• <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 ?

    改進物品相似度計算的協(xié)同過濾算法

    2021-09-28 11:23:12鄧秀輝余開朝
    軟件導刊 2021年9期
    關鍵詞:精確度列表物品

    方 惠,李 民,鄧秀輝,余開朝

    (昆明理工大學機電工程學院,云南昆明 650500)

    0 引言

    在信息爆炸的時代,用戶難以從大量數(shù)據(jù)信息中快速精確地獲取所需信息,容易產(chǎn)生信息超載(Information Overload)問題[1]。為幫助用戶快速找到感興趣的產(chǎn)品,推薦系統(tǒng)應運而生。近年來,推薦系統(tǒng)在電影、新聞、電子商務等諸多領域中起到了重要作用,有效減輕了信息超載現(xiàn)象。作為推薦系統(tǒng)的核心部分,推薦算法成為人們研究的熱門對象[2]。目前協(xié)同過濾(Collaborative Filtering,CF)算法已經(jīng)應用于互聯(lián)網(wǎng)的眾多領域[3-6],其實現(xiàn)原理是根據(jù)用戶以往在網(wǎng)絡中搜索產(chǎn)生的數(shù)據(jù)發(fā)掘其可能喜歡的東西,根據(jù)喜好內(nèi)容不同將用戶分成小組,推薦與其愛好相近的商品[7]。但該算法存在一些不足,如沒有考慮到用戶興趣會隨時間推移而發(fā)生變化,熱門物品也可能會影響相似度計算。以上問題均會導致推薦系統(tǒng)的精確度出現(xiàn)偏差,從而使用戶得不到滿意的推薦結(jié)果。

    CF 算法是目前使用最廣泛、最有效的算法之一[8],但存在推薦精確度不高等問題,許多學者對此進行了研究。董立巖等[9]在相似度矩陣的計算過程中融入時間衰減因子,使推薦結(jié)果更具時效性;尹毫等[10]提出在物品相似度計算中融入物品懲罰因子以修正物品相似度矩陣的計算,在推薦精確度方面顯著提高;熊麗榮等[11]考慮到用戶興趣會隨著時間發(fā)生變化,故采用時間效應模型函數(shù)處理用戶歷史評分數(shù)據(jù),推薦效果明顯優(yōu)于傳統(tǒng)算法;鄧華平[12]提出在CF 算法中加入項目聚類和時間衰減函數(shù),加快了最近鄰居集合的尋找速度,提升了推薦精確度;崔國琪等[13]提出在物品相似度計算中融入物品懲罰因子,加入懲罰因子的CF 推薦算法在保持算法精確度的同時,可在一定程度上降低推薦結(jié)果流行度;Chen 等[14]從用戶評分角度出發(fā),將平衡因子引入傳統(tǒng)的余弦相似度算法中,用于計算不同用戶間的項目評級尺度差異,提出了一種改進的基于優(yōu)化用戶相似度的CF 算法,推薦精確度顯著提高;Lee 等[15]提出將偏好模型的概念應用于CF 算法中,修正用戶—物品評分舉證,有效提高了該算法的精確度和召回率。

    以上改進算法僅提高了商品推薦的精確度,但未考慮到用戶興趣會隨時間推移而發(fā)生變化,亦未考慮將時間衰減函數(shù)與物品懲罰因子融合到一起。針對以上問題,本文在原有研究成果的基礎上,在傳統(tǒng)相似度矩陣計算中引入時間衰減函數(shù)和物品懲罰因子,得到改進相似度矩陣的推薦算法在精確度、召回率和F1 值上均比傳統(tǒng)CF 推薦算法明顯提高,更有利于推薦出使用戶滿意的結(jié)果。

    1 理論基礎

    1.1 傳統(tǒng)CF 算法

    傳統(tǒng)CF 算法可分為基于用戶的推薦算法(User CF)和基于商品的推薦算法(Item CF)。User CF 算法的主要思想為尋找與目標用戶興趣相似的用戶集合,同時將該集合中用戶喜歡但沒有聽過的商品推薦給他們。Item CF 算法的主要思想為根據(jù)用戶歷史評分計算物品之間的相似度,通過物品相似度和用戶歷史行為預測用戶以往喜歡商品的相似物品[16]。傳統(tǒng)CF 算法的實現(xiàn)過程為:首先獲取歷史評分數(shù)據(jù),構(gòu)成網(wǎng)絡用戶—項目評分矩陣;然后計算網(wǎng)絡用戶或項目間的評分相似度,按照相似度對網(wǎng)絡用戶或項目進行排列,排列靠前的幾個用戶或項目可以被看作是鄰居,利用得到的相似度和鄰居用戶歷史評分數(shù)據(jù)計算預測評分;最后選取預測排名靠前的若干項作為推薦結(jié)果返回給目標用戶或項目,至此完成推薦[17]。

