• <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 ?

    一種融合注意力和記憶網(wǎng)絡(luò)的序列推薦算法*

    2020-05-21 06:56:12陳細(xì)玉
    關(guān)鍵詞:記憶用戶

    陳細(xì)玉,林 穗

    (廣東工業(yè)大學(xué) 計(jì)算機(jī)學(xué)院,廣東 廣州 510006)

    0 引言

    協(xié)同過(guò)濾(Collaborative Filtering,CF)[1],分為基于用戶的協(xié)同過(guò)濾(UBCF)、基于項(xiàng)目的協(xié)同過(guò)濾(IBCF)和基于模型的協(xié)同過(guò)濾?;谟脩舻膮f(xié)同過(guò)濾是根據(jù)用戶的歷史行為計(jì)算出用戶之間的相似度,將相似度高的用戶的歷史項(xiàng)目推薦給該用戶;基于項(xiàng)目的協(xié)同過(guò)濾是計(jì)算項(xiàng)目之間的相似度,推薦與該用戶歷史項(xiàng)目相似度高且歷史行為中沒(méi)有的項(xiàng)目?;谀P偷膮f(xié)同過(guò)濾如矩陣分解(Matrix Factorization,MF)[2]通過(guò)用戶和項(xiàng)目的低維特征向量預(yù)測(cè)評(píng)分進(jìn)行推薦;EBESU T[3]等人提出協(xié)同記憶網(wǎng)絡(luò),使用記憶網(wǎng)絡(luò)學(xué)習(xí)用戶-項(xiàng)目對(duì)的特定鄰居,用戶和項(xiàng)目記憶共同利用鄰居來(lái)產(chǎn)生排名分?jǐn)?shù)。這些模型通常對(duì)靜態(tài)的用戶和項(xiàng)目交互進(jìn)行建模,所表示的用戶偏好是靜態(tài)的。

    但在現(xiàn)實(shí)生活中,用戶的歷史行為是動(dòng)態(tài)的,人們的興趣是隨著時(shí)間變化的。早先的基于馬爾科夫鏈的序列推薦[4]將項(xiàng)目之間的轉(zhuǎn)移矩陣分解為兩個(gè)低秩矩陣,此序列推薦取得了良好的效果,然而k階馬爾科夫鏈只能根據(jù)有限的前k個(gè)行為預(yù)測(cè)下一個(gè)行為。近年來(lái)基于循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)的序列推薦能夠依賴更多用戶歷史行為。FU H等人[5]使用雙向長(zhǎng)短期記憶網(wǎng)絡(luò)(Bi-LSTM)捕獲項(xiàng)目的序列特征,取得了更好的推薦效果。下一個(gè)項(xiàng)目的預(yù)測(cè)并不取決于用戶所有的歷史項(xiàng)目,只與部分有關(guān)聯(lián),且對(duì)當(dāng)前的預(yù)測(cè)影響是不一致的。LUO A等人[6]提出了自適應(yīng)注意感知門(mén)控循環(huán)單元(3AGRU),采用注意力機(jī)制來(lái)適應(yīng)用戶順序偏好的表示。LV F等人[7]提出了一種新的順序深度匹配(SDM)模型,使用門(mén)控融合模塊結(jié)合長(zhǎng)期和短期偏好特征,來(lái)獲取用戶的動(dòng)態(tài)偏好。LIN X等人[8]將K最近鄰算法(K-Nearest Neighbor,KNN)與RNN相結(jié)合,利用動(dòng)態(tài)鄰居序列優(yōu)化用戶序列表示。

    item2vec[9]是BARKAN O等人借鑒自然語(yǔ)言處理中的Word2vec詞向量表示方法,學(xué)習(xí)項(xiàng)目的向量表示并計(jì)算項(xiàng)目的相似度進(jìn)行推薦。

    RNN存在長(zhǎng)距離依賴問(wèn)題,且項(xiàng)目之間的影響主要取決于相對(duì)位置而不是項(xiàng)目的屬性。LSTM增加遺忘門(mén)和更新門(mén)優(yōu)化了長(zhǎng)距離依賴問(wèn)題,但仍舊沒(méi)有徹底解決。注意力機(jī)制能從全局模式上既解決長(zhǎng)距離依賴問(wèn)題,又能解決序列中各項(xiàng)目的區(qū)分度差問(wèn)題。實(shí)際生活中,短期偏好的用戶會(huì)向資深固定偏好的用戶靠攏,興趣變化也會(huì)向這些用戶的興趣發(fā)展。

    由此提出融合注意力和記憶網(wǎng)絡(luò)的序列推薦算法,使用Word2vec學(xué)習(xí)并初始化用戶和項(xiàng)目的固定表示,自注意力機(jī)制結(jié)合LSTM解決長(zhǎng)距離依賴和區(qū)分度問(wèn)題,學(xué)習(xí)用戶的初級(jí)動(dòng)態(tài)表示,并利用記憶網(wǎng)絡(luò)獲取動(dòng)態(tài)鄰居學(xué)習(xí)用戶的終級(jí)動(dòng)態(tài)表示,拼接固定表示和終級(jí)動(dòng)態(tài)表示作為用戶最終表示并進(jìn)行推薦,提高用戶的推薦效果并體現(xiàn)出可解釋性。

