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

深耕商務建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

垃圾短信識別實戰(zhàn):TF-IDF與SVM中文文本分類項目拆解

垃圾短信識別實戰(zhàn):TF-IDF與SVM中文文本分類項目拆解 簡介這份資源面向計算機相關專業(yè)本科生及NLP入門學習者提供一套完整的中文文本分類實戰(zhàn)方案以垃圾短信識別為具體場景幫助讀者理解從數(shù)據(jù)到模型落地的全流程。壓縮包共8個文件約38.02MB包含3個txt數(shù)據(jù)與停用詞文件、2個pkl序列化模型、1個Python訓練腳本、1份Markdown說明文檔及1張流程圖覆蓋數(shù)據(jù)、模型與代碼三類核心內(nèi)容。數(shù)據(jù)集采用“標簽\t文本”格式正樣本為垃圾短信、負樣本為正常短信便于直接訓練與評估。技術?;赑ython3.6、jieba與Scikit-learn默認使用SVM支持向量機完成分類并可根據(jù)需要替換為其他模型運行train.py即可啟動訓練。目前已有4450人學習下載適合作為畢業(yè)設計參考、課程實踐或NLP分類任務的入門模板幫助讀者快速掌握中文分詞、特征提取與模型訓練的關鍵環(huán)節(jié)。1. 垃圾短信識別項目拆包一份能跑通的 NLP 中文文本分類實戰(zhàn)資源拿到一個壓縮包解壓后看到train.py、tfidf.pkl、svm_model.pkl和兩個 txt 數(shù)據(jù)文件這種結(jié)構(gòu)其實比很多“大而全”的畢業(yè)設計清爽得多。它解決的是一個非常具體的問題給你一條中文短信判斷它是垃圾短信還是正常短信。標簽只有 0 和 1正樣本 1 代表垃圾短信負樣本 0 代表正常短信數(shù)據(jù)格式是“標簽 Tab 文本”。適合誰正在做 NLP 中文文本分類畢設、需要快速復現(xiàn)一條完整 baseline 的人或者想拿 SVM TF-IDF 這套經(jīng)典組合練手、后面再換模型的從業(yè)者。它不炫技但每一步都能落地。這個資源的核心鏈路是原始短信文本 → jieba 分詞 → 去停用詞 → TF-IDF 向量化 → SVM 分類 → 模型持久化。環(huán)境依賴只有 Python3.6、jieba、Scikit-learn沒有 GPU 要求沒有深度學習框架一臺普通筆記本就能跑完。train.py是唯一入口tfidf.pkl和svm_model.pkl是訓練后落盤的向量器和分類器hit_stopwords.txt是停用詞表test.txt和train.txt是數(shù)據(jù)劃分。下面按“先理解為什么這么選再動手復現(xiàn)最后看坑”的順序拆開講。2. 數(shù)據(jù)格式與預處理從“標簽\t文本”到干凈語料2.1 為什么先看數(shù)據(jù)格式而不是先跑代碼很多畢設項目翻車不是模型不行是數(shù)據(jù)讀進來就錯了。這個資源的數(shù)據(jù)格式是標簽\t文本標簽和文本之間用制表符分隔。如果你用空格切分遇到短信正文里本身帶空格的情況標簽列就會錯位。常見做法是用split(\t, 1)只切第一個 Tab保證后面文本原樣保留。另外要確認文件編碼中文短信數(shù)據(jù)常見 UTF-8但 Windows 下可能是 GBK讀的時候加encodingutf-8或encodinggbk試一下報UnicodeDecodeError就換。def load_data(file_path): labels, texts [], [] with open(file_path, r, encodingutf-8) as f: for line in f: line line.strip() if not line: continue # 只按第一個 Tab 切分防止文本內(nèi) Tab 干擾 parts line.split(\t, 1) if len(parts) ! 2: continue label, text parts labels.append(int(label)) texts.append(text) return texts, labels邏輯說明逐行讀取跳過空行split(\t, 1)保證標簽和文本正確分離標簽轉(zhuǎn) int 方便后續(xù) SVM 訓練。參數(shù)說明file_path傳train.txt或test.txt如果數(shù)據(jù)里有異常行l(wèi)en(parts) ! 2直接跳過避免一條臟數(shù)據(jù)把整個訓練打斷。2.2 jieba 分詞與停用詞過濾的實操細節(jié)中文文本分類繞不開分詞。這個資源用 jieba默認精確模式即可。停用詞表hit_stopwords.txt里通常是“的、了、在、是”這類高頻但無區(qū)分度的詞。過濾停用詞能降維但注意別把否定詞“不、沒、別”誤刪垃圾短信里“不需要”“沒興趣”這類表達有信號。我一般會先看一眼停用詞表里有沒有否定詞有就手動移出來。import jieba def load_stopwords(stopwords_path): with open(stopwords_path, r, encodingutf-8) as f: return set(line.strip() for line in f if line.strip()) def preprocess(texts, stopwords): processed [] for text in texts: # 精確模式分詞適合短文本 words jieba.lcut(text) # 過濾停用詞和單字單字噪聲大 words [w for w in words if w not in stopwords and len(w) 1] processed.append( .join(words)) return processed邏輯說明jieba.lcut返回列表比jieba.cut直接可用過濾停用詞同時過濾長度為 1 的字減少噪聲。