• <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 ?

    融合偏旁特征的化學(xué)命名實(shí)體識(shí)別研究*

    2023-08-02 07:08:48尹止戈陸建峰
    關(guān)鍵詞:偏旁部首中學(xué)化學(xué)語料

    尹止戈 陸建峰

    (南京理工大學(xué) 南京 210094)

    1 引言

    命名實(shí)體識(shí)別(Named Entity Recognition,NER)是自然語言處理中一項(xiàng)關(guān)鍵的上游任務(wù),也是信息抽取的技術(shù)支撐。傳統(tǒng)的命名實(shí)體識(shí)別任務(wù)是識(shí)別出文本中的七小類(人名、地名、機(jī)構(gòu)名、時(shí)間、日期、貨幣和百分比),除此以外,NER技術(shù)還可用于特定領(lǐng)域,提取出特定意義的實(shí)體。例如中學(xué)化學(xué)課程中的實(shí)體識(shí)別任務(wù)通常是從非結(jié)構(gòu)化的文本數(shù)據(jù)中提取出具有化學(xué)意義和特征的知識(shí)點(diǎn)實(shí)體。

    早期的NER 系統(tǒng)主要分為三類,基于字典,基于規(guī)則和統(tǒng)計(jì)機(jī)器學(xué)習(xí)。基于字典的方法[1],主要利用字符串匹配,包括精準(zhǔn)匹配和模糊匹配,存在著高精度,低召回,擴(kuò)展麻煩的問題;基于規(guī)則的方法,主要利用模式規(guī)則以及上下文詞語,需要專家輔助和篩選,可移植性弱;統(tǒng)計(jì)機(jī)器學(xué)習(xí)模型包括隱馬爾可夫模型(Hidden Markov Model,HMM),最大熵馬爾可夫模型(Maximum Entropy Markov Model,MEMM),條件隨機(jī)場(Conditional Random Field,CRF)等。HMM 模型基于兩個(gè)重要假設(shè),馬爾科夫性假設(shè)和觀測獨(dú)立性假設(shè),數(shù)據(jù)依賴多為一階,忽略了鄰域多階的信息。MEMM是局部歸一化方法,其利用維特比算法解碼,但不一定全局最優(yōu),會(huì)出現(xiàn)標(biāo)注偏置。CRF 通過轉(zhuǎn)移特征函數(shù)和狀態(tài)特征函數(shù),針對(duì)前后多個(gè)位置進(jìn)行限定,統(tǒng)計(jì)全局概率,其更依賴標(biāo)注數(shù)據(jù)庫的質(zhì)量和數(shù)量。近年來,深度學(xué)習(xí)技術(shù)為命名實(shí)體識(shí)別任務(wù)帶了新的機(jī)遇,以word2vec[2],長 短 期記 憶 網(wǎng) 絡(luò)(Long Short-term Memory Networks,LSTM)[3]為代表的半監(jiān)督模型以及ELMo,BERT[4],XLNet[5]為代表的大規(guī)模預(yù)訓(xùn)練模型,在泛化能力和準(zhǔn)確率上都得到了提高。相比較LSTM 系列模型而言,預(yù)訓(xùn)練模型通常需要更大的訓(xùn)練預(yù)料且對(duì)算力要求更高。基于Bootstrapping,CGExpan[6]的半監(jiān)督算法,通過實(shí)體集擴(kuò)充,克服了語料稀缺,數(shù)據(jù)稀疏的問題。

    中學(xué)化學(xué)領(lǐng)域缺少大量的具有高質(zhì)量的標(biāo)注數(shù)據(jù),且語料多為非結(jié)構(gòu)化文本。目前中學(xué)化學(xué)領(lǐng)域?qū)嶓w識(shí)別的主要問題包括以下兩個(gè)方面:1)中學(xué)化學(xué)課程領(lǐng)域的數(shù)據(jù)往往呈現(xiàn)中英文結(jié)合,化學(xué)式簡寫或嵌套的特點(diǎn)。化學(xué)實(shí)體沒有固定的表述方式,因此,難以構(gòu)建全面合理的實(shí)體特征。2)現(xiàn)有的NER 研究通常針對(duì)通用領(lǐng)域,例如新聞?lì)I(lǐng)域,這些研究更多地依賴公開的大規(guī)模訓(xùn)練語料,難以移植到中學(xué)化學(xué)課程領(lǐng)域。

    化學(xué)實(shí)體的偏旁部首多為“石”、“氣”、“钅”等,而具有相同詞根的漢字通常具有相近的語義和語法用法,現(xiàn)有的中文處理算法往往把字或詞作為基本單位,而忽略了偏旁部首特征中的詞匯義原知識(shí)[7]。因此筆者構(gòu)建了以BiLSTM-CRF 為基礎(chǔ)的改進(jìn)神經(jīng)網(wǎng)絡(luò)模型,融合了偏旁部首的詞根嵌入向量,有效提升了語言模型的可解釋性,在中學(xué)課程化學(xué)領(lǐng)域的非結(jié)構(gòu)化文本數(shù)據(jù)中進(jìn)行信息抽取。實(shí)驗(yàn)表明,該方法在F1 度量上高于實(shí)驗(yàn)中的基準(zhǔn)模型。

