• <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ALBERT-CAW模型的時(shí)政新聞命名實(shí)體識(shí)別方法

    2022-08-17 10:07:06范鈺程梁鳳梅鄔志勇
    電子設(shè)計(jì)工程 2022年15期
    關(guān)鍵詞:實(shí)體語(yǔ)義向量

    范鈺程,梁鳳梅,鄔志勇

    (太原理工大學(xué)信息與計(jì)算機(jī)學(xué)院,山西晉中 030600)

    命名實(shí)體識(shí)別的核心任務(wù)就是從文本中識(shí)別出人名、地名、機(jī)構(gòu)名等實(shí)體的邊界和類(lèi)別,是問(wèn)答系統(tǒng)、機(jī)器翻譯、情感分析、知識(shí)圖譜等NLP 任務(wù)的關(guān)鍵[1-2]。

    在新聞文本中,詞語(yǔ)更新速度快,且存在著大量一詞多義的現(xiàn)象[3-4],之前的方法無(wú)法在進(jìn)行特征提取的同時(shí)兼顧局部特征信息和上下文含義,對(duì)同一個(gè)詞在不同上下文中的不同含義區(qū)分度較差。該文結(jié)合預(yù)訓(xùn)練語(yǔ)言模型ALBERT(A Lite BERT)和字詞融合(Char and Word,CAW)方法,提出一種命名實(shí)體識(shí)別模型ALBERT-CAW-BiLSTM,充分利用文本的局部特征信息和上下文關(guān)聯(lián)語(yǔ)義,通過(guò)對(duì)比實(shí)驗(yàn)證明了在新聞命名實(shí)體識(shí)別中的有效性。

    1 相關(guān)工作

    文獻(xiàn)[5]提出的Lattice LSTM 模型,對(duì)輸入文本和潛在詞匯進(jìn)行了編碼。文獻(xiàn)[6]中采用融合字詞BiLSTM(Bi-directional Long Short-Term Memory)的命名實(shí)體識(shí)別方法,該方法獨(dú)立處理字模型和詞模型。文獻(xiàn)[7]把能獲取更復(fù)雜語(yǔ)義的預(yù)訓(xùn)練語(yǔ)言模型BERT 應(yīng)用于實(shí)體識(shí)別。文獻(xiàn)[8]采用了BERT 的改進(jìn)版ALBERT,在模型參數(shù)少的情況下達(dá)到了更好的效果。

    文獻(xiàn)[9]提出了一種基于新詞的新聞命名實(shí)體識(shí)別方法,該方法借助新詞詞典提升了新詞的識(shí)別準(zhǔn)確率,但是對(duì)詞典未覆蓋的未登錄詞基本上沒(méi)有識(shí)別能力。文獻(xiàn)[10]采用基于注意力機(jī)制的BiLSTM 結(jié)合條件隨機(jī)場(chǎng)(Conditional Random Field,CRF)模型,能獲在取局部特征的同時(shí)兼顧上下文語(yǔ)義,但該模型使用ngram2vec 訓(xùn)練詞向量,對(duì)比于ALBERT 并沒(méi)有充分提取文本信息。

    2 ALBERT-CAW-BiLSTM模型

    如圖1 所示,該文模型主要由四部分組成,包括ALBERT、CAW、BiLSTM 和CRF。

    圖1 ALBERT-CAW-BiLSTM 模型

    1)采用預(yù)訓(xùn)練語(yǔ)言模型ALBERT 獲取文本的動(dòng)態(tài)詞向量;

    2)在CAW 層利用多層CNN 提取詞語(yǔ)局部特征,使用LSTM 獲得詞語(yǔ)的前后語(yǔ)義信息,將兩者的結(jié)果融合成包含豐富信息的動(dòng)態(tài)特征;

    3)在BiLSTM 層獲取CAW 層已經(jīng)捕捉實(shí)體在序列中的上下文信息,獲取M維概率分布;

    4)通過(guò)CRF 層進(jìn)行解碼,得到實(shí)體標(biāo)注信息,完成對(duì)實(shí)體邊界和類(lèi)別的識(shí)別。

    2.1 ALBERT

    ALBERT 模型采用雙向transformer 提取語(yǔ)言特征,具體結(jié)構(gòu)如圖2所示。E1,E2,…,En是輸入序列中的字符,在經(jīng)過(guò)多層transformer 訓(xùn)練之后得到輸出的文本特征向量T1,T2,…,Tn。模型中每個(gè)字符對(duì)應(yīng)的詞向量由三個(gè)向量組成:字向量(Token Embeddings)、文本向量(Segment Embeddings)和位置向量(Position Embeddings),模型輸入為字向量、文本向量和位置向量的和。其中,文本向量代表的是全局的語(yǔ)義信息,且和單字的語(yǔ)義信息相融合;位置向量是人為給定的序列位置向量。

    圖2 ALBERT模型

    Transformer的結(jié)構(gòu)為Encoder-Decoder,ALBERT使用的是Encoder 特征抽取器,其具體結(jié)構(gòu)如圖3所示。

    圖3 Transformer Encoder結(jié)構(gòu)

    與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型相比,ALBERT 能有效提取上下文信息,語(yǔ)義信息豐富,能較好地處理一詞多義的問(wèn)題。

