• <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
    夜夜夜夜夜久久久久| 在线观看av片永久免费下载| 12—13女人毛片做爰片一| 此物有八面人人有两片| 18禁黄网站禁片免费观看直播| 国产国拍精品亚洲av在线观看| 午夜亚洲福利在线播放| 国产精品久久视频播放| 国产真实乱freesex| 成人亚洲精品av一区二区| 天堂影院成人在线观看| 麻豆一二三区av精品| 国产精品99久久久久久久久| 伊人久久精品亚洲午夜| 日日夜夜操网爽| 精品人妻一区二区三区麻豆 | 激情在线观看视频在线高清| 亚洲va日本ⅴa欧美va伊人久久| 亚洲欧美日韩东京热| 搞女人的毛片| 人妻制服诱惑在线中文字幕| 欧美激情久久久久久爽电影| 好男人电影高清在线观看| 国产私拍福利视频在线观看| 亚洲五月婷婷丁香| 国产色婷婷99| 午夜福利高清视频| 国产一区二区三区在线臀色熟女| 成年免费大片在线观看| 99国产精品一区二区三区| 亚洲精品在线观看二区| 舔av片在线| 日韩有码中文字幕| 欧美高清成人免费视频www| 国产老妇女一区| 亚洲 国产 在线| 欧美xxxx黑人xx丫x性爽| 亚洲欧美日韩卡通动漫| 免费人成视频x8x8入口观看| 一区二区三区四区激情视频 | 小说图片视频综合网站| 一级黄色大片毛片| 亚洲成人免费电影在线观看| 国产午夜福利久久久久久| av福利片在线观看| 日韩中文字幕欧美一区二区| 亚洲一区二区三区色噜噜| 国内精品美女久久久久久| 国内少妇人妻偷人精品xxx网站| 两个人的视频大全免费| 天堂网av新在线| 亚洲无线在线观看| 欧美黑人欧美精品刺激| 哪里可以看免费的av片| 90打野战视频偷拍视频| 极品教师在线免费播放| 观看美女的网站| 91久久精品国产一区二区成人| 在线观看午夜福利视频| 免费观看的影片在线观看| 亚洲人与动物交配视频| 欧美3d第一页| 高清在线国产一区| 看免费av毛片| 看免费av毛片| 激情在线观看视频在线高清| 亚洲专区中文字幕在线| 久久国产乱子伦精品免费另类| 国产精品久久久久久亚洲av鲁大| 国产午夜精品久久久久久一区二区三区 | 12—13女人毛片做爰片一| 久久久久久九九精品二区国产| 久久99热这里只有精品18| 99热只有精品国产| 国内毛片毛片毛片毛片毛片| 久久久久国内视频| 99热这里只有是精品在线观看 | 国产野战对白在线观看| 他把我摸到了高潮在线观看| 露出奶头的视频| 天天躁日日操中文字幕| 成人av在线播放网站| 免费观看精品视频网站| 中文资源天堂在线| 午夜两性在线视频| 少妇人妻一区二区三区视频| 国产精品一及| 亚洲狠狠婷婷综合久久图片| 亚洲av免费高清在线观看| 国产成人av教育| 人妻久久中文字幕网| 人妻丰满熟妇av一区二区三区| 老司机深夜福利视频在线观看| 日韩人妻高清精品专区| 国产精品三级大全| 免费看日本二区| 黄色一级大片看看| 热99在线观看视频| 真人一进一出gif抽搐免费| 美女被艹到高潮喷水动态| 91午夜精品亚洲一区二区三区 | 在线看三级毛片| 亚洲,欧美,日韩| 久久精品国产自在天天线| 色精品久久人妻99蜜桃| 窝窝影院91人妻| 亚洲精品在线观看二区| 午夜福利在线观看吧| 国产大屁股一区二区在线视频| 国产一级毛片七仙女欲春2| 久久久久久久午夜电影| 中文字幕免费在线视频6| av天堂中文字幕网| 久久久久久国产a免费观看| 中文字幕精品亚洲无线码一区| 国产精品99久久久久久久久| 精品国产三级普通话版| 久久久久九九精品影院| 