    2 相關(guān)工作

    Safaa Eltyeb[8]概述了基于字典、基于規(guī)則和機(jī)器學(xué)習(xí)方法在化學(xué)文獻(xiàn)中進(jìn)行化學(xué)實(shí)體識(shí)別的解決方案。Zhihao Yang[9]針對(duì)生物化學(xué)領(lǐng)域中實(shí)體形式多變,提出了基于詞典擴(kuò)展的CRF實(shí)體識(shí)別方法。劉燁宸[10]對(duì)特定領(lǐng)域知識(shí)圖譜狀況進(jìn)行了較為全面的總結(jié)。Zhiheng Huang[11],Guillaume Lample[12],Yue Zhang[13]提出了多種基于LSTM 的序列標(biāo)注模型及變體,由于加入了CRF 層,使用句子級(jí)標(biāo)記信息,與之前的方法相比,具有較強(qiáng)的魯棒性和較少的詞嵌入(word embedding)依賴。Zenan Zhai[14]等在化學(xué)和疾病實(shí)體識(shí)別任務(wù)上比較了LSTM 和CNN(Convolutional Neural Networks,卷積神經(jīng)網(wǎng)絡(luò))的字符級(jí)詞嵌入在BiLSTM-CRF模型上的差異,識(shí)別率相當(dāng),但CNN 具有計(jì)算性能優(yōu)勢。Xinlei Shi[15]等深入研究了漢字處理的基本層次,提出了一種新的深度學(xué)習(xí)技術(shù),詞根嵌入(radical embedding)。Chuanhai Dong[16]將 中 文 詞 根 嵌 入Bi-LSTM-CRF 模型中,在MSRA 數(shù)據(jù)集上取得了良好的識(shí)別率。Jie Yang[17]提出NCRF++,設(shè)計(jì)了一個(gè)CRF推理層,通過配置文件建立自定義模型結(jié)構(gòu),對(duì)于詞向量和字向量的嵌入更加靈活。Yao Chena[18]在中文不良藥物事件報(bào)道(ADERS)數(shù)據(jù)集上,通過四輪數(shù)據(jù)標(biāo)注和半監(jiān)督擴(kuò)充數(shù)據(jù)集,使用基于詞匯特征的BiLSTM模型在自由文本上取得了較高的F1得分。Xiaoya Li[19]提出的Unified MRC框架通過將NER 任務(wù)格式化為閱讀理解任務(wù),能夠同時(shí)應(yīng)對(duì)嵌套NER 和扁平NER 任務(wù)。Jan-Christoph Klie[20]針對(duì)實(shí)體歧義,提出了一種實(shí)體鏈接消歧方法,面對(duì)資源匱乏,展示了統(tǒng)計(jì)機(jī)器學(xué)習(xí)模型的有效性,且在注釋速度上提升了35%。

    針對(duì)中學(xué)化學(xué)領(lǐng)域語料,本文確定了五個(gè)實(shí)體類別,分別是化學(xué)藥品(CHE),化學(xué)儀器(EQU),屬性(ATT),反應(yīng)現(xiàn)象(REA)和操作方法(OPE)。本文采用了高效簡潔的BIO 標(biāo)注模式,B 代表實(shí)體的起點(diǎn),I代表實(shí)體的內(nèi)部和終點(diǎn),O 代表非實(shí)體。表1為人教版高中化學(xué)語料的實(shí)體標(biāo)注方法。

    表1 人教版高中化學(xué)語料實(shí)體標(biāo)注方法

    中學(xué)化學(xué)實(shí)體中有較多中英文結(jié)合實(shí)體以及嵌套式實(shí)體,例如“NaCl 溶液”,“NaCl”通常是一種晶體狀的化學(xué)藥品(氯化鈉),而“NaCl 溶液”則表示的是一種液態(tài)的化學(xué)藥品,此時(shí)應(yīng)該將英文的“NaCl”和中文“溶液”包含在同一個(gè)實(shí)體中,而不應(yīng)該遺漏掉“溶液”,雖然單獨(dú)的“溶液”在這里不屬于預(yù)先定義的五個(gè)實(shí)體類別,但“溶液”接在“NaCl”后便有了不同的實(shí)體含義。圖1 為化學(xué)數(shù)據(jù)集中的標(biāo)注示例。

    圖1 化學(xué)數(shù)據(jù)集中的標(biāo)注示例

    3 融合偏旁特征的BiLSTM-CRF算法模型

    3.1 長短時(shí)記憶網(wǎng)絡(luò)

    循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)是針對(duì)序列標(biāo)注任務(wù)的重要神經(jīng)網(wǎng)絡(luò)模型,RNN輸入一個(gè)向量序列(x1,x2,…,xn),輸出的是一個(gè)包含狀態(tài)層位置信息的序列(y1,y2,…,yn)。通常,RNN 可以訓(xùn)練得到序列的距離依賴特性,但是往往學(xué)習(xí)到的是近距離的依賴,不擅長捕獲更復(fù)雜的長距離依賴。LSTM 在RNN 的基礎(chǔ)上添加了記憶單元以及Sigmoid 激躍函數(shù),能夠有效捕捉長期依賴關(guān)系。LSTM的記憶單元包括輸入門(it)、輸出門(ot)、遺忘門(ft)和細(xì)胞狀態(tài)(ct) ,c為tanh 網(wǎng)絡(luò)創(chuàng)建的備選值向量,其中輸入門和遺忘門的結(jié)果影響單元狀態(tài)的更新。公式解釋如下:

    其中σ是Sigmoid 激躍函數(shù),⊙是元素積,w是權(quán)重矩陣,b是偏差。我們使用雙向的LSTM 得到文本的字符向量。對(duì)于一個(gè)給定的句子(x1,x2,…,xn)包含了n個(gè)字符,每個(gè)字符都包含了一個(gè)d維的向量,正向的LSTM 能夠捕獲上文的依賴關(guān)系,得到一個(gè)隱層,在LSTM 的基礎(chǔ)上,加上一個(gè)反向的LSTM 得到下文的信息,將兩個(gè)隱層拼接成一個(gè)新的隱層,以此得到上下文的表示信息。

