• <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
    在线a可以看的网站| 欧美高清成人免费视频www| 欧美乱妇无乱码| 午夜精品在线福利| 男人和女人高潮做爰伦理| 一区二区三区免费毛片| 黄色配什么色好看| 成年女人看的毛片在线观看| 久久国产乱子免费精品| 一个人观看的视频www高清免费观看| 人人妻人人看人人澡| 最近中文字幕高清免费大全6 | 韩国av一区二区三区四区| 变态另类丝袜制服| 亚洲专区国产一区二区| 男人和女人高潮做爰伦理| 亚洲av成人不卡在线观看播放网| 亚洲人成伊人成综合网2020| 少妇丰满av| 窝窝影院91人妻| 久久久久久国产a免费观看| 亚洲一区二区三区色噜噜| 久久精品国产亚洲av天美| 欧美日韩中文字幕国产精品一区二区三区| 欧美潮喷喷水| 91字幕亚洲| 成年免费大片在线观看| a级毛片a级免费在线| 国产探花极品一区二区| 精品熟女少妇八av免费久了| 哪里可以看免费的av片| 又紧又爽又黄一区二区| 精品人妻一区二区三区麻豆 | 国产色婷婷99| 国产高清有码在线观看视频| 日本与韩国留学比较| 免费无遮挡裸体视频| 欧美成人性av电影在线观看| 亚洲无线观看免费| 国产一区二区三区在线臀色熟女| 国产精品日韩av在线免费观看| 美女被艹到高潮喷水动态| 嫩草影院新地址| 欧美日本亚洲视频在线播放| 国产色婷婷99| 国产成人aa在线观看| 免费观看人在逋| 亚洲 国产 在线| 在线观看舔阴道视频| 免费看美女性在线毛片视频| 少妇熟女aⅴ在线视频| 岛国在线免费视频观看| 欧美bdsm另类| 每晚都被弄得嗷嗷叫到高潮| 国产白丝娇喘喷水9色精品| 真人做人爱边吃奶动态| 亚洲av电影不卡..在线观看| 久久国产乱子伦精品免费另类| 国产色爽女视频免费观看| 国产精品一区二区性色av| 国产精品一区二区免费欧美| 国产精品av视频在线免费观看| 亚洲av五月六月丁香网| 亚洲人成伊人成综合网2020| 嫩草影院精品99| 欧美+亚洲+日韩+国产| 亚洲,欧美,日韩| 成年免费大片在线观看| 国产黄色小视频在线观看| 国产男靠女视频免费网站| 午夜免费男女啪啪视频观看 | 亚洲av免费在线观看| 国产在线精品亚洲第一网站| 丁香欧美五月| 欧美+日韩+精品| 51午夜福利影视在线观看| 久久这里只有精品中国| 欧美+亚洲+日韩+国产| 又紧又爽又黄一区二区| 成年女人毛片免费观看观看9| 亚洲av成人不卡在线观看播放网| 麻豆一二三区av精品| 黄色视频,在线免费观看| 国产av在哪里看| 少妇的逼水好多| 国产精品久久电影中文字幕| a级毛片免费高清观看在线播放| 神马国产精品三级电影在线观看| 伦理电影大哥的女人| 亚洲男人的天堂狠狠| 国产成人aa在线观看| www.www免费av| 身体一侧抽搐| av国产免费在线观看| 国产精品99久久久久久久久| 性欧美人与动物交配| 最新中文字幕久久久久| 人妻夜夜爽99麻豆av| 午夜久久久久精精品| 国产精华一区二区三区| av在线天堂中文字幕| 欧美午夜高清在线| 嫩草影视91久久| 小说图片视频综合网站| 成人av在线播放网站| 亚洲国产欧美人成| 国产伦精品一区二区三区视频9| 久久久久亚洲av毛片大全| 国内精品美女久久久久久| 在线观看66精品国产| 伦理电影大哥的女人| 国产精品国产高清国产av| 成年版毛片免费区| 成人欧美大片| x7x7x7水蜜桃| 乱人视频在线观看| 51午夜福利影视在线观看| 听说在线观看完整版免费高清| 国产精品精品国产色婷婷| av在线天堂中文字幕| 一夜夜www| 日韩欧美精品免费久久 | 亚洲欧美日韩高清专用| 性插视频无遮挡在线免费观看| 欧美日韩乱码在线| 女人十人毛片免费观看3o分钟| 性色av乱码一区二区三区2| 亚洲欧美日韩卡通动漫| 嫩草影院精品99| 成人午夜高清在线视频| www.www免费av| 国产淫片久久久久久久久 | 老司机福利观看| 又黄又爽又刺激的免费视频.