• <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 ?

    圖書館大數(shù)據(jù)知識服務(wù)情境化推薦系統(tǒng)研究

    2018-09-19 01:55:20劉海鷗孫晶晶張亞明
    圖書館理論與實(shí)踐 2018年8期
    關(guān)鍵詞:個(gè)性化圖書館情境

    劉海鷗,陳 晶,孫晶晶,張亞明△

    (燕山大學(xué) a.互聯(lián)網(wǎng)+與產(chǎn)業(yè)發(fā)展研究中心;b.經(jīng)濟(jì)管理學(xué)院)

    1 引言

    隨著大數(shù)據(jù)時(shí)代到來,圖書館知識服務(wù)面臨兩個(gè)日益凸顯的矛盾,其一是知識爆炸性增長與用戶選擇能力局限性之間的矛盾,其二是信息量極度豐富和用戶感興趣信息局限性之間的矛盾。圖書館大數(shù)據(jù)知識服務(wù)的個(gè)性化推薦技術(shù)是解決該問題的一個(gè)有效工具。圖書館大數(shù)據(jù)知識服務(wù)的個(gè)性化推薦是將讀者興趣、知識領(lǐng)域等關(guān)聯(lián)信息加工為能夠生動描述讀者偏好的知識元,由此來支持?jǐn)?shù)字圖書館各種推薦服務(wù),最終為用戶提供滿足其個(gè)性化需求的知識資源。面對海量的知識資源,用戶的需求并非一成不變,會隨著其所處的環(huán)境與場景(情境)而發(fā)生變化。有研究表明,[1,2]用戶這種情境的變化對其個(gè)性化需求會造成不同程度的影響。但目前大多數(shù)圖書館對情境因素的感知能力不足,因此難以為圖書館用戶提供與其情境最為匹配的精準(zhǔn)個(gè)性化服務(wù)。

    為解決個(gè)性化推薦系統(tǒng)存在的“情境缺位”問題,國外學(xué)者M(jìn)allat等[3]在其構(gòu)建的個(gè)性化推薦系統(tǒng)中對用戶的情境信息進(jìn)行了定義,可根據(jù)用戶當(dāng)時(shí)所處的情境來進(jìn)行個(gè)性化推薦;Adomavicius等[4]在研究過程中引入了用戶的購買時(shí)間,將其作為情境變量來構(gòu)建集成用戶情境的協(xié)同過濾推薦模型;Anand等[5]在研究中討論了如何在推薦系統(tǒng)中對情境進(jìn)行模擬的問題,基于此提出了融合用戶情境信息的推薦方法;Bao等[6]通過研究提出了一種無監(jiān)督方法,由此來對移動用戶的個(gè)性化情境進(jìn)行實(shí)時(shí)模擬;Sen[7]、Karatzoglou[8]、Rendle 等[9]也各自在其推薦系統(tǒng)中融入了用戶情境信息,由此提出情境感知推薦方法、融合情境的多元推薦方法以及基于情境分解機(jī)的推薦方法。

    在圖書館個(gè)性化服務(wù)推薦研究領(lǐng)域,我國學(xué)者郭順利、李秀霞[10]探討了圖書館用戶信息需求的情境敏感性以及推薦即時(shí)性特點(diǎn),基于此提出了圖書館用戶信息需求模型,并通過實(shí)驗(yàn)驗(yàn)證了情境要素對提升圖書館個(gè)性化推薦質(zhì)量的關(guān)鍵作用;畢達(dá)天、晁亞男[11]在數(shù)字圖書館用戶興趣建模過程中,從用戶情境偏好的角度出發(fā),探討了數(shù)字圖書館資源情境對用戶接受推薦結(jié)果的重要影響;李靜云[12]構(gòu)建了用戶情境感知的圖書館知識推薦系統(tǒng),以此來提高圖書館知識推薦的針對性與準(zhǔn)確性;張文萍等[13]進(jìn)一步分析了影響數(shù)字圖書館個(gè)性化知識服務(wù)的多個(gè)情境因素,基于此探討每個(gè)情境維度對知識服務(wù)個(gè)性化推薦的影響;周玲元[14]探討了移動環(huán)境下的情境感知計(jì)算流程,基于此構(gòu)建了圖書館聯(lián)盟情境感知推薦系統(tǒng);曾子明、陳貝貝[15]從智慧圖書館建設(shè)的角度出發(fā),提出構(gòu)建智慧圖書館情境感知的個(gè)性化服務(wù)推薦系統(tǒng),通過深層次融合情境信息為廣大用戶提供與其情境更為匹配的智慧信息資源,從而實(shí)現(xiàn)精準(zhǔn)個(gè)性化服務(wù);胡慕海等[16]通過研究提出了基于信息熵的用戶情境敏感性度量方法,由此對用戶進(jìn)行相似性計(jì)算,該方法在一定程度上提高了圖書館知識推薦精度,有利于為用戶提供滿足其個(gè)性化知識資源。