    2.2 CAW層

    詞向量的獲取有基于字符和基于詞兩種方法。基于字符的方法處理的基本單位是字,不需要對(duì)輸入文本進(jìn)行分詞,減少了未登錄詞的干擾,但是中文大多不是以單字作為表達(dá)語(yǔ)意最小單位,因此其相比基于詞存在著語(yǔ)義信息不足等問(wèn)題。基于詞的方法首先需要對(duì)輸入文本進(jìn)行分詞,分詞的效果直接影響最終命名實(shí)體識(shí)別的效果。兩者各有優(yōu)缺點(diǎn),因此,該文綜合考慮后采用融合字詞語(yǔ)義的方式提取文本特征,其結(jié)構(gòu)如圖4 所示。

    圖4 CAW結(jié)構(gòu)

    2.2.1 CNN

    CNN 的核心是卷積層,主要思想是參數(shù)共享和局部連接,特征提取依靠的是對(duì)單詞的卷積運(yùn)算。將不同大小的輸入特征局部窗口與卷積核進(jìn)行卷積,將結(jié)果通過(guò)非線(xiàn)性激活函數(shù)f處理得到輸出,公式如下:

    其中,常用的f包括sigmoid、tanh 和ReLU 等,W是卷積核,X是輸入詞向量,b1是偏置。

    在池化層使用最大池化的方法提取最大的特征值,計(jì)算公式為:

    其中,pj是池中第j個(gè)區(qū)域內(nèi)最大的特征值,cj是卷積得到的新特征。

    2.2.2 Bi-LSTM

    LSTM 是常用的命名實(shí)體識(shí)別模型,能解決RNN常見(jiàn)的梯度消失和梯度爆炸問(wèn)題[13]。其結(jié)構(gòu)如圖5所示。

    圖5 LSTM細(xì)胞

    其中,xt代表當(dāng)前t時(shí)刻的輸入,ht是t時(shí)刻隱藏層輸出,ct代表t時(shí)刻細(xì)胞的記憶狀態(tài),σ是sigmoid 函數(shù)。LSTM 的3 個(gè)門(mén)控單元為輸入門(mén)it、遺忘門(mén)ft和輸出門(mén)ot,其更新公式如下:

    其中,W為隱藏層權(quán)重參數(shù)矩陣,b為偏置矩陣。

    LSTM 細(xì)胞的記憶狀態(tài)ct和隱藏層ht公式如下:

    LSTM 能在一定程度上解決梯度消失和梯度爆炸的問(wèn)題,但是在序列標(biāo)注任務(wù)中,還存在著其他問(wèn)題,LSTM 只能利用前向信息,無(wú)法使用對(duì)t+1 時(shí)刻的信息,因此提出了雙向LSTM(BiLSTM),結(jié)構(gòu)如圖6所示。

    圖6 BiLSTM結(jié)構(gòu)

    正向輸入LSTM 得到輸出可以理解成“歷史信息”,將序列反向輸入LSTM 得到“未來(lái)信息”,對(duì)兩者進(jìn)行連接合并。需要注意的是,前向LSTM 和后向LSTM 參數(shù)并不共享。BiLSTM 模型能很好地提取上下文信息,獲得更佳的語(yǔ)義信息[11-13]。

    2.2.3 CAW的實(shí)現(xiàn)

    考慮到使用CNN 雖然能夠高效地提取文本局部特征,但是卻無(wú)法挖掘上下文信息;LSTM 能有效地使用上下文信息,但是因?yàn)樽陨硌h(huán)遞歸的設(shè)定,網(wǎng)絡(luò)復(fù)雜度較大。因此該文提出字詞向量融合的方法,同時(shí)輸入字向量和詞向量,用CNN 和LSTM 分開(kāi)處理字向量和詞向量,盡可能挖掘文本局部信息和上下文語(yǔ)義信息。

    用CNN 訓(xùn)練字向量的過(guò)程如下:對(duì)于字向量,按照分詞結(jié)果將其輸入CNN 來(lái)提取信息,根據(jù)CNN的窗口大小,不等長(zhǎng)的用padding 進(jìn)行填充,通過(guò)卷積操作和最大池化抽取詞語(yǔ)所包含的特征,得到新的詞級(jí)別的特征向量對(duì)于詞向量,使用BiLSTM提取詞向量特征的前后語(yǔ)義,將輸入詞向量Ew通過(guò)BiLSTM 網(wǎng)絡(luò)訓(xùn)練,即可得到新的初步提取過(guò)語(yǔ)義信息的詞向量,最后將兩者進(jìn)行Concat 拼接融合,獲得拼接后的詞向量Ecaw。例如,在處理“國(guó)務(wù)院總理”時(shí),會(huì)根據(jù)分詞“國(guó)務(wù)院”“總理”將詞語(yǔ)的語(yǔ)義信息拼接到各自的動(dòng)態(tài)特征中。

    2.3 CRF

    條件隨機(jī)場(chǎng)(Conditional Random Fields,CRF)是序列標(biāo)注任務(wù)的概率化模型,是根據(jù)輸入序列預(yù)測(cè)輸出序列標(biāo)簽的判別式模型[14]。CRF 能在給定一組輸入的條件下,給出另一組輸出變量的條件概率分布模型,可以對(duì)分詞、詞性和實(shí)體等特征進(jìn)行預(yù)測(cè)。

    CRF 的判別公式如下:

    s(x,y)是評(píng)估分?jǐn)?shù),A為轉(zhuǎn)移矩陣,p(y|x)為輸入序列到標(biāo)簽序列的對(duì)應(yīng)概率,Yx是所有可能的標(biāo)簽序列,最終使用維特比算法解碼獲得最可能的標(biāo)簽。

