• <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 ?

    基于支持向量機的中文文本情感分析方法研究

    2022-11-15 06:59:36劉祉燊張倩周菠汪志霖顧永昊
    科技創(chuàng)新與應(yīng)用 2022年32期
    關(guān)鍵詞:爬蟲分詞向量

    劉祉燊,張倩,周菠,汪志霖,顧永昊

    (山東石油化工學(xué)院,山東 東營 257000)

    隨著網(wǎng)絡(luò)的發(fā)展和技術(shù)的提高,人們的精神需求也向更高層次發(fā)展,大眾表達自我的意愿更為強烈,自媒體平臺成為大眾表達感情,發(fā)表言論的重要渠道。尤其是大學(xué)生群體具有勇于表達自己觀點,熱衷表達自己態(tài)度的特點。2021年2月3日中國互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC)發(fā)布的第47次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示:截至2020年12月,我國網(wǎng)民規(guī)模達9.89億,手機網(wǎng)民規(guī)模達9.86億,互聯(lián)網(wǎng)普及率達70.4%。其中,學(xué)生網(wǎng)民最多,占比為21.0%[1]。因此,學(xué)生網(wǎng)民在網(wǎng)絡(luò)上的情感表達和輿論觀點更值得關(guān)注。通過爬取網(wǎng)絡(luò)大數(shù)據(jù)中學(xué)生的言論并以此文本為依據(jù),挖掘當(dāng)今大學(xué)生的關(guān)注話題和情感傾向,分析大學(xué)生的所思所想,對于及時掌握高校大學(xué)生的思想動態(tài)和疏導(dǎo)大學(xué)生的不良情緒有重要作用。同時,對高校在學(xué)生管理方面具有重要意義。

    1 相關(guān)研究技術(shù)

    1.1 網(wǎng)絡(luò)爬蟲

    當(dāng)今社會已進入大數(shù)據(jù)時代,手動獲取數(shù)據(jù)已不適合現(xiàn)在的發(fā)展趨勢,網(wǎng)絡(luò)爬蟲可以很好解決這類問題。網(wǎng)絡(luò)爬蟲是一種能夠自動抓取互聯(lián)網(wǎng)信息的程序或者腳本,廣泛應(yīng)用于網(wǎng)頁或網(wǎng)站內(nèi)容的檢索。網(wǎng)絡(luò)爬蟲的實現(xiàn)形式多樣,其工作原理也各不相同。典型的網(wǎng)絡(luò)爬蟲有通用網(wǎng)絡(luò)爬蟲和聚焦網(wǎng)絡(luò)爬蟲2類。本文采用通用網(wǎng)絡(luò)爬蟲,其實現(xiàn)基本原理及流程如圖1所示。

    圖1 通用網(wǎng)絡(luò)爬蟲的工作原理

    首先,根據(jù)初始爬取的網(wǎng)頁得到初始統(tǒng)一資源定位系統(tǒng)(uniform resource locator,URL),接著由初始URL爬取網(wǎng)頁內(nèi)容并存儲數(shù)據(jù),在爬取數(shù)據(jù)過程中可獲得新的URL地址,然后將新的URL地址加入URL列表。根據(jù)新URL地址重復(fù)以上步驟繼續(xù)爬取數(shù)據(jù),最后直到滿足條件的數(shù)據(jù)爬取完后結(jié)束整個過程。

    1.2 分詞技術(shù)

    詞語是一句話中能夠體現(xiàn)獨立含義的最小單位,通過詞語分析理解文本含義是情感分析和數(shù)據(jù)挖掘的重要方法。對中文文本的情感分析需要將語句按照一定邏輯關(guān)系劃分為詞語后再進行分析。相比于英文單詞在句子中用空格間隔開的自然分割,中文詞語之間沒有明顯的區(qū)分標(biāo)志,因此對中文語句中的詞語劃分要更加復(fù)雜和困難。

    對語句分詞時采用Python提供的第三方分詞庫——jieba庫,jieba分詞是一款開源工具,在中文文本分詞方面廣泛使用且分詞效果較好。jieba分詞工具對應(yīng)有3種不同模式:精確模式、全模式和搜索引擎模式。如:對“山東石油化工學(xué)院新增3個本科專業(yè)”這句文本用3種模式分詞,精確模式分詞后為“山東/石油化工/學(xué)院/新增/3/個/本科專業(yè)”,全模式分詞結(jié)果為“山東/東石/石油/石油化工/化工/化工學(xué)院/工學(xué)/工學(xué)院/學(xué)院/新增/3/個/本科/本科專業(yè)/專業(yè)”,搜索引擎模式分詞結(jié)果為“山東/石油/化工/石油化工/學(xué)院/新增/3/個/本科/專業(yè)/本科專業(yè)”。從分詞效果可以看出,精確模式可以對語句進行最精確的切分,并且不存在冗余數(shù)據(jù),適合做文本分析。

