• <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 ?

    基于用戶行為特征的微博謠言檢測(cè)*

    2023-08-02 07:08:50李艷君張海軍潘偉民
    關(guān)鍵詞:博文謠言準(zhǔn)確率

    李艷君 張海軍 潘偉民

    (新疆師范大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院 烏魯木齊 830054)

    1 引言

    盡管當(dāng)前情報(bào)學(xué)界并未對(duì)謠言進(jìn)行明確的定義與聲明,但大部分研究均認(rèn)為謠言是在網(wǎng)絡(luò)空間、社交圈等信息環(huán)境中,傳遞于用戶之間,并受到公眾關(guān)注的虛假信息[1]。新浪微博作為發(fā)展火熱的網(wǎng)絡(luò)交流工具之一,它的內(nèi)容不受限制,任何人通過成功申請(qǐng)賬號(hào),就可以發(fā)表自己的所見所聞,新鮮事件,這樣謠言就很容易被發(fā)酵,使其成為熱點(diǎn)事件。熱點(diǎn)事件一旦出現(xiàn),就會(huì)在微博迅速蔓延,然而網(wǎng)民的年齡、背景差異大,謠言傳播時(shí)部分群眾并不能很好地辨別,再加上從眾心里,謠言擴(kuò)散變得更加容易,它們的出現(xiàn),給人們難免會(huì)帶來(lái)恐慌,尤其是部分老人,更加偏向相信一些謠言,給人們身心健康帶來(lái)不必要的困擾。所以對(duì)新浪微博進(jìn)行謠言檢測(cè)研究具有非常重要的現(xiàn)實(shí)意義。

    目前基于用戶行為特征的謠言檢測(cè)主要從機(jī)器學(xué)習(xí)方法和深度學(xué)習(xí)方法兩方面來(lái)進(jìn)行謠言檢測(cè)。在機(jī)器學(xué)習(xí)方面,通過分析提取用戶行為特征及用戶信息特征,采用貝葉斯[2]、決策樹[3~5]、支持向量機(jī)[6]、隱馬爾可夫模型[7]等來(lái)進(jìn)行謠言檢測(cè)。而在深度學(xué)習(xí)方面,主要采用的方法有循環(huán)神經(jīng)網(wǎng)絡(luò)RNN,卷積神經(jīng)網(wǎng)絡(luò)CNN,長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)LSTM,注意力機(jī)制等方法。如Ma[2]等將一個(gè)微博事件使用兩種不同的文本表示法,即詞袋模型和神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型,并提出一種基于神經(jīng)網(wǎng)絡(luò)的模型學(xué)習(xí)文本的特征表示來(lái)進(jìn)行謠言檢測(cè)。Chen等[9],利用用戶評(píng)論中提取的特征,循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)合注意力機(jī)制,提高了謠言檢測(cè)準(zhǔn)確率。Ruchansky 等[10]提出一種CSI(capture,core,integrate)模型,采用RNN方法捕捉用戶行為進(jìn)行分類。劉政等[11]提出了基于卷積神經(jīng)網(wǎng)絡(luò)的謠言檢測(cè)方法,準(zhǔn)確率較之前研究提升了很多。Li[12]等使用共享的長(zhǎng)短期記憶(LSTM)將用戶可信度信息整合到謠言檢測(cè)層中,將注意力機(jī)制并在謠言檢測(cè)過程中,能得到很好的分類效果。廖祥文等[13]采用GRU 網(wǎng)絡(luò)來(lái)進(jìn)行謠言檢測(cè),將微博文本按照時(shí)間段分割,加入了局部用戶信息和文本特征信息從而提高了準(zhǔn)確率。

    以上各種基于用戶行為的謠言檢測(cè),雖然都能取得很好的效果,但對(duì)日益增長(zhǎng)的謠言檢測(cè)的需求而言,現(xiàn)有的基于用戶行為特征的謠言檢測(cè)方法還存在一些不足,主要表現(xiàn)在兩方面:一方面是在前人基于用戶的行為特征進(jìn)行檢測(cè)謠言時(shí),沒有留意句子之間關(guān)系的處理,本文通過ERNIE 方法預(yù)訓(xùn)練處理句子之間的關(guān)系,來(lái)增強(qiáng)句子之間的關(guān)系。另一方面是準(zhǔn)確率的提高。考慮到用戶的行為特征,提出UDUC算法來(lái)提高謠言檢測(cè)的準(zhǔn)確率。

    2 基于用戶行為特征的謠言檢測(cè)算法

    2.1 用戶行為特征選取

    本文主要選取用戶行為特征作為主要參數(shù),結(jié)合用戶信息特征與微博文本特征達(dá)到謠言檢測(cè)的目的。從眾多用戶行為特征中選取了準(zhǔn)確率不小于78%的4 個(gè)效果相對(duì)比較明顯的特征。同時(shí)選取了效果比較好的3 個(gè)用戶信息特征。將用戶行為特征和用戶信息特征以及微博文本特征組合在一起,對(duì)微博謠言信息進(jìn)行檢測(cè),來(lái)提升謠言檢測(cè)的效果。選擇的微博中用戶行為特征主要有:主動(dòng)發(fā)布微博(發(fā)布)、轉(zhuǎn)發(fā)微博帖子(轉(zhuǎn)發(fā))、微博帖子點(diǎn)贊(點(diǎn)贊)、評(píng)論微博帖子(評(píng)論)等行為。選擇的用戶信息特征有用戶的昵稱(昵稱),用戶的簡(jiǎn)介(簡(jiǎn)介),用戶在微博的認(rèn)證(認(rèn)證)等其他重要的用戶信息,具體如表1所示。

