• <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 ?

    矩陣分解技術(shù)在電影推薦系統(tǒng)中的應(yīng)用

    2021-02-04 06:53:44蔡崇超許華虎
    軟件導(dǎo)刊 2021年1期
    關(guān)鍵詞:梯度社交矩陣

    蔡崇超,許華虎

    (1.上海大學(xué)計(jì)算機(jī)工程與科學(xué)學(xué)院,上海 200444;2.湖州職業(yè)技術(shù)學(xué)院物流與信息工程學(xué)院,浙江湖州 313000)

    0 引言

    為解決社交網(wǎng)絡(luò)信息過載問題,需引入用戶或內(nèi)容推薦系統(tǒng)。傳統(tǒng)的推薦系統(tǒng)以協(xié)同過濾算法為主,該算法沒有考慮到社交網(wǎng)絡(luò)中不同用戶之間的關(guān)聯(lián)關(guān)系對(duì)推薦結(jié)果的影響。并且,在社交網(wǎng)絡(luò)研究過程中發(fā)現(xiàn),大多數(shù)用戶對(duì)于內(nèi)容的評(píng)論較少,絕大多數(shù)內(nèi)容由少數(shù)人產(chǎn)生,即存在著稀疏矩陣問題。

    本文主要研究基于社交網(wǎng)絡(luò)關(guān)系的推薦系統(tǒng)在電影領(lǐng)域的應(yīng)用情況。隨著移動(dòng)互聯(lián)網(wǎng)在人們?nèi)粘I钪械娜鏉B透,互聯(lián)網(wǎng)公司往往應(yīng)用千人千面技術(shù)增加用戶粘度,在影視領(lǐng)域這種情況更加普遍。

    相比而言,電影點(diǎn)評(píng)推薦相關(guān)研究開展得較早。目前,在推薦系統(tǒng)領(lǐng)域較為成熟的電影數(shù)據(jù)集有很多,例如movielens[1]、Netflix[2]、Douban[3],以上都是推薦系統(tǒng)較為常用的數(shù)據(jù)集,本實(shí)驗(yàn)主要在Douban 和Netflix 上進(jìn)行。

    協(xié)同過濾推薦算法[4-5]在電影推薦領(lǐng)域較為常見,該算法通過記錄用戶行為預(yù)測(cè)用戶喜好,進(jìn)而完成電影推薦任務(wù)。王駿等[4]通過改進(jìn)神經(jīng)協(xié)同過濾模型,利用多層感知機(jī)的非線性特征處理提取隱含高階特征信息以及貝葉斯個(gè)性化排序算法提取排序信息,使推薦更加精準(zhǔn),但是該方法忽略了社交網(wǎng)絡(luò)中用戶之間關(guān)系的影響力。隨著社交網(wǎng)絡(luò)的興起,用戶之間有了更加復(fù)雜的關(guān)聯(lián)關(guān)系,這使得單純的協(xié)同過濾算法推薦精度有所下降。

    在社交網(wǎng)絡(luò)中用戶之間的社交關(guān)系和用戶發(fā)布的內(nèi)容往往有很強(qiáng)的關(guān)聯(lián)性[6-7],人們總是傾向于關(guān)注與自己興趣點(diǎn)近似的人群。Koren 等[2]首次將矩陣分解技術(shù)引入電影推薦系統(tǒng)中,不過其當(dāng)時(shí)的數(shù)據(jù)集較小,同時(shí)僅僅將其應(yīng)用到了一個(gè)數(shù)據(jù)集,本文實(shí)驗(yàn)擴(kuò)展了Koren 等的數(shù)據(jù)集規(guī)模。肖曉麗等[3]通過引入信任機(jī)制,通過定義直接信任、間接信任、傳遞路徑和計(jì)算方法度量社交網(wǎng)絡(luò)用戶之間隱含的信任值,將社交網(wǎng)絡(luò)轉(zhuǎn)換為信任網(wǎng)絡(luò),為推薦系統(tǒng)中基于用戶關(guān)系提升推薦精度提供了理論依據(jù)。

    本文的創(chuàng)新之處在于,傳統(tǒng)的電影推薦系統(tǒng)主要以協(xié)同過濾算法推薦為主,很少將社交網(wǎng)絡(luò)信息作為重要參考,本文通過矩陣分解技術(shù)[2,8-9]設(shè)置特征參數(shù)、損失函數(shù)、隨機(jī)梯度下降等方法對(duì)推薦系統(tǒng)的精度進(jìn)行改進(jìn),同時(shí)融合社交網(wǎng)絡(luò)用戶信息關(guān)系,進(jìn)而提升推薦系統(tǒng)精度。由實(shí)驗(yàn)結(jié)果可知,在兩個(gè)實(shí)驗(yàn)數(shù)據(jù)集上精度分別提高62%、51%。

    1 相關(guān)問題

    社交網(wǎng)絡(luò)是一個(gè)巨大的實(shí)時(shí)信息傳播平臺(tái),根據(jù)用戶發(fā)布的內(nèi)容尋找相似用戶,可以找到自己感興趣的電影或內(nèi)容,Massa 等[10]于2004 年提出將社交網(wǎng)絡(luò)中的相互關(guān)系融入推薦算法中構(gòu)建推薦模型。Lin & Gemmis 等[11-12]通過構(gòu)建用戶—項(xiàng)目評(píng)分矩陣進(jìn)行用戶相似度計(jì)算,以提升推薦系統(tǒng)精確度。

