• <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 ?

    非平衡情感數(shù)據(jù)背景下基于邊界度的過采樣方法

    2023-11-17 02:45:58鄭森ZHENGSen齊曉軒QIXiaoxuan柳億霖LIUYilin
    價(jià)值工程 2023年31期
    關(guān)鍵詞:鄰域邊界分類

    鄭森 ZHENG Sen;齊曉軒 QI Xiao-xuan;柳億霖 LIU Yi-lin

    (①沈陽大學(xué)機(jī)械工程學(xué)院,沈陽 110000;②沈陽大學(xué)應(yīng)用技術(shù)學(xué)院,沈陽 110000)

    0 引言

    情感分類是對(duì)帶有情感色彩的主觀性文本進(jìn)行分析、處理、歸納和推理的過程[1]。隨著互聯(lián)網(wǎng)技術(shù)的普及,越來越多的用戶會(huì)在網(wǎng)絡(luò)平臺(tái)上發(fā)表帶有主觀情感的評(píng)論,對(duì)用戶情感以及需求的分類成為網(wǎng)絡(luò)平臺(tái)重點(diǎn)關(guān)注的技術(shù)之一。情感分類是對(duì)文本作者傾向性觀點(diǎn)、態(tài)度的劃分,所以又被稱為觀點(diǎn)分析、傾向性分析等。其目的是根據(jù)文本所表達(dá)的含義和情感信息將文本劃分為積極或消極的兩種或多種類別,機(jī)器學(xué)習(xí)是目前解決情感分類問題的主流方法[2]?,F(xiàn)實(shí)中收集到的情感數(shù)據(jù)往往存在數(shù)據(jù)不平衡問題,即不同類別的樣本數(shù)量相差較大。在面對(duì)不平衡數(shù)據(jù)集時(shí),傳統(tǒng)分類方法為了確保整體分類性能最佳,往往會(huì)將少數(shù)類樣本錯(cuò)分為多數(shù)類[3]。

    SMOTE 算法[4]通過合成新樣本的方式使得數(shù)據(jù)集達(dá)到平衡。但該方法未對(duì)少數(shù)類樣本進(jìn)行區(qū)分,導(dǎo)致合成樣本質(zhì)量不佳,造成數(shù)據(jù)冗余。針對(duì)SMOTE 算法存在的問題,本文提出一種基于邊界度的過采樣方法(BDSMOTE)。將BD-SMOTE 算法與SVM 分類器相結(jié)合,解決了不平衡情感數(shù)據(jù)分類問題,驗(yàn)證了該算法的有效性。

    1 相關(guān)工作

    1.1 情感分類方法

    目前解決情感分類問題主要通過機(jī)器學(xué)習(xí)或深度學(xué)習(xí)的方法。陳璐[5]采用KNN 和SVM 對(duì)公司年報(bào)文本進(jìn)行分類,驗(yàn)證了年報(bào)舞弊行為在文本語義分布的差異化。Xue[6]等用LDA 主題模型實(shí)現(xiàn)了對(duì)2200 萬條Twitter 信息中與新冠肺炎相關(guān)的主題及情感的識(shí)別。孫鐵錚[7]等構(gòu)建了CNN、RCNN、FastText 和Transform 四種深度學(xué)習(xí)模型,通過實(shí)驗(yàn)證明了深度學(xué)習(xí)對(duì)問政文本具有較為理想的適用性。許浪[8]等提出了一種基于BERT、CNN 和BiLSTM 的醫(yī)學(xué)文本分類模型CMNN,實(shí)現(xiàn)了網(wǎng)絡(luò)問診平臺(tái)的自動(dòng)準(zhǔn)確科室推薦。

    1.2 文本向量化

    文本為非結(jié)構(gòu)化數(shù)據(jù),需要事先將文本轉(zhuǎn)化為數(shù)值形式才能被計(jì)算機(jī)所處理。本文使用空間向量模型來表示文本:

    其中,v 代表一段文本的向量,fi代表文本的第i 個(gè)特征屬性,n 代表向量緯度,即字典長度。

    TF-IDF 又稱為詞頻-逆文檔頻率,是信息檢索領(lǐng)域中常用的一種文本表示方法,用以評(píng)估詞對(duì)文本的重要性。TF-IDF 認(rèn)為一個(gè)詞的重要程度與它在文檔中出現(xiàn)的次數(shù)成正比,與它在語料庫中出現(xiàn)的頻率成反比。因此,TFIDF 可以很好的實(shí)現(xiàn)提取文檔中關(guān)鍵詞的目的,避免了緯度災(zāi)難。本文使用TF-IDF 對(duì)情感數(shù)據(jù)集進(jìn)行文本向量化處理。

