• <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 ?

    融合社區(qū)結(jié)構(gòu)和個(gè)人興趣的協(xié)同過(guò)濾推薦算法

    2018-11-17 01:47:04楊長(zhǎng)春
    關(guān)鍵詞:個(gè)人興趣正則社交

    顧 寰,楊長(zhǎng)春,吳 云,徐 筱

    (常州大學(xué) 信息科學(xué)與工程學(xué)院,江蘇 常州 213164)

    0 引 言

    推薦系統(tǒng)[1-3]中的推薦算法部分是推薦過(guò)程中重要的一步,其中協(xié)同過(guò)濾(collaborative filtering,CF)算法是當(dāng)前效果較好的推薦技術(shù)[4]。其主要思想是利用已有用戶(hù)群的歷史數(shù)據(jù)推測(cè)當(dāng)前用戶(hù)的喜好。但是協(xié)同過(guò)濾算法的缺點(diǎn)在于對(duì)數(shù)據(jù)稀疏性問(wèn)題很敏感[5]。目前,網(wǎng)上的用戶(hù)越來(lái)越多,商品種類(lèi)也越來(lái)越豐富,用戶(hù)與用戶(hù)之間購(gòu)買(mǎi)相同物品的機(jī)會(huì)越來(lái)越少,從而推薦結(jié)果出現(xiàn)了嚴(yán)重的過(guò)擬合現(xiàn)象。因此,最近的研究關(guān)注于將用戶(hù)的社交信息融入推薦算法中,減少過(guò)擬合現(xiàn)象。Li H等[6]提出的模型采用了重疊社區(qū)發(fā)現(xiàn)算法,通過(guò)調(diào)節(jié)目標(biāo)函數(shù)中的正則項(xiàng),降低所在社區(qū)中用戶(hù)間的偏好差異。Yang X等[7]提出了一種改進(jìn)SocialMF模型,增加了用戶(hù)對(duì)不同好友之間信任度的差異,但是算法將用戶(hù)的好友劃成不同的類(lèi)別,因此反而加劇了數(shù)據(jù)稀疏性問(wèn)題。郭磊等[8]也提出了一種改進(jìn)SocialMF模型,其考慮了信任具有不唯一性,基于用戶(hù)興趣和信任關(guān)系,挖掘出和目標(biāo)用戶(hù)具有相似興趣以及可信賴(lài)的新用戶(hù),并建立模型,算法中可能出現(xiàn)的缺陷還是源于沒(méi)有密集的社交關(guān)系網(wǎng)絡(luò)。郭弘毅等[9]考慮了用戶(hù)社區(qū)結(jié)構(gòu)和用戶(hù)的興趣聚類(lèi),也提出了一種改進(jìn)的SocialMF,稱(chēng)為CCMF,該算法雖然加入了用戶(hù)社區(qū)信息和用戶(hù)興趣,緩解了由于數(shù)據(jù)稀疏性帶來(lái)的推薦不準(zhǔn)確的問(wèn)題,但算法將多個(gè)用戶(hù)的興趣融合成一個(gè)總的興趣,沒(méi)有充分考慮個(gè)人的興趣,導(dǎo)致推薦精度不高。因此,本文提出了一種基于社區(qū)結(jié)構(gòu)和用戶(hù)個(gè)人興趣的協(xié)同過(guò)濾推薦算法,以達(dá)到更高的準(zhǔn)確性。

    1 個(gè)性化推薦系統(tǒng)模型

    本文采用的基于社區(qū)發(fā)現(xiàn)和用戶(hù)個(gè)人興趣的協(xié)同過(guò)濾算法的過(guò)程如下:①通過(guò)BIGCLAM算法找到用戶(hù)中存在的隱含社區(qū)結(jié)構(gòu);②根據(jù)評(píng)分?jǐn)?shù)量挑選出有經(jīng)驗(yàn)的用戶(hù),并建立這些用戶(hù)的個(gè)人興趣;③通過(guò)在目標(biāo)函數(shù)中引入新的正則項(xiàng)將社區(qū)結(jié)構(gòu)和個(gè)人興趣融合到矩陣分解模型的優(yōu)化分解過(guò)程中,獲得更好的推薦結(jié)果。

    1.1 準(zhǔn)備工作

    本文采用的符號(hào)有:U={u1,u2,…,um}為推薦系統(tǒng)中所有用戶(hù)的集合,V={v1,v2,…vn}為推薦系統(tǒng)中所有項(xiàng)目的集合,其中m為用戶(hù)總數(shù),n為項(xiàng)目總數(shù)。R=(Rij)m×n為用戶(hù)項(xiàng)目評(píng)分矩陣,其中Rij∈{1,2,3,4,5}為用戶(hù)ui對(duì)項(xiàng)目vi的評(píng)分。T=(Tij)m×m,Tij∈(0,1)為用戶(hù)的好友關(guān)系矩陣,Tij=0為用戶(hù)ui與用戶(hù)uj之間不存在好友關(guān)系。

    1.2 基于社區(qū)結(jié)構(gòu)的聚類(lèi)

