欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

詞袋模型實戰(zhàn)指南:從文本數(shù)值化到特征工程的完整鏈路

詞袋模型實戰(zhàn)指南:從文本數(shù)值化到特征工程的完整鏈路 剛?cè)胄凶鲎匀徽Z言處理的時候我總以為處理文本的第一步是上什么高大上的預(yù)訓(xùn)練模型。后來被各種任務(wù)反復(fù)教育之后才明白詞袋模型Bag of Words才是真正值得吃透的基本功。它干的事情很樸素把一段人話變成一堆數(shù)字讓機器學(xué)習(xí)模型能夠消化文本信息也就是標題里說的文本數(shù)值化。這篇內(nèi)容不端著講理論就聊聊詞袋模型到底怎么用、為什么這么用、以及我在實際項目里踩過的那些坑。詞袋模型能解決的問題非常直接當(dāng)你手里有一批文本數(shù)據(jù)——無論是商品評論、新聞標題、工單描述還是聊天記錄——想要做分類、聚類或者相似度計算第一步永遠是先讓這些文字變成矩陣。詞袋模型就是這個轉(zhuǎn)化過程中的第一性原理它簡單到甚至有點粗暴但恰恰是這份簡單讓它到現(xiàn)在依然是很多場景下的高效基線方案。這篇文章適合誰看如果你正在學(xué)習(xí)NLP入門知識或者剛接到一個文本處理的小任務(wù)又或者你想理解詞向量到底是從哪來的那這篇內(nèi)容可以幫你把地基打牢。我會從模型原理、手寫實現(xiàn)、sklearn實戰(zhàn)到避坑指南盡量講透。1. 機器眼中的文本為什么非要把文字掰碎成數(shù)字1.1 模型的胃只消化數(shù)字先想一個問題BERT、TextCNN、邏輯回歸……這些模型有一個共同的輸入要求——數(shù)字。更準確地說是固定維度的向量或者矩陣。原因也不難理解模型內(nèi)部的數(shù)學(xué)運算都是基于矩陣乘法和梯度下降而矩陣里的每個元素必須是可微的數(shù)值。你扔進去一句這家餐廳的火鍋真好吃模型讀不懂好吃是個形容詞更不知道火鍋是名詞它只認得張量里那一個個float32。所以整個NLP流程的生命線就是從原始文本到數(shù)值表示的映射。這個映射的質(zhì)量直接決定了后面模型性能的上限。很多人上來就跑BERT卻連最基礎(chǔ)的文本是怎么變成向量的都說不清楚——這就是典型的上層建筑沒落地。1.2 文本數(shù)值化的幾條路線詞袋模型處在什么位置把文本變成數(shù)字目前主流有三條路線各自代表不同的信息取舍路線代表方法保留的信息計算成本離散符號化詞袋模型、TF-IDF、One-hot詞語是否出現(xiàn)、出現(xiàn)頻率極低稠密向量化Word2Vec、GloVe、FastText詞語之間的語義相似度中等上下文動態(tài)向量BERT、GPT等預(yù)訓(xùn)練模型詞語在不同語境下的含義很高詞袋模型屬于最底層的離散符號化路線。它做了一個非常大膽的假設(shè)把文本里詞語的順序全部丟光只保留每個詞出現(xiàn)了多少次。這個假設(shè)聽起來很荒謬——順序不是語言的核心嗎但在實際的分類任務(wù)里詞袋模型往往能打出一個讓人驚訝的基線分尤其是當(dāng)特征工程做得好的時候它甚至能和一些輕量級深度學(xué)習(xí)模型掰手腕。我見過不少團隊在生產(chǎn)環(huán)境里用詞袋 邏輯回歸做垃圾評論識別線上效果穩(wěn)得很這時候你不會去質(zhì)疑它丟掉了順序這件事——因為業(yè)務(wù)的線性特征已經(jīng)足夠區(qū)分了。2. 詞袋模型的完整構(gòu)建鏈路從原始句子到稀疏向量2.1 構(gòu)建詞匯表不在詞表里的詞就是不存在用一個最簡單的例子來拆解。假設(shè)我們現(xiàn)在只有三個句子句子1我喜歡貓 句子2我喜歡狗 句子3她喜歡貓和狗詞袋模型的構(gòu)建分兩步。第一步把這三句話的所有不重復(fù)詞語抽出來做成一張詞匯表Vocabulary[我, 喜歡, 貓, 狗, 她, 和]這張表就是整個向量空間的坐標系。字典里有多少個詞向量就有多少維。這就是為什么詞袋模型產(chǎn)生的向量往往是高維且稀疏的——你的詞匯表可能有10萬個詞但對某一句話來說真正出現(xiàn)過的詞撐死也就幾十個其余維度全是0。第二步對每個句子統(tǒng)計詞表里的每個詞在這一句中出現(xiàn)了多少次得到一個計數(shù)向量。于是句子1 [1, 1, 1, 0, 0, 0] # 我1次喜歡1次貓1次 句子2 [1, 1, 0, 1, 0, 0] # 我1次喜歡1次狗1次 句子3 [0, 1, 1, 1, 1, 1] # 她1次喜歡1次貓1次狗1次和1次2.2 袋子的隱喻順序不重要出現(xiàn)才重要詞袋模型英文叫Bag of Words精髓就在Bag這個詞。一個袋子里的東西是無序堆放的你把句子扔進去攪一攪詞語的順序就亂了。但是沒關(guān)系這個模型根本不在乎順序它只在乎袋子里有沒有這個東西有多少個。這個特性帶來了一個著名的副作用我打你和你打我在詞袋模型眼里是同一個向量。因為它們包含的詞語集合完全相同只是排列順序不同。這個問題在短文本場景里往往可以容忍但在涉及語義角色判斷的任務(wù)比如誰對誰做了什么里就會出大問題。后面我會專門講怎么緩解。2.3 從出現(xiàn)次數(shù)到特征表達要不要用頻率上面的例子用的是詞頻計數(shù)Count每個位置的數(shù)字表示該詞在句子中出現(xiàn)了幾次。但實際場景里還有一個更常用的變體——詞頻-逆文檔頻率TF-IDF。它不是單純看出現(xiàn)次數(shù)而是給詞加了一個懲罰系數(shù)如果某個詞在大量文檔里都出現(xiàn)它就越不有信息量權(quán)重就會被壓低。舉個例子我們、的這類詞幾乎條條文本里都有用純詞頻的話它們會霸占最大的權(quán)重可它們對判斷文本類別幾乎沒有幫助。TF-IDF就是為了壓制這種高頻無意義詞而生的。我個人的習(xí)慣是做短文本相似度或者主題判斷優(yōu)先用TF-IDF做詞頻統(tǒng)計類的展示分析才用純Count。3. 五分鐘手寫一個詞袋模型建立直覺比調(diào)包重要3.1 純Python手寫版本我特別建議入門的人先手寫一遍不用任何NLP框架。這個過程的收獲是理解向量是怎么來的。