• <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BiLSTM-CRF的中醫(yī)醫(yī)案命名實體識別

    2021-12-04 07:40:54羊艷玲李燕鐘昕妤徐麗娜
    中醫(yī)藥信息 2021年11期
    關鍵詞:醫(yī)案分詞實體

    羊艷玲,李燕,鐘昕妤,徐麗娜

    (甘肅中醫(yī)藥大學信息工程學院,甘肅 蘭州 730000)

    中醫(yī)醫(yī)案包含著價值豐富的醫(yī)療信息,是進行名老中醫(yī)個性化知識分析、輔助診療、臨床決策支持、用藥模式挖掘等重要的資源。隨著中醫(yī)藥地位的不斷提升,這些資源中包含有大量潛在知識,對其進行挖掘一方面可為醫(yī)務人員提供臨床決策,支持幫助理解辨證論治思路;另一方面在中醫(yī)醫(yī)案驅動下基于人工智能進行漸進式學術思想的發(fā)現(xiàn),為進一步名老中醫(yī)經(jīng)驗傳承和臨床知識總結進行探索[1]。有效的信息抽取是挖掘中醫(yī)辨證規(guī)律、探索病因病機的重要基礎[2],但如今醫(yī)案的應用研究中,仍存在著數(shù)據(jù)利用率低、文本信息特征提取困難等問題。此外,中醫(yī)醫(yī)案是以長段且無序的非結構化文本為數(shù)據(jù)承載體,其中含雜了病人的疾病、癥狀、證候、處方及個人信息,且沒有統(tǒng)一的標注語料和標注規(guī)范,無法被計算機直接挖掘與處理。將自然語言處理技術引入到醫(yī)案挖掘工作中,可以實現(xiàn)有效且自動地從醫(yī)案文本中獲取實體及其關系,并在此基礎上實現(xiàn)醫(yī)療知識圖譜的構建[3]。

    解決上述問題的第一步便是將中醫(yī)專業(yè)術語從醫(yī)案文本中精準地提取出來,即對其進行實體識別——命名實體識別(Named Entity Recognition,NER)技術之一。命名實體識別作為文本數(shù)據(jù)挖掘的關鍵任務,是許多自然語言處理(Natural Language Processing,NLP)任務的重要基礎工具和通信橋梁,用于從特定文本中識別和提取具有特定含義的實體,判斷實體邊界進而明確識別實體類別或屬性。該技術是從半結構化或者非結構化文本中抽取所需要的實體,并為實體分類定制標簽。對于英文文本處理比較容易,詞匯之間有明顯的分割,即每個專有名詞的大寫等;而對于中文文本的自然語言處理比較困難,因為漢語中的詞與詞之間沒有明顯的界線,且出現(xiàn)一詞多義、歧義詞等現(xiàn)象。與英文相比,漢語不那么容易區(qū)分單詞和單詞邊界,因此中文文本命名實體挑戰(zhàn)更大,困難更多[4],以中醫(yī)醫(yī)案為基礎,構建高準確率實用性的相關命名實體模型成為中醫(yī)學者研究的重點[5]。

    1 研究背景與現(xiàn)狀

    2019年10月,中共中央國務院印發(fā)《關于促進中醫(yī)藥傳承創(chuàng)新發(fā)展的意見》[6],指出加強中醫(yī)醫(yī)案典籍研究利用,挖掘和傳承中醫(yī)藥寶庫中的精華精髓,結合數(shù)字化、影像化技術實現(xiàn)中醫(yī)傳承現(xiàn)代化。中醫(yī)醫(yī)案是中醫(yī)傳承與創(chuàng)新的主要載體之一,記錄了中醫(yī)診療的全過程,擁有層次豐富的醫(yī)療知識,具有人工智能服務的研究空間,如自然語言處理、智能問答等。有學者指出未來服務于現(xiàn)代中醫(yī)診療體系的中醫(yī)知識圖譜需要借助先進的人工智能技術和相關領域知識的交叉結合,構建一個具備知識獲取、信息查詢、應用和評價的智能知識圖譜,它為實現(xiàn)智能化、個性化的中醫(yī)藥知識服務,因此具有廣闊的應用前景[4]。而構建基于相關術語的實體識別模型則可在源頭上解決知識獲取難題,因此本文在中醫(yī)臨床醫(yī)案知識挖掘中引入BiLSTM-CRF 模型,建立一個中醫(yī)特征表實體識別模型,考察該模型在中醫(yī)藥領域中識別實體的性能,為其在中醫(yī)更龐雜的臨床醫(yī)案知識抽取應用提供參考,同時也為后續(xù)整個醫(yī)療知識圖譜的構建打下基礎[7]。

