• <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 ?

    一種結(jié)合項目屬性的混合推薦算法①

    2017-10-13 12:05:48陳庚午王愛玲
    計算機系統(tǒng)應(yīng)用 2017年1期
    關(guān)鍵詞:用戶實驗

    于 波, 陳庚午,2, 王愛玲,2, 林 川,2

    ?

    一種結(jié)合項目屬性的混合推薦算法①

    于 波1, 陳庚午1,2, 王愛玲1,2, 林 川1,2

    1(中國科學(xué)院沈陽計算技術(shù)研究所, 沈陽 110168)2(中國科學(xué)院大學(xué), 北京 100049)

    傳統(tǒng)的協(xié)同過濾推薦算法中僅僅根據(jù)評分矩陣進(jìn)行推薦, 由于矩陣的稀疏性, 存在推薦質(zhì)量不高的問題. 本文提出了一種結(jié)合項目屬性相似性的混合推薦算法, 該算法通過計算項目之間屬性的相似性, 并且與基于項目的協(xié)同過濾算法中的相似性動態(tài)結(jié)合, 通過加權(quán)因子的變化控制兩種相似性的比重來改善協(xié)同過濾中的稀疏性問題, 并且將綜合預(yù)測評分和基于用戶的協(xié)同過濾預(yù)測評分相結(jié)合來提高推薦質(zhì)量, 最終根據(jù)綜合評分來進(jìn)行推薦. 通過實驗數(shù)據(jù)實驗證明, 該算法解決了協(xié)同過濾算法的矩陣稀疏性問題.

    協(xié)同過濾; 混合算法; 綜合相似性; 稀疏性; 項目屬性

    目前, 個性化推薦技術(shù)[1]是解決信息過載的主要的有效手段, 它根據(jù)分析用戶的歷史行為信息, 在海量信息中運用推薦算法自動快速的發(fā)現(xiàn)符合用戶個人興趣的服務(wù)和內(nèi)容, 推薦算法作為個性化推薦技術(shù)的核心部分起到了重要作用, 其中協(xié)同過濾算法得到了廣泛地應(yīng)用.

    協(xié)同過濾算法[2-5]的基本原理是通過對用戶歷史行為數(shù)據(jù)的挖掘發(fā)現(xiàn)用戶的偏好, 基于不同的偏好對用戶進(jìn)行群組劃分并推薦品味相似的商品. 根據(jù)協(xié)同過濾的相關(guān)特征, 協(xié)同過濾算法分成基于用戶的協(xié)同過濾算法和基于項目的協(xié)同過濾算法. 基于用戶的協(xié)同過濾首先計算活動用戶和其他用戶之間的相似度, 并從相似用戶的興趣為目標(biāo)用戶進(jìn)行推薦. 基于項目的協(xié)同過濾基于這樣的假設(shè): 能夠引起用戶興趣的項, 必定與之前評分高的項相似.

    本實驗室新媒體廣播項目主要是為沈陽廣播電臺, 煙臺廣播電臺和長春廣播電臺提供新媒體廣播服務(wù), 旨在將電臺廣播與互聯(lián)網(wǎng)結(jié)合, 打造包括后臺服務(wù)、主持人端、導(dǎo)播端和移動端的一體化新媒體廣播服務(wù)平臺. 在移動端和主持人端的交互過程中發(fā)現(xiàn), 服務(wù)平臺于廣播欄目的個性化推薦依然一種有效的推薦措施. 由于欄目的收聽和互動存在很強的時間聚集性,所以由此衍生的評分矩陣具有很強的稀疏性. 而且在協(xié)同過濾推薦算法中, 數(shù)據(jù)稀疏性問題是影響協(xié)同過濾系統(tǒng)推薦質(zhì)量的一個關(guān)鍵原因, 由于評分矩陣的稀疏, 導(dǎo)致用戶相似性度計算的評分向量中共同評分項太少, 使得相似性的度量誤差變大, 最近鄰居搜尋的結(jié)果的準(zhǔn)確性也就會變得難以保證, 最終進(jìn)行評分預(yù)測時就會使最終的預(yù)測值和真實評分值之間產(chǎn)生較大的誤差, 從而影響推薦的準(zhǔn)確度. 針對于此問題, 本文提出一種基于內(nèi)容過濾和協(xié)同過濾相結(jié)合的混合模式推薦技術(shù)[6,7], 將基于項目屬性的相似性和協(xié)同過濾中基于項目的相似性結(jié)合, 提出一種新的相似性度量方法, 解決協(xié)同過濾中的矩陣稀疏問題.

    1 相關(guān)工作

    在大部分的推薦系統(tǒng)當(dāng)中, 用戶對于項目的評分是非常有限的. 比如在視頻推薦的系統(tǒng)中, 視頻的數(shù)目數(shù)以十萬計, 然而用戶參與評價的視頻最多至幾十部, 再次基礎(chǔ)上的評分?jǐn)?shù)據(jù)相當(dāng)稀疏, 由此產(chǎn)生的評分向量并不能準(zhǔn)確的計算用戶之間的相似性. 由此協(xié)同過濾的推薦質(zhì)量大大下降.

