• <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 ?

    改進(jìn)信任度的商品推薦算法研究

    2019-10-11 11:24:36高雄何利力
    軟件導(dǎo)刊 2019年7期
    關(guān)鍵詞:協(xié)同過濾信任度電子商務(wù)

    高雄 何利力

    摘 要:對于有個(gè)性化推薦需求的電子商務(wù)系統(tǒng),傳統(tǒng)協(xié)同過濾推薦算法對商品的用戶項(xiàng)目矩陣構(gòu)建比較單一,難以解決數(shù)據(jù)稀疏以及推薦結(jié)果精度較低等問題。為此,提出一種改進(jìn)的基于信任度的協(xié)同過濾算法,根據(jù)用戶歷史行為,對用戶項(xiàng)目評分矩陣進(jìn)行細(xì)分量化,綜合考慮用戶間關(guān)系,引入信任因子維持用戶信任關(guān)系中的非對稱性,通過共同評分項(xiàng)計(jì)算用戶評分信任度。最終融合信任度與信任因子,計(jì)算獲得最佳鄰居集并產(chǎn)生最終推薦列表。在淘寶官方UserBehavior數(shù)據(jù)集下進(jìn)行實(shí)驗(yàn),結(jié)果表明,該算法降低了推薦稀疏性,提高了推薦精度。

    關(guān)鍵詞:協(xié)同過濾;電子商務(wù);信任因子;信任度;商品推薦

    DOI:10. 11907/rjdk. 182836 開放科學(xué)(資源服務(wù))標(biāo)識碼(OSID):

    中圖分類號:TP312文獻(xiàn)標(biāo)識碼:A 文章編號:1672-7800(2019)007-0075-05

    Research on Commodity Recommendation Algorithm

    Based on Improved Trust Metrics

    GAO Xiong, HE Li-li

    (School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China)

    Abstract: For the e-commerce system with personalized recommendation requirements, traditional collaborative filtering algorithm has a simple construction of the user item matrix of the commodity, which is difficult to solve the problem of data sparseness and low accuracy of recommendation results. For this reason, an improved trust recommendation algorithm is proposed with trust metrics. According to the historical behavior of the user, the user project scoring matrix is subdivided and quantified, and then the relationship between users is comprehensively considered. The trust factor is introduced to maintain the asymmetry in the user trust relationship, the user's trust is calculated by the common score item, and finally the trust metrics and the trust factor are integrated to calculate the best neighbor set and generate the final recommendation list. Experiments were carried out under the official UserBehavior dataset of Taobao. The results show that the proposed algorithm reduces the recommended sparsity and improves the accuracy of the recommendation.

    Key Words: collaborative filtering; e-commerce; trust factor; trust metrics; commodity recommendation

    基金項(xiàng)目:浙江省科技廳(重大)項(xiàng)目(2015C03001)

    作者簡介:高雄(1994-),男,浙江理工大學(xué)信息學(xué)院碩士研究生,研究方向?yàn)橛?jì)算機(jī)應(yīng)用技術(shù);何利力(1968-),男,博士,浙江理工大學(xué)信息學(xué)院教授、博士生導(dǎo)師,研究方向?yàn)橹圃鞓I(yè)信息化、企業(yè)智能。

    0 引言

    隨著互聯(lián)網(wǎng)的發(fā)展,在線電子商務(wù)系統(tǒng)也得到了廣泛應(yīng)用,在為用戶提供大量商品的同時(shí),也帶來了信息過載的問題,海量商品為用戶選擇帶來極大困難。推薦系統(tǒng)是解決信息過載問題的主要方法之一,根據(jù)推薦機(jī)制的不同,推薦系統(tǒng)分為基于內(nèi)容的推薦、協(xié)同過濾推薦、基于知識的推薦與混合推薦等,其中協(xié)同過濾(Collaborative-Filtering,CF)算法應(yīng)用最為廣泛。傳統(tǒng)基于用戶的協(xié)同過濾算法通過一系列步驟計(jì)算相似度,選擇最近鄰,最終生成推薦[1-2]。如黃瑩[3]、賈忠濤等[4]分別將協(xié)同過濾應(yīng)用于電影推薦中;歸偉夏[5]研究了基于Hadoop的協(xié)同過濾在電商系統(tǒng)中的應(yīng)用。然而,在電子商務(wù)系統(tǒng)中,用戶和項(xiàng)目數(shù)量往往十分龐大,而用戶購買或評價(jià)過的商品數(shù)量有限,因此造成了評分?jǐn)?shù)據(jù)極其稀疏。目前常用的相似度計(jì)算方法盡管已考慮了用戶評價(jià)標(biāo)準(zhǔn)的復(fù)雜性,但在數(shù)據(jù)稀疏時(shí)精度仍然較低,且在某些情況下無法反映用戶真實(shí)的相似性[6-8]。對此,研究者提出了各種不同解決方案,如申凱麗[9]提出基于用戶偏好的免疫推薦算法,但依然沒有解決電子商務(wù)系統(tǒng)中商品稀疏導(dǎo)致的覆蓋率問題;黃濤[10]利用復(fù)雜網(wǎng)絡(luò)中的結(jié)構(gòu)相似性度量用戶之間的相似性;王祥德等[11]提出非精確拉格朗日乘子法對稀疏矩陣進(jìn)行填充,從而改進(jìn)SVD協(xié)同過濾算法;Massa P[12]將信任度引入到類似計(jì)算中,但其仍局限于用戶必須自己維護(hù)與鄰居的信任關(guān)系;李良等[13]提出一種基于評分信任度與偏好信任度的推薦方法,綜合考慮用戶間的共同評分項(xiàng)目與非共同評分項(xiàng)目;蔣宗禮[14]、劉勝宗[15]通過信任關(guān)系的傳遞規(guī)則,分別用不同方法融合了用戶相似度和信任度;Yang和Zhu [16]提出結(jié)合用戶信任與社會(huì)相似性的協(xié)同過濾算法;Lu[17]對全局信任度與局部信任度進(jìn)行計(jì)算,挖掘用戶的潛在信任關(guān)系,以提高推薦準(zhǔn)確性。

