• <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 ?

    一種基于深度學(xué)習(xí)的電影推薦算法

    2019-10-08 06:43:30李浩然劉光遠(yuǎn)張樂(lè)瑩
    軟件 2019年5期
    關(guān)鍵詞:協(xié)同過(guò)濾卷積神經(jīng)網(wǎng)絡(luò)

    李浩然 劉光遠(yuǎn) 張樂(lè)瑩

    摘 ?要: 隨著互聯(lián)網(wǎng)的發(fā)展,人們的娛樂(lè)方式趨于多樣化,但人們總想可以直接定位根據(jù)自己口味的電影而不是通過(guò)自己的搜索和朋友的推薦。然而目前已有的推薦系統(tǒng)機(jī)制過(guò)于簡(jiǎn)單,往往是根據(jù)網(wǎng)友對(duì)電影的的綜合評(píng)分,可根據(jù)關(guān)鍵字,類別等具體搜索,久而久之的搜索痕跡來(lái)證明用戶的喜好。這種基于協(xié)同過(guò)濾的推薦系統(tǒng)在遇到冷啟動(dòng)問(wèn)題時(shí)會(huì)產(chǎn)生較大的偏差。本文利用卷積神經(jīng)網(wǎng)絡(luò)結(jié)合協(xié)同過(guò)濾系統(tǒng)設(shè)計(jì)出了一款基于神經(jīng)網(wǎng)絡(luò)的電影推薦系統(tǒng),利用MBGD(小批量梯度下降法)對(duì)模型進(jìn)行優(yōu)化,并在有限的數(shù)據(jù)集下進(jìn)行了該系統(tǒng)的實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明該系統(tǒng)比傳統(tǒng)推薦方法具有更高的準(zhǔn)確性。

    關(guān)鍵詞: 卷積神經(jīng)網(wǎng)絡(luò)(CNN)、協(xié)同過(guò)濾、文本卷積網(wǎng)絡(luò)、迭代次數(shù)、小批量梯度下降法(MBGD)

    中圖分類號(hào): TP183 ? ?文獻(xiàn)標(biāo)識(shí)碼: A ? ?DOI:10.3969/j.issn.1003-6970.2019.05.036

    本文著錄格式:李浩然,劉光遠(yuǎn),張樂(lè)瑩. 一種基于深度學(xué)習(xí)的電影推薦算法[J]. 軟件,2019,40(5):185189

    【Abstract】: With the development of the Internet, people's entertainment methods tend to be diversified, but people always want to be able to directly locate movies according to their own tastes rather than through their own search and friends' recommendations. However, the existing recommendation system mechanism is too simple, and it is often based on the comprehensive rating of the users on the movie, and the user's preferences can be proved according to the specific search of keywords, categories, and the like. This collaborative filtering-based recommendation system can cause large deviations when it encounters a cold start problem. In this paper, a convolutional neural network combined with collaborative filtering system is used to design a movie recommendation system based on neural network. The model is optimized by MBGD (small batch gradient descent method), and the experiment of the system is carried out under a limited data set. Experimental results show that the system has higher accuracy than the traditional recommended method.

    【Key words】: Convolutional neural network(CNN); Collaborative filtering; Text convolutional network; Iteration number; Small batch gradient descent method (MBGD)

    0 ?引言

    隨著互聯(lián)網(wǎng)的發(fā)展,人們的娛樂(lè)方式趨于多樣化,但人們總想可以直接定位根據(jù)自己口味的電影而不是通過(guò)自己的搜索和朋友的推薦,同時(shí),各大觀影平臺(tái)和電影評(píng)分網(wǎng)站也希望可以通過(guò)對(duì)用戶已公開的數(shù)據(jù)進(jìn)行分析從而推薦出用戶可能喜歡的電影以增加用戶粘性,例如全美最大收費(fèi)視頻平臺(tái)Netflix曾舉辦競(jìng)賽[1]來(lái)獲得最佳算法以改進(jìn)其推薦系統(tǒng)。傳統(tǒng)的點(diǎn)評(píng)和推薦的機(jī)制較為簡(jiǎn)單,往往是根據(jù)網(wǎng)友對(duì)電影的的綜合評(píng)分,可根據(jù)關(guān)鍵字,類別等具體搜索,久而久之的搜索痕跡來(lái)證明用戶的喜好。然而電影的偏好所涉及的因素多種多樣。例如傳統(tǒng)的基于電影評(píng)分的單一系統(tǒng)無(wú)法考慮到部分影片存在用戶惡意低評(píng)或者批量好評(píng)提升評(píng)分的現(xiàn)象,所以僅根據(jù)電影評(píng)分進(jìn)行推薦會(huì)導(dǎo)致推薦混亂。若是用戶僅根據(jù)電影類別進(jìn)行搜索,搜索結(jié)果也只是將電影進(jìn)行歸類,這些結(jié)果并沒(méi)有經(jīng)過(guò)篩選,所以電影口碑參差不齊的搜索結(jié)果也會(huì)在一定程度上影響用戶對(duì)電影和電影人的評(píng)價(jià)。因此當(dāng)今亟需一個(gè)綜合更多維度的有效推薦系統(tǒng)。

    基于此,本文使用MovieLen數(shù)據(jù)集[2],提取其中電影名稱和電影ID并與電影類型綜合使用解決問(wèn)題,主體使用卷積神經(jīng)網(wǎng)絡(luò)[3],附加通過(guò)文本卷積神經(jīng)網(wǎng)絡(luò)[4]結(jié)合協(xié)同過(guò)濾技術(shù)[5]增加算法可靠性。為了驗(yàn)證模型的有效性本文采用相關(guān)數(shù)據(jù)進(jìn)行測(cè) ?試對(duì)比,實(shí)驗(yàn)結(jié)果表明本文的模型和方法有較好的效果。