    2 基于邊界度的過采樣方法

    BD-SMOTE 算法的具體流程主要由三部分組成:首先,根據(jù)少數(shù)類樣本xi的多數(shù)類最近鄰和少數(shù)類最近鄰計(jì)算xi的邊界度;其次,根據(jù)邊界度計(jì)算每一個(gè)少數(shù)類樣本的采樣權(quán)重;最后,根據(jù)權(quán)重自適應(yīng)確定每一個(gè)少數(shù)類樣本需要生成新樣本的數(shù)量。

    2.1 邊界度

    考慮位于分類邊界附近的樣本會(huì)攜帶更多信息,本文通過計(jì)算每個(gè)少數(shù)類樣本的邊界度來確定少數(shù)類樣本在不平衡數(shù)據(jù)集中的分布。在后續(xù)過采樣過程中,使靠近分類邊界的少數(shù)類樣本生成更多新樣本,有效提高新樣本質(zhì)量。

    給定一個(gè)不平衡數(shù)據(jù)集,如圖1 所示,其中白色圓形為少數(shù)類樣本,灰色圓形為多數(shù)類樣本。對(duì)于每一個(gè)少數(shù)類樣本xi,計(jì)算xi與最近的少數(shù)類樣本間的歐式距離dist(xi,xmin)。以xi為圓心,以dist(xi,xmin)為半徑形成的超球體稱為xi的N 鄰域,如圖1 中的白色圓盤所示;類似的,計(jì)算xi與最近的多數(shù)類樣本間的歐式距離dist(xi,xmaj)。以xi為圓心,以dist(xi,xmaj)為半徑形成的超球體稱為xi的J 鄰域,如圖1 中的灰色圓盤所示。N 鄰域與J 鄰域的并集稱為NJ 鄰域。

    圖1 少數(shù)類樣本的鄰域

    xi的NJ 鄰域內(nèi)的多數(shù)類和少數(shù)類樣本的數(shù)量可以反映xi在不平衡數(shù)據(jù)集中的分布。如果xi的NJ 鄰域內(nèi)少數(shù)類樣本數(shù)量遠(yuǎn)大于多數(shù)類樣本,則xi為安全樣本,如圖1中的D 樣本;如果xi的NJ 鄰域內(nèi)多數(shù)類樣本數(shù)量遠(yuǎn)大于少數(shù)類樣本,則xi為噪聲,如圖1 中的A 樣本;如果xi的NJ 鄰域內(nèi)少數(shù)類樣本數(shù)量和多數(shù)類樣本趨近相同,則xi為邊界樣本,如圖1 中的B 樣本和C 樣本。基于上述分析,提出以下定義用于確定少數(shù)類樣本xi在不平衡數(shù)據(jù)集中的分布:

    定義1:邊界度:少數(shù)類樣本xi的邊界度(si)定義為xi的NJ 鄰域內(nèi)少數(shù)類和多數(shù)類樣本數(shù)量差值的平方:

    其中,ai為NJ 鄰域內(nèi)少數(shù)類樣本的數(shù)量,bi為NJ 鄰域內(nèi)多數(shù)類樣本的數(shù)量。

    2.2 自適應(yīng)過采樣階段

    針對(duì)SMTOE 算法未對(duì)少數(shù)類樣本進(jìn)行區(qū)分性選擇,導(dǎo)致新生成樣本質(zhì)量不佳這一問題。本文提出了一種基于邊界度的過采樣方法,該方法根據(jù)少數(shù)類樣本的邊界度計(jì)算采樣權(quán)重。在后續(xù)過采樣過程中,通過權(quán)重自適應(yīng)確定每一個(gè)少數(shù)類樣本需要生成新樣本的數(shù)量。

    定義2:采樣權(quán)重:少數(shù)類樣本xi的采樣權(quán)重(Wi)定義為xi的邊界度的倒數(shù):

    其中,si為少數(shù)類樣本的邊界度,A 為修正參數(shù),為了避免出現(xiàn)分母為0 的情況。

    定義3:采樣倍率:少數(shù)類樣本xi的采樣倍率(gi)定義為Wi與多數(shù)類和少數(shù)類樣本數(shù)量差值的乘積:

    其中,Wi為少數(shù)類樣本xi的采樣權(quán)重,G 為多數(shù)類和少數(shù)類樣本數(shù)量的差值。

    在后續(xù)過采樣過程中,使用下式合成新樣本:

    其中,xnew為新生成樣本,xi為種子樣本,xn為候選近鄰,rand(0,1)為0~1 的隨機(jī)數(shù)。

    由式(3)可知,少數(shù)類樣本xi越靠近分類邊界,其邊界度越小,取倒數(shù)后式(3)的分子越大,那么xi的采樣權(quán)重也就越大;相反,少數(shù)類樣本xi越遠(yuǎn)離分類邊界,其邊界度越大,取倒數(shù)后式(3)的分子越小,那么xi的采樣權(quán)重也就越小,因此,該算法不易受噪聲影響。BD-SMOTE 算法確定了每一個(gè)少數(shù)類樣本在不平衡數(shù)據(jù)集中的分布,并且不需要預(yù)定參數(shù)。在后續(xù)過采樣過程中,BD-SMOTE 算法使靠近分類邊界的少數(shù)類樣本生成更多新樣本,有效提高了新樣本質(zhì)量,避免數(shù)據(jù)冗余。BD-SMOTE 算法的具體流程如算法1 所示。

    3 實(shí)驗(yàn)結(jié)果與分析

    3.1 實(shí)驗(yàn)數(shù)據(jù)

    為了驗(yàn)證BD-SMOTE 算法處理非平衡情感數(shù)據(jù)集的有效性,實(shí)驗(yàn)采用來自GitHub 的公開語料數(shù)據(jù)集Online-Shopping,語料包含書籍評(píng)論、電子產(chǎn)品評(píng)論、生活用品評(píng)論等,其中積極評(píng)論5000 條,消極評(píng)論2000 條,語料數(shù)據(jù)集部分樣本如表1 所示。

    表1 不平衡語料數(shù)據(jù)集部分樣本

    3.2 實(shí)驗(yàn)結(jié)果

    為了驗(yàn)證BD-SMOTE 算法在處理非平衡情感數(shù)據(jù)時(shí)的性能,本文設(shè)計(jì)了5 種非平衡情感數(shù)據(jù)預(yù)處理與SVM分類器相結(jié)合的分類實(shí)驗(yàn)。實(shí)驗(yàn)1:原始不平衡數(shù)據(jù)集+SVM;實(shí)驗(yàn)2:原始不平衡數(shù)據(jù)集+SMOTE+SVM;實(shí)驗(yàn)3:原始不平衡數(shù)據(jù)集+Borderline-SMOTE+SVM;實(shí)驗(yàn)4:原始不平衡數(shù)據(jù)集+BD-SMOTE+SVM;實(shí)驗(yàn)5:原始不平衡數(shù)據(jù)集+SVM。非平衡情感數(shù)據(jù)選用Online-Shopping 語料數(shù)據(jù)集,其不平衡比率為2.5。使用二分類中常用的F1、G-mean和AUC 這3 個(gè)評(píng)價(jià)指標(biāo)來評(píng)估分類效果。

    由圖2 可知,經(jīng)過任何一種過采樣方法預(yù)處理后的Online-Shopping 數(shù)據(jù)集的評(píng)價(jià)指標(biāo)均優(yōu)于原始數(shù)據(jù)集。所有過采樣方法中,表現(xiàn)最差的為ADASYN 算法,經(jīng)過分析得出原因,Online-Shopping 數(shù)據(jù)集中含有噪聲,而ADASYN 算法易受噪聲干擾;表現(xiàn)最好的為BD-SMOTE算法,證明了BD-SMOTE 算法解決非平衡情感數(shù)據(jù)分類問題的有效性。

    圖2 非平衡情感數(shù)據(jù)分類實(shí)驗(yàn)結(jié)果

    4 結(jié)論

    本文提出了一種基于邊界度的過采樣方法。考慮位于分類邊界附近的少數(shù)類樣本會(huì)攜帶更多信息,選擇為靠近分類邊界的少數(shù)類樣本生成更多新樣本,有效提高新樣本質(zhì)量,并且該算法受噪聲影響較小。實(shí)驗(yàn)結(jié)果證明提出的BD-SMOTE 算法在處理多個(gè)不平衡數(shù)據(jù)集時(shí),其效果優(yōu)于其他過采樣算法,并且將BD-SMOTE 算法應(yīng)用于不平衡情感數(shù)據(jù)集時(shí),有效提高了分類準(zhǔn)確率。未來可嘗試將該算法應(yīng)用到多類別的不平衡情感數(shù)據(jù)集當(dāng)中,力求提升情感分類性能。

