• <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 ?

    基于DB-CF算法的音樂平臺個性化推薦研究

    2020-05-28 09:36:21竇維萌鄭秋爽孫宗錕
    軟件導刊 2020年3期
    關(guān)鍵詞:個性化推薦協(xié)同過濾聚類

    竇維萌 鄭秋爽 孫宗錕

    摘 要:娛樂方式日益豐富,產(chǎn)生巨量數(shù)據(jù),利用這些數(shù)據(jù)通過推薦系統(tǒng)可以讓用戶獲得更好的體驗,為此提出了DB-CF(DBSCAN-Collaborative Filtering)算法。首先,使用DBSCAN聚類算法對音樂平臺的線下用戶進行聚類;然后,通過協(xié)同過濾算法計算對象用戶與各聚類中心的相似度,再通過對比相似度度量矩陣,遍歷離對象用戶最近的鄰居,通過鄰居作出評分預(yù)測。實驗表明,采用DB-CF算法比傳統(tǒng)算法準確率提高8%左右,可以產(chǎn)生更準確的推薦結(jié)果,為用戶帶來更好的體驗。

    關(guān)鍵詞:音樂電臺;信息超載;個性化推薦;協(xié)同過濾;聚類

    DOI:10. 11907/rjdk. 192582????????????????????????????????????????????????????????????????? 開放科學(資源服務(wù))標識碼(OSID):

    中圖分類號:TP301 ? 文獻標識碼:A??????????????? 文章編號:1672-7800(2020)003-0057-03

    Research on Personalized Recommendation of Music Platform

    Based on DB-CF Algorithm

    DOU Wei-meng1,ZHENG Qiu-shuang2,SUN Zong-kun1

    (1. College of Computer Science and Engineering, Shandong University of Science and Technology;

    2. College of Mining Safety and Engineering, Shandong University of Science and Technology, Qingdao 266590, China)

    Abstract: With the increasing enrichment of entertainment methods and the influx of huge amounts of data, peoples lives are more convenient through the effective use of data. In terms of music platforms, excellent recommendation systems are used to provide better experience to platform users. In order to obtain more accurate recommendation results than the traditional recommendation techniques in a large number of tracks, a? DBSCAN-collaborative filtering(DB-CF) algorithm is proposed. Firstly, when processing the offline data, we use the DBSCAN clustering algorithm to cluster the users of the music platform. Secondly, when processing the online data, we calculate the similarity between the user and each cluster center by a collaborative filtering algorithm. And then through the comparison of the similarity measurement matrix, we traverse the nearest neighbor of the object user,and make prediction of the object users score. Experiments show that under different recommendation algorithms, the DB-CF algorithm improves the accuracy by about 8% compared with the traditional algorithm, which proves the algorithm can produce more accurate recommendation results and bring better experience to users.

    Key Words: music platform; information overload; personalized recommendation; collaborative filtering; clustering

    0 引言

    網(wǎng)絡(luò)發(fā)展和娛樂方式多樣化產(chǎn)生更多的信息,而巨量不相關(guān)的信息讓用戶選擇過程變得繁瑣。傳統(tǒng)的社會化推薦系統(tǒng)在不明確需求的情況下不能提高用戶的滿意度[1]。

    網(wǎng)絡(luò)正全面深入到人們的日常生活中[22],推薦平臺充滿機遇更充滿挑戰(zhàn),但因冷啟動問題[2]以及行為數(shù)據(jù)快速更新等矛盾,平臺尚無法滿足客戶的精確需求。個性化推薦技術(shù)能夠解決信息超載 [3],通過上傳用戶一系列操作,為每一個用戶創(chuàng)建獨立模型,并推薦用戶偏愛的內(nèi)容,如各音樂平臺的“推薦歌單”,就是利用此技術(shù)挖掘出客戶喜歡的歌曲予以推薦,這種方式大大節(jié)約了用戶的時間[4]。

    趙亮等[24]針對協(xié)同過濾算法效能低的缺點進行了改進,提出一種高效的個性化推薦算法,以解決推薦系統(tǒng)稀疏問題,但是它存在測試集作為分析樣本的方法優(yōu)化問題;周軍鋒等[25]提出優(yōu)化的協(xié)同過濾算法,采用修正的條件概率方法計算項目相似性,提高了計算結(jié)果的準確性,提高了推薦質(zhì)量,但此方法增加了時間損耗;劉佳璐等[26]結(jié)合協(xié)同過濾和用戶特征標簽增加用戶的黏度,在Hadoop平臺上實現(xiàn)分布式的離線計算,克服推薦單一性,提高了推薦質(zhì)量,但對噪聲點沒有進行對應(yīng)的處理。本文提出DB-CF算法,在保證推薦效率的同時注重對噪聲點的處理,提高了推薦質(zhì)量。

    1 相關(guān)理論

    1.1 個性化推薦系統(tǒng)

    個性化推薦系統(tǒng)能讓平臺用戶在大規(guī)模數(shù)據(jù)中找到自己所需的信息。出色的音樂平臺推薦系統(tǒng)能夠提高用戶的滿意度,音樂平臺能因此獲得巨大的收益[13]。

