• <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
    色老头精品视频在线观看| 制服人妻中文乱码| 欧美日韩瑟瑟在线播放| 亚洲美女黄片视频| 男女之事视频高清在线观看| 性少妇av在线| 麻豆一二三区av精品| 亚洲精品成人av观看孕妇| 日韩 欧美 亚洲 中文字幕| 免费高清在线观看日韩| 国产极品粉嫩免费观看在线| 国产高清国产精品国产三级| 午夜两性在线视频| 日韩欧美三级三区| av视频免费观看在线观看| 中文字幕人妻丝袜一区二区| 国产欧美日韩精品亚洲av| 日韩精品免费视频一区二区三区| 日韩中文字幕欧美一区二区| 老司机在亚洲福利影院| 欧美性长视频在线观看| 真人做人爱边吃奶动态| 怎么达到女性高潮| 国产亚洲精品综合一区在线观看 | 日日干狠狠操夜夜爽| 一级片免费观看大全| 中文字幕另类日韩欧美亚洲嫩草| 国产精品自产拍在线观看55亚洲| 欧美日本中文国产一区发布| av有码第一页| 在线十欧美十亚洲十日本专区| 热re99久久国产66热| 亚洲专区字幕在线| 国产精品国产高清国产av| 黄色成人免费大全| 一进一出好大好爽视频| av有码第一页| 99香蕉大伊视频| 91麻豆av在线| 久久午夜综合久久蜜桃| 两个人看的免费小视频| 亚洲精品国产色婷婷电影| 很黄的视频免费| 人妻久久中文字幕网| 亚洲成国产人片在线观看| 国产成人精品久久二区二区免费| 亚洲精品中文字幕在线视频| 国产免费现黄频在线看| 午夜福利在线观看吧| 精品久久久久久电影网| 女人精品久久久久毛片| 日韩欧美在线二视频| 久久精品91无色码中文字幕| 一边摸一边抽搐一进一小说| 麻豆国产av国片精品| 老司机午夜十八禁免费视频| 中文字幕人妻丝袜制服| 久久亚洲精品不卡| 啦啦啦免费观看视频1| 精品国产美女av久久久久小说| 在线观看一区二区三区激情| 精品国产一区二区久久| 亚洲精品国产精品久久久不卡| 琪琪午夜伦伦电影理论片6080| 亚洲精品国产精品久久久不卡| 国产有黄有色有爽视频| 久久久久国内视频| 国产精品秋霞免费鲁丝片| 亚洲人成电影免费在线| 成人三级做爰电影| 久久伊人香网站| 国产成人精品久久二区二区免费| 国产在线观看jvid| а√天堂www在线а√下载| 久久久久久亚洲精品国产蜜桃av| 老司机亚洲免费影院| 女人被躁到高潮嗷嗷叫费观| av天堂在线播放| 搡老岳熟女国产| 天天添夜夜摸| 一区二区三区精品91| 久久人妻熟女aⅴ| 国产亚洲精品久久久久5区| 色婷婷av一区二区三区视频| xxxhd国产人妻xxx| 好男人电影高清在线观看| 淫秽高清视频在线观看| 国产成人一区二区三区免费视频网站| 亚洲自偷自拍图片 自拍| 精品电影一区二区在线| 国产伦人伦偷精品视频| 99久久综合精品五月天人人| 久热爱精品视频在线9| 日韩欧美一区二区三区在线观看| 波多野结衣一区麻豆| 精品国产乱子伦一区二区三区| 亚洲精品在线美女| 99精国产麻豆久久婷婷| 国产精品久久电影中文字幕| 女同久久另类99精品国产91| 女性生殖器流出的白浆| 亚洲成a人片在线一区二区| 国产伦一二天堂av在线观看| 午夜福利一区二区在线看| 久久久久国内视频| 91老司机精品| 纯流量卡能插随身wifi吗| 国产一区二区激情短视频| 日本wwww免费看| 99久久99久久久精品蜜桃| 午夜影院日韩av| 日日干狠狠操夜夜爽| 亚洲国产中文字幕在线视频| 黄色成人免费大全| 美女大奶头视频| 亚洲片人在线观看| 欧美日本中文国产一区发布| 欧美黑人欧美精品刺激| 午夜福利在线免费观看网站| 