• <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 ?

    融合注意力機(jī)制與場感知因子分解機(jī)的電影推薦

    2020-07-24 02:11黃德柒茍剛
    軟件導(dǎo)刊 2020年6期
    關(guān)鍵詞:注意力機(jī)制推薦系統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)

    黃德柒 茍剛

    摘要:傳統(tǒng)協(xié)同過濾算法僅利用評分信息進(jìn)行推薦,而沒有利用到更多用戶特征與電影特征,推薦效果不佳。深度學(xué)習(xí)的普通應(yīng)用,為特征提取打下了良好基礎(chǔ)。通過爬取網(wǎng)站上的電影演員信息表,使用卷積神經(jīng)網(wǎng)絡(luò)對文本信息進(jìn)行特征提取,采用結(jié)合注意力機(jī)制與場感知因子分解機(jī)的混合推薦方法,并使用用戶一電影特征矩陣進(jìn)行訓(xùn)練。在公開數(shù)據(jù)集MovieLens上進(jìn)行實(shí)驗(yàn)測試,RMSE達(dá)到0.850,與5組推薦模型進(jìn)行對比,RMSE分別提升了18.0%、11.3%、7.60%、25.7%、6.80%。實(shí)驗(yàn)結(jié)果表明,該模型可以提高推薦效率。

    關(guān)鍵詞:推薦系統(tǒng);注意力機(jī)制;場感知因子分解機(jī);卷積神經(jīng)網(wǎng)絡(luò)

    DOI:10.11907/rjdk.192143 開放科學(xué)(資源服務(wù))標(biāo)識碼(OSID):

    中圖分類號:TP301文獻(xiàn)標(biāo)識碼:A 文章編號:1672-7800(2020)006-0019-04

    0 引言

    隨著互聯(lián)網(wǎng)的發(fā)展,人們在網(wǎng)上觀看各類電影的同時,也被大量電影信息所淹沒。目前解決信息過載的手段主要分為兩種:搜索引擎與推薦系統(tǒng)。當(dāng)掌握一定量信息時,可以使用搜索引擎進(jìn)行搜索,但網(wǎng)絡(luò)上的視頻數(shù)量十分龐大,而且隨著時間推移,數(shù)量還會繼續(xù)增加。因此,若要在大量信息中尋找到潛在感興趣的電影,則需要用到推薦系統(tǒng)。在互聯(lián)網(wǎng)上,各大視頻網(wǎng)站為用戶推薦視頻是很常見的事情,目前常用推薦算法有基于內(nèi)容的推薦、協(xié)同過濾推薦以及混合推薦?;趦?nèi)容的推薦僅考慮到項(xiàng)目與項(xiàng)目之間的關(guān)聯(lián),而沒有考慮到用戶的歷史興趣偏好;協(xié)同過濾推薦則是基于用戶之間的相似性,基于多個用戶的歷史行為信息對用戶進(jìn)行潛在項(xiàng)目評分預(yù)測,因此在數(shù)據(jù)稀疏時效果不佳,且沒有利用電影的特征信息;混合推薦由協(xié)同過濾推薦以及基于內(nèi)容的推薦混合而成,既包含了項(xiàng)目特征,又考慮到用戶的歷史興趣偏好,但由于數(shù)據(jù)量過于龐大,完全依靠人工進(jìn)行特征提取需要花費(fèi)大量人工成本,提取效果也不理想。隨著深度學(xué)習(xí)研究的發(fā)展,Covington等針對You了ubc提出一種基于深度神經(jīng)網(wǎng)絡(luò)的模型,使用兩個深度網(wǎng)絡(luò),一個生成候選集,一個進(jìn)行推薦,這也是工業(yè)上第一次使用深度學(xué)習(xí)進(jìn)行視頻推薦。目前評分預(yù)測中使用較多的方法是使用矩陣分解進(jìn)行預(yù)測,如何加入更多特征信息提高推薦效果也是目前的主要研究內(nèi)容。由于神經(jīng)網(wǎng)絡(luò)良好的特征提取性能,基于深度學(xué)習(xí)進(jìn)行協(xié)同過濾,提取上下文信息學(xué)習(xí)潛在特征已是很普遍的手段,但在學(xué)習(xí)大量特征時,協(xié)同過濾或矩陣分解都沒有考慮到特征之間的交互性。因此,本文提出基于卷積神經(jīng)網(wǎng)絡(luò)對電影信息進(jìn)行特征提取,并將特征應(yīng)用于融合注意力機(jī)制的場感知因子分解機(jī)電影推薦模型(CAFFM)中。

