• <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 ?

    一種基于用戶和商品屬性挖掘的協(xié)同過濾算法

    2020-12-23 04:33:21夏景明劉聰慧
    現(xiàn)代電子技術(shù) 2020年23期

    夏景明 劉聰慧

    摘 ?要: 為了解決傳統(tǒng)協(xié)同過濾算法數(shù)據(jù)稀疏而導(dǎo)致的推薦不準(zhǔn)確等問題,引入商品屬性值的概念,根據(jù)改進(jìn)后的用戶相似度填充用戶?屬性矩陣,最后對(duì)物品興趣程度及商品屬性評(píng)分和進(jìn)行加權(quán)推薦。通過在電影數(shù)據(jù)集MovieLens上的實(shí)驗(yàn)表明,改進(jìn)后的算法能夠顯著提升推薦準(zhǔn)確率。

    關(guān)鍵詞: 協(xié)同過濾; 商品屬性評(píng)分; 用戶興趣評(píng)分; 推薦算法; 混合推薦; 實(shí)驗(yàn)分析

    中圖分類號(hào): TN911.1?34; TP183 ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼: A ? ? ? ? ? ? ? ? ?文章編號(hào): 1004?373X(2020)23?0120?04

    Abstract: In order to solve the problem of inaccurate recommendation caused by sparse data in traditional collaborative filtering algorithm, the concept of commodity attribute value is introduced. The user attribute matrix is filled according to the improved user similarity. The degree of interest and commodity attribute is graded and weighted recommendation is carried out. The experiments on movie dataset Movielens show that the improved algorithm can significantly improve the recommendation accuracy.

    Keywords: collaborative filtering; commodity attribute score; user interesting score; recommendation algorithm; hybrid recommendation; experiment analysis

    0 ?引 ?言

    近年來,各個(gè)電商平臺(tái)的發(fā)展推進(jìn)了推薦算法的發(fā)展,協(xié)同過濾算法[1?3]是推薦算法之一。然而數(shù)據(jù)稀疏[4?5]導(dǎo)致推薦不準(zhǔn)確的問題依然存在[6],這些問題一直是專家研究的熱點(diǎn),文獻(xiàn)[7]提出隱藏語義信息的推薦方法對(duì)用戶和項(xiàng)目標(biāo)簽進(jìn)行建模;文獻(xiàn)[8]提出了一種基于信任度的相似性算法來改善推薦算法中數(shù)據(jù)稀疏性問題;文獻(xiàn)[9]通過結(jié)合兩種或兩種以上的混合方法進(jìn)行推薦,以解決冷啟動(dòng)等問題,利用對(duì)物品興趣程度和商品屬性評(píng)分和進(jìn)行加權(quán)推薦。文獻(xiàn)[10]利用基于用戶的協(xié)同過濾算法計(jì)算興趣點(diǎn)的相關(guān)性;文獻(xiàn)[11]提出協(xié)同過濾相似性度量方法改進(jìn)來提高推薦效果。

    以上推薦效果有了明顯的改進(jìn),但是卻忽略了對(duì)商品屬性的挖掘。本文通過挖掘商品屬性特征,通過計(jì)算用戶對(duì)包含某一屬性值的商品的打分得到用戶?屬性評(píng)分矩陣;通過分析用戶的屬性對(duì)Pearson公式進(jìn)行改進(jìn),最后對(duì)物品興趣程度和商品屬性評(píng)分和進(jìn)行加權(quán)推薦。

    1 ?用戶相似性度量方法

    本文對(duì)傳統(tǒng)的User?Based CF算法中的Pearson公式進(jìn)行改進(jìn),Pearson公式如下:

    傳統(tǒng)的User?Based CF有以下兩點(diǎn)問題:

    1) 用戶很少主動(dòng)對(duì)商品進(jìn)行評(píng)分,數(shù)據(jù)稀疏的問題會(huì)對(duì)用戶相似性的計(jì)算產(chǎn)生很大的影響。

    2) 沒有對(duì)商品屬性進(jìn)行挖掘,本文將計(jì)算用戶對(duì)商品屬性喜愛程度來挖掘用戶對(duì)屬性的總體偏好。

    2 ?基于商品屬性的協(xié)同過濾改進(jìn)算法的實(shí)現(xiàn)

    2.1 ?基于用戶對(duì)屬性評(píng)分的協(xié)同過濾算法改進(jìn)