    3.2 條件隨機(jī)場

    LSTM 考慮的是輸入序列的上下文信息,條件隨機(jī)場還可以考慮實(shí)體標(biāo)簽之間的依賴關(guān)系。CRF是一種基于統(tǒng)計(jì)的序列標(biāo)注方法,給定的觀測序列X和輸入標(biāo)簽Y,CRF 通過條件概率P(Y|X)來判別,假設(shè)一個(gè)輸入序列X={x1,x2,xn},標(biāo)簽的序列為Y={y1,y2,yn},其中xi表示第i 個(gè)單詞的向量,yi第i個(gè)單詞對(duì)應(yīng)的標(biāo)簽,則對(duì)于給定序列X,隨機(jī)變量Y的條件概率可由以下公式表示:

    公式中tk(yi-1,yi,,X,i)表示相鄰輸出標(biāo)簽之間的轉(zhuǎn)移特征函數(shù),sl(yi,X,i)表示當(dāng)前觀測序列的狀態(tài)函數(shù),Z(X) 是規(guī)范因子,α,β為模型參數(shù),條件隨機(jī)場的訓(xùn)練過程中,使用最大似然估計(jì)L(αk,βl),選取對(duì)數(shù)似然最大的參數(shù),在訓(xùn)練集上(X),Y則有

    最大條件概率的標(biāo)簽序列為

    原始的CRF是統(tǒng)計(jì)每個(gè)實(shí)體對(duì)應(yīng)標(biāo)簽的分?jǐn)?shù),然后輸入給解碼器,而LSTM 中的CRF 是使用LSTM 傳上來的隱藏層狀態(tài)值yi作為統(tǒng)計(jì)分?jǐn)?shù),同時(shí)考慮了標(biāo)簽依賴關(guān)系,添加了限定特征。

    3.3 詞向量

    詞向量是一種分布式嵌入向量,詞向量是根據(jù)大樣本的語言數(shù)據(jù)中的分布屬性來量化和分類語言詞匯之間的語義相似性。最初的詞向量是獨(dú)熱編碼(one-hot),詞出現(xiàn)的位置標(biāo)記為1,其余為0,通過詞出現(xiàn)的頻率排序得到一個(gè)V 維的稀疏矩陣,該方法具有維度災(zāi)難和語義鴻溝的問題。通過對(duì)共現(xiàn)矩陣進(jìn)行矩陣分解,能夠得到更加稠密的詞向量,但求解計(jì)算復(fù)雜度較大。word2vec 是利用神經(jīng)網(wǎng)絡(luò)對(duì)詞的上下文訓(xùn)練得到詞向量化表示的一種工具,訓(xùn)練方法包括CBOW 和Skip-gram,優(yōu)化效率高,但只考慮了詞的局部信息,得到的是靜態(tài)的詞向量,且無法解決一詞多義問題。與獨(dú)熱編碼(one-hot),共現(xiàn)矩陣的矩陣分解,word2vec 等方法產(chǎn)生的靜態(tài)詞向量相比較,通過語言模型例如雙向LSTM,GPT,BERT 預(yù)訓(xùn)練得到的詞向量是動(dòng)態(tài)的,其本質(zhì)思想是用模型去動(dòng)態(tài)調(diào)整單詞的詞向量,使用時(shí)單詞因其在句子中的位置和語法結(jié)構(gòu)具備了特定的上下文信息,因此可以根據(jù)上下文語義動(dòng)態(tài)調(diào)整單詞的詞向量。傳統(tǒng)的分布式嵌入向量主要包括詞向量和字符向量(character embedding)。在英文或中文中,詞可以拆分為更小的字符,字符向量可以避免分詞的麻煩,能夠更好地解決未登陸詞問題。圖2 是帶有字符向量的BiLSTM-CRF 模型結(jié)構(gòu)。

    圖2 帶有字符向量的BiLSTM-CRF結(jié)構(gòu)

    3.4 偏旁部首向量

    偏旁部首向量(radical embedding)是分布式嵌入向量的一種表示形式,與詞向量相似,即將字或詞映射為相對(duì)低維空間的實(shí)數(shù)向量,數(shù)字空間中的鄰近性體現(xiàn)了代數(shù)語義關(guān)系,不同點(diǎn)在于它是詞根級(jí)別,包含了偏旁部首特征,是更細(xì)粒度的語義單位。中文是象形文字的代表,在語言學(xué)中,具有相同詞根的漢字通常具有相近的語義和語法用法,例如“鐵”和“鎂”,它們是擁有相似化學(xué)性質(zhì)的金屬,又如“氫氣”和“氦氣”,相同的“氣”字頭,具有相似的物理形態(tài)和化學(xué)性質(zhì)。在化學(xué)語料中,95%的化學(xué)元素由兩個(gè)部位組成(包括它的偏旁部首),化學(xué)實(shí)體擁有眾多的相似詞根,因此本實(shí)驗(yàn)針對(duì)化學(xué)實(shí)體,融合了詞根級(jí)的偏旁部首特征。在融合偏旁特征時(shí),使用了一個(gè)詞根映射的在線新華字典,其包括265個(gè)偏旁部首,20552個(gè)中文字符,每個(gè)字符在字典中都附有它的偏旁部首,例如<碘,石>。我們將化學(xué)元素以及中學(xué)化學(xué)語料中常見的偏旁部首列成表,如表2 所示。

    表2 化學(xué)語料常見偏旁部首與實(shí)體舉例

    偏旁部首向量的訓(xùn)練本文采用了雙向的LSTM模型,輸入模型的偏旁序列是未經(jīng)過預(yù)訓(xùn)練隨機(jī)初始化的50 維向量,字向量是經(jīng)過BiLSTM-CRF 模型預(yù)訓(xùn)練的100 維向量,最后將字向量和前向偏旁向量,后向偏旁向量拼接。結(jié)合了字向量和偏旁向量的“碳”字表示如圖3所示。