    傳統(tǒng)的推薦系統(tǒng)假設(shè)用戶是獨(dú)立且分布相同,這種假設(shè)忽略了使用者的社交關(guān)系。在類似于電影社交網(wǎng)絡(luò)領(lǐng)域,網(wǎng)絡(luò)中的不確定關(guān)系往往成為影響推薦精度的重要因素,如果兩個(gè)用戶興趣相同,觀點(diǎn)相近,那么認(rèn)為他們之間的關(guān)聯(lián)關(guān)系會(huì)大于那些具有不同興趣和關(guān)注內(nèi)容的人。如果兩個(gè)人喜歡電影的個(gè)數(shù)超過一定比例,則認(rèn)為他們有相同的欣賞品味,這種社交網(wǎng)絡(luò)關(guān)系可以在很大程度上影響推薦結(jié)果。

    1.1 矩陣分解技術(shù)

    對(duì)于一個(gè)電影推薦系統(tǒng)而言,其用戶和電影之間的關(guān)系轉(zhuǎn)換為一個(gè)user-item 矩陣。矩陣中的行代表用戶,列代表電影。若用戶對(duì)電影有過評(píng)分,則矩陣中處于用戶對(duì)應(yīng)行與電影對(duì)應(yīng)列的交叉位置表示用戶對(duì)電影的分值,該矩陣被稱為評(píng)分矩陣。通過矩陣分解技術(shù)[13-14],可以將us?er-item 評(píng)分矩陣分解為2 個(gè)低秩的用戶電影矩陣,同時(shí)降低計(jì)算復(fù)雜度。利用線性回歸思想,通過最小化觀察數(shù)據(jù)的平方尋求最優(yōu)用戶和項(xiàng)目的隱含向量表示,進(jìn)而用于預(yù)測(cè)缺失評(píng)分。

    1.2 梯度下降算法

    求解矩陣分解最優(yōu)化問題時(shí),本文采用梯度下降法(Gradient Descent),其核心思想是沿梯度下降方向逐步迭代。梯度是一個(gè)向量,表示一個(gè)函數(shù)在該點(diǎn)處沿梯度方向變化最快,變化率最大,而梯度下降方向指負(fù)梯度方向。在實(shí)際實(shí)驗(yàn)過程中采用隨機(jī)梯度下降算法,隨機(jī)梯度下降算法[15-17]指在迭代過程中隨機(jī)選擇一個(gè)或幾個(gè)樣本的梯度替代總體梯度,從而極大降低了計(jì)算復(fù)雜度。本文求解目標(biāo)函數(shù)最小化方法使用的就是隨機(jī)梯度下降算法。

    Fig.1 Relationship among user,topic and latent factor matrix圖1 用戶、主題、潛在因子矩陣之間的關(guān)系

    2 基于矩陣分解技術(shù)的電影推薦系統(tǒng)

    矩陣分解技術(shù)用途十分廣泛,基于矩陣分解技術(shù)的電影推薦系統(tǒng)可以解決傳統(tǒng)推薦系統(tǒng)技術(shù)中存在的矩陣稀疏、冷啟動(dòng)等問題。本文首先分析基礎(chǔ)矩陣分解技術(shù),然后考慮損失函數(shù)構(gòu)建,最后通過梯度下降算法進(jìn)行最小值求解。

    2.1 基礎(chǔ)矩陣分解技術(shù)

    通過矩陣分解技術(shù)構(gòu)建了一個(gè)用戶—電影矩陣。在該推薦系統(tǒng)中用戶集合U={U1,U2,…Um}。電影集合M={M1,M2,…Mm},用戶對(duì)電影的評(píng)分矩陣R={Rut},其中,Rum 表示用戶u對(duì)電影m的評(píng)分,每一部電影都得到一個(gè)向量q,每一個(gè)用戶也得到一個(gè)向量p,如式(1)所示。

    為了防止過擬合問題,加入正則化λ(‖pu‖2+‖qi‖2),λ為正則化參數(shù)。最終得到求解公式如式(2)所示。

    接下來利用求最小值方法計(jì)算出新評(píng)分矩陣的各項(xiàng)參數(shù)值。

    2.2 損失函數(shù)構(gòu)建

    當(dāng)在電影社交網(wǎng)絡(luò)中的兩個(gè)用戶同時(shí)討論一個(gè)電影,其中一個(gè)較為偏激,針對(duì)某一個(gè)話題經(jīng)常表達(dá)較為悲觀的情緒,而另一個(gè)用戶則顯示出較為正面的情緒。在電影選取過程中,由于電影分布不同也可能存在偏差。對(duì)于用戶而言,不同的用戶針對(duì)相同電影表現(xiàn)出的情感傾向性的激烈程度并不相同。此外,同一個(gè)用戶針對(duì)不同的電影時(shí),表現(xiàn)出的情感傾向性也不同。為此,通過Koren 等[2]的研究表明,在推薦系統(tǒng)中考慮用戶和主題偏差可以有效改進(jìn)系統(tǒng)的推薦精度。矩陣分解模型通過明確考慮以下偏差參數(shù)解決這些問題,如式(3)所示。