    猜你喜歡
    鄰域邊界分類
    拓展閱讀的邊界
    分類算一算
    稀疏圖平方圖的染色數(shù)上界
    分類討論求坐標(biāo)
    論中立的幫助行為之可罰邊界
    基于鄰域競(jìng)賽的多目標(biāo)優(yōu)化算法
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    關(guān)于-型鄰域空間
    “偽翻譯”:“翻譯”之邊界行走者
    免费观看人在逋| 亚洲av成人av| 在线观看66精品国产| tocl精华| 国产精品一区二区在线观看99| 妹子高潮喷水视频| 校园春色视频在线观看| 久久中文字幕一级| 18禁观看日本| 久久狼人影院| 中文字幕精品免费在线观看视频| 搡老熟女国产l中国老女人| 久9热在线精品视频| 99热网站在线观看| 国内毛片毛片毛片毛片毛片| 人人妻,人人澡人人爽秒播| 精品欧美一区二区三区在线| 高清毛片免费观看视频网站 | 国产av又大| 91精品三级在线观看| 黄色 视频免费看| 天天躁日日躁夜夜躁夜夜| 中文字幕最新亚洲高清| 最新的欧美精品一区二区| 午夜福利,免费看| 老司机靠b影院| 免费一级毛片在线播放高清视频 | 国产精品1区2区在线观看. | 欧美乱色亚洲激情| 精品久久蜜臀av无| 免费在线观看亚洲国产| av福利片在线| 天堂动漫精品| 久久人人97超碰香蕉20202| 午夜91福利影院| 老司机午夜十八禁免费视频| 欧美日韩亚洲综合一区二区三区_| 国产野战对白在线观看| 不卡av一区二区三区| 中文字幕精品免费在线观看视频| 精品久久蜜臀av无| 黄色视频,在线免费观看| 久久99一区二区三区| 麻豆国产av国片精品| 国产精品二区激情视频| 黑人操中国人逼视频| 美女扒开内裤让男人捅视频| 麻豆国产av国片精品| 精品国产美女av久久久久小说| 国产又爽黄色视频| 久久狼人影院| 欧美 日韩 精品 国产| av国产精品久久久久影院| 精品午夜福利视频在线观看一区| 久久人妻福利社区极品人妻图片| 国产又色又爽无遮挡免费看| 久热爱精品视频在线9| 亚洲 欧美一区二区三区| 十分钟在线观看高清视频www| 人成视频在线观看免费观看| 国产精品免费一区二区三区在线 | 国产精品九九99| 男男h啪啪无遮挡| 亚洲人成伊人成综合网2020| cao死你这个sao货| 亚洲av成人av| 在线观看一区二区三区激情| 亚洲成人免费电影在线观看| 精品人妻在线不人妻| 飞空精品影院首页| av不卡在线播放| 国产高清国产精品国产三级| 国产精品秋霞免费鲁丝片| 久久精品国产亚洲av高清一级| 国产不卡一卡二| 亚洲精品国产区一区二| 欧美性长视频在线观看| 国产精品一区二区免费欧美| 18禁裸乳无遮挡动漫免费视频| 丝袜人妻中文字幕| 国产成人精品在线电影| 人妻 亚洲 视频| 国产欧美日韩一区二区三区在线| 在线观看一区二区三区激情| 757午夜福利合集在线观看| 亚洲 欧美一区二区三区| 久久久久国产一级毛片高清牌| 久久精品亚洲av国产电影网| 午夜老司机福利片| 高清黄色对白视频在线免费看| 老汉色av国产亚洲站长工具| 国产一区在线观看成人免费| 丝袜在线中文字幕| 成年人午夜在线观看视频| av国产精品久久久久影院| 国产亚洲欧美精品永久| 午夜精品久久久久久毛片777| 久久99一区二区三区| 日韩中文字幕欧美一区二区| 最近最新中文字幕大全电影3 | 18禁裸乳无遮挡免费网站照片 | 最新在线观看一区二区三区| 国产国语露脸激情在线看| 亚洲人成电影免费在线| 青草久久国产| 国产精品一区二区在线观看99| 国产精品一区二区在线观看99| 