下面是個極簡實現(xiàn)from collections import Counter def build_vocab(corpus): 構(gòu)建詞匯表所有去重后的詞 vocab set() for text in corpus: # 這里用split做演示中文實際要專門分詞 words text.split() vocab.update(words) return {word: idx for idx, word in enumerate(sorted(vocab))} def text_to_vector(text, vocab): 把單個句子轉(zhuǎn)成向量 vec [0] * len(vocab) word_counts Counter(text.split()) for word, count in word_counts.items(): if word in vocab: vec[vocab[word]] count return vec corpus [我 喜歡 貓, 我 喜歡 狗, 她 喜歡 貓 和 狗] vocab build_vocab(corpus) vectors [text_to_vector(text, vocab) for text in corpus] print(詞匯表:, vocab) print(向量矩陣:) for vec in vectors: print(vec)運行結(jié)果詞匯表: {我: 0, 貓: 1, 和: 2, 她: 3, 喜歡: 4, 狗: 5} 向量矩陣: [1, 1, 0, 0, 1, 0] [1, 0, 0, 0, 1, 1] [0, 1, 1, 1, 1, 1]你會發(fā)現(xiàn)一個細節(jié)詞匯表的排序順序不同同一個句子的向量輸出順序也會不同但表達的信息完全等價。所謂向量只是在這個坐標系下的一個坐標點而已。3.2 sklearn只需要三行代碼手寫一遍找完感覺之后就到生產(chǎn)工具登場了。scikit-learn里的CountVectorizer是詞袋模型最標準的實現(xiàn)三行搞定from sklearn.feature_extraction.text import CountVectorizer corpus [我喜歡貓, 我喜歡狗, 她喜歡貓和狗] vectorizer CountVectorizer() X vectorizer.fit_transform(corpus) # X是稀疏矩陣轉(zhuǎn)成稠密數(shù)組看內(nèi)容 print(vectorizer.get_feature_names_out()) print(X.toarray())輸出[喜歡 我 狗 貓 和 她] [[1 1 0 1 0 0] [1 1 1 0 0 0] [1 0 1 1 1 1]]注意這里的輸出順序是按字母/Unicode排的不代表詞的重要性。fit_transform這個函數(shù)名字里藏了兩個步驟fit是學(xué)習(xí)詞匯表transform是把文本映射成向量。預(yù)測新文本時只要vectorizer.transform([我喜歡貓])注意是transform而不是fit_transform否則會用新文本重建詞匯表維度就對不上了——這是個經(jīng)典新手坑。3.3 為什么要用稀疏矩陣不直接存二維數(shù)組你觀察上面的輸出會發(fā)現(xiàn)sklearn返回的是一個稀疏矩陣而不是普通的list。詞匯表一大的話比如10000個詞、10000篇文檔如果存成普通二維數(shù)組就是10000×10000的稠密矩陣光算一下就是8億個float內(nèi)存直接爆炸。稀疏矩陣只存儲非零元素的位置和值。10000維的向量里一篇文章可能只有幾十個非零稀疏存儲的壓縮率可以達到99%以上。所以詞袋模型天然就應(yīng)該搭配稀疏矩陣使用這也是sklearn的CountVectorizer默認返回稀疏矩陣的原因。這個設(shè)計不是刻意炫技是真的由數(shù)據(jù)特征決定的剛需。4. 進階調(diào)參實戰(zhàn)CountVectorizer的參數(shù)每天都在救命4.1 文本預(yù)處理參數(shù)lowercase、token_pattern與stop_words詞袋模型看起來簡單但參數(shù)坑一點都不少。先說最容易被忽視的lowercase。默認是True意思是所有字母轉(zhuǎn)小寫。英文場景下這個是好事避免Apple和apple被當(dāng)成兩個詞。但有些場景要格外小心比如代碼分析里變量名區(qū)分大小寫比如品牌名iPhone被轉(zhuǎn)成iphone后可能跟小寫品牌混在一起。我在做英文用戶反饋分析時就遇過US美國被轉(zhuǎn)成us我們直接污染了特征。token_pattern這個參數(shù)在中文場景下是個必須處理的問題。默認的正則表達式是匹配字母數(shù)字對中文可能直接失效或產(chǎn)生奇怪結(jié)果。中文NLP要用中文分詞器先分詞然后用空格分隔或者自己寫calback傳進去。默認的英文分詞器處理純中文時可能出現(xiàn)整個句子被當(dāng)成一個token或者每個字都被拆開兩種極端都不是你要的。最常見的處理方式是先分詞再把分詞結(jié)果用空格拼接成字符串交給CountVectorizer還有一種做法是寫自定義tokenizerimport jieba vectorizer CountVectorizer(tokenizerlambda text: jieba.lcut(text))但直接傳tokenizer有個坑preprocessor和token_pattern同時生效時可能會出問題需要把token_pattern顯式設(shè)成空或使用analyzerword配合自行處理。由于CountVectorizer內(nèi)部對tokenizer返回結(jié)果的類型有要求建議返回list而不是生成器。stop_words停用詞表也是個經(jīng)常需要手動干預(yù)的東西。sklearn內(nèi)置的英文停用詞只是最基礎(chǔ)的業(yè)務(wù)場景里的無效詞往往比通用停用詞更隱形。比如做租房評論分析時房子這個詞可能到處都是但它沒區(qū)分度。我在實際項目里習(xí)慣的做法是先跑一遍詞袋模型觀察高頻詞里哪些同時出現(xiàn)在所有類別中然后手動把這部分詞加進停用詞表迭代兩三輪效果會明顯變好。4.2 n-gram與min_df/max_df控制特征維度的生死線ngram_range是詞袋模型里最值得花時間的參數(shù)。默認是(1, 1)只看單個詞。如果把范圍設(shè)成(1, 2)向量里就會出現(xiàn)喜歡貓這種雙詞組合。這么做的好處是把部分語序信息通過滑動窗口的方式給找補回來了?!拔掖蚰恪焙汀澳愦蛭摇痹诩円辉~袋下向量相同但如果是二元詞袋前者會有我打和打你后者會有你打和打我特征完全不同。所以ngram是詞袋模型對抗丟順序問題最簡單實用的手段。不過代價也明顯特征維度會爆炸式增長一份幾千詞的文本用(1,3)可能產(chǎn)生幾十萬維特征必須配合下面的參數(shù)使用。min_df和max_df的本質(zhì)是低頻詞/高頻詞清洗。min_df5表示至少在5篇文檔里出現(xiàn)過的詞才會進入詞表max_df0.8表示在80%以上的文檔里都出現(xiàn)的詞會被排除。