• <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
    男人操女人黄网站| 天天操日日干夜夜撸| 欧美亚洲 丝袜 人妻 在线| 精品国产乱码久久久久久小说| 精品午夜福利视频在线观看一区 | 啦啦啦免费观看视频1| 深夜精品福利| kizo精华| videosex国产| 国产亚洲精品久久久久5区| 91av网站免费观看| 五月开心婷婷网| 国产伦人伦偷精品视频| 久久精品91无色码中文字幕| 波多野结衣一区麻豆| 操美女的视频在线观看| 国产男女内射视频| 色视频在线一区二区三区| 亚洲av成人一区二区三| 不卡av一区二区三区| 一级黄色大片毛片| 天堂俺去俺来也www色官网| 丝瓜视频免费看黄片| 日韩精品免费视频一区二区三区| 深夜精品福利| 亚洲av第一区精品v没综合| 黄片大片在线免费观看| 国产一区二区 视频在线| 国产精品98久久久久久宅男小说| 久久毛片免费看一区二区三区| 日韩欧美免费精品| 十分钟在线观看高清视频www| 少妇猛男粗大的猛烈进出视频| 丝袜在线中文字幕| 成年人免费黄色播放视频| 桃红色精品国产亚洲av| 黄色a级毛片大全视频| 在线观看免费视频日本深夜| 日本精品一区二区三区蜜桃| 99精品久久久久人妻精品| 亚洲avbb在线观看| 久热爱精品视频在线9| 999久久久精品免费观看国产| 91字幕亚洲| 巨乳人妻的诱惑在线观看| 亚洲视频免费观看视频| 人人妻人人澡人人爽人人夜夜| 夜夜爽天天搞| 免费不卡黄色视频| 大码成人一级视频| 国产一区二区 视频在线| 精品卡一卡二卡四卡免费| 9热在线视频观看99| 美女视频免费永久观看网站| 99久久人妻综合| 亚洲精品久久成人aⅴ小说| 国产在线视频一区二区| 在线看a的网站| 18禁黄网站禁片午夜丰满| 日韩大片免费观看网站| 久久影院123| 美女福利国产在线| 黄色视频在线播放观看不卡| 欧美+亚洲+日韩+国产| 国产真人三级小视频在线观看| 精品少妇黑人巨大在线播放| 国产精品一区二区在线观看99| 丝袜人妻中文字幕| 亚洲成a人片在线一区二区| 91大片在线观看| 9191精品国产免费久久| 亚洲精品成人av观看孕妇| 亚洲精品在线观看二区| 亚洲精品一二三| 国内毛片毛片毛片毛片毛片| 男人操女人黄网站| 久久青草综合色| 丝袜在线中文字幕| 亚洲九九香蕉| 国产单亲对白刺激| 精品福利观看| 人妻一区二区av| 久久九九热精品免费| 国产aⅴ精品一区二区三区波| 精品少妇一区二区三区视频日本电影| 男女午夜视频在线观看| 欧美在线一区亚洲| 亚洲精品国产色婷婷电影| 在线十欧美十亚洲十日本专区| 少妇 在线观看| 欧美午夜高清在线| 亚洲色图 男人天堂 中文字幕| 91老司机精品| 久久精品亚洲精品国产色婷小说| 日韩免费高清中文字幕av| 亚洲熟女毛片儿| 人人妻人人爽人人添夜夜欢视频| 国产极品粉嫩免费观看在线| 我要看黄色一级片免费的| 丁香欧美五月| 最近最新免费中文字幕在线| 中文字幕最新亚洲高清| 韩国精品一区二区三区| cao死你这个sao货| 国产人伦9x9x在线观看| 99久久99久久久精品蜜桃| 精品一区二区三区视频在线观看免费 | 一个人免费在线观看的高清视频| e午夜精品久久久久久久| 高清欧美精品videossex| 巨乳人妻的诱惑在线观看| av网站免费在线观看视频| 成人18禁在线播放| 女人被躁到高潮嗷嗷叫费观| 国内毛片毛片毛片毛片毛片| 久久久久精品国产欧美久久久| 一边摸一边做爽爽视频免费| 午夜福利,免费看| 最黄视频免费看| 亚洲成人手机| av在线播放免费不卡| 啪啪无遮挡十八禁网站| 国产99久久九九免费精品| 