    綜上所述,國內(nèi)外學(xué)者已對融合情境信息的協(xié)同過濾(Collaborative Filtering,CF)推薦進(jìn)行了一定的研究,也有部分研究在圖書館個(gè)性化推薦系統(tǒng)中引入了讀者的情境信息。但是當(dāng)前大多數(shù)研究主要通過用戶靜態(tài)信息與評分項(xiàng)目進(jìn)行推薦,對圖書館用戶的位置情境、時(shí)間情境、業(yè)務(wù)關(guān)聯(lián)情境等挖掘不夠深入,圖書館推薦服務(wù)中的情境信息共享、情境興趣建模以及情境感知的個(gè)性化服務(wù)機(jī)制等問題仍需要進(jìn)一步研究。[17]此外,圖書館用戶的行為數(shù)據(jù)與情境信息在大數(shù)據(jù)環(huán)境下呈指數(shù)式爆炸性增長,這極大增加了從海量數(shù)據(jù)中挖掘用戶情境興趣與相關(guān)知識的難度,且項(xiàng)目評分的稀疏性問題也愈加突出。鑒于此,本研究在傳統(tǒng)推薦算法中引入圖書館用戶的情境信息,提出面向圖書館大數(shù)據(jù)知識服務(wù)的情境化推薦系統(tǒng),采用大數(shù)據(jù)MapReduce處理技術(shù)實(shí)現(xiàn)協(xié)同過濾算法的并行分布式推薦,最后給出推薦結(jié)果。

    2 圖書館大數(shù)據(jù)知識服務(wù)情境化推薦系統(tǒng)設(shè)計(jì)

    在借鑒分布式架構(gòu)、用戶個(gè)性化興趣建模以及CF推薦技術(shù)的基礎(chǔ)上,本研究提出面向圖書館大數(shù)據(jù)知識服務(wù)的情境化推薦系統(tǒng)架構(gòu)(見圖1)。

    圖1 面向圖書館大數(shù)據(jù)知識服務(wù)的情境化推薦系統(tǒng)架構(gòu)

    從圖1可以看出,圖書館情境化服務(wù)推薦系統(tǒng)部署在Hadoop分布式環(huán)境下,對推薦系統(tǒng)而言,隨著圖書館用戶服務(wù)請求規(guī)模的不斷增加,其面臨的大數(shù)據(jù)處理壓力也逐漸增大。此時(shí),Hadoop分布式處理的計(jì)算優(yōu)勢就得以充分發(fā)揮,它可以將圖書館用戶服務(wù)請求部署到Hadoop集群進(jìn)行處理,通過橫向擴(kuò)展Hadoop節(jié)點(diǎn)數(shù)量,增加集群并行計(jì)算性能,以此緩解推薦系統(tǒng)面臨的大數(shù)據(jù)處理壓力。具體來講,面向圖書館大數(shù)據(jù)知識服務(wù)情境化推薦系統(tǒng)包括如下模塊。

    (1)圖書館用戶大數(shù)據(jù)獲取與存儲模塊。數(shù)據(jù)獲取模塊的主要目的是提取圖書館用戶相關(guān)數(shù)據(jù),同時(shí)將其存儲到Hadoop相應(yīng)的存儲模塊中。鑒于面向圖書館大數(shù)據(jù)知識服務(wù)的情境化推薦系統(tǒng)需對用戶的即時(shí)興趣迅速作出回應(yīng),因此對數(shù)據(jù)存儲層的響應(yīng)時(shí)間提出了較高要求。Hadoop中的HBase分布式存儲面對海量數(shù)據(jù)具有快速的服務(wù)響應(yīng)能力,因此可通過橫向擴(kuò)充集群節(jié)點(diǎn)來實(shí)現(xiàn)圖書館用戶大數(shù)據(jù)的存儲。

    (2)情境興趣建模模塊。圖書館大數(shù)據(jù)知識服務(wù)情境化推薦系統(tǒng)的核心模塊為情境興趣建模,即如何融合圖書館用戶的情境信息進(jìn)行情境興趣建模,并基于此緩解數(shù)據(jù)稀疏性導(dǎo)致的推薦性能下降問題。

    (3)并行推薦模塊。大數(shù)據(jù)環(huán)境下,協(xié)同過濾的挖掘速度與推薦系統(tǒng)的運(yùn)行效率遇到了極大挑戰(zhàn)。本研究引入MapReduce大數(shù)據(jù)處理工具對傳統(tǒng)的協(xié)同過濾推薦方法進(jìn)行改進(jìn),以此提高圖書館用戶大數(shù)據(jù)的并行挖掘精度以及推薦系統(tǒng)的運(yùn)行效率。

    (4)情境化服務(wù)推薦引擎模塊。本研究構(gòu)建的圖書館推薦系統(tǒng)的推薦引擎主要對系統(tǒng)前端接收的圖書館情境化服務(wù)請求做出回應(yīng),推薦系統(tǒng)服務(wù)接口再使用情境化推薦方法進(jìn)行推薦,最終將計(jì)算出的推薦結(jié)果提供給用戶。

    3 大數(shù)據(jù)的獲取與存儲

    大數(shù)據(jù)技術(shù)的出現(xiàn)促使圖書館數(shù)字資源間的協(xié)同與互聯(lián)達(dá)到前所未有的深度和廣度,尤其是移動閱讀終端的多樣化和普及化為我們帶來了多領(lǐng)域、立體化、全方位的圖書館大數(shù)據(jù)。對圖書館而言,可實(shí)現(xiàn)其情境化推薦服務(wù)的大數(shù)據(jù)資源主要包括:用戶基本數(shù)據(jù)、用戶行為數(shù)據(jù)、圖書館知識資源數(shù)據(jù)以及用戶情境數(shù)據(jù)(見表1)。