    推薦系統(tǒng)中的用戶(hù)通常和好友具有相似的偏好?;谠摷僭O(shè),一些研究通過(guò)加入用戶(hù)的社交關(guān)系提升了傳統(tǒng)的協(xié)同過(guò)濾算法的準(zhǔn)確度。然而在大型的社交網(wǎng)絡(luò)中,往往會(huì)出現(xiàn)一個(gè)現(xiàn)象[10],即大多數(shù)用戶(hù)的社交關(guān)系比較稀疏,所以依賴(lài)社交關(guān)系來(lái)發(fā)現(xiàn)社交網(wǎng)絡(luò)比較困難。因此必須通過(guò)其它方式來(lái)發(fā)現(xiàn)社交網(wǎng)絡(luò)。近年來(lái),社區(qū)網(wǎng)絡(luò)發(fā)現(xiàn)領(lǐng)域的重點(diǎn)是重疊社區(qū)發(fā)現(xiàn),而其中的BIGCLAM算法是目前效果突出的重疊社區(qū)發(fā)現(xiàn)算法[11],文獻(xiàn)[6]的實(shí)驗(yàn)對(duì)比表明BIGCLAM算法相對(duì)于其它社區(qū)發(fā)現(xiàn)算法在推薦系統(tǒng)方面具有更好的效果,所以將BIGCLAM算法作為本文發(fā)現(xiàn)用戶(hù)社交網(wǎng)絡(luò)的算法。

    BIGCLAM算法將社區(qū)內(nèi)的所有用戶(hù)的評(píng)分平均值作為社區(qū)的評(píng)分值,然后將單個(gè)用戶(hù)的評(píng)分與該社區(qū)評(píng)分值相比較,作為判斷該用戶(hù)是否對(duì)該社區(qū)感興趣的標(biāo)準(zhǔn)。然而本文發(fā)現(xiàn)社區(qū)中的每個(gè)用戶(hù)對(duì)社區(qū)的貢獻(xiàn)是不同的,在社區(qū)中,擁有更多好友的用戶(hù)往往更能代表一個(gè)社區(qū),基于該假設(shè),有以下公式。

    (1)帶有權(quán)重的社區(qū)評(píng)分向量

    (1)

    (2)用戶(hù)與社區(qū)的相似度

    (2)

    式(1)和式(2)定義請(qǐng)參見(jiàn)文獻(xiàn)[9]。

    從式(1)中可以看出社區(qū)中好友越多的用戶(hù)對(duì)社區(qū)的貢獻(xiàn)度越大。

    由此,我們獲得了基于社交網(wǎng)絡(luò)結(jié)構(gòu)的用戶(hù)社區(qū)信息和每個(gè)用戶(hù)對(duì)每個(gè)社區(qū)感興趣的程度。

    1.3 用戶(hù)興趣的定義

    重疊社區(qū)發(fā)現(xiàn)算法能夠發(fā)現(xiàn)用戶(hù)中的網(wǎng)絡(luò)結(jié)構(gòu),屬于同一網(wǎng)絡(luò)結(jié)構(gòu)內(nèi)的用戶(hù)存在相同的特性。然而研究發(fā)現(xiàn),有一些用戶(hù),例如有很多打分記錄的用戶(hù)(稱(chēng)為有經(jīng)驗(yàn)的用戶(hù)),他們?cè)谶x擇的時(shí)候,很少在意別人的意見(jiàn),傳統(tǒng)的推薦算法雖然通過(guò)社區(qū)聚類(lèi)緩解了數(shù)據(jù)稀疏的現(xiàn)象,但是它們將這些用戶(hù)與其它用戶(hù)一視同仁,忽略了這些用戶(hù)的個(gè)性,造成了對(duì)這些用戶(hù)推薦的不準(zhǔn)確,因此,本文提出了融入用戶(hù)興趣的算法,該算法在傳統(tǒng)的推薦算法的基礎(chǔ)上,加入了用戶(hù)個(gè)人興趣,提高了推薦的準(zhǔn)確率。

    定義用戶(hù)興趣

    因?yàn)橛脩?hù)興趣基于用戶(hù)已打過(guò)分的項(xiàng)目,因此本文定義用戶(hù)的興趣即為用戶(hù)特征向量Du與物品特征向量Di的相似度,記為Qu,i

    Qu,i=sim(Du,Di)

    (3)

    因此用戶(hù)個(gè)人興趣可用一個(gè)條件概率分布來(lái)表示,公式如下

    (4)

    1.4 社區(qū)結(jié)構(gòu)和個(gè)人興趣的融合

    目前協(xié)同過(guò)濾算法中應(yīng)用的最為廣泛的是矩陣分解模型,其核心思想認(rèn)為用戶(hù)的興趣只受少數(shù)幾個(gè)因素的影響,因此將稀疏且高維的用戶(hù)項(xiàng)目評(píng)分矩陣R分解為兩個(gè)低維矩陣

    R≈UTV

    (5)

    其中,U∈Rk×m,V∈Rk×n,k?min(m,n)。為了得到更好的結(jié)果,需要對(duì)預(yù)測(cè)評(píng)分矩陣和原評(píng)分矩陣的誤差進(jìn)行優(yōu)化,一般采用以下式(6)

    (6)

    其中,Iij為指示函數(shù),表示用戶(hù)ui對(duì)項(xiàng)目vj是否產(chǎn)生過(guò)評(píng)分,取值為0或1。由于User-Item評(píng)分矩陣維度較高,應(yīng)當(dāng)小心謹(jǐn)慎預(yù)防過(guò)擬合現(xiàn)象,因此需要通過(guò)加入正則化項(xiàng)來(lái)避免過(guò)擬合,添加正則項(xiàng)后的公式如下

