• <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 ?

    PMUS-HOSGD張量分解方法及其在標簽推薦中的應用

    2018-11-20 06:42:32顧軍華張宇娟彭玉青
    計算機工程 2018年11期
    關鍵詞:張量標簽準確率

    楊 林,顧軍華,官 磊,張宇娟,彭玉青

    (河北工業(yè)大學 a.計算機科學與軟件學院; b.河北省大數(shù)據(jù)重點實驗室,天津 300400)

    0 概述

    隨著信息技術和互聯(lián)網(wǎng)的發(fā)展,互聯(lián)網(wǎng)使用者從信息匱乏的時代步入了信息過載的時代,用戶的個性化需求也越來越大。用戶的個性化特征注重的是用戶的參與,用戶可以對資源(視頻、歌曲、圖片等)賦予自定義的標簽,逐漸形成Folksonomy的大眾分類法[1],該分類法不僅可以獲取并分析用戶的興趣特征,而且在一定程度上豐富了資源的描述信息。隨著網(wǎng)絡資源規(guī)模爆發(fā)式的增長[2],用于標注的標簽越來越多,用戶面對大量的數(shù)據(jù)如何選出自己需要的標簽越來越困難。解決信息過載的有效方法是個性化推薦[3],由此基于社會標注系統(tǒng)的標簽推薦服務應運而生。例如,給書籍和視頻提供短評的豆瓣網(wǎng)、論文書簽網(wǎng)站CiteULike和視頻推薦網(wǎng)站MovieLens等都是利用社會標注系統(tǒng)對資源進行標注,然后通過標簽推薦系統(tǒng)將用戶感興趣的標簽推薦給用戶。推薦系統(tǒng)簡化標注過程,方便用戶,提高了標簽的質(zhì)量和標注的準確性。

    標簽推薦系統(tǒng)的核心是構建“用戶-資源-標簽”三維數(shù)據(jù),挖掘數(shù)據(jù)之間的潛在關系,從而準確的為用戶推薦標簽。目前,針對標簽推薦系統(tǒng)已經(jīng)展開了大量的研究。文獻[4-5]將三維關系拆成“用戶-資源”、“用戶-標簽”和“資源-標簽”3個二維矩陣,使用協(xié)同過濾算法進行處理。文獻[6]受Google的PageRank算法[7]啟發(fā)提出FolkRank算法,同樣將三維關系拆分成3個二維關系。但是這些方法破壞了高維空間數(shù)據(jù)原本的特征結構,丟失了三者之間的協(xié)同關系。為解決這個問題,挖掘“用戶-資源-標簽”之間潛在的語義關聯(lián),文獻[8]提出使用三維張量存儲“用戶-資源-標簽”數(shù)據(jù)。

    在構建初始張量階段,目前使用最多的方法是用“0/1”構建張量,這種方法構建容易,可讀性強,但是不能體現(xiàn)出標簽在資源中的差異。文獻[9]發(fā)現(xiàn)由于熱門標簽通常有較大的權重,導致推薦結果偏向于熱門標簽,反而降低推薦的準確率。文獻[10-12]提出使用TF-IDF來設置懲罰項,用以區(qū)分標簽對資源的重要程度,可以減少熱門標簽對結果的影響。然而上述方法都忽略了用戶對資源的偏好程度。

    對構建完成的張量進行分解,可以挖掘張量包含的潛在信息。文獻[13]將奇異值分解方法推廣到三維張量,提出高階奇異值分解(Hign Order Singular Value Decomposition,HOSVD)方法對張量進行分解,該方法保留了三者的關聯(lián)信息。文獻[14]基于矩陣奇異值分解能有效地平滑數(shù)據(jù)矩陣中的數(shù)據(jù)特點,在使用HOSVD進行分解的過程中,結合用戶朋友關系修正張量分解結果,建立張量分解模型。文獻[15]提出新的推薦算法PITF(Pairwise Interaction Tensor Factorization),該算法在張量分解的過程中加入3個二維關系之間的潛在聯(lián)系,推薦質(zhì)量得到提高。針對目前推薦系統(tǒng)存在的稀疏性問題,文獻[16]在CubeSVD[17]的基礎上進行改進,使用ALS算法進行矩陣分解,提出CubeALS推薦算法,該算法有效提高了稀疏數(shù)據(jù)標簽推薦的準確性。文獻[18]提出一種基于上下文學習和張量分解的個性化推薦算法,將用戶和項目的上下文信息加入2個張量中,有效改善數(shù)據(jù)稀疏性。文獻[19]提出一種改進的基于張量分解的推薦算法,引入基于標簽綜合共現(xiàn)的譜聚類方法,使用HOSVD-HOOI算法對初始張量進行分解,進一步優(yōu)化推薦效果。目前的張量分解方法多數(shù)以SVD為基礎進行改進。使用SVD方法對張量的每個維度矩陣進行分解,雖然在一定程度上提高了推薦的準確性,但由于構建的初始張量極其稀疏,需要在分解前對初始張量的展開矩陣進行填充,這樣存在2個問題:1)填充過程增加數(shù)據(jù)量,同時增加算法復雜度;2)簡單的數(shù)據(jù)填充易造成數(shù)據(jù)失真,從而影響推薦結果的準確度。

