• <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
    91精品三级在线观看| 一区二区三区精品91| 日韩人妻精品一区2区三区| 久久久久精品人妻al黑| 精品少妇黑人巨大在线播放| 久久久欧美国产精品| 欧美精品高潮呻吟av久久| 亚洲欧美日韩另类电影网站| 老司机影院成人| 成人影院久久| 亚洲情色 制服丝袜| 久久综合国产亚洲精品| 黑人猛操日本美女一级片| 国产激情久久老熟女| 成人18禁高潮啪啪吃奶动态图| 黄色怎么调成土黄色| 亚洲 欧美一区二区三区| 久久99热这里只频精品6学生| 亚洲av片天天在线观看| a 毛片基地| 日韩一区二区三区影片| 婷婷色av中文字幕| 久久这里只有精品19| 久久中文字幕一级| 亚洲九九香蕉| 国产一区二区激情短视频 | 亚洲专区中文字幕在线| 精品人妻1区二区| 日韩视频在线欧美| 免费看不卡的av| 亚洲精品美女久久av网站| 色94色欧美一区二区| 免费女性裸体啪啪无遮挡网站| 电影成人av| 99香蕉大伊视频| av又黄又爽大尺度在线免费看| 99久久99久久久精品蜜桃| 妹子高潮喷水视频| 国产在线视频一区二区| 91国产中文字幕| 伦理电影免费视频| 久久久精品区二区三区| 国产欧美日韩精品亚洲av| 大香蕉久久成人网| 高潮久久久久久久久久久不卡| 国产精品一二三区在线看| 亚洲视频免费观看视频| 久久午夜综合久久蜜桃| 黄色视频在线播放观看不卡| 欧美变态另类bdsm刘玥| 亚洲一区二区三区欧美精品| 伦理电影免费视频| 老汉色∧v一级毛片| 亚洲国产精品999| av网站免费在线观看视频| 婷婷丁香在线五月| 国产精品一区二区精品视频观看| 赤兔流量卡办理| 人成视频在线观看免费观看| 午夜激情久久久久久久| a 毛片基地| 国产主播在线观看一区二区 | 亚洲三区欧美一区| 国产欧美日韩一区二区三 | 免费在线观看完整版高清| 午夜福利视频在线观看免费| h视频一区二区三区| 女人久久www免费人成看片| 成人免费观看视频高清| 国产一区二区激情短视频 | 免费在线观看完整版高清| 久久天堂一区二区三区四区| 亚洲成av片中文字幕在线观看| 永久免费av网站大全| 欧美精品人与动牲交sv欧美| 精品国产乱码久久久久久小说| 成人三级做爰电影| av在线播放精品| 真人做人爱边吃奶动态| 午夜福利视频精品| 一本综合久久免费| 久热爱精品视频在线9| 91字幕亚洲| 少妇被粗大的猛进出69影院| 成人免费观看视频高清| 国产精品 国内视频| 最黄视频免费看| 各种免费的搞黄视频| 青春草亚洲视频在线观看| 精品国产国语对白av| 国产视频一区二区在线看| 国产深夜福利视频在线观看| 国产精品久久久人人做人人爽| videosex国产| 日韩欧美一区视频在线观看| av不卡在线播放| av不卡在线播放| 亚洲精品成人av观看孕妇| 少妇 在线观看| av天堂在线播放| 久久精品久久久久久久性| www.自偷自拍.com| 91麻豆精品激情在线观看国产 | 最新的欧美精品一区二区| 亚洲av成人精品一二三区| 一边亲一边摸免费视频| av电影中文网址| 婷婷成人精品国产| 人妻 亚洲 视频| 老司机影院毛片| 日韩大码丰满熟妇| 丰满少妇做爰视频| 啦啦啦中文免费视频观看日本| 欧美 亚洲 国产 日韩一| 美女视频免费永久观看网站| 国产真人三级小视频在线观看| 啦啦啦 在线观看视频| 亚洲黑人精品在线| e午夜精品久久久久久久| 黄色怎么调成土黄色| 一级a爱视频在线免费观看| videos熟女内射| 国产欧美日韩精品亚洲av| 