日韩精品一区二区三区在线视频放-无码中文字幕V?一区二区-成年片免费观看视频-国内少妇人妻丰满av-国产精品中文字幕免费观看-亚洲成人久久一区二区三区-国内少妇偷人精品视频无缓冲-一区二区国产精品日本一区二区三区在线网

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(biāo)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(biāo)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(zhǔn)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(biāo)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(biāo)系下的一個坐標(biāo)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(biāo)準(zhǔn)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(biāo)準(zhǔn)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(zhǔn)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。可以看到從詞袋到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(biāo)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(biāo)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(biāo)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(biāo)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(biāo)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
少妇一区二区三区精选| 思思性爱| 国产精品网站免费| 人人澡人人澡人人| 色香91| 蜜臀视频网站| 手机在线看片免费人成视频| 欧美精品91| 一本色道久久综合精品婷婷| 肉嘟嘟www视频在线观看高清| 久久午夜伦| 91美女在线视频| 操逼内射干逼白丝91| 久久一本大香蕉| 中国熟女91| 黑人精品XXX一区一二区| 日韩乱插| 欧美日韩国产色五月综合在线| 无码区蜜乳| 日韩有码免费视频| 国产在线播放成人免费| 成人情色一区二区| 国产人妻久久精品一区二区三区| 人人摸人人叼| 亚洲国产福利视频| 99热国产| B049AV在线播放| 好爽视频在线观看视频| 99热精品在线| 国内伊人久久久久久网站视频| 99性视频| 97久久国产| 熟女人妻一区二区三区| 日韩一卡二卡三卡| 日韩三级一区| www.av家庭乱伦| 国产99久久99热这里只有精品15| 97超色| 久久鲁干| 人妻免费观看| 最近的最新的中文字幕视频| 精吧天堂| 欧美色色色| 国产搭汕a级片| 久久精品国产亚洲AV无码电影| 1024手机看片欧美日韩| 九月婷婷综合| 一区二区不卡视| 99青草| 91被操| 欧美综合制服在线| 精品一区二区成人动漫| 天天亚洲| 亚洲综合影片| 静品嫩模一区二区| 91肉丝| 亚洲色图 欧美热图 清纯唯美 另类自拍 | 日韩ab网| 99操碰| 老妇女91| 久久女同性恋一二区| 少妇3P性爱自拍| 亚洲精品丝袜| 亚洲 无码 偷拍| 