• <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 ?

    加入懲罰因子的電商平臺(tái)協(xié)同過(guò)濾推薦算法

    2020-07-14 00:27崔國(guó)琪李林
    軟件導(dǎo)刊 2020年1期
    關(guān)鍵詞:推薦算法協(xié)同過(guò)濾電商

    崔國(guó)琪 李林

    摘要:為提高推薦算法挖掘數(shù)據(jù)長(zhǎng)尾信息的能力,降低推薦結(jié)果流行度,使推薦結(jié)果更多樣,在傳統(tǒng)協(xié)同過(guò)濾推薦算法基礎(chǔ)上,分別將熱門(mén)項(xiàng)目與活躍用戶的懲罰因子引入相似性計(jì)算中,依據(jù)準(zhǔn)確度、覆蓋率、流行度等評(píng)價(jià)標(biāo)準(zhǔn),在上海某電商平臺(tái)銷(xiāo)售數(shù)據(jù)集上進(jìn)行比較,并通過(guò)多組實(shí)驗(yàn)驗(yàn)證不同參數(shù)對(duì)推薦算法的影響。結(jié)果顯示,加入懲罰因子后基于用戶的協(xié)同過(guò)濾推薦算法在N值取10、K值取3時(shí),流行度為3.97,比傳統(tǒng)方法降低了7.31%:加入懲罰因子后基于項(xiàng)目的協(xié)同過(guò)濾推薦算法在N值取10、K值取3時(shí),準(zhǔn)確率為7.65%,比傳統(tǒng)方法提高了5.25%。由此證明加入懲罰因子的協(xié)同過(guò)濾推薦算法在保持算法準(zhǔn)確率的同時(shí),可在一定程度上降低推薦結(jié)果流行度。

    關(guān)鍵詞:推薦算法;協(xié)同過(guò)濾;懲罰因子;長(zhǎng)尾效應(yīng);電商

    DOI: 10. 11907/rjdk.192435

    開(kāi)放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):

    中圖分類(lèi)號(hào):TP312

    文獻(xiàn)標(biāo)識(shí)碼:A

    文章編號(hào):1672-7800( 2020)001-0103-05

    0 引言

    隨著互聯(lián)網(wǎng)、移動(dòng)技術(shù)的快速發(fā)展,全球數(shù)據(jù)量呈指數(shù)型爆炸增長(zhǎng),用戶獲取的信息資源越來(lái)越豐富,但隨之而來(lái)的“信息超載”問(wèn)題使獲取有效信息的難度越來(lái)越大[1]。為解決該問(wèn)題,IBM、Google、Yahoo等多家公司陸續(xù)推出了個(gè)性化電子商務(wù)原型系統(tǒng)TELLIM。個(gè)性化推薦系統(tǒng)通過(guò)分析用戶個(gè)體行為和偏好,“一對(duì)一”地提供其感興趣的信息,并根據(jù)新錄入的行為變化自動(dòng)調(diào)整推薦內(nèi)容。該方式不需要用戶較大的參與成本,推薦內(nèi)容也更準(zhǔn)確[2]。協(xié)同過(guò)濾推薦算法是當(dāng)前應(yīng)用最為廣泛的個(gè)性化推薦技術(shù),其基本思想是根據(jù)其他用戶偏好的項(xiàng)目進(jìn)行推薦,首先找到一組與目標(biāo)用戶偏好一致或相近的鄰居用戶,然后分析鄰居用戶偏好,將鄰居用戶喜愛(ài)的項(xiàng)目推薦給目標(biāo)用戶[3]。目前,協(xié)同過(guò)濾推薦算法主要有基于內(nèi)容的推薦[4-5]、基于鄰域的推薦[6-7]、基于矩陣分解的SVD++算法[8]等。

    為有效提高協(xié)同過(guò)濾推薦算法準(zhǔn)確率,眾多學(xué)者針對(duì)相似度計(jì)算進(jìn)行了大量研究。李容等[9]提出利用用戶共同項(xiàng)目數(shù)與用戶平均評(píng)分修正因子改進(jìn)傳統(tǒng)相似度,同時(shí)改進(jìn)協(xié)同過(guò)濾算法,并將其應(yīng)用于電影推薦;王志虎等[10]提出基于用戶歷史行為的協(xié)同過(guò)濾推薦算法,根據(jù)用戶歷史行為預(yù)測(cè)用戶對(duì)每一個(gè)項(xiàng)目的偏好程度,大幅降低了推薦誤差;王余斌等[11]將改進(jìn)的用戶偏好與信任度引入傳統(tǒng)協(xié)同過(guò)濾算法中,提出了基于用戶評(píng)論評(píng)分與信任度的協(xié)同過(guò)濾算法;王永貴等[12]通過(guò)矩陣分解實(shí)現(xiàn)對(duì)原始數(shù)據(jù)的降維及數(shù)據(jù)填充,并引入時(shí)間衰減函數(shù)預(yù)處理用戶評(píng)分,提出一種改進(jìn)的協(xié)同過(guò)濾算法,可在多維度下反映用戶興趣變化;胡朝舉等[13]通過(guò)對(duì)用戶進(jìn)行模糊C均值聚類(lèi)操作,將用戶分為用戶簇,使用加權(quán)的歐氏距離計(jì)算相似度,提高了推薦精度,減少了評(píng)分誤差。

    現(xiàn)有算法在計(jì)算用戶相似性時(shí),沒(méi)有考慮熱門(mén)項(xiàng)目對(duì)相似性的影響,即大部分用戶對(duì)熱門(mén)項(xiàng)目有反饋,導(dǎo)致算法推薦結(jié)果越來(lái)越傾向于熱門(mén)項(xiàng)目;另一方面,在計(jì)算項(xiàng)目相似性時(shí),由于活躍用戶對(duì)多個(gè)項(xiàng)目均有反饋,算法推薦結(jié)果更易受到活躍用戶的影響。