    1 推薦模型框架設(shè)計

    1.1 基于卷積神經(jīng)網(wǎng)絡(luò)的特征提取

    考慮到目前社會上存在明顯的追星效應(yīng),電影參演演員會很大程度上影響用戶對于電影的選擇,因此本文將每部電影的演員信息作為電影的一個標(biāo)簽信息,將該部分信息映射到數(shù)字特征空間,并將每個演員表都表示為定長的信息,其中缺失的部分用空白進(jìn)行填補(bǔ),最后會形成很大的稀疏矩陣。然而,龐大的稀疏矩陣會極大地浪費(fèi)模型訓(xùn)練時間,也會降低推薦效率。因此,本文使用卷積神經(jīng)網(wǎng)絡(luò)對演員信息進(jìn)行提取。

    設(shè)計一個單通道的卷積神經(jīng)網(wǎng)絡(luò),對映射好的特征矩陣輸入進(jìn)行特征提取及降維處理。卷積神經(jīng)網(wǎng)絡(luò)能夠很好地提取文本信息,特別對于演員信息這種有著順序的文本信息,通過局部感知野、共享權(quán)重和下采樣可以有效地捕捉演員順序信息。由于電影演員排序是一個很重要的信息,主角和配角之間的號召力有著明顯差距,本文使用一個四層的卷積網(wǎng)絡(luò)對特征進(jìn)行提取,并通過卷積層進(jìn)行計算。本文采用relu激勵函數(shù),卷積層和池化層連續(xù)疊加,用于對數(shù)據(jù)進(jìn)行壓縮、減少參數(shù)個數(shù),并對高維特征進(jìn)行降維,以最大程度保證特征包含的信息。最后在池化層加上注意力層,重點(diǎn)提取特征。

    其定義為:

    為了更好地提取出特征,采用4個大小不同的卷積核,大小分別為2、3、4、5。將卷積神經(jīng)網(wǎng)絡(luò)的輸出融人電影特征,再將電影特征與用戶特征相連接,即構(gòu)建出整個特征矩陣,用于接下來的模型輸入。

    1.2 融合注意力機(jī)制的場感知因子分解機(jī)

    場感知因子分解機(jī)(Field-aware Factorization Machine,F(xiàn)FM)是一種隱向量學(xué)習(xí)的非線性模型,即將同一性質(zhì)的特征歸于一個場中。在電影推薦中,部分屬性下?lián)碛卸鄠€值,如電影有多個類型,實(shí)際上屬于同一性質(zhì),即歸于同一個場。FFM模型具有強(qiáng)大的泛化能力,并能很好地利用上下文信息,其定義如公式(2)所示。

    對于不同特征,都會有一個交互過程,將公式表示成另一種形式,即:

    注意力模型(Attention Model)被廣泛應(yīng)用于自然語言處理、圖像識別及語音識別等不同類型的深度學(xué)習(xí)模型中,其借鑒了人的注意力機(jī)制,本文將其應(yīng)用于推薦系統(tǒng)。在評分預(yù)測中,不同項(xiàng)對最終結(jié)果的影響是不同的,融人注意力機(jī)制,給多元二次項(xiàng)中的每個項(xiàng)添加一個注意力系數(shù),用于篩選出具有更高價值的項(xiàng),并獲取更多所需關(guān)注目標(biāo)的細(xì)節(jié)信息,同時抑制其它無用信息。融人注意力因子的場感知因子分解機(jī)公式如下:

    其中,ai、ai,j的值可以解釋為后面所乘項(xiàng)在目標(biāo)預(yù)測中的重要性。對于訓(xùn)練數(shù)據(jù)中從未出現(xiàn)過的特征,無法估計其注意力值。為解決一般化問題,本文進(jìn)一步使用多層感知器(MLP)對注意力值進(jìn)行參數(shù)化,形成一個注意力網(wǎng)絡(luò)。定義為:

    網(wǎng)絡(luò)采用Relu作為激活函數(shù),并對注意力值使用softmax函數(shù)進(jìn)行歸一化,歸一化過程如式(7)、式(8)所示。

    1.3 模型框架與損失函數(shù)

    最終模型框架設(shè)計如圖2所示。

    損失函數(shù)取最小評分誤差,即:

    其中L(x)為模型損失值,y是用戶對電影的實(shí)際評分,R(x)為模型預(yù)測值,為防止過擬合現(xiàn)象,采用dropout與正則化兩種技術(shù),正則化系數(shù)在式(8)中表現(xiàn)為入(過擬合懲罰因子),||w||是L2范數(shù),作為過擬合懲罰項(xiàng)。Dropout的思想是在訓(xùn)練過程中隨機(jī)地丟棄一些神經(jīng)元,以阻止特征檢測器的共同作用,提高神經(jīng)網(wǎng)絡(luò)性能。因此,優(yōu)化模型的目標(biāo)是使損失函數(shù)最小化,本文采取隨機(jī)梯度下降(SGD)算法,通過最小化損失函數(shù)訓(xùn)練模型參數(shù),根據(jù)樣本進(jìn)行迭代更新,可以控制更新速率和迭代次數(shù),從而使模型的訓(xùn)練變得可控。

