• <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
    女人十人毛片免费观看3o分钟| 观看免费一级毛片| 99国产极品粉嫩在线观看| 欧美最黄视频在线播放免费| 毛片一级片免费看久久久久 | aaaaa片日本免费| 日本一二三区视频观看| 欧美性猛交黑人性爽| 国产欧美日韩精品亚洲av| 一级黄色大片毛片| 在线免费观看不下载黄p国产 | 三级国产精品欧美在线观看| 中出人妻视频一区二区| 一本一本综合久久| 精品久久久久久久末码| 丰满乱子伦码专区| 一区福利在线观看| 最好的美女福利视频网| 亚洲一区二区三区色噜噜| 日韩精品中文字幕看吧| 天天一区二区日本电影三级| 久9热在线精品视频| 宅男免费午夜| 人人妻,人人澡人人爽秒播| 啦啦啦韩国在线观看视频| 男女视频在线观看网站免费| av天堂在线播放| 动漫黄色视频在线观看| 午夜福利在线观看免费完整高清在 | 欧美日韩瑟瑟在线播放| 一级作爱视频免费观看| 久久午夜福利片| 我要看日韩黄色一级片| 成人特级av手机在线观看| 国产精品av视频在线免费观看| 国产男靠女视频免费网站| 不卡一级毛片| 国产乱人伦免费视频| 看片在线看免费视频| 51午夜福利影视在线观看| 国产精品亚洲一级av第二区| av专区在线播放| 欧美丝袜亚洲另类 | 国产亚洲欧美在线一区二区| 色在线成人网| 99久久久亚洲精品蜜臀av| 欧美日韩瑟瑟在线播放| 日韩欧美在线乱码| 国产高清三级在线| aaaaa片日本免费| 我要搜黄色片| www.色视频.com| 国产精品国产高清国产av| 色综合欧美亚洲国产小说| 丝袜美腿在线中文| 国产精品精品国产色婷婷| 九色成人免费人妻av| 黄片小视频在线播放| www.999成人在线观看| 国产三级在线视频| 淫妇啪啪啪对白视频| bbb黄色大片| 欧美激情在线99| 听说在线观看完整版免费高清| 91午夜精品亚洲一区二区三区 | 天堂网av新在线| 级片在线观看| 久久草成人影院| 久久久国产成人精品二区| 成年免费大片在线观看| 欧美丝袜亚洲另类 | 久久精品久久久久久噜噜老黄 | 最近中文字幕高清免费大全6 | 日日摸夜夜添夜夜添小说| 丰满人妻熟妇乱又伦精品不卡| 老鸭窝网址在线观看| 99国产综合亚洲精品| 波多野结衣高清作品| 在线观看一区二区三区| 九九在线视频观看精品| 国产欧美日韩精品一区二区| 熟女人妻精品中文字幕| 美女cb高潮喷水在线观看| 亚洲精品久久国产高清桃花| 日本a在线网址| 国产三级黄色录像| 国产精品av视频在线免费观看| 成年版毛片免费区| 免费在线观看日本一区| 国产探花在线观看一区二区| 亚洲国产日韩欧美精品在线观看| 久久久久久久久久成人| 三级国产精品欧美在线观看| 国内揄拍国产精品人妻在线| 少妇的逼好多水| 成人午夜高清在线视频| 两人在一起打扑克的视频| 久久国产精品人妻蜜桃| 日日摸夜夜添夜夜添av毛片 | 日本精品一区二区三区蜜桃| 一a级毛片在线观看| 午夜福利18| 亚洲精品亚洲一区二区| 精品一区二区三区人妻视频| 悠悠久久av| 亚洲精品一区av在线观看| 人人妻人人澡欧美一区二区| 日本免费一区二区三区高清不卡| 亚洲人成网站在线播放欧美日韩| 亚洲中文字幕日韩| 日本免费一区二区三区高清不卡| 亚洲电影在线观看av| 亚洲,欧美,日韩| 成人美女网站在线观看视频| 别揉我奶头 嗯啊视频| 99热这里只有精品一区| 久久久久精品国产欧美久久久| 日本在线视频免费播放| 观看免费一级毛片| 亚洲三级黄色毛片| 