    3 實(shí)驗(yàn)與分析

    3.1 數(shù)據(jù)標(biāo)注

    該文選擇的數(shù)據(jù)來(lái)源是爬取近一年(2020年1月-2021 年1 月)的人民日?qǐng)?bào)圖文數(shù)據(jù)庫(kù)(http://paper.people.com.cn/)時(shí)政新聞數(shù)據(jù)。人民日?qǐng)?bào)分要聞、評(píng)論、理論、文化、國(guó)際、經(jīng)濟(jì)、體育和國(guó)際等多個(gè)版塊,該實(shí)驗(yàn)爬取要聞、文化、經(jīng)濟(jì)、體育和國(guó)際等版塊,標(biāo)注了其中3 100 篇時(shí)政新聞數(shù)據(jù)作為實(shí)驗(yàn)的數(shù)據(jù)集,按照7∶3 的比例劃分訓(xùn)練集和測(cè)試集。同時(shí)根據(jù)爬取的數(shù)據(jù)自建詞典,收錄近年的熱點(diǎn)名詞,提升了分詞的準(zhǔn)確率。

    在制定標(biāo)注規(guī)則時(shí)該文考慮新聞的人物、地點(diǎn)、事件等要素,將實(shí)體劃分為七類(lèi)。例如,人物要素可以分割成人名和職位兩類(lèi)實(shí)體。數(shù)據(jù)標(biāo)注均采用BIO 三段標(biāo)記法,“B”代表每個(gè)實(shí)體的第一個(gè)字,“I”代表實(shí)體中除第一個(gè)字以外的字,“O”代表無(wú)關(guān)字。實(shí)體分類(lèi)標(biāo)注格式如表1 所示。例如,國(guó)“B-GOV”、務(wù)“I-GOV”、院“I-GOV”、總“B-POS”、理“I-POS”、李“B-PER”、克“I-PER”、強(qiáng)“I-PER”、近“O”、日“O”。

    表1 實(shí)體分類(lèi)

    3.2 評(píng)價(jià)指標(biāo)

    該文采用的評(píng)價(jià)指標(biāo)為精準(zhǔn)率P(Precision)、召回率R(Recall)和F1 值,P表示正確識(shí)別的實(shí)體占識(shí)別出實(shí)體的比例,R表示正確識(shí)別實(shí)體占應(yīng)識(shí)別出實(shí)體的比例,F(xiàn)1 是綜合P和R的評(píng)價(jià)指標(biāo)。具體公式如下:

    其中,Tp是正確識(shí)別的實(shí)體個(gè)數(shù),F(xiàn)p是識(shí)別出的錯(cuò)誤實(shí)體個(gè)數(shù),F(xiàn)n是沒(méi)有識(shí)別出的實(shí)體個(gè)數(shù)。

    3.3 實(shí)驗(yàn)環(huán)境和參數(shù)設(shè)置

    實(shí)驗(yàn)環(huán)境如表2 所示。

    表2 實(shí)驗(yàn)環(huán)境

    該文的實(shí)驗(yàn)參數(shù)中預(yù)訓(xùn)練模型采用ALBERTbase,優(yōu)化器為Adam,學(xué)習(xí)率初始值設(shè)置為2×10-5,迭代次數(shù)epoch 設(shè)置為40。

    3.4 對(duì)比試驗(yàn)設(shè)置

    該文設(shè)置了4組對(duì)比實(shí)驗(yàn),分別采用Word2Vec和jieba 獲取詞向量的BiLSTM[11-13]模型,采用Word2Vec和jieba獲取詞向量的CNN模型,ALBERT-BiLSTM[15]模型和該文字向量與詞向量融合的ALBERT-CAWBiLSTM 模型。

    3.5 試驗(yàn)結(jié)果與分析

    表3 是ALBERT-CAW-BiLSTM 模型在時(shí)政新聞數(shù)據(jù)集上的P、R和F1 值。

    根據(jù)表3 的實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn),除了活動(dòng)識(shí)別的F1 值較低,只有76.2%,其他命名實(shí)體的F1 值均高于83%,說(shuō)明該模型在時(shí)政新聞數(shù)據(jù)集標(biāo)簽種類(lèi)較多的情況下表現(xiàn)良好。法律制度類(lèi)的實(shí)體適用場(chǎng)景特殊,對(duì)這些實(shí)體中的未登錄詞的識(shí)別效果最好。例如,在“發(fā)布新修訂的《軍隊(duì)院校教育條例(試行)》”文本中,法律制度實(shí)體“《軍隊(duì)院校教育條例(試行)》”能被正確識(shí)別。語(yǔ)句“聯(lián)合國(guó)、世界衛(wèi)生組織等國(guó)際組織發(fā)出要團(tuán)結(jié)、不要污名化的呼吁”中,模型識(shí)別出了“聯(lián)合國(guó)”、“世界衛(wèi)生組織”為組織機(jī)構(gòu)實(shí)體?!霸诹?xí)近平總書(shū)記親自指揮、親自部署下”識(shí)別出“習(xí)近平”為人名實(shí)體,“總書(shū)記”為職位實(shí)體。檢查數(shù)據(jù)集中識(shí)別效果不佳的活動(dòng)實(shí)體,發(fā)現(xiàn)是因?yàn)榛顒?dòng)名稱(chēng)命名沒(méi)有規(guī)律,容易出現(xiàn)未登錄詞和歧義詞,模型對(duì)活動(dòng)實(shí)體的識(shí)別能力有所下降。例如在“自然資源調(diào)查監(jiān)測(cè)底圖年底將完成”語(yǔ)句中,僅僅識(shí)別出“調(diào)查監(jiān)測(cè)”,正確識(shí)別的活動(dòng)實(shí)體應(yīng)為“自然資源調(diào)查監(jiān)測(cè)”。

