• <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 ?

    多訪問并行特征提取下大數(shù)據(jù)準(zhǔn)確推薦仿真

    2023-09-04 14:53:36許朝陽王尚鵬
    計(jì)算機(jī)仿真 2023年7期
    關(guān)鍵詞:特征提取代表矩陣

    李 斌,許朝陽,王尚鵬

    (1. 福建師范大學(xué)協(xié)和學(xué)院,福建 福州 350117;2. 莆田學(xué)院機(jī)電與信息工程學(xué)院,福建 莆田 351100;3. 福建師范大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院,福建 福州 350117)

    1 引言

    隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,用戶越來越多,對(duì)推薦的要求也越來越高。推薦算法通常會(huì)根據(jù)用戶間存在相似屬性作為參考值去選擇用戶。例如,在電商平臺(tái)上,根據(jù)瀏覽、收藏以及購買等幾個(gè)簡單的步驟就可以挑選出用戶感興趣的商品。電子商務(wù)平臺(tái)會(huì)將使用者和產(chǎn)品的互動(dòng)記錄下來,其中含有大量的用戶感興趣的內(nèi)容,但卻不能很好地反映出使用者的喜好,所以很難從消費(fèi)者的興趣中抽取出相關(guān)的信息[1-2],從而影響了消費(fèi)者對(duì)產(chǎn)品的使用。

    針對(duì)上述問題,一些專家對(duì)此做了研究,例如劉歡等人[3]提出基于評(píng)分可信度的大數(shù)據(jù)線性回歸推薦算法,優(yōu)先將用戶的興趣漂移度以及活躍度等信息全部考慮到用戶評(píng)分可信度的計(jì)算方法中,引入線性回歸推薦算法,通過優(yōu)化的線性回歸推薦算法對(duì)用戶評(píng)分展開預(yù)測(cè),最終完成大數(shù)據(jù)推薦。陳嘉穎等人[4]提出一種融合語義分析特征提取的推薦算法,通過知識(shí)圖譜將實(shí)體識(shí)別和連接技術(shù)有效結(jié)合,提取項(xiàng)目特征,分析各個(gè)項(xiàng)目特征之間的關(guān)系,組建子知識(shí)庫以及協(xié)同學(xué)習(xí)框架,通過損失函數(shù)優(yōu)化全部特征向量,最終通過用戶—項(xiàng)目表征結(jié)果完成推薦。陸航等人[5]將通過TF-IDF相關(guān)理論計(jì)算權(quán)重取值,引入指數(shù)衰減函數(shù)分析用戶興趣變化規(guī)律,對(duì)用戶興趣相似性和評(píng)分差異性兩者加權(quán)融合處理,得到精準(zhǔn)的用戶最近鄰,進(jìn)而完成預(yù)測(cè)項(xiàng)目評(píng)分以及推薦。

    在以上幾種算法的基礎(chǔ)上,提出一種基于多訪問并行特征提取的大數(shù)據(jù)推薦算法。通過提取用戶訪問特征,構(gòu)建訓(xùn)練集,將BiasSVD算法和聚類算法有效結(jié)合,實(shí)現(xiàn)大數(shù)據(jù)推薦。實(shí)驗(yàn)結(jié)果表明,所提算法能夠有效提升覆蓋率和加速比,獲取滿意的大數(shù)據(jù)推薦結(jié)果。

    2 算法

    2.1 用戶訪問特征提取

    用戶日常訪問的網(wǎng)頁以及使用的應(yīng)用類別全面反映了用戶的興趣傾向。目前,互聯(lián)網(wǎng)上存在一些網(wǎng)址導(dǎo)航類以及網(wǎng)站收錄類的站點(diǎn),對(duì)常用網(wǎng)站展開收錄和分類操作,詳細(xì)的操作步驟如下所示:

    1)對(duì)各個(gè)網(wǎng)站點(diǎn)爬蟲處理,得到各個(gè)站點(diǎn)不同類目下全部被收錄網(wǎng)站的域名,采用統(tǒng)一的形式存儲(chǔ)。

    2)匯總各個(gè)站點(diǎn)獲取的爬取結(jié)果。

    3)對(duì)各個(gè)站點(diǎn)的分類信息匯總和分析,同時(shí)參考國內(nèi)各個(gè)主流網(wǎng)絡(luò)的導(dǎo)航標(biāo)簽,確定使用網(wǎng)站的類目體系以及標(biāo)簽關(guān)鍵字。

    4)將相同類別的標(biāo)簽劃分到同一個(gè)表述詞上面,同時(shí)為相同類別的標(biāo)簽分配一樣的類別ID。

    將經(jīng)過爬蟲分析以及調(diào)整后的網(wǎng)站分類信息檢索表放置在分布式緩存系統(tǒng)中存儲(chǔ)。將用戶在不同類別網(wǎng)站上形成的記錄數(shù)據(jù)作為基礎(chǔ),組建用戶興趣特征向量。設(shè)定用戶集合為E={e1,e2,e3,…,ei},網(wǎng)站類目集合為W={w1,w2,w3,…,wj}。通過式(1)給出用戶ek的網(wǎng)站訪問行為興趣向量sek:

    sek={sk1,sk2,sk3,…,skj}

    (1)