    傳統(tǒng)的中文實體識別方法有條件隨機場、字典法和混合方法[8]。近年來,隨著深度學習算法被廣泛應用于各領域中,學者們嘗試在NER 任務中引入該算法。COLLOBERT 等[9]在2011年首次將深度學習系統(tǒng)性地應用于多個信息抽取環(huán)節(jié),再通過聯(lián)合神經(jīng)網(wǎng)絡突破了NLP 標注困境,使模型的可移植性大大增強。該模型是深度學習在NLP 中典型應用,也是多任務學習的典型范例。LAMPLE 等[10]同樣考慮詞間的影響提出了BiLSTM-CRF 模型,通過將BiLSTM 模型結果輸入CRF 中,結合狀態(tài)轉移矩陣以及詞的語義語境來訓練模型,最終在幾種語言開放語料庫的檢索實驗中都獲得了對比更加優(yōu)越的性能。目前在醫(yī)療領域中,WU 等[11]發(fā)現(xiàn)將隨機向量作為基于深度學習算法的識別模型的輸入,相較于向量化后的電子病歷語料數(shù)據(jù)兩者差距不大。馮麗芝[12]采用大型中醫(yī)臨床病歷庫為實體識別數(shù)據(jù)來源,在實體獲取的語料標注階段,以結構化、條件隨機場及自舉法等方法實現(xiàn)了批量自動化操作。張帆等[13]針對四種疾病的在線醫(yī)療文本構建了標注數(shù)據(jù)集,應用基本的神經(jīng)網(wǎng)絡模型進行命名實體識別,研究發(fā)現(xiàn)神經(jīng)網(wǎng)絡模型的識別效果要優(yōu)于條件隨機場模型。針對中醫(yī)醫(yī)案獨特的語言和結構特點進行特征選擇,本文利用小樣本標注數(shù)據(jù)集來訓練實體識別模型,設計BiLSTM-CRF 模型用于提取語言和結構特征,反復迭代不斷優(yōu)化模型,其中雙向長短期記憶神經(jīng)網(wǎng)絡模型解決了傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡模型的梯度消失問題,條件隨機場克服了最大熵馬爾科夫模型的限制。

    2 資料與方法

    2.1 中醫(yī)醫(yī)案特點

    中醫(yī)醫(yī)案具有明顯個體差異性、實用性與地域性等特點[14],具有一定的復雜性。綜合現(xiàn)階段研究文獻來看,筆者需要將文本中實體的多種描述方式與所指的標準實體進行對應,目前影響精度的主要問題是歧義性問題和多樣性問題[15]。此外古代醫(yī)案多用晦澀的文言文具有籠統(tǒng)模糊的特性,增加了分詞難度以及歧義詞的消解工作。且中醫(yī)領域詞典構建不完善,缺乏規(guī)范與條理,將傳統(tǒng)醫(yī)案轉化為數(shù)字醫(yī)案的過程中,專業(yè)醫(yī)學術語、癥狀名稱等內容給數(shù)據(jù)處理帶來極大困難[14]。

    2.2 數(shù)據(jù)來源

    本文研究數(shù)據(jù)主要來源于古今醫(yī)案云平臺軟件,整理平臺上所有與高血壓相關的中醫(yī)醫(yī)案。納入標準:①醫(yī)案中明確記載診斷為高血壓或眩暈的患者;②就診時的主訴辨治是以高血壓為主;③數(shù)據(jù)完整,包含臨床表現(xiàn)、病機分析、治法和用藥等內容。依照權威診斷標準和名師指導意見,對平臺中高血壓疾病相關醫(yī)案進行手動檢索與篩選,并對其內容規(guī)范以序號、ID、患者姓名、性別、年齡、醫(yī)案內容、中醫(yī)疾病、證候和醫(yī)案來源錄入到Excel數(shù)據(jù)庫中。研究過程中,對中醫(yī)醫(yī)案中用作訓練的數(shù)據(jù)集進行整合,用單字切分原始文本,對訓練集中的所有語句按照疾病、癥狀、證候、治法、處方進行分類,最后共錄入435條醫(yī)案數(shù)據(jù)。

    2.3 數(shù)據(jù)預處理

    2.3.1 分詞

    中文分詞是將需處理的中文文本對象通過方法或方法組合,將其按某些既定要求及規(guī)范切分成各個詞的過程。想要在海量的中醫(yī)醫(yī)案中更高效地挖掘出重要的診療信息就需要對醫(yī)案文本進行預處理,前提須解決中文序列切分問題即中文分詞,因此分詞是命名實體識別、關系抽取及全文信息檢索的基礎。本文利用Python 語言提供的第三方中文分詞包,Jieba 分詞,通過《中醫(yī)病癥分類與代碼》《中藥方劑編碼規(guī)則》《中醫(yī)內科病證診斷療效標準》《中醫(yī)大辭典》等醫(yī)學相關詞典,以此為基礎進行分詞處理。

    2.3.2 人工序列標注

    序列標注,即對給定的序列中的元素都進行標注賦予對應標簽,并在這些標簽的基礎上對序列做進一步深度分析,是NLP 過程中常需解決的問題。一般可將其標注策略分為兩類——原始標注與聯(lián)合標注,前者給予序列所有元素賦予對應標簽,而后者將序列實體分段,給對應分段賦予相同標簽[16]。因此,從中文文本中提取蘊含知識信息語義的字來構建模型,可在一定程度上規(guī)避分詞時可能發(fā)生的性能差等問題[17]。

    對于實體識別的等量標注任務,標簽由兩部分組成:實體類別和實體中的位置。本研究采用BIO 來表示實體的類別和位置,將每個元素標注為“B-X”“IX”或者“O”,再以字符作為最小標注單元。在BIO 表示中,B 代表實體的頭部,I 表示中間實體,O 代表的是實體的尾部,X 表示實體類型。在標注過程中,對中醫(yī)實體以“標簽,實體”形式將其歸屬到對應的中醫(yī)類別,本文涉及的中醫(yī)五類實體的有關信息見表1。