    從表4 中的結(jié)果可以看出,該文模型在P、R和F1 值上比BiLSTM 高出9.5%、7.6%、8.5%,比CNN 模型高出13.5%、20.9%、17.7%,這是因?yàn)锽iLSTM 和CNN 均是使用word2vec 來(lái)獲取靜態(tài)詞向量,雖然有較強(qiáng)的通用性,但是無(wú)法解決一詞多義及同義詞問(wèn)題。這一結(jié)果證明了該文模型使用預(yù)訓(xùn)練語(yǔ)言模型,在學(xué)習(xí)特征、語(yǔ)義抽取方面性能表現(xiàn)優(yōu)秀,能充分利用句子中的上下文信息。在特征提取的過(guò)程中,CNN 模型使用池化層對(duì)文本特征進(jìn)行降維會(huì)導(dǎo)致語(yǔ)義信息損失過(guò)多,BiLSTM 只考慮到上下文的語(yǔ)義信息,兩者都不能充分使用文本信息。對(duì)比ALBERT-BiLSTM 模型,該文模型F1 值提高了2.9%,召回率R提高了3.7%,準(zhǔn)確率P提高了1.9%,在自身模型已經(jīng)識(shí)別效果較好的情況下,證明了引入字詞融合(CAW)的方法能更充分地利用文本中上下文語(yǔ)義信息和局部特征信息,有效地劃分出實(shí)體邊界,提高命名實(shí)體的識(shí)別效果。

    表4 不同模型結(jié)果對(duì)比

    例如文本“會(huì)澤縣城有新時(shí)代文明實(shí)踐中心”中的組織機(jī)構(gòu)實(shí)體“新時(shí)代文明實(shí)踐中心”。CNN 模型標(biāo)注為“O”完全無(wú)法識(shí)別出實(shí)體信息;BiLSTM 模型能利用上下文語(yǔ)義信息識(shí)別出一部分:實(shí)“B-ORG”、踐“I-ORG”、中“I-ORG”、心“I-ORG”;ALBERTBiLSTM 模型和ALBERT-CAW-BiLSTM 模型均能識(shí)別出新“B-ORG”、時(shí)“I-ORG”、代“I-ORG”、文“IORG”、明“I-ORG”、實(shí)“I-ORG”、踐“I-ORG”、中“IORG”、心“I-ORG”,證明充分使用了局部特征和上下文語(yǔ)義。在文本“全國(guó)中小學(xué)體育教學(xué)指導(dǎo)委員會(huì)、中國(guó)教育發(fā)展基金會(huì)、耐克體育公益部聯(lián)合舉辦”中,ALBERT-BiLSTM 模型雖然將3 個(gè)實(shí)體都識(shí)別出來(lái)了,前兩個(gè)正確識(shí)別為組織機(jī)構(gòu)ORG 實(shí)體,但是錯(cuò)誤地將第三個(gè)實(shí)體識(shí)別成政府部門(mén)GOV 實(shí)體,而ALBERT-CAW-BiLSTM 模型則成功識(shí)別3 個(gè)實(shí)體。

    4 結(jié)束語(yǔ)

    該文提出了基于ALBERT-CAW 的時(shí)政新聞?lì)I(lǐng)域?qū)嶓w識(shí)別模型,采用預(yù)訓(xùn)練語(yǔ)言模型ALBERT 獲取文本的字詞向量,在字詞融合層利用CNN 和LSTM 初步提取的上下文語(yǔ)義和詞語(yǔ)語(yǔ)義,將結(jié)果融合后,通過(guò)BiLSTM 層兼顧上下文語(yǔ)義提取深層特征,最終輸入CRF 層進(jìn)行解碼,得到實(shí)體標(biāo)注信息,完成對(duì)實(shí)體邊界和類(lèi)別的識(shí)別。該文設(shè)計(jì)了4 組對(duì)比實(shí)驗(yàn),經(jīng)過(guò)在自建的人民日?qǐng)?bào)時(shí)政新聞數(shù)據(jù)集上進(jìn)行驗(yàn)證,獲得了87.3%的F1 值,與傳統(tǒng)模型相比在準(zhǔn)確率P、召回率R和F1 值上均有較大程度的提升,證明了該文模型能充分利用上下文信息,較好地解決一詞多義問(wèn)題,提高了識(shí)別準(zhǔn)確率,模型能有效地完成時(shí)政新聞命名實(shí)體識(shí)別的任務(wù)。為進(jìn)一步提升模型的性能,后續(xù)可以從細(xì)化和完善各類(lèi)實(shí)體的標(biāo)記規(guī)則、替換為ALBERT-large 的預(yù)訓(xùn)練模型、拓展語(yǔ)料規(guī)模和減少標(biāo)注謬誤等方面著手進(jìn)行優(yōu)化。