久久精品熟女亚洲av麻豆精品| 纯流量卡能插随身wifi吗| 久久久国产一区二区| 午夜成年电影在线免费观看| 69精品国产乱码久久久| 人成视频在线观看免费观看| 亚洲色图 男人天堂 中文字幕| 欧美日韩乱码在线| 老汉色av国产亚洲站长工具| 久久精品aⅴ一区二区三区四区| 亚洲伊人色综图| 亚洲精品国产区一区二| 久久久久久人人人人人| av不卡在线播放| 成人精品一区二区免费| 黄片播放在线免费| 国产精品 欧美亚洲| 欧美日韩一级在线毛片| 99精品久久久久人妻精品| 天堂中文最新版在线下载| 啦啦啦 在线观看视频| 欧美激情 高清一区二区三区| 搡老岳熟女国产| 伊人久久大香线蕉亚洲五| 在线视频色国产色| videos熟女内射| 国产成人av教育| 精品一区二区三区四区五区乱码| av片东京热男人的天堂| 热99re8久久精品国产| 国产精品久久视频播放| 日本a在线网址| 国产三级黄色录像| 美女高潮喷水抽搐中文字幕| 捣出白浆h1v1| 一级a爱片免费观看的视频| 国产乱人伦免费视频| 男女高潮啪啪啪动态图| 亚洲在线自拍视频| 欧美国产精品va在线观看不卡| 少妇粗大呻吟视频| 超碰97精品在线观看| 少妇 在线观看| 亚洲熟女毛片儿| 巨乳人妻的诱惑在线观看| 精品久久久精品久久久| 亚洲成人手机| 怎么达到女性高潮| 丰满迷人的少妇在线观看| 色尼玛亚洲综合影院| 免费黄频网站在线观看国产| 久久国产乱子伦精品免费另类| 老汉色∧v一级毛片| 免费日韩欧美在线观看| 老司机亚洲免费影院| 黄频高清免费视频| 又大又爽又粗| 色尼玛亚洲综合影院| 好看av亚洲va欧美ⅴa在| 亚洲欧美激情在线| 国产又色又爽无遮挡免费看| 国产真人三级小视频在线观看| 亚洲伊人色综图| 三上悠亚av全集在线观看| 亚洲伊人色综图| 黑人巨大精品欧美一区二区蜜桃| 99riav亚洲国产免费| 日本一区二区免费在线视频| 国产精品免费大片| 咕卡用的链子| 亚洲 国产 在线| 在线天堂中文资源库| 99精品欧美一区二区三区四区| 国产精品一区二区在线观看99| 一级片免费观看大全| 91麻豆av在线| 精品一区二区三区av网在线观看| 久久精品亚洲精品国产色婷小说| 欧美亚洲日本最大视频资源| 精品一区二区三卡| 五月开心婷婷网| av超薄肉色丝袜交足视频| 99久久国产精品久久久| 成人三级做爰电影| 亚洲欧美日韩高清在线视频| 激情视频va一区二区三区| 法律面前人人平等表现在哪些方面| 三级毛片av免费| 黄色a级毛片大全视频| 日韩中文字幕欧美一区二区| 80岁老熟妇乱子伦牲交| 天天操日日干夜夜撸| 亚洲中文字幕日韩| 黄色女人牲交| a级毛片在线看网站| 成人三级做爰电影| 757午夜福利合集在线观看| 91字幕亚洲| 十八禁网站免费在线| av网站在线播放免费| 成熟少妇高潮喷水视频| 中文字幕高清在线视频| 精品久久久久久久久久免费视频 | 两个人免费观看高清视频| 国内毛片毛片毛片毛片毛片| 啦啦啦 在线观看视频| 高清视频免费观看一区二区| 亚洲精品美女久久久久99蜜臀| 午夜福利在线观看吧| 国产精品秋霞免费鲁丝片| 夫妻午夜视频| 精品第一国产精品| 色播在线永久视频| 黄色成人免费大全| 久久久国产成人精品二区 | 国产高清激情床上av| 国产淫语在线视频| 亚洲国产欧美日韩在线播放| 精品一区二区三区视频在线观看免费 | 人人妻人人添人人爽欧美一区卜| 中文字幕色久视频| 国产成人免费观看mmmm| 欧美日韩福利视频一区二区| 一级作爱视频免费观看| 免费观看a级毛片全部| √禁漫天堂资源中文www| 成人三级做爰电影| 亚洲熟女精品中文字幕| 狠狠婷婷综合久久久久久88av| 宅男免费午夜| 