• <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 ?

    基于潛在興趣和地理因素的個性化興趣點推薦研究

    2018-08-02 07:23:50王亞男
    現(xiàn)代計算機 2018年15期
    關(guān)鍵詞:社交矩陣因素

    王亞男

    (重慶大學計算機學院,重慶 400030)

    0 引言

    近年來,隨著定位技術(shù)的民用化,基于位置的社交網(wǎng)絡服務迅速發(fā)展,興趣點呈爆炸式增長,所以一個旨在幫助用戶過濾興趣點,減少其抉擇時間的推薦系統(tǒng)成為了迫切需要的服務。目前存在很多關(guān)于興趣點推薦的研究。舉個例子,Zheng等[1]首次運用基于用戶的協(xié)同過濾方法進行興趣點推薦。Hu等[2]對包含簽到興趣點和未簽到興趣點兩類數(shù)據(jù)的矩陣進行矩陣分解。Cheng等人[3]把用戶在位置上的簽到概率模型模擬為多中心高斯模型來捕獲地理因素,繼而把社交信息和地理信息融入到一個廣義的矩陣分解模型中。Ye等人[4]綜合基于用戶的協(xié)同過濾、基于好友的協(xié)同過濾和基于地理信息的推薦方法提出混合協(xié)同過濾算法,大大提高了推薦精度。

    目前存在的關(guān)于興趣點的推薦(如Ye[4]、Cheng[5]、Gao[6])幾乎全部采用傳統(tǒng)的基于內(nèi)存或基于模型的協(xié)同過濾技術(shù)。但是,由于用戶數(shù)據(jù)的稀疏性,這些技術(shù)都遭受嚴重的冷啟動問題。

    為了應對興趣點推薦中的冷啟動,本文對現(xiàn)存的興趣點推薦算法進行研究,發(fā)現(xiàn)用戶的簽到行為在很大程度上受到相關(guān)用戶的影響。例如,Gao等[7]表示社交好友、簽到行為相似的用戶均會影響用戶的簽到行為;Li等[8]對Foursquare中的數(shù)據(jù)進行了分析,發(fā)現(xiàn)“兩個用戶的活動中心越接近,簽到興趣點重合度越高,即和用戶在地理位置上相近的用戶(例如鄰居)的行為會影響到用戶的簽到行為。因此,本文提出了一個能夠利用相關(guān)用戶的推薦框架,關(guān)于相關(guān)用戶會在下文給出詳細的定義。

    1 相關(guān)用戶

    給定用戶i,為該用戶定義了三類相關(guān)用戶:地理相關(guān)用戶、社交相關(guān)用戶、簽到相似相關(guān)用戶。

    定義1(地理相關(guān)用戶):根據(jù)用戶i的歷史簽到數(shù)據(jù),計算出用戶i的“活動中心”,地理相關(guān)用戶是和用戶i的“活動中心”距離最小的f個用戶,表示為 f(Fig),關(guān)于用戶的“活動中心”,在用戶歷史數(shù)據(jù)集上應用聚類算法來獲得。需要注意的是,在應用聚類算法之前,需要去掉那些明顯偏離的興趣點。

    定義2(社交相關(guān)用戶):用戶i的社交相關(guān)用戶是數(shù)據(jù)集中直接給出的,表示為

    定義3(簽到行為相似的相關(guān)用戶):計算用戶i和其余用戶的簽到相似度,在計算用戶簽到相似度時把時間因素融合到算法中,簽到行為相似相關(guān)用戶是f個和目標用戶i簽到相似度(合并時間因素)最高的用戶,表示為在下文中,將會給出如何把時間因素融入到相似度的計算中。

    2 PC-Geo推薦模型

    2.1 相關(guān)用戶建模

    用戶的簽到行為容易受到相關(guān)聯(lián)用戶的影響,本文為每個用戶選取了三類相關(guān)用戶,并使用這些相關(guān)用戶來學習目標用戶的潛在興趣。前面已經(jīng)獲得了社交相關(guān)用戶和地理相關(guān)用戶,現(xiàn)在還需獲得簽到相似(合并時間因素)相關(guān)用戶。

    時間因素在興趣點推薦中起著重要的作用,因為用戶傾向于在一天的不同時段訪問不同的興趣點。例如,用戶習慣上午9點左右去上班,中午11點吃午飯,晚上十點左右和朋友去酒吧,人類的簽到活動表現(xiàn)出了明顯的時間性。因此,在計算簽到相似度時把時間作為一個影響因素考慮進去能更好地了解人類的移動行為,設(shè)計精確度更高的推薦系統(tǒng)。

    為了證明時間因素確實會影響用戶的簽到行為,實驗時,從Foursquare中隨機選擇多個用戶,對其簽到行為隨時間的變化進行了統(tǒng)計分析,圖1顯示了其中一個用戶的簽到頻率隨時間的變化,從圖中可以看出,該用戶發(fā)生的大部分簽到行為集中在少數(shù)的時間段內(nèi),很多時段基本沒有簽到行為,其余的用戶也呈現(xiàn)類似的趨勢。因此,用戶的簽到行為呈現(xiàn)出很明顯的時間模式。

