• <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
    老熟妇仑乱视频hdxx| 两性午夜刺激爽爽歪歪视频在线观看 | 777久久人妻少妇嫩草av网站| 国产高清视频在线播放一区 | 久久久久久久久免费视频了| av免费在线观看网站| av在线app专区| 亚洲视频免费观看视频| 性色av乱码一区二区三区2| 久久久国产成人免费| 欧美精品av麻豆av| 一边摸一边做爽爽视频免费| 精品人妻在线不人妻| 国产精品.久久久| 又大又爽又粗| 精品久久蜜臀av无| 不卡av一区二区三区| av线在线观看网站| 久久女婷五月综合色啪小说| 亚洲天堂av无毛| 久久ye,这里只有精品| 成年人午夜在线观看视频| 乱人伦中国视频| 性高湖久久久久久久久免费观看| 日本一区二区免费在线视频| 午夜福利视频精品| 亚洲精品一区蜜桃| 美女脱内裤让男人舔精品视频| 黄色片一级片一级黄色片| 黄色怎么调成土黄色| 麻豆乱淫一区二区| 欧美黑人精品巨大| 免费女性裸体啪啪无遮挡网站| 一区二区av电影网| 99久久99久久久精品蜜桃| 性色av一级| kizo精华| 亚洲精品中文字幕一二三四区 | 王馨瑶露胸无遮挡在线观看| 男女午夜视频在线观看| 最近中文字幕2019免费版| av福利片在线| 日日爽夜夜爽网站| 亚洲av成人不卡在线观看播放网 | 久久精品亚洲熟妇少妇任你| avwww免费| 满18在线观看网站| 久久久精品94久久精品| 亚洲欧美激情在线| 在线精品无人区一区二区三| 亚洲一卡2卡3卡4卡5卡精品中文| 免费一级毛片在线播放高清视频 | 美女高潮到喷水免费观看| 如日韩欧美国产精品一区二区三区| 亚洲欧洲精品一区二区精品久久久| 曰老女人黄片| 久久精品熟女亚洲av麻豆精品| 亚洲欧美一区二区三区黑人| 高清av免费在线| 色婷婷久久久亚洲欧美| 午夜福利乱码中文字幕| 亚洲av国产av综合av卡| 天堂8中文在线网| 建设人人有责人人尽责人人享有的| 少妇被粗大的猛进出69影院| 久久性视频一级片| 欧美久久黑人一区二区| 悠悠久久av| 99国产精品免费福利视频| 嫁个100分男人电影在线观看| 高清在线国产一区| 啦啦啦啦在线视频资源| 久久av网站| 又大又爽又粗| 中文字幕av电影在线播放| 国产成人欧美| 国产精品一区二区在线观看99| 久久这里只有精品19| 美女福利国产在线| 欧美av亚洲av综合av国产av| 一级片免费观看大全| 免费久久久久久久精品成人欧美视频| 777久久人妻少妇嫩草av网站| 久久精品aⅴ一区二区三区四区| 国产成人精品无人区| av又黄又爽大尺度在线免费看| 免费日韩欧美在线观看| av视频免费观看在线观看| 久久天躁狠狠躁夜夜2o2o| 午夜久久久在线观看| 丝袜脚勾引网站| 国产又色又爽无遮挡免| 美女主播在线视频| 夜夜骑夜夜射夜夜干| 免费少妇av软件| 69av精品久久久久久 | 不卡av一区二区三区| 日韩 欧美 亚洲 中文字幕| 国产福利在线免费观看视频| 久久午夜综合久久蜜桃| 狠狠精品人妻久久久久久综合| 女性生殖器流出的白浆| 成年女人毛片免费观看观看9 | 免费久久久久久久精品成人欧美视频| 欧美成人午夜精品| 国产精品九九99| 人人妻人人澡人人看| 亚洲国产欧美网| 91成人精品电影| 国产亚洲精品久久久久5区| 狂野欧美激情性xxxx| 国产成人精品在线电影| 亚洲国产欧美在线一区| 动漫黄色视频在线观看| 五月开心婷婷网| 极品人妻少妇av视频| 无限看片的www在线观看| 波多野结衣av一区二区av| 