    表1 用戶特征表

    2.2 模型的構(gòu)建

    為了提升謠言檢測(cè)的準(zhǔn)確率,通過分析微博數(shù)據(jù)集中的用戶行為特征和用戶信息特征,以及微博文本內(nèi)容,查閱國(guó)內(nèi)外相關(guān)的謠言檢測(cè)方法,提出應(yīng)用ERNIE 模型和DPCNN 模型,將兩個(gè)模型相互融合,微調(diào)整模型的結(jié)構(gòu),使其提升檢測(cè)的效率與準(zhǔn)確率。模型結(jié)構(gòu)圖如圖1所示。

    圖1 基于用戶行為特征的微博謠言檢測(cè)模型

    大體結(jié)構(gòu)分為三層,分別為預(yù)訓(xùn)練數(shù)據(jù)層,特征提取層,分類層,最后輸出結(jié)果。首先將微博文本序列向量化,使用ERNIE 預(yù)訓(xùn)練處理好的數(shù)據(jù)集,作為模型的輸入,之后使用DPCNN 處理用戶信息和文本特征,最后鏈接全連接層,輸出分類的結(jié)果進(jìn)而實(shí)現(xiàn)微博謠言檢測(cè)。

    2.2.1 預(yù)訓(xùn)練數(shù)據(jù)層

    預(yù)訓(xùn)練數(shù)據(jù)層主要應(yīng)用ERNIE 模型。ERNIE模型通過連續(xù)學(xué)習(xí)獲取詞和句子之間的語(yǔ)義關(guān)系,通過語(yǔ)法級(jí)別預(yù)訓(xùn)練任務(wù),來(lái)更好地處理句子之間的關(guān)系。

    構(gòu)建詞法級(jí)別預(yù)訓(xùn)練任務(wù)中的知識(shí)掩碼任務(wù),用來(lái)獲取微博文本中的語(yǔ)義信息。構(gòu)建關(guān)系預(yù)測(cè)任務(wù)來(lái)預(yù)測(cè)微博文本中的關(guān)鍵詞,增強(qiáng)獲取微博文本中關(guān)鍵詞的能力。構(gòu)建語(yǔ)法級(jí)別的預(yù)訓(xùn)練任務(wù),來(lái)獲取訓(xùn)練數(shù)據(jù)中的語(yǔ)法信息。微博文本段落中不同句子之間的關(guān)系可以通過句子們的重排序任務(wù)使預(yù)訓(xùn)練的模型學(xué)習(xí)到。這個(gè)過程就相當(dāng)于一個(gè)多分類任務(wù),如式(1)所示,一個(gè)n 分類任務(wù),將微博文本隨機(jī)分成i 段,以此來(lái)判斷句子之間的關(guān)系。

    構(gòu)建三分類任務(wù)來(lái)判斷句子對(duì)之間的位置關(guān)系(包括相鄰的句子、同一個(gè)微博文本中非相鄰的句子、不是同一個(gè)微博文本中的句子)這3 種類別的關(guān)系,以便辨別句子之間的相關(guān)性,以此來(lái)更好地處理句子之間的關(guān)系。

    2.2.2 特征提取層

    特征提取層應(yīng)用的是DPCNN 模型。DPCNN有4 個(gè)明顯的優(yōu)勢(shì)來(lái)提取特征。第一個(gè)是用多尺寸卷積層進(jìn)行卷積。第二個(gè)是將維度固定,對(duì)特征進(jìn)行向下采樣。第三個(gè)就是采用了等長(zhǎng)卷積。第四個(gè)是應(yīng)用了殘差結(jié)構(gòu),幫助解決梯度消失和梯度爆炸問題,使訓(xùn)練效果更好。

    假設(shè)輸入固定的序列長(zhǎng)度為l,步長(zhǎng)為s,卷積核大小為n,當(dāng)輸入序列長(zhǎng)度不足時(shí),兩端各填補(bǔ)f個(gè)零,那么輸出序列p為

    選擇等長(zhǎng)卷積,在每個(gè)等長(zhǎng)卷積后使用大小是3和步長(zhǎng)是2的池化層。目的是把微博文本的長(zhǎng)度壓縮為原來(lái)的一半。之前是只能感知到2 個(gè)詞(PAD、以前)的長(zhǎng)度的信息,經(jīng)過該池化層后就能感知到4 個(gè)詞(PAD、以前、有、吃到)長(zhǎng)度的信息。以此來(lái)更好地處理特征。

    2.2.3 分類層

    將特征提取層得到的輸出結(jié)果輸入Softmax層,分類輸出結(jié)果S,判定該微博是否為謠言。

    其中,Relu 為線性修正單元激活函數(shù),W 為得到的權(quán)重矩陣,h為輸入的信息,b為偏置值。

    3 實(shí)驗(yàn)及數(shù)據(jù)分析

    3.1 數(shù)據(jù)集處理

    應(yīng)用經(jīng)典的2016 年Ma[14]所提供的公開數(shù)據(jù)集中的信息,其中包含的用戶行為特征有,發(fā)布微博,轉(zhuǎn)發(fā)微博,點(diǎn)贊微博,認(rèn)證等,還包括用戶的信息如用戶的昵稱,簡(jiǎn)介,描述以及文本內(nèi)容,用字典提取出需要的特征。首先去掉停用詞和特殊字符,之后按照7∶2∶1 的比例,將數(shù)據(jù)集分為訓(xùn)練集,測(cè)試集和驗(yàn)證集。其中謠言事件為2313 件,非謠言事件為2351件,共計(jì)微博總數(shù)為3805656條。

