• <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
    成人亚洲精品一区在线观看| 亚洲在线自拍视频| 亚洲人成伊人成综合网2020| 免费在线观看完整版高清| 欧美激情久久久久久爽电影 | 亚洲成国产人片在线观看| 最新在线观看一区二区三区| 一进一出抽搐gif免费好疼 | 亚洲精品在线观看二区| 精品国产乱子伦一区二区三区| 免费在线观看日本一区| 在线观看日韩欧美| 在线观看舔阴道视频| 操美女的视频在线观看| 久久久久久久精品吃奶| 国产视频一区二区在线看| 一进一出抽搐动态| 乱人伦中国视频| 亚洲avbb在线观看| 91国产中文字幕| 深夜精品福利| 国产精品久久久久久精品古装| 精品久久久久久电影网| 岛国毛片在线播放| 十八禁高潮呻吟视频| 午夜免费鲁丝| 最新的欧美精品一区二区| 老汉色av国产亚洲站长工具| 久久久久久免费高清国产稀缺| 亚洲欧洲精品一区二区精品久久久| 欧美亚洲 丝袜 人妻 在线| 亚洲av美国av| 久热爱精品视频在线9| 99久久99久久久精品蜜桃| 9色porny在线观看| 欧美丝袜亚洲另类 | 久久婷婷成人综合色麻豆| 欧美日韩国产mv在线观看视频| 国产在线精品亚洲第一网站| 91麻豆av在线| 久久这里只有精品19| 精品福利永久在线观看| 日韩熟女老妇一区二区性免费视频| 欧美日韩中文字幕国产精品一区二区三区 | 欧美老熟妇乱子伦牲交| 日韩欧美国产一区二区入口| 又紧又爽又黄一区二区| 天天躁日日躁夜夜躁夜夜| 我的亚洲天堂| 18禁裸乳无遮挡动漫免费视频| 99香蕉大伊视频| 桃红色精品国产亚洲av| 久久香蕉国产精品| 国产在线观看jvid| 欧美 日韩 精品 国产| 欧美精品啪啪一区二区三区| 国产99久久九九免费精品| 亚洲精品国产色婷婷电影| 在线观看日韩欧美| 桃红色精品国产亚洲av| 久久精品91无色码中文字幕| 黄片小视频在线播放| 午夜视频精品福利| 麻豆成人av在线观看| 女人被狂操c到高潮| 麻豆国产av国片精品| 亚洲五月天丁香| 国产亚洲精品久久久久5区| 19禁男女啪啪无遮挡网站| 亚洲精品久久成人aⅴ小说| 新久久久久国产一级毛片| 一级a爱视频在线免费观看| 老司机亚洲免费影院| 日日摸夜夜添夜夜添小说| 多毛熟女@视频| 日本一区二区免费在线视频| 母亲3免费完整高清在线观看| 99精国产麻豆久久婷婷| 国产一区二区三区综合在线观看| 在线观看免费视频网站a站| 女同久久另类99精品国产91| 中文字幕av电影在线播放| 高清在线国产一区| 两性夫妻黄色片| 国产一区二区三区综合在线观看| 久久中文看片网| 丝袜在线中文字幕| 国产乱人伦免费视频| 色综合婷婷激情| 欧美中文综合在线视频| 天堂√8在线中文| 狂野欧美激情性xxxx| 国产精品av久久久久免费| 精品久久久久久,| 亚洲 国产 在线| 亚洲国产精品合色在线| av不卡在线播放| 午夜老司机福利片| 国产精品自产拍在线观看55亚洲 | 久久精品亚洲熟妇少妇任你| 午夜91福利影院| 国产精品电影一区二区三区 | 亚洲av第一区精品v没综合| 欧美亚洲日本最大视频资源| 在线观看www视频免费| 变态另类成人亚洲欧美熟女 | 王馨瑶露胸无遮挡在线观看| x7x7x7水蜜桃| 热99re8久久精品国产| 在线观看日韩欧美| 久99久视频精品免费| 欧美人与性动交α欧美精品济南到| 嫁个100分男人电影在线观看| 亚洲精华国产精华精| 亚洲aⅴ乱码一区二区在线播放 | 女人高潮潮喷娇喘18禁视频| 亚洲专区中文字幕在线| 自线自在国产av| 婷婷成人精品国产| 一边摸一边做爽爽视频免费| 