• <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LDA-TF-IDF和Word2vec文檔表示

    2023-08-02 04:05:05彭俊利王少泫陸正球李興遠(yuǎn)

    彭俊利 王少泫 陸正球 李興遠(yuǎn)

    摘 要:針對(duì)自然語言處理中傳統(tǒng)文檔表示方法上下文語義信息不全,干擾詞多等問題,提出了一種基于LDA-TF-IDF和Word2vec的文檔表示方法。首先對(duì)數(shù)據(jù)集進(jìn)行分詞、去停用詞等預(yù)處理;其次,利用LDA主題模型和TF-IDF抽取文檔中具有表征性的特征詞,并計(jì)算對(duì)應(yīng)權(quán)重;最后,應(yīng)用數(shù)據(jù)集訓(xùn)練Word2vec模型獲取詞向量,并將抽取的特征詞權(quán)重融入Word2vec詞向量構(gòu)建文檔語義向量。通過分類任務(wù)對(duì)該方法進(jìn)行驗(yàn)證,實(shí)驗(yàn)結(jié)果表明,與已有方法相比該方法在垃圾短信數(shù)據(jù)集上表現(xiàn)效果更佳,驗(yàn)證了方法的有效性。

    關(guān)鍵詞:LDA主題模型; TF-IDF; word2vec; 文檔表示

    中圖分類號(hào):TP391.1? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A? ? ? ? ? ? ? ? ? 文章編號(hào):1674-2346(2023)02-0091-06

    在大數(shù)據(jù)、人工智能時(shí)代,各類文本信息呈現(xiàn)指數(shù)級(jí)增長,互聯(lián)網(wǎng)每時(shí)每刻都在產(chǎn)生數(shù)以億計(jì)的文本數(shù)據(jù),文本向量化表示可以幫助用戶在巨量數(shù)據(jù)中快速獲取所需的信息。目前,文檔表示方法一般分為兩種:一種是基于詞袋模型(Bag-of-Word,BoW)[1]的構(gòu)建方法,將所有文檔看成詞語的集合,計(jì)算文檔中詞語的詞頻信息構(gòu)建文檔向量;另一種方法是基于詞嵌入(Word Embedding)的構(gòu)建方法,通過深度學(xué)習(xí)模型建立詞語與上下文的聯(lián)系,并將所有詞語都映射到某一維度的連續(xù)向量空間中,使詞向量中包含更加豐富的語義信息,然后對(duì)詞向量進(jìn)行處理,得到文檔向量。

    上面兩種文檔表示方法存在著一定的問題。詞袋模型不考慮文檔中詞語的順序、語義等信息,將文檔表示為一個(gè)同數(shù)據(jù)集所有詞語總數(shù)相同維度的向量,向量每一維度上的值就是該位置詞語的詞頻信息[2]。當(dāng)利用詞袋模型獲取較大數(shù)據(jù)集的文檔向量時(shí),會(huì)得到高維向量,從而增加計(jì)算難度。而且這類高維向量具有稀疏性,即文檔中詞語表現(xiàn)在向量中的形式只有在極少數(shù)維度上存在有效權(quán)重[3]。此外,詞袋模型的權(quán)重計(jì)算僅利用了詞的頻率,并未考慮詞語在文中的語境,導(dǎo)致權(quán)重中缺乏語義信息,無法識(shí)別諸如“西紅柿”“番茄”這類多義詞。2013年,Mikolox等[4]提出的Word2vec模型使自然語言處理任務(wù)正式邁入了詞嵌入模型時(shí)代,Word2vec利用詞語與上下文的關(guān)聯(lián)性,利用深度學(xué)習(xí)算法將詞語轉(zhuǎn)化為低維實(shí)數(shù)向量,有效解決了詞頻統(tǒng)計(jì)法存在的維度災(zāi)難問題。但詞和向量是一一對(duì)應(yīng)關(guān)系,多詞一義或一詞多義的問題并沒有得到有效解決。隨著對(duì)詞嵌入模型的深入研究,CoVe、XLNet等基于深度學(xué)習(xí)的詞嵌入模型相繼出現(xiàn),也被稱為預(yù)訓(xùn)練模型。這些預(yù)訓(xùn)練模型在各類自然語言處理任務(wù)中都取得了很好的效果,贏得了學(xué)者們的青睞。但這類模型對(duì)算力、內(nèi)存的要求極高,在很多任務(wù)中無法普及,所以Word2vec依然在各種自然語言處理任務(wù)中被廣泛使用[5]。