    (7)

    因此,本文提出了一個(gè)融合了雙重正則項(xiàng)的矩陣分解模型,記為PRM(personalized recommendation model)。其目標(biāo)函數(shù)如式所示

    (8)

    為了學(xué)習(xí)模型中的參數(shù),我們使用隨機(jī)梯度下降的方法來(lái)得到最優(yōu)解,相應(yīng)的公式如下

    (9)

    (10)

    通過(guò)不斷地迭代,沿梯度下降方向更新U和V中的元素直到收斂。

    2 實(shí)驗(yàn)結(jié)果與分析

    2.1 實(shí)驗(yàn)準(zhǔn)備

    本節(jié)通過(guò)實(shí)驗(yàn)來(lái)檢驗(yàn)本文提出方法的有效性。本文在真實(shí)的數(shù)據(jù)集上開(kāi)展實(shí)驗(yàn),所有的實(shí)驗(yàn)基于臺(tái)式機(jī)環(huán)境,機(jī)器配置如下:操作系統(tǒng)為Win7 64位,CPU為intel i7-4790@3.6 G,內(nèi)存為16 G。

    本文的實(shí)驗(yàn)數(shù)據(jù)來(lái)自全球最大的餐廳點(diǎn)評(píng)網(wǎng)站YELP提供的公開(kāi)數(shù)據(jù)集。該數(shù)據(jù)集內(nèi)容豐富,全部為該網(wǎng)站收集的真實(shí)用戶(hù)數(shù)據(jù),因此在推薦系統(tǒng)相關(guān)的論文中被多次使用[9]。數(shù)據(jù)集中包括的內(nèi)容有:用戶(hù)在YELP網(wǎng)站上對(duì)餐廳的評(píng)分和發(fā)表的評(píng)論,用戶(hù)之間的互動(dòng)關(guān)系以及好友關(guān)系,餐廳的風(fēng)味特色等。數(shù)據(jù)集含有8350位用戶(hù),84 652個(gè)餐廳,524 117條用戶(hù)互相關(guān)注關(guān)系,263 773條評(píng)分信息。所有數(shù)據(jù)總共分成8個(gè)種類(lèi),每個(gè)數(shù)據(jù)種類(lèi)分別按1-5的標(biāo)度進(jìn)行衡量。YELP數(shù)據(jù)集中的類(lèi)別信息統(tǒng)計(jì)數(shù)據(jù)見(jiàn)表1。

    表1 YELP數(shù)據(jù)集統(tǒng)計(jì)量

    2.2 對(duì)比算法

    為了驗(yàn)證本文提出的模型與其它模型在準(zhǔn)確率上的差異,本文選擇3種模型作為對(duì)比模型進(jìn)行詳細(xì)驗(yàn)證:

    BaseMF:該矩陣分解模型是基本的協(xié)同過(guò)濾模型,僅考慮了用戶(hù)對(duì)物品的評(píng)分信息,忽略了用戶(hù)的社交關(guān)系信息和項(xiàng)目類(lèi)別信息。

    CircleCon:在BaseMF的基礎(chǔ)上,加入了用戶(hù)與其好友的信任關(guān)系和用戶(hù)信任網(wǎng)絡(luò)信息,提高了結(jié)果的準(zhǔn)確性。

    ContextMF:該方法在傳統(tǒng)的矩陣分解的模型中,考慮了個(gè)人影響力和個(gè)人興趣,相對(duì)于傳統(tǒng)的協(xié)同過(guò)濾模型相比提升了準(zhǔn)確度。

    2.3 評(píng)價(jià)指標(biāo)

    本文使用五折交叉驗(yàn)證法。將原始數(shù)據(jù)集平均分為5組,每次先選擇數(shù)據(jù)集的4組當(dāng)作訓(xùn)練集,數(shù)據(jù)集余下的一組當(dāng)作測(cè)試集,最后取5次實(shí)驗(yàn)結(jié)果的平均值作為最終的結(jié)果。

    準(zhǔn)確性是衡量推薦算法效果好壞的關(guān)鍵指標(biāo),因此本文采用平均絕對(duì)誤差(MAE)和均方根絕對(duì)誤差(RMSE)作為評(píng)價(jià)指標(biāo)

    (11)

    (12)

    MAE和RMSE的定義請(qǐng)參見(jiàn)文獻(xiàn)[9]。MAE值和RMSE值越小表示推薦結(jié)果的準(zhǔn)確性越高。

    2.4 確定正則項(xiàng)系數(shù)λZ的值

    式(8)中正則項(xiàng)系數(shù)λZ表示用戶(hù)的社交網(wǎng)絡(luò)信息在矩陣分解模型中所占的比重,當(dāng)λZ=0時(shí)相當(dāng)于基本的矩陣分解模型。將λZ分別取值{0.0001,0.001,0.01,0.1,1}進(jìn)行實(shí)驗(yàn)。記錄當(dāng)λZ取不同值時(shí),MAE和RMSE的值的變化。

