• <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 ?

    虛假評論特征提取檢測技術(shù)研究

    2023-10-31 09:39:16張锏予
    關(guān)鍵詞:評論者特征提取分類器

    張锏予

    (沈陽理工大學(xué) 信息科學(xué)與工程學(xué)院, 沈陽 110158)

    0 引 言

    隨著電子商務(wù)與互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展,消費(fèi)者的消費(fèi)方式也從傳統(tǒng)的線下消費(fèi)轉(zhuǎn)移到了線上購物。 而消費(fèi)者為選擇合適的商品,會參考商品的用戶評論信息。 消費(fèi)者判斷相關(guān)商家的誠信度和商品質(zhì)量的好壞會受到虛假評論的影響,這些虛假的評論信息會誘導(dǎo)消費(fèi)者對一些不符合實(shí)際的商家服務(wù)、商品價值、商品質(zhì)量等進(jìn)行選擇,嚴(yán)重干擾了消費(fèi)者的購物選擇,擾亂了網(wǎng)絡(luò)電商的運(yùn)營。

    針對網(wǎng)上購物場景中的虛假評論,本文采用評論特征提取檢測技術(shù),確定虛假評論中的標(biāo)識文本內(nèi)容,將虛假評論與其他真實(shí)評論區(qū)分開。 隨著機(jī)器學(xué)習(xí)的應(yīng)用與發(fā)展,虛假評論特征提取檢測技術(shù)的發(fā)展與日俱進(jìn)[1]。 但由于虛假評論是由商家或企業(yè)利用大量水軍發(fā)布的,而水軍可以通過多個賬號進(jìn)行評價,留下的痕跡難以捕捉,目前沒有先進(jìn)的技術(shù)可用于檢測這些虛假評論,所以高精確率、低成本要求、方便客戶操作和有效篩選的虛假評論特征提取技術(shù)的研究是未來的重點(diǎn)研究方向。

    1 相關(guān)工作

    虛假信息泛濫,品牌誠信對建立消費(fèi)者信任至關(guān)重要,置信度有可能直接轉(zhuǎn)化為利潤。 檢測過濾出虛假評論,對于確保在線評論反饋系統(tǒng)的完整性、可靠性至關(guān)重要。 目前主要有2 種解決方法:一種是基于傳統(tǒng)方法的特征提取檢測;另一種是基于深度學(xué)習(xí)的特征提取檢測方法。

    1.1 基于傳統(tǒng)方法的特征提取

    基于傳統(tǒng)的提取評論方法是根據(jù)事實(shí)情況,手動的核對虛假信息中的虛假內(nèi)容及觀點(diǎn),通過將信息表達(dá)與核實(shí)的真實(shí)表達(dá)比較,判斷評論信息的準(zhǔn)確度。 而手動核對虛假信息又可分為兩種方式,一種是基于專家的手動核查,通過對評論的整段評價,對詳述內(nèi)容的可靠性評級,對詞句、語法的正確表達(dá)進(jìn)行篩選、評價,保證評論提取的準(zhǔn)確率,但是當(dāng)評論檢測數(shù)量激增時,準(zhǔn)確性會大打折扣;另一種是眾包的方法,利用群眾的數(shù)量優(yōu)勢對評論進(jìn)行提取篩查,可以獲得較低的成本付出,但是人工方法檢測虛假評論的精度僅為57%,評論提取的準(zhǔn)確率不高是尚未解決的問題[2]。

    1.2 基于深度學(xué)習(xí)的特征提取

    隨著深度學(xué)習(xí)算法的不斷發(fā)展,深度學(xué)習(xí)算法也應(yīng)用在特征提取領(lǐng)域[3]。 卷積神經(jīng)網(wǎng)絡(luò)(CNN)被應(yīng)用在矩陣分解模型中,通過從評論中提取需要的特征量,對評論進(jìn)行評分預(yù)測,并通過概率矩陣分解達(dá)到特征提取的效果,但模型無法驗(yàn)證評論特征的重要程度。 Trans-Nets[4]通過拓展,構(gòu)建了基于并行神經(jīng)網(wǎng)絡(luò)的Deep-Conn 雙塔結(jié)構(gòu)模型,將隱藏層的引入作為評論描述和商品實(shí)際特點(diǎn)的轉(zhuǎn)化;而D-ATTN(Dual Attention model)模型以及NARRE(Neural Attentional Regression model with Reviewlevel Explanations)模型在Deep-Conn 模型的基礎(chǔ)上引入注意力機(jī)制,可以輕松的抓到評論文本中的中的關(guān)鍵要素及信息[5-6];DAML 模型集成了交互注意力機(jī)制,在捕獲用戶和商品特征后,展現(xiàn)用戶和特征評論的關(guān)聯(lián),特征交互由神經(jīng)因子分解機(jī)完成[7]。

