• <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 ?

    多模態(tài)藏語情感分類的研究*

    2022-10-14 06:55:04拉桑吉安見才讓
    計算機(jī)時代 2022年10期
    關(guān)鍵詞:藏文模態(tài)神經(jīng)網(wǎng)絡(luò)

    拉桑吉,安見才讓

    (1.青海民族大學(xué)計算機(jī)學(xué)院,青海 西寧 810007;2.青海省藏文信息處理與機(jī)器翻譯重點實驗室;3.省部共建藏語智能信息處理及應(yīng)用國家重點實驗室)

    0 引言

    近年來,深度學(xué)習(xí)體現(xiàn)出較為優(yōu)異的學(xué)習(xí)表現(xiàn),越來越多的研究人員開始傾向使用神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)文本或者圖像的特征用于情感分類。但是單一模態(tài)的信息量容易受到其他因素干擾。通常情況下,對于一個雖然帶有情感色彩但情感傾向不明顯的藏文句子,如果配上表情和圖,其情感傾向相對會清晰很多。在社交平臺中圖像與文本存互補(bǔ)性,圖文兩種模態(tài)的信息往往比單一模態(tài)表達(dá)的情感更明確。所以多模態(tài)數(shù)據(jù)能有效地預(yù)測藏族網(wǎng)民所表達(dá)的情感傾向。

    1 相關(guān)研究

    多模態(tài)情感分類的目標(biāo)是識別帶有情感色彩的文本及圖像內(nèi)容的情感極性。本文將情感極性分為三大類,即為積極情感傾向和消極情感傾向、中性等三種極性。積極情感極性由{1}來表示、消極由{-1}表示、中性由{0}表示。

    1.1 單模態(tài)情感分類研究

    ⑴文本情感分類

    本文是基于深度學(xué)習(xí)的方法。孫旺本等將深度學(xué)習(xí)算法的CNN-LSTM(convolutional neural networklong short-term memory,CNN-LSTM)等模型引入藏文的情感傾向分析中;訓(xùn)練了藏文微博詞向量模型,提高了特征向量對文本語義信息的表達(dá)。

    一些藏文語料分詞存在不統(tǒng)一的問題。普次仁等將藏文用詞向量表示詞語,利用無監(jiān)督遞歸自編碼算法對矩陣向量化,預(yù)測藏文語句的情感傾向,其不足點是并未探究語料庫大小對深度學(xué)習(xí)算法性能的影響,以及深度學(xué)習(xí)中參數(shù)較多引起的過擬合現(xiàn)象。曲塔吉將基于注意力機(jī)制和LSTM 的神經(jīng)網(wǎng)絡(luò)對藏文多極情感句子做了情感分析實驗,建立藏文多極情感數(shù)據(jù)集,使用注意力機(jī)制和BiLSTM 神經(jīng)網(wǎng)絡(luò)模型來實驗,正確率很高。

    本課題先收集藏文情感數(shù)據(jù)集,對其進(jìn)行數(shù)據(jù)預(yù)處理。由于目前在藏民族居住地區(qū)沒有公開的情感數(shù)據(jù)資源,在數(shù)據(jù)預(yù)處理時將藏文分詞、情感標(biāo)注等工作都按照藏文傳統(tǒng)文法結(jié)構(gòu),由人工進(jìn)行完成。

    ⑵圖像情感分類

    論文選用情感特征提取方法研究圖像情感數(shù)據(jù)集。Chen等提出一個包含多個CNN的深度神經(jīng)網(wǎng)絡(luò)對圖片情感進(jìn)行分類,模型性能顯著優(yōu)于傳統(tǒng)的機(jī)器學(xué)習(xí)模型。Yang等提出了圖片局部區(qū)域信息和整體信息的圖片情感識別模型,取得良好的效果。曹建芳等提出了基于Adaboost-BP 的圖像情感分析方法,使用Adaboost 算法結(jié)合BP 神經(jīng)網(wǎng)絡(luò)的弱分類器,構(gòu)成一個強(qiáng)分類器,取得了良好的實驗效果。

    首先收集圖像情感數(shù)據(jù)集,這些圖像數(shù)據(jù)集都是在各種社交平臺中使用藏文的網(wǎng)民平時所使用的評論表情圖像,然后對其進(jìn)行情感標(biāo)注及數(shù)據(jù)預(yù)處理工作。

    1.2 多模態(tài)情感分類研究

    多模態(tài)情感分類研究可分為特征融合好、中間層融合和決策融合,本課題選擇特征融合。在多模態(tài)情感分類研究方面,各專家和學(xué)者都選用適合各種課題的技術(shù)來研究。

