• <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 ?

    領(lǐng)域特定情感詞典擴(kuò)展方法在情感分類中的應(yīng)用

    2022-07-12 14:03:44顏明陽(yáng)閆國(guó)梁李明蘭
    關(guān)鍵詞:集上詞典特征提取

    顏明陽(yáng) 閆國(guó)梁 李明蘭

    1(濟(jì)寧學(xué)院初等教育學(xué)院 山東 曲阜 273100) 2(中訊郵電咨詢?cè)O(shè)計(jì)院有限公司 北京 100000) 3(青島大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院 山東 青島 266071)

    Relevant features

    0 引 言

    情感是一個(gè)會(huì)影響人的推理、決策制定和交互的重要因素,雖然情感具有主觀性,但會(huì)以可推斷的客觀方式出現(xiàn)在文本中。情感分析[1]涉及到自然語言表達(dá)的計(jì)算研究,以識(shí)別語言表達(dá)與不同情感(如憤怒、恐懼、悲傷和驚訝等)之間的關(guān)聯(lián)[2]。

    情緒分析廣泛應(yīng)用于量化和分類用戶在文本中所表達(dá)的意見傾向[3]。如Vytal等[4]在心理學(xué)文章中提出了情感理論,同時(shí)還提出了兩種情感建模方法,及一些情感分類的特征表示。龔安等[5]提出一種針對(duì)評(píng)論文本的多特征融合的情感分類算法。該方法能讓機(jī)器學(xué)習(xí)算法更加充分地利用規(guī)則特征,獲得更好的分類性能、進(jìn)一步提高分類精度。Dash等[6]設(shè)計(jì)了例如n-gram位置特征和詞性(Part of Speech, POS)標(biāo)注特征,以擴(kuò)充用于微博情感分類的通用n-gram。對(duì)于微博的情感分類,Milani等[7]證明與基于GPEL的特征相比,基于DSED的特征利用逐點(diǎn)互信息(Point-by-point Mutual Information, PMI)能夠在n-grams上提供顯著收益,但是使用DSED的特征提取的研究被局限在二元分類計(jì)數(shù)的范圍內(nèi)。李向前等[8]對(duì)商品評(píng)論進(jìn)行情感分析,得到某件商品各個(gè)方面的優(yōu)劣情況,從而提出利用三層CRF模型進(jìn)行情感極性分類及強(qiáng)度分析,融合了詞、詞性、語氣詞、程度詞和評(píng)價(jià)詞的共現(xiàn)等特征。此外,監(jiān)督式LDA[9](sLDA)能提供更準(zhǔn)確的分類建模和詞典生成方式,該方法可以將情感分類作為主題進(jìn)行建模。

    現(xiàn)有的通用情感詞典(General Purpose Emotion Lexicons, GPEL)通過人工操作將Ekman和Plutchik提出的情感類別與詞語關(guān)聯(lián)在一起,但是GPEL對(duì)傳達(dá)情感的詞語所在的上下文背景的建模較差。近期的情感分析研究關(guān)注于在特定領(lǐng)域上學(xué)習(xí)的詞典[10],以及利用此類詞典進(jìn)行特征提取。然而,情感特征提取[11]局限為使用詞典對(duì)文檔中的情感詞進(jìn)行簡(jiǎn)單計(jì)數(shù),這個(gè)方法很簡(jiǎn)單,但未能全面利用詞典知識(shí)。

    本文擴(kuò)展了領(lǐng)域特定情感詞典(Domain Specific Emotion Dictionary, DSED)的生成方法,以進(jìn)行特征提取。所提方法在特征提取中使用了DSED提供的知識(shí),而非簡(jiǎn)單的詞語計(jì)數(shù)。提出的特征提取方法利用DSED捕捉到情感豐富的知識(shí),使用機(jī)器學(xué)習(xí)提取特征將文本分入不同的情感類別。在基準(zhǔn)情感分類數(shù)據(jù)集上,對(duì)本文方法提取出的情感特征的有效性進(jìn)行了比較分析和評(píng)價(jià)。

    1 本文基于詞典的特征提取

    本文用于情感分類的特征提取過程如圖1所示。可以看出,所提方法利用在訓(xùn)練文檔上學(xué)習(xí)到的DSED知識(shí),提取出基于詞典的特征。詞性標(biāo)注、情緒詞典和GPEL作為提取情感分類相關(guān)特征的外部資源。

    圖1 特征提取和情感分類器學(xué)習(xí)

    1.1 情感詞典知識(shí)

    一個(gè)GPEL可表示為L(zhǎng)ex(w,j),是每個(gè)情感類別的一個(gè)詞語列表:

    (1)

    式中:List(ej)表示與GPEL中第j個(gè)情感相對(duì)應(yīng)的詞語列表。與GPEL不同,DSED將詞匯表V中的詞語與一組預(yù)定義的情緒E間的關(guān)聯(lián)進(jìn)行量化。對(duì)于任何一個(gè)給定的詞w,通過詞典計(jì)算出該詞語所表達(dá)的主導(dǎo)情感e:

    (2)

    本文使用生成的一元混合模型(UMM)對(duì)詞語的情感性和中立性進(jìn)行聯(lián)合建模,從情感標(biāo)簽文件的語料庫(kù)中習(xí)得DSED。對(duì)包含情感的詞語和情感中立(背景)詞語混合在一起的真實(shí)情感數(shù)據(jù)進(jìn)行建模。所提生成模型通過式(3)的形式,來描述隱含著情感et的文檔生成:

    (Zw)(1-λet)P(w|N)]c(w,di)

    (3)

    式中:θet為情感語言模型;N為背景語言模型;λet為混合參數(shù);Zw為二元隱藏變量,表示生成詞語w的語言模型(θet或N);c(w,di)表示詞w在文件di中的出現(xiàn)次數(shù)。

    使用期望最大化(Expectation Maximization, EM)完成對(duì)參數(shù)θet和Z的估計(jì),EM通過在E-步驟和M-步驟之間交替迭代地對(duì)整個(gè)數(shù)據(jù)(Det,Z)進(jìn)行最大化。E-步驟和M-步驟分別如下:

    E-步驟:

    (4)

    M-步驟:

    (5)

    式中:n表示EM迭代次數(shù)。EM用于估計(jì)與E中的情緒對(duì)應(yīng)的k個(gè)混合模型參數(shù)。通過使用k個(gè)情感語言模型和背景模型N,習(xí)得情感詞典UMMlex:

    (6)

    (7)

    式中:k為語料庫(kù)中的情感數(shù)量;UMMlex是一個(gè)|V|×(k+1)矩陣。所提UMM詞典的一個(gè)樣例如表1所示??梢钥吹剑菢?biāo)準(zhǔn)的創(chuàng)造性表達(dá)在社交媒體上被廣泛用于傳達(dá)情感。此類表達(dá)常會(huì)加強(qiáng)文本的情感性。對(duì)這樣的表達(dá)進(jìn)行建模,對(duì)于社交媒體情感分析來說至關(guān)重要。因此,在文本預(yù)處理階段,情感符號(hào)(如“:)”)和序連表示(如“好的?。 ?被標(biāo)記為單個(gè)詞語,以捕捉其與不同情感之間的關(guān)聯(lián)。

    表1 UMM詞語-情感詞典的樣例

    1.2 情感詞典特征

    本文所有基于詞典的特征向量長(zhǎng)度均為|E|,|E|表示一個(gè)數(shù)據(jù)集中情感類別的數(shù)量。本文考慮以下文檔表示的特征:

    (1) 情緒總計(jì)數(shù)[7](TEC):該特征捕捉一個(gè)文檔中與某種情緒相關(guān)聯(lián)的詞語數(shù)量。給定一個(gè)文檔d,其對(duì)應(yīng)的特征向量表示為dTEC,則第j個(gè)情感的特征值計(jì)算如下:

    (8)

    式中:I(·)是一個(gè)指標(biāo)函數(shù),當(dāng)論證為真時(shí),值為1,為假時(shí),值為0;count(w,d)表示文檔d中詞語w的出現(xiàn)次數(shù)。TEC表示對(duì)詞典指示出的一個(gè)詞流行情感語境進(jìn)行捕捉。然而,并不是所有詞都只關(guān)聯(lián)到單個(gè)情感。因此,有必要開發(fā)出能夠體現(xiàn)一個(gè)詞語與多個(gè)情感間關(guān)系的特征。

    (2) 情緒總強(qiáng)度(TEI):文檔中詞語的情感強(qiáng)度得分之和,本文使用DSED給出的詞語級(jí)情感強(qiáng)度得分,以捕捉沿著多個(gè)情感概念的文檔情感走向。假設(shè)dTEI是與文檔d相對(duì)應(yīng)的特征向量,第j個(gè)情感的特征值計(jì)算為:

    (9)

    (3) 最大情感強(qiáng)度(MEI):情緒分析研究表明,情緒色彩較強(qiáng)的術(shù)語可以明顯表明文檔的情緒分類。因此,本文考慮了給定文檔中情感色彩強(qiáng)烈的強(qiáng)度得分。具體如下:給定一個(gè)文檔d,及其相應(yīng)的特征向量dMEI,則第j個(gè)情感的特征強(qiáng)度值計(jì)算為:

    (10)

    (4) 分級(jí)情感計(jì)數(shù)[12](GEC):本文通過開發(fā)TEC和TEI的變體,對(duì)利用高強(qiáng)度情感詞語提取文檔表示特征的理念進(jìn)行了擴(kuò)展。由于本文的DSED對(duì)每個(gè)詞語和情緒集合間的關(guān)聯(lián)以概率分布的形式進(jìn)行了量化,因此強(qiáng)度得分將始終處于區(qū)間[0,1]中。本文將該區(qū)間分為4個(gè)分區(qū)間,分別為[0,0.25)、[0.25,0.5)、[0.5,0.75)和[0.75,1]。使用上述三個(gè)閾值從DSED中提取出GEC特征。給定一個(gè)文檔d,及其相應(yīng)的特征向量dTEC,則第j個(gè)情緒的特征值計(jì)算為:

    (11)

    (5) 分級(jí)情感強(qiáng)度(GEI):本文開發(fā)了TEI的變體即GEI,是一個(gè)文檔中超過了閾值δ的詞語強(qiáng)度得分之和。給定一個(gè)文檔d,及其相應(yīng)的特征向量dGEI,第j個(gè)情感的特征值計(jì)算為:

    (12)

    2 基準(zhǔn)情感特征

    在提升情感分類性能時(shí)本文考慮以下特征:

    1) n-grams(n=1):在不同的分類任務(wù),包括情緒分類中使用最標(biāo)準(zhǔn)的語料庫(kù)級(jí)特征[13]。本文使用二元加權(quán)(存在/不存在)以構(gòu)建特征向量,其有效性已經(jīng)在文獻(xiàn)[13]中得到了驗(yàn)證。

