• <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 ?

    基于用戶(hù)評(píng)分和項(xiàng)目類(lèi)偏好的協(xié)同過(guò)濾推薦算法

    2017-01-21 14:49:10王宇飛宋俊典戴炳榮
    軟件導(dǎo)刊 2016年12期
    關(guān)鍵詞:協(xié)同過(guò)濾

    王宇飛+宋俊典+戴炳榮

    摘 要:協(xié)同過(guò)濾(Collaborative Filtering)算法一般采用Pearson相關(guān)系數(shù)、索倫森指數(shù)等方法衡量用戶(hù)之間的相似性。但是,這些方法難以區(qū)分個(gè)人的習(xí)慣和偏好,以至于計(jì)算結(jié)果準(zhǔn)確度低、區(qū)分度差。因此提出從評(píng)分差異、評(píng)分偏好、置信度3個(gè)方面衡量用戶(hù)的評(píng)分相似性,結(jié)合項(xiàng)目類(lèi)偏好去衡量用戶(hù)相似性。真實(shí)數(shù)據(jù)集上的測(cè)試結(jié)果顯示,改進(jìn)后的算法比傳統(tǒng)度量方法獲取到的平均絕對(duì)誤差(MAE)值更小,能夠有效地提高推薦質(zhì)量。

    關(guān)鍵詞:協(xié)同過(guò)濾;評(píng)分相似性;項(xiàng)目類(lèi)偏好;個(gè)性化推薦技術(shù)

    DOIDOI:10.11907/rjdk.162155

    中圖分類(lèi)號(hào):TP312

    文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1672-7800(2016)012-0025-05

    0 引言

    隨著個(gè)性化推薦技術(shù)的迅速發(fā)展,個(gè)性化推薦不僅為電子商務(wù)帶來(lái)了巨大的商業(yè)價(jià)值,也為人們的社會(huì)生活提供了極大便利[1],具有高效、準(zhǔn)確、個(gè)性化等特征。作為現(xiàn)有推薦系統(tǒng)中應(yīng)用最成功的推薦技術(shù)之一,基于協(xié)同過(guò)濾的推薦技術(shù)分析不同用戶(hù)行為所產(chǎn)生的數(shù)據(jù)來(lái)推薦他們可能喜歡的項(xiàng)目,這些數(shù)據(jù)包含用戶(hù)瀏覽歷史、購(gòu)買(mǎi)記錄、用戶(hù)評(píng)分等[2-5]。隨著協(xié)同過(guò)濾算法在不同領(lǐng)域的廣泛應(yīng)用,其也逐漸暴露出數(shù)據(jù)稀疏性[6]、可擴(kuò)展性[7]、新加入用戶(hù)或項(xiàng)目冷啟動(dòng)[8]等各方面的問(wèn)題。

    近年來(lái),國(guó)內(nèi)外研究者在協(xié)同過(guò)濾領(lǐng)域開(kāi)展了較為豐富的研究,取得了一系列重要研究成果。楊興耀[9]等構(gòu)建信任模型來(lái)實(shí)現(xiàn)評(píng)分矩陣填充,從項(xiàng)目和用戶(hù)屬性來(lái)對(duì)項(xiàng)目的相似性進(jìn)行評(píng)估,并使用調(diào)節(jié)因子進(jìn)行兩方面協(xié)調(diào)處理,提高了算法的精確度;趙偉等[10]通利用K-means算法對(duì)用戶(hù)進(jìn)行聚類(lèi),并在用戶(hù)類(lèi)中應(yīng)用協(xié)同過(guò)濾算法以實(shí)現(xiàn)個(gè)性化推薦,有效地提高了算法推薦的準(zhǔn)確率和擴(kuò)展性;徐紅燕等[11]利用項(xiàng)目各屬性的評(píng)價(jià)分?jǐn)?shù)來(lái)評(píng)估用戶(hù)偏好,并結(jié)合歷史屬性分?jǐn)?shù)的變化情況和屬性評(píng)分相似性綜合實(shí)現(xiàn)推薦,提高了算法的推薦準(zhǔn)確度;方獻(xiàn)梅、高曉波[12]引入TF-IDF算法計(jì)算用戶(hù)興趣權(quán)重,構(gòu)建用戶(hù)-興趣矩陣來(lái)提高推薦質(zhì)量。

    因此,從評(píng)分差異、評(píng)分偏好、項(xiàng)目類(lèi)偏好、用戶(hù)和項(xiàng)目屬性等方面對(duì)協(xié)同過(guò)濾(Collaborative filtering)算法實(shí)現(xiàn)改進(jìn)值得研究。

    1 基于用戶(hù)的協(xié)同過(guò)濾推薦算法

    基于用戶(hù)(User-based)的協(xié)同過(guò)濾算法中,用戶(hù)往往喜歡與他們有相同或相似品味、愛(ài)好的一些用戶(hù)以往所喜歡的項(xiàng)目[13],算法中對(duì)于相似性的度量通常采用PCC(Pearson相關(guān)系數(shù))、COS(余弦相似度)、SRS(索倫森指數(shù))[14]和JMSD(Jaccard均方差)[15],具體公式如下:

    下面給出一張用戶(hù)評(píng)分信息表(見(jiàn)圖1),分別采用PCC、COS、SRS、JMSD算法得到如圖2~圖5所示的相似度計(jì)算結(jié)果。

    從圖2~圖5中可以發(fā)現(xiàn),使用傳統(tǒng)PCC、COS、SRS和JMSD算法得到的結(jié)果存在以下幾個(gè)問(wèn)題:

    (1)計(jì)算結(jié)果區(qū)分度比較低。例如,圖2中只存在2種結(jié)果;user1和user3之間的相似性本應(yīng)該高于user1和user2,但在圖2中得到的結(jié)果完全相同;在圖5中,user1分別與user2和user4相比,得到的結(jié)果都是0.0,與實(shí)際情況差距較大。

    (2)計(jì)算出的結(jié)果有些與實(shí)際情況相反。例如,user1在user2和user3之間,與后者的相似性本來(lái)應(yīng)該更大,然而在圖3、圖4中的結(jié)果卻與之相反。

    (3)無(wú)法體現(xiàn)出用戶(hù)對(duì)于項(xiàng)目的興趣。例如,同樣對(duì)于Item2、user2的評(píng)價(jià)分?jǐn)?shù)為4,user5只有2分,然而在圖2中計(jì)算出兩者的相似度卻是1.0;同樣user3在item2上比user5高了2分,在圖2中兩人的相似度也是1.0。

    由于采用傳統(tǒng)計(jì)算方法產(chǎn)生了這些問(wèn)題,使得推薦系統(tǒng)的推薦精度低、推薦效果差,為了改善推薦系統(tǒng)的推薦效果,提高推薦精確度,從兩個(gè)方面著手對(duì)相似度計(jì)算定義新的方法。

    2 基于用戶(hù)評(píng)分和項(xiàng)目類(lèi)偏好的協(xié)同過(guò)濾推薦算法

    為了能夠更加精確地度量相似性,本文從3個(gè)方面:評(píng)分差異、評(píng)分偏好、置信度,綜合衡量用戶(hù)的評(píng)分相似性,并結(jié)合用戶(hù)項(xiàng)目類(lèi)偏好實(shí)現(xiàn)用戶(hù)相似度的綜合衡量。具體算法實(shí)現(xiàn)流程如圖6所示。

    由圖6可知,基于用戶(hù)評(píng)分和項(xiàng)目類(lèi)偏好的協(xié)同過(guò)濾推薦算法包含以下幾個(gè)步驟:①依據(jù)用戶(hù)評(píng)分矩陣分別實(shí)現(xiàn)評(píng)分差異度、評(píng)分偏好相似度以及置信度計(jì)算,將三者融合衡量評(píng)分相似度;②依據(jù)用戶(hù)在不同類(lèi)型項(xiàng)目上評(píng)價(jià)數(shù)量與評(píng)價(jià)總數(shù)的比值來(lái)完成項(xiàng)目類(lèi)偏好相似度計(jì)算,如果用戶(hù)對(duì)某一類(lèi)項(xiàng)目評(píng)價(jià)越多,認(rèn)為用戶(hù)對(duì)此類(lèi)項(xiàng)目偏好程度越大;③評(píng)分相似度與項(xiàng)目類(lèi)偏好相似度結(jié)合得到最終的用戶(hù)相似度;④選取與目標(biāo)用戶(hù)相似度最高的k個(gè)用戶(hù)加入最近鄰居集合,利用評(píng)分預(yù)測(cè)公式對(duì)目標(biāo)用戶(hù)未評(píng)價(jià)的項(xiàng)目進(jìn)行分?jǐn)?shù)預(yù)測(cè)。最后,選擇N個(gè)分?jǐn)?shù)最高的項(xiàng)目進(jìn)行推薦。

    2.1 用戶(hù)評(píng)分相似度

    2.1.1 用戶(hù)評(píng)分差異度

    將兩用戶(hù)共同評(píng)價(jià)項(xiàng)目的評(píng)分看作兩組數(shù)據(jù),這兩組數(shù)據(jù)差值的均方根值體現(xiàn)了它們差異性大小。均方根越大,表示兩人整體上的評(píng)分差異越大,認(rèn)為兩者相似程度越低。在圖1中,user1、user2、user3對(duì)Item1、Item2的評(píng)分分別是:{2, 3}、{1, 4}和{2, 4},由此可知,user1和user2的分差是{1, 1},均方根為1,user1和User3的平均分差是{0, 1},均方根為0.707。因此,計(jì)算得到user1和user3比user1和user2更相似,符合實(shí)際情況,比PCC、COS、SRS這3種方法得到的計(jì)算結(jié)果更加準(zhǔn)確可信。通過(guò)式(1)實(shí)現(xiàn)均方根的計(jì)算,并使結(jié)果處于0~1之間。具體實(shí)現(xiàn)如下:

    Iuv在式(5)中表示兩用戶(hù)u、v共同評(píng)價(jià)過(guò)的項(xiàng)目集合,rui與rvi則分別代表u、v分別對(duì)項(xiàng)目i的評(píng)價(jià)分?jǐn)?shù)。

    2.1.2 評(píng)分偏好相似度

    現(xiàn)實(shí)生活中不同用戶(hù)有著各自的打分習(xí)慣,有些用戶(hù)對(duì)自己所感興趣的項(xiàng)目打分很高,對(duì)其它項(xiàng)目打分較低;有些用戶(hù)對(duì)于所有項(xiàng)目的評(píng)分都偏低或者偏高。因此,選取平均評(píng)分作為衡量是否喜歡的標(biāo)準(zhǔn)相比文獻(xiàn)[16]選擇中位數(shù)的可信度更高。當(dāng)評(píng)分高于平均分時(shí),表示喜歡此項(xiàng)目,反之則表示不喜歡。

