• <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

    在线天堂最新版资源| 欧美不卡视频在线免费观看| 精品国产一区二区三区久久久樱花 | 成人国产麻豆网| 国产精品一及| 一级a做视频免费观看| 啦啦啦中文免费视频观看日本| 亚洲精品国产av成人精品| 99热这里只有是精品在线观看| 日韩欧美国产在线观看| 日日摸夜夜添夜夜添av毛片| 熟女电影av网| 婷婷色综合大香蕉| 99九九线精品视频在线观看视频| 大香蕉97超碰在线| 精品99又大又爽又粗少妇毛片| 亚洲丝袜综合中文字幕| h日本视频在线播放| 国产美女午夜福利| 小蜜桃在线观看免费完整版高清| 国产爱豆传媒在线观看| 亚洲精品国产成人久久av| 国产精品熟女久久久久浪| av线在线观看网站| 九九在线视频观看精品| 亚洲av成人精品一二三区| 床上黄色一级片| 91在线精品国自产拍蜜月| 简卡轻食公司| 成人综合一区亚洲| 国内精品一区二区在线观看| 亚洲精品乱码久久久久久按摩| 男女啪啪激烈高潮av片| av又黄又爽大尺度在线免费看| 最近中文字幕高清免费大全6| 久久久久精品性色| 日日啪夜夜爽| 少妇熟女aⅴ在线视频| 国产爱豆传媒在线观看| 97超视频在线观看视频| 18禁裸乳无遮挡免费网站照片| 亚洲精品中文字幕在线视频 | 国产激情偷乱视频一区二区| 高清视频免费观看一区二区 | 美女高潮的动态| 色吧在线观看| 久久久久久久久久黄片| 亚洲av福利一区| 日韩欧美三级三区| 美女黄网站色视频| 亚洲真实伦在线观看| 国产一级毛片七仙女欲春2| 街头女战士在线观看网站| 最新中文字幕久久久久| 国产免费视频播放在线视频 | 国内精品美女久久久久久| eeuss影院久久| 一级二级三级毛片免费看| 精品欧美国产一区二区三| 亚洲久久久久久中文字幕| 成人欧美大片| 成人毛片a级毛片在线播放| 色综合亚洲欧美另类图片| 搡老妇女老女人老熟妇| 亚洲精品456在线播放app| 国产伦精品一区二区三区四那| 你懂的网址亚洲精品在线观看| 亚洲av国产av综合av卡| 淫秽高清视频在线观看| 国产亚洲av嫩草精品影院| 免费黄频网站在线观看国产| 欧美三级亚洲精品| 男女边吃奶边做爰视频| 一级av片app| 赤兔流量卡办理| av.在线天堂| 日韩伦理黄色片| 美女xxoo啪啪120秒动态图| 六月丁香七月| 女人被狂操c到高潮| 成人午夜精彩视频在线观看| 成年版毛片免费区| 看非洲黑人一级黄片| 欧美性猛交╳xxx乱大交人| 久99久视频精品免费| 91精品国产九色| 国产精品人妻久久久久久| 两个人的视频大全免费| 国产精品人妻久久久影院| 成人无遮挡网站| 亚洲av不卡在线观看| 久久久久久久久久成人| 国产 一区精品| 色综合站精品国产| 少妇熟女欧美另类| 日韩一区二区视频免费看| 高清午夜精品一区二区三区| 国产精品久久久久久精品电影| 久久6这里有精品| 成人鲁丝片一二三区免费| 成人午夜精彩视频在线观看| 国内少妇人妻偷人精品xxx网站| 免费不卡的大黄色大毛片视频在线观看 | 国精品久久久久久国模美| 最后的刺客免费高清国语| 中文字幕免费在线视频6| 麻豆成人av视频| 自拍偷自拍亚洲精品老妇| 日本猛色少妇xxxxx猛交久久| 久久精品夜色国产| 在线播放无遮挡| ponron亚洲| 国产亚洲91精品色在线| 亚洲欧美一区二区三区国产| 精品久久久久久久人妻蜜臀av| 永久免费av网站大全| av免费在线看不卡| 五月天丁香电影| 