洲av在线| 一个人看的www免费观看视频| 中文字幕av在线有码专区| 看免费成人av毛片| 很黄的视频免费| 精品无人区乱码1区二区| 一个人观看的视频www高清免费观看| 亚洲七黄色美女视频| 搡老妇女老女人老熟妇| 偷拍熟女少妇极品色| 亚洲国产欧洲综合997久久,| 色吧在线观看| 中文字幕熟女人妻在线| 亚洲国产欧美人成| 最近视频中文字幕2019在线8| 免费不卡的大黄色大毛片视频在线观看 | 天堂影院成人在线观看| 老司机午夜福利在线观看视频| 成人av在线播放网站| 久久天躁狠狠躁夜夜2o2o| 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| 搞女人的毛片| 亚洲精品一区av在线观看| 琪琪午夜伦伦电影理论片6080| 日本 欧美在线| 舔av片在线| 嫩草影院入口| 在线免费观看不下载黄p国产 | 日本一本二区三区精品| 亚洲图色成人| 免费大片18禁| 直男gayav资源| 亚洲久久久久久中文字幕| 天堂动漫精品| 久久久久久久久大av| 动漫黄色视频在线观看| 亚洲人成网站在线播放欧美日韩| 久久精品国产亚洲av香蕉五月| 免费看美女性在线毛片视频| 日本黄色片子视频| 日日撸夜夜添| 欧美黑人欧美精品刺激| 久久天躁狠狠躁夜夜2o2o| 日韩亚洲欧美综合| 成年女人毛片免费观看观看9| 日日夜夜操网爽| 男女那种视频在线观看| bbb黄色大片| 国产高清三级在线| 熟女人妻精品中文字幕| 国产精品美女特级片免费视频播放器| 久久精品国产亚洲网站| 欧美日本视频| 国产精品综合久久久久久久免费| 国产高清视频在线观看网站| 综合色av麻豆| av福利片在线观看| 国产精品人妻久久久久久| 精品久久久久久久久久久久久| 久久久国产成人精品二区| 亚洲国产色片| 一本一本综合久久| 免费大片18禁| xxxwww97欧美| 国产亚洲91精品色在线| 黄色女人牲交| 精品久久久久久久久av| 日韩亚洲欧美综合| 国产精品伦人一区二区| 级片在线观看| 国产 一区 欧美 日韩| 亚洲精品粉嫩美女一区| 国产高潮美女av| 精品久久久久久久久久久久久| 无人区码免费观看不卡| 琪琪午夜伦伦电影理论片6080| 美女 人体艺术 gogo| 国产精品一及| 欧美日韩黄片免| 国产激情偷乱视频一区二区| 夜夜爽天天搞| 亚洲av日韩精品久久久久久密| 在线免费十八禁| 成年人黄色毛片网站| 99久久成人亚洲精品观看| 九九爱精品视频在线观看| 日本黄色片子视频| 成年女人永久免费观看视频| 欧美三级亚洲精品| 午夜福利在线观看免费完整高清在 | 村上凉子中文字幕在线| 亚洲五月天丁香| 国产精品电影一区二区三区| 国产精品av视频在线免费观看| 久久久色成人| 亚洲成av人片在线播放无| 国产男靠女视频免费网站| 亚洲国产欧美人成| 亚洲av第一区精品v没综合| 国产精品爽爽va在线观看网站| 亚洲成人久久爱视频| 校园春色视频在线观看| 久久草成人影院| 午夜免费激情av| 一区二区三区免费毛片| 精品乱码久久久久久99久播| 亚洲 国产 在线| 精品一区二区三区视频在线观看免费| 午夜福利高清视频| 国产欧美日韩精品亚洲av| 丝袜美腿在线中文| 校园春色视频在线观看| 999久久久精品免费观看国产| 日本精品一区二区三区蜜桃| 蜜桃久久精品国产亚洲av| 内射极品少妇av片p| 免费av毛片视频| 亚洲 国产 在线| av在线观看视频网站免费| 日日夜夜操网爽| 特大巨黑吊av在线直播| 黄色日韩在线| 欧美日韩国产亚洲二区| 日日摸夜夜添夜夜添av毛片 | 国产一区二区三区视频了| 国产高清激情床上av| 男人和女人高潮做爰伦理| 如何舔出高潮| 国产又黄又爽又无遮挡在线| 