• <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
    欧美成人a在线观看| 我要搜黄色片| 国语自产精品视频在线第100页| 欧美高清性xxxxhd video| videossex国产| 国产高清激情床上av| 精品一区二区三区视频在线观看免费| 午夜精品一区二区三区免费看| 成人特级av手机在线观看| 在线观看av片永久免费下载| 亚洲不卡免费看| 国产麻豆成人av免费视频| 女人十人毛片免费观看3o分钟| 在线观看美女被高潮喷水网站| 校园人妻丝袜中文字幕| 最后的刺客免费高清国语| 男人的好看免费观看在线视频| 简卡轻食公司| 99热全是精品| 精品日产1卡2卡| 久久久国产成人精品二区| 女人被狂操c到高潮| 免费看日本二区| 一级av片app| 国产精品伦人一区二区| 免费看av在线观看网站| 免费看日本二区| 亚洲图色成人| 亚洲图色成人| 亚洲第一电影网av| 99热这里只有是精品50| 大又大粗又爽又黄少妇毛片口| 日日摸夜夜添夜夜添小说| 人妻丰满熟妇av一区二区三区| 亚洲丝袜综合中文字幕| 午夜日韩欧美国产| 亚洲丝袜综合中文字幕| 国产精品99久久久久久久久| 国产片特级美女逼逼视频| 国产真实乱freesex| 国产美女午夜福利| 精品一区二区三区视频在线| 能在线免费观看的黄片| 国产真实乱freesex| 一级黄片播放器| 最新在线观看一区二区三区| 成人二区视频| 亚洲av电影不卡..在线观看| 精品99又大又爽又粗少妇毛片| 欧美成人精品欧美一级黄| 高清毛片免费看| 观看免费一级毛片| 免费av观看视频| 在线a可以看的网站| 在线观看免费视频日本深夜| 欧美一区二区亚洲| 综合色av麻豆| 淫秽高清视频在线观看| 成人漫画全彩无遮挡| 日本a在线网址| 亚洲婷婷狠狠爱综合网| 1024手机看黄色片| 日本在线视频免费播放| 国产成人freesex在线 | 日本欧美国产在线视频| 99热精品在线国产| 久久精品人妻少妇| 深爱激情五月婷婷| 国产精品久久久久久久久免| 欧美不卡视频在线免费观看| 午夜a级毛片| 日本爱情动作片www.在线观看 | 日本色播在线视频| 中国国产av一级| 亚洲人与动物交配视频| 日韩大尺度精品在线看网址| 国产高潮美女av| 丰满人妻一区二区三区视频av| 嫩草影院入口| 日本一本二区三区精品| 久久久久久九九精品二区国产| www.色视频.com| 成人国产麻豆网| 在线观看一区二区三区| 99久久中文字幕三级久久日本| 精品午夜福利在线看| 国产成人福利小说| 亚洲精品影视一区二区三区av| 亚洲精品久久国产高清桃花| a级毛色黄片| 欧美另类亚洲清纯唯美| 国产欧美日韩精品一区二区| 欧美不卡视频在线免费观看| 大型黄色视频在线免费观看| 99久久中文字幕三级久久日本| 男女边吃奶边做爰视频| 午夜老司机福利剧场| 好男人在线观看高清免费视频| 亚洲人与动物交配视频| 国产综合懂色| 在线a可以看的网站| 日日撸夜夜添| 午夜爱爱视频在线播放| 国产欧美日韩精品一区二区| 久久国产乱子免费精品| 午夜福利在线观看吧| 在线播放国产精品三级| 91久久精品电影网| 免费看美女性在线毛片视频| 蜜桃久久精品国产亚洲av| 人人妻人人澡人人爽人人夜夜 | 午夜激情欧美在线| 91在线观看av| 少妇丰满av| 欧美成人a在线观看| 国产在视频线在精品| 国产视频一区二区在线看| 日日撸夜夜添| 精品一区二区三区视频在线| 欧美激情国产日韩精品一区| 