• <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 ?

    GM-FastText多通道詞向量短文本分類模型①

    2022-09-20 04:12:16白子誠周艷玲
    關(guān)鍵詞:集上類別短文

    白子誠, 周艷玲, 張 龑

    (湖北大學(xué) 計(jì)算機(jī)與信息工程學(xué)院, 武漢 430062)

    1 引言

    隨著互聯(lián)網(wǎng)的普及, 中國大數(shù)據(jù)產(chǎn)業(yè)領(lǐng)跑全球, 每時(shí)每刻都產(chǎn)生大量的短文本數(shù)據(jù)信息, 如新聞標(biāo)題、應(yīng)用評(píng)論、短信息等[1]. 在大數(shù)據(jù)時(shí)代背景下, 大量短文本信息的篩選與管理成為人們亟待解決的需求. 文本分類作為自然語言處理(natural language processing, NLP)的一個(gè)子任務(wù), 是將指定文本歸納到預(yù)定義標(biāo)簽的過程, 廣泛應(yīng)用于新聞標(biāo)題分類、情感分析、主題標(biāo)簽和對話系統(tǒng)等, 對于特定的信息篩選, 有著極大的便利. 與長文本分類相比, 短文本分類數(shù)據(jù)具有特征稀疏, 用詞不規(guī)范, 數(shù)據(jù)海量等問題[2].

    目前處理短文本分類思路主要有兩個(gè)方向[3]: 一是通過大規(guī)模的預(yù)訓(xùn)練語言模型, 生成“動(dòng)態(tài)”的嵌入詞向量, 通過引入大量的外部信息提高分類效果; 二是通過構(gòu)建優(yōu)良的模型結(jié)構(gòu), 更深層次的挖掘信息從而提高分類準(zhǔn)確度. 本文同時(shí)考慮這兩個(gè)角度改進(jìn)提高文本分類效果. 為了獲取更多短文本的特征, 采用FastText方法[4]代替?zhèn)鹘y(tǒng)Word2Vec方法產(chǎn)生嵌入詞向量, 這種方式不單單只是利用字向量級(jí)別的嵌入詞向量, 同時(shí)產(chǎn)生含有N-gram級(jí)別的嵌入詞向量, 形成多通道的嵌入詞向量輸入; 另外在多通道的嵌入詞輸入下, 采取了GRU (gate recurrent unit)和多層感知機(jī)(multi-layer perceptron, MLP)混合網(wǎng)絡(luò)結(jié)構(gòu)(GRU-MLP hybrid network architecture, GM)提取并結(jié)合各通道詞向量特征. 提出新的文本分類結(jié)構(gòu)GM-FastText, 并在多個(gè)數(shù)據(jù)集上通過對比分析其性能.

    2 相關(guān)工作

    在數(shù)據(jù)較小情況下, 可以采用傳統(tǒng)的機(jī)器學(xué)習(xí)方式, 如樸素貝葉斯、K-近鄰、支持向量機(jī)等, 這些方法通過對數(shù)據(jù)集的預(yù)定義學(xué)習(xí)從而預(yù)測結(jié)果. 然而, 特征工程的建立往往需要大量工作量. 隨著數(shù)據(jù)量的增長,傳統(tǒng)機(jī)器學(xué)習(xí)方式已不再適用, 卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks, CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural networks, RNN)等基于神經(jīng)網(wǎng)絡(luò)可以自主提取文本的特征, 減少大量人工標(biāo)注, Kim[5]提出TextCNN模型, 應(yīng)用了多個(gè)不同卷積核提取文本特征實(shí)現(xiàn)文本分類.

    實(shí)現(xiàn)自主提取特征的關(guān)鍵是字詞向量化. 在NLP中廣泛應(yīng)用的獨(dú)熱編碼(one-hot)將詞表示為長度為詞表大小的長維度向量, 其中僅一個(gè)緯度值為1及表示這個(gè)詞. 這樣的編碼方式易于理解, 但是難以聯(lián)系上下文關(guān)系, 在實(shí)際應(yīng)用過程中易造成維數(shù)災(zāi)難等問題. 然而, 分布式詞向量表示則在很大程度上解決了以上問題, 訓(xùn)練良好的分布式詞向量可以通過計(jì)算向量之間歐幾里得距離衡量相似度. 現(xiàn)階段主流的分布式詞向量訓(xùn)練模型有Mikolov[6]在2013年提出的Word2Vec模型, 其訓(xùn)練方式有兩種模式: CBOW和Skip-gram, 并通過層次Softmax和負(fù)采樣兩種優(yōu)化方式訓(xùn)練, 可以得到較為準(zhǔn)確的詞向量表示. Facebook研究團(tuán)隊(duì)提出的FastText模型是一個(gè)開源詞向量計(jì)算和文本分類工具, 其效果可以媲美深度神經(jīng)網(wǎng)絡(luò), 運(yùn)行速度快并且在CPU上一分鐘能實(shí)現(xiàn)10萬數(shù)據(jù)級(jí)別的分類任務(wù), 同樣是在Word2Vec的基礎(chǔ)上進(jìn)行了改進(jìn), 可以得到除了詞向量以外的N-gram向量信息. 張焱博等人[7]將預(yù)訓(xùn)練詞向量分別通過CNN-Bi-LSTM和FastText提取淺層語義并做拼接然后直接映射到分類, 得到了較好的結(jié)果并加速了訓(xùn)練過程. 汪家成等人[8]為解決FastText準(zhǔn)確率低問題, 在輸入階段使用TextRank和TF-IDF技術(shù)使輸入特征表示信息量更高. 范昊等人[9]則利用Bi-GRU直接處理FastText詞向量. 但是這些操作僅是對FastText不同N-gram詞向量簡單的疊加操作, 而丟失了各個(gè)N-gram詞向量獨(dú)立特征. 不同N-gram詞向量這一特性對于短文本分類處理可以一定程度上解決“簡寫”導(dǎo)致超出詞表問題. 然而FastText產(chǎn)生的向量組比主流的詞向量多了很多數(shù)據(jù)參數(shù), 如何建立高效網(wǎng)絡(luò)結(jié)構(gòu)成為一個(gè)挑戰(zhàn), 針對此問題采取了GRU和MLP混合網(wǎng)絡(luò)結(jié)構(gòu).