中文字幕高清在线视频| 午夜福利欧美成人| 日韩欧美精品免费久久 | 日韩欧美免费精品| 乱码一卡2卡4卡精品| 12—13女人毛片做爰片一| 国产精品一区二区三区四区久久| 久久精品综合一区二区三区| 中文字幕av成人在线电影| 最好的美女福利视频网| 国产高清视频在线观看网站| 最近最新免费中文字幕在线| 久久久国产成人精品二区| 无人区码免费观看不卡| 一本久久中文字幕| 别揉我奶头 嗯啊视频| 精品福利观看| 婷婷六月久久综合丁香| 日韩av在线大香蕉| 中文字幕精品亚洲无线码一区| 国产在线男女| 两个人的视频大全免费| 亚洲自偷自拍三级| 欧美日韩乱码在线| 高清毛片免费观看视频网站| 欧美3d第一页| 免费av观看视频| 人人妻,人人澡人人爽秒播| 亚洲av电影在线进入| 午夜福利视频1000在线观看| 亚洲第一电影网av| 成年版毛片免费区| 男女做爰动态图高潮gif福利片| 国产一区二区三区在线臀色熟女| 久9热在线精品视频| 色尼玛亚洲综合影院| 伊人久久精品亚洲午夜| 国内精品美女久久久久久| 国产主播在线观看一区二区| 亚洲内射少妇av| 国模一区二区三区四区视频| 一级黄片播放器| 尤物成人国产欧美一区二区三区| 亚洲欧美日韩东京热| ponron亚洲| 亚洲激情在线av| 美女xxoo啪啪120秒动态图 | 久久久久久久亚洲中文字幕 | 超碰av人人做人人爽久久| 国产精华一区二区三区| 成人亚洲精品av一区二区| 午夜日韩欧美国产| 日韩中文字幕欧美一区二区| 亚洲精品一卡2卡三卡4卡5卡| 午夜福利高清视频| 99国产极品粉嫩在线观看| 最新中文字幕久久久久| 色哟哟·www| 日韩欧美免费精品| 久久九九热精品免费| 欧美日韩亚洲国产一区二区在线观看| 丁香六月欧美| 女同久久另类99精品国产91| 亚洲乱码一区二区免费版| 国产男靠女视频免费网站| 男人舔女人下体高潮全视频| 久久婷婷人人爽人人干人人爱| 国产一区二区激情短视频| 嫩草影院入口| 午夜福利在线观看吧| 熟女人妻精品中文字幕| 免费黄网站久久成人精品 | 国产91精品成人一区二区三区| 51午夜福利影视在线观看| 在线观看美女被高潮喷水网站 | 色综合婷婷激情| 欧美+亚洲+日韩+国产| 99国产综合亚洲精品| 亚洲成a人片在线一区二区| 看黄色毛片网站| 两个人的视频大全免费| 久久国产乱子免费精品| 日本精品一区二区三区蜜桃| 岛国在线免费视频观看| 在线观看午夜福利视频| 国产成人av教育| 欧洲精品卡2卡3卡4卡5卡区| 欧美+日韩+精品| 国内少妇人妻偷人精品xxx网站| 久久亚洲精品不卡| 久久6这里有精品| 久久九九热精品免费| 亚洲avbb在线观看| 欧美激情久久久久久爽电影| 亚洲av成人不卡在线观看播放网| 中文字幕av成人在线电影| 国产精品一及| 超碰av人人做人人爽久久| 日韩有码中文字幕| 夜夜夜夜夜久久久久| 99精品在免费线老司机午夜| 动漫黄色视频在线观看| 女生性感内裤真人,穿戴方法视频| 99精品久久久久人妻精品| 波多野结衣巨乳人妻| 人人妻人人澡欧美一区二区| 精品免费久久久久久久清纯| 成熟少妇高潮喷水视频| 欧美日韩瑟瑟在线播放| 国产av在哪里看| 国产亚洲欧美在线一区二区| 别揉我奶头~嗯~啊~动态视频| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 12—13女人毛片做爰片一| 欧美一区二区国产精品久久精品| 欧美成人a在线观看| 亚洲av不卡在线观看| 一本综合久久免费| 欧美在线黄色| 中亚洲国语对白在线视频| 