    針對(duì)以上問(wèn)題,本文通過(guò)加入懲罰因子以降低熱門(mén)項(xiàng)目和活躍用戶相似性權(quán)重,在利用傳統(tǒng)余弦相似度計(jì)算相似性的基礎(chǔ)上改進(jìn)相似性計(jì)算方法,并將改進(jìn)的協(xié)同過(guò)濾算法在上海某電商公司購(gòu)物評(píng)分?jǐn)?shù)據(jù)集中進(jìn)行實(shí)證研究,驗(yàn)證其可行性。

    1 協(xié)同過(guò)濾推薦算法

    1.1 傳統(tǒng)協(xié)同過(guò)濾推薦算法

    目前應(yīng)用最廣泛的協(xié)同過(guò)濾推薦算法主要包括基于用戶的協(xié)同過(guò)濾算法與基于項(xiàng)目的協(xié)同過(guò)濾算法[14]。協(xié)同過(guò)濾推薦算法通過(guò)分析數(shù)據(jù),生成當(dāng)前用戶最近鄰居集合,將該集合最感興趣的前N個(gè)項(xiàng)目推薦給當(dāng)前用戶,即Top N推薦,協(xié)同過(guò)濾推薦算法推薦過(guò)程主要分為3個(gè)步驟[15]。

    (1)將數(shù)據(jù)表述為矩陣。根據(jù)用戶對(duì)項(xiàng)目的評(píng)價(jià)建立m*n階user-item評(píng)價(jià)矩陣R=(rij),m表示用戶總數(shù),n表示項(xiàng)目總數(shù),rij表示第i個(gè)用戶對(duì)第j個(gè)項(xiàng)目的評(píng)價(jià),在本文使用的數(shù)據(jù)集中,rijE[0,5],0表示用戶對(duì)該項(xiàng)目的興趣最低,5表示最高。

    (2)發(fā)現(xiàn)最近鄰居。發(fā)現(xiàn)最近鄰居指通過(guò)計(jì)算用戶或項(xiàng)目相似度,建立當(dāng)前用戶最近鄰居集,根據(jù)最近鄰居集對(duì)項(xiàng)目進(jìn)行興趣排序,實(shí)現(xiàn)當(dāng)前用戶推薦。它可表述為針對(duì)目標(biāo)用戶ut,根據(jù)相似度排列順序建立一個(gè)鄰居集N={ u1,U2,…,un},設(shè)目標(biāo)用戶UT和ui的相似度為sim( UT,u;),相似度逐個(gè)遞減,即sim(uT,UI)> sirTi( UT,U2)>…>sim (UT,un)。最近鄰居集建立得準(zhǔn)確與否,是協(xié)同過(guò)濾算法實(shí)現(xiàn)的關(guān)鍵。

    基于用戶的協(xié)同過(guò)濾算法通過(guò)計(jì)算用戶相似度建立最近鄰居集,本文通過(guò)余弦相似度計(jì)算目標(biāo)用戶(記為u)和鄰居用戶(記為v)之間的相似度,計(jì)算公式[16]為:

    1.2 改進(jìn)的協(xié)同過(guò)濾推薦算法

    (1)基于用戶的改進(jìn)算法(UserCF-IIF)。用戶相似度計(jì)算是基于用戶對(duì)某個(gè)項(xiàng)目共同的反饋行為,但對(duì)熱門(mén)項(xiàng)目來(lái)說(shuō),有太多用戶對(duì)其作出反饋,這種反饋不能體現(xiàn)用戶之間的差異性。所以加入懲罰因子lflog(l+IN(i)l以降低熱門(mén)項(xiàng)目對(duì)用戶相似度的影響,即冷門(mén)項(xiàng)目更能體現(xiàn)用戶相似性,由式(1)得到:

    (2)基于項(xiàng)目的改進(jìn)算法(ItemCF-IUF)。兩個(gè)項(xiàng)目相似度的出現(xiàn)是因?yàn)檫@兩個(gè)項(xiàng)目同時(shí)出現(xiàn)在用戶反饋列表中,即用戶反饋行為對(duì)項(xiàng)目相似度的計(jì)算作出了貢獻(xiàn),但活躍用戶反饋行為更多,對(duì)相似度影響更大。所以加入懲罰因子lflog(I+IN(u)l以降低活躍用戶對(duì)項(xiàng)目相似度的影響,即不活躍用戶更能體現(xiàn)項(xiàng)目相似性,由式(2)得到:

    1.3 改進(jìn)算法實(shí)現(xiàn)

    (1)UserCF-IIF算法。

    #一*一coding:utf-8一*一

    import math

    import operator

    def UserSimilarity( train):

    #為項(xiàng)目一用戶矩陣生成反向表

    item_users= dict()

    foru, items in train.items():

    fori in items.keys():

    ifi not in item_users:

    item_users[i]= set()

    item_users[i] .add(u)

    #計(jì)算用戶之間有共同正反饋的項(xiàng)目

    C= dict()

    N= dict()

    for i, users in item_users.items():

    foru in users:

    N.setdefault(u,O)

    N[u]+=1

    C.setdefault(u,{})

    forv in users:

    ifu==v:

    continue

    C[u] .setdefault(v,O)

    C[u][v]+=l/math.log( l+len( users))

    ( 2)ItemCF-IUF算法。

    #一*一coding:utf-8一*一

    import math

    import operator

    def ItemSimilarity( train):

    #計(jì)算項(xiàng)目之間對(duì)其有共同正反饋的用戶

    C= dict()