女人被躁到高潮嗷嗷叫费观| 久久精品国产亚洲av高清一级| 夫妻午夜视频| 欧美+亚洲+日韩+国产| 国内毛片毛片毛片毛片毛片| 精品第一国产精品| 午夜免费成人在线视频| 麻豆av在线久日| 两个人看的免费小视频| 91字幕亚洲| 91av网站免费观看| 久久久精品94久久精品| 老汉色∧v一级毛片| 欧美日韩中文字幕国产精品一区二区三区 | 国产片内射在线| 精品一区二区三区视频在线观看免费 | 国产亚洲精品一区二区www | 在线观看免费日韩欧美大片| 99九九在线精品视频| 国产成人系列免费观看| 亚洲av欧美aⅴ国产| 久久人妻av系列| 日韩免费av在线播放| 亚洲性夜色夜夜综合| 久久久久视频综合| 999久久久精品免费观看国产| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲午夜理论影院| 日韩欧美一区二区三区在线观看 | 日本撒尿小便嘘嘘汇集6| 欧美国产精品va在线观看不卡| 久久亚洲精品不卡| 国产色视频综合| 中文字幕av电影在线播放| 精品亚洲成a人片在线观看| 欧美精品一区二区大全| 久久久久久久久免费视频了| 精品亚洲乱码少妇综合久久| 午夜福利在线观看吧| 久久99热这里只频精品6学生| 97在线人人人人妻| av超薄肉色丝袜交足视频| xxxhd国产人妻xxx| 女人高潮潮喷娇喘18禁视频| 超色免费av| 在线观看免费高清a一片| 丁香欧美五月| 精品熟女少妇八av免费久了| 精品福利观看| 老司机影院毛片| 大片电影免费在线观看免费| 好男人电影高清在线观看| 免费女性裸体啪啪无遮挡网站| svipshipincom国产片| 亚洲精品国产区一区二| 人成视频在线观看免费观看| 午夜日韩欧美国产| a级片在线免费高清观看视频| 精品国产乱码久久久久久小说| 99国产精品一区二区三区| 国产不卡av网站在线观看| 99精品久久久久人妻精品| 亚洲专区字幕在线| 免费在线观看完整版高清| 精品国产一区二区久久| 天堂俺去俺来也www色官网| 亚洲人成77777在线视频| 免费久久久久久久精品成人欧美视频| 久久精品国产a三级三级三级| 亚洲欧美一区二区三区黑人| 久久 成人 亚洲| 日韩视频在线欧美| 久久这里只有精品19| 欧美精品啪啪一区二区三区| 19禁男女啪啪无遮挡网站| av又黄又爽大尺度在线免费看| 一区二区三区激情视频| 在线看a的网站| 黄色怎么调成土黄色| tube8黄色片| 国产精品偷伦视频观看了| 99九九在线精品视频| 考比视频在线观看| 最黄视频免费看| 亚洲中文日韩欧美视频| 亚洲av成人不卡在线观看播放网| 国产成人影院久久av| 99久久99久久久精品蜜桃| 少妇被粗大的猛进出69影院| av片东京热男人的天堂| 丝袜在线中文字幕| 高清黄色对白视频在线免费看| 日本av手机在线免费观看| 国产精品影院久久| 国产av又大| 一本大道久久a久久精品| 黄片小视频在线播放| 99热网站在线观看| 国产高清视频在线播放一区| 国产黄色免费在线视频| 久久精品亚洲精品国产色婷小说| 欧美黑人欧美精品刺激| 亚洲国产中文字幕在线视频| 嫩草影视91久久| 色精品久久人妻99蜜桃| 又黄又粗又硬又大视频| 久久久国产精品麻豆| 婷婷丁香在线五月| 乱人伦中国视频| 这个男人来自地球电影免费观看| 成人18禁高潮啪啪吃奶动态图| 久久精品国产99精品国产亚洲性色 | 久久久国产欧美日韩av| 国产av又大| 在线十欧美十亚洲十日本专区| 亚洲精品美女久久久久99蜜臀| 人妻久久中文字幕网| 亚洲专区中文字幕在线| 如日韩欧美国产精品一区二区三区| 免费日韩欧美在线观看| 久久久久精品人妻al黑| 