• <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 ?

    基于特征融合結(jié)合注意力機(jī)制的藏文文本分類模型

    2025-04-22 00:00:00馮宇舒艾金勇李爽
    科技創(chuàng)新與應(yīng)用 2025年10期
    關(guān)鍵詞:注意力機(jī)制

    摘 "要:由于藏語與漢語、英語在語法結(jié)構(gòu)和詞匯特點(diǎn)上的差異,傳統(tǒng)的文本分類方法在藏文上的應(yīng)用面臨挑戰(zhàn)。為此,該文提出一種基于多特征融合與注意力機(jī)制的藏文文本分類模型,該模型結(jié)合CINO、TextCNN和BiLSTM模型的優(yōu)勢(shì)。實(shí)驗(yàn)結(jié)果表明,該文提出的模型在公開數(shù)據(jù)集TNCC上的F1值為73.09%,在自建數(shù)據(jù)集TiTCD上的F1值為80.97%。因此,該模型能夠較好地捕捉到藏文文本語義,在藏文文本分類任務(wù)上性能有所提升。

    關(guān)鍵詞:藏文文本分類;預(yù)訓(xùn)練語言模型;多特征融合;注意力機(jī)制;文本分類方法

    中圖分類號(hào):H214 " " "文獻(xiàn)標(biāo)志碼:A " " " " "文章編號(hào):2095-2945(2025)10-0061-05

    Abstract: Due to the differences in grammatical structure and lexical characteristics between Tibetan, Chinese and English, the application of traditional text classification methods in Tibetan faces challenges. To this end, this paper proposes a Tibetan text classification model based on multi-feature fusion and attention mechanism, which combines the advantages of CINO, TextCNN and BiLSTM models. Experimental results show that the F1 value of the proposed model on the public dataset TNCC is 73.09%, and the F1 value on the self-built dataset TiTCD is 80.97%. Therefore, this model can better capture Tibetan text semantics and improve performance on Tibetan text classification tasks.

    Keywords: Tibetan text classification; pre-trained language model; multi-feature fusion; attention mechanism; text classification methods

    隨著信息技術(shù)的快速發(fā)展,文本分類作為自然語言處理領(lǐng)域的重要任務(wù)之一,在信息檢索、情感分析等領(lǐng)域發(fā)揮著關(guān)鍵作用。然而,由于藏語在語法結(jié)構(gòu)、詞匯形態(tài)和表達(dá)方式上與漢語、英語等語言存在顯著差異,傳統(tǒng)的文本分類方法在處理藏文文本時(shí)往往難以取得理想效果。這種差異不僅體現(xiàn)在詞匯的豐富性和形態(tài)變化上,還反映在句法結(jié)構(gòu)的復(fù)雜性上,使得藏文文本的語義表示和特征提取面臨較大挑戰(zhàn)。針對(duì)這一問題,本研究提出了一種融合多特征與注意力機(jī)制的藏文文本分類模型,旨在充分利用藏文文本的語義信息,提升分類性能。通過結(jié)合CINO、TextCNN和BiLSTM等模型的優(yōu)勢(shì),該模型能夠更有效地捕捉藏文文本的深層語義特征,為藏文文本分類任務(wù)提供新的解決方案。

    1 "相關(guān)工作

    當(dāng)前,中英文文本分類技術(shù)已較為完善,然而,由于可用的藏語語料庫(kù)有限,藏文文本分類研究仍處于早期階段。王莉莉等[1]開發(fā)了一種多分類器藏文文本分類模型;蘇慧婧等[2-3]采用了高斯樸素貝葉斯模型、多層感知機(jī)和深度可分離卷積網(wǎng)絡(luò)進(jìn)行藏文文本分類;李亮[4]基于ALBERT預(yù)訓(xùn)練模型提出了一種方法;張英等[5]則提出了一種動(dòng)態(tài)多頭注意力機(jī)制的分類模型。盡管這些模型在分類效果上表現(xiàn)不錯(cuò),但它們大多未采用公共數(shù)據(jù)集,這限制了對(duì)不同方法性能的直接比較。

    2 "藏文分類模型

    本文開發(fā)了一種融合特征與注意力機(jī)制的藏文文本分類模型。模型首先利用CINO預(yù)訓(xùn)練詞向量,該模型基于BERT的優(yōu)勢(shì),采用transformer架構(gòu)和MLM技術(shù),不僅精確捕捉詞匯信息,還考慮了詞匯的位置信息。接著,通過Transformer Encoder和其Layer的多頭注意力機(jī)制處理CINO生成的詞向量;利用雙向長(zhǎng)短期記憶網(wǎng)絡(luò)(BiLSTM)進(jìn)行序列建模;并通過TextCNN層提取文本的局部特征。最終,將CINO、BiLSTM、多頭注意力(MHA)和TextCNN的輸出進(jìn)行融合,輸入全連接層以進(jìn)行分類。模型結(jié)構(gòu)詳如圖1所示。

