• <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 ?

    基于文本的卷積網(wǎng)絡(luò)在電影推薦系統(tǒng)中的應(yīng)用

    2021-12-19 22:40:52付裕
    電腦知識與技術(shù) 2021年32期
    關(guān)鍵詞:自然語言處理

    付裕

    摘要:當(dāng)今互聯(lián)網(wǎng)趨勢下,實體服務(wù)行業(yè)越來越傾向于與線上的互聯(lián)網(wǎng)進行深度合作,講究服務(wù)以質(zhì)量取勝、以人性化、個性化取勝。故在這樣的背景下,以傳統(tǒng)的打廣告的模式來吸引觀眾去電影院看電影的方式在逐漸被更智能化、更具有針對性的精準(zhǔn)推送的線上方式所取代。為了更好地服務(wù)喜歡看電影的觀眾,開發(fā)了這個基于文本的卷積神經(jīng)的個性化電影推薦系統(tǒng)。此系統(tǒng)使用神經(jīng)網(wǎng)絡(luò)將自然語言處理與電影推薦相結(jié)合,利用MovieLens數(shù)據(jù)集訓(xùn)練一個基于文本的卷積神經(jīng)網(wǎng)絡(luò),實現(xiàn)電影個性化推薦系統(tǒng)。最后使用django框架并結(jié)合豆瓣爬蟲,搭建了推薦系統(tǒng)Web端服務(wù)。

    關(guān)鍵詞:個性化推薦系統(tǒng);TensorFlow;文本卷積網(wǎng)絡(luò); MovieLens;自然語言處理

    中圖分類號:TP301 ? 文獻標(biāo)識碼:A

    文章編號:1009-3044(2021)32-0113-04

    Application of Text-based Convolutional Network in a Movie Recommendation System

    FU Yu

    (Yangtze University, Jingzhou 434000, China)

    Abstract: In today's Internet trend, the entity service industry is more and more inclined to carry out in-depth cooperation with the online Internet and pay attention to service, win by quality, humanization, and personalization. Therefore, in this context, the traditional advertising mode to attract the audience to the cinema is gradually replaced by a more intelligent and targeted online way of precise push. Therefore, to better serve the audience who like to watch movies, I develop a personalized movie recommendation system based on a text convolution neural network. This system uses a neural network to combine natural language processing with movie recommendation, and uses movielens data set to train a convolution neural network based on text to realize a movie personalized recommendation system[1]. Finally, I use the Django framework and Douban crawler to build the web service of recommendation system.

    Key words: personalized recommendation system; TensorFlow; text convolutional network; MovieLens; natural language processing

    1 ?前言

    當(dāng)前的個性化推薦系統(tǒng)實際上與自然語言處理聯(lián)系得非常緊密,特別是利用用戶的評論等進行輿情化分析,以期達到更符合更大多數(shù)人需求的推薦。為了更好地服務(wù)觀影用戶,此項目主要是應(yīng)用了當(dāng)今熱門的推薦技術(shù)來實現(xiàn)對觀影用戶的精準(zhǔn)推送,以此來達到影片的觀影次數(shù)和觀眾的觀影體驗的雙提高的效果。主要實現(xiàn)了給用戶推薦喜歡的電影、給用戶推薦相似的電影、推薦看過的用戶還喜歡看的電影這三個功能。

    2 ?推薦系統(tǒng)簡介

    推薦系統(tǒng)是根據(jù)用戶的歷史信息和行為,向用戶推薦他感興趣的內(nèi)容的一種系統(tǒng)[2]。理論上,當(dāng)一個全新的用戶進入系統(tǒng)后是無法實現(xiàn)個性化推薦的,只有當(dāng)用戶使用了這個系統(tǒng)后,系統(tǒng)收集了用戶的信息和行為才能向用戶提供個性化的推薦內(nèi)容[3]。但在實際工程運用中,也可以通過各種手段解決“冷啟動”這樣的問題,來達到向系統(tǒng)新用戶的粗略推薦。常見的推薦大致可以分為基于協(xié)同過濾的推薦和基于內(nèi)容的相似推薦這兩種[4]。其中,推薦系統(tǒng)包含的環(huán)節(jié)如下圖1所示。

    3 數(shù)據(jù)處理

    本項目使用的是MovieLens 1M 數(shù)據(jù)集,包含6000個用戶在近4000部電影上的1億條評論。數(shù)據(jù)集分為三個文件:用戶數(shù)據(jù)users.dat,電影數(shù)據(jù)movies.dat和評分?jǐn)?shù)據(jù)ratings.dat[5]。

