• <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
    日韩不卡一区二区三区视频在线| 自拍欧美九色日韩亚洲蝌蚪91| 精品午夜福利在线看| 两个人看的免费小视频| 国产男人的电影天堂91| 久久久久久免费高清国产稀缺| 成人国语在线视频| 国产激情久久老熟女| 亚洲国产欧美在线一区| 色婷婷av一区二区三区视频| 亚洲熟女精品中文字幕| 91aial.com中文字幕在线观看| 日韩av在线免费看完整版不卡| 99精国产麻豆久久婷婷| 国产在线免费精品| 日韩视频在线欧美| 日韩制服丝袜自拍偷拍| 天天躁夜夜躁狠狠躁躁| 欧美97在线视频| 99久久人妻综合| 天天影视国产精品| 欧美精品亚洲一区二区| www.熟女人妻精品国产| 国产精品无大码| 欧美人与性动交α欧美精品济南到 | 一级,二级,三级黄色视频| 久久99精品国语久久久| 国产精品av久久久久免费| 午夜老司机福利剧场| 欧美精品av麻豆av| 自拍欧美九色日韩亚洲蝌蚪91| 中文字幕色久视频| 美女福利国产在线| 日韩中文字幕视频在线看片| 一级片'在线观看视频| 男女国产视频网站| 国产成人av激情在线播放| 色播在线永久视频| 亚洲欧美精品综合一区二区三区 | 街头女战士在线观看网站| 永久免费av网站大全| 欧美日韩精品成人综合77777| 免费不卡的大黄色大毛片视频在线观看| 国产人伦9x9x在线观看 | 成年动漫av网址| 在线精品无人区一区二区三| 国产有黄有色有爽视频| 亚洲一码二码三码区别大吗| 纵有疾风起免费观看全集完整版| 永久免费av网站大全| 亚洲男人天堂网一区| 国产精品国产av在线观看| 超碰成人久久| 99热国产这里只有精品6| 精品一区二区三区四区五区乱码 | 国产熟女午夜一区二区三区| 亚洲美女黄色视频免费看| 日韩精品有码人妻一区| 免费播放大片免费观看视频在线观看| 男女边摸边吃奶| 久久久a久久爽久久v久久| 国产又色又爽无遮挡免| 晚上一个人看的免费电影| 国产片特级美女逼逼视频| 久久久久久人妻| 国产精品香港三级国产av潘金莲 | 欧美97在线视频| a级片在线免费高清观看视频| 欧美日本中文国产一区发布| 咕卡用的链子| 免费在线观看视频国产中文字幕亚洲 | 国产国语露脸激情在线看| 99热国产这里只有精品6| 国产国语露脸激情在线看| 日韩制服骚丝袜av| 69精品国产乱码久久久| 99久久中文字幕三级久久日本| 激情五月婷婷亚洲| 美女xxoo啪啪120秒动态图| 99久久综合免费| 国产黄色视频一区二区在线观看| 免费不卡的大黄色大毛片视频在线观看| 成年女人在线观看亚洲视频| 少妇的逼水好多| 人人妻人人爽人人添夜夜欢视频| 国产一区二区激情短视频 | 中文精品一卡2卡3卡4更新| 午夜老司机福利剧场| a级毛片黄视频| 久久97久久精品| 一本大道久久a久久精品| xxxhd国产人妻xxx| 最近中文字幕高清免费大全6| 亚洲av电影在线观看一区二区三区| 观看美女的网站| 99九九在线精品视频| 久久国内精品自在自线图片| 亚洲精品成人av观看孕妇| 九九爱精品视频在线观看| 美女高潮到喷水免费观看| 日韩精品有码人妻一区| av电影中文网址| 国产亚洲精品第一综合不卡| 日韩av在线免费看完整版不卡| 欧美另类一区| 一区二区三区激情视频| 国产男女超爽视频在线观看| 国产成人精品婷婷| 在线 av 中文字幕| 久久av网站| 国产极品天堂在线| 人人妻人人添人人爽欧美一区卜| 男人舔女人的私密视频| 中文字幕人妻丝袜制服| 国产一区亚洲一区在线观看| 