    圖3 結(jié)合字向量和偏旁向量的“碳”字表示

    4 實(shí)驗(yàn)與分析

    4.1 數(shù)據(jù)預(yù)處理

    實(shí)驗(yàn)數(shù)據(jù)來自于人教版高中化學(xué)教材,選取《人教版高中化學(xué)必修一》與人教版新課標(biāo)《高中化學(xué)選修4 化學(xué)反應(yīng)原理》的教師用書各兩章節(jié)作為語料,選取了中學(xué)化學(xué)實(shí)驗(yàn)作為語料,同時(shí)以《新課標(biāo)高中化學(xué)教學(xué)大綱》為指導(dǎo)。實(shí)驗(yàn)隨機(jī)劃分80%的中學(xué)化學(xué)語料為訓(xùn)練集,20%語料為測試集。此文本數(shù)據(jù)中存在大量的圖片和停用詞,如“的”,“了”,刪除這些干擾信息,同時(shí)將表格中的詞轉(zhuǎn)為文本形式,以保留可能的上下文信息,考慮到LSTM的距離依賴的有限性,將長句子切斷為20 至40 字左右。通過預(yù)處理共得到247條句子,1213個(gè)化學(xué)知識(shí)點(diǎn)實(shí)體。

    4.2 實(shí)驗(yàn)設(shè)置

    偏旁向量是隨機(jī)的50 維向量,經(jīng)過雙向LSTM和字典映射后,與預(yù)訓(xùn)練過的字向量拼接,其中字向量采用了在人民日?qǐng)?bào)語料上預(yù)訓(xùn)練過的維度為100 的字向量,為了降低網(wǎng)絡(luò)訓(xùn)練過擬合的風(fēng)險(xiǎn),設(shè)置初始學(xué)習(xí)率為0.001,訓(xùn)練輪次為100,每輪次訓(xùn)練數(shù)為64,每10輪為一個(gè)標(biāo)記點(diǎn),每次標(biāo)記點(diǎn)后學(xué)習(xí)率縮小為原來的一半,既保證了前期訓(xùn)練的速度,又有效防止過擬合。LSTM 尺寸為100,文本窗口大小設(shè)置為5,Dropout設(shè)置在每輪訓(xùn)練中以一定概率使部分神經(jīng)元失活,實(shí)驗(yàn)中Dropout設(shè)置為0.5時(shí),隨機(jī)生成的網(wǎng)絡(luò)結(jié)構(gòu)最多,泛化能力更強(qiáng),因此本實(shí)驗(yàn)設(shè)置Dropout為0.5。

    4.3 實(shí)驗(yàn)結(jié)果分析

    命名實(shí)體識(shí)別的基本評(píng)價(jià)指標(biāo)有精準(zhǔn)率P(Precision Rate),召回率R(Recall Rate)和F1值,精準(zhǔn)率表示預(yù)測為正樣例的樣例占全部預(yù)測樣例的比率,召回率表示預(yù)測正確的正樣例占全部樣例中正樣例的比率,F(xiàn)1 值的計(jì)算方法為兩倍的精準(zhǔn)率與召回率的乘積再除以精準(zhǔn)率與召回率的和。本實(shí)驗(yàn)以F1 值為最終評(píng)價(jià)指標(biāo),針對(duì)特定領(lǐng)域中學(xué)化學(xué)語料,實(shí)驗(yàn)分別將本論文模型和CRF,BiLSTM-CRF,NCRF++做對(duì)比,實(shí)驗(yàn)結(jié)果如表3所示。

    表3 在中學(xué)化學(xué)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果

    在本實(shí)驗(yàn)的中學(xué)化學(xué)數(shù)據(jù)集上,以上模型召回率均比精準(zhǔn)率高,原因可能是此化學(xué)非結(jié)構(gòu)化文本中,負(fù)樣本遠(yuǎn)多于正樣本,例如某些章節(jié)中化學(xué)知識(shí)點(diǎn)實(shí)體較少,有些句子在描述實(shí)驗(yàn)的教學(xué)目標(biāo),教學(xué)設(shè)計(jì)等,對(duì)于眾多非實(shí)體的負(fù)樣本容易識(shí)別錯(cuò)誤。

    從CRF和BiLSTM-CRF模型結(jié)果對(duì)比可知,雙向LSTM 在精準(zhǔn)率,召回率,F(xiàn)1 值上均有不同程度的提升,加入了char embedding 的BiLSTM-CRF 在精準(zhǔn)率上提升了2%,NCRF++通過配置文件設(shè)置字向量和詞向量,更加靈活,較BiLSTM-CRF+char 模型結(jié)果更優(yōu),但當(dāng)融合了偏旁部首特征向量后,改進(jìn)的BiLSTM-CRF模型在中學(xué)化學(xué)數(shù)據(jù)集上,取得了最優(yōu)的F1值。

    5 結(jié)語

    本文以中學(xué)化學(xué)領(lǐng)域非結(jié)構(gòu)化信息為抽取對(duì)象,針對(duì)化學(xué)命名實(shí)體的領(lǐng)域特征,提出了融合偏旁部首特征的BiLSTM-CRF算法模型,通過偏旁向量、預(yù)訓(xùn)練的字符級(jí)向量和領(lǐng)域知識(shí)的結(jié)合,捕捉化學(xué)知識(shí)背后的語義信息,達(dá)到了對(duì)化學(xué)非結(jié)構(gòu)化文本實(shí)體精準(zhǔn)識(shí)別的目的,證明了當(dāng)沒有大規(guī)模的特定領(lǐng)域語料庫時(shí),偏旁部首特征的有效性。