    猜你喜歡
    實(shí)體語(yǔ)義向量
    向量的分解
    聚焦“向量與三角”創(chuàng)新題
    語(yǔ)言與語(yǔ)義
    前海自貿(mào)區(qū):金融服務(wù)實(shí)體
    實(shí)體的可感部分與實(shí)體——兼論亞里士多德分析實(shí)體的兩種模式
    兩會(huì)進(jìn)行時(shí):緊扣實(shí)體經(jīng)濟(jì)“釘釘子”
    振興實(shí)體經(jīng)濟(jì)地方如何“釘釘子”
    “上”與“下”語(yǔ)義的不對(duì)稱(chēng)性及其認(rèn)知闡釋
    向量垂直在解析幾何中的應(yīng)用
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線(xiàn)
    9191精品国产免费久久| 操美女的视频在线观看| 国产有黄有色有爽视频| 欧美午夜高清在线| 久久久久久久大尺度免费视频| 久久久久久久久免费视频了| av福利片在线| 极品教师在线免费播放| 久久亚洲精品不卡| 女同久久另类99精品国产91| 9191精品国产免费久久| 国产片内射在线| 久久性视频一级片| 日韩熟女老妇一区二区性免费视频| 亚洲欧美色中文字幕在线| 999久久久精品免费观看国产| 亚洲自偷自拍图片 自拍| 高清在线国产一区| 最黄视频免费看| 亚洲人成77777在线视频| 久久中文看片网| 天天躁夜夜躁狠狠躁躁| 中文亚洲av片在线观看爽 | 色尼玛亚洲综合影院| 久久午夜综合久久蜜桃| 狂野欧美激情性xxxx| 69精品国产乱码久久久| 在线看a的网站| 国产精品一区二区在线观看99| 欧美黑人欧美精品刺激| 亚洲精品在线观看二区| 黄色视频在线播放观看不卡| 中文字幕av电影在线播放| av一本久久久久| 一进一出抽搐动态| 18禁美女被吸乳视频| 亚洲熟妇熟女久久| 久久中文看片网| 亚洲国产看品久久| 精品国产超薄肉色丝袜足j| 激情视频va一区二区三区| 欧美日韩黄片免| 一二三四在线观看免费中文在| 日日夜夜操网爽| 亚洲精品国产色婷婷电影| 午夜精品久久久久久毛片777| 91成人精品电影| 日本黄色视频三级网站网址 | 99精品在免费线老司机午夜| 久久人人爽av亚洲精品天堂| 亚洲avbb在线观看| 波多野结衣一区麻豆| 欧美日韩亚洲综合一区二区三区_| 亚洲视频免费观看视频| 亚洲专区中文字幕在线| 色老头精品视频在线观看| www日本在线高清视频| 麻豆乱淫一区二区| 在线观看舔阴道视频| 欧美乱码精品一区二区三区| 在线观看免费视频日本深夜| 丝袜美足系列| 亚洲av成人一区二区三| 在线播放国产精品三级| 免费在线观看黄色视频的| 精品福利永久在线观看| 免费观看av网站的网址| 免费观看人在逋| 男女床上黄色一级片免费看| 18禁观看日本| 久久久久久久大尺度免费视频| 男女午夜视频在线观看| 老熟女久久久| 一区福利在线观看| 久久中文看片网| 自线自在国产av| 日日摸夜夜添夜夜添小说| 亚洲成国产人片在线观看| 亚洲av国产av综合av卡| 成人三级做爰电影| 欧美亚洲日本最大视频资源| 夜夜骑夜夜射夜夜干| 久久 成人 亚洲| 性色av乱码一区二区三区2| 人妻一区二区av| 在线观看66精品国产| 少妇猛男粗大的猛烈进出视频| 久久人妻av系列| 日本wwww免费看| 人妻久久中文字幕网| 一本综合久久免费| 99国产精品99久久久久| 午夜激情久久久久久久| 午夜精品久久久久久毛片777| 国产成人一区二区三区免费视频网站| 亚洲色图 男人天堂 中文字幕| 国产黄频视频在线观看| 欧美激情高清一区二区三区| 亚洲第一av免费看| 亚洲全国av大片| 国产日韩欧美视频二区| 国产精品98久久久久久宅男小说| 久久精品亚洲熟妇少妇任你| 久久影院123| 欧美精品av麻豆av| 欧美成狂野欧美在线观看| 极品人妻少妇av视频| 国产97色在线日韩免费| 美女主播在线视频| 老鸭窝网址在线观看| 免费观看人在逋| 啪啪无遮挡十八禁网站| 久久久久国内视频| 在线看a的网站| 肉色欧美久久久久久久蜜桃| 天天添夜夜摸| 亚洲国产精品一区二区三区在线| 亚洲av电影在线进入| 国产免费av片在线观看野外av| 两个人免费观看高清视频| 久久av网站| 国产精品二区激情视频| 日本黄色日本黄色录像| 午夜福利乱码中文字幕| 久久精品国产亚洲av香蕉五月 | netflix在线观看网站| 亚洲色图综合在线观看| 91大片在线观看| 国产人伦9x9x在线观看| 成人影院久久| 777米奇影视久久| 夫妻午夜视频| 两性夫妻黄色片| 亚洲一区二区三区欧美精品| 夜夜爽天天搞| 中国美女看黄片| 