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
色综合网综合| 色婷婷丁香花五月天| 日本色色网站| 久久久婷婷| 九九九这里只有精品| 五月丁香啪啪激情| 天天综合干| 国产毛片欧美毛片久久久| 精品人妻伦| 97色婷婷| 99久热这里只有精品| 日本97久久久精品| 天天狠狠夜夜狠狠2023| 久久这里只有精品无码| 日韩无码91| 久久久久久久人妻| 天天插天天射| 国产精品久久久60086| 牛牛热这里只有jingpin| 五月开心婷婷| 六月丁香婷婷色狠狠久久| 91色久| 五月丁香六月在线欧美| 久久99久久99久久99| 婷婷五月激情在线视频| 亚洲中文字幕网| 97色色视频| 99在线视频免费| 色婷婷丁香女女| 激情丁香五月天图片| WWW久| 婷婷性爱影院| 天天色天天色天天色天天色天天色| 亚洲久艹| 色五月婷婷五月天| 69色婷婷| 青青草日本亚洲| 99久久精彩视频| 久99热| 丁香花五月天| 色欲色天天香综合| 免费一区二区三区| 婷婷在线播放| 成人丁香五月天Av| 国产操B| 五月天伊人| 国产亚洲精品人人| 99偷拍视频在线日本| 深爱婷婷网| 婷婷色av| 思思久久精品视频| 久99视频在线观看| 99re久热| 丁香六月激情| 亚洲网视屏| 综合在线丁香五月| 99在线播放视频| 色五月婷婷在线观看第一页舔| 婷婷六月综合基地| 天天爽天天做| 天天操夜夜夜拍拍拍| www.久9| 五月天激情电影| www激情网| 黄色一级影片| 久久久久五月丁香| 蜜乳久AV| 狠狠狠狠狠干| 亚洲热视频| av色色国产| 九九视频精品这里只有| 久久综合激情| AV无码免费| 99热这里只有免费精品| 99热久久最新地址| 五月丁香美女视频| 日本婷久久| 国产欧美大香蕉一区| 婷婷五月情| 丁香五月婷婷六月| 欧美激情五月| 色香五月天| 丁香婷婷网| 九九久久久综合| 五月丁香色色网| 色五月激情网| 丰满熟女人妻一区二区三| 精品99这里有| 久久女婷| 九月丁香| 色播五月丁香| 欧美一级色| 婷婷综合日本| 亚洲视频国产一区| 天天干天天操天天射| 国产99久| 国产一级黄色影片,| 色五月综合| 日本色爽| 天天日夜夜| 久久婷婷五月天综合| 色播播之激情五月婷婷| 婷婷五月俺要去| 激情综合五月丁香| 色婷婷XXXXX| 久久九九@| 91怕怕网| 成人短视频免费| 天天日色情| 日韩AV色色色| 天天插天天干天天舔| 丁香色情五月天| 五月丁香色色| 99久久精| 一区二区中文字幕| 久热这里只有精品在线观看 | 五月天伊人久久久久| 色五月丁香伊人五月| 射久久丁香五月| 啄木鸟黑丝一区二区| 黄网在线播放| 婷婷激情五月天综合| 99热人人| 五月网激情| 丁香六月婷婷激情综合| 婷婷丁香五月视频| 99色在线观看| 九九久久网| 涩综合婷婷| 五月综合婷婷五月| 伊人久久婷| 色五月天激情| 另类在线| 丁香五月色激情| 99九九精品视频推荐| www.9操| 亚洲无AV在线中文字幕| 97操在线| 日韩日比视频| 丁香五月图片| 色色欧美色色| 久久婷婷网站| 韩国真做片在线观看| 午夜天堂一区人妻| 99久久婷婷国产综合亚洲| 97碰 在线视频观看| 精品AV无码超碰| 成人在线免费网址| 婷婷六月色开| 69er小视频| 天堂婷婷丁香六月网| 综合深爱五月| 激情丁香六月| 国产毛片精品一区二区色欲黄A片| 做爰丰满少妇1313| 欧美人人超级碰| 天堂中文国产| 欧美电影在线观看| 91视频人人做97| 中文字幕av久久爽一区| 