    1 相關(guān)工作

    1.1 Word2vec

    MIKOLOV T等人[10]提出了兩種用于訓(xùn)練詞向量表示的模型,分別是Continuous Bag-of-Words和Continuous Skip-gram。前者是基于上下文來(lái)預(yù)測(cè)當(dāng)前單詞,后者是預(yù)測(cè)當(dāng)前單詞的一定范圍內(nèi)上下文單詞。后續(xù)此作者[11]使用分層softmax、負(fù)采樣和頻繁詞的子抽樣對(duì)Skip-gram模型進(jìn)行擴(kuò)展,提高了模型的訓(xùn)練速度和詞表示的準(zhǔn)確度,廣泛應(yīng)用于問(wèn)答系統(tǒng)和文本摘要等領(lǐng)域。

    1.2 注意力機(jī)制

    注意力機(jī)制的提出借鑒于人類的特性,人們?cè)谟^察或思考時(shí)會(huì)注意特定的東西而忽略其他無(wú)關(guān)的。廣泛應(yīng)用在圖像處理、自然語(yǔ)言處理,而后也有應(yīng)用于推薦。VASWANI A等人[12]提出完全基于注意力機(jī)制的Transformer模型,在機(jī)器翻譯上取得了良好的效果。神經(jīng)網(wǎng)絡(luò)擁有黑盒特性,結(jié)合注意力機(jī)制能夠有效地提高其可解釋性。

    1.3 記憶網(wǎng)絡(luò)

    記憶網(wǎng)絡(luò)[13]是Facebook成員WESTON J等人提出的一種新模型,主要針對(duì)RNN記憶太小不能完成需要長(zhǎng)期記憶的任務(wù),能夠?qū)Υ罅康挠洃涍M(jìn)行讀取和更新,缺點(diǎn)是需要監(jiān)督。而后SUKHBAATAR S等人[14]在這基礎(chǔ)上進(jìn)行了改進(jìn),利用軟關(guān)注機(jī)制使其能夠端到端地訓(xùn)練,減少了訓(xùn)練時(shí)的監(jiān)督,是一種新穎的具有注意力機(jī)制的循環(huán)神經(jīng)網(wǎng)絡(luò)。

    2 融合注意力和記憶網(wǎng)絡(luò)的序列推薦算法

    2.1用戶和項(xiàng)目固定表示

    (1)

    式中ei和ej是項(xiàng)目標(biāo)簽向量,hj是項(xiàng)目j的瀏覽用戶數(shù)目。使用以上方法學(xué)習(xí)到的向量作為用戶嵌入矩陣和項(xiàng)目嵌入矩陣的初始化。

    2.2 用戶的動(dòng)態(tài)表示

    首先使用自注意力機(jī)制和長(zhǎng)短期記憶網(wǎng)絡(luò)學(xué)習(xí)用戶的初級(jí)動(dòng)態(tài)表示。然后使用記憶網(wǎng)絡(luò)存儲(chǔ)所有用戶的固定表示,某一用戶的動(dòng)態(tài)表示作為查詢,自適應(yīng)注意鄰居,學(xué)習(xí)用戶的終級(jí)動(dòng)態(tài)表示。

    X′u=Xu+PE(Xu)

    (2)

    式中位置嵌入矩陣PE的第po行第i列表示為:

    PE(po,2i)=sin(po/10 0002i/em)

    (3)

    PE(po,2i+1)=cos(po/10 0002i/em)

    (4)

    式中,em為位置嵌入矩陣PE的維度。

    (5)

    其中注意力計(jì)算公式如下所示:

    Attention(Q,K,V)=

    (6)

    式中WQ,bQ,WK,bK,WV,bV為全連接參數(shù)矩陣。

    將新的序列輸入表示輸入到LSTM模型中,得到每個(gè)用戶的初級(jí)動(dòng)態(tài)表示,公式如下:

    (7)

    使用單跳記憶網(wǎng)絡(luò),將所有用戶的固定表示存儲(chǔ)在記憶模塊中,每個(gè)用戶的初級(jí)動(dòng)態(tài)表示作為查詢,獲取用戶的終級(jí)動(dòng)態(tài)表示,將原記憶網(wǎng)絡(luò)中的點(diǎn)積注意力改為T(mén)ransformer模型中的注意力,值得注意的是用戶的兩個(gè)嵌入矩陣依舊按照記憶網(wǎng)絡(luò)中設(shè)置為不同的,即K≠V。Q為用戶的初級(jí)動(dòng)態(tài)表示。公式如下所示:

    (8)

    其中A,C為所有用戶的固定表示嵌入矩陣。

    2.3 預(yù)測(cè)項(xiàng)目

    拼接用戶固定表示和用戶終級(jí)動(dòng)態(tài)表示作為用戶最終表示:

    (9)

    對(duì)用戶推薦項(xiàng)目時(shí),計(jì)算用戶u與項(xiàng)目i的得分:

    zu,v=YuTDv+b

    (10)

    其中D為項(xiàng)目固定表示嵌入矩陣,推薦得分高的項(xiàng)目。

    3 實(shí)驗(yàn)

