• <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 ?

    基于阿里巴巴大數(shù)據(jù)重復(fù)購(gòu)買預(yù)測(cè)的實(shí)證研究

    2018-02-07 09:40王克利鄧飛其
    時(shí)代金融 2018年3期
    關(guān)鍵詞:隨機(jī)森林

    王克利 鄧飛其

    【摘要】淘寶網(wǎng)站能夠收集到海量用戶的購(gòu)物行為日志,它使得掌握用戶的購(gòu)物偏好成為了可能。盡管用戶的購(gòu)買模式具有高度的多樣性和自由性,但是周期性的購(gòu)買是非常頻繁的現(xiàn)象。因此尋找用戶的周期行為對(duì)了解用戶對(duì)商戶的偏好非常重要。本文基于2017年阿里巴巴競(jìng)賽所獲得的數(shù)據(jù),從海量的購(gòu)物行為數(shù)據(jù)中挖掘了用戶特征、商戶特征和用戶-商戶特征,對(duì)尋常情境下新用戶未來(lái)在同一家店鋪再次購(gòu)買行為的預(yù)測(cè)進(jìn)行了研究。此外,針對(duì)訓(xùn)練數(shù)據(jù)中類別及不平衡的問(wèn)題,提出隨機(jī)抽樣并賦予各類別不同權(quán)重相結(jié)合的策略,并基于該策略將訓(xùn)練樣本劃分為6組,分別用SVM與隨機(jī)森林訓(xùn)練多個(gè)預(yù)測(cè)模型。最后,通過(guò)集成將這多個(gè)預(yù)測(cè)模型共同進(jìn)行預(yù)測(cè)。通過(guò)實(shí)驗(yàn)驗(yàn)證,所提出的組合預(yù)測(cè)方法具有很高的有效性。

    【關(guān)鍵詞】組合預(yù)測(cè)方法 SVM模型 隨機(jī)森林 集成學(xué)習(xí) 客戶重復(fù)購(gòu)買

    一、引言

    隨著人類進(jìn)入信息時(shí)代的步伐加快,電子商務(wù)網(wǎng)站也越來(lái)越流行。截至2017年6月,中國(guó)網(wǎng)民規(guī)模達(dá)7.51億,其中網(wǎng)絡(luò)購(gòu)物用戶規(guī)模達(dá)到5.14億。商家為了發(fā)展忠誠(chéng)的客戶,有時(shí)在特定日期(例如,“雙11(11月11日)”)進(jìn)行大型促銷以吸引大量的新買家,但是許多吸引的買家是一次性的交易獵手,這些促銷活動(dòng)對(duì)銷售可能沒(méi)有長(zhǎng)期的影響,因此為了大大降低促銷成本提高投資回報(bào)率(ROI),商家必須確定誰(shuí)可以轉(zhuǎn)化為重復(fù)的買家。本文基于424170個(gè)不同的用戶、4995個(gè)不同的商戶從某年5月11日到11月12日在天貓的約5000萬(wàn)條海量行為日志,建立用戶的商戶偏好,進(jìn)行商戶篩選并預(yù)測(cè)他們?cè)谖磥?lái)6個(gè)月內(nèi)再次在同一個(gè)商戶的購(gòu)買行為。

    傳統(tǒng)的用戶興趣度估計(jì)方法有:王微微等結(jié)合用戶的瀏覽內(nèi)容,采用期望最大化算法實(shí)現(xiàn)用戶聚類,將用戶劃分到對(duì)應(yīng)的簇,創(chuàng)建用戶的興趣度模型。但是聚類可能收斂到局部最小值,在大規(guī)模的數(shù)據(jù)集上收斂的較慢,而且運(yùn)用期望不能準(zhǔn)確的預(yù)測(cè)用戶的重復(fù)購(gòu)買行為。

    本文根據(jù)用戶對(duì)商戶的行為數(shù)據(jù)進(jìn)行研究,提取了用戶對(duì)商戶的重要行為特征。根據(jù)這些特征,我們分別基于隨機(jī)森林和SVM構(gòu)造了分類模型。對(duì)新用戶未來(lái)六個(gè)月內(nèi)是否會(huì)再購(gòu)買該商戶的商品進(jìn)行預(yù)測(cè),并實(shí)現(xiàn)了理想的預(yù)測(cè)結(jié)果。經(jīng)研究發(fā)現(xiàn),對(duì)于用戶海量購(gòu)物行為數(shù)據(jù),若提取重要的特征信息,對(duì)于準(zhǔn)確預(yù)測(cè)該用戶的行為取向具有重要的現(xiàn)實(shí)意義。針對(duì)訓(xùn)練數(shù)據(jù)中類別及不平衡的問(wèn)題,我們對(duì)負(fù)樣本進(jìn)行隨機(jī)欠采樣,對(duì)正樣本進(jìn)行隨機(jī)過(guò)采樣。最后,通過(guò)集成將這多個(gè)預(yù)測(cè)模型共同進(jìn)行預(yù)測(cè)如圖1所示:

    二、模型算法

    (一)SVM原理介紹

    支持向量機(jī)的主要理念可以概括為兩點(diǎn):第一,通過(guò)學(xué)習(xí)尋找最優(yōu)的分割超平面使得兩類之間的分割距離最大;第二,基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的理論去特征空間中找最優(yōu)的超平面。當(dāng)支持向量機(jī)用于解決非線性問(wèn)題時(shí),這個(gè)方法是通過(guò)非線性映射將樣本空間映射到高維空間中或是無(wú)限維度的特征空間以至線性支持向量機(jī)的方法可用于求解非線性樣本空間中的分類問(wèn)題。從樣本空間到特征空間的非線性映射如圖2。

    (二)隨機(jī)森林原理

    訓(xùn)練過(guò)程是從樹(shù)根節(jié)點(diǎn)開(kāi)始,遞歸學(xué)習(xí)最優(yōu)的分裂函數(shù)來(lái)劃分該節(jié)點(diǎn)上的樣本,使得新生成的孩子節(jié)點(diǎn)上樣本純度不斷增加,直到滿足下列條件之一:(a)達(dá)到樹(shù)生成的最大深度;(b)節(jié)點(diǎn)樣本純度達(dá)到要求;(c)節(jié)點(diǎn)上樣本數(shù)目達(dá)到最小值。因此可使用該模型進(jìn)行分類預(yù)測(cè)。

    (三)集成原理

    集成學(xué)習(xí)通過(guò)將多個(gè)分類器進(jìn)行結(jié)合,獲得比單一分類器顯著優(yōu)越的泛化性能。為了使集成的分類器獲得盡可能好的性能,應(yīng)該使單個(gè)分類器間盡可能呈現(xiàn)多樣性。為獲取分類器的多樣性,我們的工作主要從三個(gè)方面進(jìn)行:

    第一,使用不完全相同的訓(xùn)練樣本訓(xùn)練分類器;

    第二,使用不同的分類器模型進(jìn)行訓(xùn)練,我們選擇SVM和隨機(jī)森林這兩類優(yōu)秀的分類器;

    第三,設(shè)置分類器不同的參數(shù)進(jìn)行訓(xùn)練。具體而言,我們將訓(xùn)練3個(gè)SVM模型和3個(gè)隨機(jī)森林模型,并且每一個(gè)模型所設(shè)置的參數(shù)都不一致。在預(yù)測(cè)階段,我們將每個(gè)分類器的輸出值進(jìn)行簡(jiǎn)單評(píng)價(jià)獲得最終的預(yù)測(cè)結(jié)果。

    三、實(shí)證分析

    阿里巴巴大數(shù)據(jù)競(jìng)賽是阿里巴巴集團(tuán)主辦,在阿里巴巴大數(shù)據(jù)科研平臺(tái)—“天池”上開(kāi)展的基于“天貓”(購(gòu)物網(wǎng)站)海量真實(shí)用戶訪問(wèn)數(shù)據(jù)的Repeat Buyers Prediction-Challenge the Baseline大賽。阿里巴巴大數(shù)據(jù)競(jìng)賽官方提供了某年5月到11月天貓部分購(gòu)物行為數(shù)據(jù)。在競(jìng)賽官方網(wǎng)站上提供的數(shù)據(jù)有9類,分別為用戶ID、商品ID、類別ID、商戶ID、品牌ID、用戶年齡、用戶性別、用戶對(duì)商戶的行為和操作時(shí)間。

    其中,用戶對(duì)商戶行為類型包括點(diǎn)擊、加入購(gòu)物車、購(gòu)買和收藏4種。操作時(shí)間隱藏了年份但精確到了天的級(jí)別。每個(gè)商品ID僅限一家商戶所用。每個(gè)用戶ID對(duì)于相應(yīng)商戶都是新用戶。

    (一)數(shù)據(jù)清洗及歸一化處理

    在實(shí)驗(yàn)之前,需要對(duì)數(shù)據(jù)進(jìn)行清洗,使之有效。通過(guò)分析,我們對(duì)異常值做了處理:在所給數(shù)據(jù)中,我們將空值和記錄為NULL的值記為異常值。這種情況分別出現(xiàn)在用戶的年齡和性別中,為了提高預(yù)測(cè)的準(zhǔn)確性我們分別用年齡的平均值與性別的平均值來(lái)代替年齡與性別中的異常值。

    選取的特征在尺度上可能存在很大的差別。假設(shè)特征向量由兩個(gè)解釋變量構(gòu)成,第一個(gè)變量值范圍[0,1],第二個(gè)變量值范圍[0,1000000],這時(shí)就要把第二個(gè)變量的值調(diào)整為[0,1],這樣才能保證數(shù)據(jù)是單位方差。如果變量特征值的量級(jí)比其他特征值的方差還大,這個(gè)特征值就會(huì)主導(dǎo)學(xué)習(xí)算法的方向,導(dǎo)致其它變量的影響被忽略。通過(guò)對(duì)所選特征的統(tǒng)計(jì)分析,我們計(jì)算了所有訓(xùn)練集中每一維特征的均值(圖4)和標(biāo)準(zhǔn)差(圖5),因?yàn)閿?shù)量級(jí)差別較大,為方便視圖我們?nèi)×藢?duì)數(shù)來(lái)作圖。

    由圖5可知,這些維度特征的數(shù)量級(jí)差別較大。為了使分類器的訓(xùn)練更加穩(wěn)定有效,我們對(duì)每一維特征都進(jìn)行了標(biāo)準(zhǔn)化處理,將其歸一化至“0”均值和“1”方差的分布。endprint

