• <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)同過濾(Collaborative Filtering,CF)[1],分為基于用戶的協(xié)同過濾(UBCF)、基于項(xiàng)目的協(xié)同過濾(IBCF)和基于模型的協(xié)同過濾?;谟脩舻膮f(xié)同過濾是根據(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有的項(xiàng)目?;谀P偷膮f(xié)同過濾如矩陣分解(Matrix Factorization,MF)[2]通過用戶和項(xiàng)目的低維特征向量預(yù)測評(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)測下一個(gè)行為。近年來基于循環(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)測影響是不一致的。LUO A等人[6]提出了自適應(yīng)注意感知門控循環(huán)單元(3AGRU),采用注意力機(jī)制來適應(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,使用門控融合模塊結(jié)合長期和短期偏好特征,來獲取用戶的動(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存在長距離依賴問題,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增加遺忘門和更新門優(yōu)化了長距離依賴問題,但仍舊沒有徹底解決。注意力機(jī)制能從全局模式上既解決長距離依賴問題,又能解決序列中各項(xiàng)目的區(qū)分度差問題。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解決長距離依賴和區(qū)分度問題,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預(yù)測當(dāng)前單詞,后者是預(yù)測當(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關(guān)的。廣泛應(yīng)用在圖像處理、自然語言處理,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Transformer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 編程語言。訓(xùn)練迭代次數(shù)為30;每個(gè)用戶輸入序列長度為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)目中屬于測試集合的個(gè)數(shù)的總和,分母是所有用戶的測試集合項(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程度排序的DCGu值,本文中使用用戶u的測試集項(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,通過線性方式將它們組合起來,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)太過細(xì)致,使得模型過擬合,且訓(xùn)練時(shí)間更長,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)的推薦算法存在長距離依賴性差、區(qū)分度差、可解釋性差的問題,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距離依賴性差和區(qū)分度差問題;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)目來學(xué)習(xí)這些項(xiàng)目。對(duì)于沒有標(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
