• <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PCA-CNN的動(dòng)態(tài)短文本分析研究

    2022-04-28 09:23:38林寒冰金秀玲林云霞
    科技創(chuàng)新與應(yīng)用 2022年11期
    關(guān)鍵詞:短文暴雨卷積

    林寒冰,金秀玲,王 婷,林云霞

    (閩江學(xué)院 數(shù)學(xué)與數(shù)據(jù)科學(xué)學(xué)院(軟件學(xué)院),福建 福州 350108)

    目前,人們的閱讀途徑已不局限于紙質(zhì)媒體,博客、微博等社交網(wǎng)絡(luò)平臺(tái)成為人們獲取信息的重要來源,但其中的短文本信息繁雜、無序且多樣,不易獲取。本文幫助人們挖掘海量數(shù)據(jù)中的潛在聯(lián)系并篩選信息,提高閱讀效率。通過“人機(jī)對(duì)話”讓枯燥的閱讀更具有趣味性,加強(qiáng)人們閱讀體驗(yàn)感。因此,動(dòng)態(tài)短文本是十分具有研究意義的。

    近年來,國(guó)內(nèi)外學(xué)者關(guān)于話題信息獲取方面有大量研究。對(duì)于信息檢索、信息挖掘和信息抽取等自然語言處理技術(shù)可追隨到話題檢測(cè)與跟蹤(Topic Detection and Tracking,TDT)[1]的話題跟蹤任務(wù)階段。傳統(tǒng)文本信息的話題抽取研究最重要的環(huán)節(jié)是文本聚類的過程。在國(guó)內(nèi),尉景輝等[2]用傳統(tǒng)的K-means聚類算法對(duì)長(zhǎng)文本聚類進(jìn)行研究,解決了傳統(tǒng)的K-means聚類算法對(duì)長(zhǎng)文本聚類導(dǎo)致的計(jì)算復(fù)雜度增加、聚類結(jié)果混亂等一系列問題。高長(zhǎng)元等[3]利用CURE算法針對(duì)存儲(chǔ)網(wǎng)絡(luò)用戶的大型數(shù)據(jù)庫進(jìn)行基于實(shí)際應(yīng)用的改進(jìn)。蔡岳等[4]利用最小二乘法降低文本向量的維度,創(chuàng)建了應(yīng)用于DBSCAN算法的簇關(guān)系樹結(jié)構(gòu)來文本聚類。李云紅等[5]建立了BGRU-CNN模型對(duì)長(zhǎng)文本提取語義關(guān)鍵特征,提高了中文長(zhǎng)文本的分類準(zhǔn)確率。張昱等[6]用組合-卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)新聞文本進(jìn)行分析,提高了新聞文本分類精確率。在國(guó)外,Kim提出了TextCNN[7]算法,使用卷積神經(jīng)網(wǎng)絡(luò)(CNN)來對(duì)英文長(zhǎng)文本建模,在公有數(shù)據(jù)集上超過了傳統(tǒng)方法的表征。卡內(nèi)基梅隆大學(xué)的人員提出了HAN(層次注意力網(wǎng)絡(luò))[8]算法建模更加復(fù)雜的文檔,使用詞、句、段落之間3種的注意力表示一篇文檔。對(duì)于微博短文本的研究,史偉等[9]采用情感圈的方法結(jié)合不同語境,對(duì)文本語義進(jìn)行進(jìn)一步挖掘,在精度、召回率、準(zhǔn)確率方面比傳統(tǒng)基于詞典的方法都得到了提升。張佩瑤等[10]基于詞向量和BTM結(jié)合K-means算法對(duì)微博文本進(jìn)行主題融合,該方法在主題模型提取效率上提高了10%。

    綜上文獻(xiàn)分析,自然語言處理中,在研究?jī)?nèi)容上,CNN算法多用于英文文本、固定長(zhǎng)文本的分析,長(zhǎng)文本詞句間的聯(lián)系易把握,以往的研究缺乏對(duì)于當(dāng)今熱門平臺(tái)如微博、知乎等用戶發(fā)布的情感態(tài)度強(qiáng)但詞句聯(lián)系較弱的短文本信息的研究。研究方法上,文本聚類方法有基于劃分K-means聚類算法、基于層次的CURE算法、基于密度的DBSCAN算法及CNN算法,在最新的研究中對(duì)于短文本的研究用到情感圈方法、基于詞向量和BTM結(jié)合K-means聚類算法。以上方法無法同時(shí)獲取文本中的詞語之間關(guān)聯(lián)性及上下文的情感表述,且聚類結(jié)果會(huì)受到特征向量的影響。

    因此,本文對(duì)動(dòng)態(tài)短文本關(guān)鍵詞提取方面的空缺展開研究,引入PCA算法,進(jìn)一步融合CNN模型提出PCA-CNN模型,探討動(dòng)態(tài)短文本的關(guān)鍵詞抓取與情感表述問題。該模型既考慮到中文語義復(fù)雜、情感多樣的特點(diǎn),又有降維的作用,提高CNN模型的運(yùn)行速度,PCA算法與CNN的結(jié)合能快速捕捉短文本中的上下詞聯(lián)系,在其他文本中搜索到目標(biāo)事件關(guān)鍵詞并提取出來,提高短文本信息的理解性及關(guān)鍵詞的抓取速度,使用戶快速把握事件發(fā)展關(guān)鍵信息。

