• <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
    中出人妻视频一区二区| 日韩人妻高清精品专区| 久久精品影院6| 69av精品久久久久久| bbb黄色大片| 一本精品99久久精品77| 国产亚洲精品久久久久久毛片| 亚洲专区中文字幕在线| 床上黄色一级片| 男插女下体视频免费在线播放| 亚洲精品456在线播放app | 午夜福利18| 国产av不卡久久| 嫁个100分男人电影在线观看| 狂野欧美激情性xxxx| 中文字幕高清在线视频| 亚洲真实伦在线观看| 亚洲精品国产精品久久久不卡| 久久久久久久精品吃奶| 日韩欧美在线二视频| 久久精品亚洲精品国产色婷小说| 人人妻,人人澡人人爽秒播| 亚洲av成人av| 可以在线观看的亚洲视频| 亚洲在线自拍视频| 亚洲熟女毛片儿| 精品国产三级普通话版| 欧美xxxx黑人xx丫x性爽| 成人亚洲精品av一区二区| 欧美日韩国产亚洲二区| 亚洲国产精品999在线| 亚洲性夜色夜夜综合| 一进一出抽搐动态| 99热精品在线国产| 亚洲中文字幕一区二区三区有码在线看 | 午夜免费激情av| 蜜桃久久精品国产亚洲av| 免费看光身美女| 亚洲精品一区av在线观看| 久久久久久国产a免费观看| 1024手机看黄色片| 波多野结衣巨乳人妻| 12—13女人毛片做爰片一| 岛国视频午夜一区免费看| 午夜福利视频1000在线观看| 高清在线国产一区| 动漫黄色视频在线观看| 亚洲精品粉嫩美女一区| 精品一区二区三区四区五区乱码| 一级毛片高清免费大全| 精品人妻1区二区| 亚洲av日韩精品久久久久久密| 久久九九热精品免费| 日韩欧美国产在线观看| 亚洲电影在线观看av| 国产私拍福利视频在线观看| 亚洲欧美日韩高清专用| 中文字幕av在线有码专区| 久久精品人妻少妇| 舔av片在线| 精品无人区乱码1区二区| 亚洲av中文字字幕乱码综合| 亚洲自拍偷在线| av在线天堂中文字幕| 99热6这里只有精品| 成人精品一区二区免费| 人人妻人人澡欧美一区二区| 狠狠狠狠99中文字幕| 狂野欧美激情性xxxx| www日本在线高清视频| 一级a爱片免费观看的视频| 国内毛片毛片毛片毛片毛片| 亚洲国产精品久久男人天堂| 在线a可以看的网站| 国产精品久久久人人做人人爽| 国产黄色小视频在线观看| 欧美黄色淫秽网站| 又黄又爽又免费观看的视频| 国产高清激情床上av| 男女视频在线观看网站免费| 91老司机精品| 国产精品综合久久久久久久免费| 视频区欧美日本亚洲| 热99re8久久精品国产| 中文字幕av在线有码专区| 亚洲真实伦在线观看| 欧美日韩乱码在线| 久久伊人香网站| 久久国产精品影院| 国产亚洲欧美在线一区二区| 国产视频内射| 国产精品99久久99久久久不卡| 啦啦啦免费观看视频1| 成人午夜高清在线视频| 最新美女视频免费是黄的| 人妻夜夜爽99麻豆av| 九色成人免费人妻av| 99久久国产精品久久久| 黑人操中国人逼视频| 亚洲乱码一区二区免费版| 日韩欧美免费精品| 日韩欧美国产在线观看| 久久欧美精品欧美久久欧美| 日本a在线网址| 91麻豆av在线| 女同久久另类99精品国产91| 免费电影在线观看免费观看| 真人一进一出gif抽搐免费| 国产精品电影一区二区三区| 亚洲美女黄片视频| 中国美女看黄片| 午夜精品一区二区三区免费看| 国产极品精品免费视频能看的| 久久中文看片网| 香蕉国产在线看| 免费观看精品视频网站| 亚洲自拍偷在线| 99久久无色码亚洲精品果冻| 日韩大尺度精品在线看网址| 成人三级黄色视频| 禁无遮挡网站| 搡老熟女国产l中国老女人| 