    3 GM-FastText模型

    為了解決短文本分類中存在的特征稀疏、用詞不規(guī)范等問題, 本文根據(jù)FastText模型能產(chǎn)生多通道的詞向量等特點(diǎn), 結(jié)合GRU和MLP等模型在特征提取上的優(yōu)勢提出了GM-FastText模型. GM-FastText模型流程圖如圖1所示, 利用FastText模型產(chǎn)生3種不同的嵌入詞向量編碼, One-Emb、Two-Emb、Thr-Emb分別代表由1、2、3個(gè)字表示的向量. 將One-Emb輸入到GRU網(wǎng)絡(luò)提取One-Emb信息, 然后再輸入到MLP-Layer層. Two-Emb和Thr-Emb則直接輸入到MLP-Layer層. 通過MLP層聯(lián)系3組嵌入詞向量, 平均池化后連接全連接層得到分類結(jié)果.

    圖1 GM-FastText模型結(jié)構(gòu)圖

    3.1 FastText

    FastText模型架構(gòu)如圖2所示, 只有輸入層、隱藏層、輸出層3層構(gòu)成. 雖然其結(jié)構(gòu)與Word2Vec模型的CBOW類似, 但是模型任務(wù)不同. 前者通過上下文預(yù)測中間詞, 后者通過全部特征預(yù)測文本標(biāo)簽.

    圖2 FastText模型結(jié)構(gòu)

    模型中{X1, X2, …, Xn-1, Xn}表示文本中的特征詞向量, 通過隱藏層將多個(gè)詞向量疊加經(jīng)過激活函數(shù)得到輸出層的輸入:

    其中, Hdoc表示平均文本特征, W0表示隱藏層權(quán)重矩陣, Y表示輸出層輸入.

    對于大量類別的數(shù)據(jù)集, 在做類別概率歸一化時(shí)會(huì)占用非常長的時(shí)間, 因此在模型輸入層中引入了分層Softmax[10], 其思想是根據(jù)類別的頻率構(gòu)造哈夫曼樹來代替標(biāo)準(zhǔn)Softmax, 只需要計(jì)算一條路徑上所有節(jié)點(diǎn)的概率值, 不需要在意其他節(jié)點(diǎn), 可以將計(jì)算時(shí)間復(fù)雜度從O(N)降低到O(logN).

    FastText通過詞袋模型獲取文本特征的同時(shí), 還融入了N-gram信息. 其基本思想是按指定的步長進(jìn)行大小為N的窗口滑動(dòng), 最終得到片段長度N的序列. 這樣對于一些罕見單詞可以提供更好的詞向量, 對于一些超出詞表的單詞可以通過字符級(jí)N-gram進(jìn)行組合,同時(shí)也面臨著內(nèi)存壓力. FastText模型隨著語料庫增加, 使用Hash的方式被分配到不同的桶中緩解內(nèi)存壓力.

    3.2 GUR

    為采用GRU模型處理字符集別的嵌入詞向量, 這個(gè)模型由Chung[11]提出, 是RNN的變種與LSTM (long short-term memory)結(jié)構(gòu)相似. 然而GUR只有兩個(gè)門控, 分別是更新門和重置門, 簡化了模型結(jié)構(gòu)計(jì)算效率更高, 同時(shí)也能解決梯度消失和梯度爆炸等文本信息丟失問題.

    GRU模型結(jié)構(gòu)由圖3所示, Zt為更新門, 是由隱藏狀態(tài)Ht-1和當(dāng)前輸入Xt控制, 其計(jì)算過程如式(3)所示, Wz表示為權(quán)重, 通過激活函數(shù)Sigmoid將結(jié)果映射到0-1之間, 結(jié)果越大表示存儲(chǔ)下來的信息多, 反之越少, 有助于獲取長序列依賴關(guān)系. Rt為重置門決定了對上一時(shí)刻的信息的獲取程度, 如式(4)所示, 有助于獲取短序列的依賴關(guān)系. H~t表示當(dāng)前序列的隱藏狀態(tài),是由重置門和當(dāng)前輸入控制, 使用tanh激活函數(shù)結(jié)果映射在-1~1之間如式(5)所示. Ht表示傳遞到下個(gè)序列信息, 通過更新門實(shí)現(xiàn)記憶更新, 其計(jì)算如式(6).