国产精品免费视频内射| 亚洲一区中文字幕在线| 久久 成人 亚洲| 黑人欧美特级aaaaaa片| 最近最新中文字幕大全电影3 | 久久久久久免费高清国产稀缺| 国产精品1区2区在线观看. | 久久精品国产综合久久久| 日本vs欧美在线观看视频| 久久久久久久精品吃奶| 18禁美女被吸乳视频| 久久久国产精品麻豆| 国产精品二区激情视频| 一本一本久久a久久精品综合妖精| 久久久精品免费免费高清| 国产xxxxx性猛交| 亚洲精品av麻豆狂野| 国产片内射在线| 三级毛片av免费| 制服诱惑二区| 午夜福利在线观看吧| 日韩视频一区二区在线观看| 成年人免费黄色播放视频| 国产不卡av网站在线观看| 12—13女人毛片做爰片一| 午夜两性在线视频| 在线国产一区二区在线| 国产成人免费无遮挡视频| 国产在线精品亚洲第一网站| 精品午夜福利视频在线观看一区| 久久午夜亚洲精品久久| 自线自在国产av| 妹子高潮喷水视频| 黄色成人免费大全| 高清av免费在线| e午夜精品久久久久久久| av超薄肉色丝袜交足视频| 欧美日韩乱码在线| 精品视频人人做人人爽| 免费一级毛片在线播放高清视频 | 黑丝袜美女国产一区| 大型黄色视频在线免费观看| 亚洲色图综合在线观看| 久9热在线精品视频| 午夜福利,免费看| 变态另类成人亚洲欧美熟女 | 中国美女看黄片| 国产精品久久久人人做人人爽| 亚洲三区欧美一区| 久99久视频精品免费| 91精品三级在线观看| 无限看片的www在线观看| 欧美成狂野欧美在线观看| 在线观看www视频免费| 亚洲国产欧美日韩在线播放| 欧美乱码精品一区二区三区| 正在播放国产对白刺激| 中文字幕最新亚洲高清| 亚洲精品乱久久久久久| 午夜福利在线观看吧| 国产精品免费视频内射| 免费不卡黄色视频| 丝袜美腿诱惑在线| 精品一区二区三区视频在线观看免费 | 国产精品亚洲av一区麻豆| 成人手机av| 亚洲国产欧美一区二区综合| 国产精品 国内视频| 黄色视频,在线免费观看| 国产精品.久久久| 亚洲欧美一区二区三区黑人| 午夜亚洲福利在线播放| 俄罗斯特黄特色一大片| 美女高潮喷水抽搐中文字幕| 国产91精品成人一区二区三区| 日本欧美视频一区| 久久久久久人人人人人| 国产欧美日韩一区二区三区在线| 一本大道久久a久久精品| ponron亚洲| avwww免费| 国产99白浆流出| 亚洲精品美女久久久久99蜜臀| 高清视频免费观看一区二区| 新久久久久国产一级毛片| 久久国产乱子伦精品免费另类| 99re在线观看精品视频| 1024香蕉在线观看| 欧美黄色片欧美黄色片| 黑人巨大精品欧美一区二区蜜桃| 美女午夜性视频免费| 久久天堂一区二区三区四区| 日韩三级视频一区二区三区| 人妻 亚洲 视频| 99re在线观看精品视频| 国产精品国产av在线观看| netflix在线观看网站| 69精品国产乱码久久久| 国产欧美亚洲国产| 大码成人一级视频| 亚洲午夜精品一区,二区,三区| 久久精品亚洲av国产电影网| 国产xxxxx性猛交| 99久久99久久久精品蜜桃| 久久国产精品人妻蜜桃| 久久国产精品人妻蜜桃| 制服诱惑二区| 好男人电影高清在线观看| 欧美乱码精品一区二区三区| 法律面前人人平等表现在哪些方面| 亚洲在线自拍视频| 下体分泌物呈黄色| avwww免费| 亚洲精华国产精华精| 久久ye,这里只有精品| 少妇 在线观看| 18禁国产床啪视频网站| 最近最新免费中文字幕在线| 亚洲一区高清亚洲精品| 王馨瑶露胸无遮挡在线观看| 亚洲成人免费电影在线观看| 欧美+亚洲+日韩+国产| 久久国产精品影院| 在线观看www视频免费| 老熟女久久久| 色婷婷久久久亚洲欧美| 