国产高清国产精品国产三级| 久久精品人人爽人人爽视色| 天天躁狠狠躁夜夜躁狠狠躁| 91成人精品电影| 美女福利国产在线| 免费高清在线观看视频在线观看| 久久99精品国语久久久| 中文欧美无线码| 老汉色∧v一级毛片| 欧美日韩av久久| 久久久精品区二区三区| 99久久人妻综合| 久久狼人影院| 欧美日本中文国产一区发布| 欧美精品一区二区大全| 中文字幕另类日韩欧美亚洲嫩草| 人人妻人人添人人爽欧美一区卜| 亚洲色图综合在线观看| 我要看黄色一级片免费的| 国产精品熟女久久久久浪| 国产无遮挡羞羞视频在线观看| 欧美另类一区| 久久人人爽av亚洲精品天堂| 国精品久久久久久国模美| 成年av动漫网址| 国产成人精品在线电影| av网站在线播放免费| 男人爽女人下面视频在线观看| 国产精品国产av在线观看| 国产精品偷伦视频观看了| 啦啦啦中文免费视频观看日本| 免费看av在线观看网站| 国产乱人偷精品视频| 久久精品熟女亚洲av麻豆精品| 三上悠亚av全集在线观看| 精品亚洲乱码少妇综合久久| 成人午夜精彩视频在线观看| 午夜福利一区二区在线看| 国产成人精品在线电影| 多毛熟女@视频| 久久人人爽人人片av| 亚洲,欧美,日韩| 久久精品久久久久久噜噜老黄| 婷婷色综合www| 日韩视频在线欧美| av网站免费在线观看视频| 成人毛片a级毛片在线播放| 国产一区有黄有色的免费视频| 男人舔女人的私密视频| 一个人免费看片子| 国产探花极品一区二区| 久久女婷五月综合色啪小说| 精品人妻一区二区三区麻豆| 男女午夜视频在线观看| 国产日韩欧美亚洲二区| 热99久久久久精品小说推荐| 热99国产精品久久久久久7| 欧美 亚洲 国产 日韩一| 超碰97精品在线观看| 日本欧美视频一区| 久久国产精品大桥未久av| 免费观看在线日韩| av福利片在线| 国产精品亚洲av一区麻豆 | 制服人妻中文乱码| 亚洲美女搞黄在线观看| 色94色欧美一区二区| 国产成人精品婷婷| 激情视频va一区二区三区| www.av在线官网国产| 日日撸夜夜添| 亚洲综合精品二区| 国产日韩欧美亚洲二区| 久久毛片免费看一区二区三区| 亚洲在久久综合| 欧美日韩视频精品一区| 亚洲综合精品二区| 亚洲久久久国产精品| 日韩大片免费观看网站| 丰满饥渴人妻一区二区三| 国产在线免费精品| 中文字幕最新亚洲高清| 久久久a久久爽久久v久久| 男的添女的下面高潮视频| 综合色丁香网| 国产精品香港三级国产av潘金莲 | 亚洲欧美精品自产自拍| 观看美女的网站| 老女人水多毛片| 亚洲一区二区三区欧美精品| 中文字幕av电影在线播放| 国产一区有黄有色的免费视频| 久久99精品国语久久久| 不卡av一区二区三区| 赤兔流量卡办理| 久久精品国产自在天天线| 亚洲综合精品二区| 欧美+日韩+精品| 国产精品偷伦视频观看了| 大码成人一级视频| 欧美日韩视频精品一区| 国产一区亚洲一区在线观看| 校园人妻丝袜中文字幕| 五月天丁香电影| 精品亚洲成国产av| 亚洲av国产av综合av卡| 国产1区2区3区精品| 国产xxxxx性猛交| 丝袜人妻中文字幕| 亚洲国产欧美网| 国产午夜精品一二区理论片| 日韩中字成人| 精品少妇一区二区三区视频日本电影 | 丝瓜视频免费看黄片| 日本黄色日本黄色录像| 如日韩欧美国产精品一区二区三区| 亚洲国产av影院在线观看| 国产精品女同一区二区软件| av女优亚洲男人天堂| 一级爰片在线观看| 国产精品av久久久久免费| 亚洲激情五月婷婷啪啪| 久久99精品国语久久久| 精品久久蜜臀av无| 91在线精品国自产拍蜜月| 99久国产av精品国产电影| 久久精品国产a三级三级三级| 在线天堂中文资源库| 最近最新中文字幕大全免费视频 | 亚洲精品国产av成人精品| 日韩在线高清观看一区二区三区| 亚洲国产欧美在线一区| 亚洲图色成人| 久久99蜜桃精品久久| 亚洲情色 制服丝袜| av女优亚洲男人天堂| 精品国产超薄肉色丝袜足j| 国产精品久久久av美女十八| 国产一区二区三区av在线| 国产精品久久久久成人av| 亚洲,欧美精品.