    3.1 數(shù)據(jù)集

    使用100 K的MovieLens數(shù)據(jù)集,用戶數(shù)943,項(xiàng)目數(shù)1 682,評(píng)論數(shù)100 000。

    本次實(shí)驗(yàn)將數(shù)據(jù)集中每個(gè)用戶的歷史項(xiàng)目按照時(shí)間從前往后排序,每個(gè)用戶的最后一個(gè)項(xiàng)目組成測(cè)試集,倒數(shù)第二個(gè)項(xiàng)目組成驗(yàn)證集,剩下的項(xiàng)目按照一定長(zhǎng)度切割成多個(gè)樣本組成訓(xùn)練集。

    3.2 模型相關(guān)環(huán)境和參數(shù)設(shè)置

    使用TensorFlow深度學(xué)習(xí)框架,python 3.5 編程語(yǔ)言。訓(xùn)練迭代次數(shù)為30;每個(gè)用戶輸入序列長(zhǎng)度為5;批量大小為256;學(xué)習(xí)率為0.002,衰減速度為400,衰減系數(shù)為0.98,并限制最小值為0.000 05;嵌入矩陣A、B、C和LSTM單元輸出維度均為100,嵌入矩陣D維度為200;LSTM單元激活函數(shù)為tanh;梯度裁剪的二范式約束值為8;dropout層丟失率均為0.5;使用交叉熵?fù)p失函數(shù),Adam優(yōu)化器進(jìn)行訓(xùn)練,學(xué)習(xí)嵌入矩陣A、B、C、D、b,所有嵌入矩陣的初始化均使用skip-gram學(xué)習(xí)的向量。

    3.3 評(píng)價(jià)指標(biāo)

    實(shí)驗(yàn)采用主流的序列推薦評(píng)價(jià)指標(biāo)命中率(Hit ratio,HR),平均倒數(shù)排名(mean reciprocal rank,MRR)和歸一化折損累計(jì)增益(normalized discounted cumulative gain,NDCG)。HR是一種常用的衡量召回率的指標(biāo),其定義如下式所示:

    (11)

    其中分子是每個(gè)用戶前K個(gè)推薦項(xiàng)目中屬于測(cè)試集合的個(gè)數(shù)的總和,分母是所有用戶的測(cè)試集合項(xiàng)目總數(shù)。

    MRR是用于對(duì)搜索算法進(jìn)行評(píng)價(jià)的指標(biāo),現(xiàn)也用于評(píng)價(jià)推薦系統(tǒng)的效果,公式如下:

    (12)

    其中,rau是用戶u推薦列表中第一個(gè)屬于測(cè)試集的項(xiàng)目的排序位置,|U|是所有待評(píng)價(jià)的用戶個(gè)數(shù)。

    NDCG是常用的信息檢索指標(biāo),基本思想是:返回列表中,與查詢文檔相關(guān)性越強(qiáng)的文檔排名越靠前。近來(lái)已經(jīng)被廣泛應(yīng)用于推薦系統(tǒng)的評(píng)價(jià)指標(biāo)。其定義如下:

    (13)

    DCG是折損累計(jì)增益,k是推薦項(xiàng)目的排序位置,rek是排序?yàn)閗的推薦項(xiàng)目的相關(guān)性等級(jí)。在本文中,如果用戶u的第k個(gè)推薦項(xiàng)目屬于測(cè)試集合,則rek=1,否則rek=0。

    (14)

    其中IDCGu是最理想的推薦列表,即所有項(xiàng)目都按照用戶的喜愛(ài)程度排序的DCGu值,本文中使用用戶u的測(cè)試集項(xiàng)目排序計(jì)算此值。NDCG是所有待評(píng)估用戶NDCGu值的平均值。

    3.4 對(duì)比算法

    為了驗(yàn)證本文提出的融合注意力和記憶網(wǎng)絡(luò)的序列推薦算法(AM-LSTM),將選用3種算法來(lái)進(jìn)行對(duì)比實(shí)驗(yàn)。

    FPMC[4]:結(jié)合矩陣分解和馬爾科夫鏈,為每個(gè)用戶建立基于馬爾科夫鏈的項(xiàng)目-項(xiàng)目轉(zhuǎn)移概率矩陣,學(xué)習(xí)用戶-項(xiàng)目偏好和建模用戶順序行為,通過(guò)線性方式將它們組合起來(lái),用于下一個(gè)籃子推薦。

    Caser[15]:將用戶序列嵌入到時(shí)間和潛在空間的“圖像”中,并使用水平和垂直卷積濾波器學(xué)習(xí)點(diǎn)級(jí)、聯(lián)合級(jí)和跳躍行為的序列模式,捕獲用戶一般偏好和順序模式。

