• <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
    免费av中文字幕在线| 亚洲av男天堂| 十八禁网站网址无遮挡| 91精品三级在线观看| 亚洲精华国产精华液的使用体验| 免费看不卡的av| 久久久精品免费免费高清| 国产精品国产av在线观看| 国产精品久久久av美女十八| 国产一区有黄有色的免费视频| 国产欧美日韩一区二区三区在线| 日韩一区二区三区影片| 少妇熟女欧美另类| 一区二区三区激情视频| 日韩一区二区三区影片| 性色av一级| 国产精品免费视频内射| 久久久久精品性色| 男人爽女人下面视频在线观看| 亚洲欧美中文字幕日韩二区| 天堂俺去俺来也www色官网| 丝袜在线中文字幕| 韩国精品一区二区三区| 自线自在国产av| videos熟女内射| 亚洲欧美成人精品一区二区| 黄色一级大片看看| 欧美激情高清一区二区三区 | 国产精品久久久久成人av| 女性被躁到高潮视频| 一二三四在线观看免费中文在| 国产成人欧美| 亚洲少妇的诱惑av| 日本欧美视频一区| 国产精品不卡视频一区二区| 国产在线视频一区二区| 丝袜美腿诱惑在线| 寂寞人妻少妇视频99o| 日本免费在线观看一区| 母亲3免费完整高清在线观看 | 大片电影免费在线观看免费| 国产男女内射视频| 精品第一国产精品| 久久国产亚洲av麻豆专区| 午夜老司机福利剧场| 男人爽女人下面视频在线观看| 青春草国产在线视频| 国产乱人偷精品视频| tube8黄色片| 亚洲伊人色综图| tube8黄色片| 久久久欧美国产精品| 亚洲国产日韩一区二区| 国产毛片在线视频| 国产成人精品福利久久| 一级片免费观看大全| 日产精品乱码卡一卡2卡三| 精品国产乱码久久久久久小说| 搡女人真爽免费视频火全软件| 99久久中文字幕三级久久日本| av网站在线播放免费| 成人漫画全彩无遮挡| 亚洲国产欧美网| 亚洲欧美一区二区三区国产| 一本大道久久a久久精品| 老司机影院成人| 啦啦啦啦在线视频资源| 伊人久久大香线蕉亚洲五| 国产一区有黄有色的免费视频| 1024香蕉在线观看| 夫妻性生交免费视频一级片| 精品国产一区二区三区久久久樱花| 制服丝袜香蕉在线| 最新的欧美精品一区二区| 日韩精品有码人妻一区| 一级毛片 在线播放| 一边亲一边摸免费视频| 两个人看的免费小视频| 亚洲精品久久午夜乱码| 国产精品熟女久久久久浪| 国产精品国产三级国产专区5o| 老汉色∧v一级毛片| 国产在线一区二区三区精| 91成人精品电影| 一区二区日韩欧美中文字幕| 宅男免费午夜| 国产白丝娇喘喷水9色精品| 寂寞人妻少妇视频99o| 91国产中文字幕| xxx大片免费视频| 国产综合精华液| 王馨瑶露胸无遮挡在线观看| 黄色视频在线播放观看不卡| 久久久久久人人人人人| 老女人水多毛片| 国产又色又爽无遮挡免| 美女脱内裤让男人舔精品视频| 永久网站在线| 男人操女人黄网站| 亚洲成国产人片在线观看| 两个人看的免费小视频| 午夜老司机福利剧场| 麻豆乱淫一区二区| 久久精品国产亚洲av天美| 国产成人精品一,二区| 亚洲,欧美精品.