思思热再线视频| 五月亭亭狠狠| 久久五月天婷婷| 无遮羞AV| 久久婷婷网| 天天干,天天舔| 一本道综合网| 猫咪伊人久久| 国产一级视频a| 在线综合91| 97狠狠色| 久8色色| 日本欧美成人片AAAA| 日本九九九九| 色爱爱综合网| 97久久久| 激情五月狠狠| 天天色天天日| 丁香五月婷婷影院| 欧洲激情网站| 99热这里只有精品免费观看| 婷香五月激情视频| 五月婷综合激情| 五月婷婷天堂| 久久婷婷五月草视频| 婷婷成年人免费视频| 激情综合婷婷| 色婷婷狠狠18yy| 一起草无码| 激情宗合哪里能看| 综合色色色| 激情综合色| XX色综合| 丁香五月婷婷六月婷婷| 丁香五月手机在线| 色色五月婷| 婷婷五月激情小说| 美女亚洲五月丁香| 欧美 日韩 成人| 精品人妻伦九区久久AAA片| 天堂va久久久噜噜噜久久Va| 婷婷基地成人五月天| 婷婷五月天激情丁香| 成人短视频在线| 成人婷婷色综合| 大香蕉伊人99| 很很干在线视频| 久久久大香蕉| 久99久视频精选| 五月六月婷婷激情网| 操逼棍操逼| 91狠狠色| 婷婷大乡焦噜噜| 婷婷五月开心中文字幕在线| 五月激情影视| 91久久综合亚洲噜噜成人在线| 色情五月天se| 婷婷激情六月| 狼友超碰| 97好吊操| 夜夜谢天天干| 99亚洲精品综合在线| AV电影在线播放| 婷婷五月天在线综合| 国产成人网站在线观看| 亚洲AV网站| 深爱激情五月婷婷| 精品成人在线| 激情无码五月天| 性爱视频99| 色欲久久综合| 五月总合激情网| 色五月天电影| 97自拍视频网| 婷婷五月六月丁香综合| BBWCUCKOLD精品熟妇| 久久综合干| 婷婷午夜天| 懂色av粉嫩av蜜臀av| 精品国产va久久久久| 天天干天天爽| 欧美成人日韩| 天天色综网| 婷婷丁香综合网| 欧美群妇大交乱婬网| 夜夜躁婷婷AV| 天堂久久性| 丁香五月区| 97精品人人A片免费看| 色色精品色| 五月婷婷色综图片| 日本久久性| 亚洲日日操| 中文字幕一色哟哟哟哟| 中文无码精品一区二区三区| 在线视频区| 亚洲婷婷丁香五月天激情小说| 色婷婷大香蕉| 丁香婷婷六月天| 婷婷六月色| 九九热青青草| 少妇人妻人伦A片| 婷婷五月综合网激情| 婷婷五月天免费| 人妻丰满精品一区二区A片| 丁香亭亭久久| 日日做A爰片久久毛片A片英语| 精a品a视a频| 五月丁香综合激情| 天天色天天爱天天舔| 噜噜视频| 日韩狠狠色婷婷| 激情五月婷婷| 狠狠狠人妻| 四虎国产精品永久在线国在线| 五月婷婷天天色| 婷婷导航| 深爱激情五月天婷婷网| 99欧美精品99日本精品| 五月丁六月香| 91视频一起草| 我爱大香蕉| 人人色婷婷五月天| 98国产精品综合一区二区三区| 日本在线视频手机播放五月婷| 久热婷婷| 97五月天婷婷| www.日本91| 婷婷大乡焦噜噜| 亚洲成人在线综合| 99在线精品视频| 日日操夜夜操狠狠操| 成人国产欧美大片一区| 99色色色色| 色九九一二| 能看的av网站| 大香蕉伊人久久| 天天日夜夜高潮| 国产偷人爽久久久久久老妇APP | 丁香五月婷婷影院| 五月丁香婷婷人体| 亚洲在线播放| 成人丁香五月| 国产在线另类五月婷婷| 射琪琪| 久久婷婷啪啪视频| 五月六月丁香婷婷在线观看| 99精品久久久久久久久| 影音先锋噜一噜| 99re热视频这里只有综合亚洲| 99碰碰| www.