    GRU4Rec[16]:利用RNN對(duì)基于會(huì)話的序列進(jìn)行建模,并使用基于排名的損失函數(shù)訓(xùn)練模型。

    3.5 實(shí)驗(yàn)結(jié)果分析

    嵌入矩陣維度大小對(duì)HR@50的影響實(shí)驗(yàn)結(jié)果如圖1所示,對(duì)MRR@50的影響實(shí)驗(yàn)結(jié)果如圖2所示。隨著維度的增大,本文算法AM-LSTM的HR逐漸升高;FPMC和Caser的HR均隨著維度增大而升高,在維度為100時(shí)達(dá)到頂峰,而后顯著降低。AM-LSTM和Caser的MRR均在維度為75時(shí)達(dá)到峰值,而GRU4Rec跌到最低。模型的嵌入矩陣維度越大,更能表達(dá)用戶和項(xiàng)目之間的關(guān)系,模型更加擬合,推薦效果也更好。但當(dāng)矩陣維度增大到一定程度時(shí),對(duì)訓(xùn)練集中用戶和項(xiàng)目的關(guān)系表達(dá)太過(guò)細(xì)致,使得模型過(guò)擬合,且訓(xùn)練時(shí)間更長(zhǎng),推薦效果變差。在此后的實(shí)驗(yàn)中,將嵌入矩陣維度設(shè)為100。

    圖1 嵌入矩陣維度大小對(duì)HR@50的影響

    圖2 嵌入矩陣維度大小對(duì)MRR@50的影響

    表1顯示了4種算法在嵌入矩陣維度為100,推薦項(xiàng)目個(gè)數(shù)為50時(shí)的HR、MRR、NDCG,4種算法的3種評(píng)價(jià)指標(biāo)高低趨勢(shì)是一致的,從指標(biāo)低到高的算法依次是GRU4Rec、FPMC、Caser、AM-LSTM。指標(biāo)越高說(shuō)明效果越好。本文提出的算法AM-LSTM相比較GRU4Rec,在HR上提高了13.98%,在MRR上提高了21.38%,在NDCG上提高了17.02%。實(shí)驗(yàn)結(jié)果表明,加入注意力機(jī)制和記憶網(wǎng)絡(luò)能顯著提高推薦的效果。

    表1 4種算法的HR@50、MRR@50和NDCG@50比較

    4 結(jié)論

    本文針對(duì)傳統(tǒng)推薦系統(tǒng)無(wú)法很好地表示用戶動(dòng)態(tài)興趣的演變,基于循環(huán)神經(jīng)網(wǎng)絡(luò)的推薦算法存在長(zhǎng)距離依賴性差、區(qū)分度差、可解釋性差的問(wèn)題,提出融合注意力和記憶網(wǎng)絡(luò)的序列推薦算法,本文先介紹了傳統(tǒng)推薦算法和序列推薦算法,重點(diǎn)介紹基于循環(huán)神經(jīng)網(wǎng)絡(luò)序列推薦算法的現(xiàn)狀,然后介紹了Word2vec、注意力機(jī)制和記憶網(wǎng)絡(luò)。提出融合注意力和記憶網(wǎng)絡(luò)的序列推薦算法,使用Word2vec能更好地表示用戶和項(xiàng)目潛在特征,加快收斂速度;使用自注意力機(jī)制解決用戶序列的長(zhǎng)距離依賴性差和區(qū)分度差問(wèn)題;使用記憶網(wǎng)絡(luò)獲得用戶的動(dòng)態(tài)鄰居,更準(zhǔn)確地表示用戶的動(dòng)態(tài)興趣。最后實(shí)驗(yàn)結(jié)果表明此算法提高了推薦的準(zhǔn)確度,同時(shí)也增強(qiáng)了可解釋性。

    但是,本文的算法還有不足的地方,在使用item2vec學(xué)習(xí)項(xiàng)目向量表示時(shí),少數(shù)項(xiàng)目不在訓(xùn)練集中,即冷啟動(dòng)項(xiàng)目,直接從MovieLens數(shù)據(jù)集中獲取項(xiàng)目的標(biāo)簽,添加相同標(biāo)簽的項(xiàng)目來(lái)學(xué)習(xí)這些項(xiàng)目。對(duì)于沒(méi)有標(biāo)簽的項(xiàng)目,還需進(jìn)一步處理才能適用,可以從項(xiàng)目名稱和內(nèi)容描述中提取特征?,F(xiàn)實(shí)生活中存在大量冷項(xiàng)目,以及RNN的輸入序列是在時(shí)間軸上位置相鄰,沒(méi)有考慮兩項(xiàng)目之間時(shí)間間隔的影響。今后將在這些方面展開(kāi)研究。