參數(shù)說明stopwords是 set查找 O(1)len(w) 1這個閾值可以調(diào)如果發(fā)現(xiàn)“貸”“款”這類單字有區(qū)分度可以放開到 1但通常短文本里單字噪聲更大。注意停用詞表不是越大越好。我見過有人拿通用停用詞表直接套短信場景結(jié)果“中獎”“轉(zhuǎn)賬”這類關鍵詞被誤傷召回率掉得厲害。建議先跑一版看混淆矩陣再決定要不要精簡。3. TF-IDF 向量化與 SVM 訓練參數(shù)怎么設、模型怎么存3.1 TF-IDF 的max_features和ngram_range怎么定TF-IDF 把分詞后的文本轉(zhuǎn)成數(shù)值向量。TfidfVectorizer有幾個關鍵參數(shù)max_features控制詞表大小ngram_range控制是否用二元詞組。短信文本短一元詞通常夠用但“中獎 鏈接”這種組合有信號可以試(1,2)。max_features設太大容易過擬合設太小丟信息常見做法是從 5000 起步看驗證集效果再調(diào)。from sklearn.feature_extraction.text import TfidfVectorizer def build_vectorizer(): return TfidfVectorizer( max_features5000, # 詞表上限防止維度爆炸 ngram_range(1, 2), # 一元和二元詞組 min_df2, # 至少出現(xiàn)在 2 篇文檔中過濾低頻噪聲 max_df0.9 # 出現(xiàn)在 90% 以上文檔中的詞視為無區(qū)分度 )邏輯說明min_df2過濾只出現(xiàn)一次的詞max_df0.9過濾幾乎每篇都有的詞這兩個參數(shù)配合停用詞表能進一步降噪。參數(shù)說明max_features根據(jù)數(shù)據(jù)量調(diào)幾千條短信 5000 夠用ngram_range(1,2)會讓特征數(shù)翻倍訓練變慢如果時間緊可以先(1,1)。3.2 SVM 訓練與模型持久化train.py里該盯哪幾行SVM 用LinearSVC還是SVC(kernellinear)數(shù)據(jù)量幾千到幾萬LinearSVC更快SVC配合probabilityTrue能輸出概率但慢。這個資源用的是 SVM常見做法是LinearSVC。訓練完用pickle把 vectorizer 和 model 分別存成tfidf.pkl和svm_model.pkl預測時先加載 vectorizer 再 transform順序不能反。import pickle from sklearn.svm import LinearSVC from sklearn.metrics import classification_report def train_and_save(train_texts, train_labels, test_texts, test_labels): vectorizer build_vectorizer() # 注意fit_transform 只在訓練集上做測試集只能 transform X_train vectorizer.fit_transform(train_texts) X_test vectorizer.transform(test_texts) model LinearSVC(C1.0, class_weightbalanced) model.fit(X_train, train_labels) preds model.predict(X_test) print(classification_report(test_labels, preds)) # 持久化預測時按同樣順序加載 with open(tfidf.pkl, wb) as f: pickle.dump(vectorizer, f) with open(svm_model.pkl, wb) as f: pickle.dump(model, f)邏輯說明fit_transform只在訓練集調(diào)用測試集用transform否則數(shù)據(jù)泄漏評估結(jié)果虛高。class_weightbalanced在正負樣本不均衡時有用垃圾短信通常少于正常短信。參數(shù)說明C是正則化參數(shù)越大越容易過擬合從 1.0 開始調(diào)classification_report看 precision、recall、f1垃圾短信識別更關注 recall漏判比誤判代價高。提示pickle存模型有版本兼容問題。Python3.6 存的 pkl 在 3.8 以上可能加載報錯換環(huán)境時重新訓練一遍比折騰兼容更省事。4. 避坑與排查跑train.py時最容易翻車的五個地方4.1 現(xiàn)象報UnicodeDecodeError: utf-8 codec cant decode byte原因數(shù)據(jù)文件不是 UTF-8 編碼Windows 下常見 GBK。解決把open里的encodingutf-8改成encodinggbk或者用chardet檢測編碼后統(tǒng)一轉(zhuǎn) UTF-8。4.2 現(xiàn)象訓練集準確率 99%測試集只有 60%原因fit_transform用在了全量數(shù)據(jù)上或者停用詞表把關鍵信號詞過濾了。解決檢查代碼里fit_transform是否只作用于訓練集打印測試集里被過濾的詞看有沒有“中獎”“轉(zhuǎn)賬”這類關鍵詞被誤刪。4.3 現(xiàn)象pickle.load報ModuleNotFoundError: No module named sklearn.svm._classes原因訓練和預測的 Scikit-learn 版本不一致舊版 pkl 在新版加載失敗。解決統(tǒng)一環(huán)境版本或者不加載 pkl直接用train.py重新訓練并預測。畢設場景下重新訓練成本很低。