• <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ERNIE及改進DPCNN的棉花病蟲害問句意圖識別

    2024-08-22 00:00:00李東亞白濤香慧敏戴碩王震魯
    山東農(nóng)業(yè)科學 2024年6期

    關鍵詞:棉花病蟲害;問句意圖識別;ERNIE模型;DPCNN模型;詞位置信息

    中圖分類號:S435.62:TP391.1 文獻標識號:A 文章編號:1001-4942(2024)06-0143-09

    棉花是一種重要的經(jīng)濟作物,是紡織業(yè)中最重要的原料之一,被廣泛種植于世界各地。病蟲害是棉花種植和生產(chǎn)中的主要問題之一,對棉花產(chǎn)量和質量的影響很大,嚴重時甚至會導致大面積的歉收。目前,大多棉花種植人員依賴于采用人工方式尋找解決棉花病蟲害問題的方案,這很難滿足生產(chǎn)上需要及時解決問題的要求。隨著互聯(lián)網(wǎng)和大數(shù)據(jù)技術的高速發(fā)展,構建專業(yè)領域的智能問答系統(tǒng)將能夠為人們提供準確的診斷結果和個性化的信息服務,為棉花產(chǎn)業(yè)的信息化和智能化奠定基礎。知識問答方法主要包括問句意圖識別、信息抽取和答案檢索三個部分,其中問句意圖識別是關鍵步驟,使用識別效率高的方法能有效提升問答質量。

    問句分類是一種將自然語言問句分類到不同的類別或類別集合的自然語言處理任務,其目的是將問題與可能的答案類型相對應,以便自動回答問題或幫助用戶更快地找到答案。目前針對該任務的方法有傳統(tǒng)的基于規(guī)則和統(tǒng)計的機器學習方法,以及深度學習方法。傳統(tǒng)方法包括支持向量機(SVM)、樸素貝葉斯等機器學習算法,這些方法通常依賴于手工提取特征,人力、物力成本高。深度學習方法包括卷積神經(jīng)網(wǎng)絡(CNN)、循環(huán)神經(jīng)網(wǎng)絡(RNN)、長短時記憶網(wǎng)絡(LSTM)等,已有許多研究者將其應用到文本分類任務中,例如Zhang等提出了一種基于多層CNN的問句分類方法,可以提高問句分類的準確率:Lu等提出了一種基于分層注意力機制的深度神經(jīng)網(wǎng)絡模型用于問句分類任務,具有較好的性能:王奧等提出一種基于特征增強的多方位農(nóng)業(yè)問句語義匹配模型,使用雙向長短期記憶網(wǎng)絡及多維注意力機制對農(nóng)業(yè)問句進行語義匹配,實現(xiàn)了農(nóng)業(yè)問句快速自動檢測。

    在農(nóng)業(yè)領域,王郝日欽等提出了一種基于Attention_DenseCNN的水稻問句文本分類方法,能夠快速、準確地對水稻問句文本進行自動分類,分類精確率及F1值分別為95.6%和94.9%;李林等提出了一種用于農(nóng)業(yè)病蟲害問句分類的深度學習模型BERT_Stacked LSTM,使用堆疊長短期記憶網(wǎng)絡(Stacked LSTM)學習到隱藏的復雜語義信息,用于農(nóng)業(yè)病蟲害問句分類取得了較好的效果。金寧等提出了BiGRU_MulCNN分類模型,利用雙向門控循環(huán)單元獲取文本特征信息,進行多粒度的特征提取,能準確地完成用戶問句的自動分類,

    然而目前棉花病蟲害領域缺少公開的數(shù)據(jù)集,而且存在棉花病蟲害問句多為短文本、包含的語義特征少、文本特征提取方法單一等問題。為有效解決上述問題,本研究構建了一個棉花病蟲害問句數(shù)據(jù)集,并提出了一個基于ERNIE(En-hanced Representation through Knowledge Integra-tion)及改進DPCNN(Deep Pyramid Convolutional Neural Networks for Text Categorization)模型的問句分類模型,以期實現(xiàn)棉花病蟲害問句的精準分類。

    1材料與方法

    1.1棉花病蟲害問句數(shù)據(jù)集構建

    針對目前沒有公開的棉花病蟲害問句數(shù)據(jù)集以及網(wǎng)絡中相關的問句數(shù)量少等問題,通過查閱相關數(shù)據(jù)文獻及咨詢領域專家,構建了棉花病蟲害問句數(shù)據(jù)集CQCls。該數(shù)據(jù)集中定義了棉花病蟲害實體共78種,問句類型9種,問句類型與棉花病蟲害知識圖譜實體關系相對應。通過將不同的實體名稱及問句類型進行組合,可生成不同類型的問句,例如“棉花白粉病的危害癥狀是什么?”;通過使用句式模板、同義詞替換等方法進行問句數(shù)據(jù)的擴充,例如,利用不同的句式模板可以將“棉花立枯病的分區(qū)區(qū)域有哪些?”轉化為“棉花立枯病主要分布在哪些地方?”,而通過同義詞替換又可以將其轉換為“立枯病主要集中在哪些地區(qū)?”,以此完成數(shù)據(jù)集的擴增。對于問句類型的標注,通過判斷問句中是否出現(xiàn)同一類型的關鍵詞,如“別名”、“別稱”、“俗稱”等進行統(tǒng)一標注,最后通過人工校對完成標注。棉花病蟲害問句實例如表1所示。