    1.3 情感分析

    在大數(shù)據(jù)時代,對文本情感手工分類已無法滿足需要,當(dāng)下通常選擇機器學(xué)習(xí)算法對文本情感分類。常用的機器學(xué)習(xí)算法有:支持向量機、K近鄰算法、樸素貝葉斯和神經(jīng)網(wǎng)絡(luò)等。其中,樸素貝葉斯模型是基于貝葉斯定理和特征條件獨立假設(shè)的一種預(yù)測模型,主要應(yīng)用在文本分類、疾病診斷等領(lǐng)域[2]。該方法簡單有效,但在使用時假設(shè)屬性之間相互獨立,在實際應(yīng)用中往往是不成立的,影響預(yù)測結(jié)果。神經(jīng)網(wǎng)絡(luò)模型包括卷積神經(jīng)網(wǎng)絡(luò)、時間遞歸神經(jīng)網(wǎng)絡(luò)和結(jié)構(gòu)遞歸神經(jīng)網(wǎng)絡(luò)等不同模型,卷積神經(jīng)網(wǎng)絡(luò)在文本分析方面的優(yōu)勢不及在圖像領(lǐng)域,多模型組合是未來神經(jīng)網(wǎng)絡(luò)在文本分析領(lǐng)域的改進方向[3]。支持向量機(SVM)在求解過程中避開了局部收斂的缺陷致使所得解準(zhǔn)確率同比其他算法更高。因此,SVM算法回歸分析所得解具有全局性和高準(zhǔn)確性,該算法被廣泛應(yīng)用[4]。

    支持向量機是機器學(xué)習(xí)算法的一種,于1995年由Vapnik等提出。該方法以訓(xùn)練誤差為優(yōu)化問題的約束條件,以置信范圍值最小化為訓(xùn)練目標(biāo),是一種基于結(jié)構(gòu)風(fēng)險最小化的學(xué)習(xí)方法,推廣能力優(yōu)于其他傳統(tǒng)學(xué)習(xí)算法。

    支持向量機分類的基本思想是找到能夠正確劃分訓(xùn)練數(shù)據(jù)集并且使幾何間隔最大的超平面,同時有少許不能準(zhǔn)確分類的樣本點。假設(shè)(xi,yi),xi∈Rm,yi∈{-1,1},i=1,2…m,則得到最有超平面為ω·xi+b=0。要使超平面的分類間隔最大,即求2/||ω||最大的問題,轉(zhuǎn)化為(1/2)||ω||2最小。引入懲罰系數(shù)C表示樣本點與最優(yōu)超平面的距離程度。該問題可闡述為

    式中:ω為權(quán)重向量;C為懲罰系數(shù);ξ為松弛因子。C越大,未落在正確分類的樣本對最優(yōu)超平面的懲罰越大。

    SVM提供了不同的核函數(shù)。常用的核函數(shù)有線性核函數(shù)、多項式核函數(shù)、徑向基核函數(shù)和Sigmoid核函數(shù)。核函數(shù)的選擇根據(jù)具體使用情境選擇,如:是否線性可分、樣本數(shù)量的多少等。所以,在使用SVM訓(xùn)練時,需經(jīng)過大量調(diào)試,在考慮準(zhǔn)確率、運算速度等問題的前提下選擇合適的參數(shù)。

    2 研究思路

    本文中文文本情感分析的數(shù)據(jù)來源采用山東石油化工學(xué)院官方微博上的評論,用以分析該校學(xué)生在日常生活和熱點問題上的情緒表達。研究的整體思路如下:首先需要利用網(wǎng)絡(luò)爬蟲對網(wǎng)站數(shù)據(jù)進行采集,得到的數(shù)據(jù)集中包含了文字、符號和表情等多種信息,對無用信息進行剔除,并篩選出有效信息,將有用的語句作為文本情感分析的內(nèi)容,并根據(jù)文本的情感傾向標(biāo)注積極和消極情感標(biāo)簽。該文本為大多為語句式結(jié)構(gòu),接下來對文本預(yù)處理,將語句分詞處理,轉(zhuǎn)換為詞語的形式,并生成詞向量,形成機器學(xué)習(xí)的數(shù)據(jù)集和訓(xùn)練集。最后,將精簡數(shù)據(jù)集輸入SVM訓(xùn)練器進行分類訓(xùn)練,得到預(yù)測結(jié)果。中文文本情感分類過程示意圖如圖2所示。