    圖3 GRU模型結(jié)構(gòu)圖

    3.3 MLP-Layer

    為了使3種不同特征通道之間參數(shù)能有交互, 設(shè)計(jì)了MLP-Layer層[12], 是由層歸一化層(LayerNorm)、全聯(lián)接層和一個(gè)激活層構(gòu)成, 其結(jié)構(gòu)如圖4所示. 層歸一化是為了突出特征同時(shí)保持特征穩(wěn)定的分布結(jié)構(gòu),然后再通過全聯(lián)接層和激活層輸入到下一層. 其計(jì)算流程可以如式(7), 其中X表示輸入, Y表示輸出, W表示訓(xùn)練權(quán)重, b表示偏置, σ表示激活函數(shù).

    圖4 MLP-Layer結(jié)構(gòu)

    4 實(shí)驗(yàn)結(jié)果分析

    該實(shí)驗(yàn)將采取多個(gè)數(shù)據(jù)集與傳統(tǒng)的基線模型做對比, 分析模型的性能, 實(shí)驗(yàn)使用Python 3.8版本, 采用NVIDIA 1070顯卡作為計(jì)算平臺(tái).

    4.1 數(shù)據(jù)集

    該實(shí)驗(yàn)采用短新聞標(biāo)題去驗(yàn)證模型的效果, 由于數(shù)據(jù)庫過大, 限于計(jì)算資源, 分別從THUCNews、Sogo新聞庫中選取10個(gè)類別按每個(gè)類別2萬條, 然后每個(gè)類別抽取2 000條以1:1分為測試集和驗(yàn)證集. 由于頭條新聞庫單個(gè)類別數(shù)量少, 選取了10個(gè)類別每個(gè)類別只抽取12 000條再分別抽取出2 000條以1:1分為測試集和驗(yàn)證集. 數(shù)據(jù)集的詳細(xì)情況如表1所示.

    表1 數(shù)據(jù)集信息表

    4.2 實(shí)驗(yàn)評(píng)估指標(biāo)

    實(shí)驗(yàn)將詞向量維度設(shè)置為300, 采用Adam優(yōu)化器進(jìn)行參數(shù)更新, 學(xué)習(xí)率設(shè)置為0.001, 批處理設(shè)置為128, 為防止過擬合隨機(jī)失活率設(shè)置為0.5. 文本分類常用指標(biāo)包括精確率P、召回率R、F1以及準(zhǔn)確率Accuracy, 由于F1指標(biāo)中已經(jīng)包含了精確率P和召回R, 所以選擇F1和Accuracy作為評(píng)估指標(biāo).

    為了驗(yàn)證GM-FastText模型的有效性, 主要從兩個(gè)角度進(jìn)行了對比. 首先使用相同的運(yùn)行參數(shù), 且都使用隨機(jī)初始化嵌入詞向量對比分析了TextCNN、TextRNN、DPCNN[13]、RCNN[14]、Transformer、FastText 模型的文本分類性能. 同時(shí)為了分析GM結(jié)構(gòu)的特征提取優(yōu)勢, 將FastText分別與RNN、CNN拼接后的模型FastText-CNN、FastText-RNN與GMFastText模型也進(jìn)行對比實(shí)驗(yàn)分析.

    4.3 實(shí)驗(yàn)結(jié)果分析

    各模型在3個(gè)數(shù)據(jù)集上的F1值如表2-表4所示.從表2可以看出, GM-FastText模型在THUCNews數(shù)據(jù)集中各分類的F1值最好. 與傳統(tǒng)文本分類模型TextCNN、TextRNN相比, GM-FastText在該數(shù)據(jù)集上F1值提升最大類別為Sport和Stock分別為0.04和0.05, 10個(gè)類別F1值分別平均提升0.02和0.019;采用FastText詞向量, GM-FastText與FastText,FastText-CNN和FastText-RNN相比在該數(shù)據(jù)集上F1值提升最大類別為Stock、Entertainment和Stock分別為0.02、0.03和0.03, 10個(gè)類別F1值平均提升0.005, 0.015, 0.011.

    表2 THUCNews數(shù)據(jù)集10類別F1值

    從表3中可以看出, 在頭條新聞庫數(shù)據(jù)集中除Entertainment、Education和Travel這3個(gè)類別外有7個(gè)類別達(dá)到最優(yōu)值. 與傳統(tǒng)文本分類模型TextCNN、TextRNN相比, GM-FastText在該數(shù)據(jù)集上F1值提升最大類別為Science和Word分別為0.03和0.04,10個(gè)類別F1值分別平均提升0.013和0.015; 采用FastText詞向量, GM-FastText與FastText, FastText-CNN和FastText-RNN相比在該數(shù)據(jù)集上F1值提升最大類別為Financial、Science和Word分別為0.03、0.03和0.03, 10個(gè)類別F1值平均提升0.008, 0.008,0.013.