    表1 圖書館大數(shù)據(jù)資源類別劃分

    表1中的用戶個(gè)人信息主要體現(xiàn)圖書館用戶的性別、年齡、專業(yè)等,此類信息可通過系統(tǒng)的注冊信息獲取,行為數(shù)據(jù)以及知識資源數(shù)據(jù)可通過Cloudera提供的Flume系統(tǒng)進(jìn)行采集。其中,F(xiàn)lume是一個(gè)開源的分布式海量日志收集系統(tǒng),該系統(tǒng)將定期分布式存儲用戶的訪問日志,以供后續(xù)的跟蹤和分析使用。用戶情境信息是本研究重點(diǎn)關(guān)注的要素,主要包括時(shí)間信息、地理位置信息以及環(huán)境信息,其中,時(shí)間信息和位置信息也可合稱為時(shí)空情境。時(shí)空情境既包括絕對時(shí)空信息(可確切且可量化的時(shí)空信息,如,東經(jīng)12.3度,北緯45.6度、樣本閱覽室101、圖書館入口以及確切的年月日等),還包括相對時(shí)空信息(模糊描述時(shí)間與位置的時(shí)空信息,如,圖書館一樓、圖書館大門200米處、暑假期間等)。時(shí)空數(shù)據(jù)主要可根據(jù)定位技術(shù)獲取,如GPS、北斗、RFID、無線網(wǎng)絡(luò)基站、WiFi、傳感器等。環(huán)境信息主要客觀描述用戶所處的自然條件,如,用戶周圍的溫度、濕度、光線、噪聲、天氣狀況等,這些數(shù)據(jù)可以通過傳感器、用戶手持的智能終端設(shè)備直接獲取。

    此外,Hadoop的持久化分布式文件系統(tǒng)(Hadoop Distributed File System,HDFS)解決了圖書館大數(shù)據(jù)的存儲問題。HDFS特別適于存儲數(shù)據(jù)查詢要求不高的圖書館信息,如,圖書情報(bào)學(xué)界近年來重大新聞信息、行業(yè)發(fā)展動態(tài)信息等。對于分布式存儲的高級應(yīng)用,HBase具有類似關(guān)系型數(shù)據(jù)庫的服務(wù)功能,其列式存儲也非常適用于大規(guī)模本體數(shù)據(jù)的存儲、查詢以及實(shí)時(shí)更改。圖書館大數(shù)據(jù)的HDFS存儲機(jī)制具體如圖2所示。

    圖2 圖書館大數(shù)據(jù)知識服務(wù)的HDFS存儲機(jī)制

    4 用戶情境興趣建模

    用戶情境興趣建模是大數(shù)據(jù)知識服務(wù)情境化推薦的核心部分,本節(jié)對其進(jìn)行細(xì)致描述。

    在情境化推薦系統(tǒng)中,根據(jù)圖書館用戶所處的地理位置、環(huán)境溫度、服務(wù)時(shí)間等不同類型的情境,本研究使用向量計(jì)算公式將其標(biāo)記為Context={C1,L,Ci,L,C}n。其中Ci表示某一情境屬性的向量,可以體現(xiàn)圖書館用戶當(dāng)前的時(shí)間信息、位置信息、活動狀態(tài)等。如在C={c1,L,ci,L,c}n這一情境實(shí)例,ci體現(xiàn)的是情境屬性Ci的具體屬性值:若Ci為位置情境,則ci可表示東經(jīng)12.3度、圖書館101、圖書館入口等。Contextx和Contexty則表示兩種不同的情境,其相似度本研究記為Sim(Contextx,Context)y,Simk(Contextx,Context)y則表示情境Contextx和Contexty在k類情境背景下比較的相似程度。鑒于圖書館用戶是在一定情境下對項(xiàng)目進(jìn)行評分,且該情境信息將對用戶評分產(chǎn)生影響,因此本研究在評分過程中引入了圖書館用戶的情境信息,由此來對傳統(tǒng)CF的用戶—項(xiàng)目評分矩陣進(jìn)行擴(kuò)展,形成用戶—項(xiàng)目—情境評分矩陣,也就是將情境信息ContextK融入到原先圖書館用戶的每一個(gè)項(xiàng)目評分中去,實(shí)現(xiàn)融合情境興趣的圖書館個(gè)性化推薦。具體而言,就是建立“用戶—項(xiàng)目—情境評分”的三維量空間模型:{User,Item,Context},三個(gè)維度用戶、項(xiàng)目、情境評分分別由各自的屬性值構(gòu)成。

    首先,獲取用戶—項(xiàng)目評分矩陣及評分時(shí)用戶所處的情境。在建立圖書館用戶情境化推薦模型時(shí),先建立傳統(tǒng)的用戶評分矩陣 ,該矩陣反映了用戶User對項(xiàng)目Item的評分情況,如公式(1)所示:

    其中,用戶ui對項(xiàng)目sj的評分使用表示,用戶ui的平均評分使用表示,用戶uj的平均評分使用表示。

    然后,根據(jù)用戶在不同情境下對相同項(xiàng)目的不同評分,采用Pearson相關(guān)系數(shù)度量公式計(jì)算同一用戶的不同情境相似度,具體如公式(2)所示。

    公式(2)中,S表示目標(biāo)用戶u在情境Cx和情境Cy都有評分值的項(xiàng)目集合;表示用戶項(xiàng)目在情境下的評分值;則表示平均評分值。

    最后,計(jì)算與目標(biāo)用戶u的近似情境集合。大數(shù)據(jù)知識服務(wù)環(huán)境下,由于圖書館用戶在不同情境下共同評分的知識服務(wù)資源項(xiàng)目很少,這樣就很難獲得與目標(biāo)用戶u相近的情境集合。為解決這一問題,本文采用余弦相似性公式對情境Cx和情境Cy的余弦相似度進(jìn)行計(jì)算,具體如公式(3)所示:

    通過公式(3),可以得出與目標(biāo)用戶u當(dāng)前情境最接近的近似情境集合,然后進(jìn)行情境化協(xié)同過濾推薦,最后給出Top-N的推薦結(jié)果。