久久精品国产清高在天天线| 大陆偷拍与自拍| 日韩大码丰满熟妇| av电影中文网址| 国产精品av久久久久免费| 亚洲伊人色综图| 亚洲伊人色综图| 搡老岳熟女国产| 国产精品国产av在线观看| 一二三四社区在线视频社区8| 成人免费观看视频高清| 亚洲人成电影观看| 精品午夜福利视频在线观看一区| 亚洲精品久久午夜乱码| 久久精品国产综合久久久| 国产成+人综合+亚洲专区| 黄网站色视频无遮挡免费观看| av线在线观看网站| 久久狼人影院| av在线播放免费不卡| 少妇被粗大的猛进出69影院| 黑丝袜美女国产一区| 一级毛片女人18水好多| 91九色精品人成在线观看| 一本综合久久免费| 水蜜桃什么品种好| 欧美日韩黄片免| 亚洲精品一二三| 19禁男女啪啪无遮挡网站| 丝袜美腿诱惑在线| 欧美日韩福利视频一区二区| 首页视频小说图片口味搜索| 正在播放国产对白刺激| 国产1区2区3区精品| 久久久久久久午夜电影 | 少妇被粗大的猛进出69影院| 国产成人精品无人区| 老司机午夜福利在线观看视频| 黑人欧美特级aaaaaa片| 97人妻天天添夜夜摸| 99久久99久久久精品蜜桃| 老熟妇乱子伦视频在线观看| 色在线成人网| avwww免费| 国产一区二区三区在线臀色熟女 | 欧美精品一区二区免费开放| 青草久久国产| 欧美另类亚洲清纯唯美| 亚洲在线自拍视频| 欧美日韩精品网址| 精品亚洲成国产av| 免费高清在线观看日韩| 在线观看日韩欧美| 色综合欧美亚洲国产小说| 一级毛片高清免费大全| 一边摸一边做爽爽视频免费| 精品人妻1区二区| 91字幕亚洲| 一边摸一边做爽爽视频免费| 久久精品熟女亚洲av麻豆精品| 亚洲av美国av| 一区二区三区精品91| 国产亚洲一区二区精品| 美女视频免费永久观看网站| 国产在线观看jvid| 99re6热这里在线精品视频| 69av精品久久久久久| 国产区一区二久久| 99国产精品一区二区三区| 女人被躁到高潮嗷嗷叫费观| 亚洲精品久久成人aⅴ小说| 18禁美女被吸乳视频| 成年人黄色毛片网站| 91大片在线观看| 黑人巨大精品欧美一区二区mp4| 黄色 视频免费看| 欧美日韩亚洲高清精品| 国产精品九九99| 性少妇av在线| 下体分泌物呈黄色| 99re在线观看精品视频| 久久中文字幕一级| 亚洲第一欧美日韩一区二区三区| 国产精品1区2区在线观看. | 99久久人妻综合| 极品教师在线免费播放| 法律面前人人平等表现在哪些方面| 国产亚洲一区二区精品| 欧美日韩中文字幕国产精品一区二区三区 | 香蕉丝袜av| 欧美成狂野欧美在线观看| 首页视频小说图片口味搜索| 高清欧美精品videossex| 国产欧美日韩一区二区三区在线| 99在线人妻在线中文字幕 | 美女国产高潮福利片在线看| 国产成人av激情在线播放| 成年版毛片免费区| 人妻一区二区av| 黄色片一级片一级黄色片| 亚洲精品久久午夜乱码| 欧美av亚洲av综合av国产av| 国产黄色免费在线视频| 亚洲 欧美一区二区三区| 亚洲成人免费av在线播放| 亚洲欧美一区二区三区黑人| 午夜久久久在线观看| 一级a爱视频在线免费观看| videos熟女内射| 国产精品自产拍在线观看55亚洲 | 高清在线国产一区| 欧美亚洲日本最大视频资源| 在线观看一区二区三区激情| 久久久水蜜桃国产精品网| 日本wwww免费看| 欧美乱码精品一区二区三区| 丁香欧美五月| 麻豆av在线久日| 少妇 在线观看| 国产高清激情床上av| 少妇裸体淫交视频免费看高清 | 十八禁人妻一区二区| 中文字幕最新亚洲高清| 每晚都被弄得嗷嗷叫到高潮| 成年人免费黄色播放视频| 国产99白浆流出| 窝窝影院91人妻| 欧美乱色亚洲激情| 999精品在线视频| 