    商用汽車(2016年11期)2016-12-19 01:20:16
    關(guān)注用戶
    商用汽車(2016年6期)2016-06-29 09:18:54
    端午記憶
    絲綢之路(2016年9期)2016-05-14 14:36:33
    關(guān)注用戶
    商用汽車(2016年4期)2016-05-09 01:23:12
    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
    黄色欧美视频在线观看| 国产免费又黄又爽又色| 极品少妇高潮喷水抽搐| 国产久久久一区二区三区| 亚洲美女搞黄在线观看| 免费黄网站久久成人精品| 欧美成人精品欧美一级黄| 男插女下体视频免费在线播放| 午夜精品在线福利| 毛片女人毛片| 亚洲成人av在线免费| 亚洲av国产av综合av卡| 高清av免费在线| 久久精品久久精品一区二区三区| 美女内射精品一级片tv| 久久国内精品自在自线图片| 久久午夜福利片| 成人午夜高清在线视频| 亚洲婷婷狠狠爱综合网| 老司机影院成人| 青春草国产在线视频| 在线免费观看不下载黄p国产| 精品一区二区三区视频在线| 日本欧美国产在线视频| 人妻少妇偷人精品九色| 亚洲精品中文字幕在线视频 | av女优亚洲男人天堂| 丝瓜视频免费看黄片| 日韩国内少妇激情av| 午夜日本视频在线| 床上黄色一级片| 一本久久精品| 伊人久久国产一区二区| 欧美区成人在线视频| 91av网一区二区| 听说在线观看完整版免费高清| 国模一区二区三区四区视频| 18禁在线无遮挡免费观看视频| 国产av不卡久久| 国产男人的电影天堂91| 综合色av麻豆| 久久99热6这里只有精品| 波多野结衣巨乳人妻| 我的老师免费观看完整版| 我的女老师完整版在线观看| 欧美日韩国产mv在线观看视频 | 国内精品宾馆在线| 日韩电影二区| 22中文网久久字幕| 亚洲av电影在线观看一区二区三区 | 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 在线 av 中文字幕| 日韩视频在线欧美| 国产午夜福利久久久久久| 高清日韩中文字幕在线| 成人无遮挡网站| 国产久久久一区二区三区| 成人亚洲精品一区在线观看 | 伦理电影大哥的女人| 精华霜和精华液先用哪个| 欧美日韩视频高清一区二区三区二| 99热全是精品| 一个人看视频在线观看www免费| 欧美日韩在线观看h| 国产精品女同一区二区软件| 亚洲国产成人一精品久久久| av天堂中文字幕网| 国产亚洲91精品色在线| 性色avwww在线观看| 久久久久久久久久久丰满| 国产精品不卡视频一区二区| 中文欧美无线码| 亚洲av电影在线观看一区二区三区 | 久久精品久久久久久久性| 亚洲精品一二三| 亚洲精品日韩在线中文字幕| 激情 狠狠 欧美| 久久久久九九精品影院| 又爽又黄无遮挡网站| 又黄又爽又刺激的免费视频.