    (二)處理類別不平衡

    為解決訓(xùn)練樣本類別不平衡的問(wèn)題,研究者們過(guò)去進(jìn)行了大量的工作,主要可以概括為四個(gè)方面:

    第一,對(duì)大類別的樣本數(shù)據(jù)采用欠采樣的策略,減少大類別的樣本數(shù)量,使得各個(gè)類別的樣本數(shù)量均衡。

    第二,使用一些策略人工生成一些小類別的樣本數(shù)據(jù)。

    第三,為各類樣本賦予不同的權(quán)重值,對(duì)大類賦予較小的權(quán)重,而對(duì)于小類則賦予較大的權(quán)重,使得類別在分布上達(dá)到平衡。

    第四,對(duì)小類別樣本數(shù)據(jù)進(jìn)行重復(fù)采樣以增加小類別的樣本數(shù)量。

    其中第一中的方法不失為一種簡(jiǎn)潔的策略,但是會(huì)造成樣本的極大浪費(fèi)。而第二中的方法通過(guò)人工生成樣本數(shù)據(jù)在一些情況下生成的數(shù)據(jù)真實(shí)可靠性有待評(píng)估,甚至在某些情況人工生成的樣本反而導(dǎo)致系統(tǒng)最終性能的下降。為不浪費(fèi)寶貴的訓(xùn)練數(shù)據(jù),充分發(fā)揮數(shù)據(jù)本身的價(jià)值。我們結(jié)合第二與第三中的方法,先對(duì)各類別的樣本以不同的采樣系數(shù)進(jìn)行隨機(jī)抽樣,獲得6組訓(xùn)練集,然后對(duì)每組訓(xùn)練集中不同的類別賦予不同的權(quán)重系數(shù)。然后使用這6組訓(xùn)練集訓(xùn)練不同的分類器。在預(yù)測(cè)階段,平均各個(gè)分類器的預(yù)測(cè)值獲得最終的預(yù)測(cè)。使用這種策略有兩個(gè)好處:一方面可以很好解決類別不平衡的問(wèn)題,不至于浪費(fèi)樣本;另一方面,我們將訓(xùn)練樣本分成多組不同訓(xùn)練集訓(xùn)練分類器,可以使得各分類器間的多樣性更加豐富,最終使集成更加有效。

    (三)特征分析

    為分析用戶成為某一商店忠實(shí)客戶的概率,我們所選取的特征分為如下三類:基于用戶的特征、基于商戶的特征與基于用戶-商戶之間的特征。統(tǒng)計(jì)基于用戶的特征主要目的是分析用戶自身的偏好及購(gòu)物習(xí)慣;統(tǒng)計(jì)基于商戶的特征主要目的是分析商戶在當(dāng)前市場(chǎng)的受歡迎程度及商戶自身對(duì)忠實(shí)用戶的吸引力;統(tǒng)計(jì)用戶-商戶之間的特征主要目的是分析給定用戶及商戶之間所形成的關(guān)系,以得到更好的預(yù)測(cè)效果。具體提取的特征如表1:

    (四)實(shí)驗(yàn)結(jié)果分析

    我們所獲取的淘寶用戶行為記錄數(shù)據(jù)由天池競(jìng)賽平臺(tái)發(fā)布,其中帶有標(biāo)簽的訓(xùn)練數(shù)據(jù)中包括20萬(wàn)的負(fù)樣本和2萬(wàn)的正樣本。我們使用其中的10萬(wàn)負(fù)樣本和1萬(wàn)正樣本用于模型的訓(xùn)練,總共分成6組訓(xùn)練集訓(xùn)練6個(gè)分類器模型,而剩余的樣本用于評(píng)估所訓(xùn)練的分類器的預(yù)測(cè)性能。

    基于表1所列的特征,我們分別訓(xùn)練了SVM和隨機(jī)森林預(yù)測(cè)模型,將未來(lái)半年新用戶是否會(huì)再次在同一家商戶購(gòu)買的問(wèn)題轉(zhuǎn)化為一個(gè)樣本分類的問(wèn)題,這樣可以運(yùn)用機(jī)器學(xué)習(xí)的分類算法來(lái)預(yù)測(cè)未來(lái)的購(gòu)買行為,最后運(yùn)用集成將分類器的效果組合起來(lái)。

    我們使用AUC來(lái)作為預(yù)測(cè)精度的指標(biāo)。統(tǒng)計(jì)一下所有的 M×N(M為正類樣本的數(shù)目,N為負(fù)類樣本的數(shù)目)個(gè)正負(fù)樣本對(duì)中,有多少個(gè)組中的正樣本的score大于負(fù)樣本的score。當(dāng)二元組中正負(fù)樣本的score相等的時(shí)候,按照0.5計(jì)算,然后除以MN。實(shí)現(xiàn)這個(gè)方法的復(fù)雜度為O(n^2),n為樣本數(shù)(即n=M+N)。

    從實(shí)驗(yàn)結(jié)果中可以觀察到,在單個(gè)分類器的情形下,使用我們的特征基本可以獲得0.64的分?jǐn)?shù)。如果使用我們的采樣策略訓(xùn)練分類器,結(jié)合多個(gè)分類器的輸出,可以進(jìn)一步大幅提升預(yù)測(cè)結(jié)果的準(zhǔn)確性。

    我們使用AUC作為模型的性能評(píng)價(jià)指標(biāo),各模型的AUC分?jǐn)?shù)如表2所示:

    由上表可知:SVM模型的精度要高于隨機(jī)森林模型的精度,但運(yùn)用集成將兩種模型組合起來(lái)的精度更高,效果更好。根據(jù)以上信息可知,我們能夠有效的根據(jù)用戶的偏好進(jìn)行再次購(gòu)買行為的預(yù)測(cè)。

    四、結(jié)束語(yǔ)

    本文基于2017年阿里巴巴大數(shù)據(jù)競(jìng)賽,在所給數(shù)據(jù)中研究用戶及商戶的特點(diǎn),并從中提取有效特征,得出了預(yù)測(cè)用戶未來(lái)購(gòu)買商戶的有效辦法。正確管理和利用這部分大數(shù)據(jù)基礎(chǔ)將為企業(yè)帶來(lái)豐厚利潤(rùn)。運(yùn)用大數(shù)據(jù)營(yíng)銷,還可以有效幫助企業(yè)進(jìn)行市場(chǎng)預(yù)測(cè),及時(shí)發(fā)現(xiàn)市場(chǎng)機(jī)會(huì)、加快業(yè)務(wù)決策。該研究有助于在海量數(shù)據(jù)交易下商戶對(duì)電子用戶行為的把握,對(duì)商家大大降低促銷成本,提高投資回報(bào)率(ROI)具有重要的現(xiàn)實(shí)意義。

    參考文獻(xiàn)

    [1]中國(guó)互聯(lián)網(wǎng)信息中心.第40次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[EB/OL].http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201708 /t20170803_69444.htm,2017-08-03.

    [2]中國(guó)產(chǎn)業(yè)信息中心.2017年中國(guó)網(wǎng)絡(luò)購(gòu)物應(yīng)用行業(yè)用戶規(guī)模及使用率走勢(shì)分析[EB/OL].http://www.chyxx.com/industry/201708/ 549105.html,2017-08-09.

    [3]王微微,夏秀峰,李曉明.一種基于用戶行為的興趣度模型[J].計(jì)算機(jī)工程與應(yīng)用,2012,(08):148-151+199.

    [4]Liu Z,Lv X,Liu K,etal.Study on SVM compared with the other text classification methods[C]//Education Technology and Computer Science (ETCS),2010 Second International Workshop on.IEEE,2010:219-222.

    [5]Shi J,Lee W J,Liu Y,etal.Forecasting power output of photovoltaic systems based on weather classification and support vector machines[J].IEEE Transactions on Industry Applications,2012,48(3):1064-1069.

    [6]Lin J Y,Cheng C T,Chau K W.Using support vectormachines for longterm discharge prediction[J].Hydrological Sciences Journal,2006,51(4):599-612.endprint

    [7]Cui W,Yan X.Adaptive weighted least square support vector machine regression integrated with outlier detection and its application in QSAR[J].Chemometrics and Intelligent Laboratory Systems,2009,98(2):130-135.

    [8]Li P,Xu S.Support vector machine and kernel function characteristic analysis in pattern recognition[J].Computer Engineering and Design,2005,26(2):302-304.

    [9]Yongyi Chen,Xiaoding Yu,Xuehao Gao,Hanzhong Feng.A New Method For Non-Linear Classify And Non-Linear Regression:Introduction To Support VectorMachine[J].Quarterly Journal of Applied Meteorology,2004,15(03):345-354.

    [10]Xiaodan Wang,Jiqin Wang.Research and Application of Support Vector Machine[J].Journal of Air Force Engineering University(Natural Science Edition),2004,5(03):49-55.

    [11]Liaw A,Wiener M.Classification and regressionby random Forest[J].R news,2002,2(3):18-22.

    [12]Biau G,Devroye L.On the layered nearest neighbor estimate,the bagged nearest neighbour estimateand the random forest method in regression and classification[J].Journal of Multivariate Analysis,2010,101(10):2499-2518.

    [13]Immitzer M,Atzberger C,Koukal T.Tree species classification with random forest using very high spatial resolution 8-band WorldView-2 satellite data[J].Remote Sensing,2012,4(9):2661-2693.

    [14]Jiang P,Wu H,Wang W,etal.MiPred:classification of real and pseudo microRNA precursors using random forest prediction model with combined features[J].Nucleic acids research,2007,35(suppl_2):W339-W344.

    [15]Shi T,Seligson D,Belldegrun A S,etal.Tumor classification by tissue microarray profiling:random forest clustering applied to renal cell carcinoma[J].Modern Pathology,2005,18(4):547.

    [16]Dietterich T G.Ensemble methods in machine learning[C]//International workshop on multiple classifier systems.Springer Berlin Heidelberg,2000:1-15.

    [17]Yen S J,Lee Y S.Cluster-based under-sampling approaches for imbalanced data distributions[J].Expert Systems with Applications,2009,36(3):5718-5727.

    [18]Huang J,Ling C X.Using AUC and accuracy in evaluating learning algorithms[J].IEEE Transactions on knowledge and Data Engineering,2005,17(3):299-310.