    針對(duì)中學(xué)學(xué)科領(lǐng)域和本實(shí)驗(yàn),有待提高的部分,例如能否將詞向量、字向量、詞根向量統(tǒng)一在一個(gè)模型之中,以及如何將BERT 等大規(guī)模無標(biāo)注預(yù)訓(xùn)練模型和領(lǐng)域知識(shí)相結(jié)合,充分融合知識(shí)與數(shù)據(jù)的優(yōu)勢,使深度學(xué)習(xí)模型具有更好的魯棒性和可解釋性。后續(xù)工作將圍繞上述部分繼續(xù)展開。

    猜你喜歡
    偏旁部首中學(xué)化學(xué)語料
    “四步”解答中學(xué)化學(xué)工藝流程題
    基于微課的中學(xué)化學(xué)教學(xué)探討
    活力(2019年21期)2019-04-01 12:18:14
    臺(tái)字找偏旁部首
    移字謎
    寫好偏旁部首(四)
    寫好偏旁部首(一)
    基于語料調(diào)查的“連……都(也)……”出現(xiàn)的語義背景分析
    華語電影作為真實(shí)語料在翻譯教學(xué)中的應(yīng)用
    《苗防備覽》中的湘西語料
    國內(nèi)外語用學(xué)實(shí)證研究比較:語料類型與收集方法
    一级毛片黄色毛片免费观看视频| 国产免费一区二区三区四区乱码| 在线观看人妻少妇| 少妇被粗大的猛进出69影院| 国产主播在线观看一区二区 | 伊人亚洲综合成人网| 国产成人精品在线电影| 国产av一区二区精品久久| 免费在线观看完整版高清| 亚洲成人手机| 欧美日韩综合久久久久久| 男女高潮啪啪啪动态图| 捣出白浆h1v1| 一本综合久久免费| 电影成人av| 无遮挡黄片免费观看| 精品少妇久久久久久888优播| 久久女婷五月综合色啪小说| 欧美日韩亚洲高清精品| 亚洲欧美清纯卡通| 操出白浆在线播放| av有码第一页| 丁香六月天网| 亚洲成人手机| 婷婷丁香在线五月| 99国产综合亚洲精品| 国产亚洲精品第一综合不卡| 不卡av一区二区三区| 亚洲av电影在线观看一区二区三区| 精品一区二区三区四区五区乱码 | 精品国产乱码久久久久久小说| 日本欧美视频一区| 免费在线观看视频国产中文字幕亚洲 | 国产高清不卡午夜福利| 在线观看人妻少妇| 啦啦啦在线观看免费高清www| 成人免费观看视频高清| 97人妻天天添夜夜摸| 国产女主播在线喷水免费视频网站| 亚洲美女黄色视频免费看| 成人三级做爰电影| 精品少妇内射三级| 免费在线观看视频国产中文字幕亚洲 | 两性夫妻黄色片| 亚洲av男天堂| 两个人看的免费小视频| 久久精品国产综合久久久| 亚洲欧美激情在线| 精品亚洲成a人片在线观看| 欧美黄色片欧美黄色片| 国产91精品成人一区二区三区 | 一本综合久久免费| 亚洲五月色婷婷综合| 欧美 日韩 精品 国产| 伊人久久大香线蕉亚洲五| 国产又爽黄色视频| 欧美97在线视频| 国产在线视频一区二区| 丝瓜视频免费看黄片| 午夜免费男女啪啪视频观看| 欧美日韩综合久久久久久| 香蕉丝袜av| 亚洲天堂av无毛| av网站免费在线观看视频| 丝袜美腿诱惑在线| 国产一区二区激情短视频 | 尾随美女入室| 建设人人有责人人尽责人人享有的| 亚洲三区欧美一区| 国产男女超爽视频在线观看| 久久精品国产亚洲av高清一级| 视频在线观看一区二区三区| 亚洲人成电影免费在线| 国产在线观看jvid| 亚洲精品日本国产第一区| 成人国产av品久久久| 亚洲成色77777| 乱人伦中国视频| av在线播放精品| 免费人妻精品一区二区三区视频| 亚洲 国产 在线| √禁漫天堂资源中文www| 肉色欧美久久久久久久蜜桃| 1024香蕉在线观看| 男女免费视频国产| 99香蕉大伊视频| 啦啦啦在线观看免费高清www| 久久国产精品人妻蜜桃| 日本猛色少妇xxxxx猛交久久| 啦啦啦在线观看免费高清www| 又大又黄又爽视频免费| 欧美少妇被猛烈插入视频| 可以免费在线观看a视频的电影网站| 欧美精品av麻豆av| 亚洲色图综合在线观看| 老司机在亚洲福利影院| 婷婷色av中文字幕| 天天躁日日躁夜夜躁夜夜| 丰满饥渴人妻一区二区三| 国产xxxxx性猛交| 精品国产超薄肉色丝袜足j| 午夜福利视频精品| 在线av久久热| 大型av网站在线播放| 国产三级黄色录像| 亚洲欧美激情在线| 天堂8中文在线网| 菩萨蛮人人尽说江南好唐韦庄| 日韩熟女老妇一区二区性免费视频| 妹子高潮喷水视频| 亚洲伊人久久精品综合| 波野结衣二区三区在线| 色精品久久人妻99蜜桃| 两人在一起打扑克的视频| 青青草视频在线视频观看| 又紧又爽又黄一区二区| 嫩草影视91久久| 好男人电影高清在线观看| 午夜福利视频在线观看免费| 亚洲 国产 在线| 在线观看免费视频网站a站| 亚洲精品国产区一区二| 