• <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
    亚洲午夜精品一区,二区,三区| 亚洲国产日韩欧美精品在线观看 | 99国产精品99久久久久| 在线免费观看不下载黄p国产 | 日韩人妻高清精品专区| 美女高潮的动态| 一夜夜www| 亚洲自拍偷在线| 一个人看视频在线观看www免费 | 99国产极品粉嫩在线观看| 亚洲在线自拍视频| 国模一区二区三区四区视频 | 国产精品自产拍在线观看55亚洲| 亚洲国产高清在线一区二区三| 午夜成年电影在线免费观看| 观看美女的网站| 村上凉子中文字幕在线| 99久久成人亚洲精品观看| 99在线人妻在线中文字幕| 亚洲专区国产一区二区| 毛片女人毛片| 国产又色又爽无遮挡免费看| 亚洲第一电影网av| 欧美成人性av电影在线观看| 18禁观看日本| 中文字幕精品亚洲无线码一区| 亚洲av美国av| 国产精品亚洲美女久久久| 十八禁人妻一区二区| 每晚都被弄得嗷嗷叫到高潮| 婷婷丁香在线五月| 国产亚洲欧美在线一区二区| 天堂影院成人在线观看| 日本免费a在线| 国产成人av激情在线播放| 嫩草影院精品99| 国产爱豆传媒在线观看| 国产高清三级在线| 90打野战视频偷拍视频| 欧美激情久久久久久爽电影| 国产成人一区二区三区免费视频网站| 巨乳人妻的诱惑在线观看| 久久久精品大字幕| 一个人免费在线观看的高清视频| 国产精品一区二区精品视频观看| 久久热在线av| 免费观看的影片在线观看| 18美女黄网站色大片免费观看| 色哟哟哟哟哟哟| 男人的好看免费观看在线视频| 日韩 欧美 亚洲 中文字幕| 欧美日本视频| а√天堂www在线а√下载| 好男人电影高清在线观看| 亚洲在线自拍视频| 嫁个100分男人电影在线观看| 亚洲人与动物交配视频| 久久婷婷人人爽人人干人人爱| 成人高潮视频无遮挡免费网站| 老司机午夜十八禁免费视频| 嫩草影院精品99| 日本与韩国留学比较| 国产亚洲精品综合一区在线观看| 国产欧美日韩一区二区精品| 宅男免费午夜| 黑人巨大精品欧美一区二区mp4| 女人被狂操c到高潮| 成年女人永久免费观看视频| 午夜福利在线观看免费完整高清在 | 日本成人三级电影网站| 欧美乱妇无乱码| 亚洲激情在线av| 国产成+人综合+亚洲专区| 一本久久中文字幕| 欧美在线黄色| 成人国产综合亚洲| 中文字幕精品亚洲无线码一区| 日韩欧美一区二区三区在线观看| 少妇熟女aⅴ在线视频| 亚洲欧美日韩高清专用| 国产又色又爽无遮挡免费看| 日韩中文字幕欧美一区二区| 制服人妻中文乱码| 亚洲精华国产精华精| 久久中文看片网| 全区人妻精品视频| 久久久久久久久免费视频了| 欧美乱妇无乱码| 国产精品九九99| 亚洲乱码一区二区免费版| 搡老熟女国产l中国老女人| 很黄的视频免费| 久久中文字幕人妻熟女| 美女免费视频网站| 真人做人爱边吃奶动态| 成人无遮挡网站| 岛国视频午夜一区免费看| 神马国产精品三级电影在线观看| 国产精品乱码一区二三区的特点| 国产精品 欧美亚洲| 久久久色成人| 亚洲无线在线观看| 午夜福利在线在线| 欧美绝顶高潮抽搐喷水| 日韩欧美在线二视频| 精品一区二区三区视频在线 | 免费在线观看亚洲国产| 最近视频中文字幕2019在线8| 午夜福利在线在线| 香蕉久久夜色| 男人和女人高潮做爰伦理| 国产高清激情床上av| 91在线观看av| 97超级碰碰碰精品色视频在线观看| 欧美性猛交黑人性爽| 精品国产亚洲在线| 女人被狂操c到高潮| 人人妻,人人澡人人爽秒播| 婷婷丁香在线五月| 免费搜索国产男女视频| 久久精品影院6| 国产精品1区2区在线观看.