| 国产成人a区在线观看| 亚洲午夜理论影院| 国产精品亚洲美女久久久| 成人高潮视频无遮挡免费网站| 内地一区二区视频在线| 亚洲五月婷婷丁香| 亚洲aⅴ乱码一区二区在线播放| 波多野结衣高清作品| 久久久久亚洲av毛片大全| 麻豆久久精品国产亚洲av| 99国产精品一区二区三区| 亚洲国产日韩欧美精品在线观看| 国产乱人伦免费视频| 日本黄色视频三级网站网址| 日本免费一区二区三区高清不卡| 又紧又爽又黄一区二区| 老熟妇仑乱视频hdxx| av在线观看视频网站免费| 亚洲美女黄片视频| 欧美最黄视频在线播放免费| 中国美女看黄片| 午夜影院日韩av| 国产大屁股一区二区在线视频| 成年女人永久免费观看视频| 老司机深夜福利视频在线观看| 真人做人爱边吃奶动态| 天堂av国产一区二区熟女人妻| 亚洲不卡免费看| 国产v大片淫在线免费观看| 男插女下体视频免费在线播放| avwww免费| 观看免费一级毛片| 欧美3d第一页| 精品无人区乱码1区二区| 91在线精品国自产拍蜜月| 国产一区二区三区在线臀色熟女| 少妇的逼好多水| 国产精品久久久久久精品电影| 国产男靠女视频免费网站| 深夜a级毛片| 久久精品影院6| 90打野战视频偷拍视频| 美女免费视频网站| 精品久久久久久久久久久久久| 亚洲精品456在线播放app | 国产伦精品一区二区三区视频9| 成人三级黄色视频| 亚洲经典国产精华液单 | 亚洲一区二区三区不卡视频| 十八禁国产超污无遮挡网站| 蜜桃亚洲精品一区二区三区| 亚洲avbb在线观看| 亚洲天堂国产精品一区在线| 久久伊人香网站| 欧美日韩亚洲国产一区二区在线观看| 蜜桃亚洲精品一区二区三区| 嫁个100分男人电影在线观看| 国产精品三级大全| 国产精品久久久久久精品电影| 色吧在线观看| АⅤ资源中文在线天堂| 久久精品国产清高在天天线| 日韩欧美精品v在线| 婷婷色综合大香蕉| 97人妻精品一区二区三区麻豆| 人人妻,人人澡人人爽秒播| 国内少妇人妻偷人精品xxx网站| 天天一区二区日本电影三级| 99热6这里只有精品| 成年人黄色毛片网站| 久久久久国内视频| 免费电影在线观看免费观看| 深夜a级毛片| 国产亚洲精品久久久久久毛片| 精品国内亚洲2022精品成人| 久久伊人香网站| 在线免费观看不下载黄p国产 | 欧美xxxx性猛交bbbb| 午夜精品久久久久久毛片777| 麻豆国产av国片精品| 51国产日韩欧美| 免费在线观看亚洲国产| 国产视频内射| 午夜福利成人在线免费观看| 色综合欧美亚洲国产小说| 免费av毛片视频| 久久久久久九九精品二区国产| 日韩大尺度精品在线看网址| 亚洲午夜理论影院| 女同久久另类99精品国产91| 午夜福利高清视频| 在线观看一区二区三区| 免费电影在线观看免费观看| 天堂动漫精品| av在线天堂中文字幕| 欧美成人a在线观看| 日韩 亚洲 欧美在线| 人妻久久中文字幕网| 最近最新中文字幕大全电影3| 麻豆一二三区av精品| 又黄又爽又免费观看的视频| 动漫黄色视频在线观看| 国产精品影院久久| 久久99热这里只有精品18| 男女床上黄色一级片免费看| 一夜夜www| 久久久国产成人免费| 