    1 基礎(chǔ)算法介紹

    1.1 PCA降維技術(shù)

    PCA(Principal Component Analysis)[11]即主成分分析方法,是廣泛使用的一種數(shù)據(jù)降維算法,通過析取主成分將關(guān)系緊密的眾多特征提取出盡可能少的相互獨(dú)立的新特征,新特征能夠獨(dú)立代表各個(gè)部分的內(nèi)容,使數(shù)據(jù)更易理解。PCA算法降維[12]計(jì)算如下:

    (1)將原始數(shù)據(jù)按列組成n行d列矩陣X;

    (2)再將每一維(代表一個(gè)屬性的每一列數(shù)據(jù))去零均值化;

    (3)然后計(jì)算協(xié)方差矩陣,并對(duì)協(xié)方差矩陣特征值和特征向量進(jìn)行計(jì)算,

    (4)接著對(duì)特征值進(jìn)行排序,取前k行組成矩陣P,用數(shù)據(jù)矩陣乘以k個(gè)特征向量組成的矩陣P,得到降到k維的數(shù)據(jù),

    PCA降維后,高維數(shù)據(jù)的重要特征在數(shù)據(jù)中能更明確顯示出來,降低算法開銷。

    1.2 卷積神經(jīng)網(wǎng)絡(luò)模型(CNN)

    CNN模型[13]是一種由輸入層、卷積層、池化層、全連接層和輸出層構(gòu)成的自然語言處理模型,每一層的神經(jīng)元呈寬度、高度、深度三維排列。多層的卷積、池化操作能夠捕捉到模型的全局語義信息和更高級(jí)的特征。其中,卷積層作為CNN模型構(gòu)建的核心,對(duì)矩陣卷積計(jì)算獲取其特征。池化層進(jìn)行一種降采樣操作(subsampling),以降低特征圖(feature maps)的特征空間,簡(jiǎn)化計(jì)算復(fù)雜度,減少計(jì)算資源耗費(fèi)。CNN的架構(gòu)圖如圖1所示。

    圖1 卷積神經(jīng)網(wǎng)絡(luò)(CNN)架構(gòu)圖

    CNN中每一層實(shí)施的操作就是把上一層的輸出加權(quán)求和,加上偏置并輸入激活函數(shù),激活函數(shù)輸出的所在層如果不是最后一層,則該輸出是下一層的輸入。計(jì)算公式如下:

    其中,hi表示作用后的向量,S為輸入的句子,W表示一個(gè)窗口為m的卷積核,ci表示輸出的特征映射向量,bi表示偏置項(xiàng),α表示非線性激活函數(shù)。

    1.3 PCA-CNN模型構(gòu)建

    (1)數(shù)據(jù)獲取,在輸入目標(biāo)關(guān)鍵詞后,通過網(wǎng)絡(luò)爬蟲技術(shù)爬取網(wǎng)頁相關(guān)的文本內(nèi)容、鏈接、ID號(hào)等目標(biāo)數(shù)據(jù)。

    (2)數(shù)據(jù)預(yù)處理,提取目標(biāo)數(shù)據(jù)的文本內(nèi)容,進(jìn)行文本清洗,包括去重及去除空格空行、去除停用詞過濾、數(shù)據(jù)降噪等操作后,使用jieba中文分詞,進(jìn)行文本切分后計(jì)算生成特征向量矩陣。采用PCA算法過濾掉非重點(diǎn)特征項(xiàng),去掉特征之間的無關(guān)性并保留語義特征,實(shí)現(xiàn)向量矩陣的初步降維。

    (3)在輸入層結(jié)合訓(xùn)練好的CNN模型將文本數(shù)據(jù)向量化。一方面,將分詞完成的測(cè)試集數(shù)據(jù)使用Word2Vec訓(xùn)練[14],選擇skip-gram跳字模型[15]用Softmax函數(shù)作上下文詞分類,轉(zhuǎn)化文本數(shù)據(jù)為大小相同的情感特征詞向量矩陣。另一方面,采用TF-IDF關(guān)鍵詞提取法[16],構(gòu)造出文本矩陣再將詞語轉(zhuǎn)化為詞頻矩陣。

    (4)卷積層對(duì)向量矩陣卷積運(yùn)算,對(duì)詞向量矩陣選定卷積核大小為2、3、4,卷積核數(shù)量為64的3層卷積操作。

    (5)池化層降低文本特征維度,在對(duì)卷積后的特征圖降采樣,進(jìn)行最大池化Max pooling[17]處理,將特征圖的各個(gè)維度全部降為1,以便后續(xù)最大特征地提取和聚類。

    (6)輸出層文本聚類,分類輸出特征詞。結(jié)合池化層輸出的詞向量的最大池化結(jié)果,先輸入全連接層,對(duì)經(jīng)過多次卷積和池化得來的高級(jí)特征采用全連接結(jié)合Softmax函數(shù)[18]進(jìn)行分類后輸出。

    (7)特征結(jié)構(gòu)可視化。用Matplotlib繪制分類結(jié)果矩陣的散點(diǎn)圖,采用WordCloud[19]生成文本數(shù)據(jù)的詞云圖,使結(jié)果更加直觀。

    (8)應(yīng)用測(cè)試集數(shù)據(jù)對(duì)模型進(jìn)行檢驗(yàn)及模型對(duì)比,判斷其準(zhǔn)確率,不斷提升模型的準(zhǔn)確度。