    表1 實體相關信息

    具體操作步驟如下。

    第一步:對所涉及的訓練集和測試集的醫(yī)案數(shù)據(jù)進行命名實體標注,完成總體醫(yī)案文本數(shù)據(jù)集的初步處理。

    第二步:在初步處理的過程中,將實體共分為五類,分別為:疾病(disease)、癥狀(symptom)、證候(syndrome)、治法(treatment)和處方(prescription)。

    第三步:對于訓練和測試文本數(shù)據(jù)均采用BIO 標注方法,在具體標記過程中,選用如表2所示的實體標記以便區(qū)分。應該注意的是:①訓練語料中的每個字都要進行標記;②字和標識之間要用空格隔開;③句子與句子之間空一行。

    表2 BIO標簽集

    依照上述BIO標注方法,部分醫(yī)案標注如圖1。

    圖1 部分醫(yī)案BIO標注示例

    3 實驗模型

    3.1 BiLSTM-CRF模型

    近年來,多種深度學習方法被廣泛應用于命名實體識別任務中,通常采用RNN模型及其變體,RNN在理論上能夠捕獲遠程上下文關系,但在實踐中由于梯度消失或梯度爆炸而失效。因此LSTM在實際應用中經(jīng)常被用到,在命名實體識別任務中,同時訪問當前時刻的上下文有助于預測當前的時刻,但是LSTM的隱藏狀態(tài)h(t)只接受過去的信息。因此筆者使用雙向LSTM模型來給出每個狀態(tài)的上下文,從左到右和從右到左使用兩個獨立的隱藏狀態(tài),同時捕獲過去和未來的信息[18]。在模型輸出層上,筆者會將捕獲的上下文信息經(jīng)向量化后作為標注特征,但若僅通過該模型進行實體識別則會面臨標注間約束關系無法表示的問題[19]。而用CRF模型實現(xiàn)中文分詞,則可在具有良好學習性能的同時從一定程度上實現(xiàn)對生詞的識別。本文采用雙向長短時記憶神經(jīng)網(wǎng)絡和條件隨機場相結合(BiLSTM-CRF)的方法構建神經(jīng)網(wǎng)絡模型來進行實體的類別,它的模型結構見圖2,這種方法結合詞語的上下文有關信息,將詞的分布式表達引入到特征提取中,最大程度地利用詞與標簽之間的關系,從而充分地提高識別效果[20]。

    圖2 BiLSTM-CRF算法模型流程圖

    3.1.1 輸入層

    第一層是輸入層(字嵌入層),實現(xiàn)文本數(shù)據(jù)向計算機可處理的向量矩陣的轉換。本層通過Word2vec工具,基于訓練好的模型將基于字的直接向量表示的高維稀疏向量轉變?yōu)榭捎嬎阍~間關系的低維稠密向量[21]。本文使用中醫(yī)醫(yī)案的字符序列作為輸入得到字向量。

    3.1.2 BiLSTM層

    第二層是隱藏層(BiLSTM 層),實現(xiàn)對文本語句特征的提取。本層由兩個LSTM層組成,由于對應處理向量序列次序的差異將兩者區(qū)分為正序的前向層和逆序的后向層,前向隱層負責提取中醫(yī)文獻中每一個字的表征上文,后向隱層負責反向特征提取中醫(yī)文獻中每一個字的表征下文。在具體輸入過程中,依次把輸入向量序列的順序和逆序序列分別作為前向和后向的輸入數(shù)據(jù)。

    3.1.3 CRF層

    第三層是輸出層,在BiLSTM網(wǎng)絡的輸出層中為每一個輸入的數(shù)據(jù)打一個標簽的預測分值,接著在輸出層的后面添加CRF層(邏輯回歸層),它的主要作用是對語句進行序列標注,以此來增加文本之間的信息相關性。

    3.2 模型構建流程

    基于中醫(yī)醫(yī)案的實體識別流程是首先加入自定義詞典和停用詞典進行jieba分詞,再經(jīng)過已分詞好的數(shù)據(jù)上人工標注435份中醫(yī)醫(yī)案的小樣本標注數(shù)據(jù)集,里面包含了疾病等五種實體類別;然后把小樣本標注數(shù)據(jù)分為70%訓練集和30%測試集,使用BiLSTM-CRF模型進行實體的訓練和測試。實體識別模型的流程圖見圖3。

    圖3 實體識別模型流程

    圖4 中的結構從上到下總共分為7 個層次。輸入層以“高血壓病史”當作模型的輸入序列;然后達到字分割層得到[高][血][壓][?。荩凼罚? 個不同字符,這些字符分別調用預先訓練好的字符嵌入向量映射成對應的向量形式;將相應的向量依次輸入到第一層深度學習網(wǎng)絡的前向傳播和反向傳播網(wǎng)絡中進行參數(shù)訓練;將計算結果依次輸入到第二層深度學習網(wǎng)絡的前向傳播和反向傳播中進行參數(shù)訓練;將計算結果依次輸入到條件隨機場(CRF)層,完成相應的序列標注;最后在輸出層輸出最后的序列結果。

    圖4 基于字符嵌入的BiLSTM-CRF模型體系結構

    4 實驗結果與分析

    4.1 評價標準

    本文主要從常用的4 個指標來對構建的實體抽取模型做出評價,分別是:識別準確率Acc,反映模型成功抽取標記實體的情況;識別精確率P,反映模型抽取實體中含標記實體的情況;識別召回率R,反映模型在標記實體中抽取成功的情況;調和均值F-balanced,反映模型兼顧P與R的情況。當各指標的值越接近1時,表明構建的抽取模型對應性能越好。

