• <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Web日志的用戶行為相似度的業(yè)務(wù)流分析方法

    2018-03-26 04:26:03賈小貝方歡安徽理工大學(xué)數(shù)學(xué)與大數(shù)據(jù)學(xué)院安徽淮南232001
    關(guān)鍵詞:日志頁(yè)面聚類

    賈小貝,方歡 (安徽理工大學(xué)數(shù)學(xué)與大數(shù)據(jù)學(xué)院,安徽 淮南 232001)

    隨著網(wǎng)絡(luò)的迅速發(fā)展,囤積在互聯(lián)網(wǎng)上的數(shù)據(jù)也越來越多。面對(duì)如此海量的信息,如何快速提取所需要的信息是Web用戶所關(guān)心的問題之一。與此同時(shí),對(duì)Web站點(diǎn)的拓?fù)浣Y(jié)構(gòu)的設(shè)計(jì)以及功能也提出了更多的要求,比如如何改善網(wǎng)站的結(jié)構(gòu)以方便用戶迅速找出所需要的信息,如何為用戶提供個(gè)性化服務(wù),如何發(fā)現(xiàn)潛在的訪問群體,為不同的訪問群體做出準(zhǔn)確的市場(chǎng)定位。因此,一種將傳統(tǒng)數(shù)據(jù)應(yīng)用于Web領(lǐng)域的技術(shù)——Web挖掘應(yīng)運(yùn)而生。由于Web信息普遍具有無(wú)結(jié)構(gòu)性、缺乏完整性約束和分布松散的特點(diǎn),因此直接對(duì)Web信息進(jìn)行挖掘具有相當(dāng)?shù)碾y度。Web日志具有完美的結(jié)構(gòu),其包含的信息反映了用戶瀏覽行為特點(diǎn),為Web挖掘提供了良好的前提條件[1]。 對(duì)Web用戶聚類基于Web日志進(jìn)行挖掘,該方法的主要步驟是首先對(duì)用戶日志進(jìn)行預(yù)處理,然后從中選取所需的用戶特征計(jì)算行為相似度,最后應(yīng)用聚類算法得到聚類結(jié)果。通過對(duì)用戶進(jìn)行聚類最終達(dá)到用戶與網(wǎng)站間一對(duì)一(onetoone)的模式。

    過程聚類(clustering)是將數(shù)據(jù)對(duì)象劃分成若干組(class)或者類(cluster)的過程[2],劃分后的結(jié)果使得組內(nèi)的數(shù)據(jù)相似度很高,不同組的數(shù)據(jù)相似度較低。與聚類相關(guān)的算法很多,主要包括劃分聚類算法、層次聚類算法、網(wǎng)格聚類算法、模型聚類算法以及密度聚類算法[3,4]。作為一種重要的數(shù)據(jù)挖掘技術(shù),聚類已經(jīng)在Web日志挖掘中得到廣泛的應(yīng)用。但是與傳統(tǒng)數(shù)據(jù)挖掘相對(duì)比,聚類技術(shù)在Web日志挖掘中的應(yīng)用所需要探討的問題還有很多。如在Web日志挖掘中,關(guān)于用戶訪問路徑相似度的評(píng)價(jià)方法具有良好的實(shí)際應(yīng)用價(jià)值,但是到目前為止,有關(guān)用戶訪問路徑的相似度計(jì)算大部分是基于集合之間的交集運(yùn)算,如夾角余弦方法、Jaccard相關(guān)系數(shù)計(jì)算法、名義變量、基于非歐氏距離的序列排列方法(SAM)、多維序列排列方法[5~8]。文獻(xiàn)[9]提出將雅克比系數(shù)和CM(Common road length divide Max road length)系數(shù)相結(jié)合來計(jì)算不同訪問序列間的相似度。文獻(xiàn)[10]提出首先對(duì)頁(yè)面聚類再進(jìn)行用戶相似度計(jì)算的方法。然而,這些研究都對(duì)行為序列的時(shí)間信息進(jìn)行了弱化。一般而言,用戶的Cookies記錄了用戶瀏覽路徑,其主要描述特定用戶在一段時(shí)間內(nèi)所依瀏覽的頁(yè)面以及各個(gè)瀏覽頁(yè)面駐留時(shí)間的一個(gè)集合。已有的傳統(tǒng)方法或者沒有把瀏覽的頁(yè)面作為一種序列考慮,或者在處理的過程當(dāng)中忽略掉了其中所包含的時(shí)間信息,這就使得計(jì)算出的結(jié)果不能真實(shí)地反映出用戶間的行為相似性程度。文獻(xiàn)[11]提出了一種Web的用戶聚類方法,將用戶的瀏覽模式看做一個(gè)序列,與此同時(shí)也考慮了與瀏覽頁(yè)面相關(guān)的時(shí)間信息,但是該方法在計(jì)算頁(yè)面停留時(shí)間時(shí),采用的是平均停留時(shí)間(即整條路徑總的停留時(shí)間除以瀏覽的頁(yè)面數(shù))。然而,用戶往往在感興趣的頁(yè)面停留的時(shí)間較長(zhǎng),在不感興趣的頁(yè)面駐留時(shí)間較短,采用平均時(shí)間很難發(fā)現(xiàn)用戶的偏好,因此所得到的聚類就不能真正反映用戶間的區(qū)別。