    式中,skj代表用戶ek在類別為wj的網(wǎng)站形成的訪問記錄。通過式(2)給出全部用戶形成的網(wǎng)站興趣矩陣C:

    (2)

    其中,用戶em和en之間的網(wǎng)站興趣向量距離可以采用式(3)所示的歐幾里得距離d(em,en)表示:

    (3)

    電商用戶的每一次訪問記錄均可以表示為一個(gè)4元組,如式(4)所示:

    record={user,item,behavior,time}

    (4)

    式中,user代表用戶;time代表時(shí)間;behavior代表網(wǎng)站類型;item代表商品類型。

    訪問記錄是各個(gè)電商平臺(tái)在不干擾用戶正常購物的狀態(tài)下所采集到的數(shù)據(jù),通過訪問記錄可以更加真實(shí)反映用戶的購物模式。利用商品之間的關(guān)聯(lián)性學(xué)習(xí),獲取商品向量。其具體步驟如下所示:

    1)獲取交互商品序列集:

    根據(jù)用戶的訪問時(shí)間按序排列,并按照需求將其分組,將記錄中的商品提取出來,構(gòu)建交互商品序列集。將序列中的相鄰元素去重處理,促使相鄰的兩個(gè)元素屬于不同的具體商品,最終獲取交互商品序列集seq-set,如式(5)所示:

    seq-set={(item1,1,item1,2,…,itemn-1),…,

    (itemm,1,itemm,2,…,itemm,n-m)}

    (5)

    2)訓(xùn)練集的構(gòu)建:

    將窗口長度設(shè)為n,在用戶交互商品序列上滑動(dòng),將中間位置的商品p作為輸出,構(gòu)建訓(xùn)練樣本(m,n)。

    3)采用item2vec算法學(xué)習(xí)商品的隱向量,同時(shí)構(gòu)建全新的二維矩陣,其中每一行代表一個(gè)商品向量,并對(duì)其初始化處理,以此為依據(jù)搭建輸入層,采用神經(jīng)網(wǎng)絡(luò)對(duì)全部參數(shù)初始化處理,通過交叉熵?fù)p失計(jì)算獲取網(wǎng)絡(luò)損失,更新網(wǎng)絡(luò)參數(shù)。

    4)粗粒度用戶興趣點(diǎn)提取:

    在向量空間中對(duì)商品向量聚類處理,獲得多個(gè)聚類簇,將其作為聚類中心并計(jì)算平均值,以此構(gòu)建粗粒度用戶興趣點(diǎn)集合。

    交互商品序列具有上下文相關(guān)性,以下通過序列特征提取方法獲取用戶訪問特征。通過網(wǎng)絡(luò)神經(jīng)元關(guān)注各個(gè)輸入的特定內(nèi)容,采用神經(jīng)網(wǎng)絡(luò)提取非線性特征,引入分類樹有效解決手寫數(shù)字識(shí)別問題[6-7]。序列特征提取網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

    圖1 序列特征提取網(wǎng)絡(luò)結(jié)構(gòu)圖

    其中,LSTM層對(duì)于各步輸入都具有對(duì)應(yīng)的輸出,選取最后一步輸入到對(duì)應(yīng)的輸出,并與全連接層1連接。其中,網(wǎng)絡(luò)的全連接層主要用于特征提取,將全連接層2的輸出作為序列特征添加到興趣商品預(yù)測(cè)模型的特征集合中。序列特征提取訓(xùn)練集的詳細(xì)操作步驟如下所示[8-9]:

    1)獲取交互商品序列集:

    即用戶訪問記錄通過時(shí)間序列分組處理,獲取用戶訪問記錄序列集合rec-seq-set,如式(6)所示:

    rec-seq-set={(r11,r12,r13,…),

    (r21,r22,r23,…),…,(rn1,rn2,rn3,…)}

    (6)

    2)訓(xùn)練集的構(gòu)建:

    對(duì)步驟1)中的用戶訪問記錄序列集合展開遍歷,將記錄中購買的商品設(shè)為樣本輸出,提取交互商品添加到序列u中,直至u相鄰去重長度達(dá)到設(shè)定值,輸出用戶訪問特征。

    2.2 大數(shù)據(jù)推薦

    矩陣分解方法有很多不同的類型,奇異值分解是目前使用比較廣泛的一種方法[10-11]。奇異值分解(SVD)主要是將p×q階的原始評(píng)分矩陣S分解處理,形成三個(gè)大小相同的低秩矩陣,將三者相乘即可輸出最終的分解結(jié)果,如式(7)所示:

    Sp×q=U×N×I(h)

    (7)