    1 ?相關(guān)工作

    傳統(tǒng)對(duì)情感分析的方法是利用情感字典將各類詞匯根據(jù)經(jīng)驗(yàn)進(jìn)行分類,之后將分類的結(jié)果作為依據(jù)對(duì)情感進(jìn)行分析。將不好看,無(wú)聊等消極的詞匯自動(dòng)歸為差評(píng),將好看,經(jīng)典等詞匯歸為好評(píng),這樣雖然能成功的根據(jù)電影的影評(píng)來(lái)對(duì)電影進(jìn)行自動(dòng)評(píng)分,但是有些生僻或者莫能兩可的詞匯卻會(huì)對(duì)評(píng)分產(chǎn)生干擾甚至是錯(cuò)評(píng),具有較低的精度,并且情感字典需要極其大量的數(shù)據(jù)和人為經(jīng)驗(yàn)的預(yù)先規(guī)定和輸入,在沒(méi)有相關(guān)語(yǔ)言背景的條件下幾乎無(wú)法實(shí)現(xiàn)。之后也利用機(jī)器學(xué)習(xí)來(lái)對(duì)情感進(jìn)行分析預(yù)測(cè),但是對(duì)機(jī)器訓(xùn)練的過(guò)程中需要極其大量的數(shù)據(jù)作為支柱來(lái)提高結(jié)果的精確性,這種方法也不便于執(zhí)行。

    同時(shí)傳統(tǒng)的推薦系統(tǒng)使用的協(xié)同過(guò)濾技術(shù)過(guò)于單一,往往只綜合評(píng)分和同樣用戶的觀看記錄,然而在本模型中我們使用了文本卷積網(wǎng)絡(luò)處理電影名稱同時(shí)作為推薦的另外一個(gè)評(píng)判標(biāo)準(zhǔn)。

    本文未實(shí)用深層神經(jīng)網(wǎng)絡(luò)主要有以下兩個(gè)考慮原因,首先DNN結(jié)構(gòu)的神經(jīng)元層數(shù)較多,訓(xùn)練的結(jié)果極易受極值的影響,影評(píng)中的極端評(píng)價(jià)則有極大可能使模型陷入局部極值。其次較深層次的網(wǎng)絡(luò)需要十分大量的數(shù)據(jù)進(jìn)行訓(xùn)練,不足量的數(shù)據(jù)可能導(dǎo)致自底層只能接收到小量的數(shù)據(jù)甚至無(wú)法接收到數(shù)據(jù),從而在擬合時(shí)出現(xiàn)偏差。

    BP神經(jīng)網(wǎng)絡(luò)[6-9]和DNN存在相似的問(wèn)題,雖然其按誤差逆?zhèn)鞑ニ惴ㄟM(jìn)行模型訓(xùn)練,有著較高的容錯(cuò)性和泛化自適應(yīng)性,但是多層次的前饋網(wǎng)絡(luò)卻十分依賴于樣本,訓(xùn)練和預(yù)測(cè)能力的趨勢(shì)并不固定。并且需要合適的數(shù)據(jù)量進(jìn)行訓(xùn)練,否則會(huì)容易因訓(xùn)練的樣本過(guò)多或過(guò)少而導(dǎo)致過(guò)度擬合。

    所以在此情況下,本文考慮使用的CNN卷積神經(jīng)網(wǎng)絡(luò)他不僅允許人為的規(guī)定訓(xùn)練的重心,通過(guò)逐層的特征提取來(lái)提升分類的準(zhǔn)確性[10],而且其局部連接,權(quán)值共享及采樣操作等特性可以有效的降低網(wǎng)絡(luò)的復(fù)雜度,減少訓(xùn)練參數(shù)的數(shù)目[11]。

    2 ?相關(guān)模型和算法

    2.1 ?文本卷積網(wǎng)絡(luò)

    在進(jìn)行電影推薦時(shí),我們需要處理的數(shù)據(jù)類別包含了用戶的年齡、性別、喜好的電影類型、電影的評(píng)分以及電影的名稱。相對(duì)于前4個(gè)元素,我們對(duì)數(shù)據(jù)進(jìn)行了預(yù)處理,然而電影的名稱并不好轉(zhuǎn)化為數(shù)字,所以在對(duì)其進(jìn)行分析和建模時(shí)我們使用了文本卷積網(wǎng)絡(luò),網(wǎng)絡(luò)的具體樣式如圖1所示,其中,網(wǎng)絡(luò)的第一層為詞嵌入層,該層為多個(gè)嵌入矩陣,每個(gè)嵌入矩陣由多個(gè)嵌入向量組成,每個(gè)嵌入向量均表示一個(gè)單詞。第二層為多個(gè)不同尺寸的卷積核在詞嵌入層的矩陣上做卷積,尺寸大小表示了每次卷積計(jì)算覆蓋的單詞的多少。不同于對(duì)圖像的卷積,文本的卷積要覆蓋整個(gè)單詞的嵌入向量,所以其尺寸為單詞數(shù),每次卷積滑動(dòng)的長(zhǎng)度一般為4~5個(gè)單詞。第三層網(wǎng)絡(luò)是max pooling所得到的一個(gè)長(zhǎng)向量,最后通過(guò)deopout對(duì)結(jié)果進(jìn)行正則化,最終得到了電影名稱的特征值。