十分钟在线观看高清视频www| 精品一区二区三区视频在线观看免费 | 久热爱精品视频在线9| 国产男女超爽视频在线观看| 黑人欧美特级aaaaaa片| 一区二区日韩欧美中文字幕| 久久久精品国产亚洲av高清涩受| 国产视频一区二区在线看| av有码第一页| 两个人看的免费小视频| av视频免费观看在线观看| e午夜精品久久久久久久| 精品国产超薄肉色丝袜足j| 亚洲七黄色美女视频| 午夜精品久久久久久毛片777| 一本一本久久a久久精品综合妖精| 日韩一卡2卡3卡4卡2021年| 亚洲精品成人av观看孕妇| 久久中文字幕一级| 国产1区2区3区精品| 色在线成人网| 日韩一卡2卡3卡4卡2021年| 精品国产超薄肉色丝袜足j| 男女下面插进去视频免费观看| 少妇猛男粗大的猛烈进出视频| 热99久久久久精品小说推荐| 一级片'在线观看视频| 男人舔女人的私密视频| 波多野结衣一区麻豆| 777久久人妻少妇嫩草av网站| 性高湖久久久久久久久免费观看| 色视频在线一区二区三区| av欧美777| 99久久精品国产亚洲精品| 国产无遮挡羞羞视频在线观看| 18禁美女被吸乳视频| 啦啦啦在线免费观看视频4| 久久精品国产亚洲av香蕉五月 | 欧美中文综合在线视频| 国产xxxxx性猛交| 久久久精品国产亚洲av高清涩受| 日韩免费av在线播放| 嫁个100分男人电影在线观看| 免费日韩欧美在线观看| 天堂中文最新版在线下载| 91精品国产国语对白视频| kizo精华| av天堂久久9| 国产淫语在线视频| 精品午夜福利视频在线观看一区 | 一区在线观看完整版| 亚洲精品成人av观看孕妇| 最近最新中文字幕大全免费视频| 亚洲专区字幕在线| 欧美激情高清一区二区三区| 一区二区三区乱码不卡18| 国产三级黄色录像| 99精品在免费线老司机午夜| 99re6热这里在线精品视频| 成人18禁在线播放| 考比视频在线观看| 在线播放国产精品三级| h视频一区二区三区| 在线观看免费午夜福利视频| 午夜视频精品福利| 国产av又大| 久久国产精品影院| 51午夜福利影视在线观看| 大片免费播放器 马上看| 亚洲熟妇熟女久久| xxxhd国产人妻xxx| 老汉色av国产亚洲站长工具| 黄色怎么调成土黄色| 欧美午夜高清在线| 久久午夜综合久久蜜桃| 国产一卡二卡三卡精品| av天堂久久9| 两个人免费观看高清视频| 自拍欧美九色日韩亚洲蝌蚪91| 国产亚洲精品第一综合不卡| 国产区一区二久久| 亚洲成人免费av在线播放| 精品熟女少妇八av免费久了| 18禁观看日本| 久久久精品国产亚洲av高清涩受| 乱人伦中国视频| 女警被强在线播放| 欧美+亚洲+日韩+国产| 69精品国产乱码久久久| 成人av一区二区三区在线看| 在线观看免费午夜福利视频| 亚洲全国av大片| 99精品久久久久人妻精品| 亚洲精品在线美女| 欧美日韩视频精品一区| 欧美亚洲日本最大视频资源| 麻豆国产av国片精品| 丰满饥渴人妻一区二区三| 亚洲精品自拍成人| 国产日韩欧美视频二区| 青草久久国产| 丝袜在线中文字幕| 日韩有码中文字幕| 亚洲全国av大片| 在线观看免费午夜福利视频| 好男人电影高清在线观看| 欧美日韩福利视频一区二区| 999久久久国产精品视频| 国产欧美日韩一区二区精品| 午夜精品国产一区二区电影| 女警被强在线播放| 日本五十路高清| 国产麻豆69| 99久久人妻综合| 精品一区二区三区四区五区乱码| 国产日韩欧美亚洲二区| 国产单亲对白刺激| 国产又色又爽无遮挡免费看| 欧美国产精品一级二级三级| 18禁国产床啪视频网站| 黄色a级毛片大全视频| 一本一本久久a久久精品综合妖精| 成人18禁高潮啪啪吃奶动态图| 蜜桃在线观看..