成熟少妇高潮喷水视频| 欧美潮喷喷水| 大型黄色视频在线免费观看| 在线观看舔阴道视频| 欧美极品一区二区三区四区| 日日夜夜操网爽| 少妇熟女aⅴ在线视频| 亚洲成人免费电影在线观看| 97人妻精品一区二区三区麻豆| 丰满乱子伦码专区| 欧美乱妇无乱码| 又爽又黄a免费视频| 小说图片视频综合网站| www日本黄色视频网| 九九热线精品视视频播放| 一边摸一边抽搐一进一小说| 在线观看午夜福利视频| 99在线视频只有这里精品首页| aaaaa片日本免费| av在线老鸭窝| 免费无遮挡裸体视频| 久久久久亚洲av毛片大全| 欧美黄色片欧美黄色片| 久久久久久国产a免费观看| 最后的刺客免费高清国语| 级片在线观看| av福利片在线观看| 每晚都被弄得嗷嗷叫到高潮| 国产精品av视频在线免费观看| 亚洲av一区综合| 色视频www国产| 99久久精品一区二区三区| 欧美三级亚洲精品| 黄色女人牲交| 免费人成视频x8x8入口观看| 成年女人毛片免费观看观看9| 赤兔流量卡办理| 国产乱人视频| 国产乱人视频| 美女免费视频网站| 国产私拍福利视频在线观看| 亚洲性夜色夜夜综合| 一级毛片久久久久久久久女| 我要看日韩黄色一级片| 一个人免费在线观看的高清视频| 在线观看一区二区三区| 黄色视频,在线免费观看| 51国产日韩欧美| 最近最新中文字幕大全电影3| 99视频精品全部免费 在线| 久久精品国产清高在天天线| 97热精品久久久久久| 国产精品永久免费网站| 国产黄片美女视频| 蜜桃亚洲精品一区二区三区| 国产 一区 欧美 日韩| 国产黄片美女视频| 久久精品人妻少妇| 午夜福利18| 亚洲最大成人av| 一进一出抽搐动态| www.熟女人妻精品国产| 欧美一级a爱片免费观看看| 看片在线看免费视频| 身体一侧抽搐| 丰满人妻一区二区三区视频av| 国产精品久久久久久人妻精品电影| 国产日本99.免费观看| 99热这里只有是精品50| 欧美日韩国产亚洲二区| 97碰自拍视频| 欧美精品国产亚洲| 欧美性猛交╳xxx乱大交人| 亚洲激情在线av| 亚洲内射少妇av| 老鸭窝网址在线观看| 亚洲精品456在线播放app | 久久精品影院6| 色精品久久人妻99蜜桃| 成人鲁丝片一二三区免费| 午夜视频国产福利| 日本黄色视频三级网站网址| 国内揄拍国产精品人妻在线| 制服丝袜大香蕉在线| 免费观看的影片在线观看| 欧美色视频一区免费| 精品人妻一区二区三区麻豆 | av在线蜜桃| 亚洲自偷自拍三级| 久久九九热精品免费| 国产综合懂色| 在线观看免费视频日本深夜| 男女做爰动态图高潮gif福利片| 亚洲无线在线观看| 亚洲成av人片免费观看| 首页视频小说图片口味搜索| 18+在线观看网站| 亚洲国产精品sss在线观看| 亚洲狠狠婷婷综合久久图片| 欧美日韩福利视频一区二区| 91九色精品人成在线观看| 亚洲国产精品sss在线观看| 男女之事视频高清在线观看| 特大巨黑吊av在线直播| av天堂中文字幕网| 波多野结衣高清无吗| 久久精品综合一区二区三区| 亚洲欧美日韩高清专用| 人妻丰满熟妇av一区二区三区| 老熟妇仑乱视频hdxx| 国产一区二区亚洲精品在线观看| 欧美色欧美亚洲另类二区| 国产精品亚洲美女久久久| 欧美日本亚洲视频在线播放| 国内毛片毛片毛片毛片毛片| 男人狂女人下面高潮的视频| 黄色一级大片看看| 国产私拍福利视频在线观看| 亚洲av日韩精品久久久久久密| 少妇人妻精品综合一区二区 | 欧美丝袜亚洲另类 | 韩国av一区二区三区四区| www日本黄色视频网| 欧美成人a在线观看| 99热这里只有精品一区| 