    傳統(tǒng)CF 算法存在的不足體現(xiàn)在以下兩個方面:①生活中,用戶興趣會隨著時間推移而發(fā)生改變,但傳統(tǒng)CF 算法等同考慮商品不同時間段的評分,導致尋找近鄰用戶時推薦精確度降低;②熱門商品評價人數(shù)多,在相似度計算中會影響推薦結(jié)果的精確度。

    1.2 算法改進的相似度計算

    相似度矩陣在計算時分為基于用戶的相似度集合與基于商品的相似度集合。定義用戶集合U={u1,u2,…um},商品集合I={i1,i2,…i3},可用1 個n×m 的用戶—商品評分矩陣Hmn對商品相似度進行建模,構(gòu)建的用戶—商品評分矩陣Hmn如下:

    式(1)中,矩陣Hmn中的n 行代表n 個用戶,m 列代表m個商品,第n 行m 列矩陣元素rnm表示第n 個用戶對第m 個商品的評分。

    項亮[18]引入熱門商品與該商品的幾何平均值以降低熱門商品與其他商品的相似度,公式如下:

    式(2)中,|N(i) |表示評價過商品i的用戶集合,|N(j)|表示評價過商品j的用戶集合,|N(i) ?N(j) |表示對商品i和商品j都有過評價的用戶集合。

    推薦系統(tǒng)不僅要反映出用戶的近期偏好,還要預測其長期偏好。Breese 等[19]提出不活躍用戶對商品相似度的影響大于活躍用戶,因此在計算時要降低活躍用戶對相似度權重的影響,即增加項,公式如下:

    式(3)中,N(u)表示對商品u有過行為的所有用戶。

    近期行為最能反映出用戶的當前興趣,因此時間相隔較短的行為才能更好地反映商品之間的相似度,故在公式(3)中加上時間衰減衰減因子[20],公式如下:

    式(5)中,α為時間衰減因子的影響系數(shù),用戶興趣變化越快,α的值越大,反之越?。?1]。

    由式(4)得到用戶的最近行為,由于用戶的最近行為與當前行為關系最大,因此計算用戶對商品的評分時還應加上時間衰減函數(shù)最終得到用戶u對商品j的偏好程度為:

    式(7)中,t0為當前時間,rui為用戶u對商品i的偏好程度,β為時間衰減因子。

    2 實驗設計

    對本文提出的算法與傳統(tǒng)CF 算法(余弦相似度)進行比較,分別在不同K 值(近鄰用戶數(shù))和Top N 推薦長度下比較二者的精確度、召回率和F1 值,并對實驗結(jié)果進行分析。

    2.1 實驗算法實現(xiàn)步驟

    改進商品相似度算法步驟如下:

    輸入:用戶—商品評分矩陣Hmn,近鄰用戶數(shù)K,商品返回數(shù)I,推薦列表長度N。

    輸出:用戶推薦列表。

    步驟1:在訓練集中構(gòu)建用戶—商品評分矩陣Hmn。

    步驟2:根據(jù)公式(3)計算加入物品懲罰因子的商品相似度矩陣wij。

    步驟3:根據(jù)公式(4)加入時間衰減函數(shù),計算用戶最近的商品相似度矩陣wij,其中參數(shù)α設置為0.5。

    步驟4:根據(jù)公式(6)得到最終用戶當前對商品的相似度矩陣wij,其中參數(shù)β設置為0.8。

    步驟5:遍歷用戶歷史商品集合,從該集合中找出每個歷史商品最相似的K 個商品作為候選集。

    步驟6:從候選集合中選出指定返回數(shù)為I 的集合作為推薦結(jié)果。

    2.2 實驗準備

    以電影評分作為實驗對象,選取GroupLens 實驗室成立的MovieLens 站點中的ml-1m 數(shù)據(jù)集。如表1 所示,該數(shù)據(jù)集包含6 040 個用戶對3 900 部電影的評分記錄,其中每個用戶最少有20 條評分數(shù)據(jù),共計1 000 209 條評分記錄。評分劃分為5 個等級,用1~5 的整數(shù)表示,評分數(shù)值越大表示該用戶對電影的喜愛程度越高。該評分數(shù)據(jù)的稀疏度為1-1 000 209/(6 040×3 900)=0.956,兩個時間衰減因子α和β分別設置為0.5 和0.8。數(shù)據(jù)集中還包含了用戶個人信息和電影標簽信息。