    圖2 中文文本情感分類過程示意圖

    2.1 文本獲取

    文本數(shù)據(jù)通過對山東石油化工學(xué)院官方微博下方評論數(shù)據(jù)的爬取獲得。除了用戶評論內(nèi)容外,還可得到相應(yīng)的用戶id、用戶昵稱和評論時間等相關(guān)信息。在爬取數(shù)據(jù)時,首先根據(jù)瀏覽器中的開發(fā)者工具查看抓包過程中的相關(guān)信息,接著使用Python編程模擬發(fā)出網(wǎng)絡(luò)請求,由于返回的數(shù)據(jù)是json數(shù)據(jù),還需要用Python自帶的json庫對其進行解析,最后將解析后的數(shù)據(jù)保存為.csv文件。數(shù)據(jù)爬取結(jié)果如圖3所示,為.csv文件中保存的微博評論區(qū)獲取的用戶id、用戶昵稱、用戶所在城市和評論內(nèi)容等相關(guān)數(shù)據(jù)。

    圖3 數(shù)據(jù)爬取結(jié)果

    2.2 文本處理

    直接從網(wǎng)頁爬取的數(shù)據(jù)中存在一定的無效信息,無法直接使用,如存在空白項、重復(fù)項和存在表情符號等問題,需先進行數(shù)據(jù)清洗,過濾掉無用信息。保留下來的中文文本的處理需將整個句子劃為單詞的形式,包括對中文的分詞、去停用詞和提取關(guān)鍵詞等。文本中含有標(biāo)點符號、介詞和語氣詞等,這些詞對理解文本沒有實際意義,應(yīng)從分詞結(jié)果中去除,這些詞稱之為停用詞[5]。利用哈爾濱工業(yè)大學(xué)創(chuàng)建的停用詞列表,過濾文本中的停用詞,減少停用詞對語句分析造成的干擾。過濾后的文本按照語意劃分分詞,采用開源的jieba分詞工具的精確模式切分。

    文本向量化是自然語言處理的重要一步。文本向量化即將文本以向量的形式表現(xiàn)出來,這樣就把自然語言的分析問題轉(zhuǎn)化為機器學(xué)習(xí)的問題。通常,以詞為基本單位進行文本向量化。本文采用2013年由Google公司提出的生成詞向量的神經(jīng)網(wǎng)絡(luò)算法“Word2vec”[6]。該算法基于神經(jīng)網(wǎng)絡(luò)模型,通過對給定語料庫的學(xué)習(xí),生成維度不同的詞向量空間,由于該方法是基于上下文對詞語進行分析處理,因而能夠達到本文需要達到的情感傾向性分類目的。

    2.3 模型預(yù)測

    本文將微博評論區(qū)爬取的評論文本經(jīng)過初步篩選和標(biāo)注,得到積極情感文本329條和消極情感文本406條,共735條。該文本信息作為情感分析的原始信息,將經(jīng)過處理的文本向量分為訓(xùn)練集和測試集2部分。采用支持向量機模型預(yù)測,將訓(xùn)練集和測試集輸入支持向量機分類器訓(xùn)練,得到預(yù)測的準(zhǔn)確率。由于支持向量機的分類效果與所選擇的核函數(shù)、懲罰因子等有一定關(guān)系,所以選擇合適的參數(shù)是達到良好分類效果的關(guān)鍵。

    3 實驗結(jié)果分析

    根據(jù)以上分析,經(jīng)過數(shù)據(jù)爬取、數(shù)據(jù)預(yù)處理等步驟,將生成的詞向量分為訓(xùn)練集和測試集輸入SVM進行訓(xùn)練,得到預(yù)測模型。SVM的懲罰因子選擇默認參數(shù)1,核函數(shù)分別選擇常用的線性核函數(shù)、多項式核函數(shù)和徑向基核函數(shù)進行測試。在不同核函數(shù)下的分類準(zhǔn)確率見表1。

    表1 SVM選擇不同核函數(shù)的分類結(jié)果

    由表1可知,當(dāng)核函數(shù)選擇多項式核函數(shù)時,分類效果最好,可達到91.2%,遠高于其他2種核函數(shù)下的準(zhǔn)確率。所以,選擇多項式核函數(shù)作為中文文本情感分類預(yù)測模型的核函數(shù)。除了核函數(shù)影響分類結(jié)果準(zhǔn)確率之外,懲罰因子與分類結(jié)果密切相關(guān)。在選擇多項式核函數(shù)的前提下,測試不同懲罰因子對分類結(jié)果的影響,見表2。