    圖1 簽到頻率在每個時間狀態(tài)上的分布

    從上面的分析來看,時間因素確實是影響用戶簽到行為的一個重要因素,因此,本文在考慮用戶簽到的相似度的時候增加了時間因素,采用把時間離散化的手段進行研究。首先,把一天分為多個離散時間段,定義為T。然后,把原始的用戶-興趣點矩陣按照簽到時間分成24個時段-用戶-興趣點矩陣。基于時段-用戶-興趣點矩陣,兩個用戶基于時間的相似性表示為:

    然而,原始的用戶-興趣點矩陣就是一個稀疏矩陣,經(jīng)過時間處理之后得到的時段-用戶-興趣點矩陣更加稀疏。因此,不能直接使用時段-用戶-興趣點矩陣去計算兩個用戶之間的相似度??梢韵壤肶uan等[9]中的方式對矩陣平移,然后在進行相似度的計算。平移過程如下所示:

    給定目標用戶i,用戶i在t∈T的簽到向量為:ri,t={ri,t,1,..ri,t,L}。計算該用戶在任意兩個時段的簽到向量的相似性,取數(shù)據(jù)集中所有用戶在這兩個時段的相似值的平均值作為這兩個時段相似度,表示如下:

    利用時段簽到相似矩陣TS來對時間-用戶-興趣點矩陣進行平移,具體平移公式如下:

    然后通過平移過后的時段-用戶-興趣點矩陣就可以進行用戶簽到相似度的計算了。

    最后,把f個簽到相似相關(guān)用戶和f個地理相關(guān)用戶和社交相關(guān)用戶求并集作為目標用戶的相關(guān)用戶。

    2.2 地理信息建模

    不同于傳統(tǒng)的非空間物品的推薦,在LBSN中,每個興趣點都有獨特的地理位置,用戶在在消費產(chǎn)品或者享受服務的同時需要和興趣點有位置上的交互,地理因素是影響用戶簽到行為的一個重要的內(nèi)容。

    現(xiàn)存的興趣點推薦的研究中,設(shè)計到基于地理信息的興趣點推薦大多只是簡單地利用用戶的歷史位置和待訪問的興趣點之間在距離上呈現(xiàn)的反比關(guān)系進行推薦,或者將同一用戶簽到過的任意兩個興趣點間的距離視為冪率分布或多中心的高斯分布進行推薦。但這些方法均存在很多局限。首先,用戶訪問興趣點的概率不是距離上的單調(diào),因為訪問的概率不僅受距離的影響還受位置固有屬性的影響。其次,每個用戶的簽到行為是獨特的,采用通用的分布函數(shù)不能體現(xiàn)用戶的個性化特征。本文采用核密度估計捕獲地理模型,通過該算法可以為每個用戶學習到獨特的概率密度函數(shù),體現(xiàn)出用戶的個性化。

    采用核密度估計捕獲地理模型方法簡述如下:首先,對于目標用戶i,其歷史簽到數(shù)據(jù)表示為Li={l1,l2,……ln}。用戶i對興趣點j的偏好度表示為Wi={w1,w2,……wn}。興趣點的位置表示為lj:(xj,yj)。論文使用高斯分布作為核密度估計中的中心函數(shù),最終本文的核密估計函數(shù)如下:

    其中,h1,h2是固定帶寬,h是根據(jù)用戶i的歷史簽到數(shù)據(jù)的標準差σ得到的。

    但是,只有固定的帶寬并不能反映這樣一個事實:密集的城市地區(qū)有較高的簽到密度,人口稀少的農(nóng)村地區(qū)將會有較低的簽到密度,所以可以增加一個可調(diào)節(jié)的局部帶寬,這個局部帶寬hj的計算方式如下:

    其中,α∈[0,1]是一個靈敏度參數(shù),g是幾何平均數(shù),因此,最終的核密度公式如下:

    至此,完成了通過核密度估計算法為每個用戶學習到獨特的概率密度函數(shù),通過學習到的概率密度函數(shù),可以捕捉地理信息對于用戶簽到的影響。

    2.3 用戶的潛在興趣選擇策略

    在獲得用戶的相關(guān)用戶之后,把相關(guān)用戶簽到過但用戶并未簽到過的部分興趣點作為用戶的潛在興趣。但是由于待選擇的興趣點太多,本文采用線性合并用戶興趣和地理因素的算法去衡量用戶對興趣點的偏好:

    θ是控制用戶偏好和地理因素比例的調(diào)和參數(shù)。是用戶i和其相關(guān)用戶就興趣點j偏好的相似性。Geoi,j是地理對用戶簽到行為的影響,使用fi(l)進行計算。最終,選擇s個 pri,j值最大的興趣點作為用戶i的潛在興趣點。

    2.4 矩陣分解和地理因素的融合

    矩陣分解是一種在推薦算法中被廣泛使用的技術(shù),不同于原始的矩陣分解,本文需要先把用戶潛在興趣點合并到用戶-興趣點矩陣中,緩解矩陣的稀疏性之后,在通過矩陣分解技術(shù)[10]構(gòu)建推薦模型。對于每個用戶i,把興趣點分為三類:Li是用戶簽到過的興趣點集合。Pi是用戶潛在興趣點集合。Ui是用戶沒有簽到過且非潛在興趣點的集合,新的用戶-興趣點矩陣和權(quán)重矩陣如下所示:

    φ,μ∈[0,1]都屬于調(diào)節(jié)參數(shù)。φ+pri,j是潛在興趣點的概率,設(shè)置的過小,和未簽到興趣點的區(qū)別就不明顯了,設(shè)置的過大,會造成噪聲,所以設(shè)置它的值在0.1到0.15之間。最后本文的矩陣分解模型如下:

    為了最小化損失函數(shù),并且保證比快速收斂,本文采用隨機梯度下降算法,算法如表1所示:

    表1 梯度下降算法

    最后,本文合并地理因素對用戶簽到影響到矩陣分解中,獲得推薦模型如下所示:

    3 實驗設(shè)計

    3.1 數(shù)據(jù)集

    表2 Foursquare數(shù)據(jù)集統(tǒng)計信息

    本文采用真實的數(shù)據(jù)集Foursquare,該數(shù)據(jù)集共包含兩個文件,一個是關(guān)于用戶的社交關(guān)系,表示為:〈用戶ID,好友用戶ID〉;一個是用戶的簽到日志表示為:〈簽到序號,用戶ID,簽到時間戳,興趣點ID(經(jīng)度,緯度,區(qū)域),主題〉。數(shù)據(jù)集中所有的興趣點都在加利福尼亞范圍內(nèi),表2給出了數(shù)據(jù)集的詳細信息。

    從表2可以看到,用戶-興趣點矩陣的簽到稀疏度為5.34×10-4,是一個非常低的值。該矩陣的稀疏導致大多數(shù)主流的興趣點推薦算法的精度普遍不高。所以,基于比較低的用戶-興趣點矩陣密度,最終得到普遍偏低的預測準確率和召回率是合理的。

    本文從簽到記錄中隨機抽取80%作為訓練集,訓練隱興趣矩陣U和V,利用剩余的20%作測試集來驗證PC-Geo模型的推薦性能。為了提高實驗的可靠性,實驗采取交叉驗證的策略。

    3.2 評價標準

    本文采用推薦系統(tǒng)中常使用的評價標準準確率和召回率作為評價指標,具定義如下:

    其中,L(i)表示用戶簽到過的位置集合,Topk(i)表示向用戶推薦的位置集合。實驗中,k值設(shè)置為5,10。隱式空間的維度設(shè)置為10,相關(guān)用戶的個數(shù)f設(shè)置為10,用戶潛在興趣點s設(shè)置為300,重構(gòu)矩陣的調(diào)節(jié)參數(shù)φ為0.1μ為0.3。在梯度下降中,學習速率設(shè)置為0.002,用戶和興趣點的權(quán)重設(shè)置為相同的0.02。

    3.3 不同推薦算法的對比

    本文選定三個優(yōu)秀的推薦算法進行對比。

    BaseMF:對原始的用戶-興趣點矩陣進行矩陣分解[11]。DRW:基于動態(tài)隨機游走模型,融合用戶社會關(guān)系、類別信息和流行度信息進行推薦[12]。LRT:把用戶簽到的時序模式合并到矩陣分解中進行推薦[6]。

    3.4 實驗結(jié)果

    圖2表示模型PC-Geo與上述三種推薦模型在準確率和召回率的對比結(jié)果。

    圖2 PC-Geo和其他推薦算法對比

    BMF:這種方法已經(jīng)被廣泛的應用在推薦系統(tǒng)中了,通常會通過最小化目標函數(shù)來獲得局部最優(yōu)解。然而,由于用戶簽到矩陣的稀疏性,這種直接矩陣分解的方法會導致最后的推薦精度很低。

    DRW:這種方法采用動態(tài)的隨機游走模型,融合了用戶的社交關(guān)系、相關(guān)類別信息以及流行度信息,但是,該方法沒有考慮地理位置因素對于用戶簽到行為的影響。因此,它最終體現(xiàn)出較差的推薦效果。

    LRT:這種方法引入了用戶簽到行為的兩個時間特性:1非統(tǒng)一性,即用戶在一天內(nèi)的不同時間段展現(xiàn)出不同的簽到偏好;2連續(xù)性,即用戶在一天內(nèi)連續(xù)時間段上的簽到偏好比非連續(xù)時間段上的偏好更加相似。LRT是在矩陣分解的基礎(chǔ)上加入了用戶社會行為的時模式,在模型中反映出簽到偏好隨時間狀態(tài)的遷移。但是,這種方法僅僅考慮了時間因素對用戶簽到行為的影響,并沒有考慮到其他的情景因素(地理,社交)用戶簽到行為的影響,因此,它的推薦精度也較差。

    PC-Geo:該模型在精度和召回率上都取得了最好效果,原因總結(jié)如下:

    (1)充分利用相關(guān)用戶會對用戶的簽到行為產(chǎn)生影響這一事實,利用相關(guān)用戶學習目標用戶的潛在興趣,這能在一定程度上緩解冷啟動問題。