中文字幕人妻熟人妻熟丝袜美| 欧美日韩综合久久久久久 | 波多野结衣高清无吗| 亚洲国产欧美人成| 性色avwww在线观看| 久久久久精品国产欧美久久久| 亚洲专区国产一区二区| 黄片小视频在线播放| 最后的刺客免费高清国语| 午夜久久久久精精品| 日韩中文字幕欧美一区二区| 国产成年人精品一区二区| 国产真实乱freesex| 成人精品一区二区免费| 波多野结衣高清无吗| 国产精品精品国产色婷婷| 久久久国产成人精品二区| 白带黄色成豆腐渣| 久久久久久久久久黄片| 免费在线观看成人毛片| 久久久久久九九精品二区国产| 亚洲aⅴ乱码一区二区在线播放| 国产在线男女| 亚洲内射少妇av| 国产在视频线在精品| 亚洲国产精品999在线| 欧美日韩福利视频一区二区| 波野结衣二区三区在线| 日本a在线网址| 丁香六月欧美| 九色成人免费人妻av| 国产av一区在线观看免费| 久久国产乱子伦精品免费另类| 简卡轻食公司| 国产免费一级a男人的天堂| 老鸭窝网址在线观看| 色综合婷婷激情| 午夜福利欧美成人| 综合色av麻豆| 日本精品一区二区三区蜜桃| 国产国拍精品亚洲av在线观看| 久久久国产成人免费| 精品久久久久久久人妻蜜臀av| 欧美又色又爽又黄视频| 免费大片18禁| 成熟少妇高潮喷水视频| 久久香蕉精品热| 天堂动漫精品| 午夜激情欧美在线| 欧美日韩瑟瑟在线播放| 香蕉av资源在线| 国产欧美日韩一区二区精品| 国产在线男女| 色噜噜av男人的天堂激情| 国产成人影院久久av| 国内精品久久久久精免费| 成人毛片a级毛片在线播放| 国产精品女同一区二区软件 | 99热这里只有是精品在线观看 | 99久久精品一区二区三区| 99视频精品全部免费 在线| 十八禁网站免费在线| aaaaa片日本免费| 亚洲av五月六月丁香网| 天堂动漫精品| 日本黄色片子视频| 欧美乱色亚洲激情| 国产不卡一卡二| 夜夜爽天天搞| 亚洲在线自拍视频| 成人国产一区最新在线观看| 岛国在线免费视频观看| 亚洲av成人精品一区久久| 午夜福利在线观看免费完整高清在 | 村上凉子中文字幕在线| 成人午夜高清在线视频| av在线老鸭窝| 久久欧美精品欧美久久欧美| 国产精品久久久久久人妻精品电影| 中文在线观看免费www的网站| 一区二区三区高清视频在线| 制服丝袜大香蕉在线| 老女人水多毛片| 2021天堂中文幕一二区在线观| 日韩高清综合在线| 熟女电影av网| 给我免费播放毛片高清在线观看| 亚洲 欧美 日韩 在线 免费| 中亚洲国语对白在线视频| 欧美日本视频| 国产精品一及| 色视频www国产| 午夜两性在线视频| 乱人视频在线观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 免费看美女性在线毛片视频| 亚洲第一电影网av| 欧美日本亚洲视频在线播放| 午夜福利视频1000在线观看| 熟妇人妻久久中文字幕3abv| 长腿黑丝高跟| 日韩欧美在线二视频| 免费看a级黄色片| 毛片女人毛片| 国产精品一区二区三区四区免费观看 | 怎么达到女性高潮| 久久这里只有精品中国| 亚洲一区高清亚洲精品| 日本黄大片高清| 欧美在线一区亚洲| 精品久久久久久久人妻蜜臀av| www.色视频.com| 少妇人妻精品综合一区二区 | 人人妻,人人澡人人爽秒播| 一个人观看的视频www高清免费观看| 观看免费一级毛片| 一a级毛片在线观看| 国内精品久久久久久久电影| 国产亚洲精品久久久久久毛片| 欧美在线一区亚洲| 小蜜桃在线观看免费完整版高清| 免费av毛片视频| 亚洲av电影不卡..