    文檔中的詞語少則幾十多則上千,然而能表達(dá)文檔主題的關(guān)鍵詞卻不多。去除干擾詞,利用具有代表性的詞語構(gòu)建文檔的語義向量是研究熱點(diǎn)之一[5]。當(dāng)前研究成果多是將詞頻―逆文檔頻率(Term Frequency-Inverse Document Frequency, TF-IDF)[6]和詞嵌入模型結(jié)合構(gòu)建低維語義向量。汪靜等[7]將詞性、TF-IDF和Word2vec三者結(jié)合構(gòu)建文本語義向量,最后在分類任務(wù)中驗(yàn)證了方法的可行性;石琳等[8]對(duì)TF-IDF進(jìn)行了優(yōu)化,并加權(quán)到Word2vec模型訓(xùn)練得到的詞向量來表示文檔,在物流評(píng)價(jià)的分類預(yù)測中得到了較好的結(jié)果。但這些方法將詞語的TF-IDF權(quán)重與詞向量結(jié)合時(shí)并未考慮詞語在不同類別間的重要程度。針對(duì)這一問題,本文提出了一種融合隱含迪利克雷分布(Latent Dirichlet Allocation,LDA)、TF-IDF與Word2vec的文檔表示方法,先利用LDA主題模型計(jì)算文檔、主題、詞語的3層關(guān)系與權(quán)重信息,篩選出能表達(dá)文檔含義的詞語集合,再將該集合內(nèi)所有詞語的LDA權(quán)重、TF-IDF值與詞向量進(jìn)行融合,構(gòu)建文檔向量。最后,在垃圾短信數(shù)據(jù)集上進(jìn)行測試,驗(yàn)證了該方法的有效性。

    1? ? 相關(guān)模型介紹

    1.1? ? TF-IDF模型

    TF-IDF模型是基于概率統(tǒng)計(jì)的算法,根據(jù)某詞語在某文檔中出現(xiàn)的頻次和整個(gè)數(shù)據(jù)集中出現(xiàn)的頻次衡量一個(gè)詞語的權(quán)重。在數(shù)據(jù)集中,若某詞語僅在少數(shù)文檔中出現(xiàn),且該詞在文檔中被頻繁使用,則該詞語就能很好代表文檔的主題。TF指詞語在某篇文檔中出現(xiàn)的次數(shù),即詞頻,如公式(1)所示。

    但TF-IDF值只是通過詞語出現(xiàn)的頻率來代表重要程度,并未包含詞語的語義信息。無法區(qū)分多詞一義和一詞多義的情況,如若“土豆”和“馬鈴薯”的頻次信息不同,就會(huì)導(dǎo)致TF-IDF權(quán)重不同。

    1.2? ? LDA主題模型

    LDA主題模型是由Blei等[9]提出的一種生成文本、主題、詞3層結(jié)構(gòu)的貝葉斯概率模型。LDA建立在這樣一種假設(shè)下:每篇文檔都能提煉出若干主題,而文檔中又有若干詞匯能夠代表每個(gè)主題[10]。層次結(jié)構(gòu)圖如圖1所示。

    如圖2所示,LDA主題模型由參數(shù)( , )確定, 為分布的超參數(shù),是一個(gè)K維向量, 描述了各主題自身的概率分布情況[10]。

    其中, 和 在使用算法時(shí)憑借經(jīng)驗(yàn)進(jìn)行設(shè)置, m表示文檔與主題之間的概率關(guān)系,表示主題與詞匯之間的概率關(guān)系,M表示文檔數(shù),K表示主題數(shù),N表示每篇文檔中各主題對(duì)應(yīng)的詞語數(shù)目,Z表示詞在各主題中的分布情況[12]。通過吉布斯采樣估計(jì) 和。

    1.3? ? Word2vec模型

    Word2vec是一種用于獲取詞向量的詞嵌入模型。它將所有的詞向量化,詞向量中包含了詞語與上下文之間的語義信息,可以較好地衡量詞與詞之間的關(guān)系。

    Word2vec包含兩類預(yù)測模型:CBOW和Skip-gram。CBOW模型根據(jù)中心詞前后各c個(gè)詞語來預(yù)測中心詞,每個(gè)詞語都會(huì)作為中心詞對(duì)詞向量進(jìn)行調(diào)整,如圖3(a)所示;Skip-gram模型相反,根據(jù)中心詞預(yù)測前后各c個(gè)詞語,如圖3(b)所示。

    CBOW模型的輸入層是詞wt的前后各c個(gè)one-hot詞向量,這2c個(gè)詞向量在投影層進(jìn)行累加運(yùn)算,再應(yīng)用隨機(jī)梯度上升法對(duì)投影層進(jìn)行預(yù)測,將結(jié)果傳到輸出層。輸出層是一棵哈夫曼樹,在訓(xùn)練中用詞語作為葉子結(jié)點(diǎn),將詞語的頻次信息作為各結(jié)點(diǎn)的權(quán)重[2]215。Skip-gram模型原理相似。當(dāng)訓(xùn)練完成后,使用詞向量V進(jìn)行簡單的計(jì)算可發(fā)現(xiàn)類似關(guān)系:V(女王) = V(國王)-V(男人)+V(女人)[13],可見詞向量包含了詞語一定程度的語義信息。

    2? ? 融合LDA-TF-IDF和Word2vec的文檔表示方法

    考慮到詞語權(quán)重信息的重要性以及干擾詞對(duì)文檔向量語義信息的影響,本文首先通過LDA獲取各主題下詞語的概率權(quán)重,選取具有強(qiáng)表征性的詞語,并將LDA概率權(quán)重、TF-IDF值與Word2vec詞向量進(jìn)行融合,提出了一種文檔向量表示法。