    通過以上方法最終獲得問句數(shù)據(jù)共207644條,其中病蟲害別名類問句23058條,危害部位類問句24766條,危害癥狀類問句24766條,發(fā)病規(guī)律類問句23058條,防治方法類問句27572條,防治藥劑類問句24766條,病害致病原類問句17446條,害蟲形態(tài)類問句21960條,分布區(qū)域類問句20 252條(圖1)。

    1.2棉花病蟲害問句意圖分類模型

    針對棉花病蟲害問句較短、類型多樣等問題,提出了一種基于ERNIE預訓練模型和融合詞位置信息的DPCNN模型的深度學習模型,用ERN-IE-DPCNN*表示,用來完成對自然語言問句意圖分類的任務。模型總體框架如圖2所示。

    該模型首先使用預訓練的ERNIE模型進行文本編碼,得到每個詞的embedding表示;對每個詞的embedding進行位置信息編碼,即將每個位置映射為一個embedding向量,然后將該向量與詞embedding結合得到帶有位置信息的embed-ding表示;將帶有位置信息的embedding輸入DPCNN模型中進行特征提取,最后通過全局池化層將特征圖轉換成固定大小的向量,使用全連接層將該向量映射到類別空間。

    1.2.1 ERNIE模型 ERNIE是百度公司于2019年提出的一種基于預訓練的語言模型,是百度自然語言處理技術的重要組成部分,旨在通過引入外部知識(如實體、知識圖譜等)和多任務學習等方式,進一步提高語言表示的質量和泛化能力。它采用與BERT相同的雙向Transformer架構進行預訓練。ERNIE主要包含兩種類型的預訓練模型:基于單語言的ERNIE和跨語言的ERN-IE?;趩握Z言的ERNIE在中文、英文、泰文等多種語言上預訓練,其中中文預訓練使用的是比BERT更大的中文語料庫,包括百度百科、百度貼吧、百度知道等多種數(shù)據(jù)源??缯Z言的ERNIE則在多種語言上預訓練,包括英文、中文、阿拉伯語、德語等多種語言。

    ERNIE的預訓練模型是基于Transformer編碼器(圖3)構建的。它采用多層Transformer編碼器對輸入進行編碼,每層Transformer編碼器由多頭自注意力機制和前向全連接網(wǎng)絡組成。ERNIE使用的是相對位置編碼,這種編碼方式可以更好地表示句子中單詞之間的位置關系。

    ERNIE與BERT的區(qū)別在于ERNIE在預訓練過程中加入了實體知識,即通過改變掩碼策略——將BERT中的隨機掩碼替換為實體或短語級別的掩碼,引入了聚合知識的學習機制,使ERNIE能夠更有效地學習句法和語義知識,更好地理解和表示中文文本中的實體和短語,提高模型在語義理解、命名實體識別、關系抽取等任務上的性能。ERNIE使用開源的百度知識圖譜(Baidu Knowledge Graph,BKG)來為輸入序列引入知識,數(shù)據(jù)輸入后,通過編碼、添加位置信息,利用多頭注意力機制進行計算并歸一化,經(jīng)過多個層的前向傳播和再次歸一化,實現(xiàn)對輸入數(shù)據(jù)的編碼和豐富的特征表示,最終輸出編碼。這種聚合知識的引入為ERNIE的語義理解能力和多任務學習效果帶來了顯著的提升,使其成為在中文自然語言處理任務中表現(xiàn)最優(yōu)秀的模型之一。BERT和ERNIE的掩碼方式對比如圖4所示,這種方式可以使ERNIE在多項自然語言處理任務上表現(xiàn)出更好的性能。

    1.2.2改進DPCNN模型 DPCNN是Johnson等提出的一種深度卷積神經(jīng)網(wǎng)絡,包括輸入層、卷積層、池化層、殘差連接、全局池化層和輸出層,主要用于文本分類任務。它的核心思想是通過多個池化層和卷積層來捕捉句子中不同長度的局部特征,并且通過殘差連接和固定池化來避免過擬合和梯度消失的問題。但DPCNN模型不考慮文本中的位置信息。針對棉花病蟲害問句總體較短的特點,本研究對DPCNN進行改進,通過引入位置編碼來融合位置信息,可以有效提高模型的表達能力。改進后的DPCNN模型如圖5所示。

    首先,將輸入序列與詞位置向量進行融合,然后使用Region embedding將其轉換為句向量表示,并逐個輸入到一系列卷積組中。每個卷積組由一個卷積層和殘差連接組成,然后這些卷積組通過步長為2的池化層連接在一起,通過設置多個卷積組可以逐步提取更豐富的特征,最后一個卷積組將會生成輸入序列的最終特征向量表示。

    2結果與分析

    2.1軟硬件環(huán)境及模型參數(shù)