老师上课跳d突然被开到最大视频| 免费av不卡在线播放| 国产一区二区在线观看日韩| 成人午夜高清在线视频| 国产精品久久久久久久久免| 色5月婷婷丁香| 亚洲真实伦在线观看| 淫秽高清视频在线观看| a级毛色黄片| 中文字幕av在线有码专区| av网站免费在线观看视频 | 久久午夜福利片| 日日啪夜夜爽| 亚洲电影在线观看av| 国产精品久久久久久精品电影| 一级av片app| 人妻制服诱惑在线中文字幕| 亚洲欧洲国产日韩| 在线 av 中文字幕| 国产淫语在线视频| 久久99精品国语久久久| 嫩草影院新地址| 国产v大片淫在线免费观看| 精品一区二区三卡| 你懂的网址亚洲精品在线观看| 99久久中文字幕三级久久日本| videossex国产| 精品人妻一区二区三区麻豆| 成年女人看的毛片在线观看| 一级a做视频免费观看| 久99久视频精品免费| 高清视频免费观看一区二区 | 91精品国产九色| 色网站视频免费| 精品一区二区免费观看| 午夜爱爱视频在线播放| av专区在线播放| 日韩av不卡免费在线播放| 男女国产视频网站| 91精品国产九色| 成人高潮视频无遮挡免费网站| 美女主播在线视频| 日本欧美国产在线视频| 亚洲丝袜综合中文字幕| 亚洲av国产av综合av卡| 亚洲av一区综合| 亚洲av不卡在线观看| 国产黄片美女视频| 亚洲精品国产成人久久av| 99热这里只有是精品在线观看| 欧美一级a爱片免费观看看| 你懂的网址亚洲精品在线观看| 亚洲国产欧美在线一区| 一级黄片播放器| 亚洲性久久影院| 在线观看一区二区三区| 性色avwww在线观看| 又黄又爽又刺激的免费视频.| 欧美日韩一区二区视频在线观看视频在线 | 成人亚洲精品一区在线观看 | 成人美女网站在线观看视频| 亚洲av日韩在线播放| 精品久久国产蜜桃| 亚洲成人一二三区av| 高清视频免费观看一区二区 | 亚洲国产成人一精品久久久| 在线a可以看的网站| av网站免费在线观看视频 | 天堂√8在线中文| 美女xxoo啪啪120秒动态图| 亚洲精品国产av成人精品| 亚洲精品456在线播放app| 老女人水多毛片| 国产伦精品一区二区三区四那| 十八禁网站网址无遮挡 | 18禁在线无遮挡免费观看视频| 在线观看美女被高潮喷水网站| 丝袜美腿在线中文| 观看美女的网站| 欧美xxxx性猛交bbbb| 久久久久久久久久久免费av| 亚洲精品乱久久久久久| 麻豆乱淫一区二区| 色综合色国产| 午夜激情久久久久久久| 免费在线观看成人毛片| 免费无遮挡裸体视频| 草草在线视频免费看| 在线免费十八禁| 麻豆成人av视频| 日韩精品有码人妻一区| 男插女下体视频免费在线播放| 男女那种视频在线观看| 亚洲精品视频女| 美女xxoo啪啪120秒动态图| 蜜桃亚洲精品一区二区三区| 国产精品综合久久久久久久免费| 深爱激情五月婷婷| 国产久久久一区二区三区| 高清午夜精品一区二区三区| 国产亚洲午夜精品一区二区久久 | 极品教师在线视频| 国产精品一区二区在线观看99 | 免费大片18禁| 亚洲人成网站在线播| 一区二区三区高清视频在线| 久久99热这里只频精品6学生| 亚洲图色成人| 国内少妇人妻偷人精品xxx网站| 国产精品精品国产色婷婷| 极品教师在线视频| 纵有疾风起免费观看全集完整版 | 成年av动漫网址| 美女脱内裤让男人舔精品视频| 国产精品一区二区三区四区久久| 国产淫片久久久久久久久| 少妇熟女aⅴ在线视频| av免费在线看不卡| 欧美3d第一页| 大香蕉久久网| 亚洲内射少妇av| 国产一级毛片在线| 