色吧在线观看| 三级毛片av免费| 在线国产一区二区在线| 精品国产三级普通话版| 久久久色成人| 小蜜桃在线观看免费完整版高清| 亚洲精品成人久久久久久| 99久久无色码亚洲精品果冻| 亚洲欧美日韩高清在线视频| 国产一区二区三区av在线 | 亚洲一区高清亚洲精品| 亚洲av五月六月丁香网| 亚洲18禁久久av| 亚洲国产精品成人综合色| 久久久久性生活片| 国产毛片a区久久久久| 男女下面进入的视频免费午夜| 少妇裸体淫交视频免费看高清| 99久国产av精品| 伦理电影大哥的女人| 国产成人91sexporn| 一区二区三区免费毛片| 日本黄色片子视频| 久久精品夜色国产| 精品久久久久久久久av| 免费看美女性在线毛片视频| 给我免费播放毛片高清在线观看| 日本黄色片子视频| 亚洲欧美日韩高清在线视频| 久久久久国产精品人妻aⅴ院| 亚洲综合色惰| 国产私拍福利视频在线观看| 偷拍熟女少妇极品色| 一本久久中文字幕| 国产69精品久久久久777片| 国产欧美日韩精品一区二区| 免费av不卡在线播放| 97碰自拍视频| 亚洲综合色惰| 我要搜黄色片| 国产淫片久久久久久久久| 精品久久久久久久久久久久久| 伊人久久精品亚洲午夜| 国产精品国产三级国产av玫瑰| 国产淫片久久久久久久久| 日韩在线高清观看一区二区三区| 九九久久精品国产亚洲av麻豆| 久久韩国三级中文字幕| 成年免费大片在线观看| 最新在线观看一区二区三区| 黑人高潮一二区| 丰满的人妻完整版| 搡老熟女国产l中国老女人| 午夜日韩欧美国产| 少妇熟女aⅴ在线视频| 成人毛片a级毛片在线播放| 无遮挡黄片免费观看| 日韩欧美三级三区| 欧美zozozo另类| 亚洲最大成人手机在线| 精品午夜福利视频在线观看一区| 成人精品一区二区免费| av.在线天堂| 看非洲黑人一级黄片| 久久久精品欧美日韩精品| 毛片一级片免费看久久久久| 欧美3d第一页| 97超碰精品成人国产| 久久精品久久久久久噜噜老黄 | 国产高清激情床上av| 久久久色成人| 亚洲av五月六月丁香网| 色哟哟·www| 国产单亲对白刺激| 欧美日韩国产亚洲二区| 国产私拍福利视频在线观看| 免费在线观看成人毛片| 网址你懂的国产日韩在线| 天堂动漫精品| 亚洲精品456在线播放app| 成人亚洲欧美一区二区av| 在线免费观看的www视频| 51国产日韩欧美| 国产精品一区二区三区四区免费观看 | 免费看美女性在线毛片视频| 亚洲欧美日韩高清在线视频| 亚洲成人精品中文字幕电影| 老司机影院成人| 搡老熟女国产l中国老女人| 精品一区二区免费观看| a级毛色黄片| 一级黄色大片毛片| 深爱激情五月婷婷| 免费观看精品视频网站| 男女做爰动态图高潮gif福利片| 精品欧美国产一区二区三| 亚洲性久久影院| 国产蜜桃级精品一区二区三区| 乱系列少妇在线播放| 黄色一级大片看看| 久久久精品欧美日韩精品| 国内久久婷婷六月综合欲色啪| 老熟妇仑乱视频hdxx| 一区二区三区四区激情视频 | 欧美日韩一区二区视频在线观看视频在线 | 黄片wwwwww| 禁无遮挡网站| 精品国内亚洲2022精品成人| 日韩制服骚丝袜av| 中国美女看黄片| 老女人水多毛片| 三级经典国产精品| 国产蜜桃级精品一区二区三区| 深夜a级毛片| 国产一区二区激情短视频| 久99久视频精品免费| 亚洲在线自拍视频| 午夜福利在线观看免费完整高清在 | 神马国产精品三级电影在线观看| 精品一区二区免费观看| 校园人妻丝袜中文字幕| 亚洲成a人片在线一区二区| 