    所使用的計算機硬件環(huán)境包括Intel(R) Xe-on(R) CPU E5-2620 v4 @ 2.10 GHz處理器,NVIDIA TITAN V顯卡,以及64.0 GB的內存。軟件環(huán)境包括Python 3.6版本和PyTorch框架的1.7.1+cu110版本。模型具體參數(shù)設置如表2所示。

    2.2模型評價指標

    使用準確率(Precision)、召回率(Recall)、F1分數(shù)(F1-Score)對深度學習模型的訓練效果進行評價。具體公式如下:

    P=TP/(TP+FP)×100% ; (1)

    R=TP/(TP+FN)×100% ; (2)

    F1=2×P×R/(P+R)×100% 。 (3)

    式中:P代表準確率;R代表召回率;F1代表F1分數(shù);TP(真陽性)為模型預測為正例的樣本中實際為正例的數(shù)量;FP(假陽性)為被識別為正例的樣本中實際為負例的數(shù)量;TN(真陰性)為被分類為負例的樣本中實際為負例的數(shù)量;FN(假陰性)為模型預測為負例的樣本中實際為正例的數(shù)量。

    另外,在使用深度學習方法進行文本多分類任務時,通常采用宏平均(MacroAvg)、權重平均(WeightedAvg)綜合評價每個模型的結果。其中,宏平均是對每個類別分別計算Precision、Re-call和F1-Score的平均值,并將所有類別視為同等重要,不考慮各類別樣本數(shù)量不平衡造成的影響。權重平均是對每個類別分別計算Precision、Recall和F1-Score的加權平均值,其中權重是每個類別的樣本數(shù)目占總體樣本數(shù)目的比例。宏平均和權重平均的具體計算公式如下。

    2.3不同深度學習模型的訓練效果評價

    針對棉花病蟲害問句,使用不同的深度學習模型進行多組實驗:以BERT模型作為基準模型,分別結合TextCNN、TextRCNN、RNN和DPCNN模型對BERT進行改進。通過實驗對比,發(fā)現(xiàn)使用BERT結合DPCNN的模型訓練效果整體表現(xiàn)較好,性能上超過了其他組合模型;進一步使用ERNIE優(yōu)化BERT對中文掩碼不足的缺點,并增加詞位置信息優(yōu)化DPCNN模型,得到改進后的ERNIR-DPCNN*模型,用于對棉花病蟲害問句意圖進行分類,取得較好的訓練效果,基于Mac-roAvg和WeightedAvg的Precision、Recall和F1-Score均在97%以上(表3)。表明DPCNN模型對特征的提取相較于其他模型表現(xiàn)良好,通過在輸入向量中融入詞位置信息能進一步增強模型的學習能力,從而提升模型的性能。

    不同模型訓練結果的混淆矩陣如圖6所示,其中橫縱坐標的標簽均代表了棉花病蟲害問句的不同類別。

    2.4 DPCNN模型卷積核層數(shù)對訓練結果的影響

    DPCNN模型的核心思想是通過多個池化層和卷積層來捕捉句子中不同長度的局部特征,在一定范圍內增加DPCNN的層數(shù)可以提高模型的表現(xiàn),但是過多的層數(shù)可能會導致模型出現(xiàn)過擬合等問題,同時也會增加模型的訓練時間和復雜度。通常,一個層數(shù)適中的DPCNN模型在文本分類等任務中能夠取得較好的性能。本研究針對棉花病蟲害問句意圖分類任務,對比包含不同層數(shù)卷積核的模型訓練結果,表4可知,在本研究構建的數(shù)據(jù)集上,使用DPCNN模型進行文本多分類任務時,當卷積核為2層時模型性能最好,其宏平均和權重平均下的Fl值分別為97.30%和97.39%,Precision分別為97.48%和97.33%,Re-call分別為97.45%和97.31%。因此在本研究提出的模型采用2層卷積核的DPCNN完成特征的提取任務。

    2.5數(shù)據(jù)集對比實驗

    為驗證ERNIR-DPCNN*模型在其他公開數(shù)據(jù)集上的表現(xiàn)效果及泛化能力,選用TNEWS今日頭條中文新聞數(shù)據(jù)集、DMSCD豆瓣電影短評數(shù)據(jù)集和THUCNews中文新聞數(shù)據(jù)集與本研究構建的CQCls數(shù)據(jù)集進行對比實驗。其中,TNEWS數(shù)據(jù)集包含10個分類的新聞標題和摘要數(shù)據(jù),涵蓋了時政、財經(jīng)、房產(chǎn)、教育、科技、軍事、體育、娛樂、游戲和時尚領域,總樣本超過50萬條,訓練集和測試集各占50%。THUCNews是清華大學自然語言處理實驗室發(fā)布的中文新聞數(shù)據(jù)集,包含14個分類的新聞數(shù)據(jù),涵蓋了時政、財經(jīng)、教育、科技、文化、體育、娛樂等領域,總樣本數(shù)超過26萬條,訓練集、驗證集和測試集的比例為8:1:1。DMSCD是由豆瓣網(wǎng)用戶發(fā)布的中文電影短評數(shù)據(jù)集,包含了超過200萬條的電影短評數(shù)據(jù),每條短評數(shù)據(jù)都由一段文字組成,包含了該用戶對電影的評分和一些標簽信息,涵蓋了電影的劇情、演員、音樂等各個領域。對于DMSCD數(shù)據(jù)集,本研究選取了12個電影的212043條評論數(shù)據(jù)構成該數(shù)據(jù)集的子集,然后按8:1:1劃分訓練集、測試集和校驗集。對比實驗結果(表5)顯示,本研究提出的ERNIR-DPCNN*模型在棉花病蟲害問句數(shù)據(jù)集CQCls以及其他公開數(shù)據(jù)集上的訓練結果均表現(xiàn)良好,對于文本語料數(shù)據(jù)內容復雜多樣且文本格式不規(guī)范的DMSCD數(shù)據(jù)集,基于權重平均的F1-Score也能達到73.42%,證明了本研究所提出模型的有效性及泛化能力。