    2.1 "CINO預(yù)訓(xùn)練語言模型

    CINO預(yù)訓(xùn)練模型[6]基于多語言的XLM-R(XLM-RoBERTa)預(yù)訓(xùn)練模型構(gòu)建,其在多種國(guó)內(nèi)少數(shù)民族語言的低資源語料庫(kù)上進(jìn)行了進(jìn)一步的預(yù)訓(xùn)練。該模型不僅繼承了XLM-R對(duì)超過100種語言的識(shí)別能力,還增強(qiáng)了對(duì)蒙古語、藏語、維吾爾語、哈薩克語、朝鮮語和壯語等語言的理解。研究顯示,CINO在這些少數(shù)民族語言的數(shù)據(jù)集上表現(xiàn)優(yōu)異,對(duì)研究人員具有顯著的應(yīng)用價(jià)值。為了更好地適應(yīng)這些語言,CINO模型進(jìn)行了詞匯的擴(kuò)充和優(yōu)化,以減少預(yù)測(cè)誤差。與XLM-R相比,CINO在資源受限的環(huán)境中表現(xiàn)更佳,并且在少數(shù)民族語言的預(yù)訓(xùn)練方面也更為出色。因此,本文選用CINO-large-v2模型進(jìn)行詞向量的預(yù)訓(xùn)練工作。

    2.2 "TextCNN層

    Rakhlin[7]提出的TextCNN模型為文本分類領(lǐng)域帶來了創(chuàng)新。在文本處理中,局部特征通常指連續(xù)單詞序列,與N-gram模型理念相近。TextCNN的優(yōu)勢(shì)在于其自動(dòng)提取關(guān)鍵N-gram特征,捕捉文本的多層次語義。該模型專注于局部特征的識(shí)別,使用預(yù)訓(xùn)練詞向量輸入,并通過不同大小的卷積核提取特征,這些核能夠識(shí)別不同長(zhǎng)度的文本模式。TextCNN由卷積層、池化層和全連接層組成:卷積層提取特征,池化層減少特征維度并增強(qiáng)位置不變性,全連接層進(jìn)行分類。最后,通過softmax函數(shù)輸出分類概率,為文本分類提供依據(jù)。

    2.3 "BiLSTM層

    在自然語言處理中,BiLSTM模型具有卓越的上下文信息捕捉能力。BiLSTM是對(duì)標(biāo)準(zhǔn)LSTM的改進(jìn),采用雙向機(jī)制同時(shí)分析文本的前文和后文,以更全面地理解語義。本文采用BiLSTM模型,其通過2個(gè)方向的特征提取來獲取更豐富的上下文信息。這種雙向策略讓模型能從多角度理解文本的內(nèi)在聯(lián)系,加深對(duì)全局語義的把握。為了增強(qiáng)特征提取的精確性,本文使用CINO模型生成的動(dòng)態(tài)詞向量作為BiLSTM的輸入,這些詞向量能夠捕捉詞匯在不同上下文中的變化,為BiLSTM提供更準(zhǔn)確的文本表示。結(jié)合CINO模型的輸出,本研究的方法不僅提取了文本的局部特征,還深入探索了文本的全局上下文。在BiLSTM處理后,本文將前向和后向特征合并,形成了一個(gè)全面的文本表示,既保留了雙向語義信息,也為后續(xù)的模型訓(xùn)練和預(yù)測(cè)提供了全面的特征支持。

    2.4 "多頭注意力機(jī)制

    多頭注意力機(jī)制用于增強(qiáng)模型對(duì)序列中不同位置信息的捕捉能力。通過并行處理序列中的所有元素,注意力機(jī)制能夠捕捉到序列中不同位置之間的依賴關(guān)系;模型可以學(xué)習(xí)到哪些位置是重要的,哪些是不重要的,從而更加靈活地處理不同長(zhǎng)度和復(fù)雜度的序列;同時(shí),注意力機(jī)制允許模型在訓(xùn)練時(shí)進(jìn)行并行計(jì)算,可以加快訓(xùn)練速度。

    2.5 "藏文文本分類模型框架

    本研究提出的模型巧妙地融合了CINO模型提取的[CLS]特征信息與TextCNN及BiLSTM模型提取的特征向量。能夠更全面地捕捉文本的特征,進(jìn)而提升文本分類的準(zhǔn)確性。首先將經(jīng)過預(yù)處理的藏文文本輸入至CINO模型中。CINO模型不僅輸出了編碼器的所有結(jié)果,還特別提取了最后一層的[CLS]特征,這些特征富含關(guān)鍵的語義信息。通過采用多頭注意力機(jī)制,進(jìn)一步篩選出最具代表性的語義特征。隨后,我們將這些精選的特征并行輸入到TextCNN和BiLSTM模型中,以深入挖掘文本的深層特征和上下文信息。最終,將TextCNN和BiLSTM提取的特征向量與[CLS]特征進(jìn)行有效融合,并將這一融合后的特征集輸入到分類器中進(jìn)行文本分類。

    3 "實(shí)驗(yàn)

    3.1 "實(shí)驗(yàn)環(huán)境

    論文實(shí)驗(yàn)環(huán)境見表1。

    表1 "實(shí)驗(yàn)環(huán)境配置參數(shù)