    3.1 用戶數(shù)據(jù)users.dat

    用戶ID:不用改變。性別字段:需要將‘F’和‘M’轉(zhuǎn)換成0和1。年齡字段:要轉(zhuǎn)成7個連續(xù)數(shù)字0~6。

    3.2 電影數(shù)據(jù)movies.dat

    電影ID字段:不用改變。流派Genres字段:是分類字段,要轉(zhuǎn)成數(shù)字。首先將Genres中的類別轉(zhuǎn)成字符串到數(shù)字的字典,然后再將每個電影的Genres字段轉(zhuǎn)成數(shù)字列表,因為有些電影是多個Genres的組合。? ?標(biāo)題Title字段:處理方式跟Genres字段一樣,首先創(chuàng)建文本到數(shù)字的字典,然后將Title中的描述轉(zhuǎn)成數(shù)字的列表。另外Title中的年份也需要去掉。在實際代碼的書寫中Genres和Title字段需要將長度統(tǒng)一,這樣在神經(jīng)網(wǎng)絡(luò)中方便處理??瞻撞糠钟谩?lt; PAD >’對應(yīng)的數(shù)字填充。

    3.2 評分?jǐn)?shù)據(jù)ratings.dat

    數(shù)據(jù)處理完之后將三個表做 inner merge,并保存為模型文件 data_preprocess.pkl。

    4 建模與模型訓(xùn)練

    針對處理后數(shù)據(jù)的不同字段進行模型的搭建。相關(guān)模型結(jié)構(gòu)設(shè)計如下圖2所示。

    4.1 嵌入層

    根據(jù)上文,為了解決數(shù)據(jù)稀疏問題,One-hot的矩陣相乘可以簡化為查表操作,這大大降低了運算量。不是每一個詞用一個向量來代替,而是替換為用于查找嵌入矩陣中向量的索引,在網(wǎng)絡(luò)的訓(xùn)練過程中,嵌入向量也會更新,也就可以探索在高維空間中詞語之間的相似性。

    ? 本系統(tǒng)使用tensorflow的tf.nn.embedding_lookup就是根據(jù)input_ids中的id尋找embeddings中的第id行。比如input_ids=[1,3,5],則找出embeddings中第1,3,5行,組成一個tensor返回。tf.nn.embedding_lookup不是簡單的查表,id對應(yīng)的向量是可以訓(xùn)練的,訓(xùn)練參數(shù)個數(shù)應(yīng)該是 category num*embedding size,也可以說lookup是一種全連接層。

    創(chuàng)建嵌入矩陣,要決定每一個索引需要分配多少個潛在因子,這大體上意味著想要多長的向量,通常使用的情況是長度分配為32和50[6],此處選擇32和16,所以各字段嵌入矩陣的shape第1個維度,也就是第2個數(shù)字要么為32,要么為16;

    而嵌入矩陣第0個緯度為6041、2、7、21,也就是嵌入矩陣的行數(shù),也就代表著這四個字段unique值有多少個,例如Gender的值只有0和1(經(jīng)過數(shù)據(jù)處理)其嵌入矩陣就有2行。

    在上一點敘述過使用tf.nn.embedding_lookup與UserID字段的數(shù)據(jù)進行全連接(相當(dāng)于查表操作),則每個嵌入層的shape應(yīng)該是這樣的(數(shù)據(jù)量,字段長度,索引長度),數(shù)據(jù)量可以設(shè)計為每個epoch的大小;對于User數(shù)據(jù)來說,字段長度都為1,因為用一個值就能表示該獨一無二的值,如果對于文本,則可能需要使用數(shù)組來表示,即字段長度可能大于1;索引長度則是嵌入矩陣的潛在因子。

    對數(shù)據(jù)集字段UserID、Gender、Age、JobID和電影數(shù)據(jù)的MovieID、Genres、Title分別構(gòu)建嵌入矩陣和嵌入層。 Title嵌入層的shape是(?,15,32),“?”代表了一個epoch的數(shù)量,32代表了自定義選擇的潛在因子數(shù)量,15則代表了該字段的每一個unique值都需要一個長度為15的向量來表示。Genres嵌入層的shape是(?,1,32),由于一個電影的Genres(電影的類型),可能屬于多個類別,所以該字段的需要做特殊的處理,即把第1緯度上的向量進行加和,這樣做其實削減了特征的表現(xiàn),但是又防止比如僅僅推薦相關(guān)類型的電影。

    綜上,經(jīng)過嵌入層,得到以下模型:

    針對User數(shù)據(jù),如表1所示。

    針對Movie數(shù)據(jù),如表2所示。

    4.2 文本卷積層

    網(wǎng)絡(luò)的第一層是詞嵌入層,由每一個單詞的嵌入向量組成的嵌入矩陣。下一層使用多個不同尺寸(窗口大小)的卷積核在嵌入矩陣上做卷積,窗口大小指的是每次卷積覆蓋幾個單詞[7]。這里跟對圖像做卷積不太一樣,圖像的卷積通常用2x2、3x3、5x5之類的尺寸,而文本卷積要覆蓋整個單詞的嵌入向量,所以尺寸是(單詞數(shù),向量維度),比如每次滑動3個、4個或者5個單詞。第三層網(wǎng)絡(luò)是max pooling得到一個長向量,最后使用dropout做正則化,最終得到了電影Title的特征[7]。