天天躁狠狠躁夜夜躁狠狠躁| 免费观看的影片在线观看| 人妻丰满熟妇av一区二区三区| 亚洲一区二区三区色噜噜| 国产成人福利小说| 欧美成人免费av一区二区三区| 一个人看视频在线观看www免费 | 国产精品综合久久久久久久免费| 九色成人免费人妻av| 欧美色欧美亚洲另类二区| 岛国在线观看网站| 久久精品影院6| aaaaa片日本免费| 色老头精品视频在线观看| 久久天堂一区二区三区四区| 日韩有码中文字幕| 日韩精品中文字幕看吧| 99精品欧美一区二区三区四区| 欧美乱妇无乱码| 99久久精品一区二区三区| 国产男靠女视频免费网站| av视频在线观看入口| 在线播放国产精品三级| 神马国产精品三级电影在线观看| 久久精品综合一区二区三区| 欧美极品一区二区三区四区| 亚洲欧美精品综合一区二区三区| 久久精品国产清高在天天线| 99热6这里只有精品| 日韩精品中文字幕看吧| 亚洲av美国av| 国内精品久久久久久久电影| 免费av不卡在线播放| 亚洲精品色激情综合| 在线免费观看不下载黄p国产 | 18美女黄网站色大片免费观看| 99久久成人亚洲精品观看| 欧美日韩黄片免| 午夜福利免费观看在线| 精品久久久久久久久久久久久| 日本黄色视频三级网站网址| 黄色视频,在线免费观看| 色综合欧美亚洲国产小说| 在线a可以看的网站| 女生性感内裤真人,穿戴方法视频| 国产成人av教育| 老司机深夜福利视频在线观看| 欧美在线黄色| 国产真实乱freesex| 亚洲自偷自拍图片 自拍| 九九久久精品国产亚洲av麻豆 | 婷婷精品国产亚洲av| 亚洲av免费在线观看| 黄色片一级片一级黄色片| 老司机深夜福利视频在线观看| 男女做爰动态图高潮gif福利片| 又大又爽又粗| 99久久99久久久精品蜜桃| 国产一区在线观看成人免费| 精品熟女少妇八av免费久了| 婷婷精品国产亚洲av| 国产一区二区在线av高清观看| 午夜激情欧美在线| 久久国产精品影院| 免费观看人在逋| 亚洲第一电影网av| 老汉色∧v一级毛片| 日本 欧美在线| 久久久久久久久免费视频了| 人人妻人人澡欧美一区二区| 亚洲欧美日韩高清专用| 超碰成人久久| 日韩三级视频一区二区三区| 老司机福利观看| 999精品在线视频| 国产精品av久久久久免费| 色尼玛亚洲综合影院| ponron亚洲| 搡老妇女老女人老熟妇| 美女被艹到高潮喷水动态| 国产精品久久久av美女十八| 最近在线观看免费完整版| 亚洲一区二区三区不卡视频| 波多野结衣高清作品| 国产亚洲欧美98| 又紧又爽又黄一区二区| 黄频高清免费视频| 免费在线观看日本一区| 国产主播在线观看一区二区| 最近最新中文字幕大全免费视频| aaaaa片日本免费| 少妇熟女aⅴ在线视频| 2021天堂中文幕一二区在线观| 一夜夜www| 久久久久久久久免费视频了| 午夜a级毛片| 国产成人aa在线观看| 国产精品一区二区三区四区免费观看 | 最新中文字幕久久久久 | 精品福利观看| 九九热线精品视视频播放| 法律面前人人平等表现在哪些方面| 亚洲电影在线观看av| 国产黄色小视频在线观看| 怎么达到女性高潮| 午夜免费观看网址| 老司机午夜福利在线观看视频| 国产精品久久久久久久电影 | av片东京热男人的天堂| 欧美日韩黄片免| 欧美成人性av电影在线观看| 亚洲国产欧美网| 久久99热这里只有精品18| 热99re8久久精品国产| 国产亚洲av高清不卡| 亚洲性夜色夜夜综合| 国产精品一区二区免费欧美| 亚洲国产看品久久| 国产精品美女特级片免费视频播放器 | 国产成人福利小说| 日本一本二区三区精品| 亚洲成人中文字幕在线播放| 很黄的视频免费| 日韩中文字幕欧美一区二区| 啪啪无遮挡十八禁网站| 欧美日本视频| 国产午夜精品久久久久久| 国产精品久久电影中文字幕| 男人舔奶头视频| 亚洲精品久久国产高清桃花| 日韩精品中文字幕看吧| 观看美女的网站| 日韩大尺度精品在线看网址| 亚洲,欧美精品.