    2.6不同模型的棉花病蟲害問句意圖分類結果對比分析

    由實驗結果(表6)可以發(fā)現(xiàn),各個模型在不同問句類別的Precision、Recall、F1-Score表現(xiàn)相差不大,其中發(fā)病規(guī)律和分布區(qū)域的F1-Score相較于其他類別更高,均在98%以上。這是由于這兩類問句的特征詞較明顯,例如分布區(qū)域類問句中大多會出現(xiàn)“地區(qū)”、“區(qū)域”等詞語。從整體上看,本研究提出的ERNIR_DPCNN*模型在Recall和F1-Score指標上表現(xiàn)最好,各類問句的評價結果均高于95%,在棉花病蟲害問句意圖分類任務上性能良好:但是其Precision值及Recall值在部分類型中表現(xiàn)不是最好,說明該模型對于問句類型分類的正確率還需進一步提升。

    3討論與結論

    隨著農(nóng)業(yè)領域信息化的發(fā)展,不同農(nóng)作物病蟲害防治的智能化、信息化管理在農(nóng)業(yè)生產(chǎn)中起著越來越重要的作用。本研究針對棉花病蟲害領域相關問句信息的現(xiàn)狀,構建了棉花病蟲害問句數(shù)據(jù)集CQCls,并基于ERNIE及改進DPCNN構建了棉花病蟲害問句意圖識別模型ERNIR_DPC-NN*,通過使用ERNIE預訓練模型以及在DPC-NN模型中增加詞位置信息提高了模型的表達能力,在文本分類任務上取得了較好的效果,并且能夠平衡各類別樣本數(shù)量不同的影響。

    為使ERNIR_DPCNN*模型的分類效果達到最優(yōu),本研究對DPCNN模型的卷積核層數(shù)進行了篩選實驗,結果發(fā)現(xiàn),在CQCls數(shù)據(jù)集上,使用2層卷積核的DPCNN模型達到了最好的性能。而過多的層數(shù)可能會導致過擬合等問題,并增加模型的訓練時間和復雜度。

    此外,選用TNEWS今日頭條中文新聞數(shù)據(jù)集、DMSCD豆瓣電影短評數(shù)據(jù)集和THUCNews中文新聞數(shù)據(jù)集對ERNIR_DPCNN*模型的分類效果進行了實驗,結果表明,該模型在數(shù)據(jù)量不足、數(shù)據(jù)特征不明顯的數(shù)據(jù)集上也能取得較好的分類效果,說明該模型具有一定的泛化能力和有效性。

    但本研究僅針對棉花病蟲害領域的問句分類做了研究,各類問句數(shù)據(jù)的形式還不夠豐富,在接下來的研究中,可以從更多途徑收集實際生產(chǎn)過程中用戶提出的不同問題,從而進一步提升模型的識別準確率。另外,模型訓練對硬件設備的算力要求較高,后續(xù)可以對模型進行精簡,在減少參數(shù)量的同時保證準確率,從而減少模型訓練所需的時間,降低對硬件設備的要求。