    因此,當(dāng)兩個(gè)用戶(hù)在同一個(gè)項(xiàng)目上的實(shí)際評(píng)分與各自平均評(píng)分的差值同為正或?yàn)樨?fù)時(shí),表示兩人評(píng)分偏好趨于相近。通過(guò)式(8)可以得到兩者在同一項(xiàng)目上的偏好差距,并由所有差異的平均值來(lái)反映用戶(hù)間真實(shí)的偏好差距,差距越大表示兩者偏好相似性越低。因此,采用以下公式來(lái)完成偏好差距計(jì)算以及偏好相似性定義:

    Iuv同式(5)中的Iuv,Huv(i)指用戶(hù)u、v在同一個(gè)項(xiàng)目上的偏好差距,rui、avgu分別代表用戶(hù)u對(duì)項(xiàng)目i的評(píng)價(jià)分?jǐn)?shù)和平均評(píng)分。

    2.1.3 置信度

    對(duì)置信度的定義一般采用Jaccard函數(shù)來(lái)表示。認(rèn)為若兩用戶(hù)一起評(píng)價(jià)過(guò)的項(xiàng)目很少,即便計(jì)算出這兩人的相似度很高,兩者的相似性仍然存在質(zhì)疑[8]。

    但是當(dāng)兩個(gè)用戶(hù)評(píng)價(jià)的項(xiàng)目數(shù)量差距較大時(shí)發(fā)現(xiàn),即使評(píng)價(jià)數(shù)量少的一方與多的一方評(píng)價(jià)的項(xiàng)目完全重疊,得到置信度結(jié)果依然很低。為此,分別從用戶(hù)雙方角度定義相對(duì)于各自的置信度,然后取平均值,以改善出現(xiàn)上述問(wèn)題時(shí)導(dǎo)致置信度始終過(guò)小的情況。

    Iuv同式(5)中的Iuv,u、v各自評(píng)價(jià)過(guò)的項(xiàng)目集合分別用Iu、Iv表示。

    2.1.4 最終的用戶(hù)評(píng)分相似度

    綜上,用戶(hù)的評(píng)分相似度為:

    2.2 項(xiàng)目類(lèi)偏好相似度

    一個(gè)項(xiàng)目可能包含多種不同的類(lèi)型,例如一部電影,它可能既是科幻片也是愛(ài)情片。這里通過(guò)圖7來(lái)展示所有項(xiàng)目的類(lèi)型所屬,如果一個(gè)項(xiàng)目包含某一類(lèi)型,用“1”表示,反之,用“0”表示,k表示項(xiàng)目的類(lèi)型總數(shù)。

    現(xiàn)實(shí)生活中,若用戶(hù)對(duì)于某一類(lèi)項(xiàng)目評(píng)價(jià)的次數(shù)越多,可以認(rèn)為用戶(hù)在此類(lèi)項(xiàng)目上的偏好程度越大。由用戶(hù)評(píng)分信息可以得到如圖8所示的類(lèi)型偏好矩陣。

    其中,Gij表示ui對(duì)Cj類(lèi)項(xiàng)目的偏好程度。同時(shí),以用戶(hù)的平均評(píng)分作為衡量標(biāo)準(zhǔn),當(dāng)用戶(hù)對(duì)某一項(xiàng)目的評(píng)分大于平均評(píng)分時(shí),表示在此項(xiàng)目上用戶(hù)的偏好為正,反之則認(rèn)為偏好為負(fù)(將等于平均分的項(xiàng)目也歸于偏好為負(fù))。所以根據(jù)用戶(hù)的項(xiàng)目偏好情況,其類(lèi)型偏好也可以分為正向偏好和負(fù)向偏好。(1)正向偏好:

    3 實(shí)驗(yàn)結(jié)果及分析

    3.1 數(shù)據(jù)集

    實(shí)驗(yàn)中使用的數(shù)據(jù)集是著名的MovieLens(ML)數(shù)據(jù)集[17],它是由美國(guó)的GroupLens研究團(tuán)隊(duì)在明尼蘇達(dá)大學(xué)歷時(shí)約7個(gè)月收集的。該數(shù)據(jù)集被分為5組,每一組中的數(shù)據(jù)有兩成將用作算法的測(cè)試集,剩余的作為訓(xùn)練集使用。每一組中用于實(shí)驗(yàn)的評(píng)分?jǐn)?shù)量共有100 000條,評(píng)分等級(jí)的范圍是在1~5分,1分等級(jí)最低,5分等級(jí)最高。另外在每一組中,每一位用戶(hù)都參與評(píng)價(jià)過(guò)至少20部電影,每一部電影可能屬于一種或多種類(lèi)型,還包含了電影、用戶(hù)各自的基本屬性信息。此電影數(shù)據(jù)集的數(shù)據(jù)稀疏度為:

    1-100,000943×1,682=0.937

    3.2 評(píng)價(jià)標(biāo)準(zhǔn)

    MAE被定義為預(yù)測(cè)值和實(shí)際值之間絕對(duì)誤差的平均值,是使用最廣泛的推薦質(zhì)量評(píng)價(jià)指標(biāo),被用于評(píng)估推薦準(zhǔn)確性。本文使用MAE作為評(píng)價(jià)指標(biāo),假定某一用戶(hù)u對(duì)任意一部電影j的實(shí)際評(píng)分為rj(u),與其相對(duì)應(yīng)的預(yù)測(cè)所得分?jǐn)?shù)為Rj(u),具體公式如下:

    3.3 實(shí)驗(yàn)結(jié)果

    本文對(duì)5組數(shù)據(jù)分別進(jìn)行測(cè)試,例如在表1中“u1.base”和“u1.test”這一組數(shù)據(jù),其中“u1.base”和“u1.test”分別作為訓(xùn)練集和測(cè)試集。

    對(duì)測(cè)試集中的所有用戶(hù)進(jìn)行測(cè)試(取所有測(cè)試用戶(hù)MAE的平均值作為測(cè)試結(jié)果),最近鄰居用戶(hù)的數(shù)量K分別取值:5、10、20、30、40、50、60、70、80,經(jīng)過(guò)測(cè)試,各自的推薦效果如圖10~圖14所示。

    從實(shí)驗(yàn)所得的推薦效果圖中可以看出,使用除了PCC之外的其它方法,當(dāng)最近鄰居數(shù)據(jù)從K=5到K=30時(shí),推薦質(zhì)量會(huì)迅速提高;從K=30往后,推薦質(zhì)量的提高速度逐漸放緩,趨于平穩(wěn)狀態(tài),相比之下使用本文算法的推薦質(zhì)量更高。

    4 結(jié)語(yǔ)

    本文從用戶(hù)已有的評(píng)價(jià)分?jǐn)?shù)信息中挖掘用戶(hù)潛在的評(píng)分差異、習(xí)慣、類(lèi)型的評(píng)價(jià)數(shù)量分布,提出從用戶(hù)評(píng)分、項(xiàng)目的類(lèi)型偏好兩個(gè)方面對(duì)相似度進(jìn)行綜合評(píng)定的計(jì)算方法。對(duì)比傳統(tǒng)4種方法分別進(jìn)行實(shí)驗(yàn)所產(chǎn)生的測(cè)試結(jié)果,可以證明采用本文方法在推薦準(zhǔn)確性方面有明顯提高。未來(lái),將在現(xiàn)有的研究成果上繼續(xù)進(jìn)行優(yōu)化,并且在緩解數(shù)據(jù)稀疏、冷啟動(dòng)方向開(kāi)展深入研究。

    參考文獻(xiàn):

    [1] CHEN H,LI Z,HU W.An improved collaborative recommendation algorithm based on optimized user similarity[J].Journal of Supercomputing,2015:1-14.

    [2] BOBADILLA J,HERNANDO A,ORTEGA F,et al.Collaborative filtering based on significances[J].Information Sciences,2012,185(1):1-17.

    [3] ZHANG J,LIN Y,LIN M,et al.An effective collaborative filtering algorithm based on user preference clustering[J].Applied Intelligence,2016:1-11.

    [4] JIA C X,LIU R R.Improve the algorithmic performance of collaborative filtering by using the interevent time distribution of human behaviors[J].Physica A Statistical Mechanics & Its Applications,2015:236-245.

    [5] KOOHBORFARDHAGHIGHI S,KIM J.Using structural information for distributed recommendation in a social network[J].Applied Intelligence,2013,38(38):255-266.

    [6] 高倩,何聚厚.改進(jìn)的面向數(shù)據(jù)稀疏的協(xié)同過(guò)濾推薦算法[J].計(jì)算機(jī)技術(shù)與發(fā)展,2016,26(03):63-66.

    [7] SHANG Y,LI Z,QU W,et al.Scalable collaborative filtering recommendation algorithm with MapReduce[C].International Conference on Dependable, Autonomic and Secure Computing,2014:103-108.

    [8] BARJASTEH I,F(xiàn)ORSATI R,ROSS D,et al.Cold-start recommendation with provable guarantees:a decoupled approach[J].IEEE Transactions on Knowledge & Data Engineering,2016,28(6):1.

    [9] 楊興耀,于炯,吐?tīng)柛ひ啦祭簦?基于信任模型填充的協(xié)同過(guò)濾推薦模型[J].計(jì)算機(jī)工程,2015(5):6-13.

    [10] 趙偉,林楠,韓英,等.一種改進(jìn)的K-means聚類(lèi)的協(xié)同過(guò)濾算法[J].安徽大學(xué)學(xué)報(bào):自然科學(xué)版,2016,40(2):32-36.

    [11] 徐紅艷,杜文剛,馮勇,等.一種基于多屬性評(píng)分的協(xié)同過(guò)濾算法[J].遼寧大學(xué)學(xué)報(bào):自然科學(xué),2015,42(2):136-142.

    [12] 方獻(xiàn)梅,高曉波.基于用戶(hù)興趣的協(xié)同過(guò)濾推薦算法[J].軟件導(dǎo)刊,2016,15(2):50-51.

    [13] DONGZHAN ZHANG,CHAO XU.A collaborative filtering recommadation system by unifying user similarity and item similarity[J].LNCS,2012,7142(2):175-184.

    [14] PIRASTEH P,HWANG D,JUNG J E.Weighted similarity schemes for high scalability in user-based collaborative filtering[J].Mobile Networks & Applications,2014,20(4):497-507.

    [15] BOBADILLA J,SERRADILLA F,BERNAL J.A new collaborative filtering metric that improves the behavior of recommender systems[J].Knowledge-Based Systems,2010,23(6):520-528.

    [16] RYDEN F.Tech to the future:making a "kinection" with haptic interaction[J].IEEE Potentials,2012,31(3):34-36.

    [17] Movielens 100K dataset[EB/OL].http://grouplens.org/datasets/movielens/100k/.