| 国产成人欧美在线观看| 国产三级中文精品| 国产欧美日韩一区二区精品| 黑人巨大精品欧美一区二区mp4| 久久久精品欧美日韩精品| 亚洲天堂国产精品一区在线| 一a级毛片在线观看| 国产成人av教育| 夜夜看夜夜爽夜夜摸| 国产黄色小视频在线观看| 国产av麻豆久久久久久久| 久久婷婷人人爽人人干人人爱| 国产美女午夜福利| 一区二区三区高清视频在线| 高清毛片免费观看视频网站| 网址你懂的国产日韩在线| or卡值多少钱| 一区二区三区国产精品乱码| 欧美成人性av电影在线观看| 中文字幕av在线有码专区| 国产免费av片在线观看野外av| 嫁个100分男人电影在线观看| 国产精品亚洲美女久久久| 19禁男女啪啪无遮挡网站| 欧洲精品卡2卡3卡4卡5卡区| 美女免费视频网站| 两人在一起打扑克的视频| 国产一区二区三区视频了| 一个人免费在线观看电影 | 噜噜噜噜噜久久久久久91| 观看免费一级毛片| 国产精品一及| 国产精品 欧美亚洲| 精品人妻1区二区| 99在线视频只有这里精品首页| 欧美不卡视频在线免费观看| 黄频高清免费视频| 中文字幕av在线有码专区| 中文字幕人妻丝袜一区二区| 久久午夜综合久久蜜桃| 九九久久精品国产亚洲av麻豆 | 国内少妇人妻偷人精品xxx网站 | 国产av在哪里看| 男人和女人高潮做爰伦理| av福利片在线观看| 亚洲精华国产精华精| 国产免费男女视频| 男女之事视频高清在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 90打野战视频偷拍视频| 国产激情欧美一区二区| 十八禁网站免费在线| 丰满人妻熟妇乱又伦精品不卡| 欧美日本亚洲视频在线播放| 国产亚洲欧美98| 嫩草影视91久久| 免费观看的影片在线观看| 变态另类成人亚洲欧美熟女| 亚洲av第一区精品v没综合| 在线观看舔阴道视频| 变态另类丝袜制服| 成人一区二区视频在线观看| 国产一区二区在线av高清观看| 天堂影院成人在线观看| 国产91精品成人一区二区三区| 欧美黄色淫秽网站| 亚洲自拍偷在线| 免费在线观看亚洲国产| 人人妻人人澡欧美一区二区| 欧美丝袜亚洲另类 | 成人鲁丝片一二三区免费| 国产三级中文精品| 亚洲欧美激情综合另类| 午夜免费成人在线视频| 中文字幕精品亚洲无线码一区| 国产亚洲精品久久久久久毛片| 18禁美女被吸乳视频| 亚洲国产日韩欧美精品在线观看 | 欧美日韩福利视频一区二区| 亚洲中文字幕日韩| 香蕉国产在线看| 日本黄色视频三级网站网址| 香蕉国产在线看| 亚洲 欧美 日韩 在线 免费| tocl精华| 一进一出抽搐gif免费好疼| 亚洲五月婷婷丁香| 身体一侧抽搐| 操出白浆在线播放| 国产精品久久久久久亚洲av鲁大| 日韩有码中文字幕| 日本免费一区二区三区高清不卡| 后天国语完整版免费观看| 亚洲电影在线观看av| a在线观看视频网站| 国产精品一区二区精品视频观看| 国产精品久久久久久人妻精品电影| 欧美高清成人免费视频www| 亚洲精品粉嫩美女一区| 久久久久久久久中文| 久久久国产精品麻豆| 一区二区三区国产精品乱码| 俄罗斯特黄特色一大片| 国产成+人综合+亚洲专区| 国产精品女同一区二区软件 | 欧美成人性av电影在线观看| 白带黄色成豆腐渣| 欧美黑人巨大hd| 欧美日韩精品网址| 日本 欧美在线| 国产精品1区2区在线观看.