    針對上述問題,本文結合PMUS(Penalty Mechanism-User Score)張量構建方法與HOSGD(High Order Stochastic Gradient Descent)張量分解方法,提出PMUS-HOSGD算法對“用戶-資源-標簽” 三維數(shù)據(jù)進行處理,為用戶推薦個性化標簽。本文主要工作如下:1)在張量構建階段,提出懲罰機制與用戶評分相結合的張量構建方法PMUS來計算標簽的權值;2)在張量分解階段,提出基于隨機梯度下降(Stochastic Gradient Desecent,SGD)的高階張量分解方法HOSGD。

    1 相關工作

    1.1 張量及其矩陣展開

    張量由多維數(shù)據(jù)組成,是一個N維的向量空間,一維張量是一個向量(Vector),二維張量是一個矩陣(Matrix),三維或者更高維的張量則是高維張量(Tensor)。標簽推薦系統(tǒng)使用三維張量存儲數(shù)據(jù),3個維度分別代表用戶、資源、標簽。

    使用aijk表示三維張量的值,其大小代表用戶i給資源j標注標簽k的概率。例如,用戶1給資源1標注了標簽2,則對應張量中的值為a112=1,其余的標注0。

    矩陣展開是將一個張量的元素重新排列(即對張量的不同維度進行重新排列),得到一個矩陣的過程。三維張量A∈RI1×I2×I3在第n維度上的展開矩陣表示為X(n)∈RIn×(I1×I2×…×In-1×In+1×…×IN)。

    1.2 張量分解

    基本的張量分解算法HOSVD需要對張量A每個維度(n=1,2,3)的展開矩陣進行SVD分解,計算公式是:

    (1)

    通過上述公式對An進行奇異值分解,分別得到3個維度的展開矩陣的U矩陣和奇異值矩陣S。

    張量與矩陣的模積定義為一個張量X∈RI1×I2×…×IN和一個矩陣U∈RJ×In的n-mode乘積(X×nU)∈RI1×I2×…×In-1×J×In+1×…×IN,其元素定義為:

    (2)

    如果J

    (3)

    (4)

    2 PMUS-HOSGD張量分解方法

    傳統(tǒng)的張量分解算法HOSVD可以挖掘“用戶-資源-標簽”三維數(shù)據(jù)之間的關系,但在實際應用中,用戶僅對個別資源進行標簽標注,這會導致張量中的數(shù)據(jù)極度稀疏。目前常用的HOSVD算法在張量分解的過程前需要對稀疏矩陣進行填充,這樣會造成數(shù)據(jù)的失真。因此,本文結合PMUS張量構建方法與HOSGD張量分解方法,提出PMUS-HOSGD算法對 “用戶-資源-標簽” 三維數(shù)據(jù)進行處理,為用戶推薦個性化標簽。

    2.1 PMUS初始張量構建

    在“用戶-資源-標簽”三維張量中,“0/1”構建方法簡單易行,但是標簽之間沒有區(qū)分度,因此可以使用PMUS的思想計算標簽的權重;同時,用戶對資源的評分可以體現(xiàn)出用戶對資源的偏好程度,用標簽的權重乘以評分可以很好地區(qū)分出標簽之間以及用戶和資源之間的重要度,最終構建整個張量。

    PMUS的主要思想是:如果一個標簽在一個資源中出現(xiàn)多次,并且在其他資源中很少出現(xiàn),則可以認為該標簽具有很好的區(qū)分度,同時如果一個用戶給資源的評分越高,用戶對這個資源的偏愛程度越大,則給這個視頻標注的標簽的概率就越大。

    使用PMUS計算標簽權值的過程如下:

    1)計算標簽t對于資源i的重要度import(t,i),針對每個資源都有一個標簽權重向量,公式如下:

    (5)

    2)根據(jù)重要度(import)計算標簽t在用戶u對資源i標注的標簽集中占的比例權重weight(u,t,i),公式如下:

    weight(u,t,i)=import(t,i)/sum_weight(u,i)

    (6)

    其中,sum_weight(u,i)是用戶u給資源i標注的所有標簽的重要度的總和。

    3)weight(u,t,i)乘以用戶u給資源i的評分就是張量中用戶u在資源i中使用標簽t的權值Value(u,t,i),公式如下:

    Value(u,t,i)=weight(u,t,i)×score(u,i)

    (7)

    2.2 基于隨機梯度下降的張量分解算法HOSGD

    傳統(tǒng)的SVD算法對二維矩陣進行分解,可以求出對應的特征矩陣,隨著用戶數(shù)量、資源數(shù)量和標簽數(shù)量的急劇增長,SVD分解帶來的誤差和復雜度也在不斷增加,正是由于這些問題,Simon Funk發(fā)表了一個只考慮已有評分的矩陣分解方法,稱為Funk-SVD,也就是被文獻[20]稱為隱語義模型的矩陣分解方法,該方法使用梯度下降法(Gradient Descent,GD)最小化訓練集中觀察值的RMSE(Root Mean Squared Error),在二維矩陣分解中取得了較好的推薦效果。

    標準的梯度下降法在更新變量前要對所有的樣本計算誤差并匯總,導致算法收斂速度較慢,因此本文使用隨機梯度下降法,SGD是在梯度下降法的基礎上,在迭代過程中使用部分樣本計算梯度,因此其比標準梯度下降法有更高的收斂速度。