    Table 1 Partial experimental data set表1 實驗數(shù)據(jù)集部分展示

    2.3 推薦指標

    為評價算法性能,將整個MovieLens 數(shù)據(jù)集進一步拆分為不相交的兩個部分,分別為訓練集和測試集。為此,引入變量x 作為測試集占整個數(shù)據(jù)集的百分比,設定x=0.2,即在整個數(shù)據(jù)集中,訓練集占80%,測試集占20%,訓練集與測試集比例為8∶2[22]。利用不同K 值和Top N 算法比較精確度(Precision)、召回率(Recall)和F1-Score 的變化,在3 次試驗下取評價指標的平均值作為實驗結(jié)果。其中,N 為推薦列表中的商品總數(shù),P 為目標用戶在前N 項中的商品數(shù)。

    其中,精確度定義:

    召回率定義:

    F1 定義:

    2.4 影響因素

    影響算法結(jié)果的操作有3 個:①將兩種不同相似度計算方法(余弦相似度、改進余弦相似度)應用到基于商品的CF 算法中;②使用不同K 值(近鄰用戶數(shù))比較兩種算法在不同K 值下的精確度和召回率;③使用不同Top N 算法的推薦長度,比較算法改進前后的精確度和F1-Score??紤]到加入時間衰減因子和懲罰因子后推薦商品的精確度,推薦列表不宜太長,因此本文將推薦列表長度設置為5、10、15、20。

    2.5 實驗結(jié)果與分析

    2.5.1 余弦相似度算法改進前后商品偏好得分變化

    在相同參數(shù)下,根據(jù)用戶—商品評分矩陣計算相似度算法改進前后的商品偏好得分情況。以1196 號用戶為例,在返回40 個商品的條件下,運用改進的余弦相似度算法計算1196 號用戶對未評價商品的偏好分數(shù)為27.94,比傳統(tǒng)余弦相似度算法得出的商品偏好分數(shù)(65.87)下降了37.93,具體如圖1 所示。說明用戶對商品的偏好程度是隨著時間變化的,比較符合現(xiàn)實情況。

    2.5.2 不同近鄰用戶數(shù)K 下算法的精確度和召回率

    將改進相似度的算法稱為New Item CF,傳統(tǒng)的基于商品的CF 算法稱為Item CF。在K 值(近鄰用戶個數(shù))不同,物品返回數(shù)為40 的條件下,兩種算法的精確度和召回率分別如圖2、圖3 所示。由圖2 可知,New Item CF 的精確度明顯高于Item CF,在K=200 時,New Item CF 的精確度達到最大,為0.18,比Item CF 的精確度提高了9%,二者差值也達到最大。由圖3 可知,在相同條件下,New Item CF 的召回率明顯高于Item CF,在K=200 時,New Item CF 的召回率達到最大,為0.17,比Item CF 提高了7.2%,二者差值也達到最大。

    Fig.1 Score of items before and after similarity algorithm improvement圖1 相似度算法改進前后物品得分

    Fig.2 Precision comparison of recommendation results under different K values圖2 不同K 值下推薦結(jié)果的精確度比較

    Fig.3 Changes of recall rate under different K values圖3 不同K 值下召回率的變化

    2.5.3 不同Top N 算法下精確度比較

    將商品近鄰數(shù)設置為40,通過設置不同推薦列表長度n 測試改進算法的精確度。由圖4 可知,當推薦長度為5時,New Item CF 算法的精確度大于Item CF 算法。然而,隨著推薦長度的增加,New Item CF 和Item CF 的精確度均開始下降,當Top N=10 時,Item CF 的精確度超過New Item CF。因此,在使用New Item CF 算法推薦商品時,推薦列表不宜過長。

    Fig.4 Precision under different Top-N algorithm圖4 不同Top-N 算法下的精確度

    2.5.4 不同Top N 算法下F1 值比較

    將商品近鄰數(shù)設置為40,通過設置不同推薦列表長度n 測試算法的F1 值。由圖5 可知,當推薦長度<15 時,New Item CF 的F1 值大于Item CF。但隨著推薦列表長度的增加,即當推薦長度>15 時,New Item CF 的F1 值小于Item CF。由此可知,加入時間衰減函數(shù)和物品懲罰因子后,隨著推薦長度的增加,New Item CF 的推薦效果會差于Item CF。