    構(gòu)建用戶?屬性評(píng)分矩陣。根據(jù)用戶?商品評(píng)分?jǐn)?shù)據(jù)、商品屬性數(shù)據(jù)以及用戶評(píng)論商品個(gè)數(shù)計(jì)算用戶對(duì)商品屬性的評(píng)分。

    1) 商品屬性矩陣[X]

    商品[i]有多種屬性,每種屬性又可以分為多個(gè)屬性。[amn]表示商品[i]第[m]種屬性的第[n]個(gè)屬性,如果該商品有此屬性,則[amn]=1,否則等于0。

    2) 用戶?商品屬性值分布

    式中:[Puamn]表示用戶[u]對(duì)屬性[amn]的打分;[Iamn]表示具有屬性[amn]的商品;[Iu]表示用戶評(píng)分的商品;[r(I)]表示用戶對(duì)商品[I]的評(píng)分;[rIamn]表示用戶評(píng)價(jià)過的具有[amn]屬性的商品平均評(píng)分,以此得出用戶對(duì)屬性的評(píng)分。

    若用戶評(píng)價(jià)過的項(xiàng)目過少,會(huì)造成打分偏差,如用戶A評(píng)價(jià)過商品個(gè)數(shù)[I]過少,卻對(duì)商品打分很高,用戶就會(huì)對(duì)所有的該商品的屬性有很高的評(píng)分,忽略了用戶評(píng)論數(shù)量。[P]表示用戶評(píng)論過的商品的數(shù)量,[Q]表示一共的個(gè)數(shù)。最終得到用戶?商品屬性值矩陣[R]。

    2.2 ?基于用戶特征的用戶相似度計(jì)算改進(jìn)

    用戶屬性中引入了性別、年齡、職業(yè)屬性。用戶?屬性矩陣中,[U]表示用戶集合,[U={u1,u2,…,u}],[F]表示用戶屬性的集合,用戶[U]的屬性可以表示為[f={fu1,fu2,…,fun}]。

    1) 用戶相似度計(jì)算

    [Sim(u,v)]是Pearson公式,用于計(jì)算用戶相似度,將用戶的年齡、職業(yè)、性別屬性和Pearson公式進(jìn)行加權(quán)混合,改進(jìn)后的公式[simim(u,v)]如下:

    式中:[Pred(u,i)]是用戶[u]對(duì)商品[i]的評(píng)分;[ru]是用戶[u]評(píng)價(jià)過商品的平均分;[rvi]表示鄰居用戶[v]對(duì)[i]的評(píng)分;[rv]表示用戶[v]所評(píng)價(jià)商品的平均評(píng)分;[amn∈IPuamn]表示用戶[u]對(duì)商品[i]的所有屬性[amn]相加得到用戶[u]對(duì)商品[i]的評(píng)分;[a]表示權(quán)重,[a∈[0,1]]。

    2.3 ?基于項(xiàng)目屬性的協(xié)同過濾算法改進(jìn)流程

    輸入:商品屬性矩陣[X],用戶?商品評(píng)分矩陣

    輸出:目標(biāo)用戶推薦列表

    Step1:隨機(jī)將80%用戶?商品評(píng)分矩陣作為訓(xùn)練集,20%作為測(cè)試集;

    Step2:利用式(2)將用戶?商品評(píng)分矩陣和商品屬性矩陣轉(zhuǎn)化為用戶?屬性矩陣;

    Step3:進(jìn)行用戶相似性改進(jìn),具體見式(3);

    Step4:利用相似用戶對(duì)此用戶屬性矩陣[R]進(jìn)行填充,見式(4);

    Step5:進(jìn)行用戶推薦,目標(biāo)用戶對(duì)商品的評(píng)分是目標(biāo)商品[i]通過鄰居得到的預(yù)測(cè)評(píng)分和目標(biāo)用戶對(duì)該商品的屬性值的和加權(quán)得到最后的預(yù)測(cè)評(píng)分,具體見式(5)。

    3 ?實(shí)驗(yàn)分析

    3.1 ?數(shù)據(jù)集

    實(shí)驗(yàn)采用MovieLens數(shù)據(jù)集,有用戶評(píng)分信息、用戶信息等。本文選用電影內(nèi)容和電影地區(qū)屬性。電影一共有18個(gè)屬性:喜劇、兒童劇等;電影的地區(qū)有:美國、中國、英國等;用戶的屬性有:性別、年齡、職業(yè)。隨機(jī)將80%用戶?商品評(píng)分矩陣作為訓(xùn)練集,20%作為測(cè)試集。