    下面,筆者結(jié)合Web用戶瀏覽行為的主要特征,基于序列對(duì)齊[12]的核心思想,提出了一種新的相似度計(jì)算方法。這種方法不僅把瀏覽頁(yè)面作為一種序列,同時(shí)還考慮了頁(yè)面所包含的時(shí)間信息,通過引入相似度矩陣對(duì)用戶進(jìn)行行為聚類的分析和研究。最后,通過一些程序采集到的Web用戶的日志進(jìn)行算法驗(yàn)證,并將其結(jié)果與傳統(tǒng)的SPSS聚類結(jié)果進(jìn)行比較,驗(yàn)證了所提出方法的有效性。

    1 相關(guān)概念

    定義1[13](隸屬度) 項(xiàng)Ui與類cj的連接強(qiáng)度J(Ui,cj)定義為:

    式中,sim(Ui,Uk)表示項(xiàng)Ui與cj類中的Uk項(xiàng)的相似度;m為cj中元素項(xiàng)的個(gè)數(shù)。

    定義2[9](相似度矩陣) 相似度矩陣以對(duì)象-對(duì)象的結(jié)構(gòu)表示,存儲(chǔ)n個(gè)對(duì)象兩兩之間的相似性,表示為一個(gè)n×n維的矩陣A:

    (1)

    式中,A是一個(gè)對(duì)稱陣,AT=A;dij量化表示對(duì)象i,j之間的相似性。一般而言,dij是一個(gè)非負(fù)的數(shù)值,且dij的值越接近1,則意味著i,j之間越接近;當(dāng)dij的值越接近0,則表示i,j之間差異越大。

    定義3(含時(shí)間因素的序列) 二元組N=(T;DI)是一個(gè)含時(shí)間的序列,其中T是一個(gè)活動(dòng)序列集合,DI是定義在活動(dòng)集T上的時(shí)間函數(shù),即DI:T→R0,其中,R0≥0。

    定義4(含時(shí)間因素的子序列) 二元組N=(T;DI) 是一個(gè)含時(shí)間的序列,其中T是一個(gè)活動(dòng)序列集合,如果T1?T,則N1=(T1;DI)是N的一個(gè)含時(shí)間因素的子序列。

    定義5[14](不含時(shí)間的2個(gè)序列的相似度)P,Q是2個(gè)字符串序列,這2個(gè)字符串之間的相似度可表示為SSAM(P,Q):

    (2)

    式中,ωd為刪除操作的代價(jià);ωi為插入操作的代價(jià);η為重排操作的代價(jià);ωd,ωi,η均是一個(gè)人為給定的一個(gè)正常數(shù);D為刪除操的作的次數(shù);I為插入操作的次數(shù);R為重排操作的次數(shù);|P|,|Q|分別表示每個(gè)字符串的長(zhǎng)度。

    定義6(含時(shí)間因素的SAM距離)S1={(t1,T1),(t2,T2),…,(ti,Ti)}(1≤i≤n)和S2={(a1,I1),(a2,I2),…,(aj,Ij)}(1≤j≤n)為2個(gè)帶有時(shí)間戳(時(shí)間戳表示的是一個(gè)時(shí)間序列T={t1,t2,…,tn},其中序列中的每個(gè)元素描述了對(duì)應(yīng)活動(dòng)的持續(xù)時(shí)間)的序列集,其中ti∈T,aj∈A代表活動(dòng)集,Ti∈T′,Ij∈I代表時(shí)間集。則這2個(gè)序列集之間的距離記為dSAM(S1,S2):

    (3)

    式中,|Ti-Tj|代表一次補(bǔ)償操作;|Ti-Tj|*|i-j|代表一次重排操作。

    定義7(含時(shí)間因素的2個(gè)序列集間的相似度)S1={(t1,T1),(t2,T2),…,(ti,Ti)}(1≤i≤n)和S2={(a1,I1),(a2,I2),…,(aj,Ij)}(1≤j≤n)為2個(gè)帶有時(shí)間戳的序列集,其中ti∈T,aj∈A代表活動(dòng)集,Ti∈T′,Ij∈I代表時(shí)間集。這2個(gè)子序列集之間的相似度記為sim(S1,S2):

    (4)

    這2個(gè)含時(shí)間因素的序列間之間的相似度記為SIM(S1,S2):

    (5)

    其中,w1+w2=1。

    定義8(2個(gè)子類之間的相似度) 對(duì)于2個(gè)子類C1,C2,C1中包含的元素個(gè)數(shù)為|C1|,C2中包含的元素個(gè)數(shù)為|C2|,則這2個(gè)子類C1,C2之間的相似度表示為SIM(C1,C2):

    (6)

    其中,α+β=1。

    定理1[15](相似傳遞性) 如果P和Q相似,Q和R也相似,那么P和R在一定程度上也具有相似性。

    2 基于活動(dòng)時(shí)間對(duì)齊的相似度評(píng)價(jià)算法

    下面給出2個(gè)用戶間行為相似度評(píng)價(jià)算法——基于活動(dòng)時(shí)間對(duì)齊的相似度評(píng)價(jià)算法(Similarity Calculation Method Based On Activity Time Alignment,SCMBATA)。