    表2 SVM選擇不同懲罰因子的分類結(jié)果

    由表2的分類結(jié)果可知,選擇懲罰因子為0.8,核函數(shù)為多項式核函數(shù)能夠達到較好的分類效果,分類準(zhǔn)確率可達到95.2%。由于本文所采用的文本數(shù)量有限,且選取學(xué)校官方微博下的評論作為數(shù)據(jù)集,數(shù)據(jù)集的內(nèi)容不夠全面,因此,測試結(jié)果具有一定的局限性。未來可在該方面繼續(xù)研究,得到更為廣泛適用的預(yù)測模型。

    4 結(jié)論

    本文建立了基于支持向量機的中文文本情感分析模型,通過支持向量機訓(xùn)練對山東石油化工學(xué)院微博下的評論進行情感傾向分析,可以達到分類正確率95%以上。該模型的分析,可以得到負面情緒文本內(nèi)容,以及所對應(yīng)的用戶和話題等信息,可以針對性地分析學(xué)生的心理變化,對學(xué)校疏導(dǎo)和緩解學(xué)生負面情緒有一定的幫助。

    猜你喜歡
    爬蟲分詞向量
    利用網(wǎng)絡(luò)爬蟲技術(shù)驗證房地產(chǎn)灰犀牛之說
    向量的分解
    基于Python的網(wǎng)絡(luò)爬蟲和反爬蟲技術(shù)研究
    聚焦“向量與三角”創(chuàng)新題
    結(jié)巴分詞在詞云中的應(yīng)用
    智富時代(2019年6期)2019-07-24 10:33:16
    利用爬蟲技術(shù)的Geo-Gnutel la VANET流量采集
    電子測試(2018年1期)2018-04-18 11:53:04
    大數(shù)據(jù)環(huán)境下基于python的網(wǎng)絡(luò)爬蟲技術(shù)
    電子制作(2017年9期)2017-04-17 03:00:46
    值得重視的分詞的特殊用法
    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
    精品欧美一区二区三区在线| 国产精品电影一区二区三区 | 他把我摸到了高潮在线观看| 亚洲视频免费观看视频| 精品亚洲成a人片在线观看| 亚洲伊人色综图| 在线观看www视频免费| 女同久久另类99精品国产91| 欧美精品亚洲一区二区| 亚洲成人免费电影在线观看| 黄色 视频免费看| 身体一侧抽搐| 丰满饥渴人妻一区二区三| 美女视频免费永久观看网站| 91成人精品电影| 亚洲三区欧美一区| 一级黄色大片毛片| 建设人人有责人人尽责人人享有的| 精品国产超薄肉色丝袜足j| 亚洲全国av大片| 欧美+亚洲+日韩+国产| 精品国产亚洲在线| 精品国产超薄肉色丝袜足j| 国产精品98久久久久久宅男小说| 50天的宝宝边吃奶边哭怎么回事| 亚洲第一欧美日韩一区二区三区| 免费不卡黄色视频| 色精品久久人妻99蜜桃| 国产av精品麻豆| 欧美精品人与动牲交sv欧美| 久99久视频精品免费| 国产精品久久电影中文字幕 | 精品高清国产在线一区| 国产片内射在线| 91精品国产国语对白视频| 搡老熟女国产l中国老女人| 老司机亚洲免费影院| 少妇 在线观看| 欧美+亚洲+日韩+国产| avwww免费| 深夜精品福利| 黑丝袜美女国产一区| 最近最新免费中文字幕在线| 母亲3免费完整高清在线观看| 黄片大片在线免费观看| 久久精品亚洲av国产电影网| 久9热在线精品视频| 欧美中文综合在线视频| 精品国内亚洲2022精品成人 | 国产在线观看jvid| 老汉色av国产亚洲站长工具| 一夜夜www| 又大又爽又粗| 婷婷丁香在线五月| 一级毛片女人18水好多| 不卡av一区二区三区| 国产亚洲精品久久久久久毛片 | 久久人妻熟女aⅴ| 在线看a的网站| 国产有黄有色有爽视频| 久久久久久久午夜电影 | 两个人免费观看高清视频| 精品久久久久久久毛片微露脸| 国产精品美女特级片免费视频播放器 | 在线免费观看的www视频| 99riav亚洲国产免费| 久久午夜综合久久蜜桃| 美女视频免费永久观看网站| 精品国产一区二区三区久久久樱花| x7x7x7水蜜桃| 国产精品乱码一区二三区的特点 | 午夜精品国产一区二区电影| 极品教师在线免费播放| 法律面前人人平等表现在哪些方面| 欧美日韩av久久| 国产主播在线观看一区二区| 国产精品久久视频播放| xxx96com| www.