亭亭五月天| 99九九中文字幕视频| 国产免费AV网站| 久久视屏这里只有久久| 久久婷婷五月综合网| 色五月婷婷亚洲最大| 超碰资源在线| 亚洲精品一区中文字幕乱码| 五月天婷婷色色网| 综合逼五月激情婷婷| 色天使久久综合| 天天综合 99久久婷婷| 色情·com| 一级内射毛片| 天天插天天插天天插天天插 | 激情五月五月婷婷| 丁香六月久| 日韩操逼大片| 久久五月婷综合| 五月丁香综合激情| 午夜性爱影视一区77| 日韩美女在线视频19| 久婷五月| 激情深爱综合网| 91热久久| 久久99免费视频| 精品人妻一区| 五月婷婷激情五月| 丁香五月天精品| 国产免费av在线| 狠狠色婷婷| 婷婷五月天开心激情网| 激情综合色五月六月婷婷| 超级碰91| 久99999热视频在线观看免费| 99热免费| 丁香五月婷婷在线视频| 激情五月天婷婷激情| 亚洲欧美成人在线观看| 亚洲日韩乱码一区二区三区四区| 亚洲午夜视频| 五月天涩涩| 青青操绿aaa一区日v| 超碰A V在线| 专区无日本视频高清8| EEUSS鲁片一区二区三区| 色插综合网| 日韩操逼大片| 熟美女麻豆| 狠狠CAO日日穞夜夜穞AV| www.婷婷五月天| 狠狠色综合网站| 永久无码色| 色综合久网| 无码AV免费精品一区二区三区| 婷婷丁香久久| 免费播放片大片| 欧美97p| 五月天亚洲图片婷婷| 国产精品岛国片在线观看免费| 99久久国产宗和精品1上映| 人妻人人操| www99热| 青青草婷婷综合五月| 欧亚洲在线高清视频| www.激情com| 日本三级第一页| 国产人妻777人伦精品HD| 色综合大香蕉| 玖玖五月| 99色在线观看视频| 天天日天天舔| 色屌丝中文字幕| 亚洲婷婷激情888精品久| 天天草人人摸| 99综合色色色| 色愛综合网| 久9久9久9久9久9久9| 91嫩草久久| 伊人在线大香蕉网| 91呦呦呦| 亚洲AV成人在线观看| 九九无码AV| 粉嫩AV久久一区二区三区| 丁香五月天堂网| 九九九九综合| 色色色99| www.日日夜夜.com| 丁香婷婷影院| 99ri在线视频| 精品一二三区久久AAA片| 亚洲婷婷免费| 99热婷婷| 97高清国语自产拍| 免费视频WWW在线观看网站| 欧美日韩91| 天天操夜夜操| 99网| 国产成人AV不卡| 91久久久久久久久久18| 人妻激情久久| 亚洲不卡123| 色射7856五月天激情四射| 色综合女人99| 99国产欧美视频| 伊人激情综合| 五月丁香888| 五月天激情综合网| 亚卅毛片| 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 | 色亭亭五月天丁香综合AV - 百度 - 百度| 高清无码入口| 99久久婷| 色婷婷狠狠| 中文字幕网伦射乱中文| 亚洲乱码精品久久久久..| 99热9| 99色综合| 伊人丁香五月天丁香在线婷| 婷婷94s| 色444综合网| 97婷婷在线| 手机在线日韩视频中文字幕| 五月开心婷婷网| 色婷丁香五月| 思思热久久爱| 国产综合婷婷| 亚洲综合在线视频| 日韩欧美成人一区二区三区| www.久久婷婷| 国产亚洲99| 777久久精品| 久久99热精品a片在线观看| 六月婷婷七月丁香| 综合XX网| 国产成人片| 99久久欧美| 99啊精典免费视频| 久久久激情视频| 五月综亚洲| 婷婷精品综合| 九九色精品| 五月婷婷五月天| 亚洲情综合五月天| 五月婷婷九九久久| 天天狠天天狠| 99精品福利视频| 久久精品4| 激情五月天网| 9久久久| 亚洲色婷婷| 噜噜噜噜在线| www.