    表3 頭條新聞庫數(shù)據(jù)集10個(gè)類別F1值

    從表4可以看出, 在Sogo新聞庫數(shù)據(jù)中除Travel類別外其他9個(gè)分類能達(dá)到最好的效果. 與傳統(tǒng)文本分類模型TextCNN、TextRNN相比, GM-FastText在該數(shù)據(jù)集上F1值提升最大類別都為Culture分別為0.07和0.06, 10個(gè)類別F1值分別平均提升0.032和0.035 ; 采用FastText詞向量, GM-FastText與FastText,FastText-CNN和FastText-RNN相比, 在該數(shù)據(jù)集上F1值提升最大類別為Culture、Education和Science分別為0.02、0.05和0.05, 10個(gè)類別F1值平均提升0.005, 0.019, 0.025.

    表4 Sogo新聞庫數(shù)據(jù)集10個(gè)類別F1值

    根據(jù)以上分析, GM-FastText與傳統(tǒng)文本分類模型TextCNN、TextRNN相比, 在3個(gè)數(shù)據(jù)集上F1平均提升0.021和0.023; GM-FastText相比于FastText,FastText-CNN和FastText-RNN在3個(gè)數(shù)據(jù)集上10個(gè)類別F1平均提升0.006, 0.014和0.016.

    各模型在3個(gè)數(shù)據(jù)集上的準(zhǔn)確率值如表5所示.從表5中可以看出, GM-FastText在不同的數(shù)據(jù)集上都達(dá)到了最高的值. 與傳統(tǒng)文本分類模型TextCNN、TextRNN相比, GM-FastText分別在3種數(shù)據(jù)集上準(zhǔn)確率提升了1.74、0.95、3.2和1.64、1.58、3.03個(gè)百分點(diǎn); 采用FastText詞向量, GM-FastText與FastText、FastText-CNN、FastText-RNN相比在3個(gè)不同的數(shù)據(jù)集上的準(zhǔn)確率分別提升, 0.56、0.28、0.43,1.15、0.41、1.62和1.01、1.09、2.21個(gè)百分點(diǎn).

    表5 各模型在不同數(shù)據(jù)集的準(zhǔn)確率(%)

    由以上數(shù)據(jù)可得, GM-FastText與傳統(tǒng)文本分類模型TextCNN、TextRNN相比在3個(gè)數(shù)據(jù)集上準(zhǔn)確率平均提升1.96、2.08個(gè)百分點(diǎn); GM-FastText相比于FastText, FastText-CNN和FastText-RNN在3個(gè)數(shù)據(jù)集上準(zhǔn)確率平均提升0.42、1.06、1.41個(gè)百分點(diǎn).

    同時(shí)從表2-表5可以看出DPCNN和Transformer兩個(gè)深度神經(jīng)網(wǎng)絡(luò)模型, 相比其他網(wǎng)絡(luò)模型準(zhǔn)確率上缺乏優(yōu)勢, 說明僅依靠增加網(wǎng)絡(luò)深度對于短文本處理沒有明顯的提升效果.

    總之, 針對3個(gè)數(shù)據(jù)集表2-表5中的F1值和準(zhǔn)確率的性能改善可知, FastText多通道詞向量在短文本分類中有更好的詞向量表達(dá)和更加準(zhǔn)確的特征表示;且GM網(wǎng)絡(luò)結(jié)構(gòu)相對于傳統(tǒng)的CNN、RNN模型在應(yīng)對多通道大量數(shù)據(jù)時(shí)有更好的特征提取和整合能力.

    5 結(jié)論與展望

    通過詞向量表征和模型結(jié)構(gòu)兩個(gè)切入點(diǎn), 構(gòu)建了一個(gè)多通道嵌入詞的簡易網(wǎng)絡(luò)短文本分類模型GMFastText. 通過FastText生成3種不同N-gram嵌入詞向量, 以多通道的形式輸入到GM結(jié)構(gòu)中, 突出文本特征然后通過全聯(lián)接層得到結(jié)果. GM-FastText模型利用N-gram特殊的滑窗結(jié)構(gòu)構(gòu)建特殊的字詞向量, 對于短新聞中一些極簡詞也有對應(yīng)向量解決大多數(shù)的OOV問題, 提高了部分類別新聞分類準(zhǔn)確率. 盡管MLP提取整合多特征向量有著良好性能, 但是特征向量經(jīng)過1次MLP-Layer層特征識(shí)別有限, 在接下來的工作中應(yīng)著重優(yōu)化MLP-Layer嘗試多次經(jīng)過MLP-Layver層多次提取詞向量特征.