    猜你喜歡
    記憶用戶
    夏天的記憶
    記憶中的他們
    關(guān)注用戶
    關(guān)注用戶
    端午記憶
    絲綢之路(2016年9期)2016-05-14 14:36:33
    關(guān)注用戶
    兒時(shí)的記憶(四)
    兒時(shí)的記憶(四)
    記憶翻新
    海外文摘(2016年4期)2016-04-15 22:28:55
    Camera360:拍出5億用戶
    日日摸夜夜添夜夜爱| 80岁老熟妇乱子伦牲交| 亚洲精品第二区| 丝袜脚勾引网站| 一级毛片电影观看| 国产成人av教育| 国产黄频视频在线观看| 这个男人来自地球电影免费观看| 欧美日韩亚洲综合一区二区三区_| 人妻 亚洲 视频| 欧美精品高潮呻吟av久久| 妹子高潮喷水视频| 一二三四在线观看免费中文在| 亚洲美女黄色视频免费看| 免费看不卡的av| 日韩欧美一区视频在线观看| 女人高潮潮喷娇喘18禁视频| 欧美日韩亚洲高清精品| 免费看av在线观看网站| 久久久久国产精品人妻一区二区| 老司机影院成人| 老司机影院成人| 热99国产精品久久久久久7| 亚洲欧美清纯卡通| 热re99久久国产66热| 国产99久久九九免费精品| 91老司机精品| 在线观看国产h片| 2018国产大陆天天弄谢| 国产成人免费观看mmmm| 免费观看a级毛片全部| 一区二区三区精品91| 久久精品亚洲av国产电影网| 成人黄色视频免费在线看| 后天国语完整版免费观看| 欧美成狂野欧美在线观看| 成年人黄色毛片网站| 超色免费av| 一级,二级,三级黄色视频| 美女大奶头黄色视频| 亚洲av欧美aⅴ国产| cao死你这个sao货| 电影成人av| 欧美亚洲 丝袜 人妻 在线| 91国产中文字幕| 国产精品成人在线| 欧美成狂野欧美在线观看| 国产成人一区二区三区免费视频网站 | 亚洲精品日本国产第一区| 我要看黄色一级片免费的| 女人爽到高潮嗷嗷叫在线视频| 人妻人人澡人人爽人人| av不卡在线播放| 精品福利观看| 777久久人妻少妇嫩草av网站| 欧美国产精品va在线观看不卡| 高清欧美精品videossex| 下体分泌物呈黄色| 亚洲精品成人av观看孕妇| 建设人人有责人人尽责人人享有的| 韩国高清视频一区二区三区| 啦啦啦啦在线视频资源| 美女视频免费永久观看网站| 999久久久国产精品视频| 纯流量卡能插随身wifi吗| 亚洲图色成人| 亚洲少妇的诱惑av| 18禁观看日本| 丝袜喷水一区| 日韩精品免费视频一区二区三区| av欧美777| www.999成人在线观看| av有码第一页| 黄色一级大片看看| 成在线人永久免费视频| 天天添夜夜摸| 精品福利永久在线观看| 麻豆av在线久日| 亚洲天堂av无毛| 色婷婷av一区二区三区视频| 成人国语在线视频| 久久久精品94久久精品| 亚洲欧美日韩高清在线视频 | 性高湖久久久久久久久免费观看| 亚洲国产欧美一区二区综合| 午夜老司机福利片| 国产男人的电影天堂91| 国产男女内射视频| 久久影院123| 一级毛片女人18水好多 | 国产在线视频一区二区| 亚洲九九香蕉| 欧美精品一区二区大全| 亚洲精品久久久久久婷婷小说| 两性夫妻黄色片| 亚洲伊人久久精品综合| 大片电影免费在线观看免费| 久久人人爽av亚洲精品天堂| 国产在视频线精品| 久久精品亚洲熟妇少妇任你| 精品少妇一区二区三区视频日本电影| 欧美日韩亚洲高清精品| 91成人精品电影| 宅男免费午夜| 黄片小视频在线播放| 黄色一级大片看看| 免费观看av网站的网址| 久久精品成人免费网站| 国产极品粉嫩免费观看在线| 日韩大片免费观看网站| 国产精品 欧美亚洲| 丰满人妻熟妇乱又伦精品不卡| 国产人伦9x9x在线观看| 大片免费播放器 马上看| 亚洲精品日本国产第一区| 亚洲欧美激情在线| 狠狠精品人妻久久久久久综合| 亚洲av在线观看美女高潮| 一区福利在线观看| 久久精品国产亚洲av涩爱| 国产熟女欧美一区二区| 国产成人影院久久av| 精品国产乱码久久久久久小说| av又黄又爽大尺度在线免费看| 久久影院123| 亚洲国产欧美网| 国产精品一区二区精品视频观看| 飞空精品影院首页| 日本欧美视频一区| 欧美黑人欧美精品刺激| 精品国产乱码久久久久久男人| 电影成人av| 免费在线观看黄色视频的| 男女边吃奶边做爰视频| 青青草视频在线视频观看| av电影中文网址| 日韩中文字幕欧美一区二区 | 欧美日韩成人在线一区二区| 亚洲av男天堂| 国产精品一区二区免费欧美 | a 毛片基地| 老司机靠b影院| 国产真人三级小视频在线观看| 国产一卡二卡三卡精品| 国产高清不卡午夜福利| 免费看十八禁软件| 女警被强在线播放| www.