    3.2 "實(shí)驗(yàn)語料來源和數(shù)據(jù)處理

    目前,TNCC數(shù)據(jù)集是公開可用的藏文語料之一,由Qun等[8]在2017年的研究中首次發(fā)布。該數(shù)據(jù)集依據(jù)音節(jié)將藏文詞匯進(jìn)行劃分,并涵蓋了12個(gè)分類的藏文文本,分為2個(gè)部分:一部分包含新聞標(biāo)題的短文本,另一部分則包含新聞?wù)牡拈L(zhǎng)文本。在本文中,采用了長(zhǎng)文本數(shù)據(jù)集進(jìn)行分析。TNCC數(shù)據(jù)集包含數(shù)據(jù)類別和數(shù)目見表2。

    本文按照新聞?lì)悇e,從香格里拉網(wǎng)、甘南香巴拉在線、西藏日?qǐng)?bào)藏文版等藏文網(wǎng)頁(yè)上抓取藏文新聞數(shù)據(jù),構(gòu)建藏文分類語料TiTCD(Tibetan Text Classification Dataset)。該數(shù)據(jù)集使用TIP-LAS[9]進(jìn)行分詞,共有9個(gè)類別,文本數(shù)量為16 045條。TiTCD數(shù)據(jù)集包含數(shù)據(jù)類別和數(shù)目見表3。

    TNCC和TiTCD都按照8∶1∶1隨機(jī)劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集。

    3.3 "實(shí)驗(yàn)參數(shù)設(shè)置

    為了使模型達(dá)到最好的效果,實(shí)驗(yàn)對(duì)PyTorch版本的CINO-large-v2模型進(jìn)行了微調(diào)。整體模型參數(shù)見表4。

    3.4 "評(píng)價(jià)指標(biāo)

    藏文新聞文本分類的評(píng)估指標(biāo)使用Acc(準(zhǔn)確率)、Prec(精確率)、Rec(召回率)和Macro-F1,計(jì)算公式如下

    式中:TP為真陽例,TN為真陰例,F(xiàn)P為假陽例,F(xiàn)N為假陰例,通過以下公式計(jì)算得到每一類的F1 值,再將各類的F1值平均,即為評(píng)估指標(biāo)Macro-F1。

    3.5 "實(shí)驗(yàn)結(jié)果及分析

    3.5.1 "TNCC數(shù)據(jù)集上的分類對(duì)比實(shí)驗(yàn)

    TNCC數(shù)據(jù)集是一個(gè)公開的藏文新聞文本集合,廣泛用于評(píng)估藏文模型的性能。本文中,對(duì)比了多種模型,包括CNN、LSTM、TextCNN、BiLSTM、XLR-R-large、CINO-large、CINO-large-v2,以及新提出的分類器模型在該數(shù)據(jù)集上的表現(xiàn)。表5是TNCC數(shù)據(jù)集在不同模型下的分類結(jié)果,表6是本文模型對(duì)測(cè)試集文本所屬各個(gè)類別的識(shí)別情況。

    對(duì)比表5、表6的數(shù)據(jù),XLR模型在分類表現(xiàn)上不如其他模型,這可能是因?yàn)槠錄]有針對(duì)藏文進(jìn)行預(yù)訓(xùn)練。CINO模型的各個(gè)版本,包括small-v2、base-v2、large以及l(fā)arge-v2,隨著Transformer層數(shù)、隱藏狀態(tài)和注意力頭數(shù)量的增加,性能也在提升。盡管large和large-v2結(jié)構(gòu)相同,但v2版本對(duì)詞表進(jìn)行了優(yōu)化,專注于中文和少數(shù)民族語言,使得在TNCC數(shù)據(jù)集上的分類得分逐漸提高。CINO-large-v2取得了最高的F1得分71.0%,表現(xiàn)優(yōu)于其他單一模型。

    本研究提出的分類模型在TNCC數(shù)據(jù)集上達(dá)到了73.09%的Macro-F1值,表現(xiàn)最佳。該模型在大多數(shù)類別上識(shí)別效果良好,尤其是在器械類文本上。然而,對(duì)于文學(xué)、藝術(shù)和民俗類的文本,分類效果不佳,尤其是民俗類,其召回率最低,影響了整體F1值。這可能是因?yàn)槊袼最悩颖緮?shù)量較少,導(dǎo)致模型未能充分學(xué)習(xí)到區(qū)分特征。相比之下,語言類雖然樣本也較少,但由于其音節(jié)單元與其他類別差異顯著,使得分類效果較好。這表明,即使在訓(xùn)練樣本有限的情況下,本模型也能實(shí)現(xiàn)有效的分類。

    3.5.2 "TiTCD數(shù)據(jù)集上的分類對(duì)比實(shí)驗(yàn)

    TiTCD數(shù)據(jù)集為本研究自制數(shù)據(jù)集,本文分別在CINO-base-v2,CINO-large-v2模型上進(jìn)行對(duì)比實(shí)驗(yàn),并設(shè)置了合理的消融實(shí)驗(yàn)來證明模型的有效性。表7是TiTCD數(shù)據(jù)集在不同模型下的分類結(jié)果,表8是本文模型對(duì)測(cè)試集文本所屬各個(gè)類別的識(shí)別情況。

    通過對(duì)比表7、表8的數(shù)據(jù),可以發(fā)現(xiàn)本研究提出的分類模型在藏文文本分類任務(wù)上表現(xiàn)突出,尤其是在處理藏文新聞文本時(shí)效果顯著。在TNCC和自建的TiTCD數(shù)據(jù)集上的實(shí)驗(yàn)表明,該模型能有效捕捉藏文文本的語義,展現(xiàn)出良好的表示和泛化能力。