    2.2 ?模型設(shè)計(jì)

    本文所采用的算法CNN為一種深度神經(jīng)網(wǎng)絡(luò),其基本模型如圖2所示。

    首先,本文在輸入層使用了嵌入層將數(shù)據(jù)進(jìn)行處理并得到模型訓(xùn)練所需的特征。在第一層嵌入層中,本文設(shè)置的維度分別為(n,32)和(n,16),然而由于有些電影存在多個(gè)類型,比如科幻動(dòng)作,所以,本文將電影類型的特征矩陣取出后進(jìn)行了求和,得到了一個(gè)(1,32)的向量。之后,將所有特征引出并將其接連傳輸?shù)絻蓚€(gè)全鏈接層中,最終分別得到大小為(1,200)的用戶特征和電影特征兩個(gè)特征向量。本文通過(guò)對(duì)這兩個(gè)特征向量做向量乘法,將真實(shí)測(cè)評(píng)與該結(jié)果做回歸分析,采用均方誤差對(duì)結(jié)果進(jìn)行優(yōu)化,最終得出了相較完美的電影推薦結(jié)果。

    3 ?實(shí)驗(yàn)

    3.1 ?數(shù)據(jù)集

    本文所用到的數(shù)據(jù)為MovieLens所提供的數(shù)據(jù)集。這其中包含了大約3,900部電影的1,000,209個(gè)匿名評(píng)級(jí),以及匿名用戶的部分身份信息。用戶數(shù)據(jù)中包括了用戶的年齡、性別、職業(yè)和郵編。為了更方便地使用數(shù)據(jù),我們對(duì)數(shù)據(jù)進(jìn)行了處理,將不需要的郵編數(shù)據(jù)進(jìn)行了舍棄,將性別修改成了0和1方便讀取,對(duì)不同的職業(yè)進(jìn)行了不同的編碼,并且將年齡按照不同的年齡段劃分為了0~6多個(gè)層級(jí),最終的數(shù)據(jù)內(nèi)容如圖3所示。電影數(shù)據(jù)中,則包含了電影的名稱和電影的類別,其中,一部電影的類別可能為很多種,考慮到后面訓(xùn)練模型時(shí)可能會(huì)遇到的問(wèn)題,本文對(duì)電影的類別數(shù)據(jù)通過(guò)了如上文中所述的文本卷積網(wǎng)絡(luò)進(jìn)行了處理。電影數(shù)據(jù)的內(nèi)容如圖4所示。本次所使用的數(shù)據(jù)集還有另外一個(gè)評(píng)級(jí)數(shù)據(jù)集,也就是本文在訓(xùn)練時(shí)設(shè)置的Target,其中包含了用戶的ID、電影的ID、電影的星級(jí)評(píng)價(jià)(滿分為5)以及評(píng)價(jià)時(shí)間,由于本次模型訓(xùn)練的Target為電影的評(píng)分,故我們?cè)谟?xùn)練時(shí)將評(píng)價(jià)時(shí)間舍棄,具體的數(shù)據(jù)內(nèi)容如圖5所示。

    3.2 ?數(shù)據(jù)預(yù)處理

    由于在數(shù)據(jù)集中,電影的類別和名稱都是文本的形式,本文將其轉(zhuǎn)化為了數(shù)字類型。首先將其轉(zhuǎn)化為字符串,并以數(shù)字的形式保存在字典類型當(dāng)中,之后,由于電影的類別包含多個(gè)參數(shù),電影的名稱包含多個(gè)字段,我們均將其轉(zhuǎn)換為了數(shù)字列表,同時(shí)去掉了電影名稱中的年份。最終結(jié)果如下圖6所示。

    3.3 ?訓(xùn)練參數(shù)設(shè)置

    本文在初次進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)建模時(shí)產(chǎn)生了較大的誤差,為了保證算法的精確性,且由于實(shí)驗(yàn)使用的數(shù)據(jù)量較大,本文最終決定采用MBGD(小批量梯度下降法)對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化。但其在模型訓(xùn)練過(guò)程中需要使用大量的訓(xùn)練數(shù)據(jù)進(jìn)行長(zhǎng)時(shí)間的計(jì)算,其中,代價(jià)函數(shù)和激活函數(shù)的選擇對(duì)模型的訓(xùn)練效率有很大的影響[12]。優(yōu)化過(guò)程中,影響最大的參數(shù)主要有三個(gè):batch_size、學(xué)習(xí)率和迭代次數(shù)。本文為了探究不同參數(shù)影響下卷積神經(jīng)網(wǎng)絡(luò)的推薦結(jié)果,分別設(shè)置了三組不同的參數(shù)。其中,學(xué)習(xí)率我們?cè)O(shè)為0.0001。dropout我們?cè)O(shè)為0.5。batch_size和迭代次數(shù)分別設(shè)為了64和5、256和5、64和20這三組,并分別求出了不同情況下,train loss(訓(xùn)練缺損)和test loss(測(cè)試缺損)的統(tǒng)計(jì)圖,結(jié)果分別如圖7-9表示。

