• <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QoS感知的Web服務(wù)推薦算法綜述

    2022-03-21 04:06:27高文斌董晨辰胡谷雨
    計(jì)算機(jī)時(shí)代 2022年3期
    關(guān)鍵詞:服務(wù)質(zhì)量分析

    高文斌 董晨辰 王 睿 胡谷雨

    摘? 要: 隨著Web服務(wù)數(shù)量的迅速增長(zhǎng),服務(wù)過載的問題逐步顯現(xiàn)。為了解決服務(wù)過載的問題,基于服務(wù)質(zhì)量(Quality of Service,QoS)感知的服務(wù)推薦成為了服務(wù)計(jì)算領(lǐng)域的研究熱點(diǎn)。從起初的基于協(xié)同過濾算法到目前基于深度學(xué)習(xí)的服務(wù)推薦算法,這些算法從各個(gè)角度提升著服務(wù)推薦的精度。文章以算法的改進(jìn)過程為主線,對(duì)主要的服務(wù)推薦算法及其存在的弊端進(jìn)行了分析與總結(jié),并對(duì)未來服務(wù)推薦算法的發(fā)展進(jìn)行了展望。

    關(guān)鍵詞: 服務(wù)質(zhì)量; 服務(wù)過載; 服務(wù)推薦算法; 分析

    中圖分類號(hào):TP393? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A? ? ?文章編號(hào):1006-8228(2022)03-01-04

    Abstract: With the rapid growth of the number of Web Services, the problem of service overload has gradually emerged. To relieve service overload, the QoS-aware service recommendation has become a hot research topic in the field of service computing. Whether the original collaborative filtering algorithm or the current service recommendation algorithms based on deep learning, these algorithms applied in the field of service recommendation have been improving the accuracy of service recommendation from all angles. Taking the improvement process of the algorithm as the main line, this paper analyzes and summarizes the main algorithms of service recommendation and their disadvantages, and prospects the development of service recommendation algorithm in the future.

    Key words: Quality of Service; service overload; service recommendation algorithm; analysis

    0 引言

    隨著服務(wù)化理念的推廣和面向服務(wù)的計(jì)算模式(SOC)的廣泛應(yīng)用,越來越多的企業(yè)選擇為用戶提供服務(wù)化的產(chǎn)品。作為面向服務(wù)的架構(gòu)(SOA)最主流的實(shí)現(xiàn)方式,Web服務(wù)(Web Service,ws)的數(shù)量成指數(shù)級(jí)增長(zhǎng)。Web服務(wù)模型中包含三個(gè)實(shí)體:服務(wù)提供者、服務(wù)注冊(cè)中心、服務(wù)消費(fèi)者。

    圖1顯示了傳統(tǒng)Web服務(wù)模型的基本結(jié)構(gòu)。服務(wù)提供者將其提供的服務(wù)信息注冊(cè)到服務(wù)注冊(cè)中心,這一過程稱為服務(wù)發(fā)布。服務(wù)發(fā)現(xiàn)指服務(wù)消費(fèi)者向服務(wù)注冊(cè)中心發(fā)送攜帶服務(wù)功能性需求的服務(wù)調(diào)用需求,服務(wù)注冊(cè)中心通過檢索服務(wù)數(shù)據(jù)庫(kù),為服務(wù)消費(fèi)者匹配滿足功能性需求的服務(wù)的過程。服務(wù)消費(fèi)者從服務(wù)注冊(cè)中心獲取到服務(wù)的注冊(cè)信息后,直接訪問服務(wù)提供者提供的服務(wù),無需再經(jīng)過注冊(cè)中心,這一過程稱為服務(wù)綁定。

    然而截至2021年6月29日,僅programableweb上發(fā)布的Web服務(wù)數(shù)量已經(jīng)達(dá)到22200個(gè)。服務(wù)發(fā)現(xiàn)效率越來越低下,服務(wù)過載逐步顯現(xiàn)。服務(wù)過載,意為通過常規(guī)的服務(wù)發(fā)現(xiàn)手段已經(jīng)難以實(shí)現(xiàn)對(duì)服務(wù)有效的處理和利用。如何解決服務(wù)過載問題,幫助用戶快速定位高質(zhì)量(Qualityofservice,QoS)服務(wù)成為目前服務(wù)計(jì)算領(lǐng)域一個(gè)研究熱點(diǎn)。推薦系統(tǒng)在電商、電影等易產(chǎn)生信息過載領(lǐng)域的成功,為服務(wù)計(jì)算領(lǐng)域的專家學(xué)者提供了解決服務(wù)過載的新思路。以服務(wù)推薦的方式替代服務(wù)發(fā)現(xiàn)過程,不僅可以解決服務(wù)過載的問題,更是一個(gè)由用戶被動(dòng)搜索轉(zhuǎn)向用戶定向主動(dòng)推薦的過程。目前已經(jīng)有一些學(xué)者對(duì)于服務(wù)推薦做過綜述性研究,張等人[1]從服務(wù)推薦要解決的問題、面臨的挑戰(zhàn)、未來的發(fā)展等角度對(duì)服務(wù)推薦領(lǐng)域的研究成果做了綜述;閆[2]等人對(duì)基于協(xié)同過濾的推薦算法做了綜述。隨著推薦算法的不斷推陳出新,服務(wù)推薦算法也不再局限于協(xié)同過濾。本文將從推薦算法發(fā)展的角度對(duì)近十年的服務(wù)推薦算法作一個(gè)綜述。