    數(shù)據(jù)集選取1 000個(gè)用戶,100 210條評(píng)分?jǐn)?shù)據(jù),3 952個(gè)電影數(shù)據(jù),如表1所示。

    3.2 ?實(shí)驗(yàn)環(huán)境

    實(shí)驗(yàn)環(huán)境是Windows 7操作系統(tǒng),工具是Pycharm,語言是Python。

    3.3 ?評(píng)估指標(biāo)

    1) [F]值是為了平衡準(zhǔn)確率和召回率兩者之間的結(jié)果,將準(zhǔn)確率和召回率進(jìn)行混合。定義準(zhǔn)確率Precision、召回率Recall和[F]如下:

    3.4 ?實(shí)驗(yàn)結(jié)果分析

    3.4.1 ?參數(shù)值的確定

    求改進(jìn)后的用戶相似度權(quán)重值[a1],[a2],[a3],式(5)的[a]初始定為0.5,后續(xù)根據(jù)實(shí)驗(yàn)進(jìn)行調(diào)整。由表2可以看出,在[a1],[a2],[a3]值為0.25時(shí),MAE取得最小值,比Pearson公式的MAE下降了4%。

    在最后計(jì)算目標(biāo)用戶商品預(yù)測(cè)打分時(shí),加入了權(quán)重[a],[a]在[0,1]之間,用戶相似度權(quán)重值[a1],[a2],[a3]等于0.25,實(shí)驗(yàn)結(jié)果如圖1所示。[a]值在0~0.4,MAE的值逐漸下降,在[a]為0.4時(shí)得到最小的MAE值;從0.4~1.0之間MAE值逐漸上升;當(dāng)[a]=0.4時(shí),MAE最小。

    3.4.2 ?鄰居值和推薦個(gè)數(shù)的確定

    改進(jìn)后的算法new與Pearson,Jaccard的MAE和[F]值對(duì)比,結(jié)果如圖2,圖3所示。圖2中,改進(jìn)后的算法最優(yōu),鄰居數(shù)為35時(shí),得MAE最小值為0.75。圖3中,改進(jìn)后的算法最優(yōu),推薦個(gè)數(shù)在15~20時(shí),[F]值達(dá)到最大。

    4 ?結(jié) ?語

    本文通過提取用戶屬性和傳統(tǒng)計(jì)算用戶相似度的算法進(jìn)行加權(quán)得到改進(jìn)后的用戶相似度計(jì)算方法,再通過用戶相似度填充用戶?屬性評(píng)分的稀疏矩陣,最后給目標(biāo)用戶推薦商品時(shí),將鄰居用戶推薦商品的分?jǐn)?shù)和用戶自身對(duì)商品的評(píng)分混合加權(quán)得到最終推薦商品列表,通過實(shí)驗(yàn)表明,本文改進(jìn)后的協(xié)同過濾算法較傳統(tǒng)的協(xié)同過濾算法在推薦準(zhǔn)確度上有明顯的提高。

    注:本文通訊作者為劉聰慧。

    參考文獻(xiàn)

    [1] 孔艷莉.基于協(xié)同過濾算法的個(gè)性化推薦技術(shù)研究[D].北京:北京工業(yè)大學(xué),2016.

    [2] 項(xiàng)亮.推薦系統(tǒng)實(shí)踐[M].北京:人民郵電出版社,2012:51?58.

    [3] 張亮.基于協(xié)同過濾與劃分聚類的推薦算法研究[D].長春:吉林大學(xué),2014.

    [4] 劉文佳,張駿.改進(jìn)的協(xié)同過濾算法在電影推薦系統(tǒng)中的應(yīng)用[J].現(xiàn)代商貿(mào)工業(yè),2018(17):59?62.

    [5] 郭寧寧,王寶亮,侯永宏,等.融合社交網(wǎng)絡(luò)特征的協(xié)同過濾推薦算法[J].計(jì)算機(jī)科學(xué)與探索,2018,12(2):208?217.

    [6] KIM S?C, SUNG K?J, PARK C?S, et al. Improvement of collaborative filtering using rating normalization [J]. Multimedia tools and applications, 2016, 75(9): 4957?4968.

    [7] CHEN Chaochao, ZHENG Xiaolin, WANG Yan, et al. Capturing semantic correlation for item recommendation in tagging systems [C]// Proceedings of the 30th Conference on Artificial Intelligence. Phoenix, Arizona: AAAI, 2016: 108?114.