    2.1? ? LDA-TF-IDF算法

    由于傳統(tǒng)的TF-IDF模型單純以詞語出現(xiàn)頻率來衡量一個(gè)詞語的重要性,并未包含詞語的語義信息,并且IDF缺乏考慮詞語在不同類別間的分布情況,當(dāng)某類中含有該詞語的文檔數(shù)目越多,而在其他類中含有該詞語的文檔數(shù)目越少時(shí),說明該詞語具有更好的表征性,能較好地與其他類別進(jìn)行區(qū)分。

    為解決這一問題,本文提出了一種新權(quán)重計(jì)算方法,先將LDA中各主題下詞語的概率權(quán)重與詞語的IDF值相加,最后將得到的值與TF值相乘,這樣得到的詞語權(quán)重融合了LDA中的主題權(quán)重,在一定程度上彌補(bǔ)了IDF未考慮詞語在不同類別間分布情況的缺點(diǎn),增加了具有表征性的詞語與干擾詞之間的區(qū)分度。如公式(4)所示。

    2.2? ? LDA-TF-IDF與Word2vec的融合

    設(shè)數(shù)據(jù)集D中共M個(gè)文檔,先對(duì)數(shù)據(jù)集中的文本數(shù)據(jù)分詞,將分詞后的數(shù)據(jù)輸入Word2vec模型,預(yù)測每個(gè)詞語對(duì)應(yīng)的維實(shí)數(shù)向量。同時(shí)應(yīng)用LDA-TF-IDF算法篩選具有表征性的詞語構(gòu)建單詞集合T,并計(jì)算每個(gè)詞語的LDA-TF-IDF權(quán)重值。

    對(duì)于文檔,先提取集合T與共同存在的詞語,然后利用這些詞語的詞向量與權(quán)重信息將文檔的文檔向量表示為如公式(5)所示。

    其中,表示詞語的詞向量,LDA-TF-IDF表示詞語的權(quán)重信息。通過LDA-TF-IDF與Word2vec的融合構(gòu)建包含詞語在主題中的權(quán)重信息以及上下文語義信息的詞向量,使其具有更強(qiáng)的表征性。模型工作步驟如圖4所示。

    3? ? 實(shí)驗(yàn)

    3.1? ? 性能評(píng)價(jià)指標(biāo)

    分類任務(wù)常用準(zhǔn)確率(Precision)、召回率(Recall)、值評(píng)價(jià)效果的好壞。其中,準(zhǔn)確率P是指分類時(shí)被分入某類所有樣本中分類正確的樣本概率,如公式(6)所示。

    3.2? ? ?實(shí)驗(yàn)結(jié)果與分析

    為驗(yàn)證本方法的有效性,本文整理了1萬條垃圾短信數(shù)據(jù)集作為實(shí)驗(yàn)數(shù)據(jù),數(shù)據(jù)集分為垃圾短信(C1)和非垃圾短信(C2)。實(shí)驗(yàn)中與基于TF-IDF、Word2Vec和TF-IDF融合Word2Vec的垃圾短信識(shí)別方法進(jìn)行了對(duì)比。經(jīng)過多次實(shí)驗(yàn),在運(yùn)用本文設(shè)計(jì)的LDA-TF-IDF模型提取特征詞時(shí),將LDA的主題數(shù)目K設(shè)置為30,LDA超參數(shù) =50/K, =0.01,這是常用設(shè)置。接著計(jì)算主題-詞匯概率分布,提取每個(gè)主題的主題詞,部分主題特征如表1所示。

    所有實(shí)驗(yàn)采用五折交叉驗(yàn)證。測試結(jié)果如表2~表5所示。

    由表2至表4實(shí)驗(yàn)結(jié)果可以看出,TF-IDF與Word2vec模型融合后的分類效果最佳,能夠有效豐富詞向量的語義信息。

    由表4至表5實(shí)驗(yàn)結(jié)果可見,本文所提方法在垃圾短信識(shí)別中平均準(zhǔn)確率P、召回率R、F1值比TF-IDF加權(quán)Word2vec分別提升了1.33%、1.42%、1.33%。用4種模型各類別評(píng)價(jià)指標(biāo)的平均值制作對(duì)比圖如圖5所示。由圖可知,本文所提方法在3項(xiàng)評(píng)價(jià)指標(biāo)上均取得了最佳效果,驗(yàn)證了方法在文檔表示方面的有效性。

    3? ? 結(jié)束語

    針對(duì)現(xiàn)存文檔向量表示方法的不足之處,本文提出了一種融合LDA與TF-IDF的詞語權(quán)重計(jì)算方法,有效提取了詞語在各類別間的重要程度和語義信息,將計(jì)算出的權(quán)值與Word2vec詞向量進(jìn)行進(jìn)一步融合。最終在垃圾短信中文文本分類語料庫上進(jìn)行了驗(yàn)證,實(shí)驗(yàn)表明,所提方法比基于TF-IDF模型、Word2vec模型、TF-IDF融合Word2vec模型的文檔向量表示方法效果更佳,證明了方法的有效性。但本文所提方法也有缺點(diǎn),針對(duì)超短文本數(shù)據(jù),算法可能無法有效學(xué)習(xí)到詞語的權(quán)重與語義信息,后續(xù)將針對(duì)超短文本向量表示進(jìn)行研究,提高算法對(duì)語義特征提取的準(zhǔn)確率。

    參考文獻(xiàn)

    [1]Manning C D, Schutze H. Foundations of Statistical Natural Language Processing[M].Cambridge: MIT press, 1999:229-252.