    猜你喜歡
    注意力機(jī)制推薦系統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)
    基于LSTM?Attention神經(jīng)網(wǎng)絡(luò)的文本特征提取方法
    InsunKBQA:一個基于知識庫的問答系統(tǒng)
    基于用戶偏好的信任網(wǎng)絡(luò)隨機(jī)游走推薦模型
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識別算法
    亚洲国产欧洲综合997久久, | 2021天堂中文幕一二区在线观 | 午夜视频精品福利| 欧美不卡视频在线免费观看 | 久久精品国产99精品国产亚洲性色| 一边摸一边抽搐一进一小说| 欧美日韩一级在线毛片| 日本撒尿小便嘘嘘汇集6| 99久久国产精品久久久| 可以免费在线观看a视频的电影网站| 国产人伦9x9x在线观看| 亚洲国产欧美网| 熟妇人妻久久中文字幕3abv| 欧美日韩精品网址| 亚洲熟女毛片儿| 每晚都被弄得嗷嗷叫到高潮| 午夜视频精品福利| 高清在线国产一区| x7x7x7水蜜桃| 国产成人精品久久二区二区91| 巨乳人妻的诱惑在线观看| 日韩 欧美 亚洲 中文字幕| 亚洲成人精品中文字幕电影| 亚洲精品美女久久av网站| 美女免费视频网站| 欧美日韩黄片免| 男女之事视频高清在线观看| 丝袜美腿诱惑在线| tocl精华| 午夜福利成人在线免费观看| 窝窝影院91人妻| 国产伦在线观看视频一区| 亚洲欧美精品综合一区二区三区| 日本五十路高清| 久久亚洲精品不卡| 免费看美女性在线毛片视频| 久久九九热精品免费| 精品无人区乱码1区二区| 人妻久久中文字幕网| 校园春色视频在线观看| 亚洲av成人一区二区三| 免费在线观看影片大全网站| 久久人人精品亚洲av| 久久天堂一区二区三区四区| 亚洲九九香蕉| 1024手机看黄色片| av片东京热男人的天堂| 黄片播放在线免费| 超碰成人久久| 久久欧美精品欧美久久欧美| 精品国产美女av久久久久小说| 久久久精品欧美日韩精品| 日韩av在线大香蕉| 别揉我奶头~嗯~啊~动态视频| 欧美色欧美亚洲另类二区| www.熟女人妻精品国产| 搞女人的毛片| 午夜免费成人在线视频| 宅男免费午夜| 一夜夜www| 日韩av在线大香蕉| 免费在线观看成人毛片| 最近最新中文字幕大全电影3 | 精品久久久久久,| 久久中文字幕人妻熟女| 精品午夜福利视频在线观看一区| 色播在线永久视频| 欧美不卡视频在线免费观看 | 久久久久久免费高清国产稀缺| 人人妻人人看人人澡| 人人妻人人看人人澡| 99热这里只有精品一区 | 男男h啪啪无遮挡| 欧美日韩亚洲国产一区二区在线观看| 97超级碰碰碰精品色视频在线观看| 在线观看免费日韩欧美大片| 天天添夜夜摸| 久久性视频一级片| 在线av久久热| 黑人欧美特级aaaaaa片| 国产成人av激情在线播放| 免费在线观看视频国产中文字幕亚洲| 麻豆成人av在线观看| 色老头精品视频在线观看| 黄色 视频免费看| 美女免费视频网站| 国产亚洲精品久久久久5区| 后天国语完整版免费观看| av片东京热男人的天堂| 人人妻人人看人人澡| 国产亚洲av高清不卡| 色哟哟哟哟哟哟| 亚洲国产毛片av蜜桃av| 国产精品九九99| 欧美在线一区亚洲| 桃色一区二区三区在线观看| 热re99久久国产66热| 午夜激情av网站| 精品电影一区二区在线| 88av欧美| 嫁个100分男人电影在线观看| 成人国语在线视频| 亚洲一区二区三区不卡视频| 女人爽到高潮嗷嗷叫在线视频| 欧美日韩精品网址| 中文字幕人成人乱码亚洲影| 俄罗斯特黄特色一大片| 国产成人影院久久av| 