亚洲熟女毛片儿| 午夜视频精品福利| 国产高清国产精品国产三级| 欧美另类亚洲清纯唯美| 色尼玛亚洲综合影院| 日日摸夜夜添夜夜添小说| 两性夫妻黄色片| 欧美人与性动交α欧美软件| 美女高潮喷水抽搐中文字幕| 免费少妇av软件| 人妻丰满熟妇av一区二区三区 | 成人国产一区最新在线观看| 国产真人三级小视频在线观看| 日韩欧美三级三区| 欧美日韩亚洲综合一区二区三区_| 母亲3免费完整高清在线观看| 91成人精品电影| 国产不卡av网站在线观看| 国产蜜桃级精品一区二区三区 | av网站免费在线观看视频| 欧美成狂野欧美在线观看| 大香蕉久久成人网| 欧美丝袜亚洲另类 | 大香蕉久久网| 成人国产一区最新在线观看| 美女视频免费永久观看网站| e午夜精品久久久久久久| 高潮久久久久久久久久久不卡| 国产免费现黄频在线看| 亚洲精品国产区一区二| 亚洲精品中文字幕在线视频| 欧美乱码精品一区二区三区| 搡老熟女国产l中国老女人| 真人做人爱边吃奶动态| 麻豆乱淫一区二区| 免费看a级黄色片| 午夜两性在线视频| 欧美精品啪啪一区二区三区| 大码成人一级视频| 亚洲精品乱久久久久久| 看免费av毛片| 国产免费现黄频在线看| 色94色欧美一区二区| 亚洲精品美女久久久久99蜜臀| 亚洲在线自拍视频| 欧美成人午夜精品| 他把我摸到了高潮在线观看| 91国产中文字幕| 精品午夜福利视频在线观看一区| 国产成人av激情在线播放| 一本综合久久免费| 国产在视频线精品| 人人妻人人添人人爽欧美一区卜| 一区在线观看完整版| 69av精品久久久久久| 欧美成狂野欧美在线观看| 99热国产这里只有精品6| 亚洲国产精品sss在线观看 | 在线天堂中文资源库| 国产精品美女特级片免费视频播放器 | 搡老熟女国产l中国老女人| 777米奇影视久久| 一级作爱视频免费观看| 久久久久久亚洲精品国产蜜桃av| 亚洲人成电影免费在线| 欧美色视频一区免费| 精品无人区乱码1区二区| 婷婷精品国产亚洲av在线 | 校园春色视频在线观看| 午夜免费鲁丝| 久久精品aⅴ一区二区三区四区| 乱人伦中国视频| 一区二区日韩欧美中文字幕| 嫩草影视91久久| 久久久久久久国产电影| 久久精品熟女亚洲av麻豆精品| 国产精品99久久99久久久不卡| 欧美乱色亚洲激情| 亚洲欧美日韩高清在线视频| 亚洲黑人精品在线| 五月开心婷婷网| 丁香六月欧美| 日本wwww免费看| 免费高清在线观看日韩| 中文字幕另类日韩欧美亚洲嫩草| 欧美日韩国产mv在线观看视频| 亚洲成人手机| 一夜夜www| 99国产极品粉嫩在线观看| 99精品欧美一区二区三区四区| 欧美激情极品国产一区二区三区| 国产欧美日韩一区二区三| 天天躁狠狠躁夜夜躁狠狠躁| 国产高清激情床上av| 国产精品亚洲一级av第二区| 国产亚洲精品一区二区www | av免费在线观看网站| 女性被躁到高潮视频| 国产亚洲av高清不卡| 欧美精品亚洲一区二区| 美女国产高潮福利片在线看| 这个男人来自地球电影免费观看| 美女 人体艺术 gogo| 两个人看的免费小视频| 一级毛片女人18水好多| avwww免费| 午夜福利乱码中文字幕| 一进一出抽搐gif免费好疼 | 欧美黄色淫秽网站| 国产免费av片在线观看野外av| 飞空精品影院首页| 成人免费观看视频高清| 女人被狂操c到高潮| 建设人人有责人人尽责人人享有的| 91精品三级在线观看| 久久久国产成人精品二区 | 免费日韩欧美在线观看| 国产精品久久久av美女十八| 高清毛片免费观看视频网站 | 欧美成狂野欧美在线观看| 美国免费a级毛片| 精品国产一区二区三区四区第35| 大香蕉久久成人网| 