亚洲天堂av无毛| 日本vs欧美在线观看视频| 免费不卡黄色视频| 18禁裸乳无遮挡动漫免费视频| 最新在线观看一区二区三区| 在线av久久热| 久久久久国产一级毛片高清牌| 一级片'在线观看视频| 自拍欧美九色日韩亚洲蝌蚪91| 免费久久久久久久精品成人欧美视频| 欧美成人免费av一区二区三区 | 国产免费现黄频在线看| 老司机影院毛片| 黄频高清免费视频| 亚洲一码二码三码区别大吗| 老鸭窝网址在线观看| av超薄肉色丝袜交足视频| 日本av免费视频播放| 成人国产av品久久久| 久久久久久久大尺度免费视频| 极品少妇高潮喷水抽搐| 伊人久久大香线蕉亚洲五| 免费黄频网站在线观看国产| 亚洲精品久久成人aⅴ小说| 国产91精品成人一区二区三区 | 国产aⅴ精品一区二区三区波| xxxhd国产人妻xxx| 真人做人爱边吃奶动态| 老司机深夜福利视频在线观看| 99九九在线精品视频| 欧美 亚洲 国产 日韩一| 色婷婷久久久亚洲欧美| 757午夜福利合集在线观看| 亚洲色图av天堂| 最黄视频免费看| 国产精品偷伦视频观看了| 汤姆久久久久久久影院中文字幕| 男人操女人黄网站| 久久天躁狠狠躁夜夜2o2o| 欧美精品人与动牲交sv欧美| 亚洲九九香蕉| 纵有疾风起免费观看全集完整版| 波多野结衣一区麻豆| 搡老乐熟女国产| 精品久久久精品久久久| 97人妻天天添夜夜摸| 国产亚洲一区二区精品| 亚洲熟女毛片儿| 黑人巨大精品欧美一区二区mp4| 少妇 在线观看| 成人特级黄色片久久久久久久 | 天天躁狠狠躁夜夜躁狠狠躁| 午夜福利乱码中文字幕| 日韩欧美三级三区| 亚洲中文av在线| 老司机影院毛片| 久久精品成人免费网站| 黄片大片在线免费观看| 免费在线观看黄色视频的| 国产精品秋霞免费鲁丝片| 亚洲国产欧美在线一区| 狂野欧美激情性xxxx| 欧美中文综合在线视频| 亚洲色图综合在线观看| av电影中文网址| 亚洲精品在线美女| 精品人妻1区二区| 久久毛片免费看一区二区三区| 国产在线视频一区二区| 少妇裸体淫交视频免费看高清 | 又黄又粗又硬又大视频| 王馨瑶露胸无遮挡在线观看| 成人av一区二区三区在线看| 国产精品久久久人人做人人爽| avwww免费| 久久久欧美国产精品| 亚洲精品粉嫩美女一区| 日本精品一区二区三区蜜桃| 人人妻人人爽人人添夜夜欢视频| 国产欧美日韩精品亚洲av| 叶爱在线成人免费视频播放| 在线看a的网站| 国产午夜精品久久久久久| 国产精品av久久久久免费| 久久国产精品大桥未久av| 中文字幕另类日韩欧美亚洲嫩草| 性色av乱码一区二区三区2| 91av网站免费观看| 亚洲黑人精品在线| 这个男人来自地球电影免费观看| 亚洲精品自拍成人| 性少妇av在线| 2018国产大陆天天弄谢| 午夜福利视频精品| 成人永久免费在线观看视频 | 99国产精品免费福利视频| 性高湖久久久久久久久免费观看| 一级片免费观看大全| 69精品国产乱码久久久| 欧美成人免费av一区二区三区 | 母亲3免费完整高清在线观看| 国产欧美日韩综合在线一区二区| 亚洲免费av在线视频| 亚洲国产中文字幕在线视频| 国产高清videossex| 天堂8中文在线网| 欧美 亚洲 国产 日韩一| 亚洲精品中文字幕在线视频| 午夜福利欧美成人| 精品视频人人做人人爽| 纯流量卡能插随身wifi吗| 伊人久久大香线蕉亚洲五| 自线自在国产av| 午夜福利,免费看| 精品免费久久久久久久清纯 | 亚洲精品美女久久久久99蜜臀| 国产av精品麻豆| 制服诱惑二区| 亚洲国产中文字幕在线视频| 色视频在线一区二区三区| 大片免费播放器 马上看| 激情在线观看视频在线高清 | 色婷婷久久久亚洲欧美| 国产淫语在线视频| 国产一区二区三区综合在线观看| 黑丝袜美女国产一区| 大香蕉久久成人网| 成人18禁在线播放| 午夜福利影视在线免费观看| 中文亚洲av片在线观看爽 | 精品免费久久久久久久清纯 | 精品视频人人做人人爽| 老汉色av国产亚洲站长工具| 亚洲国产精品一区二区三区在线| 国产区一区二久久| 丰满少妇做爰视频| 国产精品一区二区精品视频观看| 亚洲欧美日韩另类电影网站| 不卡一级毛片| 午夜福利一区二区在线看| 国产福利在线免费观看视频| 精品国产一区二区久久| 精品少妇久久久久久888优播| 超碰成人久久| 亚洲中文字幕日韩| 丁香六月天网| 久久久久精品人妻al黑| 欧美精品一区二区免费开放| 99精品在免费线老司机午夜| 亚洲国产成人一精品久久久| 国产精品麻豆人妻色哟哟久久| 亚洲第一青青草原| 久久精品成人免费网站| 9色porny在线观看| 在线 av 中文字幕| 亚洲精品在线观看二区| 亚洲久久久国产精品| 1024视频免费在线观看| 国产成人欧美在线观看 | 