    輸入:2個(gè)用戶包含時(shí)間的活動(dòng)序列:

    S1={(t1,T1),(t2,T2),…,(tn,Tn)}

    S2={(a1,I1,(a2,I2),…,(an,In)}

    輸出:用戶行為的相似度

    SIM(u1,u2)

    步驟:

    Step1:i=1,j=1;

    Step2: if (ti=aj)

    (|ti-aj|) /進(jìn)行補(bǔ)償操作/

    i++,j++;

    else if (ti≠aj)

    (|ti-aj|*|i-j|);/重排操作/

    i++,j++;

    Step3:i=n

    /結(jié)束/

    return SIM(u1,u2)。

    3 基于Web訪問日志的用戶聚類算法

    下面給出基于Web訪問日志的用戶聚類算法——基于相似度矩陣的聚類評(píng)價(jià)算法(Clustering Based On Similarity Matrix Algorithm,CBOSMA)。

    輸入:相似度矩陣,相似度閾值λ0

    輸出:Web用戶聚類結(jié)果集合

    步驟:

    Step1 輸個(gè)相似度矩陣,取除對(duì)角線外所有元素的平均值作為相似度閾值λ0:

    Step2 用三元組∑=(i,j,sim(ui,uj))(其中的元素分別代表行號(hào),列號(hào),相似值;且(i≠j)表示出相似矩陣的前(n-1行)每一行的最大值;

    Step3 根據(jù)相似度矩陣中當(dāng)?shù)脑剡m當(dāng)計(jì)算相似度閾值λ=γλ0(其中γ為調(diào)節(jié)系數(shù),其中0≤γ≤1),使分類的精度較高;

    Step4 將所得到三元組中的相似度值分別與相似度閾值比較,大于閾值的元素所在的行號(hào)和列號(hào)對(duì)應(yīng)的元素歸為一類,小于閾值的所在行號(hào)的元素單獨(dú)歸為一類。即如果sim(ui,uj)≥λ,那么class1={useri,userj}。如果sim(ui,uj)<λ,則class2={user2};

    Step6 如果類間有交集,則用定義1中的隸屬度判別該交集項(xiàng)所屬的類;

    Step7 由定義8計(jì)算類間相似度,得到由類間相似度構(gòu)成的相似度矩陣,繼續(xù)上面的步驟直到得到需要的分類結(jié)果。

    4 實(shí)證分析

    圖1 程序截取的日志片段圖

    通過對(duì)所選取的數(shù)據(jù)集(該數(shù)據(jù)集來源于data tang.com共享平臺(tái))中的1000個(gè)用戶的日志文件進(jìn)行清洗、過濾等預(yù)處理。接著,把從數(shù)據(jù)集中抽取的12個(gè)用戶(其中這12個(gè)用戶在數(shù)據(jù)集中的序號(hào)為87,89,91,170,177,450,656,665,741,773,776,898)的日志信息作為分析對(duì)象:首先計(jì)算用戶間的相似度,然后進(jìn)行聚類。樣本數(shù)據(jù)包中的數(shù)據(jù)文件可分為2部分,其中behavior文件夾中是按日期歸檔的樣本行為日志,demographic.csv是樣本的人口屬性信息,二者可通過樣本ID關(guān)聯(lián)。圖1展示了一個(gè)典型的日志片段,表1表示了該日志片段中各符號(hào)代表的含義。

    表1 日志片段中的符號(hào)含義

    為了對(duì)所選取的用戶行為進(jìn)行更加精確地分析,截取每個(gè)日志的同一個(gè)時(shí)間段(比如開機(jī)后1h)進(jìn)行分析。首先,從這些日志文本中提取所需要的路徑以及與路徑相關(guān)的時(shí)間信息(以一個(gè)進(jìn)程名的變更作為一個(gè)動(dòng)作的完成,2個(gè)動(dòng)作間隔作為在一個(gè)動(dòng)作上的駐留時(shí)間);然后,根據(jù)筆者提出的相似性計(jì)算方法SCMBATA,計(jì)算得到這12個(gè)用戶相似性矩陣:

    由相似性矩陣A,根據(jù)聚類算法CBOMSA,將這12個(gè)用戶分類,分類結(jié)果如下:

    C1={user1,user3,user4,user5,user8,user9,user12}

    C2={user2,user6,user10,}

    C3={user7,user11}

    根據(jù)分類,由式(6)可得類間的相似度(在此規(guī)定權(quán)重因子以各類中元素占總的元素的比重表示):

    SIM(C1,C2)=0.35 SIM(C1,C3)=0.30 SIM(C2,C3)=0.24

    由計(jì)算出的類間的相似度值可以看出類與類間的差異度比較明顯,這也表明了該聚類方法的有效性。

    Web用戶的行為特征主要由瀏覽路徑和各個(gè)頁(yè)面停留的時(shí)間所體現(xiàn)。每個(gè)用戶瀏覽頁(yè)面的順序以及停留時(shí)間與該用戶的行為習(xí)慣以及偏好有很大的關(guān)系。人們往往會(huì)優(yōu)先瀏覽自己所喜歡的頁(yè)面并且在這個(gè)頁(yè)面上駐留較長(zhǎng)的時(shí)間。而且,一個(gè)用戶的行為習(xí)慣在很大程度上與自己的文化背景,學(xué)歷以及生活環(huán)境密不可分。但是,在傳統(tǒng)的SPSS聚類中,以這些變量作為因子進(jìn)行聚類所得到的結(jié)果僅僅只能粗糙地反映出用戶間的差別。以學(xué)歷、收入、用戶居住類型作為因子變量,表2展示了SPSS和筆者提出的聚類方法得到的聚類結(jié)果對(duì)比情況,加粗部分表示筆者提出的聚類分組結(jié)果和SPSS分組結(jié)果重疊的部分。