    卷積過程涉及以下幾個參數(shù),如表3所示。

    將Title字段嵌入層的輸出movie_title_embed_layer(shape=(?,15,32)),作為卷積層的輸入,所以先把movie_title_embed_layer擴展一個維度,shape變?yōu)椋ǎ浚?5,32,1),四個參數(shù)分別為(batch,height,width,channels)

    可以得到如表4所示數(shù)據(jù)。

    考慮window_size=2的情況,首先得到嵌入層輸出,并對其增加一個維度得到movie_title_embed_layer_expand(shape=(?,15,32,1)),其作為卷積層的輸入。卷積核的參數(shù)filter_weights為(2,32,1,8),表示卷積核的高度為2,寬度為32,輸入通道為1,輸出通道為32。其中輸出通道與上一層的輸入通道相同。

    卷積層在各個維度上的步長都為1,且padding的方式為VALID,則可得到卷積層的shape為(?,14,1,8)。 卷積之后使用relu函數(shù)進行激活,并且加上偏置,shape保持不變。最大池化的窗口為(1,14,1,1),且在每個維度上的步長都為1,即可得到池化后的shape為(?,1,1,8)。依次類推,當(dāng)window_size為其他時,也能得到池化層輸出shape為(?,1,1,8)。得到四個卷積、池化的輸出之后將池化層的輸出根據(jù)第三維(第四個參數(shù))相連,變形為(?,1,1,32),再變形為三維(?,1,32)。最后為了正則化防止過擬合,經(jīng)過dropout層處理,輸出shape為(?,1,32)。

    4.3 全連接層

    對上文所得到的嵌入層的輸出和卷積層的輸出進行全連接。對User數(shù)據(jù)的嵌入層進行全連接,最終得到輸出特征的shape為(?,200)。同理對Movie數(shù)據(jù)進行兩層全連接,最終得到輸出特征的shape為(?,200)。

    4.4 構(gòu)建計算圖與模型訓(xùn)練

    構(gòu)建計算圖,訓(xùn)練。問題回歸為簡單地將用戶特征和電影特征做矩陣乘法得到一個預(yù)測評分,損失為均方誤差。

    1)模型保存

    ?保存的模型包括:處理后的訓(xùn)練數(shù)據(jù)、訓(xùn)練完成后的網(wǎng)絡(luò)、用戶特征矩陣、電影特征矩陣。

    2)模型損失圖像

    訓(xùn)練集損失圖像如圖3所示。

    測試集損失圖像如圖4所示。

    經(jīng)過簡單的調(diào)參。batch_size 對Loss的影響較大,但是batch_size 過大,損失會有比較大的抖動情況。隨著學(xué)習(xí)率逐漸減小,損失會先減小后增大,所以最終確定參數(shù)還是固定參數(shù)效果較好。

    4.5 推薦

    加了隨機因素保證對相同電影推薦時推薦結(jié)果的不一致。

    1)給用戶推薦喜歡的電影:使用用戶特征向量與電影特征矩陣計算所有電影的評分,取評分最高的 topK個。

    2)推薦相似的電影:計算選擇電影特征向量與整個電影特征矩陣的余弦相似度,取相似度最大的 topK 個。

    3)推薦看過的用戶還喜歡看的電影。

    ?(1)首先選出喜歡某個電影的 topK 個人,得到這幾個人的用戶特征向量。

    ?(2)計算這幾個人對所有電影的評分。

    ?(3)選擇每個人評分最高的電影作為推薦。

    5 最終實驗結(jié)果

    因為數(shù)據(jù)集也未有電影的中文名稱、圖片等數(shù)據(jù),所以在web項目中加了一個豆瓣的爬蟲,每次推薦都請求數(shù)據(jù),并進行相應(yīng)的解析和封裝。在服務(wù)器啟動的時候就加載模型,并且把tensorflow的session提前封裝好,在調(diào)用相關(guān)方法時,直接傳入該全局session,避免了每次請求都加載模型。

    給用戶推薦喜歡的電影后臺相關(guān)效果如圖5所示。

    給用戶推薦相似的電影后臺相關(guān)輸出效果如圖6所示。

    為看過某部電影的用戶推薦他可能還喜歡看的電影后臺相關(guān)輸出效果如圖7所示。

    6 ?項目總結(jié)與展望

    本次項目實現(xiàn)了常用的推薦功能,將網(wǎng)絡(luò)模型作為回歸問題進行訓(xùn)練,得到訓(xùn)練好的用戶特征矩陣和電影特征矩陣進行了推薦。并且此次項目把源碼進行了面向?qū)ο蠓庋b,增強了源碼的復(fù)用性和可用性,對推薦相關(guān)方法也進行了微小的調(diào)整,解決了模型多次加載問題,最后增加了該項目的Web展示端。