    在不同類別的文本識(shí)別中,法律類文本的分類效果最為顯著,這可能歸因于其較大的數(shù)據(jù)量,使得模型能夠?qū)W習(xí)到更多的特征,同時(shí)法律類文本的語義特征與其他類別有較大差異。相比之下,科技知識(shí)類的分類效果不盡如人意,這可能與樣本數(shù)量較少有關(guān),且混淆矩陣顯示,部分科技知識(shí)類文本被誤分類為文化類,表明這兩類文本在表達(dá)上存在一定的相似性。盡管人物類樣本數(shù)量有限,但分類結(jié)果卻相當(dāng)好,這可能是因?yàn)槿宋镱愇谋镜囊艄?jié)單元與其他類別有較大差異,使得類別特征更加明顯。這也表明,本模型在樣本數(shù)量較少的情況下,也能實(shí)現(xiàn)有效的分類。

    4 "結(jié)束語

    本文提出了一種融合特征和注意力機(jī)制的藏文文本分類模型,并與其他幾種先進(jìn)的深度學(xué)習(xí)模型在TNCC藏文新聞文本分類數(shù)據(jù)集和自定義數(shù)據(jù)集上進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明,該模型的準(zhǔn)確性和有效性得到了驗(yàn)證,其結(jié)合了CINO模型的豐富上下文語義捕捉能力、TextCNN模型的局部特征識(shí)別能力以及BiLSTM模型的長(zhǎng)距離依賴處理能力,通過雙向信息流提升了對(duì)上下文的理解,增強(qiáng)了文本特征提取,從而提高了分類性能。

    盡管如此,本研究在藏文文本分類方面仍有改進(jìn)空間。首先,實(shí)驗(yàn)數(shù)據(jù)集規(guī)模較小且類別分布不均勻。其次,模型僅使用了CINO模型來生成藏文詞向量。未來研究將考慮結(jié)合統(tǒng)計(jì)和語義特征,以生成更高質(zhì)量的藏文詞向量,進(jìn)一步提升模型從低資源語言文本中提取語義特征的能力,以期達(dá)到更優(yōu)的分類效果。

    參考文獻(xiàn):

    [1] 王莉莉,楊鴻武,宋志蒙.基于多分類器的藏文文本分類方法[J].南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版),2020,40(1):102-110.

    [2] 蘇慧婧,群諾,賈宏云.基于GaussianNB模型的藏文文本分類研究與實(shí)現(xiàn)[J].青海師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2019,35(4):1-4,54.

    [3] 蘇慧婧,索朗拉姆,尼瑪扎西,等.基于MLP和SepCNN神經(jīng)網(wǎng)絡(luò)模型的藏文文本分類研究[J].軟件,2020,41(12):11-17.

    [4] 李亮.基于ALBERT的藏文預(yù)訓(xùn)練模型及其應(yīng)用[D].蘭州:蘭州大學(xué),2020.

    [5] 張英,擁措,于韜.基于動(dòng)態(tài)多頭注意力機(jī)制的藏文語言模型[J].計(jì)算機(jī)工程與設(shè)計(jì),2023,44(12):3707-3713.

    [6] YANG Z, XU Z, CUI Y, et al. CINO: A Chinese minority pre-trained language model[J]. arxiv preprint arxiv:2202.13558,2022.

    [7] RAKHLIN A. Convolutional neural networks for sentence classification[J]. GitHub,2016(6):25.

    [8] QUN N,LI X, et al. End-to-endneuraltext classificationfor Tibetan[J].Chinese Computational Linguistics and Natural LanguageProcessing Based on Naturally Annotated Big Data, 2017.

    [9] 李亞超,江靜,加羊吉,等.TIP-LAS:一個(gè)開源的藏文分詞詞性標(biāo)注系統(tǒng)[J].中文信息學(xué)報(bào),2015,29(6):203-207.