精华液| 国产成人免费无遮挡视频| 男人爽女人下面视频在线观看| 每晚都被弄得嗷嗷叫到高潮| 亚洲国产看品久久| 19禁男女啪啪无遮挡网站| 精品福利永久在线观看| 视频区图区小说| 黑人猛操日本美女一级片| 热re99久久国产66热| 一级黄片播放器| av线在线观看网站| 久热这里只有精品99| 久久女婷五月综合色啪小说| 日韩av在线免费看完整版不卡| 日韩一卡2卡3卡4卡2021年| 亚洲精品国产色婷婷电影| 一级毛片我不卡| 一区二区三区激情视频| 美女中出高潮动态图| 久久鲁丝午夜福利片| 亚洲精品自拍成人| 国产成人91sexporn| 欧美精品av麻豆av| 又黄又粗又硬又大视频| 精品国产超薄肉色丝袜足j| 国产精品亚洲av一区麻豆| 精品欧美一区二区三区在线| 天堂8中文在线网| 美国免费a级毛片| 亚洲精品中文字幕在线视频| 国产在线观看jvid| www.av在线官网国产| 国产福利在线免费观看视频| 婷婷色综合大香蕉| 欧美中文综合在线视频| 真人做人爱边吃奶动态| 黄色视频在线播放观看不卡| 欧美+亚洲+日韩+国产| 久久精品aⅴ一区二区三区四区| 久久久国产精品麻豆| 精品免费久久久久久久清纯 | 大香蕉久久成人网| 美女主播在线视频| www.精华液| netflix在线观看网站| 狂野欧美激情性bbbbbb| 乱人伦中国视频| 欧美黑人精品巨大| 国产在线免费精品| 一级片免费观看大全| 日韩中文字幕视频在线看片| 国产av国产精品国产| 欧美精品亚洲一区二区| 亚洲精品一区蜜桃| 亚洲,欧美,日韩| 天天操日日干夜夜撸| 爱豆传媒免费全集在线观看| 高潮久久久久久久久久久不卡| 国产精品久久久久久精品电影小说| 丝袜喷水一区| 亚洲精品美女久久av网站| 国产成人精品久久二区二区91| 成人黄色视频免费在线看| 久久久精品94久久精品| 日韩免费高清中文字幕av| 老汉色∧v一级毛片| 国产精品久久久人人做人人爽| www.999成人在线观看| 满18在线观看网站| 久久久精品国产亚洲av高清涩受| 中国国产av一级| 亚洲精品日本国产第一区| 亚洲专区中文字幕在线| 男人添女人高潮全过程视频| 久久中文字幕一级| 欧美人与性动交α欧美精品济南到| 美女扒开内裤让男人捅视频| 大片免费播放器 马上看| 午夜两性在线视频| 80岁老熟妇乱子伦牲交| 久久国产精品大桥未久av| 亚洲色图 男人天堂 中文字幕| 欧美精品av麻豆av| 狂野欧美激情性bbbbbb| 天天躁狠狠躁夜夜躁狠狠躁| 丝袜美腿诱惑在线| 人人妻人人澡人人看| 久久99热这里只频精品6学生| 久久久久国产精品人妻一区二区| 国产真人三级小视频在线观看| 国产男女超爽视频在线观看| 日韩伦理黄色片| av国产精品久久久久影院| 亚洲成人免费电影在线观看 | 日本vs欧美在线观看视频| 热re99久久国产66热| 久久人人97超碰香蕉20202| 捣出白浆h1v1| 久9热在线精品视频| 精品第一国产精品| 一区二区三区激情视频| 久久av网站| 亚洲精品久久久久久婷婷小说| 亚洲国产精品一区三区| 建设人人有责人人尽责人人享有的| 赤兔流量卡办理| 亚洲国产欧美一区二区综合| 男女边吃奶边做爰视频| 亚洲精品一卡2卡三卡4卡5卡 | 9热在线视频观看99| 国产精品香港三级国产av潘金莲 | 精品高清国产在线一区| 蜜桃国产av成人99| 捣出白浆h1v1| 国产欧美日韩综合在线一区二区| av国产精品久久久久影院| 亚洲国产欧美日韩在线播放| 熟女av电影| 国产精品成人在线| 国产视频首页在线观看| 日韩 亚洲 欧美在线| h视频一区二区三区| 亚洲一区二区三区欧美精品| 2018国产大陆天天弄谢| 老司机在亚洲福利影院| 亚洲国产看品久久| 精品福利永久在线观看| 午夜久久久在线观看| 欧美日韩精品网址| 80岁老熟妇乱子伦牲交| 亚洲精品久久久久久婷婷小说| 色视频在线一区二区三区| 精品国产超薄肉色丝袜足j| 高清视频免费观看一区二区| 久9热在线精品视频| 亚洲色图综合在线观看| 中文字幕亚洲精品专区| 国产欧美亚洲国产| bbb黄色大片| 色播在线永久视频| av在线app专区| 你懂的网址亚洲精品在线观看| 中文精品一卡2卡3卡4更新| 久久久久网色| 99精国产麻豆久久婷婷| 亚洲一区二区三区欧美精品| 男女国产视频网站| 久久久精品区二区三区| 人妻一区二区av| 观看av在线不卡| 真人做人爱边吃奶动态| 欧美成人精品欧美一级黄| 