這兩個參數(shù)的作用是去掉那些只出現(xiàn)一次沒統(tǒng)計意義的噪音詞和到處都在出現(xiàn)沒區(qū)分度的平庸詞。剛開始調(diào)參的時候把min_df設(shè)小一點、max_df設(shè)大一點寧可讓特征多一點也別把有效信息誤殺。4.3 sublinear_tf與binary兩個容易被低估的小參數(shù)CountVectorizer里有個binary參數(shù)設(shè)為True時只要詞出現(xiàn)就記為1不看出現(xiàn)次數(shù)。這個在某些短文本分類場景里效果出奇的好原因是短文本里詞頻大部分都是1詞頻的區(qū)分度本來就低還容易讓高頻詞獲得不恰當(dāng)?shù)剡^高權(quán)重。TfidfVectorizer里還有個sublinear_tf參數(shù)設(shè)為True后詞頻用1 log(tf)替代原始計數(shù)。這個處理能壓縮高頻詞和低頻詞之間的差距比如一個詞出現(xiàn)1000次和出現(xiàn)10次原始計數(shù)差100倍取對數(shù)后差別就小得多了。在很多長文本場景里詞是否出現(xiàn)和詞的低頻差異比高頻上的線性差異更有意義這個參數(shù)就是處理這個問題的。5. 詞袋模型在真實項目中踩過的坑完整排查鏈路5.1 全角半角與亂碼文本清洗的隱形炸彈我第一次在中文數(shù)據(jù)集上跑詞袋模型出來的特征里有大量看起來一模一樣但實際是不同 token 的詞Android和全角版本café和cafe。原因是源數(shù)據(jù)來自不同平臺有的用了全角字符有的用了半角。如果不做統(tǒng)一同一個詞會被拆成兩個特征白白增加維度。排查過程其實是有脈絡(luò)的發(fā)現(xiàn)特征數(shù)量異常多先打印詞表前100個詞肉眼檢查然后果斷上正則做歸一化處理。我的標準清洗流程是先做全角轉(zhuǎn)半角再統(tǒng)一Unicode規(guī)范化最后按業(yè)務(wù)需要決定是否轉(zhuǎn)小寫import re import unicodedata def clean_text(text): # 全角轉(zhuǎn)半角 text unicodedata.normalize(NFKC, text) # 去除特殊符號保留中文、英文、數(shù)字、空格 text re.sub(r[^\w\u4e00-\u9fa5\s], , text) # 連續(xù)空格壓縮 text re.sub(r\s, , text) return text.strip()unicodedata.normalize(NFKC)這一步很關(guān)鍵它會統(tǒng)一字符寬度。清洗完再去做分詞和詞袋編碼特征維度立刻降下來了模型效果也會更穩(wěn)定。5.2 訓(xùn)練集和測試集向量空間不一致重建詞匯表的災(zāi)難這個坑我見得最多也最隱蔽。假設(shè)你先對訓(xùn)練集做了fit_transform然后在推理階段對單條新文本錯誤地調(diào)用了fit_transform而不是transform。新文本里如果有個詞是訓(xùn)練集詞表里沒有的fit會用新文本重建一個完全不同的詞匯表新向量維度和訓(xùn)練時的向量維度對不上模型直接報錯或靜默出錯。這個坑的排查鏈路比較搞笑因為報錯信息往往不明確??吹絛imension mismatch這類錯誤時第一反應(yīng)不是去查數(shù)據(jù)而是檢查是不是在transform階段不小心多做了一個fit。解決方案很簡單用pickle或joblib單獨保存fit好的vectorizer對象推理時每次都load同一個對象來transform。還有更隱蔽的情況有些同學(xué)把詞表保存成一個list推理時自己手動查表映射。如果新文本里遇到?jīng)]見過的詞可能直接跳過也可能用默認值占位——不同選擇結(jié)果完全不一樣。我在代碼評審時看到過直接把OOV詞丟棄的寫法這可能在損失關(guān)鍵信息。通常我會推薦用min_df來控制特征空間復(fù)雜度而不是在推理階段丟棄OOV詞。5.3 特征維度過高導(dǎo)致的內(nèi)存和性能問題曾有一個工單分類任務(wù)我只把ngram_range設(shè)為(1,2)就得到了300多萬維的特征空間。300萬維 × 幾萬條樣本的稀疏矩陣雖然勉強能存但在訓(xùn)練線性模型時迭代速度慢得讓人懷疑人生。排查后發(fā)現(xiàn)主要原因是沒有合理設(shè)置max_df也沒限制特征總量。CountVectorizer有個max_features參數(shù)可以限制詞表最大數(shù)量保留的規(guī)則是按詞頻從高到低截斷。直覺上我們會保留高頻詞但高頻詞往往沒有區(qū)分度所以max_features要結(jié)合業(yè)務(wù)理解來設(shè)置或者配合max_df排除那些在絕大多數(shù)文檔都出現(xiàn)的詞然后再設(shè)定max_features作為兜底。5.4 詞袋模型向量化前的分詞一致性問題中文場景比英文多一道工序分詞。分詞器不同詞表就不同。我在實際項目里發(fā)現(xiàn)完全相同的兩套數(shù)據(jù)用jieba分詞和用pkuseg分詞詞袋模型的AUC可以差好幾個點。這不是玄學(xué)是分詞粒度決定了特征的基本單元。比如機器學(xué)習(xí)這個詞一個大粒度分詞器會把它當(dāng)成一個詞小粒度可能拆成機器和學(xué)習(xí)。兩種分法在具體分類任務(wù)上的表現(xiàn)差異很大。我的建議是同一個項目里固定使用同一個分詞器不要混用。而且要關(guān)注詞典更新在垂直領(lǐng)域比如醫(yī)療、法律用通用分詞器往往效果一般要加載領(lǐng)域自定義詞典把專業(yè)術(shù)語切出來讓詞袋的特征更有業(yè)務(wù)含義。6. 從詞袋到語義理解什么時候該換賽道什么時候繼續(xù)用6.1 詞袋模型打不過深度學(xué)習(xí)不代表它沒用很多人以為詞袋模型早該被淘汰了。這個觀點在實習(xí)的同學(xué)里尤其常見——天天用ChatGPT和預(yù)訓(xùn)練模型回頭看詞袋模型覺得太簡陋了。但在真實工業(yè)場景里簡單模型的穩(wěn)定性和可解釋性是深度學(xué)習(xí)模型很難替代的。舉個例子做電商評論的情感二分類詞袋 邏輯回歸的AUC可以到0.92BERT微調(diào)可以到0.95。為了這3個點的提升你要付出的是GPU資源、推理延遲、線上穩(wěn)定性、可解釋性的代價。如果業(yè)務(wù)對準確率不是極度敏感詞袋模型反而是更務(wù)實的選擇。6.2 詞袋模型的最佳搭檔線性模型和類別特征拼接詞袋模型的向量有一個特點特征之間高度稀疏且正交。