    国产精品成人在线| 美女午夜性视频免费| 国产av一区二区精品久久| 国产精品爽爽va在线观看网站 | 欧美不卡视频在线免费观看 | 操出白浆在线播放| 可以在线观看毛片的网站| 久久国产精品影院| 在线永久观看黄色视频| 日韩人妻精品一区2区三区| 极品人妻少妇av视频| 中文字幕av电影在线播放| 在线观看www视频免费| 99re在线观看精品视频| 夜夜爽天天搞| 亚洲精品国产色婷婷电影| 国产伦一二天堂av在线观看| 97碰自拍视频| 美女高潮到喷水免费观看| 国产精华一区二区三区| 人人妻人人添人人爽欧美一区卜| 亚洲精品国产区一区二| 成年人免费黄色播放视频| 91国产中文字幕| 级片在线观看| 精品国产超薄肉色丝袜足j| 丰满的人妻完整版| 久久性视频一级片| 9色porny在线观看| 欧美日韩亚洲高清精品| 精品久久久久久久毛片微露脸| 亚洲人成电影免费在线| 亚洲中文日韩欧美视频| 无遮挡黄片免费观看| 国产一区二区三区在线臀色熟女 | 一级a爱片免费观看的视频| 久久精品影院6| 成人手机av| 丰满迷人的少妇在线观看| 国产精品亚洲一级av第二区| 亚洲男人天堂网一区| 麻豆av在线久日| www.精华液| 又黄又爽又免费观看的视频| 日韩欧美一区二区三区在线观看| 国产精品成人在线| 91精品国产国语对白视频| 精品国产亚洲在线| 19禁男女啪啪无遮挡网站| 成人黄色视频免费在线看| 人人澡人人妻人| 成人特级黄色片久久久久久久| av视频免费观看在线观看| av网站免费在线观看视频| 法律面前人人平等表现在哪些方面| 在线十欧美十亚洲十日本专区| 亚洲欧美日韩无卡精品| 日韩人妻精品一区2区三区| 欧洲精品卡2卡3卡4卡5卡区| 老司机在亚洲福利影院| 久久中文看片网| 久久久久九九精品影院| 国产99久久九九免费精品| 丝袜在线中文字幕| 90打野战视频偷拍视频| 女人被狂操c到高潮| 搡老熟女国产l中国老女人| 99国产极品粉嫩在线观看| 国产成人精品在线电影| 中文字幕色久视频| 黄色成人免费大全| 亚洲成av片中文字幕在线观看| 免费看十八禁软件| 一级毛片女人18水好多| 成人av一区二区三区在线看| 叶爱在线成人免费视频播放| 夫妻午夜视频| 动漫黄色视频在线观看| 视频区欧美日本亚洲| 无人区码免费观看不卡| 欧美精品啪啪一区二区三区| 午夜免费观看网址| 欧美精品一区二区免费开放| 国产精品野战在线观看 | 高清av免费在线| 欧美日韩av久久| 午夜福利一区二区在线看| 久久精品91无色码中文字幕| 人妻丰满熟妇av一区二区三区| 老司机靠b影院| 黄色视频不卡| 欧美一级毛片孕妇| 黄网站色视频无遮挡免费观看| 99热只有精品国产| 成人黄色视频免费在线看| 一级毛片精品| 精品一区二区三卡| 免费搜索国产男女视频| 色尼玛亚洲综合影院| 欧美成人午夜精品| 亚洲人成77777在线视频| 亚洲成a人片在线一区二区| 香蕉久久夜色| 亚洲片人在线观看| 嫁个100分男人电影在线观看| 久久热在线av| 每晚都被弄得嗷嗷叫到高潮| 免费女性裸体啪啪无遮挡网站| 亚洲欧美精品综合久久99| 国产精品98久久久久久宅男小说| 一二三四社区在线视频社区8| 免费在线观看黄色视频的| 丝袜美足系列| 国产精品久久久av美女十八| a在线观看视频网站| 久久久久久久久免费视频了| 亚洲精品一区av在线观看| 男女之事视频高清在线观看| 亚洲在线自拍视频| 999久久久国产精品视频| 国产精品自产拍在线观看55亚洲| 国产精品永久免费网站| 12—13女人毛片做爰片一| 90打野战视频偷拍视频| 欧美中文综合在线视频| 欧美日韩亚洲高清精品| 亚洲aⅴ乱码一区二区在线播放 | 男女做爰动态图高潮gif福利片 | 天堂俺去俺来也www色官网| 99国产极品粉嫩在线观看| 欧美日韩乱码在线| 欧洲精品卡2卡3卡4卡5卡区| 自线自在国产av| 欧美日韩亚洲综合一区二区三区_| 欧美一级毛片孕妇| 咕卡用的链子| 黄色女人牲交| 午夜精品久久久久久毛片777| 国产精品电影一区二区三区| 久久人人精品亚洲av| 亚洲aⅴ乱码一区二区在线播放 | 国产成人精品无人区| 伦理电影免费视频| 久久久久亚洲av毛片大全| 狠狠狠狠99中文字幕| 国产av一区在线观看免费| 超碰97精品在线观看| 一个人免费在线观看的高清视频| 国产人伦9x9x在线观看| 国产男靠女视频免费网站| 狠狠狠狠99中文字幕| 国产人伦9x9x在线观看| 新久久久久国产一级毛片| 亚洲aⅴ乱码一区二区在线播放 | 日韩av在线大香蕉| 人人澡人人妻人| 乱人伦中国视频| 高清黄色对白视频在线免费看| 制服人妻中文乱码| 婷婷精品国产亚洲av在线| 满18在线观看网站| 一级毛片精品| 久热这里只有精品99| 国产av又大| 国产熟女xx| 欧美黑人精品巨大| 极品人妻少妇av视频| 国产乱人伦免费视频| 岛国视频午夜一区免费看| 视频区图区小说| 岛国在线观看网站| 国产午夜精品久久久久久| 久99久视频精品免费| 黑人欧美特级aaaaaa片| www日本在线高清视频| 热re99久久精品国产66热6| 丁香欧美五月| 亚洲九九香蕉| 在线观看免费午夜福利视频| 50天的宝宝边吃奶边哭怎么回事| 久久国产精品影院| 日本 av在线| 高清黄色对白视频在线免费看| 中文字幕色久视频| 一本综合久久免费| 日本五十路高清| 久久久久久大精品| 一进一出抽搐动态| xxxhd国产人妻xxx| 色哟哟哟哟哟哟| www.999成人在线观看| 香蕉国产在线看| 久久久久久久久免费视频了| 欧美亚洲日本最大视频资源| 成年人免费黄色播放视频| 老司机午夜福利在线观看视频| 久久香蕉精品热| 亚洲人成77777在线视频| 日本三级黄在线观看| 亚洲国产欧美日韩在线播放| 电影成人av| 黄色毛片三级朝国网站| 免费av毛片视频| 人人妻人人澡人人看| 一本大道久久a久久精品| 国产精品免费一区二区三区在线| 老司机午夜福利在线观看视频| 日本黄色视频三级网站网址| 欧美激情高清一区二区三区| 窝窝影院91人妻| 久久国产乱子伦精品免费另类| 欧美日韩乱码在线| 桃色一区二区三区在线观看| 午夜日韩欧美国产| 亚洲三区欧美一区| 亚洲第一av免费看| 国产又色又爽无遮挡免费看| 精品国产乱码久久久久久男人| 18禁黄网站禁片午夜丰满| 麻豆一二三区av精品| 女人被躁到高潮嗷嗷叫费观| 长腿黑丝高跟| 久久午夜亚洲精品久久| 亚洲在线自拍视频| 国产精品综合久久久久久久免费 | 日本五十路高清| 国内毛片毛片毛片毛片毛片| 首页视频小说图片口味搜索| 757午夜福利合集在线观看| 久热这里只有精品99| www.www免费av| 天堂影院成人在线观看| 国产xxxxx性猛交| 波多野结衣一区麻豆| a级毛片黄视频| 黄色视频不卡| 精品第一国产精品| 精品一区二区三卡| 日本一区二区免费在线视频| 亚洲 欧美 日韩 在线 免费| 久久人妻熟女aⅴ| 亚洲欧美日韩高清在线视频| 婷婷六月久久综合丁香| 免费不卡黄色视频| 日韩免费av在线播放| 老鸭窝网址在线观看| 久久久久久久久中文| 欧美老熟妇乱子伦牲交| 亚洲欧美精品综合久久99| 午夜精品国产一区二区电影| 视频在线观看一区二区三区| 欧美精品啪啪一区二区三区| 国产精品av久久久久免费| 黄色a级毛片大全视频| 男人舔女人下体高潮全视频| av片东京热男人的天堂| 18禁观看日本| 久久香蕉激情| 欧美成人午夜精品| 亚洲精华国产精华精| 午夜视频精品福利| 黄片大片在线免费观看| 亚洲欧美精品综合一区二区三区| 日韩视频一区二区在线观看| 日日夜夜操网爽| 丰满的人妻完整版| 欧洲精品卡2卡3卡4卡5卡区| 国产一区在线观看成人免费| 首页视频小说图片口味搜索| 免费看a级黄色片| 欧美色视频一区免费| 国产乱人伦免费视频| 叶爱在线成人免费视频播放| 亚洲av片天天在线观看| 国产一区二区激情短视频| 国产精品永久免费网站| 一级a爱片免费观看的视频| bbb黄色大片| 在线观看免费视频日本深夜| 久久天躁狠狠躁夜夜2o2o| 丝袜美足系列| videosex国产| 国产单亲对白刺激| 中文字幕最新亚洲高清| 亚洲一区二区三区色噜噜 | 国产麻豆69| 在线十欧美十亚洲十日本专区| a级片在线免费高清观看视频| 69精品国产乱码久久久| 丝袜美足系列| 国产主播在线观看一区二区| 后天国语完整版免费观看| 黑人操中国人逼视频| 国产在线观看jvid| 十八禁人妻一区二区| 一区二区三区国产精品乱码| 日韩精品免费视频一区二区三区| 真人一进一出gif抽搐免费| 欧美日韩国产mv在线观看视频| 国产欧美日韩一区二区三| 中出人妻视频一区二区| 在线观看一区二区三区激情| 夜夜夜夜夜久久久久| 999久久久国产精品视频| 久久性视频一级片| 激情在线观看视频在线高清| av有码第一页| www.