    個性化推薦系統(tǒng)依據(jù)用戶收藏,通過相關(guān)操作推送給用戶喜好的歌曲[14]。由于音樂平臺規(guī)模日益擴大,音樂數(shù)量與類別快速增長,用戶欲找到自己喜好的音樂要花費很長時間,這種現(xiàn)象大大降低了體驗感[12]。

    個性化推薦算法主要有:①基于用戶的協(xié)同過濾[5]。計算對象用戶和已有用戶的相似度,挖掘相似用戶感興趣的物品,估測出對象用戶對物品的評分,將高評分的音樂介紹給對象用戶;②矩陣分解:矩陣分解推薦算法能夠解決近鄰模型不能解決的難題,例如矩陣稀疏問題,對運算的結(jié)果有很大影響,增加了不穩(wěn)定性,導致結(jié)果差異很大[6];③混合推薦算法:混合以上推薦算法,融入深度學習或數(shù)據(jù)挖掘算法[7],混合算法推薦的音樂與對象用戶相關(guān)性最高。

    1.2 DB-CF算法

    DBSCAN聚類算法是一類具有噪聲的以密度為基準的空間聚類方法。DBSCAN將算法密度較高的區(qū)域劃分為簇[8]?,F(xiàn)今數(shù)據(jù)量越來越龐大,從大規(guī)模的數(shù)據(jù)之中挖掘出用戶所需求的信息、清除掉無關(guān)的數(shù)據(jù)是聚類的一個重大應(yīng)用[15]。當今推薦系統(tǒng)中,聚類算法處理大規(guī)模數(shù)據(jù)非常有價值[16-17]。DBSCAN算法優(yōu)點如下:①能夠有效處理噪聲點,挖掘出任意形狀的聚類,聚類速度很快[18];②和K-MEANS算法相比,DBSCAN對劃分的聚類個數(shù)不需要預(yù)先輸入[9];③能夠在實驗必要時輸入過濾噪聲參數(shù)。

    協(xié)同過濾(Collaborative Filtering)算法計算對象用戶和已有用戶的相似性,挖掘出相似用戶感興趣的物品,預(yù)測出對象用戶對物品的評分,將高評分的音樂推薦給對象用戶,主要通過余弦相似度計算用戶行為的相似度[10]。

    1.2.1 用戶相似度中的距離度量

    余弦計算相似度,用來衡量平臺用戶之間的差異程度,用戶之間的相似度和相似度度量值相關(guān)。余弦相似度數(shù)值越小,用戶之間的差異越大,余弦相似度的數(shù)值越大則表明用戶之間越相似[23]。

    余弦相似數(shù)學公式如下:

    式(1)中,通過用S(u,v)表示對象用戶u與用戶v的相似度,用Aui表示對象用戶u對音樂i的評分值,通過Avi表示用戶v對音樂i的評分,用Iuv表示對象用戶u和v共同評過分的音樂集合[21]。

    1.2.2 DB-CF算法設(shè)計

    首先對線下數(shù)據(jù)進行處理,使用DBSCAN聚類算法對音樂平臺的用戶進行聚類,生成線下用戶的聚類中心點;將每一位平臺用戶與各個聚類的中心點進行相似度計算,得出各個用戶與各個聚類中心點的相似度度量矩陣。在處理線上數(shù)據(jù)時,通過協(xié)同過濾算法計算對象用戶與各個聚類中心的相似度,再通過對比相似度度量矩陣,遍歷離對象用戶最近的鄰居,通過離對象用戶最近的鄰居得到對象用戶評分的預(yù)測,由此產(chǎn)生更準確的推薦效果。

    算法描述:

    算法: DB-CF

    輸入: db(數(shù)據(jù)集),eps(給定半徑),MinPts(指定點在半徑鄰域內(nèi)可以成為核心對象的最小鄰域點數(shù))。

    輸出: 目標類簇集合

    方法步驟:①Repeat;②判斷輸入點是否為核心對象;③ 若該點是核心點,找到全部從該點出發(fā)的直接密度可達點,形成簇;④若該點不是核心點,跳出循環(huán),查看下一個點;⑤Until 所有輸入點都判斷完畢。

    在對線下數(shù)據(jù)進行處理的基礎(chǔ)之上,先運算出對象用戶與各個聚類中心點的相似度,得到對象用戶所屬各個聚類程度的向量,再通過搜索類所屬的程度矩陣,得到離對象用戶最近的鄰居。

    輸入:類所屬程度矩陣U (p,q),對象用戶評分向量。

    輸出:離對象用戶最近的K個鄰居。

    方法:

    a= 0.0

    b = 0.0

    c = 0.0

    for p in user.items():

    for q in user.items():

    a += float(q[0]) * float(q[0])

    b += float(q[1]) * float(q[1])

    c += float(q[0]) * float(q[1])

    if(c == 0.0):

    return 0

    return c / sqrt(a * b)