    表2 聚類結(jié)果對(duì)比

    根據(jù)表2的結(jié)果分析可以看出,以用戶的瀏覽路徑以及時(shí)間因素作為考慮要素所得到的聚類結(jié)果和SPSS 得出的聚類結(jié)果有很明顯的區(qū)別,這表明了時(shí)間因素對(duì)用戶進(jìn)行聚類的重要影響。

    5 結(jié)語(yǔ)

    面對(duì)愈來愈多的用戶群以及日益龐大的數(shù)據(jù)庫(kù)信息,如何快速準(zhǔn)確地找到個(gè)人所需是每個(gè)人所關(guān)注的焦點(diǎn)。為了對(duì)每個(gè)用戶進(jìn)行有效的私人訂制,需要對(duì)這些用戶進(jìn)行歸類,然后根據(jù)各個(gè)類別的差異進(jìn)行站點(diǎn)拓?fù)浣Y(jié)構(gòu)改善以及網(wǎng)站推薦。筆者從用戶的瀏覽日志入手,同時(shí)考慮了用戶的行為以及各個(gè)行為過程的的駐留時(shí)間,將所提出的用戶相似度評(píng)價(jià)方法和聚類算法得出的結(jié)果與傳統(tǒng)的SPSS聚類結(jié)果進(jìn)行了對(duì)比,結(jié)果表明網(wǎng)頁(yè)駐留時(shí)間對(duì)于用戶相似度評(píng)價(jià)有重要意義。

    [1]Romero C, Ventura S, Zafra A, et al.Applying Web usage mining for personalizing hyperlinks in Web-based adaptive educational systems[J].Computers & Education,2009, 53(3):828~840.

    [2] Himmelspach L, Conrad S.Fuzzy Clustering of Incomplete Data Based on Cluster Dispersion[A].Computational Intelligence for Knowledge-Based Systems Design[C].2010:59~68.

    [3] He H, Hai H, Wang R.FCA-Based Web User Profile Mining for Topics of Interest[A].IEEE International Conference on Integration Technology[C].2007:778~782.

    [4] Leoni M D, Aalst W M, Dongen B F V.Data-and Resource-Aware Conformance Checking of Business Processes[C].Business Information Systems,2015:35~36.

    [5] Bas P, Chassery J M, Macq B.Geometrically invariant watermarking using feature points[J].IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society, 2002, 11(9):1014~28.

    [6] Algiriyage N, Jayasena S, Dias G.Web user profiling using hierarchical clustering with improved similarity measure[A].Moratuwa Engineering Research Conference[C].2015:295~300.

    [7] Montani S, Leonardi G, Quaglini S, et al.A knowledge-intensive approach to process similarity calculation[J].Expert Systems with Applications, 2015, 42(9):4207~4215.

    [8] Hay B, Wets G, Vanhoof K.Web Usage Mining by Means of Multidimensional Sequence Alignment Methods[J].Lecture Notes in Computer Science, 2003, 2703:50~65.

    [9] Li Y, Zhu T, Li A, et al.Web behavior and personality: A review[A].Web Society[C].IEEE, 2011:81~87.

    [10] Meghabghab G, Kandel A.Search Engines, Link Analysis and User’s Web Behavior[J].Studies in Computational Intelligence, 2010, 99(3):10~26.

    [11] Zhang Y, Xu G.On web communities mining and recommendation[J].Concurrency & Computation Practice & Experience, 2010, 21(5):561~582.

    [12] Cárden G G, Tuomisto H, Lehtonen S.Newly discovered diversity in the tropical fern genus Metaxya based on morphology and molecular phylogenetic analyses[J].Kew Bulletin, 2016, 71(1):1~27.

    [13] Schefels C.Computing User Importance in Web Communities by Mining Similarity Graphs[J].International Journal on Advances in Internet Technology, 2013, 6(1/2):79~89.

    .[14] Joh C H, Arentze T A, Timmermans H J P.A position-sensitive sequence-alignment method illustrated for space- time activity-diary data[J].Environment and Planning A, 2001, 33(2):313~338.

    [15] Li L, Xi Y.Research on Clustering Algorithm and Its Parallelization Strategy[A].International Conference on Computational and Information Sciences[C].2011:325~328.