熟女人妻精品国产| 久久久久亚洲av毛片大全| 精品国产一区二区三区四区第35| 男女下面进入的视频免费午夜 | 三级毛片av免费| 一边摸一边抽搐一进一出视频| 亚洲av美国av| aaaaa片日本免费| 少妇 在线观看| 琪琪午夜伦伦电影理论片6080| 亚洲第一欧美日韩一区二区三区| 色老头精品视频在线观看| av免费在线观看网站| 嫩草影院精品99| www.熟女人妻精品国产| 一级a爱视频在线免费观看| 亚洲中文av在线| 成人亚洲精品av一区二区 | 真人一进一出gif抽搐免费| 老司机深夜福利视频在线观看| 宅男免费午夜| 夜夜夜夜夜久久久久| 超碰97精品在线观看| 女生性感内裤真人,穿戴方法视频| av天堂久久9| 日韩 欧美 亚洲 中文字幕| 99在线视频只有这里精品首页| 99久久综合精品五月天人人| 日韩欧美在线二视频| 国产亚洲av高清不卡| 国产精品久久久人人做人人爽| 亚洲色图 男人天堂 中文字幕| 国产精品98久久久久久宅男小说| 国产黄a三级三级三级人| 18禁黄网站禁片午夜丰满| 亚洲五月色婷婷综合| 国产午夜精品久久久久久| 成人亚洲精品av一区二区 | 色婷婷av一区二区三区视频| 丰满饥渴人妻一区二区三| 国产精品爽爽va在线观看网站 | 一二三四在线观看免费中文在| 久久人妻福利社区极品人妻图片| 久久人妻av系列| 国产三级在线视频| 青草久久国产| 两性午夜刺激爽爽歪歪视频在线观看 | 狠狠狠狠99中文字幕| 黄色a级毛片大全视频| 亚洲国产毛片av蜜桃av| 99riav亚洲国产免费| 亚洲欧美一区二区三区久久| 91麻豆精品激情在线观看国产 | 天天躁夜夜躁狠狠躁躁| 日本a在线网址| 两个人看的免费小视频| 欧美日本亚洲视频在线播放| 国产精品美女特级片免费视频播放器 | 久久香蕉激情| 亚洲欧美精品综合一区二区三区| 淫秽高清视频在线观看| 免费av中文字幕在线| 亚洲 国产 在线| av超薄肉色丝袜交足视频| 一级毛片高清免费大全| 久久天堂一区二区三区四区| 69精品国产乱码久久久| 老司机在亚洲福利影院| 亚洲成人精品中文字幕电影 | 成人手机av| 午夜福利影视在线免费观看| 99在线人妻在线中文字幕| 欧美中文综合在线视频| 波多野结衣av一区二区av| 波多野结衣一区麻豆| 欧美人与性动交α欧美软件| 国产一区二区三区综合在线观看| 亚洲成国产人片在线观看| 大型黄色视频在线免费观看| 中国美女看黄片| 两性午夜刺激爽爽歪歪视频在线观看 | 精品乱码久久久久久99久播| 欧美一级毛片孕妇| 亚洲 国产 在线| 国产成人影院久久av| 国产熟女xx| 99热只有精品国产| 国产成人欧美在线观看| 身体一侧抽搐| 夜夜躁狠狠躁天天躁| 国产高清视频在线播放一区| 国产黄色免费在线视频| xxx96com| 99re在线观看精品视频| a在线观看视频网站| 国产精品乱码一区二三区的特点 | 亚洲av电影在线进入| 国产人伦9x9x在线观看| 色在线成人网| 亚洲色图 男人天堂 中文字幕| 色老头精品视频在线观看| 免费在线观看完整版高清| 欧美大码av| 最好的美女福利视频网| 91国产中文字幕| 亚洲色图av天堂| 国产一区二区三区在线臀色熟女 | 女性生殖器流出的白浆| 两个人看的免费小视频| 在线视频色国产色| 在线观看日韩欧美| 水蜜桃什么品种好| 欧美激情高清一区二区三区| 日日爽夜夜爽网站| 欧美激情 高清一区二区三区| 精品欧美一区二区三区在线| 女人被躁到高潮嗷嗷叫费观| 日韩大码丰满熟妇| 无限看片的www在线观看| 国产精品一区二区三区四区久久 | 亚洲精品成人av观看孕妇| 18禁美女被吸乳视频| 亚洲国产欧美网| 亚洲熟妇中文字幕五十中出 | 日本免费一区二区三区高清不卡 | 欧美日韩福利视频一区二区| 变态另类成人亚洲欧美熟女 | 日韩大码丰满熟妇| 曰老女人黄片| 黄色视频,在线免费观看| 成人永久免费在线观看视频| 欧美日韩中文字幕国产精品一区二区三区 | 18禁黄网站禁片午夜丰满| 91国产中文字幕| 天天添夜夜摸| 久久青草综合色| 他把我摸到了高潮在线观看| www国产在线视频色| 色哟哟哟哟哟哟| 日韩高清综合在线| 老司机亚洲免费影院| 精品久久久久久久毛片微露脸| 国产精品电影一区二区三区| 在线免费观看的www视频| 曰老女人黄片| 啪啪无遮挡十八禁网站| 亚洲五月色婷婷综合| 国产欧美日韩一区二区精品| 午夜免费成人在线视频| 久久久国产一区二区| 午夜免费观看网址| 一区二区三区国产精品乱码| 亚洲一码二码三码区别大吗| 久久久久久免费高清国产稀缺| 99热国产这里只有精品6| 亚洲成人免费av在线播放| 精品久久久久久成人av| 深夜精品福利| 