    Jindal 和Singh使用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)構(gòu)建圖像情感預(yù)測框架,使用于對象的識別與遷移學(xué)習(xí)當(dāng)中,在人工標(biāo)注的圖像數(shù)據(jù)集上進(jìn)行實驗。多模態(tài)情感分類有著很大的研究空間。謝豪等提出了一種基于多層語義融合的圖文情感分類模型對社交媒體圖文數(shù)據(jù)進(jìn)行情感分類,以提高情感分類性能、為政府、企業(yè)決策提供科學(xué)依據(jù)。

    綜上所述,目前在藏民族居住地區(qū)對情感分類的研究尚未涉及多模態(tài)情感分類。所以,本文選擇對多模態(tài)藏語情感分類進(jìn)行研究,以期得到更準(zhǔn)確的藏民族情感分析數(shù)據(jù)。

    2 模型設(shè)計

    對本課題的研究選用一種即適合藏文文法結(jié)構(gòu),又適合圖像情感特征提取的神經(jīng)網(wǎng)絡(luò)模型是對多模態(tài)情感分類及識別的重要基礎(chǔ)。從多模態(tài)藏文文本及圖像情感分類的角度出發(fā)對神經(jīng)網(wǎng)絡(luò)模型的選擇進(jìn)行了分析研究,將深度學(xué)習(xí)的算法模型引入多模態(tài)藏語情感分類當(dāng)中。接下來會簡單的將兩種單個模態(tài)的模型以及融合后的結(jié)果進(jìn)行分析。

    2.1 基于全連接神經(jīng)網(wǎng)絡(luò)的藏文情感分類模型

    在藏文文本的情感分類任務(wù)中,對藏文句子提取特征的時候應(yīng)該要增大對藏文關(guān)鍵詞的影響力,從而提高藏文情感分類的神經(jīng)網(wǎng)絡(luò)模型識別率。

    圖1 藏文文本情感分類的全連接神經(jīng)網(wǎng)絡(luò)模型(FCNNMSCTT)

    FCNNMSCTT 模型主要目的是識別出不同藏文句子的情感的類別和極性,有3種分類極性,分類任務(wù)數(shù)據(jù)集表示為D=(S,S,…,S,…,S)。公式如下:

    FCNNMSCTT 模型把輸入數(shù)據(jù)分成兩個部分:詞和字符,并將詞和字符都表示成嵌入向量。其表達(dá)形式如式⑵中兩個公式:

    其中,W表示第i 個的詞S詞向量,C表示第i 詞的第j 個字符嵌入向量。

    在收集的情感語料中,其訓(xùn)練句子樣本的長度不同,包含的詞與字符的長度也不同。在藏文情感分類上我們需要考慮怎樣把藏文的字符向量和詞向量的維度大小一致,長度大小一致等問題,因此,我們把藏文情感語料的字符向量和詞向量設(shè)置為512,句子長度統(tǒng)一設(shè)置為80,模型的輸入向量Tc計算方法如式⑶所示:

    句子S的向量表示為:

    2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的藏語情感分類表情圖像模型

    藏語情感分析表情圖像的深度學(xué)習(xí)我們采用了卷積神經(jīng)網(wǎng)絡(luò),模型如圖2所示。

    圖2 藏語情感分類中表情圖像的卷積神經(jīng)網(wǎng)絡(luò)模型(CNNMEITSA)

    使用CNNMEITSA 模型中,輸入層圖像大小為256×128×1。使用卷積核對此進(jìn)行特征提取和特征映射,第一個卷積層深度為32,卷積了四次池化了四次之后,全連接三次把第五層的輸出數(shù)據(jù)全部做拼接成維度為512 的張量YC,再做全連接處理,激活函數(shù)ReLu,輸出維度為3的張量Y,表達(dá)式為:

    輸出結(jié)果Y計算出每一個圖像情感繼續(xù)極性。

    2.3 基于神經(jīng)網(wǎng)絡(luò)的多模態(tài)圖文融合的網(wǎng)絡(luò)模型

    多模態(tài)圖文情感分類中每一張積極圖像的特征和一條積極的藏文情感文本的特征相對應(yīng),一張消極圖像的特征和一條消極的藏文情感文本的特征相對應(yīng),中性圖像的特征和中性句子的特征對應(yīng)的存在。在最后結(jié)果輸出時,對比圖像標(biāo)簽和文本標(biāo)簽的權(quán)重哪個模態(tài)正確率高,就會取出那一方的正確率來輸出分類結(jié)果。