自偷自拍.com| 免费女性裸体啪啪无遮挡网站| 国产精品亚洲av一区麻豆| 高清欧美精品videossex| 免费黄频网站在线观看国产| 人成视频在线观看免费观看| 成人18禁高潮啪啪吃奶动态图| 国产精品亚洲一级av第二区| 十八禁网站免费在线| 午夜精品在线福利| 国产成人免费无遮挡视频| 亚洲精品中文字幕在线视频| 欧美激情极品国产一区二区三区| 最新在线观看一区二区三区| 精品福利观看| 高清视频免费观看一区二区| 国产亚洲欧美98| 超碰成人久久| 亚洲,欧美精品.| 波多野结衣一区麻豆| 精品国内亚洲2022精品成人 | 国产精华一区二区三区| 在线观看免费高清a一片| 99久久人妻综合| 俄罗斯特黄特色一大片| 99久久综合精品五月天人人| a级毛片黄视频| 国产高清激情床上av| 久久天躁狠狠躁夜夜2o2o| 成人影院久久| 999久久久国产精品视频| 久久久久久久午夜电影 | av电影中文网址| 丁香欧美五月| 日韩大码丰满熟妇| 亚洲av片天天在线观看| tube8黄色片| 在线看a的网站| 高清在线国产一区| 久久婷婷成人综合色麻豆| 亚洲精品粉嫩美女一区| 自拍欧美九色日韩亚洲蝌蚪91| 手机成人av网站| 国产精品久久久人人做人人爽| a在线观看视频网站| 亚洲欧美日韩高清在线视频| 村上凉子中文字幕在线| 一边摸一边抽搐一进一小说 | 国产精品av久久久久免费| 亚洲成国产人片在线观看| 成年人午夜在线观看视频| 欧美午夜高清在线| 日本vs欧美在线观看视频| 中文字幕精品免费在线观看视频| 欧美午夜高清在线| 日本撒尿小便嘘嘘汇集6| 在线十欧美十亚洲十日本专区| 日韩精品免费视频一区二区三区| 久9热在线精品视频| 精品卡一卡二卡四卡免费| 无遮挡黄片免费观看| 精品福利永久在线观看| 啦啦啦视频在线资源免费观看| 精品亚洲成国产av| 国产精品成人在线| 好看av亚洲va欧美ⅴa在| 一区福利在线观看| 男人的好看免费观看在线视频 | 妹子高潮喷水视频| 日韩欧美免费精品| 淫妇啪啪啪对白视频| 久久人人97超碰香蕉20202| 国产有黄有色有爽视频| 国产在线精品亚洲第一网站| 亚洲专区中文字幕在线| 电影成人av| 欧美久久黑人一区二区| 男女午夜视频在线观看| 欧美亚洲 丝袜 人妻 在线| 亚洲色图综合在线观看| 久久狼人影院| 日本一区二区免费在线视频| 亚洲精品成人av观看孕妇| 日韩欧美三级三区| 久久久久国产一级毛片高清牌| 亚洲精品一卡2卡三卡4卡5卡| 在线免费观看的www视频| 久久久精品国产亚洲av高清涩受| 亚洲欧美精品综合一区二区三区| 五月开心婷婷网| e午夜精品久久久久久久| 国产精品1区2区在线观看. | 久久热在线av| 国产xxxxx性猛交| 丝袜人妻中文字幕| 亚洲一区二区三区不卡视频| 亚洲男人天堂网一区| 精品国产一区二区久久| 亚洲专区国产一区二区| 国产男女超爽视频在线观看| 亚洲avbb在线观看| 精品国产亚洲在线| 少妇被粗大的猛进出69影院| 免费女性裸体啪啪无遮挡网站| 大片电影免费在线观看免费| 亚洲欧美一区二区三区久久| av线在线观看网站| 天堂动漫精品| 人妻久久中文字幕网| 身体一侧抽搐| 久久精品国产亚洲av高清一级| 制服人妻中文乱码| 亚洲国产毛片av蜜桃av| 高清毛片免费观看视频网站 | 在线十欧美十亚洲十日本专区| 日韩欧美三级三区| 在线av久久热| 欧美 日韩 精品 国产| 日韩欧美免费精品| 一级毛片精品| 久久狼人影院| 免费不卡黄色视频| 日韩中文字幕欧美一区二区| 男女之事视频高清在线观看| 