4.4 現(xiàn)象預測時transform報dimension mismatch原因加載的tfidf.pkl和當前文本預處理方式不一致比如訓練時用了二元詞組預測時只分詞沒保留詞組。解決預測代碼必須復用訓練時的preprocess函數(shù)和同一個 vectorizer不能重新fit。4.5 現(xiàn)象jieba分詞后全是單字特征沒區(qū)分度原因短信文本短jieba 默認詞典對網(wǎng)絡新詞覆蓋不夠比如“返現(xiàn)”“秒殺”可能被切碎。解決加自定義詞典jieba.load_userdict(userdict.txt)把業(yè)務關鍵詞加進去或者改用jieba.lcut_for_search試試效果。5. 換模型與調(diào)參進階從 SVM 到樸素貝葉斯、XGBoost 的對比驗證5.1 為什么先跑 SVM 再換模型SVM 在小樣本、高維稀疏文本上表現(xiàn)穩(wěn)定TF-IDF 加LinearSVC是經(jīng)典 baseline。但畢設如果只做一個模型答辯時容易被問“為什么不用別的”。我一般會在這個資源基礎上再跑兩個對比MultinomialNB和XGBoost。樸素貝葉斯訓練極快適合做下限參考XGBoost 在特征工程到位時上限更高但需要把稀疏矩陣轉(zhuǎn)成稠密或直接用scipy.sparse支持。下面是一個對比腳本的骨架。from sklearn.naive_bayes import MultinomialNB from sklearn.metrics import f1_score import xgboost as xgb def compare_models(X_train, y_train, X_test, y_test): results {} # SVM 基準 svm LinearSVC(C1.0, class_weightbalanced) svm.fit(X_train, y_train) results[SVM] f1_score(y_test, svm.predict(X_test)) # 樸素貝葉斯 nb MultinomialNB(alpha0.1) nb.fit(X_train, y_train) results[NB] f1_score(y_test, nb.predict(X_test)) # XGBoost注意稀疏矩陣直接支持 xgb_clf xgb.XGBClassifier( n_estimators100, max_depth6, learning_rate0.1, eval_metriclogloss ) xgb_clf.fit(X_train, y_train) results[XGBoost] f1_score(y_test, xgb_clf.predict(X_test)) return results邏輯說明統(tǒng)一用 f1 對比垃圾短信識別里 f1 比準確率更能反映漏判和誤判的平衡。參數(shù)說明MultinomialNB的alpha是平滑系數(shù)0.1 到 1.0 之間調(diào)XGBoost的n_estimators和max_depth是主要調(diào)參對象數(shù)據(jù)量小的時候max_depth6可能過擬合降到 3 到 4 試試。5.2 驗證方法別只看一次劃分的測試集單次train_test_split的結(jié)果波動大尤其是數(shù)據(jù)量幾千條時。我習慣跑 5 折交叉驗證看 f1 的均值和方差。如果方差大說明模型不穩(wěn)定要么加數(shù)據(jù)要么簡化特征。另外垃圾短信識別要單獨看召回率因為漏判一條垃圾短信可能比誤判一條正常短信代價高。用cross_val_score時指定scoringf1再手動算 recall。from sklearn.model_selection import cross_val_score def cross_validate(model, X, y, cv5): f1_scores cross_val_score(model, X, y, cvcv, scoringf1) recall_scores cross_val_score(model, X, y, cvcv, scoringrecall) print(fF1: {f1_scores.mean():.4f} ± {f1_scores.std():.4f}) print(fRecall: {recall_scores.mean():.4f} ± {recall_scores.std():.4f})邏輯說明cross_val_score自動做 K 折返回每折得分。參數(shù)說明cv5是折數(shù)數(shù)據(jù)量小可以設 10但每折訓練集更小scoringrecall直接看正樣本召回。5.3 一個具體技巧用Pipeline把預處理和模型串起來這個資源里預處理、向量化、訓練是分開寫的改參數(shù)要動好幾處。我后來習慣用Pipeline把TfidfVectorizer和LinearSVC包在一起交叉驗證和網(wǎng)格搜索都方便還能避免數(shù)據(jù)泄漏。下面是我在這個項目上改過的版本直接替換train.py里的訓練部分即可。from sklearn.pipeline import Pipeline from sklearn.model_selection import GridSearchCV def build_pipeline(): return Pipeline([ (tfidf, TfidfVectorizer(max_features5000, ngram_range(1,2))), (svm, LinearSVC(class_weightbalanced)) ]) def grid_search(X_train, y_train): pipeline build_pipeline() param_grid { tfidf__max_features: [3000, 5000, 8000], svm__C: [0.1, 1.0, 10.0] } grid GridSearchCV(pipeline, param_grid, cv5, scoringf1, n_jobs-1) grid.fit(X_train, y_train) print(grid.best_params_) return grid.best_estimator_邏輯說明Pipeline保證fit時 vectorizer 只 fit 訓練折predict時自動 transform杜絕泄漏。