    圖7和圖8為在迭代次數(shù)同為5的情況下,分別將batch_size設(shè)置為64和256兩個(gè)不同數(shù)值時(shí),模型的訓(xùn)練缺損和測(cè)試缺損的統(tǒng)計(jì)分布,從圖中可以看出,當(dāng)batch_sieze被設(shè)置為256時(shí),明顯其訓(xùn)練缺損由最初的0.48~0.85降低到了最終的0.41~ 0.7,其測(cè)試缺損由最初的0.6~1.1降低到了0.53~ 0.93,說(shuō)明訓(xùn)練和測(cè)試的缺損經(jīng)過(guò)多次迭代后有所降低。然而,其整個(gè)訓(xùn)練過(guò)程并不穩(wěn)定,說(shuō)明迭代次數(shù)過(guò)少。當(dāng)batch_size被設(shè)置為64時(shí),可明顯看出相較于先前設(shè)置的參數(shù)而言,訓(xùn)練缺損明顯有所降低。其訓(xùn)練缺損由最初的0.48~0.82降低到了0.42~0.7,其測(cè)試缺損由最初的0.6~1.1降低到了0.52~0.91。同于batch_size被設(shè)為256的情況,訓(xùn)練和測(cè)試的缺損,經(jīng)過(guò)多次迭代后有所降低,但是其整個(gè)訓(xùn)練過(guò)程依然并不穩(wěn)定。通過(guò)對(duì)batch_size的數(shù)值進(jìn)行修改,本文發(fā)現(xiàn),當(dāng)對(duì)一定大小的數(shù)據(jù)集進(jìn)行訓(xùn)練時(shí),適當(dāng)?shù)目s小batch_size可以有效的降低訓(xùn)練缺損。

    圖8和圖9為在batch_size同為64的情況下,分別將迭代次數(shù)設(shè)置為5和20兩個(gè)不同的數(shù)值時(shí),模型的訓(xùn)練缺損和測(cè)試缺損的統(tǒng)計(jì)分布。從圖中可以明顯的看出,當(dāng)?shù)螖?shù)被設(shè)置為20次時(shí),訓(xùn)練缺損和測(cè)試缺損并未出現(xiàn)5次迭代實(shí)驗(yàn)時(shí)的大幅波動(dòng),其呈現(xiàn)出了更加穩(wěn)定的狀態(tài)。而在結(jié)果上,迭代次數(shù)為20的這次訓(xùn)練和測(cè)試與迭代次數(shù)為5時(shí)完全相同,故本文認(rèn)為,當(dāng)batch_size為確定值時(shí),增加迭代次數(shù)可以使訓(xùn)練和測(cè)試結(jié)果更加穩(wěn)定,然而增加迭代次數(shù)會(huì)使訓(xùn)練時(shí)間更長(zhǎng),應(yīng)當(dāng)適量的增加迭代次數(shù)。

    3.4 ?實(shí)驗(yàn)結(jié)果

    通過(guò)上述步驟,本文最終將參數(shù)設(shè)定為batch_size設(shè)置為64、迭代次數(shù)為20次、學(xué)習(xí)率為0.0001、dropout設(shè)置為0.5。通過(guò)用戶特征向量與電影特征矩陣計(jì)算所有電影的評(píng)分,取評(píng)分最高的top_k個(gè)來(lái)實(shí)現(xiàn)給用戶推薦其可能喜歡的電影。具體實(shí)現(xiàn)的結(jié)果如圖10所示。通過(guò)本文輸入的電影,系統(tǒng)最終給出了符合相同類別的最佳評(píng)分的5個(gè)電影,可以認(rèn)為,本文的這種電影推薦算法表現(xiàn)出了十分良好的性能。

    4 ?總結(jié)

    本文利用文本卷積網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)對(duì)電影數(shù)據(jù)進(jìn)行分析和建模,通過(guò)多次實(shí)驗(yàn)對(duì)CNN的參數(shù)進(jìn)行了調(diào)整和校對(duì)并確認(rèn)了最優(yōu)的卷積神經(jīng)網(wǎng)絡(luò)參數(shù),最終成功地實(shí)現(xiàn)了電影推薦系統(tǒng),該系統(tǒng)綜合了多種維度并依然保持著很高的推薦精確度,明顯優(yōu)于傳統(tǒng)的電影推薦系統(tǒng)。目前該系統(tǒng)存在的問(wèn)題是缺少最新的電影數(shù)據(jù)進(jìn)行測(cè)評(píng),故還需要更多的實(shí)驗(yàn)來(lái)進(jìn)行該系統(tǒng)的完善。

    參考文獻(xiàn)

    [1] Netflix Prize https://www.netflixprize.com/index.html.

    [2] F. Maxwell Harper and Joseph A. Konstan. 2015. The MovieLens Datasets: Historyand Context. ACM Transactions on Interactive Intelligent Systems (TiiS) 5, 4,Article 19 (December 2015), 19 pages. DOI=http://dx.doi.org/10.1145/ 2827872.

    [3] LeCun Y, Bottou L, Bengio Y, et al. Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE, 1998, 86(11): 2278-2324.

    [4] Kim Y. Convolutional neural networks for sentence classification[J]. arXiv preprint arXiv:1408.5882, 2014.

    [5] Sarwar B M, Karypis G, Konstan J A, et al. Item-based collaborative filtering recommendation algorithms[J]. Www, 2001, 1: 285-295.

    [6] Pineda F J. Generalization of back-propagation to recurrent neural networks[J]. Physical review letters, 1987, 59(19): 2229.

    [7] 安大海, 蔣硯軍. 基于BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別系統(tǒng)[J]. 軟件, 2015, 36(12): 76-79.

    [8] 王宏濤, 孫劍偉. 基于BP神經(jīng)網(wǎng)絡(luò)和SVM 的分類方法研究[J]. 軟件, 2015, 36(11): 96-99.

    [9] 吳亞熙, 岑峰. 基于卷積神經(jīng)網(wǎng)絡(luò)的多層級(jí)目標(biāo)檢測(cè)方法[J]. 軟件, 2018, 39(4): 164-169.