国产伦精品一区二区三区四那| 99热这里只有是精品在线观看 | 久久久精品大字幕| 91在线精品国自产拍蜜月| 国产黄a三级三级三级人| 久久这里只有精品中国| 婷婷色综合大香蕉| 精品国产三级普通话版| 亚洲综合色惰| 十八禁网站免费在线| 97超视频在线观看视频| 亚州av有码| 哪里可以看免费的av片| 国产成人福利小说| a级毛片a级免费在线| 成人三级黄色视频| 久久久久亚洲av毛片大全| 亚洲五月婷婷丁香| 久久中文看片网| 波多野结衣高清无吗| 国产精品综合久久久久久久免费| 2021天堂中文幕一二区在线观| 亚洲精品一区av在线观看| 村上凉子中文字幕在线| 久久亚洲精品不卡| 美女黄网站色视频| 波多野结衣高清作品| 久久精品综合一区二区三区| 舔av片在线| 久久久久久久精品吃奶| 精品久久久久久久末码| 一级作爱视频免费观看| 桃色一区二区三区在线观看| 亚洲第一电影网av| 久久国产精品人妻蜜桃| 天堂网av新在线| 国产成人啪精品午夜网站| 欧美中文日本在线观看视频| 欧美黄色淫秽网站| 美女高潮的动态| 桃色一区二区三区在线观看| 国产亚洲欧美98| 51国产日韩欧美| 久久久久性生活片| 麻豆av噜噜一区二区三区| 91麻豆av在线| 99热这里只有精品一区| 天堂影院成人在线观看| 怎么达到女性高潮| 乱码一卡2卡4卡精品| 国产久久久一区二区三区| 亚洲久久久久久中文字幕| 51国产日韩欧美| 国产精品久久电影中文字幕| 男女那种视频在线观看| 中文字幕av在线有码专区| 欧美绝顶高潮抽搐喷水| 久久国产精品影院| 国产精品亚洲一级av第二区| 亚洲精品在线美女| 熟女电影av网| 成人av一区二区三区在线看| 国产乱人视频| 国产高清视频在线播放一区| 不卡一级毛片| 亚洲乱码一区二区免费版| 国产蜜桃级精品一区二区三区| 床上黄色一级片| 两个人视频免费观看高清| 桃红色精品国产亚洲av| 亚洲人成伊人成综合网2020| 亚洲男人的天堂狠狠| 精品一区二区三区av网在线观看| 波多野结衣巨乳人妻| 成人亚洲精品av一区二区| 麻豆av噜噜一区二区三区| 国产69精品久久久久777片| 亚洲欧美日韩高清专用| 久久午夜福利片| 男人的好看免费观看在线视频| 欧美成人性av电影在线观看| 女生性感内裤真人,穿戴方法视频| 天堂√8在线中文| а√天堂www在线а√下载| 亚洲七黄色美女视频| 能在线免费观看的黄片| 精品一区二区三区av网在线观看| 一级黄色大片毛片| 久久热精品热| 欧美在线黄色| 宅男免费午夜| 在线观看美女被高潮喷水网站 | 精品欧美国产一区二区三| 女人被狂操c到高潮| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 99久久成人亚洲精品观看| 蜜桃亚洲精品一区二区三区| 日韩大尺度精品在线看网址| 永久网站在线| 久久精品国产清高在天天线| 超碰av人人做人人爽久久| 亚洲第一区二区三区不卡| 两个人的视频大全免费| 亚洲精品在线观看二区| 亚洲国产精品sss在线观看| 他把我摸到了高潮在线观看| 精品久久国产蜜桃| 久久6这里有精品| 亚洲国产色片| 国产成人欧美在线观看| 亚洲在线观看片| 少妇高潮的动态图| ponron亚洲| 一级a爱片免费观看的视频| 亚洲国产欧美人成| 久久久久国内视频| 午夜激情欧美在线| 性欧美人与动物交配| 国产久久久一区二区三区| 在线免费观看不下载黄p国产 | 真人一进一出gif抽搐免费| 色综合欧美亚洲国产小说| 午夜免费男女啪啪视频观看 | 一个人免费在线观看电影| 