男女免费视频国产| 黑人欧美特级aaaaaa片| 丁香六月天网| 十八禁人妻一区二区| 我的亚洲天堂| 男女午夜视频在线观看| 这个男人来自地球电影免费观看| 91大片在线观看| 999久久久精品免费观看国产| 国产欧美日韩一区二区三 | 欧美精品亚洲一区二区| 国产一区二区三区综合在线观看| 日韩大片免费观看网站| 亚洲欧美日韩另类电影网站| 大香蕉久久网| 亚洲国产欧美在线一区| 欧美亚洲日本最大视频资源| 中文字幕人妻丝袜制服| 久久午夜综合久久蜜桃| 三上悠亚av全集在线观看| 国产成人精品在线电影| 丰满人妻熟妇乱又伦精品不卡| 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| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲一区中文字幕在线| 亚洲精品美女久久av网站| 午夜老司机福利片| 国产精品一区二区精品视频观看| 欧美激情 高清一区二区三区| 男人操女人黄网站| 美女福利国产在线| 久久精品aⅴ一区二区三区四区| 日本av免费视频播放| 精品卡一卡二卡四卡免费| 搡老岳熟女国产| 亚洲激情五月婷婷啪啪| 亚洲av成人一区二区三| 在线观看一区二区三区激情| 如日韩欧美国产精品一区二区三区| 99久久99久久久精品蜜桃| 丁香六月天网| 男人添女人高潮全过程视频| 国产熟女午夜一区二区三区| 俄罗斯特黄特色一大片| 1024视频免费在线观看| 大型av网站在线播放| 伊人亚洲综合成人网| 欧美日韩一级在线毛片| 人妻久久中文字幕网| av一本久久久久| 超碰成人久久| 国产成人欧美| 欧美在线黄色| 女人久久www免费人成看片| 91av网站免费观看| 精品国产乱码久久久久久小说| 午夜激情久久久久久久| 精品少妇内射三级| 国产精品国产三级国产专区5o| 国产又爽黄色视频| 久久中文字幕一级| 精品国产一区二区久久| 亚洲 欧美一区二区三区| 99热全是精品| 免费观看av网站的网址| 久久国产精品人妻蜜桃| 日本欧美视频一区| 国产极品粉嫩免费观看在线| 欧美成人午夜精品| 国产福利在线免费观看视频| 亚洲精品久久午夜乱码| h视频一区二区三区| 久久香蕉激情| 一级a爱视频在线免费观看| 国产一区二区三区综合在线观看| 久久久精品94久久精品| 丝袜在线中文字幕| 男女边摸边吃奶| 中文字幕高清在线视频| 日韩欧美一区二区三区在线观看 | 精品免费久久久久久久清纯 | 免费一级毛片在线播放高清视频 | 黑人巨大精品欧美一区二区蜜桃| 嫩草影视91久久| videosex国产| 操出白浆在线播放| 桃红色精品国产亚洲av| 久久av网站| 免费黄频网站在线观看国产| 久久久久久久国产电影| 久久久久网色| 亚洲国产精品成人久久小说| 美女国产高潮福利片在线看| 丝袜脚勾引网站| 国产在视频线精品| 99国产精品一区二区三区| 搡老熟女国产l中国老女人| 亚洲av成人一区二区三| 热99国产精品久久久久久7| 精品国产超薄肉色丝袜足j| 亚洲成人免费电影在线观看| 免费少妇av软件| 香蕉国产在线看| 国产99久久九九免费精品| 亚洲第一av免费看| 男女下面插进去视频免费观看| 少妇人妻久久综合中文| 一区二区三区激情视频| 亚洲国产精品999| 最新在线观看一区二区三区| 下体分泌物呈黄色| 午夜福利一区二区在线看| 三级毛片av免费| 午夜日韩欧美国产| kizo精华| 99热网站在线观看| 国产1区2区3区精品| 精品人妻一区二区三区麻豆| 69av精品久久久久久 | 欧美黑人欧美精品刺激| 