    3 實證研究

    3.1 實驗概述

    基于神經(jīng)網(wǎng)絡(luò)情感分類模型的實驗平臺是基于Python 編程語言的Anaconda 平臺中環(huán)境選擇了TensorFlow 和Keras。實驗數(shù)據(jù)為多模態(tài)藏語圖文情感分類數(shù)據(jù)共6000多條,主要運(yùn)用的神經(jīng)網(wǎng)絡(luò)算法的知識有全連接神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等。

    3.2 實驗環(huán)境介紹

    本課題的所有實驗都是在同一個的硬件配置下的計算機(jī)上完成的,下面硬件及軟件的實驗環(huán)境進(jìn)行介紹,具體如表1、表2所示。

    表1 計算機(jī)硬件配置表

    表2 計算機(jī)軟件配置

    4 實驗結(jié)果分析

    4.1 測試數(shù)據(jù)

    本課題是以藏文情感句子當(dāng)中的情感極性以及圖像中文的情感特征為研究對象,從而建立起6000多條藏文情感句子及情感圖像的數(shù)據(jù)集。

    ⑴藏文文本的三種情感極性:積極情感數(shù)據(jù)有表示滿意句子、表示一般滿意句子、表示非常滿意的句子;消極情感數(shù)據(jù)有表示不滿意的句子、表示一般不滿意的句子、表示非常不滿意的句子;中性句子不表達(dá)任何帶有情感色彩及情感傾向的句子。每一種情感數(shù)據(jù)都會按照句子本身所表達(dá)的情感極性做與之相對應(yīng)的標(biāo)注。其數(shù)據(jù)示例表3所示。

    表3 情感文本數(shù)據(jù)示例

    ⑵情感圖像的三種情感極性:積極圖像數(shù)據(jù)有表示吉祥、開心、高興、興奮等圖;消極圖像數(shù)據(jù)表示不開心、不討喜、難過、傷心、孤獨、流淚等圖;中性圖像表面看不出任何內(nèi)心活動的圖像、面無表情的圖。每一張圖都會根據(jù)圖片本身所表達(dá)的情感傾向為出發(fā)點進(jìn)行標(biāo)注。其數(shù)據(jù)示例圖3所示。

    圖3 情感表情圖像數(shù)據(jù)集

    本課題采用了基于深度學(xué)習(xí)全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,在數(shù)據(jù)相同的驗證集上提高識別精度。此外,在測試集中選擇不同情感極性的2400 條句子、2400 張圖片作為訓(xùn)練樣本,600 條句子和圖像作為測試樣本來驗證識別效果。

    4.2 結(jié)果分析

    基于神經(jīng)網(wǎng)絡(luò)的模型在圖像情感分類上的表現(xiàn)優(yōu)異。本次實驗的數(shù)據(jù)共有3000 條文本情感數(shù)據(jù)和3000多張圖像情感數(shù)據(jù)其實驗結(jié)果如圖4所示。

    圖4 三個模型訓(xùn)練結(jié)果示例

    其中圖4(左)表示文本模型的結(jié)果,圖4(中)表示圖像模型的結(jié)果圖4(右)表示融合后的結(jié)果,各個模型實驗結(jié)果數(shù)據(jù)如表4所示。

    表4 各模型實驗結(jié)果示例

    表4 中文本模型FCNNMSCTT 最終正確率56%、表情圖像模型CNNMEITSA 正確率88.75%、融合模型FUSIONMODEL 正確率96.98%。實驗分析可知數(shù)據(jù)在計算機(jī)識別后的結(jié)果跟人想要表達(dá)的情感是十分吻合的。證明了多模態(tài)對人類日常生活中情感表達(dá)的影響程度比單個模態(tài)強(qiáng)很多。

    本文對多模態(tài)情感分類識別的模塊進(jìn)行了實驗。最終的實驗結(jié)果表明模型框架損失值低、識別率高、分類性能優(yōu)。得出實驗過程中樣本數(shù)據(jù)越多,其算法對情感分類的識別準(zhǔn)確率也會逐步提升趨于穩(wěn)定,損失值也會隨之降低的結(jié)論。后期還會增加數(shù)據(jù)查看此模型實驗相對于其他模型是否更具穩(wěn)定性,增加語料之后的準(zhǔn)確率會不會也隨之上升。