欧美成人a在线观看| av女优亚洲男人天堂| 成人亚洲精品av一区二区| 国产精品不卡视频一区二区 | 久久久久久国产a免费观看| 性色av乱码一区二区三区2| 久久九九热精品免费| 免费黄网站久久成人精品 | 久久中文看片网| 偷拍熟女少妇极品色| 美女cb高潮喷水在线观看| 亚洲精品456在线播放app | 久久人妻av系列| 特级一级黄色大片| 亚洲,欧美,日韩| 97碰自拍视频| 亚洲真实伦在线观看| 国产黄a三级三级三级人| 久久久久久国产a免费观看| 我要搜黄色片| 岛国在线免费视频观看| 久久国产精品人妻蜜桃| 国内精品美女久久久久久| 亚洲av日韩精品久久久久久密| 美女cb高潮喷水在线观看| 亚洲欧美日韩高清专用| 两人在一起打扑克的视频| 嫁个100分男人电影在线观看| 日韩高清综合在线| 精品久久久久久久末码| 51国产日韩欧美| 99热这里只有是精品50| 一个人看的www免费观看视频| 好男人电影高清在线观看| 宅男免费午夜| 99久久无色码亚洲精品果冻| 免费在线观看成人毛片| 久久人妻av系列| 日本黄大片高清| 天堂动漫精品| 十八禁人妻一区二区| 亚洲精品乱码久久久v下载方式| 99国产精品一区二区三区| 久久国产乱子免费精品| 欧美性猛交黑人性爽| 久久久久九九精品影院| 欧美3d第一页| 99热精品在线国产| 国语自产精品视频在线第100页| 欧美+亚洲+日韩+国产| 国产精品免费一区二区三区在线| 免费看美女性在线毛片视频| 国产亚洲精品久久久com| 99久国产av精品| 国产熟女xx| 91字幕亚洲| 十八禁网站免费在线| 欧美成人一区二区免费高清观看| 中出人妻视频一区二区| 看黄色毛片网站| 国产极品精品免费视频能看的| 精品国产三级普通话版| 免费大片18禁| 成年免费大片在线观看| 天堂av国产一区二区熟女人妻| 精品不卡国产一区二区三区| 亚洲片人在线观看| 51午夜福利影视在线观看| 久久99热6这里只有精品| 国产伦精品一区二区三区四那| 自拍偷自拍亚洲精品老妇| 两个人视频免费观看高清| 午夜久久久久精精品| 99久久九九国产精品国产免费| 五月伊人婷婷丁香| 91在线精品国自产拍蜜月| 日本三级黄在线观看| 国产精品人妻久久久久久| 国内少妇人妻偷人精品xxx网站| 草草在线视频免费看| 乱人视频在线观看| 精品无人区乱码1区二区| 少妇的逼水好多| 日韩欧美国产一区二区入口| 丰满人妻一区二区三区视频av| 99国产精品一区二区蜜桃av| 欧美中文日本在线观看视频| 亚洲午夜理论影院| 久久欧美精品欧美久久欧美| 久久久久久大精品| 日本a在线网址| 午夜精品久久久久久毛片777| 国产色爽女视频免费观看| 国产老妇女一区| 国产91精品成人一区二区三区| 午夜免费激情av| 亚洲天堂国产精品一区在线| 国产精品不卡视频一区二区 | 97超视频在线观看视频| 69人妻影院| 国产真实乱freesex| 亚洲久久久久久中文字幕| 国产欧美日韩精品一区二区| 网址你懂的国产日韩在线| 男人舔奶头视频| 亚洲激情在线av| 天天躁日日操中文字幕| 精品午夜福利视频在线观看一区| 国产精品国产高清国产av| www日本黄色视频网| 少妇裸体淫交视频免费看高清| 最新在线观看一区二区三区| 久久久久久久久久成人| 午夜福利18| 日日干狠狠操夜夜爽| 男人狂女人下面高潮的视频| 两性午夜刺激爽爽歪歪视频在线观看| 欧美日本亚洲视频在线播放| 69人妻影院| 天堂影院成人在线观看| 国产亚洲精品久久久久久毛片| av欧美777| 中国美女看黄片| 如何舔出高潮| 网址你懂的国产日韩在线| 2021天堂中文幕一二区在线观| 亚洲国产欧洲综合997久久,| av女优亚洲男人天堂| 免费在线观看日本一区| 人妻夜夜爽99麻豆av| 长腿黑丝高跟| 国产精品美女特级片免费视频播放器| 少妇的逼水好多| 亚洲美女黄片视频| 女人十人毛片免费观看3o分钟| 亚洲av电影不卡..