欧美 亚洲 另类 综合| 国产宅男宅女在线观看| 好湿好紧视频| 麻豆久久久久久久久丝袜| 日韩免费簧片| 中国和日本人色哪个不下载能放| 97综合在线观看| av网站在线看| 日本不卡免费二区| 亚洲精品色| 日韩人妻制服丝袜av| 中日韩久久久免费看| AV一区观看| 本道综合精品| 激情久久日韩精品中文字幕麻豆| 国产美女91视频| 欧美日产国产在线成人第一区| 亚洲的天堂网| 美女极品一区二区三区| 亚洲AV无码乱码| 欧美性,亚州色| www黄片免费看com| 家庭乱伦国产| 久久久无码视频| 色偷综合| 欧美后入视频| 很很干很很操| 99久久精品国产高潮| 中日韩免费看男女操逼大全| 久久久久久裸体| 99这里只有精品| 国产精品婬乱一级毛片彝族| 欧美色视频在线| 欧美91色| 日韩大香蕉精品在线视频| 久久9精品视频| 男人天堂一区二区| 欧美日韩第一页| 久久美女国产| 亚洲图片色图欧美另类| 操逼国产免费| 91在线无码精品秘 软件| 日韩综合成人免费视频| 久久精品操| 青青草女人天天干| 大香蕉在线视频重口味毛片在线| 超碰爽人妻熟女Av| 一区,二区,三区网站| 色情五月婷婷| 成人夜夜爽| 搡老熟女老女人老熟妇免费视频| 亚欧视频在线| 最新中文字幕精品在线| 曰韩成人免费视频| 日本免费中文字幕在线| 亚洲色图欧美一区二区不卡| 性夜影院爽黄A爽免费动漫| 日本不卡一二区| 国产深喉| 欧洲站一级二级三级h| 精品人妻视频一区二区三区蜜桃视频| 蜜桃视频一区二区三区| 欧美变态激情网| 91欧美丨精品丨入口| m欧洲一级午老| 久久久久久91香蕉国产| 青青草日本中文字幕 | wuyechaopeng| 一二区在线观看视频| 91色综合色| 综合干干干av久久久综合网| 超碰人妻中文在线| 看日韩美女二区三区免费操逼视频 | 中欧人妻丝袜中文字幕| 一区二区三区国产在线播放| 久9re热视频这里只有精品| 三四中文字幕| 日本操逼视频免费| 密乳AV免费观看| 神马久久久久久伦理片| a片亚洲一本通视频| 久9久| 操淫穴亚洲五月丁香| 97欧美精品综合| 91熟女综合| 色天欧美| 亚洲自拍偷拍视频在线| 九九色影院| 五月丁香六月激情综合| 97se综合网| 91欧美巨乳| 一本色道综合久久欧美日韩精品| 亚洲精品国产精品成人| 睡产熟女乱伦| 四虎 精品 WWW| 日韩另类色图| 亚洲欧美日韩电影网站一区 | 五月天婷婷成人网| 4141514逼喷水三级片| 色色综合网站| 91路www| 麻豆色99999| 天天综合精品| 天天看高清麻豆| 久久久无码精品人妻二区| 欧美精品成人一区二区在线观看 | 日韩激情视频| 久久精品无码熟妇一区二区三区视频导航 | 97无码视频在线播放| 日本天天干天天操一区| 一起草日韩| 多毛小伙内射老太婆| 日本精品不卡一二三区| 91网站18在线观看| 九九九只有精品| 久久精品国产亚洲AV无码做| 午夜毛片亚洲精品片国产久久久| 成年无码动漫av片无尽在线 | 亚洲天堂第一页| 色哟哟-国产专区| 制服丝袜第二页| 高清国产无码av| 九九热最新| 久草在| 亚洲色图欧美| 国产女人91精品嗷嗷嗷嗷| 日本青青草在线| 风韵犹存大大大大香蕉 | 亚洲性猛| 国产第12页| 亚洲综合中文字幕有码| 99精品高潮| 三级日韩一区二区三区| 综合自拍| 欧美一品道| 一区| 久久精品视-一级做a爰片性色毛片16美国-中国女与老外在线精品 | 日本高清一区二区在线| 久日91在线| 91制服丝袜| 中文字幕人成乱码熟女香港| 一区二区首页| 无码精品久久久久久亚洲| 麻花传媒免费网站在线观看| 少妇内射视频| 国产欧美岛国精品一区| 狠狠爱夜夜干| 怡红院一区二区熟女人妻| 麻豆精品天美| 一区二区三区视频国产免费| 亚洲欧洲色情高清| 欧美日韩小说| 少妇99成人麻豆| 