    //運算出對象用戶與m個聚類的中心相似度,獲得1*k的向量(q1,q2,…,qm)。

    計算向量(q1,q2,…,qm)與類別所屬程度矩陣U (p,q)各行之間的余弦值;

    離對象用戶最近的K個鄰居就是以上余弦值最小的前K個基本用戶。

    利用DB-CF算法獲得離對象用戶最近的鄰居,根據(jù)公式(1)得到推薦數(shù)據(jù)。

    2 實驗結(jié)果與分析

    2.1 實驗環(huán)境

    本實驗操作系統(tǒng)為Windows10,系統(tǒng)類型為64位操作系統(tǒng),處理器為I7 7700HQ 2.80GHz,安裝內(nèi)存(RAM)為8GB,集成開發(fā)環(huán)境為PyCharm、Python 3.6 (64-bit)。

    2.2 數(shù)據(jù)集介紹

    采用的數(shù)據(jù)集來自http://millionsongdataset.com/上的SecondHandSongs dataset?,經(jīng)過處理后包含6000名用戶對4000首曲目的100萬條評分數(shù)據(jù),如表1所示。

    2.3 實驗方法

    統(tǒng)計精度度量方法和決策支持精度度量方法是客觀衡量音樂平臺推薦系統(tǒng)質(zhì)量的主要方法。本文將統(tǒng)計精度度量方法中的平均絕對誤差(MAE)作為評價指標衡量推薦精確度,使用MAE能直接地顯現(xiàn)推薦質(zhì)量的優(yōu)劣,是最為常用的一種推薦質(zhì)量的度量方法[11]。

    式(2)中,MAE越小說明推薦算法的精確度越好,推薦質(zhì)量越高。[x(i)]表示預(yù)測值,[y(i)]表示真實值。

    2.4 結(jié)果分析

    對以上數(shù)據(jù)集分別用DB-CF算法、CF(Collaborative Filtering)算法、CB(Content Based)算法進行實驗,求取F-measure。為了避免實驗結(jié)果的偶然性,分別進行20次實驗,求出結(jié)果的平均值作為實驗的最終結(jié)果[20]。

    如圖1所示,選數(shù)據(jù)稀疏度為0.958時進行DB-CF、CF和CB算法推薦效果比較[19],根據(jù)平均絕對誤差(MAE)值越小結(jié)果越精準的標準,DB-CF的推薦效果比CF以及CB推薦算法的精確度高。

    圖2為DB-CF、CF和CB算法的推薦效率比較,可以看出DB-CF算法的效率要比傳統(tǒng)的CF算法和CB算法效率高。DB-CF推薦算法先對線下數(shù)據(jù)進行聚類,在線上推薦時可以通過聚類完成的結(jié)果更快捷地進行推薦。

    3 結(jié)語

    音樂曲目浩如煙海,音樂曲目推薦對用戶來說具有重大意義。本文介紹了基于DB-CF算法的音樂平臺個性化推薦系統(tǒng)。與傳統(tǒng)推薦算法相比較,本方案能夠更快更準確地推薦給用戶感興趣的曲目。未來研究內(nèi)容是如何強化學習解決高維數(shù)據(jù)問題,更進一步優(yōu)化推薦結(jié)果。

    參考文獻:

    [1]劉進,胡大權(quán), 陳家佳. 面向海量數(shù)據(jù)的推薦系統(tǒng)研究[J]. 現(xiàn)代電子技術(shù), 2016, 39(12):59-61.

    [2]劉暢,王玉龍. 推薦系統(tǒng)冷啟動問題分析[J]. 電信網(wǎng)技術(shù),2017(1):65-68.

    [3]王國霞, 劉賀平. 個性化推薦系統(tǒng)綜述[J]. 計算機工程與應(yīng)用, 2012, 48(7):66-76.

    [4]侯燁煒. 個性化新聞推薦算法比較研究[J]. 科技視界,2014(32):362-366.

    [5]TSAI C F,HUNG C. Cluster ensembles in collaborative filtering recommendation[J]. Applied Soft Computing,2012,12(4):1417-1425.

    [6]GAI L I, LEI L I, POLYTECHNIC S, et al. Collaborative filtering algorithm based on matrix decomposition[J]. Computer Engineering & Applications, 2011(9):2001-2012.

    [7]黃立威,江碧濤,呂守業(yè),等. 基于深度學習的推薦系統(tǒng)研究綜述[J]. 計算機學報,2018,427(7):1619-1647.

    [8]王紅. 面向數(shù)據(jù)發(fā)布的差分隱私保護研究[D].北京:中國人民大學,2012.

    [9]馮超. K-means聚類算法的研究[D]. 大連:大連理工大學, 2007.

    [10]尹曉麗,李濟洪,LI Y X,等. 一種訪問者行為的相似度度量方法[J]. 太原科技大學學報,2007,28(5):371-373.

    [11]TERMSTRC. Average absolute mean error[EB/OL]. https://en.so.com/s?q=average+absolute+mean+erro

    [12]JONES S L,KELLY R. Dealing with information overload in multifaceted personal informatics systems[J]. Human-Computer Interaction, 2017(1): 73-130.