GridSearchCV在 5 折上搜參數(shù)n_jobs-1用滿 CPU。參數(shù)說明param_grid里tfidf__max_features和svm__C是重點ngram_range也可以加進去搜但組合爆炸先固定(1,2)。從那以后我每次拿到文本分類項目都強制先跑一遍Pipeline加交叉驗證再去看單次劃分的結(jié)果。單次高分可能是運氣交叉驗證的均值和方差才是真實水平。希望幫到你。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
婷婷五月激情视频在线| 国产午夜成人免费看片无遮挡| 亚州综合色| 国产色色在线| 大地资源色婷婷视频在线| 9999色色色色| www.色婷婷| 婷婷97狠狠干| 欧洲色色| www.色五月.com| AV大片在线观看| 五月婷婷六月少妇激情| 91九色国产熟女| 人人摸人人| 大伊香蕉玖玖爱| www.99热在线| 日本精品。999| 国产一区二区三区影院| 一起草性爱不卡视频| 九九综合88| 精品丁香五月天在线播放| 久久精品噜噜噜成人A∨色欲| 久久99热这里只有精品| 大香蕉久操| 99色综合| 99热这里全是精品| 婷婷操逼| 国产XXXX搡XXXXX搡麻豆| 亚洲久久婷婷丁香五月天| 狠狠色婷婷777| 激情综合色五月六月婷婷| 色五月激情五月| 五月丁香六月婷综合成人综合| 激情五月天色色色| 国产探花一片区| 99爱视频精品在线观看| 日韩精品呦呦va| 天天综合网91| 99热中国| 婷婷基地成人五月天| 婷婷五月天综合久久日美女| 99性爱| WWW.99热| 3pAV| 五月丁香六月色| 久久婷婷六月天| 在线99热| 丁香婷婷激情五月天无毒不卡蜜桃| 97婷婷狠狠| 99亚洲天堂| 五月婷婷真爱激情网| ww亚洲ww在线观看| 色yeye色综合| 日日鲁鲁鲁夜夜爽爽狠狠视频97| 五月四色色| 婷婷六月综合基地| 99国产在线精品视频| 五月婷婷免费看| 丁香九月婷婷| 色婷婷性爱| 久久久噜噜噜久久人妻| 天天插天天干| 99久久er| 丁香五月自拍| 91色九| 精品一二三区久久AAA片| 91无码高清| 99这里| 97好吊操| 五月永久激情| 丁香五月激情网| 欧美内射AAAAAAXXXXX| 草综合14| 国产高清精品色| 色五月综合| 日本精品人妻无码77777| 久久婷网| 中文av网站| 26uuu国产色| 人人干人人操外国| 五月婷婷 婷婷五月 一区二区 久久久 | 99久久这里只有精品免费官网| 亚洲午夜国产成人电影VA国产欧…| 思思热视频在线| 五月婷视频在线| 热的无码综合视频| 黄涩毛片| 狠狠狠狠免费| 色婷婷91激情小说| 综合97五月| 另类视屏| 久久精品综合色| 亚洲精品成人| 丁香花五月天社区| 综合成人小说婷婷| 同性gv国产精品一区二区| 丁香五月WWW| 日本人人超碰| 亚洲亚洲人成综合网络| 国产精品VIDEOSSEX久久发布| 99re热在线视频| 久久婷婷六月天| 色日本综合| 婷婷五月激情小说| 超碰97在线观看免费| 五月婷婷丁香六月| www.99热这里只有精品| 久久婷婷五月| 日本五月婷婷| 九九精品热| 激情丁香九九五月综合网| 性生活久久朋友人妻| 久1色色| 五月天天堂久久| 五月天之色情综合网| 99久久婷婷国产综合精品| 丁香五月婷婷色| 久久免片| 专区无日本视频高清8| 99热在线只有精品| 噜噜噜狠狠色综合| 乱乱av| BBWCUCKOLD精品熟妇| 五月激情在线| 亚洲va在线| 婷婷六月婷婷| 日日噜噜久久婷婷五月天 | 激情欧美五月丁香| 丁香五月成人婷婷| 欧美色色色色色色色色色色| 亚洲AV成人在线| 六月丁香婷婷综合狠狠爱夜夜爱| 8区视频在线| 九九干视频| 色婷婷丁香五月| 九九在线视频| 26UUU精品一区二区| 人妻少妇色综合| 亚洲成人AV在线播放| 久久综合首页| www.夜夜| 国产婷伊人| 日日操夜夜擼| 五月情涩综合婷婷| 精品成人在线观看| 久久五月丁香伊人青草| 国产精品国产VA片国产| 五月婷婷六月少妇激情| 91丨九色丨熟女| av久热| 色色五月丁香| 亚洲乱码日产精品BD| 日韩无码专区| 欧美成人精品三区综合A片| 国产XXXX搡XXXXX搡麻豆| 国产欧美性成人精品午夜| 91久久精品国产91性色TV| A短视频免费在线观看| www.91五月| 9久热视频| 97超碰欧美中文字幕| 97碰碰视频| 丁香蜜臀黄色婷婷五月天| 色播综合| 天天久久综合| 久久久久久人妻| 九九热大香蕉| 伊人99热| 五月丁香六月欧美| xxx.色婷婷| 午夜色色色极品视频| 99热婷婷| 婷婷干五月综合在线播放| 亚洲六月婷| 婷婷久久色| 丁香五月香蕉| 99色免费观看全部| 91精品无码| 色99视| 99日韩网站| 色婷婷激情| 久久久久久人妻| 国产成人AV| 草婷婷在线| 99热这里只有国产精品| 中文字幕人妻在线| 国产精品久久久爽爽爽麻豆色哟哟| 日本色超碰| 超碰九九热| 欧美激情五月天在线观看| 三级大香蕉网| 综合久久影院| 亚洲欧洲中文日韩久久AV乱码| 超碰五月婷婷五月天| 亚洲小电影在线观看黄999| 婷婷导航| 可以免费看的av网站| 久久多色| 丁香六月婷婷色XXXXX| 国产精产国品一二三在观看| 伊人大香久久| 欧美va亚洲va| 天天摸天天日天天舔| 色噜噜97视频在线观看| 超碰在线91| 曰韩五月丁香色婷婷无码| 97色欧美| 婷婷亚洲色| 97色色综合| 欧美日本不卡黄色片| 色综合久久88色综合天天99| WWW,婷婷,COM| 午夜性做爰电影| 亚洲av成人电影在线观看| 九九热10| 五月婷色| 五月天婷婷情色| 久久这里只有精品网| 99热青青草| www.