    猜你喜歡
    注意力機(jī)制
    基于注意力機(jī)制的行人軌跡預(yù)測(cè)生成模型
    基于注意力機(jī)制和BGRU網(wǎng)絡(luò)的文本情感分析方法研究
    多特征融合的中文實(shí)體關(guān)系抽取研究
    基于序列到序列模型的文本到信息框生成的研究
    基于深度學(xué)習(xí)的手分割算法研究
    從餐館評(píng)論中提取方面術(shù)語
    面向短文本的網(wǎng)絡(luò)輿情話題
    基于自注意力與動(dòng)態(tài)路由的文本建模方法
    基于深度學(xué)習(xí)的問題回答技術(shù)研究
    基于LSTM?Attention神經(jīng)網(wǎng)絡(luò)的文本特征提取方法
    窝窝影院91人妻| 国产av一区在线观看免费| 亚洲欧美日韩卡通动漫| 久久精品国产自在天天线| av在线蜜桃| 成年版毛片免费区| 国产精品不卡视频一区二区| 天堂av国产一区二区熟女人妻| 亚洲av成人精品一区久久| 国产精品野战在线观看| 亚洲欧美精品综合久久99| 久久人妻av系列| 欧洲精品卡2卡3卡4卡5卡区| 老司机午夜福利在线观看视频| 内地一区二区视频在线| 亚洲,欧美,日韩| 亚洲国产精品合色在线| 欧美区成人在线视频| 12—13女人毛片做爰片一| 亚洲 国产 在线| 精品久久久久久久久亚洲 | 久久99热6这里只有精品| 国产精品伦人一区二区| 亚洲avbb在线观看| 内地一区二区视频在线| 人妻久久中文字幕网| 91麻豆精品激情在线观看国产| 国产伦精品一区二区三区视频9| 最新中文字幕久久久久| 日日撸夜夜添| 久久人人爽人人爽人人片va| 狂野欧美激情性xxxx在线观看| 岛国在线免费视频观看| 一区二区三区免费毛片| 久久久色成人| 最新在线观看一区二区三区| 亚洲av电影不卡..在线观看| 乱码一卡2卡4卡精品| 久久久久久久久中文| 色综合色国产| 午夜福利在线在线| 热99在线观看视频| 人人妻,人人澡人人爽秒播| 久99久视频精品免费| 久久久久九九精品影院| 国产免费av片在线观看野外av| 精品一区二区三区av网在线观看| 天堂影院成人在线观看| 成人美女网站在线观看视频| 啦啦啦韩国在线观看视频| 亚洲色图av天堂| 国产精品综合久久久久久久免费| 亚洲美女视频黄频| 亚洲无线在线观看| 一本久久中文字幕| 婷婷丁香在线五月| 少妇的逼水好多| 亚洲精华国产精华液的使用体验 | 亚洲精品日韩av片在线观看| 国产高清激情床上av| 日韩强制内射视频| 亚洲va在线va天堂va国产| 给我免费播放毛片高清在线观看| 国产v大片淫在线免费观看| 欧美潮喷喷水| av天堂中文字幕网| 一级a爱片免费观看的视频| 99热网站在线观看| 日日干狠狠操夜夜爽| 久久久久九九精品影院| 精品午夜福利视频在线观看一区| 亚洲欧美精品综合久久99| 国产精品人妻久久久久久| 国产老妇女一区| 国产一区二区在线观看日韩| 成年女人永久免费观看视频| 岛国在线免费视频观看| 国产精品一区www在线观看 | 婷婷色综合大香蕉| 男女边吃奶边做爰视频| 日韩欧美精品免费久久| 欧美日韩亚洲国产一区二区在线观看| 啦啦啦韩国在线观看视频| av天堂中文字幕网| 又粗又爽又猛毛片免费看| www日本黄色视频网| 久久久久久九九精品二区国产| 大型黄色视频在线免费观看| 嫩草影视91久久| 直男gayav资源| 欧美一级a爱片免费观看看| av专区在线播放| 搞女人的毛片| 精品一区二区三区视频在线观看免费| av中文乱码字幕在线| 久久久久久伊人网av| a级毛片a级免费在线| 亚洲最大成人手机在线| 性色avwww在线观看| 亚洲人成网站在线播| 精品一区二区三区av网在线观看| 亚洲四区av| 在线观看美女被高潮喷水网站| 毛片女人毛片| 99在线视频只有这里精品首页| 欧美日韩中文字幕国产精品一区二区三区| 男女之事视频高清在线观看| 日本一二三区视频观看| 欧美中文日本在线观看视频| 久久久久精品国产欧美久久久| 国产伦在线观看视频一区| 联通29元200g的流量卡| 国产亚洲精品综合一区在线观看| 国产高清三级在线| 国产精品亚洲美女久久久| 日本-黄色视频高清免费观看| 免费人成在线观看视频色| 又紧又爽又黄一区二区| 国产蜜桃级精品一区二区三区| 日本免费a在线| 成人鲁丝片一二三区免费| 两性午夜刺激爽爽歪歪视频在线观看| 搡女人真爽免费视频火全软件 | 国产亚洲91精品色在线| 三级毛片av免费| 午夜日韩欧美国产| 久久精品91蜜桃| 18禁在线播放成人免费| 国产免费一级a男人的天堂| av天堂在线播放| 