    5 總結(jié)與展望

    針對當(dāng)前多模態(tài)藏語情感分類的不足,提出了基于神經(jīng)網(wǎng)絡(luò)FCNNMSCTT、CNNMEITSA 情感分類模型。實驗結(jié)果表明,基于神經(jīng)網(wǎng)絡(luò)的多模態(tài)情感分類模型具較高的準(zhǔn)確率。但現(xiàn)有的多模態(tài)圖文情感分類的數(shù)據(jù)少、也沒有公開的數(shù)據(jù),只能花費(fèi)大量的人工進(jìn)行采集和標(biāo)注。在未來的研究中,多模態(tài)圖文情感分類語料庫需要進(jìn)一步的建立、提高語料標(biāo)注效率。

    猜你喜歡
    藏文模態(tài)神經(jīng)網(wǎng)絡(luò)
    西藏大批珍貴藏文古籍實現(xiàn)“云閱讀”
    布達(dá)拉(2020年3期)2020-04-13 10:00:07
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    黑水城和額濟(jì)納出土藏文文獻(xiàn)簡介
    西夏學(xué)(2019年1期)2019-02-10 06:22:34
    藏文音節(jié)字的頻次統(tǒng)計
    現(xiàn)代語境下的藏文報刊
    新聞傳播(2016年17期)2016-07-19 10:12:05
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    國內(nèi)多模態(tài)教學(xué)研究回顧與展望
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    基于HHT和Prony算法的電力系統(tǒng)低頻振蕩模態(tài)識別
    基于支持向量機(jī)回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
    亚洲色图 男人天堂 中文字幕| 亚洲片人在线观看| 伊人久久大香线蕉亚洲五| 欧美在线黄色| 男人舔女人下体高潮全视频| 亚洲视频免费观看视频| 成人av一区二区三区在线看| 久久精品国产亚洲av香蕉五月| 欧美黄色片欧美黄色片| 亚洲av电影在线进入| 欧美日韩亚洲综合一区二区三区_| 亚洲aⅴ乱码一区二区在线播放 | 久久精品91蜜桃| 两个人看的免费小视频| 超碰成人久久| 午夜精品国产一区二区电影| 日本 av在线| 深夜精品福利| 久久精品成人免费网站| 18禁黄网站禁片午夜丰满| 国产区一区二久久| 久久久久久久久中文| 变态另类成人亚洲欧美熟女 | 欧美色视频一区免费| 亚洲一区高清亚洲精品| 18禁黄网站禁片午夜丰满| 99精品在免费线老司机午夜| 亚洲午夜精品一区,二区,三区| 国产欧美日韩一区二区三区在线| 悠悠久久av| 久久精品国产清高在天天线| 久久中文字幕一级| 99国产精品一区二区蜜桃av| 亚洲欧美精品综合久久99| 中文字幕久久专区| 亚洲最大成人中文| 亚洲成人精品中文字幕电影| 十八禁网站免费在线| 亚洲av第一区精品v没综合| 亚洲欧美激情综合另类| 九色国产91popny在线| 好看av亚洲va欧美ⅴa在| 韩国精品一区二区三区| 人人妻人人爽人人添夜夜欢视频| 午夜亚洲福利在线播放| 狂野欧美激情性xxxx| 91老司机精品| 欧美 亚洲 国产 日韩一| 男女午夜视频在线观看| 老汉色av国产亚洲站长工具| 欧美在线一区亚洲| 99久久综合精品五月天人人| 波多野结衣巨乳人妻| 国产亚洲精品久久久久久毛片| 两个人免费观看高清视频| 亚洲av电影在线进入| 久久九九热精品免费| 成人国语在线视频| 国产精品亚洲美女久久久| 一区二区三区高清视频在线| 午夜福利欧美成人| 日本a在线网址| 操出白浆在线播放| 99久久精品国产亚洲精品| 国产精品av久久久久免费| 国产午夜精品久久久久久| 18禁国产床啪视频网站| 