    協(xié)同過濾中矩陣稀疏性問題一直是人們研究的重點, 在眾多解決方法中, 最為簡單的辦法就是為用戶未評分的項目設(shè)定一個固定的缺省值, 一般將缺少的評分設(shè)定為整個評分范圍的中間值, 例如評分范圍為1~5分制時將評分設(shè)定為3分. 這種改進(jìn)措施在一定程度上可以提高協(xié)同過濾的推薦準(zhǔn)確度但是添加的缺省值并不能準(zhǔn)確的表示實際評分情況, 所以此方法不能從根本上解決稀疏性帶來的問題. 目前很多學(xué)者也提出了可以有效解決協(xié)同過濾稀疏性的方法, 比較成功的主要有大類: 一種是通過數(shù)學(xué)原理降低矩陣的稀疏性, 通過奇異值分解技術(shù)平滑輸入矩陣, 降低矩陣的維數(shù)從而降低矩陣的稀疏性. 但是分解技術(shù)算法時間復(fù)雜度較高, 并且降低維數(shù)往往會導(dǎo)致評分矩陣中信息的丟失, 在評分極度稀疏的情況下, 效果并不理想. 另一種解決方法是通過融合推薦算法來解決協(xié)同過濾中矩陣稀疏性的問題, 在協(xié)同過濾的計算過程中加入內(nèi)容的預(yù)測等. 本文即選擇了混合算法的策略, 提出了結(jié)合屬性相似性的協(xié)同過濾中的項目相似性的混合推薦算法.

    2 算法相關(guān)理論

    2.1 評分矩陣

    推薦系統(tǒng)包含M個用戶和N個項目, 它們形成了一個 M×N的矩陣列表, 此列表即為用戶-項目評分矩陣, 矩陣中的值R表示用戶對項目的評分, 其中評分的值設(shè)置為0-5之間的整數(shù), 如果R=0則表示用戶沒有對項目評分, 評分值越高表示用戶對項目喜愛程度越高.

    2.2 相似度的計算方法

    協(xié)同過濾算法中, 傳統(tǒng)的3種相似性度量方法分別為余弦相似性, 相關(guān)相似性和修正余弦相似性[8]. 本文采用修正余弦相似性計算方法. 在評分矩陣中, 每一個項目或者用戶都對應(yīng)一個有評分構(gòu)成的評分向量, 所以在基于用戶的協(xié)同過濾算法中, 用戶U---和用戶U的相似性計算公式如下所示:

    表示用戶U---U共同評分集合,表示平均評分.

    和用戶的相似性計算類似, 在基于項目的協(xié)同過濾算法中, 項目VV的相似性計算如下所示:

    3 結(jié)合項目屬性相似的協(xié)同過濾研究

    3.1 內(nèi)容預(yù)測的原理

    基于內(nèi)容的推薦算法來源于信息檢索領(lǐng)域, 其基本原理根據(jù)項目的屬性特征構(gòu)建項目的屬性特征文件, 然后通過項目的特征屬性文件與用戶的興趣愛好進(jìn)行相似性匹配, 將用戶感興趣的項目推薦給用戶. 內(nèi)容過濾的推薦技術(shù)僅僅考慮項目的屬性特征并不需要考慮到用戶的評價行為, 因此內(nèi)容的預(yù)測不會受到用戶評分稀疏性的影響. 在此基礎(chǔ)上本節(jié)對協(xié)同過濾中加入項目屬性特征相似性進(jìn)行了研究.

    3.2 項目屬性相似性的計算

    在協(xié)同過濾推薦算法中, 由于相似性是根據(jù)評分矩陣計算, 然而一些項目沒有足夠的評價, 所以由稀疏矩陣產(chǎn)生的評分向量并不能有效的計算項目之間的相似性[9]. 但是一般的協(xié)同過濾推薦系統(tǒng)會有對項目的簡單描述, 比如在廣播節(jié)目有欄目, 話題, 微博等類別屬性, 而欄目又具有生活, 醫(yī)療, 娛樂, 音樂, 交通等屬性. 這些欄目的屬性, 可以看成是有關(guān)項目的關(guān)鍵詞, 這樣, 每個項目Itemi就可以由關(guān)鍵詞來描述, 如下:

    Itemi={A1, A2, …, An}

    則通過分析項目信息就可以得到項目-屬性矩陣; 假設(shè)Item個數(shù)為n, 屬性的個數(shù)是k, 則項目-屬性矩陣如表1所示.

    表1 項目-屬性表

    其中, 1表示項目擁有屬性, 0表示沒有此屬性.

    其中項目CC表示項目V和項目V的屬性向量,表示結(jié)果向量中1的個數(shù).

    3.3 綜合相似性的計算

    協(xié)同過濾的推薦效果一般要優(yōu)于內(nèi)容過濾[9], 因此, 在推薦過程中主要還是依賴協(xié)同過濾, 但是由于在評分矩陣極端稀疏的情況下, 對兩個項目進(jìn)行評分的用戶集合可能很小. 如果只有一兩個用戶對項目共同評分, 即使算出的相似度較高其可信度也是較低的. 所以, 在基于項目的協(xié)同過濾中, 根據(jù)評分計算項目相似性的同時加入屬性的相似性, 將兩種相似行進(jìn)行線性組合, 最終得到項目的綜合相似性.

    在協(xié)同過濾算法中, 基于項目的基本原理是根據(jù)所有用戶對項目的偏好, 發(fā)現(xiàn)項目和項目之間的相似度, 即假設(shè)能夠引起使用者興趣的物品, 必定與其之前偏好的物品相似, 通過計算物品間的相關(guān)來做推薦[10]. 其原理如圖1所示.

    如圖所示, 物品a同時被用戶a和用戶b喜歡, 物品c也同時被用戶a和用戶b喜歡, 因此可以認(rèn)為物品a和物品c具有相似性, 同時用戶c喜歡物品a, 所以可以將與物品a具有相似性的物品c推薦給用戶.