欧美日韩一区二区视频在线观看视频在线 | 夜夜看夜夜爽夜夜摸| 久久久久久久午夜电影| 蜜桃久久精品国产亚洲av| 亚洲电影在线观看av| 久久精品综合一区二区三区| 老女人水多毛片| 晚上一个人看的免费电影| 精品熟女少妇av免费看| 欧美成人a在线观看| 欧美日本视频| 色哟哟·www| 色尼玛亚洲综合影院| freevideosex欧美| 精品一区二区三区视频在线| 国产高清不卡午夜福利| 久久韩国三级中文字幕| 久久久久国产网址| 少妇的逼好多水| 精品亚洲乱码少妇综合久久| 黄片wwwwww| 亚洲欧美一区二区三区国产| 精品熟女少妇av免费看| 精品久久久精品久久久| 三级经典国产精品| 一区二区三区四区激情视频| 亚洲精华国产精华液的使用体验| 99热网站在线观看| 亚洲精品中文字幕在线视频 | 成人漫画全彩无遮挡| 国产久久久一区二区三区| ponron亚洲| 成人午夜高清在线视频| 日韩一区二区视频免费看| 国产av在哪里看| 六月丁香七月| 国产激情偷乱视频一区二区| 日本色播在线视频| 性色avwww在线观看| 欧美日本视频| 亚洲综合色惰| 99热这里只有是精品在线观看| 久久久久久久久久人人人人人人| 狂野欧美激情性xxxx在线观看| 国产精品蜜桃在线观看| 欧美xxⅹ黑人| 欧美激情在线99| 日韩电影二区| 国产成人91sexporn| 熟女人妻精品中文字幕| 男女那种视频在线观看| 身体一侧抽搐| 亚洲av一区综合| 秋霞伦理黄片| 亚洲精品aⅴ在线观看| 综合色av麻豆| 久久久久久久亚洲中文字幕| 午夜福利在线在线| 亚洲国产精品成人久久小说| 人人妻人人澡人人爽人人夜夜 | 亚洲av电影不卡..在线观看| 91久久精品电影网| 久久6这里有精品| 又黄又爽又刺激的免费视频.| 欧美日韩在线观看h| 99久久精品国产国产毛片| 亚洲性久久影院| 男人舔女人下体高潮全视频| 国产亚洲一区二区精品| 午夜福利在线观看免费完整高清在| 在线观看美女被高潮喷水网站| 免费黄频网站在线观看国产| 哪个播放器可以免费观看大片| 麻豆成人午夜福利视频| 内射极品少妇av片p| 亚洲18禁久久av| 亚洲国产成人一精品久久久| 国产极品天堂在线| 在线 av 中文字幕| 久久久久国产网址| 国产综合精华液| 日本一本二区三区精品| 成人国产麻豆网| 99热全是精品| 女人久久www免费人成看片| 一夜夜www| 亚洲三级黄色毛片| 亚洲av福利一区| 亚洲av电影不卡..在线观看| 精品人妻偷拍中文字幕| 亚洲精品国产av成人精品| 免费看光身美女| 日韩av免费高清视频| 国产91av在线免费观看| 亚洲av中文av极速乱| 熟女人妻精品中文字幕| 天堂中文最新版在线下载 | 日日干狠狠操夜夜爽| 国产成人一区二区在线| 日韩欧美三级三区| 日本三级黄在线观看| 日韩精品青青久久久久久| 国产精品久久久久久av不卡| 久久久久久久久久久免费av| 日本av手机在线免费观看| 国产免费又黄又爽又色| 免费播放大片免费观看视频在线观看| 极品教师在线视频| 2021天堂中文幕一二区在线观| 简卡轻食公司| 国产免费福利视频在线观看| 丰满少妇做爰视频| 国产老妇女一区| 国产高清有码在线观看视频| 免费av观看视频| 91久久精品国产一区二区三区| 亚洲天堂国产精品一区在线| 亚洲成人精品中文字幕电影| 亚洲精品第二区| 麻豆成人av视频| 一级二级三级毛片免费看| 精品久久久噜噜| 热99在线观看视频| 狠狠精品人妻久久久久久综合| 日韩av在线免费看完整版不卡| 