    此次項目收獲頗豐,但是該系統(tǒng)還存在一系列問題:如模型的局限性,即該系統(tǒng)只能對數(shù)據(jù)集中的電影和用戶進行推薦,沒有再找相關(guān)字段的數(shù)據(jù),所以訓(xùn)練數(shù)據(jù)量相對較小,適用性也比較窄。希望將來能普適開來,能為更多有現(xiàn)實需求的用戶服務(wù)。

    參考文獻:

    [1] 戴培,靳涵瑜,錦璇,等.基于語義分析和卷積神經(jīng)網(wǎng)絡(luò)的視頻審查機制研究[J].信息與電腦(理論版),2019(12):116-118.

    [2] 弗朗西斯科·里奇(Francesco Ricci),利奧·羅卡奇(Lior Rokach),布拉哈·夏皮拉(Bracha Shapira).推薦系統(tǒng):技術(shù)、評估及高效算法[M].李艷民,等,譯.北京:機械工業(yè)出版社,2018.

    [3] 姜信景,齊小剛,劉立芳.個性化信息推薦方法研究[J].智能系統(tǒng)學(xué)報,2018,13(2):189-195.

    [4] 常亮,曹玉婷,孫文平,等.旅游推薦系統(tǒng)研究綜述[J].計算機科學(xué),2017,44(10):1-6.

    [5] 鄧秀勤, 張翼飛, 江志華, 等. 一種基于節(jié)點分割的隱私屬性(a, k)-匿名算法[J]. 數(shù)據(jù)挖掘, 2020,10(2):143-151.

    [6] 胡思才,孫界平,琚生根,等.基于深度神經(jīng)網(wǎng)絡(luò)和概率矩陣分解的混合推薦算法[J].四川大學(xué)學(xué)報(自然科學(xué)版),2019,56(6):1033-1041.

    [7] 易黎,肖青秀,湯鯤.基于雙層注意力機制的深度學(xué)習(xí)電影推薦系統(tǒng)[J].計算機與現(xiàn)代化,2018(11):109-114.