精品国产一区二区久久| 九色亚洲精品在线播放| 久久毛片免费看一区二区三区| 少妇裸体淫交视频免费看高清 | 亚洲人成电影免费在线| 在线观看免费高清a一片| 男人舔女人的私密视频| 午夜福利在线免费观看网站| 久久ye,这里只有精品| 午夜视频精品福利| 国产不卡av网站在线观看| 中文欧美无线码| 亚洲伊人久久精品综合| 9热在线视频观看99| 少妇被粗大的猛进出69影院| 最黄视频免费看| 搡老乐熟女国产| 婷婷色av中文字幕| 免费观看人在逋| 91大片在线观看| 蜜桃国产av成人99| 18在线观看网站| 久久精品亚洲熟妇少妇任你| 久久国产精品男人的天堂亚洲| 中文字幕人妻熟女乱码| 午夜福利影视在线免费观看| 纯流量卡能插随身wifi吗| 最近最新免费中文字幕在线| 日日夜夜操网爽| 80岁老熟妇乱子伦牲交| 久久久国产成人免费| 日本av手机在线免费观看| 国产一级毛片在线| 欧美日韩中文字幕国产精品一区二区三区 | 一级片'在线观看视频| 淫妇啪啪啪对白视频 | 精品少妇一区二区三区视频日本电影| 美女高潮到喷水免费观看| av一本久久久久| 夜夜骑夜夜射夜夜干| 国产一区二区三区综合在线观看| 国产精品亚洲av一区麻豆| 免费在线观看影片大全网站| 中文字幕人妻丝袜制服| 老司机福利观看| 久久人人爽人人片av| av天堂在线播放| 69精品国产乱码久久久| 国产精品久久久久成人av| 在线天堂中文资源库| 国产熟女午夜一区二区三区| 午夜91福利影院| 久久亚洲国产成人精品v| 亚洲一卡2卡3卡4卡5卡精品中文| 侵犯人妻中文字幕一二三四区| 女性生殖器流出的白浆| 亚洲av电影在线观看一区二区三区| 亚洲国产成人一精品久久久| 香蕉丝袜av| 我的亚洲天堂| 无遮挡黄片免费观看| 操出白浆在线播放| 亚洲欧美日韩另类电影网站| 久久99一区二区三区| 欧美大码av| 韩国高清视频一区二区三区| 亚洲精品自拍成人| 91九色精品人成在线观看| 老汉色av国产亚洲站长工具| 中文字幕色久视频| 热99国产精品久久久久久7| 欧美老熟妇乱子伦牲交| 亚洲第一欧美日韩一区二区三区 | 精品熟女少妇八av免费久了| 亚洲欧美日韩高清在线视频 | 国产一级毛片在线| 国产精品秋霞免费鲁丝片| 亚洲欧美精品综合一区二区三区| av有码第一页| 国产成人a∨麻豆精品| 免费在线观看完整版高清| 日韩一卡2卡3卡4卡2021年| 又黄又粗又硬又大视频| 成在线人永久免费视频| 搡老乐熟女国产| 久热这里只有精品99| 亚洲人成电影免费在线| 免费在线观看影片大全网站| 亚洲国产精品一区二区三区在线| 夜夜骑夜夜射夜夜干| 他把我摸到了高潮在线观看 | 日韩欧美国产一区二区入口| 香蕉国产在线看| 91九色精品人成在线观看| 国产免费现黄频在线看| 久久久精品94久久精品| 国产精品久久久人人做人人爽| 日韩有码中文字幕| 少妇猛男粗大的猛烈进出视频| 老熟女久久久| 免费人妻精品一区二区三区视频| 人妻人人澡人人爽人人| 国产有黄有色有爽视频| 美女福利国产在线| 午夜免费观看性视频| 国产熟女午夜一区二区三区| 三上悠亚av全集在线观看| 91av网站免费观看| 人妻人人澡人人爽人人| 高清视频免费观看一区二区| 淫妇啪啪啪对白视频 | 免费看十八禁软件| 王馨瑶露胸无遮挡在线观看| 国产精品九九99| 成人三级做爰电影| 国产精品一二三区在线看| 亚洲av欧美aⅴ国产| 久久久久久久久免费视频了| 国产日韩欧美在线精品| 香蕉国产在线看| 另类精品久久| 国产成人精品久久二区二区91| 一本大道久久a久久精品| 久久中文看片网| 成人影院久久| 