• <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TextRNN 與TextCNN 的情感分類(lèi)對(duì)比研究

    2022-10-21 14:01:38付甜甜劉海忠
    科學(xué)技術(shù)創(chuàng)新 2022年30期
    關(guān)鍵詞:準(zhǔn)確率卷積向量

    付甜甜,劉海忠*

    (蘭州交通大學(xué) 數(shù)理學(xué)院,甘肅 蘭州 730070)

    引言

    情感分類(lèi)是根據(jù)人們對(duì)特定的對(duì)象或?qū)嶓w發(fā)布的觀點(diǎn)、意見(jiàn)、態(tài)度等進(jìn)行信息提取的計(jì)算性研究過(guò)程[1],屬于文本分類(lèi)的子問(wèn)題。情感分類(lèi)在輿情分析方面、產(chǎn)品及服務(wù)方面,能夠輔助網(wǎng)絡(luò)環(huán)境的監(jiān)控和產(chǎn)品服務(wù)的改進(jìn)。情感分類(lèi)的研究方法主要有基于情感詞典的方法、基于機(jī)器學(xué)習(xí)的方法和基于深度學(xué)習(xí)的方法[2]。由于情感詞典和機(jī)器學(xué)習(xí)需要構(gòu)建詞典和龐大的特征工程,因而深度學(xué)習(xí)算法在情感分類(lèi)中變得十分流行。

    深度學(xué)習(xí)算法以低維連續(xù)的詞向量來(lái)表示文本,解決了數(shù)據(jù)稀疏問(wèn)題和特征構(gòu)建的復(fù)雜問(wèn)題。Moraes等[3]對(duì)支持向量機(jī)SVM和人工神經(jīng)網(wǎng)絡(luò)ANN 進(jìn)行了文檔分類(lèi)的對(duì)比實(shí)驗(yàn),結(jié)果表明ANN 的分類(lèi)準(zhǔn)確率比SVM要高。Kim[4]提出了使用文本卷積神經(jīng)網(wǎng)絡(luò)(Text Convolutional Neural Networks,TextCNN) 進(jìn)行句子級(jí)情感分類(lèi),發(fā)現(xiàn)TextCNN 能夠快速高效地完成文本分類(lèi)任務(wù)。Liu 等[5]基于文本循環(huán)神經(jīng)網(wǎng)絡(luò)(Text Recurrent Neural Network,TextRNN)提出三種不同的信息共享機(jī)制來(lái)對(duì)文本數(shù)據(jù)進(jìn)行建模。梁軍等[6]討論了在中文微博情感分類(lèi)任務(wù)上使用深度學(xué)習(xí)算法的可行性。同時(shí)情感分類(lèi)算法也在通過(guò)對(duì)預(yù)訓(xùn)練模型微調(diào)或融入注意力機(jī)制等方式[7]進(jìn)行改進(jìn),而情感分類(lèi)的融合算法大多建立在CNN,RNN 等模型上。主層算法的選擇一定要依照任務(wù)特點(diǎn)和數(shù)據(jù)特征來(lái)構(gòu)建,本研究對(duì)比CNN 和RNN 兩個(gè)典型算法的表現(xiàn)來(lái)為主體算法的選用提供參考。

    1 模型介紹

    1.1 TextRNN

    TextRNN 是用RNN 來(lái)處理文本分類(lèi)問(wèn)題。RNN能夠順序地讀取文本序列數(shù)據(jù),具有一定的記憶能力。本研究RNN 模型選用雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)BiLSTM來(lái)進(jìn)行實(shí)驗(yàn)。LSTM是RNN 的變體,它通過(guò)控制遺忘門(mén)、輸入門(mén)和輸出門(mén)三個(gè)門(mén)結(jié)構(gòu)及細(xì)胞單元狀態(tài)來(lái)控制數(shù)據(jù)信息的加工,可以避免梯度消失問(wèn)題。BiLSTM擁有更大的感受野,雙向提取語(yǔ)義關(guān)聯(lián)信息以獲得高層特征表示。在建模時(shí),一組向量分別作為正向和反向LSTM的輸入:

    連接正反方向LSTM處理后的序列輸出,BiLSTM在t 時(shí)刻的輸出則表示為:

    TextRNN 模型結(jié)構(gòu)見(jiàn)圖1,單詞先通過(guò)嵌入層轉(zhuǎn)化為特征詞向量,然后使用BiLSTM 對(duì)序列張量進(jìn)行信息提取。將BiLSTM 的最初時(shí)間步和最后時(shí)間步的隱藏單元連結(jié),作為特征序列的表征傳輸?shù)饺B接層再進(jìn)行分類(lèi)。

    圖1 TextRNN 結(jié)構(gòu)

    1.2 TextCNN

    CNN 提取特征信息時(shí)可以把文本數(shù)據(jù)理解為一維圖像,卷積核在文本表示矩陣上上下滑動(dòng)來(lái)進(jìn)行特征提取。句子向量化得到矩陣V(wi),采用Fk=k*d 維卷積核與其進(jìn)行卷積計(jì)算

    ci表示經(jīng)過(guò)一次卷積計(jì)算得到的局部特征值,滑動(dòng)一輪后得到一個(gè)完整的局部特征向量C。為了降低向量維度,卷積后還要進(jìn)行池化操作。

    TextCNN 模型結(jié)構(gòu)見(jiàn)圖2,先將單個(gè)文本序列輸入轉(zhuǎn)換為詞向量矩陣輸出,然后定義多個(gè)尺度的卷積核,分別執(zhí)行卷積操作。在所有輸出通道上執(zhí)行時(shí)序最大池化,將所有池化后的特征向量匯聚連結(jié)為新的特征向量,最后放入全連接層進(jìn)行分類(lèi)。

    圖2 TextCNN 結(jié)構(gòu)

    2 數(shù)據(jù)說(shuō)明及處理

    本研究實(shí)驗(yàn)使用IMDB 數(shù)據(jù)集,包含來(lái)自互聯(lián)網(wǎng)電影數(shù)據(jù)庫(kù)的50 000 條評(píng)論數(shù)據(jù),情感類(lèi)別為positive 和negative,按照1:1 劃分為訓(xùn)練集與測(cè)試集。首先對(duì)數(shù)據(jù)中的標(biāo)點(diǎn)符號(hào)和無(wú)用字符進(jìn)行清洗,隨后進(jìn)行分詞操作并過(guò)濾掉出現(xiàn)頻率少于5 次的單詞,然后創(chuàng)建一個(gè)屬于訓(xùn)練集的詞典。由于評(píng)論長(zhǎng)短不一,通過(guò)截?cái)嗪吞畛鋵⒚織l評(píng)論的長(zhǎng)度都控制在500 個(gè)單詞,分詞后進(jìn)行向量化。使用斯坦福的Glove 預(yù)訓(xùn)練詞向量來(lái)做嵌入,包含了400 000 個(gè)單詞的嵌入向量,在訓(xùn)練期間不更新詞向量。

    3 實(shí)驗(yàn)與分析

    3.1 參數(shù)設(shè)置

    TextRNN 是一個(gè)具有一層嵌入層、兩層隱藏層和一層全連接層的雙向神經(jīng)網(wǎng)絡(luò)。隱藏單元數(shù)設(shè)為100,學(xué)習(xí)率設(shè)為0.01,batch_size 為64,epoch 為5。

    TextCNN 使用兩個(gè)嵌入層,其中一個(gè)是可訓(xùn)練權(quán)重,另一個(gè)是固定權(quán)重;三個(gè)卷積層,卷積核大小分別為[3,4,5],每個(gè)卷積核的數(shù)量為100,通道數(shù)為100,步長(zhǎng)為1,使用RELU 激活函數(shù);池化層采用時(shí)序最大池化,后面接上全連接層。dropout 設(shè)置為0.5,學(xué)習(xí)率設(shè)為0.001,batch_size 為64 ,epoch 為5。

    3.2 機(jī)器學(xué)習(xí)對(duì)比模型

    利用機(jī)器學(xué)習(xí)的邏輯回歸模型LR、支持向量機(jī)模型SVM 和樸素貝葉斯模型NB 對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分類(lèi),結(jié)果見(jiàn)表1。本研究實(shí)驗(yàn)均采用分類(lèi)準(zhǔn)確率來(lái)評(píng)估分類(lèi)效果??梢钥闯鲈贗MDB 數(shù)據(jù)集上三個(gè)算法的測(cè)試結(jié)果并不是很理想,其中SVM的分類(lèi)準(zhǔn)確率只有51.12%,LR 和NB 可以達(dá)到75%左右。