    【通聯(lián)編輯:梁書】

    猜你喜歡
    自然語言處理
    基于LSTM自動編碼機的短文本聚類方法
    自然語言處理與司法案例
    魅力中國(2017年24期)2017-09-15 04:35:10
    國外基于知識庫的問答系統(tǒng)相關(guān)研究進展及其啟示
    中國市場(2016年39期)2017-05-26 17:55:58
    基于依存句法的實體關(guān)系抽取
    基于組合分類算法的源代碼注釋質(zhì)量評估方法
    面向機器人導(dǎo)航的漢語路徑自然語言組塊分析方法研究
    詞向量的語義學(xué)規(guī)范化
    漢哈機器翻譯中的文字轉(zhuǎn)換技術(shù)研究
    HowNet在自然語言處理領(lǐng)域的研究現(xiàn)狀與分析
    科技視界(2016年5期)2016-02-22 11:41:39
    基于.NET的維哈柯多語種網(wǎng)上數(shù)據(jù)采集系統(tǒng)的設(shè)計與實現(xiàn)
    亚洲美女搞黄在线观看| 亚洲成人一二三区av| 午夜免费鲁丝| 欧美日韩视频高清一区二区三区二| 最近中文字幕高清免费大全6| 久久 成人 亚洲| xxxhd国产人妻xxx| 久久天躁狠狠躁夜夜2o2o | 久久国产精品大桥未久av| 亚洲七黄色美女视频| 久久久亚洲精品成人影院| 免费高清在线观看视频在线观看| 亚洲精品久久久久久婷婷小说| 91国产中文字幕| 少妇人妻久久综合中文| 嫩草影院入口| 纯流量卡能插随身wifi吗| 99热全是精品| 久久国产亚洲av麻豆专区| 9热在线视频观看99| 国产在线一区二区三区精| 亚洲在久久综合| 亚洲一区二区三区欧美精品| 中国国产av一级| 国产老妇伦熟女老妇高清| 丁香六月天网| 精品国产一区二区三区久久久樱花| 最黄视频免费看| 亚洲欧洲精品一区二区精品久久久 | 精品午夜福利在线看| 王馨瑶露胸无遮挡在线观看| 欧美成人午夜精品| 久久av网站| 日韩av不卡免费在线播放| 国产熟女午夜一区二区三区| 久久久久久久精品精品| 日本欧美国产在线视频| 人妻人人澡人人爽人人| 亚洲国产欧美网| 久久久久精品国产欧美久久久 | 亚洲av日韩在线播放| av在线观看视频网站免费| 欧美少妇被猛烈插入视频| av国产精品久久久久影院| 亚洲欧美激情在线| 男人添女人高潮全过程视频| 一本一本久久a久久精品综合妖精| 成人亚洲欧美一区二区av| 国产精品av久久久久免费| 久久精品久久久久久噜噜老黄| 久久久国产一区二区| 超碰成人久久| 丝袜在线中文字幕| 久久精品人人爽人人爽视色| 亚洲精品自拍成人| 两个人看的免费小视频| www日本在线高清视频| 九色亚洲精品在线播放| 天美传媒精品一区二区| 午夜福利乱码中文字幕| 人人澡人人妻人| 精品午夜福利在线看| 日韩大码丰满熟妇| 人体艺术视频欧美日本| 交换朋友夫妻互换小说| 亚洲av中文av极速乱| 最黄视频免费看| 丰满迷人的少妇在线观看| 久久久精品94久久精品| 中国国产av一级| 亚洲婷婷狠狠爱综合网| 女性被躁到高潮视频| netflix在线观看网站| 免费黄色在线免费观看| 亚洲精品国产区一区二| 国产成人欧美| 成年av动漫网址| 天天躁狠狠躁夜夜躁狠狠躁| 成年av动漫网址| 欧美精品亚洲一区二区| 国产亚洲av片在线观看秒播厂| 国产亚洲最大av| 久久久久精品国产欧美久久久 | 欧美亚洲 丝袜 人妻 在线| 欧美精品一区二区大全| 大香蕉久久网| 中文字幕另类日韩欧美亚洲嫩草| 日韩人妻精品一区2区三区| 久久久久精品久久久久真实原创| 国产在视频线精品| www.自偷自拍.com| 日韩 欧美 亚洲 中文字幕| 大话2 男鬼变身卡| 亚洲av男天堂| 青青草视频在线视频观看| 亚洲精品国产色婷婷电影| 乱人伦中国视频| 啦啦啦在线观看免费高清www| 成人亚洲精品一区在线观看| 国产亚洲av片在线观看秒播厂| 国产精品蜜桃在线观看| 国产亚洲av高清不卡| 丁香六月欧美| 女性被躁到高潮视频| 五月天丁香电影| 悠悠久久av| 老汉色∧v一级毛片| www.