    [8] CHEN Hao, LI Zhongkun, HU Wei. An improved collaborative recommendation algorithm based on optimized user similarity [J]. The journal of supercomputing, 2016, 72(7): 2565?2578.

    [9] COVINGTO P, ADAM S. Deep neural networks for YouTube recommendations [C]// Proceedings of the 10th ACM Conference on Recommender Systems. Boston, MA, USA: ACM, 2016: 191?198.

    [10] CHEN Xuefeng, ZENG Yifeng, CONG Gao, et al. On information coverage for location category based point?of?interest recommendation [C]// Twenty?ninth AAAI Conference on Artificial Intelligence. Austin, Texas, USA: AAAI Press, 2015: 37?43.

    [11] AHN H J. A new similarity measure for collaborative filtering to alleviate the new user cold?starting problem [J]. Information sciences, 2008, 178(1): 37?51.

    [12] 賀懷清,計(jì)瑜,惠康華,等.一種基于稀疏分段的協(xié)同過濾推薦算法[J].現(xiàn)代電子技術(shù),2019,42(9):90?94.

    [13] 楊麗麗,袁浩浩.基于組合優(yōu)化理論的協(xié)同過濾推薦算法[J].現(xiàn)代電子技術(shù),2018,41(1):139?142.

    精品少妇黑人巨大在线播放 | 国产精品乱码一区二三区的特点| 国产黄片视频在线免费观看| 一级黄色大片毛片| 成人美女网站在线观看视频| 亚洲人与动物交配视频| 亚洲av第一区精品v没综合| 国产高清视频在线观看网站| 在线a可以看的网站| 老女人水多毛片| 日本黄色片子视频| 亚洲最大成人手机在线| 一级二级三级毛片免费看| 国产高清激情床上av| 国产精品福利在线免费观看| 熟女电影av网| 婷婷精品国产亚洲av| av专区在线播放| 99热这里只有是精品50| 国产视频内射| 日本一二三区视频观看| 69人妻影院| 卡戴珊不雅视频在线播放| 有码 亚洲区| 天天躁夜夜躁狠狠久久av| 国产精品野战在线观看| 国产久久久一区二区三区| 欧美日韩乱码在线| 国产亚洲91精品色在线| 亚洲国产精品sss在线观看| 国产熟女欧美一区二区| 三级经典国产精品| 国产熟女欧美一区二区| 国产伦在线观看视频一区| 精品久久久久久成人av| 高清毛片免费观看视频网站| 国产视频首页在线观看| 成人国产麻豆网| 26uuu在线亚洲综合色| 日本免费一区二区三区高清不卡| 少妇高潮的动态图| 中文在线观看免费www的网站| 午夜免费激情av| 一级二级三级毛片免费看| 欧美+亚洲+日韩+国产| 在线观看66精品国产| 国产精品蜜桃在线观看 | 一个人免费在线观看电影| 在线观看免费视频日本深夜| 亚洲av成人精品一区久久| 久久精品夜色国产| 国产黄色小视频在线观看| 91av网一区二区| 一个人看视频在线观看www免费| 国产美女午夜福利| 综合色丁香网| 26uuu在线亚洲综合色| 小蜜桃在线观看免费完整版高清| 免费观看的影片在线观看| 女人十人毛片免费观看3o分钟| 国产精品女同一区二区软件| 男女视频在线观看网站免费| 