    [2]唐明,朱磊,鄒顯春.基于Word2Vec的一種文檔向量表示[J].計(jì)算機(jī)科學(xué),2016,43(06):214-217,269.

    [3]陳行健,胡雪嬌,薛衛(wèi).基于關(guān)系拓展的改進(jìn)詞袋模型研究[J].小型微型計(jì)算機(jī)系統(tǒng),2019,40(05):1040-1044.

    [4]Mikolov T,Chen K,Corrado G,et al.Efficient estimation of word representations in vector space[C]//International Conference on Learning Representations.2013:1-12.

    [5]彭俊利,谷雨,張震,等.融合單詞貢獻(xiàn)度與Word2Vec詞向量的文檔表示[J].計(jì)算機(jī)工程,2021,47(04):62-67.

    [6]T S Z,H M L.Mining microblog user interests based on TextRank with TF-IDF factor[J].The Journal of China Universities of Posts and Telecommunications,2016,23(05):40-46.

    [7]汪靜,羅浪,王德強(qiáng).基于Word2Vec的中文短文本分類問題研究[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2018, 27(05):209-215.

    [8]石琳,徐瑞龍.基于Word2vec和改進(jìn)TF-IDF算法的深度學(xué)習(xí)模型研究[J].計(jì)算機(jī)與數(shù)字工程,2021,49(05):966-970.

    [9]Blei D M,Ng A Y,Jordan M I. Latent Dirichlet allocation [J].Journal of Machine Learning Research,2003,3(03):993-1022.

    [10]王振振,何明,杜永萍.基于LDA主題模型的文本相似度計(jì)算[J].計(jì)算機(jī)科學(xué),2013,40(12):229-232.

    [11]Dong X L,Wei L F,Zhu H J,et al.EP2DF:an efficient privacy-preserving date-forwarding scheme for service-oriented vehicular Ad Hoc networks [J].IEEE Transactions on Vehicular Technology,2011,60(02):580-591.

    [12]張志飛,苗奪謙,高燦.基于LDA主題模型的短文本分類方法[J].計(jì)算機(jī)應(yīng)用,2013,33(06):1587-1590.

    [13]Mikolov T,Yih W,Zweig G.Linguistic Regularities in Continuous Space Word Representations[C]//Proceedings of the 2013 Conference of the North American Chapter of the Association for Computational Linguistics.Atlsnta:NAACL Press,2013: 746-751.

    Abstract: Aiming at the problems of incomplete contextual semantic information and many interfering words in traditional document representation methods in natural language processing,a document representation method based on LDA-TF-IDF and Word2vec is proposed.Firstly,the data set is preprocessed by word segmentation and stopping words.Secondly,the LDA topic model and TF-IDF are used to extract the characteristic words in the document,and the corresponding weight is calculated.Finally, the data set is used to train the Word2vec model to obtain word vectors,and the extracted feature word weights are integrated into Word2vec word vectors to construct document semantic vectors.The proposed method is verified by a classification task.The experimental results show that the proposed method performs better on the spam SMS data set than the existing methods,which verifies the effectiveness of the proposed method.