    3.2 實(shí)驗(yàn)設(shè)置

    實(shí)驗(yàn)中處理的微博文本數(shù)據(jù),用ERNIE 模型進(jìn)行處理,句子長(zhǎng)度設(shè)置為140。DPCNN 中的過濾器長(zhǎng)度采用3,步長(zhǎng)設(shè)置為2,dropout 設(shè)置為0.8,卷積核的數(shù)量設(shè)置為250,隱藏層的數(shù)量設(shè)置為768。輸入的長(zhǎng)度設(shè)置為256,如果數(shù)量不夠時(shí),采用0 填充。并且訓(xùn)練任務(wù)和測(cè)試任務(wù)以及驗(yàn)證任務(wù)的比例設(shè)置為7∶2∶1。最后通過Softmax 層進(jìn)行劃分。本文中的評(píng)價(jià)指標(biāo)就采用常用的準(zhǔn)確率(P)見式(4)、召回率(R)見式(5)以及F1 值(F1)見式(6)。

    其中,Tr表示正確識(shí)別謠言的數(shù)量;Fr表示未能正確識(shí)別謠言的數(shù)量;Fn表示沒能識(shí)別出來(lái)是否是謠言的數(shù)量。

    3.3 實(shí)驗(yàn)結(jié)果與分析

    3.3.1 用戶行為特征的參數(shù)選擇

    對(duì)不同的用戶行為特征進(jìn)行實(shí)驗(yàn)分析,數(shù)據(jù)集中所包含的用戶特征有:轉(zhuǎn)發(fā)數(shù)量、用戶ID、粉絲數(shù)量、轉(zhuǎn)發(fā)微博文本、用戶描述、用戶簡(jiǎn)介、所在城市、省份、朋友數(shù)量、用戶所在地、粉絲數(shù)量、驗(yàn)證與否、原始微博文本、圖片、狀態(tài)、創(chuàng)建時(shí)間、昵稱、性別、評(píng)論數(shù)量、用戶名等一系列特征。通過實(shí)驗(yàn)最終選取準(zhǔn)確率在78%之上的有效的用戶行為特征有:發(fā)布微博的文本、轉(zhuǎn)發(fā)微博的文本、用戶的昵稱、用戶的簡(jiǎn)介、用戶的微博認(rèn)證、用戶點(diǎn)贊和用戶評(píng)論等行為。這些特征都可以從數(shù)據(jù)集中直接獲取。

    3.3.2 特征有效性的驗(yàn)證

    為了證明選取的特征是有效的,使用上節(jié)提到的選取有效的特征來(lái)驗(yàn)證模型加入特征是對(duì)提高謠言檢測(cè)的效率有幫助。首先,將每個(gè)特征分別加入到模型中進(jìn)行訓(xùn)練,檢測(cè)結(jié)果為謠言的特征昵稱得到的準(zhǔn)確率為79%,簡(jiǎn)介得到的準(zhǔn)確率為81.2%,認(rèn)證結(jié)果為84.5%,發(fā)布結(jié)果為87.7%,轉(zhuǎn)發(fā)準(zhǔn)確率最高為89.8%,點(diǎn)贊為82.2%,評(píng)論的準(zhǔn)確率為83%,得到的所有結(jié)果,采用常用的評(píng)價(jià)指標(biāo):準(zhǔn)確率P、召回率R 以及F1 值。其中T 表示分類結(jié)果為謠言,所有的實(shí)驗(yàn)結(jié)果如表2所示。

    表2 特征驗(yàn)證結(jié)果表

    從表2 可以看出,本文驗(yàn)證的特征分別可以得到很好的檢測(cè)效果。其中轉(zhuǎn)發(fā)的特征最有效,準(zhǔn)確率89.8%,F(xiàn)1 值90%,從表中可以明確的看出選取的各個(gè)特征在融合之后,對(duì)提高檢測(cè)的準(zhǔn)確率是有效的。

    為了進(jìn)一步驗(yàn)證特征的有效性,分別對(duì)不同的特征進(jìn)行融合,作對(duì)比實(shí)驗(yàn)。由于昵稱、簡(jiǎn)介、認(rèn)證三個(gè)特征在上面的實(shí)驗(yàn)中效果還是不盡如人意,但是三個(gè)特征結(jié)合在一起的結(jié)果是達(dá)到預(yù)期目標(biāo)的,所以將三個(gè)特征作為固定特征,再加上剩下的用戶行為特征,分別做不同的組合實(shí)驗(yàn),來(lái)進(jìn)一步驗(yàn)證特征的有效性。

    首先固定特征加上發(fā)布特征,得到的準(zhǔn)確率為0.796,固定特征加上轉(zhuǎn)發(fā)特征得到的準(zhǔn)確率為0.801,固定特征加上用戶點(diǎn)贊特征得到的準(zhǔn)確率為0.786,固定特征加上評(píng)論特征得到的準(zhǔn)確率為0.831。固定特征加上發(fā)布與轉(zhuǎn)發(fā)兩個(gè)特征得到的準(zhǔn)確率為0.873,依此類推,再依次加上點(diǎn)贊和評(píng)論兩個(gè)特征,得到的準(zhǔn)確率分別為,0.886,0.901。詳細(xì)的數(shù)據(jù)信息如圖2所示。