| cao死你这个sao货| 一个人看的www免费观看视频| 少妇裸体淫交视频免费看高清| 免费一级毛片在线播放高清视频| 十八禁网站免费在线| 高潮久久久久久久久久久不卡| 国产又色又爽无遮挡免费看| 欧美国产日韩亚洲一区| 免费av毛片视频| 亚洲第一电影网av| 欧美黑人欧美精品刺激| 亚洲 欧美一区二区三区| 国产午夜精品久久久久久| 看片在线看免费视频| 国产午夜精品久久久久久| 国产激情偷乱视频一区二区| 久久久国产精品麻豆| 99久久99久久久精品蜜桃| 99国产综合亚洲精品| 黑人操中国人逼视频| 欧美性猛交╳xxx乱大交人| 亚洲av成人一区二区三| 国产精品女同一区二区软件 | 午夜福利在线观看吧| 一个人看的www免费观看视频| 国产成人精品无人区| 757午夜福利合集在线观看| 欧美在线一区亚洲| 免费av不卡在线播放| 性色avwww在线观看| 女同久久另类99精品国产91| 国产欧美日韩一区二区精品| 神马国产精品三级电影在线观看| 97超级碰碰碰精品色视频在线观看| 嫩草影视91久久| x7x7x7水蜜桃| 99re在线观看精品视频| 日韩欧美国产在线观看| 99在线人妻在线中文字幕| 真人做人爱边吃奶动态| 极品教师在线免费播放| 色老头精品视频在线观看| 色精品久久人妻99蜜桃| 不卡一级毛片| 国产麻豆成人av免费视频| 嫩草影视91久久| 成年免费大片在线观看| avwww免费| 国产精品 欧美亚洲| 久久中文看片网| 99热精品在线国产| 叶爱在线成人免费视频播放| 成人国产综合亚洲| 在线观看午夜福利视频| 一区二区三区高清视频在线| 最新在线观看一区二区三区| 亚洲片人在线观看| 亚洲在线观看片| 日韩三级视频一区二区三区| 亚洲av片天天在线观看| 男女之事视频高清在线观看| 久久国产精品影院| 成人av在线播放网站| 嫩草影视91久久| 欧美中文日本在线观看视频| 热99在线观看视频| 高潮久久久久久久久久久不卡| 亚洲精品美女久久av网站| 成人精品一区二区免费| 最近最新中文字幕大全免费视频| 精品福利观看| 亚洲色图 男人天堂 中文字幕| 老汉色∧v一级毛片| 午夜激情欧美在线| 美女午夜性视频免费| 国产高清videossex| 亚洲av美国av| netflix在线观看网站| 免费av毛片视频| 亚洲人成网站高清观看| 精品久久久久久久毛片微露脸| 久久久久久久久中文| 一夜夜www| 在线观看66精品国产| 1024手机看黄色片| 村上凉子中文字幕在线| www.精华液| 国产私拍福利视频在线观看| 国产激情偷乱视频一区二区| 91在线精品国自产拍蜜月 | 2021天堂中文幕一二区在线观| 美女高潮的动态| 久久精品夜夜夜夜夜久久蜜豆| 精品久久久久久成人av| 99热只有精品国产| 国产亚洲精品av在线| 岛国在线免费视频观看| 熟女电影av网| 热99re8久久精品国产| 18禁黄网站禁片免费观看直播| 99久国产av精品| 国产蜜桃级精品一区二区三区| 国产 一区 欧美 日韩| 久久久久久国产a免费观看| 亚洲av成人一区二区三| 免费人成视频x8x8入口观看| 黄色 视频免费看| 97超级碰碰碰精品色视频在线观看| 成人三级黄色视频| 真实男女啪啪啪动态图| 久久久久久大精品| 老司机在亚洲福利影院| 午夜精品在线福利| 亚洲精品在线观看二区| 亚洲国产精品久久男人天堂| 国产一区二区在线av高清观看| 91在线观看av| 欧美黑人巨大hd| 免费在线观看影片大全网站| 久久草成人影院| 丰满的人妻完整版| 99国产精品99久久久久| 日韩av在线大香蕉| 