热re99久久国产66热| 一区福利在线观看| 91国产中文字幕| 又黄又粗又硬又大视频| 亚洲第一青青草原| 欧美人与性动交α欧美精品济南到| 精品卡一卡二卡四卡免费| 久久天堂一区二区三区四区| 极品人妻少妇av视频| 999久久久精品免费观看国产| 成在线人永久免费视频| 狂野欧美激情性xxxx| 亚洲成人免费电影在线观看| 亚洲人成77777在线视频| 在线播放国产精品三级| 国产深夜福利视频在线观看| 久久久久国内视频| 少妇猛男粗大的猛烈进出视频| 亚洲情色 制服丝袜| 好看av亚洲va欧美ⅴa在| av线在线观看网站| 久久精品国产亚洲av高清一级| 高清在线国产一区| 12—13女人毛片做爰片一| 少妇裸体淫交视频免费看高清 | 色在线成人网| 国产精品久久视频播放| 黑人猛操日本美女一级片| 欧美日韩亚洲高清精品| 99国产综合亚洲精品| 91大片在线观看| 日韩制服丝袜自拍偷拍| 欧美在线一区亚洲| 成人18禁高潮啪啪吃奶动态图| 91成人精品电影| 久久香蕉激情| 久久精品亚洲熟妇少妇任你| 亚洲精品美女久久av网站| 国产精品免费大片| 国产亚洲精品第一综合不卡| 青草久久国产| 搡老熟女国产l中国老女人| 十八禁网站免费在线| 日韩欧美在线二视频 | 一级毛片高清免费大全| 久久精品熟女亚洲av麻豆精品| 很黄的视频免费| 激情视频va一区二区三区| 精品国产乱码久久久久久男人| 国产99久久九九免费精品| 精品国产美女av久久久久小说| 亚洲人成伊人成综合网2020| 国产一区二区三区视频了| 亚洲五月天丁香| 黑人操中国人逼视频| 老汉色av国产亚洲站长工具| www.熟女人妻精品国产| 欧美精品高潮呻吟av久久| 无人区码免费观看不卡| 国产精品久久久久久精品古装| av超薄肉色丝袜交足视频| 免费在线观看视频国产中文字幕亚洲| 国产一区二区激情短视频| 久久热在线av| 国产不卡一卡二| 精品无人区乱码1区二区| 久久久久久免费高清国产稀缺| 交换朋友夫妻互换小说| 看黄色毛片网站| 国产91精品成人一区二区三区| 最新在线观看一区二区三区| 18禁观看日本| 后天国语完整版免费观看| 水蜜桃什么品种好| 最近最新中文字幕大全免费视频| 韩国av一区二区三区四区| 亚洲视频免费观看视频| 校园春色视频在线观看| 91成人精品电影| 夜夜躁狠狠躁天天躁| 亚洲 国产 在线| 黑人巨大精品欧美一区二区mp4| 国产精品九九99| 国产aⅴ精品一区二区三区波| 91字幕亚洲| 又大又爽又粗| 国产精品一区二区精品视频观看| 久久精品国产亚洲av高清一级| 国产精品久久久久成人av| 久久中文字幕一级| netflix在线观看网站| 亚洲中文av在线| 久久人妻av系列| 少妇被粗大的猛进出69影院| 免费久久久久久久精品成人欧美视频| 搡老岳熟女国产| 可以免费在线观看a视频的电影网站| 亚洲成人免费电影在线观看| 国产黄色免费在线视频| 国产精品一区二区精品视频观看| 啪啪无遮挡十八禁网站| 美女国产高潮福利片在线看| 亚洲av第一区精品v没综合| 老司机深夜福利视频在线观看| 精品国产乱码久久久久久男人| 亚洲欧美一区二区三区久久| 亚洲精品美女久久久久99蜜臀| 黄片播放在线免费| 国产在线一区二区三区精| 嫁个100分男人电影在线观看| 午夜两性在线视频| 黄片大片在线免费观看| 在线观看免费视频日本深夜| 亚洲aⅴ乱码一区二区在线播放 | 国产精品久久视频播放| 99国产精品99久久久久| 女人久久www免费人成看片| 99久久综合精品五月天人人| 久久国产乱子伦精品免费另类| 如日韩欧美国产精品一区二区三区| 国产成人av激情在线播放| 水蜜桃什么品种好| 