    1.3 基于機(jī)器學(xué)習(xí)的特征提取

    基于機(jī)器學(xué)習(xí)提取特征包含4 個部分,分別是:基于文本內(nèi)容重復(fù)評論提取特征;基于評論人屬性與行為提取特征;基于評論主觀性的特征提??;基于特征融合的方法。

    1.3.1 基于文本內(nèi)容重復(fù)評論提取特征

    對于大部分發(fā)布虛假評論的用戶而言,不論評論的是同類型商品還是不同類型商品,虛假評價內(nèi)容都具有極高相似度[8]。 當(dāng)某些評論里的內(nèi)容和語言表達(dá)出現(xiàn)一定程度的相似或覆蓋時,就可將相似的部分作為特征提取的訓(xùn)練集,對訓(xùn)練集進(jìn)行虛假評論特征提取訓(xùn)練。

    1.3.2 基于評論人屬性與行為提取特征

    Hussain 開發(fā)了一個評論圖來捕捉評論、評論者和商店之間的互動,評論的真實(shí)性是可以計(jì)算的,但這種方法沒有使用任何評論文本信息[9]。 相比之下,Wang[10]提出的方法僅基于文本特征,研究了幾個特征類別對垃圾評論識別的影響,包括打分時間、內(nèi)容、情感、產(chǎn)品或個人資料特征。

    1.3.3 基于評論主觀性的特征提取

    從評論主觀性角度分析,需要引入情感特征。如果評論中的表達(dá)顯得過于吹捧或者詆毀,則很可能是虛假的無意義評論,因此可以通過情感分析體現(xiàn)評論內(nèi)容的主觀性和褒貶性。 在現(xiàn)有研究中,一般利用情感詞匯的極性對文本的情感傾向進(jìn)行評價,目前主要有利用情感詞數(shù)或利用情感詞典計(jì)算情感強(qiáng)度的加權(quán)得分兩種度量方法。

    1.3.4 基于特征融合的方法

    在檢測虛假評論時,不僅需要提取關(guān)于評論內(nèi)容的特征,還需要提取其他特征,如評論者信息、評論者關(guān)注數(shù)量、收藏商品等來輔助檢測。

    2 多機(jī)器學(xué)習(xí)分類器比較

    由于虛假評論與真實(shí)評論特征散亂,欺詐隱蔽性較強(qiáng),無明顯分布區(qū)分度,故而需要借助多種機(jī)器學(xué)習(xí)算法,進(jìn)行有監(jiān)督檢測學(xué)習(xí)。 當(dāng)前使用較多的機(jī)器學(xué)習(xí)分類器包括K 鄰近(KNN)、支持向量機(jī)(SVM)、樸素貝葉斯(NB)、決策樹(DT)等等。

    2.1 K 鄰近(KNN)

    K 鄰近算法分類是測量文本特征中不同特征值互相的距離。 假設(shè)特征空間中樣本的K個最鄰近的都同屬一種類型,那么在特征空間中的這個樣本也屬于這個類型。 KNN 算法具有很多優(yōu)點(diǎn),操作簡單、理論清晰且無需參數(shù)支持等。 在多種分類要求的問題上,KNN 可提供更高的效率及準(zhǔn)確度,但是KNN 算法對樣本數(shù)量的要求較高,需要使用很大的算力,內(nèi)存消耗大。

    2.2 支持向量機(jī)(SVM)

    支持向量機(jī)通過給定系統(tǒng)的訓(xùn)練樣本集,使得系統(tǒng)在訓(xùn)練樣本集中找到無數(shù)個超平面,區(qū)分不同類型的樣本。 通過超平面做分類的支持向量機(jī)無需將樣本集中的所有樣本進(jìn)行計(jì)算,可以提高運(yùn)算效率,節(jié)省內(nèi)存。 支持向量機(jī)的缺點(diǎn)是在計(jì)算時需要將一些沒有規(guī)章且維度較低的數(shù)據(jù),在核函數(shù)的映射下,映射到高維空間,且使用超平面將樣本區(qū)分,較為復(fù)雜。

    2.3 樸素貝葉斯(NB)

    樸素貝葉斯算法是貝葉斯公式和條件獨(dú)立假設(shè)方法的結(jié)合應(yīng)用。 當(dāng)文本中的某些特征項(xiàng)不能通過直接統(tǒng)計(jì)獲得,則可以使用概率公式進(jìn)行轉(zhuǎn)換,通過加強(qiáng)的假設(shè),將概率進(jìn)行乘法運(yùn)算,從而得到對應(yīng)的屬性概率。

    樸素貝葉斯算法可以設(shè)置先驗(yàn)概率,通過一系列簡單的數(shù)學(xué)計(jì)算就可以實(shí)現(xiàn),大大節(jié)省了內(nèi)存和運(yùn)算時間,缺點(diǎn)是僅適用于文本樣本,且樣本特征相互獨(dú)立。

    2.4 決策樹(DT)