天天综合网亚洲综合网| 国产精品亚洲免费| 99999精品成人| 久久78| 日韩久久三区| 国产精品高潮久久AV| 9久精品| 午夜精品视频777| 天天干1区2区在线| 强奸乱亚洲| 色色97爱| 97超碰热线| 日本成人A片免费看| 狠狠图片青青草| 69麻豆天美| 用力操死我| 91视频综合网| 日韩精品9999| 国产欧美日韩一区二区三区| 少妇高潮喷水无套久久久久久| 中文字幕 国产区| 三四中文字幕| 亚洲午夜AV| 美女91在线| 免费夜夜爱黄色视频毛片| 久久高潮妇女视频| 69人妻人人揉人人躁人人精品| 夜夜欢天天干| 熟妇高潮一区二区免费视频| 久 久无码人妻AV| 免费看美国人人爽,人人操| av天天在线| 操逼天美3区| 97中文字幕一区| 人妻天堂综合网| 人人干黄色| 玖玖爱伊人玖玖爱| 日本国产成人亚洲精品无码| 啪啪啪综合| 久久久久无码| www.av在线观看| 97欧美日韩综合| 91老熟女| 婷婷另类小说| 青草青青久久久久久国产| www国产精品| 欧美日韩黄色片一区二区三区四区人与兽做爱| 奇米狠999| 久久婷婷苹果| 精品久久久久瑟瑟| 五月丁香啪啪网| 青青草字幕AV| 99re公开精品免费视频| 九七人妻在线| 日本肉体xxxx裸交| 操操操五月天婷婷丁香影院| 一本大道青青| AAA久久| 八戒无码国产午夜福利| 91日韩国产欧美亚洲另类精盘州至城都| 日本熟女中文| 国产91啪| 日日碰视频网| 久久m| 亚洲欧美电影| 国产一区二区三区久久精品太古里| 色婷婷丁香| 不卡中文字幕aⅴ在线| 国色综合天| 激情婷婷丁香| 99re69| 蜜桃成人1区2区3区| 国产区性爱在线视频秋霞豆| 吖在线不卡一区二区国产剧情| 96麻豆精品一区二区三区| 国产精品女生av| 精品小视频在线| 日本福利二区视频| 欧美人人AAA| 约操熟妇| 欧美强奸乱| 五月婷网站| 欧美日韩在线小说| 久久人妻少妇| 国产人人干| 美女黑人91神马| 欧美色图亚洲特色| 91熟女综合| 色偷偷色偷偷欧美日韩| 国产传媒日本欧美专区| 69精品人人人人| 国产激情片在线观看| 18禁网站在线播放| 2018天天干在线视频| 三级精品三级在线观看| 中文字幕一区二区三区字幕| 久久直播国产| a v网站在线播放| 美女写真| 日韩99精品视频综合区| 老熟女阿 国产91| 国产欧美日产一区二区三区 - 国产欧美日| 美女97超碰| 荡小穴在线观看| 98色网| 97 亚洲 日韩 欧美 在线| 调教熟妇 久久久久久| 日韩三级一区| 国内精品久久久久影院亚洲| 六月激情网| 五月天婷婷欧美三区| www超碰| 日韩福利综合一区| 大色综合网| 欧美另类综合久久| 欧美天天干| 影视综合无码少妇| 99久久久久| 日韩在线视频1234| 熟妇精品juliaannAV| 日韩不卡网操逼中文字幕日韩| 亚洲熟女乱色一区二区三区久久久| 欧美日韩精品青青| 呦呦一区| 色吧91| 好好的日:com久久九九| 久久亚洲天天做| 久草精品国产蜜臀| 老女人碰碰在线碰碰视频| 少妇内射视频| 日本精品五区| 蜜乳成人AV| 综合操逼| 六月天婷婷| 91嫩草欧美| 色偷偷人人玩人人舔人人操人人摸人人爽| 91欧美www| 最新国产精品久久精品| 一本道综合色图| 国产一级舔足在线观看| 欧美性巨大╳╳╳╳╳高跟鞋| 久久久国产三级黄色片| 96精品久久久久中文字幕| 天天看高清麻豆| 夜夜免费视频| 岛国免费黄色网址| 亚洲五月天激情| 白丝AV网站| 欧美在线第五页| 日产操逼| 韩国黄色片精品久久久 | 伊人网在线点播| 污色区网站| 在线岛| 五月天综合| 99激情| 二色av| 人妻乱仑一区二区三区| 黄色小说亚洲| 18精品一二区| 亚洲一级性爱视频免费看| 色老汉玖玖爱| 91中文字幕在线观看| 熟妇一区,二区,三区。