色吧在线观看| 搡老妇女老女人老熟妇| 亚洲va在线va天堂va国产| 性欧美人与动物交配| 亚洲在线观看片| 久久精品国产亚洲av涩爱 | 91在线观看av| 91狼人影院| 婷婷精品国产亚洲av| 久久国产乱子免费精品| 久久久久久久久久黄片| 久久久久久久精品吃奶| 国产精品久久久久久av不卡| 欧美色视频一区免费| 成人性生交大片免费视频hd| 久久精品国产亚洲av涩爱 | 国产精品精品国产色婷婷| 国模一区二区三区四区视频| 午夜福利成人在线免费观看| 精品久久久久久久人妻蜜臀av| 国产精品久久久久久久电影| 最新中文字幕久久久久| 嫩草影院新地址| 国产亚洲欧美98| 亚洲经典国产精华液单| 99热网站在线观看| 狂野欧美白嫩少妇大欣赏| 看黄色毛片网站| 欧美一区二区精品小视频在线| 久久精品综合一区二区三区| 成年女人毛片免费观看观看9| 免费av不卡在线播放| 91麻豆精品激情在线观看国产| 一边摸一边抽搐一进一小说| 最近在线观看免费完整版| 自拍欧美九色日韩亚洲蝌蚪91 | 精品熟女少妇av免费看| 中文在线观看免费www的网站| 免费看不卡的av| 永久免费av网站大全| 色婷婷av一区二区三区视频| 亚洲精品久久午夜乱码| 韩国高清视频一区二区三区| h视频一区二区三区| 寂寞人妻少妇视频99o| 国产伦精品一区二区三区视频9| 激情 狠狠 欧美| 亚洲av不卡在线观看| 美女脱内裤让男人舔精品视频| 免费久久久久久久精品成人欧美视频 | 中文字幕精品免费在线观看视频 | 成人影院久久| 乱码一卡2卡4卡精品| 亚洲一区二区三区欧美精品| 男男h啪啪无遮挡| 欧美一级a爱片免费观看看| 一区二区三区精品91| 亚洲高清免费不卡视频| 午夜免费男女啪啪视频观看| 99久久中文字幕三级久久日本| 亚洲欧美日韩另类电影网站 | 国国产精品蜜臀av免费| 蜜桃亚洲精品一区二区三区| 永久免费av网站大全| 日本av手机在线免费观看| 涩涩av久久男人的天堂| 欧美日韩视频精品一区| 日韩亚洲欧美综合| 九草在线视频观看| 大片电影免费在线观看免费| 99热这里只有精品一区| 亚洲激情五月婷婷啪啪| 婷婷色综合www| 欧美+日韩+精品| 中国三级夫妇交换| 午夜精品国产一区二区电影| 午夜福利在线在线| av国产久精品久网站免费入址| 赤兔流量卡办理| 欧美bdsm另类| 日韩一区二区三区影片| 99视频精品全部免费 在线| 成人影院久久| 美女中出高潮动态图| 哪个播放器可以免费观看大片| 日韩免费高清中文字幕av| 亚洲欧美成人精品一区二区| 亚洲av男天堂| 久热久热在线精品观看| 亚洲精品亚洲一区二区| 婷婷色综合www| 亚洲,欧美,日韩| 五月玫瑰六月丁香| 女的被弄到高潮叫床怎么办| 亚洲一区二区三区欧美精品| 国产精品熟女久久久久浪| 国产毛片在线视频| 高清av免费在线| 晚上一个人看的免费电影| 亚洲av日韩在线播放| 精品少妇久久久久久888优播| 免费黄频网站在线观看国产| 亚洲欧美日韩无卡精品| 日韩 亚洲 欧美在线| 亚洲成色77777| 国产高清国产精品国产三级 | av天堂中文字幕网| 日韩强制内射视频| 青春草视频在线免费观看| 亚洲美女黄色视频免费看| 婷婷色综合www| 十八禁网站网址无遮挡 | av不卡在线播放| 日本黄色日本黄色录像| 男女边吃奶边做爰视频| 在线观看一区二区三区激情| 日韩不卡一区二区三区视频在线| 美女高潮的动态| av福利片在线观看| 日本wwww免费看| 91午夜精品亚洲一区二区三区| 在线观看av片永久免费下载| 国产成人免费观看mmmm| 嫩草影院入口| av黄色大香蕉| 欧美日韩综合久久久久久| 久久久久久伊人网av| 日本欧美国产在线视频| 亚洲国产毛片av蜜桃av| 国产一区二区在线观看日韩| 51国产日韩欧美| 国产精品.久久久| 男女下面进入的视频免费午夜| 人妻少妇偷人精品九色| 全区人妻精品视频| 卡戴珊不雅视频在线播放| 午夜视频国产福利| 在线观看三级黄色| 老师上课跳d突然被开到最大视频| 在线观看av片永久免费下载| 国产片特级美女逼逼视频| 日日摸夜夜添夜夜添av毛片| 国产精品偷伦视频观看了| 2018国产大陆天天弄谢| 看十八女毛片水多多多| 精品国产三级普通话版| 亚洲高清免费不卡视频| 国产大屁股一区二区在线视频| 久久国产精品大桥未久av | 国产精品成人在线| 日韩成人av中文字幕在线观看| 久久久久久久国产电影| 欧美三级亚洲精品| 亚洲精品国产成人久久av| 超碰97精品在线观看| 国产高潮美女av| 一区二区三区乱码不卡18| 黄色配什么色好看| 免费大片18禁| 国产午夜精品一二区理论片| 亚洲伊人久久精品综合| 