    式中,U代表酉矩陣;N代表對(duì)角矩陣;I(h)代表原始矩陣的奇異值。

    結(jié)合相關(guān)先驗(yàn)知識(shí),優(yōu)先需要對(duì)評(píng)分矩陣降維處理,同時(shí)選取矩陣中取值比較大的n個(gè)奇異值構(gòu)建對(duì)角矩陣。大部分矩陣分解方法都是利用梯度下降法求解,所以梯度下降法實(shí)現(xiàn)比較容易,但是收斂速度比較快。采用梯度下降法求解偏差矩陣分解,詳細(xì)的操作步驟如下所示:

    1)計(jì)算總體平均值;

    2)將全部偏置項(xiàng)的取值均設(shè)定為0;

    3)將原始評(píng)分矩陣和經(jīng)過降維處理之后的低秩矩陣初始化處理;

    4)通過隨機(jī)梯度下降法的迭代獲取經(jīng)過優(yōu)化處理的矩陣以及向量;

    5)計(jì)算預(yù)測(cè)評(píng)分。

    為了獲取更加精準(zhǔn)的計(jì)算結(jié)果,需要在傳統(tǒng)模型的基礎(chǔ)上引入偏置項(xiàng),降低預(yù)測(cè)結(jié)果和真實(shí)結(jié)果兩者之間的誤差。雖然誤差得到降低,但是仍然存在。通過真實(shí)和預(yù)測(cè)評(píng)分兩者的差值,并對(duì)其調(diào)整誤差,進(jìn)而目標(biāo)用戶能夠獲取最近鄰。

    通過改進(jìn)的Pearson相關(guān)系數(shù)獲取用戶和聚類中心的相似度,詳細(xì)的計(jì)算式如下:

    I(u,v)

    (8)

    隨機(jī)選取m個(gè)聚類中心,通過式(8)計(jì)算用戶和聚類中心的相似度,同時(shí)將用戶劃分為m個(gè)簇。將全部相似度計(jì)算結(jié)果排序,根據(jù)排序結(jié)果得到和目標(biāo)用戶相似度最高的簇。在目標(biāo)用戶所在的簇中,將全部相似度計(jì)算結(jié)果排序處理,選取前n個(gè)相似度最高的用戶構(gòu)建目標(biāo)用戶最近鄰集合,如式(9)所示:

    (9)

    通過式(10)計(jì)算最近鄰集合中各個(gè)用戶對(duì)項(xiàng)目真實(shí)評(píng)分和預(yù)測(cè)評(píng)分兩者之間的平均差值,通過平均差值完成預(yù)測(cè)評(píng)分調(diào)整,得到目標(biāo)用戶的最終評(píng)分:

    (10)

    式中,rvi代表目標(biāo)用戶的最終評(píng)分;svi代表用戶真實(shí)評(píng)分;pvi代表預(yù)測(cè)評(píng)分。

    通過式(11)獲取目標(biāo)用戶對(duì)商品的最終預(yù)測(cè)評(píng)分dui:

    (11)

    式中,β代表基準(zhǔn)分;bu[u]代表規(guī)范化因子;ci[i]代表用戶偏好向量;Puk代表偏移量絕對(duì)值;Qik代表用戶評(píng)分矩陣。

    通過上述分析,將BiasSVD算法和聚類算法兩者有效結(jié)合,最終實(shí)現(xiàn)大數(shù)據(jù)推薦[12-13],詳細(xì)的操作步驟如下所示:

    1)收集全部用戶的偏好信息以及評(píng)分記錄,將其整理形成一個(gè)規(guī)格為m×n的評(píng)分矩陣Gm×n,如式(12)所示:

    (12)

    2)計(jì)算全部評(píng)分記錄的平均值,同時(shí)將用戶和項(xiàng)目的偏好向量初始化處理,將其取值設(shè)定為0;同時(shí)對(duì)用戶特征矩陣和項(xiàng)目特征矩陣初始化處理。

    3)通過梯度下降法[14-15]獲取最優(yōu)用戶和項(xiàng)目好向量,同時(shí)得到最優(yōu)用戶和項(xiàng)目特征矩陣。

    4)通過式(8)獲取相似度,當(dāng)全部用戶完成分類操作后,即可形成多個(gè)簇,利用簇完成目標(biāo)用戶最近鄰的選擇。

    5)通過式(11)計(jì)算獲取目標(biāo)用戶用戶對(duì)項(xiàng)目的最終預(yù)測(cè)評(píng)分,最終完成大數(shù)據(jù)推薦。

    3 實(shí)驗(yàn)分析

    為了驗(yàn)證基于多訪問并行特征提取的大數(shù)據(jù)推薦算法的有效性,選取來自A大學(xué)研究組的實(shí)驗(yàn)數(shù)據(jù)集作為測(cè)試樣本,同時(shí)采用5臺(tái)虛擬機(jī)搭建實(shí)驗(yàn)平臺(tái),采用基于評(píng)分可信度的大數(shù)據(jù)線性回歸推薦算法、一種融合語義分析特征提取的推薦算法做對(duì)比。分析用戶網(wǎng)站訪問和原始網(wǎng)站訪問兩者之間的關(guān)系如圖2所示:

    圖2 用戶網(wǎng)站訪問和原始訪問之間的關(guān)系

    通過分析圖2中的實(shí)驗(yàn)數(shù)據(jù)可知,網(wǎng)站的原始訪問頻率變化概率和用戶通過關(guān)注查找展開的網(wǎng)站訪問頻率兩者走勢(shì)基本一致,由此可見,通過用戶關(guān)注度對(duì)用戶的行為展開分析是切實(shí)可行的,且獲取的數(shù)據(jù)是有效的。

    在上述分析的基礎(chǔ)上,為了進(jìn)一步驗(yàn)證所提方法的性能,選取覆蓋率和加速比作為測(cè)試指標(biāo),其中兩者對(duì)應(yīng)的計(jì)算式如下:

    1)覆蓋率coverage主要是用來衡量模型挖掘物品的能力,取值越大越好,具體的的計(jì)算式如式(13)所示:

    (13)

    式中,R(u)代表為用戶推薦一個(gè)長度為N的商品列表;U代表全部商品;P代表商品評(píng)分集合。

    2)加速比speedup(p)主要用來衡量算法的可拓展性,詳細(xì)的計(jì)算式如下:

    (14)

    式中,T1代表網(wǎng)絡(luò)中隨機(jī)一個(gè)節(jié)點(diǎn)的運(yùn)行時(shí)長;Tp代表p個(gè)節(jié)點(diǎn)的運(yùn)行總時(shí)長。

    分別采用所提算法、基于評(píng)分可信度的大數(shù)據(jù)線性回歸推薦算法(參考文獻(xiàn)[3]算法)、一種融合語義分析特征提取的推薦算法(參考文獻(xiàn)[4]算法)做對(duì)比,驗(yàn)證不同推薦算法的覆蓋率如圖3所示。

    圖3 不同推薦算法的覆蓋率對(duì)比

    分析圖3中的實(shí)驗(yàn)數(shù)據(jù)可知,覆蓋率會(huì)隨著推薦列表長度的變化而變化,在推薦列表長度為12時(shí),所提算法的覆蓋率在75%~98%之間。但是和另外兩種推薦算法相比,所提算法的覆蓋率明顯更高一些。因此,說明所提算法具有比較強(qiáng)的挖掘能力,可以更好完成大數(shù)據(jù)推薦。

    通過表1分析三種不同算法的加速比變化情況。

    表1 不同推薦算法的加速比實(shí)驗(yàn)結(jié)果對(duì)比

    經(jīng)過對(duì)比和分析表1中的實(shí)驗(yàn)數(shù)據(jù)可知,在三種大數(shù)據(jù)推薦算法中,在節(jié)點(diǎn)個(gè)數(shù)為35個(gè)時(shí),所提算法的加速比取值為2.7,另外兩種推薦算法的取值分別為2.1和2.0,均低于所提算法。由此可以說明所提算法具有比較好的可拓展性。

    4 結(jié)束語

    針對(duì)傳統(tǒng)大數(shù)據(jù)推薦算法存在的加速比以及覆蓋率取值較低等問題,提出一種基于多訪問并行特征提取的大數(shù)據(jù)推薦算法。經(jīng)過實(shí)驗(yàn)對(duì)比分析可知,所提算法可以具有良好的推薦能力和可拓展性,確保大數(shù)據(jù)推薦結(jié)果的準(zhǔn)確性。為了進(jìn)一步提升大數(shù)據(jù)分析能力以及處理效率,后續(xù)將擴(kuò)大研究范圍,對(duì)數(shù)據(jù)存儲(chǔ)方式展開優(yōu)化,全面提升數(shù)據(jù)的處理速度。