深爱激情| 欧美日韩一区二区三区四区| 日韩精品一区二区刘| 99色激| 婷婷五月天成人网站| 婷婷性爱影院| 婷婷伊人五月丁香天堂网| 天天操天天爱天天日| 丁香五月,激情五月,深爱五月| 91大神操美女| 大香蕉天堂色| 天天操夜夜夜拍拍拍| 另类激情五月| 伊人五月成人| 色欲AVV| 久久婷婷成人视频| 五月玖玖| 五月婷婷狠狠干| 97操操| 老司机视频lsj爱就色| 婷婷色导航| 精a品a| 五月天色欧美| 九九在线免费观看| 超碰免费在线| 中文久久久人妻| 日本一级一级一级一级| 九月丁香亭亭| 国产激情久久| 色婷婷丁香五月天| 99九九精品| 4399伦理午夜| 91九色在线视频| 男人的天堂av俄罗斯热| 亚洲欧美999| 中文字幕中文有码在线| 思思99热在线| 99久久精品国产色欲| 五月丁香综合精品欧美| 婷婷大美在线| 狠狠干,狠狠操| 4399在线观看免费高清黄色视频| 欧美黄色AA片哗啦啦啦| 久久九九激情五月天| 丁香五月色情| 午夜天堂啪啪| 久99视频在线观看| 五月婷婷九九热| 婷婷五月天激情电影| 99精品视频播放| 第四色婷婷最爱| 欧美一级色| 色老久久| 一起操 91N.com| 操丝袜视频影院导航| 五月激情影院| 只有精品在线观看| 99热官网精品在线| 亚洲天堂久久| 日韩AV大全| 九九色欲网| 婷婷六月色| 色色色天堂网| 日本人人xxx| 精品自拍97| 亚洲国产成人裸舞| 最新无码专区| 亚洲综合狠狠艹| 丁香六月婷婷色XXXX| 国产激情综合| www.婷婷网| 欧美日韩999| 91狠狠综合网| 996热re视频在线观看视频| 日本熟女一区二区| www.色五月| 五月天综合缴情网网站0| 五月天婷婷在线AN| 99热欧美在线观看| www.超碰在线| 五月天社区婷婷丁香社区| SS丁香五月婷婷| 日日鲁鲁鲁夜夜爽爽狠狠视频97| 亚州视频九九99| 少妇AB又爽又紧无码网站| 99开心五月五月丁香激情| 538在线精品| 极品人妻videosss人妻| WWW.久久久久久久久久久久久| 色色色在线观看| 亚洲啪啪啪啪| 色噜噜丁香| 天天色色天天| 青草网在线观看| 天天射夜夜骑| 亚洲乱啪| 国内外色色色色色成人视频| 日韩在线五月天婷婷| 亚洲成人九九九| 99热日本| 九九热经典视频在线观看| 亚州操逼网| 99这里只有精品|v| 永久AⅤ1| 开心五月六月婷婷| 9在线9在线婷婷在线国产| 色色免费网站| http://www.sd-xiangsu.com/| 日韩精品一区二区亚洲AV观看| 久久色情| 五月丁香六月激情视频| 欧美色色色色色色色色色色影视| 久久综合五月情| 情色五月天网站| 中文不卡一二三区| 九热视频在线精品15| 狠狠干综合| 日韩色五月| 少妇激情基地| 激情婷婷五月天丁香| 婷婷五月婷婷| 99色| 99免费视频精品| 激情亚洲婷婷| 91九色PORNY大屁股| 大香蕉五月丁香| 激情婷婷综合五月少妇| 九九热在线亚洲免费视频| 91美女艹逼网站| site:pnnrt.com| 综合久久六月| www.狠狠操.com| 丁香大香蕉| 成人免费超碰| 少妇性BBB搡BBB爽爽爽视頻| 中美日韩成人在线| 五月天天天色| 呦呦视频无码播放| 色五月婷婷激情综合网| 91婷婷丁香五月| 九九综合九| 激情综合网五月激情| 开心婷婷五月中文字幕组| 九九人妻福利| 五月丁香福利| 五月激情射| 91九色PORNY肉丝在线| 五月天婷婷激情小说电影| 五月天伊人网| 五月天激情啪啪| 久久久久久xxxxx| 亚洲顶级VA在线观看-高清完整版在线影院观看-S022AV | 插插五月天| 婷婷亚洲色| 99久久久久久久| 五月婷婷啪啪啪啪| 三男玩一女三A片| 思思re99视频在线观看| AV在线观看网站| 思思热精品在线观看| 丁香五月激情站| 欧美A级网站| 五月激情婷婷四射| 亚洲av电影在线| 思思久久99热只有频精品66| 久久久人妻| 亚洲区视频| 一丁香五月天月AV| 久久99热在线观看| 天天色宗合| 艾小青av| 久久精品66| 五月天婷婷久色| 国产色色在线| 天天爱天天日| 操笔无码| 日 日干 日日做| 99ri在线视频| 天天爽在线视频| 综合色五月| 99re久热只有精品6在线直播.com| 五月丁香中文婷婷中文| 热九九九九| 狠狠色婷婷丁香五月| www.丁香黄色五月天人与| 欧美性生交A片免费看| 五月天成人综合| 丁香六月激情综合| 99热官网| 欧美综合激情| 色八戒操婷婷| 99色在线观看视频者| 丁香久久在线| 久久99草五月婷婷| 亚洲xx网| 91九色精品熟女内射| 另类激情五月| 久月婷婷| 蜜乳.comcom| 婷婷五月免费观看| 天天xxxxxx天天日| 狠狠穞A片一區二區三區| 亚洲六月婷婷| 黄网免费观看| 久热99| 人妻熟人中文字幕一区二区| av在线免费播放观看| www.第四色99| 中文字幕黄色电影网址| 91美女被操| 亚洲性受XXXX五月丁香| wwccc久久久| 日本欧美国产| 99热这里都是精品| 色婷婷五月天偷拍| 9+1视频网址| 久久久国产精品黄毛片| 日本一区二区三区精品视频| 手机在线日韩视频中文字幕| 婷婷成人网五月天| 婷婷五月天第四色| 91无码高清| 二色av| 亚洲高清在线| 五月婷婷性爱网| 99热69| Av九九| 色五月综合婷婷久久综合婷婷久久综合婷婷久久综合婷婷久久 | 丁香网五月天激情| 国产激情av| 久久九九免费视频| 五月婷婷黄网站大全| 六月丁香婷婷色狠狠久久| 天天性视频| 激情纯色婷婷五月天在线不卡视频| www.丁香五月| 久久98| 色情综合| 久久99三级在线视频| 人人操91| 婷婷五月天激情综合网| 亚洲综合五月天婷婷丁香| 五月综合视频| 91好好热日本在线| 97涩涩丁香五月天| www.