    其中,筆者做出如下定義:模型抽取出標記實體記為Yt;模型抽取出未標記實體記為Yf;模型不抽取標記實體記為Nt;模型不抽取未標記實體記為Nf。

    各指標的具體計算如下:

    4.2 結果與分析

    表3 是樣本數(shù)據(jù)集通過BiLSTM-CRF 模型進行訓練,再使用該模型訓練的結果進行測試,模型輪次分別是30 輪和50 輪。結果對比見圖4,50 輪次模型的各綜合測評指標水平均超過81.3%,都好于30 輪次模型,且其在召回率上有較大程度的提高;而對于各個類別命名實體測試結果見表4,分別為疾病精確率為73.87%,癥狀精確率為75.93%,證候精確率為72.33%,治法精確率為68.13%,處方精確率最高達到89.15%。各類實體識別檢測結果在圖6 中對比顯示發(fā)現(xiàn),不同實體類別的精確率相差較大,處方類實體識別的各方面測評結果都遠高于其他幾類實體,這種情況可能與實體的結構特征有關,也可能是因為各類實體在小樣本標注數(shù)據(jù)集中的分布不均衡有關,數(shù)量越多的實體在模型測試時精確率也就越高。本實驗采取不斷迭代模型訓練和測試的過程,增加輪次,最終形成完整的實體標注數(shù)據(jù)語料。

    圖6 各類別命名實體識別評測結果對比圖

    表3 模型總評測結構

    圖5 模型總評對比圖

    表4 各類別命名實體評測結果

    為了查找不同類別精確值懸殊的問題,對樣本標注數(shù)據(jù)集的實體分布情況進行了分析,見圖7。圖中藍色柱狀圖表示樣本數(shù)據(jù)集的分布情況,從圖中可以看出,樣本數(shù)據(jù)集中處方實體占比最大,而對于治法實體占比最少。因此可得出,數(shù)據(jù)量多的實體在模型測試時準確率也就越高。

    圖7 實體在樣本標注數(shù)據(jù)集中的分布

    5 結論與展望

    本文針對中醫(yī)醫(yī)案數(shù)據(jù)人工標記,通過設計和訓練BiLSTM-CRF 模型,對醫(yī)案涵蓋的五類中醫(yī)實體達到能自動識別提取的目標。經(jīng)測試數(shù)據(jù)驗證取得了90.13%的識別準確率,81.3%的識別精確率,83.37%的識別召回率及82.32%的F-balanced 值。其中,模型對處方實體識別的效果最好,特別是精確率和F-balanced 值均高于其他四個實體,這可能是在醫(yī)案中處方藥物名一般比較固定,而且醫(yī)師在記錄時輸入處方信息的格式也比較規(guī)范;對于疾病、癥狀和證候實體的描述比較多樣化,處方藥物的識別就顯得容易和精確得多;而對于治法的精確率最低可以解釋為每個中醫(yī)大家對于疾病均從不同的角度進行分析,有著不同的見解與看法,個體化的專家表達導致治法在很大程度上無法被識別。造成上述主要原因有:①在中醫(yī)醫(yī)案實體中,由于臨床應用時的擴展,存在著實體間劃分不明確等問題,且甚有同詞在同文不同語義情況下分屬不同實體類別,存在著許多相互包容和交叉的現(xiàn)象。例如:“眩暈”通常被認為是一種疾病,但在某些情況下,它也作為一種癥狀出現(xiàn)。②臨床實體分為簡單實體和結構相對復雜的復雜實體。中醫(yī)醫(yī)案中實體的長度是可變的,許多臨床實體比普通實體長且在臨床實體中有許多嵌套、別名和縮寫。③部分實體類別的訓練數(shù)量不足,數(shù)據(jù)覆蓋面小,從而對整體識別水平有一定的影響。在后續(xù)的研究中,將通過獲取更多的語料數(shù)據(jù),增添相關醫(yī)案數(shù)據(jù),從而提高個類別的精確率,擴大可識別實體范圍,提高可用性和有效性。目前有許多提升模型性能的算法,包括增加數(shù)據(jù)樣本、模型調參、改進算法等。本實驗采取不斷迭代模型訓練和測試的過程,增加輪次,最終形成完整的實體標注數(shù)據(jù)語料??梢园l(fā)現(xiàn)使BiLSTM-CRF 模型進行實體識別在對處方實體識別上性能表現(xiàn)突出,后續(xù)可探究模型識別性能產(chǎn)生差異的原因,做進一步優(yōu)化,獲得更好更全面的模型,為實現(xiàn)中醫(yī)醫(yī)案知識發(fā)現(xiàn)與構建醫(yī)學知識圖譜奠定堅實基礎。