    (責(zé)任編輯:孫 娟)

    猜你喜歡
    協(xié)同過(guò)濾
    基于用戶(hù)相似度加權(quán)的Slope One算法
    軟件(2016年4期)2017-01-20 09:44:28
    圖書(shū)推薦算法綜述
    改進(jìn)的協(xié)同過(guò)濾推薦算法
    基于鏈?zhǔn)酱鎯?chǔ)結(jié)構(gòu)的協(xié)同過(guò)濾推薦算法設(shè)計(jì)與實(shí)現(xiàn)
    基于相似傳播和情景聚類(lèi)的網(wǎng)絡(luò)協(xié)同過(guò)濾推薦算法研究
    基于協(xié)同過(guò)濾算法的個(gè)性化圖書(shū)推薦系統(tǒng)研究
    混合推薦算法在電影推薦中的研究與評(píng)述
    關(guān)于協(xié)同過(guò)濾推薦算法的研究文獻(xiàn)綜述
    商(2016年29期)2016-10-29 15:22:08
    基于混合信任模型的協(xié)同過(guò)濾推薦算法
    一種基于協(xié)同過(guò)濾技術(shù)的個(gè)性化移動(dòng)學(xué)習(xí)資源推薦策略
    商(2016年16期)2016-06-12 09:07:08
    国产精品亚洲一级av第二区| 91久久精品国产一区二区成人 | 久久性视频一级片| av国产免费在线观看| 亚洲欧美精品综合一区二区三区| 久久久久精品国产欧美久久久| 一进一出抽搐动态| 香蕉国产在线看| 久久久久久大精品| 巨乳人妻的诱惑在线观看| 日韩精品中文字幕看吧| 桃色一区二区三区在线观看| 香蕉国产在线看| 亚洲黑人精品在线| 国产av不卡久久| 国内少妇人妻偷人精品xxx网站 | 桃红色精品国产亚洲av| 99久久精品热视频| 亚洲国产精品sss在线观看| 亚洲中文字幕日韩| 一本综合久久免费| 真实男女啪啪啪动态图| 美女高潮的动态| 国产欧美日韩一区二区精品| 欧美zozozo另类| 亚洲熟妇中文字幕五十中出| 99国产极品粉嫩在线观看| 三级国产精品欧美在线观看 | www国产在线视频色| 久久久久久国产a免费观看| 亚洲美女黄片视频| 小说图片视频综合网站| 色综合婷婷激情| 毛片女人毛片| 综合色av麻豆| 美女黄网站色视频| 久久精品亚洲精品国产色婷小说| 人人妻人人看人人澡| 黄色丝袜av网址大全| www国产在线视频色| 无人区码免费观看不卡| 熟女人妻精品中文字幕| 国产精华一区二区三区| 国产午夜精品久久久久久| 精品国产三级普通话版| 在线视频色国产色| 亚洲欧美日韩东京热| 丁香六月欧美| 真人一进一出gif抽搐免费| 久久久久九九精品影院| 在线观看午夜福利视频| a级毛片在线看网站| 亚洲九九香蕉| 变态另类丝袜制服| 又紧又爽又黄一区二区| 亚洲精品一卡2卡三卡4卡5卡| 91在线观看av| 老司机福利观看| 亚洲欧美激情综合另类| x7x7x7水蜜桃| 成人av在线播放网站| 18禁国产床啪视频网站| 欧美绝顶高潮抽搐喷水| 丁香六月欧美| 婷婷亚洲欧美| 999精品在线视频| 亚洲成人精品中文字幕电影| 国产三级在线视频| 久久婷婷人人爽人人干人人爱| 深夜精品福利| 制服丝袜大香蕉在线| 亚洲九九香蕉| 国产精品久久久人人做人人爽| 最新中文字幕久久久久 | 色哟哟哟哟哟哟| 校园春色视频在线观看| 女人被狂操c到高潮| 制服人妻中文乱码| 波多野结衣巨乳人妻| 又黄又爽又免费观看的视频| 欧美乱码精品一区二区三区| 又黄又爽又免费观看的视频| 国产精品1区2区在线观看.| www.自偷自拍.com| 久久精品人妻少妇| 国产又色又爽无遮挡免费看| 亚洲精品美女久久av网站| 亚洲无线在线观看| 国产精品久久久久久人妻精品电影| 欧美在线一区亚洲| 18禁黄网站禁片午夜丰满| 国产日本99.免费观看| 午夜福利成人在线免费观看| 国产成人av激情在线播放| 亚洲午夜理论影院| 中文字幕av在线有码专区| 激情在线观看视频在线高清| 亚洲一区二区三区色噜噜| 亚洲国产精品999在线| 亚洲成人久久性| 999久久久国产精品视频| 国产成人系列免费观看| 国产高清视频在线观看网站| 日本a在线网址| 国模一区二区三区四区视频 | 真人做人爱边吃奶动态| h日本视频在线播放| 午夜视频精品福利| 久久婷婷人人爽人人干人人爱| 国产精品久久久久久精品电影| 嫩草影院精品99| cao死你这个sao货| 欧美乱妇无乱码| 桃色一区二区三区在线观看| 人妻丰满熟妇av一区二区三区| 91老司机精品| 天堂av国产一区二区熟女人妻| 手机成人av网站| 日韩免费av在线播放| 热99在线观看视频| 