    借鑒SGD在二維矩陣分解領域中的應用,本文提出HOSGD張量分解算法。HOSGD算法在張量進行分解的過程中,為提高準確性,使用SGD算法對展開矩陣分解,降低了傳統(tǒng)分解方法帶來的計算復雜度及誤差。

    在用戶給資源標注標簽的過程中,形成了若干{用戶,資源,標簽}數(shù)據(jù),使用PMUS方法構建利用式(5)、式(6)和式(7)計算Value(u,t,i),得到三維張量A∈RX×Y×Z,HOSGD算法對張量的展開矩陣進行SGD分解,得到3個特征矩陣,進而計算出初始張量的核心張量,然后可以得到初始張量的近似張量。算法描述如下:

    算法1PMUS-HOSGD張量分解

    輸入用戶、資源、標簽數(shù)據(jù)三元組(u,i,t)

    輸出初始張量的近似張量

    1.使用PMUS方法按照式(5)、式(6)、式(7)計算標簽的權值

    2.使用張量A存儲式(7)計算得到的Value(u,t,i)

    3.將張量A按照3個維度展開得到A1、A2、A3

    4.for i=1 to 3

    5.按照算法2對Ai進行處理,得到P1、P2、P3

    6.end for

    在算法1中,對于三維張量A∈RX×Y×Z,其中,用戶、資源和標簽的數(shù)量分別為X,Y和Z,初始張量A展開得到的3個矩陣A1、A2、A3的規(guī)模分別為X×YZ、Y×XZ和Z×XY,按照算法2,分別對A1、A2、A3進行分解,得到每個維度的特征矩陣P1、P2、P3,其中P1∈RX×k1,P2∈RY×k2,P3∈RZ×k3,3個特征矩陣的特征數(shù)k1、k2、k3是根據(jù)數(shù)據(jù)規(guī)模設定的,一般ki<

    (8)

    (9)

    其中,左邊第1項是誤差項,用原始矩陣中有值的項減去P和Q對應行和列相乘得到的值,左邊第2項是正則化項,防止過擬合。對L最小化就得到了P和Q。

    通過式(8)分別對PU和QI求其梯度:

    (10)

    (11)

    其中,λ表示正則化參數(shù),A(U)表示矩陣A第U行中不為0或者空的列,A(I)表示矩陣A第I列中不為0或者空的行,通過矩陣A第U行,可以得到矩陣P第U行的梯度,也就是PU需要更新的值:

    (12)

    (13)

    其中,α表示步長,對矩陣P中所有的PU進行更新,或者對Q矩陣中所有的QI進行更新,就完成了一次迭代,在每次迭代的過程中,實現(xiàn)了P和Q矩陣的一次更新,損失函數(shù)L的值減小。算法描述如下:

    算法2基于SGD的張量展開矩陣分解

    輸入張量的展開矩陣Ai

    輸出Ai的特征矩陣P

    4.步驟2和步驟3是一次迭代的過程,多次執(zhí)行步驟2和步驟3,不斷更新PU和QI的值,直到完成迭代次數(shù)t或者誤差小于閾值,得到P和Q的最優(yōu)解

    在算法2中,λ和α參數(shù)需要在實驗中多次調(diào)優(yōu)得到。算法的核心在于每次更新PU和QI時只使用原始矩陣中有值的部分,得到P和Q的最優(yōu)解,P即為對應的特征矩陣。

    PMUS-HOSGD張量分解方法的時間復雜度主要是在對每個維度展開矩陣的分解基礎上進行計算的。算法2矩陣分解的時間復雜度是O(t×X×k1×n1′),據(jù)此可得算法1的時間復雜度是O(t×(X×k1×n1′+Y×k2×n2′+Z×k3×n3′)),其中,t為迭代次數(shù),k為特征數(shù),n′是矩陣中平均每行非空數(shù)據(jù)的數(shù)目。

    3 實驗結果與分析

    本文使用相同的數(shù)據(jù)集和評價標準對比張量構建方法和張量分解方法,采用常用的評價指標驗證算法的有效性。

    3.1 數(shù)據(jù)集

    本文使用MovieLens數(shù)據(jù)集,包含用戶對視頻的評分,以及用戶給視頻標注的標簽數(shù)據(jù)。

    使用MovieLens數(shù)據(jù)集構建的三維張量極其稀疏,因此對初始數(shù)據(jù)進行預處理,預處理后的數(shù)據(jù)中每個用戶都對15個或15個以上視頻打過標簽,每個視頻都由15個或15個以上用戶打過標簽。處理后的數(shù)據(jù)中用戶、視頻、標簽的數(shù)量分別是184、122、378,有20 149條“用戶、資源、標簽”數(shù)據(jù)。

    3.2 評價標準

    本文使用準確率(Precision)、召回率(Recall)和F值[21]作為算法的評價標準。在推薦系統(tǒng)中,準確率表示在推薦列表中得到的推薦結果與測試集中實際情況相同的物品數(shù)與所有的推薦物品數(shù)的比值,召回率指的是推薦列表中準確的結果占測試樣本的比例。在實驗過程中,將預處理后的數(shù)據(jù)集分成2部分:訓練集和測試集,其中,訓練集占75%,測試集占25%。

    準確率和召回率的計算公式如下:

    (14)

    (15)

    其中,test表示測試集,top_N表示推薦的結果,N表示推薦的數(shù)目,準確率和召回率的值越高推薦效果越好。

    F值作為常用評價指標,能更好地反映推薦結果的效果,F的值越高推薦效果越好。

    (16)