    Key words: LDA topic model;TF-IDF;word2vec;document representation

    免费在线观看日本一区| 不卡一级毛片| 亚洲精品久久午夜乱码| 国产精品 欧美亚洲| av福利片在线| 日本一区二区免费在线视频| 别揉我奶头~嗯~啊~动态视频| a在线观看视频网站| 午夜福利在线观看吧| 亚洲黑人精品在线| 99riav亚洲国产免费| 午夜精品在线福利| 久久久国产成人免费| 午夜精品久久久久久毛片777| 中文字幕人妻熟女乱码| 操出白浆在线播放| 婷婷丁香在线五月| 搡老乐熟女国产| 黄片播放在线免费| 国产片内射在线| 国产区一区二久久| 熟女少妇亚洲综合色aaa.| 国产成人精品无人区| 国产淫语在线视频| 国产精品一区二区免费欧美| 免费在线观看亚洲国产| 69精品国产乱码久久久| 中文字幕人妻熟女乱码| 国产极品粉嫩免费观看在线| 一区二区三区精品91| 精品午夜福利视频在线观看一区| 国产高清视频在线播放一区| 在线观看www视频免费| 欧美日韩亚洲高清精品| 91成人精品电影| 在线观看免费视频网站a站| 久久午夜综合久久蜜桃| 啦啦啦 在线观看视频| 久久久水蜜桃国产精品网| 成人亚洲精品一区在线观看| 久久香蕉国产精品| 成年人免费黄色播放视频| 国产精品av久久久久免费| 99国产综合亚洲精品| 精品国产一区二区三区久久久樱花| 高清黄色对白视频在线免费看| 天天操日日干夜夜撸| 桃红色精品国产亚洲av| 欧美日韩视频精品一区| 亚洲一区高清亚洲精品| 丰满人妻熟妇乱又伦精品不卡| 丰满迷人的少妇在线观看| 国产精品电影一区二区三区 | ponron亚洲| 免费在线观看影片大全网站| 18禁观看日本| 国产精品久久久av美女十八| 欧美午夜高清在线| 国产免费现黄频在线看| 18禁美女被吸乳视频| 免费观看人在逋| 麻豆av在线久日| 青草久久国产| 女人被狂操c到高潮| 亚洲综合色网址| 50天的宝宝边吃奶边哭怎么回事| 国产激情欧美一区二区| 咕卡用的链子| 99国产精品一区二区三区| 黄网站色视频无遮挡免费观看| 激情视频va一区二区三区| 动漫黄色视频在线观看| 日本黄色视频三级网站网址 | 国产亚洲精品久久久久5区| 久久天躁狠狠躁夜夜2o2o| 精品熟女少妇八av免费久了| 免费在线观看亚洲国产| 18禁裸乳无遮挡动漫免费视频| www.熟女人妻精品国产| 美国免费a级毛片| 人人妻人人添人人爽欧美一区卜| 久久 成人 亚洲| 9热在线视频观看99| 在线观看免费视频日本深夜| 国产99白浆流出| 欧美 日韩 精品 国产| avwww免费| 日韩三级视频一区二区三区| 亚洲av熟女| 久久中文字幕一级| 一区福利在线观看| 欧美 亚洲 国产 日韩一| 欧美 亚洲 国产 日韩一| 精品国产超薄肉色丝袜足j| 视频区欧美日本亚洲| 人人妻人人澡人人爽人人夜夜| 岛国在线观看网站| 侵犯人妻中文字幕一二三四区| 久久久久久免费高清国产稀缺| 巨乳人妻的诱惑在线观看| 国产精品二区激情视频| 天天添夜夜摸| 国产av又大| av网站在线播放免费| 免费一级毛片在线播放高清视频 | 亚洲精品国产精品久久久不卡| 久久人妻福利社区极品人妻图片| 亚洲黑人精品在线| 视频区图区小说| 国产人伦9x9x在线观看| 99久久99久久久精品蜜桃| 12—13女人毛片做爰片一| www.熟女人妻精品国产| 女人爽到高潮嗷嗷叫在线视频| 女同久久另类99精品国产91| 欧美+亚洲+日韩+国产| 19禁男女啪啪无遮挡网站| 亚洲aⅴ乱码一区二区在线播放 | 成在线人永久免费视频| 午夜精品久久久久久毛片777| 高清在线国产一区| 亚洲精品av麻豆狂野| 亚洲精品成人av观看孕妇| 丁香欧美五月| av有码第一页| 一级,二级,三级黄色视频| e午夜精品久久久久久久| 黄色a级毛片大全视频| 久久精品亚洲熟妇少妇任你| 纯流量卡能插随身wifi吗| 两个人免费观看高清视频| 高清黄色对白视频在线免费看| 18禁裸乳无遮挡动漫免费视频| 窝窝影院91人妻| 建设人人有责人人尽责人人享有的| 丁香欧美五月| 国产成人精品在线电影| 99riav亚洲国产免费| √禁漫天堂资源中文www| 王馨瑶露胸无遮挡在线观看| 欧美日韩瑟瑟在线播放| 亚洲国产欧美日韩在线播放| 久久精品国产亚洲av香蕉五月 | 美国免费a级毛片| 中文字幕制服av| 欧美黄色片欧美黄色片| 亚洲国产精品一区二区三区在线| 欧美成狂野欧美在线观看| 欧洲精品卡2卡3卡4卡5卡区| 欧美成人免费av一区二区三区 | 亚洲色图av天堂| 成人精品一区二区免费| 高清欧美精品videossex| 