    本文的組織結(jié)構(gòu)如下:第1節(jié)介紹服務(wù)推薦所要完成的目標(biāo)以及目前服務(wù)推薦算法的評(píng)價(jià)指標(biāo);第2節(jié)介紹基于協(xié)同過濾的服務(wù)推薦算法;第3節(jié)介紹基于矩陣分解的服務(wù)推薦算法;第4節(jié)介紹基于深度學(xué)習(xí)的服務(wù)推薦算法;第5節(jié)總結(jié)全文。

    1 服務(wù)推薦目標(biāo)及算法評(píng)價(jià)指標(biāo)

    表1顯示的是用戶和服務(wù)關(guān)于響應(yīng)時(shí)間的QoS矩陣,稱為“用戶-服務(wù)”矩陣,也稱為共現(xiàn)矩陣。表中的數(shù)值分別表示用戶調(diào)用對(duì)應(yīng)服務(wù)時(shí)的響應(yīng)時(shí)間數(shù)據(jù),“-”表示用戶并未調(diào)用過該服務(wù)?;赒oS的服務(wù)推薦所要解決的問題便是預(yù)測(cè)出共現(xiàn)矩陣中“-”位置處的QoS數(shù)值,并以QoS值為排序指標(biāo),為用戶推薦服務(wù)。

    其中[fxi]表示待評(píng)估模型的預(yù)測(cè)值,[yi]表示樣本真實(shí)值,m表示樣本總數(shù)。MAE、RMSE的值越小,表示預(yù)測(cè)值與實(shí)際值之間的誤差越小,模型的推薦性能越好。

    2 基于協(xié)同過濾的服務(wù)推薦算法

    協(xié)同過濾算法是最早應(yīng)用在服務(wù)推薦領(lǐng)域的算法,以基于用戶的協(xié)同過濾算法為例,其計(jì)算原理為:假設(shè)相似用戶具有相似的喜好,在該假設(shè)的基礎(chǔ)上,通過計(jì)算用戶的相似群體完成推薦。用戶[i,j]的相似度[sim(i,j)]的計(jì)算常用以下兩種方法。

    其中[θ]表示用戶向量[i,j]之間的夾角。余弦相似度衡量了向量夾角的大小,由式⑶可見,夾角越小,余弦相似度越大。

    其中,[Ri,p]表示用戶[i]對(duì)物品[p]的評(píng)分,[Ri]代表用戶[i]對(duì)所有物品的平均評(píng)分,[P]代表物品集合。與余弦相似度相比,皮爾遜相關(guān)系數(shù)通過用戶平均分對(duì)獨(dú)立評(píng)分進(jìn)行修正,降低了用戶評(píng)分偏置的影響。

    基于協(xié)同過濾的服務(wù)推薦算法主要在服務(wù)推薦早期較多采用,Sarwar等人[2]提出了基于服務(wù)的協(xié)同過濾服務(wù)推薦算法IPCC,算法輸入特征為服務(wù),以服務(wù)為中心,應(yīng)用皮爾遜相關(guān)系數(shù)計(jì)算服務(wù)的相似鄰居,并將鄰居服務(wù)推薦給用戶。Shao[4]等人提出了基于用戶的協(xié)調(diào)過濾服務(wù)推薦算法UPCC,算法的輸入特征為用戶,以用戶為中心,應(yīng)用皮爾遜相關(guān)系數(shù)計(jì)算用戶的相似鄰居,并將相似鄰居調(diào)用過的服務(wù)推薦給中心用戶。張等人[5]提出了基于混合協(xié)同過濾的Web服務(wù)推薦算法,算法中結(jié)合了基于用戶的協(xié)同過濾和基于服務(wù)的協(xié)同過濾的共同優(yōu)點(diǎn),并設(shè)計(jì)了考慮用戶個(gè)性化的Web服務(wù)推薦框架。張[6]等人認(rèn)為用戶的評(píng)價(jià)中存在部分惡意評(píng)價(jià),其可信度有待考量,因此,他們提出了具有穩(wěn)定性和可行評(píng)價(jià)的服務(wù)推薦算法,該方法通過“云模型”計(jì)算服務(wù)的穩(wěn)定性,計(jì)算用戶間的“反饋相似度”以剔除虛假用戶評(píng)價(jià),最后在穩(wěn)定和可信的基礎(chǔ)上為用戶推薦服務(wù)。Adeli等人[7]認(rèn)為用戶和服務(wù)之間的依賴性和流行度對(duì)服務(wù)推薦精度有著重要的影響,因此,他們提出了基于流行度依賴的協(xié)同過濾服務(wù)推薦算法,通過引入“用戶-服務(wù)”流行度依賴關(guān)系,提高算法在應(yīng)對(duì)冷啟動(dòng)問題時(shí)的推薦精度。

    3 基于矩陣分解的服務(wù)推薦算法

    雖然基于協(xié)同過濾的服務(wù)推薦算法在服務(wù)推薦領(lǐng)域初期取得了優(yōu)異的成效,但其仍然存在許多問題,其中最為嚴(yán)重的問題是:推薦結(jié)果的頭部效應(yīng)十分明顯,且難以克服數(shù)據(jù)稀疏帶來的推薦精度下降問題。為了解決這一問題,矩陣分解的方法被眾多學(xué)者應(yīng)用到服務(wù)推薦中。矩陣分解引入了“隱向量”的概念,增強(qiáng)了算法應(yīng)對(duì)數(shù)據(jù)稀疏問題的能力。

    矩陣分解的算法過程如圖2所示,矩陣分解算法通過“用戶隱矩陣”與“服務(wù)隱矩陣”的乘積擬合“用戶-服務(wù)”矩陣,應(yīng)用矩陣分解算法求解服務(wù)推薦問題的過程可歸納為:

    對(duì)“用戶-服務(wù)”矩陣[R=rm*n],“用戶隱矩陣”[U=um*k],“服務(wù)隱矩陣”[V=vk*n],通過優(yōu)化目標(biāo)函數(shù):[minrui≠"-"(rui-uTivu)2]完成模型參數(shù)學(xué)習(xí),而后通過訓(xùn)練好的“用戶隱矩陣”與“服務(wù)隱矩陣”的乘積得到共現(xiàn)矩陣中所有QoS預(yù)測(cè)值并完成推薦。

    在矩陣分解應(yīng)用到服務(wù)推薦領(lǐng)域以后,服務(wù)推薦的精度獲得了大幅度提高,唐[8]等人提出了基于位置聚類和張量分解的Web服務(wù)推薦算法ClustTD,該方法首先應(yīng)用聚類算法,以位置信息為指標(biāo),分別對(duì)用戶、服務(wù)聚類,而后對(duì)聚類所得用戶向量、服務(wù)向量進(jìn)行張量分解,再加權(quán)組合完成QoS值預(yù)測(cè)。Xu[9]等人提出了基于矩陣分解的上下文感知服務(wù)推薦算法LE-MF,為了解決冷啟動(dòng)的問題,LE-MF算法中引入了服務(wù)位置信息、用戶位置信息,通過位置信息先完成用戶聚類、服務(wù)聚類,通過聚類縮小“用戶-服務(wù)”矩陣的體積,再通過矩陣分解完成服務(wù)QoS預(yù)測(cè),并完成推薦。Yin等人[10]提出了基于網(wǎng)絡(luò)位置感知鄰居選擇的Web服務(wù)推薦QoS預(yù)測(cè)方法,與Xu等人不同的是,Yin等人沒有使用用戶、服務(wù)經(jīng)緯度信息作為聚類指標(biāo),而是通過自治系統(tǒng)(AS)來獲取用戶、服務(wù)的網(wǎng)絡(luò)位置,從而縮小求解空間,再通過矩陣分解的方法完成服務(wù)QoS預(yù)測(cè)。Qi等人[11]從服務(wù)推薦中的數(shù)據(jù)安全角度入手,他們認(rèn)為算法中引入用戶、服務(wù)的時(shí)空信息雖然可以提高推薦精度,但時(shí)空數(shù)據(jù)往往包含用戶的敏感信息,因此他們提出了一種具有隱私保護(hù)的時(shí)空數(shù)據(jù)驅(qū)動(dòng)的服務(wù)推薦,通過引入QoS數(shù)據(jù)的時(shí)空信息和位置敏感哈希技術(shù),提高在使用時(shí)空數(shù)據(jù)時(shí)的安全性。Botangen等人[12]從矩陣分解方法的角度入手,通過改進(jìn)算法的方式提升推薦精度,在引入地理位置信息的基礎(chǔ)上,提出了一種基于概率矩陣分解的地理位置感知Web服務(wù)推薦算法。

    4 基于深度學(xué)習(xí)的服務(wù)推薦算法

    矩陣分解的引入雖然提高了服務(wù)推薦的精度,但是就矩陣分解算法本身,參與計(jì)算的特征數(shù)量只能是兩個(gè),對(duì)于其他上下文信息不友好,且難以克服冷啟動(dòng)帶來的推薦精度降低問題。

    隨著AlexKrizhevsky于2012年提出AlexNet[13],深度學(xué)習(xí)的大幕正式拉開,往后的時(shí)間里,其應(yīng)用迅速地從圖像領(lǐng)域擴(kuò)展到語音領(lǐng)域,再到自然語言處理領(lǐng)域以及推薦系統(tǒng)領(lǐng)域。推薦系統(tǒng)進(jìn)入深度學(xué)習(xí)時(shí)代后產(chǎn)生的大量?jī)?yōu)秀模型、算法也被眾多學(xué)者引入服務(wù)計(jì)算領(lǐng)域,基于深度學(xué)習(xí)的服務(wù)推薦算法應(yīng)運(yùn)而生。

    Xiong[14]等人提出了基于混合協(xié)同過濾的Web服務(wù)推薦,首先通過“詞嵌入”方法將用戶、服務(wù)的上下文信息編碼成輸入特征向量,將多個(gè)輸入特征向量連接以后喂入全連接網(wǎng)絡(luò),網(wǎng)絡(luò)輸出為服務(wù)的QoS預(yù)測(cè);Bai等人[15]提出了長(zhǎng)尾Web服務(wù)推薦的深度學(xué)習(xí)框架,論文中對(duì)“長(zhǎng)尾服務(wù)”的定義為自發(fā)布以來,被調(diào)用次數(shù)低于5次的服務(wù),他們通過論證得出隨著服務(wù)數(shù)量的增長(zhǎng),用戶越發(fā)傾向于長(zhǎng)尾服務(wù),提高長(zhǎng)尾服務(wù)的推薦效率可以很大程度提高用戶的體驗(yàn)。他們使用堆疊自編碼器分別提取用戶、服務(wù)特征,而后通過矩陣分解的方法實(shí)現(xiàn)QoS的預(yù)測(cè)。實(shí)驗(yàn)證明,他們的方法可以有效改善傳統(tǒng)方法導(dǎo)致的頭部效應(yīng)問題。唐等人[16]從特征交叉角度入手,提出基于一階因子分解機(jī)的質(zhì)量感知Web服務(wù)推薦算法,該方法在邏輯回歸基礎(chǔ)上,加入非線性的一階特征交叉,提升了算法的學(xué)習(xí)能力。實(shí)驗(yàn)表明他們的方法比傳統(tǒng)線性特征學(xué)習(xí)的方法效果提升很多。但是由于算法復(fù)雜度限制,因子分解機(jī)難以實(shí)現(xiàn)特征的二階交叉,隨著特征數(shù)的增加,二階特征交叉會(huì)產(chǎn)生“參數(shù)爆炸”的問題。曹等人[17]考慮到基于因子分解的方法無法實(shí)現(xiàn)特征的高階交叉,將DeepFM方法引入服務(wù)推薦領(lǐng)域,該算法首先應(yīng)用SOM神經(jīng)網(wǎng)絡(luò)進(jìn)行聚類,而后對(duì)于聚類結(jié)果喂入DeepFM網(wǎng)絡(luò),最終輸出服務(wù)QoS的預(yù)測(cè)數(shù)據(jù)。