    猜你喜歡
    日志頁(yè)面聚類
    大狗熊在睡覺
    刷新生活的頁(yè)面
    一名老黨員的工作日志
    扶貧日志
    心聲歌刊(2020年4期)2020-09-07 06:37:14
    基于DBSACN聚類算法的XML文檔聚類
    游學(xué)日志
    基于改進(jìn)的遺傳算法的模糊聚類算法
    一種層次初始的聚類個(gè)數(shù)自適應(yīng)的聚類方法研究
    自適應(yīng)確定K-means算法的聚類數(shù):以遙感圖像聚類為例
    一種基于粗集和SVM的Web日志挖掘模型
    九九在线视频观看精品| 三级毛片av免费| 欧美一级毛片孕妇| 国产精品野战在线观看| 美女cb高潮喷水在线观看| 欧美一区二区亚洲| 久久久国产成人免费| 欧美日韩福利视频一区二区| 欧美3d第一页| 亚洲精品456在线播放app | 天天一区二区日本电影三级| 婷婷精品国产亚洲av| 成年女人看的毛片在线观看| 日韩精品青青久久久久久| 中文字幕人成人乱码亚洲影| 久久久久久久久久黄片| 亚洲精品粉嫩美女一区| 欧美zozozo另类| 桃红色精品国产亚洲av| 美女 人体艺术 gogo| 国产麻豆成人av免费视频| 夜夜夜夜夜久久久久| 亚洲久久久久久中文字幕| 国产高清三级在线| 久久久久免费精品人妻一区二区| av福利片在线观看| 国产av在哪里看| 国产主播在线观看一区二区| 90打野战视频偷拍视频| 午夜老司机福利剧场| 操出白浆在线播放| 尤物成人国产欧美一区二区三区| 国产亚洲精品一区二区www| 老司机在亚洲福利影院| 此物有八面人人有两片| 久久久久久久久大av| 亚洲内射少妇av| 国内毛片毛片毛片毛片毛片| 亚洲av免费高清在线观看| 精品无人区乱码1区二区| 人妻久久中文字幕网| 亚洲在线自拍视频| 国产精品一区二区三区四区免费观看 | 亚洲人成网站高清观看| 天天一区二区日本电影三级| 又粗又爽又猛毛片免费看| eeuss影院久久| 久久久精品大字幕| 黄片大片在线免费观看| 一进一出抽搐动态| 男女那种视频在线观看| 白带黄色成豆腐渣| 亚洲乱码一区二区免费版| 国产欧美日韩一区二区三| 亚洲av成人av| 午夜老司机福利剧场| av女优亚洲男人天堂| 国产爱豆传媒在线观看| 久久人人精品亚洲av| 精华霜和精华液先用哪个| av欧美777| 亚洲18禁久久av| 免费看美女性在线毛片视频| 久久午夜亚洲精品久久| 狂野欧美激情性xxxx| 午夜久久久久精精品| 波多野结衣巨乳人妻| 色老头精品视频在线观看| 国产午夜福利久久久久久| 国产三级中文精品| 美女黄网站色视频| 老鸭窝网址在线观看| 给我免费播放毛片高清在线观看| 亚洲第一欧美日韩一区二区三区| 啦啦啦韩国在线观看视频| 在线观看舔阴道视频| 国产亚洲精品一区二区www| 国产毛片a区久久久久| 每晚都被弄得嗷嗷叫到高潮| 女人高潮潮喷娇喘18禁视频| 精品电影一区二区在线| 一进一出好大好爽视频| 麻豆国产97在线/欧美| 丝袜美腿在线中文| 亚洲人成伊人成综合网2020| 一卡2卡三卡四卡精品乱码亚洲| 观看免费一级毛片| 婷婷精品国产亚洲av| 日韩欧美国产一区二区入口| 色吧在线观看| 一夜夜www| 精品午夜福利视频在线观看一区| 又黄又粗又硬又大视频| 亚洲精品在线观看二区| 有码 亚洲区| 日韩av在线大香蕉| 蜜桃亚洲精品一区二区三区| 窝窝影院91人妻| 国产精品99久久久久久久久| 国产精品综合久久久久久久免费| 亚洲国产精品999在线| 免费高清视频大片| 99国产精品一区二区蜜桃av| 午夜精品久久久久久毛片777| 亚洲成a人片在线一区二区| 级片在线观看| www日本在线高清视频| 老熟妇仑乱视频hdxx| av欧美777| 久久久久久大精品| 一本久久中文字幕| 婷婷丁香在线五月| 搡老熟女国产l中国老女人| 日韩精品中文字幕看吧| 中文字幕av成人在线电影| 午夜免费成人在线视频| 亚洲av成人av| 91久久精品国产一区二区成人 | 欧美日韩一级在线毛片| 老鸭窝网址在线观看| 1024手机看黄色片| 精品久久久久久成人av| 久久久久精品国产欧美久久久| 国产av麻豆久久久久久久| 国内精品一区二区在线观看| 国产极品精品免费视频能看的| 神马国产精品三级电影在线观看| 99在线人妻在线中文字幕| 亚洲精品影视一区二区三区av| 免费在线观看成人毛片| 久久久精品大字幕| 精品国产亚洲在线| 免费电影在线观看免费观看| 色播亚洲综合网| 