    作者簡(jiǎn)介:王克利(1991-),女,漢族,河南平頂山,華南理工大學(xué)碩士研究生,研究方向:數(shù)據(jù)挖掘;鄧飛其(1962-),男,教授,博士生導(dǎo)師,研究方向:隨機(jī)系統(tǒng)建模、分析與控制理論。endprint

    猜你喜歡
    隨機(jī)森林
    拱壩變形監(jiān)測(cè)預(yù)報(bào)的隨機(jī)森林模型及應(yīng)用
    基于隨機(jī)森林算法的B2B客戶分級(jí)系統(tǒng)的設(shè)計(jì)
    基于多視角特征融合與隨機(jī)森林的蛋白質(zhì)結(jié)晶預(yù)測(cè)
    基于TM影像的土地覆蓋分類比較研究
    日本黄色视频三级网站网址| 变态另类成人亚洲欧美熟女| 亚洲最大成人av| 国产成人一区二区在线| 欧美一区二区国产精品久久精品| 联通29元200g的流量卡| 久久久精品欧美日韩精品| 国产探花极品一区二区| 国产精品一区二区性色av| 欧美色欧美亚洲另类二区| 久久热精品热| 亚洲欧美精品综合久久99| 久久久成人免费电影| 校园春色视频在线观看| 久久精品夜夜夜夜夜久久蜜豆| 中文字幕免费在线视频6| 在线观看av片永久免费下载| 女人被狂操c到高潮| 久久精品国产清高在天天线| 在线国产一区二区在线| а√天堂www在线а√下载| 日本黄大片高清| 亚洲欧美精品综合久久99| 久久久精品94久久精品| 麻豆久久精品国产亚洲av| 国产一区二区三区av在线 | 少妇被粗大猛烈的视频| 中文在线观看免费www的网站| 免费大片18禁| 三级国产精品欧美在线观看| 免费看av在线观看网站| 哪里可以看免费的av片| 欧美日韩综合久久久久久| 亚洲精品久久国产高清桃花| 自拍偷自拍亚洲精品老妇| 欧美zozozo另类| 午夜福利在线在线| 午夜福利在线观看吧| 欧美日韩综合久久久久久| 国产精品一区www在线观看| 午夜福利18| 天堂影院成人在线观看| 乱人视频在线观看| 国产毛片a区久久久久| 亚洲精品久久国产高清桃花| 精品人妻偷拍中文字幕| 中出人妻视频一区二区| 午夜a级毛片| 97超视频在线观看视频| 国产精品永久免费网站| 国产一区亚洲一区在线观看| 免费黄网站久久成人精品| 久久久久久九九精品二区国产| 又爽又黄无遮挡网站| 九九热线精品视视频播放| 丰满的人妻完整版| 国产黄片美女视频| 热99re8久久精品国产| 草草在线视频免费看| 日韩 亚洲 欧美在线| 精品乱码久久久久久99久播| 一个人看视频在线观看www免费| 成人性生交大片免费视频hd| 国产精品,欧美在线| 亚洲专区国产一区二区| 91精品国产九色| 精品免费久久久久久久清纯| 久久精品人妻少妇| 啦啦啦观看免费观看视频高清| 一边摸一边抽搐一进一小说| 在线观看一区二区三区| 欧美激情久久久久久爽电影| 国产中年淑女户外野战色| 国产精品av视频在线免费观看| 久久鲁丝午夜福利片| 亚洲高清免费不卡视频| 日本色播在线视频| 看免费成人av毛片| 干丝袜人妻中文字幕| 搡老妇女老女人老熟妇| 午夜福利18| 亚洲性久久影院| 干丝袜人妻中文字幕| 少妇裸体淫交视频免费看高清| 97碰自拍视频| 亚洲丝袜综合中文字幕| 久99久视频精品免费| 亚洲av中文av极速乱| 亚洲第一电影网av| 我要搜黄色片| 美女大奶头视频| 日日摸夜夜添夜夜添av毛片| 午夜爱爱视频在线播放| 亚洲人成网站在线播放欧美日韩| 成人av在线播放网站| 久久精品国产亚洲av香蕉五月| 日韩,欧美,国产一区二区三区 | 少妇高潮的动态图| 男插女下体视频免费在线播放| 日韩av不卡免费在线播放| aaaaa片日本免费| 久久久久久久久大av| 亚洲天堂国产精品一区在线| АⅤ资源中文在线天堂| 国产高清不卡午夜福利| 秋霞在线观看毛片| 3wmmmm亚洲av在线观看| 搡老熟女国产l中国老女人| 99在线视频只有这里精品首页| 日本 av在线| av在线亚洲专区| 欧美色视频一区免费| 亚洲欧美成人综合另类久久久 | 99久久精品热视频| 人人妻人人看人人澡| 夜夜夜夜夜久久久久| 俄罗斯特黄特色一大片| 日产精品乱码卡一卡2卡三| 久久久欧美国产精品| 精品久久久久久久末码| 欧美日韩在线观看h| 成人精品一区二区免费| 给我免费播放毛片高清在线观看| 精品午夜福利在线看| 你懂的网址亚洲精品在线观看 | 高清日韩中文字幕在线| 国产精品99久久久久久久久| 99热6这里只有精品| 91狼人影院| 观看美女的网站| 91午夜精品亚洲一区二区三区| 