国内精品久久久久久久电影| 欧美最黄视频在线播放免费| 9191精品国产免费久久| 久久精品91蜜桃| avwww免费| 女性生殖器流出的白浆| 宅男免费午夜| 1024视频免费在线观看| 欧美中文综合在线视频| 婷婷亚洲欧美| 日韩 欧美 亚洲 中文字幕| 天天添夜夜摸| 制服诱惑二区| 人人澡人人妻人| 777久久人妻少妇嫩草av网站| av天堂在线播放| 中文字幕人妻丝袜一区二区| 亚洲国产欧美一区二区综合| 亚洲第一欧美日韩一区二区三区| 日韩精品青青久久久久久| 久久精品影院6| 19禁男女啪啪无遮挡网站| 19禁男女啪啪无遮挡网站| 丝袜美腿诱惑在线| 两个人视频免费观看高清| 国内揄拍国产精品人妻在线 | av天堂在线播放| 亚洲国产欧美日韩在线播放| 999久久久精品免费观看国产| 99国产精品一区二区三区| 黄色丝袜av网址大全| 成年女人毛片免费观看观看9| cao死你这个sao货| cao死你这个sao货| 欧美性猛交黑人性爽| 久久久久久国产a免费观看| 免费在线观看完整版高清| 2021天堂中文幕一二区在线观 | 午夜福利一区二区在线看| 淫秽高清视频在线观看| 日本 欧美在线| 很黄的视频免费| 国产免费男女视频| 国产主播在线观看一区二区| 91国产中文字幕| 国产激情偷乱视频一区二区| 亚洲国产毛片av蜜桃av| 中国美女看黄片| 国内精品久久久久精免费| 日本五十路高清| 男女视频在线观看网站免费 | 一区二区三区高清视频在线| 制服丝袜大香蕉在线| 亚洲精品国产一区二区精华液| 在线观看免费视频日本深夜| 日韩视频一区二区在线观看| 一本精品99久久精品77| 91成人精品电影| 啪啪无遮挡十八禁网站| 免费观看精品视频网站| 午夜福利在线在线| 在线观看午夜福利视频| 国产激情偷乱视频一区二区| 国产av一区二区精品久久| 久久午夜亚洲精品久久| 亚洲va日本ⅴa欧美va伊人久久| 香蕉av资源在线| 国产成人av教育| 激情在线观看视频在线高清| 视频区欧美日本亚洲| 熟女少妇亚洲综合色aaa.| 一区二区三区激情视频| 欧美成人性av电影在线观看| 一级毛片精品| 久久天堂一区二区三区四区| 久久久国产成人精品二区| 亚洲中文字幕日韩| 免费女性裸体啪啪无遮挡网站| 国产精品 欧美亚洲| 999精品在线视频| 国产亚洲精品久久久久5区| 欧美大码av| www.自偷自拍.com| 禁无遮挡网站| 搞女人的毛片| 色综合站精品国产| 制服人妻中文乱码| 99re在线观看精品视频| 国产成人av教育| 欧美精品亚洲一区二区| 成在线人永久免费视频| 一本精品99久久精品77| 国产真人三级小视频在线观看| 18禁裸乳无遮挡免费网站照片 | 中文字幕人妻丝袜一区二区| 中出人妻视频一区二区| 国产精品综合久久久久久久免费| 亚洲精华国产精华精| 中文字幕av电影在线播放| 男人舔女人下体高潮全视频| 国产视频内射| 在线观看免费视频日本深夜| 狠狠狠狠99中文字幕| 怎么达到女性高潮| 久热这里只有精品99| 国产成人av教育| 777久久人妻少妇嫩草av网站| 国产一区二区激情短视频| 精品午夜福利视频在线观看一区| 久久久久亚洲av毛片大全| av超薄肉色丝袜交足视频| 窝窝影院91人妻| 日本 av在线| 国产国语露脸激情在线看| 婷婷精品国产亚洲av| 国产午夜精品久久久久久| 国产精品久久电影中文字幕| 国产男靠女视频免费网站| 午夜福利在线观看吧| 热re99久久国产66热| 国产精品久久久久久精品电影 | 99re在线观看精品视频| 欧美色欧美亚洲另类二区| 亚洲中文字幕日韩| 男女视频在线观看网站免费 | 国产亚洲精品第一综合不卡| 午夜福利视频1000在线观看| 久久精品亚洲精品国产色婷小说| 