    決策樹是一種基本的機(jī)器學(xué)習(xí)模型,可以用樹形圖表示的樹結(jié)構(gòu),以此表示各個屬性與其對象值之間的映射關(guān)系。 在決策樹的整體結(jié)構(gòu)中,每個葉節(jié)點(diǎn)代表一個待預(yù)測的標(biāo)簽類型,每個內(nèi)部節(jié)點(diǎn)對應(yīng)于一個屬性,如果某些節(jié)點(diǎn)具有與之相對應(yīng)的屬性,則二者之間可能存在分支。 針對提取的特征應(yīng)用決策樹進(jìn)行預(yù)測,通過遞歸分割過程,直至實(shí)現(xiàn)所有的子集包含一樣的目標(biāo)量,但決策樹算法在訓(xùn)練過程中時間成本較高。

    2.5 融合分類器(LGB)

    輕量級梯度提升分類器LGB 在不損害準(zhǔn)確率的條件下加快GBDT 模型的訓(xùn)練速度,且占用內(nèi)存更少,主要目的是利用弱分類器(決策樹)迭代訓(xùn)練以得到最優(yōu)模型,廣泛應(yīng)用于分類、預(yù)測等領(lǐng)域。

    3 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析

    3.1 數(shù)據(jù)集

    本文使用公開可用的Yelp 數(shù)據(jù)集,該數(shù)據(jù)集應(yīng)用廣泛且聲譽(yù)良好,采用Yelpzip 子集進(jìn)行實(shí)驗(yàn)。 該數(shù)據(jù)集中86.78%的數(shù)據(jù)被標(biāo)記為真實(shí)評論,13.22%為虛假評論,顯然非常不平衡。 因此,在建立相應(yīng)的分類模型之前,采用下采樣算法平衡數(shù)據(jù)集,減少分類器的識別誤差。 這種方法優(yōu)點(diǎn)是減少數(shù)據(jù)中的噪聲點(diǎn),避免過擬合,缺點(diǎn)是減少了可學(xué)習(xí)的數(shù)據(jù)量。

    3.2 實(shí)驗(yàn)特征提取

    Salminen J[11]分析得出在虛假評論檢測任務(wù)中,行為特征比單一文本特征更加有效。 故本文選用基于特征融合的方法提取Yelp 酒店和餐廳領(lǐng)域中行為和文本特征,并分析其有效性。

    (1)活躍時間窗(AW):虛假評論者很可能在短時間內(nèi)進(jìn)行評論,通常不是長期活躍的成員。 將該評論者的最后一次和第一次評論的時間戳之差作為活動窗口,檢測每一位評論者在指定時間窗內(nèi)的活躍度。 大多數(shù)的虛假評論者的活躍時間為2 個月,而真實(shí)評論者的活躍時間少于10 個月。

    (2)最大評論數(shù)(MNR):表示一天內(nèi)的最大評論數(shù)。 在數(shù)據(jù)中,約三分之一的虛假評論人在一天內(nèi)發(fā)布了所有的評論,大部分的虛假評論人每天寫6 條或更多的評論,而真實(shí)評論者的日評論率非常適中。

    (3)評論計(jì)數(shù)(RC):表示評論者的評論數(shù)量。大多數(shù)的虛假評論者發(fā)布評論數(shù)量在11 條之內(nèi),而半數(shù)的真實(shí)評論者評論數(shù)量超過40 條。 虛假評論者和真實(shí)評論者評論數(shù)量有明顯的區(qū)分。

    (4)正面評價百分比(PR):正面評價(高于3分)占全部評價的百分比越高越可疑。 大多數(shù)的虛假評論者的目標(biāo)是提升企業(yè)口碑,正面評級較多。而在現(xiàn)實(shí)生活中,由于評價標(biāo)準(zhǔn)不同,真實(shí)評論者的評級表現(xiàn)出均衡的分布趨勢,不同范圍的評論者擁有不同比例的正面評論。

    (5)評論長度(RL):大多數(shù)虛假評論的平均評論長度限制在135 個單詞以內(nèi),而大多數(shù)真實(shí)用戶的平均評論字符長度高于200 個字符。

    (6)評論人偏差(RD):虛假評論者偏離一般消費(fèi)者評級共識的數(shù)量。 為了測量評論者的偏差,首先計(jì)算一個評論人與同一產(chǎn)品的其他評論人之間的絕對評分偏差;其次,取其所有評論的所有評級偏差的平均值,計(jì)算該評論者的平均偏差。 在滿分為5的尺度上,偏差可以從0 ~4。 大多數(shù)真實(shí)評論人在五星尺度上的絕對偏差為0.6,這表明真實(shí)評論人與其他真實(shí)評論人對產(chǎn)品有評級共識,而大多數(shù)虛假評論者與真實(shí)評論者的評級偏差較大。

    (7)最大內(nèi)容相似度(MCS):即同一評論者的任意兩條評論內(nèi)容的余弦相似度。 大多數(shù)真實(shí)評論人在評論中幾乎沒有相似度(以0.16 余弦相似度為界);而大多數(shù)的虛假評論者在評論中有較高相似度。