午夜福利一区二区在线看| 97人妻精品一区二区三区麻豆 | 成熟少妇高潮喷水视频| 久久久久久国产a免费观看| 亚洲av美国av| 国产三级黄色录像| 美女高潮到喷水免费观看| 亚洲熟妇熟女久久| 成人免费观看视频高清| 亚洲狠狠婷婷综合久久图片| 精品免费久久久久久久清纯| 日本一区二区免费在线视频| 看片在线看免费视频| 国产1区2区3区精品| 国产视频一区二区在线看| 一区二区三区激情视频| 欧美亚洲日本最大视频资源| 亚洲av成人av| 日本 欧美在线| 日韩欧美在线二视频| 一本综合久久免费| 侵犯人妻中文字幕一二三四区| 美女大奶头视频| 亚洲精品美女久久av网站| 亚洲五月婷婷丁香| 欧洲精品卡2卡3卡4卡5卡区| 亚洲专区字幕在线| av在线播放免费不卡| 俄罗斯特黄特色一大片| 可以在线观看的亚洲视频| 一级毛片高清免费大全| 亚洲一区二区三区色噜噜| 久久婷婷人人爽人人干人人爱 | 看免费av毛片| 女人爽到高潮嗷嗷叫在线视频| 国产精品综合久久久久久久免费 | 很黄的视频免费| 国产成人av激情在线播放| 亚洲专区国产一区二区| 亚洲,欧美精品.| 午夜福利在线观看吧| 欧美成人免费av一区二区三区| 免费无遮挡裸体视频| 国产真人三级小视频在线观看| 两个人免费观看高清视频| 久久性视频一级片| 国产亚洲欧美精品永久| 老熟妇乱子伦视频在线观看| 亚洲国产看品久久| 免费看美女性在线毛片视频| www国产在线视频色| 黑人操中国人逼视频| 日本免费一区二区三区高清不卡 | 精品国产乱子伦一区二区三区| 精品电影一区二区在线| 国产精品免费一区二区三区在线| 久久天躁狠狠躁夜夜2o2o| 在线观看日韩欧美| 黄色a级毛片大全视频| 侵犯人妻中文字幕一二三四区| 久久婷婷人人爽人人干人人爱 | 一区二区三区国产精品乱码| 美女国产高潮福利片在线看| 精品人妻在线不人妻| cao死你这个sao货| 精品欧美一区二区三区在线| av电影中文网址| 一a级毛片在线观看| 亚洲欧美一区二区三区黑人| 日本在线视频免费播放| 精品福利观看| 午夜福利18| 大型av网站在线播放| 久久久国产成人精品二区| 色播在线永久视频| 国产亚洲精品一区二区www| 亚洲精品在线观看二区| 久久久久久久午夜电影| 国内精品久久久久久久电影| 丝袜美足系列| 欧美绝顶高潮抽搐喷水| 国产又色又爽无遮挡免费看| 亚洲欧美一区二区三区黑人| www国产在线视频色| 免费在线观看视频国产中文字幕亚洲| 亚洲美女黄片视频| 在线免费观看的www视频| 中国美女看黄片| www.熟女人妻精品国产| 久久香蕉精品热| 91麻豆精品激情在线观看国产| 免费搜索国产男女视频| 亚洲在线自拍视频| 老司机靠b影院| 天堂√8在线中文| 91国产中文字幕| 国产精品野战在线观看| 男人舔女人的私密视频| 精品人妻在线不人妻| 在线观看日韩欧美| 国产激情欧美一区二区| 又紧又爽又黄一区二区| 国产精品免费一区二区三区在线| 91国产中文字幕| 久久久久久久久中文| 亚洲少妇的诱惑av| 香蕉丝袜av| 国内久久婷婷六月综合欲色啪| 变态另类成人亚洲欧美熟女 | 亚洲国产精品久久男人天堂| 手机成人av网站| 日韩欧美三级三区| 亚洲色图 男人天堂 中文字幕| 精品一区二区三区av网在线观看| 午夜视频精品福利| 一区福利在线观看| 宅男免费午夜| 日韩三级视频一区二区三区| 久久久精品国产亚洲av高清涩受| 欧美乱码精品一区二区三区| 一a级毛片在线观看| 色精品久久人妻99蜜桃| 亚洲情色 制服丝袜| 97碰自拍视频| 国产av精品麻豆| 国产麻豆成人av免费视频| 啦啦啦观看免费观看视频高清 | 精品国产乱子伦一区二区三区| 久久人人精品亚洲av| 日本免费a在线| 性少妇av在线| 欧美绝顶高潮抽搐喷水| 男女床上黄色一级片免费看| 午夜老司机福利片| 亚洲一区中文字幕在线| 久久精品aⅴ一区二区三区四区| а√天堂www在线а√下载| 成人18禁在线播放| 国产一级毛片七仙女欲春2 | 90打野战视频偷拍视频| 