    圖2 固定特征與不同特征組合的結(jié)果

    通過圖中的數(shù)據(jù)說(shuō)明,加入單個(gè)的特征提升的效果不明顯,甚至要低,如圖中所示點(diǎn)贊的用戶行為特征對(duì)比不加入特征的準(zhǔn)確率(0.798)低0.012,只有特征相互融合兩個(gè)或兩個(gè)以上,可以有更加明顯的提高。如圖2 所示,發(fā)布與轉(zhuǎn)發(fā)特征的融合準(zhǔn)確率提升了0.075,轉(zhuǎn)發(fā)發(fā)布和點(diǎn)贊的效果提升了0.088,本文所選出的所有特征融合之后得到的結(jié)果提升了0.103,所以用戶行為特征對(duì)謠言檢測(cè)的準(zhǔn)確率提升是有所幫助的。

    3.3.3 不同模型的分類結(jié)果對(duì)比

    1)模型加入特征與否的比較

    本文首先只用微博文本進(jìn)行分類,將得到的結(jié)果與加入用戶行為特征進(jìn)行分類的實(shí)驗(yàn)作對(duì)比來(lái)驗(yàn)證特征的有效性,在不加入特征的情況下,得到的準(zhǔn)確率為79.82%、召回率80.35%以及F1 為80.08%,得到的結(jié)果不盡如人意。由上節(jié)可知,所有將選擇出來(lái)的特征組合之后來(lái)驗(yàn)證該條微博是謠言的分類結(jié)果,兩項(xiàng)結(jié)果對(duì)比如表3所示。

    表3 模型分類結(jié)果(%)

    由表3 可知,模型加上用戶行為特征后召回率為90.2%,F(xiàn)1 值為90.15%,準(zhǔn)確率為90.10%,所以提出的模型有效,分別比不加入特征的召回率,F(xiàn)1和準(zhǔn)確率提高了9.85%,10.07%,10.28%。并且根據(jù)上一節(jié)得到的結(jié)果可知,所有特征的組合比每個(gè)單獨(dú)的特征和部分組合特征的效果更好。

    2)與其他實(shí)驗(yàn)?zāi)P偷谋容^

    為了驗(yàn)證謠言的分類結(jié)果是有效的,采用RNN模型[14],LSTM模型[9],GRU模型[13]和本文提出的模型作對(duì)比。其中RNN 模型是首先被用到謠言檢測(cè)中的深度學(xué)習(xí)模型,并且與機(jī)器學(xué)習(xí)方法比較效果提升的很多,用該典型模型得到的實(shí)驗(yàn)結(jié)果,更加有說(shuō)服力。LSTM 模型是RNN 模型的升級(jí)版,解決的RNN 的記憶力問題,在謠言檢測(cè)方面應(yīng)用與RNN 相比較更加廣泛。而GRU 模型又是LSTM模型的變體,應(yīng)用起來(lái)更加便捷,本文的模型與這些應(yīng)用廣泛的模型相比較更具有說(shuō)服力,其實(shí)驗(yàn)結(jié)果如圖4所示。

    從圖3 中可以看出,RDUC 方法的分類效果的準(zhǔn)確率高于其他,主要是因?yàn)镋RNIE 和DPCNN 兩個(gè)模型的結(jié)合,可以雙重解決文本長(zhǎng)距離依賴的關(guān)系問題,ERNIE 還可以連續(xù)學(xué)習(xí),縮短處理數(shù)據(jù)的時(shí)間。DPCNN 緩解梯度消失的問題同時(shí)也加快了特征的傳遞。從圖中可以看出,模型得到的結(jié)果是最好的,相比于RNN 模型,準(zhǔn)確率提高了8.5%;相比于LSTM 模型,準(zhǔn)確率提高了5.5%;相比于GRU模型,準(zhǔn)確率提高了3%,可見本文提出的模型是有優(yōu)勢(shì)的。但是該模型處理實(shí)時(shí)數(shù)據(jù)時(shí)性能需要進(jìn)一步優(yōu)化提升,接下來(lái)的工作會(huì)重點(diǎn)集中在這一部分,來(lái)更好地完善模型。

    圖3 不同模型的實(shí)驗(yàn)結(jié)果對(duì)比圖

    4 結(jié)語(yǔ)

    本文提出了基于用戶行為特征的微博謠言檢測(cè)方法,主要使用用戶行為特征作為主要參數(shù),應(yīng)用ERNIE 和DPCNN 兩個(gè)模型的相互結(jié)合,結(jié)合ERNIE 模型的優(yōu)點(diǎn)高效的處理微博文本的上下文信息。結(jié)合DPCNN 的優(yōu)點(diǎn)解決文本的長(zhǎng)距離依賴問題,更進(jìn)一步的提高模型的準(zhǔn)確率。通過對(duì)比實(shí)驗(yàn)表明,本文所提出的RDUC 方法其模型的準(zhǔn)確率達(dá)到了90.1%,比其他模型效果更好一些,證明了模型的有效性。