91狼人影院| 99热只有精品国产| 丝袜美腿在线中文| 亚洲男人的天堂狠狠| 老熟妇仑乱视频hdxx| 免费高清视频大片| 91麻豆av在线| 国产精品99久久久久久久久| 午夜免费成人在线视频| 一夜夜www| 免费在线观看成人毛片| 亚洲精品一卡2卡三卡4卡5卡| 日本 av在线| 午夜精品久久久久久毛片777| 99久久精品一区二区三区| 国产精品不卡视频一区二区| 99国产极品粉嫩在线观看| 欧美成人a在线观看| 级片在线观看| 无遮挡黄片免费观看| 亚洲精品一区av在线观看| 久久久精品欧美日韩精品| 91久久精品国产一区二区成人| 中文在线观看免费www的网站| 人妻丰满熟妇av一区二区三区| 国产精品久久电影中文字幕| 综合色av麻豆| 欧美日本亚洲视频在线播放| 中文字幕av在线有码专区| 欧美日韩国产亚洲二区| 亚洲中文字幕日韩| 国产视频一区二区在线看| 男女啪啪激烈高潮av片| 老熟妇乱子伦视频在线观看| 国产精品一区二区性色av| 琪琪午夜伦伦电影理论片6080| 亚洲欧美激情综合另类| 中出人妻视频一区二区| 日韩大尺度精品在线看网址| 日日撸夜夜添| 欧美国产日韩亚洲一区| 999久久久精品免费观看国产| 69av精品久久久久久| 亚洲人与动物交配视频| 九色国产91popny在线| 亚洲最大成人手机在线| 男人和女人高潮做爰伦理| 极品教师在线视频| 国产伦一二天堂av在线观看| 日本免费一区二区三区高清不卡| 久久香蕉精品热| 久久久久久伊人网av| 亚洲自偷自拍三级| 亚洲精品色激情综合| 69人妻影院| 亚洲国产色片| 夜夜夜夜夜久久久久| 亚洲自拍偷在线| 久久久久久久久久成人| 国产精品国产高清国产av| 亚洲中文字幕一区二区三区有码在线看| 午夜视频国产福利| 色综合色国产| 村上凉子中文字幕在线| 琪琪午夜伦伦电影理论片6080| 99久久成人亚洲精品观看| 小说图片视频综合网站| 露出奶头的视频| 成人亚洲精品av一区二区| 亚洲成人中文字幕在线播放| 18禁裸乳无遮挡免费网站照片| 黄色配什么色好看| 男人舔女人下体高潮全视频| 国产人妻一区二区三区在| 免费看日本二区| 日本黄色视频三级网站网址| 高清日韩中文字幕在线| 亚洲第一电影网av| 久久久久久九九精品二区国产| 美女cb高潮喷水在线观看| 成人精品一区二区免费| 国产成人福利小说| 美女 人体艺术 gogo| 国产午夜福利久久久久久| 国国产精品蜜臀av免费| 久久人妻av系列| 波多野结衣高清无吗| 国产精品久久久久久av不卡| a级一级毛片免费在线观看| 亚洲真实伦在线观看| 听说在线观看完整版免费高清| 日韩大尺度精品在线看网址| 嫩草影视91久久| 国产精品人妻久久久影院| 成人av在线播放网站| 老司机深夜福利视频在线观看| 亚洲欧美日韩无卡精品| 亚洲欧美激情综合另类| 欧美人与善性xxx| 国产免费av片在线观看野外av| 亚洲四区av| 色综合婷婷激情| 丰满的人妻完整版| 乱系列少妇在线播放| 国产成人一区二区在线| 黄片wwwwww| www.色视频.com| 欧美xxxx性猛交bbbb| 亚洲最大成人中文| 91麻豆精品激情在线观看国产| 真人一进一出gif抽搐免费| 精品日产1卡2卡| 国产精品99久久久久久久久| 亚洲国产欧洲综合997久久,| 日韩强制内射视频| 亚洲精华国产精华液的使用体验 | 免费在线观看成人毛片| 熟女电影av网| 成人无遮挡网站| 国产精品一区www在线观看 | 波多野结衣巨乳人妻| 精品人妻1区二区| 精品午夜福利在线看| 高清毛片免费观看视频网站| 美女高潮的动态| 在线a可以看的网站| 又黄又爽又刺激的免费视频.