• <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 ?

    基于社交網絡的推薦模型研究

    2015-05-30 10:48:04熊清華
    計算機時代 2015年8期
    關鍵詞:推薦系統(tǒng)社交網絡

    熊清華

    摘 要: 基于社交網絡的社會化推薦的依據(jù)是社交網絡中親密關系的用戶往往具有相似的興趣愛好。當前基于社交網絡的推薦沒有充分地利用社交關系信息,導致預測精度較低和計算效率低、收斂速度慢。為了緩解數(shù)據(jù)稀疏以及提高推薦系統(tǒng)準確性,對社交網絡提出了一種融合用戶熟悉度和用戶特征評分的推薦模型,充分利用了社交網絡中的用戶關系信息和特征信息。實驗表明,給出的推薦算法相比傳統(tǒng)的協(xié)同過濾算法明顯提高了推薦精度。

    關鍵詞: 社交網絡; 推薦系統(tǒng); 用戶熟悉度; 用戶特征評分; 評分融合

    中圖分類號:TP391.1 文獻標志碼:A 文章編號:1006-8228(2015)08-29-02

    Research on recommendation model based on social network

    Xiong Qinghua

    (Institute of Software & Intelligent Technology, Hangzhou Dianzi University, Hangzhou, Zhejiang 310018, China)

    Abstract: The basis of social recommendation based on social networks is that users of intimate relationships in social networks often have similar interests. Existing recommender approaches based on social trust relationships have not fully utilized such relationships and thus have low prediction accuracy or slow convergence speed. In order to improve the system accuracy and reduce data sparseness, we propose an improved recommendation model which blends user intimate rating and user characteristic rating and fully utilizes social relationships and characteristic information. The experiments show that the proposed algorithm is significantly improved compared with the traditional collaborative filtering algorithm.

    Key words: social network; recommendation system; user intimate rating; user characteristic rating; rating blending

    0 引言

    當前社交網絡迅猛發(fā)展,其中龐大的用戶數(shù)量、用戶關系信息以及海量的各種交互數(shù)據(jù),可以為個性化推薦系統(tǒng)提供有利的數(shù)據(jù)基礎。例如基于Oauth2.0的第三方登陸協(xié)議開始普遍應用于各類互聯(lián)網應用的賬戶登錄[1],用戶可以利用其社交網絡賬戶登錄到第三方的服務網站。第三方服務網站不僅可以有效降低用戶的注冊難度,也可以獲取到用戶的社交網絡信息,為用戶提供個性化的內容。本文提出了一種融合社交網絡的推薦模型,充分利用了用戶的社交網絡信息,在有效緩解數(shù)據(jù)稀疏問題的同時,明顯的提高了推薦系統(tǒng)的預測精度。

    1 基于社交網絡的推薦模型

    1.1 社交網絡用戶熟悉度的計算

    對社交網絡中用戶熟悉度的計算,是以社會心理學中人的信任產生過程研究為理論基礎。一般來說,人們會對熟悉的人產生信任,越是熟悉,信任度也越大,另外如果在相同熟悉度的條件下,人們往往更傾向信任與自己有相似背景、興趣和價值觀的人。因此對某人的熟悉度計算可以在一定程度上反映用戶對其的信任度。對于推薦系統(tǒng)來說,若是這部分人的推薦,用戶往往更容易接受,同時也可以根據(jù)熟悉用戶的人對項目的偏好,來推測出用戶的對項目的偏好[2]。

    我們用s∈Rn×n表示用戶的社交關系,矩陣中的每一個元素sij取值為0或1,當sij=0時表示用戶i與用戶j之間沒有直接聯(lián)系,當sij=1時表示用戶i與用戶j相互關注或存在直接聯(lián)系,并且他們的距離為1,若sik=0,sjk=1,則用戶i與用戶k存在間接關系,他們的距離為dik=sij+sjk=2。根據(jù)六度分割理論,在一般的社交網絡中,兩個人之間最多只需要6人就可以產生聯(lián)系?;谶@個理論,社交網絡中兩用戶的最大距離d為7??紤]到計算復雜性及準確率之間的平衡,我們只取最大距離dmax=3作為臨近用戶的計算[3]。

    對于間接關系的熟悉度計算,本文定義,在社交網絡中兩個用戶u,v的熟悉程度與他們的距離呈對數(shù)衰減,具體公式定義如下:

    1.2 社交網絡用戶特征評分的計算

    針對傳統(tǒng)推薦算法中,用戶-項目評分矩陣數(shù)據(jù)稀疏的問題,我們選取了社交網絡用戶的若干特征,構造了用戶特征-項目評分的矩陣,如表1所示。

    表1 用戶特征-項目評分矩陣

    [\&項目1\&項目2\&...\&項目n\&特征1\&0\&3\&...\&2\&特征2\&1\&4\&...\&2\&...\&...\&...\&...\&...\&特征n\&1\&3\&...\&0\&]

    矩陣的項rfi表示具有特征f的用戶對項目i的評分的統(tǒng)計平均值取整,若具有f特征且對項目i評分的人數(shù)少于給定閾值時,考慮到評分的可信度,將rfi置零。求解矩陣中的0項元素采用LFM模型求解,因為LFM模型的訓練效果最好,并且具有很好的可擴展性。

    預測評分公式如下:

    其中,oc表示用戶特征的偏置,oi表示項目偏置,k表示潛在語義,pck=P(c,k),qki=Q(k,i),也即將預測評分矩陣表示為矩陣P、Q相乘再加上偏置量。最后采用直接最小化均方根誤差來學習計算P、Q矩陣。

    使用LFM模型求解出用戶特征-項目評分矩陣后,假設用戶自身特征集合為F(u),trfi表示具有特征f的用戶對項目i作出的評分,wf表示對應特征f的權重。求用戶對項目的偏好評分公式如下:

    對于特征權重wf的計算,考慮TF-IDF算法的思想[4],它綜合考慮特征詞在所有特征中的重要性和普遍性,具有很好的區(qū)分度,計算公式如下:

    其中,N表示用戶總數(shù)量,nf表示具有特征f的用戶數(shù),k是常數(shù),主要作用是防止某些小眾特征獲得過大的權重。

    1.3 社交網絡用戶熟悉度與用戶特征評分的融合

    社交網絡用戶熟悉度的計算用于確定用戶的近鄰,并衡量他們的信任程度。用戶的特征評分的計算得到了相似特征、相似興趣等條件下用戶基于某種特征對項目給出的預測評分。將這兩部分進行適當融合,可以有效提高評分預測的準確度。

    首先計算基于社交網絡用戶熟悉度的用戶評分。根據(jù)用戶u的熟悉度計算確定其近鄰用戶集合為Γ(u),用戶u與其鄰居v間熟悉度用fu,v來表示,用戶v對項目i的評分用frvi表示,則用戶u對項目i的評分可以按如下表達式計算得到:

    對于與用戶特征評分的融合,若直接采用線性融合方式,會忽略掉社交網絡中的某些用戶因素。例如社交網絡中的用戶權重并不都是相同的,有些用戶作為核心節(jié)點,理論上應該占有更大的權重。這里采用Fisher線性判別的方式,其訓練特征除了包括基于用戶熟悉度的預測評分、用戶特征預測評分。還包括用戶好友數(shù)量特征、用戶特征數(shù)量等。其融合函數(shù)形式如下:

    通過Fisher線性判別的訓練計算過程[5],可以將、λ、θ、β等參數(shù)求解出來。

    2 實驗與結論

    2.1 實驗數(shù)據(jù)集

    針對本章提出的改進算法,為了驗證其有效性與推薦質量,本文采用了百度開放研究社區(qū)提供的電影推薦系統(tǒng)算法創(chuàng)新大賽數(shù)據(jù)集。該數(shù)據(jù)集提供了139690個用戶和140000部電影數(shù)據(jù)。實驗使用了training_set.txt、user_social.txt 兩個數(shù)據(jù)文件。其中training_set.txt數(shù)據(jù)格式為:userId、movieId、rating(1-5分),擁有用戶評分數(shù)據(jù)493905條,稀疏度為0.0025%。user_social.txt 為用戶的社交關系數(shù)據(jù),數(shù)據(jù)格式為userId,follows,其中有用戶社交關系53690條。

    2.2 評價指標

    平均絕對誤差(MAE)[6]是所有單個觀測值與算數(shù)平均值的偏差的絕對值平均。其定義為:

    其中,I為測試集,表示i的預測評分,ri為其實際評分。

    均方根誤差(RMSE),它能反映預測值與實際值的偏差程度。其表達式定義如下:

    其中,rui表示實際評分,表示預測值。

    平均精度(MAP),單個top-N推薦的平均精度是每個項目的準確率的平均值。MAP是反映系統(tǒng)在全部推薦項目的準確率的指標。其定義為:

    其中,P(k)表示用戶對該項目的點擊數(shù)與其在top-N列表中的排序k的比值,即該項目的推薦準確度。c為推薦項目中被用戶點擊過的項目總數(shù)。

    2.3 實驗分析

    實驗一:選取社交網絡用戶間接聯(lián)系層級數(shù)S分別為0、1、2、3、4,計算對應的數(shù)據(jù)稀疏度及平均絕對誤差MAE,結果如表2所示。

    表2 不同層級下數(shù)據(jù)稀疏度及平均絕對誤差對比

    [層級數(shù)S\&0\&1\&2\&3\&4\&數(shù)據(jù)稀疏度\&0.002%\&0.05%\&1.3%\&18.2%\&73.2%\&平均絕對誤差\&0.972\&0.851\&0.687\&0.615\&0.758\&]

    從實驗結果可以看出,隨著網絡層級數(shù)的增加,數(shù)據(jù)稀疏度明顯降低,從而有效降低由于數(shù)據(jù)稀疏帶來的計算不準確的問題。同時平均絕對誤差也隨之層級數(shù)的增加而改善,但是在層級數(shù)達到4時,平均絕對誤差反而增加了。分析其原因,隨著層級的增大,用戶間的實際信任度是降低了,這就對最終結果帶入了誤差,所以造成了平均絕對誤差出現(xiàn)了增加。綜合考慮系統(tǒng)效率和準確度的要求,選擇層級數(shù)為3的計算用戶信任度較為合適。

    實驗二:選擇樸素貝葉斯算法作為比較算法,與本文提出的算法分別對比均方根誤差及平均精度。實驗結果如表3所示。

    表3 不同推薦算法實現(xiàn)效果的對比

    [實現(xiàn)算法\&RMSE\&map\&樸素貝葉斯\&0.7266\&0.3262\&本文算法\&0.6653\&0.3611\&]

    從實驗結果可以看出,樸素貝葉斯算法的實現(xiàn)效果并不是很好,本文所提出融合社交網絡分析的推薦算法,有效的緩解了數(shù)據(jù)稀疏的問題,同時考慮到了社交網絡的用戶特征對推薦的影響,因此在推薦效果方面有顯著的提高。

    3 小結

    本文提出了一種融合社交網絡信息分析的推薦模型,有效緩解了傳統(tǒng)推薦系統(tǒng)的用戶評分數(shù)據(jù)稀疏的問題。實驗使用了百度電影推薦算法大賽的數(shù)據(jù)集,與傳統(tǒng)的推薦算法相比,驗證了本文算法的有效性。由于數(shù)據(jù)集的限制,本文的推薦模型僅僅考慮到了用戶在社交網絡上的社交關系信息,而在實際應用中還可以考慮用戶在社交網絡中的交互數(shù)據(jù)、訪問數(shù)據(jù)等,以進一步提高系統(tǒng)準確度。

    參考文獻:

    [1] 盧惠峰,趙文濤,孫志峰等.社會化網絡服務中的OAuth2.0的應用研

    究與實現(xiàn)[J].計算機應用,2014.34(S1):50-54

    [2] 孟祥武,胡勛,王才立,張玉潔.移動推薦系統(tǒng)及其應用[J].軟件學報,

    2013.24(1):91-102

    [3] 王玙,高琳.基于社交圈的在線社交網絡朋友推薦算法[J].計算機學

    報,2014.37(4):801-808

    [4] 周由,戴牡紅.語義分析與TF-ID方法結合的新聞推薦技術[J].計算

    機科學,2013.40(11):267-269

    [5] 林鴻飛,楊志豪,趙晶.基于內容和合作模式的信息推薦機制[J].中文

    信息學報,2005.19(01):48-55

    [6] 朱郁筱,呂琳媛.推薦系統(tǒng)評價指標綜述[J].電子科技大學學報,

    2013.41(2):163-173

    猜你喜歡
    推薦系統(tǒng)社交網絡
    數(shù)據(jù)挖掘在選課推薦中的研究
    軟件(2016年4期)2017-01-20 10:09:33
    基于用戶偏好的信任網絡隨機游走推薦模型
    基于個性化的協(xié)同過濾圖書推薦算法研究
    個性化推薦系統(tǒng)關鍵算法探討
    淺談Mahout在個性化推薦系統(tǒng)中的應用
    大數(shù)據(jù)時代社交網絡個人信息安全問題研究
    社交網絡中的隱私關注及隱私保護研究綜述
    基于圖片分享為核心的社交網絡應用分析
    戲劇之家(2016年19期)2016-10-31 19:44:28
    社交網絡自拍文化的心理解讀
    新聞前哨(2016年10期)2016-10-31 17:46:44
    關于協(xié)同過濾推薦算法的研究文獻綜述
    商(2016年29期)2016-10-29 15:22:08
    av专区在线播放| 日日啪夜夜撸| 亚洲色图av天堂| 亚洲丝袜综合中文字幕| 成年女人毛片免费观看观看9| 日韩亚洲欧美综合| 亚洲最大成人av| 日韩制服骚丝袜av| 色噜噜av男人的天堂激情| 亚洲精品亚洲一区二区| 人人妻人人澡人人爽人人夜夜 | 俺也久久电影网| АⅤ资源中文在线天堂| 最新中文字幕久久久久| 久久热精品热| 女同久久另类99精品国产91| 搡老熟女国产l中国老女人| 国产高清三级在线| 中出人妻视频一区二区| 国产精品一区www在线观看| 一级毛片我不卡| 观看美女的网站| 亚州av有码| 亚洲美女视频黄频| .国产精品久久| 欧美日韩国产亚洲二区| 日本三级黄在线观看| 久久人人爽人人片av| 久久午夜亚洲精品久久| 一个人观看的视频www高清免费观看| 精品国内亚洲2022精品成人| 最新在线观看一区二区三区| 老司机影院成人| 两个人视频免费观看高清| 男女边吃奶边做爰视频| 丰满人妻一区二区三区视频av| 91av网一区二区| 国产高清激情床上av| 国产精品日韩av在线免费观看| 两个人视频免费观看高清| 欧美成人a在线观看| 黄色视频,在线免费观看| 日本色播在线视频| 中文字幕av成人在线电影| 高清午夜精品一区二区三区 | 国产v大片淫在线免费观看| 亚洲四区av| av视频在线观看入口| 观看美女的网站| 日本免费a在线| 国产一区二区在线av高清观看| 看非洲黑人一级黄片| eeuss影院久久| 亚洲av.av天堂| 日日啪夜夜撸| 国产免费一级a男人的天堂| 变态另类成人亚洲欧美熟女| 尾随美女入室| 国产欧美日韩精品一区二区| 精品久久久久久久久久久久久| 欧美高清性xxxxhd video| 欧美成人精品欧美一级黄| 色av中文字幕| 色尼玛亚洲综合影院| 日本三级黄在线观看| 精品久久久久久久久久久久久| 