精品福利永久在线观看| 国产国语露脸激情在线看| 欧美久久黑人一区二区| av线在线观看网站| 人成视频在线观看免费观看| 一本色道久久久久久精品综合| 国产97色在线日韩免费| 在线精品无人区一区二区三| 亚洲人成77777在线视频| 国产一区二区三区av在线| 亚洲国产av影院在线观看| 丰满人妻熟妇乱又伦精品不卡| 9191精品国产免费久久| 美女视频免费永久观看网站| 日本欧美视频一区| 亚洲国产日韩一区二区| 这个男人来自地球电影免费观看| 精品久久久久久电影网| 久久久久久久久免费视频了| 欧美精品啪啪一区二区三区 | 欧美亚洲 丝袜 人妻 在线| 七月丁香在线播放| av在线播放精品| 一二三四在线观看免费中文在| 人人妻,人人澡人人爽秒播 | 大香蕉久久成人网| 午夜久久久在线观看| 人妻人人澡人人爽人人| 精品少妇一区二区三区视频日本电影| 欧美精品啪啪一区二区三区 | 久久99精品国语久久久| 久久中文字幕一级| 成人亚洲欧美一区二区av| 男女无遮挡免费网站观看| 自线自在国产av| 五月天丁香电影| 国产不卡av网站在线观看| 精品国产超薄肉色丝袜足j| 在现免费观看毛片| netflix在线观看网站| 亚洲 欧美一区二区三区| 青青草视频在线视频观看| 国产日韩一区二区三区精品不卡| 午夜久久久在线观看| 亚洲综合色网址| 狂野欧美激情性xxxx| 国产成人91sexporn| 又粗又硬又长又爽又黄的视频| 一本综合久久免费| 国产av一区二区精品久久| 久久精品亚洲av国产电影网| 亚洲中文日韩欧美视频| 亚洲国产毛片av蜜桃av| 亚洲色图 男人天堂 中文字幕| 国产免费一区二区三区四区乱码| 国产淫语在线视频| 别揉我奶头~嗯~啊~动态视频 | 美女国产高潮福利片在线看| 大香蕉久久网| 多毛熟女@视频| 欧美日韩黄片免| 午夜福利免费观看在线| 男女高潮啪啪啪动态图| 涩涩av久久男人的天堂| 在线观看免费日韩欧美大片| 一本大道久久a久久精品| 热99久久久久精品小说推荐| 免费不卡黄色视频| 亚洲三区欧美一区| 天堂中文最新版在线下载| 久久久精品94久久精品| 人人妻,人人澡人人爽秒播 | 欧美日韩精品网址| 美女高潮到喷水免费观看| 久久久久视频综合| 欧美成人精品欧美一级黄| 丝袜美腿诱惑在线| 久久久精品94久久精品| 自线自在国产av| 欧美精品一区二区大全| 亚洲欧美一区二区三区久久| 久久av网站| 操美女的视频在线观看| 国产精品一区二区精品视频观看| 99国产综合亚洲精品| 亚洲欧洲日产国产| 极品少妇高潮喷水抽搐| 两性夫妻黄色片| 日韩免费高清中文字幕av| 国产av一区二区精品久久| 国产极品粉嫩免费观看在线| 亚洲中文日韩欧美视频| 亚洲专区中文字幕在线| kizo精华| 母亲3免费完整高清在线观看| 亚洲伊人久久精品综合| 国产精品 欧美亚洲| 在现免费观看毛片| 巨乳人妻的诱惑在线观看| 黄频高清免费视频| 亚洲精品乱久久久久久| 2021少妇久久久久久久久久久| 亚洲欧美色中文字幕在线| 久久中文字幕一级| 久久久久久亚洲精品国产蜜桃av| 纵有疾风起免费观看全集完整版| xxx大片免费视频| 在现免费观看毛片| 国产精品香港三级国产av潘金莲 | 亚洲欧美清纯卡通| videos熟女内射| 女人久久www免费人成看片| 久久久精品国产亚洲av高清涩受| 欧美成人午夜精品| 国产免费福利视频在线观看| 91精品伊人久久大香线蕉| 欧美黑人精品巨大| 久久久久视频综合| 国产高清视频在线播放一区 | 国产亚洲精品久久久久5区| 极品人妻少妇av视频| 国产1区2区3区精品| 晚上一个人看的免费电影| 