夜夜操| 狠狠操狠狠插| 久草视频大香蕉99| 欧美婷婷六月丁香综合色| 另类小说五月天综合网| 91操片| 99热这里有精品| 大香人妻| 国内裸舞二区| 五月丁香六月婷婷色情| 涩涩五月天| 永久天堂日本| 在线国产精品色| www.ppypp| 久久伊人大香蕉| 免费在线观看AV网站| 色婷婷色综合激情91| 五月丁香爱婷婷深深| 另类五月激情| 国产免费一区二区在线A片视频| 婷色综合| 天天舔天天摸天天射| 婷婷久久丁香| 99久久66综合| 色色五月丁香| 五月丁香六月婷| 五月网站| 中文字幕AV网址| 日韩六十路91性交电影| 99毛片| 成人五月丁香花| 91超级碰在线视频| 中文字幕日韩无码制服诱或| 99综合在线| 六月婷婷综合网2| 变态另类9| 夜夜AVV| 久久这里都是精品免费| 丁香六月婷婷| 激情五月婷婷丁香综合网| 激情五月丁香婷婷夜夜操| 婷婷五月天小说网| 色五月婷婷在线观看第一页舔| 九色视频91疯狂| 国产精品色婷婷AV综合色色| 91无码色色| 婷婷久久久| 六月激情久久| 色婷婷激情五月天丁香| 欧洲亚洲免费视频区| 国产免费一区二区三州老师F1F1| 丁香五月婷婷久久久| 亚洲天天免费| 极品人妻VideOssS人妻| 久久亚洲天堂| 思思热高清在线观看| 成熟妇人A片免费看网站 | 人妻在线网站| 99热视精品| 天天爽天天操| 人人草成人视频| 免费婷婷| 超碰无码318604| 99热在线精品观看| www,99热在线观看| 免费试看小视频 99| 热久精品| 五月激情影院| 久久性刺激| 色五月激情| 成人久碰| 亚洲国产精品综合色区| 欧美电影在线播放| 99热热九九| 大香蕉啪啪啪| 国产成人网址| AV九九| 丁香五月日韩| 婷婷在线免费| 99久久9| 五月婷婷99热| 另类专区在线| 日韩无码色色| 激情五月综合视频| 狠狠操狠狠| 狠狠看狠狠| 婷婷五月影院| 婷婷在线五月天观看| 五月激情啪啪| 婷婷五月免费在线| 色99最新网址| 这里只有精品视频99| 五月丁香激情综合网官网| 五月天色婷婷基地| www.九九婷婷| 91青娱乐青青草| 香蕉久久国产av一区二区| 99九九视频| 激情综合五月天| 色婷婷香蕉| 亭亭五月丁香综合欧美| 香蕉综合网| a v色婷婷| 五月婷婷视频| 丁香五月婷婷在线观看| 九月久久婷婷| 97色色色色色| 天天玩天天摸| 春色激情| 五月天婷婷乱论小说| 伊人久久大香天蕉亚洲特级| 超碰激情网| 婷婷成人网五月天| www,奇米影视| 亚洲热综合| 超碰在线9| 久久婷婷五月综合色奶水99啪| 99热大香蕉| 思思热在线播放| 青青夜夜狠狠夜夜狠狠| 久久久久久久久久久-久五月天婷婷| 久久久久久久久久人妻| 六月丁香婷婷大香蕉| 成人短视频在线| 国产夫妻操逼内射视频| 色播jjjj| 色五月丁香婷婷久草| 大香蕉五月丁香| 亚洲乱码日产精品BD在线观看| 日日撸日日操| 久久久人人操A V| 五月丁香无码| 五月天成人网婷婷| A1片久久| 97香蕉碰碰人妻国产欧美| www.99热. com这里只有精品| 香蕉乱插| 99自拍视频| 激情五月婷婷色播网| www.99日本| 色99在线| 五月天成人网在线观看| 婷婷,五月天,丁香,第一| 色色色五月天婷婷| www.maotanji.com| 丁香五月激情欧欧美| 五月综合激情图片| 五月丁香色综合| 99热在线成人网站| 天天久久人人| 欧美日韩国产一区二区| 极品人妻VIDEOSSS人妻| 婷婷爱五月| 这里都是精品99| 久草婷妨| 色婷婷电影网| 夜夜撸夜夜骑| 日韩成人网站精品久久大全| 狠狠综合区| 久99视频| 亚洲人成色A777777在线观看 | 国产在线aaa片一区二区99| 婷婷五月天在线观看第二页| 五月婷五月婷伊人伊人五月婷| 婷婷9月天| 色色色色热| 深情五月天| 