最近手机中文字幕大全| 日韩国内少妇激情av| 激情 狠狠 欧美| 免费少妇av软件| 看非洲黑人一级黄片| 午夜福利成人在线免费观看| 国产av在哪里看| 在线免费十八禁| 国产伦一二天堂av在线观看| 久久精品国产自在天天线| 午夜精品在线福利| 夫妻性生交免费视频一级片| 免费观看性生交大片5| 欧美变态另类bdsm刘玥| 精品久久久久久久久av| 少妇的逼水好多| 一级片'在线观看视频| 最近最新中文字幕大全电影3| 亚洲综合色惰| av线在线观看网站| 男女下面进入的视频免费午夜| 亚洲精品中文字幕在线视频 | av在线观看视频网站免费| 亚洲国产色片| 成年女人看的毛片在线观看| 嫩草影院入口| 少妇的逼水好多| 九色成人免费人妻av| 熟妇人妻不卡中文字幕| 日本wwww免费看| 免费看av在线观看网站| 日本色播在线视频| 亚洲精品中文字幕在线视频 | 在线免费观看的www视频| 中文字幕制服av| 久久99蜜桃精品久久| 国产黄色视频一区二区在线观看| 蜜臀久久99精品久久宅男| av女优亚洲男人天堂| 国产成人一区二区在线| 搡老乐熟女国产| 国产亚洲av片在线观看秒播厂 | 超碰97精品在线观看| 亚洲av中文av极速乱| 成人性生交大片免费视频hd| 欧美不卡视频在线免费观看| 一区二区三区乱码不卡18| 网址你懂的国产日韩在线| 99九九线精品视频在线观看视频| 内射极品少妇av片p| 一级二级三级毛片免费看| 一个人看视频在线观看www免费| 成人午夜高清在线视频| 熟女电影av网| 国产美女午夜福利| 日日啪夜夜撸| 亚洲精品456在线播放app| 久久久久精品久久久久真实原创| 极品少妇高潮喷水抽搐| 床上黄色一级片| 国产精品人妻久久久久久| 视频中文字幕在线观看| 三级经典国产精品| 久久国内精品自在自线图片| 国产永久视频网站| 韩国高清视频一区二区三区| eeuss影院久久| 日日啪夜夜爽| 精品久久久久久久久av| 欧美人与善性xxx| 午夜福利视频精品| 成人亚洲精品一区在线观看 | 亚洲av国产av综合av卡| 欧美日韩国产mv在线观看视频 | 男人舔奶头视频| 一区二区三区免费毛片| 亚洲精品一区蜜桃| 婷婷色麻豆天堂久久| 男女视频在线观看网站免费| 夜夜爽夜夜爽视频| 国产精品久久视频播放| or卡值多少钱| 亚洲久久久久久中文字幕| 亚洲精品aⅴ在线观看| 国产黄色小视频在线观看| 国产免费又黄又爽又色| 婷婷色麻豆天堂久久| 午夜老司机福利剧场| 特级一级黄色大片| 欧美性猛交╳xxx乱大交人| 欧美激情久久久久久爽电影| 91精品伊人久久大香线蕉| 亚洲在久久综合| 国产av国产精品国产| 岛国毛片在线播放| 少妇裸体淫交视频免费看高清| 中文资源天堂在线| 床上黄色一级片| 成人欧美大片| 日韩大片免费观看网站| 又黄又爽又刺激的免费视频.| 国产精品一及| 别揉我奶头 嗯啊视频| 久久这里只有精品中国| 别揉我奶头 嗯啊视频| 国产亚洲91精品色在线| 联通29元200g的流量卡| 国产黄a三级三级三级人| 亚洲国产日韩欧美精品在线观看| 搡老乐熟女国产| 中国美白少妇内射xxxbb| 国产高清有码在线观看视频| 色综合色国产| 亚洲婷婷狠狠爱综合网| 免费无遮挡裸体视频| 亚洲va在线va天堂va国产| 成人亚洲欧美一区二区av| 午夜福利在线观看吧| 中文天堂在线官网| 欧美xxxx性猛交bbbb| 久久久亚洲精品成人影院| 非洲黑人性xxxx精品又粗又长| 国产亚洲5aaaaa淫片| 女的被弄到高潮叫床怎么办| 