    5 總結(jié)

    從起初基于協(xié)同過濾到目前基于深度學(xué)習(xí),服務(wù)推薦算法的發(fā)展可以總結(jié)為圍繞以下兩個(gè)核心點(diǎn)進(jìn)行突破:

    ⑴ 增加及優(yōu)化輸入特征,增加算法中的先驗(yàn)知識(shí);

    ⑵ 實(shí)現(xiàn)特征之間的高階交叉,提升算法的學(xué)習(xí)能力。

    硬件能力的不斷提升,使更多的特征可以被喂入網(wǎng)絡(luò)而不用擔(dān)心計(jì)算能力;深度學(xué)習(xí)帶來更深層的特征之間的交叉學(xué)習(xí),使得模型的泛化能力以及特征表達(dá)能力不斷增強(qiáng),未來的服務(wù)推薦領(lǐng)域?qū)⒗^續(xù)在這兩個(gè)方面努力。

    參考文獻(xiàn)(References):

    [1] 張秀偉,何克清,王健,等.Web服務(wù)個(gè)性化推薦研究綜述[J].計(jì)算機(jī)工程與科學(xué),2013,35(9):132-140

    [2] 閆紅丹,楊懷洲.Web服務(wù)QoS預(yù)測(cè)與主動(dòng)推薦方法綜述[J].智能計(jì)算機(jī)與應(yīng)用,2019,9(1):199-202

    [3] B. Sarwar, G. Karypis, J. Konstan, and J. Riedl, "Item-based collaborative filtering recommendation algorithms,"[C] Proc. International Conference on World Wide Web, ACM Press,2001(5):285-295

    [4] L. Shao, J. Zhang, Y. Wei, J. Zhao, B. Xie and H. Mei,"Personalized QoS prediction for Web Services via collaborative filtering,"[C] IEEE International Conference on Web Services, Salt Lake City, UT,2007.7:439-446

    [5] 張雪潔,王志堅(jiān),張偉建.基于混合協(xié)同過濾的個(gè)性化Web服務(wù)推薦[J].計(jì)算機(jī)科學(xué)與探索,2015,9(5):565-574

    [6] 張永勝,樊悅芹,鄭志華,等.考慮穩(wěn)定性與可信評(píng)價(jià)的云服務(wù)推薦網(wǎng)絡(luò)研究[J].小型微型計(jì)算機(jī)系統(tǒng),2018,39(1)

    [7] S.Adeli, P.Moradi QoS-based Web Service Recommenda-tion using Popular-dependent Collaborative Filtering[J].Joural of AI and Data Mining,2020,8(1):83-93

    [8] 唐妮,熊慶宇,王喜賓,等.基于位置聚類和張量分解的Web服務(wù)推薦算法[J].計(jì)算機(jī)工程與應(yīng)用,2016(15):65-72

    [9] Xu Y , Yin J , Deng S , et al. Context-aware QoSprediction for Web Service recommendation and selection[J]. Expert Systems with Applications,2016(53):75-86

    [10] Yuyu Yin,Song Aihua,Gao Min,et al.QoS Prediction for Web Service Recommendation with Network Location-Aware Neighbor Selection[J]. International Journal of Software Engineering and Knowledge Engineering,2016,26(4):611-632

    [11] Qi L, Zhang X, Li S, et al. Spatial-Temporal Data-driven Service Recommendation with Privacy-preservation[J]. Information Sciences,2019:515

    [12] Botangen K A, Yu J, Sheng Q Z, et al. Geographic-aware Collaborative Filtering for Web Service Recommendation[J]. Expert Systems with Applications,2020,151:113347

    [13] ImageNet Classification with Deep Convolutional Neural Networks[J].Advances in neural information processing systems,2012,25(2)

    [14] Xiong R,? Wang J,? Zhang N, et al. Deep Hybrid?Collaborative Filtering for Web Service Recommendation[J]. Expert Systems with Applications,2018,110:191-205

    [15] B. Bai, Y. Fan, W. Tan and J. Zhang, "DLTSR: A Deep Learning Framework for Recommendations of Long-Tail Web Services,"[C]IEEE Transactions on Services Computing,2020,13(1):73-85

    [16] 唐明董,張婷婷,楊亞濤,等.基于因子分解機(jī)的質(zhì)量感知Web服務(wù)推薦方法[J].計(jì)算機(jī)學(xué)報(bào),2018,41(6):1300-1313

    [17] 曹步清,肖巧翔,張祥平,等.融合SOM功能聚類與DeepFM質(zhì)量預(yù)測(cè)的API服務(wù)推薦方法[J].計(jì)算機(jī)學(xué)報(bào),2019(6):1367-1383