    猜你喜歡
    集上類別短文
    Cookie-Cutter集上的Gibbs測度
    鏈完備偏序集上廣義向量均衡問題解映射的保序性
    KEYS
    Keys
    復(fù)扇形指標(biāo)集上的分布混沌
    服務(wù)類別
    新校長(2016年8期)2016-01-10 06:43:59
    論類別股東會(huì)
    商事法論集(2014年1期)2014-06-27 01:20:42
    中醫(yī)類別全科醫(yī)師培養(yǎng)模式的探討
    短文改錯(cuò)
    短文改錯(cuò)
    亚洲欧美精品综合久久99| 亚洲美女黄片视频| 亚洲人成网站高清观看| 久久天躁狠狠躁夜夜2o2o| 国产一区二区在线av高清观看| 村上凉子中文字幕在线| 日韩欧美精品v在线| 亚洲精品一卡2卡三卡4卡5卡| 亚洲在线观看片| 黄色丝袜av网址大全| 国产成人影院久久av| 长腿黑丝高跟| 成人三级黄色视频| 黄色 视频免费看| 不卡av一区二区三区| 日日摸夜夜添夜夜添小说| 亚洲精品乱码久久久v下载方式 | 亚洲精品久久国产高清桃花| 国产精品日韩av在线免费观看| 岛国视频午夜一区免费看| 男人舔女人下体高潮全视频| 国产男靠女视频免费网站| 不卡一级毛片| 久久久久国产精品人妻aⅴ院| 国产成+人综合+亚洲专区| 国产精品电影一区二区三区| 亚洲欧美日韩高清在线视频| 性欧美人与动物交配| 久99久视频精品免费| 日本 欧美在线| 香蕉丝袜av| 国产精品av久久久久免费| 国产精品九九99| 男女床上黄色一级片免费看| 99热只有精品国产| 一区福利在线观看| 少妇丰满av| 国内少妇人妻偷人精品xxx网站 | a级毛片在线看网站| 偷拍熟女少妇极品色| 国产午夜精品久久久久久| 欧美黑人欧美精品刺激| 91av网一区二区| 亚洲美女黄片视频| 午夜免费成人在线视频| 999久久久国产精品视频| 一个人看的www免费观看视频| 中文资源天堂在线| 99精品在免费线老司机午夜| 久久国产精品人妻蜜桃| 国产 一区 欧美 日韩| aaaaa片日本免费| 亚洲av电影在线进入| 国产成年人精品一区二区| 久久久水蜜桃国产精品网| 日韩欧美 国产精品| 国产精品一区二区三区四区免费观看 | 最新美女视频免费是黄的| 国产蜜桃级精品一区二区三区| 啦啦啦韩国在线观看视频| 两人在一起打扑克的视频| 久久久久性生活片| 久久久久性生活片| 欧美色欧美亚洲另类二区| 欧美日韩福利视频一区二区| 一本一本综合久久| 亚洲欧美一区二区三区黑人| 色综合站精品国产| 91av网一区二区| 美女大奶头视频| 国产乱人视频| 两个人的视频大全免费| 激情在线观看视频在线高清| 一本综合久久免费| 一个人看视频在线观看www免费 | 国产精品一区二区免费欧美| 美女扒开内裤让男人捅视频| 99热这里只有精品一区 | 天堂av国产一区二区熟女人妻| 高潮久久久久久久久久久不卡| 最近最新中文字幕大全电影3| www.精华液| 丰满人妻熟妇乱又伦精品不卡| av黄色大香蕉| 中文在线观看免费www的网站| 中文在线观看免费www的网站| 制服人妻中文乱码| 欧美成人免费av一区二区三区| 18禁黄网站禁片午夜丰满| 最近在线观看免费完整版| 最近在线观看免费完整版| 禁无遮挡网站| 丝袜人妻中文字幕| 又大又爽又粗| 欧美成人一区二区免费高清观看 | 脱女人内裤的视频| 亚洲在线自拍视频| 真实男女啪啪啪动态图| 久久久国产成人精品二区| 午夜激情福利司机影院| 黄色片一级片一级黄色片| 国产真实乱freesex| 麻豆国产av国片精品| 亚洲人成电影免费在线| 午夜免费激情av| 啪啪无遮挡十八禁网站| a级毛片在线看网站| 午夜福利在线观看吧| 久久精品91无色码中文字幕| 十八禁人妻一区二区| 一级作爱视频免费观看| 免费在线观看成人毛片| 99精品久久久久人妻精品| 黄片大片在线免费观看| 高清毛片免费观看视频网站| 久久九九热精品免费| 精品欧美国产一区二区三| 久久性视频一级片| tocl精华| 国产麻豆成人av免费视频| 99热6这里只有精品| 国内精品久久久久久久电影| 国产视频内射| 欧美成人免费av一区二区三区| 高清在线国产一区| 最近最新中文字幕大全电影3| 亚洲第一电影网av| 国产精品永久免费网站| 国产精品永久免费网站| 国产av一区在线观看免费| 欧美日韩亚洲国产一区二区在线观看| 法律面前人人平等表现在哪些方面| 精品午夜福利视频在线观看一区| 成年女人毛片免费观看观看9| 美女高潮的动态| 美女高潮的动态| 蜜桃久久精品国产亚洲av| 