    表1 機(jī)器學(xué)習(xí)模型準(zhǔn)確率

    3.3 對(duì)比模型說(shuō)明

    LSTM:含雙層隱藏狀態(tài)的單向網(wǎng)絡(luò),其余參數(shù)設(shè)置與TextRNN 相同。

    TextCNN_1:由卷積核大小為3*3 的3 個(gè)同類(lèi)型卷積核構(gòu)成,其余設(shè)置與TextCNN 完全相同。

    TextCNN_2:由卷積核大小為4*4 的3 個(gè)同類(lèi)型卷積核構(gòu)成。

    TextCNN_3:由卷積核大小為5*5 的3 個(gè)同類(lèi)型卷積核構(gòu)成。

    3.4 實(shí)驗(yàn)結(jié)果與分析

    與機(jī)器學(xué)習(xí)相比,深度學(xué)習(xí)算法不僅特征構(gòu)建更為簡(jiǎn)單,分類(lèi)準(zhǔn)確率也會(huì)有大幅提升。下面結(jié)合表格數(shù)據(jù)來(lái)進(jìn)行詳細(xì)分析。在預(yù)訓(xùn)練詞向量維度分別為50和100 時(shí),各模型分類(lèi)準(zhǔn)確率見(jiàn)表2。

    表2 各算法分類(lèi)準(zhǔn)確率

    當(dāng)詞嵌入維度為50 時(shí),TextRNN 在測(cè)試集上的分類(lèi)準(zhǔn)確率為84.5%,而LSTM只有50.1%。TextCNN的分類(lèi)準(zhǔn)確率為87.6%,比TextRNN 高出3.1%。使用同類(lèi)型卷積核的三個(gè)TextCNN 模型分類(lèi)準(zhǔn)確率分別為86.4%、87.5%、86.5%,結(jié)果相差不大,但準(zhǔn)確率都要比RNN 高。

    在詞嵌入維度為100 時(shí),發(fā)生顯著變化的是LSTM,分類(lèi)準(zhǔn)確率提升了35.4%,達(dá)到了85.5%,而TextRNN 的分類(lèi)準(zhǔn)確率達(dá)到了86.1%,比單向算法的準(zhǔn)確率高0.6%。TextCNN 的準(zhǔn)確率達(dá)到87.7%,較三個(gè)使用同類(lèi)型卷積核的TextCNN 要高一些,同樣CNN的整體表現(xiàn)結(jié)果比RNN 要好。

    實(shí)驗(yàn)結(jié)果表明,當(dāng)詞嵌入維度從50 維增加到100維時(shí),所有模型在訓(xùn)練集和測(cè)試集的準(zhǔn)確率都有所上升,說(shuō)明嵌入維度是影響分類(lèi)結(jié)果的一個(gè)重要因素。同時(shí)TextRNN、TextCNN 的分類(lèi)結(jié)果比機(jī)器學(xué)習(xí)的最好結(jié)果高出10%左右。

    4 結(jié)論

    本研究在介紹TextRNN 與TextCNN 模型的基礎(chǔ)上,分別對(duì)文本進(jìn)行特征提取及分類(lèi)。在本研究所使用的數(shù)據(jù)集上,TextCNN 擁有更高的分類(lèi)準(zhǔn)確率和穩(wěn)健性,TextRNN 采用雙向提取時(shí)表現(xiàn)結(jié)果也不錯(cuò)。結(jié)合各自的特點(diǎn)來(lái)講,由于TextCNN 通過(guò)多尺度的卷積核組合進(jìn)行特征提取,比起使用同類(lèi)型卷積核的提取限制,對(duì)局部特征的提取更為精準(zhǔn)細(xì)致。而RNN 更擅長(zhǎng)處理長(zhǎng)序列數(shù)據(jù),獲取更大范圍的上下文信息。情感分類(lèi)任務(wù)進(jìn)行算法選擇時(shí),短文本可以選取多尺度卷積核組合的TextCNN,長(zhǎng)文本選擇雙向提取的TextRNN 會(huì)取得相對(duì)較高的準(zhǔn)確率。