| 日韩欧美国产一区二区入口| av视频在线观看入口| 国产成人a区在线观看| 精品一区二区三区人妻视频| 69av精品久久久久久| 欧美最黄视频在线播放免费| 精品久久久久久久人妻蜜臀av| 伊人久久精品亚洲午夜| 五月伊人婷婷丁香| 桃红色精品国产亚洲av| 午夜视频国产福利| 欧美又色又爽又黄视频| 日韩高清综合在线| 中文字幕av在线有码专区| 欧美日韩精品成人综合77777| 非洲黑人性xxxx精品又粗又长| 亚洲国产精品合色在线| 成年女人永久免费观看视频| 精品久久久久久成人av| 国产男靠女视频免费网站| 91久久精品国产一区二区成人| 又爽又黄a免费视频| 国产三级中文精品| 干丝袜人妻中文字幕| 久久久久久久久久成人| 99热网站在线观看| 乱系列少妇在线播放| 国内精品一区二区在线观看| 99热只有精品国产| 欧美3d第一页| 三级国产精品欧美在线观看| 丝袜美腿在线中文| 亚洲精品乱码久久久v下载方式| 搡女人真爽免费视频火全软件 | 久久人人爽人人爽人人片va| 人妻久久中文字幕网| 国产精品久久久久久久电影| 给我免费播放毛片高清在线观看| 色5月婷婷丁香| 国产精品一及| 欧洲精品卡2卡3卡4卡5卡区| 99久久精品热视频| 蜜桃亚洲精品一区二区三区| 日韩欧美 国产精品| 国产精品精品国产色婷婷| 窝窝影院91人妻| 少妇丰满av| 乱系列少妇在线播放| 男人舔奶头视频| 成人无遮挡网站| 国产精品一区二区免费欧美| 午夜福利18| 亚洲欧美清纯卡通| 国产免费一级a男人的天堂| 一区二区三区四区激情视频 | 有码 亚洲区| 国产伦精品一区二区三区四那| 热99在线观看视频| 亚洲欧美激情综合另类| av专区在线播放| 国产一区二区三区在线臀色熟女| 国产aⅴ精品一区二区三区波| 自拍偷自拍亚洲精品老妇| 亚洲精品456在线播放app | 久久午夜福利片| 啦啦啦观看免费观看视频高清| 男女边吃奶边做爰视频| 又黄又爽又刺激的免费视频.| 美女高潮喷水抽搐中文字幕| 亚洲av电影不卡..在线观看| 大型黄色视频在线免费观看| 男人狂女人下面高潮的视频| 一区福利在线观看| 18禁黄网站禁片午夜丰满| 日韩一区二区视频免费看| 国产男靠女视频免费网站| 欧美色视频一区免费| 精品人妻偷拍中文字幕| 香蕉av资源在线| 日韩大尺度精品在线看网址| 国产精品一及| 看片在线看免费视频| 99国产极品粉嫩在线观看| 中出人妻视频一区二区| 国产精品一区二区性色av| 无人区码免费观看不卡| 在线观看免费视频日本深夜| 久久亚洲真实| 亚洲欧美日韩东京热| 99国产精品一区二区蜜桃av| 伦理电影大哥的女人| 高清毛片免费观看视频网站| 国产爱豆传媒在线观看| 精品欧美国产一区二区三| 日本免费一区二区三区高清不卡| 给我免费播放毛片高清在线观看| 波多野结衣高清无吗| 国模一区二区三区四区视频| av福利片在线观看| 真人一进一出gif抽搐免费| 国产精品98久久久久久宅男小说| 欧美色视频一区免费| 大型黄色视频在线免费观看| 国产色爽女视频免费观看| 欧美激情久久久久久爽电影| 亚洲综合色惰| 精品午夜福利视频在线观看一区| 久久久国产成人免费| 色综合色国产| 精品免费久久久久久久清纯| 国产蜜桃级精品一区二区三区| 91久久精品国产一区二区成人| 欧美3d第一页| 99热精品在线国产| 成人亚洲精品av一区二区| 色av中文字幕| 精品福利观看| 久久久成人免费电影| 成年女人毛片免费观看观看9| 欧美日本视频| 搞女人的毛片| 国产精品永久免费网站| 一区二区三区激情视频| 色哟哟·www| 国产中年淑女户外野战色| 亚洲精品456在线播放app | 悠悠久久av| 制服丝袜大香蕉在线| 亚洲不卡免费看| 亚洲色图av天堂| 国产精品一区二区三区四区久久| 