• <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
    亚洲内射少妇av| 精品电影一区二区在线| 久久精品亚洲精品国产色婷小说| 搡老岳熟女国产| 亚洲不卡免费看| 此物有八面人人有两片| 亚洲av二区三区四区| 亚洲欧美日韩高清在线视频| 亚洲久久久久久中文字幕| 久久伊人香网站| 成人18禁在线播放| 成人国产综合亚洲| 亚洲中文日韩欧美视频| 精品一区二区三区av网在线观看| 精品日产1卡2卡| 99久久精品热视频| 国产精品久久久久久亚洲av鲁大| 两个人的视频大全免费| 精品不卡国产一区二区三区| 在线观看66精品国产| 成年女人看的毛片在线观看| 欧美三级亚洲精品| 欧美日韩黄片免| 女同久久另类99精品国产91| 亚洲 欧美 日韩 在线 免费| 国产精品亚洲一级av第二区| 亚洲精品在线美女| 午夜福利高清视频| 嫩草影视91久久| 91字幕亚洲| 午夜福利在线在线| 国产男靠女视频免费网站| 日韩精品青青久久久久久| 国内少妇人妻偷人精品xxx网站| 1000部很黄的大片| 在线观看av片永久免费下载| 老熟妇仑乱视频hdxx| 此物有八面人人有两片| 美女大奶头视频| 最新中文字幕久久久久| 亚洲片人在线观看| 黄色女人牲交| 国产私拍福利视频在线观看| 丰满人妻一区二区三区视频av | 欧美日韩黄片免| 国产免费一级a男人的天堂| 神马国产精品三级电影在线观看| 美女免费视频网站| 3wmmmm亚洲av在线观看| 久久久久九九精品影院| 亚洲av第一区精品v没综合| 在线观看午夜福利视频| 一级作爱视频免费观看| 两人在一起打扑克的视频| 桃色一区二区三区在线观看| 国产v大片淫在线免费观看| 欧美大码av| 国产精品电影一区二区三区| 成人精品一区二区免费| 欧美乱色亚洲激情| 一个人看视频在线观看www免费 | 国产成年人精品一区二区| 天堂动漫精品| 国产一区二区激情短视频| 久久精品影院6| 久久香蕉国产精品| 亚洲狠狠婷婷综合久久图片| 最近视频中文字幕2019在线8| 欧美一区二区国产精品久久精品| 国产一区二区激情短视频| 国产一区二区三区在线臀色熟女| 俄罗斯特黄特色一大片| 制服丝袜大香蕉在线| 天美传媒精品一区二区| 亚洲aⅴ乱码一区二区在线播放| 在线观看午夜福利视频| 99riav亚洲国产免费| 美女cb高潮喷水在线观看| 母亲3免费完整高清在线观看| 一个人观看的视频www高清免费观看| 国模一区二区三区四区视频| 日本一二三区视频观看| 中文字幕精品亚洲无线码一区| 色av中文字幕| 精品久久久久久久久久久久久| 黑人欧美特级aaaaaa片| 日韩大尺度精品在线看网址| 国产成人av激情在线播放| 久久精品国产综合久久久| 好看av亚洲va欧美ⅴa在| 婷婷亚洲欧美| 身体一侧抽搐| 亚洲专区中文字幕在线| 日本与韩国留学比较| 午夜a级毛片| 有码 亚洲区| 男女视频在线观看网站免费| 日本一二三区视频观看| bbb黄色大片| 午夜福利成人在线免费观看| 日日摸夜夜添夜夜添小说| 特级一级黄色大片| 免费av不卡在线播放| 999久久久精品免费观看国产| 国产精品久久久久久亚洲av鲁大| 亚洲片人在线观看| 黄片小视频在线播放| 国产亚洲欧美在线一区二区| 国产一区二区亚洲精品在线观看| 99国产综合亚洲精品| 日本 欧美在线| 国产亚洲av嫩草精品影院| 国产日本99.