    5 大數(shù)據(jù)的并行處理與推薦

    由于本研究提出的情境化推薦面向的是海量數(shù)據(jù),僅通過單機(jī)運(yùn)行的協(xié)同過濾推薦方法難以進(jìn)行有效的圖書館大數(shù)據(jù)知識挖掘。鑒于此,引入了大數(shù)據(jù)并行處理技術(shù),利用Hadoop分布式環(huán)境下部署本文構(gòu)建的圖書館情境化推薦系統(tǒng),通過MapReduce對CF推薦方法進(jìn)行并行處理,從而改進(jìn)海量數(shù)據(jù)環(huán)境下CF推薦系統(tǒng)的挖掘性能與可擴(kuò)展性。

    圖書館情境化推薦的大數(shù)據(jù)并行處理與挖掘過程主要包括兩個(gè)環(huán)節(jié):第一步使用MapReduce大數(shù)據(jù)處理方法計(jì)算用戶—項(xiàng)目評分矩陣的相似度;第二步通過相似度對未評分項(xiàng)目進(jìn)行評分預(yù)測。在計(jì)算圖書館用戶—項(xiàng)目評分矩陣相似度時(shí),本文輸入的鍵值對以〈null,(User,Item,Score)〉 的形式表示,輸出的鍵值采用〈(Item1,Item2),Sim〉表示。該階段的并行計(jì)算可通過兩個(gè)MapReduce任務(wù)來實(shí)現(xiàn),第一次MapReduce主要匯總圖書館用戶對項(xiàng)目的評分信息,然后進(jìn)行排名;其中的Map函數(shù)將輸入的圖書館用戶信息與項(xiàng)目打分信息轉(zhuǎn)換為相對應(yīng)的鍵值對,Reduce函數(shù)則合并具有相同用戶的打分項(xiàng)目,具體過程如表2和表3所示。第二次MapReduce致力于計(jì)算項(xiàng)目間的相似度,將圖書館用戶和各項(xiàng)目間(User and Item)的鍵值對轉(zhuǎn)換成項(xiàng)目和項(xiàng)目間(Item and Item)的鍵值對,具體是采用Map函數(shù)獲得各Item間同一User的評分,利用Reduce函數(shù)計(jì)算項(xiàng)目之間的相似程度。通過兩次MapReduce處理后,可得出相似度的計(jì)算結(jié)果以及各Item的相似度列表。最后,根據(jù)MapReduce計(jì)算得出的圖書館用戶的推薦評分相似列表,使用Map函數(shù)進(jìn)行CF推薦,并通過Reduce函數(shù)輸出推薦結(jié)果,具體計(jì)算過程如表4和表5所示。

    表2 第一次MapReduce的Map階段

    表3 第一次MapReduce的Reduce階段

    表4 Map函數(shù)的CF推薦階段

    表5 Reduce函數(shù)的推薦結(jié)果輸出階段

    具體而言,首先將第三部分獲得的圖書館用戶行為、相關(guān)圖書評分等大數(shù)據(jù)知識服務(wù)信息引入推薦系統(tǒng),在進(jìn)行第四部分的情境興趣建模時(shí),引入時(shí)間或者其他情境要素的評分權(quán)重,由此可以獲得Top-N的推薦結(jié)果。在大數(shù)據(jù)的處理與挖掘過程中,原始輸入的參數(shù)為(Reder,Book,Score),通過 MapReduce將獲得以Reder為Key值、(Book,Score)為 Value值的輸入,然后利用情境相似度公式獲得用戶u對圖書項(xiàng)目b的興趣度Pref;以此類推,可獲得u所有的圖書項(xiàng)目歷史瀏覽信息 ((Book1Pref1),(Book2Pref2),L (BooknPrefn)),采用Map輸出相似度計(jì)算得出的鍵值對,通過函數(shù)Reduce匯總并輸出以Book為 Ket值,以{(book1n1),(book2n),L (booknnn)} 為 Value值的鍵值對,最終得到用戶u的圖書相似度矩陣和Top-N的推薦結(jié)果。

    6 并行推薦效果的檢驗(yàn)方法

    本研究實(shí)驗(yàn)評價(jià)標(biāo)準(zhǔn)主要包括兩個(gè)方面:首先測試基于Hadoop的大數(shù)據(jù)并行挖掘有無提升模型計(jì)算的性能;其次是測試情境化推薦對數(shù)據(jù)稀疏性導(dǎo)致推薦精度下降的緩解情況。

    作為并行計(jì)算測試的評價(jià)指標(biāo),加速比主要用來對比單機(jī)與并行計(jì)算兩種不同環(huán)境下特定算法運(yùn)行所耗費(fèi)的時(shí)長,其計(jì)算方法為單機(jī)運(yùn)行時(shí)間與并行運(yùn)行時(shí)間兩者之間的比值:S=T(1)/T(N)。其中,T(1)為算法在單機(jī)環(huán)境下的運(yùn)行時(shí)間,T(N)為多機(jī)并行處理的時(shí)間,兩者的比值結(jié)果即為加速比。此外,為了對比Hadoop環(huán)境下不同數(shù)目節(jié)點(diǎn)對并行計(jì)算結(jié)果的影響,還引入了相對加速比指標(biāo):S相對=T(單DataNode)/T(多DataNode)。其中,S相對表示相對加速比,T(單DataNode)表示單機(jī)運(yùn)行的時(shí)間,T(多DataNode)表示多DataNode集群運(yùn)行的時(shí)間。