    3.3 實驗結果

    為驗證PMUS方法構建張量能提高推薦結果的準確率,實驗結合使用HOSVD分解算法,分別對比“0/1”、TF-IDF和PMUS張量構建方法的準確率、召回率和F值。實驗結果如圖1~圖3所示,每個圖中各有3條曲線,分別代表“0/1”、TF-IDF和PMUS張量構建方法結合HOSVD分解方法的實驗結果,每條曲線有8個節(jié)點,橫軸代表top_N的值,縱軸分別代表準確率、召回率和F值。

    圖1 3種構建方法的準確率比較

    圖2 3種構建方法的召回率比較

    圖3 3種構建方法的F值比較

    由圖1~圖3中3種不同構建方法的對比可知,在top_1時,使用“0/1”構建的張量進行分解推薦的準確率比PMUS和TF-IDF方法要好,但是隨著N的增長,PMUS方法構建的張量的準確率要高于其他2種算法,比TF-IDF平均高0.03。在推薦數(shù)量小于10時,PMUS方法構建張量的召回率和F值要明顯高于其他2種方法,說明使用PMUS方法構建張量,張量權值在加入標簽對視頻的權重以及用戶對視頻的評分后,使用戶對視頻標注的標簽權值更加真實。在實際推薦系統(tǒng)中,給用戶推薦的少量標簽不止1個,因此使用PMUS方法構建張量得到的推薦結果要優(yōu)于普通的“0/1”和TF-IDF構建方法。

    為進一步驗證HOSGD推薦算法的性能,本文結合使用PMUS方法構建張量,對HOSGD與HOSVD、協(xié)同過濾(Collaborative Filtering,CF)和CubeALS 算法進行了對比。基于CF的標簽推薦算法是目前應用比較廣泛的個性化推薦算法;HOSVD是一種經(jīng)典的張量分解算法,被大量的應用于三維數(shù)據(jù)推薦領域,而且取得了良好的實驗結果;CubeALS推薦算法與其他優(yōu)秀的算法對比,推薦效果有顯著提高。

    在用HOSGD分解展開矩陣的過程中,涉及到步長α、正則化系數(shù)λ、特征因子數(shù)目k、迭代次數(shù)和閾值5個參數(shù)。α過大可能會導致迭代不收斂,從而發(fā)散,因此α分別取0.01、0.05、0.1、0.2、0.3、0.6進行對比;k數(shù)目過多會導致收斂速度慢,程序時間復雜度高,因此特征因子k數(shù)目取10到20進行對比。通過多次實驗,發(fā)現(xiàn)在迭代50次左右誤差結果接近0.08,趨于穩(wěn)定。結合實驗結果,張量分解中取步長α為0.2,正則化系數(shù)λ為0.000 3,特征因子k數(shù)目為17,迭代50次,閾值為0.08。實驗結果如圖4~圖6所示。由圖4~圖6可知,4種算法的準確率呈下降趨勢,HOSGD的準確率在top_N小于5的情況下均高于其他算法,尤其在top_1至top_4階段HOSGD的準確率平均比CubeALS提升0.07。在top_1至 top_5階段HOSGD的召回率和F值也明顯高于次優(yōu)的CubeALS算法。在實際推薦系統(tǒng)中,給用戶提供1-5個標簽,HOSGD算法符合實際要求。實驗結果表明,使用隨機梯度下降的張量分解算法HOSGD能夠充分利用SGD方法的優(yōu)勢,有效處理稀疏張量,減少誤差。

    圖4 4種推薦算法的準確率比較

    圖5 4種推薦算法的召回率比較

    圖6 4種推薦算法的F值比較

    綜上所述,使用PMUS構建張量并結合使用基于隨機梯度下降法的HOSGD進行張量分解的PMUS-HOSGD算法,可以有效提高標簽推薦的準確率。

    4 結束語

    在個性化標簽推薦領域,使用張量存儲“用戶-資源-標簽”數(shù)據(jù)是一種很好的數(shù)據(jù)表示形式,但由于三維數(shù)據(jù)的稀疏性,傳統(tǒng)的張量構建方法和張量分解方法的推薦準確率較低。因此,本文利用PMUS構建張量,并結合基于隨機梯度下降法的HOSGD對張量進行分解。實驗結果表明,與 HOSVD、CF和CubeALS算法相比,PMUS-HOSGD算法具有更好的推薦效果。下一步將重點研究在大數(shù)據(jù)量的情況下如何提高推薦速度,并使用分布式平臺運行該算法。