    本文目前得到較好的結(jié)果,但還是有提升的空間,在數(shù)據(jù)處理方面主要應(yīng)用的是過去發(fā)生的謠言事件,沒有實(shí)時(shí)的謠言信息,不能保證達(dá)到實(shí)時(shí)檢測(cè)謠言的效果。因此,接下來(lái)的工作是結(jié)合用戶行為特征希望找到更加合適的方法來(lái)實(shí)現(xiàn)高準(zhǔn)確率的實(shí)時(shí)謠言檢測(cè)。

    猜你喜歡
    博文謠言準(zhǔn)確率
    中國(guó)使館駁斥荒謬謠言
    第一次掙錢
    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
    當(dāng)謠言不攻自破之時(shí)
    高速公路車牌識(shí)別標(biāo)識(shí)站準(zhǔn)確率驗(yàn)證法
    誰(shuí)和誰(shuí)好
    謠言
    謠言大揭秘
    777米奇影视久久| 亚洲色图综合在线观看| 麻豆精品久久久久久蜜桃| 免费黄频网站在线观看国产| 国产一区二区三区综合在线观看 | 精品午夜福利在线看| 久久韩国三级中文字幕| 国产在线一区二区三区精| 亚洲,欧美,日韩| 国产av码专区亚洲av| 日本午夜av视频| 国产高清国产精品国产三级| a级毛色黄片| 80岁老熟妇乱子伦牲交| 国产黄色免费在线视频| 精品久久国产蜜桃| 国产片特级美女逼逼视频| 乱码一卡2卡4卡精品| 久久久国产精品麻豆| 一区在线观看完整版| 青春草亚洲视频在线观看| 丰满少妇做爰视频| tube8黄色片| 性高湖久久久久久久久免费观看| 亚洲色图 男人天堂 中文字幕 | 午夜免费鲁丝| 99热全是精品| 不卡视频在线观看欧美| 日韩伦理黄色片| 人人妻人人添人人爽欧美一区卜| 婷婷色av中文字幕| 午夜福利,免费看| 18在线观看网站| √禁漫天堂资源中文www| 色婷婷久久久亚洲欧美| 午夜免费观看性视频| 大话2 男鬼变身卡| 国产精品欧美亚洲77777| 亚洲国产色片| 80岁老熟妇乱子伦牲交| 国产精品偷伦视频观看了| 免费av中文字幕在线| 亚洲国产色片| 日韩成人伦理影院| 男人操女人黄网站| 丝袜美足系列| 国产在线一区二区三区精| 国产成人精品在线电影| 日韩三级伦理在线观看| 熟女人妻精品中文字幕| 91精品一卡2卡3卡4卡| 精品亚洲成国产av| 国产精品人妻久久久久久| 91成人精品电影| 最新中文字幕久久久久| 成人黄色视频免费在线看| 国产欧美日韩综合在线一区二区| videossex国产| 高清毛片免费看| 色94色欧美一区二区| 又大又黄又爽视频免费| 一本久久精品| 国产一区有黄有色的免费视频| 大陆偷拍与自拍| 亚洲伊人久久精品综合| 日本欧美国产在线视频| 大又大粗又爽又黄少妇毛片口| 美女脱内裤让男人舔精品视频| 成人国语在线视频| a级毛片黄视频| 亚洲av成人精品一区久久| 天堂中文最新版在线下载| 亚洲av.av天堂| 国模一区二区三区四区视频| 成人综合一区亚洲| 亚洲精品久久久久久婷婷小说| 国产片内射在线| 久久精品国产亚洲网站| 精品视频人人做人人爽| 久久99蜜桃精品久久| 中国国产av一级| 国产精品国产三级国产专区5o| 在线播放无遮挡| 成人手机av| 人人妻人人添人人爽欧美一区卜| 蜜桃久久精品国产亚洲av| 久久精品人人爽人人爽视色| 国产精品人妻久久久影院| 大香蕉97超碰在线| 久热这里只有精品99| 亚洲国产精品一区二区三区在线| 免费av中文字幕在线| 久久精品国产亚洲网站| 国产精品一区二区三区四区免费观看| 国产精品秋霞免费鲁丝片| 18禁在线无遮挡免费观看视频| 国产日韩欧美亚洲二区| 欧美xxⅹ黑人| 青春草亚洲视频在线观看| 欧美亚洲日本最大视频资源| 你懂的网址亚洲精品在线观看| 国产一区亚洲一区在线观看| 久久精品夜色国产| 看免费成人av毛片| 中文字幕亚洲精品专区| 免费人成在线观看视频色| 成年人免费黄色播放视频| 日韩人妻高清精品专区| 亚洲欧美成人精品一区二区| 韩国高清视频一区二区三区| 亚洲人成网站在线播| 老司机亚洲免费影院| 久久99热6这里只有精品| 国产乱人偷精品视频| 蜜桃在线观看..