麻豆av在线久日| 欧美日韩福利视频一区二区| 国内久久婷婷六月综合欲色啪| 亚洲欧美日韩高清在线视频| 国产乱人伦免费视频| 男女下面进入的视频免费午夜 | 伊人久久大香线蕉亚洲五| 黄片小视频在线播放| 精品国产乱码久久久久久男人| 亚洲一区二区三区欧美精品| 交换朋友夫妻互换小说| 久久久国产成人免费| 久久伊人香网站| 日日夜夜操网爽| 国产成+人综合+亚洲专区| 欧美日韩国产mv在线观看视频| 午夜两性在线视频| 欧美+亚洲+日韩+国产| 国产又爽黄色视频| 亚洲国产精品999在线| 88av欧美| 亚洲精品一二三| 19禁男女啪啪无遮挡网站| 国产伦人伦偷精品视频| 麻豆国产av国片精品| 免费久久久久久久精品成人欧美视频| 亚洲一区二区三区不卡视频| 九色亚洲精品在线播放| 丝袜在线中文字幕| 无遮挡黄片免费观看| 国产精品日韩av在线免费观看 | 日本黄色日本黄色录像| 日韩av在线大香蕉| 国产国语露脸激情在线看| 国产精品 欧美亚洲| 久久久久精品国产欧美久久久| 黄色a级毛片大全视频| 国产成人免费无遮挡视频| 丰满饥渴人妻一区二区三| 日本黄色日本黄色录像| 无人区码免费观看不卡| 可以在线观看毛片的网站| 亚洲五月色婷婷综合| 国产亚洲精品久久久久久毛片| www.自偷自拍.com| 久久精品国产亚洲av香蕉五月| 女生性感内裤真人,穿戴方法视频| 国产有黄有色有爽视频| 精品国产一区二区久久| 久久 成人 亚洲| 欧美成人午夜精品| 亚洲成人精品中文字幕电影 | 无遮挡黄片免费观看| 亚洲精品美女久久av网站| 成人手机av| 美女扒开内裤让男人捅视频| netflix在线观看网站| 777久久人妻少妇嫩草av网站| 好男人电影高清在线观看| 亚洲国产精品sss在线观看 | 国产成人精品久久二区二区91| 日韩欧美在线二视频| 成人特级黄色片久久久久久久| 国产精品日韩av在线免费观看 | 超碰成人久久| 热99re8久久精品国产| 性欧美人与动物交配| 午夜激情av网站| 亚洲精品美女久久久久99蜜臀| 精品久久久久久电影网| 精品国产亚洲在线| 国产一区二区在线av高清观看| 香蕉国产在线看| 黑人猛操日本美女一级片| 日日摸夜夜添夜夜添小说| 一级黄色大片毛片| 国产高清激情床上av| 高清黄色对白视频在线免费看| 欧美丝袜亚洲另类 | 国产一区二区三区在线臀色熟女 | 亚洲男人天堂网一区| 日本wwww免费看| 国产成+人综合+亚洲专区| 亚洲国产精品sss在线观看 | 精品欧美一区二区三区在线| 一级毛片高清免费大全| 每晚都被弄得嗷嗷叫到高潮| 日本欧美视频一区| 香蕉丝袜av| 操出白浆在线播放| 久久青草综合色| 老司机靠b影院| 欧美黑人欧美精品刺激| 丝袜美腿诱惑在线| 国产精品秋霞免费鲁丝片| 免费在线观看日本一区| 女同久久另类99精品国产91| 亚洲精品一二三| 十八禁人妻一区二区| 久久国产精品人妻蜜桃| 久久香蕉精品热| 啦啦啦免费观看视频1| 黄频高清免费视频| 一区在线观看完整版| 中文字幕最新亚洲高清| 免费在线观看视频国产中文字幕亚洲| 亚洲精品中文字幕在线视频| 黄片小视频在线播放| 国产有黄有色有爽视频| 一区在线观看完整版| 9色porny在线观看| 身体一侧抽搐| 欧美午夜高清在线| 亚洲av第一区精品v没综合| aaaaa片日本免费| 精品国内亚洲2022精品成人| 亚洲 欧美 日韩 在线 免费| 国产成人精品久久二区二区91| 窝窝影院91人妻| 国产高清激情床上av| 日本wwww免费看| 久久香蕉精品热| 国产亚洲精品久久久久5区| 精品国产乱子伦一区二区三区| 欧美在线黄色| 