    2) 詞性(POS)特征:利用該特征對(duì)動(dòng)詞、副詞、名詞和形容詞在文檔中的出現(xiàn)進(jìn)行建模,使用標(biāo)準(zhǔn)POS標(biāo)注器完成非社交媒體數(shù)據(jù)集上的詞性標(biāo)注,同時(shí)使用微博NPL工具進(jìn)行社交媒體數(shù)據(jù)集的詞性標(biāo)注。

    3) 上下文特征(CF):雖然標(biāo)準(zhǔn)詞語能夠傳達(dá)作者的情感傾向,但額外的表達(dá),例如標(biāo)點(diǎn)符號(hào)和情感符號(hào)在社交媒體上經(jīng)常被用于表達(dá)情感[14]。此外,包含情緒的詞語可以表示文本中的情感,并將文本的情感走向從正面情感(例如快樂)轉(zhuǎn)變?yōu)樨?fù)面情感(例如悲傷),反之亦然。因此上下文特征也是一個(gè)非常重要的特征,具體涵蓋以下要素:

    (1) 大寫單詞:該特征對(duì)文檔中所有帶大寫字符的詞語進(jìn)行計(jì)數(shù)。

    (2) 拉長(zhǎng)詞:該特征對(duì)帶有兩次、三次或四次重復(fù)字符的詞語進(jìn)行計(jì)數(shù)。例如單詞“haaappy”。

    (3) 標(biāo)點(diǎn):社交媒體上使用感嘆號(hào)或問號(hào)會(huì)增強(qiáng)情感。本文加入了對(duì)文檔中問號(hào)和感嘆號(hào)的出現(xiàn)進(jìn)行建模的兩個(gè)特征。

    (4) 情感符號(hào):情感符號(hào)是捕捉到的面部表情的圖像形式,且在社交媒體上常被用于情感傳達(dá)。為此,本文設(shè)計(jì)了一個(gè)二元特征,對(duì)文檔中情感符號(hào)的存在/不存在進(jìn)行建模。

    (5) 否定詞:雖然在情感分類中否定詞的作用尚未得到大量研究,但因?yàn)槠湓谇榫w分類中有一定作用,本文納入了一個(gè)特征,對(duì)文檔中否定詞的出現(xiàn)進(jìn)行建模。

    3 實(shí)驗(yàn)與結(jié)果分析

    3.1 數(shù)據(jù)集

    所提方法利用在訓(xùn)練文檔上學(xué)習(xí)到的DSED知識(shí),提取出基于詞典的特征。詞性標(biāo)注、情緒詞典和GPEL作為提取情感分類相關(guān)特征的外部資源。實(shí)驗(yàn)中的“領(lǐng)域特定”指的是新聞標(biāo)題、微博、博客3個(gè)方向領(lǐng)域。

    3.1.1新聞標(biāo)題數(shù)據(jù)集(SemEval-2007)

    該數(shù)據(jù)集中包含1 250條具有情感類別的新聞標(biāo)題,用于評(píng)價(jià)情感和詞匯語義間的聯(lián)系。每個(gè)標(biāo)題均給出了Ekman基本情感的情感評(píng)分,得分區(qū)間是[-100,100]。將每個(gè)標(biāo)題得分最高的情感作為類標(biāo)簽,以此對(duì)該數(shù)據(jù)集進(jìn)行情感分類。訓(xùn)練集和測(cè)試集中不同情感類別的分布如表2所示。該數(shù)據(jù)集相對(duì)較小,類別分布較為不平衡。該數(shù)據(jù)集可適用于多種情感分類方法的研究,且數(shù)據(jù)集易于擴(kuò)展,貼近實(shí)時(shí)消息。

    表2 新聞標(biāo)題的情感數(shù)據(jù)集

    3.1.2微博數(shù)據(jù)集

    本文使用文獻(xiàn)[15]所提的微博識(shí)別方法,從微博搜索API中采集了280 000條情感性微博作為微博數(shù)據(jù)集。本文使用該數(shù)據(jù)集進(jìn)行情感分類時(shí),進(jìn)行10次交叉驗(yàn)證。表3給出了不同情感類別在10次驗(yàn)證后的平均分布情況??梢钥闯?,該數(shù)據(jù)集相對(duì)較大,情感分布并不均衡。例如,與恐懼、驚訝相比,快樂、悲傷等情感的占比更多。不同文檔表征在這個(gè)分類不均衡的數(shù)據(jù)集上的性能表現(xiàn)是很有研究?jī)r(jià)值的。

    表3 微博情感數(shù)據(jù)集

    3.1.3博客數(shù)據(jù)集

    博客數(shù)據(jù)集中包含3個(gè)注釋者以Ekman基本情感[16]進(jìn)行注釋后的5 500個(gè)博客語句。注釋者之間平均共識(shí)率約為0.76。表4給出了5次驗(yàn)證后不同情感類別的平均分布??梢钥闯?,“快樂”情感在該數(shù)據(jù)集中占比極高,數(shù)據(jù)集規(guī)模較小。因此對(duì)于占比較小的情感例如恐懼和驚訝等的建模是有挑戰(zhàn)性的。該數(shù)據(jù)集可用于研究占比較小的情感建模。

    表4 博客情感數(shù)據(jù)集

    3.2 文檔表征和分類器設(shè)置

    在比較研究中,本文使用了以下文檔表征:

    (1) 基準(zhǔn)情感特征;

    (2) 使用基準(zhǔn)GPEL提取出的TEC特征;

    (3) 使用PMI[7]、CRF[8]和sLDA[9]生成的基準(zhǔn)DSED中提取出的TEC、TEI、MEI、GEI和GEC特征;

    (4) 使用本文所提的DSED提取出的TEC、TEI、GEI和GEC特征;

    (5) 通過結(jié)合性能最優(yōu)的基線特征和基于詞典的特征得到混合特征。

    本文在所有情感分類實(shí)驗(yàn)中均使用了一個(gè)多類別SVM分類器,采用的是線性SVM。不同于RBF核的SVM,線性SVM機(jī)只需要調(diào)節(jié)正則化參數(shù)C,起始范圍設(shè)為[0.1,10],根據(jù)模型表現(xiàn),細(xì)化搜索區(qū)間。對(duì)于本文,正則化參數(shù)C的值設(shè)為3.6較為合適。

    3.3 結(jié)果分析

    在所有情感分類任務(wù)中,使用F1-得分度量和準(zhǔn)確率進(jìn)行性能評(píng)價(jià)。

    3.3.1基線特征的性能

    本文從n-grams開始并遞增式地加入特征組(例如POS)完成基線特征的情感分類實(shí)驗(yàn)。基線特征在4個(gè)基準(zhǔn)數(shù)據(jù)集上得到的結(jié)果如表5和表6所示??梢钥闯觯琻-grams與詞性(POS)特征的結(jié)合未能顯著提升分類性能;POS特征的低效性表明,情感以更隱性的方式表達(dá)。

    表5 基線特征在不同數(shù)據(jù)集上的F1得分(%)

    表6 基線特征在不同數(shù)據(jù)集上的準(zhǔn)確率(%)

    n-grams與上下文特征結(jié)合時(shí),性能優(yōu)于n-grams與POS特征的結(jié)合。但這一結(jié)合的分類性能并非始終優(yōu)于只使用n-grams的情感分類性能。這表明,否定詞等實(shí)體的簡(jiǎn)單計(jì)數(shù)不能直接擴(kuò)展到情感分類任務(wù)中,這也證明了語料庫(kù)特征的局限性。

    3.3.2基于詞典的特征性能

    圖2-圖4分別給出了使用基于詞典的特征在SemEval-07、微博和博客數(shù)據(jù)集上的情感分類結(jié)果??梢钥闯?,從DSED提取出的特征顯著優(yōu)于使用GPEL提取出的特征。TEI和MEI特征始終優(yōu)于GEI和GEC特征。該結(jié)果符合預(yù)期,因?yàn)镚EI和GEC特征僅利用來自DSED的高強(qiáng)度情感詞語,導(dǎo)致覆蓋率下降。在使用GEI、GEC特征的所有數(shù)據(jù)集上,當(dāng)閾值從δ1至δ2再至δ3增加時(shí),得到性能退化的總體趨勢(shì)。使用sLDA[9]和CRF[8]的生成性模型不能有效對(duì)真實(shí)世界情感數(shù)據(jù)的特點(diǎn)進(jìn)行建模,影響了提取出的特征質(zhì)量。雖然在基線方法中PMI[7]性能最優(yōu),但所提的DSED能夠有效捕捉詞語和多個(gè)情感之間的關(guān)聯(lián),提升文本的特征提取的質(zhì)量,且能夠在情感詞語和中立詞語之間進(jìn)行區(qū)分,提升使用詞典知識(shí)提取特征的質(zhì)量。

    圖2 在SemEval-07數(shù)據(jù)集上的總體性能

    圖3 在微博數(shù)據(jù)集上的總體性能

    圖4 在博客數(shù)據(jù)集上的總體性能

    3.3.3混合特征性能

    混合特征向量是通過結(jié)合K維基線特征向量和E維基于詞典的特征向量得到的K+E維特征向量。本文對(duì)基線特征和基于詞典的特征相結(jié)合的混合特征進(jìn)行實(shí)驗(yàn)。以博客數(shù)據(jù)集為例,表7和表8分別給出了使用混合特征情感分類結(jié)果的F1得分和準(zhǔn)確率。可以看出,本文所提的UMM詞典推導(dǎo)出的特征,在結(jié)合n-grams后,總體上性能優(yōu)于僅使用n-grams特征,以及其他的混合特征。此外,博客數(shù)據(jù)集上驚訝和悲傷情感的分類性能顯著優(yōu)于僅使用n-gram特征,總體F1得分和準(zhǔn)確率也較高。這說明了高質(zhì)量詞典能夠?yàn)闄C(jī)器學(xué)習(xí)分類器提供有效知識(shí),從而近距離捕捉該領(lǐng)域的情感上下文。

    表7 混合式特征情感分類的F1得分(%)

    表8 混合式特征情感分類的準(zhǔn)確率(%)

    4 結(jié) 語

    本文使用領(lǐng)域特定詞典和通用情感詞典對(duì)情感特征提取問題進(jìn)行了研究。所提方法在特征提取中使用了DSED提供的知識(shí),而非簡(jiǎn)單的詞語計(jì)數(shù)。應(yīng)用了一元語法混合模型,量化情感性詞語和中立性詞語,提取情感特征。實(shí)驗(yàn)結(jié)果表明所提DSED知識(shí)提取出的特征顯著優(yōu)于從GPEL提取出的特征。此外,所提的特征與現(xiàn)有特征的混合性能顯著優(yōu)于n-gram特征,以及n-gram與基于詞性信息等相結(jié)合的混合特征。

