• <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
    麻豆成人午夜福利视频| 99久久人妻综合| 国产精品久久久久久精品电影小说 | 欧美丝袜亚洲另类| 99热6这里只有精品| 视频中文字幕在线观看| 国产成人免费观看mmmm| 99热网站在线观看| 久久久午夜欧美精品| 网址你懂的国产日韩在线| 国产免费福利视频在线观看| 精品午夜福利在线看| 国产精品国产三级国产av玫瑰| 91在线精品国自产拍蜜月| 国产 精品1| 日本一本二区三区精品| 另类亚洲欧美激情| 自拍偷自拍亚洲精品老妇| 一级a做视频免费观看| 亚洲四区av| 亚洲欧美中文字幕日韩二区| 成人午夜精彩视频在线观看| 久久久亚洲精品成人影院| 久久国内精品自在自线图片| 最近手机中文字幕大全| 国产人妻一区二区三区在| 亚洲天堂国产精品一区在线| 国产av码专区亚洲av| 亚洲美女视频黄频| 亚洲欧美清纯卡通| 国产精品麻豆人妻色哟哟久久| 在线a可以看的网站| 搡女人真爽免费视频火全软件| 69人妻影院| 韩国高清视频一区二区三区| 十八禁网站网址无遮挡 | 亚洲av日韩在线播放| 亚洲第一区二区三区不卡| 一级毛片 在线播放| 亚洲色图综合在线观看| 蜜桃亚洲精品一区二区三区| 成人免费观看视频高清| 99热网站在线观看| 国产片特级美女逼逼视频| 亚洲在线观看片| 亚洲第一区二区三区不卡| 97超视频在线观看视频| 亚洲四区av| 免费少妇av软件| 国内精品美女久久久久久| 一本色道久久久久久精品综合| 精品久久久久久久末码| 国产日韩欧美亚洲二区| 国产午夜福利久久久久久| 精品久久久久久久久亚洲| 一级片'在线观看视频| 亚洲av男天堂| 国产精品一区二区在线观看99| 免费av观看视频| 天天一区二区日本电影三级| av在线蜜桃| 国内少妇人妻偷人精品xxx网站| 日韩人妻高清精品专区| 日韩欧美精品v在线| 亚洲欧美成人综合另类久久久| 日韩三级伦理在线观看| 精品一区二区免费观看| 欧美xxxx黑人xx丫x性爽| 直男gayav资源| 一个人看的www免费观看视频| 色网站视频免费| 精品少妇久久久久久888优播| 久久久久久久久大av| a级毛片免费高清观看在线播放| 国产 精品1| 少妇的逼水好多| 亚洲av国产av综合av卡| 91在线精品国自产拍蜜月| 国产91av在线免费观看| 精品熟女少妇av免费看| 一边亲一边摸免费视频| 国产人妻一区二区三区在| 赤兔流量卡办理| 最近中文字幕2019免费版| 国产白丝娇喘喷水9色精品| 欧美区成人在线视频| 可以在线观看毛片的网站| 久久久欧美国产精品| 国产在线男女| 人妻夜夜爽99麻豆av| 日韩av免费高清视频| 人妻少妇偷人精品九色| 在线精品无人区一区二区三 | 精品午夜福利在线看| 亚洲欧美中文字幕日韩二区| 中国美白少妇内射xxxbb| 国产精品福利在线免费观看| 亚洲,一卡二卡三卡| 免费看日本二区| 久久久久国产网址| 国产成人91sexporn| 日本一二三区视频观看| 亚洲无线观看免费| 亚洲国产av新网站| 国产精品久久久久久精品电影小说 | 亚洲欧美成人精品一区二区| 日韩中字成人| 久久国内精品自在自线图片| 国产成人午夜福利电影在线观看| 亚洲av成人精品一二三区| 日韩欧美精品免费久久| kizo精华| 久久久久久伊人网av| 2021少妇久久久久久久久久久| 亚洲丝袜综合中文字幕| eeuss影院久久| 嫩草影院入口| 成人欧美大片| 久久精品国产自在天天线| 