国产精品久久久久久精品电影小说 | 一本色道久久久久久精品综合| 亚洲精品中文字幕在线视频 | 亚洲精品日韩av片在线观看| 美女高潮的动态| 日韩av不卡免费在线播放| 一本久久精品| 久久久久国产网址| 成人18禁高潮啪啪吃奶动态图 | 亚洲综合精品二区| 精品国产一区二区三区久久久樱花 | 在线 av 中文字幕| 亚洲欧美一区二区三区黑人 | 国产精品伦人一区二区| 91aial.com中文字幕在线观看| 精品一区二区三区视频在线| 亚洲av日韩在线播放| 能在线免费看毛片的网站| 国产在线免费精品| 亚洲aⅴ乱码一区二区在线播放| 人妻一区二区av| 中国三级夫妇交换| 亚洲欧美日韩另类电影网站 | 久久影院123| 九九在线视频观看精品| 免费大片黄手机在线观看| 亚洲av成人精品一二三区| 精品一区二区三区视频在线| 亚洲无线观看免费| 看非洲黑人一级黄片| 亚洲av免费高清在线观看| 国产欧美日韩精品一区二区| 久久久久视频综合| 国产久久久一区二区三区| 91aial.com中文字幕在线观看| 亚洲精品第二区| av网站免费在线观看视频| 亚洲四区av| 精品国产一区二区三区久久久樱花 | 老司机影院成人| 人体艺术视频欧美日本| 一区二区三区免费毛片| 精品国产一区二区三区久久久樱花 | 婷婷色av中文字幕| 久久国产乱子免费精品| 如何舔出高潮| 精品国产乱码久久久久久小说| 成人二区视频| 精品人妻视频免费看| 亚洲国产精品成人久久小说| 精品人妻偷拍中文字幕| 一级毛片我不卡| 看免费成人av毛片| 91精品国产国语对白视频| 欧美激情国产日韩精品一区| 天美传媒精品一区二区| 看免费成人av毛片| 午夜福利视频精品| 大陆偷拍与自拍| 卡戴珊不雅视频在线播放| 国产欧美亚洲国产| 在线观看免费高清a一片| 国产在线免费精品| 99久久综合免费| 岛国毛片在线播放| 大片免费播放器 马上看| 国产欧美亚洲国产| 亚洲高清免费不卡视频| 国产av码专区亚洲av| 欧美成人a在线观看| 网址你懂的国产日韩在线| 国精品久久久久久国模美| 久久精品国产亚洲av涩爱| 午夜免费鲁丝| 久久久久国产网址| 亚洲成人手机| 熟女电影av网| 免费观看的影片在线观看| 国产精品久久久久久久电影| 国产精品嫩草影院av在线观看| 国产熟女欧美一区二区| 国产精品嫩草影院av在线观看| 永久网站在线| 男人爽女人下面视频在线观看| 午夜福利在线观看免费完整高清在| 中文字幕精品免费在线观看视频 | 麻豆成人午夜福利视频| 午夜福利网站1000一区二区三区| 亚洲欧美一区二区三区国产| 免费高清在线观看视频在线观看| 男人狂女人下面高潮的视频| 夫妻午夜视频| 18+在线观看网站| 久久久精品94久久精品| 亚洲av中文字字幕乱码综合| 一级二级三级毛片免费看| 小蜜桃在线观看免费完整版高清| 欧美性感艳星| 久久精品国产亚洲av涩爱| 日本爱情动作片www.在线观看| 亚洲国产日韩一区二区| av在线播放精品| 成人高潮视频无遮挡免费网站| 校园人妻丝袜中文字幕| 国产黄片美女视频| 最后的刺客免费高清国语| 精品国产一区二区三区久久久樱花 | 欧美成人午夜免费资源| 99久久中文字幕三级久久日本| 丝袜喷水一区| 一级片'在线观看视频| 老熟女久久久| 最近中文字幕2019免费版| 久久精品国产亚洲av涩爱| 色婷婷av一区二区三区视频| 在线免费十八禁| 免费大片黄手机在线观看| av一本久久久久| 亚洲国产毛片av蜜桃av| 观看av在线不卡| 97精品久久久久久久久久精品| 大陆偷拍与自拍| 久久 成人 亚洲| 国产精品.久久久| av国产久精品久网站免费入址| 你懂的网址亚洲精品在线观看| 啦啦啦视频在线资源免费观看| 80岁老熟妇乱子伦牲交| 久久久久久九九精品二区国产| 国产 一区 欧美 日韩| av在线观看视频网站免费| 国产免费一区二区三区四区乱码| 国产探花极品一区二区| 国产欧美另类精品又又久久亚洲欧美| 大又大粗又爽又黄少妇毛片口| av线在线观看网站| 亚洲电影在线观看av| 我要看日韩黄色一级片| 亚洲美女搞黄在线观看| 3wmmmm亚洲av在线观看| 欧美xxxx性猛交bbbb| 老司机影院毛片| 在线观看美女被高潮喷水网站| 深夜a级毛片| 欧美xxxx性猛交bbbb| 日韩一本色道免费dvd| 国产亚洲精品久久久com| 美女脱内裤让男人舔精品视频| 国产免费视频播放在线视频| 国产精品.