欧美日韩福利视频一区二区| 欧美日韩av久久| 琪琪午夜伦伦电影理论片6080| 黄色丝袜av网址大全| 国产三级在线视频| 国产欧美日韩综合在线一区二区| 超碰97精品在线观看| 天堂中文最新版在线下载| 午夜成年电影在线免费观看| 欧美日韩黄片免| 日韩三级视频一区二区三区| 国产麻豆69| 欧美性长视频在线观看| 日韩欧美一区视频在线观看| 久久久久久久久久久久大奶| 可以免费在线观看a视频的电影网站| 在线观看免费高清a一片| 每晚都被弄得嗷嗷叫到高潮| 国产精品日韩av在线免费观看 | 久久精品91无色码中文字幕| 十分钟在线观看高清视频www| 看免费av毛片| 12—13女人毛片做爰片一| 国产精品九九99| 最新在线观看一区二区三区| 亚洲专区字幕在线| 国产在线观看jvid| 黑丝袜美女国产一区| 成年女人毛片免费观看观看9| 亚洲午夜精品一区,二区,三区| 久久久国产欧美日韩av| 91精品三级在线观看| 中国美女看黄片| 亚洲精品国产色婷婷电影| www日本在线高清视频| 新久久久久国产一级毛片| 欧美日韩乱码在线| 免费在线观看亚洲国产| xxx96com| 国产成人欧美| 天堂动漫精品| bbb黄色大片| 看片在线看免费视频| 一区二区三区激情视频| 久久天堂一区二区三区四区| 性色av乱码一区二区三区2| 午夜久久久在线观看| 亚洲欧美精品综合一区二区三区| 国产精品一区二区三区四区久久 | 人人澡人人妻人| 久久久久亚洲av毛片大全| 嫩草影院精品99| 久久久久国产一级毛片高清牌| 在线十欧美十亚洲十日本专区| 亚洲欧美日韩无卡精品| 啪啪无遮挡十八禁网站| 亚洲情色 制服丝袜| 热re99久久精品国产66热6| 十八禁网站免费在线| 欧美日韩一级在线毛片| 色综合婷婷激情| 国产亚洲精品久久久久久毛片| 男女做爰动态图高潮gif福利片 | 精品一品国产午夜福利视频| 交换朋友夫妻互换小说| 成人影院久久| 久久婷婷成人综合色麻豆| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲国产精品合色在线| 国产欧美日韩一区二区三| 亚洲色图 男人天堂 中文字幕| 亚洲 欧美一区二区三区| 国产欧美日韩一区二区三区在线| 欧美日韩乱码在线| 久久热在线av| 最好的美女福利视频网| 母亲3免费完整高清在线观看| 脱女人内裤的视频| 亚洲伊人色综图| 一级片免费观看大全| 啦啦啦在线免费观看视频4| 波多野结衣av一区二区av| 夜夜爽天天搞| 久久久久久久久免费视频了| 97碰自拍视频| 母亲3免费完整高清在线观看| 亚洲精品久久午夜乱码| 国产男靠女视频免费网站| 亚洲国产精品一区二区三区在线| 成人亚洲精品av一区二区 | 国产有黄有色有爽视频| 国产精品一区二区在线不卡| 在线观看www视频免费| 女性生殖器流出的白浆| 性欧美人与动物交配| 黄网站色视频无遮挡免费观看| 啦啦啦 在线观看视频| 黄色片一级片一级黄色片| 国产成+人综合+亚洲专区| 美女午夜性视频免费| 免费人成视频x8x8入口观看| 黄色怎么调成土黄色| 天天影视国产精品| 国产精品偷伦视频观看了| 亚洲欧美一区二区三区久久| 婷婷六月久久综合丁香| 亚洲一卡2卡3卡4卡5卡精品中文| 国产熟女xx| av视频免费观看在线观看| 国产成人一区二区三区免费视频网站| 又黄又粗又硬又大视频| 国产真人三级小视频在线观看| 男女下面插进去视频免费观看| 夜夜躁狠狠躁天天躁| 久久久国产欧美日韩av| 在线观看免费日韩欧美大片| 99久久99久久久精品蜜桃| 91麻豆精品激情在线观看国产 | 国产无遮挡羞羞视频在线观看| 