精品少妇黑人巨大在线播放 | 国产av一区在线观看免费| 欧美人与善性xxx| 亚洲第一区二区三区不卡| 男女做爰动态图高潮gif福利片| 天美传媒精品一区二区| 麻豆精品久久久久久蜜桃| 亚洲国产日韩欧美精品在线观看| 亚洲精品在线观看二区| 国产精品精品国产色婷婷| 久久99热6这里只有精品| 欧美日本视频| 国产男靠女视频免费网站| 嫩草影院精品99| 秋霞在线观看毛片| 国产精品人妻久久久久久| 亚洲真实伦在线观看| 成人二区视频| 免费看光身美女| 男人舔奶头视频| 俄罗斯特黄特色一大片| 亚洲高清免费不卡视频| 国产精品av视频在线免费观看| 精品久久国产蜜桃| 国产精华一区二区三区| 一本精品99久久精品77| 99视频精品全部免费 在线| 丰满人妻一区二区三区视频av| 亚洲四区av| 啦啦啦观看免费观看视频高清| 成人毛片a级毛片在线播放| 亚洲国产欧美人成| 久99久视频精品免费| 久久久久久久久中文| 久久久午夜欧美精品| 超碰av人人做人人爽久久| 亚洲精品456在线播放app| 搡老熟女国产l中国老女人| 亚洲国产精品sss在线观看| 日韩av在线大香蕉| 亚洲国产精品国产精品| 欧美激情久久久久久爽电影| 熟女电影av网| 淫妇啪啪啪对白视频| 一个人看视频在线观看www免费| 村上凉子中文字幕在线| 亚洲无线在线观看| 亚洲精品久久国产高清桃花| 日韩欧美国产在线观看| 99视频精品全部免费 在线| 日韩三级伦理在线观看| 在线免费观看不下载黄p国产| 一个人看视频在线观看www免费| 一区福利在线观看| 日本撒尿小便嘘嘘汇集6| 日本黄大片高清| 六月丁香七月| 国内精品一区二区在线观看| 观看美女的网站| 99久久精品一区二区三区| 香蕉av资源在线| 精品午夜福利视频在线观看一区| 日韩欧美精品v在线| 国产成人aa在线观看| 国产老妇女一区| 国产黄a三级三级三级人| 狂野欧美白嫩少妇大欣赏| 国产探花极品一区二区| 五月玫瑰六月丁香| 国产在视频线在精品| 日本色播在线视频| 干丝袜人妻中文字幕| 天天躁夜夜躁狠狠久久av| 国产精华一区二区三区| 三级男女做爰猛烈吃奶摸视频| 男女之事视频高清在线观看| 欧美激情国产日韩精品一区| 一级毛片久久久久久久久女| 精品久久久久久久人妻蜜臀av| 亚洲精品色激情综合| 欧美国产日韩亚洲一区| 一a级毛片在线观看| 日本黄色片子视频| 成人毛片a级毛片在线播放| 最近手机中文字幕大全| 国产精品一区二区三区四区免费观看 | 露出奶头的视频| 啦啦啦啦在线视频资源| 成人亚洲欧美一区二区av| 亚洲av熟女| 亚洲国产日韩欧美精品在线观看| 噜噜噜噜噜久久久久久91| 天堂网av新在线| 亚洲av.av天堂| 免费黄网站久久成人精品| 午夜福利18| 国产中年淑女户外野战色| 身体一侧抽搐| 好男人在线观看高清免费视频| 国产精品亚洲一级av第二区| 午夜老司机福利剧场| 看十八女毛片水多多多| 色播亚洲综合网| 国产精品99久久久久久久久| 一个人免费在线观看电影| 欧美高清成人免费视频www| 床上黄色一级片| 亚洲在线观看片| 国产精品一及| 久久人妻av系列| 男女做爰动态图高潮gif福利片| 欧美成人精品欧美一级黄| 亚洲乱码一区二区免费版| 秋霞在线观看毛片| 亚洲真实伦在线观看| 国产麻豆成人av免费视频| 日韩欧美 国产精品| 禁无遮挡网站| 国内精品美女久久久久久| 久久久久国内视频| 小说图片视频综合网站| 午夜免费激情av| av福利片在线观看| 午夜老司机福利剧场| 