精品无人区乱码1区二区| 夜夜爽天天搞| 在线免费观看不下载黄p国产 | 免费大片18禁| 一个人免费在线观看的高清视频| aaaaa片日本免费| 一进一出好大好爽视频| 亚洲美女视频黄频| 国产高清有码在线观看视频| 久久久国产成人精品二区| 精品一区二区三区av网在线观看| 女同久久另类99精品国产91| 99久久精品热视频| 久久天躁狠狠躁夜夜2o2o| 国产精品亚洲av一区麻豆| 99热精品在线国产| 人妻夜夜爽99麻豆av| 99久久精品热视频| 欧美在线一区亚洲| 欧美色欧美亚洲另类二区| 国产色爽女视频免费观看| 久久久久九九精品影院| 中文字幕精品亚洲无线码一区| 尤物成人国产欧美一区二区三区| 国产黄片美女视频| 九九久久精品国产亚洲av麻豆| 极品教师在线免费播放| 精品无人区乱码1区二区| 看免费av毛片| 国语自产精品视频在线第100页| 2021天堂中文幕一二区在线观| 亚洲精品粉嫩美女一区| 麻豆国产av国片精品| 欧美日韩亚洲国产一区二区在线观看| 国产成人欧美在线观看| 高清在线国产一区| 九九在线视频观看精品| 久久婷婷人人爽人人干人人爱| 欧美性猛交黑人性爽| 午夜福利视频1000在线观看| 校园春色视频在线观看| 熟妇人妻久久中文字幕3abv| 国产野战对白在线观看| 露出奶头的视频| 高清毛片免费观看视频网站| 国产 一区 欧美 日韩| 色老头精品视频在线观看| 在线观看av片永久免费下载| 国产av不卡久久| 国产精华一区二区三区| 国产成人啪精品午夜网站| 午夜福利成人在线免费观看| 久久精品国产综合久久久| 久久久久久人人人人人| 国产黄a三级三级三级人| 18禁裸乳无遮挡免费网站照片| 色av中文字幕| 免费无遮挡裸体视频| eeuss影院久久| 国产伦人伦偷精品视频| 国产成人欧美在线观看| 久久久久国产精品人妻aⅴ院| 亚洲精品成人久久久久久| 亚洲狠狠婷婷综合久久图片| 成年免费大片在线观看| 成人永久免费在线观看视频| 亚洲精品成人久久久久久| 99国产综合亚洲精品| 精品无人区乱码1区二区| a级一级毛片免费在线观看| 我的老师免费观看完整版| 好男人电影高清在线观看| 午夜免费观看网址| 高清毛片免费观看视频网站| 国产成人av激情在线播放| 久久国产精品影院| 色吧在线观看| tocl精华| av专区在线播放| 夜夜看夜夜爽夜夜摸| 国产欧美日韩一区二区三| 久久天躁狠狠躁夜夜2o2o| av黄色大香蕉| 亚洲精品一卡2卡三卡4卡5卡| av欧美777| 亚洲aⅴ乱码一区二区在线播放| 亚洲一区高清亚洲精品| 淫秽高清视频在线观看| 美女高潮的动态| 欧美日韩国产亚洲二区| 国产午夜精品久久久久久一区二区三区 | 熟女少妇亚洲综合色aaa.| 少妇熟女aⅴ在线视频| 亚洲电影在线观看av| 宅男免费午夜| 青草久久国产| 日韩大尺度精品在线看网址| 久久精品人妻少妇| 国产av不卡久久| bbb黄色大片| 男女那种视频在线观看| 久久香蕉精品热| 黄色女人牲交| 午夜精品在线福利| 国产在线精品亚洲第一网站| 国产精品亚洲美女久久久| 午夜影院日韩av| 欧美性猛交黑人性爽| 久99久视频精品免费| 少妇人妻精品综合一区二区 | 日本与韩国留学比较| 国产av不卡久久| av在线天堂中文字幕| 欧美在线一区亚洲| 一本精品99久久精品77| 国产免费一级a男人的天堂| 高清日韩中文字幕在线| 禁无遮挡网站| 人妻丰满熟妇av一区二区三区| 在线观看免费视频日本深夜| 天堂√8在线中文| 午夜精品久久久久久毛片777| 一级毛片高清免费大全| 久久这里只有精品中国| 毛片女人毛片| 中文字幕久久专区| 国产高潮美女av| 有码 亚洲区| 午夜激情欧美在线| 精品福利观看| 女生性感内裤真人,穿戴方法视频| 亚洲国产色片| 中文资源天堂在线| 日本 av在线| 18美女黄网站色大片免费观看| 国产综合懂色| 女人高潮潮喷娇喘18禁视频| 亚洲国产精品成人综合色| 日本三级黄在线观看| 国产亚洲精品久久久久久毛片| 宅男免费午夜| 亚洲人与动物交配视频| 天天一区二区日本电影三级| 免费电影在线观看免费观看| www日本黄色视频网| 久久久久久久精品吃奶| 欧美丝袜亚洲另类 | 国产午夜福利久久久久久| 国产精品日韩av在线免费观看| 国产成人aa在线观看| 免费av观看视频| 久久欧美精品欧美久久欧美| 天美传媒精品一区二区| 亚洲久久久久久中文字幕| 欧美区成人在线视频| 国产欧美日韩精品亚洲av| 51国产日韩欧美| 国产伦一二天堂av在线观看| 一a级毛片在线观看| 亚洲五月婷婷丁香| 