精品日产1卡2卡| 久久久国产成人精品二区| 成人亚洲精品av一区二区| 最新美女视频免费是黄的| 人妻丰满熟妇av一区二区三区| 99久久99久久久精品蜜桃| 国产在线精品亚洲第一网站| 亚洲在线自拍视频| 99久久精品一区二区三区| 人人妻人人看人人澡| 白带黄色成豆腐渣| 日本成人三级电影网站| 在线观看66精品国产| 亚洲专区中文字幕在线| 色在线成人网| 一进一出好大好爽视频| www.999成人在线观看| a级毛片a级免费在线| 欧美中文综合在线视频| 久久草成人影院| 特大巨黑吊av在线直播| 久久午夜综合久久蜜桃| 最近最新中文字幕大全电影3| 一级毛片女人18水好多| 国产激情偷乱视频一区二区| 亚洲av片天天在线观看| 网址你懂的国产日韩在线| 国内精品美女久久久久久| av中文乱码字幕在线| 亚洲美女视频黄频| 中文字幕人妻丝袜一区二区| 精品久久久久久久毛片微露脸| 色综合站精品国产| 少妇裸体淫交视频免费看高清| 国产成人精品久久二区二区91| 国模一区二区三区四区视频 | 一级毛片精品| 中文字幕av在线有码专区| 国产伦一二天堂av在线观看| 熟女电影av网| 久久国产乱子伦精品免费另类| 一级a爱片免费观看的视频| 久久精品国产清高在天天线| 国产精品自产拍在线观看55亚洲| 俄罗斯特黄特色一大片| 免费看十八禁软件| 国产成人aa在线观看| 欧美一级毛片孕妇| 精品久久久久久久久久久久久| 精品久久久久久久人妻蜜臀av| 亚洲成av人片在线播放无| h日本视频在线播放| 国产高潮美女av| 亚洲国产精品999在线| 欧美黑人欧美精品刺激| 制服丝袜大香蕉在线| 欧美xxxx黑人xx丫x性爽| 老司机午夜十八禁免费视频| 亚洲国产中文字幕在线视频| 免费观看精品视频网站| 久久精品国产综合久久久| 国内精品一区二区在线观看| 亚洲欧美精品综合一区二区三区| 欧美三级亚洲精品| 成人av一区二区三区在线看| 男人舔奶头视频| 无遮挡黄片免费观看| 国产精品av视频在线免费观看| 欧美午夜高清在线| 深夜精品福利| 搡老妇女老女人老熟妇| 免费搜索国产男女视频| 一个人观看的视频www高清免费观看 | 一区福利在线观看| 亚洲国产看品久久| 久久精品国产清高在天天线| 免费电影在线观看免费观看| 国产精品一及| 国产成人福利小说| 噜噜噜噜噜久久久久久91| 免费看美女性在线毛片视频| 狠狠狠狠99中文字幕| 精品欧美国产一区二区三| 99久久国产精品久久久| 日本三级黄在线观看| 99精品在免费线老司机午夜| 国产熟女xx| 三级男女做爰猛烈吃奶摸视频| 男人舔奶头视频| 丰满的人妻完整版| 极品教师在线免费播放| 精品欧美国产一区二区三| 欧美中文综合在线视频| 亚洲av成人精品一区久久| 国产精品亚洲美女久久久| 全区人妻精品视频| 2021天堂中文幕一二区在线观| 日本 av在线| 一个人免费在线观看的高清视频| 日本一二三区视频观看| 国产成人av教育| 亚洲av电影不卡..在线观看| 亚洲在线观看片| 亚洲精品一卡2卡三卡4卡5卡| 午夜免费成人在线视频| 国产免费av片在线观看野外av| 一二三四社区在线视频社区8| 最近视频中文字幕2019在线8| 欧美zozozo另类| 国内精品久久久久久久电影| 国内精品久久久久精免费| 欧美乱码精品一区二区三区| 亚洲国产精品合色在线| 亚洲精品在线美女| 日韩 欧美 亚洲 中文字幕| 舔av片在线| 毛片女人毛片| 欧洲精品卡2卡3卡4卡5卡区| 亚洲自偷自拍图片 自拍| 老汉色∧v一级毛片| 亚洲真实伦在线观看| 国产欧美日韩一区二区三| 99国产综合亚洲精品| av女优亚洲男人天堂 | 日韩欧美国产一区二区入口| 18禁国产床啪视频网站| 99国产精品一区二区蜜桃av| 久久久久久久精品吃奶| 黄色片一级片一级黄色片| 级片在线观看| 香蕉久久夜色| 久久久久久人人人人人| 欧美黑人欧美精品刺激| 日韩欧美免费精品| 久久精品91无色码中文字幕| 狂野欧美白嫩少妇大欣赏| 99久久成人亚洲精品观看| 国产免费男女视频| 精品一区二区三区视频在线观看免费| 热99在线观看视频| 听说在线观看完整版免费高清| 久久午夜亚洲精品久久| 亚洲第一欧美日韩一区二区三区| 亚洲av中文字字幕乱码综合| 中文亚洲av片在线观看爽| 久久精品国产亚洲av香蕉五月| 亚洲aⅴ乱码一区二区在线播放| 老司机午夜福利在线观看视频| 亚洲在线自拍视频| 国产精品一区二区三区四区免费观看 | 久久久成人免费电影| 日韩三级视频一区二区三区| 一边摸一边抽搐一进一小说| 久久精品国产99精品国产亚洲性色| 99久久99久久久精品蜜桃| 