日本91视频免费播放| 国产一区二区在线观看av| 亚洲 国产 在线| 精品熟女少妇八av免费久了| 亚洲av成人不卡在线观看播放网 | 欧美人与性动交α欧美软件| 黄频高清免费视频| 在线 av 中文字幕| 久久亚洲国产成人精品v| 99热网站在线观看| 免费少妇av软件| 成人国产av品久久久| 午夜两性在线视频| 午夜福利在线免费观看网站| 夜夜骑夜夜射夜夜干| kizo精华| 久久午夜综合久久蜜桃| 少妇精品久久久久久久| 亚洲avbb在线观看| 久久人人爽人人片av| 视频在线观看一区二区三区| 午夜日韩欧美国产| 欧美xxⅹ黑人| 亚洲 欧美一区二区三区| 日本黄色日本黄色录像| 国产人伦9x9x在线观看| 国产欧美日韩精品亚洲av| 两人在一起打扑克的视频| 日本五十路高清| 久久免费观看电影| 国产视频一区二区在线看| 中文字幕另类日韩欧美亚洲嫩草| 色婷婷久久久亚洲欧美| 美女高潮到喷水免费观看| 大片免费播放器 马上看| 一本一本久久a久久精品综合妖精| 人人妻人人添人人爽欧美一区卜| 搡老岳熟女国产| 中文精品一卡2卡3卡4更新| 国产高清视频在线播放一区 | 亚洲五月色婷婷综合| av超薄肉色丝袜交足视频| 少妇猛男粗大的猛烈进出视频| 久久国产精品大桥未久av| 制服人妻中文乱码| 久久久国产欧美日韩av| 一进一出抽搐动态| 好男人电影高清在线观看| 国产精品成人在线| www日本在线高清视频| 国产福利在线免费观看视频| 国产成人免费无遮挡视频| 亚洲人成77777在线视频| 丰满迷人的少妇在线观看| 深夜精品福利| svipshipincom国产片| 蜜桃在线观看..| 精品久久蜜臀av无| 精品视频人人做人人爽| 亚洲免费av在线视频| 国产精品麻豆人妻色哟哟久久| 日本一区二区免费在线视频| 午夜免费成人在线视频| 亚洲一卡2卡3卡4卡5卡精品中文| 极品少妇高潮喷水抽搐| 欧美日韩福利视频一区二区| 乱人伦中国视频| 成人黄色视频免费在线看| 在线亚洲精品国产二区图片欧美| 亚洲五月婷婷丁香| 成人av一区二区三区在线看 | 国产无遮挡羞羞视频在线观看| 永久免费av网站大全| 日韩 亚洲 欧美在线| 美女脱内裤让男人舔精品视频| 亚洲自偷自拍图片 自拍| videosex国产| 欧美性长视频在线观看| 国产伦人伦偷精品视频| 亚洲专区国产一区二区| 满18在线观看网站| 国产视频一区二区在线看| 亚洲精华国产精华精| 一区二区三区激情视频| a级毛片在线看网站| 亚洲成人免费电影在线观看| 亚洲一区二区三区欧美精品| 国产成人欧美| 欧美精品高潮呻吟av久久| 视频区图区小说| 国产精品一二三区在线看| 精品熟女少妇八av免费久了| 久久久久久人人人人人| 久久人妻熟女aⅴ| 精品卡一卡二卡四卡免费| 女性生殖器流出的白浆| 女性被躁到高潮视频| 久久国产精品大桥未久av| 亚洲一区中文字幕在线| 亚洲,欧美精品.| av在线播放精品| 日韩欧美一区二区三区在线观看 | av天堂在线播放| 国产精品亚洲av一区麻豆| 老熟女久久久| √禁漫天堂资源中文www| 欧美+亚洲+日韩+国产| 两人在一起打扑克的视频| 成人av一区二区三区在线看 | 脱女人内裤的视频| 欧美 亚洲 国产 日韩一| 五月开心婷婷网| 50天的宝宝边吃奶边哭怎么回事| 天天影视国产精品| 男女高潮啪啪啪动态图| 天天躁狠狠躁夜夜躁狠狠躁| 午夜成年电影在线免费观看| 少妇精品久久久久久久| 国产高清videossex| 亚洲第一青青草原| 亚洲国产精品一区三区| 国产欧美日韩精品亚洲av| 欧美国产精品一级二级三级| 亚洲,欧美精品.