| 啪啪啪东京| 欧美日韩国产中文超碰| 国产精选视频| 欧美日韩岛国大片在线观看| 超碰无码五月97| 国产精品第一区第一页| 精品中文字幕一区二区| 美女尤物福利视频| 亚洲激情在线| 日韩 欧美 校园一区| 97视频在线观看网站| 乱伦一二三| 午夜色婷婷| 久久9999 | 亚洲成人在线播放| 人妻 欧美亚洲| 欧美se综合| 久久XX| 超碰97色色| 免费精品无码一级毛片牛牛影视| 久久久精品日本一道| 男人天堂无码| 色婷婷香蕉| 97视频一区| 色5月婷婷| 欧美亚洲系列| 色播五月婷婷| 精品人妻一区二区三区视频在线| 国产真实野战在线视频| 亚洲www91| 欧美一级黄片视频在线| 欧美97日韩| 国产热av| 91性高潮久久久久久久久| 亚洲,欧美,综合网| 超碰久热| 一级性爱视频免费观看| 97操在线| 午夜精品视频777| 大但人体久久久久| 天天弄天天操| 成人一二| 婷婷三区| 日韩欧美一级特黄大片| 嗯~啊~快点 死我视频| 男人的天堂免费| 天天日天天色| PMv在线观看| 78p欧美| 中文字幕日韩专区精品系列| 97欧美久久久久久久| 午夜黄色免费在线观看| 欧美+日产+中文| 久久久蜜桃一区二区三区| 人妻一区二区三区四区视频| 加勒比伊人综合| 国产免费永久精品无码| 欧美成人性活片| 天天肏美女| 日本三级网页| 懂色Av一区二区三区| 国产成人拍国产亚洲精品| 偷拍色图| 精品无码久久久| 91观看 国产白丝| 超碰激情808| 欧美大香蕉久| 伊人久久大香线蕉亚洲五月天,青草青草欧美日本一区二区,欧美日产欧美日产国产 | 精品一区二区三区蜜桃| 成人片视频| 自拍盗摄一区| 久久国产三区| 天天日日夜夜| 四虎免费视频| 国产家庭乱伦表演| 乱伦av麻豆| www.91色综合| 一,爱啪啪,在线免费视频| 亚欧洲日韩国产精品| 欧美综合色站| 夜色五月天| 久久久久亚洲?V片无码V| 国产熟女自拍| 亚洲日韩青青草色月| 国产午夜无码片在线观看影视| 丝袜亚洲综合| 九九九不卡| 色大香蕉97N| 一二三四日本视频高清| 色综合婷婷| 久久久蜜桃臀无码视频| 熟女久久| 91美女国产在线| 欧美亚洲20p| 精品人妻伦一二三区久久| 免费看黄视频亚洲网站| 翔田千里无码中出中文字幕| 一级性爱网| 好看的久久不射无码影视影院| 中文字幕一区av| 韩国一级婬片A片AAAAA| 国产精品国产自产高清AV| 欧美亚洲中文| 97综合国产| 91中文字幕制服丝袜免费视频| 在线五区| 精品久操| 九九九偷拍| 中文字幕二区| 中文字幕久久精品一区| 亚洲另类久操网| 懂色AV一区二区三区| 丁香五月激情综合国产| 日本熟妇人妻中出视频| 夜夜影视四色| 51久久夜色精品国产麻豆| 亚熟hd视频在线| 欧美白嫩女HD| 熟女高潮合集-永久久久-成人AV| 蜜臀久久99精品| 蜜臀久久99精品| 色天堂综合| 久久香蕉超碰97国产精品| 午夜欧美J进J出白浆流出久久久 | 五月丁香久久| 日韩啪啪啪啪啪| 伊人网在线观看| 97这里有精品| 国产精品视频在线观看| 久久精品国产亚洲5555| 精品三级在线专区| 眼镜人妻101.com| 成人无码电影在线观看网| 91蜜臀人妻中文字幕在线| 欧美草草高清日韩视频| 人人澡人人澡人人| 伊人久久大香线综合无码| 超碰在线观看av不卡| 亚洲97超碰| 久久久久少妇| 无遮挡又黄又刺激的视频| 日本黄大片在线观看视频| 日韩av情韩国爱禁区av一区二区| 色欧洲97| 伊人四虎综合| 91伊人久久在线| 日日黄色三级网站| 日本熟妇精品九九| 精品1区2区3区| 大肥女高潮bbwbbwhd视频| 久久精品28| 97操b| 后入日本1234| 香蕉视频欧美一卡二卡| 国产日韩精品人妻久久久久色欲网站| 欧日a| 91大胆欧美| 天美麻豆精品视频99| 少妇 综合| 国产婷婷一区| 