    PCA-CNN模型構(gòu)建流程圖如圖2所示。

    圖2 PCA-CNN模型構(gòu)建流程圖

    2 實(shí)證分析

    2.1 實(shí)驗(yàn)數(shù)據(jù)準(zhǔn)備——以“河南暴雨”為例(事件已經(jīng)結(jié)束,已構(gòu)成完整數(shù)據(jù))

    本文通過python編程語言,采用訓(xùn)練集和測(cè)試集進(jìn)行研究。

    突發(fā)極端事件會(huì)打破人們正常的生活節(jié)奏,往往是大眾的關(guān)注點(diǎn),隨著短文本閱讀的普及,如微博等信息交流平臺(tái)的數(shù)據(jù)所包含的社會(huì)視角、話題影響力逐漸增大,足以反映大眾態(tài)度。本文借助網(wǎng)絡(luò)爬蟲技術(shù),從微博網(wǎng)頁花費(fèi)21 min爬取2021年7月20日至2021年7月27日的3 830條關(guān)于“河南暴雨”的微博話題。該話題事件現(xiàn)已結(jié)束,相關(guān)的數(shù)據(jù)較為完備,且該突發(fā)事件的相關(guān)話題持續(xù)1周位于熱搜榜首,其數(shù)據(jù)內(nèi)容包含正面負(fù)面、消極積極多維度融合情感態(tài)度的信息。此外,該事件可以充分反映面對(duì)極端突發(fā)事件時(shí),大眾的輿情傾向,國(guó)家和人民采取的緊急響應(yīng)措施,具有代表性。

    2.2 “河南暴雨”數(shù)據(jù)預(yù)處理

    提取“河南暴雨”的詳細(xì)信息文本,在卷積操作前進(jìn)行文本清洗,去除文本停用詞、無意義詞等冗余信息,降低數(shù)據(jù)噪聲。通過分詞,劃分地點(diǎn)、時(shí)間、事件為具體的詞組,得出鄭州、自然災(zāi)害等詞語,進(jìn)一步生成特征向量矩陣,將每條微博轉(zhuǎn)化為一個(gè)特征向量。轉(zhuǎn)化后得到628個(gè)特征向量,數(shù)量過多,需采用PCA降維。

    2.3 PCA處理

    使用PCA算法,對(duì)生成的m*n維特征矩陣,通過多重組合特征提取方法,計(jì)算協(xié)方差矩陣,每個(gè)向量對(duì)應(yīng)的特征值,排列后選定的前k維正交化的特征項(xiàng),提取出具有代表性的特征項(xiàng),對(duì)特征向量矩陣進(jìn)行初步特征降維處理。如圖3所示,在628個(gè)特征中選取特征值大于1、方差累積貢獻(xiàn)率超過80%的前256個(gè)主成分,確定所采用的維度為256。通過PCA降維,僅保留主要信息令詞特征向量間相互獨(dú)立,提煉語義信息,防止卷積出現(xiàn)過擬合。

    圖3 “河南暴雨”相關(guān)數(shù)據(jù)PCA處理碎石圖

    2.4 “河南暴雨”數(shù)據(jù)的CNN模型建立

    將分詞完成的測(cè)試集文本數(shù)據(jù)轉(zhuǎn)化為大小相同的情感特征詞向量矩陣,采用HowNet構(gòu)建情感詞典,建立詞向量矩陣。河南暴雨訓(xùn)練數(shù)據(jù)的情感特征可分為積極和消極2個(gè)方面,表示積極和正面的賦值為1,表示消極和負(fù)面的賦值為0,得到詞匯向量的映射表。

    利用CNN的滑動(dòng)窗口對(duì)所有可能的詞向量組合進(jìn)行卷積操作,得到交互的初步矩陣表示,保留詞矩陣中的特征向量。通過反復(fù)對(duì)比,發(fā)現(xiàn)使用兩層卷積時(shí),關(guān)鍵詞分類結(jié)果中會(huì)出現(xiàn)如“災(zāi)害”“災(zāi)難”等大量語義相似的詞匯,占用特征空間;使用四層卷積時(shí),部分基礎(chǔ)語義相同但具有特征的詞匯如“鐵路損毀”“農(nóng)田損毀”等被過濾,導(dǎo)致過擬合,影響關(guān)鍵詞提取的真實(shí)性。因此選擇三層卷積。具體卷積層和池化層的參數(shù)見表1。

    表1 卷積層和池化層各參數(shù)設(shè)置

    將“河南暴雨”微博評(píng)論數(shù)據(jù)詞向量矩陣數(shù)值化后,進(jìn)行一次卷積和池化操作,得到尺寸為(8,8,256)的特征矩陣圖,對(duì)文本特征進(jìn)行初步增強(qiáng)。對(duì)此特征矩陣圖進(jìn)行卷積層Conv2、Conv3的特征融合,輸出特征矩陣圖尺寸為(4,4,128),降維處理Maxpool2層的輸出,得到(128,128)的二維矩陣。