色七色九九| 精品99视频| 超级碰碰97在线| 亚洲不卡| 五月天婷婷在线播放| renrencaoni| 亚洲综合在线播放| 色色色色色色色色色色色色色五月天| 国产成人精品一区二三区熟女在线| 亚洲无码yw| 色欲五月婷婷| 亚洲激情 久久| 日韩精品VIP| 熟妇无码乱子成人精品| 9色在线| 九九热最新| 亚洲久热无码| 天天综合.com| 色欲操| 久久性操| av成人在线播放| 天天综合天综合久久网| A久久| 国产激情AV| 天天操天天操天天操天天操天天操| 激情婷婷丁香五月| 97视频久久| 在线伦子99热| ww超碰在线| 激情AV网| 香蕉久久国产AV一区二区| 五月天激情久久| 任你爽精品免费视频6| 九九热免费| 婷婷大美在线| 久久er免费视频| 99男人的天堂| 五月天激情啪啪| 超碰99热在线观看| 婷婷婷久久| 操97在线观看| 狠狠久久婷五月综合色| 色色色网站| 操操天堂| 婷婷激情九月| 婷婷射丁香| 99视频网址| 草综合14| 播播网色播播| 五月婷婷激情网| 另类视频五月天| www.婷婷五月| 夜夜爽天天爽| 亚洲欧美丁香五月天亚洲欧美| 丁香六月在线| 九九婷婷网五月天| 在线只有精品| 激情开心五月天婷婷基地丁香社区| 思思热在线视频99| 婷婷五月综合啪| 99re这里只有精品在线观看| 色婷婷五月中文字幕在线dvd| 五月六月激情| 婷婷精品性性性性性性性| 综合久久人妻| 激情图片五月天| 久久综合五月天| 日韩黄色电影| 亚洲av成人在线| 操人91| 欧美在线视频99| 婷婷色综合| 欧洲MV日韩MV国产| 99riAV成人在线视频| 五月婷A V在线| 色婷婷五月天av在线| 丁香五月桃花在线激情综合| 亚洲色图在线视频| 91人人网| 天天做综合| 精品99网站| 天天干天天叉| 五月天色五月| 天天色综网| 天天干天天拍| 超碰成人公开| 五月婷婷97| 激情婷婷五月| 五月丁香综合激情在线观看| 欧美97p| 欧美xx激情视频在线观看| 六月丁香五月婷婷| 欧美内射AA| 无码AV免费精品一区二区三区| 欧美操人| 激情五月婷婷丁香综合网| 日韩免费99| 久99视频| 五月婷婷免费在线观看| 中文av网站| 九九黄色网| A片试看50分钟做受视频| 狠狠爱丁香婷| 丁香激情久久| 精品皮股午夜AV| 涩婷婷五月天在线精品视频| 丁香五月六月综合激情| 天天干在线播放| 午夜日日| 五月天亚洲图片婷婷| 婷婷五月天亚洲激情戏精品| 婷婷精品性视频| 五月丁香六月婷婷网| 成人网在线观看视频| 射久久丁香五月| 欧美性二区| 淫水导航| 国产一级片| 激情性爱五月天网页| 久久在线92| 五月天开心婷婷久久| 天天日夜夜曹| 久热超碰| 九九人人看| 爱草视频在线观看| 亚洲精品99| 国产成人精品一区二三区熟女在线| 欧美啪啪五月天| 91精品电影18T| 丁香五月天激情免费在线观看AV777| www.婷婷五月天.com| 五月丁香亭亭激情操逼网| 欧美在线97| 激情五月天色爱| 亚洲这里只有精品| 人人操91色| 99热久久这里只有精品| 噜噜狠狠色综合久| 任你躁XXXXX麻豆精品| 91久久综合亚洲噜噜成人在线| 色五月婷婷、老熟女| 99热新网址| 日韩ww| 婷婷五月成人有| AV成人在线播放| 色色色九九九五月婷婷| 久久久久久久五月婷婷六月丁香综合,开心激情综合网 | 色性综合| 九九热在线视频| 丁香六月成人| 五月丁香久久综合| 五月激情网站| 五月天激情日色在线| 凹凸探花电影| 久久婷婷综合五月天| 亚洲另类av| 无码人妻一区二区三区免费九色| 五月婷婷六月激情| 婷婷免费无马| 五月婷婷综合久久| 激情内射人妻1区2区3区| 99自拍视频在线观看| 五月天婷婷激情小说电影| 狠狠色噜噜狠| 六月激情婷婷综合| 97干在线| 色情久久久| 天天插天天插天天插天天插| av大片在线| 色五月婷婷狠狠撸| 亚洲1区| 色情婷婷。