    猜你喜歡
    特征提取代表矩陣
    詮釋代表初心 踐行人大使命
    四季的代表
    “代表通道”新觀察
    這個(gè)代表咋這么拗
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    Bagging RCSP腦電特征提取算法
    初等行變換與初等列變換并用求逆矩陣
    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
    在线观看av片永久免费下载| 国产成人精品一,二区| 美女视频免费永久观看网站| 九九爱精品视频在线观看| 丝袜喷水一区| 大又大粗又爽又黄少妇毛片口| 伦理电影大哥的女人| 美女大奶头黄色视频| 一本—道久久a久久精品蜜桃钙片| 国产免费视频播放在线视频| 国产欧美日韩一区二区三区在线 | 22中文网久久字幕| 国产亚洲午夜精品一区二区久久| 国产成人aa在线观看| 丝瓜视频免费看黄片| 国产成人freesex在线| 久久久午夜欧美精品| 少妇的逼好多水| 国产精品久久久久成人av| 乱人伦中国视频| 久久av网站| 男女啪啪激烈高潮av片| 欧美少妇被猛烈插入视频| 男人和女人高潮做爰伦理| av在线app专区| 国产精品一区二区在线观看99| 精品久久久久久久久亚洲| 国产日韩一区二区三区精品不卡 | 国产精品一区二区性色av| 精品一区二区免费观看| 日韩欧美精品免费久久| 国产一区有黄有色的免费视频| 三级经典国产精品| 日日撸夜夜添| 亚洲四区av| 精品亚洲成国产av| 三级国产精品欧美在线观看| 精品久久国产蜜桃| 欧美精品亚洲一区二区| 亚洲精品一二三| 日韩av不卡免费在线播放| 国产精品人妻久久久影院| 日韩免费高清中文字幕av| 久久久久久久久久久丰满| av有码第一页| 日韩大片免费观看网站| 男人爽女人下面视频在线观看| 国产精品麻豆人妻色哟哟久久| 中文字幕人妻丝袜制服| √禁漫天堂资源中文www| 五月天丁香电影| 在线观看一区二区三区激情| 三级国产精品欧美在线观看| 久久久久人妻精品一区果冻| 三级国产精品片| 在线播放无遮挡| 最新的欧美精品一区二区| 久久午夜综合久久蜜桃| 欧美 日韩 精品 国产| 99re6热这里在线精品视频| 国产有黄有色有爽视频| 在线看a的网站| 人妻 亚洲 视频| 久久av网站| 三级国产精品欧美在线观看| 日日啪夜夜撸| 亚洲天堂av无毛| 亚洲精品国产色婷婷电影| 18禁在线无遮挡免费观看视频| 一级黄片播放器| 久久久久久久大尺度免费视频| 日日啪夜夜爽| 少妇的逼水好多| 国产精品一区二区三区四区免费观看| 国产成人精品无人区| 少妇被粗大猛烈的视频| 精品久久久久久久久av| 亚洲欧美日韩卡通动漫| 国产精品一区www在线观看| 内地一区二区视频在线| 两个人免费观看高清视频 | 有码 亚洲区| 亚洲精品国产av成人精品| 午夜精品国产一区二区电影| 国产伦理片在线播放av一区| 肉色欧美久久久久久久蜜桃| 观看av在线不卡| 国产成人精品福利久久| 国产精品麻豆人妻色哟哟久久| 久久久久久久久久成人| 一级爰片在线观看| 人妻一区二区av| 亚洲av日韩在线播放| 成年美女黄网站色视频大全免费 | 99热这里只有是精品在线观看| 新久久久久国产一级毛片| 久久精品国产亚洲av涩爱| 成人毛片a级毛片在线播放| 日韩伦理黄色片| 精品久久久久久久久av| 国产片特级美女逼逼视频| 精品亚洲成a人片在线观看| 久久av网站| 久久国产精品大桥未久av | 插阴视频在线观看视频| 超碰97精品在线观看| 午夜免费观看性视频| 国产有黄有色有爽视频| 亚洲怡红院男人天堂| 亚洲精品国产色婷婷电影| 久久午夜福利片| 欧美 日韩 精品 国产| 日韩精品免费视频一区二区三区 | 天堂俺去俺来也www色官网| 五月天丁香电影| 亚洲成人一二三区av| 十八禁高潮呻吟视频 | 亚洲怡红院男人天堂| 视频中文字幕在线观看| 国产精品久久久久久精品电影小说| 国产爽快片一区二区三区| 少妇的逼水好多| 我的老师免费观看完整版| 我的女老师完整版在线观看| av在线播放精品| 麻豆乱淫一区二区| 免费少妇av软件| 插逼视频在线观看| 婷婷色综合大香蕉| 偷拍熟女少妇极品色| 51国产日韩欧美| 亚洲三级黄色毛片| 99国产精品免费福利视频| av天堂久久9| 免费黄色在线免费观看| 国产成人精品一,二区| 免费大片黄手机在线观看| 免费人妻精品一区二区三区视频| 夫妻午夜视频| 国产亚洲精品久久久com| 欧美精品一区二区大全| 3wmmmm亚洲av在线观看| 