    [13]粱偉萍. 淺談電子商務(wù)中的個性化推薦系統(tǒng)[J]. 網(wǎng)絡(luò)與信息, 2011, 25(8):38-39.

    [14]劉輝,郭夢夢,潘偉強. 個性化推薦系統(tǒng)綜述[J]. 常州大學學報(自然科學版),2017, 29(3):51-59.

    [15]宋杰, 孫宗哲, 毛克明,等. MapReduce大數(shù)據(jù)處理平臺與算法研究進展[J]. 軟件學報, 2017, 28(3):514-543.

    [16]孫吉貴,劉杰,趙連宇. 聚類算法研究[J]. 軟件學報,2008,19(1):48-61.

    [17]楊啟仁. 數(shù)據(jù)挖掘中聚類算法的研究[J]. 牡丹江大學學報, 2010(6):107-109.

    [18]張毅, 劉旭敏, 關(guān)永. 基于密度的離群噪聲點檢測[J]. 計算機應(yīng)用, 2010, 30(3):802-805.

    [19]吳顏, 沈潔, 顧天竺,等. 協(xié)同過濾推薦系統(tǒng)中數(shù)據(jù)稀疏問題的解決[J]. 計算機應(yīng)用研究, 2007, 24(6):94-97.

    [20]劉明昌. 基于內(nèi)容的推薦技術(shù)研究[J]. 現(xiàn)代營銷(下旬刊), 2016(6):243-245.

    [21]焦東俊. 基于用戶人口統(tǒng)計與專家信任的協(xié)同過濾算法[J]. 計算機工程與科學, 2015, 37(1):158-164.

    [22]阿布力孜·布力布力, 鄧楠, 薛冠華. 電子商務(wù)在小微企業(yè)發(fā)展中的作用研究——以新疆少數(shù)民族小微企業(yè)為例[J]. 民族論壇, 2018, 395(1):47-50,67.

    [23]李慧敏. 基于社交網(wǎng)絡(luò)的垃圾用戶檢測方法分析與實現(xiàn)[D].北京:北京交通大學, 2017.

    [24]趙亮, 胡乃靜, 張守志. 個性化推薦算法設(shè)計[J]. 計算機研究與發(fā)展, 2002(8):91-97.

    [25]周軍鋒, 湯顯, 郭景峰. 一種優(yōu)化的協(xié)同過濾推薦算法[J]. 計算機研究與發(fā)展, 2004, 41(10):1842-1847.

    [26]劉佳璐, 周傳生. 基于Hadoop分布式個性化推薦算法的設(shè)計與實現(xiàn)[J]. 科學技術(shù)創(chuàng)新, 2017(1):170-171.

    (責任編輯:杜能鋼)

    收稿日期:2019-11-11

    作者簡介:竇維萌(1993-),男,山東科技大學計算機科學與工程學院碩士研究生,研究方向為云計算與大數(shù)據(jù)處理;鄭秋爽(1995-),女,山東科技大學礦業(yè)安全與工程學院碩士研究生,研究方向為礦井突水防治安全;孫宗錕(1995-),男,山東科技大學計算機科學與工程學院碩士研究生,研究方向為數(shù)據(jù)安全。本文通訊作者:鄭秋爽。