    輸出層對(duì)特征矩陣與詞矩陣匹配后輸出,關(guān)于“河南暴雨”的目標(biāo)關(guān)鍵詞分類。該信息可分為負(fù)面積極、負(fù)面消極、正面積極、正面消極,但由于在現(xiàn)實(shí)生活中的表達(dá)習(xí)慣和客觀性,正面的事物普遍屬于積極一面,主要將處理后的數(shù)據(jù)分成3類,第1類表示對(duì)受災(zāi)地區(qū)捐款,八方支援等的正面積極詞匯;第2類表示河南暴雨是一大地質(zhì)災(zāi)害,由于氣候變化對(duì)人類生活產(chǎn)生較客觀的負(fù)面影響;第3類則表示受災(zāi)嚴(yán)重的地區(qū)受災(zāi)情況等消極信息。關(guān)鍵詞分類結(jié)果見表2。

    表2 關(guān)于“河南暴雨”部分關(guān)鍵詞分類表

    2.5 “河南暴雨”數(shù)據(jù)結(jié)果可視化

    繪制“河南暴雨”話題、分類結(jié)果矩陣散點(diǎn)圖,每個(gè)點(diǎn)對(duì)應(yīng)1個(gè)詞2個(gè)維度的情感特征值。在重復(fù)訓(xùn)練后,關(guān)于“河南暴雨”不同類別的情感特征值聚集,沒有散落的錯(cuò)誤向量。采用WordCloud模塊生成“河南暴雨”文本數(shù)據(jù)的詞云圖,以直觀的精煉文字內(nèi)容傳達(dá)信息。如圖4所示的詞云圖解釋了本次“河南暴雨”的發(fā)展態(tài)勢(shì),讓用戶快速觀察到“河南暴雨”的關(guān)注點(diǎn)在于暴雨發(fā)生受災(zāi)的具體地點(diǎn)、人們?cè)诒┯曛械膽?yīng)對(duì)方法、暴雨產(chǎn)生的原因和性質(zhì)、暴雨的發(fā)展?fàn)顟B(tài)等內(nèi)容,體現(xiàn)了人們對(duì)極端突發(fā)事件的密切關(guān)注,展現(xiàn)國(guó)家以人民生命財(cái)產(chǎn)安全為先的堅(jiān)定,同時(shí)用戶提出的一些負(fù)面的文本信息可以給相關(guān)部門以建議和啟示。

    圖4 “河南暴雨”熱點(diǎn)詞云圖

    研究PCA-CNN模型的優(yōu)化程度,將支持向量機(jī)算法、TextCNN算法的中文模型與PCA-CNN模型對(duì)相同的微博話題“河南暴雨”短文本數(shù)據(jù)集進(jìn)行關(guān)鍵詞抓取后的情感分類,其中TextCNN模型的卷積參數(shù)與PCA-CNN模型保持一致。模型情感聚類結(jié)果見表3及圖5,各類計(jì)算值的后綴1、2、3,分別代表正面積極、負(fù)面積極、負(fù)面消極3類文本,Accuracy表示短文本分類的準(zhǔn)確率。

    圖5 “河南暴雨”的TextCNN,SVM,PCA-CNN模型情感聚類結(jié)果

    表3 TextCNN,SVM,PCA-CNN模型測(cè)試結(jié)果

    對(duì)照?qǐng)D表中數(shù)據(jù)對(duì)比,TextCNN模型分類的準(zhǔn)確率最低,SVM模型次之,PAC-CNN模型的準(zhǔn)確率最好。PCA-CNN模型的短文本情感分類性能最好,主流關(guān)鍵詞準(zhǔn)確度達(dá)86.85%,實(shí)現(xiàn)了對(duì)“河南暴雨”微博短文本數(shù)據(jù)的準(zhǔn)確分類及關(guān)鍵詞抓取。較之傳統(tǒng)的TextCNN模型,添加了PCA對(duì)詞特征降維后準(zhǔn)確率提升了10.14%,對(duì)SVM增加了更深層學(xué)習(xí)的CNN模型后準(zhǔn)確率提升了6.11%。

    3 結(jié)束語

    隨著科技的發(fā)展,人們頻繁通過閱讀新聞、電子書、新媒體平臺(tái)等方式獲取信息。針對(duì)實(shí)時(shí)話題,在繁雜多樣化的數(shù)據(jù)信息中提取關(guān)鍵信息,借助網(wǎng)絡(luò)爬蟲技術(shù)獲取中文短文本數(shù)據(jù),PCA算法降維處理數(shù)據(jù),數(shù)據(jù)特征初步提取后,結(jié)合CNN模型進(jìn)行情感分析及文本分類,構(gòu)建了PCA-CNN模型,在語義分析的基礎(chǔ)上加強(qiáng)了詞句情感把控,該模型結(jié)果的準(zhǔn)確率高于TextCNN和SVM模型,達(dá)到86.85%。通過反饋目標(biāo)事件的最新發(fā)展?fàn)顩r和大眾關(guān)注點(diǎn),讓用戶快速獲取信息,抓住情感重點(diǎn),節(jié)省時(shí)間,提高閱讀關(guān)注度。動(dòng)態(tài)短文本的研究在當(dāng)今快節(jié)奏的生活中促進(jìn)了人們的生活效率和生活水平的提高。智能閱讀也會(huì)在未來擁有更好的發(fā)展條件和環(huán)境,并不斷完善和提升。