    通過融合上述7 種互不相關(guān)的有效特征,可提高虛假評論檢測水平。 信息融合越全面,特征提取效率越高。

    3.3 實(shí)驗(yàn)結(jié)果分析

    由于消費(fèi)者在消費(fèi)前習(xí)慣于參考平臺的最新消費(fèi)評價信息,使得虛假評論往往在某一時間窗內(nèi)呈爆發(fā)趨勢。 選取Yelpzip 子集近兩年的評論數(shù)據(jù),并隨機(jī)選取其中80%數(shù)據(jù)集作為訓(xùn)練集,其余作為測試集,采用交叉驗(yàn)證法,比較不同分類模型的預(yù)測性能優(yōu)劣,分類結(jié)果見表1。 從召回率來看,LGB 模型是檢測效果最佳的模型。

    表1 交叉驗(yàn)證機(jī)器學(xué)習(xí)模型分類結(jié)果Tab.1 Classification results of different machine learning models%

    AUC(Area Under the Curve of ROC)是評估分類器性能的主流數(shù)值指標(biāo),能夠很好地平衡使用不同概率閾值的預(yù)測模型的真陽性率和假陽性率,所以針對嚴(yán)重不均衡的評論數(shù)據(jù)集,往往將高AUC值作為預(yù)測性能的首要評價指標(biāo)。 將下采樣法應(yīng)用于Yelp 數(shù)據(jù)集,機(jī)器學(xué)習(xí)模型分類結(jié)果見表2。 各個分類器模型的AUC值均有所提高,LGB 模型增長最為顯著,證實(shí)了基于分類器融合的有監(jiān)督方法在虛假評論檢測中具有較好效果,但需要在召回率和精度之間做出權(quán)衡。 此外,單純基于文本重復(fù)、評論人行為和評論主觀屬性中一方面進(jìn)行特征提取的檢測效果遠(yuǎn)低于多特征融合特征提取。 因此,虛假評論檢測精度與互不重疊的有效文本特征數(shù)呈正相關(guān)。

    表2 下采樣后機(jī)器學(xué)習(xí)模型分類結(jié)果Tab.2 Classification results after downsampling %

    4 結(jié)束語

    本文針對Yelp 數(shù)據(jù)集中的已標(biāo)注虛假評論,提取虛假評論的文本特征和行為特征,運(yùn)用多種機(jī)器學(xué)習(xí)比較融合的方法,對虛假評論進(jìn)行有監(jiān)督機(jī)器學(xué)習(xí)分類。 實(shí)驗(yàn)結(jié)果表明,Yelpzip 數(shù)據(jù)集極不均衡且虛假評論特征隱蔽性強(qiáng),有監(jiān)督方法在虛假評論檢測中具有一定效果;提出利用下采樣法在分類檢測過程中平衡檢測精度和召回率;有監(jiān)督方法在實(shí)際應(yīng)用中取得了較好效果,也可為下一步設(shè)計(jì)基于在線虛假評論特征自動提取檢測技術(shù)方法提供參考。