| 最新美女视频免费是黄的| 亚洲成人国产一区在线观看| 黄色怎么调成土黄色| 十八禁网站免费在线| 国产一区二区 视频在线| 久久中文看片网| 国产一区二区 视频在线| 欧美黄色片欧美黄色片| 人人妻人人添人人爽欧美一区卜| 成年人免费黄色播放视频| 人人澡人人妻人| 久久久国产欧美日韩av| 欧美精品一区二区免费开放| 亚洲va日本ⅴa欧美va伊人久久| 精品人妻熟女毛片av久久网站| 久久热在线av| 国产一区二区三区综合在线观看| 国产免费视频播放在线视频| 国产免费现黄频在线看| 国产成+人综合+亚洲专区| 国产伦人伦偷精品视频| 亚洲色图av天堂| 色精品久久人妻99蜜桃| 麻豆成人av在线观看| 国产伦理片在线播放av一区| 国产精品 欧美亚洲| 午夜福利一区二区在线看| 亚洲国产av影院在线观看| 女同久久另类99精品国产91| 国产色视频综合| 12—13女人毛片做爰片一| a级毛片在线看网站| 黄色成人免费大全| 国产精品成人在线| 国产成人欧美| 亚洲人成伊人成综合网2020| 搡老岳熟女国产| 婷婷丁香在线五月| 久久久欧美国产精品| 亚洲情色 制服丝袜| 高清视频免费观看一区二区| 国产成人免费无遮挡视频| 亚洲av电影在线进入| 亚洲专区字幕在线| 国产精品 国内视频| 亚洲欧美激情在线| 国产熟女午夜一区二区三区| 日韩欧美国产一区二区入口| 欧美一级毛片孕妇| 另类亚洲欧美激情| 精品一区二区三区av网在线观看 | 成人18禁高潮啪啪吃奶动态图| 一本一本久久a久久精品综合妖精| 精品少妇久久久久久888优播| 成年人免费黄色播放视频| 午夜日韩欧美国产| 满18在线观看网站| 一二三四在线观看免费中文在| 久久久久国内视频| 悠悠久久av| 热99re8久久精品国产| 亚洲少妇的诱惑av| 成人三级做爰电影| 精品乱码久久久久久99久播| 国产av国产精品国产| 国产男女超爽视频在线观看| 成年人午夜在线观看视频| 久久天躁狠狠躁夜夜2o2o| 动漫黄色视频在线观看| 黄色片一级片一级黄色片| 国产日韩欧美亚洲二区| 国产亚洲午夜精品一区二区久久| 1024香蕉在线观看| 亚洲精品久久午夜乱码| 国产精品自产拍在线观看55亚洲 | 日本五十路高清| 最新在线观看一区二区三区| 日韩欧美一区视频在线观看| 国产精品一区二区在线不卡| 国产亚洲欧美在线一区二区| av不卡在线播放| 1024视频免费在线观看| 飞空精品影院首页| 在线av久久热| av视频免费观看在线观看| 高潮久久久久久久久久久不卡| 性高湖久久久久久久久免费观看| 欧美国产精品va在线观看不卡| 久久天躁狠狠躁夜夜2o2o| 欧美日韩黄片免| 精品一区二区三区四区五区乱码| 久久狼人影院| 亚洲情色 制服丝袜| 成人免费观看视频高清| 久久精品亚洲熟妇少妇任你| 十八禁人妻一区二区| 国产欧美日韩一区二区三区在线| 成人国产av品久久久| 大码成人一级视频| 精品乱码久久久久久99久播| 大片免费播放器 马上看| 在线看a的网站| 日韩一区二区三区影片| 操出白浆在线播放| 欧美av亚洲av综合av国产av| 最新美女视频免费是黄的| 女人久久www免费人成看片| 我要看黄色一级片免费的| 麻豆av在线久日| 12—13女人毛片做爰片一| 国产97色在线日韩免费| 国产免费av片在线观看野外av| 我的亚洲天堂| 亚洲九九香蕉| 日韩一区二区三区影片| 精品久久久久久电影网| 在线观看免费视频网站a站| 午夜免费鲁丝| 国产伦人伦偷精品视频| 日韩中文字幕欧美一区二区| 亚洲人成伊人成综合网2020| 两个人免费观看高清视频| av国产精品久久久久影院| 99国产综合亚洲精品| 国产精品免费视频内射| 日本一区二区免费在线视频| 久久国产精品男人的天堂亚洲| www.