這種數(shù)據(jù)形態(tài)特別適合邏輯回歸、線性SVM這類不需要復(fù)雜非線性變換的模型。你拿它直接喂給LightGBM也不是不行但通常效果反而不如線性模型——樹模型在稀疏高維特征上容易過擬合同時還沒法有效利用這種一個詞一個維度的正交特性。還有個實用技巧詞袋向量可以和結(jié)構(gòu)化特征直接拼接。比如做用戶反饋分類時把反饋長度是否含數(shù)字工單來源渠道這些數(shù)值變量拼在詞袋向量的尾部喂給線性模型效果往往比單獨用文本特征好不少。這是詞袋模型在工程上一個很舒服的落地方式。6.3 詞袋模型的升級路徑TF-IDF與詞向量的銜接如果你覺得詞袋模型的效果差不多到瓶頸了建議按這個順序升級第一級把CountVectorizer換成TfidfVectorizer先用權(quán)重替代頻次第二級加ngram_range(1,2)或(1,3)把局部語序信息引進來第三級如果還不行再考慮Word2Vec/FastText這類靜態(tài)詞向量最后一檔才是BERT之類的預(yù)訓(xùn)練模型。每一級升級都意味著更高的計算成本和更復(fù)雜的部署方案不建議一開始就越級。我在實際項目中做過一個對比純詞袋F10.81詞袋TF-IDF F10.84bigram后F10.86Word2Vec avg pooling F10.85BERT F10.88??梢钥吹綇脑~袋到TF-IDF和bigram的性價比最高花了最少成本拿下了大部分收益BERT的絕對收益最高但對應(yīng)的時間成本和工程投入也最大。6.4 詞袋模型仍然發(fā)光發(fā)熱的場景說一下我最近幾年還在用詞袋模型的幾個場景。首先是構(gòu)建baseline新接到一個NLP任務(wù)無論計劃用多復(fù)雜的模型我都會先跑一個詞袋 邏輯回歸以此確定任務(wù)的下限也用來驗證數(shù)據(jù)質(zhì)量有沒有問題。如果數(shù)據(jù)標簽都亂套了詞袋baseline會很低這時候先花時間清洗數(shù)據(jù)比優(yōu)化模型更值得。其次是冷啟動階段一個新項目還沒積累足夠標注數(shù)據(jù)預(yù)訓(xùn)練模型很難發(fā)揮威力詞袋模型對數(shù)據(jù)量的要求很低幾百條樣本就能跑出相對穩(wěn)定的結(jié)果。最后是關(guān)鍵詞提取和文本畫像詞袋模型的詞表 權(quán)重本身就是一份可解釋性極強的業(yè)務(wù)洞察可以直接導(dǎo)出詞云、高頻詞表、類別分布對產(chǎn)品同學(xué)和運營同學(xué)來說比一個黑盒模型有價值得多。7. 實踐建議詞袋模型的項目落地清單根據(jù)我的個人經(jīng)驗如果現(xiàn)在讓你在一個真實業(yè)務(wù)里落地詞袋模型可以按這個清單來走文本清洗統(tǒng)一全角半角、處理Unicode規(guī)范化、清理HTML標簽和特殊符號把噪聲降到最低。按語言選分詞方案英文用CountVectorizer默認的token_pattern即可中文要接入統(tǒng)一的分詞器領(lǐng)域內(nèi)要加自定義詞典。設(shè)置合理的特征范圍先用min_df2和max_df0.9做初步清洗再根據(jù)內(nèi)存和模型情況疊加上限比如max_features50000。先跑默認參數(shù)建立baseline拿到初始指標后再做針對性的調(diào)參不要一上來就搜索參數(shù)??紤]TF-IDF和ngram大部分場景下TfidfVectorizer(ngram_range(1,2), min_df2)比裸的CountVectorizer表現(xiàn)更好。搭配線性模型邏輯回歸或線性SVM是詞袋的最佳搭檔訓(xùn)練快、可解釋、不容易過擬合。對比基線再談升級詞袋模型跑完如果效果離業(yè)務(wù)目標還差得遠再考慮上詞向量或預(yù)訓(xùn)練模型不要盲目追求最先進。詞袋模型是我入行NLP后掌握的第一個模型也是我現(xiàn)在教新同事的第一個知識點因為它真的能幫人快速建立文本 - 向量的完整直覺。有一次線上服務(wù)出現(xiàn)過一次OOV問題排查到最后發(fā)現(xiàn)是業(yè)務(wù)上線了一個新品牌詞詞表里根本沒有。當(dāng)時應(yīng)急預(yù)案就是停了線上模型重新訓(xùn)練詞袋模型幾分鐘就搞定了。換成BERT回滾和重新微調(diào)的周期恐怕就不是按分鐘算了。所以別小看這個老古董它就像是工具箱里的扳手——未必是最酷的工具但你總會需要它。真到了用的時候希望這篇文章能幫你少走點彎路。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
人碰91| 九九热视频精品2| 激情丁香社区| 五月婷婷深爱六月| 欧美99热| 欧美婷婷精品激| 人人摸人人干| 亚洲无码成人性爰网| 婷婷玖玖丁香| 激情婷婷丁香| 涩涩五月天| 五月天精品视频| 人人草公开操| 九洲一级A片| 亚洲乱码日产精品BD| 99热精品在这里| 精品久久婷婷五月天| 成人无码精品1区2区3区免费看| 婷婷色片| 五月天开心婷婷激情网站| 激情五月天婷婷图| jiujiujiuwuyuetian| 99精品成人无码A片观看金桔 | 五月婷婷激情在线| 国产婷婷婷| 天天色天天日| 99日视频在线| 99操不停| 在线视频九色97| 五月综合久久| 久久久激情| 激情五月色播五月| 六月丁香社区| 综合激情网激情五月。| 六月婷婷影院| 99秘 在线| 熟女激情网| 99精彩视频在线观看| 五月色网| 欧美色五月| 久久久精品色| 亚洲五月花| 久久婷婷五月激情网站| 情欲禁地| 婷婷五月天伊人| 五月天激情啪啪| 天天撸夜夜爽| 综合图区激情| 激情婷婷五月天日本系列| 天天婷婷操| 久热9| 婷婷七月丁香色色| 99热综合在线观看| 亚洲影院婷婷色| 91av传媒高清在线视频网| 丁香五月天堂| 丁香六月五月天| 婷婷狠狠18禁久久| 五月婷婷久久大香蕉| 真实亲子乱子伦高清在线观看| 涩涩网五月天| 丁香五月婷婷成人网| 99 热| 五月丁香婷婷色色色| 国产综合81p| 婷婷婷五月香蕉| 欧美A片在线视频免费观看| 51精品国自产在线| 色亭亭九月| 99re欧美精品| 日韩免费99| 大香蕉人人网| 久久久色情| 51精品国内探花| 色在线免费观看| 综合九九| 操操自拍| 五月丁香啪啪| 射满了还射免费在线观看 -午夜版全集-新视觉影院| 色噜噜狠狠色综合日日| 久久久久久久11111111111| 人妻熟女一区二区AV| 九九综合色| 天天插综合在线| 青草网在线观看| 国产中文亚洲欧美日韩性交| 亚洲 五月 婷婷 成人| 久热播这里只有精品| 天天综合色综合| 色婷婷五月网| 激情五月丁香六月综合AVXXXX| 日本va欧美va欧美va| 涩婷婷五月天| 99久久综合| 人妻少妇色综合| 精品一二三区久久AAA片| 日韩性视频| 色播五月婷婷| 97操碰在线97| 婷婷99狠狠躁天天躁| 婷婷,五月天,丁香,第一| 99热乎| 婷婷综合网在线| aaaaaa片| WWW.