    N= dict()

    for u,items in train.items():

    fori in items:

    N.setdefault(i.O)

    N[i]+=1

    C.setdefault(i,{})

    forj in items:

    ifi-=j:

    continue

    C[i] .setdefault(j,O)

    C[i][j]+=1,math.log( l+len( items)*1.0)

    2 實(shí)驗(yàn)結(jié)果與分析

    2.1 數(shù)據(jù)集選擇

    本文選取的數(shù)據(jù)集是上海某電商公司2018年6月至2018年12月的銷(xiāo)售明細(xì),原始數(shù)據(jù)集包括用戶信息、商品信息、用戶購(gòu)買(mǎi)記錄和評(píng)分記錄。本文實(shí)驗(yàn)提取了用戶購(gòu)買(mǎi)記錄和評(píng)分記錄,其中包括2 929位用戶、11 537件商品、310 040條購(gòu)買(mǎi)評(píng)分記錄(0-5分),用戶評(píng)分記錄最少為10條,數(shù)據(jù)稀疏度為99.08%,隨機(jī)抽取其中的80%為訓(xùn)練集,其余20%為測(cè)試集。其用戶活躍度與項(xiàng)目流行度分布均符合長(zhǎng)尾效應(yīng)[17]。

    2.2 評(píng)價(jià)標(biāo)準(zhǔn)

    本文推薦算法應(yīng)用在數(shù)據(jù)集上的目的是向用戶推薦其購(gòu)買(mǎi)可能性最大的項(xiàng)目,而不是預(yù)測(cè)用戶對(duì)項(xiàng)目可能的評(píng)分[18],故使用Top N推薦。Top N推薦指算法為用戶提供個(gè)性化推薦列表,不采用RMAE、MAE等基于回歸模型的評(píng)價(jià)指標(biāo),其推薦預(yù)測(cè)準(zhǔn)確率通常使用準(zhǔn)確率( Preci-sion)、召回率(Recall)、覆蓋率(Coverage)及流行度(Popu-larity)度量19]。準(zhǔn)確率指推薦給用戶的項(xiàng)目屬于測(cè)試集的比例,表示預(yù)測(cè)為正的樣本中有多少是真正的正樣本,則推薦結(jié)果準(zhǔn)確率定義為:

    其中R(u)表示提供訓(xùn)練集給用戶u提供的推薦項(xiàng)目列表,T(u)表示用戶u在測(cè)試集中作出反饋的項(xiàng)目列表。

    召回率指測(cè)試集中有多少項(xiàng)目在用戶的推薦列表中,表示樣本正例有多少被預(yù)測(cè)正確,推薦結(jié)果召回率定義為:

    覆蓋率( Coverage)指推薦列表包含的所有推薦項(xiàng)目占項(xiàng)目總和的比例。設(shè)系統(tǒng)的用戶集合為U,項(xiàng)目總和為I,推薦系統(tǒng)向用戶提供的推薦項(xiàng)目列表為R(u),則推薦系統(tǒng)覆蓋率計(jì)算公式為:

    項(xiàng)目流行度指有多少用戶對(duì)該項(xiàng)目作出反饋,項(xiàng)目流行度越高,代表該項(xiàng)目越熱門(mén)[20]。設(shè)項(xiàng)目i流行度為P(i),推薦項(xiàng)目列表R(u)長(zhǎng)度為N,推薦系統(tǒng)平均流行度可由式(9)計(jì)算得到。

    2.3實(shí)驗(yàn)結(jié)果與分析

    本文在協(xié)同過(guò)濾推薦算法中加入懲罰因子,在電商銷(xiāo)售數(shù)據(jù)集上驗(yàn)證其可行性,以期提升相似度算法準(zhǔn)確性,增強(qiáng)算法挖掘長(zhǎng)尾數(shù)據(jù)的能力。在保證推薦算法準(zhǔn)確率的前提下,盡可能加強(qiáng)算法對(duì)冷門(mén)項(xiàng)目推薦的權(quán)重。

    本文采用的對(duì)比算法為兩種協(xié)同過(guò)濾推薦算法:基于用戶的協(xié)同過(guò)濾算法與基于項(xiàng)目的協(xié)同過(guò)濾算法,記為UserCF和ItemCF。加入懲罰因子的改進(jìn)算法分別記為UserCF-IIF和ItemCF-IUF。實(shí)驗(yàn)推薦列表長(zhǎng)度N取10,相似用戶列表長(zhǎng)度K取1-12不同值,推薦算法結(jié)果如圖3所示。

    其中橫坐標(biāo)為相似用戶列表長(zhǎng)度,從圖3可以看到,隨著K值的增加,各算法準(zhǔn)確率逐步下降并趨近穩(wěn)定,基于用戶的改進(jìn)算法較原算法準(zhǔn)確率略低,基于項(xiàng)目的改進(jìn)算法較原算法準(zhǔn)確率稍有提高。由于數(shù)據(jù)稀疏性較高,各算法均在K取值為1時(shí)準(zhǔn)確度最高,隨著相似用戶列表的增多,準(zhǔn)確率也隨之降低。

    如圖4、圖5所示,隨著K值的增加,各算法召回率、覆蓋率逐漸上升并趨近穩(wěn)定,基于用戶的改進(jìn)算法與基于項(xiàng)目的改進(jìn)算法召回率、覆蓋率均高于原算法。

    在圖6中,隨著K值的增加,各算法流行度逐漸下降并趨近穩(wěn)定,基于用戶的改進(jìn)算法流行度較原算法明顯下降,但基于項(xiàng)目的改進(jìn)算法流行度與原算法接近一致。