亚洲人成77777在线视频| 欧美另类亚洲清纯唯美| 妹子高潮喷水视频| 国产av精品麻豆| 日本三级黄在线观看| 悠悠久久av| 黑丝袜美女国产一区| 搡老乐熟女国产| 亚洲自拍偷在线| 欧美人与性动交α欧美精品济南到| 亚洲国产精品合色在线| 欧美黄色片欧美黄色片| 老司机午夜十八禁免费视频| 亚洲五月色婷婷综合| 亚洲av成人av| 首页视频小说图片口味搜索| 九色亚洲精品在线播放| 嫩草影院精品99| 丰满迷人的少妇在线观看| 亚洲成人久久性| 一进一出好大好爽视频| 最新在线观看一区二区三区| 精品国产亚洲在线| 亚洲国产精品一区二区三区在线| 国产精品一区二区免费欧美| 美女大奶头视频| 麻豆国产av国片精品| 午夜激情av网站| 久久久久久久午夜电影 | 亚洲全国av大片| 中文字幕人妻丝袜制服| 国产高清videossex| 大型黄色视频在线免费观看| 久久久水蜜桃国产精品网| 少妇的丰满在线观看| 日韩精品中文字幕看吧| 国产精品爽爽va在线观看网站 | 国产xxxxx性猛交| 久久香蕉激情| 国产精品99久久99久久久不卡| 午夜福利,免费看| 国产麻豆69| 女同久久另类99精品国产91| 90打野战视频偷拍视频| 制服人妻中文乱码| 99精品欧美一区二区三区四区| 怎么达到女性高潮| 另类亚洲欧美激情| 高清av免费在线| 99国产极品粉嫩在线观看| 国产成人精品无人区| 窝窝影院91人妻| 亚洲国产精品sss在线观看 | 亚洲精品国产色婷婷电影| 国产野战对白在线观看| 成熟少妇高潮喷水视频| 亚洲激情在线av| 国产日韩一区二区三区精品不卡| 国产精品一区二区三区四区久久 | 男女下面进入的视频免费午夜 | 精品少妇一区二区三区视频日本电影| 黄片小视频在线播放| 亚洲免费av在线视频| 午夜激情av网站| 91成年电影在线观看| 9色porny在线观看| 精品国产超薄肉色丝袜足j| 亚洲狠狠婷婷综合久久图片| 国产高清videossex| 一进一出抽搐gif免费好疼 | 久久青草综合色| 国产91精品成人一区二区三区| 欧美黄色淫秽网站| 成人亚洲精品av一区二区 | 亚洲国产精品999在线| 亚洲人成电影免费在线| 亚洲成人免费电影在线观看| 日本a在线网址| 多毛熟女@视频| 麻豆久久精品国产亚洲av | 岛国在线观看网站| 99精国产麻豆久久婷婷| 日韩大尺度精品在线看网址 | 国产一区二区在线av高清观看| 午夜免费鲁丝| 日韩欧美一区二区三区在线观看| 亚洲第一欧美日韩一区二区三区| 乱人伦中国视频| 大香蕉久久成人网| 又黄又粗又硬又大视频| 免费在线观看完整版高清| 久久伊人香网站| 亚洲第一av免费看| 最新在线观看一区二区三区| 波多野结衣高清无吗| 麻豆国产av国片精品| 午夜两性在线视频| 交换朋友夫妻互换小说| 黄色毛片三级朝国网站| 亚洲自拍偷在线| 两性夫妻黄色片| www日本在线高清视频| 黄色视频,在线免费观看| 麻豆一二三区av精品| 国产一区二区三区综合在线观看| 国产aⅴ精品一区二区三区波| 男人舔女人下体高潮全视频| 免费不卡黄色视频| 国产欧美日韩一区二区三区在线| 欧美日韩视频精品一区| 亚洲专区国产一区二区| 国产成人精品无人区| 无限看片的www在线观看| 亚洲av电影在线进入| 亚洲中文日韩欧美视频| 亚洲精品粉嫩美女一区| 久久影院123| 18禁国产床啪视频网站| 国产精品 欧美亚洲| 搡老岳熟女国产| 视频区图区小说| 亚洲精品在线美女| 色精品久久人妻99蜜桃| 日韩免费高清中文字幕av| 国产精品日韩av在线免费观看 | 精品久久久久久久久久免费视频 | 这个男人来自地球电影免费观看| 