桔色成人.COM| 亚洲亚洲人成综合网络| 99久操| 激情六月丁香| 丁香色综合| 中文字幕婷婷五月天在线观看| 激情五月综合网最新 | 丁香激情五月| 在线伦子99热| 丁香六月婷婷高清| 激情99热| 在线中文字幕免费视频| 久久九九网| 99ri久久| 激情六月综合| 超碰人人色| 夜精品无码A片一区二区蜜桃 | 99热综合在线| 色欲色香伊人| 99精品偷自拍| 99ri精品在线| 99热中文字幕久久| 777精品久无码人妻蜜桃| 欧美成人猛片AAAAAAA| 天天肏天天肏| 色婷婷影音| 97婷婷狠狠| 狠狠CAO日日穞夜夜穞AV| 97色色综合| 天堂婷婷五月色| 色色色色色色网站| 国av网| 久久综合性| 激情综合五月色丁香婷婷| 欧洲一区二区| 1024你懂的欧美曰韩| 丁香六月婷婷开心| 亚洲xx网| 丁香五月综合网亚洲综合欧美狠狠 | 色色色色色日韩午夜激情| 久久人人九九| 婷婷色基地| 激情五月天网站| 91婷婷五月丁香碰| 中文乱子伦视频| 777精品久无码人妻蜜桃| 大胆伊人久久| 色色色色av色色色色| 婷婷久久综合| 婷婷丁香成人在线视频| 久久五月天婷婷| 伊人网啪啪| 五月婷婷激清网| 五月婷婷中文字幕| 九九干视频| 久久这里只有精品视频1| 99久久网站| 亚洲精品视频电影| 婷婷五月天激情五月天深爱五月天| 天堂无码人妻精品AV一区| 日韩久久色| 激情文学五月丁香六月婷婷| 九九美女视频| 99视频久久| 五月婷久久久久综合| 永久99免费视频网站| 色播五月综合网| 婷婷碰碰| 99这里只有精品|v| 精品亚洲日韩99欧美片| 久热免费视频| 97色欧美| 久久怕怕视频| 91狼友视频网页更新| 伊人丁香五月| 在线看AV| 久久精品视频在这里有| 色婷婷文字幕| 五月天天综合| 欧美婷婷| 国产精产国品一二三在观看| 天天色伊人| 久草五月| 久热这里只有精品在线观看 | 91狼友视频在线观看| 天天爽,天天操。| 色狠狠综合| 九九99九九99偷拍视频免费看| 超碰爱爱爱| 国产精品久久久久9999小说| 亚洲丁香网| 热99色| 五月丁香久久综合| 亚洲传媒在线观看| 色婷婷国产精品综合在线观看| 色护士综合| 五月天影院| 人人操大| 操操自拍| 色色色在线播放| 中文字幕网伦射乱中文| 丁香六月久久| 97人人射| 春色激情| 色色五月婷婷久久| 五月丁香婷婷在线综合蜜桃| 婷婷激情久久| 91色五月| 森林影视大全,最好看的2019年视频| 精品人妻一区| 国产资源91在线| 婷婷五月天综合AV| 天天插天天插| 色婷婷婷婷五月天| 婷婷永久在线| 婷婷影院A成人| 99热99热| 色狠狠综合| 日日夜夜干| 丁香五月老师| 色99欧洲色19| 天天爽天天操| 国产婷婷五月天| 成人免费在线电影| 久久久国产精品黄毛片| 色五月av| 激情丁香五月婷| 在线视频婷婷| 91超碰九色| 亚洲综合视频天天精品| 黄色91在线观看| 亚洲天天| 五月婷婷啪| 操人精品| 熟女人妻一区二区三区免费看| 美女主播野战视步页| 思思热99er| 久久婷婷网站| 丁香六月婷婷综合啪啪| 夜夜骑日日操| 婷婷五月综激情| 丰满少妇猛烈A片免费看观看| 婷婷五月综合激情免费| 欧美激情xxxXX| 第四色网婷婷| 亚洲无AV在线中文字幕| 婷婷五月天激情综合| 26uuu国产精品| 国内久久亭亭| www天堂99| 91色色色| 九九这里有精品| 婷婷免费精品视频| 一起草无码| 欧美日韩二区在线| 五月婷婷开心网| 久草五月天| 91一起操| 亚洲小电影在线观看黄999| 色色五月天激情| 五月色亚洲| 精品婷婷五月天| 九九青草热| 91 影音先锋| 综合色久| 婷婷丁香18| 深爱五月中文字幕| 只有精品在线观看| 丁香五月天黄色片| 韩国19 主播内部福利vip免费播放| 极品少妇XXXX精品少妇偷拍| 久久怡红院| www99热| 亚洲婷婷开心五月| 日本在线免费中文com.| 婷婷六月丁香在线| 丁香婷婷网| 综合超碰熟| 丁香花社区av| 蜜桃五月天| 色婷视频| 操一区| 丁香六月婷婷| 国产精品色色| 婷婷日欧美在线观看| 久久九九大香蕉电院| 青青操绿aaa一区日v| 日本超碰在线| 九九AV| 91黄址| 97在线视频 欧美| 欧美精品中文字幕亚洲专区| 国产一级片色色| 天天操综合网| 免费观看全黄做爰的视频| 狠狠色噜噜狠狠狠狠综合| 欧美日韩成人在线网站| 99热综合网| 激情九色| 丁香五月婷婷啪| 91人人操人人爱| 综合激情网激情五月。| 狠狠人人婷婷| 99操视频| 无码se| 99人人干| 五月丁香婷婷AV天堂| 十月丁香婷婷| 这里只有精彩视| www一区二区三区| 精品国产va久| 日本色婷婷五月天成人电影| 婷婷五月天美女| 色丁香五月婷婷婷| 天天成人丁香美女AV| 密乳视频| 丁香激情五月少妇| 色五月色图| 六月婷婷av| 天天干天天日天天操| 六月婷婷开心| 超碰久热| 97婷婷五月| 狠狠五月天婷婷| 久久婷婷色丁香| 五月丁香六月综合激情网| m色激情网| 五月丁香六月花| 色色亚洲五月天| 九九热这里只有精品12| 精品色| 91九色精品| 日本五月婷| 五月婷婷激情网| 免费无码毛片一区二区A片| 狠狠久久婷五月综合色| 超碰在线综合| 婷婷激情综合无月| 欧美25p| AV在线观看网站| 久久WW| 综合视频久久| 亚洲激情四射色| 五月婷婷 自拍| 中文资源在线a| 狠狠操天天操综合| 久久伦乱| 精品一二三区久久AAA片| 9 1 A v久久久| 97干在线免费| 人人色人人摸人人看| 国产成人网站在线观看| 五月天婷网| 欧美婷婷五月天| 99思思| 久久久精品婷婷五月天| 欧美在线视频99| 色狠狠图片| 丁香六月天色婷婷| 亚洲日日操| 丁香婷婷狠狠97| 亚洲天堂啪啪| 亚洲五月情| 亚洲精品成人| 999精品久久久久久久| 色综合色综合网| 欧美一级a | 天天干天天拍| WWW免费视频碰碰碰碰| 丁香六月婷婷| 九九这里有精品| 天天插天天干| 婷婷中文无码| jizzdr| 五月丁香综合啪啪| www色哟哟| 日日夜夜狠狠婷婷色| 99热这里只有精品2| 婷婷开心激情| 综合图片色色| 人人操人人爱丁香五月| 任你爽免费视频| 国产精品涩涩涩视频网站| 五月婷婷性爱网| 99精品视频免费在线播放| 开心激情播播五月天| 婷婷五月av| 色婷婷另类| 99极品视频| 亚洲精品国产精品乱码视99| 99热成人| 亚洲有码在线视频| 五月天在线视频尤物视频在线看| 99热老网站| 99热在线网站| 26uuu欧美激情另类| 九九在线视频| 99久久a线观| 色婷精品91| 婷婷色五月天色色| 亚洲国产精品综合色区| 影音先锋日本三级资源| www.