    猜你喜歡
    評論者特征提取分類器
    智珠2則
    基于D-S證據(jù)理論的電子商務(wù)虛假評論者檢測
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    Bagging RCSP腦電特征提取算法
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    基于情感特征和用戶關(guān)系的虛假評論者的識別
    基于評論關(guān)系圖的垃圾評論者檢測研究
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    亚洲aⅴ乱码一区二区在线播放| 变态另类成人亚洲欧美熟女| 美女大奶头视频| 国产黄a三级三级三级人| 性色avwww在线观看| 成年免费大片在线观看| 午夜免费男女啪啪视频观看 | 好看av亚洲va欧美ⅴa在| 99久久久亚洲精品蜜臀av| 香蕉av资源在线| 免费人成视频x8x8入口观看| 国产单亲对白刺激| 搡老熟女国产l中国老女人| 一区二区三区激情视频| 亚洲精品成人久久久久久| 久久国产乱子免费精品| 亚洲 国产 在线| 99久久成人亚洲精品观看| 亚洲国产精品久久男人天堂| 日韩欧美国产在线观看| 免费一级毛片在线播放高清视频| 亚洲av二区三区四区| 午夜影院日韩av| 免费高清视频大片| 欧美成人一区二区免费高清观看| 在线观看午夜福利视频| 久久久色成人| 美女 人体艺术 gogo| 在线播放国产精品三级| 真实男女啪啪啪动态图| 天堂影院成人在线观看| 757午夜福利合集在线观看| 亚洲成人精品中文字幕电影| 我要看日韩黄色一级片| 日韩高清综合在线| 国产亚洲欧美98| 日日摸夜夜添夜夜添小说| 在线观看免费视频日本深夜| 国产精品一区二区三区四区久久| 亚洲人成电影免费在线| 欧美高清成人免费视频www| 久久久久国产精品人妻aⅴ院| 免费一级毛片在线播放高清视频| 九色成人免费人妻av| 亚洲国产欧美人成| 亚洲av电影在线进入| 最近中文字幕高清免费大全6 | 亚洲国产精品999在线| 亚洲片人在线观看| 国产欧美日韩精品亚洲av| 俄罗斯特黄特色一大片| 夜夜爽天天搞| 麻豆国产av国片精品| 午夜福利成人在线免费观看| 亚洲av中文字字幕乱码综合| 午夜福利在线在线| 观看美女的网站| 最新在线观看一区二区三区| 韩国av一区二区三区四区| 精品人妻1区二区| 亚洲狠狠婷婷综合久久图片| 一级黄片播放器| 国产精品永久免费网站| 久久99热6这里只有精品| 99久久无色码亚洲精品果冻| 色播亚洲综合网| 欧美成人一区二区免费高清观看| 亚洲最大成人手机在线| 一区二区三区四区激情视频 | 一区二区三区免费毛片| 1024手机看黄色片| 亚洲精品456在线播放app | 青草久久国产| 亚洲欧美日韩高清专用| 色精品久久人妻99蜜桃| 一本一本综合久久| 国产亚洲欧美98| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 波多野结衣巨乳人妻| 成人国产一区最新在线观看| 国产精品女同一区二区软件 | 搡老熟女国产l中国老女人| 午夜影院日韩av| 一夜夜www| 亚洲欧美精品综合久久99| 国产毛片a区久久久久| 男女下面进入的视频免费午夜| 69av精品久久久久久| 亚洲美女搞黄在线观看 | 两性午夜刺激爽爽歪歪视频在线观看| 18禁黄网站禁片免费观看直播| 69人妻影院| 精品午夜福利视频在线观看一区| 小说图片视频综合网站| 久久人人爽人人爽人人片va | 国语自产精品视频在线第100页| 国产高清激情床上av| 国模一区二区三区四区视频| 啦啦啦韩国在线观看视频| 精品人妻偷拍中文字幕| 一级毛片久久久久久久久女| 欧美极品一区二区三区四区| 精品国产亚洲在线| 久久精品国产99精品国产亚洲性色| 好看av亚洲va欧美ⅴa在| 一级a爱片免费观看的视频| 欧美zozozo另类| 日本在线视频免费播放| 国产一区二区三区视频了| 国产av不卡久久| 日韩有码中文字幕| 91在线观看av| 亚洲激情在线av| 男人和女人高潮做爰伦理| 免费人成在线观看视频色| 麻豆久久精品国产亚洲av| 在线观看一区二区三区| 亚洲激情在线av| 日本精品一区二区三区蜜桃| 国产一区二区亚洲精品在线观看| 国产一区二区在线av高清观看| 18禁在线播放成人免费| 99国产精品一区二区蜜桃av| 欧美zozozo另类| 日本一二三区视频观看| 亚洲一区高清亚洲精品| 国产探花在线观看一区二区| 亚洲色图av天堂| 午夜福利欧美成人| 午夜老司机福利剧场| 