精品高清牛人盗摄一区二区三区中文字幕A片免费在线观看 | 神马福利久草| 1区2区3区中文字幕日韩| 啊啊啊啊啊好舒服视频| 999精品久久久久久久| 一本色道久久天天射天天干| 你懂得91| 中文字幕日产av人| 免费国产| 成人免费毛片| 囯产精品一区二区三区线|亚洲人成无码网WWW动漫|国产精品免费一级... | 欧美亚综合色图| 男人的天堂久久狠| 凹凸视频在线一区二区| 视频分类 国内精品| AV天堂电影网| 日韩AV噜噜噜一区二区三区四区 | 玖色AV| 欧美日韩青操| 曰韩中文人妻视频| www.色操逼| 97干天天| 日本一级特级毛片视频| 色婷婷小说| · —级AA伦aa坐爱午夜极速ⅴA一区天天噪天天噪天天噪 | 婷婷香蕉| 色九九综合AV| 国产AAAAAABBBBB| 色五月婷婷麻豆在| 亚州色国| 免费岛国一级片| 97啪啪| 日韩欧亚太美不卡| 国产精品久久久久久久久久久久久久| 乱伦Av网| 久久久久网站-538在线视频-欧美永久乱码 | 亚洲丝袜99| 日韩欧洲操屄视频| 操操啪| 91精品人妻五十路| 91艹B视频| 一区二区三区 丝袜 高跟 美腿| 91精品婷婷国产综合久久| 被男人添B超爽视频| 在线人妻熟女一区二区三区四区五区| 欧美色亚洲色| 亚卅熟女乱色| 97人妻人人躁人人玩人人| 亚洲91在线播放影院| 五月久久HDAV| 成人精品在线免费视频| 2001天天操| 久久久久久久| 97视频在线看| 国内自拍 日韩激情 99| 亚洲系列欧美| 国产在线视视频有精品| #NAME?| 欧美很很操视频| 亚洲人综合| 8050无码八戒| 96精品久久久| 在线国产一区二区av| 精品妇操一区二区三区| 亚州AV无码国产精品| 亚洲午夜蜜臀| 99热在线观看| 国语精品av| 色婷婷五月天| 九九九九精品| 熟女自慰久久久| 国产精品熟女九色九色蜜臀| 99re热| 色爱国产| 人妻夜夜爽天天爽三区麻豆AV网站| 97福利视频| 久久专区| 北京美女一区二区| www.av在线观看| 夜夜欧美| 久久久蜜桃一区二区三区| 97久久超碰| 天天日老熟妇| 99婷婷一区二区| 久久99草| 日日操天天操| 精品国产a∨一区天美传媒| 日韩操p| 色偷偷超碰亚洲| 啪啪啪综合网| 97在线视频免费观看| 国产精品久久久久久久久久久久久久久久久久 | 蜜乳视频网站| 97人人爱人人做人人乐| 在线观看无码三级少妇| 成人AV在线网站| 色色五月婷婷| 日韩免费在线视频观看| 色香综合天天影视综合| 久久东京国产精品视频| 91真人天天在线| AAAA欧美日韩| 麻豆国产第一| 欧美在线视频99| 午夜小电影在线插入淫高潮| 91青青在线视频| 午夜AV人气不卡| 国产日产欧产美韩系列麻豆免费| 在现视频女上位好爽| 国产www色在线观看| 91欧美在线| 五月天亚洲网| 东京热一区二区三区四区五区六区| 加勒比AV网| 97亚洲综合电影| 97就爱干| 五月天激情婷婷| 久湿久久| 夜夜狼人妻| 中出20p| 超碰在线观看av不卡| 中文字幕 国产 精品| 夜夜福利| 国产一区二区成人av在线播放| 婷色五月天| 九九久精品| 午夜120视频在线观看| 影音综合网| 91久久久久久久久18| av国产无码| 六月婷婷一区二区三区| 精品国产91内射久久| 久久手机好看网站| 91美女视频在线观看| 久久亚洲AV成人精品无码| 日本不卡二三区| 在线a v| 国产高清成人mv在线观看| 99操| 欧美色图亚洲激情| 大黄片做爱的大的| 大香蕉国产中文自拍| 偷拍盗拍亚洲色图图片| av九九| 日本在线999| 国产67194| 日韩本不卡视频在线观看| 日韩免费看黄片| 男人天堂网手机版婷婷| 性做久久久久久久| 破处bbq| 精品人妻伦一区二区三区久久| 亚洲欧洲中文日韩女优乱码| AV一二区| 亚洲欧洲中文日韩女优乱码| 狠狠中文字幕| 