    (2)使用核密度估計方法捕獲地理因素對用戶簽到行為的影響,為每個用戶獲得獨特的密度函數(shù)。

    (3)一個額外的優(yōu)勢是容易把時間因素融入到推薦模型中,用戶的簽到行為具有時間模式,因此融入時間因素,也可以在一定程度上提高推薦模型的質(zhì)量。

    圖3展示了PC模型(只合并了潛在興趣到用戶-興趣點矩陣中,并沒有合并最后的地理因素對用戶簽到行為的影響)和PC-Geo模型準確率和召回率的對比。結(jié)果表示在基于社交網(wǎng)絡的興趣點推薦中考慮地理因素對用戶簽到行為的影響是必要的。

    圖3 PC-Geo和PC的對比

    3 結(jié)語

    本文提出了一個對于興趣點的推薦框架:首先,使用情境信息(空間信息、時間信息、社交信息)來為目標用戶定義相關(guān)用戶;其次,設(shè)計一個結(jié)合用戶興趣和地理信息的算法,利用相關(guān)用戶的歷史簽到數(shù)據(jù),使用該算法學習目標用戶的潛在興趣,緩解簽到矩陣的稀疏性。接著,把地理信息和矩陣分解的結(jié)果融合,最后完成對用戶的推薦。在未來的工作中,希望能把用戶的評論添加到框架中,以提高推薦效率。

    [1]Zheng Y,Zhang L,Ma Z,et al.Recommending Friends and Locations Based on Individual Location History[J].ACM Transactions on the Web,2011,5(1):5.

    [2]Hu Y,Koren Y,Volinsky C.Collaborative Filtering for Implicit Feedback Datasets[C].Eighth IEEE International Conference on Data Mining.IEEE,2009:263-272.

    [3]Cheng C,Yang H,King I,et al.Fused Matrix Factorization with Geographical and Social Influence in Location-Based Social Networks[C].AAAI Conference on Artificial Intelligence,2012.

    [4]Ye M,Yin P,Lee W C,et al.Exploiting Geographical Influence for Collaborative Point-of-Interest Recommendation[C].ACM,2011:325-334.

    [5]Cheng C,Yang H,Lyu M R,et al.Where You Like to Go Next:Successive Point-of-Interest Recommendation[C].International Joint Conference on Artificial Intelligence.AAAI Press,2013.

    [6]Gao H,Tang J,Hu X,et al.Exploring Temporal Effects for Location Recommendation on Location-based Social Networks[C].ACM Conference on Recommender Systems.ACM,2013:93-100.

    [7]Gao H,Liu H.Data Analysis on Location-Based Social Networks[J].2014:165-194.

    [8]Li H,Ge Y,Zhu H,et al.Point-of-Interest Recommendations:Learning Potential Check-ins from Friends[C].ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.ACM,2016:975-984.

    [9]Yuan Q,Cong G,Ma Z,et al.Time-aware Point-of-Interest Recommendation[C].International ACM SIGIR Conference on Research and Development in Information Retrieval.ACM,2013:363-372.

    [10]Koren Y,Bell R,Volinsky C.Matrix Factorization Techniques for Recommender Systems[J].Computer,2009,42(8):30-37.

    [11]Salakhutdinov R,Mnih A.Bayesian Probabilistic Matrix Factorization using Markov Chain Monte Carlo[C].International Conference on Machine Learning.ACM,2008:880-887.

    [12]Ying J C,Kuo W N,Tseng V S,et al.Mining User Check-In Behavior with a Random Walk for Urban Point-of-Interest Recommendations[J].ACM Transactions on Intelligent Systems&Technology,2014,5(3):1-26.