真人做人爱边吃奶动态| 男女下面插进去视频免费观看| 国产亚洲精品久久久久久毛片| 一级作爱视频免费观看| 天天影视国产精品| 国产aⅴ精品一区二区三区波| 美女高潮到喷水免费观看| 老司机深夜福利视频在线观看| 视频在线观看一区二区三区| 好男人电影高清在线观看| 欧美中文日本在线观看视频| 日韩欧美一区二区三区在线观看| 久久 成人 亚洲| 性色av乱码一区二区三区2| 一级a爱视频在线免费观看| 99香蕉大伊视频| 91成人精品电影| 在线播放国产精品三级| 国产午夜精品久久久久久| 欧美 亚洲 国产 日韩一| 免费看十八禁软件| 国产深夜福利视频在线观看| √禁漫天堂资源中文www| 亚洲精品美女久久av网站| 国产成+人综合+亚洲专区| 大型av网站在线播放| www日本在线高清视频| 18禁裸乳无遮挡免费网站照片 | 国产精品永久免费网站| 久久香蕉国产精品| 国产精品乱码一区二三区的特点 | 人人妻人人添人人爽欧美一区卜| 国内毛片毛片毛片毛片毛片| 国产亚洲精品久久久久久毛片| 午夜老司机福利片| 久久精品国产亚洲av香蕉五月| 亚洲色图综合在线观看| 免费女性裸体啪啪无遮挡网站| 亚洲熟女毛片儿| aaaaa片日本免费| 国产av一区二区精品久久| 日日摸夜夜添夜夜添小说| 亚洲一码二码三码区别大吗| 免费在线观看影片大全网站| 欧美一级毛片孕妇| 久久中文看片网| 欧美日韩国产mv在线观看视频| 国产精品久久视频播放| 久久欧美精品欧美久久欧美| 黄色丝袜av网址大全| 久久久久久大精品| 在线观看66精品国产| 69精品国产乱码久久久| 91成人精品电影| 欧美中文综合在线视频| av有码第一页| 水蜜桃什么品种好| 午夜老司机福利片| 国产精品国产av在线观看| 国产成人免费无遮挡视频| 免费人成视频x8x8入口观看| 成人特级黄色片久久久久久久| 香蕉国产在线看| 一进一出抽搐gif免费好疼 | 999久久久国产精品视频| 真人一进一出gif抽搐免费| 国产一区二区三区视频了| 后天国语完整版免费观看| 悠悠久久av| 在线观看日韩欧美| 久久人人97超碰香蕉20202| 国产熟女午夜一区二区三区| 夜夜看夜夜爽夜夜摸 | 淫妇啪啪啪对白视频| 亚洲成av片中文字幕在线观看| 国产99久久九九免费精品| 黄色视频不卡| 99久久99久久久精品蜜桃| 午夜亚洲福利在线播放| 国产精品98久久久久久宅男小说| 久久久精品国产亚洲av高清涩受| 少妇被粗大的猛进出69影院| 亚洲avbb在线观看| 国产一区二区激情短视频| 国产精品一区二区精品视频观看| 精品无人区乱码1区二区| 一进一出好大好爽视频| av电影中文网址| 久久午夜亚洲精品久久| 久久狼人影院| 一级毛片精品| 亚洲一区二区三区欧美精品| 男女午夜视频在线观看| 淫妇啪啪啪对白视频| 99国产精品99久久久久| 母亲3免费完整高清在线观看| 黑人巨大精品欧美一区二区蜜桃| 国产高清国产精品国产三级| 国产三级黄色录像| 国产精品一区二区精品视频观看| 日韩一卡2卡3卡4卡2021年| 亚洲,欧美精品.| 久久精品亚洲精品国产色婷小说| 麻豆国产av国片精品| 日本 av在线| 9191精品国产免费久久| 免费看十八禁软件| 久久国产乱子伦精品免费另类| 精品国产乱子伦一区二区三区| 69av精品久久久久久| 自线自在国产av| 国产片内射在线| 免费观看人在逋| 黄色 视频免费看| 亚洲精品国产一区二区精华液| 久久久久久久午夜电影 | 女警被强在线播放| 国产一卡二卡三卡精品| 亚洲va日本ⅴa欧美va伊人久久| 99在线视频只有这里精品首页| 久久精品aⅴ一区二区三区四区| 午夜91福利影院| 真人一进一出gif抽搐免费| 亚洲精品久久成人aⅴ小说| 一区二区三区国产精品乱码| 高清毛片免费观看视频网站 | 无人区码免费观看不卡| 久久中文看片网| 欧美日韩瑟瑟在线播放| 国产国语露脸激情在线看| a级片在线免费高清观看视频| 欧美国产精品va在线观看不卡| 黄色片一级片一级黄色片| 黄片小视频在线播放| 757午夜福利合集在线观看| 午夜老司机福利片| 欧美黑人欧美精品刺激| 国产乱人伦免费视频| 十分钟在线观看高清视频www| 在线天堂中文资源库| 黑人巨大精品欧美一区二区mp4| 老司机午夜福利在线观看视频| 成人免费观看视频高清| 久久精品91蜜桃| 可以免费在线观看a视频的电影网站| 一区二区日韩欧美中文字幕| 欧美最黄视频在线播放免费 | 午夜久久久在线观看| 18禁国产床啪视频网站| 在线观看免费高清a一片|