欧美最新免费一区二区三区| 日韩欧美精品免费久久| 亚洲人成网站在线播放欧美日韩| 午夜免费激情av| 欧美区成人在线视频| 男女视频在线观看网站免费| 成人亚洲欧美一区二区av| 亚洲婷婷狠狠爱综合网| 插逼视频在线观看| 亚洲四区av| 国产一级毛片七仙女欲春2| 俺也久久电影网| 九九在线视频观看精品| 男插女下体视频免费在线播放| 九九在线视频观看精品| 99久久精品国产国产毛片| 在线观看免费视频日本深夜| 插阴视频在线观看视频| 你懂的网址亚洲精品在线观看 | 成人漫画全彩无遮挡| 在线播放无遮挡| 最近视频中文字幕2019在线8| 人人妻人人看人人澡| 久久久久久国产a免费观看| 国产伦精品一区二区三区四那| 免费高清视频大片| 日韩一区二区视频免费看| 久久精品影院6| 精品国内亚洲2022精品成人| 丰满乱子伦码专区| 亚洲无线观看免费| 亚洲av第一区精品v没综合| 国产成人freesex在线 | 欧美日韩综合久久久久久| 97热精品久久久久久| 亚洲人成网站在线播放欧美日韩| 一本一本综合久久| .国产精品久久| 综合色丁香网| 亚洲久久久久久中文字幕| 在线免费观看不下载黄p国产| 久久久久国产精品人妻aⅴ院| 国产黄a三级三级三级人| 欧美成人免费av一区二区三区| 亚洲电影在线观看av| 色哟哟·www| 尤物成人国产欧美一区二区三区| ponron亚洲| av视频在线观看入口| 久久久久久久亚洲中文字幕| 久久国产乱子免费精品| 麻豆精品久久久久久蜜桃| 久久精品人妻少妇| 99riav亚洲国产免费| 亚洲,欧美,日韩| 成年女人永久免费观看视频| 亚洲不卡免费看| 亚洲真实伦在线观看| 99久久精品国产国产毛片| 白带黄色成豆腐渣| 听说在线观看完整版免费高清| 国产 一区 欧美 日韩| 五月伊人婷婷丁香| 一进一出抽搐动态| 国产老妇女一区| 嫩草影院新地址| 日日摸夜夜添夜夜添小说| 香蕉av资源在线| 成人亚洲精品av一区二区| 神马国产精品三级电影在线观看| 一本一本综合久久| 看十八女毛片水多多多| 亚洲av熟女| 波野结衣二区三区在线| 给我免费播放毛片高清在线观看| 中文字幕av成人在线电影| 国产中年淑女户外野战色| 村上凉子中文字幕在线| 亚洲不卡免费看| 国产高清激情床上av| 麻豆av噜噜一区二区三区| 波多野结衣高清无吗| 床上黄色一级片| 国产精品爽爽va在线观看网站| 国产视频内射| 亚洲人成网站在线播放欧美日韩| av在线播放精品| 97超碰精品成人国产| 天堂动漫精品| 九九爱精品视频在线观看| 无遮挡黄片免费观看| 日韩 亚洲 欧美在线| 国产一级毛片七仙女欲春2| 毛片一级片免费看久久久久| 国产精品不卡视频一区二区| 精品午夜福利在线看| 中文字幕人妻熟人妻熟丝袜美| 亚洲中文日韩欧美视频| 一进一出好大好爽视频| 日韩中字成人| 亚洲欧美中文字幕日韩二区| 国产精品久久久久久久电影| 亚洲高清免费不卡视频| 一个人看视频在线观看www免费| 亚洲性夜色夜夜综合| 国产在视频线在精品| 日韩欧美一区二区三区在线观看| 精品99又大又爽又粗少妇毛片| 亚洲成人久久性| 禁无遮挡网站| 在线观看66精品国产| 成人特级av手机在线观看| 成人美女网站在线观看视频| 亚洲综合色惰| 亚洲第一电影网av| 草草在线视频免费看| 亚洲av电影不卡..