| 亚洲精品456在线播放app | 2021天堂中文幕一二区在线观| 熟妇人妻久久中文字幕3abv| 91在线观看av| 日韩欧美在线乱码| netflix在线观看网站| 一级毛片高清免费大全| 看黄色毛片网站| www.精华液| 国产成人一区二区三区免费视频网站| 亚洲精品国产精品久久久不卡| 国产免费av片在线观看野外av| 国产精品久久久av美女十八| 两个人的视频大全免费| 一本综合久久免费| 国产激情偷乱视频一区二区| 无人区码免费观看不卡| 俄罗斯特黄特色一大片| 亚洲av免费在线观看| 婷婷精品国产亚洲av| 国产1区2区3区精品| 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| 亚洲狠狠婷婷综合久久图片| 丰满人妻熟妇乱又伦精品不卡| 亚洲精品一区av在线观看| 国产成人精品无人区| 黄色成人免费大全| 很黄的视频免费| 中文字幕最新亚洲高清| 亚洲中文av在线| 国产亚洲精品一区二区www| 一个人免费在线观看电影 | 最好的美女福利视频网| 色综合欧美亚洲国产小说| 成人三级黄色视频| e午夜精品久久久久久久| 日韩欧美精品v在线| 国产伦人伦偷精品视频| 精品福利观看| 啦啦啦免费观看视频1| 99精品欧美一区二区三区四区| 国产亚洲精品av在线| 久久人人精品亚洲av| 久久这里只有精品19| 国产精品综合久久久久久久免费| 成年女人毛片免费观看观看9| 99久久久亚洲精品蜜臀av| 无人区码免费观看不卡| 午夜福利欧美成人| 窝窝影院91人妻| 久久中文字幕一级| 又黄又粗又硬又大视频| 嫩草影院精品99| 国产av麻豆久久久久久久| 国产精品精品国产色婷婷| 国产精品野战在线观看| 午夜免费激情av| 亚洲av五月六月丁香网| 亚洲18禁久久av| 一级毛片精品| 亚洲国产欧洲综合997久久,| 国产伦一二天堂av在线观看| 欧美黑人巨大hd| 美女大奶头视频| 欧美丝袜亚洲另类 | 国产精品综合久久久久久久免费| 亚洲成人久久性| 老司机福利观看| 国产精品一及| 久久精品国产综合久久久| 此物有八面人人有两片| 国产欧美日韩精品一区二区| 男人的好看免费观看在线视频| 麻豆国产av国片精品| 欧美黄色淫秽网站| 九色国产91popny在线| 在线观看舔阴道视频| 免费看光身美女| 免费av不卡在线播放| 两个人的视频大全免费| 亚洲美女黄片视频| 久久这里只有精品中国| 天堂动漫精品| 成在线人永久免费视频| 别揉我奶头~嗯~啊~动态视频| 亚洲精品456在线播放app | 久9热在线精品视频| 无人区码免费观看不卡| www.精华液| 免费在线观看日本一区| 亚洲最大成人中文| 欧美日韩综合久久久久久 | 天堂影院成人在线观看| 国内精品久久久久精免费| 中文字幕高清在线视频| 国产aⅴ精品一区二区三区波| 久久午夜综合久久蜜桃| 精品久久久久久久久久免费视频| 久久久久久久久免费视频了| 亚洲成av人片在线播放无| 成人性生交大片免费视频hd| 久久久久九九精品影院| 国产亚洲欧美98| 欧美一级毛片孕妇| 91老司机精品| 久久精品国产综合久久久| 大型黄色视频在线免费观看| 久久久国产欧美日韩av| 国产精品香港三级国产av潘金莲| 午夜激情欧美在线| 久久久久久大精品| 91在线精品国自产拍蜜月 | 欧美性猛交黑人性爽| 最近最新中文字幕大全免费视频| 亚洲av第一区精品v没综合| 亚洲精品中文字幕一二三四区| 亚洲五月天丁香| 免费观看的影片在线观看| 中出人妻视频一区二区| 国产又黄又爽又无遮挡在线| 亚洲 欧美一区二区三区| 