    本文也進(jìn)行了一次實(shí)驗(yàn),其中相似用戶列表長(zhǎng)度不變,取K值為3,推薦列表長(zhǎng)度N取10-100,N值以10為間隔,實(shí)驗(yàn)結(jié)果各指標(biāo)變化基本不變,故實(shí)驗(yàn)結(jié)果未列出。

    綜合比較各評(píng)價(jià)標(biāo)準(zhǔn),基于用戶的改進(jìn)算法較原算法準(zhǔn)確率雖略有降低,但其召回率、覆蓋率和流行度均優(yōu)于原算法;基于項(xiàng)目的改進(jìn)算法在準(zhǔn)確率、召回率和覆蓋率上均優(yōu)于原算法,流行度與原算法無(wú)明顯差異;基于項(xiàng)目的推薦算法在準(zhǔn)確率上均高于基于用戶的推薦算法,這主要是由于采用的電商平臺(tái)數(shù)據(jù)集中,用戶興趣愛(ài)好一般比較固定,推薦算法往往圍繞用戶興趣愛(ài)好推薦相關(guān)領(lǐng)域物品,但兩種算法并無(wú)優(yōu)劣之分。

    3 結(jié)語(yǔ)

    協(xié)同過(guò)濾推薦算法準(zhǔn)確率是評(píng)價(jià)推薦算法優(yōu)劣的重要指標(biāo),但挖掘數(shù)據(jù)中的長(zhǎng)尾信息,將冷門(mén)項(xiàng)目更多地推薦給用戶,使長(zhǎng)尾曲線變得更加扁平,對(duì)用戶選擇與項(xiàng)目效益均具有重要意義。本文在傳統(tǒng)協(xié)同過(guò)濾推薦算法基礎(chǔ)上,分別將熱門(mén)項(xiàng)目與活躍用戶的懲罰因子引入相似性計(jì)算中,并在電商平臺(tái)數(shù)據(jù)集上驗(yàn)證算法可行性。試驗(yàn)結(jié)果表明,本文算法在保持準(zhǔn)確率的同時(shí),有效挖掘了數(shù)據(jù)中的長(zhǎng)尾信息,提高了冷門(mén)項(xiàng)目權(quán)重,向用戶提供的推薦列表召回率與覆蓋率均有提高,更能體現(xiàn)個(gè)性化推薦算法的多樣性。下一步將針對(duì)數(shù)據(jù)稀疏性和冷啟動(dòng)問(wèn)題,引入更多影響相似度的參數(shù),進(jìn)一步提高算法準(zhǔn)確率。在算法方面,引入的參數(shù)越多,其算法復(fù)雜度也隨之越高,如何更好地調(diào)整參數(shù)、優(yōu)化算法也是待研究?jī)?nèi)容。

    參考文獻(xiàn):

    [1]SAYAKHOT P,CAROLAN-OLAH M.Sources of information on ges-tational diabetes mellitus. satisfactionWith diagnostic process and in-formation provision [J]. BMC Pregnancy and Childhirth. 2016, 16(1):287.

    [2] YANG J M, LI K F.An inference-based collaborative filtering ap-proach[C].Third IEEE International Symposium on Dependable, Au-tonomic and SecureComputing, 2007: 84-94.

    [3] 冷亞軍.協(xié)同過(guò)濾技術(shù)及其在推薦系統(tǒng)中的應(yīng)用研究[D].合肥:合肥工業(yè)大學(xué),2013.

    [4]WU M L,CHANC C H,LIU R Z.Integrating content based filteringwith collahorative filtering using co-clustering with augmented matri-ces[ Jl. Expert Systems with Applications, 2014 .41(6):2754-2761.

    [5]楊武,唐瑞,盧玲.基于內(nèi)容的推薦與協(xié)同過(guò)濾融合的新聞推薦方法[J].計(jì)算機(jī)應(yīng)用,2016,36(2):414-418.

    [6]L1 D S,CHEN C,LU Q,et al.An algorithm for efficient privacy-pre-serving item-based collaborative filtering[J].Future Ceneration Com-puter Systems, 2016.55: 311-320.

    [7] 葉西寧,王猛.音樂(lè)個(gè)性化推薦算法TFPMF的研究[J].系統(tǒng)仿真學(xué)報(bào),2019,31(7):1397-1407.

    [8]KOREN Y.Factorization meets the neighborhood:a multifaceted col-lahorative filtering model[C].Proceedings of the 14th ACM SICKDDInternational Conference on Knowledge Discovery and Data Mining,2008:426-434.

    [9] 李容,李明奇,郭文強(qiáng).基于改進(jìn)相似度的協(xié)同過(guò)濾算法研究[J].計(jì)算機(jī)科學(xué),2016,43( 12):206-208, 240.

    [10]王志虎,黃曼瑩.基于用戶歷史行為的協(xié)同過(guò)濾推薦算法[J].微電子學(xué)與計(jì)算機(jī),2017, 34(5):132-136.

    [11]王余斌,王成良,文俊浩.基于用戶評(píng)論評(píng)分與信任度的協(xié)同過(guò)濾算法[J].計(jì)算機(jī)應(yīng)用研究,2018,35(5):1368-1371+1402.

    [12]王永貴,宋真真,肖成龍.基于改進(jìn)聚類(lèi)和矩陣分解的協(xié)同過(guò)濾推薦算法[J].計(jì)算機(jī)應(yīng)用,2018 .38(4):1001-1006.

    [13] 胡朝舉,孫克逆.基于用戶模糊聚類(lèi)的個(gè)性化推薦研究[J].軟件導(dǎo)刊,2018, 17(2):31-34.

    [14] 王惠敏,聶規(guī)劃.融合用戶和項(xiàng)目相關(guān)信息的協(xié)同過(guò)濾算法研究[J].武漢理工大學(xué)學(xué)報(bào),2007(7):160-163.