啦啦啦 在线观看视频| 国产国语露脸激情在线看| 国产1区2区3区精品| 三上悠亚av全集在线观看| 精品人妻熟女毛片av久久网站| 青草久久国产| 校园人妻丝袜中文字幕| 999久久久国产精品视频| 午夜福利在线免费观看网站| av片东京热男人的天堂| 国产精品久久久久成人av| 免费少妇av软件| 交换朋友夫妻互换小说| 国产激情久久老熟女| 99国产精品一区二区三区| 日韩 欧美 亚洲 中文字幕| 国产精品久久久久久人妻精品电影 | 亚洲精品av麻豆狂野| 成年av动漫网址| 国产精品一区二区在线观看99| 日本vs欧美在线观看视频| 我要看黄色一级片免费的| 精品一区二区三卡| 1024视频免费在线观看| 色视频在线一区二区三区| 亚洲专区中文字幕在线| 久久女婷五月综合色啪小说| 国产成人免费观看mmmm| 老司机影院成人| 考比视频在线观看| 久久九九热精品免费| 高清不卡的av网站| 成人国产一区最新在线观看 | 99九九在线精品视频| 国产深夜福利视频在线观看| 精品久久久久久久毛片微露脸 | 精品国产一区二区三区久久久樱花| 欧美黄色淫秽网站| 国产精品熟女久久久久浪| 男人添女人高潮全过程视频| 电影成人av| 久久久久久久久免费视频了| 老司机靠b影院| 美女脱内裤让男人舔精品视频| 一本—道久久a久久精品蜜桃钙片| 美国免费a级毛片| h视频一区二区三区| 大香蕉久久成人网| 啦啦啦视频在线资源免费观看| 国产深夜福利视频在线观看| 国产成人精品久久久久久| 一级毛片电影观看| 夜夜骑夜夜射夜夜干| 国产精品免费视频内射| 99热全是精品| 国产精品久久久久久精品电影小说| 男男h啪啪无遮挡| www.熟女人妻精品国产| 国产亚洲欧美精品永久| 久久久久精品国产欧美久久久 | 免费高清在线观看视频在线观看| 成人18禁高潮啪啪吃奶动态图| 久久久久久免费高清国产稀缺| videosex国产| 一本—道久久a久久精品蜜桃钙片| 777久久人妻少妇嫩草av网站| 黄片小视频在线播放| 亚洲av成人精品一二三区| 亚洲欧美清纯卡通| 国产又色又爽无遮挡免| 一区在线观看完整版| 久久精品国产综合久久久| 国产成人系列免费观看| 亚洲一区二区三区欧美精品| 亚洲色图综合在线观看| 亚洲少妇的诱惑av| 纵有疾风起免费观看全集完整版| 激情五月婷婷亚洲| 国产成人欧美| 一级毛片黄色毛片免费观看视频| 国产精品三级大全| 欧美日韩黄片免| 人体艺术视频欧美日本| 伦理电影免费视频| 欧美日韩亚洲高清精品| 亚洲欧美一区二区三区黑人| 久久影院123| 精品人妻一区二区三区麻豆| 美女大奶头黄色视频| xxxhd国产人妻xxx| 亚洲国产毛片av蜜桃av| 亚洲av国产av综合av卡| 亚洲av片天天在线观看| 美女中出高潮动态图| 午夜av观看不卡| 一本久久精品| 久久毛片免费看一区二区三区| 人人妻人人澡人人看| 亚洲自偷自拍图片 自拍| 亚洲成人国产一区在线观看 | 999精品在线视频| 精品国产一区二区三区久久久樱花| 黑人猛操日本美女一级片| 国产高清视频在线播放一区 | 天天操日日干夜夜撸| 啦啦啦中文免费视频观看日本| 欧美精品高潮呻吟av久久| 亚洲美女黄色视频免费看| 日韩免费高清中文字幕av| 国产不卡av网站在线观看| 国产成人91sexporn| 久久国产精品影院| 成人亚洲精品一区在线观看| 国产亚洲午夜精品一区二区久久| 亚洲精品国产区一区二| 中文字幕另类日韩欧美亚洲嫩草| av一本久久久久| 亚洲av成人不卡在线观看播放网 | 亚洲精品自拍成人| 国产免费一区二区三区四区乱码| 日韩 欧美 亚洲 中文字幕| 日本av免费视频播放| 成年人午夜在线观看视频| 久久久久精品人妻al黑| 99精品久久久久人妻精品| 亚洲精品av麻豆狂野| 日韩视频在线欧美| 日本色播在线视频| 美女国产高潮福利片在线看| 美女高潮到喷水免费观看| 国产亚洲欧美精品永久| 男人舔女人的私密视频| 亚洲精品日韩在线中文字幕| 亚洲国产最新在线播放| 亚洲人成网站在线观看播放| 日韩制服骚丝袜av| 亚洲专区国产一区二区| 亚洲精品美女久久久久99蜜臀 | 十八禁高潮呻吟视频| 在线观看免费日韩欧美大片| 我要看黄色一级片免费的| 亚洲久久久国产精品| 2018国产大陆天天弄谢| 丝瓜视频免费看黄片| 美女大奶头黄色视频| 亚洲av片天天在线观看| 午夜福利,免费看| 亚洲综合色网址| 女人被躁到高潮嗷嗷叫费观| 天天躁夜夜躁狠狠久久av| 久久精品国产综合久久久| 久久亚洲国产成人精品v| 久久久久国产一级毛片高清牌| 国产成人欧美| 国产成人影院久久av| 