    在推薦性能測試方面,使用最為常見的平均絕對偏差MAE、用戶覆蓋率Coverage以及P(u)@N。MAE表明預(yù)測評分與實(shí)際評分間的偏差程度,MAE越小,表明算法給出的推薦結(jié)果約接近于實(shí)際情況,兩者誤差也就越小。MAE的計(jì)算公式為:MAE=/N。其中,{P1,P2,…,PN},為算法預(yù)測得出的用戶評分集合,{q1,q2,…,qn}為實(shí)際用戶評分集合。覆蓋率指標(biāo)主要衡量對數(shù)據(jù)集的覆蓋范圍,本文采用Coverage表示,計(jì)算公式為其中,測試實(shí)驗(yàn)執(zhí)行次數(shù)使用n表示,算法計(jì)算得出的用戶預(yù)測評級使用pi表示。而P(u)@N則表示推薦列表中與目標(biāo)用戶u當(dāng)前情境相符合的用戶需求項(xiàng)目數(shù)與N的比值,計(jì)算公式為:P(u)@N=(relevent items intop nitemsforu)/N。

    猜你喜歡
    個(gè)性化圖書館情境
    情境引領(lǐng)追問促深
    不同情境中的水
    堅(jiān)持個(gè)性化的寫作
    文苑(2020年4期)2020-05-30 12:35:12
    新聞的個(gè)性化寫作
    新聞傳播(2018年12期)2018-09-19 06:27:10
    圖書館
    護(hù)患情境會話
    上汽大通:C2B個(gè)性化定制未來
    飛躍圖書館
    特定情境,感人至深
    滿足群眾的個(gè)性化需求
    亚洲午夜精品一区,二区,三区| 又黄又粗又硬又大视频| 成年版毛片免费区| 午夜精品国产一区二区电影| 亚洲片人在线观看| 国产精品自产拍在线观看55亚洲| 啪啪无遮挡十八禁网站| 亚洲一码二码三码区别大吗| 在线观看免费午夜福利视频| 成人18禁高潮啪啪吃奶动态图| 搡老熟女国产l中国老女人| 99久久99久久久精品蜜桃| 国产精品1区2区在线观看.| 久久久久久久久中文| 欧美日韩瑟瑟在线播放| 国产1区2区3区精品| 午夜亚洲福利在线播放| 国产精品 国内视频| 久久久国产成人免费| 可以免费在线观看a视频的电影网站| 国产精品 欧美亚洲| 国产精品野战在线观看 | 欧美日韩av久久| 精品国产亚洲在线| av中文乱码字幕在线| 80岁老熟妇乱子伦牲交| 欧美激情高清一区二区三区| 欧美成狂野欧美在线观看| 免费久久久久久久精品成人欧美视频| 两个人看的免费小视频| 欧美最黄视频在线播放免费 | 亚洲色图av天堂| 免费在线观看视频国产中文字幕亚洲| 女人爽到高潮嗷嗷叫在线视频| 97人妻天天添夜夜摸| 国产99白浆流出| 91字幕亚洲| 精品一区二区三卡| 欧美老熟妇乱子伦牲交| 视频区欧美日本亚洲| 久久人妻熟女aⅴ| 超色免费av| 久久这里只有精品19| 老司机午夜福利在线观看视频| 9色porny在线观看| 韩国av一区二区三区四区| 亚洲成人免费电影在线观看| 人人妻,人人澡人人爽秒播| 久久香蕉国产精品| 一级作爱视频免费观看| 高潮久久久久久久久久久不卡| 亚洲 欧美 日韩 在线 免费| 91麻豆精品激情在线观看国产 | 欧美亚洲日本最大视频资源| 99精品欧美一区二区三区四区| 亚洲五月婷婷丁香| 久久影院123| 女同久久另类99精品国产91| 国产欧美日韩一区二区三| 亚洲精华国产精华精| 日韩欧美在线二视频| 亚洲av五月六月丁香网| 国产主播在线观看一区二区| 久久亚洲真实| 国产精品永久免费网站| 国产精品99久久99久久久不卡| 国产又色又爽无遮挡免费看| 亚洲七黄色美女视频| 国产成人欧美在线观看| 日韩国内少妇激情av| 亚洲国产毛片av蜜桃av| 国产亚洲精品久久久久5区| 国产97色在线日韩免费| 国产亚洲精品一区二区www| 新久久久久国产一级毛片| 国产av精品麻豆| 夜夜夜夜夜久久久久| 午夜91福利影院| 新久久久久国产一级毛片| 国产有黄有色有爽视频| www国产在线视频色| 欧美性长视频在线观看| 日韩 欧美 亚洲 中文字幕| 精品福利永久在线观看| 亚洲国产中文字幕在线视频| 欧美日韩av久久| 国产蜜桃级精品一区二区三区| 麻豆国产av国片精品| 91大片在线观看| 亚洲三区欧美一区| 天堂动漫精品| 久99久视频精品免费| 国产1区2区3区精品| 嫩草影视91久久| 国产精品爽爽va在线观看网站 | 亚洲性夜色夜夜综合| av片东京热男人的天堂| 国产精品久久久久成人av| 亚洲国产毛片av蜜桃av| 精品福利永久在线观看| 级片在线观看| 欧美日韩黄片免| 黄色视频不卡| 亚洲欧美激情综合另类| 亚洲一区二区三区不卡视频| 国产精品影院久久| 免费女性裸体啪啪无遮挡网站| 色综合欧美亚洲国产小说| 一边摸一边抽搐一进一出视频| 亚洲精品久久成人aⅴ小说| 1024视频免费在线观看| 国产精品一区二区免费欧美| 