    目前大多數(shù)關(guān)于信任的研究中,信任關(guān)系都是事先給定的,即用戶間通過關(guān)注等方式設(shè)定好信任關(guān)系。但實(shí)際的電子商務(wù)系統(tǒng)中并沒有給定用戶之間的信任網(wǎng)絡(luò),并且每個(gè)預(yù)測評分是基于最近鄰居給出的評分進(jìn)行計(jì)算的,沒有考慮測試用戶對最近鄰居給出評分的接受性。Neal &? Stephen[18]提出一種可信賴的KNR算法,該算法允許用戶通過評估其收到評分信息的效用,以了解彼此信任程度,若目標(biāo)用戶與最近鄰關(guān)于某個(gè)項(xiàng)目評分越接近,則信任度越高。然而其沒有考慮到用戶間的信任關(guān)系是不對稱的,且線性計(jì)算方法使用戶間的信任關(guān)系相對平滑,影響了推薦性能。另一方面,目前的電子商務(wù)系統(tǒng)中對于商品評分僅局限于購買與否,若用戶購買則在評分矩陣中置為1,沒有則置為0。該方式很大程度上限制了對用戶購買行為中潛在信息的挖掘,影響了推薦精確性。

    綜上所述,本文提出一種改進(jìn)的基于信任度的協(xié)同過濾推薦算法。針對電子商務(wù)系統(tǒng),采集用戶對商品的歷史行為,進(jìn)行量化處理后,首先計(jì)算反映用戶之間非對稱關(guān)系的信任因子,其次根據(jù)用戶共同評分項(xiàng)目改進(jìn)用戶間的信任度計(jì)算方式,最終融合信任因子與信任度,選取最近鄰并產(chǎn)生推薦列表。在天貓官方數(shù)據(jù)集下進(jìn)行實(shí)驗(yàn),結(jié)果表明,本文算法有效緩解了數(shù)據(jù)稀疏性,提高了系統(tǒng)推薦的準(zhǔn)確性,具有一定的實(shí)際意義。

    1 傳統(tǒng)協(xié)同過濾算法

    在傳統(tǒng)基于用戶的協(xié)同過濾系統(tǒng)中,推薦過程大致可分為3步:①建立用戶—項(xiàng)目評分矩陣;②計(jì)算目標(biāo)用戶與其他用戶相似度,得到用戶的最近鄰居集;③根據(jù)其最近鄰居集對項(xiàng)目的評分信息,預(yù)測目標(biāo)用戶對評分項(xiàng)目的評分,選取評分最高的TOP-N個(gè)項(xiàng)目推薦給用戶。具體步驟如下:

    1.1 用戶—項(xiàng)目評分矩陣建立

    用戶—項(xiàng)目矩陣可表示為一個(gè)n*m維矩陣,如表1所示。n行表示用戶數(shù)為n,m列表示項(xiàng)目數(shù)為m。第i行第j列元素rij表示用戶i對項(xiàng)目j的評分為rij,其值與項(xiàng)目內(nèi)容有關(guān)。如果是商品,通常表示訂購與否,如1表示訂購,0表示未訂購;如果是評分類如電影等,可按等級進(jìn)行劃分,如1~5,評分越高表示用戶對其喜愛程度越高。如果用戶i未對項(xiàng)目j進(jìn)行評分,則rij值為0。

    表1 用戶—項(xiàng)目評分矩陣

    1.2 最近鄰尋找

    最近鄰居集通常利用TOP-N方法進(jìn)行選取,即通過對用戶之間的相似度進(jìn)行排序,選取排名最靠前的N名用戶作為鄰居用戶。計(jì)算用戶相似度的方法很多,目前廣泛應(yīng)用于協(xié)同過濾算法的有3種,即余弦相似度、修正余弦相似度和皮爾遜相關(guān)相似度。

    本文采用皮爾遜相關(guān)相似度作為傳統(tǒng)協(xié)同過濾的最近鄰計(jì)算方式,其表達(dá)式如式(1)所示。

    [sim(a,b)=p∈P(ra,p-ra)(rb,p-rb)p∈P(ra,p-ra)2p∈P(rb,p-rb)2] (1)

    其中sim(a,b)表示用戶a和用戶b的相似性,值的區(qū)間為[-1,1]。P表示用戶a、b的共同評分項(xiàng)目集合,ra,p、rb,p表示用戶a、b對項(xiàng)目p的評分,[ra]、[rb]分別表示用戶a、b對項(xiàng)目的平均評分。sim(a,b)絕對值越接近1,表示用戶之間相似性越強(qiáng),反之則越弱。

    1.3 評分預(yù)測

    在找到最近鄰居集之后,通過式(2)對用戶a的未評分項(xiàng)目p進(jìn)行評分預(yù)測。

    [pred(a,p)=ra+b∈Nsim(a,b)*(rb,p-rb)b∈Nsim(a,b)]? (2)

    其中pred(a,p)表示目標(biāo)用戶a對推薦項(xiàng)目p的預(yù)測評分,rb,p是目標(biāo)用戶a最近鄰居集中用戶b對項(xiàng)目p的評分,N表示用戶a最近鄰居集中的用戶個(gè)數(shù)。通過式(2)可以發(fā)現(xiàn)相似性在協(xié)同過濾算法的整個(gè)過程中至關(guān)重要,同時(shí)測試用戶對最近鄰居評分的接受性對于預(yù)測評分也很重要。