日韩欧美国产在线观看| 1024手机看黄色片| 成年女人永久免费观看视频| 人人妻,人人澡人人爽秒播| 国产精品99久久久久久久久| 国内久久婷婷六月综合欲色啪| 国产淫片久久久久久久久| 亚洲精品色激情综合| 三级国产精品欧美在线观看| 亚洲在线自拍视频| 国产视频内射| 美女黄网站色视频| 亚洲电影在线观看av| 青春草视频在线免费观看| 亚洲国产色片| 乱人视频在线观看| 97人妻精品一区二区三区麻豆| 大香蕉久久网| 精品久久久久久久久久免费视频| 久久九九热精品免费| 国产精品无大码| 免费看光身美女| 直男gayav资源| 高清毛片免费观看视频网站| 欧美一区二区亚洲| 天堂√8在线中文| 久久久久久久久大av| 国产一区二区在线观看日韩| 99国产极品粉嫩在线观看| 国产高清视频在线播放一区| 国内精品久久久久精免费| 久久精品夜色国产| 99九九线精品视频在线观看视频| 桃色一区二区三区在线观看| 国产高清视频在线观看网站| 熟妇人妻久久中文字幕3abv| 国产精品久久电影中文字幕| 久久国内精品自在自线图片| 国产精品爽爽va在线观看网站| 国产伦精品一区二区三区视频9| av.在线天堂| 在线国产一区二区在线| 成人二区视频| 老司机影院成人| 综合色av麻豆| 亚洲美女视频黄频| 亚洲性久久影院| 亚洲图色成人| 美女cb高潮喷水在线观看| 97人妻精品一区二区三区麻豆| 精品午夜福利视频在线观看一区| 国产亚洲av嫩草精品影院| 久久久久久久午夜电影| 国产 一区精品| 国产男靠女视频免费网站| 亚洲成人av在线免费| 搞女人的毛片| 国产又黄又爽又无遮挡在线| 日日摸夜夜添夜夜爱| 日韩欧美三级三区| 亚洲成人中文字幕在线播放| 天天躁夜夜躁狠狠久久av| 熟女电影av网| 国产成人freesex在线 | 可以在线观看的亚洲视频| 国产不卡一卡二| 欧美一区二区精品小视频在线| 少妇高潮的动态图| 日日摸夜夜添夜夜添av毛片| 午夜精品一区二区三区免费看| 免费看日本二区| 我要搜黄色片| 国产一区二区激情短视频| 国产高潮美女av| 国产色爽女视频免费观看| 十八禁国产超污无遮挡网站| 非洲黑人性xxxx精品又粗又长| 久久久久国内视频| 丰满乱子伦码专区| 久久精品国产亚洲av香蕉五月| av天堂在线播放| 在线a可以看的网站| 99热全是精品| 中国美白少妇内射xxxbb| 成人国产麻豆网| 美女免费视频网站| 午夜福利成人在线免费观看| 一级毛片久久久久久久久女| 国产男靠女视频免费网站| 人人妻人人澡人人爽人人夜夜 | 免费观看av网站的网址| 九草在线视频观看| 亚洲成人手机| 国产亚洲91精品色在线| 一级a做视频免费观看| 久久精品久久精品一区二区三区| 男人和女人高潮做爰伦理| 国产在线一区二区三区精| 亚洲国产精品国产精品| 国产精品一区二区在线观看99| 亚洲国产精品一区二区三区在线| 男人舔奶头视频| 爱豆传媒免费全集在线观看| 18禁在线播放成人免费| 欧美xxxx性猛交bbbb| 国产亚洲91精品色在线| 久久精品夜色国产| 欧美 日韩 精品 国产| 日韩三级伦理在线观看| 久久热精品热| 伦精品一区二区三区| 亚洲精品乱码久久久v下载方式| 国产成人aa在线观看| 午夜福利影视在线免费观看| 国产高清国产精品国产三级| 又粗又硬又长又爽又黄的视频| 街头女战士在线观看网站| 国产熟女午夜一区二区三区 | 亚洲精品亚洲一区二区| 国模一区二区三区四区视频| 亚洲在久久综合| 极品人妻少妇av视频| 国产精品久久久久久精品电影小说| 在线精品无人区一区二区三| 精品久久久久久久久av| 久久精品国产a三级三级三级| 永久网站在线| 在线观看美女被高潮喷水网站| videos熟女内射| 只有这里有精品99| 在现免费观看毛片| 成人免费观看视频高清| 我要看日韩黄色一级片| 日日啪夜夜爽| 久久国产乱子免费精品| 日韩 亚洲 欧美在线| 亚洲成色77777| 有码 亚洲区| 久久久久国产精品人妻一区二区| 99九九在线精品视频 | 午夜免费男女啪啪视频观看| 啦啦啦中文免费视频观看日本| 色94色欧美一区二区| 久久久久视频综合| 美女视频免费永久观看网站| 国产男人的电影天堂91| 国产在线视频一区二区| 中文字幕久久专区| 欧美成人午夜免费资源| 国产视频内射| a级毛色黄片| 国产精品一二三区在线看| av女优亚洲男人天堂| 性色avwww在线观看| 精品久久久精品久久久| 亚洲婷婷狠狠爱综合网| 一二三四中文在线观看免费高清| 一级二级三级毛片免费看| 五月天丁香电影| 国产白丝娇喘喷水9色精品| 伦理电影免费视频| 