    高質(zhì)量詞典能夠?yàn)闄C(jī)器學(xué)習(xí)的分類器提供有效知識(shí),從而更好地捕捉情感上下文。因此,未來本文將進(jìn)一步研究DSED的優(yōu)化形式。另外,本文還將利用所提DSED知識(shí),開發(fā)用于分析社交論壇(如校園BBS、豆瓣等)中用戶的情感簽名的分類系統(tǒng),預(yù)測(cè)用戶潛在情感。

    猜你喜歡
    集上詞典特征提取
    Cookie-Cutter集上的Gibbs測(cè)度
    鏈完備偏序集上廣義向量均衡問題解映射的保序性
    米沃什詞典
    文苑(2019年24期)2020-01-06 12:06:50
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    評(píng)《現(xiàn)代漢語詞典》(第6版)
    復(fù)扇形指標(biāo)集上的分布混沌
    詞典例證翻譯標(biāo)準(zhǔn)探索
    Bagging RCSP腦電特征提取算法
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    幾道導(dǎo)數(shù)題引發(fā)的解題思考
    欧美激情在线99| 别揉我奶头 嗯啊视频| 精品久久久久久久久av| 男人舔奶头视频| 国产成人a区在线观看| 国产在视频线精品| 一级片'在线观看视频| 成年女人看的毛片在线观看| 男女那种视频在线观看| 大片免费播放器 马上看| 七月丁香在线播放| 国产高清不卡午夜福利| 精品久久久久久久久久久久久| 久久久色成人| 亚洲欧洲日产国产| 1000部很黄的大片| 亚洲人成网站在线观看播放| 亚洲av不卡在线观看| av在线播放精品| 日韩精品有码人妻一区| 在线天堂最新版资源| av专区在线播放| 青春草国产在线视频| 国产精品女同一区二区软件| 亚洲国产精品专区欧美| 欧美日韩综合久久久久久| 亚洲在线自拍视频| 亚洲欧美一区二区三区国产| 美女内射精品一级片tv| 我的女老师完整版在线观看| 人妻夜夜爽99麻豆av| 亚洲在线观看片| 又爽又黄无遮挡网站| 最近中文字幕高清免费大全6| 国产精品一及| 午夜日本视频在线| 国产午夜精品论理片| 男人狂女人下面高潮的视频| 国模一区二区三区四区视频| 国产精品爽爽va在线观看网站| 少妇丰满av| 91久久精品电影网| 国产伦理片在线播放av一区| 女人被狂操c到高潮| av国产久精品久网站免费入址| 91久久精品国产一区二区三区| 久久久久久久久久黄片| 亚洲精品亚洲一区二区| 波野结衣二区三区在线| 老女人水多毛片| 亚洲欧美中文字幕日韩二区| 日本免费a在线| 亚州av有码| 看非洲黑人一级黄片| 男女边摸边吃奶| 国产免费福利视频在线观看| 亚洲av二区三区四区| 国产探花在线观看一区二区| 极品教师在线视频| 国模一区二区三区四区视频| 噜噜噜噜噜久久久久久91| 亚洲美女视频黄频| 免费高清在线观看视频在线观看| 午夜福利在线观看免费完整高清在| 久久久久久久久久成人| 大又大粗又爽又黄少妇毛片口| 极品教师在线视频| 国产成人aa在线观看| 亚洲aⅴ乱码一区二区在线播放| xxx大片免费视频| 亚洲综合色惰| 国内揄拍国产精品人妻在线| 国产黄色免费在线视频| 亚洲国产高清在线一区二区三| 欧美高清成人免费视频www| 亚洲精品国产av蜜桃| 午夜激情福利司机影院| 毛片女人毛片| 亚洲婷婷狠狠爱综合网| 久久精品久久精品一区二区三区| av一本久久久久| 国产精品久久久久久精品电影| 91久久精品电影网| .国产精品久久| 中国美白少妇内射xxxbb| 精品国内亚洲2022精品成人| 日韩欧美国产在线观看| 狠狠精品人妻久久久久久综合| 天堂俺去俺来也www色官网 | 国产成人91sexporn| 白带黄色成豆腐渣| 高清在线视频一区二区三区| 国产单亲对白刺激| 久久久久精品性色| 97热精品久久久久久| 超碰av人人做人人爽久久| 麻豆国产97在线/欧美| av又黄又爽大尺度在线免费看| 草草在线视频免费看| 美女主播在线视频| 亚洲精品成人久久久久久| 两个人的视频大全免费| 国产精品.