午夜精品久久久久久毛片777| 精品熟女少妇八av免费久了| 高清在线国产一区| 久久久久久久久免费视频了| 啦啦啦视频在线资源免费观看| 热99国产精品久久久久久7| 亚洲全国av大片| 欧美激情 高清一区二区三区| 国产亚洲精品久久久久5区| 日本一区二区免费在线视频| 欧美最黄视频在线播放免费 | 亚洲熟妇中文字幕五十中出 | 亚洲国产精品一区二区三区在线| 三级毛片av免费| 日日摸夜夜添夜夜添小说| 亚洲专区中文字幕在线| 午夜福利,免费看| 亚洲精华国产精华精| 777米奇影视久久| 中文字幕精品免费在线观看视频| 激情视频va一区二区三区| 午夜福利乱码中文字幕| 国产男女超爽视频在线观看| 99riav亚洲国产免费| 亚洲avbb在线观看| 久久精品亚洲熟妇少妇任你| 亚洲av成人不卡在线观看播放网| 国产91精品成人一区二区三区| 亚洲精华国产精华精| 久久久久国产一级毛片高清牌| 久久国产亚洲av麻豆专区| 少妇 在线观看| 在线观看一区二区三区激情| 大香蕉久久网| 两性夫妻黄色片| 国产男女内射视频| 女人爽到高潮嗷嗷叫在线视频| 国产欧美日韩一区二区三区在线| 免费在线观看完整版高清| cao死你这个sao货| 国产区一区二久久| 夜夜躁狠狠躁天天躁| 亚洲熟女毛片儿| 国产主播在线观看一区二区| 国产成人精品在线电影| 欧美日韩成人在线一区二区| av网站在线播放免费| netflix在线观看网站| 国产欧美日韩一区二区三区在线| 91精品三级在线观看| 18禁裸乳无遮挡免费网站照片 | 一级作爱视频免费观看| 久久久久精品国产欧美久久久| 欧美国产精品va在线观看不卡| 99国产极品粉嫩在线观看| 国产精品一区二区在线观看99| 国产精品偷伦视频观看了| 午夜成年电影在线免费观看| 99国产精品99久久久久| 不卡一级毛片| 深夜精品福利| 色精品久久人妻99蜜桃| 大片电影免费在线观看免费| 欧美人与性动交α欧美软件| 久久人人97超碰香蕉20202| 岛国毛片在线播放| 亚洲精华国产精华精| 免费观看a级毛片全部| 久久午夜综合久久蜜桃| 美女国产高潮福利片在线看| 精品一区二区三卡| 在线看a的网站| 老司机福利观看| 超碰成人久久| 村上凉子中文字幕在线| 亚洲性夜色夜夜综合| 精品熟女少妇八av免费久了| 日日夜夜操网爽| 热re99久久精品国产66热6| 免费在线观看完整版高清| 亚洲一区二区三区欧美精品| 777米奇影视久久| 97人妻天天添夜夜摸| 国产免费av片在线观看野外av| 久久久久久久久久久久大奶| 99久久综合精品五月天人人| 亚洲一区二区三区不卡视频| 国产精品久久久av美女十八| cao死你这个sao货| 午夜成年电影在线免费观看| 变态另类成人亚洲欧美熟女 | 91精品国产国语对白视频| 日韩制服丝袜自拍偷拍| 99在线人妻在线中文字幕 | ponron亚洲| 视频区欧美日本亚洲| 亚洲欧美激情综合另类| 久久精品国产综合久久久| 涩涩av久久男人的天堂| 91av网站免费观看| 色婷婷av一区二区三区视频| 久久精品亚洲熟妇少妇任你| 国产淫语在线视频| 久久久久久久久久久久大奶| svipshipincom国产片| 久久国产精品影院| 80岁老熟妇乱子伦牲交| 中亚洲国语对白在线视频| 亚洲精品国产一区二区精华液| 国产精品免费视频内射| 热99久久久久精品小说推荐| 国产有黄有色有爽视频| 午夜福利一区二区在线看| 桃红色精品国产亚洲av| 一级毛片精品| 亚洲成人免费电影在线观看| 丰满的人妻完整版| 啪啪无遮挡十八禁网站| 日韩欧美在线二视频 | 久久久久国产一级毛片高清牌| 亚洲国产欧美网| 少妇粗大呻吟视频| 久久精品人人爽人人爽视色| 国产亚洲欧美98| 欧美日韩精品网址| 午夜福利乱码中文字幕| 欧美在线一区亚洲| svipshipincom国产片| 亚洲精品在线美女| 欧美老熟妇乱子伦牲交| 夜夜爽天天搞| 亚洲欧洲精品一区二区精品久久久| 热re99久久精品国产66热6| 日本精品一区二区三区蜜桃| 一区在线观看完整版| 国产成人免费无遮挡视频| av中文乱码字幕在线| 少妇裸体淫交视频免费看高清 | 精品国产美女av久久久久小说| 99riav亚洲国产免费| 欧美久久黑人一区二区| 日韩中文字幕欧美一区二区| 日韩欧美一区二区三区在线观看 | 夜夜躁狠狠躁天天躁| 十八禁高潮呻吟视频| 久久人妻熟女aⅴ| 久久久久国产一级毛片高清牌| 亚洲欧美日韩另类电影网站| 亚洲成人国产一区在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 国产成人免费无遮挡视频| 国产在线观看jvid| 一区二区三区精品91| 