    猜你喜歡
    準(zhǔn)確率卷積向量
    向量的分解
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    聚焦“向量與三角”創(chuàng)新題
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    高速公路車(chē)牌識(shí)別標(biāo)識(shí)站準(zhǔn)確率驗(yàn)證法
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    向量垂直在解析幾何中的應(yīng)用
    亚洲一区二区三区不卡视频| 天堂影院成人在线观看| 十八禁国产超污无遮挡网站| 在线a可以看的网站| 亚洲乱码一区二区免费版| 精品久久国产蜜桃| 欧美色视频一区免费| 婷婷丁香在线五月| 中文字幕av在线有码专区| 夜夜看夜夜爽夜夜摸| 搡老岳熟女国产| 国产一区二区三区在线臀色熟女| 国产亚洲精品久久久com| 日韩欧美在线二视频| 免费av观看视频| 两个人的视频大全免费| 波多野结衣高清作品| 91久久精品国产一区二区成人| 久久99热6这里只有精品| av专区在线播放| 欧美三级亚洲精品| 亚洲av免费在线观看| 欧美黑人巨大hd| 国产精品久久久久久久久免 | 中文字幕av成人在线电影| 国产欧美日韩一区二区三| 亚洲七黄色美女视频| 很黄的视频免费| 亚洲在线观看片| 亚洲人成网站在线播放欧美日韩| 国产精品免费一区二区三区在线| 嫩草影院入口| 亚洲avbb在线观看| 黄色日韩在线| 一进一出好大好爽视频| 高清毛片免费观看视频网站| av在线老鸭窝| 我的老师免费观看完整版| 黄片小视频在线播放| 97热精品久久久久久| 欧美高清性xxxxhd video| 少妇高潮的动态图| 国产免费av片在线观看野外av| 欧美在线一区亚洲| 特大巨黑吊av在线直播| h日本视频在线播放| 午夜a级毛片| 亚洲av熟女| 如何舔出高潮| 精品不卡国产一区二区三区| 国产高清视频在线观看网站| 精品一区二区三区视频在线| 看免费av毛片| 亚洲精品在线观看二区| or卡值多少钱| 亚洲av电影不卡..在线观看| av天堂中文字幕网| www.999成人在线观看| 欧美乱妇无乱码| 十八禁国产超污无遮挡网站| 亚洲精品在线美女| 欧美一区二区国产精品久久精品| 欧美丝袜亚洲另类 | 又粗又爽又猛毛片免费看| 国产一区二区激情短视频| 亚洲最大成人手机在线| 成人精品一区二区免费| 日韩欧美精品v在线| 一级毛片久久久久久久久女| 极品教师在线视频| 精品不卡国产一区二区三区| 一二三四社区在线视频社区8| 久久久色成人| 中文资源天堂在线| 午夜a级毛片| 精品久久久久久久末码| 怎么达到女性高潮| 一区二区三区高清视频在线| 免费看美女性在线毛片视频| 精品99又大又爽又粗少妇毛片 | 久久亚洲精品不卡| 成年人黄色毛片网站| 淫妇啪啪啪对白视频| 三级国产精品欧美在线观看| 噜噜噜噜噜久久久久久91| 老司机午夜十八禁免费视频| 久久久久国产精品人妻aⅴ院| 婷婷色综合大香蕉| 十八禁人妻一区二区| 日韩欧美国产在线观看| 91午夜精品亚洲一区二区三区 | 99热6这里只有精品| 91在线观看av| 一级a爱片免费观看的视频| 两个人视频免费观看高清| 亚洲av不卡在线观看| h日本视频在线播放| 国产91精品成人一区二区三区| 午夜免费激情av| 亚洲在线观看片| 国内久久婷婷六月综合欲色啪| 人妻制服诱惑在线中文字幕| 一区福利在线观看| 欧美乱妇无乱码| 丁香六月欧美| 欧美在线黄色| 国产亚洲精品久久久com| 