久久久| 免费看不卡的av| 中文字幕久久专区| 国产乱人偷精品视频| 久久久久久久久久久丰满| 直男gayav资源| 国产在线一区二区三区精| 精品人妻熟女av久视频| 一本久久精品| 超碰av人人做人人爽久久| 色哟哟·www| 日日撸夜夜添| 色综合亚洲欧美另类图片| 亚洲av成人精品一二三区| 国产三级在线视频| 国产av在哪里看| 国产女主播在线喷水免费视频网站 | 国产日韩欧美在线精品| 久久久a久久爽久久v久久| 高清在线视频一区二区三区| 久久久久久久国产电影| 欧美极品一区二区三区四区| 亚洲精品第二区| 日韩欧美精品免费久久| 久久韩国三级中文字幕| 99九九线精品视频在线观看视频| 午夜福利在线观看吧| 在线观看美女被高潮喷水网站| 美女xxoo啪啪120秒动态图| 中国国产av一级| 一级二级三级毛片免费看| 搡老乐熟女国产| 狂野欧美激情性xxxx在线观看| 久久久久久国产a免费观看| 日韩欧美三级三区| 在线观看一区二区三区| 少妇丰满av| 国产精品久久久久久精品电影| 丰满人妻一区二区三区视频av| 热99在线观看视频| 777米奇影视久久| 国产成人精品婷婷| 久久久久久国产a免费观看| 少妇的逼好多水| 亚洲最大成人av| 午夜亚洲福利在线播放| 在线观看免费高清a一片| 国精品久久久久久国模美| 国产亚洲精品久久久com| 亚洲国产色片| 免费黄色在线免费观看| 亚洲成人一二三区av| av线在线观看网站| 精品亚洲乱码少妇综合久久| 一级av片app| 少妇人妻精品综合一区二区| 欧美xxxx性猛交bbbb| 少妇人妻精品综合一区二区| 久久草成人影院| 国产精品久久久久久久久免| 成年免费大片在线观看| 亚洲一区高清亚洲精品| 久久精品夜色国产| 午夜爱爱视频在线播放| 在线免费十八禁| 在线 av 中文字幕| 简卡轻食公司| 51国产日韩欧美| 久久久久性生活片| 99久国产av精品| 蜜桃久久精品国产亚洲av| 久久久a久久爽久久v久久| 波多野结衣巨乳人妻| 伦精品一区二区三区| 国产伦在线观看视频一区| 亚洲精品一二三| 18+在线观看网站| 久久亚洲国产成人精品v| 91狼人影院| 白带黄色成豆腐渣| 全区人妻精品视频| 久久久久久九九精品二区国产| 国产精品国产三级专区第一集| freevideosex欧美| 亚洲精品日韩av片在线观看| 97人妻精品一区二区三区麻豆| 精华霜和精华液先用哪个| 婷婷六月久久综合丁香| 五月玫瑰六月丁香| 搡老乐熟女国产| 69人妻影院| 久久韩国三级中文字幕| 最近2019中文字幕mv第一页| 99热这里只有是精品在线观看| 欧美极品一区二区三区四区| 丝瓜视频免费看黄片| 丝瓜视频免费看黄片| 国产 一区 欧美 日韩| 精品国内亚洲2022精品成人| 免费av观看视频| 久久久久久久久久成人| 日韩欧美 国产精品| 日日啪夜夜撸| 免费高清在线观看视频在线观看| 黄片无遮挡物在线观看| 亚洲精品日韩av片在线观看| 高清日韩中文字幕在线| 国产 亚洲一区二区三区 | 日韩不卡一区二区三区视频在线| 高清av免费在线| 国精品久久久久久国模美| 久久久久网色| 简卡轻食公司| 99热这里只有精品一区| 成人午夜精彩视频在线观看| 国产成人精品一,二区| 伦精品一区二区三区| 黄色日韩在线| 日本免费在线观看一区| 热99在线观看视频| 少妇的逼好多水| 综合色丁香网| 秋霞在线观看毛片| 伊人久久国产一区二区| 欧美人与善性xxx| 日本黄大片高清| 亚洲精品成人久久久久久| 国产男人的电影天堂91| 国产精品精品国产色婷婷| 日日干狠狠操夜夜爽| 春色校园在线视频观看| 成人国产麻豆网| 亚洲18禁久久av| 两个人视频免费观看高清| 一本一本综合久久| 干丝袜人妻中文字幕| 九九爱精品视频在线观看| 国产色爽女视频免费观看| 欧美日本视频| 天堂中文最新版在线下载 | 午夜久久久久精精品| 国产又色又爽无遮挡免| 免费av不卡在线播放| 亚洲精品日韩在线中文字幕| 亚洲一级一片aⅴ在线观看| 日本免费a在线| 亚洲成人久久爱视频| 中文字幕免费在线视频6| 国产色婷婷99| 熟妇人妻久久中文字幕3abv| 欧美日韩一区二区视频在线观看视频在线 | 18禁在线无遮挡免费观看视频| 国产美女午夜福利| 亚洲国产精品国产精品| 国产伦一二天堂av在线观看| 国产av码专区亚洲av| 国产永久视频网站| 久久精品国产自在天天线| 久久久精品94久久精品| 最近手机中文字幕大全| 欧美日韩亚洲高清精品| 啦啦啦韩国在线观看视频| 免费无遮挡裸体视频| 国产黄色免费在线视频| 99热网站在线观看| 欧美一区二区亚洲| 一本一本综合久久| 直男gayav资源| 国产精品99久久久久久久久| 亚洲欧美一区二区三区黑人 | 国产精品蜜桃在线观看| 丝袜喷水一区| 麻豆成人av视频| 夜夜看夜夜爽夜夜摸| 久久精品夜夜夜夜夜久久蜜豆| 国产精品爽爽va在线观看网站| 2021少妇久久久久久久久久久| 亚洲天堂国产精品一区在线| 人妻一区二区av| 三级国产精品欧美在线观看| 深夜a级毛片| a级毛片免费高清观看在线播放| 97热精品久久久久久| 欧美极品一区二区三区四区| 欧美日本视频| 国产精品综合久久久久久久免费| 热99在线观看视频| 青春草亚洲视频在线观看| 男人爽女人下面视频在线观看| 又爽又黄a免费视频| 国产精品.