| 夫妻性生交免费视频一级片| 免费高清在线观看视频在线观看| 少妇人妻久久综合中文| 精品午夜福利在线看| 黑人欧美特级aaaaaa片| 国产免费视频播放在线视频| 男人爽女人下面视频在线观看| 亚洲精品国产av蜜桃| 新久久久久国产一级毛片| 99re6热这里在线精品视频| 欧美xxⅹ黑人| 亚洲天堂av无毛| 性少妇av在线| 中国国产av一级| 亚洲国产欧美网| 久久精品久久久久久久性| 一级爰片在线观看| 老汉色av国产亚洲站长工具| 日本-黄色视频高清免费观看| 免费人妻精品一区二区三区视频| 精品一区二区三区四区五区乱码 | 不卡av一区二区三区| 18禁观看日本| 亚洲国产精品国产精品| kizo精华| 看十八女毛片水多多多| av在线观看视频网站免费| 中文精品一卡2卡3卡4更新| av国产精品久久久久影院| 亚洲欧美一区二区三区国产| av线在线观看网站| 亚洲,欧美,日韩| 交换朋友夫妻互换小说| 日韩不卡一区二区三区视频在线| 国产人伦9x9x在线观看 | 你懂的网址亚洲精品在线观看| 亚洲熟女精品中文字幕| 国产成人91sexporn| 制服人妻中文乱码| 久久久久网色| 日日啪夜夜爽| 国产探花极品一区二区| 国产福利在线免费观看视频| 最新中文字幕久久久久| av天堂久久9| 国产片特级美女逼逼视频| 精品亚洲成国产av| 尾随美女入室| 精品人妻偷拍中文字幕| 91aial.com中文字幕在线观看| 一本久久精品| 亚洲综合精品二区| 天天躁夜夜躁狠狠躁躁| 亚洲精品一二三| 亚洲成人av在线免费| 如日韩欧美国产精品一区二区三区| 极品人妻少妇av视频| 天堂8中文在线网| 97精品久久久久久久久久精品| 精品国产一区二区三区四区第35| 成人亚洲精品一区在线观看| av在线观看视频网站免费| 成人国产av品久久久| 久久久久精品人妻al黑| 免费人妻精品一区二区三区视频| 日本猛色少妇xxxxx猛交久久| 午夜老司机福利剧场| 亚洲四区av| 久久精品久久久久久久性| 成年女人在线观看亚洲视频| 黄频高清免费视频| 又大又黄又爽视频免费| 中国国产av一级| 男人爽女人下面视频在线观看| 久久精品国产a三级三级三级| 国产探花极品一区二区| 亚洲一区二区三区欧美精品| 亚洲欧洲日产国产| 亚洲精品国产av成人精品| 日本91视频免费播放| 亚洲经典国产精华液单| 欧美日韩精品成人综合77777| 在线观看国产h片| 久久久久国产精品人妻一区二区| 国产精品久久久av美女十八| 熟女电影av网| 成人国产麻豆网| 午夜免费鲁丝| 9热在线视频观看99| 国产色婷婷99| 一级毛片黄色毛片免费观看视频| 视频区图区小说| 一区二区三区四区激情视频| 另类精品久久| 18+在线观看网站| 日韩一本色道免费dvd| 欧美中文综合在线视频| 下体分泌物呈黄色| 一区福利在线观看| 一级毛片黄色毛片免费观看视频| 极品人妻少妇av视频| 少妇猛男粗大的猛烈进出视频| 亚洲欧美精品综合一区二区三区 | 在线看a的网站| 国产精品亚洲av一区麻豆 | 天美传媒精品一区二区| 亚洲三区欧美一区| 午夜福利,免费看| 国产精品无大码| 成人影院久久| 久久人人爽人人片av| 久久毛片免费看一区二区三区| 1024视频免费在线观看| 人成视频在线观看免费观看| 大话2 男鬼变身卡| 亚洲成国产人片在线观看| videossex国产| 在线亚洲精品国产二区图片欧美| 99re6热这里在线精品视频| 亚洲美女黄色视频免费看| 国产综合精华液| 韩国高清视频一区二区三区| 亚洲人成网站在线观看播放| 精品国产乱码久久久久久男人| 成人国产av品久久久| 久久精品国产亚洲av高清一级| 欧美日韩亚洲国产一区二区在线观看 | 在线亚洲精品国产二区图片欧美| 亚洲精品美女久久av网站| 免费播放大片免费观看视频在线观看| 国产成人免费无遮挡视频| 亚洲美女搞黄在线观看| 99国产综合亚洲精品| 18禁裸乳无遮挡动漫免费视频| 99久久精品国产国产毛片| 美女中出高潮动态图| 丝袜人妻中文字幕| 综合色丁香网| 亚洲av综合色区一区| 国产精品.