| 精品午夜福利在线看| 一二三四在线观看免费中文在| 美女中出高潮动态图| 90打野战视频偷拍视频| 欧美最新免费一区二区三区| 国产黄频视频在线观看| 一区二区三区四区激情视频| 日韩电影二区| 五月伊人婷婷丁香| 亚洲内射少妇av| 亚洲欧美成人综合另类久久久| 9色porny在线观看| 国产成人精品一,二区| 日韩人妻精品一区2区三区| 亚洲精品国产一区二区精华液| 欧美人与性动交α欧美软件| 熟妇人妻不卡中文字幕| 亚洲国产欧美日韩在线播放| 久久人妻熟女aⅴ| 青青草视频在线视频观看| 亚洲国产成人一精品久久久| 日韩欧美一区视频在线观看| 深夜精品福利| 午夜福利网站1000一区二区三区| 18禁裸乳无遮挡动漫免费视频| 国产黄色视频一区二区在线观看| 美女中出高潮动态图| 精品国产露脸久久av麻豆| 国产精品国产三级专区第一集| 日韩人妻精品一区2区三区| 18+在线观看网站| av网站免费在线观看视频| 一本色道久久久久久精品综合| av国产久精品久网站免费入址| 亚洲精品国产av蜜桃| 国产日韩欧美在线精品| 中文天堂在线官网| 中文字幕精品免费在线观看视频| 欧美日韩综合久久久久久| 在线观看美女被高潮喷水网站| 精品国产一区二区三区四区第35| 精品一区二区三区四区五区乱码 | 国产一区二区三区av在线| 日韩精品有码人妻一区| 丝袜在线中文字幕| 制服丝袜香蕉在线| 亚洲成人手机| 日本欧美视频一区| av片东京热男人的天堂| 男人舔女人的私密视频| 国产欧美日韩综合在线一区二区| 亚洲精品在线美女| 中文天堂在线官网| 9热在线视频观看99| 夫妻性生交免费视频一级片| 啦啦啦中文免费视频观看日本| 日韩在线高清观看一区二区三区| 精品午夜福利在线看| 九九爱精品视频在线观看| 日韩av在线免费看完整版不卡| 婷婷色综合www| 丝袜在线中文字幕| 青草久久国产| 超碰97精品在线观看| a级毛片在线看网站| 99久久精品国产国产毛片| 日韩熟女老妇一区二区性免费视频| 亚洲欧洲精品一区二区精品久久久 | 两个人看的免费小视频| 久久精品久久久久久久性| 美女大奶头黄色视频| 最近手机中文字幕大全| 国产乱人偷精品视频| 免费大片黄手机在线观看| 精品一品国产午夜福利视频| 大香蕉久久网| 少妇的丰满在线观看| 三级国产精品片| 国产成人一区二区在线| 久久久久视频综合| 2021少妇久久久久久久久久久| 国产不卡av网站在线观看| 69精品国产乱码久久久| 一本大道久久a久久精品| 亚洲第一青青草原| 国产一区二区在线观看av| 亚洲av免费高清在线观看| 久久这里有精品视频免费| 午夜av观看不卡| 搡老乐熟女国产| 久久久久久免费高清国产稀缺| 亚洲精品第二区| 男女无遮挡免费网站观看| 国产午夜精品一二区理论片| 日韩在线高清观看一区二区三区| 叶爱在线成人免费视频播放| 99热网站在线观看| 人人澡人人妻人| 涩涩av久久男人的天堂| 精品国产乱码久久久久久男人| 日韩中字成人| 丝袜美足系列| 精品少妇一区二区三区视频日本电影 | 黄色视频在线播放观看不卡| 日韩视频在线欧美| 国产成人精品无人区| 黄色怎么调成土黄色| 亚洲精品一区蜜桃| 亚洲av日韩在线播放| www.