    猜你喜歡
    短文暴雨卷積
    “80年未遇暴雨”襲首爾
    暴雨
    當(dāng)暴雨突臨
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    KEYS
    Keys
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    暴雨襲擊
    支點(diǎn)(2017年8期)2017-08-22 17:18:27
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識(shí)別方法
    国产精品一及| 国产精品日韩av在线免费观看| 亚洲乱码一区二区免费版| 亚洲第一区二区三区不卡| 国产av一区在线观看免费| 欧美在线黄色| 亚洲美女黄片视频| 一级黄色大片毛片| 成人永久免费在线观看视频| 欧美国产日韩亚洲一区| 国产黄a三级三级三级人| 免费看光身美女| 久久九九热精品免费| 少妇裸体淫交视频免费看高清| 亚洲av.av天堂| 人妻制服诱惑在线中文字幕| 国产淫片久久久久久久久 | 99久久成人亚洲精品观看| 不卡一级毛片| 美女 人体艺术 gogo| 国产精品三级大全| 老女人水多毛片| 自拍偷自拍亚洲精品老妇| 久久午夜福利片| 国产亚洲精品综合一区在线观看| 国产精品av视频在线免费观看| 99在线视频只有这里精品首页| 亚洲欧美日韩东京热| 99国产综合亚洲精品| 无遮挡黄片免费观看| 中亚洲国语对白在线视频| 美女被艹到高潮喷水动态| 婷婷色综合大香蕉| 日韩亚洲欧美综合| 757午夜福利合集在线观看| 国产黄a三级三级三级人| 欧美另类亚洲清纯唯美| 日本黄大片高清| 国产伦人伦偷精品视频| 九色国产91popny在线| 欧美日本亚洲视频在线播放| 欧美黑人巨大hd| 国产在线男女| 久久精品国产清高在天天线| 欧美成人a在线观看| 欧美乱色亚洲激情| 亚洲自偷自拍三级| aaaaa片日本免费| h日本视频在线播放| 成人特级av手机在线观看| 97超级碰碰碰精品色视频在线观看| 黄色一级大片看看| a级毛片a级免费在线| 高清在线国产一区| 亚洲国产精品999在线| 1024手机看黄色片| 婷婷精品国产亚洲av| 九九热线精品视视频播放| 亚洲精品乱码久久久v下载方式| 欧美一区二区精品小视频在线| 91在线精品国自产拍蜜月| 性色av乱码一区二区三区2| 我要搜黄色片| 午夜亚洲福利在线播放| 老鸭窝网址在线观看| 高清毛片免费观看视频网站| 最后的刺客免费高清国语| 嫩草影院入口| 1024手机看黄色片| 国产精品伦人一区二区| 精品人妻一区二区三区麻豆 | 丝袜美腿在线中文| 9191精品国产免费久久| 国产高清视频在线观看网站| 久久伊人香网站| 少妇人妻一区二区三区视频| 舔av片在线| 可以在线观看毛片的网站| 久久精品夜夜夜夜夜久久蜜豆| x7x7x7水蜜桃| 国产高潮美女av| 一本久久中文字幕| 婷婷亚洲欧美| 观看美女的网站| 9191精品国产免费久久| 欧美一区二区国产精品久久精品| 97超视频在线观看视频| 深夜a级毛片| 国产伦在线观看视频一区| 成人性生交大片免费视频hd| 日本精品一区二区三区蜜桃| 欧美又色又爽又黄视频| 久久久国产成人免费| 每晚都被弄得嗷嗷叫到高潮| 久久午夜亚洲精品久久| h日本视频在线播放| 欧美日韩黄片免| 婷婷精品国产亚洲av在线| 在线播放无遮挡| 国产人妻一区二区三区在| 无遮挡黄片免费观看| 很黄的视频免费| 久久久久久久久久黄片| 国语自产精品视频在线第100页| 欧美在线一区亚洲| 一个人看视频在线观看www免费| 色哟哟·www| 十八禁国产超污无遮挡网站| 亚洲成人中文字幕在线播放| 99久久精品国产亚洲精品| 一级黄色大片毛片| 51午夜福利影视在线观看| 淫妇啪啪啪对白视频| 2021天堂中文幕一二区在线观| 给我免费播放毛片高清在线观看| 热99re8久久精品国产| 大型黄色视频在线免费观看| 亚洲av免费高清在线观看| 成人特级黄色片久久久久久久| 97热精品久久久久久| 在线a可以看的网站| www.www免费av| 在线观看免费视频日本深夜| 成人无遮挡网站| 欧美精品啪啪一区二区三区| 我要搜黄色片| 日日摸夜夜添夜夜添av毛片 | 性色av乱码一区二区三区2| 成人美女网站在线观看视频| 亚洲av免费在线观看| 九色国产91popny在线| 国产aⅴ精品一区二区三区波| 深夜a级毛片| 琪琪午夜伦伦电影理论片6080| 色综合欧美亚洲国产小说| avwww免费| 亚洲欧美精品综合久久99| avwww免费| 