    根據(jù)上述原理, 通過評分矩陣提取出兩個項目的評分向量, 則通過基于項目的相似性計算公式即公式(2)可以得到兩個項目之間的相似性.

    圖1 協(xié)同過濾原理圖

    為了提高質(zhì)量, 本文將兩種相似性進(jìn)行線性組合, 引入權(quán)值變量λ, 由于基于評分的相似性與兩個項目的共同評分用戶的數(shù)量有關(guān), 共同評分用戶越多相似性越準(zhǔn)確, 所以權(quán)值變量λ的計算公式如下:

    (5)

    如公式所示, λ和兩個項目的共同評分用戶數(shù)目息息相關(guān), 如果兩個項目的共同評分用戶數(shù)目越多, 則基于評分的項目相似性所占的比重越大, 從而使相似度計算更加準(zhǔn)確.

    通過分析公式(5)可知, 如果存在冷啟動項目, 即沒有用戶進(jìn)行評價, 則λ的值為0, 此時可以根據(jù)項目本身的相似性計算得到其相似項目集合來預(yù)測評分. 如果存在評分矩陣極度稀疏的情況, 同樣λ的值會相應(yīng)的減小, 根據(jù)評分計算的相似性比重也較少, 所以可以減少稀疏性對于相似性計算的影響, 由此可知, 綜合相似性的計算可以在一定程度上解決推薦算法中的矩陣稀疏性問題.

    3.4 綜合評分的預(yù)測

    由上述可知, 由綜合相似性得到的評分P僅僅是根據(jù)項目之間的相似性計算而來, 而忽略了用戶之間的相似性對于推薦算法的影響, 因此, 在得到項目之間的相似性的同時, 本文引入?yún)f(xié)同過濾中基于用戶的相似性計算. 在協(xié)同過濾中, 與計算項目相似性類似, 通過評分矩陣可以得到每個用戶的評分向量, 則通過公式(1)可以得到用戶之間的相似性, 由次引入基于用戶的協(xié)同過濾預(yù)測評分, 其計算公式如下:

    (7)

    在得到根據(jù)項目相似性計算的預(yù)測評分P和根據(jù)用戶之間的相似性計算的預(yù)測評分P之后, 通過權(quán)值因子將兩個評分線性組合, 通過實驗來確定的值, 最終得到綜合預(yù)測評分來進(jìn)行推薦. 其組合公式如下:

    其中為權(quán)重因子,∈[0,1].

    3.5 推薦過程

    為了解決協(xié)同過濾中冷啟動和稀疏性的問題, 本文引入了基于項目本身屬性相似性的計算, 將項目屬性相似和基于項目的協(xié)同過濾相似性線性結(jié)合, 然后將混合預(yù)測評分與基于用戶的協(xié)同過濾評分動態(tài)結(jié)合, 最終的到綜合預(yù)測評分. 其推薦過程如圖2所示.

    推薦過程描述如下:

    Step1: 根據(jù)公式(3)計算項目之間基于屬性的相似度.

    Step2: 根據(jù)公式(2)計算項目之間基于評分的相似度.

    Step3: 根據(jù)公式(5)計算項目之間的綜合相似度:.

    Step4: 根據(jù)公式(6)計算基于項目綜合相似性的預(yù)測評分P.

    Step5: 根據(jù)公式(7)計算基于用戶相似性的預(yù)測評分PU.

    Step6: 根據(jù)公式(8)計算最終綜合預(yù)測評分P.

    Step7: 根據(jù)綜合評分P對項目進(jìn)行降序排序, 將集合的top—k推薦給用戶.

    4 實驗結(jié)果及分析

    4.1 實驗數(shù)據(jù)

    本文采用本實驗室統(tǒng)計的用戶與欄目交互的實際數(shù)據(jù), 用戶與欄目的互動行為包含收藏, 點贊, 評論, 閱讀, 和收聽五個行為, 根據(jù)用戶的行為為欄目打分, 其中收藏2分, 點贊, 評論分別1分, 閱讀收聽分別0.5分由此可得到用戶和欄目的評分矩陣. 根據(jù)實驗室得到的數(shù)據(jù)經(jīng)過處理可以得到1000個用戶對97個欄目10000條評分記錄, 評分范圍為1~5. 數(shù)值越高表示用戶對欄目的偏愛程度越高, 本文將數(shù)據(jù)集按照80%的訓(xùn)練集和20%的測試集劃分. 同時每部欄目都有其所屬的類別, 本文將欄目分成以下類別: 生活, 醫(yī)療, 音樂, 交通, 新聞, 教育, 談話, 服務(wù), 戲劇, 綜藝. 然后將這10種類別作為欄目的屬性, 用于獲得欄目的屬性相似度.

    4.2 度量標(biāo)準(zhǔn)

    推薦系統(tǒng)常用的度量標(biāo)準(zhǔn)有平均絕對偏差MAE和均方根誤差RMSE. 本文采用平均絕對偏差MAE作為度量標(biāo)準(zhǔn), MAE用于度量推薦算法的估計評分與真實值之間的差異. MAE值越小, 估計的準(zhǔn)確性越高,定義如下:

    其中P-為用戶對項目的預(yù)測評分,r為用戶對項目的真是實際評分,為測試集中記錄評分的個數(shù).

    4.3 實驗結(jié)果

    實驗一: 確定權(quán)重因子.

    取項目和用戶的最近鄰居數(shù)目都為30做實驗, 通過改變權(quán)重因子值觀測MAE的變化. 其中的值以0.1為步長從0.2變化到0.8. 混合推薦算法的平均絕對誤差MAE如圖3所示.