99国产精品免费福利视频| 超色免费av| 久久久精品94久久精品| 男人爽女人下面视频在线观看| 巨乳人妻的诱惑在线观看| 久久人妻熟女aⅴ| 狂野欧美激情性xxxx| 无限看片的www在线观看| 国产亚洲精品第一综合不卡| 亚洲国产精品一区二区三区在线| 亚洲国产av影院在线观看| 国产成人啪精品午夜网站| 国产精品欧美亚洲77777| 亚洲精品国产色婷婷电影| 久久精品久久精品一区二区三区| 欧美日韩国产mv在线观看视频| 亚洲精品日本国产第一区| 建设人人有责人人尽责人人享有的| 巨乳人妻的诱惑在线观看| 久久久亚洲精品成人影院| 久久ye,这里只有精品| 欧美日韩黄片免| 国产三级黄色录像| 色婷婷av一区二区三区视频| 91九色精品人成在线观看| 国产亚洲av片在线观看秒播厂| 国产有黄有色有爽视频| 亚洲色图综合在线观看| 国产伦理片在线播放av一区| 日本猛色少妇xxxxx猛交久久| 18禁观看日本| 亚洲一卡2卡3卡4卡5卡精品中文| 久久精品久久久久久久性| 永久免费av网站大全| 亚洲色图综合在线观看| 蜜桃国产av成人99| 黄色毛片三级朝国网站| 久久久久久免费高清国产稀缺| 黄片小视频在线播放| 亚洲美女黄色视频免费看| 午夜日韩欧美国产| 美女中出高潮动态图| 99国产综合亚洲精品| 午夜激情久久久久久久| 热re99久久精品国产66热6| 国产亚洲欧美在线一区二区| 亚洲成国产人片在线观看| 精品福利观看| av有码第一页| 别揉我奶头~嗯~啊~动态视频 | 中国美女看黄片| 一本色道久久久久久精品综合| 高清欧美精品videossex| 男人添女人高潮全过程视频| 电影成人av| 青青草视频在线视频观看| 在线亚洲精品国产二区图片欧美| 精品国产乱码久久久久久男人| 日韩av免费高清视频| 一级黄片播放器| 国产在线视频一区二区| 一区二区av电影网| 亚洲自偷自拍图片 自拍| 精品视频人人做人人爽| 亚洲五月婷婷丁香| 99国产精品99久久久久| 欧美av亚洲av综合av国产av| 亚洲av成人精品一二三区| 另类精品久久| 大香蕉久久成人网| 国产亚洲一区二区精品| 大香蕉久久成人网| 亚洲精品第二区| 亚洲七黄色美女视频| 亚洲国产最新在线播放| 人人妻人人澡人人爽人人夜夜| 91老司机精品| 免费在线观看完整版高清| 国产精品 欧美亚洲| 日本欧美视频一区| 自拍欧美九色日韩亚洲蝌蚪91| 新久久久久国产一级毛片| 国产欧美日韩综合在线一区二区| 欧美成人精品欧美一级黄| 久久99精品国语久久久| 一区二区三区激情视频| 国产黄频视频在线观看| 久久久久久免费高清国产稀缺| 亚洲一区二区三区欧美精品| 亚洲精品成人av观看孕妇| 亚洲av欧美aⅴ国产| 不卡av一区二区三区| 美女脱内裤让男人舔精品视频| 丁香六月欧美| 90打野战视频偷拍视频| 中文字幕av电影在线播放| 久久av网站| 久久ye,这里只有精品| 精品人妻在线不人妻| 欧美日韩亚洲国产一区二区在线观看 | 亚洲av综合色区一区| 亚洲精品日韩在线中文字幕| 少妇 在线观看| 国产精品 国内视频| 国产老妇伦熟女老妇高清| 一级毛片黄色毛片免费观看视频| 2021少妇久久久久久久久久久| 夫妻性生交免费视频一级片| 亚洲欧洲日产国产| 又紧又爽又黄一区二区| 国产人伦9x9x在线观看| 丰满饥渴人妻一区二区三| 久久av网站| 在线观看免费午夜福利视频| 亚洲精品国产av成人精品| 精品人妻在线不人妻| 欧美日韩一级在线毛片| 成年人午夜在线观看视频| 一二三四社区在线视频社区8| 18禁裸乳无遮挡动漫免费视频| 建设人人有责人人尽责人人享有的| 天天添夜夜摸| 伦理电影免费视频| 