| 五月天播播| 99热99日天天干| xxxx五月激情| av人人干| 久久激情五月| 狼人久草| 丁香五月色五月| 五月人妻婷婷视频| 性爱技巧五月| 五月丁香六月婷婷手机无线| 精品国产乱码久久久久夜深人妻| 色99在线| 亚洲另类电影| caop在线| 五月丁香激情综合网| 99九九在线精品热动漫| 99色视频| 婷婷久久五月| 欧美日韩成人在线观看| 九色啦蜜臀| 99丁香五月婷婷在线| 色色色色五月| 伊人大香蕉综合在线| 99视频在线精品| 丁香97综合| 亚洲视色| 丁香五月婷婷亚洲另类| 久久久久久久久人妻| 九九九九操逼| 激情五月天色爱| 久草婷婷网| www.狠狠狠狠| 一二线视频 另类| 这里只有精品在线播放| 综合 激情 婷婷| 新激情五月天色播| 三日本无码| 久久成人人妻| 在线sebiav精品视频| cc精品国产性传播| 人人操大| 日日.c| www.色婷婷| 久久国产精品乱子伦_靑青草…| 色综合爽| 99∨VTV| 五月婷婷久久爱| 九月丁香八月婷婷加勒比| 激情美女五月天激情在线| 色婷婷激情Av久久久| 婷婷五月激情欧美大胆视频| av国产精品| 久久99大全| 日日.c| 26uuu激情五月天| 色婷婷综合网站| 啪啪东京热| 五月激情四射网站| 免费黄色视频网址| 狠狠干综合| 天天爽天天操| 久久综合激情婷婷激情| www.爱操com.| 九月丁香| 99亚洲视频| 久超免费视频| 51精品国自产在线| 99色视频| 婷婷伊人中文字幕| 日韩五月丁香| 久久人妻高清中文| 亚洲综合干| 怡红院99| 人妻久久做| 玖玖婷婷五月| 亚洲第一av| 丁香五月停停av| 成人午夜天| 99啪啪视频| 激情五月六月婷婷| 丁香五月婷婷激情网| 日日干日日| 开心五月天激情网站| 另类小说五月天激情| 丁香五月网络网络| 色五月首页| 婷婷午夜精品久久久| 色欲五月婷婷| 国产成人在线不卡AV| 色色色在线观看| 啪精品| 国产永久一黄| 在线成人av播放| 一区=区操屄高清大全av| 婷婷六月天国产综合| WWW.久久.COM| 久久小说网| 99原创自拍视频在线观看| 禁欲电影完整版在线播放| 亚洲无码99| 99热色精品| www.婷婷五月天.com| 超碰av在线| 99热精品在线| 五月丁香啪| 欧美五月丁香啪啪响视频| 亚洲小视频免费播放| 这里只有精品视频视频在线观看| 欧亚洲在线高清视频| 大香蕉九九| 欧美激情综合| 丁香五月综合高清在线| 这里只有精彩小视频视频网站| 九九热10| 中文AV在线播放| 成人电影在线免费试看| 美女黄频aⅴ视频| 丁香五月婷婷社区| 九九热99在线视频| 丁香婷婷五月人体| 天堂综合久| 26UUU欧美激情一区二区| 99re久热只有精品6在线直播.com| 91人人人人人人人| 丁香五月手机视频| av在线不卡播放| 丁香五月六月综合激情| 91人人爽狠狠狠| 中文字幕丰满乱孑伦无码专区| 熟女乱论网| 色五月 激情婷婷 综合五月天| 伊人六月丁香婷婷| 99热在线观看免费| 橾逼网| 免费啪啪亚州视频| 色婷婷五月在线| 五月婷婷六月丁香| av一级棒av| 99热大| 9热精品| 五月婷婷激情刺激| 激情五月婷婷在线区| 激情五月六月丁香| 五月天涩涩| 91丨九色丨熟女| 