免费观看| 人妻久久中文字幕网| 日本在线视频免费播放| 精品久久久久久久久久免费视频| 国产高清三级在线| 亚洲中文日韩欧美视频| 日韩精品中文字幕看吧| 国产精品一区二区三区四区免费观看 | 99在线人妻在线中文字幕| 亚洲七黄色美女视频| 俺也久久电影网| 久久草成人影院| 成人一区二区视频在线观看| 久久久久国产精品人妻aⅴ院| 999久久久精品免费观看国产| 国产午夜精品久久久久久一区二区三区 | 一本精品99久久精品77| av专区在线播放| 国产成+人综合+亚洲专区| 在线天堂最新版资源| 日本五十路高清| www.色视频.com| 黄色视频,在线免费观看| 毛片女人毛片| 性欧美人与动物交配| 精品人妻一区二区三区麻豆 | 一级黄片播放器| 亚洲男人的天堂狠狠| 99久久99久久久精品蜜桃| 手机成人av网站| 亚洲成人免费电影在线观看| 国产午夜福利久久久久久| 日韩欧美国产一区二区入口| 国产精品一及| 久久精品国产亚洲av涩爱 | 久久6这里有精品| 久久午夜亚洲精品久久| 特大巨黑吊av在线直播| 可以在线观看毛片的网站| 婷婷亚洲欧美| 亚洲 国产 在线| 国产免费av片在线观看野外av| 国产三级黄色录像| 精品久久久久久久末码| 欧美中文日本在线观看视频| 一级毛片女人18水好多| 欧美绝顶高潮抽搐喷水| 一区二区三区高清视频在线| 一区福利在线观看| 午夜福利免费观看在线| 亚洲精华国产精华精| x7x7x7水蜜桃| 午夜精品一区二区三区免费看| 少妇熟女aⅴ在线视频| 久久精品人妻少妇| 一进一出好大好爽视频| 免费观看人在逋| 男人的好看免费观看在线视频| 亚洲第一欧美日韩一区二区三区| 一级毛片女人18水好多| 小说图片视频综合网站| 身体一侧抽搐| 久久99热这里只有精品18| av在线天堂中文字幕| 久久久国产成人免费| 日韩欧美在线二视频| 亚洲无线观看免费| 亚洲成人免费电影在线观看| 18禁黄网站禁片免费观看直播| 九色成人免费人妻av| 18美女黄网站色大片免费观看| 欧美黄色淫秽网站| 亚洲在线观看片| 免费无遮挡裸体视频| 丁香欧美五月| 久久精品综合一区二区三区| 国产成人影院久久av| e午夜精品久久久久久久| av黄色大香蕉| 成人永久免费在线观看视频| 亚洲 国产 在线| 亚洲18禁久久av| 国产精品久久视频播放| 成人亚洲精品av一区二区| 国产伦精品一区二区三区四那| 在线观看66精品国产| 欧美bdsm另类| 久久久国产精品麻豆| 一本一本综合久久| 首页视频小说图片口味搜索| 日本在线视频免费播放| 两性午夜刺激爽爽歪歪视频在线观看| 三级国产精品欧美在线观看| 亚洲乱码一区二区免费版| 免费高清视频大片| 欧美激情在线99| 亚洲成a人片在线一区二区| 成人一区二区视频在线观看| 在线a可以看的网站| 日韩欧美精品v在线| 天堂√8在线中文| 男人的好看免费观看在线视频| 成熟少妇高潮喷水视频| 久久精品亚洲精品国产色婷小说| 国产爱豆传媒在线观看| 久久亚洲精品不卡| 天天添夜夜摸| 黄色片一级片一级黄色片| 怎么达到女性高潮| 精品一区二区三区视频在线观看免费| 久久精品国产自在天天线| 深爱激情五月婷婷| 两个人视频免费观看高清| 一本久久中文字幕| 久久午夜亚洲精品久久| 午夜精品久久久久久毛片777| 国产色爽女视频免费观看| 日韩精品中文字幕看吧| av天堂在线播放| 麻豆国产97在线/欧美| 亚洲av免费高清在线观看| 国产aⅴ精品一区二区三区波| 国内精品一区二区在线观看| 男女午夜视频在线观看| 极品教师在线免费播放| 99精品久久久久人妻精品| 色尼玛亚洲综合影院| 亚洲色图av天堂| 搡老岳熟女国产| 嫩草影院精品99| 熟女人妻精品中文字幕| 99热这里只有是精品50| 亚洲精品在线美女| 精品国产美女av久久久久小说| 91久久精品国产一区二区成人 | 