    猜你喜歡
    張量標簽準確率
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準確率比較探討
    偶數(shù)階張量core逆的性質(zhì)和應用
    2015—2017 年寧夏各天氣預報參考產(chǎn)品質(zhì)量檢驗分析
    四元數(shù)張量方程A*NX=B 的通解
    無懼標簽 Alfa Romeo Giulia 200HP
    車迷(2018年11期)2018-08-30 03:20:32
    高速公路車牌識別標識站準確率驗證法
    不害怕撕掉標簽的人,都活出了真正的漂亮
    海峽姐妹(2018年3期)2018-05-09 08:21:02
    擴散張量成像MRI 在CO中毒后遲發(fā)腦病中的應用
    標簽化傷害了誰
    亚洲欧美日韩无卡精品| 97超级碰碰碰精品色视频在线观看| 丝袜美足系列| 国产三级黄色录像| 免费少妇av软件| 国内久久婷婷六月综合欲色啪| 精品一区二区三区视频在线观看免费| 亚洲av日韩精品久久久久久密| 在线播放国产精品三级| 亚洲第一av免费看| 国产成人一区二区三区免费视频网站| 九色亚洲精品在线播放| 久久久久久大精品| 精品久久久久久久久久免费视频| avwww免费| 女人被狂操c到高潮| 大型黄色视频在线免费观看| 午夜福利在线观看吧| www日本在线高清视频| 久久性视频一级片| 一本大道久久a久久精品| 久久久水蜜桃国产精品网| 亚洲天堂国产精品一区在线| 午夜福利欧美成人| 成年女人毛片免费观看观看9| 一进一出抽搐gif免费好疼| 免费搜索国产男女视频| 男男h啪啪无遮挡| АⅤ资源中文在线天堂| 亚洲天堂国产精品一区在线| 国产高清激情床上av| 精品午夜福利视频在线观看一区| 黑人巨大精品欧美一区二区蜜桃| 久9热在线精品视频| 狠狠狠狠99中文字幕| 国产三级黄色录像| 国产亚洲精品久久久久久毛片| 久久人妻av系列| 桃红色精品国产亚洲av| 亚洲精品美女久久久久99蜜臀| 精品久久久久久久久久免费视频| 亚洲av美国av| 国内精品久久久久精免费| 久久精品影院6| 窝窝影院91人妻| 色综合站精品国产| 国产亚洲精品av在线| 99国产综合亚洲精品| 欧美乱码精品一区二区三区| 国产亚洲精品久久久久5区| 亚洲九九香蕉| 中文字幕另类日韩欧美亚洲嫩草| 久久人人精品亚洲av| 757午夜福利合集在线观看| 成熟少妇高潮喷水视频| 最近最新免费中文字幕在线| 久久天堂一区二区三区四区| 脱女人内裤的视频| 精品久久久久久久毛片微露脸| 亚洲国产日韩欧美精品在线观看 | 久久国产乱子伦精品免费另类| 久久久国产成人精品二区| 久久狼人影院| 欧美大码av| 日本精品一区二区三区蜜桃| 亚洲色图综合在线观看| 美女高潮到喷水免费观看| 在线观看舔阴道视频| 久久精品国产亚洲av高清一级| 9热在线视频观看99| a在线观看视频网站| 久久婷婷成人综合色麻豆| 热99re8久久精品国产| 亚洲欧美日韩无卡精品| 日韩欧美在线二视频| 免费在线观看完整版高清| 可以在线观看毛片的网站| 久久久久久大精品| 欧美国产精品va在线观看不卡| 性色av乱码一区二区三区2| 手机成人av网站| 又大又爽又粗| 日韩免费av在线播放| 桃色一区二区三区在线观看| 午夜福利欧美成人| 精品久久久久久久久久免费视频| 成人免费观看视频高清| 国产黄a三级三级三级人| 好男人在线观看高清免费视频 | 日韩高清综合在线| 国产高清视频在线播放一区| 性少妇av在线| 99re在线观看精品视频| 久久热在线av| 成人亚洲精品一区在线观看| 天天一区二区日本电影三级 | 亚洲 欧美一区二区三区| 黑丝袜美女国产一区| 国产精品99久久99久久久不卡| 男女做爰动态图高潮gif福利片 | 国产人伦9x9x在线观看| 三级毛片av免费| 在线观看午夜福利视频| 国产一级毛片七仙女欲春2 | 久久久久久久午夜电影| 两性午夜刺激爽爽歪歪视频在线观看 | 久久久久亚洲av毛片大全| 亚洲欧美精品综合久久99| 欧美午夜高清在线| 国产精品野战在线观看| 最近最新中文字幕大全免费视频| 亚洲精品在线美女| av片东京热男人的天堂| 久久婷婷人人爽人人干人人爱 | 18禁观看日本| 91麻豆av在线| 十八禁网站免费在线| 国产亚洲精品综合一区在线观看 | 免费不卡黄色视频| 午夜福利一区二区在线看| 啦啦啦观看免费观看视频高清 | 成人三级做爰电影| 欧美在线黄色| 精品一区二区三区av网在线观看| 久热这里只有精品99| 丁香六月欧美| 大型av网站在线播放| 变态另类丝袜制服| 丝袜在线中文字幕| 国产精品亚洲美女久久久| xxx96com| 国产亚洲欧美精品永久| 