自偷自拍.com| 日韩一区二区视频免费看| 老司机靠b影院| 久久人妻熟女aⅴ| 亚洲精品中文字幕在线视频| 99香蕉大伊视频| 青春草国产在线视频| 色婷婷久久久亚洲欧美| 在线观看国产h片| 成人国产av品久久久| av一本久久久久| 一级片免费观看大全| 天天影视国产精品| 高清欧美精品videossex| 日日撸夜夜添| 午夜福利免费观看在线| 国产又爽黄色视频| 亚洲三区欧美一区| 亚洲欧洲日产国产| 亚洲天堂av无毛| 亚洲国产精品999| 99久久人妻综合| 久久久久国产精品人妻一区二区| 国产日韩一区二区三区精品不卡| 欧美另类一区| 色综合欧美亚洲国产小说| 免费在线观看黄色视频的| 91精品三级在线观看| 黄色视频在线播放观看不卡| 免费不卡黄色视频| 九草在线视频观看| 亚洲欧美色中文字幕在线| 在线观看www视频免费| 久久午夜综合久久蜜桃| 永久免费av网站大全| 日韩欧美一区视频在线观看| 久久 成人 亚洲| 日韩大片免费观看网站| 精品福利永久在线观看| 国产欧美亚洲国产| 另类亚洲欧美激情| 亚洲少妇的诱惑av| 女人被躁到高潮嗷嗷叫费观| 最近手机中文字幕大全| 久久热在线av| 国产一区二区在线观看av| 精品福利永久在线观看| 美女中出高潮动态图| 晚上一个人看的免费电影| 嫩草影院入口| e午夜精品久久久久久久| 交换朋友夫妻互换小说| 欧美激情 高清一区二区三区| 女人高潮潮喷娇喘18禁视频| 日韩一区二区三区影片| 午夜日韩欧美国产| 搡老乐熟女国产| 中文欧美无线码| 国产有黄有色有爽视频| 国产日韩欧美在线精品| 热re99久久精品国产66热6| 日韩成人av中文字幕在线观看| 日韩av在线免费看完整版不卡| 自线自在国产av| 国产 精品1| 欧美精品av麻豆av| 亚洲精品视频女| 亚洲国产精品999| 丝袜在线中文字幕| 午夜激情av网站| 亚洲色图综合在线观看| av福利片在线| 欧美精品一区二区免费开放| 欧美激情 高清一区二区三区| 国产 精品1| 中文字幕高清在线视频| 免费人妻精品一区二区三区视频| 亚洲第一区二区三区不卡| 亚洲,欧美,日韩| 久久久精品免费免费高清| 啦啦啦啦在线视频资源| 色婷婷久久久亚洲欧美| 99香蕉大伊视频| 香蕉丝袜av| 亚洲精华国产精华液的使用体验| 国产爽快片一区二区三区| 我的亚洲天堂| 国产女主播在线喷水免费视频网站| 免费女性裸体啪啪无遮挡网站| a级片在线免费高清观看视频| 日韩 欧美 亚洲 中文字幕| 丰满饥渴人妻一区二区三| 亚洲婷婷狠狠爱综合网| 日本猛色少妇xxxxx猛交久久| 亚洲欧洲国产日韩| 国产福利在线免费观看视频| 人妻一区二区av| 免费黄网站久久成人精品| 亚洲欧美精品综合一区二区三区| 美女福利国产在线| av在线播放精品| 亚洲国产欧美网| 又粗又硬又长又爽又黄的视频| 色精品久久人妻99蜜桃| 欧美日韩一区二区视频在线观看视频在线| 日本黄色日本黄色录像| 精品人妻一区二区三区麻豆| 丝瓜视频免费看黄片| 久久久久网色| 国产高清国产精品国产三级| 18禁裸乳无遮挡动漫免费视频| 男女之事视频高清在线观看 | 丝袜人妻中文字幕| 亚洲第一av免费看| 亚洲精品国产区一区二| 亚洲四区av| 久久影院123| 精品免费久久久久久久清纯 | 亚洲美女视频黄频| 女性生殖器流出的白浆| 久久国产精品男人的天堂亚洲| 日韩一区二区三区影片| 免费在线观看视频国产中文字幕亚洲 | 99久久精品国产亚洲精品| 精品国产一区二区久久| 亚洲七黄色美女视频| 黑丝袜美女国产一区| 国产精品久久久久久精品古装| 亚洲五月色婷婷综合| 日韩欧美精品免费久久| 日本猛色少妇xxxxx猛交久久| 日韩一卡2卡3卡4卡2021年| 亚洲美女黄色视频免费看| 日韩熟女老妇一区二区性免费视频| 欧美日韩亚洲高清精品| 侵犯人妻中文字幕一二三四区| 欧美成人午夜精品| 亚洲成人手机| 国产成人av激情在线播放| 中国国产av一级| 多毛熟女@视频| 成人手机av| 最黄视频免费看| 99热网站在线观看| 欧美精品一区二区大全| 久久精品国产亚洲av高清一级| 黄色一级大片看看| 久久精品国产a三级三级三级| 久久99热这里只频精品6学生| 欧美日韩视频高清一区二区三区二| 国产精品免费大片| 青草久久国产| 午夜福利免费观看在线| 国产又色又爽无遮挡免| 亚洲少妇的诱惑av| 婷婷色av中文字幕| 97精品久久久久久久久久精品| 99久久综合免费| av女优亚洲男人天堂| 狂野欧美激情性bbbbbb| 亚洲成人一二三区av| 国产亚洲av高清不卡| 99九九在线精品视频| 美国免费a级毛片| 久久久久久久国产电影| 国语对白做爰xxxⅹ性视频网站| 亚洲精品成人av观看孕妇| 不卡av一区二区三区| 日韩成人av中文字幕在线观看| 黄片无遮挡物在线观看| 亚洲一区二区三区欧美精品| 免费观看av网站的网址| 亚洲精品一区蜜桃| 国产日韩欧美视频二区| 久久精品亚洲熟妇少妇任你| 91老司机精品| 一本色道久久久久久精品综合| 黄片播放在线免费| 人妻人人澡人人爽人人| 午夜激情av网站| 国产高清国产精品国产三级| 人人澡人人妻人| 