日韩精品免费视频一区二区三区 | 成年女人在线观看亚洲视频| 亚洲精品乱久久久久久| 97在线人人人人妻| 最黄视频免费看| 国产黄色视频一区二区在线观看| 国产熟女欧美一区二区| 毛片一级片免费看久久久久| 成年人免费黄色播放视频 | 亚洲国产毛片av蜜桃av| 亚洲av男天堂| 亚洲精品乱码久久久v下载方式| 亚洲美女黄色视频免费看| 亚洲国产精品成人久久小说| 久久99一区二区三区| 热re99久久国产66热| 精品少妇黑人巨大在线播放| 噜噜噜噜噜久久久久久91| 18禁动态无遮挡网站| 蜜臀久久99精品久久宅男| 老司机亚洲免费影院| 亚洲av二区三区四区| 18禁在线播放成人免费| 国产精品不卡视频一区二区| 丰满乱子伦码专区| 久久婷婷青草| 午夜久久久在线观看| 国产一区有黄有色的免费视频| 国产极品粉嫩免费观看在线 | 另类精品久久| 亚洲精品aⅴ在线观看| 国产高清有码在线观看视频| 中文资源天堂在线| 久久久久人妻精品一区果冻| 久久久精品免费免费高清| 亚洲自偷自拍三级| 国产色爽女视频免费观看| 国产伦精品一区二区三区视频9| 妹子高潮喷水视频| 亚洲真实伦在线观看| 欧美日韩av久久| 男女免费视频国产| 日本欧美国产在线视频| 欧美三级亚洲精品| 一本大道久久a久久精品| 少妇高潮的动态图| 国产成人a∨麻豆精品| 亚洲在久久综合| 久久综合国产亚洲精品| 亚洲,欧美,日韩| 久久久精品94久久精品| 性色avwww在线观看| 欧美人与善性xxx| a级毛片免费高清观看在线播放| 日本欧美视频一区| 国产精品人妻久久久影院| 久久久久久久大尺度免费视频| 亚洲av中文av极速乱| av女优亚洲男人天堂| 亚洲av日韩在线播放| 中文字幕精品免费在线观看视频 | 久久久久久久久久成人| 日本wwww免费看| 99久国产av精品国产电影| 精品一区二区三卡| 国产视频内射| 人妻系列 视频| 国产一区二区三区综合在线观看 | 大片电影免费在线观看免费| 少妇裸体淫交视频免费看高清| 亚洲精品第二区| 亚洲第一av免费看| 永久网站在线| 大码成人一级视频| 成年人午夜在线观看视频| 精品酒店卫生间| 久久久久久伊人网av| 免费观看的影片在线观看| 97在线人人人人妻| 五月开心婷婷网| av网站免费在线观看视频| 亚洲精品色激情综合| 乱系列少妇在线播放| 国产伦理片在线播放av一区| av福利片在线| av不卡在线播放| 国产精品国产av在线观看| 3wmmmm亚洲av在线观看| 午夜福利影视在线免费观看| 国产精品人妻久久久久久| 欧美bdsm另类| 免费观看的影片在线观看| 赤兔流量卡办理| av播播在线观看一区| 三级国产精品片| 这个男人来自地球电影免费观看 | 日日摸夜夜添夜夜添av毛片| 美女xxoo啪啪120秒动态图| 国产av一区二区精品久久| 男女边吃奶边做爰视频| 熟女av电影| 青春草亚洲视频在线观看| 欧美高清成人免费视频www| 久久影院123| 麻豆成人av视频| 偷拍熟女少妇极品色| 人妻一区二区av| 一级二级三级毛片免费看| 内射极品少妇av片p| 啦啦啦中文免费视频观看日本| www.av在线官网国产| 亚洲国产精品一区三区| 国产午夜精品一二区理论片| 久久久精品94久久精品| 欧美+日韩+精品| 青青草视频在线视频观看| 午夜免费男女啪啪视频观看| 日韩成人av中文字幕在线观看| 国产欧美亚洲国产| 美女内射精品一级片tv| 日本免费在线观看一区| 日韩欧美精品免费久久| 亚洲成人av在线免费| 毛片一级片免费看久久久久| 你懂的网址亚洲精品在线观看| 丰满少妇做爰视频| 成人毛片60女人毛片免费| 国产亚洲精品久久久com| 成人亚洲欧美一区二区av| 亚洲婷婷狠狠爱综合网| 黑丝袜美女国产一区| 婷婷色综合www| 国产女主播在线喷水免费视频网站| 亚洲国产色片| 最新的欧美精品一区二区| 国产精品一二三区在线看| 国产精品国产三级专区第一集| 亚洲欧美一区二区三区国产| 一区二区三区精品91| 三级国产精品片| 哪个播放器可以免费观看大片| 99热这里只有精品一区| 精品一区二区免费观看| 十八禁高潮呻吟视频 | h视频一区二区三区| 精品久久久久久久久av| 伦精品一区二区三区| 一级毛片电影观看| 午夜免费男女啪啪视频观看| 一区二区三区四区激情视频| 全区人妻精品视频| 久久久久精品性色| 自拍偷自拍亚洲精品老妇| 美女视频免费永久观看网站| 久久久久久久久大av| 久久精品熟女亚洲av麻豆精品| 搡老乐熟女国产| 亚洲久久久国产精品| 综合色丁香网| av视频免费观看在线观看| 国产色爽女视频免费观看| 久久人人爽人人片av| 国产毛片在线视频| 亚洲精品乱久久久久久| 久久人人爽人人片av| 国产熟女欧美一区二区| 亚洲丝袜综合中文字幕| h日本视频在线播放| 亚洲一级一片aⅴ在线观看| 欧美精品亚洲一区二区| 人人妻人人爽人人添夜夜欢视频 | 久久精品国产亚洲av涩爱| 国产伦在线观看视频一区| 精品久久久久久久久av| 欧美一级a爱片免费观看看| 色婷婷av一区二区三区视频| 最近2019中文字幕mv第一页| 亚洲av欧美aⅴ国产| 亚洲欧美清纯卡通| 国产精品.