久久久精品大字幕| av中文乱码字幕在线| 亚洲av熟女| 级片在线观看| 精品人妻1区二区| 成人午夜高清在线视频| 免费观看精品视频网站| 亚洲精品一区av在线观看| 两个人视频免费观看高清| 直男gayav资源| 国内精品美女久久久久久| 综合色av麻豆| 亚洲av不卡在线观看| 久久国产精品影院| 淫秽高清视频在线观看| 成人亚洲精品av一区二区| 中文亚洲av片在线观看爽| 天堂√8在线中文| 国产视频内射| 国产白丝娇喘喷水9色精品| 久久亚洲精品不卡| 午夜激情欧美在线| 亚洲色图av天堂| 88av欧美| 亚洲欧美精品综合久久99| 欧美日韩综合久久久久久 | 国产精品,欧美在线| 搡老妇女老女人老熟妇| 热99re8久久精品国产| 精品久久久久久成人av| 一本综合久久免费| 亚洲,欧美精品.| 国产欧美日韩一区二区精品| 亚洲第一欧美日韩一区二区三区| 亚洲av日韩精品久久久久久密| 丝袜美腿在线中文| 国产69精品久久久久777片| 国产成人a区在线观看| 少妇高潮的动态图| 国产av在哪里看| 男女做爰动态图高潮gif福利片| 久久人人爽人人爽人人片va | www.www免费av| 中文字幕人妻熟人妻熟丝袜美| 日本成人三级电影网站| 日韩精品青青久久久久久| 久久久久久久久大av| 三级国产精品欧美在线观看| 国语自产精品视频在线第100页| 欧美午夜高清在线| 亚洲欧美日韩卡通动漫| 日本黄色片子视频| 国产伦一二天堂av在线观看| 久久欧美精品欧美久久欧美| 精品午夜福利在线看| 十八禁人妻一区二区| 可以在线观看的亚洲视频| 又爽又黄a免费视频| 亚洲最大成人中文| 国产野战对白在线观看| 亚洲无线在线观看| 国产精品伦人一区二区| 欧美乱色亚洲激情| 好男人电影高清在线观看| 免费av毛片视频| 69av精品久久久久久| 别揉我奶头 嗯啊视频| 又黄又爽又免费观看的视频| 亚洲真实伦在线观看| 国产一区二区激情短视频| 国产精品久久久久久人妻精品电影| 非洲黑人性xxxx精品又粗又长| 国产探花极品一区二区| 欧美+亚洲+日韩+国产| 99热只有精品国产| 中亚洲国语对白在线视频| 久久精品国产亚洲av天美| 9191精品国产免费久久| 在线观看一区二区三区| 国产亚洲欧美98| 日本黄色视频三级网站网址| 欧美激情在线99| 脱女人内裤的视频| 久久99热这里只有精品18| 国产中年淑女户外野战色| h日本视频在线播放| 成人特级av手机在线观看| 欧洲精品卡2卡3卡4卡5卡区| 精品福利观看| 日韩精品青青久久久久久| 亚洲av.av天堂| av在线蜜桃| 他把我摸到了高潮在线观看| 亚洲国产精品成人综合色| 婷婷丁香在线五月| 亚洲欧美日韩东京热| av国产免费在线观看| 亚洲国产精品成人综合色| 久久久久精品国产欧美久久久| 亚洲精品一卡2卡三卡4卡5卡| 亚洲欧美日韩东京热| 欧美最黄视频在线播放免费| av中文乱码字幕在线| 性色av乱码一区二区三区2| 精品午夜福利视频在线观看一区| 亚洲av二区三区四区| 他把我摸到了高潮在线观看| 免费观看的影片在线观看| 最近最新中文字幕大全电影3| 身体一侧抽搐| 久久久久久大精品| 日本撒尿小便嘘嘘汇集6| 久久精品国产亚洲av涩爱 | 又粗又爽又猛毛片免费看| www.999成人在线观看| 免费观看的影片在线观看| 免费人成在线观看视频色| 91午夜精品亚洲一区二区三区 | 夜夜爽天天搞| 十八禁国产超污无遮挡网站| 不卡一级毛片| 美女黄网站色视频| 美女cb高潮喷水在线观看| 国产高清三级在线| .国产精品久久| 香蕉av资源在线| 天天躁日日操中文字幕| 国产精品伦人一区二区| 少妇熟女aⅴ在线视频| 精品人妻视频免费看| 亚洲av第一区精品v没综合| 成熟少妇高潮喷水视频| 国产乱人伦免费视频| 一a级毛片在线观看| 别揉我奶头~嗯~啊~动态视频| 成年版毛片免费区| 欧美性猛交╳xxx乱大交人| 国产 一区 欧美 日韩| 婷婷精品国产亚洲av在线| 久久久久九九精品影院| 看十八女毛片水多多多| 一个人免费在线观看电影| 看免费av毛片| 丰满的人妻完整版| 如何舔出高潮| 2021天堂中文幕一二区在线观| 丝袜美腿在线中文| 99热这里只有是精品50| 不卡一级毛片| 国产精品一区二区三区四区久久| 嫁个100分男人电影在线观看| 最近最新中文字幕大全电影3| 国产三级在线视频| 国产人妻一区二区三区在| 伦理电影大哥的女人| 亚洲av电影在线进入| 又黄又爽又刺激的免费视频.