天天添夜夜摸| 69av精品久久久久久| 国产欧美日韩一区二区精品| 一边摸一边抽搐一进一小说| 国产单亲对白刺激| 免费观看精品视频网站| 欧美激情久久久久久爽电影| 精品国产超薄肉色丝袜足j| 午夜影院日韩av| 国产欧美日韩精品亚洲av| 久久久久久久精品吃奶| 18禁黄网站禁片午夜丰满| 亚洲欧美精品综合久久99| 可以在线观看毛片的网站| 在线观看66精品国产| 欧美又色又爽又黄视频| 午夜福利欧美成人| 亚洲精品国产精品久久久不卡| 嫩草影院入口| 美女高潮的动态| 欧美国产日韩亚洲一区| 亚洲国产日韩欧美精品在线观看 | 人妻夜夜爽99麻豆av| 男人舔奶头视频| 99热只有精品国产| 欧美在线一区亚洲| e午夜精品久久久久久久| 亚洲av成人精品一区久久| 熟妇人妻久久中文字幕3abv| 国产精品乱码一区二三区的特点| 欧美一区二区精品小视频在线| 国产一区二区在线观看日韩 | 精品福利观看| 在线观看66精品国产| 国产亚洲av高清不卡| 一区二区三区高清视频在线| 亚洲精品在线观看二区| 国产主播在线观看一区二区| 99热只有精品国产| 久久久国产精品麻豆| 日本a在线网址| 毛片女人毛片| 国产人伦9x9x在线观看| 女人被狂操c到高潮| 成人精品一区二区免费| 国产亚洲av高清不卡| 色噜噜av男人的天堂激情| 国产野战对白在线观看| 精品乱码久久久久久99久播| 欧美在线一区亚洲| 首页视频小说图片口味搜索| 在线国产一区二区在线| 特级一级黄色大片| 又粗又爽又猛毛片免费看| 欧美黄色片欧美黄色片| 国产成人精品无人区| 久久午夜亚洲精品久久| 日本 欧美在线| 狂野欧美白嫩少妇大欣赏| 精品久久久久久成人av| 精品午夜福利视频在线观看一区| 国产精品久久电影中文字幕| 亚洲午夜理论影院| 久久精品人妻少妇| 九色成人免费人妻av| 叶爱在线成人免费视频播放| 99在线视频只有这里精品首页| 最近最新中文字幕大全电影3| 亚洲色图av天堂| 久久人人精品亚洲av| 国产av不卡久久| 国产高清有码在线观看视频| 香蕉国产在线看| 久久这里只有精品19| 一区二区三区国产精品乱码| 国产1区2区3区精品| 色哟哟哟哟哟哟| 国产精品一区二区三区四区久久| 国模一区二区三区四区视频 | 久久久久久九九精品二区国产| 丰满的人妻完整版| 国产成人精品久久二区二区91| 精品久久蜜臀av无| 精品久久久久久久久久久久久| 日韩国内少妇激情av| ponron亚洲| 亚洲精品国产精品久久久不卡| 麻豆成人午夜福利视频| 久久久久国内视频| 色av中文字幕| netflix在线观看网站| 精品国产超薄肉色丝袜足j| www日本在线高清视频| 在线视频色国产色| 免费观看人在逋| aaaaa片日本免费| 一级毛片高清免费大全| 日韩大尺度精品在线看网址| 在线a可以看的网站| 国产一区二区在线观看日韩 | 99久久精品热视频| 亚洲国产欧美人成| 女警被强在线播放| 狂野欧美激情性xxxx| 国产精品亚洲美女久久久| 男女午夜视频在线观看| 亚洲av日韩精品久久久久久密| 高清毛片免费观看视频网站| 日本在线视频免费播放| 亚洲专区字幕在线| 亚洲自拍偷在线| 国产精品精品国产色婷婷| 欧美丝袜亚洲另类 | 欧美极品一区二区三区四区| 国产久久久一区二区三区| 日本熟妇午夜| 国产成人系列免费观看| 国产成人精品久久二区二区91| 美女 人体艺术 gogo| 亚洲中文日韩欧美视频| 一进一出抽搐gif免费好疼| 变态另类丝袜制服| 操出白浆在线播放| x7x7x7水蜜桃| 99国产精品99久久久久| 国产极品精品免费视频能看的| 国产精品免费一区二区三区在线| 麻豆av在线久日| 亚洲精品乱码久久久v下载方式 | 香蕉久久夜色| 日韩人妻高清精品专区| 国产一区二区在线av高清观看| 99在线视频只有这里精品首页| 精品午夜福利视频在线观看一区| 亚洲va日本ⅴa欧美va伊人久久| 国产成人系列免费观看| 18禁美女被吸乳视频| x7x7x7水蜜桃| 国产亚洲精品av在线| 亚洲精品在线观看二区| 亚洲性夜色夜夜综合| 亚洲国产色片| 国产精品 欧美亚洲| 欧美日韩精品网址| 色综合亚洲欧美另类图片| 性色avwww在线观看| 男女那种视频在线观看| 国产精品综合久久久久久久免费| av欧美777| 午夜福利在线观看吧| svipshipincom国产片| 午夜两性在线视频| 精品乱码久久久久久99久播| 这个男人来自地球电影免费观看| 国产综合懂色| 两个人的视频大全免费| 久久久水蜜桃国产精品网| 国产成人av教育| 国产亚洲精品一区二区www| 欧美一区二区精品小视频在线| 国产精品日韩av在线免费观看| 可以在线观看的亚洲视频| 亚洲中文日韩欧美视频| 2021天堂中文幕一二区在线观| 