    從圖1中可以發(fā)現(xiàn),當(dāng)λZ取較小的值時(shí),MAE值和RMSE值相對(duì)較高,隨著λZ不斷增大,MAE值和RMSE值會(huì)不斷降低,當(dāng)λZ=0.01時(shí)MAE和RSME同時(shí)達(dá)到最低。λZ的值繼續(xù)增加后,MAE值和RMSE值再次升高。分析其可能原因,當(dāng)λZ取較小的值時(shí),式(8)中的推薦結(jié)果并不受社交網(wǎng)絡(luò)信息的影響,因而不能反映出社交網(wǎng)絡(luò)信息在推薦過(guò)程中起到的重要作用;而λZ取值過(guò)大時(shí),則過(guò)度放大了社交網(wǎng)絡(luò)信息在推薦過(guò)程中所起的作用,結(jié)果適得其反。

    圖1 系數(shù)λZ對(duì)準(zhǔn)確度MAE,RMSE的影響

    2.5 結(jié)果對(duì)比與分析

    (1)不同推薦算法的推薦效果對(duì)比

    根據(jù)實(shí)驗(yàn)可以得到,當(dāng)正則項(xiàng)系數(shù)λZ=0.01時(shí),本文提出的PRM算法能夠獲得最高的準(zhǔn)確率。為了進(jìn)一步評(píng)估PRM算法的有效性,本文先采用五折交叉法對(duì)本文實(shí)驗(yàn)所需算法的參數(shù)進(jìn)行驗(yàn)證確定。結(jié)果顯示,λU=λZ=0.01時(shí)效果最好,λU,λZ為常規(guī)正則項(xiàng)系數(shù)。用戶(hù)隱式特征向量維數(shù)取值等于項(xiàng)目隱式特征向量維數(shù)取值,均為15。在CircleCon算法和ContextMF算法中,社交正則項(xiàng)系數(shù)λZ分別設(shè)為0.01,0.01。在PRM中,個(gè)人興趣系數(shù)取30。最后將PRM算法與上文中提到的其它推薦算法進(jìn)行對(duì)比。

    根據(jù)圖2和圖3可知,本文提出的PRM推薦算法相對(duì)于其它推薦算法,MAE和RMSE的值更低,推薦結(jié)果更準(zhǔn)確。

    圖2 PRM算法與其它算法的MAE值對(duì)比

    圖3 PRM算法與其它算法的RMSE值對(duì)比

    分析其可能的原因,BaseMF算法由于沒(méi)有考慮用戶(hù)之間的社交關(guān)系所以推薦效果最差。CircleCon算法以用戶(hù)打過(guò)分的項(xiàng)目為依據(jù),將用戶(hù)分成不同的組別,但是在每個(gè)組別中,用戶(hù)與用戶(hù)之間的互動(dòng)不多,造成了推薦不夠準(zhǔn)確。ContextMF算法沒(méi)有同時(shí)利用用戶(hù)社交信息和項(xiàng)目的類(lèi)別信息,造成推薦結(jié)果準(zhǔn)確性不夠高。本文提出的PRM算法首先利用用戶(hù)的社區(qū)結(jié)構(gòu)信息,改善了因用戶(hù)的直接社交關(guān)系數(shù)據(jù)稀疏而造成的過(guò)擬合的問(wèn)題;然后通過(guò)加入有經(jīng)驗(yàn)用戶(hù)的個(gè)人興趣,優(yōu)化了用戶(hù)的特征向量,獲得更加準(zhǔn)確地推薦結(jié)果。

    3 結(jié)束語(yǔ)

    現(xiàn)有的基于社交關(guān)系的推薦算法雖然在緩解數(shù)據(jù)稀疏方面有很好的效果,但是它們將屬于一個(gè)組的用戶(hù)視為一個(gè)用戶(hù),學(xué)習(xí)他們共有的特征,沒(méi)有考慮一些有經(jīng)驗(yàn)用戶(hù)的個(gè)人特性,而這些用戶(hù)往往是電商網(wǎng)站重要的客戶(hù),忽視這些用戶(hù)將導(dǎo)致推薦效果不理想。為了解決這一問(wèn)題,本文提出了一種新的推薦算法,該算法先利用重疊社區(qū)發(fā)現(xiàn)算法挖掘用戶(hù)的社交關(guān)系群體,解決了數(shù)據(jù)稀疏性的問(wèn)題,然后加入經(jīng)驗(yàn)用戶(hù)的個(gè)人興趣,從而獲得更好的推薦效果。實(shí)驗(yàn)結(jié)果表明該算法比現(xiàn)有算法能夠得到更準(zhǔn)確的推薦結(jié)果。