久久久| 视频区图区小说| 久久国产亚洲av麻豆专区| av线在线观看网站| 美女脱内裤让男人舔精品视频| 最近最新中文字幕免费大全7| 又黄又粗又硬又大视频| 精品一品国产午夜福利视频| 国产女主播在线喷水免费视频网站| 一边亲一边摸免费视频| 秋霞在线观看毛片| 久久亚洲国产成人精品v| 两性夫妻黄色片| 91精品国产国语对白视频| 国产乱人偷精品视频| 欧美精品人与动牲交sv欧美| 97在线视频观看| 在线观看www视频免费| 国产精品二区激情视频| 欧美bdsm另类| 国产精品久久久久久av不卡| 青春草国产在线视频| 免费大片黄手机在线观看| 少妇人妻久久综合中文| 丝袜脚勾引网站| 亚洲国产欧美在线一区| 超碰成人久久| kizo精华| 日韩不卡一区二区三区视频在线| 亚洲国产最新在线播放| 亚洲欧美色中文字幕在线| 狠狠婷婷综合久久久久久88av| 大码成人一级视频| 亚洲五月色婷婷综合| 欧美老熟妇乱子伦牲交| 午夜av观看不卡| 亚洲情色 制服丝袜| 免费黄网站久久成人精品| 日本-黄色视频高清免费观看| 欧美中文综合在线视频| 久久久久久免费高清国产稀缺| 欧美日本中文国产一区发布| 99久久中文字幕三级久久日本| av女优亚洲男人天堂| 亚洲精华国产精华液的使用体验| 如日韩欧美国产精品一区二区三区| 色播在线永久视频| 乱人伦中国视频| 捣出白浆h1v1| 国产成人91sexporn| 水蜜桃什么品种好| 捣出白浆h1v1| 中文字幕人妻熟女乱码| 少妇猛男粗大的猛烈进出视频| 丝袜喷水一区| 一级,二级,三级黄色视频| 国产精品亚洲av一区麻豆 | 亚洲内射少妇av| 精品少妇一区二区三区视频日本电影 | 在线观看国产h片| 中文字幕制服av| 精品国产乱码久久久久久男人| 大片电影免费在线观看免费| 麻豆乱淫一区二区| 大香蕉久久网| av片东京热男人的天堂| 午夜激情av网站| 久久久久国产网址| 色吧在线观看| 丰满饥渴人妻一区二区三| 久久久久久久久久久免费av| 国产精品秋霞免费鲁丝片| 亚洲欧美清纯卡通| 80岁老熟妇乱子伦牲交| 制服诱惑二区| 免费在线观看视频国产中文字幕亚洲 | 欧美 日韩 精品 国产| 免费观看在线日韩| 丰满乱子伦码专区| 婷婷色av中文字幕| 国产精品一区二区在线观看99| 男女边吃奶边做爰视频| 国产亚洲一区二区精品| 欧美激情极品国产一区二区三区| av片东京热男人的天堂| 在线免费观看不下载黄p国产| 成年人免费黄色播放视频| av免费在线看不卡| 夜夜骑夜夜射夜夜干| 80岁老熟妇乱子伦牲交| 少妇人妻 视频| a级毛片黄视频| 伦精品一区二区三区| 少妇人妻 视频| 国产黄色视频一区二区在线观看| 99re6热这里在线精品视频| 99热网站在线观看| 欧美精品亚洲一区二区| 久久久久国产网址| 日韩大片免费观看网站| 人妻系列 视频| 黑丝袜美女国产一区| 国产日韩一区二区三区精品不卡| 晚上一个人看的免费电影| 精品国产一区二区三区久久久樱花| 欧美精品国产亚洲| 国产无遮挡羞羞视频在线观看| 中文字幕人妻丝袜制服| 久久人人爽av亚洲精品天堂| 女人高潮潮喷娇喘18禁视频| 日产精品乱码卡一卡2卡三| 好男人视频免费观看在线| 欧美97在线视频| 国产精品成人在线| 欧美人与性动交α欧美软件| 国产一区有黄有色的免费视频| a级毛片在线看网站| 人人澡人人妻人| 国产深夜福利视频在线观看| 国产女主播在线喷水免费视频网站| 美女xxoo啪啪120秒动态图| 亚洲国产毛片av蜜桃av| 青草久久国产| 