老司机午夜福利在线观看视频 | 久热爱精品视频在线9| 91成人精品电影| 亚洲精品粉嫩美女一区| 欧美日韩成人在线一区二区| 老司机午夜福利在线观看视频 | 激情在线观看视频在线高清 | 亚洲欧美激情在线| 国产在线观看jvid| 久久人妻福利社区极品人妻图片| 两人在一起打扑克的视频| 黄色成人免费大全| 好男人电影高清在线观看| 国产精品九九99| 欧美精品一区二区免费开放| 法律面前人人平等表现在哪些方面| 亚洲自偷自拍图片 自拍| 久久精品国产a三级三级三级| 少妇被粗大的猛进出69影院| 叶爱在线成人免费视频播放| 亚洲一卡2卡3卡4卡5卡精品中文| 男男h啪啪无遮挡| 日韩免费av在线播放| 日韩欧美免费精品| 午夜老司机福利片| 精品熟女少妇八av免费久了| av国产精品久久久久影院| 国产男靠女视频免费网站| 中文字幕人妻丝袜一区二区| 亚洲av日韩在线播放| 日韩中文字幕视频在线看片| 精品少妇久久久久久888优播| 手机成人av网站| 亚洲国产毛片av蜜桃av| 欧美激情高清一区二区三区| 亚洲伊人久久精品综合| netflix在线观看网站| 亚洲精品在线美女| 精品人妻熟女毛片av久久网站| 久9热在线精品视频| 亚洲欧洲日产国产| 久久国产精品人妻蜜桃| 一边摸一边做爽爽视频免费| 亚洲第一青青草原| 成年人黄色毛片网站| 午夜免费鲁丝| 麻豆成人av在线观看| 国产高清激情床上av| 人成视频在线观看免费观看| 一本—道久久a久久精品蜜桃钙片| 王馨瑶露胸无遮挡在线观看| videos熟女内射| 性高湖久久久久久久久免费观看| 制服诱惑二区| 无限看片的www在线观看| 少妇精品久久久久久久| 91麻豆精品激情在线观看国产 | 脱女人内裤的视频| 激情视频va一区二区三区| 黄片小视频在线播放| 啪啪无遮挡十八禁网站| 中文字幕最新亚洲高清| 久久国产精品影院| 欧美激情极品国产一区二区三区| 免费av中文字幕在线| 亚洲国产欧美日韩在线播放| av有码第一页| 精品久久久久久电影网| 搡老熟女国产l中国老女人| 在线观看人妻少妇| 亚洲欧美一区二区三区黑人| 国产欧美日韩综合在线一区二区| 黑人操中国人逼视频| 国产精品麻豆人妻色哟哟久久| 最近最新中文字幕大全免费视频| www.精华液| 侵犯人妻中文字幕一二三四区| 免费在线观看完整版高清| 波多野结衣一区麻豆| 一级毛片精品| 日韩制服丝袜自拍偷拍| 99精国产麻豆久久婷婷| 桃花免费在线播放| 欧美 亚洲 国产 日韩一| 成年动漫av网址| 一区二区三区精品91| 黄色a级毛片大全视频| 18禁观看日本| 国产有黄有色有爽视频| 美女扒开内裤让男人捅视频| 国产免费视频播放在线视频| 999久久久精品免费观看国产| 19禁男女啪啪无遮挡网站| 国产成人一区二区三区免费视频网站| 一本久久精品| 精品一品国产午夜福利视频| 亚洲一区二区三区欧美精品| 50天的宝宝边吃奶边哭怎么回事| 亚洲三区欧美一区| 国产一区二区激情短视频| 国产极品粉嫩免费观看在线| 91精品国产国语对白视频| 男女午夜视频在线观看| 老鸭窝网址在线观看| 中文字幕最新亚洲高清| 超碰97精品在线观看| 美女高潮到喷水免费观看| 精品一区二区三区四区五区乱码| 久久国产精品人妻蜜桃| 飞空精品影院首页| 亚洲中文av在线| 美女主播在线视频| av电影中文网址| 欧美黑人精品巨大| tocl精华| 国产成人免费无遮挡视频| 精品亚洲成a人片在线观看| 亚洲国产精品一区二区三区在线| 久久久精品94久久精品| 超碰97精品在线观看| 岛国毛片在线播放| 18禁裸乳无遮挡动漫免费视频| 免费日韩欧美在线观看| 热99久久久久精品小说推荐| 国产免费福利视频在线观看| av网站在线播放免费| 建设人人有责人人尽责人人享有的| 亚洲熟妇熟女久久| 日本vs欧美在线观看视频| 黄色视频在线播放观看不卡| 高清视频免费观看一区二区| 一进一出抽搐动态| 99国产精品一区二区三区| 国产不卡av网站在线观看| 亚洲三区欧美一区| 蜜桃在线观看..| 亚洲一卡2卡3卡4卡5卡精品中文| 国产成人精品久久二区二区免费| 国产一区有黄有色的免费视频| 一级片免费观看大全| xxxhd国产人妻xxx| 涩涩av久久男人的天堂| 久久亚洲真实| 精品国产乱子伦一区二区三区| 亚洲伊人色综图| 老鸭窝网址在线观看| 夜夜骑夜夜射夜夜干| 欧美激情 高清一区二区三区| 一区二区av电影网| 曰老女人黄片| 亚洲中文av在线| 免费久久久久久久精品成人欧美视频| 久久久久久免费高清国产稀缺| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲综合色网址| 欧美日韩av久久| 在线天堂中文资源库| 国产一区二区在线观看av| 