五月天性.com| 色五月av| 天天插天天插天天操| 午夜电影网VA内射| 成熟妇人A片免费看网站| 99激情在线| 日本狠狠干| 99热18| 五月激情网站| 天天日天天色| 亚洲成人另类| 97久久草草超级碰碰碰| 91porn一起草| 六月婷婷激情| 九九激情网| 人人草人人爱| 日本少妇AA一级特黄大片| 亚洲婷婷婷| 北京熟妇搡BBBB搡BBBB| 五月亚洲激情| 人妻无码视频网| 丁香五月骚喷水视频| 婷婷色综合| av 一区三区四区| 97人妻碰碰碰久久香蕉| 色婷婷五月天成人网| 五月丁香色综合| 性爱激情小说AV五月丁香花| 五月婷婷色播| 日本综合久| 亚洲精品电影| 五月婷婷啪啪啪| 99无码超碰| 色丁香五月| 大香蕉久久久久| 黃色三级三级三级三级 qixing300.shrkbk.com www.jinbozs.com tianmiaosw.com | 亚洲国产网址| 亚洲综合五月| 狠狠狠狠狠干| 69午夜成人影片| 欧美叉叉叉BBB网站| 色色日韩| 国产精品久久久爽爽爽麻豆色哟哟 | 99久久激情视频| 99热久久日本| 六月婷婷激情| 青草久久五月婷伊人| 在线另类| 九九免费精品| 日韩超碰在线| 免费视频WWW在线观看网站| 思思热久久婷婷五月天| 伊人久久中文网| 天天色丁香| 婷婷色网站| 激情综合五月| 色五月婷婷在线观看| 99手机在线精品视频| 色婷婷av在线观看| 欧美视频在线观看噜噜| 日韩精品电影| 色色色99| 日日肏天天操| 婷婷综合亚洲| 精品一二三区久久AAA片| 婷婷五月天欧美图片在线播放电驴| 99热在线极品极品| 中文字幕在线资源| 激情六月五月婷婷综合网| 毛片九九九九九九九九18| 九月av在线| www婷婷| 婷婷六月丁香久| 天色色综合网| 99热最新网址| 日韩小视频在线99| 五月丁香婷婷综合视频| 少妇2做爰HD韩国电影| 丁香六月激情综合网| 免费一区二区三区| 人妻少妇色综合| 色婷婷内射| 五月婷婷精品视频| 九九久久精品| 操逼巨乳91| 国产精品-91JQ就要激情网91JQ6.91JQ27.CASA:16888 | 欧美日韩aaa| 丁香五月在线看| 99操碰| 婷婷综合久久综合| 九九在线视频| 五月亭亭性| 亚洲 精品 综合 精品| 九月丁香欧美综合| 亚洲综合色婷| 色欲久久综合| 狠狠色噜噜狠狠| 亚洲综合五月天综合| 冬月かえでAV无码播放| 久久精品国产一区二区三区四区| 综合久久综合久久| 天天色色天天| 狠狠干狠狠干狠狠干狠狠干| 蜜臀丁香黄色婷婷五月天| 日韩人人操| 99精品网| 久久久久9| 成人αV视频免费观看| 97人人看| 五月天激情av| 无码激情精品色婷婷久久久久| 婷婷99视频精品| 99九九这里有免费视频| 欧美人与性动交CCOO| 欧美性色视频| 五月天综合视频| 天天做天天爱天天搞| 一起肏在线视频| 婷婷丁香五月婷婷| 26uuu精品国产| 99热国产这里只有| 婷婷综合激情五月中文字幕| 97人操人免费视频| 大香蕉Av在线| 丁香影院五月综合| 99网| 九九热在线视频| 丁香六月婷婷| 亚洲欧美成人在线| WWW.99热| 99re热在线视频| 97久久精品| 99久热精品在线| 五月丁香亭亭A片| 久久久久久久久久久久久9| 激情综合网激情五月天| 人人爱人人草| 激情小说五月天| 色五月婷婷中文字幕| 色婷婷五月色| 成人国产综合| 97福利视频| 婷婷大乡焦噜噜| 第四色首页| 91精品综合久久久久久五月丁香| 五月天色社区| 激情九色| 九九精品99| 久操大香蕉| 丁香五月天堂网| 日日夜夜婷婷| 五月丁香狠狠爱| 图片区 小说区 区 亚洲五月| 九热视频| 先锋影音av色五月天资源站| 日本久久色| 五月久久丁香| 九九丁香社区欧美激情| 欧在线一区| 婷婷丁香大香蕉| 婷婷日本在线| 蜜桃婷婷狠狠久久| 天天日天天添| 亚洲中文字幕在线观看| 欧美69久成人做爰视频| 百度一下国产精品A| 欧美成综合在线观看| 亚洲国产色婷婷| 免费AV在线| 99啪啪视频| 99久久99九九99九九九| 综合婷婷| 亚洲性爱99在线| 狠狠色噜噜狠狠| 激情六月色| 五月丁香91| 国产成人精品一区二三区熟女在线 | 色婷婷8| 99久久五月婷婷| 99热线观看9| 久99久在线| 人人干天天舔| 九九久久视频| 变态另类9| 狠狠穞A片一區二區三區| 内射干少妇亚洲69XXX| 一区二区无码视频| 久婷| 色色亚卅| 这里只有精品视频在线| 婷婷五月天Av| 日本乱子人伦在线视频| 超碰爱爱爱| 开心婷婷五| 91人妻视频| 亚洲网站999| 五月激情综合网| 少妇2做爰HD韩国电影| 夜色.cnm| 五月天色婷好好| 26uuu亚洲精品国产| 99激情| 国产亚洲精品AAAAAAA片| 91精品国产综合久久蜜芽解析速度| 六月婷婷香蕉| 六月丁香婷婷开心综合基地| 另类专区在线| 丁香九月色| 狠狠综合网| 亚洲aV写真天天综合网久久| 91狠狠综合网| WWW.HENHENL.| 九九家庭影院| 久热只有这里精品| 97色热| 日本黄色三级片内射| 欧美色久| 婷婷五月AV| 婷婷九月激情| 色婷婷色五月天| 玖玖婷婷五月天| 婷婷色在线播放| 婷婷五月花| 日日狠狠久久偷偷四色综合免费| 亭亭玉月丁香| 超碰免费人人肏| 五月噜噜噜色综合| 26UUU欧美激情一区二区| 婷婷中文字幕网站| 婷婷色五月激情强奸四射| 99久久er| 天天做天天爱| 美女91一起草| 这里只有精品免费视频在线观看| 双性美人被调教到喷水A片| 丁香六月婷婷色播| 欧美成人网婷婷综合在线| 综合色播| 五月丁香啪啪婷婷| 成人丁香五月天Av| 久久五月天激情| 婷婷在线观看五月天在线视频| 国产色网站| 五月婷婷丁香日韩在线| 五月丁香直播| 夜夜撸夜夜骑| 大香蕉伊人久久| 日韩人妻无码精品| 婷婷色片| 99综合一区| 综合色色五月| 国产精品色色色色| 久久婷婷五月天| Www99热| 久久婷婷五月| 91婷婷丁香五月亚洲| xxx日本东京热| 色偷偷五月天| 伊人网欧美在线男人天堂五月丁香| 91色逼| 91人操人人人操人| 五月激情婷婷综合| 99久久精品色老| 九月婷婷色色| 久9精品| 玖玖热视频| 操操熟女| 91凹凸在线| 久碰婷婷视频| 日本三级黄色大片| 婷婷午夜综合| 丁香花色色网| 色情性爱视频网址| 五月丁香激情综合| 狠狠狠狠狠狠狠狠草| 亚洲成av人影院| 激情合网婷婷| 六月五月天婷婷涩播在线| 综合色综合| 婷婷丁香五月视频| 岛国av网站| 