小蜜桃在线观看免费完整版高清| 欧美日本亚洲视频在线播放| 国产精品一区二区三区四区久久| x7x7x7水蜜桃| 亚洲三级黄色毛片| 国产免费一级a男人的天堂| 男女做爰动态图高潮gif福利片| а√天堂www在线а√下载| 亚洲精品456在线播放app | 小蜜桃在线观看免费完整版高清| 亚洲专区中文字幕在线| 性色av乱码一区二区三区2| 国产大屁股一区二区在线视频| 精品国产亚洲在线| 国内揄拍国产精品人妻在线| 男女视频在线观看网站免费| 99久久成人亚洲精品观看| 中文亚洲av片在线观看爽| 免费高清视频大片| 欧美黄色淫秽网站| 少妇熟女aⅴ在线视频| 在线看三级毛片| 免费av观看视频| 亚洲国产精品999在线| 免费搜索国产男女视频| 日本三级黄在线观看| 欧美不卡视频在线免费观看| 黄片小视频在线播放| 天天躁日日操中文字幕| 久99久视频精品免费| netflix在线观看网站| 亚洲国产精品999在线| 性插视频无遮挡在线免费观看| 观看免费一级毛片| 欧美一区二区精品小视频在线| 舔av片在线| 亚洲成a人片在线一区二区| 欧美+日韩+精品| 亚洲国产精品999在线| 国内毛片毛片毛片毛片毛片| 欧美黄色淫秽网站| 91在线观看av| 一级a爱片免费观看的视频| 一级毛片久久久久久久久女| 成人鲁丝片一二三区免费| 国产精品98久久久久久宅男小说| 色吧在线观看| 好男人在线观看高清免费视频| 美女被艹到高潮喷水动态| 亚洲精品在线观看二区| 日日干狠狠操夜夜爽| 又爽又黄a免费视频| 两个人的视频大全免费| 欧美性猛交黑人性爽| 欧美色欧美亚洲另类二区| 少妇熟女aⅴ在线视频| av欧美777| 亚洲av免费高清在线观看| 免费观看精品视频网站| 最好的美女福利视频网| 51午夜福利影视在线观看| 免费黄网站久久成人精品 | 亚州av有码| 国产欧美日韩一区二区精品| 成人精品一区二区免费| 欧美在线黄色| 精品一区二区三区视频在线| 国产伦一二天堂av在线观看| 亚洲自偷自拍三级| 精品日产1卡2卡| 国产高潮美女av| 夜夜爽天天搞| 欧美日本视频| 草草在线视频免费看| 免费在线观看成人毛片| 久久香蕉精品热| 欧美成人性av电影在线观看| 美女被艹到高潮喷水动态| 亚洲自拍偷在线| a在线观看视频网站| 午夜久久久久精精品| 嫩草影视91久久| 天天躁日日操中文字幕| 看黄色毛片网站| 一区福利在线观看| 无人区码免费观看不卡| 老熟妇乱子伦视频在线观看| 九色成人免费人妻av| 99久国产av精品| 国产免费一级a男人的天堂| 国产精品久久久久久人妻精品电影| 免费观看精品视频网站| 在线观看一区二区三区| 非洲黑人性xxxx精品又粗又长| 国语自产精品视频在线第100页| 国产av不卡久久| 欧美日韩亚洲国产一区二区在线观看| 亚洲一区二区三区色噜噜| 高清毛片免费观看视频网站| 亚洲人成网站在线播| 日本免费一区二区三区高清不卡| 午夜亚洲福利在线播放| 亚洲av成人精品一区久久| 欧美bdsm另类| 精品国产亚洲在线| 听说在线观看完整版免费高清| 99久国产av精品| 两个人的视频大全免费| 露出奶头的视频| 久久精品国产亚洲av天美| 99国产极品粉嫩在线观看| 欧美激情在线99| 99热这里只有是精品50| 18禁黄网站禁片免费观看直播| 午夜福利视频1000在线观看| av专区在线播放| www日本黄色视频网| 熟女人妻精品中文字幕| 一级黄色大片毛片| 超碰av人人做人人爽久久| 国产色爽女视频免费观看| av在线观看视频网站免费| 亚洲欧美清纯卡通| 99久久99久久久精品蜜桃| 