国产精品影院久久| 亚洲国产欧美人成| 可以在线观看的亚洲视频| 最新美女视频免费是黄的| 精品福利观看| 成人三级黄色视频| 国产精品久久久久久人妻精品电影| 99久久精品国产亚洲精品| 亚洲av中文字字幕乱码综合| 一进一出抽搐gif免费好疼| 亚洲18禁久久av| 国产亚洲精品久久久com| 欧美日韩亚洲国产一区二区在线观看| 91九色精品人成在线观看| 精品人妻1区二区| 久久久精品欧美日韩精品| 女警被强在线播放| 精品久久久久久久久久免费视频| 国产黄片美女视频| 国产不卡一卡二| 亚洲欧美一区二区三区黑人| 成年女人毛片免费观看观看9| 国产成+人综合+亚洲专区| 精品电影一区二区在线| 变态另类丝袜制服| 国产真实乱freesex| 成人欧美大片| 18禁观看日本| 国产成人福利小说| 亚洲人成电影免费在线| 国产欧美日韩精品一区二区| h日本视频在线播放| 欧美不卡视频在线免费观看| 国产伦一二天堂av在线观看| 夜夜躁狠狠躁天天躁| 亚洲男人的天堂狠狠| 亚洲黑人精品在线| 在线免费观看不下载黄p国产 | av中文乱码字幕在线| 欧美黑人欧美精品刺激| 国产精品久久久久久人妻精品电影| 狂野欧美激情性xxxx| 国产亚洲精品av在线| 国产一级毛片七仙女欲春2| 久久99热这里只有精品18| 国产三级黄色录像| 麻豆成人午夜福利视频| 啦啦啦韩国在线观看视频| 老汉色∧v一级毛片| 国产高清视频在线观看网站| 在线观看免费午夜福利视频| 99热精品在线国产| 我的老师免费观看完整版| 亚洲精品美女久久av网站| 男女视频在线观看网站免费| 婷婷丁香在线五月| 国产精品乱码一区二三区的特点| 日韩人妻高清精品专区| 亚洲国产欧美人成| 国产亚洲精品久久久com| 国产在线精品亚洲第一网站| 午夜两性在线视频| 波多野结衣高清作品| 99精品久久久久人妻精品| 午夜精品一区二区三区免费看| 日本黄色视频三级网站网址| 丰满的人妻完整版| 亚洲七黄色美女视频| 亚洲第一电影网av| 一二三四在线观看免费中文在| 国产高清激情床上av| 免费搜索国产男女视频| 熟女少妇亚洲综合色aaa.| 熟妇人妻久久中文字幕3abv| 欧美一区二区精品小视频在线| 亚洲av美国av| 十八禁人妻一区二区| 亚洲在线观看片| 人人妻人人澡欧美一区二区| 最近最新中文字幕大全免费视频| 一进一出抽搐动态| 日日夜夜操网爽| 伊人久久大香线蕉亚洲五| 女生性感内裤真人,穿戴方法视频| 亚洲国产色片| 99久久精品一区二区三区| 2021天堂中文幕一二区在线观| 性色av乱码一区二区三区2| 色综合欧美亚洲国产小说| 免费高清视频大片| 欧美乱妇无乱码| 一区二区三区国产精品乱码| 嫩草影视91久久| 香蕉丝袜av| 中文字幕最新亚洲高清| 国产极品精品免费视频能看的| 国产真人三级小视频在线观看| 一边摸一边抽搐一进一小说| 脱女人内裤的视频| 久久国产乱子伦精品免费另类| 欧美黑人巨大hd| 亚洲欧美日韩高清在线视频| 欧美+亚洲+日韩+国产| 99国产综合亚洲精品| 法律面前人人平等表现在哪些方面| 国产精品久久久久久久电影 | 男女午夜视频在线观看| 男女之事视频高清在线观看| 国产精品永久免费网站| 1000部很黄的大片| 黄频高清免费视频| 国产av一区在线观看免费| 亚洲成人久久性| 制服丝袜大香蕉在线| 男女那种视频在线观看| 精品人妻1区二区| 男女视频在线观看网站免费| 99热精品在线国产| 国产野战对白在线观看| 久久天躁狠狠躁夜夜2o2o| 精品国内亚洲2022精品成人| 久久人人精品亚洲av| 国产精品 国内视频| 免费一级毛片在线播放高清视频| 97人妻精品一区二区三区麻豆| 桃红色精品国产亚洲av| 看黄色毛片网站| 午夜a级毛片| 操出白浆在线播放| 熟妇人妻久久中文字幕3abv| 国产蜜桃级精品一区二区三区| 久久香蕉精品热| 人人妻人人澡欧美一区二区| 亚洲国产欧美一区二区综合| 亚洲av成人一区二区三| 在线观看一区二区三区| 亚洲国产色片| 欧美不卡视频在线免费观看| 长腿黑丝高跟| 亚洲精品乱码久久久v下载方式 | 国产精品99久久99久久久不卡| 色综合站精品国产| 精品无人区乱码1区二区| 老熟妇乱子伦视频在线观看| 亚洲av电影在线进入| 一本精品99久久精品77| 嫩草影视91久久| 最近最新免费中文字幕在线| 亚洲午夜理论影院| 丰满人妻一区二区三区视频av | 窝窝影院91人妻| 看免费av毛片| 美女午夜性视频免费| 国产精品 国内视频| 亚洲美女黄片视频| 青草久久国产| 久久精品国产综合久久久| 国产成人系列免费观看| 一夜夜www| 成人一区二区视频在线观看| 