| 99国产综合亚洲精品| 日韩av不卡免费在线播放| 久久久午夜欧美精品| 精品久久久久久电影网| 精品久久久精品久久久| av女优亚洲男人天堂| 欧美成人精品欧美一级黄| 亚洲三级黄色毛片| 天天影视国产精品| 国产一区二区三区综合在线观看 | 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 日韩中字成人| 国国产精品蜜臀av免费| 一区二区三区免费毛片| 精品一区二区三区视频在线| 人妻系列 视频| 日韩一区二区三区影片| 乱码一卡2卡4卡精品| 在线精品无人区一区二区三| 狠狠婷婷综合久久久久久88av| 中文欧美无线码| 亚洲av男天堂| 欧美日韩视频高清一区二区三区二| 一本一本综合久久| 国产欧美日韩一区二区三区在线 | 国产一区二区在线观看av| 午夜激情久久久久久久| 久久青草综合色| 国产精品国产三级国产专区5o| 免费大片黄手机在线观看| 美女国产视频在线观看| a级毛色黄片| 伦理电影大哥的女人| 中国三级夫妇交换| 天堂俺去俺来也www色官网| 精品人妻在线不人妻| 国产成人一区二区在线| 免费日韩欧美在线观看| 久热久热在线精品观看| 国产精品人妻久久久久久| 大话2 男鬼变身卡| 国产淫语在线视频| 午夜91福利影院| 热re99久久精品国产66热6| 亚洲国产毛片av蜜桃av| 国产免费福利视频在线观看| 99久久中文字幕三级久久日本| av卡一久久| 免费黄网站久久成人精品| 亚洲中文av在线| 亚洲天堂av无毛| 九色成人免费人妻av| 人妻夜夜爽99麻豆av| 久久久久久久亚洲中文字幕| 亚洲第一av免费看| 夜夜爽夜夜爽视频| av有码第一页| 久热久热在线精品观看| 久久久久网色| 黄色视频在线播放观看不卡| 免费久久久久久久精品成人欧美视频 | av国产精品久久久久影院| 美女国产高潮福利片在线看| av在线老鸭窝| 九草在线视频观看| 久久久午夜欧美精品| 国产精品国产三级国产av玫瑰| 亚洲精品av麻豆狂野| 少妇 在线观看| 男人添女人高潮全过程视频| 99国产综合亚洲精品| 少妇人妻久久综合中文| 亚洲精品av麻豆狂野| 成人二区视频| 亚洲久久久国产精品| 日韩av不卡免费在线播放| 五月玫瑰六月丁香| 国产69精品久久久久777片| 久久久国产精品麻豆| 高清av免费在线| 丰满饥渴人妻一区二区三| 久久女婷五月综合色啪小说| 一边亲一边摸免费视频| 亚洲精品乱码久久久v下载方式| 久久久久久久久久久久大奶| 日本爱情动作片www.在线观看| 国产免费又黄又爽又色| 视频区图区小说| 亚洲欧美中文字幕日韩二区| 亚洲人成77777在线视频| 一级a做视频免费观看| 在线亚洲精品国产二区图片欧美 | 性色av一级| 最近中文字幕2019免费版| 91久久精品国产一区二区三区| 亚洲图色成人| 成人手机av| 99久久精品国产国产毛片| 欧美激情国产日韩精品一区| 国国产精品蜜臀av免费| 欧美精品高潮呻吟av久久| 中文欧美无线码| 日本欧美国产在线视频| 精品卡一卡二卡四卡免费| 国产免费又黄又爽又色| 日韩精品有码人妻一区| 99热这里只有是精品在线观看| 在线天堂最新版资源| 青青草视频在线视频观看| tube8黄色片| 国产黄频视频在线观看| 午夜激情av网站| 波野结衣二区三区在线| 校园人妻丝袜中文字幕| 赤兔流量卡办理| 99热网站在线观看| a级毛色黄片| 亚洲无线观看免费| 纵有疾风起免费观看全集完整版| 爱豆传媒免费全集在线观看| 男女高潮啪啪啪动态图| 国产国拍精品亚洲av在线观看| 日韩欧美精品免费久久| 一个人免费看片子| 99国产精品免费福利视频| 久久久亚洲精品成人影院| 三级国产精品片| 99久久精品一区二区三区| 18在线观看网站| 亚洲精品国产色婷婷电影| 亚洲精品日本国产第一区| av黄色大香蕉| 黄色一级大片看看| 人妻夜夜爽99麻豆av| av免费在线看不卡| 一二三四中文在线观看免费高清| 一边摸一边做爽爽视频免费| 欧美激情国产日韩精品一区| 精品国产乱码久久久久久小说| 五月玫瑰六月丁香| 在线看a的网站| 精品国产一区二区久久| 久久青草综合色| 啦啦啦啦在线视频资源| 女性生殖器流出的白浆| 亚洲国产精品专区欧美| videossex国产| videos熟女内射| 日本黄大片高清| 精品一区二区免费观看| 欧美日韩视频精品一区| 亚洲国产精品一区三区| 久久精品国产亚洲网站| 国产成人午夜福利电影在线观看| av播播在线观看一区| 熟女av电影| 精品国产一区二区三区久久久樱花| 亚洲熟女精品中文字幕| 欧美日韩国产mv在线观看视频| 中文字幕免费在线视频6| 色网站视频免费| 日韩不卡一区二区三区视频在线| av国产精品久久久久影院| 国产欧美日韩一区二区三区在线 | 国产极品粉嫩免费观看在线 | 国产免费现黄频在线看| 成人毛片a级毛片在线播放| 国产男人的电影天堂91| 久久99热这里只频精品6学生| 欧美日韩av久久| 两个人免费观看高清视频| 人人妻人人澡人人看| 国产 精品1| 欧美变态另类bdsm刘玥| 国产精品国产三级专区第一集| 国产av精品麻豆| 成人国产av品久久久| 日韩中字成人| 日韩av免费高清视频| 久久99热6这里只有精品| 波野结衣二区三区在线| 青春草亚洲视频在线观看| 在线观看一区二区三区激情| 亚洲色图 男人天堂 中文字幕 | 99久久综合免费| 亚洲少妇的诱惑av| av.