久久爱.com| 九九色精品| 人妻有码乱操| 99色色热热| 六月丁香好婷婷| 中美日韩成人在线| 另类婷婷五月天啪帕帕| 九九热在线观看6| 99热这里只是精品| 日韩成人免费电影| 婷婷五月综合社区在线| 女人露出p毛视频www网站| 97婷婷五月天| 久久人妻视频| 久草视频一,二三四| www婷婷色情网| 久久精品夜色噜噜亚洲a∨| 色五月婷婷五月天| 日韩无码性爱| 欧美性爱特黄一级aaaassss| 久久视频婷婷视频| 色婷婷影视99| 国产夫妻操逼内射视频| 国产免费AV在线| 极骚大香蕉伊人| 色婷丁香| 婷婷在线激情| 欧美色激情四射| 成人电影一区| 性爱久久| 日韩有码一区| 婷婷色色综合激情| 色色色色综合网| 1024久婷| 深爱激情久久| 亚洲婷婷五月天| 国内一级精品| 五月丁香六月婷婷国产视频| 色伊人91在线视频| 天天操夜夜夜夜爽| 99热超碰在线| www.久久爱.com| 色永久| 日本综合久久| www.色综合| 婷婷激情六月| 丁香五月伊人| 婷婷五月天熟妇| 色综合五月天| 99综合网| 亚洲永久免费| 六月婷欧美| 99成人精品视频| 欧美性猛交XXXX乱大交极品| 五月激情六月| 99热国产精品| 啪啪99| 五月丁香综合激情| 婷婷五月丁香激情图片| 中文字幕色色色| 精品夜夜澡人妻无码AV| 五月香蕉综合| 色婷婷视频| 97色婷婷| 五月婷婷婷| 97久久精品| 天天插天天射| 色吊丝av中文字幕| 婷婷久久色| 91在线资源| 色五月婷婷久久大| 操逼五月婷婷| 五月婷婷啪啪网| 亚洲最大成人综合网720P| 日日日日做夜夜夜夜无码| 五月色综合| 嫩草视频在线观看| www久久99| 狠狠综合区| 丁香婷婷基地| 大香蕉人在线65| 丁香五月天婷婷中文字幕| 操操操91| 久久精品视频99| 最新久久网址| 色色丁香| 狠狠色丁香| 秋霞学生妹一二级| 99精品偷自拍| 综合色天天| 日本欧美成人片AAAA| 婷婷五六日| 国产精品久久久久久妇女6080| 激情99。| 久热A片| 91精品综合久久久久久五月丁香 | 五月丁香六月激情综合| 日本的α片xxxwww| 欧美精品在线观看| 五月丁香六月婷婷不卡免费无码 | 五月天六月婷婷| av成人在线播放| 婷婷色在线视频| 色色五月天丁香| 99热这里只有精品22| 五月丁了香蕉综合| 综合色五月亭亭| 久热这里只有精品视频免费观看| 婷色视频| 97人人射| 五月份婷婷| 五月天激情四射| 99er在线观看| 91热手机在线| 97人妻碰碰中文无码久热丝袜| 五六月婷婷| 国产欧美精品AAAAAA片| 欧美丁香婷婷五月天| 狠狠干综合网| 丁香五月综合| 天天综合亚洲| 先锋五月婷婷丁香草草| 亚洲成av人影院| 天天热夜夜操| 激情久久 婷婷| 五月婷婷片| 颜射 精品性爱av| 久草婷妨| 色色婷| 激情综合网,五月| 97人人操com| 日韩999| WWW五月天| 超碰99热在线观看| 色久综合| 婷婷色五月综合| 婷婷色丁香五月| 日本熟妇乱妇熟色A片蜜桃| 色狠狠色噜噜AV天堂五区消防| 9l视频自拍9l九色9l成人| 国产毛片精品一区二区色欲黄A片| 婷婷五月激情欧美大胆视频| 色天使色婷婷| 乱精品一区字幕二区| 色五月婷婷很很操| 婷婷六月丁香在线| 久久资源综合| 开心五月婷婷激情| 婷婷深爱五月| 五月色无码| 69精品人妻不卡视频| 五月天激情综合网| 色天五月天在线观看视频| 丁香五月网站| 久久全色| 99re在线播放| 五月久久婷婷| 六月丁香影院| 国产精品久久99| 欧美激情-区二区三区| 99色亚洲| 婷婷综合在线| 玖久精品视频9| 国产成人av在线播放| 99热10在线高清播放| 大香蕉婷婷| 99在热线免费视频| 精品无码人妻一区| 亚洲成人网在线观看| 超碰操日| 天天爽天天操| 91九色国产| 另类五月激情| 开心久久爱五月天| 大香蕉综合在线| 91VIP在线观看| www.色五月| 婷婷 丁香 精品| 我要射综合| 激情婷婷丁香五月天小说| 五月天色站| 日韩艹比| 五月天开心网| 91精品综合久久久久久五月丁香| 综合激情视频| 我要看激情五月天| 五月丁香激情综合网官网| 色色色国产| 亚洲激情五月| 日本韩国视频在线观看社区免费的9| 天天综合色| 久久久ww| 亚洲日韩欧美综合VA| 欧美综合激情五月丁香| 六月丁香婷婷视频综合在线观看| 97热精品| 停停综合色色| 久久伊人婷| 日本波多野结衣视频| 亚洲精品久久久久AV无码| 久久久中文| 国产精品视频免费看| 亚洲天堂aaaa| 五月丁花六月丁香综合| 亚洲色A| 日日操日日射| 婷婷四色五月| 色婷丁香五月| 永久的网站AAAA | 亚洲情欲| 色色性爱视频| 色播五月婷婷| 天天操天天干天天日| 在线中文字幕视频| 五月色网| 五月丁香啪| 秋霞AV淫| 成人国产综合| 99热老网站| 在线成人网址| 五月停亭六月,六月停亭的英语| 色婷婷69| 激情五月丁香社区| 婷婷丁香宗合888| 久久婷丁香五月| 日韩在线视频网站| 欧美99热| 丁香六月激情综合| 五月激情天| 色狠狠色噜噜AV天堂五区| 色婷婷基地 | 99热在线观看| 丁香婷婷六月| 99re视频在线| 97性视频| 五月婷丁香| 99热99网| 五月婷婷网久久| 激情开心五月亚洲| 色狠狠色噜噜AV天堂五区消防| 天天五月天综合网址| 99热思思| 成人日韩欧美| 欧美大肥婆大肥BBBBB| 国产毛片精品一区二区色欲黄A片 国产人妻777人伦精品HD | 丝袜激情网| 久久久激情视频| 亚洲一个色| 香蕉婷婷色五月| 婷婷五月天亚洲色| 五月花综合视频| 五月天婷婷成人网| 婷婷色导航| 99热这里有精品| 97人人妻人人艹| 操逼巨乳91| 婷婷色导航| 婷婷六月丁香激情综合| 5月丁香六月婷婷| 五月婷婷激情五月| 26uuu| 亚洲精品久久久久久久久久吃药| 天天肏天天舔AV| 五月丁香黄色| 国产精品色色666| 伊人深爱综合| 成人网站免费在线播放| 色墦五月丁香| 夜色爱爱亚洲| 中文字幕在线日亚洲9| 婷婷激情五月天在线视频| 色狠久| 99久.| 国产成人精品一区二三区熟女在线| 午夜AV网| 操操人人| 不卡影院午夜理论片| www.