国产综合懂色| 黄色成人免费大全| 美女免费视频网站| 国产精品精品国产色婷婷| 亚洲人与动物交配视频| 一级毛片女人18水好多| 麻豆久久精品国产亚洲av| www.999成人在线观看| 午夜福利视频1000在线观看| 欧美日韩亚洲国产一区二区在线观看| 国产探花极品一区二区| 99国产极品粉嫩在线观看| 噜噜噜噜噜久久久久久91| 国产成人av教育| 国产激情偷乱视频一区二区| 国产高潮美女av| 变态另类丝袜制服| 波野结衣二区三区在线 | 少妇的逼好多水| 在线观看午夜福利视频| 色尼玛亚洲综合影院| 欧美不卡视频在线免费观看| 久久精品国产自在天天线| 国产精品久久久久久人妻精品电影| 精品久久久久久成人av| 日韩精品中文字幕看吧| 18禁黄网站禁片免费观看直播| 日本a在线网址| 性欧美人与动物交配| 久久精品亚洲精品国产色婷小说| 亚洲自拍偷在线| 亚洲av第一区精品v没综合| 女人被狂操c到高潮| 亚洲最大成人中文| 3wmmmm亚洲av在线观看| 成人午夜高清在线视频| 两人在一起打扑克的视频| 伊人久久精品亚洲午夜| 欧美bdsm另类| 欧美成人a在线观看| 欧美极品一区二区三区四区| 搞女人的毛片| 国产不卡一卡二| 最近最新中文字幕大全免费视频| 首页视频小说图片口味搜索| netflix在线观看网站| 成人国产一区最新在线观看| 亚洲av电影在线进入| 97超级碰碰碰精品色视频在线观看| 亚洲一区二区三区不卡视频| 日韩 欧美 亚洲 中文字幕| 一个人观看的视频www高清免费观看| 成人18禁在线播放| 亚洲成人免费电影在线观看| 久久精品影院6| 在线看三级毛片| 内射极品少妇av片p| 国产一区二区在线观看日韩 | 免费在线观看亚洲国产| 91九色精品人成在线观看| 美女免费视频网站| 色播亚洲综合网| 观看免费一级毛片| 一区二区三区高清视频在线| 成人特级av手机在线观看| 黄色片一级片一级黄色片| 搡老熟女国产l中国老女人| 中文字幕人成人乱码亚洲影| 久久天躁狠狠躁夜夜2o2o| av黄色大香蕉| 国产99白浆流出| 亚洲av日韩精品久久久久久密| 免费在线观看亚洲国产| 免费看光身美女| 丰满的人妻完整版| 一级作爱视频免费观看| 91在线观看av| 亚洲精品成人久久久久久| 99久久无色码亚洲精品果冻| 国产av一区在线观看免费| 亚洲国产高清在线一区二区三| 久久久久久大精品| 精品午夜福利视频在线观看一区| 变态另类成人亚洲欧美熟女| 久久精品国产清高在天天线| 久久久国产成人免费| 天堂av国产一区二区熟女人妻| 神马国产精品三级电影在线观看| 听说在线观看完整版免费高清| 亚洲第一欧美日韩一区二区三区| 一级黄色大片毛片| 99精品欧美一区二区三区四区| 无人区码免费观看不卡| 免费在线观看成人毛片| 久久精品国产综合久久久| 国产av在哪里看| 免费搜索国产男女视频| 精品久久久久久久久久免费视频| 日本免费一区二区三区高清不卡| 偷拍熟女少妇极品色| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 国产精品亚洲av一区麻豆| 成人高潮视频无遮挡免费网站| av欧美777| 好男人在线观看高清免费视频| 色综合婷婷激情| www日本黄色视频网| 国产成人影院久久av| 国产欧美日韩精品一区二区| 女人高潮潮喷娇喘18禁视频| 夜夜爽天天搞| 夜夜躁狠狠躁天天躁| 国产精品久久久久久亚洲av鲁大| 日本a在线网址| 99热这里只有是精品50| 国产av在哪里看| 18禁裸乳无遮挡免费网站照片| 美女被艹到高潮喷水动态| 国产不卡一卡二| 在线观看日韩欧美| 日本熟妇午夜| 欧美黑人欧美精品刺激| 日韩有码中文字幕| 欧美激情久久久久久爽电影| 他把我摸到了高潮在线观看| 黄色片一级片一级黄色片| 在线十欧美十亚洲十日本专区| 97超视频在线观看视频| 欧美日韩福利视频一区二区| 日本熟妇午夜| 日本精品一区二区三区蜜桃| 一进一出抽搐动态| 特级一级黄色大片| 亚洲,欧美精品.