999久久久国产精品视频| 淫秽高清视频在线观看| 欧美日韩福利视频一区二区| 国产亚洲欧美精品永久| 亚洲片人在线观看| 国产精品香港三级国产av潘金莲| 国产精品免费一区二区三区在线| 国产免费av片在线观看野外av| 黄色视频不卡| 久久中文字幕一级| www.www免费av| 少妇的丰满在线观看| 亚洲欧美日韩高清在线视频| 色尼玛亚洲综合影院| 日日爽夜夜爽网站| 丰满人妻熟妇乱又伦精品不卡| 脱女人内裤的视频| 曰老女人黄片| 日韩免费av在线播放| 国产精品久久久人人做人人爽| 色综合站精品国产| 一边摸一边抽搐一进一小说| 黄色a级毛片大全视频| 久久久久久人人人人人| 淫秽高清视频在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 午夜激情av网站| 1024香蕉在线观看| 午夜精品在线福利| 精品高清国产在线一区| 欧美av亚洲av综合av国产av| 母亲3免费完整高清在线观看| 国产精品一区二区免费欧美| 欧美+亚洲+日韩+国产| 久久中文字幕人妻熟女| 欧洲精品卡2卡3卡4卡5卡区| 麻豆成人av在线观看| 亚洲激情在线av| 真人一进一出gif抽搐免费| 国产1区2区3区精品| 亚洲国产毛片av蜜桃av| 18禁裸乳无遮挡免费网站照片 | 亚洲久久久国产精品| 女警被强在线播放| 久久精品亚洲精品国产色婷小说| 男女做爰动态图高潮gif福利片 | 桃色一区二区三区在线观看| 美女国产高潮福利片在线看| 99热只有精品国产| 精品一区二区三区四区五区乱码| 在线十欧美十亚洲十日本专区| 黄色女人牲交| 99精品久久久久人妻精品| 好看av亚洲va欧美ⅴa在| 久久精品aⅴ一区二区三区四区| 成人手机av| 99久久99久久久精品蜜桃| 国产精品香港三级国产av潘金莲| 男人操女人黄网站| 黑人操中国人逼视频| 一级a爱片免费观看的视频| 国产精品久久视频播放| av国产精品久久久久影院| 91成人精品电影| 国产成人精品久久二区二区91| 伦理电影免费视频| 少妇粗大呻吟视频| 极品教师在线免费播放| 男女高潮啪啪啪动态图| 女人被躁到高潮嗷嗷叫费观| 亚洲精品中文字幕一二三四区| 欧美久久黑人一区二区| 人人妻,人人澡人人爽秒播| 亚洲国产欧美一区二区综合| 精品第一国产精品| 亚洲少妇的诱惑av| 免费看十八禁软件| 成人精品一区二区免费| 国产主播在线观看一区二区| 在线观看日韩欧美| 又黄又爽又免费观看的视频| 国产精品二区激情视频| 十分钟在线观看高清视频www| 久久国产精品影院| 淫秽高清视频在线观看| www.熟女人妻精品国产| 日韩欧美国产一区二区入口| 日韩人妻精品一区2区三区| 亚洲 欧美一区二区三区| 在线观看一区二区三区激情| 欧美精品一区二区免费开放| 欧美人与性动交α欧美软件| 亚洲av美国av| 欧美丝袜亚洲另类 | 久久亚洲精品不卡| 欧美日韩福利视频一区二区| 亚洲色图av天堂| 美女高潮到喷水免费观看| 国产亚洲欧美精品永久| 999久久久国产精品视频| 交换朋友夫妻互换小说| 啦啦啦在线免费观看视频4| 国产一区在线观看成人免费| 久久久国产成人免费| 女性被躁到高潮视频| 亚洲av成人av| 婷婷丁香在线五月| 婷婷亚洲欧美| 国产精品一区二区三区四区久久| 成年女人毛片免费观看观看9| 国产精品久久久久久久电影| 我要搜黄色片| 亚洲欧美日韩高清在线视频| www日本黄色视频网| 99精品久久久久人妻精品| 少妇高潮的动态图| 综合色av麻豆| 国产综合懂色| 久久国产乱子免费精品| 狠狠狠狠99中文字幕| 国产精品电影一区二区三区| 热99在线观看视频| x7x7x7水蜜桃| 一级黄色大片毛片| 国产精品精品国产色婷婷| 乱码一卡2卡4卡精品| 国产三级在线视频| 午夜精品在线福利| 少妇高潮的动态图| or卡值多少钱| 亚洲av成人精品一区久久| 亚洲国产精品sss在线观看| 给我免费播放毛片高清在线观看| netflix在线观看网站| 国产精品,欧美在线| aaaaa片日本免费| 精品不卡国产一区二区三区| 一级毛片久久久久久久久女| 国产色婷婷99| 久久这里只有精品中国| 老司机午夜十八禁免费视频| 国产午夜福利久久久久久| 91在线精品国自产拍蜜月| 欧美最黄视频在线播放免费| 99久久精品热视频| 性欧美人与动物交配| 两个人的视频大全免费| 欧美黑人巨大hd| 18+在线观看网站| 亚州av有码| 精品久久久久久成人av| 亚洲真实伦在线观看| 亚洲欧美日韩卡通动漫| 国产在视频线在精品| 少妇高潮的动态图| 国产91精品成人一区二区三区| 久久午夜亚洲精品久久| 国内久久婷婷六月综合欲色啪| 精品国产亚洲在线| 国产蜜桃级精品一区二区三区| 一本一本综合久久| 国产美女午夜福利| www.