日韩欧美一区二区三区在线观看| 国产女主播在线喷水免费视频网站 | 99国产精品一区二区蜜桃av| 成人三级黄色视频| 日韩视频在线欧美| 在线观看午夜福利视频| 国产成人福利小说| 村上凉子中文字幕在线| 在线观看免费视频日本深夜| 国产午夜精品一二区理论片| a级毛色黄片| 一级二级三级毛片免费看| 亚洲美女视频黄频| 哪个播放器可以免费观看大片| 2022亚洲国产成人精品| 国产精品永久免费网站| 国产精品一区www在线观看| 中文字幕熟女人妻在线| 亚洲乱码一区二区免费版| 国产午夜精品论理片| 精品99又大又爽又粗少妇毛片| 91久久精品国产一区二区成人| 久久久久久伊人网av| 欧美精品一区二区大全| 久久亚洲国产成人精品v| 成人鲁丝片一二三区免费| 好男人视频免费观看在线| 日韩三级伦理在线观看| 欧美+亚洲+日韩+国产| 欧美+日韩+精品| 精品久久久久久久久久久久久| 久久人人爽人人片av| 一个人观看的视频www高清免费观看| 欧美bdsm另类| 国产免费一级a男人的天堂| 国产精品乱码一区二三区的特点| 亚洲图色成人| 一级黄片播放器| videossex国产| 欧美性猛交黑人性爽| 久久久久久久久大av| 日韩欧美 国产精品| 久久久久久久久久久免费av| 亚洲人成网站在线观看播放| 欧美高清性xxxxhd video| 成人av在线播放网站| 搡老妇女老女人老熟妇| 成年女人永久免费观看视频| 黄片wwwwww| 悠悠久久av| 一级黄色大片毛片| 天堂网av新在线| 成熟少妇高潮喷水视频| 99久久精品国产国产毛片| 超碰av人人做人人爽久久| 久久婷婷人人爽人人干人人爱| 亚洲激情五月婷婷啪啪| 欧美区成人在线视频| 欧美潮喷喷水| 午夜精品国产一区二区电影 | 精品一区二区三区人妻视频| 国产视频内射| 亚洲精品影视一区二区三区av| 国产精品,欧美在线| 欧美日本亚洲视频在线播放| 成人亚洲欧美一区二区av| 看黄色毛片网站| 亚洲精品乱码久久久v下载方式| 麻豆乱淫一区二区| 亚洲av免费高清在线观看| 天美传媒精品一区二区| av免费在线看不卡| 色噜噜av男人的天堂激情| av免费观看日本| 欧美+亚洲+日韩+国产| 精品熟女少妇av免费看| 国内精品一区二区在线观看| 国产午夜精品论理片| 久久这里有精品视频免费| 久久久a久久爽久久v久久| 99热全是精品| 久久久色成人| 午夜福利视频1000在线观看| 精品久久久久久久末码| 免费搜索国产男女视频| 18禁在线播放成人免费| 色综合站精品国产| 欧美精品国产亚洲| 丰满人妻一区二区三区视频av| 国内揄拍国产精品人妻在线| 少妇人妻一区二区三区视频| 日韩人妻高清精品专区| 91午夜精品亚洲一区二区三区| 日韩欧美精品v在线| 日本与韩国留学比较| 日韩一本色道免费dvd| 亚洲欧美日韩无卡精品| 97超视频在线观看视频| 国产国拍精品亚洲av在线观看| 国产精品三级大全| 超碰av人人做人人爽久久| av在线播放精品| 久久午夜福利片| 国产真实乱freesex| 51国产日韩欧美| 又爽又黄无遮挡网站| 亚洲久久久久久中文字幕| 尤物成人国产欧美一区二区三区| 国产av一区在线观看免费| 99久久成人亚洲精品观看| 日本一本二区三区精品| 亚洲丝袜综合中文字幕| 免费一级毛片在线播放高清视频| 午夜视频国产福利| 日韩成人伦理影院| 欧美激情久久久久久爽电影| av天堂中文字幕网| 麻豆久久精品国产亚洲av| 久久欧美精品欧美久久欧美| 精品人妻视频免费看| 26uuu在线亚洲综合色| 欧美性感艳星| 麻豆乱淫一区二区| 联通29元200g的流量卡| 国语自产精品视频在线第100页| 日韩欧美精品v在线| 色综合亚洲欧美另类图片| 久久婷婷人人爽人人干人人爱| 亚洲国产精品sss在线观看| 日韩精品有码人妻一区| a级毛片a级免费在线| 能在线免费看毛片的网站| 国产69精品久久久久777片| 国产大屁股一区二区在线视频| 两性午夜刺激爽爽歪歪视频在线观看| 麻豆久久精品国产亚洲av| 日日撸夜夜添| 