    圖3 實驗一結(jié)果

    從圖3可以看出, 當(dāng)α的值取值太大或太小推薦效果并不是最好, 當(dāng)α=0.6時MAE的值最小, 意味著推薦質(zhì)量最好. 因此取α=0.6進(jìn)行實驗二, 來確定最近鄰居數(shù)并比較兩種算法的優(yōu)劣.

    實驗二: 比較混合算法與協(xié)同過濾的優(yōu)劣.

    由實驗一確定α后, 通過改變最近鄰居數(shù)目來觀察MAE值的變化, 同時與基于用戶的協(xié)同過濾作推薦結(jié)果比較如圖4所示.

    圖4 實驗二結(jié)果

    從圖4可以看出, 當(dāng)最近鄰居數(shù)目為50的時候推薦效果比較好, 而且通過兩個曲線比較可以看出, 混合算法的MAE相對于協(xié)同過濾算法有明顯的減小, 所以改進(jìn)的推薦混合推薦算法具有比較好的準(zhǔn)確性和比較好的推薦效果.

    實驗三: 稀疏性比較

    在通過實驗一和實驗二確定了α和最近鄰居的數(shù)目后, 此實驗通過改變評分矩陣的稀疏性來比較協(xié)同過濾和混合算法的優(yōu)劣. 由實驗室的數(shù)據(jù)可以計算的當(dāng)前數(shù)據(jù)集合的稀疏等級為1-10000/(97*1000)=0.89. 為此通過刪除評分?jǐn)?shù)據(jù)來增加矩陣的稀疏等級, 刪除的策略為優(yōu)先刪除參與評分用戶數(shù)目較少的項目的數(shù)據(jù), 即優(yōu)先刪除冷門欄目, 由此矩陣的評分更加稀疏. 分別選擇稀疏程度在0.89, 0.92, 0.95, 0.98數(shù)據(jù)集合進(jìn)行試驗結(jié)果如圖5.

    圖5 稀疏性比較

    由實驗結(jié)果可知, 傳統(tǒng)的協(xié)同過濾在矩陣稀疏的情況下推薦質(zhì)量會大大的減少, 而本文提出的混合推薦算法, 雖然隨著矩陣的稀疏增加推薦準(zhǔn)確度也有所下降, 但是相對于協(xié)同過濾算法具有明顯的優(yōu)勢. 因此混合推薦算法在降低了矩陣稀疏對于推薦結(jié)果的影響.

    5 結(jié)語

    本文對傳統(tǒng)推薦算法進(jìn)行了優(yōu)化, 增加權(quán)值因子來組合項目屬性相似性和協(xié)同過濾的相似性, 得到的相似性度量方法使得計算的項目的最近鄰居更加準(zhǔn)確. 實驗結(jié)果表明, 本文提出的算法顯著提高了協(xié)同過濾推薦算法的推薦質(zhì)量, 并且可以有效解決評分矩陣稀疏性的問題. 實驗不足之處是在解決用戶冷啟動問題上, 計算精度還有待提高, 需要進(jìn)一步的深入研究.

    1 冷亞軍,陸青,梁昌勇.協(xié)同過濾推薦技術(shù)綜述.模式識別與人工智能,2014,8:720–734.

    2 楊博,趙鵬飛.推薦算法綜述.山西大學(xué)學(xué)報(自然科學(xué)版),2011,3:337–350.

    3 劉青文.基于協(xié)同過濾的推薦算法研究[博士學(xué)位論文].合肥:中國科學(xué)技術(shù)大學(xué),2013.

    4 孔維梁.協(xié)同過濾推薦系統(tǒng)關(guān)鍵問題研究[博士學(xué)位論文].武漢:華中師范大學(xué),2013.

    5 Peng H. Research of collaborative filtering recommendation algorithm based on network structure. Journal of Networks, 2013: 810.

    6 Gong S. A collaborative filtering recommendation algorithm based on user clustering and item clustering. Journal of Software, 2010, 5(7): 745–752.

    7 張馳,陳剛,王慧敏.基于混合推薦技術(shù)的推薦模型.計算機工程,2010,22:248–250,253.

    8 張旭陽.基于權(quán)重的混合推薦策略研究[碩士學(xué)位論文].昆明:云南大學(xué),2015.

    9 張騰季.個性化混合推薦算法的研究[碩士學(xué)位論文].杭州:浙江大學(xué),2013.

    10 高虎明,趙鳳躍.一種融合協(xié)同過濾和內(nèi)容過濾的混合推薦方法.現(xiàn)代圖書情報技術(shù),2015,6:20–26.

    Hybrid Recommendation Algorithm Combined with the Project Properties

    YU Bo1, CHEN Geng-Wu1,2, WANG Ai-Ling1,2, LIN Chuan1,2

    1(Shenyang Institute of Computing Technology, Chinese Academy of Sciences, Shenyang 110168, China)2( University of Chinese Academy of Sciences, Beijing 100049, China)

    Traditional collaborative filtering recommendation algorithm only bases on matrix. Due to the sparsity of matrix, the quality of recommendation is not high. This paper proposes a hybrid recommendation algorithm whose similarity is combined with the properties of projects. This algorithm improves the data sparseness in collaborative filtering through the change of the weighted factor, controlling the proportion of two kinds of similarity that one is the similarity of attribute between projects and the other is the similarity of item-based collaborative filtering algorithm. And the comprehensive prediction score and user-based collaborative filtering prediction score are combined to improve the quality of recommendation. Finally, the recommendation is given according to the comprehensive scores. Experiments show that the algorithm has better recommendation quality.