在线观看| 神马国产精品三级电影在线观看| 99在线视频只有这里精品首页| 三级经典国产精品| а√天堂www在线а√下载| 91狼人影院| 久久久久久久午夜电影| 精品国内亚洲2022精品成人| 日韩三级伦理在线观看| 国产aⅴ精品一区二区三区波| 看非洲黑人一级黄片| 久久草成人影院| 最好的美女福利视频网| 最近的中文字幕免费完整| 永久网站在线| 国产亚洲av嫩草精品影院| 全区人妻精品视频| 插阴视频在线观看视频| 在线观看66精品国产| 亚洲婷婷狠狠爱综合网| 一个人看的www免费观看视频| 乱人视频在线观看| 亚洲欧美成人精品一区二区| 国国产精品蜜臀av免费| 日日摸夜夜添夜夜添小说| 97在线视频观看| 午夜视频国产福利| 97在线视频观看| 欧美绝顶高潮抽搐喷水| 日本一二三区视频观看| 蜜臀久久99精品久久宅男| 一卡2卡三卡四卡精品乱码亚洲| 久久婷婷人人爽人人干人人爱| 一级av片app| 身体一侧抽搐| 少妇人妻一区二区三区视频| 国产日本99.免费观看| 永久网站在线| 久久久色成人| 亚洲成人久久性| 国产精品美女特级片免费视频播放器| 国产亚洲精品久久久久久毛片| 少妇猛男粗大的猛烈进出视频 | 欧美激情在线99| 特级一级黄色大片| 俄罗斯特黄特色一大片| 久久久久免费精品人妻一区二区| 欧美性感艳星| 免费av观看视频| or卡值多少钱| 中国美白少妇内射xxxbb| 国产精品精品国产色婷婷| 亚洲国产日韩欧美精品在线观看| 狂野欧美激情性xxxx在线观看| 日韩在线高清观看一区二区三区| 狂野欧美激情性xxxx在线观看| 国产精品不卡视频一区二区| 成人漫画全彩无遮挡| 91狼人影院| 亚洲av第一区精品v没综合| 国产精品一区二区三区四区免费观看 | 国产中年淑女户外野战色| 男人舔奶头视频| 国产视频内射| 久久精品久久久久久噜噜老黄 | 国模一区二区三区四区视频| 久久欧美精品欧美久久欧美| 99久久成人亚洲精品观看| 淫秽高清视频在线观看| 小说图片视频综合网站| 免费在线观看成人毛片| 99热网站在线观看| 午夜日韩欧美国产| 在线观看午夜福利视频| 久久欧美精品欧美久久欧美| av黄色大香蕉| 国产一区二区三区在线臀色熟女| .国产精品久久| 久久人人爽人人片av| 亚洲综合色惰| 欧美日韩国产亚洲二区| 久久九九热精品免费| 国产精品无大码| 国产高清三级在线| 久久综合国产亚洲精品| 不卡一级毛片| 女的被弄到高潮叫床怎么办| 亚洲国产欧美人成| 亚洲精品一卡2卡三卡4卡5卡| 国产中年淑女户外野战色| 久久久久久久久大av| 国产成人一区二区在线| 午夜精品在线福利| 国产不卡一卡二| 麻豆一二三区av精品| 午夜福利在线观看吧| 国产男靠女视频免费网站| 又黄又爽又刺激的免费视频.| 一夜夜www| 91久久精品电影网| 久久精品国产亚洲av天美| 露出奶头的视频| 国产精品久久久久久久电影| 欧美3d第一页| 99在线人妻在线中文字幕| 国内精品一区二区在线观看| 亚洲成人久久爱视频| 色综合亚洲欧美另类图片| 亚洲成av人片在线播放无| 亚洲欧美清纯卡通| av国产免费在线观看| 看片在线看免费视频| 日韩高清综合在线| 国产 一区精品| 欧美最黄视频在线播放免费| 18禁裸乳无遮挡免费网站照片| 最近手机中文字幕大全| 欧美最新免费一区二区三区| 国产片特级美女逼逼视频| 免费看a级黄色片| 欧美极品一区二区三区四区| 婷婷六月久久综合丁香| 国产 一区 欧美 日韩| 床上黄色一级片| 中国美白少妇内射xxxbb| 一夜夜www| 国产白丝娇喘喷水9色精品| 日韩高清综合在线| 一进一出抽搐gif免费好疼| 久久精品国产亚洲网站| 国产不卡一卡二| 淫妇啪啪啪对白视频| 亚洲最大成人av|