    其中,bu代表了用戶偏差,bi代表電影偏差。將偏差計(jì)算整合到式(1)中,得到公式如式(4)所示。

    2.3 最小值求解

    建立評(píng)分矩陣和損失函數(shù)后,需通過優(yōu)化算法進(jìn)行最小值求解。本文使用隨機(jī)梯度下降算法進(jìn)行最小值求解,過程如式(5)—式(8)所示。

    對(duì)于目標(biāo)函數(shù)式(4),對(duì)其進(jìn)行求梯度,如式(5)—式(6)所示。

    利用梯度下降進(jìn)行最小值求解,如式(7)—式(8)所示。

    通過上述隨機(jī)梯度算法,對(duì)分解后的矩陣進(jìn)行參數(shù)估計(jì),得到相應(yīng)的矩陣參數(shù)。

    2.4 算法流程

    本文首先對(duì)數(shù)據(jù)進(jìn)行抽取式整理,其次根據(jù)測(cè)試數(shù)據(jù)比例進(jìn)行實(shí)驗(yàn),設(shè)置矩陣分解模型參數(shù)并進(jìn)行不同角度的觀察,最后利用梯度下降算法得到最優(yōu)解。流程如圖2 所示。

    Fig.2 Process of algorithm圖2 算法過程

    4 實(shí)驗(yàn)設(shè)計(jì)與分析

    4.1 數(shù)據(jù)集分析

    本文選擇Douban 電影評(píng)論和Netflix 數(shù)據(jù)集作為社會(huì)推薦的參考數(shù)據(jù)集。

    Douban 是一個(gè)以電影評(píng)論為主的社交網(wǎng)站。用戶注冊(cè)后,能夠?qū)ζ渌呀?jīng)發(fā)布的電影或即將發(fā)布的電影發(fā)布評(píng)論和打分,評(píng)分登記是1~5 的整數(shù)。這些評(píng)價(jià)分?jǐn)?shù)和評(píng)論會(huì)影響其它網(wǎng)站用戶,是一部電影是否值得觀看的依據(jù)。網(wǎng)站用戶之間可以有關(guān)注和被關(guān)注的關(guān)系,評(píng)論內(nèi)容有短評(píng)和長(zhǎng)評(píng)。本文實(shí)驗(yàn)中使用的數(shù)據(jù)集來源于豆瓣網(wǎng)站,tsv 文件總大小為46.8M,包括94 890 個(gè)用戶,共有81 906個(gè)不同項(xiàng)目,每個(gè)用戶至少有一次評(píng)論,總共有11 742 260條評(píng)論。在實(shí)驗(yàn)過程中為了考察不同數(shù)據(jù)集大小情況,分別選取K 篇文章的所有評(píng)論進(jìn)行試驗(yàn),K 的大小分別為5、10、15、20、25。選取這些數(shù)據(jù)內(nèi)容是為了與Netflix 數(shù)據(jù)集規(guī)模保持一致,方便對(duì)比。

    Netflix 數(shù)據(jù)集由Netflix 網(wǎng)站提供,該數(shù)據(jù)總計(jì)有100萬(wàn)用戶評(píng)論,其中評(píng)論用戶500 000,電影總計(jì)17 000 部。每一個(gè)點(diǎn)評(píng)的評(píng)分在1~5 區(qū)間。在實(shí)驗(yàn)過程中,分別選取10 000、25 000、50 000、75 000、100 000 條評(píng)論數(shù)據(jù)作為試驗(yàn)數(shù)據(jù)。數(shù)據(jù)集規(guī)模如表1 所示,其中豆瓣電影數(shù)據(jù)集以討論的電影數(shù)目進(jìn)行分類,Netflix 數(shù)據(jù)集以評(píng)論數(shù)據(jù)進(jìn)行分類。從整體看,評(píng)論數(shù)目的規(guī)模較為相近。

    Table 1 Dataset size表1 數(shù)據(jù)集規(guī)模

    4.2 評(píng)價(jià)指標(biāo)與模型參數(shù)

    采用均方根誤差RMSE 和評(píng)價(jià)絕對(duì)誤差MAE 對(duì)試驗(yàn)結(jié)果進(jìn)行評(píng)價(jià)。這兩個(gè)評(píng)價(jià)指標(biāo)的值越低表示預(yù)測(cè)準(zhǔn)確度越高。

    矩陣分解模型是本次實(shí)驗(yàn)的主要貢獻(xiàn),除原本矩陣外,主要參數(shù)有4 個(gè),如表2 所示。

    Table 2 Parameters and values表2 參數(shù)含義和取值范圍

    其中,K 表示潛在用戶特征向量個(gè)數(shù),將其取值范圍設(shè)定為2~10。

    Alpha 表示學(xué)習(xí)率(learning rate),代表梯度下降算法中迭代步長(zhǎng)。學(xué)習(xí)率一般不宜過大,過大時(shí),迭代過程會(huì)出現(xiàn)震蕩現(xiàn)象。在實(shí)驗(yàn)過程中,將其值設(shè)置為0.01。