亚洲色图av天堂| 午夜福利免费观看在线| 男女高潮啪啪啪动态图| 天天躁狠狠躁夜夜躁狠狠躁| 黄色片一级片一级黄色片| 黄网站色视频无遮挡免费观看| 99国产综合亚洲精品| 丰满迷人的少妇在线观看| 久久精品国产a三级三级三级| 日韩大码丰满熟妇| 女人爽到高潮嗷嗷叫在线视频| a级片在线免费高清观看视频| 亚洲一卡2卡3卡4卡5卡精品中文| 午夜福利影视在线免费观看| 欧美激情 高清一区二区三区| 18禁裸乳无遮挡动漫免费视频| 成人特级黄色片久久久久久久 | 久久亚洲真实| 窝窝影院91人妻| 亚洲国产看品久久| av福利片在线| 亚洲精品一卡2卡三卡4卡5卡| 欧美日韩中文字幕国产精品一区二区三区 | 国产日韩欧美亚洲二区| 亚洲精华国产精华精| 久久99热这里只频精品6学生| 国产不卡一卡二| 精品国产一区二区久久| 又紧又爽又黄一区二区| 精品国产一区二区三区久久久樱花| 人人妻人人添人人爽欧美一区卜| av在线播放免费不卡| 操美女的视频在线观看| 一区二区三区激情视频| 国产免费福利视频在线观看| 久久青草综合色| 午夜福利欧美成人| 三级毛片av免费| 国产亚洲一区二区精品| 51午夜福利影视在线观看| 国精品久久久久久国模美| 人妻 亚洲 视频| 成人国产av品久久久| 99国产精品免费福利视频| 国产精品一区二区免费欧美| 少妇被粗大的猛进出69影院| 国产精品免费大片| 国产深夜福利视频在线观看| 免费人妻精品一区二区三区视频| 男男h啪啪无遮挡| 亚洲第一青青草原| 亚洲国产欧美在线一区| 午夜精品国产一区二区电影| 国产黄色免费在线视频| 一本综合久久免费| 十八禁网站网址无遮挡| 成人18禁在线播放| 波多野结衣av一区二区av| 在线观看免费午夜福利视频| 麻豆成人av在线观看| 天堂中文最新版在线下载| 伦理电影免费视频| 美女午夜性视频免费| 久久中文字幕一级| 国产在视频线精品| 国产伦人伦偷精品视频| 国产精品久久久久成人av| 啦啦啦 在线观看视频| 国产日韩一区二区三区精品不卡| 日韩精品免费视频一区二区三区| 日韩有码中文字幕| 亚洲精品成人av观看孕妇| 亚洲七黄色美女视频| 热re99久久国产66热| 欧美日本中文国产一区发布| 夫妻午夜视频| tube8黄色片| 亚洲伊人久久精品综合| 黑人巨大精品欧美一区二区mp4| 精品免费久久久久久久清纯 | 18在线观看网站| 午夜激情av网站| 18禁美女被吸乳视频| 色播在线永久视频| 99在线人妻在线中文字幕 | 2018国产大陆天天弄谢| 97在线人人人人妻| 午夜精品久久久久久毛片777| 欧美成人午夜精品| 夜夜爽天天搞| 欧美精品亚洲一区二区| 夜夜爽天天搞| 九色亚洲精品在线播放| 久久免费观看电影| 久久国产精品影院| 中亚洲国语对白在线视频| 男男h啪啪无遮挡| 一进一出好大好爽视频| 国产成人免费观看mmmm| 在线亚洲精品国产二区图片欧美| 国产成人影院久久av| 下体分泌物呈黄色| 亚洲av第一区精品v没综合| netflix在线观看网站| av有码第一页| 色视频在线一区二区三区| 啦啦啦免费观看视频1| 成人国语在线视频| 嫩草影视91久久| 免费在线观看黄色视频的| 超碰97精品在线观看| 久久天躁狠狠躁夜夜2o2o| 欧美日韩精品网址| 夜夜爽天天搞| 亚洲色图av天堂| 欧美精品一区二区大全| 不卡av一区二区三区| 精品免费久久久久久久清纯 | 黄片播放在线免费| 国产av一区二区精品久久| 免费久久久久久久精品成人欧美视频| 欧美av亚洲av综合av国产av| 成人国产av品久久久| 国产有黄有色有爽视频| 欧美乱码精品一区二区三区| 午夜福利在线免费观看网站| 日日摸夜夜添夜夜添小说| 捣出白浆h1v1| 日本av手机在线免费观看| 宅男免费午夜| 黑人欧美特级aaaaaa片| av有码第一页| 一本综合久久免费| 色精品久久人妻99蜜桃| 一区二区三区激情视频| 在线观看免费日韩欧美大片| 激情视频va一区二区三区| 国产黄频视频在线观看| 日本黄色视频三级网站网址 | 欧美日韩视频精品一区| 久久久精品区二区三区| 久久精品亚洲av国产电影网| 在线观看66精品国产| 亚洲av国产av综合av卡| 日韩一区二区三区影片| 91国产中文字幕| 国产无遮挡羞羞视频在线观看| 亚洲色图 男人天堂 中文字幕| 亚洲精品中文字幕在线视频| 亚洲天堂av无毛| 成人av一区二区三区在线看| 99精品久久久久人妻精品| 老汉色∧v一级毛片| 美女主播在线视频| 好男人电影高清在线观看| 亚洲人成伊人成综合网2020| 日本五十路高清| 18禁裸乳无遮挡动漫免费视频| 天天躁狠狠躁夜夜躁狠狠躁| 老司机福利观看| 日韩欧美一区视频在线观看| 国产人伦9x9x在线观看|