美女xxoo啪啪120秒动态图| 亚洲欧美清纯卡通| 三级国产精品片| 国产伦精品一区二区三区四那| 99精国产麻豆久久婷婷| 91aial.com中文字幕在线观看| 在线观看三级黄色| 能在线免费看毛片的网站| 亚洲精品456在线播放app| 午夜免费男女啪啪视频观看| 日韩欧美 国产精品| 99热网站在线观看| 亚洲,一卡二卡三卡| 麻豆乱淫一区二区| 两个人免费观看高清视频 | 午夜免费鲁丝| 久久久久国产精品人妻一区二区| 日韩视频在线欧美| 中文字幕人妻丝袜制服| 国产一区二区在线观看av| 免费av中文字幕在线| 在线观看美女被高潮喷水网站| 亚洲欧美中文字幕日韩二区| 免费黄网站久久成人精品| 99re6热这里在线精品视频| 亚洲精品自拍成人| 一级片'在线观看视频| 人妻人人澡人人爽人人| 午夜精品国产一区二区电影| 亚洲久久久国产精品| 少妇的逼水好多| 精品一区二区三区视频在线| 麻豆精品久久久久久蜜桃| 国产一区有黄有色的免费视频| 国产精品一区二区在线观看99| 国产 一区精品| 黑人高潮一二区| 毛片一级片免费看久久久久| 久久精品国产鲁丝片午夜精品| 九草在线视频观看| 色婷婷av一区二区三区视频| 中文字幕精品免费在线观看视频 | 国产男女内射视频| av不卡在线播放| 亚洲人成网站在线播| 国产一区二区三区综合在线观看 | 十八禁网站网址无遮挡 | 高清欧美精品videossex| 久久久久精品性色| 亚洲欧美日韩卡通动漫| 久久国内精品自在自线图片| 国产日韩欧美亚洲二区| 国产有黄有色有爽视频| 日韩制服骚丝袜av| videossex国产| 欧美日韩亚洲高清精品| 亚洲精品一二三| 欧美日韩精品成人综合77777| 一区二区三区免费毛片| 一级av片app| 国产伦精品一区二区三区四那| 日韩av在线免费看完整版不卡| 久久ye,这里只有精品| 男人和女人高潮做爰伦理| 午夜精品国产一区二区电影| 久久鲁丝午夜福利片| 看非洲黑人一级黄片| 一区二区三区四区激情视频| 建设人人有责人人尽责人人享有的| 精品人妻一区二区三区麻豆| 国产午夜精品一二区理论片| 欧美三级亚洲精品| 各种免费的搞黄视频| 插阴视频在线观看视频| 国产亚洲av片在线观看秒播厂| 中文天堂在线官网| 丰满乱子伦码专区| 色吧在线观看| 日韩精品有码人妻一区| 日韩成人av中文字幕在线观看| 国产精品久久久久久久久免| 伦理电影大哥的女人| 国产亚洲5aaaaa淫片| 国产亚洲欧美精品永久| 午夜91福利影院| 国产无遮挡羞羞视频在线观看| 熟女av电影| 久久99精品国语久久久| 亚洲国产精品一区三区| 免费黄色在线免费观看| 午夜福利,免费看| 精品国产乱码久久久久久小说| av免费在线看不卡| 久久精品国产鲁丝片午夜精品| 午夜视频国产福利| 免费人妻精品一区二区三区视频| 国产av国产精品国产| 高清在线视频一区二区三区| 大陆偷拍与自拍| 各种免费的搞黄视频| 一本一本综合久久| a级片在线免费高清观看视频| 精华霜和精华液先用哪个| 国产黄片视频在线免费观看| 99热这里只有是精品在线观看| av福利片在线观看| 菩萨蛮人人尽说江南好唐韦庄| 色哟哟·www| 久久99热6这里只有精品| 国产日韩欧美亚洲二区| 亚洲成色77777| 高清av免费在线| 51国产日韩欧美| 岛国毛片在线播放| 国产熟女午夜一区二区三区 | 夫妻午夜视频| 免费在线观看成人毛片| 亚洲欧美成人精品一区二区| 蜜臀久久99精品久久宅男| 美女xxoo啪啪120秒动态图| 狠狠精品人妻久久久久久综合| 国产永久视频网站| 久久久久网色| av福利片在线观看| 久久韩国三级中文字幕| 国产探花极品一区二区| 青春草亚洲视频在线观看| 中文字幕人妻熟人妻熟丝袜美| 91aial.com中文字幕在线观看| 简卡轻食公司| 亚洲欧美精品自产自拍| 一级毛片我不卡| www.av在线官网国产| 在线观看国产h片| 亚洲av成人精品一区久久| 国产一区二区在线观看日韩| 日本黄色片子视频| av在线观看视频网站免费| 国产淫片久久久久久久久| 国产精品一区二区在线观看99| 人人澡人人妻人| 国产淫语在线视频| 中国三级夫妇交换| 久久久久久人妻| 国产精品成人在线| 丰满饥渴人妻一区二区三| 日韩欧美 国产精品| 一本久久精品| 国产高清不卡午夜福利| 卡戴珊不雅视频在线播放| 色5月婷婷丁香| 国产精品免费大片| 成年女人在线观看亚洲视频| 国产精品国产三级国产av玫瑰| 中文字幕亚洲精品专区| 婷婷色综合大香蕉| 国产精品伦人一区二区| 国产精品无大码| 麻豆乱淫一区二区| 久久久久国内视频| 亚洲精品一卡2卡三卡4卡5卡 | 精品高清国产在线一区| 啦啦啦 在线观看视频| 精品第一国产精品| 亚洲视频免费观看视频| 久久ye,这里只有精品| 久久精品熟女亚洲av麻豆精品| 成人国产av品久久久| 午夜福利一区二区在线看| 精品欧美一区二区三区在线| 欧美av亚洲av综合av国产av| 狂野欧美激情性xxxx| 97在线人人人人妻| 十分钟在线观看高清视频www| 午夜精品国产一区二区电影| 日本一区二区免费在线视频| 天天躁夜夜躁狠狠躁躁| 亚洲欧美成人综合另类久久久| 另类精品久久| 亚洲精品自拍成人| 精品少妇内射三级| 成年av动漫网址| 狂野欧美激情性bbbbbb| 久久狼人影院| 免费观看av网站的网址| 欧美大码av| 久久久久久久国产电影| 母亲3免费完整高清在线观看| 男女高潮啪啪啪动态图| 国产欧美日韩一区二区三区在线| 免费观看人在逋| 一级片'在线观看视频| 久久人人爽人人片av| 99精品欧美一区二区三区四区| 精品一区二区三区四区五区乱码| 老熟妇乱子伦视频在线观看 | 啪啪无遮挡十八禁网站| 啦啦啦在线免费观看视频4| avwww免费| 亚洲国产av影院在线观看| 亚洲专区中文字幕在线| 亚洲国产av新网站| 亚洲伊人色综图| 国产精品秋霞免费鲁丝片| 天天躁夜夜躁狠狠躁躁| 久久这里只有精品19| 久久人人97超碰香蕉20202| 99热国产这里只有精品6| 亚洲精品国产区一区二| 免费人妻精品一区二区三区视频| 妹子高潮喷水视频| 亚洲熟女精品中文字幕| 狠狠精品人妻久久久久久综合| 别揉我奶头~嗯~啊~动态视频 | 久久久久久亚洲精品国产蜜桃av| 国产精品免费视频内射| 十八禁人妻一区二区| 国产精品免费视频内射| 桃红色精品国产亚洲av| 老司机靠b影院| 国产av又大| 久久久精品区二区三区| 午夜精品久久久久久毛片777| 飞空精品影院首页| 亚洲天堂av无毛| 热re99久久精品国产66热6| 最新的欧美精品一区二区| 欧美日韩精品网址| 这个男人来自地球电影免费观看| 老熟妇乱子伦视频在线观看 | 一区二区av电影网| 老司机深夜福利视频在线观看 | 高清在线国产一区| 亚洲成人免费av在线播放| 久久久久久亚洲精品国产蜜桃av| 波多野结衣av一区二区av| 亚洲av男天堂| 日韩视频在线欧美| 男女国产视频网站| a级片在线免费高清观看视频| 丰满迷人的少妇在线观看| 免费在线观看完整版高清| 久久热在线av| 久久久久精品人妻al黑| 亚洲成人手机| 精品国产乱码久久久久久男人| 欧美人与性动交α欧美软件| 啪啪无遮挡十八禁网站| 日韩中文字幕欧美一区二区| 美女主播在线视频| 韩国精品一区二区三区| 亚洲免费av在线视频| 欧美精品高潮呻吟av久久| 色综合欧美亚洲国产小说| 精品一品国产午夜福利视频| 中国国产av一级| 99精品欧美一区二区三区四区| 精品少妇久久久久久888优播| 捣出白浆h1v1| 99九九在线精品视频| 99精国产麻豆久久婷婷| 五月天丁香电影| 一级片免费观看大全| 亚洲精品成人av观看孕妇| 久久精品亚洲av国产电影网| 999久久久国产精品视频| 日韩制服骚丝袜av| 久久国产精品男人的天堂亚洲| 熟女少妇亚洲综合色aaa.| av视频免费观看在线观看| 国产人伦9x9x在线观看| 亚洲国产日韩一区二区| 天天躁日日躁夜夜躁夜夜| 51午夜福利影视在线观看| 亚洲国产精品成人久久小说| 大香蕉久久成人网| 久久久久久久大尺度免费视频| 精品国产一区二区久久| 少妇精品久久久久久久| 久久久精品94久久精品| 十八禁网站网址无遮挡| 99九九在线精品视频| 精品免费久久久久久久清纯 | 在线观看舔阴道视频| 久久人妻熟女aⅴ| 午夜免费成人在线视频| 久久久精品国产亚洲av高清涩受| av在线老鸭窝| 午夜成年电影在线免费观看| 99国产精品免费福利视频| 真人做人爱边吃奶动态| 亚洲欧美精品自产自拍| 日韩一区二区三区影片| 免费高清在线观看视频在线观看| 久久久久网色| 精品人妻熟女毛片av久久网站| 国产精品二区激情视频| 十分钟在线观看高清视频www| 狠狠精品人妻久久久久久综合| 亚洲熟女精品中文字幕| 欧美日韩精品网址| 亚洲九九香蕉| 王馨瑶露胸无遮挡在线观看| 日韩三级视频一区二区三区| 久久 成人 亚洲| 人妻 亚洲 视频| 国产精品欧美亚洲77777| 国产日韩欧美在线精品| 中文字幕色久视频| 国产成人系列免费观看| 狂野欧美激情性xxxx| 嫩草影视91久久| 最黄视频免费看| 狠狠精品人妻久久久久久综合| 国产国语露脸激情在线看| www.