五月天婷婷色| 最近中文字幕大全免费版在线 | 九九色热| 日韩无码AV电影网站| 五月做爱| 97丁香五月| 丁香五月1页| 襙比视频| 九九色热| 91欧美| 天天日天天色| 日韩三十六页| 最新日韩AV中文字幕| 久久久99婷婷久久久久久| 精品久久9| 五月情丁香色| 久久人妻人人槡| 色婷婷免费视频| 亚洲1区| 激情五月婷婷丁香综合网| 超级碰碰碰碰视频| 狠狠五月激情在线| 久久一热| 99超级碰免费视频| 综合色色五月| 久婷婷色| 狠狠色丁香婷婷基地| 色五月丁香网| 99热这里只有精品22| 精品少妇人妻AV无码专区偷人 | 很很干夜夜干| 99综合在线| 99激情在线| 精国产品一区二区三区A片| 五月天大香蕉婷| 五月丁香婷婷久久| 久色中文| 色婷婷狠| 精品欧美一区二区三区久久久 | 六月丁香停| 婷丁香五月天| 91无码高清| 五月天丁香| 欧美日韩成人在线网站| 思思99精品视频在线观看| 欧美成人色婷婷| 天天操比比| 九久久九精品视频| 色欲av伊人久久大香线蕉影院| 婷婷中文字幕版| 色综合久久中文| 黄桃AV无码免费一区二区三区| 97欧美在线| 26UUU欧美激情一区二区| 天天爱综合网| 疯狂做受XXXX高潮A片| Caop在线| 婷婷激情六月中文| 久久婷婷色综合| 五月婷婷久草| www.色婷婷| 日屌日日操日日色| 俺去也婷婷| 天花AV无码| 五月丁香综合激情在线观看| 久久激情网| 亚洲乱码日产精品BD| 色九月婷婷丁香| 九九久久视频| 婷婷欧美| 五月婷婷之综合激情在线| 欧美天天五月丁香免费观看| 丁XX 成人| 桃色五月婷婷| 任你艹| 深爱五月婷婷| 国自产拍偷拍精品啪啪一区二区 | 99热这里都是精品| 婷婷色色欧美综合网| 操人91| 99视频精品在线| 色www久视频| 五月丁香啪啪| 日亚二欧美| 色99久草在线| 777久久精品| 996热re视频精品视频| 色婷婷色丁香色欲av| 六月欧美综合色情| 激情婷婷五月| 欧美三级视频下载| 五月丁香六月激情综合在线| www色五月| 99久久99视频| 五月丁香激情婷婷| 日欧一片内射VA在线影院| 五月色综合| 久久综合影院| 99久久終合| 亚洲丁香五月美女| 五月婷婷啪啪| www.日韩国产| 思思 热 99| 夜夜穞天天穞狠狠穞AV美女按摩| 国产成人av在线| 新激情五月天天在线网| www.1024久久| 婷婷五月色丁香在线看| 五月综合激情网| 99色激| 丁香成人五月天| 色人久夂| 综合99视频| www久久久久久| 夜夜操天天爽| 欧美 日韩 人妻 高清 中文| 嫩模aV在线| 五月五婷婷网| 色综合久久天天综合网| 东京热免费视频网站| 国产精品色色色色| 最近中文字幕2019视频1| 日本怕怕视频| 婷色五月| 色婷婷色99国产综合精品| 欧美激情综合色综合啪啪五月| 婷婷五月天AV在| 久久激情五月天| 91日在线视频| 五月天婷婷导航| 精品久久穴| 五月丁香六月情婷婷久久| 国产成人精品一区二三区熟女在线| 五月天无码视屏播放| 色五月婷婷中文字幕| 色情五月天视频网| 五月婷婷婷| 91操碰| 丁香午夜天| 丁香五月亚洲AV| 亚洲色网络| 五月丁香美女视频| 久久久久久人妻| 精品网站99| 亚洲精品久久久久久久久久吃药| 色综合色综合色综合高潮| 最近中文字幕2019视频1| 天天色情站| 婷婷丁香六月天| 六月婷婷深深爱| 思思热在线观看| 久热这里只有精品性色AV| 久热免费视频| 久久er这里只有精品| 99这里有精品视频| 久久五月网| 五月色丁香| 五月丁香六月婷婷啪啪综合 | 