亚洲精品国产一区二区精华液| 亚洲国产精品合色在线| 亚洲视频免费观看视频| e午夜精品久久久久久久| 日韩国内少妇激情av| 国产亚洲精品第一综合不卡| 日韩高清综合在线| 看黄色毛片网站| 在线观看免费视频网站a站| 十八禁人妻一区二区| 精品卡一卡二卡四卡免费| av中文乱码字幕在线| 中文字幕另类日韩欧美亚洲嫩草| 丰满人妻熟妇乱又伦精品不卡| 欧美日韩黄片免| 亚洲精品国产精品久久久不卡| 啪啪无遮挡十八禁网站| 国产精品永久免费网站| 亚洲成人久久性| 久久久久久大精品| 夜夜夜夜夜久久久久| 欧美成人午夜精品| 天堂√8在线中文| 久9热在线精品视频| 日韩国内少妇激情av| 丰满的人妻完整版| 亚洲五月婷婷丁香| 欧美日韩瑟瑟在线播放| 精品国产美女av久久久久小说| 免费人成视频x8x8入口观看| 人人澡人人妻人| 日本免费一区二区三区高清不卡 | 99久久99久久久精品蜜桃| 嫩草影视91久久| 午夜福利在线观看吧| 精品国内亚洲2022精品成人| 国产一级毛片七仙女欲春2 | 这个男人来自地球电影免费观看| 色综合婷婷激情| 一a级毛片在线观看| 青草久久国产| 不卡av一区二区三区| 国产蜜桃级精品一区二区三区| 国产色视频综合| 欧美精品啪啪一区二区三区| 午夜福利,免费看| av超薄肉色丝袜交足视频| 成人18禁高潮啪啪吃奶动态图| 丝袜在线中文字幕| 天天添夜夜摸| 亚洲国产中文字幕在线视频| 韩国av一区二区三区四区| 精品乱码久久久久久99久播| 国产成人av教育| 又紧又爽又黄一区二区| 免费高清视频大片| 欧美成人一区二区免费高清观看 | 久久 成人 亚洲| 久久精品aⅴ一区二区三区四区| 99在线视频只有这里精品首页| 日韩欧美在线二视频| 少妇粗大呻吟视频| 亚洲黑人精品在线| 99久久精品国产亚洲精品| 999精品在线视频| 国产欧美日韩一区二区三| 精品无人区乱码1区二区| 757午夜福利合集在线观看| 日韩免费av在线播放| 久久中文字幕一级| 欧美黄色淫秽网站| 黄色成人免费大全| 亚洲男人天堂网一区| 校园春色视频在线观看| 亚洲专区中文字幕在线| 亚洲成av人片免费观看| 精品久久久精品久久久| 99在线人妻在线中文字幕| 成年女人毛片免费观看观看9| 日韩国内少妇激情av| 亚洲第一青青草原| 国产黄a三级三级三级人| 欧美成人免费av一区二区三区| 国产一区二区三区视频了| 国产一区二区激情短视频| 成人三级做爰电影| 自线自在国产av| 国产成人精品久久二区二区91| 一区二区三区国产精品乱码| 日韩欧美一区视频在线观看| 亚洲精品国产精品久久久不卡| 久久国产精品人妻蜜桃| 伊人久久大香线蕉亚洲五| 制服诱惑二区| 不卡av一区二区三区| 午夜福利欧美成人| 一进一出抽搐动态| 欧美乱色亚洲激情| 国产亚洲欧美在线一区二区| 国产亚洲欧美精品永久| 亚洲精品在线美女| 一级片免费观看大全| 精品高清国产在线一区| 99国产精品免费福利视频| 精品欧美一区二区三区在线| 国产亚洲精品第一综合不卡| 午夜福利视频1000在线观看 | 亚洲中文av在线| 亚洲第一欧美日韩一区二区三区| 精品人妻1区二区| 国产精品久久视频播放| 欧美日本视频| 一个人免费在线观看的高清视频| 青草久久国产| 精品久久久久久久人妻蜜臀av | 欧美乱色亚洲激情| 久久欧美精品欧美久久欧美| 国产私拍福利视频在线观看| 最近最新免费中文字幕在线| 成年女人毛片免费观看观看9| 麻豆一二三区av精品| 久久国产乱子伦精品免费另类| 日韩三级视频一区二区三区| 后天国语完整版免费观看| 亚洲第一av免费看| 视频在线观看一区二区三区| 一级毛片女人18水好多| 精品电影一区二区在线| 欧美激情极品国产一区二区三区| 中国美女看黄片| 人人澡人人妻人| 国产免费av片在线观看野外av| 免费不卡黄色视频| 国产精品综合久久久久久久免费 | 欧美大码av| 国产主播在线观看一区二区| 午夜老司机福利片| 成人av一区二区三区在线看| 视频在线观看一区二区三区| 看黄色毛片网站| 