| 一级毛片电影观看| 啦啦啦 在线观看视频| 久久人人爽av亚洲精品天堂| 国产精品av久久久久免费| 美女福利国产在线| 美女大奶头黄色视频| 午夜福利视频精品| 成年美女黄网站色视频大全免费| 国产1区2区3区精品| 免费观看av网站的网址| 99国产精品99久久久久| 性高湖久久久久久久久免费观看| 午夜久久久在线观看| 18禁国产床啪视频网站| 久久久精品94久久精品| 国产免费现黄频在线看| 黄色怎么调成土黄色| 大陆偷拍与自拍| 777久久人妻少妇嫩草av网站| 国产福利在线免费观看视频| 999精品在线视频| 亚洲五月婷婷丁香| 国产野战对白在线观看| 操美女的视频在线观看| av视频免费观看在线观看| 久久久国产一区二区| 在线观看免费视频网站a站| 免费av中文字幕在线| 在线观看人妻少妇| 精品久久蜜臀av无| 在线观看免费视频网站a站| 欧美另类一区| 国产又色又爽无遮挡免| 午夜免费鲁丝| 成年人免费黄色播放视频| 欧美大码av| 国产在线视频一区二区| 超碰成人久久| 青草久久国产| 国产精品99久久99久久久不卡| 国产欧美日韩一区二区精品| 精品高清国产在线一区| 亚洲一区二区三区欧美精品| 国产成+人综合+亚洲专区| 国产免费福利视频在线观看| 亚洲欧美激情在线| 国产精品偷伦视频观看了| 日本五十路高清| 精品熟女少妇八av免费久了| 亚洲国产看品久久| 别揉我奶头~嗯~啊~动态视频 | 午夜福利免费观看在线| 亚洲国产精品成人久久小说| 国产一区二区三区av在线| 91字幕亚洲| 丰满人妻熟妇乱又伦精品不卡| 人妻 亚洲 视频| 国产成人免费无遮挡视频| 国产伦理片在线播放av一区| 丝袜美足系列| 一级片免费观看大全| 精品福利观看| 嫁个100分男人电影在线观看| 天堂俺去俺来也www色官网| 操出白浆在线播放| 国产亚洲精品第一综合不卡| 777米奇影视久久| av欧美777| 成人影院久久| 少妇裸体淫交视频免费看高清 | 久9热在线精品视频| 激情视频va一区二区三区| 首页视频小说图片口味搜索| h视频一区二区三区| av在线播放精品| 大香蕉久久网| 精品福利观看| 最新的欧美精品一区二区| 免费在线观看影片大全网站| 国产男女内射视频| 国产欧美日韩一区二区三 | av在线老鸭窝| 亚洲欧美日韩高清在线视频 | 19禁男女啪啪无遮挡网站| 国产精品熟女久久久久浪| 中文字幕另类日韩欧美亚洲嫩草| 999精品在线视频| 美女扒开内裤让男人捅视频| 午夜福利一区二区在线看| 搡老熟女国产l中国老女人| 肉色欧美久久久久久久蜜桃| 一区二区三区激情视频| 欧美xxⅹ黑人| 女人被躁到高潮嗷嗷叫费观| 亚洲欧洲日产国产| 国产又色又爽无遮挡免| 亚洲国产欧美网| 欧美激情高清一区二区三区| 黄色视频在线播放观看不卡| 在线观看免费日韩欧美大片| 大片免费播放器 马上看| 天天操日日干夜夜撸| 亚洲全国av大片| 免费在线观看黄色视频的| 女人高潮潮喷娇喘18禁视频| 9色porny在线观看| 中文字幕人妻丝袜一区二区| 在线 av 中文字幕| 美女脱内裤让男人舔精品视频| 亚洲欧美精品综合一区二区三区| 国产区一区二久久| 久久久久网色| 久久99一区二区三区| 黑人操中国人逼视频| 国产精品av久久久久免费| 亚洲国产欧美日韩在线播放| 女警被强在线播放| 亚洲国产精品999| 亚洲情色 制服丝袜| 中文字幕另类日韩欧美亚洲嫩草| 久久久久久人人人人人| 国产国语露脸激情在线看| 国产不卡av网站在线观看| 久久影院123| 国产一区二区三区在线臀色熟女 | 宅男免费午夜| 久久久精品94久久精品|