9191精品国产免费久久| 少妇人妻精品综合一区二区| 在现免费观看毛片| 亚洲av电影在线观看一区二区三区| 精品少妇久久久久久888优播| 久久影院123| 精品国产国语对白av| 99九九在线精品视频| av国产久精品久网站免费入址| 曰老女人黄片| 婷婷色av中文字幕| 亚洲一区中文字幕在线| 观看美女的网站| 热re99久久国产66热| 啦啦啦在线观看免费高清www| 如日韩欧美国产精品一区二区三区| 亚洲精品日韩在线中文字幕| 亚洲久久久国产精品| 亚洲视频免费观看视频| 午夜福利,免费看| av有码第一页| 纵有疾风起免费观看全集完整版| 精品酒店卫生间| 岛国毛片在线播放| 欧美精品一区二区大全| 国产精品国产三级专区第一集| 亚洲精品aⅴ在线观看| 国产福利在线免费观看视频| 男女床上黄色一级片免费看| 成年av动漫网址| 丁香六月欧美| 久久精品亚洲熟妇少妇任你| 国产精品女同一区二区软件| svipshipincom国产片| 精品少妇久久久久久888优播| 中文字幕av电影在线播放| 精品少妇内射三级| 国产成人a∨麻豆精品| 国产日韩一区二区三区精品不卡| 在线观看免费高清a一片| av一本久久久久| 亚洲免费av在线视频| 女人精品久久久久毛片| 国产成人91sexporn| 亚洲,欧美,日韩| 老司机影院毛片| 男人添女人高潮全过程视频| 91成人精品电影| 最近的中文字幕免费完整| 老司机亚洲免费影院| 热99国产精品久久久久久7| 国产成人av激情在线播放| 精品少妇内射三级| 观看美女的网站| 亚洲欧美激情在线| 亚洲欧美日韩另类电影网站| 超碰97精品在线观看| 国产在视频线精品| 丝袜美足系列| 天美传媒精品一区二区| 午夜老司机福利片| 性少妇av在线| av在线观看视频网站免费| 丝袜人妻中文字幕| 制服诱惑二区| 麻豆av在线久日| 纵有疾风起免费观看全集完整版| 精品一区二区三区四区五区乱码 | 国产精品一区二区精品视频观看| 青春草国产在线视频| 晚上一个人看的免费电影| 国产在线一区二区三区精| 九九爱精品视频在线观看| 日韩成人av中文字幕在线观看| 女的被弄到高潮叫床怎么办| 欧美在线黄色| 日韩视频在线欧美| www.自偷自拍.com| 成年动漫av网址| 国产乱人偷精品视频| 丰满少妇做爰视频| 女人爽到高潮嗷嗷叫在线视频| 天天添夜夜摸| 国产成人精品无人区| 天天添夜夜摸| 久久这里只有精品19| 自拍欧美九色日韩亚洲蝌蚪91| 精品一区在线观看国产| 中文精品一卡2卡3卡4更新| 1024香蕉在线观看| 久久精品aⅴ一区二区三区四区| 亚洲第一av免费看| 中文字幕人妻丝袜一区二区 | 免费少妇av软件| 女人久久www免费人成看片| 久久99一区二区三区| 十八禁网站网址无遮挡| 亚洲久久久国产精品| 国产一区二区激情短视频 | 亚洲一级一片aⅴ在线观看| 热re99久久国产66热| 亚洲国产欧美网| 久久人人97超碰香蕉20202| tube8黄色片| 色网站视频免费| 亚洲专区中文字幕在线 | 纯流量卡能插随身wifi吗| 国产又爽黄色视频| 国产精品久久久人人做人人爽| 亚洲,欧美,日韩| 国产女主播在线喷水免费视频网站| 国产黄色免费在线视频| 国产精品欧美亚洲77777| 丝袜在线中文字幕| 男人添女人高潮全过程视频| 电影成人av| 极品人妻少妇av视频| 毛片一级片免费看久久久久| 国产精品久久久久久精品电影小说| 尾随美女入室| 亚洲男人天堂网一区| av福利片在线| 午夜老司机福利片| 国产精品嫩草影院av在线观看| 久久久久久人妻| 久久女婷五月综合色啪小说| 国产精品久久久久久人妻精品电影 | 久久天躁狠狠躁夜夜2o2o | 欧美激情极品国产一区二区三区| 1024视频免费在线观看| 亚洲国产av新网站| 免费日韩欧美在线观看| 亚洲精品国产av蜜桃| 欧美黑人欧美精品刺激| 国产一区二区三区综合在线观看| 中文字幕另类日韩欧美亚洲嫩草| 午夜激情久久久久久久| 色播在线永久视频| 精品亚洲成国产av| a级片在线免费高清观看视频| 日本午夜av视频| 欧美另类一区| 国产爽快片一区二区三区| 黄色一级大片看看| 久久久久视频综合| 久久热在线av| 久久久久久人人人人人| 嫩草影视91久久| 国产男女超爽视频在线观看| 性少妇av在线| 欧美乱码精品一区二区三区| 涩涩av久久男人的天堂| 国产免费现黄频在线看| av在线观看视频网站免费| 亚洲精品国产色婷婷电影| 2021少妇久久久久久久久久久| 中文字幕人妻丝袜一区二区 | 熟女少妇亚洲综合色aaa.