成人三级片一区二区三区视频| 伊人婷婷五月天| 大香蕉淫人| 五月婷婷激情综合| 78精品在线| 亚洲美乱| 国产AV中文| 亚州伊人色综台| 1769成人国产精品视频| 色婷婷综合久久久久中文国产精品一区中文字幕,国产福利电影一区二区三区 | 丁香五月天婷婷姐| 久久久久久久精| 天天干2区3区| 玖玖婷婷五月天| 人人操天天爽| 性欧美91| 日本中文字幕高跟| 人妻少妇被猛烈进入中| 久久是精品| 五月天偷拍| 91无码西班牙视频在线| 亚州久久9| 欧美人妻一区| 麻豆亚洲AV成人无码久久精品| 99青草| 思思热一热婷婷热一热| 欧美激情 一区| 一区二区三区四区色图| 国产91亚洲精品一区二区三区| 日韩熟女精品无码专区一区二区 | 91色狼| 国产乱弄免费在线视频。| 91人妻中文| 国产97在线播放| 丁香五月天婷婷姐| 亚洲精品无码久久AV| 亚洲欧美日韩中文久久自慰| 色欲三区| 亚洲中文字幕av | wwe 天天干.com| 另类 日韩 熟女| 亚洲天堂女优在线| 欧美激情 亚洲色图| 亚洲精品无码久久AV| 激情四射婷婷六月天| 97色伦欧美| 欧美性爱日韩性爱| 女生看匆91网站| 97精品视频免费| 久操热| 加勒比综合网| 色av中文字幕| 很很热性爱视频| 秋霞色色影院| 插B在线观看| 亚洲射综合网| 久久ww| 97在线精品观看视频| 激情深爱五月天| 性饥渴少妇av无码毛片| 久久美国毛片| 乱日视频| 天天做日日做| 国产精品日日摸夜夜添骚逼| 欧美精品偷拍| 五月天激情小说| 国产精品呦一区二区三区| 麻豆久久一区二区三区| 玖玖综合视频| 98精品国产乱码久久久久久| 性站 | 国产精品久久久久久 百度| 新怡红院| 嫩草黄页| 日韩中字av一区| 久久9视频| 秋霞久久亚洲精品成人| 国产精品97视频| 嗯嗯啊啊啊好爽| 婷婷六月色开| 超碰在线人人射| 天天天肏屄肏屄肏屄欧美欧美| 超碰97色色| 五月婷婷丁香| 多乙久久久久久| 香蕉99秘 一区精品蜜桃臀| 精品乱码久久久久| 黄色二级片网站| 久久男人的天堂国产| 亚洲伊人久久综合97| 九九九久久久久| 亚洲av青草久久一区二区| 黄片不用下载在线观看| 午夜理论片在线观看免费| 在线A日本| 美日韩男女操屄视频| 天天天天天天天天综合| 欧美黑人与女人91~| 精品一区二区三区国产| 日本幼女18+| 精品国产无码中文| 精品国产乱码久久久久久久久1 | 超碰97伊人| 久99热| 偷拍亚洲情色| 久久亚洲影院一区二区| 中亚精品极乱| 国产亚洲99久久精品熟| 99精品九九九九九九| 嗯嗯嗯,草死我| 欧美色图在线视频少妇| 黄色欧美性爱视频| 欧美色亚洲| 蜜乳av一区二区三区四区不卡| 国产一区自拍欧美日韩| 中文久久96| 欧美一区二区亚洲天堂| 亚洲Av噜噜一区二区三区妖精| 日韩亚洲中文有码视频| 激情内射| 欧美另类色| 九九AV| 国产一区免费午夜视频| 日韩大香蕉| 超碰天天操| 少妇三P| 4399成人黄A片| 传媒在线观看一区二区三区| 欧美色图片色哟哟| 大香蕉中文201| 91亚洲情色| 啊啊啊好多水| 国产熟女无套内射| 亚洲区限制级| 久久一区二区加油站| 色哟哟AV| 麻豆 亚洲 97| 少妇蹲下买菜露大唇0| 天天操天天干美女网址导航| 久热久操| 91天美免费| 91狠狠综合网| 国产高清成人免费视频| 一本久道久久综合狠狠爱一密臀精| 中文字幕在线免费观看 | 东京热亚洲一区二区| 亚洲二区精品在线观看| 91久热| 久九干| 伊人嫩草| 蘋果手機免費看成人Av| 亚洲不卡不卡中文字幕不卡| 亚洲日韩国产欧美综合v| 日本精品无码三级网站| 秋霞视频一区二区| 亚洲AV成人无码一区二区三区在线观看 | 久久青青草原免费视频| 日欧亚洲二三区大片不卡| 人人操人人爽人人操人人| 午夜国产成人精品视频| 