日本免费一区二区三区高清不卡| 免费大片18禁| 亚洲男人的天堂狠狠| 国产乱人视频| 一夜夜www| 国产精品一区二区免费欧美| 国产伦一二天堂av在线观看| av欧美777| 日本一二三区视频观看| 国产伦精品一区二区三区四那| 国内少妇人妻偷人精品xxx网站 | 成人鲁丝片一二三区免费| 9191精品国产免费久久| 丁香欧美五月| 国产精品 国内视频| 亚洲在线自拍视频| 97人妻精品一区二区三区麻豆| 最近最新免费中文字幕在线| 高潮久久久久久久久久久不卡| 午夜福利在线在线| 观看美女的网站| 国产激情欧美一区二区| 男女午夜视频在线观看| 69av精品久久久久久| 久久久久精品国产欧美久久久| 国产精品影院久久| 亚洲国产欧美一区二区综合| 搡老熟女国产l中国老女人| 国产精品av视频在线免费观看| 国产欧美日韩一区二区精品| 亚洲熟女毛片儿| 制服丝袜大香蕉在线| 亚洲av中文字字幕乱码综合| 男女下面进入的视频免费午夜| 国产欧美日韩一区二区精品| 少妇熟女aⅴ在线视频| 亚洲精品美女久久久久99蜜臀| 精品久久久久久成人av| 我的老师免费观看完整版| www.www免费av| 久久久久久久久中文| 国产一区在线观看成人免费| 99久久国产精品久久久| 丁香欧美五月| 午夜福利视频1000在线观看| 级片在线观看| 99国产极品粉嫩在线观看| 中亚洲国语对白在线视频| 啦啦啦韩国在线观看视频| 欧美午夜高清在线| 国产精品美女特级片免费视频播放器 | 成人鲁丝片一二三区免费| 又紧又爽又黄一区二区| 丁香欧美五月| 亚洲欧美激情综合另类| 久久国产精品影院| 亚洲精品粉嫩美女一区| 欧美一级毛片孕妇| 国产男靠女视频免费网站| 中亚洲国语对白在线视频| 成人欧美大片| 五月伊人婷婷丁香| 男插女下体视频免费在线播放| 精品久久久久久久人妻蜜臀av| 长腿黑丝高跟| 国产 一区 欧美 日韩| 日本与韩国留学比较| 国产麻豆成人av免费视频| 黄色日韩在线| 国产精品爽爽va在线观看网站| 伦理电影免费视频| 久久精品国产亚洲av香蕉五月| 免费在线观看亚洲国产| 在线观看66精品国产| 精品久久久久久久毛片微露脸| 天堂av国产一区二区熟女人妻| 长腿黑丝高跟| 99热这里只有精品一区 | 国产精品av视频在线免费观看| 最近在线观看免费完整版| 成人特级黄色片久久久久久久| 观看美女的网站| 一区二区三区国产精品乱码| 久久精品国产清高在天天线| 婷婷丁香在线五月| 亚洲欧美日韩无卡精品| 成年人黄色毛片网站| 欧美日韩综合久久久久久 | 看黄色毛片网站| 国产私拍福利视频在线观看| 国产视频内射| 人人妻,人人澡人人爽秒播| 青草久久国产| 亚洲 欧美 日韩 在线 免费| 国产成人精品无人区| 国产又黄又爽又无遮挡在线| 午夜日韩欧美国产| 久久久精品大字幕| 一a级毛片在线观看| 观看美女的网站| 9191精品国产免费久久| 香蕉丝袜av| 无限看片的www在线观看| 啪啪无遮挡十八禁网站| 少妇熟女aⅴ在线视频| 久久亚洲真实| 真人做人爱边吃奶动态| 国产成人精品无人区| 动漫黄色视频在线观看| 欧美乱妇无乱码| 2021天堂中文幕一二区在线观| 精品一区二区三区四区五区乱码| 一a级毛片在线观看| 久久久久国产一级毛片高清牌| 岛国视频午夜一区免费看| 99久久99久久久精品蜜桃| 国产伦人伦偷精品视频| 国产99白浆流出| 欧美成狂野欧美在线观看| 亚洲成人精品中文字幕电影| 国产综合懂色| 亚洲精品美女久久久久99蜜臀| 91九色精品人成在线观看| 免费高清视频大片| 免费看光身美女| 18禁美女被吸乳视频| 国产一区二区三区视频了| 国产v大片淫在线免费观看| 久久精品夜夜夜夜夜久久蜜豆| 久久人妻av系列| 久久久久久国产a免费观看| 国产精品99久久99久久久不卡| 久久天躁狠狠躁夜夜2o2o| 亚洲精品在线观看二区| 99久久成人亚洲精品观看| 亚洲av免费在线观看| 又黄又粗又硬又大视频| 免费人成视频x8x8入口观看| 国产爱豆传媒在线观看| 国产精品 欧美亚洲| 十八禁网站免费在线| 亚洲最大成人中文| 亚洲av第一区精品v没综合| 悠悠久久av| 国产激情久久老熟女| 99热只有精品国产| 日本熟妇午夜| 久9热在线精品视频| 女人高潮潮喷娇喘18禁视频| 制服人妻中文乱码| 五月玫瑰六月丁香| 欧美日韩精品网址| 免费在线观看成人毛片| 男女午夜视频在线观看| 国产精品一区二区免费欧美| 长腿黑丝高跟| 白带黄色成豆腐渣| 精品无人区乱码1区二区| 美女免费视频网站| 小蜜桃在线观看免费完整版高清| 免费看十八禁软件| 国产精品综合久久久久久久免费| 欧美中文综合在线视频|