夜夜躁狠狠躁天天躁| 午夜影院日韩av| 高清毛片免费观看视频网站 | 9热在线视频观看99| 亚洲熟妇熟女久久| 欧美大码av| 老熟女久久久| 如日韩欧美国产精品一区二区三区| 午夜福利影视在线免费观看| 91精品三级在线观看| 狂野欧美激情性xxxx| 国产99白浆流出| 免费观看人在逋| 久久久久久久久免费视频了| 成年动漫av网址| 欧美日韩福利视频一区二区| 久热爱精品视频在线9| 人人妻人人澡人人爽人人夜夜| 欧洲精品卡2卡3卡4卡5卡区| 男女午夜视频在线观看| 欧美日韩一级在线毛片| 成人特级黄色片久久久久久久| 欧美日韩亚洲综合一区二区三区_| 欧美国产精品一级二级三级| tube8黄色片| 欧美日韩视频精品一区| 777久久人妻少妇嫩草av网站| 久久香蕉国产精品| 91大片在线观看| 精品亚洲成国产av| 三级毛片av免费| 国产精品亚洲一级av第二区| 久久久久久久精品吃奶| 少妇猛男粗大的猛烈进出视频| 一区福利在线观看| 十分钟在线观看高清视频www| 亚洲五月色婷婷综合| 少妇被粗大的猛进出69影院| 亚洲中文av在线| 母亲3免费完整高清在线观看| 国产麻豆69| xxx96com| 热99国产精品久久久久久7| 免费看a级黄色片| 91国产中文字幕| 日韩免费高清中文字幕av| 在线永久观看黄色视频| 中文字幕色久视频| 新久久久久国产一级毛片| 嫁个100分男人电影在线观看| 咕卡用的链子| 女人久久www免费人成看片| 黄色丝袜av网址大全| 亚洲专区中文字幕在线| 男人操女人黄网站| 麻豆乱淫一区二区| 精品国产一区二区三区久久久樱花| 精品久久久久久久久久免费视频 | 18禁国产床啪视频网站| svipshipincom国产片| 十八禁高潮呻吟视频| 午夜精品在线福利| 亚洲三区欧美一区| 亚洲一区二区三区欧美精品| 91在线观看av| 久久精品人人爽人人爽视色| 免费观看精品视频网站| 在线免费观看的www视频| av网站在线播放免费| 男人舔女人的私密视频| 免费观看a级毛片全部| 国产精品免费视频内射| 国产精品久久久久久人妻精品电影| 精品国产国语对白av| 国产精品免费一区二区三区在线 | 大型黄色视频在线免费观看| 这个男人来自地球电影免费观看| 欧美 亚洲 国产 日韩一| 国产欧美日韩精品亚洲av| 成人18禁在线播放| tube8黄色片| 黄色片一级片一级黄色片| 久久久精品区二区三区| 久久精品成人免费网站| 欧美精品亚洲一区二区| 亚洲精品中文字幕一二三四区| 成人精品一区二区免费| 亚洲中文av在线| 亚洲情色 制服丝袜| 久久亚洲精品不卡| 欧美成人免费av一区二区三区 | 一级片免费观看大全| 日韩免费高清中文字幕av| av有码第一页| 国产精品电影一区二区三区 | 午夜日韩欧美国产| 国产亚洲欧美在线一区二区| 成人手机av| 国产精品乱码一区二三区的特点 | 黄片小视频在线播放| 高清av免费在线| 人人妻,人人澡人人爽秒播| 大香蕉久久成人网| 一级黄色大片毛片| 视频在线观看一区二区三区| 少妇 在线观看| 在线看a的网站| 国产亚洲精品一区二区www | 一级a爱视频在线免费观看| 亚洲九九香蕉| 午夜福利影视在线免费观看| 亚洲九九香蕉| 国产亚洲精品一区二区www | 在线观看66精品国产| 亚洲国产精品一区二区三区在线| 欧美性长视频在线观看| 日本a在线网址| 午夜91福利影院| 日韩熟女老妇一区二区性免费视频| 国产精品一区二区免费欧美| 高清视频免费观看一区二区| 91老司机精品| 99re6热这里在线精品视频| svipshipincom国产片| 亚洲第一av免费看| 成人黄色视频免费在线看| 欧美乱色亚洲激情| 人人妻,人人澡人人爽秒播| 大陆偷拍与自拍| 亚洲欧美激情综合另类| 欧美不卡视频在线免费观看 | 悠悠久久av| 欧美日韩成人在线一区二区| 建设人人有责人人尽责人人享有的| 老鸭窝网址在线观看| 久久久久国产精品人妻aⅴ院 | 国产视频一区二区在线看| 高清黄色对白视频在线免费看| 