    Beta 表示過擬合參數(shù),在實(shí)驗(yàn)過程中將其設(shè)置為0.01。在進(jìn)行梯度下降算法求解過程中可能會(huì)造成過擬合問題,所謂過擬合,就是過分地?cái)M合了樣本數(shù)據(jù),造成引入了大量噪音,無(wú)法呈現(xiàn)原本規(guī)律,但又無(wú)法針對(duì)特殊樣本數(shù)據(jù)進(jìn)行剔除,因此干脆對(duì)所有參數(shù)加入隨機(jī)因子,即正則項(xiàng)。正則化是降低過擬合問題的常見手段。

    Iterations 表示迭代次數(shù),迭代次數(shù)越多,準(zhǔn)確度越高,但是相應(yīng)的計(jì)算開銷也會(huì)增大,在實(shí)驗(yàn)過程中將其值的范圍設(shè)定為10~100。

    4.3 實(shí)驗(yàn)結(jié)果與分析

    依據(jù)上述數(shù)據(jù)集、評(píng)價(jià)指標(biāo)和模型參數(shù)設(shè)置等內(nèi)容,通過實(shí)驗(yàn)觀察該模型如何改變推薦精度。

    首先將本文提出的模型應(yīng)用于豆瓣數(shù)據(jù)集中,數(shù)據(jù)集規(guī)模按照評(píng)論個(gè)數(shù)劃分為45 872、70 220、90 819、111 793、164 122。具體結(jié)果如表3 所示。

    Table 3 Evaluation values表3 評(píng)測(cè)值

    RMSE 的值表示對(duì)原始電影評(píng)論集設(shè)置測(cè)試用例比例后得到的RMSE 誤差,MF-RMSE 表示應(yīng)用本文提到的矩陣分解技術(shù)后得到的RMSE 值??梢钥闯觯琈F-RMSE 對(duì)于推薦精度有了較大提升。同時(shí)還可以看出,隨著評(píng)論數(shù)即樣本數(shù)據(jù)的增加,無(wú)論是Douban 數(shù)據(jù)集還是Netflix 數(shù)據(jù)集,評(píng)論精度有較大幅度提升,具體如圖3 和圖4 所示。

    Fig.3 Douban dataset圖3 Douban 數(shù)據(jù)集

    Fig.4 Netflix dataset圖4 Netflix 數(shù)據(jù)集

    通過上述實(shí)驗(yàn)內(nèi)容可以看出,使用矩陣分解技術(shù)前后,推薦系統(tǒng)的準(zhǔn)確度有了相應(yīng)提升。隨著數(shù)據(jù)集的增加,推薦精度也會(huì)有相應(yīng)增加,但是增長(zhǎng)幅度會(huì)有所減小,數(shù)據(jù)集規(guī)模達(dá)到一定程度后,要提高精度有一定難度。上述兩個(gè)實(shí)驗(yàn)雖然基于不同的數(shù)據(jù)集,但是數(shù)據(jù)規(guī)模較為相似,得到的數(shù)據(jù)結(jié)論也較為相似,因此本文提出的算法頗具代表性。

    5 結(jié)語(yǔ)

    本文提出了一種矩陣分解算法,將其應(yīng)用到電影推薦系統(tǒng)中。該算法通過融合用戶和電影內(nèi)容之間的評(píng)分機(jī)制,利用矩陣分解技術(shù)進(jìn)行內(nèi)容推薦,首先將用戶—電影評(píng)分矩陣分解為用戶潛在因子矩陣和主題潛在因子矩陣,然后引入損失函數(shù)防止出現(xiàn)過擬合現(xiàn)象,最后利用梯度下降算法進(jìn)行最優(yōu)值求解。將該方法應(yīng)用于Douban 電影數(shù)據(jù)集和Netflix 電影數(shù)據(jù)集后取得了較好效果。在未來工作中,可將用戶之間的關(guān)聯(lián)關(guān)系和動(dòng)態(tài)內(nèi)容作為一個(gè)重要因素整合到模型中,以更好地提高推薦系統(tǒng)精度。