    [10] 張敏, 徐啟華. 基于改進(jìn)BP的神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制[J]. 軟件, 2015, 36(7): 118-123.

    [11] 劉健袁, 謙吳, 廣喻曉. 卷積神經(jīng)網(wǎng)絡(luò)綜述. TP183.

    [12] 趙宏, 郭萬(wàn)鵬. 深度神經(jīng)網(wǎng)絡(luò)代價(jià)函數(shù)選擇與性能評(píng)測(cè)研究[J]. 軟件, 2018, 39(01): 14-20.

    猜你喜歡
    協(xié)同過(guò)濾卷積神經(jīng)網(wǎng)絡(luò)
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識(shí)別算法
    基于鏈?zhǔn)酱鎯?chǔ)結(jié)構(gòu)的協(xié)同過(guò)濾推薦算法設(shè)計(jì)與實(shí)現(xiàn)
    基于相似傳播和情景聚類的網(wǎng)絡(luò)協(xié)同過(guò)濾推薦算法研究
    基于協(xié)同過(guò)濾算法的個(gè)性化圖書推薦系統(tǒng)研究
    混合推薦算法在電影推薦中的研究與評(píng)述
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實(shí)現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    基于卷積神經(jīng)網(wǎng)絡(luò)的樹葉識(shí)別的算法的研究
    kizo精华| 一区二区三区四区激情视频| 国产一区二区在线观看日韩| av播播在线观看一区| 我的老师免费观看完整版| 插逼视频在线观看| 全区人妻精品视频| 亚洲欧美精品自产自拍| 身体一侧抽搐| 国产白丝娇喘喷水9色精品| 日韩国内少妇激情av| 亚洲成色77777| 大话2 男鬼变身卡| 2022亚洲国产成人精品| 日本午夜av视频| 3wmmmm亚洲av在线观看| 天堂俺去俺来也www色官网 | 亚洲精品视频女| 十八禁国产超污无遮挡网站| 日本黄色片子视频| 久久精品国产亚洲网站| 国产69精品久久久久777片| 晚上一个人看的免费电影| 精品99又大又爽又粗少妇毛片| 尤物成人国产欧美一区二区三区| 免费少妇av软件| 精品一区二区三卡| 久久久精品免费免费高清| 91狼人影院| 网址你懂的国产日韩在线| 夜夜看夜夜爽夜夜摸| 91午夜精品亚洲一区二区三区| 亚洲av成人精品一二三区| 国产黄色小视频在线观看| 亚洲一区高清亚洲精品| 亚洲精品一二三| 精品人妻偷拍中文字幕| 亚洲av成人av| 美女cb高潮喷水在线观看| 亚洲图色成人| 免费无遮挡裸体视频| 五月伊人婷婷丁香| 两个人视频免费观看高清| 麻豆av噜噜一区二区三区| 国产伦精品一区二区三区视频9| 亚洲精品国产成人久久av| 成人性生交大片免费视频hd| 国产日韩欧美在线精品| 国产有黄有色有爽视频| 亚洲伊人久久精品综合| 一二三四中文在线观看免费高清| 婷婷色av中文字幕| 麻豆成人av视频| 亚洲av国产av综合av卡| 久久精品综合一区二区三区| 人妻少妇偷人精品九色| 啦啦啦韩国在线观看视频| 亚洲欧美一区二区三区黑人 | 99热这里只有是精品50| 插逼视频在线观看| 搡女人真爽免费视频火全软件| 日韩制服骚丝袜av| 国产精品久久久久久久久免| 午夜福利在线观看吧| 国产精品精品国产色婷婷| 搡老妇女老女人老熟妇| 搡老乐熟女国产| 视频中文字幕在线观看| 男女视频在线观看网站免费| 亚洲国产色片| 超碰97精品在线观看| 午夜福利成人在线免费观看| 成人亚洲精品av一区二区| 成人美女网站在线观看视频| 日韩在线高清观看一区二区三区| 黄色日韩在线| 精品人妻偷拍中文字幕| 亚洲怡红院男人天堂| 国产男人的电影天堂91| 午夜福利视频精品| 丝瓜视频免费看黄片| 国产黄片美女视频| 搡女人真爽免费视频火全软件| 两个人视频免费观看高清| 极品教师在线视频| 国产成人精品福利久久| 搡女人真爽免费视频火全软件| 18禁在线无遮挡免费观看视频| 亚洲图色成人| 精品国产露脸久久av麻豆 | 一区二区三区乱码不卡18| 亚洲一区高清亚洲精品| 91精品国产九色| 哪个播放器可以免费观看大片| 午夜福利高清视频| 国产乱人视频| 少妇人妻一区二区三区视频| 久久久成人免费电影| 国产av不卡久久| 免费大片18禁| 亚洲国产最新在线播放| 国产黄色视频一区二区在线观看| 色视频www国产| 国产亚洲av片在线观看秒播厂 | 人体艺术视频欧美日本| freevideosex欧美| 美女国产视频在线观看| 久久综合国产亚洲精品| 男人爽女人下面视频在线观看| 超碰97精品在线观看| 成人高潮视频无遮挡免费网站| 少妇被粗大猛烈的视频| 毛片一级片免费看久久久久| 精品人妻一区二区三区麻豆| av.