    猜你喜歡
    個(gè)人興趣正則社交
    社交之城
    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
    2018年12月大學(xué)英語(yǔ)六級(jí)作文試題評(píng)析(四)
    剩余有限Minimax可解群的4階正則自同構(gòu)
    你回避社交,真不是因?yàn)閮?nèi)向
    文苑(2018年17期)2018-11-09 01:29:28
    類(lèi)似于VNL環(huán)的環(huán)
    淺論英語(yǔ)學(xué)習(xí)動(dòng)機(jī)與自我認(rèn)同
    體育學(xué)習(xí)興趣研究新進(jìn)展
    有限秩的可解群的正則自同構(gòu)
    一区二区三区高清视频在线| 少妇丰满av| 99在线人妻在线中文字幕| 日本 欧美在线| www国产在线视频色| 日日摸夜夜添夜夜添小说| 欧美日韩综合久久久久久 | 丰满人妻熟妇乱又伦精品不卡| 久久久久久久久中文| 亚洲中文字幕一区二区三区有码在线看| 久久精品国产亚洲av香蕉五月| а√天堂www在线а√下载| 免费在线观看成人毛片| 欧美日韩国产亚洲二区| 日韩欧美 国产精品| 精品国产亚洲在线| 精品一区二区三区av网在线观看| 狂野欧美白嫩少妇大欣赏| 久99久视频精品免费| 嫩草影院入口| 日本免费a在线| 极品教师在线免费播放| 午夜福利免费观看在线| 国产欧美日韩精品亚洲av| 国产成年人精品一区二区| 无限看片的www在线观看| 成人永久免费在线观看视频| ponron亚洲| 老汉色av国产亚洲站长工具| 三级毛片av免费| 欧美最黄视频在线播放免费| 日韩精品青青久久久久久| 国产av不卡久久| 给我免费播放毛片高清在线观看| 欧美最黄视频在线播放免费| 99国产极品粉嫩在线观看| 国产精品日韩av在线免费观看| 亚洲五月婷婷丁香| 日日摸夜夜添夜夜添小说| 悠悠久久av| www.999成人在线观看| 桃红色精品国产亚洲av| 啦啦啦观看免费观看视频高清| 国产精品久久久久久久电影 | 特大巨黑吊av在线直播| 老司机深夜福利视频在线观看| 村上凉子中文字幕在线| 国产伦人伦偷精品视频| 亚洲男人的天堂狠狠| 成人国产综合亚洲| 国产精品,欧美在线| 亚洲五月天丁香| 国产久久久一区二区三区| 欧美不卡视频在线免费观看| 国产精品久久久久久精品电影| 久久亚洲真实| 亚洲第一电影网av| 一区二区三区激情视频| 色综合站精品国产| 又爽又黄无遮挡网站| 久久精品亚洲精品国产色婷小说| 午夜a级毛片| 99久久无色码亚洲精品果冻| 国内久久婷婷六月综合欲色啪| 波野结衣二区三区在线 | 国产视频内射| 国产精品国产高清国产av| 一区福利在线观看| 嫩草影院入口| 最新美女视频免费是黄的| 欧美日韩综合久久久久久 | 成年女人看的毛片在线观看| 国产欧美日韩精品亚洲av| 国产淫片久久久久久久久 | 久久久久国产精品人妻aⅴ院| 美女大奶头视频| 91在线精品国自产拍蜜月 | 一二三四社区在线视频社区8| 午夜精品在线福利| 国产精品野战在线观看| 久久国产乱子伦精品免费另类| 天美传媒精品一区二区| 成年女人毛片免费观看观看9| 国产免费男女视频| 欧美在线黄色| 黄片大片在线免费观看| 小蜜桃在线观看免费完整版高清| 美女大奶头视频| 啪啪无遮挡十八禁网站| 国内精品久久久久精免费| 午夜福利高清视频| 免费大片18禁| 尤物成人国产欧美一区二区三区| 久久久久久九九精品二区国产| 亚洲无线在线观看| 亚洲av电影不卡..在线观看| 国产一级毛片七仙女欲春2| 国产国拍精品亚洲av在线观看 | 女同久久另类99精品国产91| 国产一区二区亚洲精品在线观看| 美女高潮的动态| 欧美绝顶高潮抽搐喷水| 久久久久久久久大av| 久久性视频一级片| 午夜视频国产福利| 最好的美女福利视频网| 精品久久久久久久末码| 一级毛片高清免费大全| 一级a爱片免费观看的视频| 国产精品久久久久久人妻精品电影| 欧美另类亚洲清纯唯美| 身体一侧抽搐| 18禁美女被吸乳视频| 欧美极品一区二区三区四区| 免费在线观看影片大全网站| 亚洲一区二区三区色噜噜| 99久久精品热视频| 美女 人体艺术 gogo| 国产亚洲精品一区二区www| 五月伊人婷婷丁香| 高清毛片免费观看视频网站| 欧美日本视频| 国产私拍福利视频在线观看| 99热6这里只有精品| 日本熟妇午夜| www.999成人在线观看| 三级毛片av免费| 特级一级黄色大片| 在线免费观看的www视频| 国产欧美日韩一区二区精品| 亚洲最大成人中文| 中文字幕人妻丝袜一区二区| 