| 精品久久久噜噜| 看黄色毛片网站| 99久久九九国产精品国产免费| 国产免费福利视频在线观看| 久久精品国产自在天天线| 两个人视频免费观看高清| 99久国产av精品| 国产成人freesex在线| 97人妻精品一区二区三区麻豆| 免费观看性生交大片5| 极品教师在线视频| 国产精品一区二区在线观看99 | 婷婷色av中文字幕| 波野结衣二区三区在线| 日韩三级伦理在线观看| 久久精品夜色国产| 国产伦一二天堂av在线观看| 久久这里只有精品中国| 男插女下体视频免费在线播放| 国产91av在线免费观看| 国产激情偷乱视频一区二区| 日韩国内少妇激情av| 一级毛片黄色毛片免费观看视频| 神马国产精品三级电影在线观看| 97人妻精品一区二区三区麻豆| 精品午夜福利在线看| 综合色丁香网| 六月丁香七月| 乱码一卡2卡4卡精品| 国产熟女欧美一区二区| 国产成人福利小说| 久久草成人影院| 九草在线视频观看| 国产精品国产三级国产av玫瑰| 春色校园在线视频观看| 少妇的逼水好多| 成人毛片a级毛片在线播放| 久久99热这里只有精品18| 国产一区二区亚洲精品在线观看| 免费观看性生交大片5| 久久久久九九精品影院| 国产精品一二三区在线看| 欧美极品一区二区三区四区| 91精品一卡2卡3卡4卡| 人人妻人人澡欧美一区二区| 一区二区三区免费毛片| 可以在线观看毛片的网站| 日产精品乱码卡一卡2卡三| 免费看美女性在线毛片视频| 极品教师在线视频| 三级国产精品欧美在线观看| 18禁在线播放成人免费| 亚洲精品一区蜜桃| 日韩一本色道免费dvd| 激情 狠狠 欧美| 女人被狂操c到高潮| 天天一区二区日本电影三级| 97超视频在线观看视频| 国产黄色视频一区二区在线观看| 人妻制服诱惑在线中文字幕| 亚洲18禁久久av| 丰满少妇做爰视频| 日本黄色片子视频| 国产成人a区在线观看| 伊人久久精品亚洲午夜| 久久热精品热| 高清日韩中文字幕在线| 午夜亚洲福利在线播放| 中文乱码字字幕精品一区二区三区 | 国产色爽女视频免费观看| 亚洲性久久影院| 深夜a级毛片| 夫妻午夜视频| 久久久久九九精品影院| 中文字幕制服av| 久久精品熟女亚洲av麻豆精品 | 最新中文字幕久久久久| av一本久久久久| 国产老妇伦熟女老妇高清| 国产 一区 欧美 日韩| 国产一区二区三区综合在线观看 | 亚洲精品日本国产第一区| 欧美高清成人免费视频www| 亚洲精品成人久久久久久| 国产精品久久视频播放| 人人妻人人看人人澡| 国产不卡一卡二| 午夜福利视频精品| 久久久久久久大尺度免费视频| a级一级毛片免费在线观看| 你懂的网址亚洲精品在线观看| 九色成人免费人妻av| 三级国产精品片| 少妇的逼水好多| 三级国产精品欧美在线观看| 国产伦精品一区二区三区视频9| 嫩草影院入口| av专区在线播放| 国产极品天堂在线| 欧美另类一区| 久久久久网色| 久久久久久久国产电影| 午夜视频国产福利| 国产精品久久久久久久电影| 高清日韩中文字幕在线| 丝袜美腿在线中文| 久久精品久久久久久久性| 免费看不卡的av| 国内精品美女久久久久久| 国产伦精品一区二区三区视频9| 一级毛片久久久久久久久女| 久久精品夜色国产| 联通29元200g的流量卡| 日韩人妻高清精品专区| 亚洲高清免费不卡视频| 青春草视频在线免费观看| 亚洲精品,欧美精品| 男女视频在线观看网站免费| 久久这里有精品视频免费| 久久99精品国语久久久| 久久久久久久午夜电影| 中文乱码字字幕精品一区二区三区 | 在线观看一区二区三区| 免费观看的影片在线观看| 在线播放无遮挡| 色综合亚洲欧美另类图片| 人妻少妇偷人精品九色| 国产有黄有色有爽视频| 日韩强制内射视频| 夜夜爽夜夜爽视频| 日韩不卡一区二区三区视频在线| 少妇熟女欧美另类| 两个人的视频大全免费| 国产黄片视频在线免费观看| 日韩一区二区视频免费看| 国产有黄有色有爽视频| 在线观看美女被高潮喷水网站| 亚洲天堂国产精品一区在线| 亚洲精品久久久久久婷婷小说| 国产成人a∨麻豆精品| 国产激情偷乱视频一区二区| 免费不卡的大黄色大毛片视频在线观看 | .