久久久| 国产 一区精品| 久久久久久久午夜电影| 插阴视频在线观看视频| 国产一级毛片在线| 大又大粗又爽又黄少妇毛片口| av福利片在线观看| 最新中文字幕久久久久| 一级二级三级毛片免费看| 国产麻豆成人av免费视频| 日韩视频在线欧美| 久久久久久久久久久免费av| 日本与韩国留学比较| 五月玫瑰六月丁香| 久久久久九九精品影院| 国产91av在线免费观看| 熟妇人妻久久中文字幕3abv| 久久久亚洲精品成人影院| 美女黄网站色视频| 国产免费视频播放在线视频 | 亚洲欧美一区二区三区黑人 | 在线观看人妻少妇| 久久久久久久久久成人| 男女啪啪激烈高潮av片| 床上黄色一级片| 国产亚洲精品久久久com| 乱码一卡2卡4卡精品| 成人高潮视频无遮挡免费网站| 日本与韩国留学比较| 一级a做视频免费观看| 亚洲四区av| 久久久久久久大尺度免费视频| 欧美人与善性xxx| 日本与韩国留学比较| 久久久精品欧美日韩精品| 非洲黑人性xxxx精品又粗又长| 免费少妇av软件| 日本-黄色视频高清免费观看| 日韩欧美三级三区| av国产久精品久网站免费入址| 欧美 日韩 精品 国产| 99re6热这里在线精品视频| 汤姆久久久久久久影院中文字幕 | av国产久精品久网站免费入址| 欧美日韩亚洲高清精品| 国产伦在线观看视频一区| 亚洲成人精品中文字幕电影| 偷拍熟女少妇极品色| 超碰97精品在线观看| 国产亚洲精品av在线| 成人美女网站在线观看视频| 成年版毛片免费区| 国产一区二区在线观看日韩| 69人妻影院| 成人二区视频| 欧美人与善性xxx| 少妇人妻一区二区三区视频| 欧美一区二区亚洲| 国产精品久久久久久久久免| 中文资源天堂在线| 天天躁夜夜躁狠狠久久av| 国产成人福利小说| 国产精品美女特级片免费视频播放器| 成人综合一区亚洲| 永久免费av网站大全| 久久久久久国产a免费观看| 最近的中文字幕免费完整| 99久久精品一区二区三区| 久久精品人妻少妇| 淫秽高清视频在线观看| 国产精品国产三级国产专区5o| 伦精品一区二区三区| 精品久久久久久久久亚洲| 欧美成人a在线观看| 晚上一个人看的免费电影| 尾随美女入室| 亚洲经典国产精华液单| 国产精品av视频在线免费观看| 久久久精品94久久精品| 亚洲四区av| 国产成人精品一,二区| 永久网站在线| 久久人人爽人人爽人人片va| 五月天丁香电影| 80岁老熟妇乱子伦牲交| 在线观看av片永久免费下载| 国产视频首页在线观看| 青春草国产在线视频| 国产精品99久久久久久久久| 中文欧美无线码| 两个人视频免费观看高清| 丝瓜视频免费看黄片| 精品国产露脸久久av麻豆 | 国产精品精品国产色婷婷| 亚洲精品中文字幕在线视频 | 国产精品蜜桃在线观看| 白带黄色成豆腐渣| 亚洲av福利一区| 一级黄片播放器| 91狼人影院| 精品久久久久久久久亚洲| 午夜福利在线观看吧| 青春草视频在线免费观看| 亚洲精品视频女| 搡老妇女老女人老熟妇| 久久久久久久国产电影| 全区人妻精品视频| 夫妻午夜视频| 少妇熟女欧美另类| 久久亚洲国产成人精品v| 美女主播在线视频| 一本久久精品| 99久久精品一区二区三区| 国产 一区精品| 性插视频无遮挡在线免费观看| 成人美女网站在线观看视频| 国内少妇人妻偷人精品xxx网站| 精品一区在线观看国产| 天堂影院成人在线观看| 只有这里有精品99| 日韩亚洲欧美综合| 九草在线视频观看| 日韩制服骚丝袜av| 色播亚洲综合网| 熟妇人妻不卡中文字幕| 国产高清不卡午夜福利| 黑人高潮一二区| 亚洲欧美中文字幕日韩二区| 久久久精品免费免费高清| 两个人的视频大全免费| 久久久精品94久久精品| 久久精品久久久久久久性| 欧美激情国产日韩精品一区| 在线观看一区二区三区| 亚洲国产最新在线播放| 亚洲在线自拍视频| 久久精品人妻少妇| 综合色丁香网| av线在线观看网站| 午夜福利在线观看免费完整高清在| 国产黄a三级三级三级人| 免费在线观看成人毛片| 国产成人一区二区在线| 日韩精品有码人妻一区| 日本一二三区视频观看| 国产在线男女| 自拍偷自拍亚洲精品老妇| 亚洲aⅴ乱码一区二区在线播放| 日韩欧美国产在线观看| 亚洲精品aⅴ在线观看| 国产精品精品国产色婷婷| 亚洲av不卡在线观看| 在线天堂最新版资源| 色哟哟·www| 国产精品久久久久久久久免| 国产男女超爽视频在线观看| 在线免费观看的www视频| 51国产日韩欧美| 日韩国内少妇激情av| 七月丁香在线播放| 欧美xxxx性猛交bbbb| 人妻制服诱惑在线中文字幕| 