日韩三级视频一区二区三区| 日本一本二区三区精品| 国产又爽黄色视频| 国产精华一区二区三区| 亚洲欧美精品综合一区二区三区| 丝袜美腿诱惑在线| 日日爽夜夜爽网站| 国产亚洲精品第一综合不卡| 国产亚洲av嫩草精品影院| 99国产精品一区二区三区| 日韩三级视频一区二区三区| 亚洲人成网站高清观看| 他把我摸到了高潮在线观看| 女人被狂操c到高潮| 国产99白浆流出| 亚洲av第一区精品v没综合| 日日爽夜夜爽网站| www.999成人在线观看| 美女扒开内裤让男人捅视频| 国产成人系列免费观看| 精品一区二区三区四区五区乱码| 老汉色∧v一级毛片| 亚洲aⅴ乱码一区二区在线播放 | 丁香欧美五月| 亚洲人成伊人成综合网2020| 动漫黄色视频在线观看| 亚洲五月天丁香| 亚洲专区字幕在线| 亚洲性夜色夜夜综合| 男女那种视频在线观看| 午夜免费观看网址| 国产黄色小视频在线观看| 人妻丰满熟妇av一区二区三区| 精品国产一区二区三区四区第35| 99久久精品国产亚洲精品| 国产99白浆流出| 国产精品久久久久久人妻精品电影| 免费一级毛片在线播放高清视频| 午夜免费观看网址| 精品日产1卡2卡| 欧美又色又爽又黄视频| 国产麻豆成人av免费视频| 动漫黄色视频在线观看| 丝袜人妻中文字幕| 老司机在亚洲福利影院| 性色av乱码一区二区三区2| 一级毛片女人18水好多| 他把我摸到了高潮在线观看| 色综合欧美亚洲国产小说| 少妇粗大呻吟视频| 黄片大片在线免费观看| 一二三四在线观看免费中文在| 国产精品精品国产色婷婷| 欧美最黄视频在线播放免费| 国产欧美日韩精品亚洲av| 亚洲第一电影网av| 日韩精品免费视频一区二区三区| 精品一区二区三区四区五区乱码| 自线自在国产av| 一本久久中文字幕| 亚洲专区国产一区二区| 最近最新免费中文字幕在线| 超碰成人久久| 亚洲欧美一区二区三区黑人| 香蕉久久夜色| 久久中文字幕人妻熟女| 人人妻人人看人人澡| АⅤ资源中文在线天堂| www.熟女人妻精品国产| 日韩欧美一区二区三区在线观看| 欧美另类亚洲清纯唯美| 男女下面进入的视频免费午夜 | ponron亚洲| 1024视频免费在线观看| 日本成人三级电影网站| 这个男人来自地球电影免费观看| 国产黄片美女视频| 亚洲五月天丁香| 岛国在线观看网站| cao死你这个sao货| 午夜激情av网站| 亚洲欧美一区二区三区黑人| 亚洲国产日韩欧美精品在线观看 | 亚洲午夜精品一区,二区,三区| 亚洲狠狠婷婷综合久久图片| 色播在线永久视频| 国产精品自产拍在线观看55亚洲| 久久青草综合色| 国产精品久久久人人做人人爽| 亚洲第一欧美日韩一区二区三区| 亚洲第一av免费看| 国产成人欧美在线观看| 美女免费视频网站| 国产亚洲欧美精品永久| 中文字幕人成人乱码亚洲影| 亚洲精品国产一区二区精华液| 伊人久久大香线蕉亚洲五| tocl精华| 熟女电影av网| 一本久久中文字幕| 侵犯人妻中文字幕一二三四区| 欧美成人性av电影在线观看| 亚洲va日本ⅴa欧美va伊人久久| 欧美日韩亚洲综合一区二区三区_| 国产99久久九九免费精品| 一级a爱片免费观看的视频| 99久久国产精品久久久| 久久久久久九九精品二区国产 | 欧美日韩亚洲国产一区二区在线观看| 久久久久亚洲av毛片大全| 一级作爱视频免费观看| 国产高清视频在线播放一区| 国产国语露脸激情在线看| 欧美一区二区精品小视频在线| 国产精华一区二区三区| 黄色 视频免费看| 一本一本综合久久| ponron亚洲| 一级作爱视频免费观看| 嫩草影视91久久| 一级作爱视频免费观看| 自线自在国产av| bbb黄色大片| 一进一出抽搐gif免费好疼| 两性夫妻黄色片| 久久久久久免费高清国产稀缺| 