    猜你喜歡
    服務(wù)質(zhì)量分析
    優(yōu)化營(yíng)商環(huán)境提升社保服務(wù)質(zhì)量的思考
    隱蔽失效適航要求符合性驗(yàn)證分析
    新媒體環(huán)境下圖書館閱讀推廣服務(wù)質(zhì)量的提高
    科技傳播(2019年23期)2020-01-18 07:58:54
    論如何提升博物館人性化公共服務(wù)質(zhì)量
    收藏界(2019年2期)2019-10-12 08:26:42
    電力系統(tǒng)不平衡分析
    電子制作(2018年18期)2018-11-14 01:48:24
    電力系統(tǒng)及其自動(dòng)化發(fā)展趨勢(shì)分析
    傾聽患者心聲 提高服務(wù)質(zhì)量
    堅(jiān)持履職盡責(zé) 提升服務(wù)質(zhì)量
    中西醫(yī)結(jié)合治療抑郁癥100例分析
    以創(chuàng)建青年文明號(hào)為抓手提升服務(wù)質(zhì)量
    欧美激情高清一区二区三区| 免费在线观看视频国产中文字幕亚洲| 久久久久久人人人人人| 亚洲精品美女久久av网站| 亚洲国产欧美一区二区综合| 高清在线国产一区| 777久久人妻少妇嫩草av网站| 色在线成人网| 少妇裸体淫交视频免费看高清 | 久久这里只有精品19| 最近最新中文字幕大全电影3 | 黄色视频,在线免费观看| 高清视频免费观看一区二区| 十八禁人妻一区二区| 精品久久蜜臀av无| 欧美性长视频在线观看| 女人高潮潮喷娇喘18禁视频| 国产精品av久久久久免费| 一进一出抽搐动态| 看黄色毛片网站| 在线观看www视频免费| 成年动漫av网址| 欧美日韩乱码在线| 欧美日韩亚洲国产一区二区在线观看 | 欧美不卡视频在线免费观看 | 免费女性裸体啪啪无遮挡网站| 女警被强在线播放| 欧美日韩国产mv在线观看视频| 999久久久精品免费观看国产| 久久精品国产清高在天天线| 午夜精品在线福利| 久久青草综合色| 妹子高潮喷水视频| 啦啦啦 在线观看视频| 两性夫妻黄色片| 亚洲欧洲精品一区二区精品久久久| 美女国产高潮福利片在线看| 80岁老熟妇乱子伦牲交| 十八禁人妻一区二区| 在线播放国产精品三级| 麻豆乱淫一区二区| 国产精品久久久人人做人人爽| cao死你这个sao货| 国产亚洲欧美精品永久| 亚洲精品一卡2卡三卡4卡5卡| 日韩 欧美 亚洲 中文字幕| 精品免费久久久久久久清纯 | 热99久久久久精品小说推荐| 国产精品偷伦视频观看了| 欧美精品av麻豆av| 精品一区二区三区视频在线观看免费 | 亚洲美女黄片视频| 亚洲七黄色美女视频| 国产单亲对白刺激| 757午夜福利合集在线观看| tube8黄色片| 香蕉丝袜av| 国产亚洲欧美98| 91在线观看av| 久久国产精品男人的天堂亚洲| 中文字幕人妻丝袜制服| 婷婷丁香在线五月| 老熟妇乱子伦视频在线观看| 国产一卡二卡三卡精品| 一区在线观看完整版| 91老司机精品| 男人舔女人的私密视频| 中文字幕另类日韩欧美亚洲嫩草| 亚洲成a人片在线一区二区| 午夜日韩欧美国产| 搡老岳熟女国产| 久久99一区二区三区| 精品午夜福利视频在线观看一区| 97人妻天天添夜夜摸| 人妻 亚洲 视频| 电影成人av| 国产精品 欧美亚洲| 国产乱人伦免费视频| 少妇被粗大的猛进出69影院| 成人手机av| 脱女人内裤的视频| 黑人巨大精品欧美一区二区蜜桃| 一夜夜www| 成人三级做爰电影| 精品少妇一区二区三区视频日本电影| 亚洲精品美女久久av网站| 操出白浆在线播放| av不卡在线播放| 国产淫语在线视频| 中文欧美无线码| 亚洲欧美日韩高清在线视频| 99久久人妻综合| 欧美日韩亚洲综合一区二区三区_| 精品国产一区二区久久| 91九色精品人成在线观看| 久久久国产欧美日韩av| 国产精品久久久久久人妻精品电影| 美女扒开内裤让男人捅视频| 热re99久久精品国产66热6| 亚洲精品美女久久久久99蜜臀| 久9热在线精品视频| 一级毛片精品| 免费黄频网站在线观看国产| 国产精品久久视频播放| 国精品久久久久久国模美| 久久人人97超碰香蕉20202| 国产精品自产拍在线观看55亚洲 | 一进一出好大好爽视频| 十八禁人妻一区二区| 怎么达到女性高潮| 亚洲美女黄片视频| 高清毛片免费观看视频网站 | 精品国产国语对白av| 免费看a级黄色片| 午夜亚洲福利在线播放| 91大片在线观看| 亚洲精品中文字幕在线视频| 叶爱在线成人免费视频播放| 高清在线国产一区| 中文字幕制服av| 90打野战视频偷拍视频| 欧美中文综合在线视频| 婷婷成人精品国产| 免费女性裸体啪啪无遮挡网站| 国产激情久久老熟女| 久热爱精品视频在线9| 午夜福利,免费看| 日本一区二区免费在线视频| 久久精品亚洲精品国产色婷小说| 国产精品国产av在线观看| 大香蕉久久成人网| netflix在线观看网站| 亚洲欧美色中文字幕在线| 亚洲av欧美aⅴ国产| 久久久久精品国产欧美久久久| 日韩中文字幕欧美一区二区| 国产男女超爽视频在线观看| 免费av中文字幕在线| 亚洲精品在线美女| 天堂中文最新版在线下载| 在线播放国产精品三级| 国产在线一区二区三区精| 天天添夜夜摸| www.