毛片一级片免费看久久久久| 久热这里只有精品99| 国产精品国产三级专区第一集| 国产黄片视频在线免费观看| 国产高清三级在线| 久久99蜜桃精品久久| 国产av国产精品国产| 九九爱精品视频在线观看| 国产老妇女一区| 亚洲av福利一区| 最近2019中文字幕mv第一页| 天天一区二区日本电影三级| 久久久久久伊人网av| av女优亚洲男人天堂| kizo精华| 少妇人妻 视频| 99久久精品国产国产毛片| 国产伦精品一区二区三区四那| 中文欧美无线码| av卡一久久| 久久久久久久久久久丰满| 国产av码专区亚洲av| 国产亚洲午夜精品一区二区久久 | 99久久精品热视频| 亚洲欧美一区二区三区国产| 日韩国内少妇激情av| 99久久精品热视频| av女优亚洲男人天堂| 日韩av不卡免费在线播放| 日产精品乱码卡一卡2卡三| 色视频在线一区二区三区| 丝瓜视频免费看黄片| 国产午夜福利久久久久久| 日韩强制内射视频| 亚洲久久久久久中文字幕| 一级毛片黄色毛片免费观看视频| 国产亚洲最大av| 国产精品伦人一区二区| 三级男女做爰猛烈吃奶摸视频| 亚洲av男天堂| 能在线免费看毛片的网站| 国产69精品久久久久777片| 亚洲av在线观看美女高潮| 天天一区二区日本电影三级| 日韩中字成人| 少妇裸体淫交视频免费看高清| 国产黄色视频一区二区在线观看| 三级经典国产精品| 91久久精品国产一区二区三区| 亚洲精品中文字幕在线视频 | 极品少妇高潮喷水抽搐| 日韩欧美精品v在线| 日韩欧美精品免费久久| 在线精品无人区一区二区三 | 免费观看的影片在线观看| 老女人水多毛片| 国产精品久久久久久久电影| 国内揄拍国产精品人妻在线| 国产av不卡久久| 丝袜美腿在线中文| 乱系列少妇在线播放| 中文在线观看免费www的网站| 黄色配什么色好看| 国产亚洲5aaaaa淫片| 一级毛片 在线播放| 男女下面进入的视频免费午夜| 又粗又硬又长又爽又黄的视频| 一二三四中文在线观看免费高清| 国产亚洲一区二区精品| 精品一区二区三卡| 国产黄片美女视频| 国产精品偷伦视频观看了| 国产亚洲最大av| 99热这里只有是精品在线观看| 亚洲欧美成人精品一区二区| 边亲边吃奶的免费视频| 各种免费的搞黄视频| 亚洲aⅴ乱码一区二区在线播放| 亚洲精品中文字幕在线视频 | 亚洲精品国产色婷婷电影| 午夜激情福利司机影院| videos熟女内射| 久久久久久久亚洲中文字幕| 国产精品人妻久久久久久| 成人毛片60女人毛片免费| 亚洲精品乱久久久久久| 嫩草影院入口| 亚洲精品国产av蜜桃| 久久久久久久久久久免费av| 国产一区二区三区av在线| 久久久精品欧美日韩精品| 午夜爱爱视频在线播放| 国产一区二区三区综合在线观看 | 好男人在线观看高清免费视频| 亚洲在久久综合| 五月玫瑰六月丁香| 亚洲不卡免费看| 91久久精品电影网| 国语对白做爰xxxⅹ性视频网站| 国产又色又爽无遮挡免| 美女国产视频在线观看| 欧美成人精品欧美一级黄| av在线蜜桃| 69av精品久久久久久| 国产欧美日韩精品一区二区| 色吧在线观看| 免费黄网站久久成人精品| 日韩欧美 国产精品| av在线播放精品| 亚洲人成网站高清观看| 欧美日韩视频精品一区| 亚洲精品成人av观看孕妇| 精品国产一区二区三区久久久樱花 | 亚洲色图av天堂| 中国三级夫妇交换| 免费观看的影片在线观看| 欧美潮喷喷水| 久久精品人妻少妇| 欧美性猛交╳xxx乱大交人| 亚洲精品456在线播放app| 亚洲无线观看免费| 久久99精品国语久久久| 久久影院123| 