国产精品永久免费网站| 国产三级中文精品| 成年人黄色毛片网站| 久久久久久久久久成人| 小说图片视频综合网站| 一区二区三区四区激情视频 | 少妇人妻一区二区三区视频| 老司机午夜福利在线观看视频| 97碰自拍视频| 九九爱精品视频在线观看| 国产精品久久久久久亚洲av鲁大| 色av中文字幕| 国产不卡一卡二| 成人鲁丝片一二三区免费| 亚洲真实伦在线观看| 女的被弄到高潮叫床怎么办 | 日本黄色片子视频| 中文字幕av成人在线电影| 很黄的视频免费| 悠悠久久av| 最后的刺客免费高清国语| 熟妇人妻久久中文字幕3abv| av视频在线观看入口| 亚洲,欧美,日韩| 国产91精品成人一区二区三区| 亚洲精品乱码久久久v下载方式| 亚洲精品一区av在线观看| 久久精品国产亚洲网站| 免费看日本二区| 欧美三级亚洲精品| 亚洲av日韩精品久久久久久密| 黄色丝袜av网址大全| .国产精品久久| 国产高清激情床上av| 日韩 亚洲 欧美在线| 成年女人看的毛片在线观看| 日韩欧美精品免费久久| 久久精品国产清高在天天线| 成熟少妇高潮喷水视频| 男人舔女人下体高潮全视频| 美女高潮的动态| 免费在线观看影片大全网站| 色播亚洲综合网| 色av中文字幕| 色视频www国产| netflix在线观看网站| 嫩草影院精品99| 91精品国产九色| 日日啪夜夜撸| 国产麻豆成人av免费视频| 色综合色国产| 成年女人永久免费观看视频| 精品福利观看| 变态另类丝袜制服| 51国产日韩欧美| 亚洲av中文字字幕乱码综合| 99热只有精品国产| 国产久久久一区二区三区| 国产免费男女视频| 毛片一级片免费看久久久久 | 日本成人三级电影网站| 国产精品无大码| 99热这里只有是精品在线观看| 亚洲第一区二区三区不卡| 成年女人永久免费观看视频| 91麻豆av在线| 日本五十路高清| 天堂影院成人在线观看| 22中文网久久字幕| 久久6这里有精品| 欧美潮喷喷水| 亚洲综合色惰| 亚洲无线观看免费| 欧美一区二区精品小视频在线| 国内精品一区二区在线观看| 91久久精品国产一区二区成人| 99久久久亚洲精品蜜臀av| 日韩av在线大香蕉| 又紧又爽又黄一区二区| 啦啦啦啦在线视频资源| 日韩一本色道免费dvd| 成人av在线播放网站| 欧美高清成人免费视频www| 午夜亚洲福利在线播放| 国产精品野战在线观看| 露出奶头的视频| 在线免费观看不下载黄p国产 | 舔av片在线| 国产视频一区二区在线看| 97热精品久久久久久| 国产乱人伦免费视频| 日韩欧美免费精品| 69人妻影院| 成人av一区二区三区在线看| 精品人妻熟女av久视频| ponron亚洲| 欧美xxxx黑人xx丫x性爽| 国产精品亚洲一级av第二区| 最近最新免费中文字幕在线| 在线a可以看的网站| 亚洲成a人片在线一区二区| 深夜a级毛片| 女的被弄到高潮叫床怎么办 | 国产精品一区二区三区四区免费观看 | 精品一区二区三区av网在线观看| 久久人人精品亚洲av| 亚洲精品久久国产高清桃花| 老女人水多毛片| 在线观看美女被高潮喷水网站| 国产极品精品免费视频能看的| 国产精品一区www在线观看 | 日日撸夜夜添| 国产综合懂色| av视频在线观看入口| 伦理电影大哥的女人| 偷拍熟女少妇极品色| 深夜a级毛片| 国产精品一区www在线观看 | 黄色丝袜av网址大全| 日韩精品有码人妻一区| bbb黄色大片| 国产精品国产高清国产av| av视频在线观看入口| 毛片一级片免费看久久久久 | 国产欧美日韩精品一区二区| 久久久久久国产a免费观看| h日本视频在线播放| 午夜免费激情av| 3wmmmm亚洲av在线观看| 成人亚洲精品av一区二区| 国产成人福利小说| 成人一区二区视频在线观看|