色综合站精品国产| 热99re8久久精品国产| 国产伦一二天堂av在线观看| 97人妻精品一区二区三区麻豆| 91在线精品国自产拍蜜月 | 亚洲一区高清亚洲精品| 亚洲国产精品合色在线| 国产真人三级小视频在线观看| 欧洲精品卡2卡3卡4卡5卡区| 国产精品国产高清国产av| 亚洲激情在线av| 免费看十八禁软件| 免费在线观看日本一区| 免费看光身美女| 久久精品国产亚洲av香蕉五月| 桃红色精品国产亚洲av| 淫妇啪啪啪对白视频| 又粗又爽又猛毛片免费看| 51午夜福利影视在线观看| 99久国产av精品| 国产精品98久久久久久宅男小说| 宅男免费午夜| 麻豆国产av国片精品| 成人一区二区视频在线观看| 日本与韩国留学比较| 国产午夜精品久久久久久| 成年免费大片在线观看| 少妇熟女aⅴ在线视频| 男人舔女人下体高潮全视频| 日本一二三区视频观看| 女人被狂操c到高潮| 欧美不卡视频在线免费观看| 热99在线观看视频| 亚洲五月婷婷丁香| 欧美最黄视频在线播放免费| 一级黄色大片毛片| 深夜精品福利| 亚洲欧美激情综合另类| 欧美激情久久久久久爽电影| 色吧在线观看| 在线免费观看不下载黄p国产 | 欧美日韩精品网址| 亚洲熟妇中文字幕五十中出| e午夜精品久久久久久久| 99在线视频只有这里精品首页| 一区二区三区国产精品乱码| 久久国产乱子伦精品免费另类| 成在线人永久免费视频| 日本a在线网址| 级片在线观看| 成人av一区二区三区在线看| 午夜亚洲福利在线播放| 欧美成人免费av一区二区三区| 成年女人看的毛片在线观看| 精品国产超薄肉色丝袜足j| 亚洲狠狠婷婷综合久久图片| www.精华液| 国内精品美女久久久久久| 精品国产乱码久久久久久男人| 首页视频小说图片口味搜索| 麻豆成人av在线观看| 国产精品av视频在线免费观看| 啪啪无遮挡十八禁网站| svipshipincom国产片| 午夜福利高清视频| 亚洲欧美日韩卡通动漫| 九色国产91popny在线| 日本五十路高清| 一进一出好大好爽视频| 国产精华一区二区三区| 亚洲在线观看片| 亚洲av成人不卡在线观看播放网| 中文字幕熟女人妻在线| 日本在线视频免费播放| 一进一出抽搐gif免费好疼| 日韩欧美精品v在线| 亚洲av熟女| 成人欧美大片| 国产精品久久久av美女十八| 久久午夜亚洲精品久久| 少妇熟女aⅴ在线视频| 国产视频一区二区在线看| 欧美日韩中文字幕国产精品一区二区三区| 日本免费a在线| 桃色一区二区三区在线观看| 久久香蕉精品热| 俄罗斯特黄特色一大片| www.熟女人妻精品国产| 色综合欧美亚洲国产小说| 白带黄色成豆腐渣| 国产午夜精品久久久久久| 欧美日韩亚洲国产一区二区在线观看| 亚洲成人久久性| 亚洲欧美日韩卡通动漫| 国产av麻豆久久久久久久| 精品福利观看| 久久久国产精品麻豆| 级片在线观看| 午夜福利18| 一本一本综合久久| 岛国在线观看网站| 动漫黄色视频在线观看| 国产精品久久久人人做人人爽| 精品一区二区三区四区五区乱码| 亚洲成av人片在线播放无| 国产爱豆传媒在线观看| 国产亚洲精品久久久com| 国产毛片a区久久久久| 精品国产亚洲在线| 黄频高清免费视频| 成人一区二区视频在线观看| 国产不卡一卡二| 最近最新免费中文字幕在线| 又黄又粗又硬又大视频| 国产成人啪精品午夜网站| 成年人黄色毛片网站| 国产高潮美女av| 亚洲欧美激情综合另类| 高清毛片免费观看视频网站| 亚洲国产中文字幕在线视频| 又黄又粗又硬又大视频| 99re在线观看精品视频| 亚洲av美国av| 亚洲欧美日韩高清专用| 特级一级黄色大片| 亚洲专区中文字幕在线| 在线观看美女被高潮喷水网站 | 亚洲五月天丁香| 久久精品亚洲精品国产色婷小说| 99热这里只有精品一区 | 制服人妻中文乱码| av片东京热男人的天堂| 黑人操中国人逼视频| 怎么达到女性高潮| 久久久色成人| 久久久久久久久免费视频了| 午夜免费成人在线视频| 最近最新免费中文字幕在线| 美女高潮的动态| 一级黄色大片毛片| 九色成人免费人妻av| 国产高清有码在线观看视频| 久9热在线精品视频| 国产欧美日韩精品一区二区| 国产精品久久久久久久电影 | www日本黄色视频网| 国产伦人伦偷精品视频| 午夜精品在线福利| 看黄色毛片网站| 精品午夜福利视频在线观看一区| 最近最新中文字幕大全免费视频| 欧美在线一区亚洲| 亚洲成a人片在线一区二区| 91在线观看av| 久久久久久九九精品二区国产| or卡值多少钱| 国产成人啪精品午夜网站| 又粗又爽又猛毛片免费看| 久久亚洲真实| 久久伊人香网站| 国产一区二区三区视频了| 亚洲精品一区av在线观看| 性色av乱码一区二区三区2| 久久久国产成人精品二区| 