在线观看| 日韩精品青青久久久久久| 日韩高清综合在线| 亚洲色图av天堂| 欧美性猛交╳xxx乱大交人| 国产色婷婷99| 99久久精品热视频| 国产成人av教育| 免费在线观看影片大全网站| 中国美女看黄片| 两性午夜刺激爽爽歪歪视频在线观看| 噜噜噜噜噜久久久久久91| 亚洲三级黄色毛片| 草草在线视频免费看| 美女高潮的动态| 亚洲精品在线美女| 久久亚洲真实| 免费在线观看日本一区| 亚洲自拍偷在线| 成人av在线播放网站| 91在线观看av| 我的女老师完整版在线观看| 亚洲人成伊人成综合网2020| 国产视频一区二区在线看| 嫩草影院精品99| 老女人水多毛片| 一a级毛片在线观看| 一级黄片播放器| 久久精品国产自在天天线| 日韩人妻高清精品专区| 97碰自拍视频| 欧美日韩国产亚洲二区| 在线播放无遮挡| 91久久精品电影网| 91麻豆精品激情在线观看国产| 欧美又色又爽又黄视频| 国产三级黄色录像| 国产美女午夜福利| 夜夜躁狠狠躁天天躁| 免费看光身美女| 久久精品91蜜桃| 国产三级在线视频| 嫩草影视91久久| 十八禁网站免费在线| 久久性视频一级片| 真实男女啪啪啪动态图| 波野结衣二区三区在线| 亚洲精品日韩av片在线观看| 亚洲国产欧洲综合997久久,| 亚洲无线在线观看| 黄色视频,在线免费观看| 色视频www国产| 搞女人的毛片| 国产不卡一卡二| 天美传媒精品一区二区| 日日夜夜操网爽| 亚洲av美国av| 精品国内亚洲2022精品成人| 琪琪午夜伦伦电影理论片6080| 国产伦精品一区二区三区四那| 国产一区二区在线av高清观看| 可以在线观看毛片的网站| 有码 亚洲区| 99久久成人亚洲精品观看| 黄色女人牲交| 日本一本二区三区精品| 国产精品免费一区二区三区在线| 亚洲在线观看片| 天堂√8在线中文| 国产精品电影一区二区三区| 亚洲av日韩精品久久久久久密| 波多野结衣巨乳人妻| 国产精品爽爽va在线观看网站| 中文字幕av在线有码专区| 亚洲内射少妇av| 看片在线看免费视频| 久久久久久久午夜电影| 9191精品国产免费久久| 69人妻影院| 国产精品乱码一区二三区的特点| 99久久无色码亚洲精品果冻| 熟女电影av网| 亚洲国产色片| av天堂在线播放| 亚洲欧美精品综合久久99| av中文乱码字幕在线| 最新在线观看一区二区三区| 午夜福利欧美成人| 精品人妻熟女av久视频| 国产探花极品一区二区| 国产午夜精品久久久久久一区二区三区 | 亚洲最大成人手机在线| 少妇高潮的动态图| 1000部很黄的大片| ponron亚洲| 此物有八面人人有两片| 综合色av麻豆| 欧美丝袜亚洲另类 | 久久精品91蜜桃| 好男人在线观看高清免费视频| 国产爱豆传媒在线观看| 99久久精品国产亚洲精品| 最近最新免费中文字幕在线| 亚洲av.av天堂| 一级黄片播放器| 国产精品亚洲一级av第二区| 亚洲性夜色夜夜综合| 国产aⅴ精品一区二区三区波| 国产男靠女视频免费网站| 午夜精品久久久久久毛片777| 午夜两性在线视频| 国产一区二区在线av高清观看| 久久精品国产99精品国产亚洲性色| 精品久久久久久久久久免费视频| 亚洲精品456在线播放app | 精品一区二区三区视频在线| 可以在线观看毛片的网站| 少妇人妻一区二区三区视频| 久久天躁狠狠躁夜夜2o2o| 啦啦啦观看免费观看视频高清| 色噜噜av男人的天堂激情| 99久久成人亚洲精品观看| 国产精品一区二区三区四区久久| 色综合婷婷激情| 日本a在线网址| 在线a可以看的网站| 久久九九热精品免费| 大型黄色视频在线免费观看| 色av中文字幕| 