| 日韩中字成人| 日本撒尿小便嘘嘘汇集6| 身体一侧抽搐| 男人的好看免费观看在线视频| 两性午夜刺激爽爽歪歪视频在线观看| 国产一区二区三区在线臀色熟女| 亚洲三级黄色毛片| 97超视频在线观看视频| 国产精品久久电影中文字幕| 亚洲真实伦在线观看| 欧美乱妇无乱码| 免费无遮挡裸体视频| 我要看日韩黄色一级片| 成人精品一区二区免费| 国产国拍精品亚洲av在线观看| 免费观看精品视频网站| 亚洲av.av天堂| 国产精品伦人一区二区| 亚洲乱码一区二区免费版| 免费观看的影片在线观看| 伦理电影大哥的女人| 最近视频中文字幕2019在线8| 国产在线精品亚洲第一网站| 热99在线观看视频| 成熟少妇高潮喷水视频| 深夜a级毛片| 三级毛片av免费| 悠悠久久av| 国产亚洲精品久久久com| 亚洲专区国产一区二区| 丝袜美腿在线中文| 精品福利观看| 中亚洲国语对白在线视频| 欧美日韩瑟瑟在线播放| 女人十人毛片免费观看3o分钟| 国产午夜精品论理片| 欧美一区二区国产精品久久精品| 波多野结衣巨乳人妻| 国产av不卡久久| 亚洲人成网站高清观看| 亚洲自偷自拍三级| 怎么达到女性高潮| 99在线人妻在线中文字幕| 老女人水多毛片| 国产高清激情床上av| 午夜福利成人在线免费观看| 午夜a级毛片| 精品午夜福利视频在线观看一区| 午夜福利欧美成人| 亚洲美女搞黄在线观看 | 久久欧美精品欧美久久欧美| 亚洲人成伊人成综合网2020| 国产男靠女视频免费网站| 少妇人妻精品综合一区二区 | 久久九九热精品免费| 九九在线视频观看精品| 俺也久久电影网| 一级黄色大片毛片| 欧美成人一区二区免费高清观看| 看十八女毛片水多多多| 欧美xxxx黑人xx丫x性爽| 伦理电影大哥的女人| 亚洲欧美日韩卡通动漫| 一个人看的www免费观看视频| 亚洲aⅴ乱码一区二区在线播放| 亚洲欧美日韩东京热| 国产伦人伦偷精品视频| 黄色一级大片看看| 国产精品爽爽va在线观看网站| 免费在线观看亚洲国产| 可以在线观看的亚洲视频| 好看av亚洲va欧美ⅴa在| 久久精品国产清高在天天线| 国产成人av教育| h日本视频在线播放| 90打野战视频偷拍视频| 国产av一区在线观看免费| 亚洲精品亚洲一区二区| 亚洲精品影视一区二区三区av| 少妇的逼水好多| 草草在线视频免费看| 亚洲人成伊人成综合网2020| 99视频精品全部免费 在线| 国产精品自产拍在线观看55亚洲| 亚洲天堂国产精品一区在线| 亚洲精品一区av在线观看| 男人的好看免费观看在线视频| 国产成+人综合+亚洲专区| 国产成年人精品一区二区| 成熟少妇高潮喷水视频| 欧美又色又爽又黄视频| 国产亚洲av嫩草精品影院| 国产成+人综合+亚洲专区| 国产欧美日韩精品亚洲av| 女人被狂操c到高潮| 看十八女毛片水多多多| 久久中文看片网| 美女 人体艺术 gogo| 亚洲国产高清在线一区二区三| 18禁裸乳无遮挡免费网站照片| 在线天堂最新版资源| 久久性视频一级片| 悠悠久久av| 熟女人妻精品中文字幕| 免费看a级黄色片| 国产单亲对白刺激| 搡女人真爽免费视频火全软件 | 国产一区二区三区在线臀色熟女| 亚洲,欧美,日韩| 搡老妇女老女人老熟妇| 国产精品1区2区在线观看.| 一区二区三区免费毛片| 国内精品美女久久久久久| 成人av在线播放网站| 日韩免费av在线播放| 国产美女午夜福利| 村上凉子中文字幕在线| 亚洲久久久久久中文字幕| 久久婷婷人人爽人人干人人爱| 在线播放国产精品三级| 国产精品一区二区三区四区久久| 看片在线看免费视频| 最近视频中文字幕2019在线8| 国产伦在线观看视频一区| а√天堂www在线а√下载| 欧美不卡视频在线免费观看| 午夜免费激情av| 国产精品一区二区性色av| 可以在线观看的亚洲视频| av天堂在线播放| 免费看日本二区| 国产主播在线观看一区二区| 久久国产精品人妻蜜桃| 国产一区二区在线av高清观看| 人人妻人人看人人澡| 日韩欧美免费精品| 一个人看的www免费观看视频| 日韩高清综合在线| ponron亚洲| 国产日本99.免费观看| 丁香欧美五月| 午夜久久久久精精品| 一二三四社区在线视频社区8| 波多野结衣巨乳人妻| 日韩欧美免费精品| av福利片在线观看| 麻豆国产av国片精品| 日韩欧美国产一区二区入口| 精品午夜福利视频在线观看一区| 91麻豆精品激情在线观看国产| 国内精品久久久久精免费| a级毛片免费高清观看在线播放| av欧美777| 亚洲美女搞黄在线观看 | 久久精品夜夜夜夜夜久久蜜豆| 国产在视频线在精品| 国产欧美日韩精品亚洲av| 日韩欧美在线乱码| 91久久精品国产一区二区成人| 中文亚洲av片在线观看爽| 国产人妻一区二区三区在| 亚洲精品一区av在线观看| 成熟少妇高潮喷水视频| 黄片小视频在线播放| 99久久精品一区二区三区| 欧美一区二区亚洲| 亚洲经典国产精华液单 | av天堂在线播放| 精品日产1卡2卡| 