    Fig.5 F1 values for different Top-N algorithm圖5 不同Top-N 算法下的F1 值

    3 結(jié)語

    在日常生活中,用戶的興趣愛好可能會隨著時間推移而發(fā)生變化。本文針對用戶的個性化需求將時間衰減函數(shù)和物品懲罰因子融入到相似度矩陣計算中,通過一系列數(shù)據(jù)證明,若實驗參數(shù)設置得當,在一定條件下,改進的推薦算法在精確度、召回率和F1 值方面比傳統(tǒng)CF 算法明顯提高,但當推薦列表長度不斷增加時,改進算法的精確度和F1 值開始下降,其性能開始弱于傳統(tǒng)CF 算法。下一步研究重點:①在不降低推薦精確度的同時擴大推薦商品的范圍,擴展用戶興趣面;②根據(jù)用戶心情變化快慢賦予具體參數(shù),表示用戶當前不同的興趣特點,以更加精確和實時地進行個性化推送。

    猜你喜歡
    精確度列表物品
    巧用列表來推理
    稱物品
    學習運用列表法
    “雙十一”,你搶到了想要的物品嗎?
    研究核心素養(yǎng)呈現(xiàn)特征提高復習教學精確度
    擴列吧
    “硬核”定位系統(tǒng)入駐兗礦集團,精確度以厘米計算
    誰動了凡·高的物品
    找物品
    不含3-圈的1-平面圖的列表邊染色與列表全染色
    国内精品一区二区在线观看| 国产精品99久久久久久久久| 国产单亲对白刺激| 亚洲最大成人手机在线| 亚洲欧美日韩高清专用| 久久午夜亚洲精品久久| 男人的好看免费观看在线视频| 色精品久久人妻99蜜桃| 中亚洲国语对白在线视频| 真人一进一出gif抽搐免费| 亚洲精品乱码久久久v下载方式 | 欧美bdsm另类| 两个人视频免费观看高清| 免费在线观看成人毛片| 中文字幕高清在线视频| 女人高潮潮喷娇喘18禁视频| 久久香蕉国产精品| 三级毛片av免费| 精品国内亚洲2022精品成人| 精品人妻偷拍中文字幕| 国产激情偷乱视频一区二区| 身体一侧抽搐| 欧美黄色片欧美黄色片| 最后的刺客免费高清国语| 亚洲国产中文字幕在线视频| 精品福利观看| 一进一出好大好爽视频| 亚洲精品久久国产高清桃花| 欧美成人免费av一区二区三区| 99久久99久久久精品蜜桃| 午夜福利高清视频| 欧美性猛交╳xxx乱大交人| 亚洲人与动物交配视频| 人妻丰满熟妇av一区二区三区| 亚洲国产高清在线一区二区三| 久久精品国产亚洲av香蕉五月| 日日干狠狠操夜夜爽| 国内精品久久久久久久电影| 欧美乱码精品一区二区三区| 亚洲精品日韩av片在线观看 | 欧美日韩一级在线毛片| 在线观看日韩欧美| e午夜精品久久久久久久| 国产精品久久电影中文字幕| 一卡2卡三卡四卡精品乱码亚洲| 国产高清videossex| 美女被艹到高潮喷水动态| 日韩国内少妇激情av| 女同久久另类99精品国产91| av天堂在线播放| 午夜影院日韩av| 亚洲精品一区av在线观看| 日本 av在线| 天堂√8在线中文| 一个人免费在线观看电影| 久久性视频一级片| 天堂av国产一区二区熟女人妻| 三级国产精品欧美在线观看| 久久久久久国产a免费观看| 成年人黄色毛片网站| 亚洲av成人精品一区久久| 国产99白浆流出| 国产成年人精品一区二区| 久久久久九九精品影院| 免费人成在线观看视频色| 人妻夜夜爽99麻豆av| www.999成人在线观看| 禁无遮挡网站| 一级毛片高清免费大全| 免费看a级黄色片| 我要搜黄色片| 美女 人体艺术 gogo| 夜夜夜夜夜久久久久| 精品人妻一区二区三区麻豆 | 怎么达到女性高潮| 国内精品久久久久精免费| 一级作爱视频免费观看| 精品午夜福利视频在线观看一区| 99久国产av精品| 精品久久久久久久久久免费视频| 国产精品亚洲av一区麻豆| 韩国av一区二区三区四区| 午夜免费成人在线视频| 精品人妻偷拍中文字幕| 