真实男女啪啪啪动态图| 亚洲自偷自拍三级| 精品久久久久久久人妻蜜臀av| 九九久久精品国产亚洲av麻豆| 亚洲美女搞黄在线观看 | 免费在线观看成人毛片| 国产男靠女视频免费网站| 中出人妻视频一区二区| av欧美777| 亚洲国产日韩欧美精品在线观看| 美女cb高潮喷水在线观看| 一区福利在线观看| 国产伦一二天堂av在线观看| 成人性生交大片免费视频hd| 91麻豆精品激情在线观看国产| 搞女人的毛片| 国产爱豆传媒在线观看| 亚洲国产精品999在线| 色吧在线观看| 免费人成视频x8x8入口观看| 成人无遮挡网站| 男女做爰动态图高潮gif福利片| 欧美成人免费av一区二区三区| 亚洲精品一区av在线观看| 成人鲁丝片一二三区免费| 久久亚洲精品不卡| 久久人妻av系列| 深夜精品福利| 在线播放无遮挡| 免费观看人在逋| 在线天堂最新版资源| 国产精华一区二区三区| 亚洲 欧美 日韩 在线 免费| 99久久无色码亚洲精品果冻| 日本黄色视频三级网站网址| 国产真实乱freesex| 久久久久亚洲av毛片大全| 久久久国产成人精品二区| 精品一区二区免费观看| 久久国产精品人妻蜜桃| 国产私拍福利视频在线观看| 九色国产91popny在线| 久久精品国产99精品国产亚洲性色| 亚洲美女视频黄频| 亚洲成人免费电影在线观看| 性欧美人与动物交配| av视频在线观看入口| 最好的美女福利视频网| 看黄色毛片网站| 日本精品一区二区三区蜜桃| 精品一区二区三区视频在线| 国产伦在线观看视频一区| 欧美在线黄色| 久久亚洲精品不卡| 欧美绝顶高潮抽搐喷水| 男女那种视频在线观看| 亚洲国产色片| 日日干狠狠操夜夜爽| 成人国产综合亚洲| 欧美潮喷喷水| 尤物成人国产欧美一区二区三区| 精品熟女少妇八av免费久了| 性插视频无遮挡在线免费观看| 亚洲成人中文字幕在线播放| 亚洲 欧美 日韩 在线 免费| 中文字幕人妻熟人妻熟丝袜美| 国产精品久久久久久久久免 | 丰满人妻一区二区三区视频av| 亚洲专区中文字幕在线| 免费无遮挡裸体视频| 中文字幕av在线有码专区| 最近最新中文字幕大全电影3| 三级毛片av免费| 久久性视频一级片| 国产精品女同一区二区软件 | 亚洲av免费高清在线观看| 欧美三级亚洲精品| 国产成人欧美在线观看| 一本久久中文字幕| 噜噜噜噜噜久久久久久91| 国产亚洲欧美98| 男女之事视频高清在线观看| 精品午夜福利在线看| av在线蜜桃| 国内精品一区二区在线观看| 赤兔流量卡办理| 国内精品一区二区在线观看| 欧美最新免费一区二区三区 | 欧美日韩综合久久久久久 | 五月伊人婷婷丁香| 国产视频一区二区在线看| 久久久久久久亚洲中文字幕 | 91狼人影院| 欧美日韩亚洲国产一区二区在线观看| 久久久久九九精品影院| 观看美女的网站| 天堂动漫精品| 午夜福利18| 亚洲欧美日韩无卡精品| 一进一出抽搐gif免费好疼| 91在线观看av| 欧美高清性xxxxhd video| 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 | 精品久久久久久久人妻蜜臀av| 国产亚洲精品综合一区在线观看| 国产精品久久久久久久电影| 国产三级中文精品| 亚洲电影在线观看av| 国产亚洲精品久久久久久毛片| 久久久久国产精品人妻aⅴ院| 伊人久久精品亚洲午夜| 亚洲国产日韩欧美精品在线观看| 久久久久精品国产欧美久久久| 国产久久久一区二区三区| 亚洲欧美精品综合久久99| 成年免费大片在线观看| 欧美3d第一页| 性欧美人与动物交配| 亚洲久久久久久中文字幕| 婷婷丁香在线五月| 精品午夜福利视频在线观看一区| 性欧美人与动物交配| 久久草成人影院| 中文字幕久久专区| 18+在线观看网站| 中文字幕高清在线视频| 国产伦一二天堂av在线观看| 三级国产精品欧美在线观看| avwww免费| 天堂动漫精品| 男女视频在线观看网站免费| 欧美色欧美亚洲另类二区| 又黄又爽又刺激的免费视频.| 国产伦一二天堂av在线观看| 久久热精品热| 亚州av有码| 免费人成视频x8x8入口观看| 两人在一起打扑克的视频| 夜夜躁狠狠躁天天躁| 欧美日韩瑟瑟在线播放| 成人毛片a级毛片在线播放| 99久久精品热视频| 深爱激情五月婷婷| 亚洲欧美日韩高清专用| 国产大屁股一区二区在线视频| 亚洲,欧美,日韩| 成人毛片a级毛片在线播放| 他把我摸到了高潮在线观看| 免费观看人在逋| 国产人妻一区二区三区在| 又黄又爽又刺激的免费视频.