久久精品国产亚洲av天美| 色av中文字幕| 人妻久久中文字幕网| 成年av动漫网址| 欧美成人免费av一区二区三区| 欧美色欧美亚洲另类二区| 亚洲成人久久爱视频| 久99久视频精品免费| 午夜激情福利司机影院| 秋霞在线观看毛片| 美女高潮的动态| 校园春色视频在线观看| 欧美高清性xxxxhd video| 日本三级黄在线观看| 别揉我奶头 嗯啊视频| 中文字幕免费在线视频6| 麻豆av噜噜一区二区三区| 国产色爽女视频免费观看| 久久精品国产亚洲av天美| 亚洲欧美精品综合久久99| 亚洲成a人片在线一区二区| 在线看三级毛片| 久久精品国产亚洲网站| 国产黄色视频一区二区在线观看 | 国产毛片a区久久久久| 91狼人影院| 不卡视频在线观看欧美| 免费看光身美女| 欧美不卡视频在线免费观看| 欧美激情久久久久久爽电影| 久久鲁丝午夜福利片| 国产女主播在线喷水免费视频网站 | 夜夜夜夜夜久久久久| 亚洲第一电影网av| 国产探花极品一区二区| 国产伦在线观看视频一区| 国产激情偷乱视频一区二区| 日韩,欧美,国产一区二区三区 | 久99久视频精品免费| 国产麻豆成人av免费视频| 日本撒尿小便嘘嘘汇集6| 久久精品国产鲁丝片午夜精品| 尤物成人国产欧美一区二区三区| 久久草成人影院| 亚洲人成网站在线播| 99久久成人亚洲精品观看| 在线播放国产精品三级| 亚洲久久久久久中文字幕| 午夜精品国产一区二区电影 | 国产亚洲精品久久久久久毛片| 亚洲av二区三区四区| 亚洲性久久影院| 久久久欧美国产精品| 激情 狠狠 欧美| 国产高清激情床上av| 美女大奶头视频| 国产精品三级大全| 精品久久久久久久末码| 成年免费大片在线观看| 青春草视频在线免费观看| 九九在线视频观看精品| 日日啪夜夜撸| 日本精品一区二区三区蜜桃| 激情 狠狠 欧美| 简卡轻食公司| 久久草成人影院| 国产在视频线在精品| 免费看光身美女| av中文乱码字幕在线| 婷婷色综合大香蕉| 亚洲熟妇熟女久久| 搡老妇女老女人老熟妇| 美女内射精品一级片tv| 男插女下体视频免费在线播放| 国产黄色视频一区二区在线观看 | 全区人妻精品视频| 嫩草影视91久久| 日本免费一区二区三区高清不卡| 99国产极品粉嫩在线观看| 国产精品无大码| 丰满的人妻完整版| 久久久久久久久大av| 97人妻精品一区二区三区麻豆| 日韩欧美精品v在线| 99久久精品热视频| 国产av不卡久久| 狂野欧美激情性xxxx在线观看| 精品欧美国产一区二区三| 乱系列少妇在线播放| 成人鲁丝片一二三区免费| 久久久国产成人精品二区| 丝袜喷水一区| 亚洲最大成人中文| 日本黄大片高清| av在线蜜桃| 日本五十路高清| 色噜噜av男人的天堂激情| 在线观看一区二区三区| 亚洲美女视频黄频| 国产成人福利小说| 亚洲av一区综合| 亚洲五月天丁香| 国产精品嫩草影院av在线观看| aaaaa片日本免费| 精品99又大又爽又粗少妇毛片| 级片在线观看| 日韩一区二区视频免费看| 日韩一区二区视频免费看| 久久久久久久久久成人| 精品人妻视频免费看| 亚洲精品国产成人久久av| 在现免费观看毛片| 成人二区视频| 又爽又黄a免费视频| 国产成人a区在线观看| 亚洲国产日韩欧美精品在线观看| 国产成人一区二区在线| 亚洲成人av在线免费| 午夜福利在线观看免费完整高清在 | 人妻少妇偷人精品九色| a级毛色黄片| 欧美国产日韩亚洲一区| 午夜精品一区二区三区免费看| 国产欧美日韩精品一区二区| 亚洲无线观看免费| 亚洲中文字幕日韩| 久久热精品热| 美女免费视频网站| 国产精品一及| 舔av片在线| 天天躁日日操中文字幕| 精品一区二区三区视频在线| 国产69精品久久久久777片| 欧洲精品卡2卡3卡4卡5卡区| 联通29元200g的流量卡| 国产伦在线观看视频一区| 国产高清不卡午夜福利| 大型黄色视频在线免费观看| 婷婷色综合大香蕉| 精品午夜福利在线看| 