在线天堂| 国产成年人精品一区二区| 久久久久网色| 赤兔流量卡办理| 国产午夜精品久久久久久一区二区三区| 日本免费a在线| 18禁动态无遮挡网站| h日本视频在线播放| 高清日韩中文字幕在线| 亚洲av免费高清在线观看| 亚洲人成网站高清观看| 精品酒店卫生间| 狂野欧美白嫩少妇大欣赏| 午夜福利视频精品| 久久精品夜色国产| 久久久久久久亚洲中文字幕| 国产老妇女一区| av国产免费在线观看| 美女黄网站色视频| 亚洲欧美日韩卡通动漫| 韩国av在线不卡| 精品久久久噜噜| 精品人妻一区二区三区麻豆| 久久精品国产亚洲av天美| 天堂网av新在线| 大香蕉久久网| 寂寞人妻少妇视频99o| 深夜a级毛片| 一边亲一边摸免费视频| 女人十人毛片免费观看3o分钟| 男人爽女人下面视频在线观看| 九九爱精品视频在线观看| av在线亚洲专区| 国产女主播在线喷水免费视频网站 | 成年版毛片免费区| 成人毛片a级毛片在线播放| 欧美bdsm另类| 高清av免费在线| av国产久精品久网站免费入址| 天堂俺去俺来也www色官网 | 国产精品国产三级专区第一集| 精品一区二区三卡| 蜜臀久久99精品久久宅男| 91在线精品国自产拍蜜月| 国产在线一区二区三区精| 国产免费一级a男人的天堂| 亚洲精品国产成人久久av| 亚洲一区高清亚洲精品| 国产老妇女一区| 精品久久久久久久久av| 久久久久性生活片| 国产成人精品福利久久| 五月玫瑰六月丁香| 美女高潮的动态| 黄色配什么色好看| 久久这里只有精品中国| 老司机影院成人| 国产伦在线观看视频一区| freevideosex欧美| 亚洲高清免费不卡视频| 免费人成在线观看视频色| 2021天堂中文幕一二区在线观| 国产精品女同一区二区软件| 亚洲精品乱码久久久v下载方式| 三级国产精品欧美在线观看| 青春草亚洲视频在线观看| 18禁动态无遮挡网站| 欧美xxⅹ黑人| 中国国产av一级| 亚洲精品国产av蜜桃| 日本免费在线观看一区| 国产视频首页在线观看| 亚洲图色成人| 日韩人妻高清精品专区| 亚洲国产精品成人综合色| 男女那种视频在线观看| 汤姆久久久久久久影院中文字幕 | 欧美变态另类bdsm刘玥| 男女下面进入的视频免费午夜| 禁无遮挡网站| 欧美高清成人免费视频www| 久久精品国产自在天天线| 日本欧美国产在线视频| 国产亚洲精品av在线| www.色视频.com| 午夜激情福利司机影院| 色综合色国产| 欧美精品国产亚洲| 亚洲成人一二三区av| 国产av码专区亚洲av| 舔av片在线| 成年av动漫网址| 亚洲第一区二区三区不卡| 激情 狠狠 欧美| 亚洲美女搞黄在线观看| 亚洲精品乱码久久久久久按摩| 国产精品久久久久久av不卡| 成人一区二区视频在线观看| 精华霜和精华液先用哪个| 五月天丁香电影| 熟妇人妻久久中文字幕3abv| av又黄又爽大尺度在线免费看| 国产乱来视频区| 久久久久久久久久人人人人人人| 色综合站精品国产| 亚洲不卡免费看| 午夜福利高清视频| 午夜福利在线观看吧| 日韩在线高清观看一区二区三区| 亚洲av.av天堂| 三级国产精品片| 全区人妻精品视频| 观看美女的网站| 日韩视频在线欧美| 婷婷色综合大香蕉| 成人av在线播放网站| 成人高潮视频无遮挡免费网站| 2018国产大陆天天弄谢| 中文字幕亚洲精品专区| 国产高潮美女av| 国产高清有码在线观看视频| 国产激情偷乱视频一区二区| 热99在线观看视频| 久久人人爽人人片av| 三级男女做爰猛烈吃奶摸视频| 97在线视频观看| 亚洲不卡免费看| 国产av在哪里看| 大香蕉97超碰在线| 99久久九九国产精品国产免费| 九色成人免费人妻av| 亚洲美女搞黄在线观看| av在线观看视频网站免费| 禁无遮挡网站| 色综合色国产| 最近视频中文字幕2019在线8| 极品少妇高潮喷水抽搐| 哪个播放器可以免费观看大片| 成人av在线播放网站| 国产精品一区二区在线观看99 | 精品久久久久久成人av| 国产成人午夜福利电影在线观看| 成人二区视频| 国产在线一区二区三区精| 久久久久久久久久成人| 亚洲乱码一区二区免费版| 国产一区二区亚洲精品在线观看| 久99久视频精品免费| 国产亚洲av片在线观看秒播厂 | 91aial.com中文字幕在线观看| 综合色av麻豆| 国产精品国产三级国产专区5o| 日日摸夜夜添夜夜添av毛片| 91aial.com中文字幕在线观看| 久久精品久久精品一区二区三区| 免费黄色在线免费观看| 亚洲精品一二三| av免费观看日本| 少妇猛男粗大的猛烈进出视频 | 成人综合一区亚洲| 久久热精品热| 综合色av麻豆| 蜜桃亚洲精品一区二区三区| 日韩av不卡免费在线播放| 