99热精品在线国产| 村上凉子中文字幕在线| 深爱激情五月婷婷| 中文字幕人妻熟人妻熟丝袜美 | 久久久久久大精品| 首页视频小说图片口味搜索| 亚洲专区国产一区二区| 在线免费观看的www视频| 国产精品嫩草影院av在线观看 | 国产高潮美女av| 男女做爰动态图高潮gif福利片| 超碰av人人做人人爽久久 | 精品久久久久久,| eeuss影院久久| 日韩欧美免费精品| 校园春色视频在线观看| 亚洲专区国产一区二区| 88av欧美| 一级黄片播放器| 色综合婷婷激情| 国产爱豆传媒在线观看| 少妇裸体淫交视频免费看高清| 精品午夜福利视频在线观看一区| 中文亚洲av片在线观看爽| 有码 亚洲区| 色视频www国产| 欧美日韩瑟瑟在线播放| 岛国视频午夜一区免费看| 狂野欧美白嫩少妇大欣赏| 中文资源天堂在线| 久久久久久久久大av| 欧美色视频一区免费| 欧美高清成人免费视频www| 村上凉子中文字幕在线| 久久久久久国产a免费观看| 成人无遮挡网站| 欧美一级a爱片免费观看看| 99视频精品全部免费 在线| 麻豆国产97在线/欧美| 操出白浆在线播放| 国产亚洲精品一区二区www| 色噜噜av男人的天堂激情| 十八禁人妻一区二区| 中文字幕高清在线视频| 精品国产美女av久久久久小说| tocl精华| 婷婷亚洲欧美| 波多野结衣高清作品| 国产视频内射| 999久久久精品免费观看国产| 亚洲av电影在线进入| 久久草成人影院| 动漫黄色视频在线观看| 亚洲av第一区精品v没综合| 国产高清三级在线| 午夜影院日韩av| 老鸭窝网址在线观看| 日日夜夜操网爽| 亚洲国产精品sss在线观看| 国产精华一区二区三区| 欧美精品啪啪一区二区三区| 免费电影在线观看免费观看| 老司机午夜福利在线观看视频| 动漫黄色视频在线观看| 久久亚洲真实| 9191精品国产免费久久| 亚洲美女视频黄频| 精品无人区乱码1区二区| 免费无遮挡裸体视频| 国产一区二区亚洲精品在线观看| 欧美中文综合在线视频| 国内精品美女久久久久久| 午夜亚洲福利在线播放| 国产探花在线观看一区二区| 国产一区在线观看成人免费| 国产成人av教育| 黄色成人免费大全| 国产精品三级大全| 欧美日韩亚洲国产一区二区在线观看| 1000部很黄的大片| 女人十人毛片免费观看3o分钟| 啦啦啦韩国在线观看视频| 国产精品乱码一区二三区的特点| 国产成人福利小说| 黄色丝袜av网址大全| 亚洲乱码一区二区免费版| 午夜免费激情av| 成人永久免费在线观看视频| 在线免费观看的www视频| 99久久精品国产亚洲精品| 一区二区三区国产精品乱码| 18禁黄网站禁片免费观看直播| 给我免费播放毛片高清在线观看| 国产精品乱码一区二三区的特点| 国产一区二区激情短视频| 人妻久久中文字幕网| 悠悠久久av| 69av精品久久久久久| 久久久久久久亚洲中文字幕 | 欧美黄色淫秽网站| 国产高清视频在线播放一区| 欧美在线一区亚洲| 日韩欧美在线乱码| 女人高潮潮喷娇喘18禁视频| 久久性视频一级片| 精品福利观看| 欧美日韩中文字幕国产精品一区二区三区| 一级黄片播放器| 欧美乱色亚洲激情| 亚洲内射少妇av| 国产亚洲av嫩草精品影院| 美女被艹到高潮喷水动态| 一二三四社区在线视频社区8| 国产麻豆成人av免费视频| 网址你懂的国产日韩在线| 国产黄a三级三级三级人| 精品午夜福利视频在线观看一区| 伊人久久大香线蕉亚洲五| 极品教师在线免费播放| 国产欧美日韩精品一区二区| 他把我摸到了高潮在线观看| 国产精华一区二区三区| 一本综合久久免费| 亚洲av美国av| 久99久视频精品免费| 欧美+日韩+精品| 精品乱码久久久久久99久播| 99久久精品国产亚洲精品| 日韩欧美 国产精品| 久久亚洲真实| 天天一区二区日本电影三级| 国产一区二区亚洲精品在线观看| 国产精品 欧美亚洲| 国产野战对白在线观看| 亚洲18禁久久av| tocl精华| 午夜两性在线视频| 男女视频在线观看网站免费| 特级一级黄色大片| 中文字幕熟女人妻在线| 日韩大尺度精品在线看网址| eeuss影院久久| 免费大片18禁| 精品一区二区三区av网在线观看| 一区福利在线观看| 国产色爽女视频免费观看| 国产黄a三级三级三级人| 国产亚洲精品av在线| 欧美日韩乱码在线| 小说图片视频综合网站| 精品一区二区三区视频在线 | 熟女人妻精品中文字幕| 女人高潮潮喷娇喘18禁视频| 99热这里只有精品一区| 亚洲,欧美精品.