    2 改進(jìn)信任度的協(xié)同過濾算法

    2.1 信任因子計(jì)算

    傳統(tǒng)信任關(guān)系認(rèn)為用戶之間的信任是相同的,如果用戶A信任用戶B,則用戶B也會(huì)信任A,且兩者信任程度是一樣的。然而在現(xiàn)實(shí)生活中,通常用戶A、B的信任程度是不等的,如用戶A信任用戶B,相反用戶B并不一定信任用戶A,或用戶B信任用戶A,但是兩者信任程度并不相同。在電子商務(wù)系統(tǒng)中,傳統(tǒng)方法在計(jì)算用戶之間的信任相似性時(shí),只利用了用戶共同評分項(xiàng)目數(shù)量這一屬性,如式(3)所示。

    [θab=Ia?IbIa?Ib]? ? ? ? ? ? ? ? ? ? (3)

    其中Ia、Ib分別表示用戶a、b評分過的項(xiàng)目。從式(3)可以看出,對用戶a、b的信任相似性僅通過兩用戶之間共同評分過的數(shù)量在其所有評分項(xiàng)目數(shù)量中的占比進(jìn)行衡量,顯然在該計(jì)算方法中,用戶a、b的互相信任程度相同。但根據(jù)之前提到的信任程度具有非對稱性特點(diǎn),對上述公式進(jìn)行修正,提出非對稱的信任因子計(jì)算方式,以更好地衡量用戶之間的信任程度,如式(4)、式(5)所示。

    [θab=Ia?IbIa*Ia?IbIa?Ib]? ? ? ? ? ? ? (4)

    [θba=Ia?IbIb*Ia?IbIa?Ib]? ? ? ? ? ? ? (5)

    式(4)、式(5)分別計(jì)算了用戶a對b的信任相似度和用戶b對a的信任相似度,其中融入了用戶各自評分項(xiàng)目總數(shù)的影響,考慮了共同評分項(xiàng)目在各自評分項(xiàng)目中的占比。

    2.2 信任度計(jì)算

    用戶在選擇信任對象時(shí),不僅會(huì)考慮評分項(xiàng)目數(shù),還會(huì)考慮具體評分?jǐn)?shù)值,通常評分多少也代表了用戶對項(xiàng)目的認(rèn)可程度。為了更準(zhǔn)確地計(jì)算用戶間的信任度,需要考慮用戶公共項(xiàng)目以及評分?jǐn)?shù)值。文獻(xiàn)[18]中對信任度的計(jì)算方式基于最近鄰?fù)扑]的貢獻(xiàn),提出目標(biāo)用戶相信對其產(chǎn)生過積極影響的用戶,并保留未知作用的用戶。允許用戶通過評估其收到評分信息的效用,了解彼此信任程度,并動(dòng)態(tài)選擇目標(biāo)用戶的鄰居集。但其默認(rèn)了用戶間信任的對稱關(guān)系,且出于對結(jié)果的考慮,實(shí)驗(yàn)設(shè)計(jì)較為簡單,只關(guān)注了線性信任度的案例。為了能更好地凸顯用戶間的信任關(guān)系,應(yīng)該從更高層次考慮,本文給出用戶間的信任關(guān)系如式(6)所示。

    [value(a,b,i)=(rai-rbi)22(Max-Min)]? ? ? ? ? ? (6)

    式(6)中,value(a,b,i)表示用戶a在項(xiàng)目i上對用戶b的信任。其中Max為評分最大值,Min為評分最小值。若用戶a、b在項(xiàng)目i上的評分差距較大,則表現(xiàn)出的信任程度相對較低,反之評分差距較小則信任程度相對較高,從而更明顯地體現(xiàn)出b的影響。其中ra,i、rb,i分別為用戶a、b對項(xiàng)目i的評分。因此,用戶a對用戶b的信任度可定義為公式(7),n代表用戶a評分過的所有項(xiàng)目數(shù)。

    [trust(a,b)=i=0nvalue(a,b,i)n]? ? ? ? ? ? ? ? (7)

    2.3 改進(jìn)的信任度協(xié)同過濾

    在綜合上述信任因子與信任度計(jì)算公式后,將改進(jìn)后的信任度計(jì)算公式與信任因子融合,得到用戶a對用戶b的評分信任度如下:

    [simt(a,b)=trust(a,b)*θab]? ? ? ? ? ? ? (8)

    同理,用戶b對用戶a的評分信任度為:

    [simt(b,a)=trust(b,a)*θba]? ? ? ? ? ? ? ?(9)

    在得到最終的評分信任度后,本文采用TOP-N方法選取用戶的最近鄰居集,即將用戶的信任度值按照降序排列,選取排名最靠前的N個(gè)用戶作為目標(biāo)用戶的鄰居集。然后根據(jù)用戶鄰居集,利用公式(10)計(jì)算得出最終推薦結(jié)果。其中,simt(a,b)表示計(jì)算得出的評分信任度。

    [pred(a,p)=ra+b∈Nsim(a,b)*(rb,p-rb)b∈Nsim(a,b)]? ? ? ? ? (10)

    本文具體推薦流程如圖1所示。

    圖1 推薦流程

    3 實(shí)驗(yàn)與分析

    3.1 數(shù)據(jù)處理與評估標(biāo)準(zhǔn)