夜夜操| 国产成人综合网| 久久久久久9热不雅视频| 97色片| 襙逼网| 中文字幕精品在线观看| 亚洲色五月| 综合激情sV| 色五月丁香五月五月婷婷| 99久久激情视频| AV人人操| 开心久久网婷婷| 99九九精品| 人妻精品久久久久久| 97人凄人人操人人爽| 日韩一区二区A片免费观看| 婷婷性爱视频在线| 91操色| 色色射| 五月丁香| 久婷久婷激情肉| 内射激情在线| 超碰人人超碰| 婷婷综合在线网| 色色综合成人网| 99热免费在线| 亚洲日韩乱码一区二区三区四区| 91porn一起草| 天天爽夜夜爽夜爽精品| 五月丁香| 97香蕉人人在线观看| 亚洲色婷婷婷婷人人爽| 九九99九九99| 九月停停| 婷婷六月婷婷| 97人人干人人操| 久久久久视剧HD| 婷婷五六月丁香| 五月天丁香综合久久国产| 五月婷婷色在线| 久久久婷| 丁香五月成人婷婷| 婷久久高清| 国产五月丁香在线| 六月婷婷综合激情| 日韩小视频在线99| 婷婷五月天深爱| 九九热re99re6在线精品| 欧美97超碰| 丁香月五月天婷婷久久| 97超碰综合| 六月激情丁香一道本7777| 丁香六月天色婷婷| 狠狠色综合网| 大香蕉五月天婷婷| 五月天婷婷激情| 色情网综合| 久久五月网| 26uuu成人网| 久久婷婷网站| 国产精品色| 日韩AV成人电影| 丁香五月日啪| 丁香五月影院| 亚洲操操| 成人短视频在线| 五月丁香婷婷啪啪综合| 婷婷丁香五月高清| 啪啪日本欧美| 欧美性丁香色色五月天| 女人高潮内射99精品| 狠狠综合| 丁香色五月 97干| 人妻aV在线| 婷婷丁香五月婷婷| 欧美啪啪五月天| 天天天久久人人人合| 亚洲亚洲人成综合网络| wuyuedingxiang99| 天天干狠狠| 五月丁香999| 色综合色五月| 超碰com| 丁香色综合| www.五月天色色.com| 五月婷婷九九热| 99九九中文字幕视频| 天天视频亚洲| 日本wwww在线| 婷婷丁香色情五月天| 99热最新国内| 5月婷婷五月天| 99久久婷婷综合| 五月婷婷色激情| 五月激情六月综合| avv在线| 精品成人a v无码内射| 一区操| 人人干人人操人人摸| 超碰人人操人人9| 这里只有精彩亚洲视频推荐| 9l久久久视频| 久久这里都是精品| 91色色色18| av在线中文| 夜色综合网| 综合另类视频| 欧美色色色色色| 精品色情一区二区三区四区| 五月丁香久久| 婷婷丁香五月噜噜噜| 日韩三级高清无码| 亚洲va在线∨a天堂va欧美va| 国产亚洲色婷婷久久99精品91 www.riverspirits.org www.hnnun.com www.changh | 99er国产| 九九婷婷五月天| 色五XX| 色九月综合网| 超碰色综合| 九九热视频精品2| 国产精品99久久久久久久女警| 天天综合永久| 操婷婷基地| 久久东京热婷婷五月| 久久这里只精品66| 超碰v| 激情五月天激情综合网| 亚洲综合999| 九九色色| 深爱婷婷色| 色综合久久88色综合天天| 67194中文字幕| 五月天丁香六月综合| 8090在线影视少妇| www天天爽| 97碰| 99在线精品免费视频| 六月色丁香中文字幕| 人妻激情视频| 色五月婷婷五月天| 97韩国久久电影院| www综合久久| 国内裸舞二区| 日韩三级高清无码| 爱久综合| 成人色色综合| 99ri国产精品| 亚洲色婷婷五月天| 五月婷婷久| 超碰人人操在线| 亚洲V国产V欧美V久久久久久| 色色色色综合| 激情五月深爱五月观看| 97超级碰人人| 日本一级黄色电影| 日日日影院| 丁香五月六月综合激情| 国产精品久久久久久久久久免费| 激情五月天com| 久久最新色色色| 天堂网亚洲色图| 538在线精品| 99re最新地址| 国产精品电影网| 免费观看全黄做爰的视频| 婷婷日欧美在线观看| 99在线观看免费精品视频| 五月丁香六月婷婷的女人| 亚洲五月婷婷| 人妻啪啪啪| 五月久久噜噜| 日本99视频精品免费播放| 99这里都是精品| 丁香六月婷婷色XXXXX| 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 | 这里只有精品久久| 欧美α√| 亚洲国产婷婷色五月| 97se在线视频| 欧美在线干| 韩国激情五月天综合网| 亚洲中文无码成人| 欧美人人女女精品综合五月天| 99热这里只有精品5| 久草五月天| 日本精品。999| WWW免费视频碰碰碰碰| 久久久久久五月天| 96丁香六月婷婷蜜桃综合久久| cc精品国产性传播| 丁香五月综合久久八| 超级碰碰碰91| 婷婷色色亚洲| 九色视频91疯狂| 热思思| 丁香 婷婷五月| 丁香婷婷五月天激情四射| 伊人天堂婷婷| 中文字幕日本最新乱码视频| 91精品久久久久久77777| 欧美va在线| 五月丁香六月婷婷不卡免费无码 | 精品亚洲国产成人A片在线鸭王| 色欲婷婷五月天丁香| 操啊操av| 激情五月六月婷婷综合啪啪| 97人妻碰碰碰久| 4399高清无码视频| 99综合97| 亚洲亚洲人成综合网络| www.minyis.com【JT】实力收量可预付QQ2101460746 | 97色婷婷成人综合在线观看| 久久日九九| 97久久婷婷色| 白人荫道BBWBBB大荫道| 亚洲综合99| 九九热av| 色婷婷综合影院| 色色AV色色色东莞| 五月丁香激情六月| 亚洲一色色色色色色色色| 色综合九九| 天天色99| 婷婷五月激情五月丁香五月| 九色视频九色九色91jiuseshipin| 六月丁香激情网| 五月丁香亭亭操逼| 天天做夜夜爽| 五月丁香婷爱在线| 久噜久噜| 91婷婷五月天综合视频| mmm1717.6dbm人人爱人人操| 亚洲Va成人| 久久五月婷| 婷婷六月激情| 色婷| 亚洲第一成人无码A片| 天天噜| 五月精品| 激情五月天天狠狠久久| 色色国产| 第四色五月天| 天天天天天日| 人人操人人爱丁香五月| 五月天激情网页| 久久99免费视屏| 99热xx| 色婷婷精| 激情国产综合| 97色97干| 97av在线视频| 五月丁婷香| 久色视频首页| 久久这里只有精品无码| www.