日韩欧美免费精品| 一本久久中文字幕| 99热全是精品| 国内久久婷婷六月综合欲色啪| 国产探花在线观看一区二区| 日韩国内少妇激情av| 女同久久另类99精品国产91| 午夜福利高清视频| 午夜福利在线在线| 国产成人91sexporn| 欧美性猛交黑人性爽| 精品久久久久久久末码| 乱系列少妇在线播放| 校园春色视频在线观看| 精品一区二区三区av网在线观看| 国产精品人妻久久久久久| 老熟妇乱子伦视频在线观看| 久久精品91蜜桃| 蜜臀久久99精品久久宅男| 少妇丰满av| 国产av麻豆久久久久久久| 91狼人影院| av.在线天堂| 2021天堂中文幕一二区在线观| 精品乱码久久久久久99久播| 久久精品综合一区二区三区| 色播亚洲综合网| 老司机影院成人| 国产精品久久久久久久久免| 淫妇啪啪啪对白视频| 久久久久国产精品人妻aⅴ院| 老熟妇仑乱视频hdxx| 久久精品久久久久久噜噜老黄 | 亚洲久久久久久中文字幕| 啦啦啦韩国在线观看视频| 大香蕉久久网| 欧美又色又爽又黄视频| 久久久久久伊人网av| 亚洲精品国产成人久久av| videossex国产| 日本撒尿小便嘘嘘汇集6| 亚洲天堂国产精品一区在线| 色5月婷婷丁香| 身体一侧抽搐| 久久精品夜夜夜夜夜久久蜜豆| 一级毛片电影观看 | 亚洲,欧美,日韩| 男女做爰动态图高潮gif福利片| 亚洲国产精品成人综合色| 亚洲国产色片| 中文字幕免费在线视频6| 日本一本二区三区精品| 亚洲国产精品合色在线| 一a级毛片在线观看| 一边摸一边抽搐一进一小说| 亚洲国产精品国产精品| 搡老熟女国产l中国老女人| 亚洲中文字幕一区二区三区有码在线看| 午夜福利18| 欧美精品国产亚洲| 欧美在线一区亚洲| 欧美xxxx性猛交bbbb| 亚洲第一电影网av| 熟妇人妻久久中文字幕3abv| 国产免费一级a男人的天堂| 亚洲美女视频黄频| 99九九线精品视频在线观看视频| 国内精品宾馆在线| 一本精品99久久精品77| 亚洲无线观看免费| 12—13女人毛片做爰片一| 日韩欧美一区二区三区在线观看| 我要搜黄色片| 日韩 亚洲 欧美在线| 国产精品野战在线观看| 欧美绝顶高潮抽搐喷水| 日韩欧美精品v在线| 日韩av在线大香蕉| 亚洲av电影不卡..在线观看| 内射极品少妇av片p| 亚洲成人中文字幕在线播放| 听说在线观看完整版免费高清| 乱系列少妇在线播放| 亚洲三级黄色毛片| 亚洲中文字幕日韩| 久久精品夜夜夜夜夜久久蜜豆| 综合色丁香网| 最近的中文字幕免费完整| 国产精品一区二区免费欧美| 日本成人三级电影网站| 亚洲精品日韩在线中文字幕 | 午夜a级毛片| 校园人妻丝袜中文字幕| 日本撒尿小便嘘嘘汇集6| 免费一级毛片在线播放高清视频| 国内精品美女久久久久久| 国产精品久久久久久精品电影| 日本a在线网址| 麻豆乱淫一区二区| 久久久欧美国产精品| 两个人的视频大全免费| 美女黄网站色视频| 在线观看午夜福利视频| 特大巨黑吊av在线直播| 97超碰精品成人国产| 国产乱人视频| 国产亚洲91精品色在线| 亚洲精品国产av成人精品 | 久久人人精品亚洲av| 久久精品综合一区二区三区| 在现免费观看毛片| 日本一本二区三区精品| 插逼视频在线观看| 男女做爰动态图高潮gif福利片| 国产精华一区二区三区| 中文字幕久久专区| 日本免费一区二区三区高清不卡| av免费在线看不卡| 亚洲av熟女| 国产精品久久久久久久久免| 欧美+日韩+精品| 国产精品福利在线免费观看| 日韩欧美精品免费久久| 日本三级黄在线观看| 亚洲最大成人中文| 国产精品无大码| 国产成人影院久久av| 看黄色毛片网站| 精品一区二区免费观看| 午夜激情欧美在线| 久久精品国产亚洲av涩爱 | 国产精品av视频在线免费观看| av在线播放精品| 成熟少妇高潮喷水视频| 国产成人freesex在线 | 久久99热6这里只有精品| av在线亚洲专区| av在线播放精品| av黄色大香蕉| 精品国产三级普通话版| 日本在线视频免费播放| 久久这里只有精品中国| 久久久久精品国产欧美久久久| 久久亚洲精品不卡| 欧美另类亚洲清纯唯美| 九九久久精品国产亚洲av麻豆| 中文字幕免费在线视频6| 婷婷色综合大香蕉| 成年av动漫网址| 少妇丰满av| 亚洲av电影不卡..