    針對電子商務(wù)系統(tǒng),在傳統(tǒng)協(xié)同過濾算法中,對于商品類推薦都是基于用戶購買與否進(jìn)行評估預(yù)測的。例如對于某商品,若用戶購買,則評分為1,否則為0。但該做法難以避免地增加了數(shù)據(jù)稀疏性,無法保證結(jié)果的準(zhǔn)確性。因此,本文提出對用戶購買行為進(jìn)行細(xì)分量化,將用戶瀏覽商品、收藏、加購物車以及購買分別設(shè)為評分1、2、3和4,以不同權(quán)重表示用戶對商品的關(guān)注度,形成評分梯度,從而避免將購買作為唯一評判標(biāo)準(zhǔn)。

    本實(shí)驗(yàn)采用淘寶官方的Userbehavior數(shù)據(jù)集,該數(shù)據(jù)集是淘寶用戶行為數(shù)據(jù)的子集,包含了2017年11月25日~12月3日之間有行為的約100萬隨機(jī)用戶的所有行為。數(shù)據(jù)集組織形式與MovieLens-20M類似,即數(shù)據(jù)集的每一行表示一條用戶行為,由用戶ID、商品類目ID、行為類型等組成。為保證實(shí)驗(yàn)的可行性與準(zhǔn)確性,本文從中提取25萬條數(shù)據(jù)進(jìn)行處理與篩選,去除用戶只瀏覽過的商品,以避免實(shí)驗(yàn)數(shù)據(jù)的稀疏性,得到最終的實(shí)驗(yàn)數(shù)據(jù)集如表3所示。

    表2 實(shí)驗(yàn)數(shù)據(jù)集描述

    實(shí)驗(yàn)采用以下兩種指標(biāo)體系評估算法性能:

    (1) 平均絕對誤差(MAE)。MAE[19]通過比較預(yù)測值與用戶實(shí)際評分之間的偏差以測量預(yù)測準(zhǔn)確性,具體定義如式(11)所示。

    [MAE=i=1Npi-qiN]? ? ? ? ? ? ? ? ? ? (11)

    (2)均方差誤差(RSME)。RSME[20]通過計(jì)算預(yù)測評分值與用戶對該項(xiàng)目真實(shí)評分值的平方偏差以測量準(zhǔn)確性,對推薦要求更加嚴(yán)格,如式(12)所示。

    [RSME=1ni=1n(pi-qi)2]? ? ? ? ? ? ?(12)

    在式(11)、(12)中,{p1,p2,…,pn}對應(yīng)用戶預(yù)測評分集合,{q1,q2,…,qn}對應(yīng)用戶實(shí)際評分集合,N是測試集中的項(xiàng)目數(shù),用戶預(yù)測值與真實(shí)評分都不為0。MAE與RSME的值越小,表示推薦精度越高。

    3.2 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析

    為評估本文提出算法的準(zhǔn)確性,將數(shù)據(jù)集劃分為80%的訓(xùn)練集與20%的數(shù)據(jù)集。訓(xùn)練集用于訓(xùn)練算法中的相關(guān)參數(shù),測試集用于評估結(jié)果準(zhǔn)確性。

    實(shí)驗(yàn)1:為驗(yàn)證購買行為量化對提高推薦精度的有效性,設(shè)計(jì)對比實(shí)驗(yàn)。對量化處理后的數(shù)據(jù)集應(yīng)用傳統(tǒng)協(xié)同過濾算法,命名為UCF;對未經(jīng)量化處理的數(shù)據(jù)集應(yīng)用傳統(tǒng)協(xié)同過濾算法,命名為NUCF。實(shí)驗(yàn)結(jié)果如圖2所示。

    圖2 量化前后MAE對比

    圖2為量化處理前后的MAE柱狀對比圖。橫軸表示最近鄰數(shù)量,縱軸表示MAE具體值。可以看出,相比于NUCF,UCF整體在MAE值上低很多,說明對商品數(shù)據(jù)進(jìn)行量化處理后再進(jìn)行推薦,結(jié)果要精確得多。這是由于只考慮購買的商品時(shí),用戶項(xiàng)目矩陣會(huì)顯示出巨大的稀疏性,而量化后的矩陣會(huì)產(chǎn)生更多評分項(xiàng)。

    實(shí)驗(yàn)2:將本文提出算法命名為AUTCF,為了驗(yàn)證AUTCF的精確性,選擇3種算法進(jìn)行對比實(shí)驗(yàn):①傳統(tǒng)基于用戶的協(xié)同過濾算法UCF,采用皮爾遜相似度計(jì)算方法;②文獻(xiàn)[18]中提出的基于最近鄰的信任度算法TrustCF;③文獻(xiàn)[13]中提出的評分信任度算法SUCF。實(shí)驗(yàn)在經(jīng)量化處理后的數(shù)據(jù)集上進(jìn)行,得到各種指標(biāo)結(jié)果如圖3所示。

    圖3 不同算法MAE對比

    圖3為MAE的對比圖,橫軸為最近鄰數(shù)量,縱軸為平均絕對誤差MAE。根據(jù)實(shí)驗(yàn)結(jié)果可以看出,隨著N值逐漸增加,TrustCF、SUCF與本文TUTCF算法的MAE值均呈先下降后上升的趨勢,且均低于傳統(tǒng)協(xié)同過濾算法,表明信任度的引入確實(shí)有利于提高推薦精度;在N值相同的情況下,AUTCF算法相比于TrustCF、SUCF算法以及傳統(tǒng)UCF算法,在平均絕對誤差上始終更低,顯示出較為明顯的優(yōu)勢,而且在N=50時(shí)達(dá)到了最優(yōu)性能,MAE值接近0.66。原因?yàn)閁TCF是在量化后的數(shù)據(jù)下進(jìn)行實(shí)驗(yàn)的,而且在信任度計(jì)算過程中,不僅考慮了用戶之間非對稱的信任關(guān)系,還使用戶間的信任度關(guān)系更加尖銳,存在潛在信任的鄰居表現(xiàn)得更加積極,信任度較低的鄰居作用更加弱化,同時(shí)保證了用戶信任值計(jì)算過程中不會(huì)因差值太小而給計(jì)算帶來誤差。