97视频免费| 可以免费观看的av| 久久久夜夜嗨免费视频| 亚洲色图激情小说| 欧美日韩黄色片一区二区三区四区人与兽做爱| 另类图片五月| 亚洲熟女综合| 精品成人久久久人人亚洲| 国产视频第二页| 麻豆av一区二区| 日韩啊V| 曰韩成人免费视频| 婷婷色婷婷| 久久久网一区| 网友自拍第1页| 2024年最新色情网站在线观看 | aaaa黄片| 99这里有精品视频| 亚洲一区日韩精品中文字幕| 日韩无码视频黄色| 日韩欧美午夜视频在线| 日本精品不卡一二三区| 欧美久久久15P| 欧美亚洲国产日本在线,久久精品国产| 超碰偷拍| 黄色一区二区秘书性感| a网站免费观看| 亚洲在高跟鞋自慰久久在色线| 欧美色网络| 丁香六月婷婷久久综合| 一区二区三区四区五区高清无码永久视频 | 性欧美精| 国产传媒午夜理伦精品| 中文字幕 国产 精品| 久久久久99精品成人片蜜臀| 亚洲精品久久久久毛片A片拉屎| 女人被男人桶爽视频网站| 久久香蕉国产传媒一区剧情天美| 中文字幕第二页| 成人一道本免费视频| 五月丁香色婷婷| 久热大香蕉网站| 亚洲欧美国产中文视频| 天天干2019| 精品日日人妻| 色婷网| 中文字幕成人乱码熟女精品国50| 91动漫操逼视频| 操逼999| 美女尤物人人操| 色综合 加勒比| 操逼国产免费| 99热这里只有是精品10| 围产精品一区二区三区视频播放| 国产精品伦理| 丁香五月久久| 玖草在线视频| 91网站18在线观看| 99婷婷一区二区| 亚洲国内精品成人不卡| 91av一区二区在线观看| 青青草色情网站视频| 嫩草美女久久| 91国产大片| 男人天堂黄片| 久久久91福利姬| 久久鲁干| 自拍第一页| 天天爽天天爽| 综合久久久久久久久91| 日韩久久艹| 殴美大黄片| 天天噜| 99青青草国产视频| 国产一区二区在线电影| 九九激情网| 少妇高潮九九九九| 青青草黑寡妇男人天堂| 国产视频一区二区三区在线免费观看 | 亚洲男人综合| 日韩亚洲97| 日本一级性爱| 夜夜草我| 黑人综合网| 欧美一区二区三区成人性生活| 国产成人网站在线观看| 亚洲天天做日日做天天谢日日| 熟妇高潮精品一区二区三区下载| 国产高潮AA片免费看| 日本高清视频xxxx| 日本天堂在线播放| 91爱综合| 久久美女福利是上海美女| 欧美性爱一区二区三区| baiduhicn.com。| 五月开心网| 小日子操bb在线看| 91美女视频直播| 欧美熟女妇同| 99热66| 日本午夜操逼| 亚洲欧洲无码bt精品合集| 日韩视频啪啪| 免费视频在线一区二区不卡| 97视频免费在线观看| 人妻人久久精品中文字幕| 欧美人人天天网| 亚洲偷91色| 密臀AV在线| 5252色欧美在线| 91欧美偷拍| 精品久久久久瑟瑟| 欧美1727免费观看视频| 日韩一级二级| 亚洲成人综合在线| 亚洲国产欧美中文永久| 狼狼色丁香久久婷婷综合五月| 欧美v亚洲v综合v国产v妖精| 欧美亚洲素人制服精品| 内射夫妻三片| 波多野结衣被操50分钟免费视频| 欧成人精品一区二区三区| 久9久9久9久9久9久9| 激情五月天校园春色网| 色在线69堂| 6080YYY午夜理论片在线观看| 久草精品国产99| 欧美大香蕉同搞| 婷婷丁香五月天综合东京热| 粉嫩av在线一区二区| 五十路三级片| 国产伦乱91| 欧美亚洲综合色| 久操 高清| 最新9久久久9免费视频| 熟妇国产免费一区| 澳门色噜噜色噜噜色噜噜色噜噜色噜噜| 九九九九九九免费视频| 欧美成人精品一区| 大肥女高潮bbwbbwhd视频| 午夜福利一区二区影院| 偷拍亚洲熟女视频播放| 亚洲国产尤物yw在线观看| 丁香九月激情| 福利天堂| 天堂网亚洲区手机版| 人妻一区二区三区视频| · —级AA伦aa坐爱午夜极速ⅴA一区天天噪天天噪天天噪 | 欧美劲爆第一页| 国产人伦a片信息免费片| 久jiu久神马影院| 女上位精品在线| 无码区蜜乳| 国产少妇肉丝在线观看| 乱码人妻一区二区三区| 国产精品ⅴ无码大片在线看.