欧美丝袜亚洲另类| 亚洲国产精品999| 亚洲精品日韩av片在线观看| 色播亚洲综合网| 真实男女啪啪啪动态图| 3wmmmm亚洲av在线观看| 人妻系列 视频| 全区人妻精品视频| 欧美成人a在线观看| 国产精品人妻久久久久久| 一本色道久久久久久精品综合| 美女视频免费永久观看网站| 久久99精品国语久久久| 最近2019中文字幕mv第一页| 我的老师免费观看完整版| 国产免费视频播放在线视频| 欧美激情国产日韩精品一区| 久久影院123| 高清在线视频一区二区三区| 中文天堂在线官网| 日日摸夜夜添夜夜爱| 嫩草影院新地址| 国产精品蜜桃在线观看| 中文字幕av成人在线电影| 成人无遮挡网站| 高清视频免费观看一区二区| 激情 狠狠 欧美| 久久久久久久亚洲中文字幕| 亚洲熟女精品中文字幕| 国产精品一二三区在线看| 亚洲电影在线观看av| 国产av国产精品国产| 免费看不卡的av| 各种免费的搞黄视频| 狠狠精品人妻久久久久久综合| 亚洲精品亚洲一区二区| 国产精品一区www在线观看| 99视频精品全部免费 在线| 嫩草影院新地址| 国产成人午夜福利电影在线观看| 97在线视频观看| 中文在线观看免费www的网站| 交换朋友夫妻互换小说| 欧美性感艳星| 欧美3d第一页| 日韩成人伦理影院| 我的老师免费观看完整版| 国产伦精品一区二区三区视频9| 好男人视频免费观看在线| 在线观看一区二区三区激情| 国产精品一区二区性色av| 91久久精品国产一区二区三区| 特大巨黑吊av在线直播| 欧美日韩一区二区视频在线观看视频在线 | 亚洲av男天堂| 国产 精品1| 久久精品国产亚洲av涩爱| 精品一区二区免费观看| 国产片特级美女逼逼视频| 国产伦理片在线播放av一区| 在线观看一区二区三区| 国产亚洲av嫩草精品影院| 亚洲精品一二三| 亚洲欧洲国产日韩| 如何舔出高潮| av国产免费在线观看| 99热这里只有是精品在线观看| 22中文网久久字幕| 亚洲最大成人手机在线| 特级一级黄色大片| 99热网站在线观看| 在现免费观看毛片| 国产精品国产av在线观看| 精品国产一区二区三区久久久樱花 | 日韩制服骚丝袜av| 99久久人妻综合| 久久精品国产自在天天线| 美女高潮的动态| 亚洲精品乱码久久久久久按摩| 久久国内精品自在自线图片| 欧美区成人在线视频| 国产精品久久久久久av不卡| 免费av不卡在线播放| 国产高清有码在线观看视频| 日韩国内少妇激情av| 国产精品女同一区二区软件| 欧美激情国产日韩精品一区| 一级毛片久久久久久久久女| 亚洲性久久影院| 久久影院123| 午夜免费男女啪啪视频观看| 久久久精品欧美日韩精品| 国产在线男女| 国产高清国产精品国产三级 | 亚洲一区二区三区欧美精品 | 在线观看一区二区三区| 欧美高清性xxxxhd video| 五月伊人婷婷丁香| 午夜精品国产一区二区电影 | 秋霞在线观看毛片| 免费看a级黄色片| 少妇 在线观看| 日韩一本色道免费dvd| 成年人午夜在线观看视频| 午夜福利在线观看免费完整高清在| 国产免费一区二区三区四区乱码| 国产黄片美女视频| 亚洲国产最新在线播放| 亚洲电影在线观看av| 亚洲va在线va天堂va国产| 人人妻人人澡人人爽人人夜夜| 日韩成人av中文字幕在线观看| 日日摸夜夜添夜夜添av毛片| 国产精品女同一区二区软件| 国产成人一区二区在线| 视频中文字幕在线观看| 九草在线视频观看| 久久午夜福利片| 五月开心婷婷网| 色播亚洲综合网| 国产精品一区二区三区四区免费观看| 国产成人a∨麻豆精品| 