久久国产精品影院| 日本与韩国留学比较| 深夜精品福利| 啪啪无遮挡十八禁网站| 国产69精品久久久久777片 | 18禁国产床啪视频网站| 亚洲七黄色美女视频| 免费在线观看成人毛片| 午夜成年电影在线免费观看| 亚洲av中文字字幕乱码综合| www日本在线高清视频| 悠悠久久av| 老汉色av国产亚洲站长工具| 亚洲欧美日韩卡通动漫| 在线看三级毛片| 国产 一区 欧美 日韩| 韩国av一区二区三区四区| 亚洲精品一卡2卡三卡4卡5卡| 国产三级中文精品| 哪里可以看免费的av片| 十八禁人妻一区二区| 亚洲天堂国产精品一区在线| 久久香蕉精品热| 国产精品久久久av美女十八| 99re在线观看精品视频| 国产精品精品国产色婷婷| 国产美女午夜福利| 91老司机精品| 国内精品美女久久久久久| 一进一出好大好爽视频| 亚洲欧美日韩卡通动漫| 久久久色成人| 亚洲精品乱码久久久v下载方式 | 国产精品野战在线观看| 成人特级黄色片久久久久久久| av欧美777| 美女高潮喷水抽搐中文字幕| 免费大片18禁| 美女 人体艺术 gogo| 久久久久精品国产欧美久久久| 国产1区2区3区精品| 国产精品1区2区在线观看.| 97碰自拍视频| 亚洲,欧美精品.| 国产精品av久久久久免费| 国产精品久久视频播放| 精品午夜福利视频在线观看一区| 久久久久久久久中文| 国产高清视频在线播放一区| 国产高清视频在线观看网站| 日本精品一区二区三区蜜桃| 国产精品自产拍在线观看55亚洲| 在线观看免费午夜福利视频| 精品一区二区三区av网在线观看| 手机成人av网站| 村上凉子中文字幕在线| 亚洲国产欧美人成| 欧美日韩一级在线毛片| 一级毛片女人18水好多| 色哟哟哟哟哟哟| 九九热线精品视视频播放| 久久性视频一级片| 亚洲人成网站高清观看| 动漫黄色视频在线观看| 岛国视频午夜一区免费看| tocl精华| 日本一本二区三区精品| 在线观看免费视频日本深夜| 久久亚洲精品不卡| 亚洲精品久久国产高清桃花| 国产综合懂色| 熟女电影av网| 99精品欧美一区二区三区四区| 国产精华一区二区三区| 色av中文字幕| 久久久久免费精品人妻一区二区| 嫩草影视91久久| 51午夜福利影视在线观看| 精品日产1卡2卡| 手机成人av网站| 日本 av在线| www.www免费av| 亚洲在线自拍视频| 欧美三级亚洲精品| 99精品欧美一区二区三区四区| 1024手机看黄色片| 精品一区二区三区av网在线观看| 亚洲一区二区三区色噜噜| 最新中文字幕久久久久 | 99在线人妻在线中文字幕| 好男人在线观看高清免费视频| 成人一区二区视频在线观看| 999久久久精品免费观看国产| 哪里可以看免费的av片| 国产美女午夜福利| 日韩国内少妇激情av| www日本黄色视频网| 中国美女看黄片| 久久人妻av系列| 亚洲电影在线观看av| 丰满人妻一区二区三区视频av | 久久精品国产清高在天天线| 一边摸一边抽搐一进一小说| 男女那种视频在线观看| 久久久久久人人人人人| 亚洲av电影在线进入| 热99re8久久精品国产| 亚洲成av人片在线播放无| 好男人电影高清在线观看| 亚洲av日韩精品久久久久久密| av片东京热男人的天堂| 搞女人的毛片| 午夜福利欧美成人| 亚洲国产欧美一区二区综合| 伦理电影免费视频| 久久香蕉精品热| 女生性感内裤真人,穿戴方法视频| 美女cb高潮喷水在线观看 | 99re在线观看精品视频| 男女视频在线观看网站免费| 丰满人妻熟妇乱又伦精品不卡| 精品一区二区三区视频在线观看免费| 欧美午夜高清在线| 久9热在线精品视频| 99精品在免费线老司机午夜| 