    猜你喜歡
    社交矩陣因素
    社交之城
    英語世界(2023年6期)2023-06-30 06:28:28
    社交牛人癥該怎么治
    意林彩版(2022年2期)2022-05-03 10:25:08
    社交距離
    解石三大因素
    中國寶玉石(2019年5期)2019-11-16 09:10:20
    你回避社交,真不是因為內(nèi)向
    文苑(2018年17期)2018-11-09 01:29:28
    初等行變換與初等列變換并用求逆矩陣
    短道速滑運動員非智力因素的培養(yǎng)
    冰雪運動(2016年4期)2016-04-16 05:54:56
    矩陣
    南都周刊(2015年4期)2015-09-10 07:22:44
    矩陣
    南都周刊(2015年3期)2015-09-10 07:22:44
    矩陣
    南都周刊(2015年1期)2015-09-10 07:22:44
    中文资源天堂在线| 国产毛片a区久久久久| 纵有疾风起免费观看全集完整版| 午夜爱爱视频在线播放| 菩萨蛮人人尽说江南好唐韦庄| 99热这里只有是精品在线观看| 亚洲精品日韩av片在线观看| 蜜桃久久精品国产亚洲av| 日本猛色少妇xxxxx猛交久久| 在线天堂最新版资源| 成人二区视频| 日韩精品有码人妻一区| 久久久a久久爽久久v久久| 美女内射精品一级片tv| 国产黄频视频在线观看| 国产大屁股一区二区在线视频| 精品一区在线观看国产| 国产午夜精品一二区理论片| 国产av不卡久久| www.av在线官网国产| 国模一区二区三区四区视频| 亚洲av日韩在线播放| 久久久久久久国产电影| 91久久精品国产一区二区成人| 亚洲精品久久久久久婷婷小说| 午夜视频国产福利| 国产成人免费无遮挡视频| 视频区图区小说| 伦理电影大哥的女人| 日本三级黄在线观看| 黑人高潮一二区| 亚洲电影在线观看av| 国产高清三级在线| 大香蕉97超碰在线| 我要看日韩黄色一级片| 亚洲av中文av极速乱| kizo精华| 在线亚洲精品国产二区图片欧美 | 亚洲国产精品国产精品| 欧美国产精品一级二级三级 | 亚洲av男天堂| 99视频精品全部免费 在线| 欧美高清性xxxxhd video| av一本久久久久| 亚洲欧美精品专区久久| 免费av观看视频| 中文字幕免费在线视频6| 97精品久久久久久久久久精品| 亚洲av男天堂| 免费观看在线日韩| 午夜激情久久久久久久| 最近中文字幕2019免费版| 成人午夜精彩视频在线观看| 中文字幕免费在线视频6| 日韩亚洲欧美综合| 卡戴珊不雅视频在线播放| xxx大片免费视频| 91aial.com中文字幕在线观看| 99精国产麻豆久久婷婷| 亚洲不卡免费看| 亚洲国产精品成人久久小说| 我的女老师完整版在线观看| 汤姆久久久久久久影院中文字幕| av在线亚洲专区| 蜜桃久久精品国产亚洲av| 禁无遮挡网站| 国产又色又爽无遮挡免| 精品人妻一区二区三区麻豆| 国产探花在线观看一区二区| 精品亚洲乱码少妇综合久久| 日韩一区二区视频免费看| 国产探花极品一区二区| 高清午夜精品一区二区三区| 亚洲精品久久久久久婷婷小说| 少妇人妻久久综合中文| 舔av片在线| 欧美xxxx黑人xx丫x性爽| 国产乱来视频区| 国产成人精品一,二区| 国产一区二区三区综合在线观看 | 亚洲国产精品国产精品| 国产女主播在线喷水免费视频网站| 一边亲一边摸免费视频| 久久精品久久久久久久性| 高清视频免费观看一区二区| 免费观看a级毛片全部| 一区二区三区四区激情视频| 国产久久久一区二区三区| 老司机影院毛片| av免费在线看不卡| 五月天丁香电影| 国产日韩欧美在线精品| 免费看a级黄色片| 久久综合国产亚洲精品| 新久久久久国产一级毛片| 全区人妻精品视频| 成人特级av手机在线观看| 久久人人爽人人片av| 日韩成人伦理影院| 久久久成人免费电影| 男插女下体视频免费在线播放| 男女那种视频在线观看| 亚洲精品日韩在线中文字幕| 免费观看无遮挡的男女| 欧美97在线视频| 天天躁夜夜躁狠狠久久av| 国产视频首页在线观看| 在线亚洲精品国产二区图片欧美 | 狂野欧美白嫩少妇大欣赏| 人人妻人人看人人澡| av播播在线观看一区| 一区二区三区四区激情视频| 精品久久久噜噜| 91久久精品电影网| 免费观看性生交大片5| 亚洲美女搞黄在线观看| 国产高潮美女av| 久久久久久久午夜电影| 亚洲精品国产av蜜桃| 老司机影院毛片| 国产精品人妻久久久影院| 成年人午夜在线观看视频| 国产在线男女| 成人国产麻豆网| 性色avwww在线观看| 