    猜你喜歡
    醫(yī)案分詞實體
    前海自貿(mào)區(qū):金融服務實體
    中國外匯(2019年18期)2019-11-25 01:41:54
    結巴分詞在詞云中的應用
    智富時代(2019年6期)2019-07-24 10:33:16
    醫(yī)案聊齋續(xù)篇 吐瀉案
    醫(yī)案聊齋續(xù)篇 晨泄案
    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
    哲學評論(2017年1期)2017-07-31 18:04:00
    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”
    值得重視的分詞的特殊用法
    新加香薷飲醫(yī)案6則
    古醫(yī)籍中刺絡放血醫(yī)案淺析
    日日夜夜操网爽| 国产不卡一卡二| 亚洲视频免费观看视频| av有码第一页| 操出白浆在线播放| 一级毛片高清免费大全| 久久久久久人人人人人| 黄色视频不卡| 波多野结衣一区麻豆| 日本三级黄在线观看| 老司机深夜福利视频在线观看| 黑人巨大精品欧美一区二区蜜桃| 免费高清在线观看日韩| 无人区码免费观看不卡| 色播在线永久视频| 自线自在国产av| 免费高清视频大片| 亚洲色图 男人天堂 中文字幕| 亚洲精品国产一区二区精华液| 午夜福利影视在线免费观看| 91成人精品电影| 国产精品爽爽va在线观看网站 | 99国产精品一区二区蜜桃av| 美女扒开内裤让男人捅视频| 老司机在亚洲福利影院| 日韩欧美一区视频在线观看| 99国产综合亚洲精品| 国产亚洲av嫩草精品影院| 国产高清videossex| 好看av亚洲va欧美ⅴa在| 亚洲最大成人中文| 18禁美女被吸乳视频| 日韩三级视频一区二区三区| 日韩欧美三级三区| 国产黄a三级三级三级人| 亚洲熟妇熟女久久| 国产av精品麻豆| 久久亚洲真实| 真人一进一出gif抽搐免费| 久久久国产成人精品二区| 在线播放国产精品三级| 高潮久久久久久久久久久不卡| 99久久99久久久精品蜜桃| 精品卡一卡二卡四卡免费| 亚洲专区国产一区二区| 1024香蕉在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 可以在线观看毛片的网站| 欧美日韩黄片免| 亚洲男人天堂网一区| 久久久久九九精品影院| 91麻豆av在线| 色老头精品视频在线观看| 国产又爽黄色视频| 久久天躁狠狠躁夜夜2o2o| 欧美中文综合在线视频| 国产亚洲av高清不卡| 欧美在线黄色| 久久人妻熟女aⅴ| 99久久国产精品久久久| 搡老熟女国产l中国老女人| av天堂在线播放| 亚洲人成77777在线视频| 麻豆国产av国片精品| 国产人伦9x9x在线观看| 久久 成人 亚洲| 精品熟女少妇八av免费久了| 涩涩av久久男人的天堂| 欧美av亚洲av综合av国产av| 他把我摸到了高潮在线观看| 久久香蕉国产精品| 国产成人精品久久二区二区91| 亚洲人成电影观看| 免费不卡黄色视频| 欧美国产日韩亚洲一区| 欧美最黄视频在线播放免费| 亚洲va日本ⅴa欧美va伊人久久| 激情视频va一区二区三区| 欧美老熟妇乱子伦牲交| 欧美日韩福利视频一区二区| av电影中文网址| 天天躁狠狠躁夜夜躁狠狠躁| 久久天躁狠狠躁夜夜2o2o| 日韩欧美国产在线观看| 亚洲精品中文字幕在线视频| 亚洲精品美女久久久久99蜜臀| 色精品久久人妻99蜜桃| 久久午夜综合久久蜜桃| 国产99白浆流出| 欧美午夜高清在线| 99香蕉大伊视频| 中文字幕最新亚洲高清| 国产精品综合久久久久久久免费 | 日韩有码中文字幕| 亚洲自偷自拍图片 自拍| 美女免费视频网站| 男女下面插进去视频免费观看| 久久伊人香网站| 国产亚洲精品综合一区在线观看 | 成人av一区二区三区在线看| 亚洲中文av在线| 极品人妻少妇av视频| 一本综合久久免费| 色综合亚洲欧美另类图片| 中国美女看黄片| 亚洲情色 制服丝袜| 老熟妇乱子伦视频在线观看| www.999成人在线观看| 久久九九热精品免费| 国产激情欧美一区二区| 国产三级在线视频| 高清黄色对白视频在线免费看| 午夜福利成人在线免费观看| 女同久久另类99精品国产91| 亚洲精品美女久久av网站| 欧美日韩福利视频一区二区| 日韩国内少妇激情av| 亚洲精品久久成人aⅴ小说| av超薄肉色丝袜交足视频| 欧美久久黑人一区二区| 久久久久亚洲av毛片大全| av在线天堂中文字幕| 性欧美人与动物交配| 亚洲国产精品合色在线| 中文字幕人妻丝袜一区二区| 久久久久久亚洲精品国产蜜桃av| 亚洲国产精品合色在线| 亚洲av成人av| 