    collaborative filtering; hybrid algorithm; comprehensive similarity; sparse matrix; project properties

    2016-04-06;收到修改稿時間:2016-04-27

    [10.15888/j.cnki.csa.005490]

    猜你喜歡
    用戶實驗
    記一次有趣的實驗
    微型實驗里看“燃燒”
    做個怪怪長實驗
    關(guān)注用戶
    商用汽車(2016年11期)2016-12-19 01:20:16
    NO與NO2相互轉(zhuǎn)化實驗的改進(jìn)
    實踐十號上的19項實驗
    太空探索(2016年5期)2016-07-12 15:17:55
    關(guān)注用戶
    商用汽車(2016年6期)2016-06-29 09:18:54
    關(guān)注用戶
    商用汽車(2016年4期)2016-05-09 01:23:12
    Camera360:拍出5億用戶
    100萬用戶
    老司机午夜十八禁免费视频| 又紧又爽又黄一区二区| √禁漫天堂资源中文www| 免费搜索国产男女视频| 久久精品aⅴ一区二区三区四区| 久久久久久免费高清国产稀缺| 精品午夜福利视频在线观看一区| 亚洲色图 男人天堂 中文字幕| 极品教师在线免费播放| 草草在线视频免费看| av天堂在线播放| 天堂影院成人在线观看| 久久精品成人免费网站| 亚洲,欧美精品.| 在线观看66精品国产| 国产激情偷乱视频一区二区| 人人澡人人妻人| 三级毛片av免费| 视频在线观看一区二区三区| 露出奶头的视频| 宅男免费午夜| 无遮挡黄片免费观看| 欧美日韩精品网址| 久久久久久久久免费视频了| 桃色一区二区三区在线观看| 午夜亚洲福利在线播放| 亚洲精品久久成人aⅴ小说| 国产一区二区三区视频了| 麻豆成人av在线观看| 亚洲欧洲精品一区二区精品久久久| 国产成人欧美在线观看| 两性夫妻黄色片| 国产伦人伦偷精品视频| 亚洲久久久国产精品| 大型黄色视频在线免费观看| 国产亚洲精品一区二区www| 啦啦啦免费观看视频1| 在线观看舔阴道视频| 久久香蕉激情| 欧美成人性av电影在线观看| 黄片小视频在线播放| 人人妻人人澡欧美一区二区| 757午夜福利合集在线观看| 精品一区二区三区四区五区乱码| 欧美性猛交黑人性爽| 日本免费一区二区三区高清不卡| 中文字幕久久专区| 国产97色在线日韩免费| 在线天堂中文资源库| 精品国内亚洲2022精品成人| 俺也久久电影网| 18禁裸乳无遮挡免费网站照片 | 久久精品国产亚洲av高清一级| 最近在线观看免费完整版| 欧美丝袜亚洲另类 | 一本大道久久a久久精品| 国产精品99久久99久久久不卡| 亚洲一区中文字幕在线| 老熟妇仑乱视频hdxx| 日韩欧美国产一区二区入口| 日韩成人在线观看一区二区三区| 天天躁狠狠躁夜夜躁狠狠躁| 美女免费视频网站| 亚洲片人在线观看| 日韩欧美三级三区| 国产精品久久久久久精品电影 | 精品国产乱子伦一区二区三区| 好看av亚洲va欧美ⅴa在| 精品高清国产在线一区| 欧美大码av| 欧美中文日本在线观看视频| 日韩一卡2卡3卡4卡2021年| 国产真实乱freesex| 久久久久九九精品影院| 久久久久久国产a免费观看| 欧美黑人精品巨大| 女人高潮潮喷娇喘18禁视频| 色播在线永久视频| 人妻久久中文字幕网| 日韩欧美一区二区三区在线观看| 精品人妻1区二区| 亚洲av成人不卡在线观看播放网| 精品人妻1区二区| 国产私拍福利视频在线观看| 19禁男女啪啪无遮挡网站| 在线天堂中文资源库| 亚洲性夜色夜夜综合| 精品久久久久久久末码| 久久性视频一级片| 久99久视频精品免费| 久久久精品国产亚洲av高清涩受| 成熟少妇高潮喷水视频| 最近最新中文字幕大全电影3 | 日韩精品中文字幕看吧| 亚洲专区字幕在线| 国语自产精品视频在线第100页| 国产精品98久久久久久宅男小说| 亚洲最大成人中文| 一级a爱视频在线免费观看| 久久人妻av系列| 黄片播放在线免费| 熟妇人妻久久中文字幕3abv| 亚洲专区国产一区二区| 成人永久免费在线观看视频| 成人精品一区二区免费| 波多野结衣巨乳人妻| 亚洲一区二区三区不卡视频| 日本成人三级电影网站| 亚洲一区二区三区色噜噜| 此物有八面人人有两片| 亚洲欧美日韩无卡精品| 久久婷婷人人爽人人干人人爱| 美女高潮喷水抽搐中文字幕| 波多野结衣高清作品| or卡值多少钱| 欧美成人性av电影在线观看| 成在线人永久免费视频| 欧美日韩乱码在线| 久久天躁狠狠躁夜夜2o2o| 亚洲第一青青草原| 国产精品av久久久久免费| 午夜a级毛片| 宅男免费午夜| 欧美+亚洲+日韩+国产| 麻豆成人av在线观看| 中文亚洲av片在线观看爽| 亚洲欧美精品综合久久99| 人成视频在线观看免费观看| 淫秽高清视频在线观看| 国产精品二区激情视频| 制服丝袜大香蕉在线| 色精品久久人妻99蜜桃| 国产日本99.