| 国语自产精品视频在线第100页| 亚洲精品在线观看二区| 亚洲av免费在线观看| 丝袜美腿在线中文| 老司机午夜十八禁免费视频| 亚洲 国产 在线| 免费av毛片视频| 51午夜福利影视在线观看| 热99re8久久精品国产| 午夜精品一区二区三区免费看| 网址你懂的国产日韩在线| 成人国产一区最新在线观看| 美女黄网站色视频| 欧美黑人巨大hd| 免费在线观看成人毛片| 高清在线国产一区| 国产午夜精品论理片| 中文字幕av成人在线电影| 日韩欧美在线乱码| 欧美日韩综合久久久久久 | 99在线视频只有这里精品首页| 精品日产1卡2卡| 国产伦在线观看视频一区| 成人av一区二区三区在线看| 十八禁网站免费在线| 一个人观看的视频www高清免费观看| 狂野欧美白嫩少妇大欣赏| av在线老鸭窝| 精品不卡国产一区二区三区| 少妇被粗大猛烈的视频| 偷拍熟女少妇极品色| 三级毛片av免费| 欧美最黄视频在线播放免费| 精品国产亚洲在线| 他把我摸到了高潮在线观看| 免费观看人在逋| 制服丝袜大香蕉在线| 一进一出抽搐动态| 久久国产精品人妻蜜桃| 国语自产精品视频在线第100页| 色哟哟哟哟哟哟| av国产免费在线观看| 舔av片在线| 首页视频小说图片口味搜索| 内射极品少妇av片p| 黄色女人牲交| 男人的好看免费观看在线视频| 乱码一卡2卡4卡精品| 国产精品久久久久久亚洲av鲁大| or卡值多少钱| 久久久国产成人精品二区| 两性午夜刺激爽爽歪歪视频在线观看| 久久精品国产亚洲av香蕉五月| 国产精华一区二区三区| 国产av麻豆久久久久久久| 亚洲乱码一区二区免费版| 91久久精品国产一区二区成人| 最近最新中文字幕大全电影3| 免费一级毛片在线播放高清视频| 在线观看舔阴道视频| 深夜a级毛片| 亚洲黑人精品在线| 国产色爽女视频免费观看| 国产精品久久久久久亚洲av鲁大| 搡老妇女老女人老熟妇| 别揉我奶头 嗯啊视频| 亚洲第一区二区三区不卡| 色哟哟·www| 久久草成人影院| 亚洲电影在线观看av| 国产亚洲欧美在线一区二区| 国产单亲对白刺激| 小说图片视频综合网站| 有码 亚洲区| 首页视频小说图片口味搜索| 亚洲经典国产精华液单 | 成年免费大片在线观看| 国产精品1区2区在线观看.| 99在线人妻在线中文字幕| 国产麻豆成人av免费视频| 国产成+人综合+亚洲专区| 美女免费视频网站| 美女cb高潮喷水在线观看| 啦啦啦观看免费观看视频高清| 国产av在哪里看| 一区二区三区免费毛片| 麻豆一二三区av精品| 91av网一区二区| 成人无遮挡网站| 日日摸夜夜添夜夜添小说| 久久精品国产自在天天线| 老鸭窝网址在线观看| 人妻丰满熟妇av一区二区三区| 人人妻,人人澡人人爽秒播| 夜夜躁狠狠躁天天躁| 久久久久国产精品人妻aⅴ院| 91麻豆精品激情在线观看国产| 日韩 亚洲 欧美在线| 欧美精品啪啪一区二区三区| 婷婷精品国产亚洲av在线| 少妇裸体淫交视频免费看高清| 日韩欧美国产在线观看| 欧美日韩黄片免| 少妇裸体淫交视频免费看高清| 国产又黄又爽又无遮挡在线| 午夜福利高清视频| а√天堂www在线а√下载| 亚洲美女搞黄在线观看 | 久久午夜亚洲精品久久| 国产免费男女视频| 欧美在线一区亚洲| 免费黄网站久久成人精品 | 欧美zozozo另类| 男女那种视频在线观看| 97碰自拍视频| 亚洲七黄色美女视频| 成人美女网站在线观看视频| 国产野战对白在线观看| 午夜免费激情av| 看片在线看免费视频| 午夜福利欧美成人| 成年人黄色毛片网站| 好看av亚洲va欧美ⅴa在| 日韩欧美一区二区三区在线观看| 男人和女人高潮做爰伦理| 内射极品少妇av片p| www.色视频.com| 欧美乱妇无乱码| 在线播放无遮挡| 香蕉av资源在线| 国产美女午夜福利| 一个人看的www免费观看视频| 91午夜精品亚洲一区二区三区 | 色哟哟·www| 成人亚洲精品av一区二区| 亚洲电影在线观看av| 国产精品精品国产色婷婷| 色视频www国产| 久久香蕉精品热| 午夜亚洲福利在线播放| 国产高清三级在线| 午夜福利18| 久久性视频一级片| 国产探花极品一区二区| 长腿黑丝高跟| 成人亚洲精品av一区二区| 日韩中文字幕欧美一区二区| a级毛片免费高清观看在线播放| 久久精品国产亚洲av天美| 国产三级中文精品| 免费人成视频x8x8入口观看| 天堂av国产一区二区熟女人妻| 18禁黄网站禁片免费观看直播| 99在线视频只有这里精品首页| 亚洲国产精品合色在线| 一二三四社区在线视频社区8| 色av中文字幕| 我的老师免费观看完整版| 欧美一区二区亚洲| 成年免费大片在线观看| 搡老熟女国产l中国老女人| 他把我摸到了高潮在线观看| 欧美日韩乱码在线| 校园春色视频在线观看| 日韩人妻高清精品专区| 欧美在线一区亚洲| 赤兔流量卡办理| 