他把我摸到了高潮在线观看| 美女被艹到高潮喷水动态| 美女xxoo啪啪120秒动态图 | 一进一出抽搐动态| 3wmmmm亚洲av在线观看| 日本一本二区三区精品| 乱人视频在线观看| 亚洲经典国产精华液单 | 日韩欧美精品v在线| 亚洲久久久久久中文字幕| 亚州av有码| 亚洲中文日韩欧美视频| 欧美在线一区亚洲| 我的老师免费观看完整版| 亚洲成a人片在线一区二区| 午夜福利欧美成人| 怎么达到女性高潮| 日本免费a在线| 三级男女做爰猛烈吃奶摸视频| 国产淫片久久久久久久久 | 国产真实乱freesex| 亚洲乱码一区二区免费版| 亚洲精品影视一区二区三区av| 精品一区二区三区视频在线观看免费| 久久久久性生活片| 九九久久精品国产亚洲av麻豆| 亚洲三级黄色毛片| 一夜夜www| 亚洲成人免费电影在线观看| 很黄的视频免费| 日本 av在线| 高潮久久久久久久久久久不卡| 噜噜噜噜噜久久久久久91| 成年版毛片免费区| 麻豆成人午夜福利视频| 一级a爱片免费观看的视频| 老女人水多毛片| 亚洲av电影在线进入| 老熟妇乱子伦视频在线观看| 一区二区三区免费毛片| 91午夜精品亚洲一区二区三区 | 成年版毛片免费区| 精品熟女少妇八av免费久了| 国产一区二区在线观看日韩| 日韩大尺度精品在线看网址| 制服丝袜大香蕉在线| 在线观看免费视频日本深夜| 中文字幕精品亚洲无线码一区| 18禁黄网站禁片免费观看直播| 国产高清三级在线| 我要搜黄色片| 亚洲中文字幕日韩| 最新在线观看一区二区三区| 亚洲,欧美精品.| 欧美日本视频| 日韩高清综合在线| 免费看a级黄色片| av黄色大香蕉| 亚洲性夜色夜夜综合| 在线观看66精品国产| 18禁黄网站禁片午夜丰满| 少妇丰满av| 啦啦啦韩国在线观看视频| 亚洲av第一区精品v没综合| 亚洲第一区二区三区不卡| 色视频www国产| 91麻豆精品激情在线观看国产| 在线国产一区二区在线| 国产精品久久视频播放| 波多野结衣高清无吗| 色尼玛亚洲综合影院| 国产精品日韩av在线免费观看| 老熟妇乱子伦视频在线观看| 国产精品美女特级片免费视频播放器| 久久精品久久久久久噜噜老黄 | 久久精品人妻少妇| 日本在线视频免费播放| 国产精品爽爽va在线观看网站| 亚洲精品一卡2卡三卡4卡5卡| 国产麻豆成人av免费视频| 男女做爰动态图高潮gif福利片| 麻豆一二三区av精品| 欧美成人a在线观看| 大型黄色视频在线免费观看| 亚洲不卡免费看| 丰满乱子伦码专区| 又紧又爽又黄一区二区| 97超级碰碰碰精品色视频在线观看| 最新中文字幕久久久久| 小蜜桃在线观看免费完整版高清| 一区二区三区免费毛片| 国产三级在线视频| 亚洲av成人精品一区久久| 免费观看人在逋| 亚洲精品在线美女| 中出人妻视频一区二区| 有码 亚洲区| 婷婷精品国产亚洲av| 精品无人区乱码1区二区| 91麻豆精品激情在线观看国产| 好看av亚洲va欧美ⅴa在| 毛片女人毛片| 中文字幕人成人乱码亚洲影| 欧美潮喷喷水| 亚洲精品影视一区二区三区av| 神马国产精品三级电影在线观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 尤物成人国产欧美一区二区三区| 亚洲狠狠婷婷综合久久图片| 精品国产亚洲在线| 色综合欧美亚洲国产小说| 色哟哟·www| 亚洲专区国产一区二区| 亚洲最大成人手机在线| 久久精品人妻少妇| 国产单亲对白刺激| 日韩中字成人| 欧美极品一区二区三区四区| 在线观看一区二区三区| 天堂影院成人在线观看| 亚洲无线在线观看| 欧美日韩瑟瑟在线播放| 性插视频无遮挡在线免费观看| 国产乱人伦免费视频| 97热精品久久久久久| 三级国产精品欧美在线观看| 欧美另类亚洲清纯唯美| 琪琪午夜伦伦电影理论片6080| 小说图片视频综合网站| 男人狂女人下面高潮的视频| 国产黄a三级三级三级人| .国产精品久久| 成年免费大片在线观看| 国产av不卡久久| av福利片在线观看| 欧美中文日本在线观看视频| 亚洲精品粉嫩美女一区| 国产精品亚洲一级av第二区| 国产精品久久久久久久久免 | 国内久久婷婷六月综合欲色啪| a级毛片a级免费在线| 动漫黄色视频在线观看| 欧美极品一区二区三区四区| 亚洲av电影在线进入| 精品一区二区三区视频在线观看免费| 欧美极品一区二区三区四区| 中文字幕熟女人妻在线| 亚洲第一区二区三区不卡| 亚洲久久久久久中文字幕| 亚洲性夜色夜夜综合| 我的老师免费观看完整版| 国产精品永久免费网站| 欧美日韩乱码在线| 91字幕亚洲| 男女那种视频在线观看| 成人午夜高清在线视频| 欧美又色又爽又黄视频| 日韩大尺度精品在线看网址| 久久天躁狠狠躁夜夜2o2o|