在线观看| 少妇人妻一区二区三区视频| 精品午夜福利视频在线观看一区| 在线观看一区二区三区| 久久精品国产鲁丝片午夜精品| 国产精品av视频在线免费观看| 国产精品久久电影中文字幕| 在线观看一区二区三区| 在线播放国产精品三级| 久久久久久久久久黄片| 亚洲三级黄色毛片| 久久精品综合一区二区三区| 国产亚洲精品av在线| 中国国产av一级| 亚洲国产日韩欧美精品在线观看| 一个人免费在线观看电影| 国产精品野战在线观看| 免费av毛片视频| 在线看三级毛片| 亚洲成人久久性| av女优亚洲男人天堂| 精品一区二区三区人妻视频| 好男人在线观看高清免费视频| 色哟哟哟哟哟哟| 精品一区二区三区视频在线| 91午夜精品亚洲一区二区三区| 一进一出抽搐动态| 国产男靠女视频免费网站| 欧美色欧美亚洲另类二区| 国产av在哪里看| 成人鲁丝片一二三区免费| 久久国产乱子免费精品| 99热全是精品| 99国产极品粉嫩在线观看| 国产精品一二三区在线看| 亚洲美女黄片视频| 中文字幕免费在线视频6| 久久精品夜夜夜夜夜久久蜜豆| 亚洲不卡免费看| 免费av毛片视频| 十八禁国产超污无遮挡网站| 波多野结衣高清作品| 国产精品电影一区二区三区| 中国国产av一级| 欧美人与善性xxx| 日日干狠狠操夜夜爽| 白带黄色成豆腐渣| 春色校园在线视频观看| 久久久久久九九精品二区国产| 在线免费观看不下载黄p国产| 人人妻,人人澡人人爽秒播| 美女高潮的动态| 婷婷色综合大香蕉| 级片在线观看| 变态另类丝袜制服| 久久久久免费精品人妻一区二区| 欧美zozozo另类| 变态另类成人亚洲欧美熟女| 老司机影院成人| 男女啪啪激烈高潮av片| 国产精品伦人一区二区| 日韩欧美一区二区三区在线观看| 黄色欧美视频在线观看| 国国产精品蜜臀av免费| 欧美日韩国产亚洲二区| 毛片一级片免费看久久久久| 午夜福利在线观看免费完整高清在 | 日本欧美国产在线视频| 欧美+亚洲+日韩+国产| 美女高潮的动态| 一a级毛片在线观看| 久久久久精品国产欧美久久久| 黑人高潮一二区| 国产欧美日韩精品一区二区| 最近视频中文字幕2019在线8| 精品少妇黑人巨大在线播放 | 18禁在线播放成人免费| 伦理电影大哥的女人| 亚洲婷婷狠狠爱综合网| 麻豆久久精品国产亚洲av| 国产成人aa在线观看| 亚洲乱码一区二区免费版| 色av中文字幕| 在线免费观看的www视频| 国产探花在线观看一区二区| 俄罗斯特黄特色一大片| 国语自产精品视频在线第100页| 久久久久九九精品影院| 男女啪啪激烈高潮av片| 精品日产1卡2卡| 菩萨蛮人人尽说江南好唐韦庄 | 在线免费十八禁| 男人舔奶头视频| 久久草成人影院| 丰满的人妻完整版| 免费一级毛片在线播放高清视频| 天美传媒精品一区二区| 欧美区成人在线视频| 麻豆成人午夜福利视频| 欧美日韩在线观看h| 亚洲国产精品久久男人天堂| 天堂√8在线中文| 欧美日本视频| 日韩av在线大香蕉| 三级国产精品欧美在线观看| 最新在线观看一区二区三区| 精品一区二区免费观看| a级一级毛片免费在线观看| 免费观看人在逋| 免费av不卡在线播放| 1024手机看黄色片| 亚洲自拍偷在线| 高清毛片免费看| 亚洲熟妇中文字幕五十中出| 欧美日韩国产亚洲二区| 国产乱人视频| 一进一出抽搐动态| 欧美bdsm另类| 精品一区二区三区av网在线观看| 中国国产av一级| 成年版毛片免费区| 在线免费十八禁| 亚洲自拍偷在线| 又爽又黄a免费视频| 色哟哟·www| 欧美激情国产日韩精品一区| 