| 18禁国产床啪视频网站| av在线观看视频网站免费| 午夜91福利影院| 欧美精品高潮呻吟av久久| 看免费成人av毛片| 精品福利永久在线观看| 少妇人妻久久综合中文| 自拍欧美九色日韩亚洲蝌蚪91| 国产乱来视频区| 美女午夜性视频免费| 欧美xxⅹ黑人| 亚洲欧洲国产日韩| 啦啦啦视频在线资源免费观看| 亚洲色图综合在线观看| 亚洲 欧美一区二区三区| 精品亚洲乱码少妇综合久久| 亚洲av日韩在线播放| 欧美日韩视频高清一区二区三区二| 国产日韩欧美视频二区| h视频一区二区三区| 亚洲人成电影观看| 在线观看三级黄色| 亚洲精品成人av观看孕妇| 亚洲精品成人av观看孕妇| 男女下面插进去视频免费观看| 一级毛片我不卡| 女性生殖器流出的白浆| 精品免费久久久久久久清纯 | 99精品久久久久人妻精品| 在线观看www视频免费| 国产精品久久久久久人妻精品电影 | 亚洲自偷自拍图片 自拍| 成人亚洲欧美一区二区av| 男男h啪啪无遮挡| 亚洲在久久综合| av天堂久久9| 久久毛片免费看一区二区三区| 极品人妻少妇av视频| 99久久人妻综合| 欧美日韩一级在线毛片| 亚洲五月色婷婷综合| 亚洲精品久久久久久婷婷小说| 少妇 在线观看| 久久免费观看电影| 少妇 在线观看| 亚洲精品自拍成人| 成人黄色视频免费在线看| 色播在线永久视频| 亚洲精品美女久久av网站| 天美传媒精品一区二区| kizo精华| 亚洲av日韩精品久久久久久密 | 日韩一卡2卡3卡4卡2021年| 人妻人人澡人人爽人人| 三上悠亚av全集在线观看| 欧美黄色片欧美黄色片| 高清av免费在线| 麻豆乱淫一区二区| 亚洲国产精品999| 激情五月婷婷亚洲| 悠悠久久av| kizo精华| 日本vs欧美在线观看视频| 国产精品嫩草影院av在线观看| 国产成人欧美| 在线看a的网站| 操美女的视频在线观看| 国产日韩欧美视频二区| 18在线观看网站| 99热全是精品| 涩涩av久久男人的天堂| 一级,二级,三级黄色视频| 一本大道久久a久久精品| 国产一卡二卡三卡精品 | 国产成人免费观看mmmm| 国产无遮挡羞羞视频在线观看| 日韩视频在线欧美| 成人手机av| 亚洲一区中文字幕在线| 国产免费现黄频在线看| 久久影院123| 妹子高潮喷水视频| 99国产综合亚洲精品| 视频区图区小说| 精品少妇内射三级| 在线观看人妻少妇| 99精品久久久久人妻精品| 欧美亚洲日本最大视频资源| 久久女婷五月综合色啪小说| 一区二区av电影网| 精品久久久精品久久久| 亚洲伊人色综图| 大香蕉久久网| 久久久国产一区二区| tube8黄色片| 免费女性裸体啪啪无遮挡网站| 国产高清国产精品国产三级| 久久人人97超碰香蕉20202| 亚洲av日韩精品久久久久久密 | 亚洲精品国产一区二区精华液| 亚洲国产欧美日韩在线播放| 在线精品无人区一区二区三| 精品国产一区二区久久| 亚洲精品国产av蜜桃| 深夜精品福利| 一本色道久久久久久精品综合| 亚洲欧美中文字幕日韩二区| 秋霞伦理黄片| 欧美日韩一级在线毛片| 王馨瑶露胸无遮挡在线观看| 赤兔流量卡办理| 香蕉丝袜av| 高清欧美精品videossex| 熟女av电影| 国产熟女午夜一区二区三区| 最近的中文字幕免费完整| 精品国产露脸久久av麻豆| 在线精品无人区一区二区三| 久久久久精品国产欧美久久久 | 免费女性裸体啪啪无遮挡网站| 国产精品免费大片| 老司机靠b影院| 亚洲av中文av极速乱| 日韩一区二区三区影片| 人妻一区二区av| 大香蕉久久成人网| 热99国产精品久久久久久7| 电影成人av| 成人影院久久| 热re99久久精品国产66热6| 99国产综合亚洲精品| 国产免费视频播放在线视频| 久久亚洲国产成人精品v| 99热网站在线观看| 精品亚洲乱码少妇综合久久| 国产精品国产三级专区第一集| 中文乱码字字幕精品一区二区三区| 国产精品av久久久久免费| 伦理电影免费视频| 亚洲av在线观看美女高潮| 欧美人与性动交α欧美精品济南到| 午夜日韩欧美国产| 日韩熟女老妇一区二区性免费视频| 国产精品免费大片| 极品少妇高潮喷水抽搐| 菩萨蛮人人尽说江南好唐韦庄| 超碰97精品在线观看| 精品免费久久久久久久清纯 | 两性夫妻黄色片| 国产精品久久久久久久久免| 欧美日韩视频精品一区| 天天躁夜夜躁狠狠躁躁| 亚洲一区二区三区欧美精品| 人成视频在线观看免费观看| 美女国产高潮福利片在线看| 男女边摸边吃奶| 欧美 亚洲 国产 日韩一| 国产成人一区二区在线| 黑人猛操日本美女一级片| 丝袜喷水一区| 99久久精品国产亚洲精品| 国产精品免费视频内射| 免费看不卡的av| 五月天丁香电影| 成人毛片60女人毛片免费| www.熟女人妻精品国产| 亚洲成人免费av在线播放| 中文精品一卡2卡3卡4更新|