国内揄拍国产精品人妻在线| 久久久国产成人免费| 欧美不卡视频在线免费观看| 国产一区二区激情短视频| 亚洲久久久久久中文字幕| 欧美日韩瑟瑟在线播放| 桃色一区二区三区在线观看| 午夜两性在线视频| 少妇裸体淫交视频免费看高清| 最近最新中文字幕大全电影3| 成人三级黄色视频| 最近在线观看免费完整版| 变态另类成人亚洲欧美熟女| 午夜亚洲福利在线播放| 又爽又黄a免费视频| 日韩中文字幕欧美一区二区| 精华霜和精华液先用哪个| 午夜福利欧美成人| 午夜a级毛片| 亚洲精品色激情综合| 国产欧美日韩一区二区三| 美女大奶头视频| www日本黄色视频网| 18禁裸乳无遮挡免费网站照片| 精品人妻一区二区三区麻豆 | 黄色视频,在线免费观看| 色av中文字幕| 亚洲自拍偷在线| 久久午夜亚洲精品久久| 99视频精品全部免费 在线| 免费搜索国产男女视频| 久久久久久久久久成人| 免费高清视频大片| 国产综合懂色| www日本黄色视频网| 欧美黄色淫秽网站| 波多野结衣高清无吗| 日韩亚洲欧美综合| .国产精品久久| 国产精品久久久久久人妻精品电影| 在线播放无遮挡| 久久久精品欧美日韩精品| 国产av麻豆久久久久久久| АⅤ资源中文在线天堂| 精品久久久久久久久久免费视频| 午夜a级毛片| 免费看日本二区| 亚洲成人精品中文字幕电影| 欧美xxxx性猛交bbbb| 国产精品一区二区性色av| 97热精品久久久久久| 757午夜福利合集在线观看| 久久久精品欧美日韩精品| 波多野结衣巨乳人妻| 琪琪午夜伦伦电影理论片6080| 免费一级毛片在线播放高清视频| 国产精品一区二区三区四区久久| 尤物成人国产欧美一区二区三区| 最新中文字幕久久久久| 亚洲精品456在线播放app | 一进一出抽搐gif免费好疼| 性色avwww在线观看| 亚洲色图av天堂| 少妇裸体淫交视频免费看高清| 亚洲一区二区三区不卡视频| 亚洲av日韩精品久久久久久密| 国产探花在线观看一区二区| 高清日韩中文字幕在线| 久久精品国产亚洲av天美| 五月伊人婷婷丁香| 亚洲男人的天堂狠狠| 色噜噜av男人的天堂激情| 久久精品国产99精品国产亚洲性色| 午夜福利高清视频| 美女 人体艺术 gogo| 国产乱人视频| 欧美乱妇无乱码| 日本黄色视频三级网站网址| 岛国在线免费视频观看| 久久人妻av系列| 日本免费一区二区三区高清不卡| 久久性视频一级片| 日本黄色视频三级网站网址| 亚洲最大成人手机在线| 搞女人的毛片| 99国产精品一区二区蜜桃av| 国产亚洲精品综合一区在线观看| 国产国拍精品亚洲av在线观看| 亚洲三级黄色毛片| 香蕉av资源在线| 久久人妻av系列| 国内揄拍国产精品人妻在线| 午夜福利成人在线免费观看| 久久久久久大精品| 精品人妻一区二区三区麻豆 | av在线观看视频网站免费| av女优亚洲男人天堂| 免费在线观看影片大全网站| 性插视频无遮挡在线免费观看| 赤兔流量卡办理| 我的女老师完整版在线观看| 国产欧美日韩一区二区精品| 亚洲中文字幕一区二区三区有码在线看| 日本 欧美在线| 亚洲av二区三区四区| 少妇裸体淫交视频免费看高清| 国产亚洲精品av在线| 免费高清视频大片| 美女被艹到高潮喷水动态| 国产欧美日韩一区二区三| 久久国产精品人妻蜜桃| 人人妻,人人澡人人爽秒播| 久久午夜亚洲精品久久| 欧美不卡视频在线免费观看| 一级毛片久久久久久久久女| 国产精品亚洲美女久久久| 午夜福利免费观看在线| 人人妻人人看人人澡| АⅤ资源中文在线天堂| 国产精品电影一区二区三区| 久久精品影院6| 亚洲欧美日韩高清在线视频| 久久久成人免费电影| 中文在线观看免费www的网站| 亚洲专区中文字幕在线| 国产人妻一区二区三区在| 亚洲av二区三区四区| 久久久久九九精品影院| av福利片在线观看| 国产亚洲精品久久久com| 在线a可以看的网站| 淫秽高清视频在线观看| 国产探花在线观看一区二区| 国产国拍精品亚洲av在线观看| 99久久成人亚洲精品观看| 日韩欧美三级三区| 又爽又黄无遮挡网站| 日韩欧美国产一区二区入口| 国产黄色小视频在线观看| 日韩国内少妇激情av| 观看美女的网站| 国产精品国产高清国产av| 国产精品自产拍在线观看55亚洲| 91麻豆av在线| 每晚都被弄得嗷嗷叫到高潮| 18禁黄网站禁片午夜丰满| 免费在线观看影片大全网站| 午夜激情福利司机影院| 国内少妇人妻偷人精品xxx网站| bbb黄色大片| 成人毛片a级毛片在线播放| 国产精品一及| 中文字幕免费在线视频6| 亚洲乱码一区二区免费版| 日本 欧美在线| 又黄又爽又免费观看的视频| 91久久精品国产一区二区成人| 又黄又爽又免费观看的视频| 中国美女看黄片|