    猜你喜歡
    個性化推薦協(xié)同過濾聚類
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    基于鏈式存儲結(jié)構(gòu)的協(xié)同過濾推薦算法設(shè)計與實現(xiàn)
    軟件導刊(2016年11期)2016-12-22 21:40:40
    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
    個性化推薦系統(tǒng)關(guān)鍵算法探討
    基于協(xié)同過濾算法的個性化圖書推薦系統(tǒng)研究
    混合推薦算法在電影推薦中的研究與評述
    無線定位個性化導覽關(guān)鍵技術(shù)在博物館中的運用
    基于改進的遺傳算法的模糊聚類算法
    一種層次初始的聚類個數(shù)自適應(yīng)的聚類方法研究
    自適應(yīng)確定K-means算法的聚類數(shù):以遙感圖像聚類為例
    国产成人精品福利久久| 九色成人免费人妻av| 高清不卡的av网站| 超碰97精品在线观看| 夜夜爽夜夜爽视频| 成年美女黄网站色视频大全免费| 美女国产视频在线观看| 一区二区三区乱码不卡18| 狠狠精品人妻久久久久久综合| 亚洲精华国产精华液的使用体验| 国产黄色免费在线视频| 成人漫画全彩无遮挡| 亚洲av免费高清在线观看| 纯流量卡能插随身wifi吗| 国产成人午夜福利电影在线观看| 欧美精品一区二区大全| 桃花免费在线播放| 欧美日韩国产mv在线观看视频| 成人二区视频| 蜜桃在线观看..| 中文字幕人妻丝袜制服| 少妇人妻 视频| av天堂久久9| 国产精品嫩草影院av在线观看| 国产精品一区www在线观看| 亚洲欧美清纯卡通| 亚洲国产精品一区二区三区在线| 亚洲精品美女久久av网站| 热re99久久国产66热| 91aial.com中文字幕在线观看| 成人毛片60女人毛片免费| 国产av精品麻豆| 免费观看在线日韩| a级毛片在线看网站| 欧美精品一区二区大全| a级片在线免费高清观看视频| 丝瓜视频免费看黄片| 又黄又爽又刺激的免费视频.| 国产又爽黄色视频| 久久精品国产亚洲av涩爱| 在线天堂最新版资源| 日韩av在线免费看完整版不卡| 免费观看a级毛片全部| 中国三级夫妇交换| 男女高潮啪啪啪动态图| √禁漫天堂资源中文www| 啦啦啦在线观看免费高清www| 欧美bdsm另类| 亚洲美女视频黄频| 午夜激情久久久久久久| 久久精品久久精品一区二区三区| 国产精品久久久久成人av| 中文乱码字字幕精品一区二区三区| 亚洲国产精品成人久久小说| 欧美成人午夜精品| 少妇熟女欧美另类| 啦啦啦啦在线视频资源| 久久久久久久国产电影| 国产日韩欧美亚洲二区| 蜜桃在线观看..| 国产高清不卡午夜福利| 狠狠婷婷综合久久久久久88av| 视频在线观看一区二区三区| 一区二区av电影网| 菩萨蛮人人尽说江南好唐韦庄| 国产精品免费大片| 九色成人免费人妻av| 男女高潮啪啪啪动态图| 久久午夜福利片| 一二三四在线观看免费中文在 | 欧美精品亚洲一区二区| 热re99久久精品国产66热6| 欧美日韩亚洲高清精品| 秋霞在线观看毛片| 青春草国产在线视频| 精品第一国产精品| 黑人猛操日本美女一级片| 9色porny在线观看| 午夜91福利影院| 久久午夜福利片| 国产亚洲精品久久久com| 美女国产高潮福利片在线看| 国产69精品久久久久777片| 午夜福利视频在线观看免费| 久久久欧美国产精品| 人人妻人人爽人人添夜夜欢视频| 99视频精品全部免费 在线| 亚洲精品,欧美精品| 成人国产av品久久久| 在线观看免费高清a一片| 在线 av 中文字幕| 国产黄色视频一区二区在线观看| av黄色大香蕉| av有码第一页| 免费观看a级毛片全部| 在线观看三级黄色| 中文字幕av电影在线播放| 久久久久精品性色| 三级国产精品片| 精品人妻一区二区三区麻豆| 国产毛片在线视频| 欧美日韩综合久久久久久| 交换朋友夫妻互换小说| 亚洲美女黄色视频免费看| 两性夫妻黄色片 | 久久韩国三级中文字幕| av女优亚洲男人天堂| av在线老鸭窝| 国产有黄有色有爽视频| 久久这里只有精品19| 国产视频首页在线观看| 欧美精品亚洲一区二区| 又黄又爽又刺激的免费视频.