夜夜爽夜夜爽视频| 哪个播放器可以免费观看大片| 少妇猛男粗大的猛烈进出视频 | 色哟哟·www| 人妻系列 视频| 伊人久久精品亚洲午夜| 爱豆传媒免费全集在线观看| 三级国产精品片| 亚洲国产精品999| 亚洲自拍偷在线| 91精品伊人久久大香线蕉| 真实男女啪啪啪动态图| 蜜臀久久99精品久久宅男| 超碰av人人做人人爽久久| 在线亚洲精品国产二区图片欧美 | 久久6这里有精品| 亚洲av在线观看美女高潮| 国产午夜福利久久久久久| 国产精品三级大全| 免费黄网站久久成人精品| 亚洲电影在线观看av| 丰满乱子伦码专区| 久久精品国产亚洲av天美| 国产成人精品久久久久久| 久久精品综合一区二区三区| 丝瓜视频免费看黄片| 寂寞人妻少妇视频99o| 91久久精品国产一区二区三区| 免费看av在线观看网站| 日本-黄色视频高清免费观看| a级毛片免费高清观看在线播放| 欧美 日韩 精品 国产| 久久久久久久久久人人人人人人| 久久ye,这里只有精品| 久久久久久久国产电影| 亚洲av日韩在线播放| 一级二级三级毛片免费看| 中文字幕免费在线视频6| 国产精品久久久久久久电影| 日韩成人av中文字幕在线观看| 涩涩av久久男人的天堂| 2021天堂中文幕一二区在线观| 女人十人毛片免费观看3o分钟| 乱码一卡2卡4卡精品| 国产永久视频网站| 王馨瑶露胸无遮挡在线观看| 亚洲国产精品999| 99久久精品热视频| 成年免费大片在线观看| 国产精品一区二区性色av| 我要看日韩黄色一级片| 久久精品国产亚洲av天美| 纵有疾风起免费观看全集完整版| 毛片一级片免费看久久久久| kizo精华| 在线观看三级黄色| 国产爽快片一区二区三区| 寂寞人妻少妇视频99o| 欧美性猛交╳xxx乱大交人| 别揉我奶头 嗯啊视频| 国产高潮美女av| av国产精品久久久久影院| 最近最新中文字幕大全电影3| 亚洲精品自拍成人| 男插女下体视频免费在线播放| 91精品一卡2卡3卡4卡| 成人国产麻豆网| 久久久久精品性色| 久久久久久久久久人人人人人人| 午夜亚洲福利在线播放| 午夜免费观看性视频| 男女下面进入的视频免费午夜| 亚洲av免费高清在线观看| 亚洲国产精品999| 美女国产视频在线观看| 蜜桃亚洲精品一区二区三区| 国产男女超爽视频在线观看| 最近2019中文字幕mv第一页| 久久精品夜色国产| 又黄又爽又刺激的免费视频.| 伦理电影大哥的女人| 欧美日韩视频精品一区| 欧美精品国产亚洲| 亚洲av电影在线观看一区二区三区 | 伦精品一区二区三区| 神马国产精品三级电影在线观看| 最近中文字幕高清免费大全6| 中文字幕免费在线视频6| 国产黄片美女视频| 国产精品人妻久久久影院| 秋霞在线观看毛片| 久久久久久久久久成人| 国产精品无大码| 久久韩国三级中文字幕| 最近最新中文字幕大全电影3| av.在线天堂| 少妇被粗大猛烈的视频| 国产国拍精品亚洲av在线观看| 日韩免费高清中文字幕av| 18禁动态无遮挡网站| 男女那种视频在线观看| 永久网站在线| 激情 狠狠 欧美| 成人二区视频| 最近中文字幕2019免费版| 成人国产麻豆网| 一本一本综合久久| 欧美一级a爱片免费观看看| 91久久精品电影网| 少妇裸体淫交视频免费看高清| 成年av动漫网址| 亚洲国产高清在线一区二区三| 亚洲精品国产成人久久av| 最近的中文字幕免费完整| 麻豆成人av视频| 亚洲激情五月婷婷啪啪| 国产精品精品国产色婷婷| 成年免费大片在线观看| 欧美激情久久久久久爽电影| 国产精品无大码| 97热精品久久久久久| 日韩一区二区视频免费看| 国产精品偷伦视频观看了| 久久久久久国产a免费观看| 欧美丝袜亚洲另类| 国产成人一区二区在线| 精品久久久久久久久亚洲| 一区二区三区免费毛片| 国产亚洲av片在线观看秒播厂| 两个人的视频大全免费| 激情五月婷婷亚洲| 免费看av在线观看网站| 久久鲁丝午夜福利片| av免费观看日本| 少妇猛男粗大的猛烈进出视频 | 亚洲熟女精品中文字幕| 午夜福利视频精品| 国产 一区 欧美 日韩| 亚洲精品aⅴ在线观看| 丰满乱子伦码专区| 日本黄色片子视频| 成人亚洲精品一区在线观看 | 男女啪啪激烈高潮av片| 深爱激情五月婷婷| 成人亚洲精品av一区二区| 国产精品久久久久久久电影| 国产成人免费无遮挡视频| 在线播放无遮挡| 午夜激情久久久久久久| 亚洲人成网站高清观看| 一级毛片 在线播放| 久热久热在线精品观看| 亚洲成人精品中文字幕电影| 美女内射精品一级片tv| 久久久久久久久久久丰满| 日韩在线高清观看一区二区三区| 亚洲欧美精品专区久久| 六月丁香七月| 高清在线视频一区二区三区| 久久久亚洲精品成人影院| 成人漫画全彩无遮挡| 国产爽快片一区二区三区| 肉色欧美久久久久久久蜜桃 | 国产高清三级在线| av.