99热销国产这里有精品| 久久久婷婷五月亚洲97号色| av中文在线| 五月色丁香| 天天做天天爰天天爽天天无遮挡| 国产精品久久久久久久久久| site:ornaments52.com| 久久9热综合| 天天干天天操天天拍| 99人妻碰碰碰久久久久视| 色狠狠综合网| 婷婷五月深情丁香深爱日韩| 国产精品久久欧美久久一区| 婷婷五月六月丁香综合| 色五月综合激情网| 丁香五月天婷婷激情| 欧美在线操| 97久久久| 五月婷婷二月丁香| 婷婷五月色综合| 久久538| 五月天自拍视频| 久热9热| 亚洲啪视频| 99热这里只有精品国产免费| 久久婷婷青青| 丁香婷婷五月色成人网站| 六月丁香婷婷拍拍| 欧美久久久中文字幕| 秋霞AV淫| 婷婷六月丁香色| 日韩激情网站| 久热只有精品| 五月丁香六月婷婷亚洲视频| 色婷婷免费观看| 无码激情AAAAA片-区区| 激情第四色| 色色网站观看| 亚洲AV另类| 成人午夜无码视频| 思思热精品在线视频| 欧美日韩999| 99婷婷综合| 五月婷久久| 婷婷无码视频| 99成人网一区| 综合久久首页| 国产成人精品亚洲线观看| 国产综合婷婷| 欧洲第一久色| 狠狠88综合久久久久噜噜噜| 99热碰碰| 婷婷五月丁香青青草在线| 日日夜夜小色哥| 五月婷婷啪啪| 婷婷五月丁香人妻无码高清| 六月丁香婷| 亚洲激情.com| 五月激情综合婷婷| 99热大香蕉| 五月丁香婷婷狠狠操| 99热国产这里只有精品| 色噜噜婷婷| 亚洲激情亚洲激情| 色综合视频| www,黄色在线,con| 五月天婷婷无码| 色五月婷婷老师| 综合六月激情婷婷| 99er这里只有精品视频| 日熟女| 国产精品成av人在线视午夜片| 久机视频这只有精品| 色99在线观看| 五月天成人伊人| 夜夜大香蕉婷婷丁香| 久草九一| 国产99久久久国产精品免费看| 国产 亚洲 在线| 91人人爽久久涩噜噜噜| 久色中文| 亚州精品色情无码A片| 欧美精品A片一区在线观看| 成人五月丁香花| 五月天成人在线视频网站| 猫咪伊人久久| 天天色天天日| 婷婷五月天,影院| 婷婷五月天最新综合你懂的| 99A级片| www.婷婷.com| 九九色院| 91一道本| 91日韩美女被插视频| 蒲京久久无码视频| 婷婷干| 熟妇国产| 熟妇天天综合| 综合久久六月| 九九综合五月欧美| 亚洲99一级无嗎特制在线| 久久婷婷六月综合国际| 无码 av电影| 国产精品A成V人在线播放| 99精品偷自拍| 青草青草视频2免费观看 | 991国产精选视频在线播放下载| 看逼中文字幕| 久久久久99精品成人网站| 久久九九re热| 91网站黄| 婷婷色五月丁香六月欧美啪| 五月色婷| 思恩热国产视频右线观看| 九九综合色| 91岛国片| 99大香蕉| 日韩成人精品中文字幕| 就要去操亚洲成人精品五月天丁香婷婷| 天天色播| 色噜噜婷婷| 99爱免费在线观看| 日日操,日日爽| 丁香网五月网| 色综合色| 成人国产综合| 久久人妻精品| 九九九九精品精| 97人碰人操| 婷婷伊人视婷婷婷| 综合激情在线| 色色色婷婷五月天| 九玖视频这里只有精品| 婷婷区日本| 亚洲 五月 婷婷 成人| 色欲天天综合| 开心五月激情网| 久9视频| 欧洲色区| 六月色丁香婷婷| 九九九九九九九九九九九九九国产精品| 色综合香蕉视频| 外国碰视频网站97| 五月丁香色色综合| 人人做人人看人人摸| 99色在线视频| 天天日夜夜拍| 99色热综合| 久久婷婷五月综合成人d啪| 国产91视频| 黄色99网| 66色在线日韩| www.色99| 久久久久视剧HD| 亚欧州精品视频| 天天拍夜夜撸| 99热在线这里| 丁香啪啪| 新激情婷婷| 91ncm视频| 成人婷婷深爱综合网| 99免费在线| 婷婷中文在线| 七月丁香五月婷婷在线| 色九月欧美| 天天爽天天弄| 开心五月天激情网| 午夜少妇在线观看视频| HD久久精品视频| 午夜丁香丁香婷婷| 深爱婷婷丁香五月激情| 丁香六月婷婷| 亚洲六月综合激情久久下卡| 9有码中文| 五月激情偷拍婷婷| 色婷婷丁香五月| avh片在线观看| 99色综合网| 可以免费看AV网站| 丁香成人五月天| 婷婷色基地在线看 | 涩五月婷婷| 亚洲成av人影院| 99视频35精品视频在线观看| WWW.桔色成人.COM| 色婷婷九月| 就爱日五月天| 好好日激情五月天| 激情性爱五月| 伊人丁香五月婷婷潮吹| 婷婷五月色| 狠狠色噜噜色狠狠狠综合久久成人波| 五月激情六月宗合| 99精品女人天堂| 国产精品激情五月天色婷婷| 色五月激情| 狠狠色丁香久久| 99re这里只有精品在线观看| 五月天色五月| 六月婷婷九月丁香| 婷婷五月六月丁香综合| 欧美黑人巨大性生话| 夜夜资源站| WWW.开心五月天.COM| 99热九九热| 女人天堂久久| 五月天成人在线播放丁香| 婷婷色导航| 婷婷成人综合| 91黄操| 97久久超视频| 五月天激情综合10p| 五月天婷婷成人网| 久99在线视频| 日日杆天天| 久九男女天堂| 玖玖伦理电影| 婷婷基地爱| 大香蕉久久草| 色婷婷六月天| 五月丁香本色在线观看| 女人天堂av| 国产67194| 婷婷激情视频| 色婷婷六月| 丁香五月之久操视频| 五月婷伊人| 人人摸人人摸| 色爱综合网| 性欧美日本| 另类激情五月| 97干视频| 99人妻碰碰碰久久久久禁片| 中文字幕AV网址| 97日在线视频| 激情五月天偷拍综合网| 婷婷五月丁香国产| 综合激情站| 激情综合网站| 日韩精品一区二区亚洲AV观看| 97人人操人人操人人操人人| 深爱开心激情| 九九偷拍网| 色99视频| 五月丁香网站| 97热视频| 五月天婷五月天综合网小说首页-五月天激激婷婷大综合,婷婷亚洲综合五月天小说 | 99精品在线观看视频| 婷婷在线观看五月天在线视频| www.99热视频| 激情图片婷婷| 婷婷色情 | 99热99这里有免费的精品| 久久ri精品| 九九在线这里只有精品视频| 综合超碰熟| 丁香六月婷婷综合| 成人版视频在线观看| 亚洲色碰| 青草网在线观看| 亚洲综合九九| 久久婷婷五月丁香| 丁香婷婷激情四射五月| 99精品视频免费观看| www.