    猜你喜歡
    協(xié)同過濾信任度電子商務(wù)
    《電子商務(wù)法》如何助力直銷
    全球民調(diào):中國民眾對政府信任度最高
    電子商務(wù)
    基于鏈?zhǔn)酱鎯?chǔ)結(jié)構(gòu)的協(xié)同過濾推薦算法設(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)同過濾推薦算法研究
    基于協(xié)同過濾算法的個(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述
    關(guān)于加快制定電子商務(wù)法的議案
    跨境電子商務(wù)中的跨文化思考
    基于信任度評估的移動(dòng)自組織網(wǎng)絡(luò)路由協(xié)議
    or卡值多少钱| 亚洲成a人片在线一区二区| 日韩有码中文字幕| 久久这里只有精品19| 1024香蕉在线观看| 亚洲国产欧洲综合997久久,| 日本精品一区二区三区蜜桃| 久久香蕉国产精品| 91av网站免费观看| 成人午夜高清在线视频| 18美女黄网站色大片免费观看| 亚洲精品久久国产高清桃花| 18禁裸乳无遮挡免费网站照片| 真人一进一出gif抽搐免费| 中文字幕精品亚洲无线码一区| 在线看三级毛片| 国产视频内射| 国产成人啪精品午夜网站| 啦啦啦观看免费观看视频高清| 国产成人精品久久二区二区免费| 一个人看视频在线观看www免费 | 亚洲电影在线观看av| 此物有八面人人有两片| 国产真人三级小视频在线观看| 久久精品国产清高在天天线| 日韩三级视频一区二区三区| 偷拍熟女少妇极品色| 免费搜索国产男女视频| 国产亚洲av嫩草精品影院| 一进一出抽搐动态| 日本免费一区二区三区高清不卡| 亚洲 国产 在线| av国产免费在线观看| 久久精品国产清高在天天线| 久久久久久国产a免费观看| 午夜亚洲福利在线播放| 这个男人来自地球电影免费观看| 母亲3免费完整高清在线观看| 国产精品女同一区二区软件 | 亚洲精品久久国产高清桃花| 毛片女人毛片| 国产精品亚洲av一区麻豆| 午夜久久久久精精品| 国产成人精品久久二区二区免费| 国产精品国产高清国产av| 精品国产超薄肉色丝袜足j| 97碰自拍视频| 日韩欧美一区二区三区在线观看| 成年女人永久免费观看视频| 91在线精品国自产拍蜜月 | 97超级碰碰碰精品色视频在线观看| 亚洲国产精品久久男人天堂| 99国产精品99久久久久| 欧美日韩精品网址| 又粗又爽又猛毛片免费看| 精品国产三级普通话版| 久久久久久国产a免费观看| 免费搜索国产男女视频| 99精品久久久久人妻精品| 亚洲精品456在线播放app | 欧美日韩综合久久久久久 | 搡老岳熟女国产| 亚洲精品色激情综合| 香蕉丝袜av| 美女cb高潮喷水在线观看 | 亚洲国产精品sss在线观看| 国产欧美日韩一区二区三| 亚洲无线在线观看| 一个人观看的视频www高清免费观看 | 狠狠狠狠99中文字幕| 一本一本综合久久| 久久久国产成人精品二区| 久久午夜综合久久蜜桃| 在线观看舔阴道视频| 精品不卡国产一区二区三区| 男人舔奶头视频| 九九久久精品国产亚洲av麻豆 | 久久久国产成人精品二区| 九色国产91popny在线| 香蕉久久夜色| 免费在线观看影片大全网站| 在线视频色国产色| 亚洲av成人av| cao死你这个sao货| 美女 人体艺术 gogo| 午夜成年电影在线免费观看| 国产精品野战在线观看| 亚洲欧美精品综合一区二区三区| 成人国产一区最新在线观看| 国产蜜桃级精品一区二区三区| 90打野战视频偷拍视频| 中国美女看黄片| 国产97色在线日韩免费| 天堂网av新在线| 每晚都被弄得嗷嗷叫到高潮| 精品国产乱码久久久久久男人| 久久久国产成人精品二区| www日本在线高清视频| 国产不卡一卡二| 国产精品 国内视频| av黄色大香蕉| 好男人电影高清在线观看| 欧美性猛交╳xxx乱大交人| 性欧美人与动物交配| www日本在线高清视频| 久久精品夜夜夜夜夜久久蜜豆| 国产成人精品无人区| 欧洲精品卡2卡3卡4卡5卡区| 国产高潮美女av| 久久久久久久午夜电影| 成年女人毛片免费观看观看9| 曰老女人黄片| 亚洲精品美女久久久久99蜜臀| 亚洲国产色片| 超碰成人久久| 国产私拍福利视频在线观看| 99久久国产精品久久久| 曰老女人黄片| 九色成人免费人妻av| 中文字幕精品亚洲无线码一区| 国产伦一二天堂av在线观看| 丰满人妻一区二区三区视频av | 中出人妻视频一区二区| 亚洲中文字幕日韩| 听说在线观看完整版免费高清| 成人鲁丝片一二三区免费| 白带黄色成豆腐渣| 