欧美av亚洲av综合av国产av| 黄色视频不卡| 黄色视频,在线免费观看| 久久九九热精品免费| 亚洲精华国产精华精| 后天国语完整版免费观看| 最近最新中文字幕大全电影3 | 精品人妻1区二区| 国产精品av久久久久免费| 亚洲av电影在线进入| 91在线观看av| 精品福利观看| 美女午夜性视频免费| 国产有黄有色有爽视频| 亚洲成国产人片在线观看| 老司机深夜福利视频在线观看| 一级a爱片免费观看的视频| 国产精品久久视频播放| 老司机午夜福利在线观看视频| 黄色毛片三级朝国网站| 国产男靠女视频免费网站| 大香蕉久久网| 桃红色精品国产亚洲av| 国产在视频线精品| 国产精品久久久人人做人人爽| 制服诱惑二区| 美女高潮喷水抽搐中文字幕| 91国产中文字幕| 欧美 亚洲 国产 日韩一| 欧美亚洲日本最大视频资源| 在线免费观看的www视频| 午夜日韩欧美国产| 看片在线看免费视频| 身体一侧抽搐| 国产一区二区三区在线臀色熟女 | 亚洲精品av麻豆狂野| 一进一出抽搐gif免费好疼 | 日韩制服丝袜自拍偷拍| 国产av一区二区精品久久| 国内毛片毛片毛片毛片毛片| 色婷婷av一区二区三区视频| 亚洲情色 制服丝袜| 夜夜躁狠狠躁天天躁| 两性午夜刺激爽爽歪歪视频在线观看 | 色94色欧美一区二区| 18禁黄网站禁片午夜丰满| 搡老熟女国产l中国老女人| 精品人妻1区二区| 免费人成视频x8x8入口观看| 亚洲国产精品一区二区三区在线| 热99re8久久精品国产| 国产aⅴ精品一区二区三区波| 欧美激情久久久久久爽电影 | 人成视频在线观看免费观看| 美女扒开内裤让男人捅视频| 色综合婷婷激情| 婷婷成人精品国产| 亚洲国产精品一区二区三区在线| 啦啦啦在线免费观看视频4| 亚洲国产毛片av蜜桃av| 欧美成狂野欧美在线观看| 岛国在线观看网站| 欧美日韩中文字幕国产精品一区二区三区 | 999久久久精品免费观看国产| av网站免费在线观看视频| 麻豆成人av在线观看| 日韩欧美一区二区三区在线观看 | 久久性视频一级片| www.熟女人妻精品国产| 曰老女人黄片| 久久精品国产清高在天天线| 久久午夜亚洲精品久久| 免费观看精品视频网站| 亚洲全国av大片| 91av网站免费观看| 久久热在线av| 99re在线观看精品视频| 久99久视频精品免费| 久久国产精品影院| 精品人妻熟女毛片av久久网站| 国产精品 国内视频| 人妻丰满熟妇av一区二区三区 | 国产野战对白在线观看| 国产精品九九99| 性少妇av在线| 超碰成人久久| 国产欧美日韩一区二区三| 91av网站免费观看| 亚洲成a人片在线一区二区| 免费看a级黄色片| 久久久久久久久久久久大奶| 久久精品国产亚洲av香蕉五月 | 欧美激情久久久久久爽电影 | 黄色怎么调成土黄色| 国产男靠女视频免费网站| 亚洲av熟女| 精品一区二区三区av网在线观看| 精品久久久久久,| 亚洲色图 男人天堂 中文字幕| 欧美日韩亚洲国产一区二区在线观看 | 亚洲情色 制服丝袜| 亚洲美女黄片视频| 免费观看a级毛片全部| 激情在线观看视频在线高清 | 多毛熟女@视频| 国产欧美日韩一区二区三区在线| 久久国产精品影院| 日韩三级视频一区二区三区| 黑人猛操日本美女一级片| 精品亚洲成国产av| 中亚洲国语对白在线视频| 日日摸夜夜添夜夜添小说| 在线观看免费视频网站a站| 久久午夜亚洲精品久久| netflix在线观看网站| 国产一卡二卡三卡精品| 男人的好看免费观看在线视频 | xxxhd国产人妻xxx| 日本欧美视频一区| 久久久久久亚洲精品国产蜜桃av| 中文字幕制服av| 久久99一区二区三区| 18禁国产床啪视频网站| 日本vs欧美在线观看视频| 亚洲五月色婷婷综合| 