| 岛国毛片在线播放| 少妇猛男粗大的猛烈进出视频| 精品卡一卡二卡四卡免费| 日韩一区二区三区影片| 免费黄频网站在线观看国产| 国产精品麻豆人妻色哟哟久久| 欧美老熟妇乱子伦牲交| 欧美+日韩+精品| 成人亚洲精品一区在线观看| 1024视频免费在线观看| 18禁裸乳无遮挡动漫免费视频| 啦啦啦中文免费视频观看日本| 黄色视频在线播放观看不卡| 日本欧美视频一区| 国产高清不卡午夜福利| 亚洲天堂av无毛| 久久久精品94久久精品| 一级毛片我不卡| 中文字幕亚洲精品专区| 国产精品不卡视频一区二区| av网站免费在线观看视频| 亚洲一级一片aⅴ在线观看| av卡一久久| 国产黄色免费在线视频| 亚洲一码二码三码区别大吗| 观看av在线不卡| 男女高潮啪啪啪动态图| 中文字幕精品免费在线观看视频 | 国产精品 国内视频| 美女国产视频在线观看| 黄色毛片三级朝国网站| 国产亚洲一区二区精品| 秋霞伦理黄片| 国产成人精品无人区| 99久久中文字幕三级久久日本| 国产av国产精品国产| 99热这里只有是精品在线观看| 成年动漫av网址| 肉色欧美久久久久久久蜜桃| 亚洲伊人久久精品综合| 午夜激情av网站| 欧美人与善性xxx| www.色视频.com| 国产精品熟女久久久久浪| 国产又色又爽无遮挡免| 女人精品久久久久毛片| 亚洲av综合色区一区| 国产一区二区激情短视频 | 高清欧美精品videossex| 精品人妻在线不人妻| 黄片无遮挡物在线观看| 精品久久久精品久久久| 欧美人与善性xxx| 亚洲综合色惰| 51国产日韩欧美| 深夜精品福利| 99久久中文字幕三级久久日本| 欧美精品亚洲一区二区| 精品酒店卫生间| 黑人高潮一二区| 99热全是精品| 亚洲第一区二区三区不卡| 在线观看国产h片| 国产无遮挡羞羞视频在线观看| 欧美最新免费一区二区三区| 国产亚洲午夜精品一区二区久久| 自线自在国产av| 国产成人精品久久久久久| 亚洲欧洲精品一区二区精品久久久 | 国产高清不卡午夜福利| 久久人人97超碰香蕉20202| 日韩,欧美,国产一区二区三区| av免费在线看不卡| 妹子高潮喷水视频| 亚洲国产精品一区二区三区在线| 91精品伊人久久大香线蕉| 美女中出高潮动态图| 男人操女人黄网站| 97人妻天天添夜夜摸| 亚洲国产日韩一区二区| 午夜久久久在线观看| 亚洲精品456在线播放app| 成人亚洲欧美一区二区av| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品一二三区在线看| 国产成人精品福利久久| 成人国产麻豆网| 在线观看免费高清a一片| av女优亚洲男人天堂| 久久久久久人妻| 女性生殖器流出的白浆| 国产极品粉嫩免费观看在线| 久久青草综合色| 欧美 日韩 精品 国产| 久久精品国产亚洲av涩爱| 如日韩欧美国产精品一区二区三区| 亚洲av电影在线观看一区二区三区| 久久人人爽人人片av| 欧美老熟妇乱子伦牲交| 久久99精品国语久久久| 久久午夜综合久久蜜桃| 国产乱来视频区| 国产精品不卡视频一区二区| 超色免费av| 人人妻人人添人人爽欧美一区卜| 天堂俺去俺来也www色官网| 18+在线观看网站| 成人手机av| 天美传媒精品一区二区| 国产乱来视频区| 亚洲性久久影院| 男人操女人黄网站| 国产精品久久久久久av不卡| 熟妇人妻不卡中文字幕| 亚洲国产日韩一区二区| 欧美日韩精品成人综合77777| 久久久久久久精品精品| 国产成人欧美| 女性生殖器流出的白浆| 日韩制服骚丝袜av| 国产精品嫩草影院av在线观看| 国产淫语在线视频| 国产永久视频网站| 亚洲国产精品一区三区| 999精品在线视频| 国产毛片在线视频| 亚洲熟女精品中文字幕| 亚洲美女搞黄在线观看| 午夜福利,免费看| 观看av在线不卡| 亚洲成人手机| 久久精品国产亚洲av天美| 国产精品人妻久久久影院| 亚洲国产av影院在线观看| 99久久综合免费| 国产日韩欧美亚洲二区| 久久人妻熟女aⅴ| 精品久久国产蜜桃| 九色亚洲精品在线播放| 国产欧美亚洲国产| 国产一区二区在线观看av| 一本久久精品| 天天影视国产精品| 午夜福利网站1000一区二区三区| 亚洲内射少妇av| 国产精品国产三级国产专区5o| 久久久久精品人妻al黑| 精品久久久久久电影网| 99久久精品国产国产毛片| 日韩 亚洲 欧美在线| 久久久久久人人人人人| 伦理电影大哥的女人| 少妇人妻久久综合中文| 最黄视频免费看| 大片免费播放器 马上看| 一个人免费看片子| 边亲边吃奶的免费视频| 国产精品一区二区在线不卡| 亚洲精品第二区| 亚洲人成网站在线观看播放| 欧美精品一区二区免费开放| 黄色毛片三级朝国网站| 亚洲av在线观看美女高潮| 国产有黄有色有爽视频| 午夜激情久久久久久久| 久久久久国产精品人妻一区二区| 欧美人与善性xxx| 国产一区二区在线观看av| 国产精品嫩草影院av在线观看| 成年动漫av网址| 在线观看免费日韩欧美大片| 