五月天社区| 婷婷淫淫狠狠六月| 99热网址| 91狠狠综合久久| 99碰碰| AA片在线观看视频在线播放| 欧美激情综合| 亚洲色无码A片一区二区麻豆| 天天射影院| 无码 av电影| 99视频在线9| 99资源在线| 人妻视频在线| 99热欧美| site:minyis.com| 激情黄色五月天| 日日夜夜天天爽| 五月花综合视频| 另类五月激情| 五月丁香六月色| 天天肏天天肏天天肏| 天天摸天天肏| 久久九九国产精品怡红院| 最近中文字幕2019视频1| 九月丁香久久网| 婷婷国产五月天17c| 亚洲有码在线视频| 在线观看av网站| 久久五月丁香| 婷婷久久视频| 91久久婷婷人人澡草 | www。五月天激情| 五月天久久婷婷婷| 五月天性色| 九九热在线视频观看| 色五月 五月婷婷| 91人人网| 涩五月婷婷| 久久九九99视频| 99热爆在线| 久久精品女人天堂AAA| 久久精品4| 婷婷亚洲激情在线观看视频| 夜夜操天天爽| 色情五月婷| 亚洲操逼网| 男人大jjc女人免费视频| www.久久婷婷| 97色色色色色色色| 3p日韩网站视频| 五月天天爱| 97干网站| 欧美电影在线观看| 色色色五月天激情资源| 天天搡日日搡aaaaⅩ| 丁香六月色香蕉视频| 丁香五月六月欧美| 丁香久久综合| 偷偷与邻居做爰完整视频| 丁香色情五月综合激情| 欧美97色| 伊人天堂婷婷| 午夜一区| 亚洲免费99| 综合网色| 97色97干| 婷婷色香六月综合激情| 天天摸天天爽| 饮料下药迷倒漂亮女同事强干| 久久精品人妻| 艹色18p| 高潮毛片遮挡费高一百度| 色色婷婷综合网| 亚洲综合99| 99视频啪啪| 婷婷激情伍月网| 精品乱码久久久久| 202丰满熟女妇大| 99热新网址| 久久九九大香蕉电院| 五月天婷婷色| 久热爱大香蕉在线蜜臀悦色| 丁香五月婷婷五月天在线| 类似婷婷激情综合网站| 香蕉97碰碰碰欧美| 激情伊人| 丁香成人五月天| 97在线99| 日本片日本片祼观看网站在线看中文版网页在线看| 天天色激情| 少妇高潮呻吟A片免费看软件| 在线超碰精品| 丁香五月婷婷少妇| 99碰超| 51XX嘿嘿午夜无码| 99热在线中文字幕| 色婷婷久久| 香蕉久久国产av一区二区| 五月婷婷视频ab| 婷婷五月天综合网| 色玖玖综合网| 人人爱人人摸人人澡| 中文字幕 中文字幕明步 | 丁香五月婷婷丫| 激情五月综合网最新| 五月天色色色色色| 5月婷婷激情6月| 色狠狠综合| 99热偷拍| 亭亭五月丁香五月天激情| 亚洲成人av中文| 天天摸夜夜爽天天做| 丁香六月婷| 啪啪丁香五月| 桃色五月天| 色吧99| 丁香五月综合福利视频导航| 色五月激情网| 狠狠爱综合网| 色女人久久| 婷色视频| 亚洲精品国产精品乱码视99| 香蕉曰比| 天天综合天天玩夜夜玩天天玩夜夜玩 | 91偷拍视频| 色婷婷69| 先锋资源婷婷| 婷婷开心五月| 大香蕉久久伊人网| 99视频热| 亚洲色无码A片一区二区麻豆| 成年AAAA色情| 天天爽夜夜操| 久久性爱视频| 五月丁香无码| 色五月天丁香婷婷| 天天插天天插| 国产精品岛国片在线观看免费| 五月丁香婷婷成人综合网| 亚洲成AV人片在线观看| 婷婷丁香亚洲五月天| 成人无码精品1区2区3区免费看| 色亚洲视频| 亚洲妇女熟BBW| 密臀久久| 亚洲亚洲人成综合网络| 五月天久久www| 高潮毛片又色又爽免费| 偷拍视频五月天| 在线综合亚洲欧美65| 色婷婷六月天在线| 综合在线观看99| 中国激情网| 五月丁了香蕉综合| 欧美日韩成人高清在线| 日本99色| 午夜成人AV在线| 色色操| 97色色色| 日本婷婷丁香五月| 久久激情中文| 丁香婷婷中文字幕| 操b视频在线观看一区二区| 亚洲国产99| www99久久| 婷婷色中文字幕| 九九热色视频| 色婷婷基地 | 思思热99在线视频| 激情超碰网| www热久久yy9| 91超级碰碰碰| 国产做爰视频免费播放| 激情五月婷婷在线区| 亚洲狠9| 能看的AV| 91中文在线| 狠狠五月天| 丁香婷婷五月综合影院| 伊人五月天久久| 超碰9| 激情小说五月天社区丁香| 亚洲欧美在线观看| 人草人人| 精品久久9| 99热都是精品| 婷婷日日天天| 精品综合爱| 色丁香五月| 激情伊人六| 欧美日韩国产成人在线| 色噜噜狠狠色综合网| 1024人妻| 蜜桃婷婷丁香综合久久开心亚洲| 思思精品视频| 秋霞免费三级片| 国产成人精品一区二区三区视频| 狠狠色综合网| 五月婷婷丁香| 精品无码久久久久久久久| 丁香狠狠色婷婷久久无码视频| 欧美丁香五月97色| 99爱在线视频| 久久久久久丁香五月| 色噜噜五月天| 亚洲日日操| 日本AAAAAAAAAAAAAA片| 91丨九色丨熟女丰满| 免费无码毛片一区二区A片| 色99欧洲色19| A片一曲| 5月丁香美女影院| 中文字幕,综合,91| 亚洲第一色色色色| 日韩天堂久久| 26uuu日韩| 韩国天天婷婷| 无码四色色色| 亚洲成人av中文| 久久婷婷五月天| 国产精品香蕉| 天天综合网、天天综合色| 日本婷婷激情四射中文字幕在线观看| 超碰在线观看9| 五月天婷婷丁香视频| 久热 91| 大香蕉220| 亚洲欧洲国产精品| 激情五月天网页| 91在线日| 婷婷丁香色五月天| 婷婷久久久| 色J香五月天| 色色色综合视频| 天堂久久大香蕉| 天天干天天干天天干| 99精品久久久久| 米奇影视资源777狠狠色婷婷五月天激情网 | 精品无码久久久久久久久| 九九热大香蕉| 丁香五月冃欧美| 综合啪啪| 五月花激情网| 91中文狠狠综合| 99精色| 五月天综合在线观看| 五月丁香婷婷五月色| 啪啪 综合网| 亚洲成人精品三区| 亚州美女| 五月丁香无码| 狠狠做深爱婷婷久久综合一区| 婷婷区日本| 91九色首页| 色婷婷五月综合激情中文字幕| 日日干天天| 99ri视频在线播放| 丁香婷在线| 丁香开心深爱| 婷婷五月丁香综合| 99日本视频| 成人AV片播放| 婷婷久久综合| 伊人网碰碰| 五月婷婷六月丁香在线视频| 激情五月综合六月丁香婷婷狠狠干| 狠狠丁香| 国产白丝在线一区| 熟女国产在线一区二区三区四区| 精品久久久91久久影视网| 久久婷婷五月综合|