日本91| 色九区| 777久久综合视频| 成人免费黄色短视频| 99er热精品视频| 黑人熟妇一区二区三区| 久色激情| 五月天婷婷影院影院| 色六月 婷婷| 久久思思热视频| 久久影视婷婷五月| 婷婷激情图片| 婷婷四色五月| 精品99在线看| 亚洲无码色色| 色色日韩无码| 激情五月天第四色| 99超级碰碰| 六月丁香婷婷色狠狠久久| 久久思思热| 日韩久久这里只有精品| 99er热精品视频| 丁香五月综合| 五月五丁香婷婷| 国产乱人偷精品人妻A片| 婷婷五月18永久免费视频| 99狠狠| 久久久久久久人妻| 色色哒五月婷婷六月丁香| 久9精品视频| 日本精品久久久久中文字幕| 青青草激情网| 五月婷婷免费在线| 大香蕉太香蕉视频97| 五月婷婷色综图片| 九九热在这里只有精品| 国产综合婷婷| 伊人综合网站| 五月天啪啪啪| 美女黄频aⅴ视频| 久久视频在线视频| 狠狠干在线| 色月视频| 综合色网站| A片试看120分钟做受视频红杏| 99免费在线| 掩去也综合五月视频| 久久丁香综合精品综合| 五月婷婷性爱| 五月天网站免费欧美| 美女天天艹人人爽| 激情久久 婷婷| 开心五月激情网| 啪啪99| 天天操天天日天天操| 九九99久久| 色 噜噜 九月 婷婷| 熟女人妻一区二区三区免费看 | 亚洲综合五月| 激情婷婷丁香五月| 婷婷五月综激情| 婷婷五月欧美| 国产99久久久国产精品免费看 | 亚洲 日韩色色| 97视频.干com| www.99操.com| 亚洲国产精品SUV| 丁香六月激情四射| 高清无码视频网址| 婷婷五月丁香激情色情| 婷婷伊人| 久久WW| 五月婷婷国产| 亚洲狠狠爱婷婷| 色爱五月天| 狠狠色丁香婷婷久久综合| 国产资源91在线| 婷婷丁香午夜综合影视| 日本一级黄色电影| 色播五月天婷婷老师| 色婷婷丁香AV综合| 荫道BBWBBB高潮潮喷| 丁香婷婷久久 | 99久.| 国产熟女大叫受不了| 97人人操人人插| 国产av一区二区三区| 五月丁香六月婷| 日本久久精品| av在线中文| 超碰人人干| 伊人五月天在线| 性天天中文网| 五月婷婷精品视频| 人妻videos人妻高清| site:hcxsz888.com| 4399在线日本A片| 五月丁香婷婷激情影院欧美| 色一情一乱一乱91Av| 婷婷久久婷婷色五月| 婷婷六月成人| 成人草榴视频| 国产SUV精品一区二区883| 99视频内射三四| 日产精品一线二线三线芒果 | 久久激情五月婷婷| 狠狠99| 4438国产免费看| 青青操丝袜美腿| 9久热在线视频| 婷婷9月天| 9999综合99综合人| 六月婷婷日| 成人国产网站| 伊人综合婷婷| 超碰高清在线| 激情视频综合| 九洲一级A片| 4399在线日本A片| 99精品久久| 婷婷导航| 人人澡天天色天天做| 九九综合视频在线观看| 丁香六月开心| 日本女天天爽| 丁香六月色情| 丁香五月成人论坛| 视频这里只有精品16| 免费播放99性爱视频| 狠狠夜夜五月丁香| 99惹精品视频| 婷婷.com| 五月丁香六月激情在线| 91日日日| 五月天婷婷小说| 国产精品久久欧美久久一区| 26uuu成人网| 国产44页| 大香蕉五月婷婷| 丁香五月婷婷深五月| 99九九视屏| 激情色视频| 日本啪啪网| 涩五月婷婷| 91色五月在线观看| 婷婷成人AV| 亚洲小视频免费播放| 亚洲五月六丁香激情| 日本激情五月| 91人操人人人操人| 综合网亚洲| 国产AV成人精品| 六月丁香停| 庭庭久久内射| 都市激情蜜桃婷婷五月天 | 亚洲欧美在线观看| 在线亚洲综合| 久久激情视频99| 五月天性色| 欧美婷婷五月天| 第四色激情网| 亚洲网站观看视频| 超碰9在| av婷婷丁香 六月| 精品皮股午夜AV| 日日夜夜狠狠| 婷婷五月综合在线| 久久99久久99精品,久国产,久久精品免费,99久在线,久久久久国产精品免费网站,9 | 人妻久久久久久久久妻久久久久| 五月丁香六月婷婷久久| 91碰视频| 色色综合网。| 久久五月网| 丁香婷婷六月在线资源观看| 欧洲综合视频| 国产AV一区二区三区日韩| 午夜九九九九九九九九九九九九九| 99惹在线精品免费观看| 亚洲最大五月天成人网| 狠狠丁香| 亚洲天堂碰碰婷婷| 26uuu偷拍亚洲欧洲综合| 激情五月天啪啪视频| 色五月激情网| 欧美精品XXXXBBBB| 午夜日日| 五月天播播综合| 五月丁香久久网| 2018夜夜草| 俺也去在线久久精品23欧美综合视频网站,丰满人妻一区二区三区在线视频53,丰满 | 欧美丁香六月在线观看视频| 婷婷色五月在线视频| 中国丰满熟女A片免费观| 婷婷六月丁综合| 狠狠色噜噜狠狠色噜噜噜999| 日屌日日操日日色| 国产暴力强伦轩1区二区小说| 五月丁香综合中文| 伊人久久婷婷五月天激情四射| www久久艹| 精品久9| 噜噜狠狠| 五月婷婷六月情| 色五月丁香五| 亚洲成人av在线| 另类五月激情| 五月天社区| 色婷五月天| 国产无套精品一区二区| 激情综合网激情五月天| 九九久久综合网站| 日本久久婷| 无码一区二区三区四区五区91c| 深爱婷婷基地| 久久精品亚洲一级牲爱综合| 可以免费观看的AV| 五月天久久网站| 婷婷噜噜| 丁香五月激情久久麻豆| 久久9精品| 五月天色综合| 伊人大香久久| 日本噜噜色网| 亚洲综合99| 久久总和99| 欧美五月婷婷| 婷婷香蕉精品| 日韩a热| 色五月在线观看| 色女人久久| 色婷婷丁香五月在线观看| A片试看120分钟做受视频红杏| 99精品久久久久久久婷婷| 婷五月天| 一级韩国产精品毛| 五月丁香欧美在线| 少妇熟女视频一区二区三区| 91色久| 亚洲欧美婷婷五月色综合| 秋霞日本免费毛片A片| 色女伊人| 99re8热精品免费视频| 黄页大全十八禁| 人妻第九页| 丁香六月色情| 三十熟女| 亚洲色情免费网| 久久久.COM| 色色色国产| 久久久五月五丁香| 女同激情久久av久久| 五月丁香激情综合啪啪| 91九色中文字幕女在线观看| 免费看成人747474九号视频在线观看| 黄色AAAAAAA| 开心五月深爱婷婷| 99综合入口| 激情五月天小说|五月天开心激情网|亚洲精品国产自在现线|黄色五月天 | 天天爽天天操| 婷婷五月激情四月综合| 五月综合色| 97色色色色| 九九热在线精品| 色情·com| 风流少妇A片一区二区蜜桃| 丁香五月亚洲激情婷婷射| 婷婷综合久久| 2023天天日夜夜爽| 亚洲超碰青涩| 天天高潮夜夜爽| 第四色五月婷婷| 综合色图区| 99开心五月五月丁香激情| 狠狠干天天日| 情欲综合网| 日韩人妻AV在线| 九九这里都是精品| 欧在线一区| 天天肏高清在线| 天天久久人人| 另类图片天天影视在线观看| www.99视频| 三男玩一女三A片| 婷婷伊人五月| AV免费在线网站| 丁香五月婷婷视频| 香蕉久久国产AV一区二区| 无码免费人妻A片AAA毛片西瓜| 中国AV性爱观看| 99久久色| 九九精品热| 激情五月婷婷网在线观看| 成人网在线观看视频| 天天干天天干天天操| 91色涩| 国产精品久久久久久久久久久久 | 三级99热| 色综合com| 丁香婷婷人妻综合网| 欧美性爱丁香五月| 超碰97干| 亚洲av日韩无码| 99成人| 色婷久久| 99久热在线精品| 97热91| 五月天婷婷伊人| 久久五月丁香伊人青草| 99热九九九九| 成人国产综合| 天天爱天天做天天舔| 欧美日韩日韩成人| 亚洲人妻av| se影音资源在线观看| 日日干五月天婷婷|