免费看美女性在线毛片视频| 18禁裸乳无遮挡免费网站照片| 国产黄色视频一区二区在线观看 | 综合色av麻豆| 欧美一区二区亚洲| 日本av手机在线免费观看| 乱系列少妇在线播放| 天堂网av新在线| 高清午夜精品一区二区三区 | 1024手机看黄色片| 老司机福利观看| 99精品在免费线老司机午夜| 在线观看免费视频日本深夜| 日本五十路高清| 亚洲国产欧洲综合997久久,| 淫秽高清视频在线观看| 国产黄色小视频在线观看| 午夜爱爱视频在线播放| 中出人妻视频一区二区| 麻豆一二三区av精品| 亚洲中文字幕日韩| 色噜噜av男人的天堂激情| 国产黄片视频在线免费观看| 99热全是精品| 国产精品人妻久久久久久| 亚洲精品日韩在线中文字幕 | 亚洲精品乱码久久久v下载方式| 国产视频内射| 国产亚洲av片在线观看秒播厂 | 国产黄片视频在线免费观看| 热99re8久久精品国产| 久久草成人影院| 国产高清三级在线| 欧美不卡视频在线免费观看| 国产精品1区2区在线观看.| 看非洲黑人一级黄片| 69人妻影院| 人妻久久中文字幕网| 搞女人的毛片| 国产av在哪里看| 亚洲精品粉嫩美女一区| 成人无遮挡网站| 麻豆乱淫一区二区| 久久久精品大字幕| 高清午夜精品一区二区三区 | 国产中年淑女户外野战色| 尤物成人国产欧美一区二区三区| 久久鲁丝午夜福利片| 此物有八面人人有两片| 色综合站精品国产| 国产精品久久久久久精品电影小说 | 一区二区三区高清视频在线| 午夜a级毛片| 午夜亚洲福利在线播放| 国产精品久久久久久精品电影小说 | 91av网一区二区| 国产一区二区激情短视频| 日韩欧美精品免费久久| 成人亚洲精品av一区二区| 欧美人与善性xxx| 成人毛片60女人毛片免费| 97在线视频观看| 日韩亚洲欧美综合| 成熟少妇高潮喷水视频| 亚洲欧美成人精品一区二区| 国内精品美女久久久久久| 97超视频在线观看视频| 久久人人爽人人爽人人片va| 在线观看美女被高潮喷水网站| 国内精品宾馆在线| 欧美成人免费av一区二区三区| 看黄色毛片网站| 国产成人精品久久久久久| 免费av毛片视频| 日本av手机在线免费观看| 美女cb高潮喷水在线观看| 久久久久久久久久久丰满| 91狼人影院| 午夜福利高清视频| 国产成人91sexporn| 日日干狠狠操夜夜爽| 色视频www国产| 国产激情偷乱视频一区二区| av天堂中文字幕网| 婷婷色综合大香蕉| or卡值多少钱| 性插视频无遮挡在线免费观看| 久久精品久久久久久久性| 午夜精品一区二区三区免费看| 变态另类成人亚洲欧美熟女| 97人妻精品一区二区三区麻豆| 色哟哟·www| 给我免费播放毛片高清在线观看| 人人妻人人看人人澡| 日韩精品青青久久久久久| 成人特级av手机在线观看| 国产人妻一区二区三区在| 日韩视频在线欧美| 国内少妇人妻偷人精品xxx网站| 国产视频首页在线观看| 一级黄片播放器| 精品人妻一区二区三区麻豆| 国产老妇女一区| 国产精品,欧美在线| 久久九九热精品免费| 高清在线视频一区二区三区 | 人妻少妇偷人精品九色| 日韩一区二区视频免费看| 亚洲一区二区三区色噜噜| 深夜精品福利| 久久午夜亚洲精品久久| 国产精品麻豆人妻色哟哟久久 | 少妇熟女欧美另类| av在线亚洲专区| 亚洲欧美成人综合另类久久久 | 国产精品久久久久久精品电影小说 | 国内精品美女久久久久久| 黑人高潮一二区| 久久午夜亚洲精品久久| 成人一区二区视频在线观看| 你懂的网址亚洲精品在线观看 | 国产亚洲91精品色在线| 国产69精品久久久久777片| 国产黄片美女视频| 成年女人永久免费观看视频| 中文字幕制服av| 高清午夜精品一区二区三区 | 国内精品久久久久精免费| 国产熟女欧美一区二区| 精品久久国产蜜桃| 美女内射精品一级片tv| 天堂av国产一区二区熟女人妻| 神马国产精品三级电影在线观看| 岛国在线免费视频观看| 老女人水多毛片| 亚洲真实伦在线观看| 国产精品一及| 亚洲va在线va天堂va国产| 十八禁国产超污无遮挡网站| 