亚洲精品久久成人aⅴ小说| 丝袜美腿诱惑在线| 国产国语露脸激情在线看| 久久人人爽av亚洲精品天堂| 午夜激情av网站| 免费黄频网站在线观看国产| 国产亚洲欧美在线一区二区| 青草久久国产| 男女国产视频网站| 免费日韩欧美在线观看| 日本91视频免费播放| 色94色欧美一区二区| 视频在线观看一区二区三区| 性少妇av在线| 人人澡人人妻人| 精品少妇一区二区三区视频日本电影| 久久精品人人爽人人爽视色| 一本色道久久久久久精品综合| 亚洲国产精品成人久久小说| 五月开心婷婷网| 日韩大片免费观看网站| 精品国产超薄肉色丝袜足j| 大香蕉久久网| 爱豆传媒免费全集在线观看| 999精品在线视频| 黑丝袜美女国产一区| 亚洲国产欧美在线一区| 日韩中文字幕欧美一区二区 | 少妇猛男粗大的猛烈进出视频| 国产亚洲精品第一综合不卡| 国产成人影院久久av| 亚洲色图综合在线观看| 悠悠久久av| 欧美老熟妇乱子伦牲交| 亚洲中文av在线| 亚洲激情五月婷婷啪啪| 一级毛片黄色毛片免费观看视频| 又大又爽又粗| 看免费成人av毛片| 涩涩av久久男人的天堂| 狂野欧美激情性bbbbbb| 亚洲精品日本国产第一区| 亚洲精品av麻豆狂野| 免费av中文字幕在线| 操美女的视频在线观看| 中文字幕另类日韩欧美亚洲嫩草| 精品视频人人做人人爽| 999精品在线视频| 黄色视频在线播放观看不卡| 高清欧美精品videossex| 国产高清视频在线播放一区 | 黄色 视频免费看| 久久精品aⅴ一区二区三区四区| 91精品三级在线观看| 免费观看人在逋| 国产极品粉嫩免费观看在线| 高清av免费在线| 精品高清国产在线一区| 国语对白做爰xxxⅹ性视频网站| 亚洲成人手机| 欧美 亚洲 国产 日韩一| 天堂俺去俺来也www色官网| 精品视频人人做人人爽| 99国产精品一区二区蜜桃av | 国产精品久久久久久精品电影小说| 日本欧美视频一区| 在线看a的网站| 又粗又硬又长又爽又黄的视频| 2021少妇久久久久久久久久久| 欧美av亚洲av综合av国产av| 香蕉丝袜av| 一区在线观看完整版| 久久久国产一区二区| 韩国高清视频一区二区三区| 亚洲一码二码三码区别大吗| 中文字幕高清在线视频| 亚洲国产精品999| 亚洲av男天堂| 国产精品一二三区在线看| 99国产综合亚洲精品| 国产高清videossex| 男人舔女人的私密视频| 伊人亚洲综合成人网| 亚洲 欧美一区二区三区| 免费黄频网站在线观看国产| 99热国产这里只有精品6| 曰老女人黄片| 国产有黄有色有爽视频| 欧美国产精品va在线观看不卡| 宅男免费午夜| 操美女的视频在线观看| 黄色 视频免费看| 满18在线观看网站| 99久久99久久久精品蜜桃| 午夜免费男女啪啪视频观看| 婷婷丁香在线五月| 午夜视频精品福利| 大型av网站在线播放| 丁香六月欧美| 亚洲国产精品999| 成人国产av品久久久| 亚洲色图综合在线观看| 亚洲精品一二三| 七月丁香在线播放| 18禁观看日本| 亚洲美女黄色视频免费看| 日本欧美国产在线视频| www.999成人在线观看| 99久久精品国产亚洲精品| 亚洲成人免费电影在线观看 | 久久人人爽人人片av| 久久国产精品大桥未久av| 中文字幕最新亚洲高清| 男人添女人高潮全过程视频| 欧美黄色淫秽网站| 女人被躁到高潮嗷嗷叫费观| 欧美精品人与动牲交sv欧美| 最近手机中文字幕大全| 一二三四社区在线视频社区8| 午夜av观看不卡| 中文字幕最新亚洲高清| 亚洲精品日本国产第一区| 99国产精品一区二区三区| 狠狠精品人妻久久久久久综合| 午夜影院在线不卡| 97在线人人人人妻| 丝瓜视频免费看黄片| 国产欧美日韩一区二区三区在线| 欧美黄色片欧美黄色片| 国产欧美日韩精品亚洲av| 国产一区二区三区综合在线观看| 在线观看免费午夜福利视频| 大片免费播放器 马上看| 丁香六月天网| 男的添女的下面高潮视频| 国产高清videossex| 老汉色∧v一级毛片| 日韩,欧美,国产一区二区三区| 女人久久www免费人成看片| 51午夜福利影视在线观看| cao死你这个sao货| 国产有黄有色有爽视频| 夫妻性生交免费视频一级片| 久久人妻福利社区极品人妻图片 | svipshipincom国产片| 不卡av一区二区三区| 亚洲久久久国产精品| 国产成人一区二区三区免费视频网站 | av片东京热男人的天堂| 国产成人精品久久二区二区免费| 亚洲欧美激情在线| 午夜影院在线不卡| 午夜福利,免费看| 久久人妻福利社区极品人妻图片 | 国产成人精品久久二区二区免费| 不卡av一区二区三区| 少妇 在线观看| 亚洲av成人不卡在线观看播放网 | 国产精品偷伦视频观看了| 91精品国产国语对白视频| 国产在线观看jvid| 久久99精品国语久久久| 免费av中文字幕在线| 啦啦啦在线免费观看视频4| 一区二区三区乱码不卡18| 