国产精品久久| 色哟哟·www| 中文字幕制服av| 91久久精品电影网| 欧美日韩国产mv在线观看视频 | 日韩视频在线欧美| 99热网站在线观看| 狠狠精品人妻久久久久久综合| ponron亚洲| 丝袜美腿在线中文| 欧美+日韩+精品| 97超视频在线观看视频| 欧美高清性xxxxhd video| 日韩av在线免费看完整版不卡| 精品久久久久久久末码| 亚洲欧美日韩东京热| 国产 亚洲一区二区三区 | 日韩 亚洲 欧美在线| 国产毛片a区久久久久| 久久久久久久午夜电影| 欧美一级a爱片免费观看看| 日韩中字成人| 一级黄片播放器| 亚洲成人av在线免费| av在线天堂中文字幕| 老女人水多毛片| 久久久久久久国产电影| 亚洲成人精品中文字幕电影| 非洲黑人性xxxx精品又粗又长| 免费av不卡在线播放| 淫秽高清视频在线观看| 亚洲人成网站高清观看| 国产精品久久久久久精品电影| 99热6这里只有精品| 亚洲经典国产精华液单| 国产精品国产三级国产av玫瑰| 好男人在线观看高清免费视频| 中文字幕久久专区| 自拍偷自拍亚洲精品老妇| 国语对白做爰xxxⅹ性视频网站| 欧美人与善性xxx| 天堂√8在线中文| 午夜精品国产一区二区电影 | 五月伊人婷婷丁香| 啦啦啦啦在线视频资源| 纵有疾风起免费观看全集完整版 | 亚洲国产欧美人成| www.色视频.com| 一个人免费在线观看电影| 啦啦啦啦在线视频资源| ponron亚洲| 精品久久久精品久久久| 欧美+日韩+精品| 国产国拍精品亚洲av在线观看| 久久精品国产亚洲av天美| 亚洲乱码一区二区免费版| av女优亚洲男人天堂| 亚洲成人av在线免费| 日韩成人av中文字幕在线观看| 久久这里有精品视频免费| 七月丁香在线播放| 亚洲成人一二三区av| 纵有疾风起免费观看全集完整版 | 老师上课跳d突然被开到最大视频| 街头女战士在线观看网站| 日本欧美国产在线视频| 日本免费在线观看一区| 日韩欧美精品免费久久| 国产白丝娇喘喷水9色精品| or卡值多少钱| 人人妻人人看人人澡| 国产精品一区二区三区四区久久| 日本一本二区三区精品| 免费av毛片视频| 欧美日韩亚洲高清精品| 中文欧美无线码| 最近2019中文字幕mv第一页| 高清午夜精品一区二区三区| 91精品伊人久久大香线蕉| 国产亚洲精品av在线| av又黄又爽大尺度在线免费看| 国产91av在线免费观看| 男女下面进入的视频免费午夜| 久久精品国产亚洲网站| 国产乱人视频| 国产麻豆成人av免费视频| 午夜福利在线观看免费完整高清在| 色播亚洲综合网| 熟妇人妻久久中文字幕3abv| 嫩草影院精品99| 大又大粗又爽又黄少妇毛片口| 亚洲av男天堂| 亚洲av在线观看美女高潮| 亚洲国产精品sss在线观看| 人妻少妇偷人精品九色| 久久久久久九九精品二区国产| 春色校园在线视频观看| av.在线天堂| 天天躁日日操中文字幕| 女人久久www免费人成看片| 成人漫画全彩无遮挡| 80岁老熟妇乱子伦牲交| 国产男人的电影天堂91| 免费观看精品视频网站| 少妇的逼好多水| 老女人水多毛片| 久久99热这里只有精品18| 久久久久久久国产电影| 日韩精品有码人妻一区| 中文字幕免费在线视频6| 国产精品福利在线免费观看| 免费看av在线观看网站| 2021天堂中文幕一二区在线观| 成人性生交大片免费视频hd| 国产女主播在线喷水免费视频网站 | 午夜免费男女啪啪视频观看| 国产一区二区亚洲精品在线观看| 80岁老熟妇乱子伦牲交| 国产精品爽爽va在线观看网站| 午夜免费观看性视频| 国产成人精品婷婷| 日韩一区二区视频免费看| 亚洲av福利一区| 老师上课跳d突然被开到最大视频| 国产精品av视频在线免费观看| 嘟嘟电影网在线观看| 日产精品乱码卡一卡2卡三| 熟女人妻精品中文字幕| 男人舔奶头视频| 狂野欧美白嫩少妇大欣赏| 大话2 