    猜你喜歡
    梯度社交矩陣
    社交之城
    社交牛人癥該怎么治
    意林彩版(2022年2期)2022-05-03 10:25:08
    一個(gè)改進(jìn)的WYL型三項(xiàng)共軛梯度法
    一種自適應(yīng)Dai-Liao共軛梯度法
    社交距離
    一類扭積形式的梯度近Ricci孤立子
    你回避社交,真不是因?yàn)閮?nèi)向
    文苑(2018年17期)2018-11-09 01:29:28
    初等行變換與初等列變換并用求逆矩陣
    矩陣
    南都周刊(2015年4期)2015-09-10 07:22:44
    矩陣
    南都周刊(2015年3期)2015-09-10 07:22:44
    免费在线观看视频国产中文字幕亚洲 | 人人妻人人澡人人看| 亚洲成av片中文字幕在线观看| 99久久人妻综合| 国产成人欧美| 亚洲伊人色综图| 日韩视频在线欧美| 另类亚洲欧美激情| 国产精品麻豆人妻色哟哟久久| 国产淫语在线视频| 久久精品国产a三级三级三级| 国产深夜福利视频在线观看| 亚洲精品国产av蜜桃| 亚洲精品国产区一区二| 老汉色∧v一级毛片| 欧美 日韩 精品 国产| 晚上一个人看的免费电影| 中文字幕亚洲精品专区| 麻豆乱淫一区二区| 水蜜桃什么品种好| 色婷婷久久久亚洲欧美| 欧美日韩国产mv在线观看视频| av国产久精品久网站免费入址| av不卡在线播放| 777久久人妻少妇嫩草av网站| 狂野欧美激情性bbbbbb| 欧美精品亚洲一区二区| 最近的中文字幕免费完整| 建设人人有责人人尽责人人享有的| 欧美日韩精品网址| av不卡在线播放| 丝袜脚勾引网站| 国产精品一二三区在线看| 亚洲精品成人av观看孕妇| 青春草国产在线视频| 国产在视频线精品| 国产精品 欧美亚洲| 人人妻人人澡人人看| 一区在线观看完整版| 亚洲av男天堂| 国产精品免费大片| 十分钟在线观看高清视频www| av又黄又爽大尺度在线免费看| 亚洲欧洲日产国产| 我的亚洲天堂| 欧美日韩视频高清一区二区三区二| xxxhd国产人妻xxx| 国产99久久九九免费精品| 久久精品国产综合久久久| 天美传媒精品一区二区| 黑人欧美特级aaaaaa片| 日本av手机在线免费观看| av国产久精品久网站免费入址| 一边摸一边抽搐一进一出视频| 亚洲欧美日韩另类电影网站| 亚洲精品国产区一区二| 久久精品国产a三级三级三级| 在线观看人妻少妇| 国产精品久久久人人做人人爽| 人妻一区二区av| 日韩熟女老妇一区二区性免费视频| 久久久久久久久久久免费av| 交换朋友夫妻互换小说| 一区二区三区精品91| 亚洲av成人精品一二三区| 一边亲一边摸免费视频| 欧美久久黑人一区二区| 校园人妻丝袜中文字幕| 久久精品国产综合久久久| av电影中文网址| a级毛片黄视频| 亚洲精品国产区一区二| 女的被弄到高潮叫床怎么办| 亚洲图色成人| 赤兔流量卡办理| 免费在线观看完整版高清| 久久精品人人爽人人爽视色| 国产男女超爽视频在线观看| 欧美xxⅹ黑人| 久久久亚洲精品成人影院| 最黄视频免费看| 一本色道久久久久久精品综合| 国产人伦9x9x在线观看| 91精品国产国语对白视频| 我要看黄色一级片免费的| 国产乱来视频区| 韩国精品一区二区三区| 午夜福利乱码中文字幕| 国产一区二区激情短视频 | 亚洲五月色婷婷综合| 激情视频va一区二区三区| 亚洲伊人色综图| 国产精品久久久人人做人人爽| 黄色视频不卡| 天堂中文最新版在线下载| 亚洲精品自拍成人| 91aial.com中文字幕在线观看| 婷婷色综合大香蕉| 日韩大片免费观看网站| 丰满迷人的少妇在线观看| 卡戴珊不雅视频在线播放| 在现免费观看毛片| 精品国产超薄肉色丝袜足j| 欧美av亚洲av综合av国产av | 免费av中文字幕在线| 久久99热这里只频精品6学生| 不卡av一区二区三区| 久久久久国产精品人妻一区二区| 嫩草影视91久久| 两个人免费观看高清视频| 国产免费现黄频在线看| 男女边摸边吃奶| 精品久久久久久电影网| 欧美国产精品一级二级三级| av国产精品久久久久影院| 侵犯人妻中文字幕一二三四区| 九九爱精品视频在线观看| 日韩一区二区视频免费看| 久久久久久久久久久免费av| 丝袜人妻中文字幕| 女人精品久久久久毛片| 日本av手机在线免费观看| 一级黄片播放器| 国产成人系列免费观看| 女性生殖器流出的白浆| 老鸭窝网址在线观看| 日韩精品有码人妻一区| 91老司机精品| 老司机亚洲免费影院| 婷婷成人精品国产| 男人添女人高潮全过程视频| 