成人鲁丝片一二三区免费| www日本在线高清视频| 男女做爰动态图高潮gif福利片| 十八禁人妻一区二区| 成人欧美大片| 少妇丰满av| 黄片大片在线免费观看| 欧美+日韩+精品| 久久精品夜夜夜夜夜久久蜜豆| 一边摸一边抽搐一进一小说| 九色国产91popny在线| 一区二区三区激情视频| 嫩草影院精品99| 婷婷丁香在线五月| 两个人的视频大全免费| av视频在线观看入口| 99久久成人亚洲精品观看| 我的老师免费观看完整版| 听说在线观看完整版免费高清| 国产视频内射| 亚洲精品在线美女| 制服丝袜大香蕉在线| svipshipincom国产片| 午夜福利在线观看免费完整高清在 | 亚洲成人精品中文字幕电影| 免费看十八禁软件| 亚洲国产欧美网| 在线观看一区二区三区| 国产成人av教育| 一个人看视频在线观看www免费 | 好看av亚洲va欧美ⅴa在| 在线观看一区二区三区| 美女 人体艺术 gogo| 久久久久国产精品人妻aⅴ院| 色吧在线观看| 狂野欧美白嫩少妇大欣赏| www日本在线高清视频| 亚洲精品色激情综合| 99热6这里只有精品| 手机成人av网站| 99精品欧美一区二区三区四区| 国产中年淑女户外野战色| 欧美日韩瑟瑟在线播放| 亚洲国产欧美人成| 国产av一区在线观看免费| 国产精品综合久久久久久久免费| 亚洲精华国产精华精| 窝窝影院91人妻| 亚洲精品成人久久久久久| 十八禁人妻一区二区| 久久久久久久久中文| 热99在线观看视频| 狂野欧美白嫩少妇大欣赏| 欧美不卡视频在线免费观看| 嫩草影院精品99| 在线播放国产精品三级| 精品久久久久久,| 在线观看午夜福利视频| 在线国产一区二区在线| 99热只有精品国产| 校园春色视频在线观看| 97碰自拍视频| 美女cb高潮喷水在线观看| 午夜免费男女啪啪视频观看 | 人妻丰满熟妇av一区二区三区| 亚洲真实伦在线观看| 国产精品 国内视频| a级一级毛片免费在线观看| www日本黄色视频网| 久久性视频一级片| 熟妇人妻久久中文字幕3abv| 哪里可以看免费的av片| 国产成人啪精品午夜网站| 午夜福利高清视频| 日本一二三区视频观看| 国内精品一区二区在线观看| 午夜福利免费观看在线| 在线播放国产精品三级| 丁香欧美五月| 99精品久久久久人妻精品| 成人永久免费在线观看视频| 深夜精品福利| 熟女少妇亚洲综合色aaa.| av在线蜜桃| 欧美激情在线99| 国产av麻豆久久久久久久| 日韩 欧美 亚洲 中文字幕| 男人和女人高潮做爰伦理| 伊人久久精品亚洲午夜| 亚洲熟妇熟女久久| 精品人妻一区二区三区麻豆 | 最近在线观看免费完整版| 老司机深夜福利视频在线观看| 五月玫瑰六月丁香| 国产成人啪精品午夜网站| 又粗又爽又猛毛片免费看| 老鸭窝网址在线观看| 免费一级毛片在线播放高清视频| 宅男免费午夜| 精品99又大又爽又粗少妇毛片 | 午夜福利在线观看免费完整高清在 | 午夜福利在线观看吧| 久久久久久久久中文| 午夜免费观看网址| 亚洲第一欧美日韩一区二区三区| 日韩精品青青久久久久久| 久久久久国内视频| 国产亚洲精品一区二区www| 亚洲国产欧洲综合997久久,| 成人18禁在线播放| 色噜噜av男人的天堂激情| 成人av在线播放网站| 亚洲色图av天堂| 亚洲性夜色夜夜综合| 黑人欧美特级aaaaaa片| 草草在线视频免费看| 国产中年淑女户外野战色| 国产精品久久久久久久电影 | 精品一区二区三区视频在线观看免费| 亚洲黑人精品在线| 亚洲国产日韩欧美精品在线观看 | 亚洲国产日韩欧美精品在线观看 | 久久精品亚洲精品国产色婷小说| 麻豆国产97在线/欧美| 欧美国产日韩亚洲一区| av国产免费在线观看| 在线观看免费午夜福利视频| 亚洲中文字幕一区二区三区有码在线看| 51午夜福利影视在线观看| 精品国内亚洲2022精品成人| 宅男免费午夜| 99久久成人亚洲精品观看| 精品久久久久久,| 欧美日韩福利视频一区二区| 国产一级毛片七仙女欲春2| 久久久久久久精品吃奶| 香蕉久久夜色| 琪琪午夜伦伦电影理论片6080| 在线免费观看不下载黄p国产 | 久久久久精品国产欧美久久久| 网址你懂的国产日韩在线| 久久精品91蜜桃| 久久久久久久久久黄片| 久久亚洲真实| 午夜日韩欧美国产| 国产91精品成人一区二区三区| 女人被狂操c到高潮| 91久久精品电影网| 18美女黄网站色大片免费观看| 国产熟女xx| 哪里可以看免费的av片| 淫妇啪啪啪对白视频| 精品国产三级普通话版| 成人亚洲精品av一区二区| 人人妻,人人澡人人爽秒播| 真人一进一出gif抽搐免费| 久久性视频一级片| 欧美最新免费一区二区三区 | 亚洲国产精品成人综合色| 麻豆一二三区av精品| 