男鬼变身卡| 在线 av 中文字幕| 国产爱豆传媒在线观看| 免费黄色在线免费观看| 国产av在哪里看| 少妇熟女欧美另类| 街头女战士在线观看网站| 久久99热6这里只有精品| 日产精品乱码卡一卡2卡三| 亚洲精品成人av观看孕妇| av网站免费在线观看视频 | 精品国产露脸久久av麻豆 | 国产成人freesex在线| 日本免费a在线| 亚洲精品一二三| or卡值多少钱| 欧美激情国产日韩精品一区| 啦啦啦中文免费视频观看日本| 伊人久久精品亚洲午夜| 国产免费视频播放在线视频 | 男人和女人高潮做爰伦理| 熟女电影av网| 好男人在线观看高清免费视频| 国产成人精品久久久久久| 午夜福利视频1000在线观看| 高清午夜精品一区二区三区| 国产精品嫩草影院av在线观看| 国产精品久久久久久久电影| 五月天丁香电影| 国产女主播在线喷水免费视频网站 | 白带黄色成豆腐渣| 国模一区二区三区四区视频| 国产午夜福利久久久久久| 亚洲四区av| 精品熟女少妇av免费看| 简卡轻食公司| 免费高清在线观看视频在线观看| 韩国高清视频一区二区三区| 精品人妻视频免费看| 干丝袜人妻中文字幕| av播播在线观看一区| 超碰97精品在线观看| 街头女战士在线观看网站| 婷婷色av中文字幕| 热99在线观看视频| 丝袜喷水一区| 国产亚洲午夜精品一区二区久久 | 亚洲精品乱码久久久久久按摩| 少妇人妻精品综合一区二区| 国产av在哪里看| 女人被狂操c到高潮| 91av网一区二区| 亚洲av电影不卡..在线观看| 久久久久久久久大av| 国产色爽女视频免费观看| 国产精品一区二区三区四区久久| 国产在线男女| 97在线视频观看| 国产午夜精品一二区理论片| 日韩成人av中文字幕在线观看| 人妻制服诱惑在线中文字幕| 97热精品久久久久久| 全区人妻精品视频| 精品欧美国产一区二区三| 中文天堂在线官网| 99热这里只有是精品在线观看| 国产一区二区三区av在线| 女的被弄到高潮叫床怎么办| 99久久精品热视频| 夜夜爽夜夜爽视频| 国产高清国产精品国产三级 | 成人一区二区视频在线观看| 国精品久久久久久国模美| 91狼人影院| 两个人视频免费观看高清| 亚洲av二区三区四区| av国产久精品久网站免费入址| 精品熟女少妇av免费看| av国产久精品久网站免费入址| 国产在视频线在精品| 亚洲精品,欧美精品| 国产亚洲av嫩草精品影院| 久久精品国产亚洲av涩爱| 精品久久久久久电影网| 中文字幕免费在线视频6| 搡女人真爽免费视频火全软件| 国产在线一区二区三区精| av免费在线看不卡| 99久久精品一区二区三区| 成人漫画全彩无遮挡| 久久鲁丝午夜福利片| 国产精品久久视频播放| 两个人的视频大全免费| 日本黄色片子视频| 日韩制服骚丝袜av| 真实男女啪啪啪动态图| av一本久久久久| 精品少妇黑人巨大在线播放| 亚洲精品影视一区二区三区av| 成年女人看的毛片在线观看| 非洲黑人性xxxx精品又粗又长| 深夜a级毛片| 亚洲精品乱码久久久v下载方式| 日韩欧美三级三区| 免费看不卡的av| 91在线精品国自产拍蜜月| 三级男女做爰猛烈吃奶摸视频| 国产精品嫩草影院av在线观看| 亚洲精品日韩在线中文字幕| 99久国产av精品| 亚洲av.av天堂| 亚洲丝袜综合中文字幕| 天美传媒精品一区二区| 99视频精品全部免费 在线| 简卡轻食公司| av免费观看日本| 亚洲图色成人| 色哟哟·www| 搞女人的毛片| 成人无遮挡网站| 91久久精品电影网| 蜜桃亚洲精品一区二区三区| 国产 亚洲一区二区三区 | 又黄又爽又刺激的免费视频.