极品教师在线免费播放| 欧美乱码精品一区二区三区| 俄罗斯特黄特色一大片| 免费av中文字幕在线| 午夜视频精品福利| cao死你这个sao货| 91九色精品人成在线观看| 国产高清视频在线播放一区| av网站免费在线观看视频| 又黄又爽又免费观看的视频| 高清黄色对白视频在线免费看| 韩国av一区二区三区四区| 自线自在国产av| 日本vs欧美在线观看视频| 十八禁高潮呻吟视频| 首页视频小说图片口味搜索| 亚洲国产精品合色在线| 啦啦啦 在线观看视频| 91大片在线观看| 亚洲,欧美精品.| 亚洲情色 制服丝袜| 又黄又爽又免费观看的视频| 成年人免费黄色播放视频| 丁香六月欧美| 色94色欧美一区二区| 精品久久久精品久久久| 国产男女超爽视频在线观看| 午夜精品久久久久久毛片777| 婷婷成人精品国产| 18禁黄网站禁片午夜丰满| 老司机亚洲免费影院| a级毛片在线看网站| 精品福利观看| 国产黄色免费在线视频| 50天的宝宝边吃奶边哭怎么回事| 黄片小视频在线播放| 黄色怎么调成土黄色| 国产一区二区激情短视频| 精品少妇久久久久久888优播| 精品电影一区二区在线| 久久精品91无色码中文字幕| 成年人午夜在线观看视频| 久久人人97超碰香蕉20202| 亚洲中文av在线| 日本撒尿小便嘘嘘汇集6| 日韩免费av在线播放| 亚洲av成人不卡在线观看播放网| 国产精品乱码一区二三区的特点 | 高清在线国产一区| 欧美亚洲日本最大视频资源| 一进一出抽搐动态| 身体一侧抽搐| 香蕉国产在线看| 亚洲全国av大片| 最新在线观看一区二区三区| 国产一区在线观看成人免费| 免费av中文字幕在线| 欧美黄色片欧美黄色片| 夜夜躁狠狠躁天天躁| 女性生殖器流出的白浆| 欧美 亚洲 国产 日韩一| 啪啪无遮挡十八禁网站| 国产99久久九九免费精品| 久久亚洲精品不卡| 黑人欧美特级aaaaaa片| 亚洲精品国产精品久久久不卡| 国产成人精品久久二区二区免费| 亚洲精品美女久久久久99蜜臀| 国产高清国产精品国产三级| 亚洲精品美女久久av网站| 最新美女视频免费是黄的| 午夜福利一区二区在线看| 午夜免费鲁丝| 免费在线观看完整版高清| 亚洲一区高清亚洲精品| 久热这里只有精品99| 久久99一区二区三区| 国产精品一区二区免费欧美| videosex国产| 午夜91福利影院| 男女床上黄色一级片免费看| 国产成人免费无遮挡视频| 性色av乱码一区二区三区2| 亚洲av熟女| av天堂久久9| 视频区欧美日本亚洲| 欧美 亚洲 国产 日韩一| 精品人妻在线不人妻| 久久人妻av系列| 午夜福利免费观看在线| 法律面前人人平等表现在哪些方面| 中文字幕人妻丝袜一区二区| 99国产精品99久久久久| 国产高清videossex| 美女高潮到喷水免费观看| 亚洲自偷自拍图片 自拍| 天天操日日干夜夜撸| av国产精品久久久久影院| 狠狠婷婷综合久久久久久88av| 亚洲欧美精品综合一区二区三区| 男女免费视频国产| 男女下面插进去视频免费观看| 热re99久久精品国产66热6| 精品久久久久久电影网| 久久精品aⅴ一区二区三区四区| 50天的宝宝边吃奶边哭怎么回事| 日韩中文字幕欧美一区二区| 中文字幕人妻熟女乱码| 国产精品久久久av美女十八| 人人妻人人澡人人看| 免费看a级黄色片| 欧美色视频一区免费| 日韩欧美国产一区二区入口| 大码成人一级视频| 国产蜜桃级精品一区二区三区 | 国产精品.久久久| 99国产精品一区二区三区| 亚洲精华国产精华精| 亚洲国产欧美日韩在线播放| 国产欧美日韩一区二区精品| 嫩草影视91久久| √禁漫天堂资源中文www| 亚洲第一青青草原| 色播在线永久视频|