亚洲激情在线av| 久久久久性生活片| 成人av一区二区三区在线看| 久久天躁狠狠躁夜夜2o2o| 两性午夜刺激爽爽歪歪视频在线观看| 九九热线精品视视频播放| 九色国产91popny在线| 亚洲国产精品999在线| 最近在线观看免费完整版| 亚洲av五月六月丁香网| 久久久久久大精品| 欧美一级a爱片免费观看看| 久久国产乱子免费精品| 成人性生交大片免费视频hd| 精品不卡国产一区二区三区| 黄色视频,在线免费观看| 可以在线观看毛片的网站| 精品一区二区免费观看| 欧美日韩亚洲国产一区二区在线观看| 在线天堂最新版资源| 最近中文字幕高清免费大全6 | 在线观看美女被高潮喷水网站 | 搞女人的毛片| 有码 亚洲区| 国产在线精品亚洲第一网站| eeuss影院久久| 久99久视频精品免费| 99视频精品全部免费 在线| 69人妻影院| 日韩欧美在线乱码| 热99在线观看视频| 久99久视频精品免费| 亚洲人成网站在线播放欧美日韩| 日本 欧美在线| 网址你懂的国产日韩在线| а√天堂www在线а√下载| 免费一级毛片在线播放高清视频| 无遮挡黄片免费观看| 亚洲成人久久爱视频| 亚洲精品在线美女| 色播亚洲综合网| 亚洲va日本ⅴa欧美va伊人久久| 亚洲自偷自拍三级| 亚洲美女搞黄在线观看 | 国产高清视频在线观看网站| 成年女人毛片免费观看观看9| 日韩人妻高清精品专区| 国模一区二区三区四区视频| 美女被艹到高潮喷水动态| 久久久久亚洲av毛片大全| 久久九九热精品免费| 91狼人影院| 亚洲片人在线观看| 亚洲成a人片在线一区二区| 久久久久久九九精品二区国产| 日本一二三区视频观看| 婷婷精品国产亚洲av| 我要搜黄色片| 国产av一区在线观看免费| www日本黄色视频网| 国产69精品久久久久777片| 亚洲精品亚洲一区二区| 欧美色视频一区免费| av天堂中文字幕网| 岛国在线免费视频观看| 在线十欧美十亚洲十日本专区| 淫秽高清视频在线观看| www.熟女人妻精品国产| 亚洲欧美日韩无卡精品| 夜夜夜夜夜久久久久| 午夜福利18| 性欧美人与动物交配| 色在线成人网| 成年女人毛片免费观看观看9| 久久国产乱子伦精品免费另类| xxxwww97欧美| 自拍偷自拍亚洲精品老妇| 亚洲成a人片在线一区二区| 99国产极品粉嫩在线观看| 三级毛片av免费| 日韩欧美 国产精品| 亚洲成人久久爱视频| 久久热精品热| 国产成人影院久久av| 午夜两性在线视频| 国产精品久久久久久人妻精品电影| 在线十欧美十亚洲十日本专区| 国产黄色小视频在线观看| 亚洲三级黄色毛片| 久久久久久久久久黄片| 最近最新中文字幕大全电影3| 我的女老师完整版在线观看| av黄色大香蕉| 国产私拍福利视频在线观看| 内地一区二区视频在线| av国产免费在线观看| 如何舔出高潮| 一区福利在线观看| 色尼玛亚洲综合影院| 高清日韩中文字幕在线| 国产又黄又爽又无遮挡在线| 国产私拍福利视频在线观看| 久久人妻av系列| 亚州av有码| 成人一区二区视频在线观看| 精品久久久久久久久av| a级一级毛片免费在线观看| 亚洲av日韩精品久久久久久密| 日韩欧美在线乱码| 欧美性感艳星| 亚洲最大成人中文| 久久亚洲真实| 亚洲成人免费电影在线观看| 午夜精品在线福利| 日韩人妻高清精品专区| 很黄的视频免费| 亚洲美女黄片视频| 亚洲精品乱码久久久v下载方式| 最新中文字幕久久久久| 欧美日韩亚洲国产一区二区在线观看| 久久人人精品亚洲av| 成年女人毛片免费观看观看9| 日韩欧美精品v在线| 亚洲精品456在线播放app | 变态另类成人亚洲欧美熟女|