亚洲av成人不卡在线观看播放网| 综合色av麻豆| 精品午夜福利视频在线观看一区| 成人特级黄色片久久久久久久| 哪里可以看免费的av片| 99久久国产精品久久久| 国产成+人综合+亚洲专区| 亚洲国产精品999在线| 精品久久久久久久末码| 久久久久久久久免费视频了| 成人国产一区最新在线观看| av在线天堂中文字幕| 亚洲国产中文字幕在线视频| 中文亚洲av片在线观看爽| 变态另类丝袜制服| 婷婷丁香在线五月| 熟女电影av网| 精品国产乱码久久久久久男人| 亚洲第一电影网av| av天堂中文字幕网| 99热只有精品国产| 在线免费观看不下载黄p国产 | 精品国内亚洲2022精品成人| 国产精品久久久av美女十八| 丝袜人妻中文字幕| 久久久精品大字幕| 亚洲真实伦在线观看| 欧美成人一区二区免费高清观看 | 亚洲av免费在线观看| 女警被强在线播放| 亚洲国产精品合色在线| 美女黄网站色视频| 黄色片一级片一级黄色片| 成人国产综合亚洲| 免费高清视频大片| 99热6这里只有精品| 在线观看免费视频日本深夜| 九九热线精品视视频播放| svipshipincom国产片| 神马国产精品三级电影在线观看| 日韩av在线大香蕉| 夜夜躁狠狠躁天天躁| 亚洲乱码一区二区免费版| a级毛片在线看网站| 国产1区2区3区精品| 热99在线观看视频| 一级作爱视频免费观看| 欧美乱色亚洲激情| 亚洲激情在线av| 国内精品久久久久久久电影| 国内精品一区二区在线观看| 美女高潮喷水抽搐中文字幕| 亚洲第一欧美日韩一区二区三区| 亚洲精品在线美女| 中文字幕熟女人妻在线| 两个人看的免费小视频| 无遮挡黄片免费观看| av女优亚洲男人天堂 | 国产精品女同一区二区软件 | 国产亚洲精品一区二区www| 他把我摸到了高潮在线观看| 1024手机看黄色片| 超碰成人久久| www.999成人在线观看| 婷婷丁香在线五月| 麻豆久久精品国产亚洲av| 午夜亚洲福利在线播放| 亚洲欧洲精品一区二区精品久久久| 精品电影一区二区在线| 51午夜福利影视在线观看| 高潮久久久久久久久久久不卡| 午夜福利18| 久久九九热精品免费| 国产伦在线观看视频一区| 美女黄网站色视频| 日本黄色片子视频| 精品国产亚洲在线| 亚洲欧美一区二区三区黑人| 精品国产乱子伦一区二区三区| 美女免费视频网站| 男插女下体视频免费在线播放| 91在线观看av| 久久精品国产清高在天天线| 免费在线观看成人毛片| av福利片在线观看| 午夜福利免费观看在线| 欧美国产日韩亚洲一区| 久久久久国产精品人妻aⅴ院| 99久久精品一区二区三区| 久久天堂一区二区三区四区| 成年女人毛片免费观看观看9| 国产爱豆传媒在线观看| 亚洲欧美一区二区三区黑人| netflix在线观看网站| 国产欧美日韩一区二区三| 久久精品国产99精品国产亚洲性色| 12—13女人毛片做爰片一| 性色avwww在线观看| 欧美精品啪啪一区二区三区| 国产精品爽爽va在线观看网站| 国产探花在线观看一区二区| 免费av毛片视频| 成人三级做爰电影| 91av网一区二区| 婷婷丁香在线五月| 日本 av在线| av黄色大香蕉| 香蕉av资源在线| 中文在线观看免费www的网站| 在线免费观看的www视频| 久久久久久久久免费视频了| 免费电影在线观看免费观看| 亚洲第一电影网av| 香蕉av资源在线| 黄色丝袜av网址大全| 亚洲激情在线av| 国产aⅴ精品一区二区三区波| 黄片小视频在线播放| 啦啦啦观看免费观看视频高清| 九色成人免费人妻av| 国产人伦9x9x在线观看| 久久婷婷人人爽人人干人人爱| 特大巨黑吊av在线直播| 亚洲av成人不卡在线观看播放网| 禁无遮挡网站| 夜夜看夜夜爽夜夜摸| 给我免费播放毛片高清在线观看| 成人高潮视频无遮挡免费网站| 美女黄网站色视频| www.