天堂√8在线中文| 免费在线观看亚洲国产| 亚洲欧美精品综合一区二区三区| 五月玫瑰六月丁香| 99热6这里只有精品| 亚洲va日本ⅴa欧美va伊人久久| 久久这里只有精品中国| 国产亚洲av嫩草精品影院| 日日摸夜夜添夜夜添小说| 免费看a级黄色片| 久久久久久久精品吃奶| xxx96com| 日韩成人在线观看一区二区三区| 男人的好看免费观看在线视频| 欧美最黄视频在线播放免费| www日本黄色视频网| 国产精品久久视频播放| 国产亚洲精品综合一区在线观看| 午夜免费观看网址| 日本撒尿小便嘘嘘汇集6| 又黄又爽又免费观看的视频| 国产欧美日韩精品亚洲av| 精品无人区乱码1区二区| 国产精品乱码一区二三区的特点| 国产高清视频在线观看网站| 成人三级做爰电影| 12—13女人毛片做爰片一| 听说在线观看完整版免费高清| 熟女少妇亚洲综合色aaa.| 日韩中文字幕欧美一区二区| 午夜亚洲福利在线播放| 真实男女啪啪啪动态图| 欧美av亚洲av综合av国产av| 真人一进一出gif抽搐免费| 99久久精品一区二区三区| 国内精品美女久久久久久| 国内揄拍国产精品人妻在线| 亚洲av电影在线进入| 麻豆国产av国片精品| 最近最新中文字幕大全电影3| 不卡av一区二区三区| 日韩精品青青久久久久久| 男女床上黄色一级片免费看| 中国美女看黄片| www.精华液| 亚洲欧美日韩东京热| 男人舔奶头视频| 国产三级黄色录像| 欧美日韩福利视频一区二区| 看免费av毛片| 一区二区三区高清视频在线| 男女之事视频高清在线观看| 丁香六月欧美| 1024香蕉在线观看| 久久久久国产一级毛片高清牌| 日韩中文字幕欧美一区二区| 91在线精品国自产拍蜜月 | 免费在线观看影片大全网站| 岛国在线免费视频观看| 国产1区2区3区精品| 搡老岳熟女国产| 两性夫妻黄色片| 亚洲国产日韩欧美精品在线观看 | 国模一区二区三区四区视频 | 最近最新中文字幕大全免费视频| 日日摸夜夜添夜夜添小说| 国产一区二区在线观看日韩 | 欧美中文日本在线观看视频| 成人av一区二区三区在线看| 日韩高清综合在线| 国内精品一区二区在线观看| 久久久久久大精品| 日本一本二区三区精品| 日韩 欧美 亚洲 中文字幕| 久久午夜亚洲精品久久| 黄色日韩在线| 午夜亚洲福利在线播放| 少妇的逼水好多| 啦啦啦免费观看视频1| 国产亚洲精品久久久com| 亚洲午夜理论影院| 长腿黑丝高跟| 熟女少妇亚洲综合色aaa.| 日韩免费av在线播放| 亚洲av熟女| 窝窝影院91人妻| 日本 av在线| 最近在线观看免费完整版| 免费看光身美女| 长腿黑丝高跟| 中文在线观看免费www的网站| 亚洲精品在线观看二区| 精品欧美国产一区二区三| 免费在线观看视频国产中文字幕亚洲| 99在线人妻在线中文字幕| 婷婷丁香在线五月| 免费看a级黄色片| 免费观看的影片在线观看| 久久精品亚洲精品国产色婷小说| 国产真人三级小视频在线观看| 国产精品日韩av在线免费观看| 国产不卡一卡二| 午夜亚洲福利在线播放| 夜夜夜夜夜久久久久| 国产精品电影一区二区三区| 少妇人妻一区二区三区视频| 51午夜福利影视在线观看| 免费看日本二区| 无限看片的www在线观看| 丁香欧美五月| 后天国语完整版免费观看| 成人国产综合亚洲| 香蕉丝袜av| 免费在线观看日本一区| 国产91精品成人一区二区三区| 欧美色欧美亚洲另类二区| 亚洲国产高清在线一区二区三| 黄频高清免费视频| 看黄色毛片网站| 亚洲激情在线av| 欧美丝袜亚洲另类 | 天天躁日日操中文字幕| 欧美绝顶高潮抽搐喷水| 免费高清视频大片| 成人av一区二区三区在线看| a在线观看视频网站| 亚洲无线观看免费| 成人特级av手机在线观看| 99久久成人亚洲精品观看| 亚洲美女黄片视频| 在线看三级毛片| 色哟哟哟哟哟哟| 啪啪无遮挡十八禁网站| 日本熟妇午夜| 免费看美女性在线毛片视频| 久久久久久久久中文| 久久久久久久久久黄片| 精品久久久久久久久久久久久| 久久国产乱子伦精品免费另类| 麻豆国产av国片精品| 亚洲专区国产一区二区| 亚洲国产精品成人综合色| 色综合婷婷激情| 久久久久久久久久黄片| 中文在线观看免费www的网站| 五月伊人婷婷丁香| 三级毛片av免费| 成人特级黄色片久久久久久久| 岛国在线免费视频观看| 不卡av一区二区三区| 九九热线精品视视频播放| 亚洲人成网站高清观看| 黄片小视频在线播放| 亚洲av电影不卡..