国产aⅴ精品一区二区三区波| 欧美乱色亚洲激情| 在线观看免费视频日本深夜| 国产午夜精品论理片| 天堂av国产一区二区熟女人妻| 免费看光身美女| 在线观看av片永久免费下载| 精品一区二区免费观看| 亚洲性夜色夜夜综合| 亚洲精华国产精华精| 免费在线观看亚洲国产| 成人美女网站在线观看视频| 久久久久国产精品人妻aⅴ院| 日韩精品青青久久久久久| 久久精品国产清高在天天线| 91在线精品国自产拍蜜月| 色av中文字幕| 欧美区成人在线视频| 久久人人爽人人爽人人片va | 熟女电影av网| 中文字幕熟女人妻在线| 亚洲精品456在线播放app | 九九久久精品国产亚洲av麻豆| 最后的刺客免费高清国语| 怎么达到女性高潮| 精华霜和精华液先用哪个| 一区二区三区免费毛片| 啦啦啦韩国在线观看视频| 亚洲av成人不卡在线观看播放网| 免费搜索国产男女视频| 精品久久久久久久久久免费视频| 精品人妻1区二区| 国产高清有码在线观看视频| 天堂网av新在线| 久久欧美精品欧美久久欧美| 一区二区三区免费毛片| 免费在线观看日本一区| 国产不卡一卡二| 俺也久久电影网| 麻豆一二三区av精品| 午夜福利18| 最近最新免费中文字幕在线| 小蜜桃在线观看免费完整版高清| 亚洲片人在线观看| 国产真实乱freesex| 91九色精品人成在线观看| 一区福利在线观看| 一级黄片播放器| 伊人久久精品亚洲午夜| 免费高清视频大片| 亚洲avbb在线观看| av在线蜜桃| 久久久久久大精品| 精品午夜福利视频在线观看一区| 日韩欧美 国产精品| 一级毛片久久久久久久久女| 国产成人a区在线观看| 此物有八面人人有两片| 男女之事视频高清在线观看| 高潮久久久久久久久久久不卡| 嫩草影视91久久| 亚洲七黄色美女视频| 日本一本二区三区精品| 搡老岳熟女国产| 美女cb高潮喷水在线观看| 中文字幕av在线有码专区| 少妇被粗大猛烈的视频| 久久九九热精品免费| netflix在线观看网站| 国产不卡一卡二| 亚洲av免费高清在线观看| 中文字幕av在线有码专区| 久久精品久久久久久噜噜老黄 | 欧美潮喷喷水| 美女免费视频网站| 国产成人aa在线观看| 一个人看视频在线观看www免费| 丰满的人妻完整版| 首页视频小说图片口味搜索| 身体一侧抽搐| 国产精品久久久久久人妻精品电影| 高潮久久久久久久久久久不卡| 自拍偷自拍亚洲精品老妇| 一区二区三区免费毛片| 内射极品少妇av片p| 在线免费观看的www视频| 成人性生交大片免费视频hd| 波野结衣二区三区在线| 一级毛片久久久久久久久女| 国产av麻豆久久久久久久| 少妇被粗大猛烈的视频| 国内精品久久久久久久电影| 亚洲色图av天堂| 精品久久久久久久久av| 日韩欧美国产在线观看| 婷婷色综合大香蕉| 亚洲人成伊人成综合网2020| 999久久久精品免费观看国产| 国产精品女同一区二区软件 | 亚洲第一区二区三区不卡| 嫩草影院精品99| 99久久成人亚洲精品观看| 精品一区二区三区人妻视频| 久久久久久久久大av| 九九在线视频观看精品| 永久网站在线| 国产黄a三级三级三级人| a级毛片免费高清观看在线播放| 午夜精品久久久久久毛片777| 一卡2卡三卡四卡精品乱码亚洲| 日日夜夜操网爽| 亚洲国产高清在线一区二区三| 噜噜噜噜噜久久久久久91| 天堂影院成人在线观看| 精品久久久久久,| 午夜精品在线福利| 国内精品一区二区在线观看| 国产精品爽爽va在线观看网站| 丰满人妻熟妇乱又伦精品不卡| 日韩精品青青久久久久久| 国模一区二区三区四区视频| 熟妇人妻久久中文字幕3abv| 久久精品综合一区二区三区| 国产在线精品亚洲第一网站| www.