美国免费a级毛片| 人人妻人人澡人人爽人人夜夜| 夜夜躁狠狠躁天天躁| 国产免费av片在线观看野外av| 婷婷丁香在线五月| 免费少妇av软件| 国产亚洲欧美98| 丝瓜视频免费看黄片| 在线观看日韩欧美| 中文字幕制服av| tocl精华| 免费在线观看影片大全网站| 久久久国产成人免费| 欧美成人午夜精品| 国产精品久久视频播放| 黄色成人免费大全| 电影成人av| 一边摸一边抽搐一进一出视频| 叶爱在线成人免费视频播放| 午夜福利影视在线免费观看| 少妇裸体淫交视频免费看高清 | 777米奇影视久久| 好男人电影高清在线观看| 欧美色视频一区免费| 激情视频va一区二区三区| 这个男人来自地球电影免费观看| 一级a爱视频在线免费观看| 国产成人精品久久二区二区91| 欧美乱色亚洲激情| 51午夜福利影视在线观看| 欧美乱色亚洲激情| 日本a在线网址| 日韩免费高清中文字幕av| 老司机影院毛片| 成人精品一区二区免费| 国产成人精品在线电影| 国精品久久久久久国模美| 亚洲av美国av| 精品一区二区三区av网在线观看| 捣出白浆h1v1| 人妻丰满熟妇av一区二区三区 | aaaaa片日本免费| 三上悠亚av全集在线观看| 69精品国产乱码久久久| 一进一出抽搐gif免费好疼 | 久9热在线精品视频| 无限看片的www在线观看| 一区福利在线观看| 成年人黄色毛片网站| 久久精品亚洲熟妇少妇任你| 欧美日本中文国产一区发布| 国产精品久久电影中文字幕 | 国产一区二区三区综合在线观看| 91麻豆av在线| 亚洲精品在线美女| 亚洲熟妇中文字幕五十中出 | 人成视频在线观看免费观看| svipshipincom国产片| 亚洲专区中文字幕在线| 亚洲国产欧美一区二区综合| 日日摸夜夜添夜夜添小说| 国产淫语在线视频| 在线观看免费午夜福利视频| 岛国在线观看网站| 天堂√8在线中文| 国产人伦9x9x在线观看| 婷婷精品国产亚洲av在线 | 国产成人精品无人区| 最近最新中文字幕大全电影3 | 涩涩av久久男人的天堂| 日韩欧美免费精品| 亚洲精品乱久久久久久| 日韩中文字幕欧美一区二区| 一个人免费在线观看的高清视频| 丰满迷人的少妇在线观看| 国产又爽黄色视频| 免费在线观看黄色视频的| 激情视频va一区二区三区| 国产伦人伦偷精品视频| xxxhd国产人妻xxx| 国产主播在线观看一区二区| 精品无人区乱码1区二区| 国产亚洲av高清不卡| 欧美日韩亚洲综合一区二区三区_| 黑人欧美特级aaaaaa片| 午夜福利视频在线观看免费| 亚洲人成电影观看| 欧美 亚洲 国产 日韩一| 老汉色av国产亚洲站长工具| 婷婷丁香在线五月| 老熟妇仑乱视频hdxx| 一级片免费观看大全| 亚洲一区二区三区不卡视频| 欧美黑人欧美精品刺激| 亚洲综合色网址| 老熟女久久久| a在线观看视频网站| a级毛片黄视频| 成在线人永久免费视频| xxxhd国产人妻xxx| 另类亚洲欧美激情| 操出白浆在线播放| 老司机在亚洲福利影院| 日韩视频一区二区在线观看| 亚洲精品国产色婷婷电影| 国产在线观看jvid| 99国产精品一区二区蜜桃av | 两个人免费观看高清视频| 美女 人体艺术 gogo| 妹子高潮喷水视频| 精品福利永久在线观看| 美国免费a级毛片| 黄片小视频在线播放| 欧美丝袜亚洲另类 | 一边摸一边做爽爽视频免费| 香蕉丝袜av| 成人精品一区二区免费| 一级a爱片免费观看的视频| 日本wwww免费看| 亚洲欧美色中文字幕在线| 国内久久婷婷六月综合欲色啪| a级片在线免费高清观看视频| 欧美另类亚洲清纯唯美| 国产xxxxx性猛交| 国产麻豆69| 水蜜桃什么品种好| 亚洲九九香蕉| 99精品在免费线老司机午夜| 午夜福利乱码中文字幕| 在线av久久热| 午夜精品国产一区二区电影| 亚洲精品自拍成人| 老司机亚洲免费影院| 叶爱在线成人免费视频播放| 亚洲va日本ⅴa欧美va伊人久久| 1024视频免费在线观看| 国产精品综合久久久久久久免费 | 亚洲片人在线观看| 