美女高潮喷水抽搐中文字幕| 很黄的视频免费| 在线十欧美十亚洲十日本专区| 亚洲精品成人久久久久久| 中亚洲国语对白在线视频| 久久人妻av系列| 亚洲精品在线美女| 成年女人永久免费观看视频| www.www免费av| 在线播放无遮挡| 日韩欧美三级三区| 男人和女人高潮做爰伦理| 国产成人a区在线观看| 国产高潮美女av| 国产高清视频在线观看网站| 麻豆av噜噜一区二区三区| 亚洲人成网站在线播放欧美日韩| 日本免费a在线| 亚洲人成网站高清观看| 国内揄拍国产精品人妻在线| 两人在一起打扑克的视频| 精品人妻偷拍中文字幕| 桃红色精品国产亚洲av| 亚洲av二区三区四区| 十八禁网站免费在线| 国内久久婷婷六月综合欲色啪| 午夜影院日韩av| 国产淫片久久久久久久久 | 国产欧美日韩精品亚洲av| 特级一级黄色大片| 国产成人影院久久av| 大型黄色视频在线免费观看| 免费黄网站久久成人精品 | 内射极品少妇av片p| 国模一区二区三区四区视频| 12—13女人毛片做爰片一| 在线免费观看不下载黄p国产 | 久久久久久大精品| 真实男女啪啪啪动态图| 少妇被粗大猛烈的视频| av在线观看视频网站免费| 丝袜美腿在线中文| 少妇的逼水好多| 亚洲激情在线av| 精品熟女少妇八av免费久了| 午夜福利高清视频| 国产野战对白在线观看| 99久国产av精品| 国产蜜桃级精品一区二区三区| 又爽又黄a免费视频| 一级a爱片免费观看的视频| 欧美高清性xxxxhd video| 久久精品国产清高在天天线| av专区在线播放| av在线天堂中文字幕| 一本综合久久免费| 日本 欧美在线| 永久网站在线| 国产精品美女特级片免费视频播放器| 波多野结衣高清无吗| 18禁黄网站禁片午夜丰满| 亚洲无线观看免费| 露出奶头的视频| 观看免费一级毛片| 99久久精品热视频| 又爽又黄无遮挡网站| 国产白丝娇喘喷水9色精品| 亚洲精品色激情综合| 中文字幕精品亚洲无线码一区| 亚洲一区二区三区不卡视频| avwww免费| 青草久久国产| 少妇的逼水好多| 久久精品久久久久久噜噜老黄 | 99国产综合亚洲精品| 在线观看舔阴道视频| 日本精品一区二区三区蜜桃| 男女那种视频在线观看| 哪里可以看免费的av片| 久久久久久久久中文| 国语自产精品视频在线第100页| 欧美一区二区亚洲| 波多野结衣巨乳人妻| 亚洲熟妇中文字幕五十中出| 高潮久久久久久久久久久不卡| 一二三四社区在线视频社区8| 18+在线观看网站| 有码 亚洲区| 成人欧美大片| 国产精品一区二区三区四区久久| 免费黄网站久久成人精品 | 老司机福利观看| 国产蜜桃级精品一区二区三区| 天堂影院成人在线观看| 国产精品免费一区二区三区在线| 怎么达到女性高潮| 露出奶头的视频| 两性午夜刺激爽爽歪歪视频在线观看| 日韩av在线大香蕉| 日本免费一区二区三区高清不卡| 日本三级黄在线观看| 嫩草影院精品99| 亚洲国产高清在线一区二区三| 色综合欧美亚洲国产小说| 国产黄a三级三级三级人| 国产白丝娇喘喷水9色精品| 亚洲欧美激情综合另类| 天堂动漫精品| 国产毛片a区久久久久| bbb黄色大片| 欧美午夜高清在线| 国产精品乱码一区二三区的特点| 狂野欧美白嫩少妇大欣赏| 久久婷婷人人爽人人干人人爱| 91在线观看av| 午夜精品在线福利| 少妇被粗大猛烈的视频| 赤兔流量卡办理| 18美女黄网站色大片免费观看| 嫩草影视91久久| 亚洲av成人精品一区久久| 老鸭窝网址在线观看| 日韩成人在线观看一区二区三区| 99久久精品一区二区三区| 久久久久国内视频| 亚洲国产精品sss在线观看|