| 色色色热| 91天堂丝袜美腿| 国产午夜无码片在线观看影视| 无码heyzo高清一区| 97资源站日韩| 熟女视频久久| 国产后入清纯| 日韩免费大片一级播放| 操美女人妻| 超碰精品日韩欧美国产| 深爱激情五月天| 91色欧美| 丁香五月综合| henhen91| 一区二区偷拍拍视频| 欧美性高潮在线| 99热在线播放| 亚洲一区二区三区婷婷| 97操操| 夜夜欢天天干| 男人兔费天堂| 国产精品熟女丝袜一区二区| 亚州,欧美在线| a在线观看| 男人天堂网站| 人妻在线臀日韩| 欧美Aⅴ| 91国产美女丝袜足交精品视频| 中文字幕日韩精品久久| 内射黑丝袜| 91久久久久久久久18| 97超碰9| 久久久一级| 精品日韩产品在线,日韩在线不卡视频,欧美日韩免费专区/久, | 国产AV人人夜夜澡人人爽麻豆| 色小视频蜜乳| 一区二区三区看视频| 黄色大片一区二区密桃丝袜| 福利视频网站| 熟妇高潮一区二| 探花精品视频| dy888午夜老子影视达达兔| 秋霞一区二区三区四区五区六区七区| 欧美日韩一区二区三区四区蜜桃| 大香蕉中文201| 久久久久亚洲一区女同性恋中文字幕| 强奸a片网| 精品国产91内射久久| 加勒比av官网在线| 久久久青草青青国产亚洲免观精品高清完整版_97久久综合区小说区图片区,国精品 | 四虎在线播放| 密桃99999| 久久精品99久久久久久| 乱人伦 国语对白:视频直接看| 以及麻豆国产入口在线观看免费| 国产丁香精品露脸视频| 中文字幕精品人妻丝袜| 无码乱人伦中文视频| 探花视频免费观看国产专区| 在线观看午夜婷婷久久久久清性观看| 吻戏激情性巴克| 久久夜黄色无码A级大片| 家庭乱伦国产精品| 亚州欧美在线| 欧美极品少妇| 久久精品视频在线观看| 超碰日本97美女人妻人人玩人人爱| 日本欧美色| 青青草视频久久| 婷婷五月成人| 成人综合久久精品色婷婷| 亚洲AV无线| 国产第12页| 中文字幕精品一区二| 69XX一中文字幕人妻91| 国产成人91一区二区三区| 中文字幕欧美日韩三级| 97干在线视频| 亚洲无992tv| 成人久久久| 欧洲黄色网| 亚洲av噜噜噜噜噜噜| 女人与公拘交酡2020视频| 99久草| 激情文学88| 97超碰人人模人人拍人人| 国产真实子伦对白| 黄色AV免费| 一区二区影院| 久久人人看| 久久久一级| 亚洲视频一二区| 青娱乐手机日韩在线视频| 欧美在线|亚洲| 2020天天色综合| 欧美狠狠| 国内毛片无遮挡国产| 天天干天天狼在线视频| 亚洲精品成人激情在线| 五月丁香婷婷综合| 蜜色网色哟哟| 99999精品| 久草视频在线视频在线视频在线观看| 成人福利视频网| 天天色香欲综合网| 91n免费处女| 欧美黑人极品高潮喷吹熟女黑人性暴力日韩在线欧美极品一区二区老师黑人潮喷一 | 国产强奸乱伦第1页| 黄片国产精品一区二区| 色五月综合| 成人热久久精品| 蜜桃久久一区二区| 久久久久久久伊人精品| 97久久超碰| 欧洲自拍色图gif在线| 91综合中文字幕| 无码精品蜜桃一区二区三区ww| 激情第四色| 久久久九九| 亚洲av综合伊人久久| 狠狠色婷婷| 伊人四虎综合| 第四色奇米影视777| wwwss在线观看| 国产中文字幕在线| 人妻 丝袜美腿 中文字幕| 久久国产精品91| 清纯唯美激情| a在线视频免费观看| 欧美色综合图片| 久久青青草原免费视频| 精品69网| 偷窥自拍亚洲天堂网爆| 亚洲综合九| 自怕偷自怕亚洲精品| 涩爱AV在线| 蜜乳中文字幕a在线| 日韩久久三区| 男人的天堂欧美| 久久久女人| 无遮挡猛进视频免费无限观看 | 美女黄频a美女大全免费皮| 操美女人妻| 精品无码一区二区三区色欲| 99热婷婷| 久久久亚洲| 亚洲日韩青青草色月|