国产精品,欧美在线| 色综合欧美亚洲国产小说| 欧美+亚洲+日韩+国产| 成年人黄色毛片网站| 黄色成人免费大全| 亚洲aⅴ乱码一区二区在线播放| 中文字幕av在线有码专区| 精品国产美女av久久久久小说| 免费看日本二区| 嫩草影视91久久| 1024手机看黄色片| 午夜福利在线观看免费完整高清在 | 国产成人影院久久av| 两性午夜刺激爽爽歪歪视频在线观看| 欧美性猛交╳xxx乱大交人| 啦啦啦韩国在线观看视频| 免费av毛片视频| 精品日产1卡2卡| 午夜福利18| 国产中年淑女户外野战色| 成人av一区二区三区在线看| 久久久国产成人免费| 熟女电影av网| 久久久久国内视频| 久久香蕉精品热| 91久久精品国产一区二区成人 | 色综合站精品国产| 天堂av国产一区二区熟女人妻| 国产私拍福利视频在线观看| 欧美大码av| 久久婷婷人人爽人人干人人爱| 中出人妻视频一区二区| 久久国产乱子伦精品免费另类| 三级毛片av免费| 国产高潮美女av| 日本一二三区视频观看| 精品国产超薄肉色丝袜足j| 老鸭窝网址在线观看| 亚洲欧美日韩东京热| 天天添夜夜摸| 91在线观看av| 超碰av人人做人人爽久久 | 十八禁网站免费在线| 国产 一区 欧美 日韩| 亚洲美女视频黄频| 日本三级黄在线观看| 一级a爱片免费观看的视频| 桃色一区二区三区在线观看| 人人妻人人澡欧美一区二区| 欧美色欧美亚洲另类二区| 国产三级中文精品| 非洲黑人性xxxx精品又粗又长| ponron亚洲| 亚洲国产色片| 成人国产一区最新在线观看| 99热6这里只有精品| 亚洲 国产 在线| 午夜精品久久久久久毛片777| 国产精品久久久久久久电影 | 嫩草影视91久久| 国产美女午夜福利| 男人舔奶头视频| 51国产日韩欧美| 亚洲成人久久性| 亚洲五月婷婷丁香| 我的老师免费观看完整版| 一本一本综合久久| 国产一区二区三区视频了| 亚洲最大成人手机在线| 亚洲国产高清在线一区二区三| 日韩欧美精品免费久久 | 亚洲成人久久爱视频| 麻豆久久精品国产亚洲av| 禁无遮挡网站| 成人av一区二区三区在线看| 国产成人av教育| 好男人电影高清在线观看| 操出白浆在线播放| 欧美又色又爽又黄视频| e午夜精品久久久久久久| 欧美日本亚洲视频在线播放| 国产69精品久久久久777片| 欧美日本亚洲视频在线播放| 亚洲第一欧美日韩一区二区三区| eeuss影院久久| 亚洲欧美精品综合久久99| 国产真实伦视频高清在线观看 | 国产成人aa在线观看| 午夜福利高清视频| 国产日本99.免费观看| 亚洲av成人不卡在线观看播放网| 在线看三级毛片| 亚洲精品一区av在线观看| 免费在线观看成人毛片| 国产成人系列免费观看| 精品99又大又爽又粗少妇毛片 | 久久国产乱子伦精品免费另类| 性欧美人与动物交配| 亚洲美女黄片视频| 亚洲avbb在线观看| 国产免费av片在线观看野外av| 久久伊人香网站| 91麻豆精品激情在线观看国产| 国产又黄又爽又无遮挡在线| 日韩欧美三级三区| 国产精品电影一区二区三区| 露出奶头的视频| 9191精品国产免费久久| 亚洲欧美一区二区三区黑人| 国产精品1区2区在线观看.| 午夜老司机福利剧场| 精品不卡国产一区二区三区| 一本一本综合久久| 日韩精品青青久久久久久| 欧美色欧美亚洲另类二区| 国产午夜精品久久久久久一区二区三区 | 亚洲成av人片在线播放无| 欧美性感艳星| 少妇高潮的动态图| 午夜免费激情av| 精品一区二区三区人妻视频| 三级毛片av免费| 夜夜夜夜夜久久久久| 久久久久久九九精品二区国产| 少妇人妻精品综合一区二区 | 亚洲欧美日韩东京热| 91久久精品国产一区二区成人 | netflix在线观看网站| 国内精品久久久久久久电影| 亚洲色图av天堂| 色吧在线观看| 精品熟女少妇八av免费久了| 国产视频一区二区在线看| 欧美一区二区亚洲| 国产综合懂色| 日韩 欧美 亚洲 中文字幕| 午夜激情福利司机影院| 亚洲专区国产一区二区| 欧美一区二区亚洲| 美女被艹到高潮喷水动态| av欧美777| 18禁黄网站禁片午夜丰满| 又紧又爽又黄一区二区| 男女之事视频高清在线观看| 啦啦啦韩国在线观看视频| 99久久精品热视频| 国产成人欧美在线观看| 老熟妇仑乱视频hdxx| 午夜福利视频1000在线观看| 国产精品99久久久久久久久| 久久精品影院6| 欧美大码av| 天堂√8在线中文| 中文字幕高清在线视频| 两个人视频免费观看高清| 久久精品国产综合久久久| 超碰av人人做人人爽久久 | 黄色女人牲交| 精品一区二区三区av网在线观看| 国产精品爽爽va在线观看网站| 在线国产一区二区在线| 99国产精品一区二区蜜桃av| 