又紧又爽又黄一区二区| 成人精品一区二区免费| 小蜜桃在线观看免费完整版高清| 午夜两性在线视频| 18禁黄网站禁片免费观看直播| 国产精品自产拍在线观看55亚洲| 狠狠狠狠99中文字幕| 欧美色欧美亚洲另类二区| 国内久久婷婷六月综合欲色啪| 欧美一级a爱片免费观看看| 亚洲欧美日韩东京热| 免费在线观看影片大全网站| 搡老岳熟女国产| 搡女人真爽免费视频火全软件 | 好男人电影高清在线观看| eeuss影院久久| 丰满乱子伦码专区| 好男人在线观看高清免费视频| av在线天堂中文字幕| 有码 亚洲区| 欧美zozozo另类| 色播亚洲综合网| 天天添夜夜摸| 成人无遮挡网站| 日本免费a在线| 国产高清视频在线观看网站| av天堂在线播放| 哪里可以看免费的av片| 国产av不卡久久| 久久这里只有精品中国| 国产精品,欧美在线| 亚洲中文字幕一区二区三区有码在线看| 国产精品久久久久久久电影 | 亚洲七黄色美女视频| 制服丝袜大香蕉在线| 99国产综合亚洲精品| 亚洲av熟女| 五月玫瑰六月丁香| 国产伦精品一区二区三区视频9 | 成人av在线播放网站| 午夜福利视频1000在线观看| 亚洲成av人片在线播放无| 亚洲一区二区三区不卡视频| 夜夜看夜夜爽夜夜摸| 日韩中文字幕欧美一区二区| 丁香欧美五月| 精品国产美女av久久久久小说| 99久久精品热视频| 美女高潮喷水抽搐中文字幕| 亚洲欧美日韩卡通动漫| 18美女黄网站色大片免费观看| 两人在一起打扑克的视频| 久久午夜亚洲精品久久| 亚洲欧美日韩高清专用| 99久国产av精品| 亚洲成人久久爱视频| 亚洲av电影不卡..在线观看| 国产精品99久久久久久久久| 亚洲精品在线观看二区| 中文字幕人妻丝袜一区二区| 国产精品久久久久久人妻精品电影| 欧美激情在线99| 男人的好看免费观看在线视频| 精品无人区乱码1区二区| 精品一区二区三区av网在线观看| 国产成+人综合+亚洲专区| 国产精品一区二区免费欧美| 国产成+人综合+亚洲专区| 天堂网av新在线| 国产免费男女视频| 国产老妇女一区| 久久久久亚洲av毛片大全| 亚洲 国产 在线| 国产一区在线观看成人免费| 噜噜噜噜噜久久久久久91| 精品久久久久久久末码| 久久久国产精品麻豆| 国产伦人伦偷精品视频| 母亲3免费完整高清在线观看| 18禁美女被吸乳视频| 国产精品久久久久久人妻精品电影| 日本 欧美在线| 成人亚洲精品av一区二区| 亚洲天堂国产精品一区在线| 成人一区二区视频在线观看| 真人做人爱边吃奶动态| 757午夜福利合集在线观看| 国产精品99久久久久久久久| 午夜免费男女啪啪视频观看 | 我要搜黄色片| 亚洲欧美日韩卡通动漫| 别揉我奶头~嗯~啊~动态视频| 嫩草影院精品99| 久久久久久九九精品二区国产| 欧美av亚洲av综合av国产av| a级毛片a级免费在线| 免费大片18禁| a在线观看视频网站| 亚洲av第一区精品v没综合| 真人一进一出gif抽搐免费| 久9热在线精品视频| 国产成人影院久久av| 亚洲精品影视一区二区三区av| 国产精品久久久久久人妻精品电影| 国产在视频线在精品| 在线观看66精品国产| 国产激情欧美一区二区| 好男人电影高清在线观看| 国产精品av视频在线免费观看| 少妇的逼好多水| a在线观看视频网站| 欧美另类亚洲清纯唯美| 日本熟妇午夜| 国产午夜精品久久久久久一区二区三区 | 一边摸一边抽搐一进一小说| 波多野结衣巨乳人妻| 国内揄拍国产精品人妻在线| xxxwww97欧美| 欧美日韩黄片免| 免费看美女性在线毛片视频| 免费在线观看日本一区| 婷婷六月久久综合丁香| 欧美中文日本在线观看视频| 一区二区三区高清视频在线| 一边摸一边抽搐一进一小说| 欧美精品啪啪一区二区三区| 露出奶头的视频| 欧洲精品卡2卡3卡4卡5卡区| 精品人妻1区二区| 日本 欧美在线| 精品福利观看| 中文字幕高清在线视频| 