亚洲精品影视一区二区三区av| 国产午夜精品一二区理论片| av又黄又爽大尺度在线免费看| 熟妇人妻不卡中文字幕| 亚洲精品乱码久久久久久按摩| 免费观看的影片在线观看| 国产成人freesex在线| 精品久久久久久久久av| 丝袜喷水一区| 久久精品久久久久久噜噜老黄| 狂野欧美白嫩少妇大欣赏| 亚洲电影在线观看av| 91久久精品国产一区二区成人| 国产激情偷乱视频一区二区| 黑人高潮一二区| 丝瓜视频免费看黄片| 亚洲欧美日韩无卡精品| 亚洲成人久久爱视频| 精品国产一区二区三区久久久樱花 | 日韩国内少妇激情av| 男女国产视频网站| 国产淫语在线视频| 免费电影在线观看免费观看| 亚洲精品乱码久久久v下载方式| av在线老鸭窝| 日本wwww免费看| 国产69精品久久久久777片| 天天躁夜夜躁狠狠久久av| 国产亚洲av嫩草精品影院| h日本视频在线播放| 亚洲精品久久午夜乱码| 尾随美女入室| 97在线视频观看| 午夜精品一区二区三区免费看| 国产精品久久久久久精品电影| 欧美不卡视频在线免费观看| 日本av手机在线免费观看| 成人午夜精彩视频在线观看| 国产精品人妻久久久影院| 免费黄网站久久成人精品| 免费看a级黄色片| 成人av在线播放网站| 天堂中文最新版在线下载 | 国产在视频线精品| 免费无遮挡裸体视频| 久久99热这里只频精品6学生| 人人妻人人看人人澡| 少妇的逼好多水| 亚洲av成人精品一区久久| 亚洲美女视频黄频| 亚洲精品456在线播放app| 日韩av在线免费看完整版不卡| 成年人午夜在线观看视频 | 最近中文字幕高清免费大全6| 日韩成人伦理影院| 欧美另类一区| 国产探花在线观看一区二区| av又黄又爽大尺度在线免费看| 中文在线观看免费www的网站| 精品久久久久久久久亚洲| 99热全是精品| 神马国产精品三级电影在线观看| 成人av在线播放网站| 国内精品美女久久久久久| 亚洲国产最新在线播放| 老司机影院毛片| 嫩草影院入口| 岛国毛片在线播放| 69av精品久久久久久| 亚洲精华国产精华液的使用体验| 亚洲精品乱久久久久久| 久久99热这里只频精品6学生| xxx大片免费视频| 国产片特级美女逼逼视频| 国产在线一区二区三区精| 午夜福利在线在线| 校园人妻丝袜中文字幕| 亚洲人成网站高清观看| 熟女电影av网| 欧美性感艳星| 中文字幕人妻熟人妻熟丝袜美| 午夜福利在线观看免费完整高清在| 日韩欧美三级三区| 在线免费十八禁| 国产午夜精品论理片| 美女主播在线视频| 午夜老司机福利剧场| 日韩欧美一区视频在线观看 | 三级男女做爰猛烈吃奶摸视频| 久久久久久久久久黄片| 日韩一区二区三区影片| 99re6热这里在线精品视频| 婷婷色综合大香蕉| 中文乱码字字幕精品一区二区三区 | av网站免费在线观看视频 | 又爽又黄无遮挡网站| 伦理电影大哥的女人| 我的女老师完整版在线观看| 日韩亚洲欧美综合| 夜夜爽夜夜爽视频| 精品国产三级普通话版| 国产精品久久久久久精品电影小说 | 久久久午夜欧美精品| 我要看日韩黄色一级片| 亚洲一区高清亚洲精品| 欧美区成人在线视频| 久久人人爽人人爽人人片va| 麻豆乱淫一区二区| 成人亚洲精品一区在线观看 | 国模一区二区三区四区视频| 亚洲精品乱码久久久v下载方式| 欧美三级亚洲精品| 日韩av免费高清视频| 91精品国产九色| 男的添女的下面高潮视频| 日本av手机在线免费观看| 国产精品麻豆人妻色哟哟久久 | 午夜爱爱视频在线播放| 亚洲在久久综合| 九九久久精品国产亚洲av麻豆| 午夜老司机福利剧场| 高清视频免费观看一区二区 | 成人美女网站在线观看视频| 精华霜和精华液先用哪个| 精品欧美国产一区二区三| 国产毛片a区久久久久| 高清av免费在线| a级毛色黄片| 精品熟女少妇av免费看| 综合色丁香网| 免费人成在线观看视频色| 国产成人免费观看mmmm| 亚洲在线自拍视频| 精品午夜福利在线看| 联通29元200g的流量卡| 日韩强制内射视频| 国产探花极品一区二区| 毛片一级片免费看久久久久| 亚洲国产高清在线一区二区三| 五月天丁香电影| 久久久亚洲精品成人影院| 免费在线观看成人毛片| 亚洲欧美日韩无卡精品| 内地一区二区视频在线| 免费不卡的大黄色大毛片视频在线观看 | 国产精品国产三级专区第一集| 美女高潮的动态| 精品久久久久久久久亚洲| 久久精品国产亚洲av天美| 色吧在线观看| 成人欧美大片| 一级毛片久久久久久久久女| 亚洲色图av天堂| 久久久久九九精品影院| av网站免费在线观看视频 | 两个人的视频大全免费| 最近2019中文字幕mv第一页| 国产亚洲5aaaaa淫片| 极品教师在线视频| 日日撸夜夜添| 成人欧美大片| 少妇裸体淫交视频免费看高清| 少妇高潮的动态图| 2021少妇久久久久久久久久久| 成人毛片60女人毛片免费| 一级黄片播放器| 哪个播放器可以免费观看大片| 