国产一区二区在线av高清观看| 午夜福利成人在线免费观看| 12—13女人毛片做爰片一| 成在线人永久免费视频| 九色国产91popny在线| 久久久国产欧美日韩av| 性少妇av在线| 亚洲一区二区三区色噜噜| 国产精华一区二区三区| 天天一区二区日本电影三级 | 亚洲avbb在线观看| 亚洲专区国产一区二区| 国产成人精品久久二区二区91| 看片在线看免费视频| 久久久水蜜桃国产精品网| 成人三级做爰电影| 国产真人三级小视频在线观看| 国产麻豆成人av免费视频| 99国产精品99久久久久| 天堂√8在线中文| 国产精品久久电影中文字幕| 久久欧美精品欧美久久欧美| 高清毛片免费观看视频网站| 欧美精品亚洲一区二区| 欧美日韩亚洲综合一区二区三区_| 亚洲国产欧美网| 婷婷六月久久综合丁香| 日本一区二区免费在线视频| 日韩欧美国产一区二区入口| 午夜福利视频1000在线观看 | 色精品久久人妻99蜜桃| 亚洲精品一卡2卡三卡4卡5卡| 亚洲av日韩精品久久久久久密| 精品午夜福利视频在线观看一区| 99国产极品粉嫩在线观看| 桃红色精品国产亚洲av| 亚洲欧美日韩高清在线视频| 午夜福利欧美成人| 午夜老司机福利片| 老汉色∧v一级毛片| 久久久久久久午夜电影| 国产精品电影一区二区三区| 他把我摸到了高潮在线观看| 亚洲人成电影免费在线| 亚洲 欧美 日韩 在线 免费| 香蕉丝袜av| 亚洲人成伊人成综合网2020| 亚洲成av片中文字幕在线观看| 欧美成人一区二区免费高清观看 | 免费少妇av软件| 91av网站免费观看| 黄片播放在线免费| 97碰自拍视频| 久久九九热精品免费| 欧美激情久久久久久爽电影 | 欧美老熟妇乱子伦牲交| 夜夜夜夜夜久久久久| 久久久久久免费高清国产稀缺| 亚洲性夜色夜夜综合| 成人欧美大片| 成年版毛片免费区| 亚洲成av片中文字幕在线观看| 亚洲人成伊人成综合网2020| 不卡av一区二区三区| 成人永久免费在线观看视频| 久久国产乱子伦精品免费另类| 99riav亚洲国产免费| 国产精品一区二区在线不卡| 国产精品亚洲一级av第二区| 亚洲狠狠婷婷综合久久图片| 久久久久久久久免费视频了| ponron亚洲| 亚洲熟妇中文字幕五十中出| 亚洲免费av在线视频| 热re99久久国产66热| 9热在线视频观看99| 国产精品爽爽va在线观看网站 | 黑人巨大精品欧美一区二区mp4| 精品乱码久久久久久99久播| 精品一区二区三区四区五区乱码| 成人永久免费在线观看视频| 国产又爽黄色视频| 天天添夜夜摸| 九色国产91popny在线| 麻豆久久精品国产亚洲av| 免费高清视频大片| 法律面前人人平等表现在哪些方面| 97人妻天天添夜夜摸| 他把我摸到了高潮在线观看| 久久午夜综合久久蜜桃| 他把我摸到了高潮在线观看| 啦啦啦观看免费观看视频高清 | 精品欧美国产一区二区三| 国产欧美日韩一区二区三区在线| 亚洲色图 男人天堂 中文字幕| 久久人人97超碰香蕉20202| 禁无遮挡网站| 午夜精品国产一区二区电影| 精品熟女少妇八av免费久了| 好男人电影高清在线观看| 午夜精品国产一区二区电影| 一个人观看的视频www高清免费观看 | 波多野结衣高清无吗| 国产午夜精品久久久久久| 首页视频小说图片口味搜索| 欧美日韩瑟瑟在线播放| 日韩 欧美 亚洲 中文字幕| 老司机靠b影院| 国产成人系列免费观看| 热99re8久久精品国产| 亚洲精品av麻豆狂野| 亚洲国产精品sss在线观看| 国产高清视频在线播放一区| 国产精品二区激情视频| 国产91精品成人一区二区三区| 日韩大码丰满熟妇| 国产精品电影一区二区三区| 巨乳人妻的诱惑在线观看| 三级毛片av免费| 亚洲欧美激情在线| 亚洲国产精品成人综合色| 丁香六月欧美| 精品国产超薄肉色丝袜足j| 日韩av在线大香蕉| 精品卡一卡二卡四卡免费| 久久狼人影院| 欧美黄色淫秽网站| 亚洲国产高清在线一区二区三 | 日韩有码中文字幕| 欧美 亚洲 国产 日韩一| av在线天堂中文字幕| 亚洲国产精品久久男人天堂| 