9191精品国产免费久久| 一区二区日韩欧美中文字幕| 日本午夜av视频| 久久久久网色| 99国产精品免费福利视频| av免费在线看不卡| 国产精品国产三级国产专区5o| 欧美日韩综合久久久久久| 国产精品免费大片| 精品99又大又爽又粗少妇毛片| 久久99一区二区三区| 日日爽夜夜爽网站| 国产一区有黄有色的免费视频| 国产一区二区三区av在线| 欧美人与性动交α欧美软件| a级片在线免费高清观看视频| 亚洲欧洲国产日韩| 777久久人妻少妇嫩草av网站| 亚洲精品美女久久av网站| 国产精品三级大全| 男女午夜视频在线观看| 视频在线观看一区二区三区| 好男人视频免费观看在线| 日韩欧美一区视频在线观看| 日韩中字成人| 久久国内精品自在自线图片| 欧美+日韩+精品| 亚洲一级一片aⅴ在线观看| 欧美亚洲日本最大视频资源| 精品国产一区二区三区久久久樱花| 在线观看国产h片| 欧美精品高潮呻吟av久久| 久久99蜜桃精品久久| 久久韩国三级中文字幕| 男人添女人高潮全过程视频| 欧美日韩一级在线毛片| 久久久久精品性色| 人人妻人人澡人人爽人人夜夜| 久久精品久久久久久噜噜老黄| 各种免费的搞黄视频| 18禁裸乳无遮挡动漫免费视频| 在线观看免费日韩欧美大片| 欧美日韩综合久久久久久| 国产亚洲一区二区精品| 日本av手机在线免费观看| 黄色视频在线播放观看不卡| 国产成人午夜福利电影在线观看| 婷婷色综合大香蕉| av不卡在线播放| 亚洲视频免费观看视频| 国产97色在线日韩免费| 亚洲国产欧美日韩在线播放| 男女下面插进去视频免费观看| 国产免费视频播放在线视频| 久久久欧美国产精品| 一级毛片 在线播放| 亚洲五月色婷婷综合| 精品国产乱码久久久久久男人| 我的亚洲天堂| 国产精品香港三级国产av潘金莲 | 久久精品久久久久久久性| 成年美女黄网站色视频大全免费| 久久影院123| 久久国产精品男人的天堂亚洲| 两性夫妻黄色片| 成年人午夜在线观看视频| 伦理电影大哥的女人| 精品第一国产精品| 青春草视频在线免费观看| 日本vs欧美在线观看视频| 亚洲成人一二三区av| 男的添女的下面高潮视频| 一级毛片我不卡| 国产精品一区二区在线观看99| 免费观看性生交大片5| 熟女av电影| 国产精品免费大片| videos熟女内射| 国产极品粉嫩免费观看在线| 久久人人爽人人片av| 国产成人精品久久二区二区91 | 精品久久久久久电影网| 一级黄片播放器| 欧美xxⅹ黑人| 欧美变态另类bdsm刘玥| 黄片无遮挡物在线观看| 人妻少妇偷人精品九色| 国产熟女欧美一区二区| 丰满乱子伦码专区| 丝袜喷水一区| 中文字幕人妻熟女乱码| 韩国高清视频一区二区三区| 欧美精品一区二区大全| 热99国产精品久久久久久7| 国产成人精品在线电影| 久久青草综合色| 欧美激情 高清一区二区三区| 爱豆传媒免费全集在线观看| 熟妇人妻不卡中文字幕| 免费人妻精品一区二区三区视频| 久久久久精品性色| 一级毛片黄色毛片免费观看视频| 国产成人a∨麻豆精品| 欧美人与善性xxx| 制服人妻中文乱码| 精品一品国产午夜福利视频| 国产精品亚洲av一区麻豆 | 自线自在国产av| 街头女战士在线观看网站| 国产黄色视频一区二区在线观看| 叶爱在线成人免费视频播放| 黄色毛片三级朝国网站| 欧美人与善性xxx| 久久午夜综合久久蜜桃| 午夜福利乱码中文字幕| 精品午夜福利在线看| 在线观看人妻少妇| 日本wwww免费看| 女的被弄到高潮叫床怎么办| 超色免费av| 一二三四在线观看免费中文在| 免费观看在线日韩| 日韩欧美精品免费久久| 黄色一级大片看看| 