久久天堂一区二区三区四区| 男男h啪啪无遮挡| 久久九九热精品免费| 久久亚洲精品不卡| 9191精品国产免费久久| 国产亚洲av嫩草精品影院| 亚洲国产看品久久| 国产成人精品久久二区二区免费| av超薄肉色丝袜交足视频| 日本五十路高清| 中文字幕av电影在线播放| 69精品国产乱码久久久| 香蕉丝袜av| 午夜福利,免费看| av中文乱码字幕在线| 亚洲一区二区三区色噜噜| 欧美精品啪啪一区二区三区| 日韩有码中文字幕| 91精品三级在线观看| 日本欧美视频一区| 50天的宝宝边吃奶边哭怎么回事| a级毛片在线看网站| 久久国产精品男人的天堂亚洲| 中文字幕高清在线视频| 禁无遮挡网站| avwww免费| 欧美国产精品va在线观看不卡| 精品一区二区三区四区五区乱码| 国产精品,欧美在线| 免费无遮挡裸体视频| 老司机午夜福利在线观看视频| 亚洲人成77777在线视频| 久久精品91蜜桃| 日本在线视频免费播放| 亚洲七黄色美女视频| 婷婷精品国产亚洲av在线| 丁香六月欧美| 在线观看免费午夜福利视频| 亚洲av美国av| 欧美成人午夜精品| 中文字幕色久视频| 香蕉丝袜av| 午夜影院日韩av| 韩国av一区二区三区四区| 国产国语露脸激情在线看| www.999成人在线观看| 亚洲中文字幕日韩| 91大片在线观看| 亚洲人成电影观看| 一区二区日韩欧美中文字幕| 亚洲一区中文字幕在线| 中文字幕色久视频| 免费女性裸体啪啪无遮挡网站| 亚洲精品在线观看二区| 午夜日韩欧美国产| 很黄的视频免费| 亚洲人成77777在线视频| 成人国产一区最新在线观看| 日日爽夜夜爽网站| 免费在线观看黄色视频的| 99在线人妻在线中文字幕| 老汉色∧v一级毛片| 淫妇啪啪啪对白视频| 国产精华一区二区三区| 久久天堂一区二区三区四区| 久久国产精品影院| 久久伊人香网站| 国产精品久久久久久人妻精品电影| 国产又色又爽无遮挡免费看| 欧美激情久久久久久爽电影 | 久热爱精品视频在线9| 欧美国产日韩亚洲一区| 视频在线观看一区二区三区| 他把我摸到了高潮在线观看| 在线观看免费视频日本深夜| 正在播放国产对白刺激| 久久天躁狠狠躁夜夜2o2o| 精品国产美女av久久久久小说| 一边摸一边做爽爽视频免费| 国产aⅴ精品一区二区三区波| 日韩高清综合在线| 十八禁网站免费在线| 日本免费一区二区三区高清不卡 | avwww免费| 黑人操中国人逼视频| 一二三四社区在线视频社区8| 精品国产亚洲在线| 可以在线观看毛片的网站| 18禁黄网站禁片午夜丰满| 久久香蕉国产精品| 亚洲少妇的诱惑av| 国产亚洲精品一区二区www| 久久久久国产一级毛片高清牌| 免费人成视频x8x8入口观看| 1024香蕉在线观看| videosex国产| 一级a爱片免费观看的视频| 97人妻天天添夜夜摸| 久久国产精品人妻蜜桃| 国产欧美日韩一区二区精品| 国产亚洲欧美在线一区二区| 欧美日本亚洲视频在线播放| 亚洲午夜精品一区,二区,三区| 久久久久精品国产欧美久久久| 精品高清国产在线一区| 99国产精品99久久久久| 91在线观看av| 欧美性长视频在线观看| 亚洲专区国产一区二区| 久久久久久免费高清国产稀缺| 中文字幕高清在线视频| 色尼玛亚洲综合影院| 日韩有码中文字幕| av网站免费在线观看视频| 国产黄a三级三级三级人| 美女大奶头视频| 国产午夜福利久久久久久| 国产亚洲精品一区二区www| 久久久久精品国产欧美久久久| 欧美日韩一级在线毛片| а√天堂www在线а√下载| 欧美黑人欧美精品刺激| 久久精品影院6| 男女下面插进去视频免费观看| 亚洲人成电影观看| 18禁黄网站禁片午夜丰满| 久久精品国产99精品国产亚洲性色 | 久久精品成人免费网站| 中文字幕另类日韩欧美亚洲嫩草| 亚洲精品美女久久久久99蜜臀| 国产真人三级小视频在线观看| 国产av精品麻豆| 如日韩欧美国产精品一区二区三区| 精品国产一区二区久久| a级毛片在线看网站| 亚洲性夜色夜夜综合| 18禁国产床啪视频网站| 午夜影院日韩av| 欧美日韩黄片免| 欧美不卡视频在线免费观看 | 国产精品免费视频内射| 久久 成人 亚洲| 久久伊人香网站| 夜夜夜夜夜久久久久| 国产精华一区二区三区| 亚洲性夜色夜夜综合| 91麻豆精品激情在线观看国产| 女人高潮潮喷娇喘18禁视频| 麻豆成人av在线观看| 久久精品国产综合久久久| 九色国产91popny在线| 亚洲第一欧美日韩一区二区三区| 国产精华一区二区三区| 性色av乱码一区二区三区2| 国产精品一区二区三区四区久久 | 久久久久久亚洲精品国产蜜桃av| 91国产中文字幕| 久久久久久久精品吃奶| 久久久精品欧美日韩精品| 日本精品一区二区三区蜜桃| 在线观看一区二区三区| 成人亚洲精品一区在线观看| 日本vs欧美在线观看视频| 丁香六月欧美| 国产精品影院久久| 制服丝袜大香蕉在线| 黄片大片在线免费观看| 18禁美女被吸乳视频| 91成年电影在线观看| 国产精品二区激情视频| 精品国产一区二区三区四区第35| 亚洲精品在线美女| 亚洲欧美精品综合一区二区三区| 9191精品国产免费久久| 免费在线观看日本一区| 午夜久久久久精精品| 亚洲av电影不卡..