插阴视频在线观看视频| 波多野结衣高清无吗| 校园春色视频在线观看| 久久精品影院6| 久久久久久久久久成人| 俄罗斯特黄特色一大片| 亚洲成人av在线免费| 乱系列少妇在线播放| 日本色播在线视频| 99热这里只有是精品50| 免费看美女性在线毛片视频| 国产熟女欧美一区二区| 99在线视频只有这里精品首页| 自拍偷自拍亚洲精品老妇| 亚洲第一电影网av| 久久久久久大精品| 黄色日韩在线| 国产美女午夜福利| 久久亚洲精品不卡| 天堂av国产一区二区熟女人妻| 狠狠狠狠99中文字幕| 中文亚洲av片在线观看爽| 非洲黑人性xxxx精品又粗又长| 国内揄拍国产精品人妻在线| 99精品在免费线老司机午夜| 我要看日韩黄色一级片| 国产老妇女一区| 非洲黑人性xxxx精品又粗又长| 久久精品夜夜夜夜夜久久蜜豆| 联通29元200g的流量卡| 女人十人毛片免费观看3o分钟| 欧美日韩综合久久久久久| 精品人妻熟女av久视频| 精品国产三级普通话版| 天堂av国产一区二区熟女人妻| 亚洲aⅴ乱码一区二区在线播放| 国产午夜福利久久久久久| 麻豆乱淫一区二区| 91麻豆精品激情在线观看国产| 人人妻人人看人人澡| 欧美在线一区亚洲| 日本免费一区二区三区高清不卡| 免费黄网站久久成人精品| 亚洲精品粉嫩美女一区| 伦理电影大哥的女人| 成人av在线播放网站| 亚洲精品成人久久久久久| 免费黄网站久久成人精品| 日日撸夜夜添| 亚洲在线观看片| 欧美日韩精品成人综合77777| 国产私拍福利视频在线观看| 国产乱人偷精品视频| 啦啦啦啦在线视频资源| 亚洲真实伦在线观看| 国产精品伦人一区二区| www日本黄色视频网| 国产精品久久电影中文字幕| 免费av毛片视频| 99热这里只有是精品50| 国产国拍精品亚洲av在线观看| 大又大粗又爽又黄少妇毛片口| 国国产精品蜜臀av免费| 成人永久免费在线观看视频| 嫩草影院精品99| 成人高潮视频无遮挡免费网站| 午夜福利在线观看吧| 亚洲成人久久性| 国产精品一二三区在线看| 成人三级黄色视频| 免费黄网站久久成人精品| 国产精品一及| av专区在线播放| 少妇裸体淫交视频免费看高清| 亚洲最大成人中文| 国产成人影院久久av| 国产高清视频在线播放一区| 最近2019中文字幕mv第一页| 日产精品乱码卡一卡2卡三| 亚洲一区高清亚洲精品| 国产一区二区三区av在线 | 国产精品美女特级片免费视频播放器| 免费看a级黄色片| 欧美成人免费av一区二区三区| 搡女人真爽免费视频火全软件 | 悠悠久久av| 一级黄片播放器| 欧美日韩精品成人综合77777| 久久精品国产鲁丝片午夜精品| 亚洲自偷自拍三级| 18+在线观看网站| а√天堂www在线а√下载| 99视频精品全部免费 在线| 日本欧美国产在线视频| 此物有八面人人有两片| 久久草成人影院| 久久精品国产清高在天天线| 国产欧美日韩精品一区二区| 国产精品女同一区二区软件| 亚洲色图av天堂| 午夜精品在线福利| 波多野结衣高清无吗| 欧美成人精品欧美一级黄| 九九久久精品国产亚洲av麻豆| 精品一区二区三区av网在线观看| 露出奶头的视频| 国产毛片a区久久久久| 国产亚洲精品久久久com| 亚洲精品亚洲一区二区| 国产精品久久久久久久久免| 久久精品国产清高在天天线| 看片在线看免费视频| 最近中文字幕高清免费大全6| 欧美区成人在线视频| 欧美xxxx性猛交bbbb| 精品久久久久久久久亚洲| 级片在线观看| 亚洲无线在线观看| 亚洲av二区三区四区| 国产精品美女特级片免费视频播放器| 亚洲精品日韩av片在线观看| 亚洲不卡免费看| 欧美一区二区国产精品久久精品| 亚洲色图av天堂| 欧美丝袜亚洲另类| 亚州av有码| 亚洲色图av天堂| 亚洲一区高清亚洲精品| 色哟哟·www| 亚洲电影在线观看av| 亚洲久久久久久中文字幕| 99九九线精品视频在线观看视频| 99久久久亚洲精品蜜臀av|