色视频.com| 亚洲欧美激情综合另类| 国产高清视频在线播放一区| 一本久久中文字幕| 欧美不卡视频在线免费观看| av在线天堂中文字幕| 观看免费一级毛片| 婷婷色综合大香蕉| 夜夜夜夜夜久久久久| 国产极品精品免费视频能看的| 亚洲av第一区精品v没综合| 免费在线观看日本一区| 久久久久久国产a免费观看| 中出人妻视频一区二区| 人人妻,人人澡人人爽秒播| 亚洲精品久久国产高清桃花| 757午夜福利合集在线观看| 亚洲熟妇熟女久久| 一本精品99久久精品77| 丁香欧美五月| 成年免费大片在线观看| 成人国产综合亚洲| 男女做爰动态图高潮gif福利片| 国产高清有码在线观看视频| 午夜影院日韩av| 精品一区二区免费观看| 综合色av麻豆| 国内揄拍国产精品人妻在线| 国产精品三级大全| 欧美zozozo另类| 亚洲avbb在线观看| 亚洲国产精品sss在线观看| 99在线视频只有这里精品首页| 欧美激情久久久久久爽电影| 少妇裸体淫交视频免费看高清| 日日夜夜操网爽| 国产精品av视频在线免费观看| 99久久精品国产亚洲精品| 成年女人看的毛片在线观看| 18美女黄网站色大片免费观看| 久久久久免费精品人妻一区二区| 国产三级黄色录像| 高潮久久久久久久久久久不卡| 婷婷六月久久综合丁香| 校园春色视频在线观看| 亚洲成人中文字幕在线播放| 欧美中文日本在线观看视频| 国产男靠女视频免费网站| 好男人在线观看高清免费视频| 变态另类成人亚洲欧美熟女| 啪啪无遮挡十八禁网站| 天天一区二区日本电影三级| 一个人免费在线观看电影| 小蜜桃在线观看免费完整版高清| 国产一区二区在线av高清观看| 精品久久久久久久久久久久久| 国产真实伦视频高清在线观看 | 日本撒尿小便嘘嘘汇集6| 精品一区二区三区人妻视频| 欧美乱妇无乱码| .国产精品久久| 男女之事视频高清在线观看| 日日摸夜夜添夜夜添小说| 变态另类成人亚洲欧美熟女| 成人特级黄色片久久久久久久| 老司机福利观看| 亚洲一区二区三区不卡视频| 午夜福利18| 少妇裸体淫交视频免费看高清| 成人鲁丝片一二三区免费| 99国产精品一区二区三区| 最新中文字幕久久久久| 最近在线观看免费完整版| 国产精品乱码一区二三区的特点| 男女做爰动态图高潮gif福利片| 欧美乱妇无乱码| 国产熟女xx| 热99在线观看视频| 麻豆成人午夜福利视频| 搡老熟女国产l中国老女人| 久久亚洲精品不卡| 亚洲国产色片| 日韩国内少妇激情av| 亚洲av美国av| 少妇人妻精品综合一区二区 | 国产激情偷乱视频一区二区| 有码 亚洲区| 亚洲av成人精品一区久久| 男女做爰动态图高潮gif福利片| 亚洲第一欧美日韩一区二区三区| 亚洲精品成人久久久久久| 麻豆av噜噜一区二区三区| 此物有八面人人有两片| 免费在线观看亚洲国产| 最好的美女福利视频网| 欧美丝袜亚洲另类 | 亚洲av电影在线进入| 免费人成在线观看视频色| 日本精品一区二区三区蜜桃| 淫妇啪啪啪对白视频| 免费电影在线观看免费观看| 又黄又爽又刺激的免费视频.| 国产精品av视频在线免费观看| 色综合欧美亚洲国产小说| 少妇人妻一区二区三区视频| 一级av片app| 日本五十路高清| 99热6这里只有精品| 91午夜精品亚洲一区二区三区 | 少妇的逼水好多| 国产成人福利小说| 国产欧美日韩精品一区二区| 变态另类丝袜制服| 国产在线男女| 极品教师在线免费播放| 色5月婷婷丁香| 久久久精品欧美日韩精品| av专区在线播放| 国产av不卡久久| 国产色婷婷99| 九色成人免费人妻av| 国产色婷婷99| 久久精品综合一区二区三区| 丁香六月欧美| 国产一区二区三区在线臀色熟女| 亚洲无线观看免费| 51午夜福利影视在线观看| 内射极品少妇av片p| 国产伦人伦偷精品视频| 