    [15] 張獻(xiàn)忠.基于商品流行度和用戶活躍度的推薦算法研究[J].電腦知識(shí)與技術(shù),2014,10( 32):7641-7643+7649.

    [16] 榮輝桂,火生旭,胡春華,等.基于用戶相似度的協(xié)同過(guò)濾推薦算法[J].通信學(xué)報(bào),2014, 35(2):16-24.

    [17]PELTIER S,MOREAU F. Internet and the' long tail versus superstar effect' debate: evidence from the French hook market [J]. Applie-dEconomics Letters, 2012. 19(8):711-715.

    [18] LINDEN G. What is good recommendation algorithm[ EB/OLl. http:,,cacm.acm.org/blogs/blogcacm/22925 -what-is-a-good-recommenda-tion-algorithm/fulltext.

    [19] 郝立燕,王靖.基于項(xiàng)目流行度的協(xié)同過(guò)濾TopN推薦算法[J].計(jì)算機(jī)工程與設(shè)計(jì),2013,34( 10):3497-3501.

    [20]STECK H. Item popularity and recommendation accuracy ICl. TheFifth ACM Conference on Recommender systems, 2011: 125-132.

    (責(zé)任編輯:江艷)

    作者簡(jiǎn)介:崔國(guó)琪(1994-),男,上海理工大學(xué)管理學(xué)院碩士研究生,研究方向?yàn)閿?shù)據(jù)挖掘;李林(1966-),女,博士,上海理工大學(xué)管理學(xué)院副教授、碩士生導(dǎo)師,研究方向?yàn)楣I(yè)工程質(zhì)量管理、服務(wù)管理。