两个人的视频大全免费| 婷婷亚洲欧美| 久久国产精品人妻蜜桃| 人妻夜夜爽99麻豆av| 亚洲无线在线观看| 亚洲人成伊人成综合网2020| 亚洲最大成人中文| 婷婷六月久久综合丁香| 给我免费播放毛片高清在线观看| 精品一区二区三区av网在线观看| 久久久久久九九精品二区国产| 最近视频中文字幕2019在线8| 欧美黄色淫秽网站| 欧美最新免费一区二区三区 | 一个人免费在线观看电影| 亚洲成人久久爱视频| 午夜视频国产福利| av中文乱码字幕在线| 国内毛片毛片毛片毛片毛片| 两人在一起打扑克的视频| 岛国在线观看网站| 精品国产美女av久久久久小说| 亚洲五月婷婷丁香| 亚洲av成人精品一区久久| 久久久久久九九精品二区国产| or卡值多少钱| 免费看日本二区| 亚洲色图av天堂| 色吧在线观看| 熟女人妻精品中文字幕| 在线播放无遮挡| 18禁黄网站禁片免费观看直播| 一个人观看的视频www高清免费观看| 精品日产1卡2卡| 熟妇人妻久久中文字幕3abv| 丁香欧美五月| 亚洲五月天丁香| 最近最新中文字幕大全电影3| 老汉色∧v一级毛片| 国产精品自产拍在线观看55亚洲| 一卡2卡三卡四卡精品乱码亚洲| 欧美+亚洲+日韩+国产| 18禁美女被吸乳视频| 看片在线看免费视频| 国产精品一及| 亚洲男人的天堂狠狠| 亚洲精品在线美女| 天堂√8在线中文| 亚洲人成伊人成综合网2020| 欧美乱色亚洲激情| 国产午夜精品久久久久久一区二区三区 | 久久久精品大字幕| 内射极品少妇av片p| 国产乱人视频| 亚洲18禁久久av| 亚洲五月天丁香| 午夜福利成人在线免费观看| 日本成人三级电影网站| 88av欧美| 一级作爱视频免费观看| 国产亚洲精品综合一区在线观看| 老熟妇仑乱视频hdxx| 久久久久久大精品| 很黄的视频免费| 国产亚洲精品av在线| 中文字幕人成人乱码亚洲影| 午夜老司机福利剧场| 亚洲一区二区三区不卡视频| 午夜福利免费观看在线| 人妻丰满熟妇av一区二区三区| 男女午夜视频在线观看| 母亲3免费完整高清在线观看| 人妻丰满熟妇av一区二区三区| 国产精品影院久久| 日本免费a在线| 亚洲男人的天堂狠狠| 国产精品乱码一区二三区的特点| 午夜福利18| 亚洲国产精品成人综合色| 真实男女啪啪啪动态图| 午夜福利高清视频| 天美传媒精品一区二区| 久久久久精品国产欧美久久久| 嫩草影视91久久| 一本一本综合久久| 亚洲中文字幕一区二区三区有码在线看| 嫩草影院入口| 欧美不卡视频在线免费观看| 精品国产超薄肉色丝袜足j| 国产精品久久久久久精品电影| www国产在线视频色| 久久久久久人人人人人| 别揉我奶头~嗯~啊~动态视频| 九九在线视频观看精品| 免费看十八禁软件| 三级男女做爰猛烈吃奶摸视频| 精品免费久久久久久久清纯| 内射极品少妇av片p| 国产精品爽爽va在线观看网站| 精品一区二区三区av网在线观看| 99热只有精品国产| 日韩欧美国产在线观看| 欧美午夜高清在线| 欧美大码av| 男女做爰动态图高潮gif福利片| 成年女人毛片免费观看观看9| 大型黄色视频在线免费观看| 成人av在线播放网站| 欧美三级亚洲精品| 国产亚洲精品久久久com| 亚洲色图av天堂| 搡老妇女老女人老熟妇| 欧美+日韩+精品| 琪琪午夜伦伦电影理论片6080| 亚洲在线自拍视频| 岛国视频午夜一区免费看| 亚洲精品乱码久久久v下载方式 | 欧洲精品卡2卡3卡4卡5卡区| 亚洲美女视频黄频| 国产精品久久电影中文字幕| 精品国产三级普通话版| 国产精品 欧美亚洲| 五月伊人婷婷丁香| 最新在线观看一区二区三区| 99久久久亚洲精品蜜臀av| 午夜福利视频1000在线观看| 精品一区二区三区视频在线观看免费| 久久久色成人| 欧美一区二区精品小视频在线| 麻豆国产av国片精品| 日韩中文字幕欧美一区二区| 亚洲成av人片免费观看| 老汉色∧v一级毛片| 欧美乱妇无乱码| 