女人被狂操c到高潮| 757午夜福利合集在线观看| av视频免费观看在线观看| 欧美成人一区二区免费高清观看 | 久久中文字幕人妻熟女| 女人被狂操c到高潮| 美女国产高潮福利片在线看| 99精品欧美一区二区三区四区| 黄色片一级片一级黄色片| 国产亚洲精品综合一区在线观看 | 午夜免费成人在线视频| 欧美成人性av电影在线观看| 成人18禁在线播放| 久久久久亚洲av毛片大全| 国产伦人伦偷精品视频| 欧美久久黑人一区二区| 在线视频色国产色| 1024视频免费在线观看| 中文字幕久久专区| 国产一区在线观看成人免费| tocl精华| 欧美 亚洲 国产 日韩一| 欧美黑人精品巨大| 给我免费播放毛片高清在线观看| 中文字幕精品免费在线观看视频| 亚洲成人国产一区在线观看| 久久九九热精品免费| 国产成人一区二区三区免费视频网站| 美女免费视频网站| 免费少妇av软件| 啦啦啦 在线观看视频| 无人区码免费观看不卡| 曰老女人黄片| 19禁男女啪啪无遮挡网站| 美女 人体艺术 gogo| 香蕉久久夜色| 国产精品免费一区二区三区在线| 精品一区二区三区四区五区乱码| 免费无遮挡裸体视频| 久久亚洲精品不卡| 禁无遮挡网站| 国产精品电影一区二区三区| 乱人伦中国视频| 制服丝袜大香蕉在线| 一卡2卡三卡四卡精品乱码亚洲| 久久香蕉精品热| 欧美激情极品国产一区二区三区| 熟女少妇亚洲综合色aaa.| 国产精品亚洲一级av第二区| 嫩草影院精品99| 精品久久蜜臀av无| 国产成人欧美| 大型av网站在线播放| 丰满人妻熟妇乱又伦精品不卡| 国产午夜福利久久久久久| 国产午夜精品久久久久久| 国产精品亚洲av一区麻豆| 亚洲精品一卡2卡三卡4卡5卡| 9色porny在线观看| 国产一级毛片七仙女欲春2 | 精品欧美国产一区二区三| 精品高清国产在线一区| 美女午夜性视频免费| 18禁裸乳无遮挡免费网站照片 | 天天一区二区日本电影三级 | 国产在线精品亚洲第一网站| 无限看片的www在线观看| 不卡av一区二区三区| 最近最新免费中文字幕在线| 亚洲一卡2卡3卡4卡5卡精品中文| 国产精品永久免费网站| 午夜日韩欧美国产| 国产精品1区2区在线观看.| 久久久国产欧美日韩av| av有码第一页| 麻豆国产av国片精品| 欧美大码av| 国产精品一区二区精品视频观看| 亚洲欧美日韩无卡精品| 国产精品日韩av在线免费观看 | 久久久久久久久中文| 欧美亚洲日本最大视频资源| 久久精品国产清高在天天线| 美女 人体艺术 gogo| 女性被躁到高潮视频| 国产91精品成人一区二区三区| 中文字幕人妻熟女乱码| 97人妻天天添夜夜摸| 国产精品二区激情视频| 大码成人一级视频| 18禁观看日本| 视频在线观看一区二区三区| 韩国av一区二区三区四区| 日韩欧美一区二区三区在线观看| 性少妇av在线| 久久婷婷成人综合色麻豆| 91成年电影在线观看| 国产精品永久免费网站| 好男人电影高清在线观看| 69av精品久久久久久| 日韩欧美国产在线观看| 免费少妇av软件| 欧美日韩福利视频一区二区| 亚洲五月色婷婷综合| 日韩视频一区二区在线观看| 国产精品久久电影中文字幕| 久久人人97超碰香蕉20202| 夜夜爽天天搞| 91九色精品人成在线观看| 在线免费观看的www视频| 女人被狂操c到高潮| 亚洲精品在线美女| 视频在线观看一区二区三区| 色婷婷久久久亚洲欧美| 俄罗斯特黄特色一大片| 免费一级毛片在线播放高清视频 | 国产成人啪精品午夜网站| 丝袜在线中文字幕| 午夜福利在线观看吧| 国产成人免费无遮挡视频| 日韩 欧美 亚洲 中文字幕| 精品欧美国产一区二区三| 欧美绝顶高潮抽搐喷水| 久久久久久久午夜电影| 久久影院123| 涩涩av久久男人的天堂| 日本一区二区免费在线视频| 亚洲人成网站在线播放欧美日韩| 俄罗斯特黄特色一大片| 高潮久久久久久久久久久不卡| 美女大奶头视频| 久久性视频一级片| 亚洲色图av天堂| 国产三级黄色录像| 国产在线精品亚洲第一网站| 在线观看免费视频网站a站| 久久久精品国产亚洲av高清涩受| 亚洲人成网站在线播放欧美日韩| 一夜夜www| 国产精品野战在线观看| 在线免费观看的www视频| 欧美一级毛片孕妇| 嫩草影视91久久| 国产精品久久视频播放| 欧美性长视频在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 国产熟女xx| 国产精品,欧美在线| 欧美中文日本在线观看视频| 亚洲少妇的诱惑av| 亚洲人成电影免费在线| 久久精品91蜜桃| 国产高清有码在线观看视频 | av福利片在线| 精品福利观看| 亚洲精品中文字幕一二三四区| 国产精品野战在线观看| 啦啦啦 在线观看视频| 亚洲第一电影网av| 