亚洲少妇的诱惑av| 麻豆av在线久日| 国产人伦9x9x在线观看| 男人舔女人的私密视频| 满18在线观看网站| 天堂8中文在线网| 丁香六月天网| 精品久久蜜臀av无| 男人添女人高潮全过程视频| 男女边吃奶边做爰视频| 成人午夜精彩视频在线观看| 青春草亚洲视频在线观看| 久久天堂一区二区三区四区| 久久久久久久久免费视频了| 男女床上黄色一级片免费看| 高清不卡的av网站| 成在线人永久免费视频| 一本久久精品| 国产成人精品久久久久久| 亚洲中文日韩欧美视频| 亚洲男人天堂网一区| 一区二区三区精品91| 又大又爽又粗| 欧美日韩视频高清一区二区三区二| 国产在线一区二区三区精| 成年美女黄网站色视频大全免费| 国产精品一区二区免费欧美 | 超碰成人久久| 欧美日本中文国产一区发布| 日本猛色少妇xxxxx猛交久久| 中文字幕制服av| 男女之事视频高清在线观看 | 黄色 视频免费看| 亚洲国产精品一区二区三区在线| 国精品久久久久久国模美| h视频一区二区三区| 性少妇av在线| 亚洲中文字幕日韩| 亚洲一码二码三码区别大吗| 在线观看免费高清a一片| 宅男免费午夜| 国产一区亚洲一区在线观看| 免费在线观看影片大全网站 | 亚洲国产精品一区三区| 免费黄频网站在线观看国产| 日本色播在线视频| 九色亚洲精品在线播放| 国产有黄有色有爽视频| 一级毛片女人18水好多 | 我的亚洲天堂| 亚洲成人国产一区在线观看 | 亚洲精品久久成人aⅴ小说| 多毛熟女@视频| 91麻豆精品激情在线观看国产 | 精品国产超薄肉色丝袜足j| 一区在线观看完整版| 亚洲专区中文字幕在线| 18禁裸乳无遮挡动漫免费视频| 欧美在线黄色| 久久ye,这里只有精品| 国产精品二区激情视频| 精品高清国产在线一区| 亚洲欧美精品自产自拍| 精品少妇一区二区三区视频日本电影| 成人黄色视频免费在线看| 中文字幕亚洲精品专区| 欧美黄色淫秽网站| 久久久精品免费免费高清| 久久国产精品人妻蜜桃| 日韩熟女老妇一区二区性免费视频| 咕卡用的链子| 99国产精品一区二区蜜桃av | 日韩伦理黄色片| 亚洲精品一区蜜桃| 熟女少妇亚洲综合色aaa.| 国产av一区二区精品久久| 91老司机精品| 天天添夜夜摸| 老司机在亚洲福利影院| 大香蕉久久成人网| 国产深夜福利视频在线观看| 亚洲综合色网址| 国产又色又爽无遮挡免| 中文字幕av电影在线播放| 最近中文字幕2019免费版| 久久久久网色| 国产精品偷伦视频观看了| 亚洲精品国产av蜜桃| 十分钟在线观看高清视频www| 久久久久视频综合| 国产精品麻豆人妻色哟哟久久| av网站在线播放免费| 国产不卡av网站在线观看| 免费在线观看日本一区| 国产成人av教育| 精品国产乱码久久久久久男人| 中国国产av一级| 一区二区日韩欧美中文字幕| 亚洲国产av影院在线观看| 另类精品久久| 婷婷色综合大香蕉| 亚洲国产欧美日韩在线播放| 欧美日韩成人在线一区二区| 一边摸一边抽搐一进一出视频| 国产精品av久久久久免费| 国产免费视频播放在线视频| 性高湖久久久久久久久免费观看| 真人做人爱边吃奶动态| 波野结衣二区三区在线| 美国免费a级毛片| 人体艺术视频欧美日本| 人妻人人澡人人爽人人| 香蕉丝袜av| 99国产精品一区二区三区| 丝袜美腿诱惑在线| 啦啦啦视频在线资源免费观看| 欧美人与善性xxx| 精品第一国产精品| 亚洲视频免费观看视频| 丰满迷人的少妇在线观看| 18禁国产床啪视频网站| 欧美国产精品一级二级三级| 男女无遮挡免费网站观看| 国产精品人妻久久久影院| 一个人免费看片子| 国产黄色视频一区二区在线观看| 