免费观看| 一卡2卡三卡四卡精品乱码亚洲| 制服人妻中文乱码| 啦啦啦韩国在线观看视频| 91九色精品人成在线观看| 午夜两性在线视频| 91成人精品电影| 草草在线视频免费看| 成人亚洲精品一区在线观看| 麻豆av在线久日| 久久久久久亚洲精品国产蜜桃av| 91老司机精品| 婷婷亚洲欧美| 亚洲国产精品sss在线观看| 亚洲av电影在线进入| 久久性视频一级片| 国产成人啪精品午夜网站| 一级毛片女人18水好多| 国产精品一区二区免费欧美| 中文字幕高清在线视频| 国产精品免费视频内射| 午夜福利在线在线| 久久精品国产亚洲av香蕉五月| 丰满的人妻完整版| 亚洲中文av在线| 国产黄a三级三级三级人| 国产亚洲欧美在线一区二区| or卡值多少钱| 搡老妇女老女人老熟妇| 色播亚洲综合网| 欧美人与性动交α欧美精品济南到| 中文字幕精品亚洲无线码一区 | 十分钟在线观看高清视频www| 亚洲av成人一区二区三| 黄网站色视频无遮挡免费观看| 亚洲一区二区三区色噜噜| 国产精品影院久久| 搡老岳熟女国产| 色综合亚洲欧美另类图片| 宅男免费午夜| 哪里可以看免费的av片| 91成年电影在线观看| 日本免费a在线| 久久久久久久精品吃奶| 欧美成人一区二区免费高清观看 | 亚洲一区中文字幕在线| 老司机在亚洲福利影院| 亚洲电影在线观看av| 日韩免费av在线播放| 色在线成人网| 日本精品一区二区三区蜜桃| 国产精品久久视频播放| 国产极品粉嫩免费观看在线| 人妻久久中文字幕网| 男男h啪啪无遮挡| 一级毛片高清免费大全| 亚洲国产精品合色在线| 在线十欧美十亚洲十日本专区| 黑人巨大精品欧美一区二区mp4| 欧美日韩黄片免| 中文字幕人成人乱码亚洲影| 国产三级黄色录像| 亚洲精品久久国产高清桃花| 亚洲一区高清亚洲精品| 级片在线观看| 日韩国内少妇激情av| 国产精品一区二区精品视频观看| 手机成人av网站| 一区二区三区高清视频在线| 亚洲国产精品sss在线观看| 国产av一区二区精品久久| 哪里可以看免费的av片| 国产精品日韩av在线免费观看| 免费看美女性在线毛片视频| 亚洲五月婷婷丁香| 性欧美人与动物交配| 亚洲第一电影网av| 99国产精品99久久久久| 变态另类成人亚洲欧美熟女| 波多野结衣av一区二区av| 免费电影在线观看免费观看| 亚洲七黄色美女视频| 一进一出抽搐动态| 精品久久久久久成人av| 一区二区三区国产精品乱码| 久久香蕉精品热| 婷婷六月久久综合丁香| 1024香蕉在线观看| 日本 av在线| 黄色女人牲交| 中文字幕人妻丝袜一区二区| 在线永久观看黄色视频| 男女之事视频高清在线观看| 黑丝袜美女国产一区| 欧美日韩乱码在线| 最近在线观看免费完整版| bbb黄色大片| 男女那种视频在线观看| 欧美日韩精品网址| 日韩成人在线观看一区二区三区| 欧美日韩亚洲综合一区二区三区_| 一级作爱视频免费观看| 色尼玛亚洲综合影院| 天天一区二区日本电影三级| 此物有八面人人有两片| АⅤ资源中文在线天堂| a在线观看视频网站| 日韩欧美在线二视频| 中文字幕高清在线视频| 悠悠久久av| 国产亚洲欧美在线一区二区| 欧美乱妇无乱码| 久久久久久亚洲精品国产蜜桃av| 久久人妻av系列| 无限看片的www在线观看| 999精品在线视频| 在线观看一区二区三区| 久久久久久国产a免费观看| 色精品久久人妻99蜜桃| 日韩一卡2卡3卡4卡2021年| 久久国产精品人妻蜜桃| 超碰成人久久| 人人妻人人澡欧美一区二区| 免费在线观看完整版高清| 国产一区二区三区在线臀色熟女| 后天国语完整版免费观看| 亚洲欧洲精品一区二区精品久久久| 欧美精品亚洲一区二区| 无遮挡黄片免费观看| 亚洲性夜色夜夜综合| 国产成人影院久久av| 一进一出抽搐动态| 亚洲avbb在线观看| 9191精品国产免费久久| 欧美三级亚洲精品| 在线观看一区二区三区| 黄频高清免费视频| 大型av网站在线播放| 亚洲人成电影免费在线| 黄色丝袜av网址大全| 又黄又爽又免费观看的视频| 99国产极品粉嫩在线观看| 久久久久久大精品| 一边摸一边抽搐一进一小说| 免费在线观看亚洲国产| 欧美大码av| 日韩国内少妇激情av| 男人舔女人的私密视频| АⅤ资源中文在线天堂| 操出白浆在线播放| 可以免费在线观看a视频的电影网站| 最近最新中文字幕大全电影3 | 日日摸夜夜添夜夜添小说| 国产乱人伦免费视频| 男女午夜视频在线观看| 老汉色av国产亚洲站长工具| 