9191精品国产免费久久| 天天影视国产精品| 亚洲五月天丁香| 精品国内亚洲2022精品成人 | 99国产精品一区二区蜜桃av | 久热这里只有精品99| 麻豆国产av国片精品| 欧美激情久久久久久爽电影 | 日韩免费高清中文字幕av| 亚洲片人在线观看| 国产精品成人在线| 久久精品国产综合久久久| 他把我摸到了高潮在线观看| 国产精品成人在线| 亚洲中文日韩欧美视频| 一级a爱片免费观看的视频| 满18在线观看网站| 大片电影免费在线观看免费| 亚洲精品国产区一区二| 久久精品人人爽人人爽视色| 成年女人毛片免费观看观看9 | 国产免费av片在线观看野外av| 别揉我奶头~嗯~啊~动态视频| 亚洲自偷自拍图片 自拍| 人妻 亚洲 视频| 欧美人与性动交α欧美精品济南到| 午夜91福利影院| 80岁老熟妇乱子伦牲交| 久久久国产成人免费| 国产精品乱码一区二三区的特点 | 啦啦啦在线免费观看视频4| 村上凉子中文字幕在线| 成人手机av| av不卡在线播放| 午夜福利,免费看| 国产成人免费观看mmmm| 老司机在亚洲福利影院| 欧美黄色片欧美黄色片| 亚洲成a人片在线一区二区| 精品福利观看| 91精品三级在线观看| 精品熟女少妇八av免费久了| 免费日韩欧美在线观看| 精品国产美女av久久久久小说| 免费在线观看亚洲国产| 一级a爱视频在线免费观看| 91精品三级在线观看| 欧美黄色淫秽网站| 中文亚洲av片在线观看爽 | 少妇猛男粗大的猛烈进出视频| 在线视频色国产色| 免费看十八禁软件| 中文字幕av电影在线播放| av中文乱码字幕在线| 亚洲一区二区三区欧美精品| 免费一级毛片在线播放高清视频 | 国产1区2区3区精品| 国产淫语在线视频| 波多野结衣一区麻豆| 91在线观看av| 午夜免费观看网址| 女人精品久久久久毛片| 久久国产精品影院| 国产精品自产拍在线观看55亚洲 | 精品一品国产午夜福利视频| 青草久久国产| 一本综合久久免费| 他把我摸到了高潮在线观看| 精品无人区乱码1区二区| 黑人巨大精品欧美一区二区mp4| 人人妻人人澡人人爽人人夜夜| 黑人猛操日本美女一级片| 精品电影一区二区在线| 大型av网站在线播放| 国产99久久九九免费精品| 久久久国产欧美日韩av| 两性夫妻黄色片| 国产亚洲精品一区二区www | 久久午夜综合久久蜜桃| 新久久久久国产一级毛片| 日韩人妻精品一区2区三区| 久久青草综合色| 无遮挡黄片免费观看| 国产熟女午夜一区二区三区| 又黄又爽又免费观看的视频| 成年人免费黄色播放视频| 亚洲第一欧美日韩一区二区三区| 免费在线观看影片大全网站| 狠狠狠狠99中文字幕| 99国产精品99久久久久| 国产精品国产av在线观看| 女警被强在线播放| 精品少妇一区二区三区视频日本电影| 一个人免费在线观看的高清视频| 国产精品久久电影中文字幕 | 精品国产一区二区三区久久久樱花| 丰满迷人的少妇在线观看| av中文乱码字幕在线| 男人的好看免费观看在线视频 | 性少妇av在线| 亚洲中文字幕日韩| 日韩视频一区二区在线观看| 久久人人爽av亚洲精品天堂| 亚洲成国产人片在线观看| 女人爽到高潮嗷嗷叫在线视频| 在线永久观看黄色视频| a在线观看视频网站| 国产在视频线精品| 国产欧美日韩精品亚洲av| 日韩有码中文字幕| 成人黄色视频免费在线看| 欧美人与性动交α欧美软件| 丰满迷人的少妇在线观看| 精品国产亚洲在线| 久久久精品免费免费高清| 国产精品久久久av美女十八| 最近最新中文字幕大全免费视频| 人人妻人人添人人爽欧美一区卜| 国产日韩欧美亚洲二区| 成人黄色视频免费在线看| 欧美日韩av久久| 国产一区二区三区在线臀色熟女 | 国产欧美日韩综合在线一区二区| 九色亚洲精品在线播放| 黄色视频,在线免费观看| 脱女人内裤的视频| 久热这里只有精品99| 国产亚洲欧美98| 亚洲国产欧美日韩在线播放| 久久精品91无色码中文字幕| netflix在线观看网站| 男女床上黄色一级片免费看| 丝瓜视频免费看黄片| 99国产精品免费福利视频| 国产激情久久老熟女| 老熟女久久久| 黄片大片在线免费观看| 又黄又粗又硬又大视频| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲人成电影免费在线| 久久国产精品影院| 亚洲av日韩在线播放| 午夜91福利影院| 欧美日本中文国产一区发布| 欧美大码av| av在线播放免费不卡| 国产精品秋霞免费鲁丝片| 精品福利观看| 国产精品av久久久久免费| 亚洲在线自拍视频| 两个人免费观看高清视频| 国产单亲对白刺激| 好男人电影高清在线观看| 欧美日韩视频精品一区| 国产精品久久久人人做人人爽| 