在线观看| 精华霜和精华液先用哪个| 精品无人区乱码1区二区| 日本黄大片高清| 色精品久久人妻99蜜桃| h日本视频在线播放| 精品国产乱码久久久久久男人| 丁香六月欧美| 国产一区二区激情短视频| 国产综合懂色| 精品国产美女av久久久久小说| 精品久久蜜臀av无| 亚洲国产精品sss在线观看| 三级毛片av免费| 三级国产精品欧美在线观看 | 男人舔奶头视频| 亚洲色图 男人天堂 中文字幕| 一个人看的www免费观看视频| 免费观看人在逋| 人人妻人人看人人澡| 亚洲精品美女久久久久99蜜臀| 国产高清videossex| 亚洲国产精品sss在线观看| 在线免费观看不下载黄p国产 | 久久久国产成人精品二区| 欧美+亚洲+日韩+国产| 亚洲欧美日韩高清专用| 亚洲一区二区三区色噜噜| 丝袜人妻中文字幕| 欧美日韩综合久久久久久 | 一个人看视频在线观看www免费 | 欧美一级毛片孕妇| 美女免费视频网站| 免费看日本二区| 亚洲精品一区av在线观看| 熟女人妻精品中文字幕| 午夜福利高清视频| 国产亚洲精品久久久com| 变态另类成人亚洲欧美熟女| 国模一区二区三区四区视频 | av女优亚洲男人天堂 | 国内精品久久久久久久电影| 日本免费一区二区三区高清不卡| 国产欧美日韩一区二区精品| 99久久久亚洲精品蜜臀av| 男人的好看免费观看在线视频| 免费av不卡在线播放| 欧美激情在线99| 日韩国内少妇激情av| 日韩欧美免费精品| 老司机深夜福利视频在线观看| 成人特级av手机在线观看| 日日夜夜操网爽| 一二三四社区在线视频社区8| 久久热在线av| 五月玫瑰六月丁香| 99热精品在线国产| 久久久久久久午夜电影| 午夜日韩欧美国产| 国产精品自产拍在线观看55亚洲| 亚洲成av人片在线播放无| 淫秽高清视频在线观看| netflix在线观看网站| 亚洲无线在线观看| 亚洲国产日韩欧美精品在线观看 | 日本黄色片子视频| 美女大奶头视频| 又爽又黄无遮挡网站| 免费看a级黄色片| 国产日本99.免费观看| 亚洲专区中文字幕在线| 亚洲成人久久爱视频| 久久久久久九九精品二区国产| 精品欧美国产一区二区三| 亚洲中文字幕一区二区三区有码在线看 | 欧美日本视频| 亚洲九九香蕉| 亚洲自偷自拍图片 自拍| 欧美日韩乱码在线| 欧美日韩瑟瑟在线播放| 母亲3免费完整高清在线观看| 成年版毛片免费区| 丝袜人妻中文字幕| 国产一区二区三区视频了| 国产亚洲av嫩草精品影院| 亚洲电影在线观看av| 午夜福利视频1000在线观看| 免费在线观看影片大全网站| 黄色片一级片一级黄色片| 91字幕亚洲| 女警被强在线播放| 日本五十路高清| 欧美色欧美亚洲另类二区| av中文乱码字幕在线| 日本黄色片子视频| 午夜福利欧美成人| 欧美成人免费av一区二区三区| 成人永久免费在线观看视频| 国产精品爽爽va在线观看网站| 看片在线看免费视频| 国产一区二区在线av高清观看| 一级毛片女人18水好多| 亚洲无线在线观看| 无限看片的www在线观看| 男女之事视频高清在线观看| 老司机在亚洲福利影院| 又大又爽又粗| 不卡一级毛片| 女警被强在线播放| 午夜福利18| 性欧美人与动物交配| 丁香欧美五月| 高清在线国产一区| 99精品欧美一区二区三区四区| 精品国产乱子伦一区二区三区| 亚洲熟妇熟女久久| 久久久久久久久中文| 成在线人永久免费视频| 欧美绝顶高潮抽搐喷水| a级毛片在线看网站| 欧美激情久久久久久爽电影| 欧美xxxx黑人xx丫x性爽| 国产伦精品一区二区三区四那| 国产亚洲欧美在线一区二区| 国产精品亚洲美女久久久| 性色av乱码一区二区三区2| 亚洲国产精品合色在线| 免费看十八禁软件| 免费在线观看影片大全网站| 一进一出抽搐动态| 在线视频色国产色| 成人18禁在线播放| 天堂动漫精品| 中文字幕av在线有码专区| 舔av片在线| 国产精品99久久久久久久久| 夜夜爽天天搞| 999久久久精品免费观看国产| 久久久国产成人免费| 日韩精品青青久久久久久| 国产69精品久久久久777片 | 怎么达到女性高潮| 亚洲av电影在线进入| 亚洲专区字幕在线| 色精品久久人妻99蜜桃| 色哟哟哟哟哟哟| 三级毛片av免费| 午夜福利18| 精品久久久久久成人av| 亚洲av美国av| 亚洲av日韩精品久久久久久密| 亚洲国产欧美网| 性色av乱码一区二区三区2| 免费无遮挡裸体视频| 99riav亚洲国产免费| 亚洲中文字幕一区二区三区有码在线看 | 白带黄色成豆腐渣| 青草久久国产| 久久精品人妻少妇| 老司机午夜福利在线观看视频| 少妇丰满av| 国产综合懂色| 午夜福利免费观看在线| 亚洲最大成人中文| 又大又爽又粗| 又粗又爽又猛毛片免费看| 久久久国产成人精品二区| 欧美日韩黄片免| 国产欧美日韩一区二区精品| 亚洲精品一区av在线观看| 色视频www国产| 五月伊人婷婷丁香| 国产高清三级在线| 成人特级av手机在线观看| 特级一级黄色大片| 又大又爽又粗| 