在线观看免费日韩欧美大片| 久久草成人影院| 亚洲中文日韩欧美视频| 亚洲 欧美 日韩 在线 免费| 精华霜和精华液先用哪个| 国产一区二区激情短视频| 视频在线观看一区二区三区| 午夜福利成人在线免费观看| 久久久久久久久中文| 夜夜看夜夜爽夜夜摸| 男人舔女人下体高潮全视频| 亚洲无线在线观看| 午夜精品久久久久久毛片777| 午夜久久久久精精品| 女性被躁到高潮视频| 91成人精品电影| a级毛片a级免费在线| 国产精华一区二区三区| 最近最新中文字幕大全电影3 | 麻豆成人av在线观看| avwww免费| 亚洲av电影在线进入| 亚洲成a人片在线一区二区| 无限看片的www在线观看| 国产三级在线视频| 99国产综合亚洲精品| 亚洲人成伊人成综合网2020| 亚洲av成人一区二区三| 一区二区三区高清视频在线| 久久久国产欧美日韩av| 国产一区二区激情短视频| 中文字幕人妻熟女乱码| 精品第一国产精品| 欧美亚洲日本最大视频资源| 丰满的人妻完整版| 在线观看午夜福利视频| 日本在线视频免费播放| 天天一区二区日本电影三级| 欧美一区二区精品小视频在线| 男人舔女人下体高潮全视频| 久久久久久久精品吃奶| 久久伊人香网站| 亚洲熟女毛片儿| 亚洲精品色激情综合| 青草久久国产| 日日夜夜操网爽| 12—13女人毛片做爰片一| 在线天堂中文资源库| 午夜福利视频1000在线观看| 久久人妻av系列| 国产成人欧美| 亚洲精品国产精品久久久不卡| 久久久久久国产a免费观看| 欧美zozozo另类| 夜夜夜夜夜久久久久| 黑人欧美特级aaaaaa片| 女性被躁到高潮视频| 99久久久亚洲精品蜜臀av| 欧美午夜高清在线| 精品国产乱码久久久久久男人| 久久这里只有精品19| 中文字幕久久专区| 国内少妇人妻偷人精品xxx网站 | 亚洲成人久久性| 国产精品九九99| 国产日本99.免费观看| 色婷婷久久久亚洲欧美| 男女做爰动态图高潮gif福利片| 男人的好看免费观看在线视频 | 99热这里只有精品一区 | 国产又色又爽无遮挡免费看| 成在线人永久免费视频| 成年免费大片在线观看| 精品久久久久久久久久免费视频| 久久精品91蜜桃| 老汉色av国产亚洲站长工具| 99精品久久久久人妻精品| 日日爽夜夜爽网站| 韩国精品一区二区三区| 黄色视频,在线免费观看| 国产精品亚洲av一区麻豆| 欧美国产精品va在线观看不卡| 男人舔女人下体高潮全视频| 日韩av在线大香蕉| 法律面前人人平等表现在哪些方面| 欧美精品啪啪一区二区三区| 无遮挡黄片免费观看| 性色av乱码一区二区三区2| 久久久久国产一级毛片高清牌| 在线十欧美十亚洲十日本专区| 精品久久久久久,| 亚洲黑人精品在线| 午夜久久久在线观看| 精品福利观看| 日韩欧美一区视频在线观看| 18禁裸乳无遮挡免费网站照片 | 精品卡一卡二卡四卡免费| 日本五十路高清| 黑丝袜美女国产一区| 国产97色在线日韩免费| 欧美激情久久久久久爽电影| 久久狼人影院| 午夜福利在线观看吧| xxx96com| 国产高清视频在线播放一区| 琪琪午夜伦伦电影理论片6080| 99久久精品国产亚洲精品| 国产伦在线观看视频一区| 啦啦啦免费观看视频1| 久久精品91无色码中文字幕| 黑人欧美特级aaaaaa片| 一进一出抽搐gif免费好疼| 亚洲九九香蕉| 国产成人啪精品午夜网站| 国产99白浆流出| 啦啦啦 在线观看视频| 婷婷丁香在线五月| 亚洲专区国产一区二区| 变态另类丝袜制服| 狂野欧美激情性xxxx| 日本黄色视频三级网站网址| 午夜福利免费观看在线| 国产区一区二久久| 国产精品一区二区精品视频观看| 免费电影在线观看免费观看| 午夜福利视频1000在线观看| 亚洲 欧美一区二区三区| 18禁观看日本| 99国产精品一区二区蜜桃av| 久久久久久久久免费视频了| 人人妻人人澡欧美一区二区| 麻豆av在线久日| 中文字幕av电影在线播放| 91成人精品电影| 午夜福利在线观看吧| 久久国产亚洲av麻豆专区| 亚洲片人在线观看| 欧美日韩一级在线毛片| 亚洲av五月六月丁香网| 黄色视频不卡| 色av中文字幕| 少妇粗大呻吟视频| 国产精品久久久久久人妻精品电影| 欧美久久黑人一区二区| 日本五十路高清| 日韩高清综合在线| 一区二区三区国产精品乱码| 久久亚洲精品不卡| 成年人黄色毛片网站| 国产成人av激情在线播放| 波多野结衣av一区二区av| 国产黄色小视频在线观看| 99久久综合精品五月天人人| 亚洲av五月六月丁香网| 国产主播在线观看一区二区| 久久久久九九精品影院| 淫妇啪啪啪对白视频| 欧美+亚洲+日韩+国产| 男女视频在线观看网站免费 | 黄色片一级片一级黄色片| 午夜福利在线观看吧| 亚洲av片天天在线观看| 久久精品国产亚洲av香蕉五月| 