久久久久久久久大av| 久99久视频精品免费| 国产探花极品一区二区| 国产精品av视频在线免费观看| 五月天丁香电影| 麻豆成人av视频| 免费av毛片视频| 国产片特级美女逼逼视频| 国产午夜精品论理片| 色综合亚洲欧美另类图片| 人妻少妇偷人精品九色| 国产有黄有色有爽视频| 亚洲aⅴ乱码一区二区在线播放| 久久久久久久久中文| 久久精品综合一区二区三区| 亚洲人成网站在线播| 国产一区二区三区av在线| 午夜爱爱视频在线播放| 精品国产露脸久久av麻豆 | 亚洲一级一片aⅴ在线观看| 听说在线观看完整版免费高清| 欧美高清性xxxxhd video| 我的老师免费观看完整版| 综合色av麻豆| 伊人久久国产一区二区| 国产免费一级a男人的天堂| 久久综合国产亚洲精品| 国产久久久一区二区三区| 亚洲真实伦在线观看| 91精品伊人久久大香线蕉| 成人一区二区视频在线观看| 丝袜美腿在线中文| 80岁老熟妇乱子伦牲交| 亚洲欧美日韩无卡精品| 一个人观看的视频www高清免费观看| 国产一区有黄有色的免费视频 | 爱豆传媒免费全集在线观看| 51国产日韩欧美| 在线a可以看的网站| 色哟哟·www| 女的被弄到高潮叫床怎么办| 国产爱豆传媒在线观看| 亚洲av一区综合| 啦啦啦韩国在线观看视频| 欧美日韩在线观看h| 乱系列少妇在线播放| 人妻一区二区av| 日韩av免费高清视频| 狠狠精品人妻久久久久久综合| 亚洲av日韩在线播放| 男女视频在线观看网站免费| 免费观看精品视频网站| 99久久精品热视频| 国产美女午夜福利| 成年女人看的毛片在线观看| 99九九线精品视频在线观看视频| 欧美一级a爱片免费观看看| 国产三级在线视频| 日韩亚洲欧美综合| 国产精品一区二区三区四区免费观看| 亚洲熟妇中文字幕五十中出| 丝瓜视频免费看黄片| 日韩精品青青久久久久久| 午夜免费激情av| 欧美激情国产日韩精品一区| 精品久久国产蜜桃| 亚洲美女搞黄在线观看| 国产一区二区三区av在线| 高清欧美精品videossex| 成人亚洲精品一区在线观看 | 一区二区三区四区激情视频| 大又大粗又爽又黄少妇毛片口| eeuss影院久久| 青春草国产在线视频| 亚洲国产高清在线一区二区三| 69av精品久久久久久| 天堂av国产一区二区熟女人妻| 久久久久久久久久黄片| 成人鲁丝片一二三区免费| 久久久午夜欧美精品| 久久久久九九精品影院| av福利片在线观看| 国产高清国产精品国产三级 | 亚洲欧美成人综合另类久久久| 99热6这里只有精品| 国产熟女欧美一区二区| 少妇裸体淫交视频免费看高清| 久久久久久久久中文| av免费在线看不卡| av线在线观看网站| 久久99蜜桃精品久久| 熟女人妻精品中文字幕| h日本视频在线播放| 两个人视频免费观看高清| 久久久精品免费免费高清| 九色成人免费人妻av| 丝瓜视频免费看黄片| 成人国产麻豆网| 麻豆精品久久久久久蜜桃| 日韩av在线免费看完整版不卡| 天天躁日日操中文字幕| 黄色一级大片看看| 日韩强制内射视频| 久久久久久久久中文| 亚洲一级一片aⅴ在线观看| 极品少妇高潮喷水抽搐| 亚洲自拍偷在线| 免费看av在线观看网站| 欧美精品一区二区大全| 久久久久网色| 久久久久久久久久人人人人人人| 国产精品久久久久久av不卡| 人妻一区二区av| 99九九线精品视频在线观看视频| 精品一区二区三卡| 欧美精品国产亚洲| 久久精品国产鲁丝片午夜精品| 亚洲欧美成人综合另类久久久| 青春草国产在线视频| 国产av在哪里看| 午夜爱爱视频在线播放| 国产女主播在线喷水免费视频网站 | videossex国产| 网址你懂的国产日韩在线| 亚洲av一区综合| 麻豆成人av视频| 成人特级av手机在线观看| 欧美潮喷喷水| 亚州av有码| 国产免费又黄又爽又色| 免费不卡的大黄色大毛片视频在线观看 | 最近最新中文字幕大全电影3| 热99在线观看视频| 免费看日本二区| 精品人妻视频免费看| 免费黄色在线免费观看| 91久久精品电影网| 2021少妇久久久久久久久久久| 波野结衣二区三区在线| 91在线精品国自产拍蜜月| 伊人久久精品亚洲午夜| 一个人免费在线观看电影| 欧美人与善性xxx| 欧美一区二区亚洲| 看黄色毛片网站| 美女xxoo啪啪120秒动态图| 在线观看免费高清a一片| 国产精品一区二区在线观看99 | 国国产精品蜜臀av免费| 成人欧美大片| a级毛片免费高清观看在线播放| 成人欧美大片| 国国产精品蜜臀av免费| 久久这里有精品视频免费| 床上黄色一级片| 精品久久久久久久人妻蜜臀av| 国产精品日韩av在线免费观看| 国产午夜精品一二区理论片| 夫妻午夜视频| 99久久精品一区二区三区| 亚洲国产欧美人成|