巨乳人妻的诱惑在线观看| 国产熟女午夜一区二区三区| 亚洲中文字幕日韩| 日韩av在线大香蕉| 国产亚洲精品一区二区www| 亚洲av成人av| 精品国产乱子伦一区二区三区| 免费少妇av软件| 女警被强在线播放| 久热爱精品视频在线9| 丝袜美腿诱惑在线| 看黄色毛片网站| 精品乱码久久久久久99久播| 国产区一区二久久| 免费在线观看视频国产中文字幕亚洲| 欧美大码av| 亚洲一区中文字幕在线| 日韩三级视频一区二区三区| a级毛片在线看网站| 日日摸夜夜添夜夜添小说| 一级a爱片免费观看的视频| 满18在线观看网站| 老司机福利观看| 不卡一级毛片| 免费在线观看完整版高清| 禁无遮挡网站| av电影中文网址| 精品人妻在线不人妻| 欧美日韩福利视频一区二区| 99国产精品一区二区三区| 亚洲视频免费观看视频| 桃色一区二区三区在线观看| 亚洲欧美精品综合一区二区三区| 人人妻人人爽人人添夜夜欢视频| 国产麻豆69| 在线观看66精品国产| 久久天堂一区二区三区四区| 一个人观看的视频www高清免费观看 | 中文字幕人成人乱码亚洲影| 亚洲国产欧美一区二区综合| 黄片播放在线免费| 亚洲成a人片在线一区二区| 中文字幕av电影在线播放| 涩涩av久久男人的天堂| 久久亚洲真实| 国产精品 欧美亚洲| 国产一级毛片七仙女欲春2 | 丰满人妻熟妇乱又伦精品不卡| 神马国产精品三级电影在线观看 | 一个人观看的视频www高清免费观看 | 伊人久久大香线蕉亚洲五| 两性夫妻黄色片| 亚洲精品一卡2卡三卡4卡5卡| 日本免费a在线| 丝袜美足系列| 久久精品人人爽人人爽视色| 国产激情欧美一区二区| 天堂√8在线中文| 亚洲第一电影网av| 久久精品国产亚洲av香蕉五月| 亚洲免费av在线视频| 天天躁夜夜躁狠狠躁躁| 在线观看免费午夜福利视频| 亚洲中文字幕一区二区三区有码在线看 | 男男h啪啪无遮挡| 老汉色av国产亚洲站长工具| 两个人看的免费小视频| 亚洲av美国av| 久久热在线av| 在线免费观看的www视频| 国产精品 欧美亚洲| 久久国产精品男人的天堂亚洲| 欧美丝袜亚洲另类 | 欧美一级毛片孕妇| 97人妻精品一区二区三区麻豆 | 老司机福利观看| 国产亚洲精品第一综合不卡| 国内精品久久久久久久电影| 伊人久久大香线蕉亚洲五| 精品熟女少妇八av免费久了| 好男人电影高清在线观看| 一区在线观看完整版| 亚洲三区欧美一区| 亚洲五月婷婷丁香| 久久精品91蜜桃| 国产色视频综合| 亚洲 欧美 日韩 在线 免费| 亚洲人成电影观看| 黄网站色视频无遮挡免费观看| 最近最新免费中文字幕在线| 亚洲专区国产一区二区| 午夜免费激情av| 亚洲熟女毛片儿| 久久精品成人免费网站| 夜夜看夜夜爽夜夜摸| 中亚洲国语对白在线视频| 曰老女人黄片| 亚洲五月天丁香| 岛国在线观看网站| 狠狠狠狠99中文字幕| 搞女人的毛片| 久久精品国产亚洲av高清一级| 欧美激情久久久久久爽电影 | 精品国产亚洲在线| 国产三级黄色录像| 国产欧美日韩一区二区精品| 亚洲少妇的诱惑av| 亚洲激情在线av| 欧美成人性av电影在线观看| 我的亚洲天堂| 久久国产乱子伦精品免费另类| 极品教师在线免费播放| 级片在线观看| 国产欧美日韩一区二区三区在线| 国产精品爽爽va在线观看网站 | 成人亚洲精品一区在线观看| 亚洲一区高清亚洲精品| 久久香蕉精品热| 极品教师在线免费播放| 黄色丝袜av网址大全| 99国产极品粉嫩在线观看| 1024视频免费在线观看| 久久久久久久久中文| 国产免费av片在线观看野外av| 国产精品秋霞免费鲁丝片| 夜夜看夜夜爽夜夜摸| 亚洲黑人精品在线| 手机成人av网站| 亚洲黑人精品在线| 亚洲欧美激情在线| 久9热在线精品视频| 老汉色∧v一级毛片| 男人操女人黄网站| 成人av一区二区三区在线看| 人人妻人人澡人人看| 自线自在国产av| 国产麻豆69| 日本五十路高清| 日本vs欧美在线观看视频| 人人妻,人人澡人人爽秒播| 国产欧美日韩综合在线一区二区| 最好的美女福利视频网| 国产单亲对白刺激| 久久婷婷人人爽人人干人人爱 | 午夜福利,免费看| 91老司机精品| 变态另类丝袜制服| 国产熟女xx| 中文字幕另类日韩欧美亚洲嫩草| 99国产精品一区二区三区| 国产高清有码在线观看视频 | 亚洲第一电影网av| 在线免费观看的www视频| 欧美久久黑人一区二区| 女性生殖器流出的白浆| 久久久久久久久中文| 黑丝袜美女国产一区| 国产熟女xx| 最近最新中文字幕大全免费视频| 九色亚洲精品在线播放| 成年人黄色毛片网站| 97人妻天天添夜夜摸| 最近最新中文字幕大全免费视频| 变态另类成人亚洲欧美熟女 | 99国产极品粉嫩在线观看| 国产精品亚洲av一区麻豆| 久热这里只有精品99| 