熟女人妻精品国产| 黑人巨大精品欧美一区二区蜜桃| 免费人成视频x8x8入口观看| 久久青草综合色| 久久久国产欧美日韩av| 久久久久国内视频| 欧美乱码精品一区二区三区| av视频免费观看在线观看| a在线观看视频网站| av国产精品久久久久影院| 男女午夜视频在线观看| 高清毛片免费观看视频网站 | 国产精品乱码一区二三区的特点 | 亚洲国产看品久久| 欧美日韩一级在线毛片| 又黄又爽又免费观看的视频| 岛国毛片在线播放| 夫妻午夜视频| 欧美亚洲日本最大视频资源| 最近最新中文字幕大全免费视频| 一级毛片精品| 在线永久观看黄色视频| 老司机午夜十八禁免费视频| 国产精品亚洲一级av第二区| 黄色视频,在线免费观看| 国产激情久久老熟女| 亚洲精品中文字幕在线视频| 51午夜福利影视在线观看| 久久ye,这里只有精品| 老熟妇仑乱视频hdxx| 精品国产一区二区三区久久久樱花| 高清av免费在线| 麻豆乱淫一区二区| 51午夜福利影视在线观看| 最新美女视频免费是黄的| 老熟女久久久| 精品免费久久久久久久清纯 | 黄色视频,在线免费观看| 国产成人啪精品午夜网站| 999精品在线视频| 欧美日韩乱码在线| 啦啦啦在线免费观看视频4| 国产亚洲精品第一综合不卡| 国产精品 国内视频| xxxhd国产人妻xxx| 国产蜜桃级精品一区二区三区 | 天天影视国产精品| 18禁黄网站禁片午夜丰满| 亚洲一区中文字幕在线| 国产精品一区二区在线观看99| www.精华液| 欧美日韩亚洲高清精品| 亚洲五月天丁香| 日日夜夜操网爽| 99re在线观看精品视频| 操出白浆在线播放| 欧美不卡视频在线免费观看 | 国产成人av教育| 欧美日韩瑟瑟在线播放| 成人免费观看视频高清| 多毛熟女@视频| 欧美日韩黄片免| 性色av乱码一区二区三区2| 黑人欧美特级aaaaaa片| 国产又色又爽无遮挡免费看| 精品久久久久久电影网| 亚洲欧美激情在线| 亚洲av日韩在线播放| 精品少妇久久久久久888优播| 一级a爱片免费观看的视频| 久久九九热精品免费| 天天躁日日躁夜夜躁夜夜| 他把我摸到了高潮在线观看| 少妇的丰满在线观看| 在线观看www视频免费| 午夜亚洲福利在线播放| 国产成人av激情在线播放| 亚洲国产精品sss在线观看 | 女人精品久久久久毛片| 久久久久久人人人人人| 桃红色精品国产亚洲av| 美女国产高潮福利片在线看| 俄罗斯特黄特色一大片| 亚洲情色 制服丝袜| 亚洲美女黄片视频| 国产成人av教育| 亚洲专区国产一区二区| 亚洲国产精品一区二区三区在线| 亚洲国产欧美网| 黄片小视频在线播放| 首页视频小说图片口味搜索| 嫩草影视91久久| 这个男人来自地球电影免费观看| 岛国在线观看网站| 成在线人永久免费视频| 国产99久久九九免费精品| 一a级毛片在线观看| 国产极品粉嫩免费观看在线| 日本黄色视频三级网站网址 | 激情视频va一区二区三区| 国产有黄有色有爽视频| 看片在线看免费视频| 一区二区日韩欧美中文字幕| 亚洲成国产人片在线观看| 超碰97精品在线观看| 满18在线观看网站| 无限看片的www在线观看| 高清视频免费观看一区二区| 国产高清videossex| 午夜免费成人在线视频| 操出白浆在线播放| 美女视频免费永久观看网站| 18在线观看网站| 两性午夜刺激爽爽歪歪视频在线观看 | 免费高清在线观看日韩| 免费观看精品视频网站| 欧美激情 高清一区二区三区| 大码成人一级视频| 国产一区二区三区综合在线观看| 欧美中文综合在线视频| 搡老岳熟女国产| 黄色片一级片一级黄色片| 色老头精品视频在线观看| 国产免费现黄频在线看| 日日爽夜夜爽网站| 午夜福利一区二区在线看| 日本vs欧美在线观看视频| 丰满饥渴人妻一区二区三| 满18在线观看网站| 两性午夜刺激爽爽歪歪视频在线观看 | 国产有黄有色有爽视频| 在线国产一区二区在线| 女人久久www免费人成看片| 自拍欧美九色日韩亚洲蝌蚪91| 精品国产超薄肉色丝袜足j| 欧美精品人与动牲交sv欧美| 欧美性长视频在线观看| 狠狠婷婷综合久久久久久88av| 中文字幕av电影在线播放| 国产91精品成人一区二区三区| 99久久综合精品五月天人人| 亚洲精品在线观看二区| 99热国产这里只有精品6| 欧美成人午夜精品| 国产黄色免费在线视频| 国产精品1区2区在线观看. | 