少妇高潮的动态图| 欧美成人一区二区免费高清观看| 成人特级黄色片久久久久久久| 高清毛片免费观看视频网站| 永久网站在线| 男人和女人高潮做爰伦理| 国产午夜福利久久久久久| 免费观看的影片在线观看| 亚洲成人免费电影在线观看| 真人一进一出gif抽搐免费| 午夜福利在线观看免费完整高清在 | 国产成人啪精品午夜网站| 一a级毛片在线观看| 亚洲av不卡在线观看| 色噜噜av男人的天堂激情| 色av中文字幕| 一进一出好大好爽视频| 久久久精品大字幕| 亚洲国产欧美人成| 成人精品一区二区免费| 免费看美女性在线毛片视频| 又黄又爽又免费观看的视频| 中国美女看黄片| 变态另类成人亚洲欧美熟女| 亚洲最大成人手机在线| 日韩人妻高清精品专区| 精品无人区乱码1区二区| av天堂在线播放| 在线看三级毛片| 国产午夜精品久久久久久一区二区三区 | 精品国产三级普通话版| 国产久久久一区二区三区| 他把我摸到了高潮在线观看| 欧美一级a爱片免费观看看| 变态另类丝袜制服| 欧美日本视频| 性色av乱码一区二区三区2| 757午夜福利合集在线观看| 色播亚洲综合网| .国产精品久久| 十八禁人妻一区二区| 精品一区二区三区视频在线观看免费| 国产真实乱freesex| 久久精品人妻少妇| 首页视频小说图片口味搜索| 国内揄拍国产精品人妻在线| 久久国产精品人妻蜜桃| 国产三级黄色录像| 午夜精品在线福利| 91久久精品电影网| 97超级碰碰碰精品色视频在线观看| 国产男靠女视频免费网站| 男人狂女人下面高潮的视频| 男女做爰动态图高潮gif福利片| 天堂影院成人在线观看| 少妇的逼好多水| 国产在线男女| 日本a在线网址| 搞女人的毛片| 最近最新免费中文字幕在线| 成人高潮视频无遮挡免费网站| 久久久久久国产a免费观看| 免费在线观看成人毛片| 美女cb高潮喷水在线观看| 赤兔流量卡办理| 国产精品,欧美在线| 性欧美人与动物交配| av国产免费在线观看| 日本三级黄在线观看| 99热只有精品国产| 亚洲av中文字字幕乱码综合| 国产黄色小视频在线观看| 色5月婷婷丁香| 91在线精品国自产拍蜜月| 黄色日韩在线| 久久久色成人| 婷婷精品国产亚洲av在线| 成人鲁丝片一二三区免费| 久久精品久久久久久噜噜老黄 | 亚洲无线观看免费| 性插视频无遮挡在线免费观看| 一区二区三区激情视频| 三级毛片av免费| 精品人妻视频免费看| 久久伊人香网站| 亚洲精品色激情综合| 成人欧美大片| 日本a在线网址| 麻豆成人av在线观看| 在现免费观看毛片| 99国产极品粉嫩在线观看| 极品教师在线视频| 99热只有精品国产| 国产亚洲精品综合一区在线观看| 亚洲精品在线观看二区| 一级av片app| 久久99热这里只有精品18| av在线老鸭窝| 一个人免费在线观看的高清视频| 国内精品一区二区在线观看| 美女cb高潮喷水在线观看| 亚洲 国产 在线| 国产精品久久久久久久久免 | 成人亚洲精品av一区二区| 国产主播在线观看一区二区| 中文字幕久久专区| 偷拍熟女少妇极品色| 老熟妇乱子伦视频在线观看| 欧美成狂野欧美在线观看| 91午夜精品亚洲一区二区三区 | 亚洲国产精品合色在线| 亚洲最大成人手机在线| 亚洲真实伦在线观看| 非洲黑人性xxxx精品又粗又长| 欧美一区二区精品小视频在线| 变态另类丝袜制服| 一本久久中文字幕| 激情在线观看视频在线高清| 午夜福利免费观看在线| 99久久精品一区二区三区| 国产精品,欧美在线| 欧美极品一区二区三区四区| 午夜福利在线在线| 三级毛片av免费| 中文字幕av成人在线电影| 蜜桃亚洲精品一区二区三区| 他把我摸到了高潮在线观看| 国产欧美日韩精品一区二区| 亚洲欧美日韩卡通动漫| 