人人妻人人澡人人看| 日韩 亚洲 欧美在线| 男女边摸边吃奶| 性色av一级| 久久九九热精品免费| 欧美日韩av久久| 1024视频免费在线观看| 男人添女人高潮全过程视频| 日韩大片免费观看网站| 青春草视频在线免费观看| 久久久精品94久久精品| 久久天堂一区二区三区四区| 久久综合国产亚洲精品| 看免费成人av毛片| 国产免费一区二区三区四区乱码| 国产熟女欧美一区二区| 色婷婷久久久亚洲欧美| 51午夜福利影视在线观看| 女人爽到高潮嗷嗷叫在线视频| 99精国产麻豆久久婷婷| 国产免费一区二区三区四区乱码| 最近中文字幕2019免费版| 欧美精品啪啪一区二区三区 | 免费在线观看视频国产中文字幕亚洲 | 操出白浆在线播放| 国产亚洲一区二区精品| 制服诱惑二区| 美女视频免费永久观看网站| 国产欧美日韩综合在线一区二区| 亚洲av在线观看美女高潮| 亚洲伊人久久精品综合| 日韩制服丝袜自拍偷拍| 日本一区二区免费在线视频| 纯流量卡能插随身wifi吗| 69精品国产乱码久久久| 老汉色∧v一级毛片| 精品国产一区二区久久| 国产亚洲av片在线观看秒播厂| 国产男人的电影天堂91| 亚洲欧美清纯卡通| 亚洲av在线观看美女高潮| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲国产毛片av蜜桃av| 一级片'在线观看视频| 1024香蕉在线观看| 亚洲精品av麻豆狂野| 精品国产一区二区三区久久久樱花| netflix在线观看网站| 久久中文字幕一级| 在线 av 中文字幕| 国产精品国产三级专区第一集| 黄色 视频免费看| 久久性视频一级片| 亚洲国产欧美日韩在线播放| 99热国产这里只有精品6| 国产日韩欧美亚洲二区| 欧美中文综合在线视频| 高清视频免费观看一区二区| 精品少妇内射三级| 国产福利在线免费观看视频| 欧美精品亚洲一区二区| 色精品久久人妻99蜜桃| 亚洲精品成人av观看孕妇| 亚洲五月婷婷丁香| 美女视频免费永久观看网站| 一区二区av电影网| 天天躁夜夜躁狠狠躁躁| 69精品国产乱码久久久| 欧美日韩亚洲高清精品| 如日韩欧美国产精品一区二区三区| 久久精品久久久久久久性| 在线观看免费午夜福利视频| av天堂在线播放| 国产精品秋霞免费鲁丝片| 亚洲成人免费电影在线观看 | 日韩中文字幕视频在线看片| tube8黄色片| 国产一区亚洲一区在线观看| 国产精品久久久av美女十八| 色综合欧美亚洲国产小说| 午夜福利一区二区在线看| 一级毛片女人18水好多 | 最近手机中文字幕大全| 一级,二级,三级黄色视频| 国产高清视频在线播放一区 | 国产一区二区 视频在线| 亚洲,欧美,日韩| 啦啦啦中文免费视频观看日本| 亚洲精品美女久久av网站| 啦啦啦中文免费视频观看日本| 色94色欧美一区二区| 无限看片的www在线观看| 亚洲七黄色美女视频| 国产精品免费视频内射| 中文欧美无线码| 好男人电影高清在线观看| 18禁裸乳无遮挡动漫免费视频| 亚洲精品久久成人aⅴ小说| 亚洲欧洲精品一区二区精品久久久| 欧美黄色片欧美黄色片| 亚洲欧美清纯卡通| 观看av在线不卡| av视频免费观看在线观看| 精品久久久精品久久久| 日本色播在线视频| 两个人免费观看高清视频| 女人爽到高潮嗷嗷叫在线视频| 亚洲色图 男人天堂 中文字幕| 精品一品国产午夜福利视频| 国产av国产精品国产| 亚洲一区二区三区欧美精品| av在线老鸭窝| 黄色毛片三级朝国网站| 亚洲人成电影观看| 国产xxxxx性猛交| 中国国产av一级| 亚洲成色77777| 曰老女人黄片| 亚洲av综合色区一区| 69精品国产乱码久久久|