亚洲精品美女久久av网站| 老鸭窝网址在线观看| 精品一区二区免费观看| 亚洲国产精品一区三区| 午夜91福利影院| 日韩一区二区三区影片| 十八禁高潮呻吟视频| 久久毛片免费看一区二区三区| 亚洲人成77777在线视频| 成人手机av| 精品午夜福利在线看| av在线播放精品| 狂野欧美激情性bbbbbb| 久久久国产欧美日韩av| 国产成人一区二区在线| 亚洲七黄色美女视频| 美女主播在线视频| 国产精品三级大全| 日韩成人av中文字幕在线观看| 国产老妇伦熟女老妇高清| 日韩一区二区三区影片| 日韩视频在线欧美| 午夜福利免费观看在线| 精品福利永久在线观看| 日韩制服骚丝袜av| 两个人看的免费小视频| 亚洲欧美精品综合一区二区三区| 久久人人97超碰香蕉20202| av网站免费在线观看视频| 亚洲国产精品一区二区三区在线| 久久性视频一级片| 亚洲av福利一区| 精品卡一卡二卡四卡免费| 婷婷色综合www| 国产爽快片一区二区三区| a级片在线免费高清观看视频| 免费观看人在逋| 亚洲熟女精品中文字幕| 国产激情久久老熟女| 99九九在线精品视频| 欧美 日韩 精品 国产| kizo精华| 欧美在线一区亚洲| 精品午夜福利在线看| 午夜91福利影院| 18禁动态无遮挡网站| 人妻一区二区av| 久久久久久久久久久久大奶| 日本vs欧美在线观看视频| 丁香六月欧美| 婷婷色av中文字幕| 日韩电影二区| 黄频高清免费视频| 日日撸夜夜添| 亚洲 欧美一区二区三区| 亚洲精品成人av观看孕妇| 青春草视频在线免费观看| 国产高清不卡午夜福利| 街头女战士在线观看网站| 亚洲欧洲精品一区二区精品久久久 | 各种免费的搞黄视频| 七月丁香在线播放| 亚洲国产精品一区三区| 精品少妇一区二区三区视频日本电影 | 老司机靠b影院| 少妇被粗大的猛进出69影院| 亚洲av日韩在线播放| 成人国语在线视频| 男男h啪啪无遮挡| 国产精品久久久久久久久免| 国产一卡二卡三卡精品 | 自拍欧美九色日韩亚洲蝌蚪91| 十分钟在线观看高清视频www| 伦理电影免费视频| 欧美日韩视频高清一区二区三区二| 精品少妇内射三级| 国产精品嫩草影院av在线观看| 丰满饥渴人妻一区二区三| 国产免费又黄又爽又色| 高清视频免费观看一区二区| 最近中文字幕2019免费版| 最近最新中文字幕大全免费视频 | 久久久亚洲精品成人影院| 爱豆传媒免费全集在线观看| 99九九在线精品视频| 一个人免费看片子| 欧美激情高清一区二区三区 | 如何舔出高潮| 亚洲国产日韩一区二区| 在线观看免费午夜福利视频| 久久精品国产综合久久久| tube8黄色片| 国产在线免费精品| 亚洲天堂av无毛| 国产高清国产精品国产三级| 97精品久久久久久久久久精品| 国产精品久久久av美女十八| 性高湖久久久久久久久免费观看| 午夜av观看不卡| 亚洲av电影在线观看一区二区三区| 国语对白做爰xxxⅹ性视频网站| 亚洲精品国产av蜜桃| 亚洲成人av在线免费| 国产精品秋霞免费鲁丝片| 免费观看性生交大片5| 国产精品久久久久久精品古装| 午夜福利,免费看| 婷婷色麻豆天堂久久| 国产精品无大码| svipshipincom国产片| 亚洲四区av| 成年动漫av网址| 亚洲七黄色美女视频| 18禁裸乳无遮挡动漫免费视频| 亚洲国产最新在线播放| 亚洲国产精品国产精品| 久久久国产精品麻豆| 大码成人一级视频| 麻豆精品久久久久久蜜桃| 男女床上黄色一级片免费看| 观看av在线不卡| 夜夜骑夜夜射夜夜干| 波多野结衣av一区二区av| 色94色欧美一区二区| 一区二区av电影网| 日本av手机在线免费观看| 亚洲成人一二三区av| 亚洲,欧美精品.| 如日韩欧美国产精品一区二区三区| 国产精品女同一区二区软件| 啦啦啦啦在线视频资源| 十八禁网站网址无遮挡| 香蕉国产在线看| 青青草视频在线视频观看| 悠悠久久av| 性高湖久久久久久久久免费观看| 欧美精品一区二区免费开放| 青春草亚洲视频在线观看| 国产亚洲av高清不卡| 1024香蕉在线观看| 只有这里有精品99| 亚洲国产精品一区三区| 国产日韩欧美视频二区| 国产精品二区激情视频| 国产精品成人在线| 两个人看的免费小视频| 黄色 视频免费看| 欧美黄色片欧美黄色片| 欧美日韩一级在线毛片| 久久久久久免费高清国产稀缺| 在线观看免费视频网站a站| 欧美在线一区亚洲| www.