九色国产91popny在线| 久久久水蜜桃国产精品网| 久久久久久久久中文| 18禁美女被吸乳视频| 九色亚洲精品在线播放| 亚洲色图 男人天堂 中文字幕| 波多野结衣高清无吗| 成人国语在线视频| 男人舔女人下体高潮全视频| 九色国产91popny在线| 啦啦啦 在线观看视频| 亚洲国产日韩欧美精品在线观看 | 黄色丝袜av网址大全| 亚洲久久久国产精品| 亚洲av片天天在线观看| 大型av网站在线播放| 欧美成人午夜精品| 可以在线观看的亚洲视频| 在线视频色国产色| 国产人伦9x9x在线观看| 99在线人妻在线中文字幕| 精品久久久久久久人妻蜜臀av | 久久 成人 亚洲| 国产精品自产拍在线观看55亚洲| 亚洲av五月六月丁香网| 99在线视频只有这里精品首页| 人人妻,人人澡人人爽秒播| 国产精品亚洲av一区麻豆| 男女下面进入的视频免费午夜 | 丝袜在线中文字幕| 老司机午夜十八禁免费视频| 日本欧美视频一区| 国产高清videossex| 99在线人妻在线中文字幕| 国产熟女xx| 午夜福利在线观看吧| 悠悠久久av| 日韩一卡2卡3卡4卡2021年| 搡老岳熟女国产| 色尼玛亚洲综合影院| 日韩欧美三级三区| 99久久99久久久精品蜜桃| 久久久久久久久久久久大奶| 悠悠久久av| 欧美色欧美亚洲另类二区 | 黄色a级毛片大全视频| 国产亚洲欧美在线一区二区| 又黄又粗又硬又大视频| 久久天躁狠狠躁夜夜2o2o| 悠悠久久av| 在线av久久热| 久久天堂一区二区三区四区| 成人精品一区二区免费| 免费人成视频x8x8入口观看| 亚洲三区欧美一区| 女人精品久久久久毛片| 亚洲激情在线av| 99国产精品99久久久久| 高清黄色对白视频在线免费看| 亚洲国产高清在线一区二区三 | 亚洲男人的天堂狠狠| 午夜福利,免费看| netflix在线观看网站| 亚洲国产精品成人综合色| 老汉色∧v一级毛片| 可以免费在线观看a视频的电影网站| 亚洲视频免费观看视频| 国产成人精品久久二区二区免费| av超薄肉色丝袜交足视频| 成人av一区二区三区在线看| 久久久久国产一级毛片高清牌| 国产成年人精品一区二区| 亚洲专区字幕在线| 欧美成狂野欧美在线观看| 久久人人精品亚洲av| 国产精品一区二区在线不卡| 黄色视频,在线免费观看| av免费在线观看网站| 三级毛片av免费| 久久亚洲精品不卡| 看黄色毛片网站| 一个人观看的视频www高清免费观看 | 亚洲久久久国产精品| 午夜福利影视在线免费观看| 桃红色精品国产亚洲av| 涩涩av久久男人的天堂| 久久影院123| 国产av精品麻豆| 国产亚洲av高清不卡| 国内精品久久久久久久电影| 他把我摸到了高潮在线观看| 午夜日韩欧美国产| 一边摸一边抽搐一进一小说| 久久久久亚洲av毛片大全| 天堂影院成人在线观看| 久久久久久大精品| 欧美成人午夜精品| 欧美丝袜亚洲另类 | 好看av亚洲va欧美ⅴa在| 亚洲精品久久国产高清桃花| 久久欧美精品欧美久久欧美| 国产精品一区二区在线不卡| 免费观看人在逋| 亚洲精品在线美女| 中文字幕色久视频| 国产黄a三级三级三级人| 成年版毛片免费区| 精品无人区乱码1区二区| 国产91精品成人一区二区三区| 9191精品国产免费久久| 大香蕉久久成人网| 久久国产精品男人的天堂亚洲| 精品国产乱子伦一区二区三区| 男女下面插进去视频免费观看| 成人av一区二区三区在线看| 十分钟在线观看高清视频www| 99热只有精品国产| 国产免费男女视频| 欧美成狂野欧美在线观看| 美女午夜性视频免费| 日日夜夜操网爽| 国产精品久久视频播放| 嫩草影视91久久| 亚洲精品国产色婷婷电影| 国产一区二区三区在线臀色熟女| 亚洲午夜精品一区,二区,三区| 日韩有码中文字幕| 精品国产美女av久久久久小说| 亚洲av成人一区二区三| 最近最新免费中文字幕在线| 日本五十路高清| 夜夜躁狠狠躁天天躁| 亚洲av熟女| 大型黄色视频在线免费观看| 午夜久久久久精精品| 香蕉丝袜av| 久久久久久免费高清国产稀缺| 亚洲第一欧美日韩一区二区三区| av有码第一页| 精品不卡国产一区二区三区| aaaaa片日本免费| 国产精品免费一区二区三区在线| 在线十欧美十亚洲十日本专区| 欧美色视频一区免费| 97人妻精品一区二区三区麻豆 | 日韩国内少妇激情av| 69精品国产乱码久久久| 日韩欧美一区视频在线观看| 91在线观看av| 亚洲成av人片免费观看| 国产又色又爽无遮挡免费看| 中文字幕高清在线视频| www.www免费av| 国产精品久久久av美女十八| 啦啦啦观看免费观看视频高清 | 国产欧美日韩一区二区三区在线| 色尼玛亚洲综合影院| 丝袜美腿诱惑在线| 欧美一区二区精品小视频在线| 欧洲精品卡2卡3卡4卡5卡区| 国产精品精品国产色婷婷|