欧美日韩av久久| 纯流量卡能插随身wifi吗| 国产爽快片一区二区三区| 日韩,欧美,国产一区二区三区| 欧美激情 高清一区二区三区| 夫妻性生交免费视频一级片| 亚洲精品久久久久久婷婷小说| netflix在线观看网站| 国产精品国产av在线观看| 99香蕉大伊视频| 超碰成人久久| 国产91精品成人一区二区三区 | 一本久久精品| 久久久久久久大尺度免费视频| 久久久精品免费免费高清| 国产不卡av网站在线观看| videosex国产| 男的添女的下面高潮视频| 国产国语露脸激情在线看| 午夜激情久久久久久久| 一区二区三区激情视频| 色94色欧美一区二区| 国产男女内射视频| 午夜视频精品福利| 国产成人精品无人区| 色视频在线一区二区三区| 9热在线视频观看99| 亚洲av综合色区一区| 丝袜喷水一区| kizo精华| 人人妻人人澡人人爽人人夜夜| 日韩一本色道免费dvd| 欧美日韩一级在线毛片| 日韩大片免费观看网站| 黑人欧美特级aaaaaa片| 久久精品国产综合久久久| 亚洲精品国产区一区二| 女人久久www免费人成看片| 男女高潮啪啪啪动态图| 黑人巨大精品欧美一区二区蜜桃| 欧美xxⅹ黑人| 我的亚洲天堂| 自线自在国产av| 免费观看人在逋| 两个人看的免费小视频| 日韩一区二区三区影片| 看免费成人av毛片| 操出白浆在线播放| 啦啦啦在线免费观看视频4| 天天躁夜夜躁狠狠躁躁| 午夜福利在线免费观看网站| 中文字幕人妻熟女乱码| 中文字幕最新亚洲高清| 婷婷色综合www| 在线亚洲精品国产二区图片欧美| h视频一区二区三区| 最近中文字幕2019免费版| 久久精品亚洲av国产电影网| 熟女少妇亚洲综合色aaa.| 蜜桃国产av成人99| 香蕉丝袜av| 高潮久久久久久久久久久不卡| 在线观看一区二区三区激情| 亚洲色图 男人天堂 中文字幕| 色婷婷久久久亚洲欧美| 国产主播在线观看一区二区 | av一本久久久久| 老司机深夜福利视频在线观看 | 精品少妇一区二区三区视频日本电影| 中文字幕亚洲精品专区| 人妻 亚洲 视频| 你懂的网址亚洲精品在线观看| 亚洲人成电影免费在线| 丰满迷人的少妇在线观看| 欧美乱码精品一区二区三区| 国产欧美日韩一区二区三 | 亚洲精品自拍成人| 最近手机中文字幕大全| 日韩 欧美 亚洲 中文字幕| 大话2 男鬼变身卡| 一边亲一边摸免费视频| 欧美人与性动交α欧美软件| 国产午夜精品一二区理论片| 国产成人精品在线电影| 成人手机av| 中文字幕最新亚洲高清| 欧美精品啪啪一区二区三区 | 亚洲欧美激情在线| 性色av乱码一区二区三区2| 国产av国产精品国产| 久热这里只有精品99| 又大又黄又爽视频免费| 一级黄片播放器| 女人久久www免费人成看片| 国产精品 欧美亚洲| 国产精品久久久久久精品电影小说| av欧美777| 免费观看人在逋| 久久这里只有精品19| 国产免费视频播放在线视频| 国产无遮挡羞羞视频在线观看| 国产又色又爽无遮挡免| 美女大奶头黄色视频| 国产精品欧美亚洲77777| 五月天丁香电影| 成人午夜精彩视频在线观看| 亚洲一区二区三区欧美精品| 欧美精品啪啪一区二区三区 | 亚洲精品美女久久av网站| 男女边吃奶边做爰视频| 黑人巨大精品欧美一区二区蜜桃| 夫妻性生交免费视频一级片| 国产精品免费大片| 精品人妻一区二区三区麻豆| 成年美女黄网站色视频大全免费| 国产亚洲午夜精品一区二区久久| 999精品在线视频| 色网站视频免费| 两人在一起打扑克的视频| 中文乱码字字幕精品一区二区三区| 欧美人与善性xxx| 男人操女人黄网站| 亚洲精品av麻豆狂野| 三上悠亚av全集在线观看| 最近中文字幕2019免费版| 天堂8中文在线网| 91麻豆精品激情在线观看国产 | 亚洲人成77777在线视频| 脱女人内裤的视频| av欧美777| 丝袜美腿诱惑在线| 久久久国产一区二区| 免费看av在线观看网站| av网站免费在线观看视频| 无限看片的www在线观看| 90打野战视频偷拍视频| 50天的宝宝边吃奶边哭怎么回事| 在线观看免费视频网站a站| 亚洲精品乱久久久久久| 亚洲精品国产av蜜桃| 成年美女黄网站色视频大全免费| 欧美日韩亚洲国产一区二区在线观看 | 国产av精品麻豆| 各种免费的搞黄视频| 久久久久网色| 考比视频在线观看| 一区在线观看完整版| 国产成人精品久久二区二区免费| 日本欧美视频一区| 久久99精品国语久久久| 黄色视频在线播放观看不卡| 免费观看人在逋| 亚洲国产最新在线播放| 啦啦啦 在线观看视频| 亚洲国产精品一区三区| 欧美av亚洲av综合av国产av| 后天国语完整版免费观看| 亚洲国产精品成人久久小说| 老司机影院毛片| 中文字幕最新亚洲高清| 成年动漫av网址| 日本wwww免费看| 亚洲欧美精品综合一区二区三区| 少妇被粗大的猛进出69影院| 