亚洲五月婷婷丁香| 国产视频一区二区在线看| 久久精品成人免费网站| 国产亚洲精品久久久久久毛片| 久久久久国内视频| 国产99白浆流出| 亚洲成av人片免费观看| 一区二区三区高清视频在线| 国产精品美女特级片免费视频播放器 | 亚洲精品色激情综合| 黑人欧美特级aaaaaa片| 日韩三级视频一区二区三区| 成人一区二区视频在线观看| 一进一出好大好爽视频| 中出人妻视频一区二区| 一区二区日韩欧美中文字幕| 久久精品国产99精品国产亚洲性色| 999久久久精品免费观看国产| 麻豆av在线久日| 精品不卡国产一区二区三区| 一本一本综合久久| 嫩草影视91久久| 在线看三级毛片| 村上凉子中文字幕在线| 久久久久国产一级毛片高清牌| 在线视频色国产色| 亚洲国产中文字幕在线视频| 久久精品国产清高在天天线| 黄片播放在线免费| 久久久久久国产a免费观看| 国产成人精品久久二区二区免费| 日韩欧美免费精品| 岛国在线观看网站| 99riav亚洲国产免费| 热99re8久久精品国产| 免费电影在线观看免费观看| xxxwww97欧美| 亚洲精品国产区一区二| 中国美女看黄片| 欧美不卡视频在线免费观看 | 久久香蕉国产精品| 成人亚洲精品av一区二区| 久久精品人妻少妇| 中亚洲国语对白在线视频| 麻豆一二三区av精品| 宅男免费午夜| 精品久久蜜臀av无| 少妇粗大呻吟视频| 丝袜人妻中文字幕| 免费在线观看视频国产中文字幕亚洲| 亚洲熟妇熟女久久| 精品久久久久久久久久久久久 | 国产高清有码在线观看视频 | 美女扒开内裤让男人捅视频| 精品人妻1区二区| 国产色视频综合| 国产精品1区2区在线观看.| 极品教师在线免费播放| 中文字幕久久专区| 一进一出好大好爽视频| 久久久久国产一级毛片高清牌| 午夜影院日韩av| 婷婷丁香在线五月| 日韩欧美一区二区三区在线观看| 日韩大尺度精品在线看网址| 国产精品自产拍在线观看55亚洲| 亚洲午夜精品一区,二区,三区| 一边摸一边抽搐一进一小说| 每晚都被弄得嗷嗷叫到高潮| 最新在线观看一区二区三区| 一a级毛片在线观看| 亚洲av片天天在线观看| 国产欧美日韩一区二区三| 高潮久久久久久久久久久不卡| 国产三级黄色录像| 国产亚洲精品一区二区www| 成人午夜高清在线视频 | 可以在线观看的亚洲视频| 日韩欧美国产一区二区入口| 国产亚洲欧美精品永久| 亚洲男人天堂网一区| 看片在线看免费视频| 听说在线观看完整版免费高清| 国产伦一二天堂av在线观看| 精品久久久久久久末码| 亚洲精品中文字幕在线视频| 99久久精品国产亚洲精品| 午夜福利欧美成人| 精品久久久久久久久久免费视频| 色综合站精品国产| 日韩精品中文字幕看吧| 国产亚洲av嫩草精品影院| 91字幕亚洲| 久久久久久亚洲精品国产蜜桃av| 国产av一区二区精品久久| 欧美一级a爱片免费观看看 | 免费看日本二区| 久久精品夜夜夜夜夜久久蜜豆 | 国产精品亚洲美女久久久| 亚洲黑人精品在线| 国产午夜福利久久久久久| 久久久精品国产亚洲av高清涩受| 亚洲国产精品999在线| 午夜久久久在线观看| 国产成年人精品一区二区| 国产精品野战在线观看| 亚洲欧美一区二区三区黑人| 亚洲电影在线观看av| av福利片在线| 国产又爽黄色视频| 亚洲在线自拍视频| 免费高清在线观看日韩| 亚洲一区中文字幕在线| 后天国语完整版免费观看| 人人妻人人澡欧美一区二区| 法律面前人人平等表现在哪些方面| 88av欧美| 美国免费a级毛片| 最近最新免费中文字幕在线| 国内少妇人妻偷人精品xxx网站 | 免费在线观看亚洲国产| 久久精品aⅴ一区二区三区四区| 男女那种视频在线观看| 俄罗斯特黄特色一大片| 在线观看免费视频日本深夜| 99热6这里只有精品| 