久久久久久免费高清国产稀缺| 这个男人来自地球电影免费观看| 久久青草综合色| 成人国产一区最新在线观看| 日韩av在线大香蕉| 亚洲成国产人片在线观看| 999久久久精品免费观看国产| 天天躁狠狠躁夜夜躁狠狠躁| 久久精品成人免费网站| 最新美女视频免费是黄的| 国产xxxxx性猛交| 色综合欧美亚洲国产小说| 成人国产一区最新在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 国产一区二区三区综合在线观看| 黄片播放在线免费| 日韩欧美三级三区| 欧美色视频一区免费| 精品少妇一区二区三区视频日本电影| 两个人视频免费观看高清| 亚洲欧美日韩高清在线视频| 人人妻人人爽人人添夜夜欢视频| 国产97色在线日韩免费| 久久欧美精品欧美久久欧美| 国产精品久久视频播放| 欧美日韩亚洲国产一区二区在线观看| 欧美精品啪啪一区二区三区| 成在线人永久免费视频| 中文字幕高清在线视频| 亚洲精品粉嫩美女一区| 国产区一区二久久| 亚洲一区二区三区色噜噜| 久久精品成人免费网站| 我的亚洲天堂| 国产又色又爽无遮挡免费看| 久久性视频一级片| 久久久久久免费高清国产稀缺| 午夜福利在线观看吧| 免费一级毛片在线播放高清视频 | 色播亚洲综合网| 久久精品国产综合久久久| 色综合站精品国产| 亚洲第一电影网av| 亚洲第一av免费看| 十八禁人妻一区二区| 亚洲精品av麻豆狂野| 不卡一级毛片| 亚洲成人国产一区在线观看| 操出白浆在线播放| 老熟妇乱子伦视频在线观看| 一级a爱片免费观看的视频| 老司机午夜十八禁免费视频| 老汉色∧v一级毛片| 亚洲国产毛片av蜜桃av| 亚洲成国产人片在线观看| 国产午夜福利久久久久久| 久久香蕉国产精品| 国产亚洲欧美98| 神马国产精品三级电影在线观看 | 日本黄色视频三级网站网址| 国产欧美日韩一区二区三| 久久中文字幕一级| 久久久久久久久久久久大奶| 757午夜福利合集在线观看| 国产av精品麻豆| 91在线观看av| 在线免费观看的www视频| 午夜福利视频1000在线观看 | 午夜福利18| 亚洲成av片中文字幕在线观看| 亚洲情色 制服丝袜| 亚洲av成人不卡在线观看播放网| 香蕉国产在线看| 97人妻天天添夜夜摸| 亚洲欧美精品综合久久99| 日韩免费av在线播放| 亚洲五月色婷婷综合| 成人免费观看视频高清| 可以在线观看毛片的网站| 亚洲国产欧美日韩在线播放| 一本久久中文字幕| 精品久久久久久久久久免费视频| 国产av在哪里看| 国产成人一区二区三区免费视频网站| 国产免费男女视频| 日韩三级视频一区二区三区| 中文字幕久久专区| 美女免费视频网站| 国产色视频综合| 国产亚洲精品av在线| 色综合亚洲欧美另类图片| 精品久久蜜臀av无| 一区二区三区激情视频| 国产成人精品久久二区二区91| 丝袜美足系列| 大陆偷拍与自拍| 中文字幕高清在线视频| 日本 av在线| 日韩欧美国产在线观看| 久久人人精品亚洲av| 午夜老司机福利片| 欧美+亚洲+日韩+国产| 在线观看午夜福利视频| 亚洲一区二区三区不卡视频| 亚洲视频免费观看视频| 国产精品秋霞免费鲁丝片| 中文亚洲av片在线观看爽| 亚洲成av人片免费观看| 亚洲色图av天堂| 日本a在线网址| 亚洲最大成人中文| 一二三四社区在线视频社区8| 夜夜躁狠狠躁天天躁| 亚洲激情在线av| 美女扒开内裤让男人捅视频| 国产精品影院久久| 老鸭窝网址在线观看| 一级毛片女人18水好多| 亚洲人成77777在线视频| 丰满人妻熟妇乱又伦精品不卡| 精品人妻1区二区| 精品午夜福利视频在线观看一区| 国产视频一区二区在线看| 国产av精品麻豆| 久久精品国产亚洲av香蕉五月| 正在播放国产对白刺激| 老司机深夜福利视频在线观看| 最近最新中文字幕大全免费视频| 久久精品国产综合久久久| 欧美日韩乱码在线| 久久午夜综合久久蜜桃| 国产黄a三级三级三级人| 国产亚洲欧美精品永久| 乱人伦中国视频| 欧美色欧美亚洲另类二区 | 老司机深夜福利视频在线观看|