自偷自拍.com| 国产欧美日韩综合在线一区二区| 丝袜在线中文字幕| 波多野结衣一区麻豆| 一区二区三区激情视频| 99久久综合免费| 99国产综合亚洲精品| 欧美精品啪啪一区二区三区 | 热99re8久久精品国产| 秋霞在线观看毛片| 欧美 亚洲 国产 日韩一| 亚洲成av片中文字幕在线观看| 精品一区在线观看国产| 亚洲 国产 在线| 51午夜福利影视在线观看| xxxhd国产人妻xxx| 欧美变态另类bdsm刘玥| 欧美一级毛片孕妇| 伊人久久大香线蕉亚洲五| 99国产精品一区二区蜜桃av | 精品少妇黑人巨大在线播放| 国产在视频线精品| 一级,二级,三级黄色视频| 成人av一区二区三区在线看 | 国产在线一区二区三区精| 日本一区二区免费在线视频| 亚洲精品国产av成人精品| 妹子高潮喷水视频| 欧美精品高潮呻吟av久久| 亚洲国产av新网站| 亚洲专区中文字幕在线| 18禁国产床啪视频网站| 最新在线观看一区二区三区| 日本五十路高清| 热99re8久久精品国产| 成年av动漫网址| 久久精品久久久久久噜噜老黄| 美女视频免费永久观看网站| 制服诱惑二区| 国产一级毛片在线| 亚洲天堂av无毛| 女人被躁到高潮嗷嗷叫费观| 欧美人与性动交α欧美精品济南到| 黄色 视频免费看| 欧美人与性动交α欧美精品济南到| 亚洲国产欧美日韩在线播放| 香蕉国产在线看| 欧美亚洲日本最大视频资源| 欧美人与性动交α欧美精品济南到| 免费在线观看影片大全网站| 99香蕉大伊视频| 狠狠精品人妻久久久久久综合| 久久精品久久久久久噜噜老黄| 欧美+亚洲+日韩+国产| 精品久久久久久电影网| 乱人伦中国视频| 久久久久久亚洲精品国产蜜桃av| tube8黄色片| av网站在线播放免费| 欧美97在线视频| 国产精品欧美亚洲77777| 午夜福利一区二区在线看| 国产人伦9x9x在线观看| 亚洲男人天堂网一区| 黄色怎么调成土黄色| www.av在线官网国产| 亚洲av片天天在线观看| 免费女性裸体啪啪无遮挡网站| 久久精品亚洲熟妇少妇任你| 大型av网站在线播放| 日韩 亚洲 欧美在线| 午夜福利在线观看吧| 国产视频一区二区在线看| 桃红色精品国产亚洲av| 亚洲精品国产区一区二| 欧美日韩福利视频一区二区| 老熟女久久久| 狂野欧美激情性xxxx| 青春草视频在线免费观看| 狂野欧美激情性xxxx| 国产淫语在线视频| www.精华液| 美女午夜性视频免费| 91麻豆av在线| 国产xxxxx性猛交| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品香港三级国产av潘金莲| svipshipincom国产片| 国产av一区二区精品久久| 精品一区在线观看国产| 99精品欧美一区二区三区四区| 久久国产亚洲av麻豆专区| 天堂中文最新版在线下载| 9热在线视频观看99| 免费高清在线观看视频在线观看| 丁香六月天网| 国产精品一区二区免费欧美 | 美国免费a级毛片| 国产精品成人在线| 免费少妇av软件| av国产精品久久久久影院| 亚洲黑人精品在线| 久久精品国产a三级三级三级| 中文字幕最新亚洲高清| 肉色欧美久久久久久久蜜桃| 亚洲国产欧美日韩在线播放| 国产成人啪精品午夜网站| videosex国产| 国产精品国产三级国产专区5o| 欧美黄色淫秽网站| 国产在线视频一区二区| 777久久人妻少妇嫩草av网站| 国产国语露脸激情在线看| 久久久欧美国产精品| 日韩免费高清中文字幕av| 亚洲熟女精品中文字幕| 国产亚洲av片在线观看秒播厂| 中文精品一卡2卡3卡4更新| 国产日韩欧美在线精品| 中文字幕最新亚洲高清| 亚洲精品粉嫩美女一区| 又黄又粗又硬又大视频| 国产福利在线免费观看视频| 亚洲欧美日韩另类电影网站| 亚洲熟女精品中文字幕| 国产在线一区二区三区精| 国产男女内射视频| 99re6热这里在线精品视频| 99久久99久久久精品蜜桃| 欧美xxⅹ黑人| 水蜜桃什么品种好| 香蕉国产在线看| 18禁观看日本| av又黄又爽大尺度在线免费看| 一区福利在线观看| 亚洲av美国av| 久久 成人 亚洲| 国产亚洲精品久久久久5区| 久久久久久免费高清国产稀缺| 国产亚洲欧美精品永久| 亚洲精品粉嫩美女一区| 亚洲五月色婷婷综合| 日韩中文字幕视频在线看片| 亚洲中文av在线| 亚洲熟女毛片儿| 老司机福利观看| 亚洲人成77777在线视频| 欧美日韩黄片免| 多毛熟女@视频| 中文字幕人妻丝袜制服| 午夜精品国产一区二区电影| av天堂久久9| 一个人免费在线观看的高清视频 | 国产淫语在线视频| 淫妇啪啪啪对白视频 | 亚洲免费av在线视频| 久久亚洲精品不卡| 精品一区二区三区av网在线观看 |