神马国产精品三级电影在线观看| 乱人视频在线观看| 欧美成人精品欧美一级黄| 色综合色国产| 菩萨蛮人人尽说江南好唐韦庄 | 村上凉子中文字幕在线| 综合色丁香网| 免费看av在线观看网站| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲av中文av极速乱| 国产一区二区激情短视频| 久久国内精品自在自线图片| 午夜精品一区二区三区免费看| 中文亚洲av片在线观看爽| av又黄又爽大尺度在线免费看 | 97人妻精品一区二区三区麻豆| 欧美精品国产亚洲| 一个人观看的视频www高清免费观看| 亚洲国产色片| 在线播放国产精品三级| .国产精品久久| 国产精品国产三级国产av玫瑰| 最近的中文字幕免费完整| 欧美+日韩+精品| 久久中文看片网| 美女 人体艺术 gogo| 精品少妇黑人巨大在线播放 | 日日啪夜夜撸| 岛国在线免费视频观看| 国产精品蜜桃在线观看 | 尾随美女入室| 2022亚洲国产成人精品| 噜噜噜噜噜久久久久久91| 美女 人体艺术 gogo| 色综合色国产| 亚洲国产欧美在线一区| 国产单亲对白刺激| 亚洲国产高清在线一区二区三| 激情 狠狠 欧美| 如何舔出高潮| 黄色配什么色好看| 久久亚洲精品不卡| 国内精品宾馆在线| 看片在线看免费视频| 国产午夜精品久久久久久一区二区三区| 嫩草影院精品99| 亚洲不卡免费看| 在线观看免费视频日本深夜| 精品一区二区免费观看| 国产亚洲精品久久久com| 午夜视频国产福利| 亚洲精品日韩在线中文字幕 | 欧美3d第一页| 国产精品一区二区三区四区免费观看| 欧美bdsm另类| 插阴视频在线观看视频| 久久久精品大字幕| 天堂中文最新版在线下载 | 美女脱内裤让男人舔精品视频 | 日本一二三区视频观看| 在线国产一区二区在线| 菩萨蛮人人尽说江南好唐韦庄 | 免费看美女性在线毛片视频| 欧洲精品卡2卡3卡4卡5卡区| 美女脱内裤让男人舔精品视频 | 一个人免费在线观看电影| 青春草国产在线视频 | 插逼视频在线观看| 久久中文看片网| 1024手机看黄色片| 免费观看精品视频网站| 一区二区三区高清视频在线| 国产精品三级大全| 欧美色欧美亚洲另类二区| 色综合色国产| 亚洲国产欧洲综合997久久,| 成人性生交大片免费视频hd| 日韩,欧美,国产一区二区三区 | 22中文网久久字幕| 久久久久久大精品| 干丝袜人妻中文字幕| 国产伦一二天堂av在线观看| 美女大奶头视频| 91久久精品国产一区二区成人| 亚洲在线自拍视频| 波多野结衣高清无吗| 精品久久国产蜜桃| 韩国av在线不卡| 免费无遮挡裸体视频| 免费av毛片视频| 麻豆乱淫一区二区| 在线播放无遮挡| 久久国产乱子免费精品| 亚洲aⅴ乱码一区二区在线播放| 天堂网av新在线| eeuss影院久久| 精品一区二区三区视频在线| 欧美最新免费一区二区三区| 丰满乱子伦码专区| 久久人妻av系列| 国产极品天堂在线| 18禁裸乳无遮挡免费网站照片| 在线播放无遮挡| 亚洲欧美成人综合另类久久久 | 激情 狠狠 欧美| 国产在线精品亚洲第一网站| 亚洲国产精品sss在线观看| 国产精品嫩草影院av在线观看| 少妇熟女aⅴ在线视频| 亚洲18禁久久av| 91精品国产九色| 亚洲欧美精品自产自拍| 九九热线精品视视频播放| 欧美成人精品欧美一级黄| 久久久久久九九精品二区国产| 国产成人a∨麻豆精品| 成人高潮视频无遮挡免费网站| 亚洲欧美日韩卡通动漫| 能在线免费看毛片的网站| 久久久久国产网址| 18禁在线播放成人免费| 国产成人午夜福利电影在线观看| 国产成年人精品一区二区| 男人狂女人下面高潮的视频| 亚洲激情五月婷婷啪啪| 国产亚洲精品久久久com| 婷婷精品国产亚洲av| 一区二区三区四区激情视频 | 91麻豆精品激情在线观看国产| 老司机福利观看| 国产精品无大码| 美女 人体艺术 gogo| 精品人妻偷拍中文字幕| 欧美色视频一区免费| 亚洲电影在线观看av| 午夜老司机福利剧场| 国产精品一区二区在线观看99 | 国产伦在线观看视频一区| or卡值多少钱| 久久久欧美国产精品| 男女边吃奶边做爰视频| 一级毛片aaaaaa免费看小| 国产成人精品婷婷| 中文字幕久久专区| 亚洲av成人av| 日韩大尺度精品在线看网址| 亚州av有码| 欧美最黄视频在线播放免费| 日本爱情动作片www.