| 国产97色在线日韩免费| 又紧又爽又黄一区二区| 女生性感内裤真人,穿戴方法视频| 亚洲成a人片在线一区二区| 国产精品亚洲一级av第二区| 国产黄a三级三级三级人| 国产精品亚洲av一区麻豆| 国产精品久久久久久久电影 | 99精品在免费线老司机午夜| 成人三级黄色视频| 久久性视频一级片| 久久久久免费精品人妻一区二区| 香蕉av资源在线| 国内精品久久久久久久电影| 久久国产精品影院| 最近视频中文字幕2019在线8| 日本在线视频免费播放| 一进一出抽搐gif免费好疼| 国产高清有码在线观看视频| 午夜久久久久精精品| 女人高潮潮喷娇喘18禁视频| 国产精品自产拍在线观看55亚洲| 精品99又大又爽又粗少妇毛片 | 午夜免费激情av| 天堂av国产一区二区熟女人妻| 黄色女人牲交| e午夜精品久久久久久久| 欧美三级亚洲精品| 51午夜福利影视在线观看| 免费人成在线观看视频色| avwww免费| 麻豆成人午夜福利视频| 老司机深夜福利视频在线观看| 亚洲av美国av| 蜜桃亚洲精品一区二区三区| 成人特级黄色片久久久久久久| 深爱激情五月婷婷| 天堂影院成人在线观看| 中文字幕av成人在线电影| 一个人观看的视频www高清免费观看| 午夜精品一区二区三区免费看| 91av网一区二区| 一进一出抽搐动态| 欧美不卡视频在线免费观看| 丰满乱子伦码专区| 亚洲精品乱码久久久v下载方式 | 日韩亚洲欧美综合| 亚洲一区二区三区不卡视频| 长腿黑丝高跟| e午夜精品久久久久久久| 国产视频一区二区在线看| 免费大片18禁| 午夜精品一区二区三区免费看| 乱人视频在线观看| 在线免费观看不下载黄p国产 | 性色avwww在线观看| 日本熟妇午夜| 19禁男女啪啪无遮挡网站| 99久久成人亚洲精品观看| 成人三级黄色视频| 99精品久久久久人妻精品| 熟妇人妻久久中文字幕3abv| 十八禁网站免费在线| 国产成人啪精品午夜网站| 最好的美女福利视频网| 欧美成狂野欧美在线观看| 99久久九九国产精品国产免费| 国产一区二区在线av高清观看| 国产精品 欧美亚洲| 精品人妻1区二区| 黄片大片在线免费观看| 国产精品一区二区三区四区免费观看 | 在线观看免费视频日本深夜| 超碰av人人做人人爽久久 | 一区二区三区国产精品乱码| 少妇丰满av| 老司机午夜十八禁免费视频| 午夜两性在线视频| 日日干狠狠操夜夜爽| 国产亚洲精品综合一区在线观看| 美女高潮喷水抽搐中文字幕| 人妻久久中文字幕网| 男人舔奶头视频| 禁无遮挡网站| 757午夜福利合集在线观看| 少妇的逼好多水| 午夜久久久久精精品| 人人妻,人人澡人人爽秒播| 国产精品嫩草影院av在线观看 | 欧美黑人欧美精品刺激| 亚洲精品乱码久久久v下载方式 | 久99久视频精品免费| 免费av不卡在线播放| 听说在线观看完整版免费高清| 国产成人a区在线观看| 国产精品久久久人人做人人爽| 蜜桃亚洲精品一区二区三区| 又粗又爽又猛毛片免费看| 国产欧美日韩一区二区精品| 欧美日韩综合久久久久久 | 国产成人啪精品午夜网站| 日韩欧美精品v在线| 美女 人体艺术 gogo| 免费搜索国产男女视频| 精品久久久久久成人av| 欧美av亚洲av综合av国产av| aaaaa片日本免费| 亚洲中文字幕一区二区三区有码在线看| 