在线天堂最新版资源| 日韩有码中文字幕| 18禁黄网站禁片免费观看直播| 99久久成人亚洲精品观看| 老汉色av国产亚洲站长工具| 国产伦一二天堂av在线观看| 中亚洲国语对白在线视频| 身体一侧抽搐| 美女高潮的动态| 国产高清激情床上av| xxx96com| 噜噜噜噜噜久久久久久91| 国产伦在线观看视频一区| 99久久无色码亚洲精品果冻| 人妻夜夜爽99麻豆av| 99热6这里只有精品| 国产一区在线观看成人免费| 99热这里只有是精品50| 俄罗斯特黄特色一大片| 免费av不卡在线播放| 男人和女人高潮做爰伦理| 国产av在哪里看| 欧洲精品卡2卡3卡4卡5卡区| 少妇的逼好多水| 91九色精品人成在线观看| 老鸭窝网址在线观看| 我的老师免费观看完整版| 夜夜夜夜夜久久久久| 男女做爰动态图高潮gif福利片| 国内精品久久久久精免费| 99国产综合亚洲精品| 黄色日韩在线| 操出白浆在线播放| 一a级毛片在线观看| 久久久精品大字幕| 制服丝袜大香蕉在线| 欧美区成人在线视频| bbb黄色大片| 日韩 欧美 亚洲 中文字幕| 日本一本二区三区精品| 欧美一区二区亚洲| 中文亚洲av片在线观看爽| x7x7x7水蜜桃| 丰满的人妻完整版| 国产伦精品一区二区三区四那| 免费观看人在逋| 国产亚洲精品久久久久久毛片| 51国产日韩欧美| 最新中文字幕久久久久| 可以在线观看毛片的网站| 欧美日韩乱码在线| 亚洲精品在线美女| 女人被狂操c到高潮| 他把我摸到了高潮在线观看| 午夜免费男女啪啪视频观看 | 一进一出抽搐gif免费好疼| 美女高潮的动态| 香蕉av资源在线| 亚洲中文日韩欧美视频| 免费搜索国产男女视频| 精品电影一区二区在线| 亚洲avbb在线观看| 国产一区二区亚洲精品在线观看| 少妇高潮的动态图| 精品熟女少妇八av免费久了| 午夜a级毛片| 国产精品电影一区二区三区| 欧美zozozo另类| 成人av一区二区三区在线看| 精品日产1卡2卡| 国产欧美日韩精品亚洲av| 天天一区二区日本电影三级| 亚洲欧美日韩高清专用| eeuss影院久久| 99热精品在线国产| 欧美在线一区亚洲| 在线观看av片永久免费下载| 日本三级黄在线观看| 亚洲av日韩精品久久久久久密| 国产精品国产高清国产av| 别揉我奶头~嗯~啊~动态视频| 国产一区在线观看成人免费| 99热精品在线国产| 国产精品久久久久久人妻精品电影| 一区二区三区高清视频在线| 亚洲avbb在线观看| 色综合站精品国产| 三级男女做爰猛烈吃奶摸视频| 黄色片一级片一级黄色片| av欧美777| 一区二区三区国产精品乱码| 成人无遮挡网站| 女人高潮潮喷娇喘18禁视频| 国产色爽女视频免费观看| 国产精品女同一区二区软件 | 免费无遮挡裸体视频| 99精品久久久久人妻精品| 在线观看一区二区三区| 小蜜桃在线观看免费完整版高清| 国模一区二区三区四区视频| 国产三级在线视频| 精品一区二区三区av网在线观看| 欧美成人性av电影在线观看| 国产高潮美女av| 法律面前人人平等表现在哪些方面| 欧美一区二区国产精品久久精品| 又紧又爽又黄一区二区| 欧美丝袜亚洲另类 | 国产一区二区在线观看日韩 | 深夜精品福利| 在线十欧美十亚洲十日本专区| 成人性生交大片免费视频hd| 一区福利在线观看| 亚洲午夜理论影院| 国产亚洲av嫩草精品影院| 精华霜和精华液先用哪个| 国产欧美日韩精品一区二区| 18美女黄网站色大片免费观看| 亚洲精品一区av在线观看| 亚洲人成网站高清观看| av视频在线观看入口| 91字幕亚洲| 国产高清videossex| 亚洲av一区综合| 国产午夜福利久久久久久| 成人亚洲精品av一区二区| 亚洲无线在线观看| 夜夜看夜夜爽夜夜摸| 特大巨黑吊av在线直播| 亚洲av日韩精品久久久久久密| 欧美区成人在线视频| 久久草成人影院| 国产亚洲欧美在线一区二区| 女同久久另类99精品国产91| 又爽又黄无遮挡网站| 国产黄a三级三级三级人| 变态另类成人亚洲欧美熟女| 欧美3d第一页| 久久香蕉国产精品| 99视频精品全部免费 在线| 久久草成人影院| 亚洲av日韩精品久久久久久密| 国产亚洲精品久久久久久毛片| 国产v大片淫在线免费观看| 欧美一区二区国产精品久久精品| 午夜两性在线视频| 蜜桃亚洲精品一区二区三区| 久久久久久久午夜电影| 中文亚洲av片在线观看爽| 欧美成人免费av一区二区三区| 久久久国产精品麻豆| 成年女人看的毛片在线观看| 熟女少妇亚洲综合色aaa.| 亚洲性夜色夜夜综合| 免费在线观看影片大全网站| 高清在线国产一区| 日本a在线网址| 又粗又爽又猛毛片免费看| 亚洲人成网站高清观看| 老鸭窝网址在线观看| 亚洲欧美日韩无卡精品|