在线天堂| 欧美少妇被猛烈插入视频| 韩国av在线不卡| av在线亚洲专区| 国产精品久久久久久精品电影| 亚洲精品日本国产第一区| 国产精品人妻久久久久久| 国产 一区精品| 一区二区三区乱码不卡18| 又黄又爽又刺激的免费视频.| 人妻夜夜爽99麻豆av| 丰满乱子伦码专区| 嘟嘟电影网在线观看| 国产av码专区亚洲av| 丰满乱子伦码专区| 18禁动态无遮挡网站| 免费观看在线日韩| 搡老乐熟女国产| 极品教师在线视频| 色网站视频免费| 夫妻午夜视频| 亚洲精品中文字幕在线视频 | 亚洲精品国产av成人精品| 搞女人的毛片| 在线观看美女被高潮喷水网站| 精品久久久久久久人妻蜜臀av| 五月玫瑰六月丁香| 夜夜爽夜夜爽视频| 久久久国产一区二区| 国产综合懂色| 亚洲一级一片aⅴ在线观看| 亚洲图色成人| 国产成人91sexporn| 国产精品久久久久久久久免| 亚洲自拍偷在线| 国产精品国产三级国产专区5o| 久久热精品热| 99久国产av精品国产电影| 大陆偷拍与自拍| 久久韩国三级中文字幕| 一个人看的www免费观看视频| 视频中文字幕在线观看| 国产成人freesex在线| 一级二级三级毛片免费看| 亚洲人成网站在线观看播放| 亚洲精品国产成人久久av| 成人欧美大片| 一级毛片电影观看| 国产精品人妻久久久久久| 国产一区二区亚洲精品在线观看| 国产在线男女| 嫩草影院精品99| 80岁老熟妇乱子伦牲交| 男女国产视频网站| 欧美高清成人免费视频www| 一级a做视频免费观看| xxx大片免费视频| 国产69精品久久久久777片| 午夜福利高清视频| 在线免费观看不下载黄p国产| 成人毛片a级毛片在线播放| 毛片女人毛片| 大话2 男鬼变身卡| 亚洲欧美中文字幕日韩二区| 91午夜精品亚洲一区二区三区| 熟女人妻精品中文字幕| 男人舔奶头视频| 狂野欧美激情性bbbbbb| 亚洲精品视频女| 97精品久久久久久久久久精品| 边亲边吃奶的免费视频| 麻豆成人午夜福利视频| 天天躁夜夜躁狠狠久久av| 人妻少妇偷人精品九色| 亚洲精品乱码久久久久久按摩| 国产 精品1| 边亲边吃奶的免费视频| 午夜激情福利司机影院| 亚洲欧美精品自产自拍| 嫩草影院新地址| 成人一区二区视频在线观看| 欧美亚洲 丝袜 人妻 在线| 免费观看性生交大片5| 久久精品熟女亚洲av麻豆精品| 国产黄色免费在线视频| 日本爱情动作片www.在线观看| 日韩视频在线欧美| 久久国产乱子免费精品| 美女cb高潮喷水在线观看| 99re6热这里在线精品视频| 国产国拍精品亚洲av在线观看| 91精品国产九色| 人妻夜夜爽99麻豆av| 国产成人免费无遮挡视频| 亚洲丝袜综合中文字幕| 少妇人妻 视频| 精品人妻熟女av久视频| 看免费成人av毛片| 久久久国产一区二区| 九九爱精品视频在线观看| 亚洲一区二区三区欧美精品 | 国产成人精品福利久久| 久久精品综合一区二区三区| 中文在线观看免费www的网站| 日韩欧美精品v在线| 精品一区二区三区视频在线| 女人久久www免费人成看片| 久久久精品94久久精品| 中文字幕人妻熟人妻熟丝袜美| 亚洲真实伦在线观看| 亚洲四区av| 伦理电影大哥的女人| 噜噜噜噜噜久久久久久91| 国产亚洲av片在线观看秒播厂| 国产精品偷伦视频观看了| 亚洲国产精品成人久久小说| www.av在线官网国产| 男女国产视频网站| 观看免费一级毛片| 久久精品国产自在天天线| 少妇人妻精品综合一区二区| 国产高清不卡午夜福利| 视频中文字幕在线观看| 精品视频人人做人人爽| 精品国产三级普通话版| 国产乱来视频区| 寂寞人妻少妇视频99o| 国产精品久久久久久av不卡| av在线亚洲专区| 精品久久国产蜜桃| 老女人水多毛片| 欧美日韩精品成人综合77777| 久久久久性生活片| 久久热精品热| 久久久色成人| 国产男女超爽视频在线观看| 一个人观看的视频www高清免费观看| 看十八女毛片水多多多| 国内精品宾馆在线| 日日啪夜夜撸| 狠狠精品人妻久久久久久综合| 亚洲综合色惰| 精品视频人人做人人爽| 国产精品女同一区二区软件| 亚洲av二区三区四区| 99久久精品国产国产毛片| 1000部很黄的大片| 性色av一级| 少妇被粗大猛烈的视频| 国产高清三级在线| 国产亚洲最大av| 国产伦在线观看视频一区| 国产高清有码在线观看视频| 亚洲成人av在线免费| 男人和女人高潮做爰伦理| 国产乱人视频| 亚洲欧美中文字幕日韩二区| 国产午夜福利久久久久久| 王馨瑶露胸无遮挡在线观看| 男女国产视频网站| 高清在线视频一区二区三区| 