    猜你喜歡
    推薦算法協(xié)同過(guò)濾電商
    電商助力“種得好”也“賣(mài)得火”
    電商鄙視鏈中的拼多多
    電商下鄉(xiāng)潮
    亚洲国产精品成人综合色| 中国国产av一级| 少妇的逼水好多| www.色视频.com| 亚洲av在线观看美女高潮| 国产一区二区三区av在线| 国产成人aa在线观看| 熟女电影av网| 日本一二三区视频观看| 十八禁网站网址无遮挡 | 97超碰精品成人国产| 日本猛色少妇xxxxx猛交久久| 成人美女网站在线观看视频| 色吧在线观看| 免费黄网站久久成人精品| 亚洲国产av新网站| 尤物成人国产欧美一区二区三区| 午夜久久久久精精品| 亚洲av在线观看美女高潮| 午夜免费激情av| 亚洲熟妇中文字幕五十中出| 2022亚洲国产成人精品| ponron亚洲| 国产成人aa在线观看| 国产精品福利在线免费观看| 成人亚洲精品av一区二区| 美女国产视频在线观看| 成人美女网站在线观看视频| 激情五月婷婷亚洲| 熟妇人妻久久中文字幕3abv| 两个人视频免费观看高清| .国产精品久久| 最近2019中文字幕mv第一页| 国产精品一区www在线观看| 一夜夜www| 日韩欧美精品v在线| 人体艺术视频欧美日本| 中文字幕av在线有码专区| 亚洲美女搞黄在线观看| 中文精品一卡2卡3卡4更新| 亚洲欧美成人精品一区二区| 日韩av在线大香蕉| 亚洲欧美精品自产自拍| 免费在线观看成人毛片| 婷婷色综合大香蕉| 国产亚洲av片在线观看秒播厂 | 久久久久久国产a免费观看| 亚洲无线观看免费| 大片免费播放器 马上看| 永久网站在线| 麻豆乱淫一区二区| 在线观看一区二区三区| 国产精品麻豆人妻色哟哟久久 | 高清毛片免费看| 亚洲熟妇中文字幕五十中出| 国产伦理片在线播放av一区| 91精品伊人久久大香线蕉| 亚洲av日韩在线播放| 国产69精品久久久久777片| 日本wwww免费看| 青春草视频在线免费观看| 成人漫画全彩无遮挡| 黄色日韩在线| 久久精品夜色国产| 26uuu在线亚洲综合色| 精品一区二区三卡| 校园人妻丝袜中文字幕| 在线天堂最新版资源| 99热全是精品| 亚洲av.av天堂| 日韩在线高清观看一区二区三区| 在线观看免费高清a一片| 中文天堂在线官网| 特大巨黑吊av在线直播| 黑人高潮一二区| 免费看不卡的av| 六月丁香七月| 中文字幕av成人在线电影| 欧美高清性xxxxhd video| 国产av不卡久久| 看免费成人av毛片| 久久久色成人| 精华霜和精华液先用哪个| 国产日韩欧美在线精品| videos熟女内射| 国产伦一二天堂av在线观看| 久久国内精品自在自线图片| 日本与韩国留学比较| 国产 一区 欧美 日韩| 在线观看美女被高潮喷水网站| 亚洲国产高清在线一区二区三| 麻豆av噜噜一区二区三区| 国产精品国产三级国产av玫瑰| 国产成人一区二区在线| 国产亚洲精品久久久com| 尤物成人国产欧美一区二区三区| 国产大屁股一区二区在线视频| 极品少妇高潮喷水抽搐| 我要看日韩黄色一级片| 国产精品久久久久久久电影| 又爽又黄无遮挡网站| 床上黄色一级片| 伦理电影大哥的女人| 简卡轻食公司| www.色视频.com| 伊人久久精品亚洲午夜| 精品人妻熟女av久视频| 亚洲综合色惰| 精品少妇黑人巨大在线播放| 熟女人妻精品中文字幕| 日日撸夜夜添| 天天一区二区日本电影三级| 水蜜桃什么品种好| 一级毛片 在线播放| 久久久久国产网址| 麻豆精品久久久久久蜜桃| 日韩三级伦理在线观看| 国产精品一区二区三区四区免费观看| 三级毛片av免费| 国产欧美另类精品又又久久亚洲欧美| 夜夜看夜夜爽夜夜摸| av播播在线观看一区| 天天躁夜夜躁狠狠久久av| 精品熟女少妇av免费看| 国产精品一区二区在线观看99 | 亚洲精品久久久久久婷婷小说| 午夜免费观看性视频| 国产老妇伦熟女老妇高清| 亚洲av男天堂| 夫妻性生交免费视频一级片| 欧美日韩亚洲高清精品| 校园人妻丝袜中文字幕| 国产精品福利在线免费观看| 国产午夜精品一二区理论片| av女优亚洲男人天堂| 亚州av有码| 2018国产大陆天天弄谢| 国产亚洲最大av| 亚洲精品国产成人久久av| 床上黄色一级片| 中文精品一卡2卡3卡4更新| 亚洲精品乱久久久久久| 精品午夜福利在线看| 纵有疾风起免费观看全集完整版 | 久久久久免费精品人妻一区二区| 最近的中文字幕免费完整| 久久精品综合一区二区三区| 国产高潮美女av| 国产伦精品一区二区三区四那| 一本一本综合久久| 久久久久久久久久黄片| 国产精品久久久久久久电影| 老女人水多毛片| 一级毛片我不卡| 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 | 青春草亚洲视频在线观看| 91午夜精品亚洲一区二区三区| 波多野结衣巨乳人妻| 狂野欧美白嫩少妇大欣赏| 男女边吃奶边做爰视频| 22中文网久久字幕| 久久这里有精品视频免费| 国产精品久久久久久精品电影小说 | 国产白丝娇喘喷水9色精品| 99热这里只有精品一区| 久久精品久久精品一区二区三区| 美女主播在线视频| 少妇高潮的动态图| 精品久久久久久成人av| 男女视频在线观看网站免费| 久久精品夜夜夜夜夜久久蜜豆| 大香蕉久久网| 国产亚洲一区二区精品| 日韩欧美三级三区| 国产午夜福利久久久久久| 大又大粗又爽又黄少妇毛片口| 国产精品一区www在线观看| 精品一区在线观看国产| 亚洲乱码一区二区免费版| 伦精品一区二区三区| 亚洲精品456在线播放app| 久久97久久精品| 久久精品夜夜夜夜夜久久蜜豆| 最近中文字幕2019免费版| 国产成人精品一,二区| 在线免费十八禁| 日韩强制内射视频| 91av网一区二区| 免费看光身美女| 丝瓜视频免费看黄片| 高清欧美精品videossex| 亚洲内射少妇av| 只有这里有精品99| 国产一区二区三区综合在线观看 | 国产综合精华液| 久久精品久久久久久噜噜老黄| 三级男女做爰猛烈吃奶摸视频| 国产综合懂色| 