精华液| 亚洲欧美一区二区三区国产| 一区二区日韩欧美中文字幕| 这个男人来自地球电影免费观看 | 一级爰片在线观看| 成人毛片60女人毛片免费| 色综合欧美亚洲国产小说| 麻豆精品久久久久久蜜桃| 久久亚洲国产成人精品v| 国产精品偷伦视频观看了| 久久ye,这里只有精品| 秋霞在线观看毛片| 尾随美女入室| 两性夫妻黄色片| 精品久久久精品久久久| 精品人妻一区二区三区麻豆| 男女之事视频高清在线观看 | 日韩一本色道免费dvd| 久久久久人妻精品一区果冻| 性色av一级| 性高湖久久久久久久久免费观看| 最近最新中文字幕免费大全7| 曰老女人黄片| 午夜福利,免费看| 免费在线观看黄色视频的| 国产成人a∨麻豆精品| 自线自在国产av| 欧美xxⅹ黑人| 男女高潮啪啪啪动态图| 国产精品久久久久久精品古装| 久久鲁丝午夜福利片| 婷婷色综合大香蕉| 久久韩国三级中文字幕| 亚洲精品一区蜜桃| 51午夜福利影视在线观看| 欧美中文综合在线视频| 久久人人爽人人片av| 99国产精品免费福利视频| 国产一区亚洲一区在线观看| 亚洲欧美日韩另类电影网站| 黄片小视频在线播放| 日韩精品有码人妻一区| 99久久99久久久精品蜜桃| 午夜影院在线不卡| 日韩大码丰满熟妇| 成人18禁高潮啪啪吃奶动态图| 国产无遮挡羞羞视频在线观看| 九草在线视频观看| 精品一区二区免费观看| 欧美日韩精品网址| 国产探花极品一区二区| 七月丁香在线播放| 国产精品一二三区在线看| 久久久国产精品麻豆| 国产亚洲欧美精品永久| 麻豆乱淫一区二区| 成年人免费黄色播放视频| av福利片在线| 亚洲国产最新在线播放| 一区福利在线观看| 中文欧美无线码| 男男h啪啪无遮挡| 男女无遮挡免费网站观看| 日本av免费视频播放| 亚洲欧美一区二区三区久久| 80岁老熟妇乱子伦牲交| 午夜av观看不卡| 好男人视频免费观看在线| 国产精品香港三级国产av潘金莲 | 黄频高清免费视频| 久久久久精品国产欧美久久久 | 黄频高清免费视频| 久久午夜综合久久蜜桃| 999久久久国产精品视频| 美女脱内裤让男人舔精品视频| 精品一区在线观看国产| 国产爽快片一区二区三区| 你懂的网址亚洲精品在线观看| 免费av中文字幕在线| 欧美成人精品欧美一级黄| 免费观看人在逋| 观看美女的网站| 天天躁狠狠躁夜夜躁狠狠躁| 电影成人av| 丝袜美足系列| 午夜福利乱码中文字幕| 亚洲精品,欧美精品| 久久 成人 亚洲| 精品一品国产午夜福利视频| 日本av免费视频播放| 亚洲综合精品二区| 久久久精品免费免费高清| 日本色播在线视频| 超碰成人久久| 高清视频免费观看一区二区| 精品久久久久久电影网| 曰老女人黄片| 90打野战视频偷拍视频| 美女扒开内裤让男人捅视频| 国产精品蜜桃在线观看| 黄频高清免费视频| 精品久久蜜臀av无| 热re99久久精品国产66热6| 亚洲欧美精品自产自拍| 黄片播放在线免费| 欧美在线黄色| 亚洲一卡2卡3卡4卡5卡精品中文| 一本大道久久a久久精品| 18禁国产床啪视频网站| 菩萨蛮人人尽说江南好唐韦庄| 久久精品亚洲熟妇少妇任你| 看免费成人av毛片| 男女边吃奶边做爰视频| 亚洲av成人不卡在线观看播放网 | 自线自在国产av| 国产精品 国内视频| 嫩草影院入口| 久久天堂一区二区三区四区| 日韩一卡2卡3卡4卡2021年| 亚洲欧美精品综合一区二区三区| 黄色一级大片看看| 大码成人一级视频| 国产日韩欧美视频二区| 欧美日韩亚洲综合一区二区三区_| 亚洲精品国产色婷婷电影| 人人妻,人人澡人人爽秒播 | 捣出白浆h1v1| 黑人猛操日本美女一级片| 在线观看人妻少妇| 欧美日韩视频精品一区| 在现免费观看毛片| 久久国产精品大桥未久av| 人人澡人人妻人| 精品一品国产午夜福利视频| 亚洲视频免费观看视频| 69精品国产乱码久久久| 久久久久精品性色| 最近中文字幕2019免费版| 丰满迷人的少妇在线观看| 国产又爽黄色视频| 国产极品粉嫩免费观看在线| 啦啦啦啦在线视频资源| 天天躁夜夜躁狠狠久久av| av卡一久久| 久久鲁丝午夜福利片| 精品一区在线观看国产| 免费少妇av软件| 少妇被粗大猛烈的视频| 韩国av在线不卡| 亚洲一码二码三码区别大吗| 嫩草影院入口| 人妻一区二区av| 国产精品免费大片| 丝瓜视频免费看黄片| 亚洲美女黄色视频免费看| 建设人人有责人人尽责人人享有的| 亚洲欧美一区二区三区黑人| 国产免费视频播放在线视频| 亚洲精品一二三| 又粗又硬又长又爽又黄的视频| 嫩草影视91久久| 亚洲美女视频黄频| 精品国产超薄肉色丝袜足j| 1024视频免费在线观看| 高清欧美精品videossex| 久久国产精品大桥未久av| 国产1区2区3区精品| 国产午夜精品一二区理论片| 亚洲综合色网址| 涩涩av久久男人的天堂| 赤兔流量卡办理| 精品亚洲乱码少妇综合久久| 最新的欧美精品一区二区| 日韩免费高清中文字幕av| 免费黄频网站在线观看国产| 