人妻夜夜爽99麻豆av| 欧美3d第一页| 黄片小视频在线播放| 午夜日韩欧美国产| 国产精品久久久久久人妻精品电影| 国产一区二区三区视频了| 亚洲欧美激情综合另类| 丰满的人妻完整版| 在线国产一区二区在线| 亚洲精品影视一区二区三区av| 国产精品一区二区性色av| 国产精品亚洲av一区麻豆| 国产高清激情床上av| av在线老鸭窝| 女生性感内裤真人,穿戴方法视频| 伊人久久精品亚洲午夜| 男人和女人高潮做爰伦理| 午夜免费成人在线视频| 精品人妻一区二区三区麻豆 | 国内精品一区二区在线观看| 国产精品嫩草影院av在线观看 | 丰满人妻一区二区三区视频av| 赤兔流量卡办理| 99国产综合亚洲精品| 黄色日韩在线| 熟女人妻精品中文字幕| 男女下面进入的视频免费午夜| 99热这里只有是精品50| 国产黄色小视频在线观看| 成年女人看的毛片在线观看| 欧美中文日本在线观看视频| 亚洲自偷自拍三级| 久久久久免费精品人妻一区二区| 国模一区二区三区四区视频| av天堂在线播放| 天堂影院成人在线观看| 国产精品自产拍在线观看55亚洲| 小说图片视频综合网站| 免费在线观看亚洲国产| 国产精品一及| 国产伦在线观看视频一区| 精品久久久久久久末码| 99国产极品粉嫩在线观看| 又爽又黄a免费视频| 嫩草影院精品99| 亚洲人成网站在线播放欧美日韩| 久久99热6这里只有精品| 久久中文看片网| netflix在线观看网站| www.www免费av| 自拍偷自拍亚洲精品老妇| 国产色爽女视频免费观看| 黄色视频,在线免费观看| 久久香蕉精品热| 亚洲一区高清亚洲精品| 天堂动漫精品| 欧美激情久久久久久爽电影| 熟女人妻精品中文字幕| 99久久精品热视频| 午夜日韩欧美国产| 久久久久九九精品影院| 亚洲乱码一区二区免费版| 久久久久久久亚洲中文字幕 | 在线a可以看的网站| 国产日本99.免费观看| 我的女老师完整版在线观看| 久久久久久久久久成人| 精品一区二区三区视频在线| 最新中文字幕久久久久| 国产在线男女| 国产成人影院久久av| 久久国产乱子伦精品免费另类| 免费黄网站久久成人精品 | 最近最新中文字幕大全电影3| 国产高清激情床上av| 天堂影院成人在线观看| 精品午夜福利在线看| 欧美潮喷喷水| 国产精品精品国产色婷婷| 国产精品乱码一区二三区的特点| 99国产精品一区二区蜜桃av| 亚洲精品一卡2卡三卡4卡5卡| 欧美黑人巨大hd| 中文亚洲av片在线观看爽| 国产精品嫩草影院av在线观看 | 日韩中文字幕欧美一区二区| 成人av在线播放网站| 国产三级中文精品| 久久久久性生活片| 精品人妻视频免费看| 中文字幕免费在线视频6| 99久久精品热视频| 亚洲人成网站高清观看| 麻豆国产97在线/欧美| 欧美最新免费一区二区三区 | 欧美一区二区精品小视频在线| 国产精品永久免费网站| 欧美性猛交╳xxx乱大交人| 亚洲专区国产一区二区| 毛片女人毛片| 啦啦啦韩国在线观看视频| 亚洲真实伦在线观看| 久久精品国产99精品国产亚洲性色| 无遮挡黄片免费观看| 亚洲av不卡在线观看| 一级a爱片免费观看的视频| 99久久成人亚洲精品观看| 99在线人妻在线中文字幕| 亚洲一区二区三区不卡视频| 美女大奶头视频| 中文在线观看免费www的网站| 九色成人免费人妻av| 一个人看视频在线观看www免费| 老鸭窝网址在线观看| 日韩欧美 国产精品| 中出人妻视频一区二区| 国产高清视频在线观看网站| 中文资源天堂在线| 18美女黄网站色大片免费观看| 一区二区三区高清视频在线| 成人鲁丝片一二三区免费| 色综合亚洲欧美另类图片| 美女被艹到高潮喷水动态| 我要搜黄色片| 伦理电影大哥的女人| 亚洲最大成人手机在线|