女同久久另类99精品国产91| 熟女人妻精品中文字幕| 五月伊人婷婷丁香| 久久热在线av| 亚洲狠狠婷婷综合久久图片| 亚洲专区国产一区二区| 三级毛片av免费| 国产精品香港三级国产av潘金莲| 两个人看的免费小视频| 听说在线观看完整版免费高清| 757午夜福利合集在线观看| 给我免费播放毛片高清在线观看| 日韩精品青青久久久久久| 又爽又黄无遮挡网站| 免费电影在线观看免费观看| 韩国av一区二区三区四区| 欧美黑人巨大hd| 午夜福利高清视频| 国产激情久久老熟女| 国产av不卡久久| 日本熟妇午夜| 两性夫妻黄色片| 久久人人精品亚洲av| 成人18禁在线播放| 久久久久久久午夜电影| 国产精品一区二区三区四区免费观看 | 国产美女午夜福利| av欧美777| 日日夜夜操网爽| 国产成人精品久久二区二区91| 一区二区三区激情视频| 美女高潮的动态| 精品乱码久久久久久99久播| 99久久99久久久精品蜜桃| 中国美女看黄片| 国产精品影院久久| 亚洲第一电影网av| 天天添夜夜摸| av天堂中文字幕网| 无人区码免费观看不卡| 国产精品久久久久久精品电影| 可以在线观看毛片的网站| 18禁美女被吸乳视频| 国内精品美女久久久久久| 欧美黄色淫秽网站| 岛国视频午夜一区免费看| 无限看片的www在线观看| 国产亚洲av嫩草精品影院| 日韩欧美精品v在线| 亚洲在线自拍视频| 亚洲欧美一区二区三区黑人| 一区二区三区高清视频在线| www.精华液| 成人特级av手机在线观看| 老司机在亚洲福利影院| 国产成人一区二区三区免费视频网站| 精华霜和精华液先用哪个| 夜夜躁狠狠躁天天躁| 一个人免费在线观看电影 | 国内精品久久久久久久电影| 香蕉av资源在线| 香蕉久久夜色| 国产精华一区二区三区| 亚洲美女黄片视频| 亚洲欧美日韩高清在线视频| 亚洲av第一区精品v没综合| 1000部很黄的大片| 99热这里只有精品一区 | 高清在线国产一区| 久久中文字幕人妻熟女| 亚洲中文字幕日韩| 免费看日本二区| 亚洲精品美女久久av网站| 老熟妇乱子伦视频在线观看| 国产美女午夜福利| 国产欧美日韩一区二区三| 一本综合久久免费| 久9热在线精品视频| 亚洲片人在线观看| 亚洲成av人片在线播放无| 美女cb高潮喷水在线观看 | 国产综合懂色| 黄频高清免费视频| 日韩欧美 国产精品| 校园春色视频在线观看| 亚洲av电影在线进入| 女同久久另类99精品国产91| 女人被狂操c到高潮| 99在线人妻在线中文字幕| 国产精品99久久99久久久不卡| 亚洲成人久久爱视频| 国产欧美日韩一区二区三| 又黄又粗又硬又大视频| 麻豆成人午夜福利视频| 久久婷婷人人爽人人干人人爱| 成人精品一区二区免费| 高清毛片免费观看视频网站| 一级a爱片免费观看的视频| 国产1区2区3区精品| 天天躁日日操中文字幕| 亚洲精品一区av在线观看| 国内精品久久久久精免费| 夜夜爽天天搞| 欧美+亚洲+日韩+国产| 观看免费一级毛片| 欧美zozozo另类| 日韩免费av在线播放| 级片在线观看| 亚洲七黄色美女视频| 国内少妇人妻偷人精品xxx网站 | 国产精品九九99| 国产精品98久久久久久宅男小说| 国产精品美女特级片免费视频播放器 | 很黄的视频免费| 国产成年人精品一区二区| 亚洲av五月六月丁香网| 很黄的视频免费| 国产精品一区二区三区四区久久| 亚洲va日本ⅴa欧美va伊人久久| 久久性视频一级片| 最新中文字幕久久久久 | 一二三四社区在线视频社区8| 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| 久久精品国产清高在天天线|