精华霜和精华液先用哪个| 久久久久精品国产欧美久久久| 老汉色av国产亚洲站长工具| 亚洲一区二区三区不卡视频| a在线观看视频网站| 欧美+亚洲+日韩+国产| 校园春色视频在线观看| 变态另类丝袜制服| 老司机深夜福利视频在线观看| 久久精品91无色码中文字幕| 老熟妇仑乱视频hdxx| 性欧美人与动物交配| 少妇被粗大的猛进出69影院| 看黄色毛片网站| 久久亚洲真实| 日韩欧美 国产精品| 十分钟在线观看高清视频www| 免费av毛片视频| 男男h啪啪无遮挡| 99久久无色码亚洲精品果冻| 免费在线观看影片大全网站| 婷婷丁香在线五月| АⅤ资源中文在线天堂| 欧美日韩瑟瑟在线播放| 久久香蕉激情| 午夜福利欧美成人| 国产激情欧美一区二区| 黄频高清免费视频| 老汉色∧v一级毛片| 可以免费在线观看a视频的电影网站| 在线免费观看的www视频| 国产成人精品久久二区二区免费| 国产精品久久视频播放| 国产精品久久久久久亚洲av鲁大| 国产av一区在线观看免费| 久久久久久大精品| 侵犯人妻中文字幕一二三四区| 午夜激情福利司机影院| 他把我摸到了高潮在线观看| 久久精品国产综合久久久| 久久天躁狠狠躁夜夜2o2o| 久久精品人妻少妇| 色尼玛亚洲综合影院| 欧美性猛交黑人性爽| 一二三四在线观看免费中文在| 99久久国产精品久久久| 国产主播在线观看一区二区| 国产高清videossex| 在线免费观看的www视频| 国产精品 国内视频| 高潮久久久久久久久久久不卡| 国产私拍福利视频在线观看| 国产精品一区二区免费欧美| 男女做爰动态图高潮gif福利片| 欧美中文综合在线视频| 国产高清激情床上av| 色尼玛亚洲综合影院| 欧美午夜高清在线| 50天的宝宝边吃奶边哭怎么回事| 国产午夜精品久久久久久| 精品久久久久久久人妻蜜臀av| av在线播放免费不卡| 美女 人体艺术 gogo| 久久人人精品亚洲av| 午夜久久久久精精品| 亚洲精品美女久久久久99蜜臀| 可以在线观看毛片的网站| 亚洲七黄色美女视频| 老汉色∧v一级毛片| 成熟少妇高潮喷水视频| 久久久久久国产a免费观看| 亚洲精品一卡2卡三卡4卡5卡| 亚洲人成伊人成综合网2020| 国产精品免费一区二区三区在线| 久久久久免费精品人妻一区二区 | 中文字幕久久专区| 免费人成视频x8x8入口观看| 亚洲av成人不卡在线观看播放网| 午夜久久久久精精品| 制服丝袜大香蕉在线| 悠悠久久av| 亚洲av电影不卡..在线观看| 亚洲无线在线观看| 亚洲三区欧美一区| 亚洲第一欧美日韩一区二区三区| 黄色视频不卡| 精品福利观看| 两人在一起打扑克的视频| 黄片小视频在线播放| 一本大道久久a久久精品| 国产熟女午夜一区二区三区| 一区二区日韩欧美中文字幕| 国产熟女xx| 欧美色视频一区免费| 久热这里只有精品99| 91九色精品人成在线观看| 一本一本综合久久| 久久亚洲精品不卡| 国产亚洲精品一区二区www| 最近在线观看免费完整版| 婷婷六月久久综合丁香| 香蕉久久夜色| 国产真实乱freesex| 亚洲精品久久成人aⅴ小说| 亚洲国产日韩欧美精品在线观看 | 国产在线观看jvid| 久久国产亚洲av麻豆专区| 一本久久中文字幕| 国产成人系列免费观看| 久久国产亚洲av麻豆专区| 桃红色精品国产亚洲av| 国产又色又爽无遮挡免费看| 成人精品一区二区免费| www.www免费av| 巨乳人妻的诱惑在线观看| 人人妻人人看人人澡| 欧美乱妇无乱码| 久久精品国产亚洲av香蕉五月| 国产精品亚洲美女久久久| 久久久久九九精品影院| 免费看a级黄色片| 精品国内亚洲2022精品成人| 在线观看午夜福利视频| 啦啦啦免费观看视频1| 日韩欧美国产在线观看| 久久香蕉国产精品| 日韩国内少妇激情av|