在线观看| 亚洲人成网站在线播放欧美日韩| 国产中年淑女户外野战色| 在线观看一区二区三区| 日韩视频在线欧美| 日本爱情动作片www.在线观看| 高清午夜精品一区二区三区 | 亚洲美女视频黄频| 日韩一区二区视频免费看| 国产黄片视频在线免费观看| 午夜福利在线观看免费完整高清在 | 久久久久国产网址| 好男人在线观看高清免费视频| 亚洲欧美精品专区久久| 校园春色视频在线观看| avwww免费| 成年av动漫网址| 亚洲欧洲国产日韩| 亚洲图色成人| 男女做爰动态图高潮gif福利片| 成人亚洲精品av一区二区| 最新中文字幕久久久久| 蜜桃久久精品国产亚洲av| 少妇人妻一区二区三区视频| 日韩欧美国产在线观看| 激情 狠狠 欧美| av福利片在线观看| 国产中年淑女户外野战色| 草草在线视频免费看| 免费一级毛片在线播放高清视频| 免费搜索国产男女视频| 日韩人妻高清精品专区| 亚洲精品乱码久久久v下载方式| 有码 亚洲区| 岛国毛片在线播放| 乱系列少妇在线播放| 色噜噜av男人的天堂激情| 精品国内亚洲2022精品成人| 女人十人毛片免费观看3o分钟| 国产一级毛片七仙女欲春2| 成人鲁丝片一二三区免费| 免费不卡的大黄色大毛片视频在线观看 | 性插视频无遮挡在线免费观看| 久久久久久久久久久免费av| 国产精品久久久久久av不卡| 成人亚洲欧美一区二区av| 午夜免费激情av| 午夜福利在线观看免费完整高清在 | 成人美女网站在线观看视频| 亚州av有码| 免费人成在线观看视频色| 亚洲内射少妇av| 欧美日本视频| а√天堂www在线а√下载| 人人妻人人澡人人爽人人夜夜 | www.av在线官网国产| 国产高清有码在线观看视频| 欧美+日韩+精品| 一个人免费在线观看电影| 伦精品一区二区三区| 狂野欧美激情性xxxx在线观看| av专区在线播放| a级毛片免费高清观看在线播放| 美女被艹到高潮喷水动态| 国产精品人妻久久久影院| av在线老鸭窝| 黑人高潮一二区| 国产又黄又爽又无遮挡在线| 亚洲综合色惰| 日韩欧美国产在线观看| 最新中文字幕久久久久| 精品久久久久久成人av| 精品一区二区免费观看| 老女人水多毛片| 最新中文字幕久久久久| 亚洲久久久久久中文字幕| 久久精品国产亚洲av香蕉五月| 亚洲国产精品国产精品| 搡女人真爽免费视频火全软件| 亚洲欧美精品综合久久99| 欧美日韩在线观看h| 成人鲁丝片一二三区免费| 国产精品无大码| 国产单亲对白刺激| 欧美日韩在线观看h| 国产69精品久久久久777片| eeuss影院久久| 中出人妻视频一区二区| 村上凉子中文字幕在线| 久久精品夜色国产| 国产爱豆传媒在线观看| 一级黄片播放器| 亚洲精品乱码久久久久久按摩| 亚洲最大成人手机在线| 欧美日韩综合久久久久久| 欧美激情在线99| 岛国毛片在线播放| 一区二区三区四区激情视频 | 国产精品av视频在线免费观看| 91精品国产九色| 久久国产乱子免费精品| 亚洲国产精品久久男人天堂| 丰满的人妻完整版| 黄色欧美视频在线观看| 色哟哟·www| 搞女人的毛片| 六月丁香七月| 亚洲第一区二区三区不卡| 国产亚洲精品久久久com| 色哟哟哟哟哟哟| 简卡轻食公司| 久久欧美精品欧美久久欧美| 久久99热6这里只有精品| 成人三级黄色视频| 成年av动漫网址| 免费av毛片视频| 精品久久久久久久久久免费视频| 中文精品一卡2卡3卡4更新| 免费观看精品视频网站| 国产一区二区激情短视频| 可以在线观看毛片的网站| 亚洲精品粉嫩美女一区| 国产伦理片在线播放av一区 | 美女高潮的动态| 国产 一区精品| 晚上一个人看的免费电影| www.色视频.com| 十八禁国产超污无遮挡网站| 久久精品综合一区二区三区|