伊人久久大香线蕉亚洲五| 亚洲精品456在线播放app | 亚洲国产欧美网| 两个人视频免费观看高清| 在线观看66精品国产| 久久午夜亚洲精品久久| 2021天堂中文幕一二区在线观| 精品99又大又爽又粗少妇毛片 | 欧美乱码精品一区二区三区| 国产精品 国内视频| 亚洲一区二区三区色噜噜| 久久久久性生活片| 男女下面进入的视频免费午夜| 最近最新中文字幕大全电影3| 女生性感内裤真人,穿戴方法视频| 国产伦在线观看视频一区| 男女视频在线观看网站免费| 日本黄大片高清| 欧美色欧美亚洲另类二区| 久久精品夜夜夜夜夜久久蜜豆| 精品一区二区三区av网在线观看| 亚洲性夜色夜夜综合| 亚洲国产精品合色在线| 久久午夜亚洲精品久久| 村上凉子中文字幕在线| 成人18禁在线播放| 欧美日韩中文字幕国产精品一区二区三区| 免费看光身美女| 黄片大片在线免费观看| 精品人妻1区二区| 欧洲精品卡2卡3卡4卡5卡区| 国产av不卡久久| 无限看片的www在线观看| 一边摸一边抽搐一进一小说| 伊人久久大香线蕉亚洲五| 精品日产1卡2卡| 五月玫瑰六月丁香| 亚洲专区字幕在线| 国产精华一区二区三区| 免费看a级黄色片| 高清在线国产一区| 亚洲无线在线观看| 婷婷精品国产亚洲av| 久久久国产成人免费| 亚洲欧美日韩无卡精品| 制服人妻中文乱码| 欧美性猛交黑人性爽| 色老头精品视频在线观看| 两性夫妻黄色片| 2021天堂中文幕一二区在线观| 国产av一区在线观看免费| 国产亚洲欧美在线一区二区| 白带黄色成豆腐渣| 亚洲人成电影免费在线| 一a级毛片在线观看| 高潮久久久久久久久久久不卡| 我要搜黄色片| 亚洲国产高清在线一区二区三| 日本撒尿小便嘘嘘汇集6| 日韩欧美一区二区三区在线观看| 看黄色毛片网站| 亚洲国产欧美一区二区综合| 91字幕亚洲| 亚洲精品乱码久久久v下载方式 | 非洲黑人性xxxx精品又粗又长| 日本 av在线| 国产激情偷乱视频一区二区| 成人午夜高清在线视频| 国产高清视频在线播放一区| 91麻豆av在线| 亚洲精品美女久久av网站| 在线十欧美十亚洲十日本专区| 禁无遮挡网站| 村上凉子中文字幕在线| 亚洲av成人精品一区久久| 欧美日韩乱码在线| 国内精品美女久久久久久| 亚洲精品456在线播放app | 少妇熟女aⅴ在线视频| 亚洲色图 男人天堂 中文字幕| 97人妻精品一区二区三区麻豆| 91老司机精品| 日日干狠狠操夜夜爽| 国内精品美女久久久久久| 久久久久国产一级毛片高清牌| www.999成人在线观看| 亚洲最大成人中文| 在线观看日韩欧美| 久久这里只有精品中国| 99久久99久久久精品蜜桃| 18美女黄网站色大片免费观看| 午夜福利在线在线| 久久人妻av系列| 在线观看美女被高潮喷水网站 | 老熟妇仑乱视频hdxx| 成在线人永久免费视频| 精品久久久久久久人妻蜜臀av| 麻豆国产97在线/欧美| 天堂网av新在线| 长腿黑丝高跟| 国产1区2区3区精品| 亚洲狠狠婷婷综合久久图片| 亚洲无线观看免费| 两个人视频免费观看高清| 国语自产精品视频在线第100页| 欧美黑人巨大hd| 三级男女做爰猛烈吃奶摸视频| 中国美女看黄片| 不卡一级毛片| 非洲黑人性xxxx精品又粗又长| 亚洲成人精品中文字幕电影| 一卡2卡三卡四卡精品乱码亚洲| 久久亚洲精品不卡| 国产在线精品亚洲第一网站| 亚洲一区二区三区不卡视频| 91av网站免费观看| 在线观看日韩欧美| av国产免费在线观看| 精品久久久久久久久久免费视频| 精品乱码久久久久久99久播| 精品久久蜜臀av无| 国产精品香港三级国产av潘金莲| 国产成人啪精品午夜网站| 色吧在线观看| 欧美最黄视频在线播放免费| 成在线人永久免费视频| 麻豆一二三区av精品| 男女之事视频高清在线观看| 国产精品乱码一区二三区的特点| 久久久久久久精品吃奶| 久久香蕉精品热| 精品熟女少妇八av免费久了| 2021天堂中文幕一二区在线观| 精品日产1卡2卡| 丰满人妻一区二区三区视频av | 一级作爱视频免费观看| 免费看a级黄色片| 蜜桃久久精品国产亚洲av| 亚洲精品色激情综合| 亚洲av片天天在线观看| 国产成人精品无人区| 国产99白浆流出| 欧美色欧美亚洲另类二区| 婷婷六月久久综合丁香| 欧美最黄视频在线播放免费| 久久中文字幕一级| av天堂中文字幕网| 精品一区二区三区视频在线 | 久久久成人免费电影| 人妻丰满熟妇av一区二区三区| 欧美性猛交╳xxx乱大交人| 国语自产精品视频在线第100页| 最近在线观看免费完整版| 色在线成人网| 国内久久婷婷六月综合欲色啪| 日韩三级视频一区二区三区| 久久精品亚洲精品国产色婷小说| 午夜福利在线观看吧| 一区二区三区高清视频在线|