| 久久久久久久午夜电影| 岛国毛片在线播放| 国产亚洲精品久久久com| 男人舔奶头视频| 中文字幕制服av| 国产一区亚洲一区在线观看| 午夜免费男女啪啪视频观看| 一二三四中文在线观看免费高清| 亚洲电影在线观看av| 亚洲精品第二区| 欧美bdsm另类| 日本一本二区三区精品| 99九九线精品视频在线观看视频| 欧美最新免费一区二区三区| 成年人午夜在线观看视频 | 国产麻豆成人av免费视频| 91av网一区二区| 观看免费一级毛片| 亚洲欧洲日产国产| 伊人久久精品亚洲午夜| 免费观看的影片在线观看| 神马国产精品三级电影在线观看| 欧美成人午夜免费资源| 日本猛色少妇xxxxx猛交久久| 国产探花极品一区二区| 亚洲精品国产av成人精品| 国产永久视频网站| 精品久久久久久成人av| 日韩av免费高清视频| 日韩国内少妇激情av| 美女cb高潮喷水在线观看| 国产极品天堂在线| 日日啪夜夜爽| 国产高清国产精品国产三级 | 欧美人与善性xxx| 精品久久久精品久久久| 免费高清在线观看视频在线观看| 日日啪夜夜爽| a级毛片免费高清观看在线播放| 一个人看视频在线观看www免费| 最近手机中文字幕大全| 亚洲乱码一区二区免费版| 亚洲人成网站在线播| 五月玫瑰六月丁香| 国产伦一二天堂av在线观看| 午夜福利视频1000在线观看| 街头女战士在线观看网站| 久久草成人影院| 国产三级在线视频| 丝瓜视频免费看黄片| 国产精品一区二区三区四区久久| 久久精品国产亚洲av涩爱| 久久国内精品自在自线图片| 国产午夜精品久久久久久一区二区三区| 天堂影院成人在线观看| 亚洲av电影在线观看一区二区三区 | 少妇高潮的动态图| 人妻少妇偷人精品九色| 久久久久精品久久久久真实原创| videos熟女内射| 成人特级av手机在线观看| www.av在线官网国产| 麻豆成人午夜福利视频| 五月伊人婷婷丁香| 一级毛片aaaaaa免费看小| 免费观看性生交大片5| 麻豆久久精品国产亚洲av| 女人被狂操c到高潮| 日韩三级伦理在线观看| 国产伦一二天堂av在线观看| 18禁裸乳无遮挡免费网站照片| 午夜日本视频在线| 亚洲av在线观看美女高潮| 午夜久久久久精精品| 大又大粗又爽又黄少妇毛片口| 91午夜精品亚洲一区二区三区| 性色avwww在线观看| 日本熟妇午夜| 在线观看美女被高潮喷水网站| 久久久欧美国产精品| 亚洲精品乱久久久久久| 日本三级黄在线观看| 久久这里只有精品中国| 色尼玛亚洲综合影院| 久久99热这里只有精品18| 亚洲精品影视一区二区三区av| 99热这里只有精品一区| 2021天堂中文幕一二区在线观| 国产精品一二三区在线看| 2022亚洲国产成人精品| 内地一区二区视频在线| 国产亚洲最大av| 色综合色国产| 亚洲欧美一区二区三区国产| 搡女人真爽免费视频火全软件| 久久久欧美国产精品| 国产在视频线精品| 亚洲自拍偷在线| 中文字幕久久专区| 男女视频在线观看网站免费| 国产极品天堂在线| 亚洲av成人精品一区久久| 搡老妇女老女人老熟妇| 永久免费av网站大全| 亚洲精品乱码久久久v下载方式| 国产精品爽爽va在线观看网站| 高清午夜精品一区二区三区| 91精品国产九色| 亚洲自偷自拍三级| 少妇高潮的动态图| 韩国av在线不卡| 亚洲自偷自拍三级| 成年版毛片免费区| 麻豆精品久久久久久蜜桃| 五月玫瑰六月丁香| 久久久久久久久久成人| 亚洲欧美中文字幕日韩二区| www.色视频.com| 欧美激情国产日韩精品一区| 简卡轻食公司| 日日撸夜夜添| 亚洲欧美日韩东京热| 51国产日韩欧美| 久久久久久伊人网av| 精品少妇黑人巨大在线播放| 熟女人妻精品中文字幕| 一级毛片 在线播放| 日韩,欧美,国产一区二区三区| 国产人妻一区二区三区在| 亚洲av男天堂| 成人高潮视频无遮挡免费网站| 久久精品夜色国产| 亚洲av免费在线观看| 久久久久国产网址| 秋霞在线观看毛片| 亚洲熟妇中文字幕五十中出| 黄色日韩在线| 一级av片app| 丰满乱子伦码专区|