一进一出抽搐动态| 亚洲av五月六月丁香网| 国产黄a三级三级三级人| 在线av久久热| 久久精品91蜜桃| 91av网站免费观看| 久久热在线av| 久久国产乱子伦精品免费另类| 午夜免费激情av| 欧美乱码精品一区二区三区| 国产私拍福利视频在线观看| 在线看三级毛片| 成人特级黄色片久久久久久久| or卡值多少钱| 精品久久久久久久久久久久久 | 免费高清视频大片| 亚洲国产中文字幕在线视频| 国内少妇人妻偷人精品xxx网站 | 看黄色毛片网站| 国内揄拍国产精品人妻在线 | 日本三级黄在线观看| 久久精品人妻少妇| 久久天躁狠狠躁夜夜2o2o| 好看av亚洲va欧美ⅴa在| 黄色女人牲交| 久久这里只有精品19| 国产精品1区2区在线观看.| 国产精品九九99| 日本在线视频免费播放| 欧美又色又爽又黄视频| 欧美黑人巨大hd| 国产亚洲精品一区二区www| 欧美黄色片欧美黄色片| www国产在线视频色| 亚洲一区二区三区色噜噜| а√天堂www在线а√下载| xxx96com| 亚洲成人精品中文字幕电影| 好男人在线观看高清免费视频 | 成人亚洲精品一区在线观看| 日本在线视频免费播放| av天堂在线播放| 国产亚洲av嫩草精品影院| 又黄又爽又免费观看的视频| 久久香蕉国产精品| 99热这里只有精品一区 | 免费电影在线观看免费观看| 亚洲欧美精品综合久久99| 成人av一区二区三区在线看| 夜夜爽天天搞| 看黄色毛片网站| 日韩欧美三级三区| 久久精品国产99精品国产亚洲性色| 亚洲精品国产区一区二| 两个人视频免费观看高清| 99精品在免费线老司机午夜| 草草在线视频免费看| 国产区一区二久久| 色哟哟哟哟哟哟| 最近最新免费中文字幕在线| 搡老熟女国产l中国老女人| 大香蕉久久成人网| 制服人妻中文乱码| 国产又色又爽无遮挡免费看| aaaaa片日本免费| 少妇粗大呻吟视频| 这个男人来自地球电影免费观看| 久久久久国产精品人妻aⅴ院| 欧美日韩乱码在线| 9191精品国产免费久久| 国产一区二区激情短视频| 淫妇啪啪啪对白视频| 亚洲久久久国产精品| 夜夜躁狠狠躁天天躁| 男人舔女人下体高潮全视频| 欧美成人免费av一区二区三区| av中文乱码字幕在线| 女警被强在线播放| 在线观看www视频免费| 满18在线观看网站| 好看av亚洲va欧美ⅴa在| 亚洲狠狠婷婷综合久久图片| 久久国产亚洲av麻豆专区| 日韩三级视频一区二区三区| 欧美久久黑人一区二区| 久久婷婷人人爽人人干人人爱| 特大巨黑吊av在线直播 | 免费在线观看黄色视频的| 少妇粗大呻吟视频| 两性夫妻黄色片| 亚洲 欧美 日韩 在线 免费| 久久久久九九精品影院| 精品不卡国产一区二区三区| 国产亚洲av嫩草精品影院| 国产一区二区三区视频了| 久久九九热精品免费| 在线观看66精品国产| 国产精品久久久久久人妻精品电影| 亚洲一区二区三区不卡视频| 久久久久久国产a免费观看| 人妻丰满熟妇av一区二区三区| 黄色女人牲交| 国产v大片淫在线免费观看| 国产av在哪里看| 国内精品久久久久久久电影| 一进一出抽搐gif免费好疼| 国产av又大| 动漫黄色视频在线观看| 丝袜人妻中文字幕| 国产精品99久久99久久久不卡| 日日干狠狠操夜夜爽| 中文字幕精品免费在线观看视频| 听说在线观看完整版免费高清| 国产1区2区3区精品| 国产黄a三级三级三级人| 国内精品久久久久精免费| 亚洲,欧美精品.| 一本精品99久久精品77| 国产蜜桃级精品一区二区三区| 亚洲精品国产一区二区精华液| 美女免费视频网站| 99久久综合精品五月天人人| 亚洲精品一区av在线观看| 99热6这里只有精品| 久久精品人妻少妇| 国产精品美女特级片免费视频播放器 | 亚洲国产欧美网| 久久久久久久午夜电影| 真人做人爱边吃奶动态| 国产精品日韩av在线免费观看| 国产精品电影一区二区三区| 黄色视频,在线免费观看| 国产精品野战在线观看| 国产精品日韩av在线免费观看| 女人爽到高潮嗷嗷叫在线视频| 国产精品日韩av在线免费观看| 麻豆一二三区av精品| 国内毛片毛片毛片毛片毛片| 久久久久免费精品人妻一区二区 | 男人操女人黄网站| 老司机靠b影院| 99精品久久久久人妻精品| 国产高清视频在线播放一区| 99精品久久久久人妻精品| 国产爱豆传媒在线观看 | 成人手机av| 999精品在线视频| 国产色视频综合| 黄色 视频免费看| 日韩有码中文字幕| 久久久久亚洲av毛片大全| av片东京热男人的天堂| 亚洲自拍偷在线| 欧美成人免费av一区二区三区| 午夜福利欧美成人| 午夜成年电影在线免费观看| 亚洲激情在线av| 成人18禁高潮啪啪吃奶动态图| 日韩欧美三级三区| 看免费av毛片| 午夜福利免费观看在线| 国产熟女xx| 两个人视频免费观看高清| 精品福利观看|