亚洲中文字幕日韩| 国产精华一区二区三区| 三级国产精品欧美在线观看| 欧美日韩福利视频一区二区| 在线观看av片永久免费下载| 中文字幕精品亚洲无线码一区| 亚洲成人久久性| 欧美乱妇无乱码| 国产极品精品免费视频能看的| 黄片大片在线免费观看| 国产午夜福利久久久久久| 午夜福利视频1000在线观看| 色哟哟哟哟哟哟| 国产亚洲精品久久久com| 亚洲 欧美 日韩 在线 免费| 欧美成狂野欧美在线观看| 国产午夜福利久久久久久| 青草久久国产| 身体一侧抽搐| 国产成人av教育| 亚洲专区中文字幕在线| 在线看三级毛片| 人人妻人人澡欧美一区二区| 成年免费大片在线观看| 3wmmmm亚洲av在线观看| svipshipincom国产片| 久久这里只有精品中国| 最新美女视频免费是黄的| 丰满人妻一区二区三区视频av | 日本 av在线| 日韩欧美在线二视频| 久久亚洲精品不卡| 久久人妻av系列| 在线免费观看的www视频| 最近最新中文字幕大全电影3| 丰满人妻一区二区三区视频av | 搡女人真爽免费视频火全软件 | 露出奶头的视频| 国产亚洲精品综合一区在线观看| 日本免费a在线| 亚洲最大成人中文| 久久天躁狠狠躁夜夜2o2o| 波野结衣二区三区在线 | 国产免费男女视频| 夜夜爽天天搞| 亚洲人成网站在线播放欧美日韩| 久久天躁狠狠躁夜夜2o2o| 国产黄片美女视频| 亚洲aⅴ乱码一区二区在线播放| 岛国在线观看网站| 精品久久久久久久末码| 日本成人三级电影网站| 天天躁日日操中文字幕| 国产精品久久久久久久电影 | 亚洲av成人不卡在线观看播放网| 欧美丝袜亚洲另类 | 午夜福利高清视频| 国产亚洲欧美98| 97人妻精品一区二区三区麻豆| 欧美极品一区二区三区四区| 宅男免费午夜| 国产av麻豆久久久久久久| 露出奶头的视频| 久久精品亚洲精品国产色婷小说| 色播亚洲综合网| 欧美日韩综合久久久久久 | 97超视频在线观看视频| 脱女人内裤的视频| 色综合站精品国产| 两性午夜刺激爽爽歪歪视频在线观看| 免费人成视频x8x8入口观看| 亚洲国产高清在线一区二区三| 久久久国产成人免费| 日韩免费av在线播放| 国产日本99.免费观看| 亚洲国产精品999在线| 欧美极品一区二区三区四区| 国产精品,欧美在线| 免费在线观看日本一区| 极品教师在线免费播放| 亚洲色图av天堂| 午夜免费激情av| 一区二区三区高清视频在线| 最新在线观看一区二区三区| 婷婷六月久久综合丁香| 啦啦啦观看免费观看视频高清| 欧美日韩中文字幕国产精品一区二区三区| 无限看片的www在线观看| 亚洲aⅴ乱码一区二区在线播放| 日本成人三级电影网站| 在线观看日韩欧美| 国产午夜精品久久久久久一区二区三区 | 久久精品亚洲精品国产色婷小说| 国产久久久一区二区三区| 一级毛片女人18水好多| 精品国产三级普通话版| 一卡2卡三卡四卡精品乱码亚洲| 国产精品久久久人人做人人爽| 久久久久精品国产欧美久久久| 99精品欧美一区二区三区四区| 亚洲国产日韩欧美精品在线观看 | 观看免费一级毛片| 国产一区二区在线av高清观看| 在线观看舔阴道视频| 亚洲av熟女| 亚洲中文字幕日韩| 99热6这里只有精品| 美女大奶头视频| 99久久成人亚洲精品观看| 长腿黑丝高跟| 一本综合久久免费| 一边摸一边抽搐一进一小说| ponron亚洲| 又爽又黄无遮挡网站| 国产伦精品一区二区三区视频9 | 宅男免费午夜| 在线国产一区二区在线| 夜夜爽天天搞| 日韩欧美 国产精品| 免费在线观看成人毛片| 国产高清激情床上av| 国产高清三级在线| 亚洲狠狠婷婷综合久久图片| 少妇高潮的动态图| 国产精品嫩草影院av在线观看 | 国产精品99久久久久久久久| 国模一区二区三区四区视频| 国产乱人视频| 亚洲久久久久久中文字幕| 亚洲18禁久久av| 韩国av一区二区三区四区| 99久久无色码亚洲精品果冻| 