国产精品av久久久久免费| 免费看美女性在线毛片视频| 国产精品久久电影中文字幕| 脱女人内裤的视频| 免费无遮挡裸体视频| 亚洲av成人一区二区三| 亚洲自拍偷在线| 黄色视频,在线免费观看| 无人区码免费观看不卡| 欧美中文综合在线视频| 亚洲avbb在线观看| 757午夜福利合集在线观看| 99re在线观看精品视频| 俺也久久电影网| 免费看光身美女| 一a级毛片在线观看| 黄片大片在线免费观看| 亚洲专区字幕在线| 日韩欧美三级三区| 精品久久蜜臀av无| 免费在线观看影片大全网站| av视频在线观看入口| 看免费av毛片| 18禁黄网站禁片免费观看直播| 国产精华一区二区三区| 久久精品亚洲精品国产色婷小说| 亚洲精品色激情综合| 99久久精品国产亚洲精品| 岛国在线观看网站| 一进一出好大好爽视频| 香蕉国产在线看| 小蜜桃在线观看免费完整版高清| 少妇裸体淫交视频免费看高清| 国产精品亚洲美女久久久| 岛国在线免费视频观看| 白带黄色成豆腐渣| 国产精华一区二区三区| 只有这里有精品99| 久久久久久久久久久丰满| 日韩三级伦理在线观看| 中文字幕av在线有码专区| 最近视频中文字幕2019在线8| 搞女人的毛片| 久久午夜福利片| 美女脱内裤让男人舔精品视频| 亚洲av免费高清在线观看| 日日啪夜夜撸| 中文字幕制服av| 亚洲av.av天堂| 国产探花在线观看一区二区| 偷拍熟女少妇极品色| 看免费成人av毛片| 18禁裸乳无遮挡免费网站照片| 国产女主播在线喷水免费视频网站 | 岛国毛片在线播放| 国产在视频线精品| 日韩av在线免费看完整版不卡| 久久久国产成人精品二区| 亚洲国产精品专区欧美| 成人午夜精彩视频在线观看| 我要搜黄色片| 高清午夜精品一区二区三区| 国产中年淑女户外野战色| 亚洲欧美日韩无卡精品| 国产精品蜜桃在线观看| 五月玫瑰六月丁香| 欧美激情国产日韩精品一区| 男人的好看免费观看在线视频| 波多野结衣高清无吗| 国产精品久久久久久久久免| 亚洲自偷自拍三级| 伦精品一区二区三区| 最后的刺客免费高清国语| 身体一侧抽搐| 久久久国产成人精品二区| 高清日韩中文字幕在线| 精品久久久久久久人妻蜜臀av| 国产黄色小视频在线观看| 精品酒店卫生间| 亚洲国产最新在线播放| 日日啪夜夜撸| 天堂影院成人在线观看| 成人特级av手机在线观看| 日本熟妇午夜| 一区二区三区乱码不卡18| 久久久亚洲精品成人影院| 麻豆精品久久久久久蜜桃| 亚洲av.av天堂| 亚洲国产日韩欧美精品在线观看| 嫩草影院入口| 日本免费一区二区三区高清不卡| 欧美成人精品欧美一级黄| 免费电影在线观看免费观看| 亚洲无线观看免费| 丰满少妇做爰视频| 亚洲精品自拍成人| 国产精品久久电影中文字幕| 一级毛片电影观看 | 久久久久久国产a免费观看| 国产毛片a区久久久久| 亚洲欧美日韩高清专用| 看非洲黑人一级黄片| 久久久久久久亚洲中文字幕| 日本爱情动作片www.在线观看| 永久网站在线| 女人被狂操c到高潮| 美女黄网站色视频| 国产成人午夜福利电影在线观看| 久久午夜福利片| 国产亚洲5aaaaa淫片| 国产大屁股一区二区在线视频| 欧美性感艳星| 人体艺术视频欧美日本| 能在线免费观看的黄片| 亚洲精品自拍成人| 免费看av在线观看网站| 成人毛片60女人毛片免费| 婷婷六月久久综合丁香| 免费看av在线观看网站| 哪个播放器可以免费观看大片| 国产麻豆成人av免费视频| 日韩av在线免费看完整版不卡| 国产成人a∨麻豆精品| 美女脱内裤让男人舔精品视频| 精品欧美国产一区二区三| 欧美日韩一区二区视频在线观看视频在线 | 亚洲在久久综合| 哪个播放器可以免费观看大片| 三级国产精品片| 久久99精品国语久久久| 99热6这里只有精品| 婷婷色麻豆天堂久久 | 熟女电影av网| 国产精品一区www在线观看| 久久久亚洲精品成人影院| a级毛色黄片| 亚洲精品成人久久久久久| 极品教师在线视频| 男人舔女人下体高潮全视频| 高清在线视频一区二区三区 | 男插女下体视频免费在线播放| 日本-黄色视频高清免费观看| 国产老妇伦熟女老妇高清| 91午夜精品亚洲一区二区三区| 久久精品久久久久久久性| eeuss影院久久| 国产又黄又爽又无遮挡在线| 美女黄网站色视频| 精品久久久久久久人妻蜜臀av| 综合色丁香网| 欧美+日韩+精品| 六月丁香七月| 精品一区二区三区人妻视频| 国产美女午夜福利| 黄片wwwwww| 看黄色毛片网站| 2021少妇久久久久久久久久久| av免费观看日本| 人人妻人人看人人澡| 一区二区三区乱码不卡18| av免费观看日本| 日韩欧美在线乱码| 一本一本综合久久| 久久婷婷人人爽人人干人人爱| 亚洲欧美成人精品一区二区| 春色校园在线视频观看| 日韩中字成人|