国产成人av激情在线播放| 亚洲欧美成人精品一区二区| 免费久久久久久久精品成人欧美视频| 欧美精品高潮呻吟av久久| av免费在线看不卡| 久久久久久人妻| 日本av免费视频播放| 欧美成人午夜精品| 亚洲精品自拍成人| 国产精品熟女久久久久浪| 香蕉丝袜av| 午夜福利视频精品| 国产在线免费精品| 综合色丁香网| 欧美激情 高清一区二区三区| 国产亚洲午夜精品一区二区久久| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲伊人久久精品综合| www.自偷自拍.com| 少妇被粗大猛烈的视频| 美女视频免费永久观看网站| 国产一区二区三区av在线| 性色av一级| 一区二区三区精品91| 秋霞在线观看毛片| 欧美精品一区二区大全| 在现免费观看毛片| 大陆偷拍与自拍| 天天躁日日躁夜夜躁夜夜| 成人免费观看视频高清| 高清不卡的av网站| 免费大片黄手机在线观看| 日日摸夜夜添夜夜爱| 大香蕉久久网| 美女xxoo啪啪120秒动态图| 人妻一区二区av| 欧美中文综合在线视频| 国产精品香港三级国产av潘金莲 | 免费看不卡的av| 亚洲精品国产色婷婷电影| 国产精品不卡视频一区二区| 丰满迷人的少妇在线观看| 久久av网站| 国产成人av激情在线播放| 亚洲久久久国产精品| 黄色怎么调成土黄色| 十八禁网站网址无遮挡| 黄色怎么调成土黄色| 不卡视频在线观看欧美| 亚洲情色 制服丝袜| 不卡视频在线观看欧美| 久久99热这里只频精品6学生| 国产精品二区激情视频| 日韩成人av中文字幕在线观看| 捣出白浆h1v1| 国产1区2区3区精品| 九草在线视频观看| 嫩草影院入口| 免费高清在线观看日韩| 精品国产国语对白av| 国产av精品麻豆| 99久久精品国产国产毛片| 天堂中文最新版在线下载| 国产精品免费视频内射| 国产黄频视频在线观看| 晚上一个人看的免费电影| 人人妻人人澡人人看| 国产亚洲av片在线观看秒播厂| 亚洲av福利一区| 久久毛片免费看一区二区三区| 最新中文字幕久久久久| 久久人人97超碰香蕉20202| 国产97色在线日韩免费| 巨乳人妻的诱惑在线观看| 国产男女内射视频| 午夜福利一区二区在线看| 欧美日本中文国产一区发布| 久久国产亚洲av麻豆专区| videosex国产| 国产免费一区二区三区四区乱码| 最近中文字幕2019免费版| 欧美 亚洲 国产 日韩一| 精品福利永久在线观看| 久久久久国产精品人妻一区二区| 丝袜人妻中文字幕| 久久久精品区二区三区| av免费观看日本| 丝瓜视频免费看黄片| 日日撸夜夜添| 精品一区二区三卡| 欧美国产精品一级二级三级| 亚洲男人天堂网一区| 国精品久久久久久国模美| 国产精品一区二区在线观看99| 亚洲国产精品一区三区| 亚洲,欧美,日韩| 看免费av毛片| 女性生殖器流出的白浆| 一本久久精品| 亚洲av欧美aⅴ国产| 最近2019中文字幕mv第一页| 久久99蜜桃精品久久| 国产成人欧美| 亚洲国产av影院在线观看| 国产亚洲av片在线观看秒播厂| 欧美精品国产亚洲| 欧美变态另类bdsm刘玥| 欧美日韩视频高清一区二区三区二| 国产精品.久久久| 亚洲综合精品二区| 成人毛片a级毛片在线播放| 国产日韩欧美视频二区| 成人黄色视频免费在线看| www.自偷自拍.com| 日韩中文字幕视频在线看片| 赤兔流量卡办理| 黑人欧美特级aaaaaa片| 国产精品.久久久| 亚洲精品国产av成人精品| 交换朋友夫妻互换小说| 婷婷成人精品国产| 亚洲国产av影院在线观看| 国产免费又黄又爽又色|