欧美人与性动交α欧美软件| 国产男女超爽视频在线观看| 国产成人精品久久二区二区免费| 国产午夜精品久久久久久| 国产高清国产精品国产三级| 亚洲精品久久成人aⅴ小说| 亚洲一区高清亚洲精品| 精品亚洲成a人片在线观看| 亚洲人成电影免费在线| 丝袜在线中文字幕| 久9热在线精品视频| 亚洲欧美激情在线| 十八禁人妻一区二区| 欧美不卡视频在线免费观看 | 91麻豆av在线| 波多野结衣av一区二区av| 操出白浆在线播放| 三上悠亚av全集在线观看| 亚洲性夜色夜夜综合| 久久久国产一区二区| 婷婷精品国产亚洲av在线 | 两个人看的免费小视频| 久久精品aⅴ一区二区三区四区| 黄色片一级片一级黄色片| 在线观看免费视频日本深夜| 精品福利永久在线观看| 亚洲av成人一区二区三| 老汉色av国产亚洲站长工具| 男女高潮啪啪啪动态图| 日韩 欧美 亚洲 中文字幕| 久久久精品国产亚洲av高清涩受| 在线观看免费视频日本深夜| 免费人成视频x8x8入口观看| 又黄又粗又硬又大视频| 国产精品.久久久| 夫妻午夜视频| 99re在线观看精品视频| 亚洲一区高清亚洲精品| 欧美+亚洲+日韩+国产| 中亚洲国语对白在线视频| 热re99久久国产66热| 国产91精品成人一区二区三区| 亚洲第一欧美日韩一区二区三区| 国产在线一区二区三区精| 最新的欧美精品一区二区| 中文字幕精品免费在线观看视频| 午夜福利免费观看在线| 国产1区2区3区精品| 欧美午夜高清在线| 熟女少妇亚洲综合色aaa.| 国产日韩欧美亚洲二区| 国产极品粉嫩免费观看在线| 国产欧美日韩一区二区三区在线| 如日韩欧美国产精品一区二区三区| 久久久久国产精品人妻aⅴ院 | 色综合婷婷激情| 国产91精品成人一区二区三区| 国产精品免费大片| 在线观看一区二区三区激情| x7x7x7水蜜桃| 悠悠久久av| 久久天躁狠狠躁夜夜2o2o| 亚洲欧美一区二区三区久久| 一个人免费在线观看的高清视频| 国产1区2区3区精品| 高清视频免费观看一区二区| 91大片在线观看| 在线观看免费视频网站a站| 国产精品美女特级片免费视频播放器 | 18禁观看日本| 成人黄色视频免费在线看| 在线观看66精品国产| 最近最新中文字幕大全免费视频| 亚洲自偷自拍图片 自拍| 老汉色av国产亚洲站长工具| 精品一区二区三区av网在线观看| a级片在线免费高清观看视频| 久久久久国产一级毛片高清牌| 午夜免费成人在线视频| av福利片在线| 男人舔女人的私密视频| 国产精品美女特级片免费视频播放器 | 免费看a级黄色片| 免费在线观看黄色视频的| 女同久久另类99精品国产91| 男女免费视频国产| 在线十欧美十亚洲十日本专区| 国产成人精品在线电影| 亚洲成人手机| 国产欧美亚洲国产| 99国产精品99久久久久| 捣出白浆h1v1| 夜夜躁狠狠躁天天躁| 久久精品国产清高在天天线| 午夜久久久在线观看| 国产成人系列免费观看| 美女 人体艺术 gogo| 久久婷婷成人综合色麻豆| 亚洲人成电影观看| 欧美成人午夜精品| 嫁个100分男人电影在线观看| 午夜激情av网站| 大型av网站在线播放| 国产免费男女视频| 亚洲av日韩精品久久久久久密| 精品国产乱子伦一区二区三区| 欧美激情 高清一区二区三区| www.熟女人妻精品国产| 一区福利在线观看| 亚洲成国产人片在线观看| 搡老岳熟女国产| 亚洲avbb在线观看| 一进一出好大好爽视频| 看免费av毛片| 老司机影院毛片| 黑人操中国人逼视频| 香蕉丝袜av| 757午夜福利合集在线观看| 人成视频在线观看免费观看| 亚洲熟女毛片儿| 欧美精品一区二区免费开放| ponron亚洲| bbb黄色大片| 十八禁高潮呻吟视频| 久久久久久亚洲精品国产蜜桃av| 欧美在线黄色| 伦理电影免费视频| 欧美日本中文国产一区发布| 亚洲成人手机| 久久精品国产亚洲av高清一级| 手机成人av网站| 日韩人妻精品一区2区三区| 侵犯人妻中文字幕一二三四区| 国产精品成人在线| 日韩免费av在线播放| 精品一区二区三区四区五区乱码| tube8黄色片| 国产激情久久老熟女| 国产精品国产av在线观看| 在线播放国产精品三级| 老汉色av国产亚洲站长工具| 亚洲精品av麻豆狂野| 久久精品人人爽人人爽视色| 亚洲va日本ⅴa欧美va伊人久久| 夜夜爽天天搞| 亚洲精品中文字幕在线视频| 免费在线观看亚洲国产| 亚洲国产看品久久| 亚洲情色 制服丝袜| 大香蕉久久网| 又黄又粗又硬又大视频| 麻豆av在线久日| 超碰97精品在线观看| 99久久国产精品久久久| 天天躁狠狠躁夜夜躁狠狠躁| 欧美国产精品一级二级三级| 天堂动漫精品| 91九色精品人成在线观看| 国产成人精品久久二区二区91| 一级黄色大片毛片| 精品熟女少妇八av免费久了| 村上凉子中文字幕在线| 成人18禁在线播放| 