亚洲精品日本国产第一区| 国产极品粉嫩免费观看在线| 高清av免费在线| 新久久久久国产一级毛片| 午夜av观看不卡| 亚洲精品一卡2卡三卡4卡5卡 | 青春草视频在线免费观看| 精品久久久久久电影网| 国产精品久久久久久精品古装| 最新的欧美精品一区二区| 亚洲精品日本国产第一区| 精品人妻熟女毛片av久久网站| 国产人伦9x9x在线观看| 免费少妇av软件| 七月丁香在线播放| 中文字幕亚洲精品专区| 亚洲精品久久久久久婷婷小说| 五月天丁香电影| 丝袜美腿诱惑在线| 亚洲色图综合在线观看| 黄片小视频在线播放| 欧美中文综合在线视频| av在线老鸭窝| 国产一区二区在线观看av| 女人被躁到高潮嗷嗷叫费观| 免费高清在线观看视频在线观看| 免费日韩欧美在线观看| 夫妻性生交免费视频一级片| 精品一区二区三区av网在线观看 | 女警被强在线播放| 久久久久久免费高清国产稀缺| 国产成人精品无人区| 9191精品国产免费久久| 久久鲁丝午夜福利片| 一级片'在线观看视频| 亚洲国产精品国产精品| 麻豆国产av国片精品| 国产精品一二三区在线看| 欧美精品一区二区大全| 欧美乱码精品一区二区三区| 黄色一级大片看看| 欧美日韩视频高清一区二区三区二| 久久亚洲精品不卡| 国产一区亚洲一区在线观看| 18禁观看日本| 又大又爽又粗| 无限看片的www在线观看| 女性生殖器流出的白浆| 久久99热这里只频精品6学生| 91麻豆精品激情在线观看国产 | www.999成人在线观看| 在线观看国产h片| 亚洲精品久久成人aⅴ小说| 国产成人免费观看mmmm| 三上悠亚av全集在线观看| 国产黄频视频在线观看| 欧美精品啪啪一区二区三区 | 人人妻,人人澡人人爽秒播 | av国产精品久久久久影院| 国产成人一区二区在线| 成人三级做爰电影| 国产精品久久久av美女十八| 国产一区二区在线观看av| 婷婷成人精品国产| 久久性视频一级片| 少妇 在线观看| 精品福利永久在线观看| 在现免费观看毛片| 午夜福利在线免费观看网站| 亚洲 欧美一区二区三区| 在线精品无人区一区二区三| 在线观看国产h片| 成年动漫av网址| 狂野欧美激情性xxxx| 人人妻,人人澡人人爽秒播 | 亚洲情色 制服丝袜| 久热这里只有精品99| √禁漫天堂资源中文www| 日韩精品免费视频一区二区三区| 日韩中文字幕视频在线看片| 免费黄频网站在线观看国产| 十分钟在线观看高清视频www| 丝瓜视频免费看黄片| 黄色片一级片一级黄色片| 亚洲专区中文字幕在线| 99热国产这里只有精品6| 亚洲专区中文字幕在线| 观看av在线不卡| 中文字幕亚洲精品专区| 99香蕉大伊视频| 亚洲国产成人一精品久久久| 18禁黄网站禁片午夜丰满| 天天躁夜夜躁狠狠躁躁| 中文字幕人妻熟女乱码| 91字幕亚洲| 性少妇av在线| 涩涩av久久男人的天堂| 亚洲免费av在线视频| 国产在线一区二区三区精| 日韩一卡2卡3卡4卡2021年| 极品少妇高潮喷水抽搐| 99久久精品国产亚洲精品| 午夜免费成人在线视频| 午夜老司机福利片| av线在线观看网站| 七月丁香在线播放| av在线老鸭窝| 国产成人欧美在线观看 | 色视频在线一区二区三区| 99re6热这里在线精品视频| 啦啦啦中文免费视频观看日本| 美女高潮到喷水免费观看| 午夜福利视频精品| 人体艺术视频欧美日本| 不卡av一区二区三区| 精品福利永久在线观看| 亚洲三区欧美一区| 欧美精品一区二区免费开放| 婷婷色av中文字幕| 国产欧美日韩综合在线一区二区| 99久久人妻综合| 欧美黄色淫秽网站| 日韩电影二区| 国产精品三级大全| 国产欧美日韩一区二区三 | 美女主播在线视频| 自线自在国产av| 成人国语在线视频| 美女中出高潮动态图| 亚洲欧洲精品一区二区精品久久久| 久久亚洲国产成人精品v| 午夜免费鲁丝| 性高湖久久久久久久久免费观看| 久久国产亚洲av麻豆专区| 天天添夜夜摸| 免费日韩欧美在线观看| 电影成人av| 建设人人有责人人尽责人人享有的| 后天国语完整版免费观看| 中文字幕制服av| 日本vs欧美在线观看视频| 亚洲第一av免费看| 夫妻午夜视频| 高清视频免费观看一区二区| 亚洲色图综合在线观看| 国产av精品麻豆| 在线 av 中文字幕| 18在线观看网站| 国产无遮挡羞羞视频在线观看| 视频区图区小说| 免费黄频网站在线观看国产| 国产亚洲午夜精品一区二区久久| 国产伦理片在线播放av一区| 日日夜夜操网爽| 香蕉丝袜av| 国产精品99久久99久久久不卡| 成人手机av| 人人妻,人人澡人人爽秒播 | 又黄又粗又硬又大视频| 一级片免费观看大全|