白带黄色成豆腐渣| 91精品伊人久久大香线蕉| 免费大片黄手机在线观看| 搡老乐熟女国产| 国产精品人妻久久久久久| 91久久精品国产一区二区三区| 看黄色毛片网站| 亚洲精品国产色婷婷电影| 国产成人午夜福利电影在线观看| 偷拍熟女少妇极品色| 日日摸夜夜添夜夜添av毛片| 亚洲精品久久午夜乱码| 三级经典国产精品| 国产在视频线精品| 两个人的视频大全免费| 国产黄色视频一区二区在线观看| av在线观看视频网站免费| 久久久久性生活片| 深夜a级毛片| 国产精品蜜桃在线观看| 亚洲伊人久久精品综合| 亚洲天堂国产精品一区在线| 欧美精品国产亚洲| 成人午夜精彩视频在线观看| 成人漫画全彩无遮挡| 亚洲国产精品999| 综合色丁香网| 成人亚洲精品一区在线观看 | 少妇 在线观看| 亚洲精品久久久久久婷婷小说| 亚洲精品第二区| 2021天堂中文幕一二区在线观| 久久精品久久久久久久性| 亚洲欧美精品专区久久| 18禁动态无遮挡网站| 亚洲欧洲国产日韩| 国产精品麻豆人妻色哟哟久久| 国产成人精品婷婷| kizo精华| 亚洲欧美日韩卡通动漫| 人体艺术视频欧美日本| 在现免费观看毛片| 国产黄色免费在线视频| 婷婷色av中文字幕| 男女下面进入的视频免费午夜| 别揉我奶头 嗯啊视频| 高清日韩中文字幕在线| 黄色欧美视频在线观看| 综合色av麻豆| 99re6热这里在线精品视频| 亚洲色图综合在线观看| 插逼视频在线观看| 乱系列少妇在线播放| 2022亚洲国产成人精品| 中文字幕制服av| 搡女人真爽免费视频火全软件| 亚洲天堂国产精品一区在线| 国产成人福利小说| 麻豆成人av视频| 一级毛片久久久久久久久女| 久久久久久久久久久免费av| 亚洲最大成人手机在线| 亚洲精品日韩在线中文字幕| 亚洲成人一二三区av| 久久久久精品久久久久真实原创| 新久久久久国产一级毛片| 黑人高潮一二区| a级一级毛片免费在线观看| 久久久精品欧美日韩精品| 国产成人freesex在线| 69人妻影院| .国产精品久久| 禁无遮挡网站| 亚洲精品亚洲一区二区| 国产v大片淫在线免费观看| 国产伦精品一区二区三区视频9| 国产高清三级在线| 久久ye,这里只有精品| 十八禁网站网址无遮挡 | 亚洲av国产av综合av卡| 亚洲成人一二三区av| 亚洲av成人精品一二三区| av在线老鸭窝| 搡老乐熟女国产| 成人高潮视频无遮挡免费网站| 久久午夜福利片| 大话2 男鬼变身卡| 韩国高清视频一区二区三区| 亚洲国产av新网站| 成人欧美大片| 最近中文字幕高清免费大全6| 天天一区二区日本电影三级| 久久久久九九精品影院| 国产有黄有色有爽视频| 最近的中文字幕免费完整| 91aial.com中文字幕在线观看| 色视频www国产| 欧美bdsm另类| 国产综合懂色| 丰满乱子伦码专区| 黄色配什么色好看| 99久国产av精品国产电影| 天天躁夜夜躁狠狠久久av| 成人亚洲精品av一区二区| 国产永久视频网站| 禁无遮挡网站| 午夜福利在线观看免费完整高清在| 美女内射精品一级片tv| 国产毛片a区久久久久| 国产综合精华液| 欧美变态另类bdsm刘玥| av又黄又爽大尺度在线免费看| 亚洲精品乱码久久久v下载方式| 亚洲精品日韩av片在线观看| 在线免费观看不下载黄p国产| 国产女主播在线喷水免费视频网站| 午夜福利视频1000在线观看| 久久久久久久久久人人人人人人| 青青草视频在线视频观看| 男女无遮挡免费网站观看| 啦啦啦在线观看免费高清www| 在线播放无遮挡| 国产免费视频播放在线视频| 亚洲精品aⅴ在线观看| 