少妇被粗大猛烈的视频| 国产亚洲一区二区精品| 男女啪啪激烈高潮av片| 五月天丁香电影| 永久网站在线| 最近手机中文字幕大全| 熟女电影av网| av国产久精品久网站免费入址| 欧美激情久久久久久爽电影| av国产精品久久久久影院| 国产精品99久久久久久久久| 欧美少妇被猛烈插入视频| 国产成人精品一,二区| 亚洲综合色惰| 内地一区二区视频在线| 亚洲天堂av无毛| 日本黄色片子视频| 国产黄色免费在线视频| 免费看日本二区| 免费av毛片视频| 亚洲丝袜综合中文字幕| 在线观看美女被高潮喷水网站| 黄色日韩在线| 水蜜桃什么品种好| 黄片wwwwww| 老女人水多毛片| 激情五月婷婷亚洲| 免费大片黄手机在线观看| 日韩欧美精品免费久久| 日韩av在线免费看完整版不卡| 亚洲精品456在线播放app| 久久久久久伊人网av| 欧美潮喷喷水| 亚洲精品久久午夜乱码| 免费观看在线日韩| 韩国高清视频一区二区三区| 久久久成人免费电影| 美女被艹到高潮喷水动态| 亚洲av电影在线观看一区二区三区 | 国产熟女欧美一区二区| 18禁在线无遮挡免费观看视频| 亚洲经典国产精华液单| 超碰av人人做人人爽久久| 日韩在线高清观看一区二区三区| 男女边吃奶边做爰视频| 亚洲三级黄色毛片| 国产男人的电影天堂91| 亚洲人成网站高清观看| 各种免费的搞黄视频| 秋霞伦理黄片| 免费观看性生交大片5| 日本免费在线观看一区| 麻豆精品久久久久久蜜桃| 国产真实伦视频高清在线观看| 国产中年淑女户外野战色| av在线老鸭窝| 777米奇影视久久| 免费少妇av软件| 亚洲av免费在线观看| 99久久人妻综合| 五月伊人婷婷丁香| 香蕉精品网在线| 亚洲精品久久久久久婷婷小说| 亚洲欧美日韩另类电影网站 | 国产精品不卡视频一区二区| 亚洲精品国产成人久久av| 午夜免费男女啪啪视频观看| 舔av片在线| .国产精品久久| 22中文网久久字幕| 蜜桃亚洲精品一区二区三区| 亚洲精品乱久久久久久| 在线播放无遮挡| av卡一久久| 中文天堂在线官网| 又爽又黄无遮挡网站| 亚洲成人中文字幕在线播放| 国产精品蜜桃在线观看| 国产精品av视频在线免费观看| 欧美成人午夜免费资源| 美女国产视频在线观看| 女人被狂操c到高潮| 亚洲第一区二区三区不卡| 亚洲va在线va天堂va国产| 成人亚洲精品一区在线观看 | 国产极品天堂在线| 99久久人妻综合| 91久久精品国产一区二区三区| 亚洲av二区三区四区| 51国产日韩欧美| 日韩制服骚丝袜av| 国产色婷婷99| 91久久精品国产一区二区三区| 中文资源天堂在线| 日韩成人av中文字幕在线观看| 欧美激情久久久久久爽电影| 大片免费播放器 马上看| 寂寞人妻少妇视频99o| 免费看av在线观看网站| 中文精品一卡2卡3卡4更新| 日韩国内少妇激情av| 老司机影院成人| 久久精品国产自在天天线| 美女被艹到高潮喷水动态| 亚洲,一卡二卡三卡| 欧美精品人与动牲交sv欧美| av线在线观看网站| 在线观看国产h片| 在线天堂最新版资源| 女人被狂操c到高潮| 自拍欧美九色日韩亚洲蝌蚪91 | 亚洲精华国产精华液的使用体验| 成人无遮挡网站| 久久99精品国语久久久| 一级爰片在线观看| 欧美激情在线99| 中文字幕av成人在线电影| 日日啪夜夜爽| 在线观看美女被高潮喷水网站| 在线看a的网站| 国产爽快片一区二区三区| av一本久久久久| 国产有黄有色有爽视频| 国产69精品久久久久777片| 草草在线视频免费看| 国产高清三级在线| 看十八女毛片水多多多| 精品久久国产蜜桃| 亚洲av中文字字幕乱码综合| 啦啦啦在线观看免费高清www| 国产成人精品一,二区| 在线观看三级黄色| 午夜免费观看性视频| 亚洲综合色惰| 中文在线观看免费www的网站| 国产一区亚洲一区在线观看| 欧美97在线视频| 我要看日韩黄色一级片| 欧美高清成人免费视频www| 狂野欧美激情性xxxx在线观看| 人妻一区二区av| 久久97久久精品| 久久久久久久久久人人人人人人| 亚洲精品国产av成人精品| 亚洲第一区二区三区不卡| 久久久久国产精品人妻一区二区| 美女脱内裤让男人舔精品视频| 一区二区三区乱码不卡18| 亚洲欧美一区二区三区黑人 | 欧美高清性xxxxhd video| 26uuu在线亚洲综合色| 亚洲国产成人一精品久久久| 亚洲av男天堂| 欧美潮喷喷水| 免费看a级黄色片| 色婷婷久久久亚洲欧美| 亚洲自拍偷在线| 国产综合懂色| 日韩av免费高清视频| 日韩在线高清观看一区二区三区| 91在线精品国自产拍蜜月| 一级毛片黄色毛片免费观看视频| 国产片特级美女逼逼视频| 国产精品99久久久久久久久| 成人国产麻豆网|