在线免费十八禁| 国产精品女同一区二区软件| 欧美bdsm另类| 精品熟女少妇av免费看| 精品久久久久久久人妻蜜臀av| 成年免费大片在线观看| 69av精品久久久久久| 最近最新中文字幕免费大全7| 纵有疾风起免费观看全集完整版 | av天堂中文字幕网| 成人美女网站在线观看视频| 秋霞在线观看毛片| 亚洲国产精品成人综合色| 国产精品一及| 国产乱人视频| 黄色一级大片看看| 国产一区有黄有色的免费视频 | 女的被弄到高潮叫床怎么办| 久久午夜福利片| 精品久久国产蜜桃| 欧美日韩精品成人综合77777| 高清午夜精品一区二区三区| 久久久久久久久中文| 亚洲av不卡在线观看| 亚洲精品国产av成人精品| 91久久精品国产一区二区三区| 日韩大片免费观看网站| 免费大片18禁| 一区二区三区免费毛片| av女优亚洲男人天堂| 麻豆精品久久久久久蜜桃| 亚洲av电影不卡..在线观看| 最近最新中文字幕大全电影3| 麻豆av噜噜一区二区三区| 99久国产av精品国产电影| 听说在线观看完整版免费高清| 我的女老师完整版在线观看| 日产精品乱码卡一卡2卡三| 国产有黄有色有爽视频| 在线播放无遮挡| 亚洲av成人精品一区久久| a级毛色黄片| 大香蕉97超碰在线| 嫩草影院新地址| 男女边吃奶边做爰视频| 成年人午夜在线观看视频 | 午夜久久久久精精品| 赤兔流量卡办理| 大香蕉久久网| 中文天堂在线官网| 久久精品夜夜夜夜夜久久蜜豆| av免费观看日本| 国产极品天堂在线| 国产成人精品久久久久久| 久久久久国产网址| 18+在线观看网站| 边亲边吃奶的免费视频| 久久精品国产亚洲av涩爱| 啦啦啦韩国在线观看视频| 亚洲国产精品国产精品| 欧美3d第一页| 午夜爱爱视频在线播放| 好男人视频免费观看在线| 深爱激情五月婷婷| 丰满人妻一区二区三区视频av| 少妇人妻一区二区三区视频| 国产女主播在线喷水免费视频网站 | 天堂√8在线中文| 亚洲综合精品二区| 久久久久久久久久久丰满| 国产中年淑女户外野战色| 婷婷色综合www| 免费观看性生交大片5| 激情五月婷婷亚洲| 五月玫瑰六月丁香| 婷婷六月久久综合丁香| 国产三级在线视频| 成人毛片60女人毛片免费| av福利片在线观看| 日本熟妇午夜| 在线播放无遮挡| 日韩一区二区视频免费看| videos熟女内射| 内地一区二区视频在线| 超碰97精品在线观看| 51国产日韩欧美| 在现免费观看毛片| av国产久精品久网站免费入址| 久久97久久精品| 欧美日韩视频高清一区二区三区二| 有码 亚洲区| 精品午夜福利在线看| 久久久久久久久大av| 少妇被粗大猛烈的视频| 中文欧美无线码| 亚洲真实伦在线观看| 男人舔奶头视频| 一区二区三区高清视频在线| 欧美三级亚洲精品| 精品国产一区二区三区久久久樱花 | 三级国产精品片| 最近的中文字幕免费完整| 亚洲国产精品成人久久小说| 亚洲四区av| 99久久精品国产国产毛片| 好男人视频免费观看在线| 色播亚洲综合网| 一个人观看的视频www高清免费观看| 久久精品久久久久久久性| 三级男女做爰猛烈吃奶摸视频| 国产亚洲午夜精品一区二区久久 | 麻豆久久精品国产亚洲av| 日韩av免费高清视频| 欧美高清性xxxxhd video| 国产淫语在线视频| 美女主播在线视频| 国产精品一区www在线观看| 国产成人freesex在线| 久久久久久伊人网av| 能在线免费看毛片的网站| 国产亚洲精品av在线| 国产精品一区二区在线观看99 | 日本欧美国产在线视频| 黄色一级大片看看| 亚洲18禁久久av| 中文字幕免费在线视频6| 成人高潮视频无遮挡免费网站| xxx大片免费视频| 99热6这里只有精品| 国产男女超爽视频在线观看| 一级片'在线观看视频| 国产亚洲一区二区精品| 日本-黄色视频高清免费观看| 国产高清有码在线观看视频| 亚洲av成人精品一区久久| 亚洲自拍偷在线| 精品一区二区三区视频在线| 亚洲欧美日韩东京热| 国产亚洲91精品色在线| 亚洲av在线观看美女高潮| 久久久久久九九精品二区国产| 美女内射精品一级片tv| 国产高清三级在线| 国产一区二区在线观看日韩| 国产精品美女特级片免费视频播放器| 国产黄片美女视频| 夫妻午夜视频| av线在线观看网站| 亚洲精品自拍成人| 欧美日韩国产mv在线观看视频 | 最近最新中文字幕免费大全7| 一级黄片播放器| 国产一区二区三区综合在线观看 | 国产精品国产三级专区第一集| 久久久亚洲精品成人影院| 亚洲精品久久久久久婷婷小说| 黄片无遮挡物在线观看| 国产一区二区在线观看日韩| 菩萨蛮人人尽说江南好唐韦庄| av.在线天堂| 亚洲精品aⅴ在线观看| av在线蜜桃| 2021天堂中文幕一二区在线观| 国产一区二区在线观看日韩| 熟妇人妻久久中文字幕3abv| 午夜久久久久精精品| 午夜免费观看性视频| 精品少妇黑人巨大在线播放| 欧美不卡视频在线免费观看| 日韩在线高清观看一区二区三区| 少妇熟女aⅴ在线视频| 熟女电影av网| 国产黄色免费在线视频| 久久精品夜夜夜夜夜久久蜜豆| 97超视频在线观看视频| 日韩强制内射视频| 国产精品久久久久久av不卡| 在线 av 中文字幕| 韩国高清视频一区二区三区| 国产v大片淫在线免费观看| 老女人水多毛片| 免费av观看视频| av天堂中文字幕网| 纵有疾风起免费观看全集完整版 | 色综合亚洲欧美另类图片| 高清av免费在线| 国产av国产精品国产| 日韩亚洲欧美综合| 成人鲁丝片一二三区免费| 中文字幕人妻熟人妻熟丝袜美| 午夜免费观看性视频| 国产精品.久久久| 男的添女的下面高潮视频| 婷婷色综合大香蕉| 日韩av免费高清视频| 一级爰片在线观看| 色综合亚洲欧美另类图片| 麻豆av噜噜一区二区三区| 欧美精品一区二区大全| 一区二区三区免费毛片| 大又大粗又爽又黄少妇毛片口| 亚洲精品视频女| 一级二级三级毛片免费看| 久久草成人影院| 欧美不卡视频在线免费观看| www.