啦啦啦视频在线资源免费观看| 欧美成人午夜免费资源| 熟女电影av网| 国产成人精品婷婷| 人妻系列 视频| 久久久久国产网址| 亚洲av男天堂| 丝袜脚勾引网站| 捣出白浆h1v1| 亚洲一级一片aⅴ在线观看| 侵犯人妻中文字幕一二三四区| 亚洲欧美成人精品一区二区| 免费av中文字幕在线| 少妇精品久久久久久久| 免费人妻精品一区二区三区视频| 丝袜美足系列| 熟女人妻精品中文字幕| 婷婷色av中文字幕| 女性生殖器流出的白浆| 亚洲精品色激情综合| 韩国av在线不卡| 黄色一级大片看看| 五月玫瑰六月丁香| 韩国高清视频一区二区三区| 色94色欧美一区二区| 一级片'在线观看视频| 欧美3d第一页| 大陆偷拍与自拍| 欧美另类一区| 纯流量卡能插随身wifi吗| 中文字幕人妻丝袜制服| 丰满乱子伦码专区| 三上悠亚av全集在线观看| 男女下面插进去视频免费观看 | 亚洲精品久久成人aⅴ小说| 色婷婷av一区二区三区视频| 麻豆乱淫一区二区| 99精国产麻豆久久婷婷| 伦理电影免费视频| 乱人伦中国视频| 免费日韩欧美在线观看| 免费少妇av软件| 国产成人精品无人区| 日日爽夜夜爽网站| 午夜免费男女啪啪视频观看| 波多野结衣一区麻豆| 午夜福利影视在线免费观看| 考比视频在线观看| av福利片在线| 性色avwww在线观看| 巨乳人妻的诱惑在线观看| 国产精品国产三级专区第一集| 亚洲欧美日韩卡通动漫| av线在线观看网站| 色哟哟·www| 色婷婷久久久亚洲欧美| 伦精品一区二区三区| 草草在线视频免费看| 亚洲四区av| 热99久久久久精品小说推荐| 久久这里只有精品19| 99热6这里只有精品| 波野结衣二区三区在线| 多毛熟女@视频| 纯流量卡能插随身wifi吗| 国产免费一级a男人的天堂| 一区二区三区四区激情视频| 欧美精品高潮呻吟av久久| 如日韩欧美国产精品一区二区三区| 成人无遮挡网站| 国产又色又爽无遮挡免| 亚洲国产av影院在线观看| 最近2019中文字幕mv第一页| 国产一区二区激情短视频 | 精品国产一区二区三区久久久樱花| 欧美精品av麻豆av| 自线自在国产av| 亚洲一区二区三区欧美精品| 热re99久久国产66热| 久久毛片免费看一区二区三区| 久久这里只有精品19| 亚洲五月色婷婷综合| 大陆偷拍与自拍| 欧美性感艳星| 国产精品麻豆人妻色哟哟久久| 久久99蜜桃精品久久| 亚洲精品国产av成人精品| 亚洲在久久综合| 亚洲欧美成人综合另类久久久| 一本大道久久a久久精品| 少妇猛男粗大的猛烈进出视频| 久久精品熟女亚洲av麻豆精品| 男人操女人黄网站| 在线 av 中文字幕| 国产成人精品福利久久| 国产亚洲午夜精品一区二区久久| 九九爱精品视频在线观看| 久久久亚洲精品成人影院| 日日摸夜夜添夜夜爱| 亚洲三级黄色毛片| 欧美日韩精品成人综合77777| 亚洲精品日本国产第一区| www.av在线官网国产| 国产精品欧美亚洲77777| 亚洲伊人色综图| 国产精品偷伦视频观看了| 欧美国产精品va在线观看不卡| 黄色一级大片看看| 91久久精品国产一区二区三区| 极品少妇高潮喷水抽搐| 亚洲熟女精品中文字幕| 9热在线视频观看99| 免费高清在线观看日韩| 久久热在线av| 国产免费又黄又爽又色| 精品国产一区二区久久| 久久久久国产精品人妻一区二区| 国产一区二区激情短视频 | 亚洲第一区二区三区不卡| 亚洲精品av麻豆狂野| 午夜免费观看性视频| 色吧在线观看| 最新的欧美精品一区二区| 99久久综合免费| 人人妻人人爽人人添夜夜欢视频| 欧美精品国产亚洲| 午夜福利视频在线观看免费| 26uuu在线亚洲综合色| 少妇熟女欧美另类| 永久网站在线| 美女福利国产在线| 免费在线观看完整版高清| 久久久国产一区二区| 天天躁夜夜躁狠狠躁躁| 在线观看免费日韩欧美大片| 成年人午夜在线观看视频| 色94色欧美一区二区| 久久人人爽av亚洲精品天堂| 久久国产精品大桥未久av| www.熟女人妻精品国产 | 蜜臀久久99精品久久宅男| 热99国产精品久久久久久7| 91精品三级在线观看| 国产精品欧美亚洲77777| 老女人水多毛片| 观看av在线不卡| 麻豆乱淫一区二区| 少妇人妻久久综合中文| 水蜜桃什么品种好| 免费观看在线日韩| 亚洲成人手机| 国产探花极品一区二区| 不卡视频在线观看欧美| 少妇的逼好多水| 国产乱人偷精品视频| 两性夫妻黄色片 | 考比视频在线观看| 亚洲精品久久午夜乱码| 黑丝袜美女国产一区| 热99国产精品久久久久久7| a级毛片在线看网站| 在线观看www视频免费| 免费在线观看黄色视频的| videos熟女内射| 一级片'在线观看视频| 97超碰精品成人国产| 