| 免费观看精品视频网站| 国产精品一及| 亚洲avbb在线观看| 亚洲欧美日韩无卡精品| 久久久国产成人免费| 女同久久另类99精品国产91| 最近最新中文字幕大全免费视频| 中文字幕久久专区| 亚洲美女黄片视频| 久久久久性生活片| 国产三级中文精品| 性欧美人与动物交配| 香蕉久久夜色| 久久精品影院6| 天堂影院成人在线观看| 男女做爰动态图高潮gif福利片| 成年女人毛片免费观看观看9| 嫩草影视91久久| 国产淫片久久久久久久久 | 可以在线观看的亚洲视频| 一级黄色大片毛片| 男女之事视频高清在线观看| 麻豆一二三区av精品| 香蕉丝袜av| 成年版毛片免费区| 男人和女人高潮做爰伦理| 91字幕亚洲| 欧美中文日本在线观看视频| 久久久成人免费电影| 国产精品电影一区二区三区| 天美传媒精品一区二区| 夜夜看夜夜爽夜夜摸| 午夜激情欧美在线| 久久亚洲精品不卡| 看免费av毛片| 超碰av人人做人人爽久久 | 舔av片在线| 色老头精品视频在线观看| a在线观看视频网站| 欧美一区二区精品小视频在线| 国产亚洲欧美98| 免费av毛片视频| 最近最新中文字幕大全电影3| 哪里可以看免费的av片| 国产精品亚洲美女久久久| 中国美女看黄片| 91字幕亚洲| 成人亚洲精品av一区二区| 97超视频在线观看视频| 国产亚洲精品综合一区在线观看| 日韩av在线大香蕉| 国产免费一级a男人的天堂| 欧美色欧美亚洲另类二区| 99久久精品热视频| 小蜜桃在线观看免费完整版高清| 丝袜美腿在线中文| 我的老师免费观看完整版| xxxwww97欧美| 久久精品国产清高在天天线| 国产av麻豆久久久久久久| 黄色视频,在线免费观看| 亚洲国产精品合色在线| 给我免费播放毛片高清在线观看| 亚洲美女黄片视频| 男女那种视频在线观看| 乱人视频在线观看| 国产免费男女视频| 黄片大片在线免费观看| 黄色丝袜av网址大全| 亚洲18禁久久av| 特大巨黑吊av在线直播| 深夜精品福利| 亚洲午夜理论影院| 90打野战视频偷拍视频| 亚洲av五月六月丁香网| 麻豆国产av国片精品| 大型黄色视频在线免费观看| 午夜激情福利司机影院| 午夜福利18| 亚洲第一电影网av| 国产精品免费一区二区三区在线| 国内精品久久久久精免费| 热99在线观看视频| 久久国产精品人妻蜜桃| 国产成人福利小说| 久久精品亚洲精品国产色婷小说| 叶爱在线成人免费视频播放| 久久精品国产综合久久久| 日韩欧美免费精品| 婷婷精品国产亚洲av| 舔av片在线| 在线国产一区二区在线| 欧美性猛交╳xxx乱大交人| 老熟妇乱子伦视频在线观看| 啪啪无遮挡十八禁网站| 精品人妻偷拍中文字幕| 亚洲成a人片在线一区二区| 国产真实伦视频高清在线观看 | 岛国在线免费视频观看| 免费av不卡在线播放| 啪啪无遮挡十八禁网站| 三级国产精品欧美在线观看| 国模一区二区三区四区视频| 神马国产精品三级电影在线观看| 亚洲av不卡在线观看| 搡女人真爽免费视频火全软件 | 母亲3免费完整高清在线观看| 熟女电影av网| 老鸭窝网址在线观看| 手机成人av网站| 嫩草影院入口| 国产精品久久久久久久电影 | 国产色爽女视频免费观看| 亚洲内射少妇av| 免费av观看视频| 欧美黑人巨大hd| 午夜两性在线视频| 99精品久久久久人妻精品| 精品人妻1区二区| 欧美丝袜亚洲另类 | 又爽又黄无遮挡网站| 国产精品av视频在线免费观看| 亚洲在线观看片| 综合色av麻豆| 特级一级黄色大片| 中亚洲国语对白在线视频| 亚洲av五月六月丁香网| 美女 人体艺术 gogo| avwww免费| 国产 一区 欧美 日韩| 日本精品一区二区三区蜜桃| 亚洲av中文字字幕乱码综合| 国产精品自产拍在线观看55亚洲| 欧美日韩国产亚洲二区| 久9热在线精品视频| 国产精品 欧美亚洲| 亚洲性夜色夜夜综合| 一区二区三区激情视频| bbb黄色大片| 亚洲美女黄片视频| 亚洲第一电影网av| 老汉色av国产亚洲站长工具| 欧美日韩精品网址| 日本一二三区视频观看| 国产乱人视频| 成年免费大片在线观看| 国产不卡一卡二| 男女那种视频在线观看| 嫩草影院精品99| 成人高潮视频无遮挡免费网站| 欧美黑人巨大hd| 每晚都被弄得嗷嗷叫到高潮| 少妇人妻精品综合一区二区 | 特大巨黑吊av在线直播| 日韩欧美一区二区三区在线观看| 人妻丰满熟妇av一区二区三区| 有码 亚洲区| 国产精品国产高清国产av| av女优亚洲男人天堂| 99国产极品粉嫩在线观看| 国产v大片淫在线免费观看| 色吧在线观看| 色尼玛亚洲综合影院| 久久久久久久久久黄片| 国内精品一区二区在线观看| 男插女下体视频免费在线播放|