久久久| 一二三四中文在线观看免费高清| 国产精品一区二区在线观看99| 天堂8中文在线网| 欧美+日韩+精品| 一边亲一边摸免费视频| 亚洲人成网站高清观看| 男女边吃奶边做爰视频| 亚洲精华国产精华液的使用体验| 99热国产这里只有精品6| 黑人猛操日本美女一级片| 妹子高潮喷水视频| 九九在线视频观看精品| 国产精品精品国产色婷婷| 亚洲美女搞黄在线观看| 久久热精品热| 91精品国产国语对白视频| 久久婷婷青草| 少妇丰满av| 熟女人妻精品中文字幕| 国产精品99久久久久久久久| 男女免费视频国产| 日韩三级伦理在线观看| 精品一区二区三区视频在线| 丝袜喷水一区| 国产成人精品久久久久久| 欧美少妇被猛烈插入视频| 亚洲精品中文字幕在线视频 | 青青草视频在线视频观看| 亚洲美女搞黄在线观看| 我的老师免费观看完整版| 日本av手机在线免费观看| 国产伦精品一区二区三区四那| 高清日韩中文字幕在线| 国产一级毛片在线| 亚洲精品亚洲一区二区| 在现免费观看毛片| 精品国产一区二区三区久久久樱花 | 国产在线视频一区二区| 久久青草综合色| 久久国产精品大桥未久av | 观看免费一级毛片| 国产亚洲午夜精品一区二区久久| 91狼人影院| 少妇猛男粗大的猛烈进出视频| 国产熟女欧美一区二区| 色婷婷久久久亚洲欧美| 午夜福利网站1000一区二区三区| 国产亚洲一区二区精品| 草草在线视频免费看| 99热这里只有是精品50| 夫妻午夜视频| 九草在线视频观看| 国内精品宾馆在线| 国产精品国产三级专区第一集| 久久久久久久大尺度免费视频| 99热网站在线观看| 亚洲人成网站在线观看播放| 免费观看性生交大片5| 精品国产露脸久久av麻豆| 亚洲欧美中文字幕日韩二区| 少妇人妻一区二区三区视频| 久久久久久久久久久丰满| 免费久久久久久久精品成人欧美视频 | 大陆偷拍与自拍| 久久久久网色| 91aial.com中文字幕在线观看| 国产久久久一区二区三区| 中文精品一卡2卡3卡4更新| 国产精品人妻久久久久久| 亚洲,一卡二卡三卡| 国产熟女欧美一区二区| 日韩一区二区三区影片| 亚洲国产精品专区欧美| 午夜免费观看性视频| 久久99热这里只频精品6学生| 美女脱内裤让男人舔精品视频| 少妇 在线观看| 精品国产三级普通话版| 亚洲丝袜综合中文字幕| 综合色丁香网| 在线天堂最新版资源| 少妇熟女欧美另类| 亚洲av成人精品一二三区| av专区在线播放| 国产黄片视频在线免费观看| 身体一侧抽搐| 国产无遮挡羞羞视频在线观看| 久久久久久久久大av| 少妇的逼水好多| 久久国产亚洲av麻豆专区| 寂寞人妻少妇视频99o| 国产亚洲一区二区精品| 国产精品国产三级国产av玫瑰| 成人一区二区视频在线观看| 嫩草影院新地址| 亚洲第一区二区三区不卡| 99热这里只有是精品在线观看| 色婷婷av一区二区三区视频| 免费看不卡的av| 六月丁香七月| 男女啪啪激烈高潮av片| 纯流量卡能插随身wifi吗| 亚洲av福利一区| 国产成人午夜福利电影在线观看| 欧美成人一区二区免费高清观看| 亚洲激情五月婷婷啪啪| 尤物成人国产欧美一区二区三区| 久久久精品94久久精品| 亚洲av二区三区四区| a 毛片基地| 在线观看一区二区三区| 男人添女人高潮全过程视频| 高清不卡的av网站| 国产爱豆传媒在线观看| 午夜精品国产一区二区电影| 国产亚洲91精品色在线| 国产探花极品一区二区| av不卡在线播放| 久久99蜜桃精品久久| 日韩一区二区三区影片| 久久99蜜桃精品久久| 久久久久国产精品人妻一区二区| 涩涩av久久男人的天堂| 丝袜喷水一区| 亚洲国产av新网站| 99热全是精品| 大陆偷拍与自拍| 午夜免费鲁丝| 看免费成人av毛片| 校园人妻丝袜中文字幕| 黄色一级大片看看| 高清不卡的av网站| 成人免费观看视频高清| 观看美女的网站| 伊人久久精品亚洲午夜| 一二三四中文在线观看免费高清| 在线免费观看不下载黄p国产| 一级毛片黄色毛片免费观看视频| 亚洲高清免费不卡视频| 三级经典国产精品| 午夜免费鲁丝| 久久久久国产网址| 亚洲色图综合在线观看| 一级毛片aaaaaa免费看小| 一本—道久久a久久精品蜜桃钙片| 国产在线一区二区三区精| 99热网站在线观看| 一个人免费看片子| 一级毛片 在线播放| 久久精品国产亚洲av天美| 国产亚洲5aaaaa淫片| 最近的中文字幕免费完整| 天天躁夜夜躁狠狠久久av| 51国产日韩欧美| 亚洲激情五月婷婷啪啪| 在线免费观看不下载黄p国产| 汤姆久久久久久久影院中文字幕| 青春草国产在线视频| 国产精品无大码| 精品99又大又爽又粗少妇毛片| 99久久精品热视频| 尤物成人国产欧美一区二区三区| av免费在线看不卡| 一级爰片在线观看| 国产男女内射视频| 777米奇影视久久| 国产成人a区在线观看| 国产精品一及| 亚洲精品一二三| 免费观看的影片在线观看| 一区在线观看完整版| 成人午夜精彩视频在线观看| 一区二区三区免费毛片| 在线观看免费日韩欧美大片 |