久久精品夜夜夜夜夜久久蜜豆| av线在线观看网站| 亚洲欧洲国产日韩| 免费观看精品视频网站| 国产精品三级大全| 日韩欧美一区视频在线观看 | 好男人在线观看高清免费视频| 亚洲精品亚洲一区二区| 一级黄片播放器| 中文欧美无线码| 久久精品国产亚洲网站| 亚洲美女视频黄频| 亚洲天堂国产精品一区在线| 国产成年人精品一区二区| 亚洲在线观看片| 97在线视频观看| 中文资源天堂在线| 一区二区三区免费毛片| 午夜福利在线观看免费完整高清在| 免费观看的影片在线观看| 国产精品国产三级专区第一集| 久久久久性生活片| 汤姆久久久久久久影院中文字幕 | 国产熟女欧美一区二区| 国产在视频线精品| 久久久午夜欧美精品| 国产精品伦人一区二区| 久久精品夜夜夜夜夜久久蜜豆| 国产淫语在线视频| 搡老乐熟女国产| 久久精品国产亚洲av涩爱| 亚洲欧美日韩卡通动漫| av天堂中文字幕网| 五月天丁香电影| 纵有疾风起免费观看全集完整版 | 岛国毛片在线播放| 欧美xxxx黑人xx丫x性爽| 边亲边吃奶的免费视频| 国产视频内射| 国产 一区精品| 亚洲在线观看片| av一本久久久久| 亚洲丝袜综合中文字幕| 日日摸夜夜添夜夜爱| 九九在线视频观看精品| 久99久视频精品免费| 亚洲自拍偷在线| 国产人妻一区二区三区在| 国产熟女欧美一区二区| 久久6这里有精品| 久久久久免费精品人妻一区二区| 亚洲国产欧美人成| 精品久久久久久成人av| 汤姆久久久久久久影院中文字幕 | 国内精品宾馆在线| 身体一侧抽搐| 精品久久久精品久久久| h日本视频在线播放| 午夜亚洲福利在线播放| 免费av观看视频| 爱豆传媒免费全集在线观看| 黄色欧美视频在线观看| 七月丁香在线播放| 欧美高清性xxxxhd video| 亚洲熟女精品中文字幕| 最近的中文字幕免费完整| 亚洲av日韩在线播放| 好男人视频免费观看在线| 日韩成人伦理影院| 中国国产av一级| 小蜜桃在线观看免费完整版高清| 又粗又硬又长又爽又黄的视频| 国产综合懂色| 精品一区二区免费观看| 蜜桃久久精品国产亚洲av| 高清日韩中文字幕在线| 亚洲国产精品国产精品| 婷婷色综合大香蕉| 免费看日本二区| av播播在线观看一区| 99热6这里只有精品| 国产爱豆传媒在线观看| 国产精品嫩草影院av在线观看| 欧美日韩综合久久久久久| 午夜亚洲福利在线播放| 久久亚洲国产成人精品v| 丰满乱子伦码专区| 美女被艹到高潮喷水动态| 国产男人的电影天堂91| 最新中文字幕久久久久| 亚洲精品456在线播放app| 中文天堂在线官网| 99久国产av精品国产电影| 在线天堂最新版资源| 久久午夜福利片| 欧美激情久久久久久爽电影| 国产黄片视频在线免费观看| 国产探花极品一区二区| 女人十人毛片免费观看3o分钟| ponron亚洲| 欧美成人精品欧美一级黄| 亚州av有码| 日韩国内少妇激情av| 男插女下体视频免费在线播放| av国产免费在线观看| 国产成人精品一,二区| 青春草亚洲视频在线观看| 国内精品美女久久久久久| 啦啦啦啦在线视频资源| 午夜激情久久久久久久| 日韩国内少妇激情av| 亚洲va在线va天堂va国产| 美女主播在线视频| 午夜精品一区二区三区免费看| 一个人观看的视频www高清免费观看| 纵有疾风起免费观看全集完整版 | 网址你懂的国产日韩在线| 三级国产精品片| 久久久久久久久大av| 80岁老熟妇乱子伦牲交| 午夜老司机福利剧场| freevideosex欧美| av黄色大香蕉| 国产视频首页在线观看| 18+在线观看网站| 日本欧美国产在线视频|