熟女人妻精品国产| 999久久久精品免费观看国产| 亚洲国产欧洲综合997久久,| 午夜精品久久久久久毛片777| 精品国内亚洲2022精品成人| 日韩精品青青久久久久久| 亚洲av日韩精品久久久久久密| 桃色一区二区三区在线观看| 少妇的逼水好多| 99国产极品粉嫩在线观看| 免费观看人在逋| 日韩欧美在线二视频| 精品国产亚洲在线| 久久久久久国产a免费观看| 亚洲人成伊人成综合网2020| 91九色精品人成在线观看| 精品乱码久久久久久99久播| 亚洲精品乱码久久久v下载方式| 午夜福利18| 狂野欧美白嫩少妇大欣赏| 久久精品91蜜桃| 亚洲精品影视一区二区三区av| 一本综合久久免费| 亚洲无线在线观看| 免费观看精品视频网站| 免费av毛片视频| 欧美成人免费av一区二区三区| 日韩欧美国产一区二区入口| 精品熟女少妇八av免费久了| 亚洲中文字幕一区二区三区有码在线看| 中亚洲国语对白在线视频| 天天一区二区日本电影三级| 偷拍熟女少妇极品色| 国产欧美日韩精品一区二区| 亚洲国产欧洲综合997久久,| 最近最新中文字幕大全电影3| 国产不卡一卡二| 日本黄色片子视频| 婷婷精品国产亚洲av在线| 麻豆成人午夜福利视频| 日韩中文字幕欧美一区二区| 18美女黄网站色大片免费观看| 757午夜福利合集在线观看| 偷拍熟女少妇极品色| 人人妻人人看人人澡| 有码 亚洲区| 日本一本二区三区精品| 国产精品,欧美在线| 在线播放国产精品三级| 久久精品国产亚洲av香蕉五月| 亚洲精品456在线播放app | 亚洲狠狠婷婷综合久久图片| 日日摸夜夜添夜夜添小说| 国产私拍福利视频在线观看| 直男gayav资源| avwww免费| 婷婷丁香在线五月| 18禁黄网站禁片免费观看直播| 美女高潮的动态| 国产精品影院久久| 中文字幕精品亚洲无线码一区| 国产精品一区二区性色av| 嫁个100分男人电影在线观看| 婷婷精品国产亚洲av| 免费人成视频x8x8入口观看| 国产亚洲精品av在线| 亚洲av日韩精品久久久久久密| 啦啦啦韩国在线观看视频| www.999成人在线观看| 国产在线精品亚洲第一网站| 久久久成人免费电影| 欧美日韩亚洲国产一区二区在线观看| 中文字幕人成人乱码亚洲影| 久久久久性生活片| 国产男靠女视频免费网站| 在线免费观看不下载黄p国产 | 国产精品久久久久久精品电影| 成熟少妇高潮喷水视频| 中文字幕人成人乱码亚洲影| 午夜福利成人在线免费观看| 欧美在线黄色| 极品教师在线视频| 一级a爱片免费观看的视频| 免费看日本二区| 村上凉子中文字幕在线| 国产人妻一区二区三区在| 国内精品美女久久久久久| 18禁裸乳无遮挡免费网站照片| 女同久久另类99精品国产91| 久久久久九九精品影院| 一区二区三区激情视频| 午夜福利视频1000在线观看| 欧美日韩黄片免| 在现免费观看毛片| 欧美日韩黄片免| 亚洲欧美日韩高清专用| 国内精品美女久久久久久| www.www免费av| 亚洲专区国产一区二区| 97热精品久久久久久| 九九在线视频观看精品| 亚洲成av人片免费观看| 不卡一级毛片| 最近在线观看免费完整版| 国产极品精品免费视频能看的| 午夜精品在线福利| 成人毛片a级毛片在线播放| 日韩有码中文字幕| ponron亚洲| 国产淫片久久久久久久久 | 天天躁日日操中文字幕| 一个人看的www免费观看视频| 久久久久久久精品吃奶| 亚洲精品一卡2卡三卡4卡5卡| 午夜福利在线观看吧| 老司机深夜福利视频在线观看| 日韩欧美免费精品| 欧美激情国产日韩精品一区| 一区二区三区四区激情视频 | 成人av在线播放网站| 成人av一区二区三区在线看| 国产成人aa在线观看| 日本黄色视频三级网站网址| 亚洲av免费高清在线观看| 动漫黄色视频在线观看| 国产人妻一区二区三区在| 国产精品综合久久久久久久免费| 成人av在线播放网站| ponron亚洲| x7x7x7水蜜桃| 日本与韩国留学比较| 性欧美人与动物交配| 亚洲精品日韩av片在线观看| 校园春色视频在线观看| 精品国产三级普通话版| 国产 一区 欧美 日韩| 97超视频在线观看视频| 看免费av毛片| 中文字幕熟女人妻在线| 国产伦在线观看视频一区| 91在线精品国自产拍蜜月| 国产精品一区二区三区四区免费观看 | 国产又黄又爽又无遮挡在线| 男女床上黄色一级片免费看| 国产精品野战在线观看| 最近视频中文字幕2019在线8| 国产午夜精品论理片| 一个人免费在线观看电影| 伦理电影大哥的女人| 毛片一级片免费看久久久久 | 精品人妻1区二区| 美女高潮的动态| 日韩中字成人| www.