国产精品久久视频播放| a级毛片黄视频| 国产亚洲精品久久久久5区| 亚洲av成人一区二区三| 欧美乱码精品一区二区三区| 老熟女久久久| 18禁黄网站禁片午夜丰满| 女人被躁到高潮嗷嗷叫费观| 一区在线观看完整版| 动漫黄色视频在线观看| 亚洲av第一区精品v没综合| 亚洲中文日韩欧美视频| 十八禁网站免费在线| 亚洲国产中文字幕在线视频| av欧美777| 欧美成人免费av一区二区三区 | 久久中文看片网| 国产成人啪精品午夜网站| 日韩欧美国产一区二区入口| 99久久国产精品久久久| 国产日韩一区二区三区精品不卡| 日韩大码丰满熟妇| 精品福利观看| 久久99一区二区三区| 日日爽夜夜爽网站| www.999成人在线观看| 成人18禁在线播放| 国产精品免费一区二区三区在线 | 国产1区2区3区精品| 日韩欧美免费精品| 少妇 在线观看| 亚洲专区中文字幕在线| 久久午夜亚洲精品久久| 午夜91福利影院| 国产一区二区激情短视频| 国产精品乱码一区二三区的特点 | 国产一区二区三区视频了| 日本a在线网址| 精品卡一卡二卡四卡免费| 狠狠狠狠99中文字幕| 日日爽夜夜爽网站| 国产一区二区激情短视频| 久久热在线av| 久久亚洲精品不卡| 亚洲色图 男人天堂 中文字幕| 国产aⅴ精品一区二区三区波| 99国产综合亚洲精品| 午夜91福利影院| 亚洲色图 男人天堂 中文字幕| av中文乱码字幕在线| 国产成人av教育| 国产精品综合久久久久久久免费 | 日韩中文字幕欧美一区二区| 日韩人妻精品一区2区三区| 欧美日韩精品网址| 高清黄色对白视频在线免费看| 又黄又粗又硬又大视频| 精品久久久久久久毛片微露脸| 在线国产一区二区在线| 五月开心婷婷网| 人妻丰满熟妇av一区二区三区 | 香蕉丝袜av| 老司机深夜福利视频在线观看| 啦啦啦 在线观看视频| 亚洲色图综合在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美日韩中文字幕国产精品一区二区三区 | 午夜福利在线观看吧| 老熟妇乱子伦视频在线观看| 国产成人精品无人区| 下体分泌物呈黄色| 19禁男女啪啪无遮挡网站| 中文字幕高清在线视频| 国产av精品麻豆| 国产精品乱码一区二三区的特点 | 日韩制服丝袜自拍偷拍| 日本撒尿小便嘘嘘汇集6| 国产又爽黄色视频| av一本久久久久| 亚洲av成人av| 看片在线看免费视频| 亚洲性夜色夜夜综合| 久久精品亚洲熟妇少妇任你| a级毛片在线看网站| 欧美日韩黄片免| 99热国产这里只有精品6| av中文乱码字幕在线| 777米奇影视久久| 午夜福利欧美成人| 欧美大码av| 国产亚洲欧美在线一区二区| 国产成+人综合+亚洲专区| 啪啪无遮挡十八禁网站| 亚洲成人免费电影在线观看| 18禁黄网站禁片午夜丰满| tube8黄色片| 成人三级做爰电影| 国产蜜桃级精品一区二区三区 | 91麻豆精品激情在线观看国产 | 一级毛片女人18水好多| 亚洲精品粉嫩美女一区| 色综合婷婷激情| 日韩欧美免费精品| 欧美精品亚洲一区二区| 国产成人影院久久av| 欧美亚洲日本最大视频资源| 99久久国产精品久久久| 波多野结衣av一区二区av| 亚洲精品国产一区二区精华液| 91麻豆精品激情在线观看国产 | 在线国产一区二区在线| 男女之事视频高清在线观看| 国产精品99久久99久久久不卡| 一区二区三区精品91| 女人被躁到高潮嗷嗷叫费观| 午夜精品久久久久久毛片777| 婷婷精品国产亚洲av在线 | 天天躁狠狠躁夜夜躁狠狠躁| av网站在线播放免费| 精品国产美女av久久久久小说| 看免费av毛片| 黄色视频,在线免费观看| 色婷婷久久久亚洲欧美| 久久天躁狠狠躁夜夜2o2o|