色婷婷久久久亚洲欧美| 少妇裸体淫交视频免费看高清 | 岛国在线观看网站| а√天堂www在线а√下载| 亚洲自偷自拍图片 自拍| 欧美日韩乱码在线| 一本综合久久免费| videosex国产| 久久青草综合色| 国产精品九九99| 国产1区2区3区精品| 91成年电影在线观看| 精品国产乱子伦一区二区三区| 亚洲精品在线观看二区| 国产黄色免费在线视频| 9热在线视频观看99| 日韩av在线大香蕉| 午夜福利影视在线免费观看| 他把我摸到了高潮在线观看| 国产熟女午夜一区二区三区| 麻豆成人av在线观看| 久久精品91无色码中文字幕| 窝窝影院91人妻| 精品国产一区二区三区四区第35| 亚洲第一欧美日韩一区二区三区| 成人三级黄色视频| 国产单亲对白刺激| 啦啦啦免费观看视频1| 欧美成人免费av一区二区三区| 天天躁夜夜躁狠狠躁躁| 精品国产一区二区久久| 亚洲精品在线观看二区| 99久久精品国产亚洲精品| 精品人妻1区二区| 三级毛片av免费| 精品人妻1区二区| 97超级碰碰碰精品色视频在线观看| 婷婷精品国产亚洲av在线| 无人区码免费观看不卡| 日本免费一区二区三区高清不卡 | 老鸭窝网址在线观看| 国产精品国产高清国产av| 亚洲欧美一区二区三区黑人| 一本大道久久a久久精品| 免费观看人在逋| 欧美人与性动交α欧美软件| 国产亚洲精品久久久久5区| 国产亚洲精品综合一区在线观看 | 国产精品久久视频播放| 在线十欧美十亚洲十日本专区| 久久久久久久午夜电影 | 1024香蕉在线观看| 国产精品 欧美亚洲| 国产av一区二区精品久久| 国产激情久久老熟女| av欧美777| 久久久久精品国产欧美久久久| 亚洲,欧美精品.| 人妻丰满熟妇av一区二区三区| 国产午夜精品久久久久久| 美女福利国产在线| 国产精品自产拍在线观看55亚洲| 韩国av一区二区三区四区| 91av网站免费观看| 日韩国内少妇激情av| 午夜亚洲福利在线播放| 国产免费男女视频| 国产精品久久久久久人妻精品电影| av免费在线观看网站| 亚洲人成电影观看| 身体一侧抽搐| 欧美日韩福利视频一区二区| 身体一侧抽搐| 在线观看免费午夜福利视频| 99久久人妻综合| www国产在线视频色| 亚洲国产看品久久| 免费久久久久久久精品成人欧美视频| 国产主播在线观看一区二区| 精品日产1卡2卡| 在线观看免费视频网站a站| 国产高清videossex| 亚洲精品美女久久久久99蜜臀| 真人做人爱边吃奶动态| 丝袜美腿诱惑在线| 免费在线观看视频国产中文字幕亚洲| 久久久久久久久久久久大奶| 亚洲中文字幕日韩| 青草久久国产| 精品电影一区二区在线| 亚洲人成伊人成综合网2020| 国产深夜福利视频在线观看| 日本wwww免费看| 最好的美女福利视频网| 中文字幕色久视频| 男女下面进入的视频免费午夜 | 亚洲 国产 在线| aaaaa片日本免费| 日本欧美视频一区| 午夜久久久在线观看| 精品乱码久久久久久99久播| 看免费av毛片| 欧美日韩亚洲综合一区二区三区_| 欧美精品啪啪一区二区三区| 亚洲五月天丁香| 国产无遮挡羞羞视频在线观看| 色尼玛亚洲综合影院| 久久精品国产清高在天天线| 欧美最黄视频在线播放免费 | 精品一区二区三区四区五区乱码| 亚洲成人精品中文字幕电影 | 欧美日韩瑟瑟在线播放| 狠狠狠狠99中文字幕| 超碰成人久久| 亚洲av熟女| 麻豆成人av在线观看| 亚洲色图 男人天堂 中文字幕| www.自偷自拍.com| 人妻久久中文字幕网| 88av欧美| 欧美日韩国产mv在线观看视频| 久久亚洲真实| 黄色 视频免费看| 亚洲人成伊人成综合网2020| 久久狼人影院|