天堂√8在线中文| 看黄色毛片网站| 亚洲欧美色中文字幕在线| 首页视频小说图片口味搜索| 日韩欧美一区二区三区在线观看 | av欧美777| 丰满迷人的少妇在线观看| 久久香蕉国产精品| 亚洲va日本ⅴa欧美va伊人久久| 午夜福利在线观看吧| 亚洲精品国产区一区二| 国产成人一区二区三区免费视频网站| 美女午夜性视频免费| 久久ye,这里只有精品| 亚洲精品美女久久av网站| 黑人操中国人逼视频| 国产成人精品无人区| 亚洲五月色婷婷综合| 99精品久久久久人妻精品| videos熟女内射| 亚洲avbb在线观看| 精品人妻熟女毛片av久久网站| 在线观看舔阴道视频| 亚洲aⅴ乱码一区二区在线播放 | 在线视频色国产色| 极品人妻少妇av视频| 伊人久久大香线蕉亚洲五| 两性夫妻黄色片| 久久婷婷成人综合色麻豆| 热99re8久久精品国产| 国产一区有黄有色的免费视频| 国产精品 欧美亚洲| 亚洲精品美女久久av网站| 久久精品亚洲精品国产色婷小说| 在线观看午夜福利视频| www.自偷自拍.com| 大片电影免费在线观看免费| 亚洲精品美女久久久久99蜜臀| 搡老熟女国产l中国老女人| av网站免费在线观看视频| 精品一区二区三区视频在线观看免费 | 在线观看免费日韩欧美大片| 国产深夜福利视频在线观看| 国产精品 欧美亚洲| 成年人免费黄色播放视频| 亚洲自偷自拍图片 自拍| 最新的欧美精品一区二区| 伊人久久大香线蕉亚洲五| 一级片'在线观看视频| 男女床上黄色一级片免费看| 无限看片的www在线观看| 99riav亚洲国产免费| 自线自在国产av| 美女扒开内裤让男人捅视频| 日韩三级视频一区二区三区| 又黄又爽又免费观看的视频| 国产熟女午夜一区二区三区| 国产xxxxx性猛交| 国产人伦9x9x在线观看| 国产男女超爽视频在线观看| 又紧又爽又黄一区二区| 免费在线观看亚洲国产| 国产欧美日韩一区二区三| 久久 成人 亚洲| 69av精品久久久久久| 国产无遮挡羞羞视频在线观看| 国产成人免费观看mmmm| 欧美激情 高清一区二区三区| 亚洲欧美一区二区三区久久| 丝袜人妻中文字幕| 极品少妇高潮喷水抽搐| 欧美精品av麻豆av| 黄色视频,在线免费观看| 黑人巨大精品欧美一区二区mp4| 国产精品美女特级片免费视频播放器 | 老熟妇乱子伦视频在线观看| 在线观看日韩欧美| av在线播放免费不卡| 啦啦啦在线免费观看视频4| 男女下面插进去视频免费观看| 老司机靠b影院| 久久久久视频综合| 精品人妻熟女毛片av久久网站| 国产精品乱码一区二三区的特点 | 日韩大码丰满熟妇| 大型黄色视频在线免费观看| 欧洲精品卡2卡3卡4卡5卡区| videosex国产| 黑人巨大精品欧美一区二区mp4| aaaaa片日本免费| 国产91精品成人一区二区三区| 91九色精品人成在线观看| 桃红色精品国产亚洲av| tube8黄色片| 精品少妇久久久久久888优播| 一夜夜www| 悠悠久久av| 欧美另类亚洲清纯唯美| 岛国毛片在线播放| 亚洲精品一卡2卡三卡4卡5卡| 日本wwww免费看| 少妇被粗大的猛进出69影院| 咕卡用的链子| 成年人黄色毛片网站| 国产又爽黄色视频| 亚洲精品av麻豆狂野| 一级片免费观看大全| 大型黄色视频在线免费观看| 伦理电影免费视频| 久久人妻福利社区极品人妻图片| 亚洲精品中文字幕在线视频| 亚洲avbb在线观看| 午夜福利免费观看在线| 欧美成人午夜精品| 狂野欧美激情性xxxx| 亚洲熟妇熟女久久| 下体分泌物呈黄色| 极品人妻少妇av视频| 在线免费观看的www视频| 欧美人与性动交α欧美软件| 一级作爱视频免费观看| 两个人免费观看高清视频| 看黄色毛片网站| 桃红色精品国产亚洲av| 日本欧美视频一区| 久久 成人 亚洲| 一边摸一边抽搐一进一小说 | 最新美女视频免费是黄的| 黄频高清免费视频| 丝袜在线中文字幕| 欧洲精品卡2卡3卡4卡5卡区| 亚洲性夜色夜夜综合| 欧美日韩黄片免| www.精华液| 精品国产一区二区三区久久久樱花| 999久久久精品免费观看国产| 久久久国产一区二区| 91成年电影在线观看| 丰满饥渴人妻一区二区三| av网站在线播放免费| 国产成人精品在线电影| 国产亚洲一区二区精品| 成人三级做爰电影| 精品久久久久久久毛片微露脸| 激情视频va一区二区三区| 成熟少妇高潮喷水视频| av有码第一页| 亚洲中文字幕日韩| 99久久综合精品五月天人人| 成人免费观看视频高清| 一区二区三区激情视频| 欧美另类亚洲清纯唯美| 大陆偷拍与自拍| 欧美 日韩 精品 国产| 男女高潮啪啪啪动态图| 久久人妻熟女aⅴ| 大型黄色视频在线免费观看| 精品第一国产精品| 最近最新中文字幕大全免费视频| 丝瓜视频免费看黄片| 91老司机精品| 日韩人妻精品一区2区三区| tube8黄色片|