在线观看| 国产精品美女特级片免费视频播放器 | 久久人人爽av亚洲精品天堂| 成人亚洲精品av一区二区| 免费不卡黄色视频| 女警被强在线播放| 亚洲自拍偷在线| 国产成人免费无遮挡视频| 性欧美人与动物交配| 免费观看人在逋| 亚洲人成77777在线视频| 国产欧美日韩精品亚洲av| avwww免费| 亚洲第一av免费看| 女人高潮潮喷娇喘18禁视频| 国产精品综合久久久久久久免费 | 99久久久亚洲精品蜜臀av| 中文亚洲av片在线观看爽| 老熟妇乱子伦视频在线观看| 亚洲专区字幕在线| 久久精品国产综合久久久| 国产1区2区3区精品| 欧美中文综合在线视频| 成人亚洲精品av一区二区| 中文字幕色久视频| 欧美黄色淫秽网站| 久久这里只有精品19| 国产成人av教育| 99香蕉大伊视频| 桃红色精品国产亚洲av| 中亚洲国语对白在线视频| cao死你这个sao货| 色综合站精品国产| 深夜精品福利| 国产成年人精品一区二区| 午夜福利一区二区在线看| av欧美777| 少妇被粗大的猛进出69影院| 中文字幕人成人乱码亚洲影| 精品久久久久久,| 精品人妻1区二区| 男女午夜视频在线观看| 亚洲美女黄片视频| 亚洲少妇的诱惑av| 日韩欧美国产一区二区入口| 久久人人97超碰香蕉20202| 国产成人欧美| 少妇粗大呻吟视频| 日韩中文字幕欧美一区二区| 国产精品1区2区在线观看.| 国产精品98久久久久久宅男小说| 九色亚洲精品在线播放| 岛国在线观看网站| 一本综合久久免费| 国产免费男女视频| 熟妇人妻久久中文字幕3abv| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美大码av| 高潮久久久久久久久久久不卡| 热re99久久国产66热| 午夜影院日韩av| 一个人免费在线观看的高清视频| 一区在线观看完整版| 国产aⅴ精品一区二区三区波| 欧美国产精品va在线观看不卡| 黑人巨大精品欧美一区二区蜜桃| 女生性感内裤真人,穿戴方法视频| 亚洲九九香蕉| 1024视频免费在线观看| 给我免费播放毛片高清在线观看| 18禁黄网站禁片午夜丰满| 99久久精品国产亚洲精品| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品亚洲av一区麻豆| 成熟少妇高潮喷水视频| 午夜久久久久精精品| 黄色毛片三级朝国网站| 国产精品亚洲美女久久久| 欧美日韩精品网址| 亚洲精品在线美女| 乱人伦中国视频| 日韩 欧美 亚洲 中文字幕| 免费看美女性在线毛片视频| 久久久国产成人精品二区| 女人爽到高潮嗷嗷叫在线视频| 男人舔女人的私密视频| 在线免费观看的www视频| av网站免费在线观看视频| 国产亚洲欧美精品永久| 99国产精品一区二区三区| 欧美在线黄色| 亚洲成av片中文字幕在线观看| 国产av精品麻豆| 又大又爽又粗| 99久久国产精品久久久| 性欧美人与动物交配| 老司机福利观看| 99久久综合精品五月天人人| 亚洲一区高清亚洲精品| 级片在线观看| 午夜免费鲁丝| 欧美精品啪啪一区二区三区| 999久久久精品免费观看国产| 国产野战对白在线观看| 黄色女人牲交| videosex国产| av网站免费在线观看视频| 99久久久亚洲精品蜜臀av| 久久国产乱子伦精品免费另类| 黄色女人牲交| 黑丝袜美女国产一区| 日韩高清综合在线| 欧美黄色淫秽网站| 亚洲情色 制服丝袜| 国产成+人综合+亚洲专区| 亚洲中文字幕日韩| 波多野结衣av一区二区av| 天堂动漫精品| av网站免费在线观看视频| 国产国语露脸激情在线看| svipshipincom国产片| netflix在线观看网站| 国产视频一区二区在线看| 亚洲少妇的诱惑av| 欧美黑人欧美精品刺激| 亚洲一码二码三码区别大吗| 午夜精品久久久久久毛片777| 色av中文字幕| 久久久久久久久中文| 精品不卡国产一区二区三区| 涩涩av久久男人的天堂| 深夜精品福利| 久久亚洲真实| aaaaa片日本免费| 欧美一级a爱片免费观看看 | 亚洲精品在线观看二区| 亚洲五月色婷婷综合| 亚洲少妇的诱惑av| 国产欧美日韩精品亚洲av| 电影成人av| 最新在线观看一区二区三区| 国产99久久九九免费精品| 777久久人妻少妇嫩草av网站| 国产亚洲精品第一综合不卡| 欧美日本中文国产一区发布| 国产成人av教育| 热99re8久久精品国产| 