精华液| 久久久水蜜桃国产精品网| 国产亚洲精品一区二区www | 9色porny在线观看| 俄罗斯特黄特色一大片| 亚洲精品成人av观看孕妇| 黄色片一级片一级黄色片| 精品一区二区三卡| xxxhd国产人妻xxx| 亚洲精品中文字幕一二三四区 | 一区二区av电影网| 日韩欧美一区视频在线观看| av国产精品久久久久影院| 精品免费久久久久久久清纯 | 欧美黄色片欧美黄色片| 一区二区三区乱码不卡18| 免费看十八禁软件| 日韩制服丝袜自拍偷拍| 欧美国产精品一级二级三级| 国产亚洲欧美在线一区二区| 下体分泌物呈黄色| 最黄视频免费看| 国产真人三级小视频在线观看| 黄色a级毛片大全视频| 91av网站免费观看| 精品一区二区三区视频在线观看免费 | 亚洲少妇的诱惑av| 在线播放国产精品三级| 精品久久久久久久毛片微露脸| 777久久人妻少妇嫩草av网站| 最黄视频免费看| 日韩 欧美 亚洲 中文字幕| 精品国产乱子伦一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 一边摸一边做爽爽视频免费| av片东京热男人的天堂| 欧美激情 高清一区二区三区| 精品国产国语对白av| 久久久久国内视频| 亚洲少妇的诱惑av| 国产一区二区 视频在线| 国内毛片毛片毛片毛片毛片| 动漫黄色视频在线观看| 可以免费在线观看a视频的电影网站| 欧美黄色片欧美黄色片| 免费在线观看视频国产中文字幕亚洲| 制服诱惑二区| 99re在线观看精品视频| 国精品久久久久久国模美| 国产成人精品久久二区二区91| 国产成人欧美| 免费久久久久久久精品成人欧美视频| 国产亚洲欧美在线一区二区| 一二三四在线观看免费中文在| 国产精品秋霞免费鲁丝片| 一区二区日韩欧美中文字幕| 亚洲中文日韩欧美视频| 免费看十八禁软件| 国产野战对白在线观看| 黄片播放在线免费| 男女免费视频国产| 狠狠精品人妻久久久久久综合| 熟女少妇亚洲综合色aaa.| 国产亚洲欧美在线一区二区| 少妇 在线观看| av片东京热男人的天堂| 日本精品一区二区三区蜜桃| 色婷婷久久久亚洲欧美| 日本一区二区免费在线视频| 少妇被粗大的猛进出69影院| 丰满少妇做爰视频| 日本av免费视频播放| 搡老岳熟女国产| 啦啦啦在线免费观看视频4| 母亲3免费完整高清在线观看| 狠狠精品人妻久久久久久综合| 黑人猛操日本美女一级片| 国产精品自产拍在线观看55亚洲 | 国产一区二区三区综合在线观看| 下体分泌物呈黄色| 极品人妻少妇av视频| 人妻一区二区av| 在线 av 中文字幕| 久久久精品国产亚洲av高清涩受| a级片在线免费高清观看视频| 国产精品久久久久成人av| 亚洲五月婷婷丁香| 在线观看一区二区三区激情| 亚洲色图综合在线观看| 午夜福利在线观看吧| 精品亚洲成a人片在线观看| 亚洲欧美日韩高清在线视频 | 久久久久久人人人人人| 高清在线国产一区| 中文字幕另类日韩欧美亚洲嫩草| 欧美 日韩 精品 国产| www.熟女人妻精品国产| 中文字幕人妻丝袜制服| 999久久久国产精品视频| 国产高清国产精品国产三级| 亚洲av第一区精品v没综合| 久久久久久久国产电影| 欧美国产精品一级二级三级| 久久中文字幕一级| 欧美 日韩 精品 国产| av一本久久久久| 免费观看人在逋| 国产高清视频在线播放一区| 黄色丝袜av网址大全| 国产伦人伦偷精品视频| 狠狠精品人妻久久久久久综合| 欧美大码av| 男女下面插进去视频免费观看| 99久久人妻综合| 人人澡人人妻人| 电影成人av| 天天躁狠狠躁夜夜躁狠狠躁| 国产1区2区3区精品| 操美女的视频在线观看| 99国产精品免费福利视频|