国产极品天堂在线| av卡一久久| 亚洲成人免费av在线播放| 亚洲精品,欧美精品| 日本欧美国产在线视频| 丝袜美腿诱惑在线| 一本色道久久久久久精品综合| 中文字幕制服av| 亚洲一区二区三区欧美精品| av女优亚洲男人天堂| 99精国产麻豆久久婷婷| 日本av手机在线免费观看| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品秋霞免费鲁丝片| 久久久久久免费高清国产稀缺| 亚洲国产欧美一区二区综合| 国产在视频线精品| 国产成人精品福利久久| 亚洲欧洲精品一区二区精品久久久 | 成年人午夜在线观看视频| 成人免费观看视频高清| 高清av免费在线| 老熟女久久久| 在线观看免费午夜福利视频| 亚洲欧美清纯卡通| av有码第一页| 国产片内射在线| 青春草视频在线免费观看| 国产成人欧美在线观看 | 卡戴珊不雅视频在线播放| 宅男免费午夜| 夫妻午夜视频| 国产一区有黄有色的免费视频| 日韩一卡2卡3卡4卡2021年| 纯流量卡能插随身wifi吗| 只有这里有精品99| 99热全是精品| 日韩av不卡免费在线播放| 在现免费观看毛片| 成年人免费黄色播放视频| 天堂8中文在线网| 午夜免费男女啪啪视频观看| 久久久久视频综合| 新久久久久国产一级毛片| 国产极品粉嫩免费观看在线| 蜜桃国产av成人99| 国产黄频视频在线观看| 啦啦啦啦在线视频资源| 午夜av观看不卡| 亚洲精品在线美女| 免费高清在线观看视频在线观看| 亚洲精品第二区| 日韩av不卡免费在线播放| 黄色视频在线播放观看不卡| 国产伦人伦偷精品视频| 午夜福利影视在线免费观看| 国产精品一区二区在线观看99| 91精品伊人久久大香线蕉| 精品少妇黑人巨大在线播放| 黄色怎么调成土黄色| a级片在线免费高清观看视频| 亚洲精品国产色婷婷电影| 国产精品国产av在线观看| 2018国产大陆天天弄谢| 在线观看一区二区三区激情| 成人国语在线视频| 涩涩av久久男人的天堂| av片东京热男人的天堂| 十八禁高潮呻吟视频| 人人妻人人澡人人看| 久久久久久久国产电影| 欧美人与性动交α欧美精品济南到| 在线观看www视频免费| 久久精品亚洲av国产电影网| 99热全是精品| 亚洲av国产av综合av卡| a 毛片基地| 男的添女的下面高潮视频| 午夜激情av网站| 一级片免费观看大全| 国产 精品1| 日韩av在线免费看完整版不卡| 国产黄色视频一区二区在线观看| 亚洲国产欧美一区二区综合| 国产精品一区二区精品视频观看| 日韩av不卡免费在线播放| 亚洲欧美日韩另类电影网站| 丝袜人妻中文字幕| 国产精品一二三区在线看| 国产黄频视频在线观看| 国产无遮挡羞羞视频在线观看| 成人手机av| 欧美 日韩 精品 国产| 日韩精品有码人妻一区| 亚洲av成人不卡在线观看播放网 | 日韩精品免费视频一区二区三区| 精品午夜福利在线看| 成人午夜精彩视频在线观看| 2018国产大陆天天弄谢| 两个人免费观看高清视频| 久久久精品94久久精品| 久久av网站| 久久精品久久精品一区二区三区| 永久免费av网站大全| 老司机亚洲免费影院| 国产成人精品无人区| 一二三四在线观看免费中文在| 亚洲av国产av综合av卡| 另类精品久久| 99香蕉大伊视频| 国产在线一区二区三区精| 一本色道久久久久久精品综合| 青春草视频在线免费观看| 国产精品欧美亚洲77777| 久久天堂一区二区三区四区| 国产精品女同一区二区软件| 啦啦啦 在线观看视频| 色播在线永久视频| 99国产综合亚洲精品| 色婷婷久久久亚洲欧美| 亚洲精品自拍成人| 婷婷成人精品国产| 国产麻豆69| 久久国产精品男人的天堂亚洲| 伦理电影免费视频| 亚洲精品美女久久av网站| 精品卡一卡二卡四卡免费| 狠狠婷婷综合久久久久久88av| 国产片特级美女逼逼视频| 国产成人精品久久二区二区91 | 在线观看免费视频网站a站| 男女国产视频网站| 捣出白浆h1v1| 99久久99久久久精品蜜桃| 男女免费视频国产| 少妇人妻精品综合一区二区| 如日韩欧美国产精品一区二区三区| 国产欧美日韩一区二区三区在线| 最近最新中文字幕免费大全7| 成年动漫av网址| 制服人妻中文乱码| 九草在线视频观看| 日韩免费高清中文字幕av| 男的添女的下面高潮视频| 天堂俺去俺来也www色官网| 最黄视频免费看| 97在线人人人人妻| 亚洲精品国产一区二区精华液| 欧美黄色片欧美黄色片| 男男h啪啪无遮挡| 满18在线观看网站| 性色av一级| 国产97色在线日韩免费| 考比视频在线观看| 成人漫画全彩无遮挡| 女性生殖器流出的白浆| av不卡在线播放|