国产欧美日韩综合在线一区二区| 午夜两性在线视频| 欧美精品人与动牲交sv欧美| 中文字幕精品免费在线观看视频| 国产免费现黄频在线看| 亚洲情色 制服丝袜| 国产蜜桃级精品一区二区三区 | 国产亚洲精品第一综合不卡| 午夜精品久久久久久毛片777| 一边摸一边做爽爽视频免费| 高清黄色对白视频在线免费看| 韩国av一区二区三区四区| 老汉色av国产亚洲站长工具| 国产在线精品亚洲第一网站| 成年动漫av网址| 国产精品亚洲av一区麻豆| 国产精品综合久久久久久久免费 | 777久久人妻少妇嫩草av网站| 叶爱在线成人免费视频播放| 亚洲中文日韩欧美视频| 亚洲精品美女久久av网站| 欧美久久黑人一区二区| 精品一品国产午夜福利视频| 欧美一级毛片孕妇| 村上凉子中文字幕在线| 老司机午夜十八禁免费视频| 韩国精品一区二区三区| 欧美人与性动交α欧美精品济南到| 欧美成人午夜精品| 一级,二级,三级黄色视频| 一级a爱视频在线免费观看| 久久精品91无色码中文字幕| 一边摸一边抽搐一进一出视频| 精品免费久久久久久久清纯 | 91成年电影在线观看| 日日爽夜夜爽网站| 日韩欧美三级三区| 国产高清国产精品国产三级| 精品人妻在线不人妻| 高清av免费在线| 99re在线观看精品视频| 免费在线观看黄色视频的| 欧美精品亚洲一区二区| 亚洲熟妇中文字幕五十中出 | 久久中文字幕人妻熟女| 久久久久国产一级毛片高清牌| 在线十欧美十亚洲十日本专区| 国产又爽黄色视频| 亚洲黑人精品在线| 91老司机精品| 亚洲欧美精品综合一区二区三区| 亚洲成人免费av在线播放| 亚洲欧美一区二区三区黑人| 看片在线看免费视频| 99精品欧美一区二区三区四区| 成人影院久久| 热99久久久久精品小说推荐| 久久ye,这里只有精品| 久热这里只有精品99| 午夜久久久在线观看| 一a级毛片在线观看| 午夜成年电影在线免费观看| 久久亚洲精品不卡| 日韩欧美在线二视频 | 国产单亲对白刺激| 男女午夜视频在线观看| 日本wwww免费看| av线在线观看网站| 别揉我奶头~嗯~啊~动态视频| 国产精品久久久久久精品古装| 欧美人与性动交α欧美精品济南到| 久久久精品区二区三区| 久久九九热精品免费| 麻豆成人av在线观看| 桃红色精品国产亚洲av| 国产亚洲一区二区精品| 久久精品亚洲av国产电影网| 黄网站色视频无遮挡免费观看| 久久天躁狠狠躁夜夜2o2o| 亚洲精品一卡2卡三卡4卡5卡| 母亲3免费完整高清在线观看| 777久久人妻少妇嫩草av网站| 国产精品久久视频播放| 国产1区2区3区精品| 91精品三级在线观看| 91老司机精品| 久久久水蜜桃国产精品网| 国产1区2区3区精品| 91成年电影在线观看| 国产成+人综合+亚洲专区| 亚洲七黄色美女视频| 成年人午夜在线观看视频| а√天堂www在线а√下载 | а√天堂www在线а√下载 | 亚洲aⅴ乱码一区二区在线播放 | 亚洲精品乱久久久久久| 国产精品久久久av美女十八| 国产成人啪精品午夜网站| 欧美老熟妇乱子伦牲交| 午夜免费鲁丝| 久久精品人人爽人人爽视色| 成人永久免费在线观看视频| 国产成人精品无人区| 麻豆成人av在线观看| 成年人黄色毛片网站| 不卡一级毛片| 日本一区二区免费在线视频| 亚洲精品在线观看二区| 亚洲成a人片在线一区二区| 一级a爱片免费观看的视频| 午夜成年电影在线免费观看| 亚洲第一青青草原| av国产精品久久久久影院| 国产精品.久久久| 国产在视频线精品| 一级片免费观看大全| 亚洲五月色婷婷综合| 成年人黄色毛片网站| 亚洲全国av大片| 99久久精品国产亚洲精品| 在线视频色国产色| 熟女少妇亚洲综合色aaa.| 国产精品国产av在线观看| 91老司机精品| 午夜福利免费观看在线| 好看av亚洲va欧美ⅴa在| 高清黄色对白视频在线免费看| 亚洲欧美精品综合一区二区三区| 男人的好看免费观看在线视频 | 久久精品aⅴ一区二区三区四区| 69精品国产乱码久久久| 热re99久久精品国产66热6| cao死你这个sao货| 热99国产精品久久久久久7| 欧美日韩亚洲综合一区二区三区_| 国产亚洲精品一区二区www | 精品欧美一区二区三区在线| 亚洲成人免费av在线播放| 十分钟在线观看高清视频www| 天天躁狠狠躁夜夜躁狠狠躁| 大码成人一级视频| 久久久国产欧美日韩av| e午夜精品久久久久久久| 亚洲精品在线观看二区| 成人国语在线视频| 日本五十路高清| 日韩一卡2卡3卡4卡2021年| 色在线成人网| 国产亚洲欧美98| 日本欧美视频一区| 久久精品国产99精品国产亚洲性色 | av中文乱码字幕在线| 亚洲成a人片在线一区二区| 亚洲成人免费av在线播放|