色视频.com| 一本一本综合久久| 国产男女超爽视频在线观看| 国产精品福利在线免费观看| 丰满人妻一区二区三区视频av| 一个人免费在线观看电影| 中文乱码字字幕精品一区二区三区 | 婷婷色综合www| 久热久热在线精品观看| 成年女人在线观看亚洲视频 | 中文字幕久久专区| 国产黄片美女视频| 久久99精品国语久久久| 爱豆传媒免费全集在线观看| 久久97久久精品| 秋霞在线观看毛片| 国产高清不卡午夜福利| 亚洲精品国产成人久久av| 久久久久久久久久久丰满| 亚洲国产高清在线一区二区三| 少妇的逼好多水| 国产亚洲一区二区精品| 精品酒店卫生间| av免费在线看不卡| 亚洲成人久久爱视频| 麻豆成人av视频| 亚洲av成人av| 美女cb高潮喷水在线观看| 狠狠精品人妻久久久久久综合| 欧美高清成人免费视频www| 午夜福利网站1000一区二区三区| 国产伦精品一区二区三区视频9| av在线天堂中文字幕| 成人av在线播放网站| 久久久a久久爽久久v久久| 看十八女毛片水多多多| 久久国产乱子免费精品| 狂野欧美激情性xxxx在线观看| 国产亚洲精品久久久com| 精品亚洲乱码少妇综合久久| 日本熟妇午夜| 亚洲欧美精品专区久久| 久久久精品94久久精品| 日韩亚洲欧美综合| av在线老鸭窝| 美女脱内裤让男人舔精品视频| 在线观看一区二区三区| 校园人妻丝袜中文字幕| 国产乱来视频区| 午夜免费男女啪啪视频观看| 午夜福利在线观看免费完整高清在| 日本免费在线观看一区| 麻豆久久精品国产亚洲av| 日本午夜av视频| 久久这里只有精品中国| 国产成人精品婷婷| 日本一二三区视频观看| 丝瓜视频免费看黄片| 黄色配什么色好看| 黄片无遮挡物在线观看| 乱人视频在线观看| 久久精品夜色国产| 国产激情偷乱视频一区二区| 亚洲欧美精品自产自拍| 我的女老师完整版在线观看| 亚洲婷婷狠狠爱综合网| 午夜福利成人在线免费观看| 日韩,欧美,国产一区二区三区| 免费看a级黄色片| 亚洲av电影在线观看一区二区三区 | 天堂中文最新版在线下载 | 成人综合一区亚洲| 日本黄大片高清| av又黄又爽大尺度在线免费看| 午夜老司机福利剧场| 精品人妻一区二区三区麻豆| h日本视频在线播放| 久久精品国产自在天天线| 成人午夜高清在线视频| 嘟嘟电影网在线观看| 搞女人的毛片| 亚洲精品日韩av片在线观看| 国产黄片视频在线免费观看| 18禁动态无遮挡网站| 精品酒店卫生间| 亚洲国产av新网站| 亚洲国产最新在线播放| 老女人水多毛片| 国产免费福利视频在线观看| 国产国拍精品亚洲av在线观看| 在现免费观看毛片| 美女被艹到高潮喷水动态| 边亲边吃奶的免费视频| 一边亲一边摸免费视频| 狂野欧美白嫩少妇大欣赏| 欧美日本视频| 日本色播在线视频| 欧美zozozo另类| 丝瓜视频免费看黄片| 国产精品久久久久久久电影| 亚洲av成人av| 非洲黑人性xxxx精品又粗又长| 中国美白少妇内射xxxbb| 亚洲熟女精品中文字幕| 成人午夜高清在线视频| 极品少妇高潮喷水抽搐| 精品一区二区三区人妻视频| 国国产精品蜜臀av免费| 色视频www国产| 岛国毛片在线播放| 亚洲一级一片aⅴ在线观看| 男人爽女人下面视频在线观看| 国产午夜精品一二区理论片| 亚洲自拍偷在线| 好男人视频免费观看在线| 国产日韩欧美在线精品| 亚洲精品日韩在线中文字幕| 久久99热这里只频精品6学生| 久久精品国产亚洲av天美| av.在线天堂| 亚洲精品国产成人久久av| 国产精品伦人一区二区| 三级男女做爰猛烈吃奶摸视频| xxx大片免费视频| 午夜激情福利司机影院| 日本熟妇午夜| 爱豆传媒免费全集在线观看| 午夜激情欧美在线| www.av在线官网国产| 我的女老师完整版在线观看| 国产美女午夜福利| 国内精品一区二区在线观看| av免费在线看不卡| 久久人人爽人人片av| 白带黄色成豆腐渣| 亚洲av成人av| 超碰97精品在线观看| 精品国产露脸久久av麻豆 | 亚洲aⅴ乱码一区二区在线播放| 男女那种视频在线观看| 日产精品乱码卡一卡2卡三| 91久久精品国产一区二区成人| 免费黄频网站在线观看国产| 日韩精品青青久久久久久| 在线观看免费高清a一片| 夜夜爽夜夜爽视频| 亚洲国产精品sss在线观看| 男插女下体视频免费在线播放| 黄色欧美视频在线观看| 亚洲自拍偷在线| 国产亚洲精品久久久com| 麻豆成人av视频| 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 | freevideosex欧美| 三级国产精品片| av在线蜜桃| 高清欧美精品videossex| 美女脱内裤让男人舔精品视频| 日韩av在线大香蕉| 搞女人的毛片| 欧美性感艳星| kizo精华| 精品一区在线观看国产| 亚洲丝袜综合中文字幕| 国产 亚洲一区二区三区 | 亚洲精品第二区| 国产老妇女一区| 综合色丁香网| 国产欧美日韩精品一区二区| 免费播放大片免费观看视频在线观看| 国产麻豆成人av免费视频| 国产高清不卡午夜福利| 青青草视频在线视频观看| 亚洲人成网站高清观看| 国产一区二区在线观看日韩| 51国产日韩欧美| 全区人妻精品视频| 日本免费a在线| 亚洲三级黄色毛片| 久久久成人免费电影| 一级av片app| 日韩一本色道免费dvd| 春色校园在线视频观看| 免费看光身美女| 亚洲精品国产成人久久av| 又黄又爽又刺激的免费视频.| 26uuu在线亚洲综合色| 如何舔出高潮| 亚洲人成网站在线播| 美女主播在线视频| 18禁动态无遮挡网站| 久久久久精品久久久久真实原创| 嘟嘟电影网在线观看| 亚洲国产精品sss在线观看| 久热久热在线精品观看| av国产免费在线观看| 国产v大片淫在线免费观看| av国产免费在线观看| 亚洲人成网站在线播| 亚洲国产精品专区欧美| 一级爰片在线观看| 亚州av有码| 又爽又黄无遮挡网站| 日产精品乱码卡一卡2卡三| 在线免费十八禁| 精品熟女少妇av免费看| 欧美日韩国产mv在线观看视频 | 国产伦精品一区二区三区视频9| 99热这里只有是精品在线观看| 国产爱豆传媒在线观看| 亚洲精品日本国产第一区| 夜夜看夜夜爽夜夜摸|