精华液| 9热在线视频观看99| 高清视频免费观看一区二区| 成人影院久久| 伦精品一区二区三区| 中文字幕最新亚洲高清| 宅男免费午夜| 日韩成人av中文字幕在线观看| 国产又色又爽无遮挡免| 黑人猛操日本美女一级片| 青春草视频在线免费观看| 成年女人毛片免费观看观看9 | 中文字幕av电影在线播放| 不卡视频在线观看欧美| 天堂8中文在线网| 国产成人一区二区在线| 久久午夜综合久久蜜桃| 蜜桃在线观看..| 久久ye,这里只有精品| 日韩精品免费视频一区二区三区| 有码 亚洲区| 日韩精品免费视频一区二区三区| 久久久国产一区二区| 免费少妇av软件| 亚洲综合色网址| 精品亚洲成a人片在线观看| 精品久久久久久电影网| videos熟女内射| 久久99精品国语久久久| 亚洲成人一二三区av| 成人黄色视频免费在线看| 精品国产超薄肉色丝袜足j| 只有这里有精品99| 国产精品蜜桃在线观看| 日本午夜av视频| 纯流量卡能插随身wifi吗| 午夜av观看不卡| 国产精品久久久久久精品古装| 哪个播放器可以免费观看大片| 亚洲av综合色区一区| 只有这里有精品99| 国产精品蜜桃在线观看| 少妇人妻 视频| 国产深夜福利视频在线观看| 国产极品天堂在线| 超碰97精品在线观看| 午夜福利在线免费观看网站| 美女xxoo啪啪120秒动态图| 国产乱人偷精品视频| 久久99精品国语久久久| 熟女少妇亚洲综合色aaa.| 999精品在线视频| 免费高清在线观看日韩| 国产片内射在线| 亚洲成人一二三区av| 90打野战视频偷拍视频| 永久免费av网站大全| 精品久久久久久电影网| 热re99久久国产66热| 日韩视频在线欧美| 香蕉国产在线看| 国产精品熟女久久久久浪| 中文字幕人妻丝袜一区二区 | 中文欧美无线码| 午夜福利影视在线免费观看| 欧美变态另类bdsm刘玥| 视频区图区小说| 国产在视频线精品| 香蕉国产在线看| 春色校园在线视频观看| 欧美最新免费一区二区三区| 亚洲精华国产精华液的使用体验| 国产亚洲欧美精品永久| 赤兔流量卡办理| 久久久精品94久久精品| 秋霞伦理黄片| 亚洲av电影在线观看一区二区三区| 精品少妇黑人巨大在线播放| 久久影院123| 午夜福利乱码中文字幕| 一级,二级,三级黄色视频| 久久精品亚洲av国产电影网| 久久久精品94久久精品| 少妇 在线观看| 99国产综合亚洲精品| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品嫩草影院av在线观看| 国产精品久久久久久久久免| 成人手机av| av卡一久久| 男女午夜视频在线观看| 99久久中文字幕三级久久日本| 国产免费又黄又爽又色| 大码成人一级视频| 80岁老熟妇乱子伦牲交| 午夜免费鲁丝| 色94色欧美一区二区| 久久97久久精品| 黑丝袜美女国产一区| 不卡av一区二区三区| 欧美精品人与动牲交sv欧美| 久久久精品区二区三区| 亚洲国产av影院在线观看| 亚洲美女搞黄在线观看| 亚洲成国产人片在线观看| 午夜福利一区二区在线看| 国产精品一区二区在线不卡| 欧美激情极品国产一区二区三区| 国产在视频线精品| 久久久久久久久久久久大奶| 飞空精品影院首页| av免费在线看不卡| 午夜免费男女啪啪视频观看| 亚洲国产欧美在线一区| 极品少妇高潮喷水抽搐| av免费在线看不卡| 久久av网站| 不卡视频在线观看欧美| xxxhd国产人妻xxx| 精品人妻熟女毛片av久久网站| 亚洲综合色网址| 波多野结衣av一区二区av| 男的添女的下面高潮视频| 亚洲精品国产av成人精品| 国产av码专区亚洲av| 午夜日韩欧美国产| 久久久久久久久久人人人人人人| xxxhd国产人妻xxx| 亚洲,欧美精品.