在线观看| 人妻制服诱惑在线中文字幕| 日本与韩国留学比较| 国产精品精品国产色婷婷| 亚洲一区高清亚洲精品| 成人高潮视频无遮挡免费网站| 一a级毛片在线观看| 99国产精品一区二区蜜桃av| 欧美另类亚洲清纯唯美| 亚洲中文日韩欧美视频| 少妇人妻一区二区三区视频| 亚洲五月天丁香| 精品一区二区三区av网在线观看| 久久精品人妻少妇| 国产伦人伦偷精品视频| 99热这里只有精品一区| 国产午夜福利久久久久久| 长腿黑丝高跟| 国产精品美女特级片免费视频播放器| 啦啦啦观看免费观看视频高清| 亚洲成人久久性| a级毛片a级免费在线| 免费在线观看成人毛片| 久久精品国产亚洲av涩爱 | 国产免费男女视频| 日本与韩国留学比较| 91在线精品国自产拍蜜月| 亚洲天堂国产精品一区在线| 91久久精品电影网| or卡值多少钱| 蜜桃久久精品国产亚洲av| 色哟哟哟哟哟哟| 舔av片在线| www.熟女人妻精品国产| 欧美一区二区精品小视频在线| 少妇的逼好多水| 国模一区二区三区四区视频| 欧美高清性xxxxhd video| 国产精品98久久久久久宅男小说| 97人妻精品一区二区三区麻豆| 欧美黑人欧美精品刺激| 男人的好看免费观看在线视频| 高潮久久久久久久久久久不卡| 在线天堂最新版资源| 九色成人免费人妻av| 久9热在线精品视频| 国产免费男女视频| 精品人妻视频免费看| 日本免费a在线| 老司机午夜福利在线观看视频| 麻豆成人av在线观看| 十八禁网站免费在线| xxxwww97欧美| h日本视频在线播放| 色哟哟·www| 极品教师在线视频| 永久网站在线| 我要搜黄色片| 国产大屁股一区二区在线视频| 久久久久久九九精品二区国产| 欧美日韩乱码在线| 十八禁国产超污无遮挡网站| 精品人妻视频免费看| 精品久久久久久久末码| 久久久久久久久中文| 国内揄拍国产精品人妻在线| 国产欧美日韩一区二区精品| 亚洲专区国产一区二区| 69人妻影院| 看片在线看免费视频| 国产欧美日韩一区二区三| bbb黄色大片| 亚洲国产精品合色在线| 天堂√8在线中文| 国产69精品久久久久777片| 国内精品一区二区在线观看| 色综合亚洲欧美另类图片| 久久久色成人| 久久精品国产亚洲av涩爱 | 国产精品av视频在线免费观看| 国产伦人伦偷精品视频| 搞女人的毛片| 免费高清视频大片| 亚洲欧美精品综合久久99| 久久久久国产精品人妻aⅴ院| 日本 av在线| 午夜福利在线观看吧| 午夜精品一区二区三区免费看| av天堂在线播放| 十八禁人妻一区二区| 国产伦一二天堂av在线观看| 中文亚洲av片在线观看爽| 亚洲内射少妇av| 亚洲人成电影免费在线| 日韩欧美在线乱码| 国产私拍福利视频在线观看| 18禁黄网站禁片午夜丰满| 色综合婷婷激情| 亚洲精品亚洲一区二区| 中亚洲国语对白在线视频| 午夜激情欧美在线| 在线国产一区二区在线| 91av网一区二区| 给我免费播放毛片高清在线观看| 久久久久久久久中文| 神马国产精品三级电影在线观看| 午夜老司机福利剧场| 日韩大尺度精品在线看网址| 好男人电影高清在线观看| 日本免费a在线| 精品久久久久久久久久久久久| 国产真实伦视频高清在线观看 | 亚洲精品一区av在线观看| 成人午夜高清在线视频| 亚洲av成人精品一区久久| 