熟女人妻精品国产| 久久精品夜夜夜夜夜久久蜜豆| 蜜桃久久精品国产亚洲av| 国产真人三级小视频在线观看| 亚洲欧美激情综合另类| 亚洲精品一区av在线观看| 99久久精品国产亚洲精品| 好男人电影高清在线观看| 国产真实乱freesex| 波多野结衣高清无吗| xxxwww97欧美| 国产男靠女视频免费网站| 国产日本99.免费观看| 欧美日本亚洲视频在线播放| 欧美丝袜亚洲另类 | 欧美激情久久久久久爽电影| 亚洲av电影在线进入| 丁香六月欧美| 哪里可以看免费的av片| 国产高清videossex| 丰满的人妻完整版| 欧美3d第一页| 久久精品人妻少妇| 一本久久中文字幕| 国产精品久久久久久久电影 | 日本免费a在线| 亚洲av中文字字幕乱码综合| 国产91精品成人一区二区三区| 性欧美人与动物交配| 我的老师免费观看完整版| 嫁个100分男人电影在线观看| 亚洲电影在线观看av| 中亚洲国语对白在线视频| 久久久久国产精品人妻aⅴ院| 精品免费久久久久久久清纯| 黑人操中国人逼视频| 九九热线精品视视频播放| 中文字幕久久专区| 日本精品一区二区三区蜜桃| 级片在线观看| 国产精品av视频在线免费观看| e午夜精品久久久久久久| 日韩精品青青久久久久久| 给我免费播放毛片高清在线观看| 亚洲人成网站在线播放欧美日韩| 国产精品久久久久久人妻精品电影| 亚洲专区字幕在线| 色综合站精品国产| 亚洲在线自拍视频| 国产精品免费一区二区三区在线| 亚洲男人的天堂狠狠| 午夜福利18| 老司机午夜十八禁免费视频| 欧美又色又爽又黄视频| 欧美日韩福利视频一区二区| 亚洲美女黄片视频| 亚洲精品456在线播放app | 巨乳人妻的诱惑在线观看| av片东京热男人的天堂| 欧美+亚洲+日韩+国产| 色精品久久人妻99蜜桃| 在线十欧美十亚洲十日本专区| 日韩欧美免费精品| 国产精品一区二区免费欧美| 久久天堂一区二区三区四区| 国产av一区在线观看免费| 午夜福利18| 国产亚洲欧美98| 亚洲精品在线观看二区| 三级毛片av免费| 一进一出抽搐gif免费好疼| 最近在线观看免费完整版| 国产午夜福利久久久久久| 国产精品久久视频播放| 婷婷亚洲欧美| 日韩av在线大香蕉| 99国产精品一区二区三区| 午夜亚洲福利在线播放| 免费看光身美女| 国产成人精品久久二区二区91| 日韩国内少妇激情av| 国产伦人伦偷精品视频| 国内精品一区二区在线观看| 一个人观看的视频www高清免费观看 | 母亲3免费完整高清在线观看| 手机成人av网站| 黄片大片在线免费观看| 亚洲精品在线美女| 国产亚洲精品久久久com| 国产视频一区二区在线看| 欧美黑人巨大hd| 亚洲午夜精品一区,二区,三区| 啪啪无遮挡十八禁网站| 国产毛片a区久久久久| 日日干狠狠操夜夜爽| 亚洲va日本ⅴa欧美va伊人久久| av视频在线观看入口| 亚洲欧美日韩东京热| 国产伦人伦偷精品视频| 少妇熟女aⅴ在线视频| 欧美在线一区亚洲| 婷婷精品国产亚洲av| 这个男人来自地球电影免费观看| 女同久久另类99精品国产91| 一本久久中文字幕| 久久精品91蜜桃| 精品熟女少妇八av免费久了| 日本黄大片高清| 18禁黄网站禁片午夜丰满| 此物有八面人人有两片| 99久久精品国产亚洲精品| 国产成人系列免费观看| 婷婷丁香在线五月| 国产精品久久久人人做人人爽| 啦啦啦观看免费观看视频高清| 久久久久久国产a免费观看| 国产熟女xx|