久久久| 人人澡人人妻人| 亚洲,欧美,日韩| 亚洲精品久久午夜乱码| 精品少妇黑人巨大在线播放| 国产视频首页在线观看| 久久久国产欧美日韩av| 一区二区三区精品91| 精品国产国语对白av| 人人妻人人爽人人添夜夜欢视频 | 丰满迷人的少妇在线观看| 人妻 亚洲 视频| 一级a做视频免费观看| 精品视频人人做人人爽| 亚洲精品乱久久久久久| 国产日韩欧美亚洲二区| 精品久久久久久电影网| 欧美日韩亚洲高清精品| 亚洲精品日韩av片在线观看| 国产精品一二三区在线看| 国产精品国产三级专区第一集| 韩国av在线不卡| 91午夜精品亚洲一区二区三区| 97精品久久久久久久久久精品| 22中文网久久字幕| 高清欧美精品videossex| 亚洲欧美精品自产自拍| 婷婷色综合www| 亚洲电影在线观看av| 久久午夜福利片| 亚洲国产日韩一区二区| 精品少妇久久久久久888优播| 欧美人与善性xxx| 天美传媒精品一区二区| 欧美人与善性xxx| 视频中文字幕在线观看| 国产伦在线观看视频一区| 国产精品女同一区二区软件| 中国美白少妇内射xxxbb| 综合色丁香网| 免费少妇av软件| 亚洲国产日韩一区二区| 我要看日韩黄色一级片| 国产在线男女| 男女边吃奶边做爰视频| a级一级毛片免费在线观看| 国产国拍精品亚洲av在线观看| 一级爰片在线观看| 国产精品人妻久久久影院| 欧美97在线视频| xxx大片免费视频| 又黄又爽又刺激的免费视频.| 国产成人免费观看mmmm| 精品人妻一区二区三区麻豆| 69精品国产乱码久久久| 欧美3d第一页| 一区二区三区精品91| 久久精品久久久久久久性| 汤姆久久久久久久影院中文字幕| 人妻少妇偷人精品九色| 国产免费福利视频在线观看| 在线观看免费高清a一片| 女人久久www免费人成看片| 91精品伊人久久大香线蕉| 国产精品不卡视频一区二区| 大陆偷拍与自拍| 大码成人一级视频| 亚洲图色成人| 少妇的逼水好多| 综合色丁香网| 黄色日韩在线| 中文字幕精品免费在线观看视频 | 欧美 亚洲 国产 日韩一| 国产免费福利视频在线观看| 熟女人妻精品中文字幕| 亚洲精品乱码久久久久久按摩| 麻豆精品久久久久久蜜桃| 日本与韩国留学比较| 免费看av在线观看网站| 99热国产这里只有精品6| 丝瓜视频免费看黄片| 99热网站在线观看| 少妇精品久久久久久久| 大码成人一级视频| 日日啪夜夜爽| 国产成人一区二区在线| 久久ye,这里只有精品| 久久av网站| 中文字幕av电影在线播放| 国产成人freesex在线| 少妇裸体淫交视频免费看高清| 97超碰精品成人国产| 国产精品三级大全| 久久毛片免费看一区二区三区| 天堂8中文在线网| 国产日韩欧美在线精品| 久久久久国产网址| 精品少妇久久久久久888优播| 亚洲av在线观看美女高潮| 成人免费观看视频高清| 午夜福利视频精品| 精品国产露脸久久av麻豆| 欧美日韩国产mv在线观看视频| 欧美最新免费一区二区三区| 精品久久久精品久久久| 寂寞人妻少妇视频99o| 熟女人妻精品中文字幕| 日本与韩国留学比较| 国产日韩欧美视频二区| 人人妻人人澡人人看| 免费人成在线观看视频色| 少妇人妻久久综合中文| 国产亚洲一区二区精品| 亚洲精品久久久久久婷婷小说| 亚洲精品第二区| av网站免费在线观看视频| 夜夜骑夜夜射夜夜干| 免费观看av网站的网址| 久久久久国产精品人妻一区二区| 欧美日韩视频精品一区| 欧美成人午夜免费资源| 欧美精品国产亚洲| 亚洲精华国产精华液的使用体验| 天美传媒精品一区二区| 大陆偷拍与自拍| 国产美女午夜福利| 日本午夜av视频| 亚洲av在线观看美女高潮| 日韩av免费高清视频| 看免费成人av毛片| 我要看黄色一级片免费的| 午夜福利网站1000一区二区三区| 人妻系列 视频| 欧美精品国产亚洲| av福利片在线观看| 国产视频内射| 少妇的逼好多水| 成人免费观看视频高清| 天堂俺去俺来也www色官网| 精品午夜福利在线看| 在线播放无遮挡| 亚洲国产色片| 亚洲怡红院男人天堂| 尾随美女入室|