亚洲在线自拍视频| 亚洲av电影在线进入| 一边摸一边抽搐一进一出视频| 超色免费av| 亚洲全国av大片| 少妇的丰满在线观看| 在线永久观看黄色视频| 真人做人爱边吃奶动态| 亚洲精品中文字幕一二三四区| 亚洲精品成人av观看孕妇| 国产欧美日韩综合在线一区二区| 在线观看一区二区三区激情| 搡老乐熟女国产| 五月开心婷婷网| 不卡av一区二区三区| 超色免费av| 韩国精品一区二区三区| 国产亚洲欧美精品永久| www.999成人在线观看| av电影中文网址| 午夜福利在线观看吧| 老熟妇仑乱视频hdxx| 亚洲精品乱久久久久久| 99热只有精品国产| 欧美乱码精品一区二区三区| 国产黄色免费在线视频| 嫩草影视91久久| 精品久久蜜臀av无| 精品乱码久久久久久99久播| 在线国产一区二区在线| 日韩人妻精品一区2区三区| 悠悠久久av| 久久精品国产99精品国产亚洲性色 | 黑人猛操日本美女一级片| 天堂√8在线中文| av电影中文网址| 18禁裸乳无遮挡免费网站照片 | 午夜福利在线观看吧| 成人av一区二区三区在线看| 18禁裸乳无遮挡动漫免费视频| 久久天堂一区二区三区四区| 国产成人精品久久二区二区免费| 夜夜爽天天搞| 亚洲全国av大片| 欧美日韩亚洲国产一区二区在线观看 | 18在线观看网站| 欧美+亚洲+日韩+国产| 亚洲精品国产一区二区精华液| 日本黄色日本黄色录像| 欧美国产精品va在线观看不卡| 国产精品偷伦视频观看了| 人人妻,人人澡人人爽秒播| 国产精品 欧美亚洲| 久久久久久久午夜电影 | avwww免费| 精品一区二区三区av网在线观看| 免费女性裸体啪啪无遮挡网站| 黄网站色视频无遮挡免费观看| 日韩一卡2卡3卡4卡2021年| 黄色女人牲交| 真人做人爱边吃奶动态| 老鸭窝网址在线观看| 久久久久久久国产电影| 国产精品 欧美亚洲| 国产精品.久久久| 亚洲色图av天堂| 中亚洲国语对白在线视频| 国产精品一区二区精品视频观看| 国内毛片毛片毛片毛片毛片| 欧美日韩国产mv在线观看视频| 午夜福利在线免费观看网站| 在线观看免费高清a一片| 久久精品国产清高在天天线| 99久久综合精品五月天人人| www.999成人在线观看| 国产免费男女视频| 欧美色视频一区免费| 巨乳人妻的诱惑在线观看| 人人澡人人妻人| 午夜亚洲福利在线播放| 妹子高潮喷水视频| 精品午夜福利视频在线观看一区| 日本黄色日本黄色录像| 9热在线视频观看99| 日本一区二区免费在线视频| 国产免费av片在线观看野外av| 色播在线永久视频| 丝袜人妻中文字幕| 波多野结衣av一区二区av| 精品一区二区三区av网在线观看| 亚洲国产精品一区二区三区在线| 欧美 日韩 精品 国产| 亚洲国产中文字幕在线视频| 国产午夜精品久久久久久| 欧美激情久久久久久爽电影 | 最近最新免费中文字幕在线| 乱人伦中国视频| 制服人妻中文乱码| 狠狠婷婷综合久久久久久88av| 欧美亚洲日本最大视频资源| av网站在线播放免费| 日韩熟女老妇一区二区性免费视频| 九色亚洲精品在线播放| 日本撒尿小便嘘嘘汇集6| 国产蜜桃级精品一区二区三区 | 日韩人妻精品一区2区三区| 乱人伦中国视频| 精品第一国产精品| 亚洲七黄色美女视频| 久久久久久久国产电影| 欧美精品av麻豆av| 99精国产麻豆久久婷婷| 欧美性长视频在线观看| 色精品久久人妻99蜜桃| 动漫黄色视频在线观看| 欧美日韩福利视频一区二区| 老熟妇仑乱视频hdxx| 亚洲一卡2卡3卡4卡5卡精品中文| 久久婷婷成人综合色麻豆| 久99久视频精品免费| 成年动漫av网址| 亚洲国产欧美网| 欧美成狂野欧美在线观看| 久久狼人影院| 久久精品国产综合久久久| 国产色视频综合| 一a级毛片在线观看| 王馨瑶露胸无遮挡在线观看| 久久性视频一级片| 成年动漫av网址| 9191精品国产免费久久| 久久精品亚洲av国产电影网| 国产xxxxx性猛交| 精品卡一卡二卡四卡免费| 成人手机av| 国产主播在线观看一区二区| 在线观看舔阴道视频|