日韩一卡2卡3卡4卡2021年| 久久国产精品大桥未久av| 欧美xxⅹ黑人| 夫妻午夜视频| 美女视频免费永久观看网站| 久久国产精品大桥未久av| 国产男人的电影天堂91| 欧美日韩av久久| 欧美人与善性xxx| 国产男人的电影天堂91| 亚洲精品国产av蜜桃| 一级片免费观看大全| 精品福利观看| 最近最新中文字幕大全免费视频 | 欧美老熟妇乱子伦牲交| 99久久精品国产亚洲精品| 丝袜在线中文字幕| 色网站视频免费| 国产精品一区二区免费欧美 | 午夜免费成人在线视频| 十八禁人妻一区二区| 国产在视频线精品| 亚洲第一av免费看| 99热国产这里只有精品6| av国产久精品久网站免费入址| 久久久精品免费免费高清| 美女主播在线视频| 国产精品熟女久久久久浪| 亚洲国产精品999| 国产精品秋霞免费鲁丝片| 777久久人妻少妇嫩草av网站| 在线天堂中文资源库| xxx大片免费视频| 国产精品国产三级国产专区5o| av有码第一页| 午夜激情久久久久久久| 一区二区三区激情视频| 永久免费av网站大全| 一区二区三区乱码不卡18| 一级毛片黄色毛片免费观看视频| av电影中文网址| 叶爱在线成人免费视频播放| 欧美国产精品一级二级三级| 欧美+亚洲+日韩+国产| 国产黄色免费在线视频| 脱女人内裤的视频| 国产野战对白在线观看| 亚洲激情五月婷婷啪啪| 精品少妇内射三级| av视频免费观看在线观看| av福利片在线| 最近手机中文字幕大全| 最近中文字幕2019免费版| 最近手机中文字幕大全| 精品国产乱码久久久久久男人| 不卡av一区二区三区| 亚洲国产精品一区二区三区在线| 曰老女人黄片| 1024视频免费在线观看| 我要看黄色一级片免费的| 亚洲人成77777在线视频| 国产免费一区二区三区四区乱码| 国产在线视频一区二区| 黄色a级毛片大全视频| 1024香蕉在线观看| 久久久精品94久久精品| 巨乳人妻的诱惑在线观看| 在线av久久热| 91字幕亚洲| 国产成人一区二区三区免费视频网站 | 欧美日韩视频高清一区二区三区二| av视频免费观看在线观看| 少妇的丰满在线观看| 午夜视频精品福利| 十八禁人妻一区二区| 久久精品亚洲熟妇少妇任你| 久久鲁丝午夜福利片| www.熟女人妻精品国产| 极品少妇高潮喷水抽搐| 国产欧美日韩综合在线一区二区| 一区二区三区激情视频| 久久久久久久久久久久大奶| 亚洲国产欧美网| 一本一本久久a久久精品综合妖精| 少妇的丰满在线观看| 在线亚洲精品国产二区图片欧美| 国产成人精品久久二区二区91| 亚洲精品久久午夜乱码| 无遮挡黄片免费观看| 观看av在线不卡| 一边摸一边做爽爽视频免费| 免费观看av网站的网址| 久久国产亚洲av麻豆专区| 国产不卡av网站在线观看| 91麻豆av在线| 成年动漫av网址| 久久久久精品国产欧美久久久 | 97在线人人人人妻| 可以免费在线观看a视频的电影网站| 亚洲少妇的诱惑av| 精品国产一区二区久久| 国产亚洲av高清不卡| 18在线观看网站| 国产精品免费视频内射| 亚洲精品日韩在线中文字幕| 狂野欧美激情性bbbbbb| 国产福利在线免费观看视频| av国产久精品久网站免费入址| 久久鲁丝午夜福利片| 人人妻人人添人人爽欧美一区卜| 两个人免费观看高清视频| 婷婷丁香在线五月| 国产精品麻豆人妻色哟哟久久| e午夜精品久久久久久久| 久久人人97超碰香蕉20202| 免费观看a级毛片全部| 婷婷色av中文字幕| 波多野结衣一区麻豆| 亚洲av成人不卡在线观看播放网 | 亚洲av电影在线观看一区二区三区| 亚洲精品美女久久av网站| 亚洲欧美一区二区三区久久| 国产成人精品无人区| 天堂俺去俺来也www色官网| 亚洲人成电影观看| 亚洲熟女毛片儿| 嫁个100分男人电影在线观看 | 男女下面插进去视频免费观看| 2021少妇久久久久久久久久久| 国产亚洲精品久久久久5区| 亚洲精品国产av成人精品| 国产熟女欧美一区二区| 午夜福利影视在线免费观看| 国产av精品麻豆| 咕卡用的链子| 香蕉丝袜av| 在现免费观看毛片| 永久免费av网站大全| 一边摸一边抽搐一进一出视频| 天天操日日干夜夜撸| 老司机影院成人| 1024视频免费在线观看| 飞空精品影院首页| 18禁裸乳无遮挡动漫免费视频| 午夜福利一区二区在线看| 一级毛片女人18水好多 | 久久精品国产综合久久久| 国产亚洲精品久久久久5区| 黄色视频在线播放观看不卡| 一区二区三区精品91| 纯流量卡能插随身wifi吗| 国产成人91sexporn| av天堂在线播放| 91麻豆av在线| 免费看不卡的av| 久久久久久久久免费视频了| 亚洲精品美女久久久久99蜜臀 | 两个人免费观看高清视频| 成人18禁高潮啪啪吃奶动态图| 超色免费av| 亚洲av成人不卡在线观看播放网 | 亚洲精品久久午夜乱码| 你懂的网址亚洲精品在线观看| 久久人人爽人人片av|