| 人人妻人人爽人人添夜夜欢视频| 成人国产麻豆网| 国产精品一二三区在线看| 国产精品 国内视频| 丰满少妇做爰视频| 黑丝袜美女国产一区| 丝袜脚勾引网站| 黄片无遮挡物在线观看| 日日啪夜夜爽| 国产人伦9x9x在线观看 | 成人黄色视频免费在线看| 国产无遮挡羞羞视频在线观看| 婷婷色麻豆天堂久久| 午夜激情av网站| 亚洲av日韩在线播放| 最近2019中文字幕mv第一页| 欧美精品人与动牲交sv欧美| 香蕉丝袜av| 成人漫画全彩无遮挡| 久热这里只有精品99| 欧美精品av麻豆av| 午夜福利一区二区在线看| 日韩av免费高清视频| www.自偷自拍.com| 婷婷色综合大香蕉| 青春草国产在线视频| 丝袜人妻中文字幕| 少妇 在线观看| 午夜日本视频在线| 99久国产av精品国产电影| 久久精品人人爽人人爽视色| 亚洲色图综合在线观看| 男人添女人高潮全过程视频| 人妻一区二区av| 国产精品一区二区在线不卡| 国产精品国产av在线观看| 精品久久蜜臀av无| 国产野战对白在线观看| 两性夫妻黄色片| 侵犯人妻中文字幕一二三四区| 纵有疾风起免费观看全集完整版| 高清欧美精品videossex| 久久精品夜色国产| 日韩人妻精品一区2区三区| 免费看av在线观看网站| 只有这里有精品99| a 毛片基地| 亚洲在久久综合| 一级毛片黄色毛片免费观看视频| 热re99久久国产66热| 亚洲精品一区蜜桃| 国产精品一区二区在线观看99| 亚洲精品av麻豆狂野| 国产又色又爽无遮挡免| 母亲3免费完整高清在线观看 | 黄色视频在线播放观看不卡| 在线天堂中文资源库| 哪个播放器可以免费观看大片| 最近中文字幕高清免费大全6| 国产成人一区二区在线| 国产精品欧美亚洲77777| 伊人久久国产一区二区| 亚洲国产av新网站| 午夜福利视频在线观看免费| 高清av免费在线| 久久国产精品男人的天堂亚洲| 又粗又硬又长又爽又黄的视频| 久久久a久久爽久久v久久| 国产精品成人在线| 18禁观看日本| 亚洲综合色网址| 黑人巨大精品欧美一区二区蜜桃| 看非洲黑人一级黄片| 极品少妇高潮喷水抽搐| 成人国产麻豆网| 91成人精品电影| 日日撸夜夜添| 秋霞伦理黄片| 国产精品免费大片| 久久毛片免费看一区二区三区| 夫妻午夜视频| 国产亚洲av片在线观看秒播厂| 日韩三级伦理在线观看| 国产午夜精品一二区理论片| 亚洲情色 制服丝袜| 精品人妻熟女毛片av久久网站| 午夜福利视频精品| 伦理电影大哥的女人| 久久久久久久久免费视频了| 国产高清不卡午夜福利| 女性被躁到高潮视频| 高清黄色对白视频在线免费看| 国产免费福利视频在线观看| 久久精品国产综合久久久| 亚洲av电影在线进入| 曰老女人黄片| 日韩一本色道免费dvd| 日韩一区二区三区影片| 亚洲精品,欧美精品| 蜜桃国产av成人99| 性少妇av在线| 少妇的逼水好多| 久久久久人妻精品一区果冻| 伦精品一区二区三区| 国产成人a∨麻豆精品| 人人妻人人爽人人添夜夜欢视频| 啦啦啦中文免费视频观看日本| 国产av精品麻豆| 国产精品久久久久成人av| 亚洲精品视频女| 女人被躁到高潮嗷嗷叫费观| 视频区图区小说| 国产xxxxx性猛交| av天堂久久9| 亚洲精品美女久久久久99蜜臀 | 午夜精品国产一区二区电影| 一本色道久久久久久精品综合| 久久久精品免费免费高清| 91在线精品国自产拍蜜月| 久久精品人人爽人人爽视色| 欧美人与性动交α欧美软件|