在线天堂| 天天操日日干夜夜撸| 免费av中文字幕在线| 秋霞在线观看毛片| 午夜免费男女啪啪视频观看| 久久久久久久久久久久大奶| a级毛片免费高清观看在线播放| 性色av一级| 欧美变态另类bdsm刘玥| 91国产中文字幕| 国精品久久久久久国模美| 国产日韩欧美亚洲二区| av网站免费在线观看视频| 美女xxoo啪啪120秒动态图| 亚洲精品第二区| 黄色一级大片看看| 日韩大片免费观看网站| 曰老女人黄片| 91精品一卡2卡3卡4卡| av免费观看日本| 日韩亚洲欧美综合| 永久网站在线| 女性被躁到高潮视频| 中文字幕人妻丝袜制服| av电影中文网址| 波野结衣二区三区在线| av国产久精品久网站免费入址| 国产成人精品福利久久| 日日爽夜夜爽网站| 岛国毛片在线播放| 在线观看免费高清a一片| 看免费成人av毛片| 卡戴珊不雅视频在线播放| 久久久久久久久久成人| 久久青草综合色| 欧美激情国产日韩精品一区| 久久99热这里只频精品6学生| 国产毛片在线视频| 精品少妇久久久久久888优播| 亚洲精品一二三| 亚洲精品国产色婷婷电影| 人妻 亚洲 视频| 欧美精品国产亚洲| 美女中出高潮动态图| 五月玫瑰六月丁香| 另类精品久久| a级毛片在线看网站| 最近手机中文字幕大全| 国产日韩欧美在线精品| 狂野欧美激情性bbbbbb| 欧美变态另类bdsm刘玥| 男女边摸边吃奶| 综合色丁香网| 成年美女黄网站色视频大全免费 | 美女xxoo啪啪120秒动态图| 国产一区有黄有色的免费视频| 欧美日韩精品成人综合77777| 97精品久久久久久久久久精品| 精品国产露脸久久av麻豆| 观看美女的网站| 丝袜在线中文字幕| 熟女电影av网| 国产精品人妻久久久影院| 国产亚洲一区二区精品| 母亲3免费完整高清在线观看 | 两个人免费观看高清视频| 一区在线观看完整版| 国产精品99久久99久久久不卡 | 久久国产精品大桥未久av| 色视频在线一区二区三区| 两个人免费观看高清视频| 最黄视频免费看| 午夜激情福利司机影院| 老司机影院毛片| 久久久国产一区二区| 内地一区二区视频在线| 超色免费av| 中文乱码字字幕精品一区二区三区| 成人亚洲精品一区在线观看| 亚洲av电影在线观看一区二区三区| 亚洲精品中文字幕在线视频| 亚洲精品自拍成人| 高清欧美精品videossex| 日本黄色日本黄色录像| 2018国产大陆天天弄谢| 九九爱精品视频在线观看| 欧美亚洲 丝袜 人妻 在线| 热re99久久国产66热| 亚洲精品成人av观看孕妇| 成年美女黄网站色视频大全免费 | 久久这里有精品视频免费| 亚洲国产精品专区欧美| 在现免费观看毛片| 国产不卡av网站在线观看| 亚洲怡红院男人天堂| 国产视频内射| 国产男女超爽视频在线观看| 中文字幕最新亚洲高清| 在线观看免费视频网站a站| 一区二区av电影网| 亚洲成人一二三区av| 男女免费视频国产| 国产免费一区二区三区四区乱码| 一区二区日韩欧美中文字幕 | 高清午夜精品一区二区三区| 少妇猛男粗大的猛烈进出视频| 免费人成在线观看视频色| 午夜av观看不卡| av女优亚洲男人天堂| 欧美日韩一区二区视频在线观看视频在线| 人人妻人人添人人爽欧美一区卜| 久久精品熟女亚洲av麻豆精品| 天天躁夜夜躁狠狠久久av| 一二三四中文在线观看免费高清| av视频免费观看在线观看| 亚洲精品,欧美精品| 99九九在线精品视频| 日韩一区二区视频免费看| 精品久久久久久电影网| 国产视频内射| 成人毛片a级毛片在线播放| 美女cb高潮喷水在线观看| 国产精品人妻久久久久久| 日韩三级伦理在线观看| 国产乱来视频区| 亚洲精品乱码久久久久久按摩| 在现免费观看毛片| 在线天堂最新版资源| 大片免费播放器 马上看| 精品酒店卫生间| 亚洲,一卡二卡三卡| 一个人看视频在线观看www免费| 欧美少妇被猛烈插入视频| 成年女人在线观看亚洲视频| 日韩中文字幕视频在线看片| 久久久久久久久久久丰满| 五月伊人婷婷丁香| 超碰97精品在线观看| av在线观看视频网站免费| 韩国av在线不卡| 天天躁夜夜躁狠狠久久av| 黄色视频在线播放观看不卡| 18禁观看日本| 人成视频在线观看免费观看| 老司机影院成人| 亚洲精品aⅴ在线观看| 简卡轻食公司| 欧美精品一区二区大全| 亚洲国产色片| 男的添女的下面高潮视频| 