免费在线观看影片大全网站| e午夜精品久久久久久久| 午夜福利欧美成人| 久久人妻av系列| a级毛片a级免费在线| 国产精品一区二区三区四区免费观看 | 免费人成在线观看视频色| 国产免费av片在线观看野外av| 欧美另类亚洲清纯唯美| 国产一区在线观看成人免费| 欧美一级毛片孕妇| 欧美在线黄色| 蜜桃亚洲精品一区二区三区| 久久国产乱子伦精品免费另类| 99精品久久久久人妻精品| 动漫黄色视频在线观看| 欧美成人一区二区免费高清观看| 网址你懂的国产日韩在线| 国内毛片毛片毛片毛片毛片| 一区二区三区国产精品乱码| 天堂√8在线中文| 欧美一级a爱片免费观看看| 丰满的人妻完整版| 欧美极品一区二区三区四区| 亚洲精品日韩av片在线观看 | 亚洲无线观看免费| 亚洲无线在线观看| 啦啦啦观看免费观看视频高清| www日本黄色视频网| 国产v大片淫在线免费观看| 国内少妇人妻偷人精品xxx网站| 免费观看的影片在线观看| 九九在线视频观看精品| 99国产精品一区二区蜜桃av| 无限看片的www在线观看| 欧美性猛交╳xxx乱大交人| 久久久久久久久中文| 国产一区二区三区在线臀色熟女| 天天一区二区日本电影三级| 国产精品嫩草影院av在线观看 | 欧美乱色亚洲激情| 国产亚洲精品久久久com| 村上凉子中文字幕在线| 黑人欧美特级aaaaaa片| 超碰av人人做人人爽久久 | 欧美一区二区国产精品久久精品| 日日摸夜夜添夜夜添小说| 丰满乱子伦码专区| 午夜日韩欧美国产| 亚洲精品国产精品久久久不卡| 欧美最黄视频在线播放免费| 国产精品一区二区三区四区久久| 两个人看的免费小视频| 黄片小视频在线播放| 国产在线精品亚洲第一网站| 亚洲精品美女久久久久99蜜臀| 精品国内亚洲2022精品成人| 久久香蕉国产精品| 18+在线观看网站| 日韩欧美免费精品| 757午夜福利合集在线观看| 免费看十八禁软件| av中文乱码字幕在线| 99久久99久久久精品蜜桃| 日韩欧美精品免费久久 | 欧美午夜高清在线| 国产探花在线观看一区二区| 麻豆国产97在线/欧美| 中文字幕av在线有码专区| 免费大片18禁| 成人国产综合亚洲| 欧美成人一区二区免费高清观看| 一区二区三区激情视频| 久久久色成人| 亚洲精品亚洲一区二区| 国产精品亚洲av一区麻豆| avwww免费| 久久人妻av系列| 亚洲熟妇熟女久久| 成人高潮视频无遮挡免费网站| 亚洲欧美日韩高清专用| 午夜a级毛片| 脱女人内裤的视频| 久久亚洲真实| 日本五十路高清| 国产又黄又爽又无遮挡在线| 观看美女的网站| 99久久久亚洲精品蜜臀av| 内地一区二区视频在线| 久久久精品欧美日韩精品| 成人特级黄色片久久久久久久| 欧美丝袜亚洲另类 | 婷婷六月久久综合丁香| 9191精品国产免费久久| 国产亚洲av嫩草精品影院| 搡老岳熟女国产| 国产伦精品一区二区三区四那| 午夜福利在线观看吧| 人人妻,人人澡人人爽秒播| 中文在线观看免费www的网站| 欧美日韩乱码在线| 国产爱豆传媒在线观看| 欧美日韩亚洲国产一区二区在线观看| 亚洲国产欧美人成| 国产视频一区二区在线看| 久久草成人影院| 九色成人免费人妻av| 变态另类成人亚洲欧美熟女| 欧美丝袜亚洲另类 | 色吧在线观看| 少妇熟女aⅴ在线视频| 一进一出抽搐动态| 久久中文看片网| 亚洲国产精品合色在线| 精品无人区乱码1区二区| 岛国视频午夜一区免费看| 欧美不卡视频在线免费观看| 国产日本99.免费观看| www.999成人在线观看| 国产精品99久久99久久久不卡| 桃色一区二区三区在线观看| 国产av不卡久久| 一级黄色大片毛片| 亚洲第一欧美日韩一区二区三区| 国产成人福利小说| 国产视频一区二区在线看| 91麻豆av在线| 亚洲狠狠婷婷综合久久图片| av在线蜜桃| 久久久久精品国产欧美久久久| 性色av乱码一区二区三区2| 精品电影一区二区在线| 国产av一区在线观看免费|