久久久久久久久免费视频了| 成年版毛片免费区| 久久国产乱子伦精品免费另类| 啦啦啦 在线观看视频| 一本久久中文字幕| 国产精品久久电影中文字幕| 欧美乱色亚洲激情| 此物有八面人人有两片| 国产精品一区二区三区四区久久 | 精品福利观看| 日韩成人在线观看一区二区三区| 国产三级黄色录像| 真人一进一出gif抽搐免费| 正在播放国产对白刺激| 美女国产高潮福利片在线看| 午夜影院日韩av| 淫秽高清视频在线观看| 欧美日韩福利视频一区二区| 久久热在线av| 精品不卡国产一区二区三区| 日韩欧美一区视频在线观看| 国产伦人伦偷精品视频| 日韩一卡2卡3卡4卡2021年| 99精品在免费线老司机午夜| 亚洲精品在线美女| 久久中文看片网| 亚洲人成电影观看| 欧美大码av| 欧美成人午夜精品| 丰满的人妻完整版| 午夜福利在线观看吧| 国产精品久久电影中文字幕| 又黄又爽又免费观看的视频| 欧美在线黄色| 亚洲七黄色美女视频| 狂野欧美激情性xxxx| 中文字幕精品免费在线观看视频| 久久久久亚洲av毛片大全| 日本撒尿小便嘘嘘汇集6| 亚洲中文字幕一区二区三区有码在线看 | 一个人免费在线观看的高清视频| 一进一出抽搐动态| 亚洲午夜理论影院| 亚洲美女黄片视频| 国产高清有码在线观看视频 | 亚洲欧美精品综合久久99| 天天一区二区日本电影三级 | 亚洲色图 男人天堂 中文字幕| 高潮久久久久久久久久久不卡| 亚洲第一青青草原| 一卡2卡三卡四卡精品乱码亚洲| 女人高潮潮喷娇喘18禁视频| 欧美成狂野欧美在线观看| 久久久久国产精品人妻aⅴ院| 国产黄a三级三级三级人| 欧美中文综合在线视频| 亚洲 国产 在线| 久久精品成人免费网站| 精品久久久精品久久久| 日韩欧美三级三区| 精品午夜福利视频在线观看一区| 亚洲中文字幕日韩| 国产精品日韩av在线免费观看 | 亚洲专区国产一区二区| 88av欧美| 亚洲欧美激情综合另类| 久久久久国产精品人妻aⅴ院| 丰满的人妻完整版| 69精品国产乱码久久久| 久久精品国产综合久久久| 日韩 欧美 亚洲 中文字幕| 久久久久国内视频| 啦啦啦韩国在线观看视频| 国产av在哪里看| 69av精品久久久久久| 最近最新中文字幕大全电影3 | 亚洲人成电影免费在线| 在线观看舔阴道视频| 日本 av在线| 久久午夜亚洲精品久久| 黑人操中国人逼视频| 男女下面进入的视频免费午夜 | 亚洲精品在线美女| 一个人免费在线观看的高清视频| 老司机午夜福利在线观看视频| 精品少妇一区二区三区视频日本电影| 老汉色av国产亚洲站长工具| 欧美色欧美亚洲另类二区 | 男女床上黄色一级片免费看| 久久这里只有精品19| 一边摸一边抽搐一进一出视频| 88av欧美| 女人被狂操c到高潮| 国产精品亚洲一级av第二区| 国产亚洲欧美在线一区二区| 亚洲第一欧美日韩一区二区三区| 国产视频一区二区在线看| 成人免费观看视频高清| 一卡2卡三卡四卡精品乱码亚洲| 在线观看www视频免费| 极品教师在线免费播放| 国产高清videossex| 日韩欧美国产一区二区入口| 夜夜爽天天搞| 99国产精品99久久久久| 在线观看免费视频网站a站| 99精品久久久久人妻精品| 色婷婷久久久亚洲欧美| 十八禁网站免费在线| 久久久久国产一级毛片高清牌| 精品一区二区三区视频在线观看免费| 成在线人永久免费视频| 午夜久久久久精精品| 涩涩av久久男人的天堂| 国产精华一区二区三区| 国产成+人综合+亚洲专区| 国产成年人精品一区二区| 亚洲第一欧美日韩一区二区三区| 国产一级毛片七仙女欲春2 | 日韩欧美一区视频在线观看| 一进一出抽搐动态| 女同久久另类99精品国产91| 丝袜美腿诱惑在线| 国产日韩一区二区三区精品不卡| 村上凉子中文字幕在线| 黄片大片在线免费观看| 天天一区二区日本电影三级 | 99久久综合精品五月天人人| 女人被躁到高潮嗷嗷叫费观| 久久久久久久久久久久大奶| 午夜日韩欧美国产| 18禁国产床啪视频网站| 成年女人毛片免费观看观看9| 女人被躁到高潮嗷嗷叫费观| 亚洲国产欧美一区二区综合| 99久久99久久久精品蜜桃| 亚洲av美国av| www.精华液| 久久人人精品亚洲av| av福利片在线| 黄网站色视频无遮挡免费观看| 亚洲av第一区精品v没综合| 国产1区2区3区精品| 黄片小视频在线播放| 色av中文字幕| 男女午夜视频在线观看| 午夜精品久久久久久毛片777| 一级黄色大片毛片| 99国产综合亚洲精品| 国产激情欧美一区二区| 宅男免费午夜| 免费久久久久久久精品成人欧美视频| 人人妻,人人澡人人爽秒播| 欧美成狂野欧美在线观看| 一级a爱视频在线免费观看| 免费女性裸体啪啪无遮挡网站| 亚洲中文日韩欧美视频| 一二三四社区在线视频社区8| www.熟女人妻精品国产| 国产不卡一卡二|