欧美xxxx性猛交bbbb| 天天躁夜夜躁狠狠久久av| 少妇人妻精品综合一区二区| 91午夜精品亚洲一区二区三区| 最近2019中文字幕mv第一页| 亚洲精品自拍成人| 99热全是精品| 2022亚洲国产成人精品| 中文乱码字字幕精品一区二区三区| 国产成人精品久久久久久| 一本久久精品| 久久久久国产网址| 久久青草综合色| 十八禁网站网址无遮挡| 中文字幕最新亚洲高清| 亚洲人成网站在线观看播放| 九色成人免费人妻av| 免费少妇av软件| 中国三级夫妇交换| 中文字幕人妻熟人妻熟丝袜美| 国产一区二区在线观看av| 国产在线一区二区三区精| 最新中文字幕久久久久| 国产精品蜜桃在线观看| 婷婷色综合大香蕉| 中文字幕制服av| 哪个播放器可以免费观看大片| 啦啦啦啦在线视频资源| 欧美精品一区二区免费开放| 欧美丝袜亚洲另类| 国产 一区精品| 91精品国产九色| 日本色播在线视频| 国产精品久久久久久久久免| 中文欧美无线码| 在线观看www视频免费| 亚洲精品久久久久久婷婷小说| 免费高清在线观看日韩| 成人影院久久| 久久精品熟女亚洲av麻豆精品| 久久热精品热| 国产精品久久久久成人av| 成年人免费黄色播放视频| 精品少妇久久久久久888优播| 亚洲欧美成人精品一区二区| 九色成人免费人妻av| 免费少妇av软件| 自拍欧美九色日韩亚洲蝌蚪91| 久久久国产欧美日韩av| 成人国产av品久久久| 七月丁香在线播放| 亚洲精品久久成人aⅴ小说 | 人妻 亚洲 视频| 最近中文字幕高清免费大全6| 看十八女毛片水多多多| 热99国产精品久久久久久7| 视频在线观看一区二区三区| 三上悠亚av全集在线观看| 一级毛片 在线播放| 成人午夜精彩视频在线观看| xxxhd国产人妻xxx| 99视频精品全部免费 在线| 曰老女人黄片| 五月伊人婷婷丁香| 亚洲第一av免费看| 天堂8中文在线网| 99国产综合亚洲精品| 51国产日韩欧美| 国产精品一国产av| 免费黄频网站在线观看国产| 成人影院久久| 夫妻性生交免费视频一级片| 老司机影院成人| 欧美日韩在线观看h| 高清在线视频一区二区三区| 免费久久久久久久精品成人欧美视频 | 欧美日韩av久久| 国产熟女午夜一区二区三区 | 欧美另类一区| 久久久久国产网址| 人妻少妇偷人精品九色| 久久久久精品久久久久真实原创| 久久狼人影院| av在线播放精品| 满18在线观看网站| 晚上一个人看的免费电影| 国产成人精品婷婷| 欧美人与善性xxx| 国产在视频线精品| 汤姆久久久久久久影院中文字幕| 自线自在国产av| 有码 亚洲区| 黄色一级大片看看| 下体分泌物呈黄色| 26uuu在线亚洲综合色| 大又大粗又爽又黄少妇毛片口| 人人妻人人添人人爽欧美一区卜| 免费观看av网站的网址| 性色av一级| 五月玫瑰六月丁香| www.av在线官网国产| 国产老妇伦熟女老妇高清| 五月伊人婷婷丁香| 欧美成人午夜免费资源| 多毛熟女@视频| 国产免费现黄频在线看| 一边摸一边做爽爽视频免费| 18禁裸乳无遮挡动漫免费视频| 在线精品无人区一区二区三| 2021少妇久久久久久久久久久| 哪个播放器可以免费观看大片| 免费黄频网站在线观看国产| 在线观看国产h片| 少妇高潮的动态图| 老司机亚洲免费影院| 成人黄色视频免费在线看| 青春草视频在线免费观看| 国精品久久久久久国模美| 国产精品 国内视频| 十八禁高潮呻吟视频| 久久久久人妻精品一区果冻| 国产av码专区亚洲av| 久久久精品区二区三区| 黑人高潮一二区| 日韩视频在线欧美| 久久精品久久精品一区二区三区| av.在线天堂| 久久久精品区二区三区| 又粗又硬又长又爽又黄的视频| 国产成人精品福利久久| 国产精品99久久99久久久不卡 | 在线观看一区二区三区激情| 久久午夜综合久久蜜桃| 国产av精品麻豆| 美女视频免费永久观看网站| 男女边吃奶边做爰视频| 美女脱内裤让男人舔精品视频| 婷婷色av中文字幕| 2018国产大陆天天弄谢| 夫妻性生交免费视频一级片| 国产69精品久久久久777片| xxx大片免费视频| 九草在线视频观看| 秋霞在线观看毛片| xxx大片免费视频| 久久久国产精品麻豆| 狂野欧美激情性bbbbbb| 一本—道久久a久久精品蜜桃钙片| 国产毛片在线视频| 亚洲国产色片| 美女国产视频在线观看| 伊人久久精品亚洲午夜| 久久精品夜色国产| 国产一区亚洲一区在线观看| 久久久久久久久久久免费av| 久久99热6这里只有精品| 精品久久蜜臀av无| 亚洲成色77777| 婷婷色av中文字幕| 黑人猛操日本美女一级片| 99国产综合亚洲精品| 亚洲国产成人一精品久久久| 激情五月婷婷亚洲| 99国产综合亚洲精品|