亚洲精品成人久久久久久| 国产精品美女特级片免费视频播放器| 国产精品一区二区三区四区免费观看 | 中文字幕熟女人妻在线| 国产大屁股一区二区在线视频| 亚洲欧美日韩无卡精品| 欧美日韩福利视频一区二区| 亚洲精品一卡2卡三卡4卡5卡| 听说在线观看完整版免费高清| 黄色丝袜av网址大全| 精品人妻视频免费看| 国产成人aa在线观看| 国产老妇女一区| 91久久精品国产一区二区成人| 国产午夜精品论理片| 亚洲内射少妇av| 直男gayav资源| 亚洲欧美日韩无卡精品| 能在线免费观看的黄片| 国产精品亚洲一级av第二区| 亚洲aⅴ乱码一区二区在线播放| 亚洲中文日韩欧美视频| 深夜精品福利| 91麻豆av在线| 国产精品影院久久| 久久久国产成人免费| 在线观看66精品国产| 免费观看人在逋| 真人做人爱边吃奶动态| 他把我摸到了高潮在线观看| 男人狂女人下面高潮的视频| 99久久久亚洲精品蜜臀av| 欧美成人一区二区免费高清观看| 亚洲,欧美,日韩| 欧美性猛交黑人性爽| 午夜精品一区二区三区免费看| www.色视频.com| 亚洲av电影不卡..在线观看| 国产午夜精品久久久久久一区二区三区 | 欧美性感艳星| 可以在线观看毛片的网站| 久久精品国产清高在天天线| 成年女人毛片免费观看观看9| 波多野结衣高清无吗| 一本一本综合久久| 精品不卡国产一区二区三区| 亚洲性夜色夜夜综合| 中文字幕高清在线视频| 免费av毛片视频| 久久草成人影院| 三级国产精品欧美在线观看| 噜噜噜噜噜久久久久久91| 免费在线观看成人毛片| 成人高潮视频无遮挡免费网站| 日韩欧美一区二区三区在线观看| 精品欧美国产一区二区三| 9191精品国产免费久久| 男女下面进入的视频免费午夜| 男插女下体视频免费在线播放| 波多野结衣巨乳人妻| 少妇被粗大猛烈的视频| 欧美乱妇无乱码| 国产伦一二天堂av在线观看| 国产伦精品一区二区三区视频9| 观看美女的网站| 99久久成人亚洲精品观看| 人妻夜夜爽99麻豆av| 18禁在线播放成人免费| 蜜桃久久精品国产亚洲av| 日本黄色视频三级网站网址| 99在线人妻在线中文字幕| 成年免费大片在线观看| 在线天堂最新版资源| 我要搜黄色片| 成人一区二区视频在线观看| 久久久久久九九精品二区国产| 性色av乱码一区二区三区2| av黄色大香蕉| 久久久久亚洲av毛片大全| 色播亚洲综合网| 99精品在免费线老司机午夜| 亚洲成人精品中文字幕电影| 18美女黄网站色大片免费观看| 国产欧美日韩精品一区二区| 91av网一区二区| 青草久久国产| 国产伦在线观看视频一区| 他把我摸到了高潮在线观看| 很黄的视频免费| 欧美又色又爽又黄视频| 少妇人妻精品综合一区二区 | 色尼玛亚洲综合影院| 一a级毛片在线观看| 最新在线观看一区二区三区| 欧美精品国产亚洲| 精品久久久久久成人av| 国产精品av视频在线免费观看| 国产精品亚洲av一区麻豆| 国产三级中文精品| 国产日本99.免费观看| 国产乱人视频| 一级作爱视频免费观看| 亚洲一区二区三区色噜噜| 嫁个100分男人电影在线观看| 亚洲色图av天堂| 成人午夜高清在线视频| 欧美不卡视频在线免费观看| 51午夜福利影视在线观看| 日日摸夜夜添夜夜添av毛片 | 亚洲av成人av| 欧美一级a爱片免费观看看| 九九久久精品国产亚洲av麻豆| 亚洲天堂国产精品一区在线| 国产精品,欧美在线| 国产综合懂色| 欧美精品国产亚洲| 欧美最黄视频在线播放免费| 亚洲国产欧美人成| 午夜免费男女啪啪视频观看 | 国产色爽女视频免费观看| 在线免费观看的www视频|