国产久久久一区二区三区| 久久久久久久久久黄片| 少妇的逼水好多| 18禁在线播放成人免费| 免费无遮挡裸体视频| 最近手机中文字幕大全| 中文天堂在线官网| a级毛色黄片| 在线观看一区二区三区| 一级爰片在线观看| 精品久久久久久久久av| 汤姆久久久久久久影院中文字幕 | 久久精品熟女亚洲av麻豆精品 | 2021少妇久久久久久久久久久| 白带黄色成豆腐渣| 69人妻影院| 搞女人的毛片| 久久精品综合一区二区三区| a级一级毛片免费在线观看| 欧美另类一区| 国产成人精品一,二区| 国产一区亚洲一区在线观看| 亚洲天堂国产精品一区在线| 亚洲国产精品sss在线观看| 麻豆乱淫一区二区| 国产极品天堂在线| 国产片特级美女逼逼视频| 永久网站在线| av国产久精品久网站免费入址| 欧美区成人在线视频| 亚洲欧美清纯卡通| 国产高清不卡午夜福利| 一本久久精品| 纵有疾风起免费观看全集完整版 | 在线观看人妻少妇| 国内揄拍国产精品人妻在线| 久久久久久久国产电影| 国产精品av视频在线免费观看| 天堂影院成人在线观看| 美女主播在线视频| 男人狂女人下面高潮的视频| freevideosex欧美| 非洲黑人性xxxx精品又粗又长| 亚洲精品视频女| 美女cb高潮喷水在线观看| 精品熟女少妇av免费看| av女优亚洲男人天堂| 人妻夜夜爽99麻豆av| 美女cb高潮喷水在线观看| 两个人的视频大全免费| 国内精品宾馆在线| 欧美日韩综合久久久久久| av卡一久久| 夫妻性生交免费视频一级片| 欧美成人a在线观看| 色综合色国产| 91久久精品国产一区二区成人| 国产成人freesex在线| 女人十人毛片免费观看3o分钟| 国产伦在线观看视频一区| 亚洲内射少妇av| 日韩在线高清观看一区二区三区| 一夜夜www| 日本熟妇午夜| 卡戴珊不雅视频在线播放| 成人亚洲欧美一区二区av| 一级毛片我不卡| 欧美日韩一区二区视频在线观看视频在线 | 国产午夜福利久久久久久| 好男人在线观看高清免费视频| 国产免费一级a男人的天堂| av女优亚洲男人天堂| 国产精品综合久久久久久久免费| 五月天丁香电影| 中文天堂在线官网| 亚洲精品成人av观看孕妇| 成人毛片a级毛片在线播放| 亚洲精品日本国产第一区| 国产精品综合久久久久久久免费| 少妇人妻精品综合一区二区| 亚洲成人精品中文字幕电影| 18禁动态无遮挡网站| 色吧在线观看| 午夜免费观看性视频| 美女xxoo啪啪120秒动态图| 欧美激情国产日韩精品一区| 淫秽高清视频在线观看| 小蜜桃在线观看免费完整版高清| 色哟哟·www| 中文字幕av在线有码专区| 日本猛色少妇xxxxx猛交久久| 中文字幕久久专区| 国产成人精品婷婷| 国产午夜精品一二区理论片| 我要看日韩黄色一级片| 人妻一区二区av| 午夜亚洲福利在线播放| 亚洲性久久影院| 91在线精品国自产拍蜜月| 国产成人精品福利久久| 美女内射精品一级片tv| 波野结衣二区三区在线| 亚洲va在线va天堂va国产| 亚洲国产高清在线一区二区三| 男人和女人高潮做爰伦理| 大话2 男鬼变身卡| 亚洲人与动物交配视频| 久久99精品国语久久久| 欧美成人精品欧美一级黄| 日本wwww免费看| 国产一区有黄有色的免费视频 | 51国产日韩欧美| 国产精品无大码| 蜜桃久久精品国产亚洲av| 久久这里只有精品中国| 国产免费又黄又爽又色| 国产亚洲最大av| 免费看光身美女| 好男人视频免费观看在线| 日日啪夜夜撸| 国产高清三级在线| 久久精品久久精品一区二区三区| av网站免费在线观看视频 | 久久国产乱子免费精品| 国产淫语在线视频| 嫩草影院入口| 神马国产精品三级电影在线观看| 观看免费一级毛片| 69人妻影院| 在线观看av片永久免费下载| 国产在线一区二区三区精| 国产精品精品国产色婷婷| 成年女人看的毛片在线观看| 女的被弄到高潮叫床怎么办| 床上黄色一级片| 看十八女毛片水多多多| 三级毛片av免费| av免费在线看不卡| 亚洲最大成人中文| 欧美xxxx性猛交bbbb| 日韩制服骚丝袜av| 伦精品一区二区三区| 亚洲国产色片| 国产精品久久久久久精品电影| 国产伦一二天堂av在线观看| 国产片特级美女逼逼视频| 婷婷六月久久综合丁香| 亚洲精华国产精华液的使用体验| 免费观看的影片在线观看| 精品久久久久久久久亚洲| 小蜜桃在线观看免费完整版高清| 午夜免费激情av| 精品久久久久久久久亚洲| 国产午夜精品一二区理论片| 久久国内精品自在自线图片| 日本午夜av视频| 久久久久久久久中文| 99久久精品国产国产毛片| 欧美区成人在线视频| 国产69精品久久久久777片| 国产av不卡久久| 国产高清不卡午夜福利| 亚洲精品456在线播放app| 国产av不卡久久| 亚洲成人av在线免费| 国产成人aa在线观看| 亚洲一级一片aⅴ在线观看| 亚洲在久久综合| 三级毛片av免费| 国产精品人妻久久久影院|