女人被狂操c到高潮| 99热网站在线观看| 免费看不卡的av| 在线观看免费高清a一片| 亚洲国产高清在线一区二区三| 亚洲欧美日韩另类电影网站 | 最近最新中文字幕免费大全7| 日韩一区二区视频免费看| 精品少妇久久久久久888优播| 熟女电影av网| 建设人人有责人人尽责人人享有的 | 婷婷色麻豆天堂久久| 国产91av在线免费观看| 少妇的逼好多水| 99re6热这里在线精品视频| 性色avwww在线观看| 91午夜精品亚洲一区二区三区| 亚洲精品国产av蜜桃| 午夜激情久久久久久久| 久久久久久久久久成人| 久久久久九九精品影院| 日本与韩国留学比较| 国产日韩欧美亚洲二区| 我要看日韩黄色一级片| 亚洲成人av在线免费| 97精品久久久久久久久久精品| 又大又黄又爽视频免费| 一级毛片aaaaaa免费看小| 亚洲色图综合在线观看| 纵有疾风起免费观看全集完整版| 国产精品蜜桃在线观看| 一级片'在线观看视频| 不卡视频在线观看欧美| 色婷婷久久久亚洲欧美| 亚洲成人中文字幕在线播放| 午夜精品一区二区三区免费看| 欧美一区二区亚洲| 成年女人看的毛片在线观看| 一级av片app| 五月玫瑰六月丁香| 日韩,欧美,国产一区二区三区| 大香蕉97超碰在线| av免费观看日本| 夜夜爽夜夜爽视频| 亚洲,一卡二卡三卡| 国产高潮美女av| 午夜精品国产一区二区电影 | 观看免费一级毛片| 亚洲av一区综合| 午夜福利在线观看免费完整高清在| 欧美3d第一页| 亚洲av福利一区| 久久久久国产网址| 熟女人妻精品中文字幕| 最新中文字幕久久久久| 成人欧美大片| 精品久久久久久久末码| 国产亚洲5aaaaa淫片| 老女人水多毛片| 少妇裸体淫交视频免费看高清| 亚洲欧美一区二区三区黑人 | 女人被狂操c到高潮| 亚洲精品色激情综合| 免费看光身美女| 在线免费十八禁| 最新中文字幕久久久久| 少妇的逼水好多| 亚洲国产最新在线播放| 中文欧美无线码| 免费少妇av软件| 久久97久久精品| 国产乱人视频| 亚洲国产精品国产精品| 久久ye,这里只有精品| 熟女电影av网| 美女视频免费永久观看网站| 久久久国产一区二区| 女人久久www免费人成看片| 国产 精品1| 菩萨蛮人人尽说江南好唐韦庄| 欧美老熟妇乱子伦牲交| 大香蕉97超碰在线| 看非洲黑人一级黄片| 欧美潮喷喷水| av国产久精品久网站免费入址| 2021天堂中文幕一二区在线观| 在线观看一区二区三区激情| 欧美zozozo另类| 日韩av不卡免费在线播放| 又爽又黄a免费视频| 综合色丁香网| 免费观看在线日韩| 狂野欧美激情性bbbbbb| 街头女战士在线观看网站| 欧美 日韩 精品 国产| 九九久久精品国产亚洲av麻豆| 97在线人人人人妻| 中文精品一卡2卡3卡4更新| a级一级毛片免费在线观看| 在线观看国产h片| 亚洲av二区三区四区| 青春草国产在线视频| 自拍欧美九色日韩亚洲蝌蚪91 | a级毛色黄片| 日韩中字成人| av在线app专区| 一级毛片电影观看| 一级毛片黄色毛片免费观看视频| 极品教师在线视频| 97在线视频观看| 夜夜看夜夜爽夜夜摸| 中文字幕制服av| 亚洲最大成人av| 国内精品美女久久久久久| 高清毛片免费看| 免费大片18禁| 国产高潮美女av| av黄色大香蕉| 日本av手机在线免费观看| 日韩一本色道免费dvd| 观看免费一级毛片| 日日摸夜夜添夜夜爱| av在线观看视频网站免费| 国产探花在线观看一区二区| 97热精品久久久久久| av国产免费在线观看| 人人妻人人看人人澡|