99久久综合网| 中国丰满熟女A片免费观| 国产精品人成A片一区二区| 伊人喵咪a V| 成人资源在线| 五月份婷婷| VfJxEwPH| 婷婷 丁香 精品| 日本婷婷| 成人AV片播放| 97性视频| 国产va在线视频| 天天日天天干天天插天天射| 九九无码| 久色网| 欧美三级大片AA在线看| 桃色五月婷婷| 五月婷婷花| 丁香五月日韩| 性av| 色五月婷婷激情基地| 日本一级黄色电影| 六月婷婷久久大全| 97碰| WWW色五月| www.99热在线观看| 夜夜做天天爽| 九九干视频| 欧美性猛交99久久久久99按摩| 亚洲人妻电影| 99'无码| 五月丁香网站| 国产肥白大熟妇BBBB视频| 午夜丁香 婷婷| 亚洲激情免费久久| 激情亚洲婷婷| 亚洲人妻av伦理| 九九视屏| RenRenSe在线视频网站| 激情床戏| 婷婷丁香大香蕉| 操操碰| 播五月,色五月,开心五月播放器| 激情五月婷| 中文字幕人妻AV| 九九色中文| 色婷婷五月在线| 国产暴力强伦轩1区二区小说| 激情婷婷九月| 久热这里这里有精品| 玖玖午夜视频| www久| 玖玖婷婷综合| 亚洲综合狠狠艹| www.五月丁香| 亚洲午夜Av| 国产精品蜜臀99| 色婷五月天| aV欲望人妻中文字幕| 森林影视大全,最好看的2019年视频 | 五月丁香免费看| 99热在线看| 天天撸夜夜爽| 99热9| 欧美VA视频| 色婷婷五月天不卡| 91久热| 91九色|疯狂|高潮|对白|| 五月天国产| 色五月综合激情网| 《》【无码】想被搞到爽AV应募而来的超M素人 西纯子 10musume-011723-01 | 色色色在线观看| 操骚货在线| 91se视频| 热久久77777| 天天色综网| 久久免费干| 26uuu国产精品| 99热这里只有精品99| 五月天丁香久久| 99久热| 五月丁香综合久久夜夜| 99色色最新视频| 另类小说五月天| 超碰人人干| 色五月 五月婷婷| 六月色 亚洲| 亚洲激情综合五月婷婷啪啪| 丁香五月综合| AV在线资源| 久99久热| 91久久综合亚洲鲁鲁五月天| 五月天开心婷婷激情网站 | 婷婷97狠狠成人网站| 色情性爱视频网址| 亚洲色啪| 久久免费精品小视频| www.婷婷六月天| 日本三级色| 精品色色网| 嫩草AV久久伊人妇女超级A| 亚洲色婷婷婷婷人人爽| www.婷婷| 超级碰碰碰碰视频| 色色国产| 99碰碰中文| 97色色综合| 九九精彩久久| 国模淫穴色图| 综合久久十| 热99AV网站| 日本在线wwww| 超碰二区| 久99久视频精选| 激情五月综合| 五月丁香av中文| 国产激情综合五月久久| 99热日韩| 99热都是精品| 丁香色播五月天| 久久看九九90| 欧美色五月天| 99视频在线观看视频| 成人在线99| 大香蕉婷婷久久| 色五月婷婷五月天| 色播五月天天| 久婷婷视平| jizzdr| 97人人操在线| 99re8在这里只有精品| 99在线视频免费| 中文字幕在线视频播放| 五月天激情国产综合婷婷| 成人色图情色成人网 www.5b5b5bcom 五月天 | 超碰人人色| 人妻久久久久久久| se色99| 丁香五月婷婷社区| 五月天涩涩| 婷婷丁香成人五月天| 日日夜夜天天综合| 色婷婷五月基地在线| 69热91天堂| 99热这里只有是亚洲国产| 欧美WW在线网| 丁香色婷婷| 狠狠草狠狠草| 久久婷综合网| 婷婷五月色天| 天天操天天操综合| 久久日九九| 六月丁香啪啪| 丁香婷婷五色月| 操逼三区| 九九在线视频| 深爱激清网| 九九热99视频在线| 色婷婷五月天| 无码色色| 九九热99re8热免费观看 |