日本色播在线视频| 纯流量卡能插随身wifi吗| 亚洲国产av新网站| 男人添女人高潮全过程视频| 青春草亚洲视频在线观看| 高清视频免费观看一区二区| 国产免费视频播放在线视频| 在线看a的网站| 下体分泌物呈黄色| 香蕉国产在线看| 亚洲图色成人| 一边亲一边摸免费视频| 在线精品无人区一区二区三| 久久午夜福利片| 人成视频在线观看免费观看| 久久精品久久久久久久性| 亚洲欧美成人综合另类久久久| 一级爰片在线观看| 久久热在线av| 99精国产麻豆久久婷婷| 51国产日韩欧美| 69精品国产乱码久久久| 亚洲国产毛片av蜜桃av| 国产日韩一区二区三区精品不卡| 国产成人精品在线电影| a级毛片黄视频| 街头女战士在线观看网站| 熟妇人妻不卡中文字幕| 午夜激情久久久久久久| 在线精品无人区一区二区三| 亚洲欧美清纯卡通| 蜜臀久久99精品久久宅男| 男人舔女人的私密视频| 亚洲综合色网址| 人人妻人人爽人人添夜夜欢视频| 咕卡用的链子| 亚洲精品乱码久久久久久按摩| 欧美成人精品欧美一级黄| 99久久中文字幕三级久久日本| 赤兔流量卡办理| av在线播放精品| 天堂中文最新版在线下载| 亚洲精品成人av观看孕妇| 久久精品国产自在天天线| 亚洲第一av免费看| 观看美女的网站| 在线天堂最新版资源| 99热6这里只有精品| 国产国语露脸激情在线看| 美女中出高潮动态图| 久久久久久久精品精品| 欧美xxⅹ黑人| 亚洲精品中文字幕在线视频| 一本—道久久a久久精品蜜桃钙片| 国产又色又爽无遮挡免| 久久午夜福利片| 久久免费观看电影| 高清毛片免费看| 九色成人免费人妻av| 亚洲国产日韩一区二区| 在线 av 中文字幕| 婷婷色综合大香蕉| 美女中出高潮动态图| 久久99热这里只频精品6学生| 日本免费在线观看一区| 热re99久久精品国产66热6| 七月丁香在线播放| 亚洲,欧美精品.| 成人无遮挡网站| 丝袜人妻中文字幕| 极品少妇高潮喷水抽搐| 亚洲国产精品一区三区| 国产精品久久久久久久电影| 中文乱码字字幕精品一区二区三区| 交换朋友夫妻互换小说| 在线观看www视频免费| 成人国产av品久久久| 国产精品久久久久久久久免| 国产男人的电影天堂91| 黄色配什么色好看| 黄色视频在线播放观看不卡| 亚洲欧洲国产日韩| 久久毛片免费看一区二区三区| 丝袜美足系列| 丝袜人妻中文字幕| 国产日韩欧美亚洲二区| 9色porny在线观看| 女人久久www免费人成看片| 丝袜美足系列| 欧美日韩一区二区视频在线观看视频在线| 夜夜骑夜夜射夜夜干| 欧美精品一区二区大全| 欧美成人午夜精品| 波多野结衣一区麻豆| 如何舔出高潮| 日本免费在线观看一区| 99久国产av精品国产电影| 国产免费福利视频在线观看| 在线 av 中文字幕| 男的添女的下面高潮视频| 国产 精品1| 国产精品偷伦视频观看了| 欧美3d第一页| 26uuu在线亚洲综合色| 国产精品蜜桃在线观看| 国产一区二区在线观看日韩| 亚洲美女搞黄在线观看| 我的女老师完整版在线观看| 巨乳人妻的诱惑在线观看| www.熟女人妻精品国产 | 国产视频首页在线观看| 日韩成人伦理影院| 观看美女的网站| 日韩熟女老妇一区二区性免费视频| 丝袜美足系列| 插逼视频在线观看| av不卡在线播放| 亚洲精品aⅴ在线观看| 韩国av在线不卡| 波多野结衣一区麻豆| 国产在线一区二区三区精| 国产欧美另类精品又又久久亚洲欧美| 精品一品国产午夜福利视频| 男女高潮啪啪啪动态图| 高清视频免费观看一区二区| 91精品国产国语对白视频| 亚洲第一区二区三区不卡| 中文乱码字字幕精品一区二区三区| 欧美精品一区二区大全| 麻豆乱淫一区二区| 69精品国产乱码久久久| 黑人巨大精品欧美一区二区蜜桃 | 日日啪夜夜爽| 国产成人精品婷婷| 欧美激情 高清一区二区三区| 亚洲,一卡二卡三卡| 久久久久久久久久人人人人人人| 大香蕉97超碰在线| 亚洲av中文av极速乱| 欧美日韩亚洲高清精品| 哪个播放器可以免费观看大片| 久久精品国产亚洲av天美| 各种免费的搞黄视频| 日韩一区二区视频免费看| 天堂8中文在线网| 精品酒店卫生间| 国内精品宾馆在线| 男女啪啪激烈高潮av片| 丝袜在线中文字幕| 美女国产视频在线观看| 夜夜爽夜夜爽视频| 久久热在线av| 成人亚洲精品一区在线观看| 在现免费观看毛片| 久久99精品国语久久久| 久久人人97超碰香蕉20202| 少妇的丰满在线观看| h视频一区二区三区| 精品少妇久久久久久888优播| 亚洲人成77777在线视频| 国产片特级美女逼逼视频| 一区二区三区精品91| 免费黄网站久久成人精品| xxx大片免费视频| 国产精品不卡视频一区二区|