熟女人妻精品国产| 久久精品影院6| 免费一级毛片在线播放高清视频| 欧美一区二区亚洲| 欧美激情久久久久久爽电影| 久久午夜福利片| 小说图片视频综合网站| 日韩亚洲欧美综合| 久久热精品热| 男人狂女人下面高潮的视频| 国产主播在线观看一区二区| 国产精品一区二区免费欧美| 国产一区二区在线av高清观看| 午夜免费男女啪啪视频观看 | 天堂√8在线中文| 国产精品野战在线观看| 日本免费a在线| 亚洲欧美日韩东京热| 午夜福利在线观看吧| 日本黄色视频三级网站网址| 国产成人av教育| 美女大奶头视频| 国产亚洲精品久久久com| 日本成人三级电影网站| 国产欧美日韩一区二区精品| 久久欧美精品欧美久久欧美| 亚洲精品456在线播放app | 国产精品久久久久久人妻精品电影| av福利片在线观看| 国产淫片久久久久久久久 | 国产淫片久久久久久久久 | 别揉我奶头~嗯~啊~动态视频| 中文字幕av成人在线电影| 日本撒尿小便嘘嘘汇集6| 久久国产乱子免费精品| 国产aⅴ精品一区二区三区波| 亚洲国产欧洲综合997久久,| 亚洲成av人片在线播放无| 久久久久久久精品吃奶| 国产精品久久久久久久电影| 美女 人体艺术 gogo| 亚洲精品成人久久久久久| 久久精品国产亚洲av天美| www.999成人在线观看| 人人妻人人看人人澡| 亚洲av熟女| 精品不卡国产一区二区三区| 国产麻豆成人av免费视频| 色在线成人网| 久久久久性生活片| 91午夜精品亚洲一区二区三区 | 18禁裸乳无遮挡免费网站照片| 日韩欧美在线乱码| 国产亚洲欧美在线一区二区| 色综合婷婷激情| 露出奶头的视频| 日日摸夜夜添夜夜添小说| 国产精品一区二区三区四区久久| 中文字幕人妻熟人妻熟丝袜美| avwww免费| 别揉我奶头 嗯啊视频| 婷婷色综合大香蕉| 女人被狂操c到高潮| 久久热精品热| 在现免费观看毛片| 国产午夜福利久久久久久| 一边摸一边抽搐一进一小说| h日本视频在线播放| 亚洲黑人精品在线| netflix在线观看网站| 久久久久久久午夜电影| 国产精品电影一区二区三区| 变态另类丝袜制服| 99热这里只有是精品50| 美女黄网站色视频| 亚洲天堂国产精品一区在线| 亚洲av.av天堂| 免费黄网站久久成人精品 | 国产成人欧美在线观看| 精品人妻视频免费看| 99久久精品国产亚洲精品| 此物有八面人人有两片| 国产成人av教育| 国产高潮美女av| 一级作爱视频免费观看| 中文字幕av成人在线电影| 熟女人妻精品中文字幕| 精品人妻1区二区| 国产精品久久电影中文字幕| 女生性感内裤真人,穿戴方法视频| 欧美激情国产日韩精品一区| 99riav亚洲国产免费| 国产精品影院久久| 日本在线视频免费播放| 淫秽高清视频在线观看| 亚洲av二区三区四区| 欧美日韩福利视频一区二区| www日本黄色视频网| 中文字幕久久专区| 国产伦人伦偷精品视频| 身体一侧抽搐| 男人狂女人下面高潮的视频| 丰满人妻一区二区三区视频av| 亚洲国产日韩欧美精品在线观看| 最近最新免费中文字幕在线| 又粗又爽又猛毛片免费看| 国产成人欧美在线观看| 亚洲18禁久久av| 亚洲无线观看免费| 午夜免费激情av| 国产午夜精品久久久久久一区二区三区 | 亚洲综合色惰| 18+在线观看网站| 色播亚洲综合网| 老熟妇仑乱视频hdxx| 久久精品国产99精品国产亚洲性色| 欧美黑人欧美精品刺激| 国产伦一二天堂av在线观看| 久久久久九九精品影院| 最好的美女福利视频网| 级片在线观看| 一级毛片久久久久久久久女| 夜夜看夜夜爽夜夜摸| 夜夜夜夜夜久久久久| 久久久成人免费电影| 欧美日本视频| 亚洲五月天丁香| 日韩欧美国产一区二区入口| 亚洲美女搞黄在线观看 | 国产国拍精品亚洲av在线观看| 免费看光身美女| 好男人在线观看高清免费视频| 国产一区二区在线观看日韩| 一本精品99久久精品77| 美女xxoo啪啪120秒动态图 | 三级毛片av免费| 草草在线视频免费看| 亚洲午夜理论影院| 18禁裸乳无遮挡免费网站照片| 亚洲美女黄片视频| 人妻丰满熟妇av一区二区三区| 性色av乱码一区二区三区2| 亚洲成人久久性| 亚洲国产精品久久男人天堂| 免费高清视频大片| 熟妇人妻久久中文字幕3abv| 欧美乱妇无乱码| www日本黄色视频网| 欧美潮喷喷水| 最近最新免费中文字幕在线| 日本与韩国留学比较| 又黄又爽又刺激的免费视频.| 精品免费久久久久久久清纯| 人妻夜夜爽99麻豆av| 亚洲精品456在线播放app | 亚洲成人久久爱视频| 国产精品av视频在线免费观看| 赤兔流量卡办理| 在线观看午夜福利视频| 日韩成人在线观看一区二区三区| 欧美一级a爱片免费观看看| 91久久精品国产一区二区成人| 国产乱人视频| 真实男女啪啪啪动态图| 岛国在线免费视频观看| 国内少妇人妻偷人精品xxx网站| 久久久久精品国产欧美久久久| 嫩草影院精品99| 久久香蕉精品热| 婷婷丁香在线五月| 成年女人永久免费观看视频| 99视频精品全部免费 在线| 久久草成人影院| 久久久久久国产a免费观看| 亚洲人成网站在线播放欧美日韩| 很黄的视频免费| 五月玫瑰六月丁香| 激情在线观看视频在线高清| 欧美色欧美亚洲另类二区| 丰满人妻一区二区三区视频av| 国内精品一区二区在线观看| 一本一本综合久久| 最好的美女福利视频网| 亚洲av电影不卡..在线观看| 免费电影在线观看免费观看| 精品99又大又爽又粗少妇毛片 | 我的女老师完整版在线观看| av专区在线播放|