亚洲精品影视一区二区三区av| 欧美日韩国产亚洲二区| 深夜精品福利| 中文字幕人妻熟人妻熟丝袜美 | 国产视频内射| 色哟哟哟哟哟哟| 天天躁日日操中文字幕| 亚洲国产精品合色在线| 深爱激情五月婷婷| 一级毛片高清免费大全| 波多野结衣高清作品| 久久久久精品国产欧美久久久| 日韩 欧美 亚洲 中文字幕| 亚洲人成伊人成综合网2020| 免费在线观看影片大全网站| 午夜老司机福利剧场| 欧美日韩精品网址| 性色av乱码一区二区三区2| 亚洲av中文字字幕乱码综合| 日本精品一区二区三区蜜桃| 级片在线观看| 精品国产三级普通话版| 校园春色视频在线观看| 丁香欧美五月| 女人被狂操c到高潮| 无遮挡黄片免费观看| 成人性生交大片免费视频hd| 精品一区二区三区视频在线观看免费| 精品久久久久久久末码| 白带黄色成豆腐渣| 亚洲黑人精品在线| 激情在线观看视频在线高清| 制服丝袜大香蕉在线| 99久久99久久久精品蜜桃| 国产精品日韩av在线免费观看| 一级毛片女人18水好多| 亚洲av免费在线观看| 制服人妻中文乱码| 最新中文字幕久久久久| 久久草成人影院| 一级a爱片免费观看的视频| 免费在线观看成人毛片| 又粗又爽又猛毛片免费看| 一级作爱视频免费观看| 日韩国内少妇激情av| 午夜免费观看网址| 亚洲第一电影网av| 午夜影院日韩av| 夜夜夜夜夜久久久久| 2021天堂中文幕一二区在线观| 国产精品美女特级片免费视频播放器| 亚洲成人久久性| 国产真实乱freesex| 两个人的视频大全免费| 99精品久久久久人妻精品| 不卡一级毛片| 欧美色视频一区免费| 日韩欧美 国产精品| 欧美色视频一区免费| 欧美日韩黄片免| 嫁个100分男人电影在线观看| 国产精品久久久久久久电影 | 白带黄色成豆腐渣| 欧美黑人巨大hd| 国产乱人伦免费视频| 日本 欧美在线| 麻豆成人av在线观看| 午夜免费激情av| 动漫黄色视频在线观看| 男人和女人高潮做爰伦理| 成年女人看的毛片在线观看| 一边摸一边抽搐一进一小说| 女同久久另类99精品国产91| 久久久久九九精品影院| 夜夜看夜夜爽夜夜摸| 美女cb高潮喷水在线观看| 一级黄色大片毛片| 十八禁人妻一区二区| 国产99白浆流出| 操出白浆在线播放| 在线观看av片永久免费下载| 狂野欧美白嫩少妇大欣赏| 久久久久亚洲av毛片大全| xxxwww97欧美| 日韩成人在线观看一区二区三区| 中出人妻视频一区二区| 一区福利在线观看| 亚洲天堂国产精品一区在线| 美女高潮喷水抽搐中文字幕| 怎么达到女性高潮| 国产一区二区亚洲精品在线观看| 看免费av毛片| 色综合站精品国产| 搡老熟女国产l中国老女人| 亚洲av第一区精品v没综合| 国产毛片a区久久久久| 色精品久久人妻99蜜桃| 亚洲电影在线观看av| 麻豆国产av国片精品| 午夜福利高清视频| 99久久精品国产亚洲精品| 亚洲乱码一区二区免费版| 中出人妻视频一区二区| 亚洲美女视频黄频| 国产精品一区二区免费欧美| 十八禁网站免费在线| 小蜜桃在线观看免费完整版高清| 欧美性感艳星| 欧美激情久久久久久爽电影| 午夜老司机福利剧场| 免费在线观看影片大全网站| 美女 人体艺术 gogo| 日韩成人在线观看一区二区三区| 亚洲久久久久久中文字幕| 久久中文看片网| 国产伦精品一区二区三区四那| 极品教师在线免费播放| 激情在线观看视频在线高清| 久久久久国内视频| 精品一区二区三区人妻视频| 一进一出抽搐动态| 国产真实伦视频高清在线观看 | 热99在线观看视频| 最近最新中文字幕大全电影3| 99在线人妻在线中文字幕| 搡老熟女国产l中国老女人|