• <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
    此物有八面人人有两片| 精华霜和精华液先用哪个| 日本精品一区二区三区蜜桃| 国产精品久久久久久人妻精品电影| 久99久视频精品免费| 国产高清videossex| 欧美 亚洲 国产 日韩一| 97碰自拍视频| 中文字幕熟女人妻在线| 美女 人体艺术 gogo| 欧洲精品卡2卡3卡4卡5卡区| 国产熟女午夜一区二区三区| 波多野结衣高清无吗| 国产99白浆流出| 一级黄色大片毛片| 精品福利观看| 国产精品亚洲一级av第二区| 亚洲一区二区三区色噜噜| 婷婷精品国产亚洲av在线| 男人舔女人下体高潮全视频| 中文字幕精品亚洲无线码一区| 啦啦啦观看免费观看视频高清| 变态另类成人亚洲欧美熟女| 国产不卡一卡二| 亚洲精品色激情综合| 免费高清视频大片| 欧美黑人欧美精品刺激| 十八禁网站免费在线| 亚洲熟妇熟女久久| 午夜福利免费观看在线| 大型av网站在线播放| 一边摸一边抽搐一进一小说| 香蕉国产在线看| 亚洲欧美激情综合另类| 老司机午夜福利在线观看视频| 99热这里只有精品一区 | 久久久精品欧美日韩精品| 欧美zozozo另类| 国内精品久久久久久久电影| 亚洲欧洲精品一区二区精品久久久| 黑人欧美特级aaaaaa片| 法律面前人人平等表现在哪些方面| 女人被狂操c到高潮| 国产激情久久老熟女| 啦啦啦韩国在线观看视频| 欧美成人午夜精品| 亚洲熟妇中文字幕五十中出| 亚洲人与动物交配视频| 91九色精品人成在线观看| www.自偷自拍.com| 亚洲九九香蕉| 成熟少妇高潮喷水视频| 亚洲国产精品合色在线| 一进一出好大好爽视频| 国产熟女午夜一区二区三区| 黑人操中国人逼视频| 久久婷婷成人综合色麻豆| av在线播放免费不卡| 日韩欧美一区二区三区在线观看| 欧美av亚洲av综合av国产av| 亚洲片人在线观看| 国产午夜精品久久久久久| 精品国产乱码久久久久久男人| 又大又爽又粗| 成熟少妇高潮喷水视频| 成人特级黄色片久久久久久久| 欧美午夜高清在线| 亚洲一卡2卡3卡4卡5卡精品中文| 国产激情偷乱视频一区二区| 午夜福利高清视频| 99在线人妻在线中文字幕| 两性夫妻黄色片| 中文在线观看免费www的网站 | tocl精华| 日韩大尺度精品在线看网址| 一区二区三区激情视频| 97人妻精品一区二区三区麻豆| 国产亚洲精品第一综合不卡| av在线播放免费不卡| 在线免费观看的www视频| 国产精品精品国产色婷婷| 欧美在线一区亚洲| 亚洲国产欧美一区二区综合| 后天国语完整版免费观看| 国产精品美女特级片免费视频播放器 | 国产男靠女视频免费网站| 精品国产美女av久久久久小说| 精品国产乱码久久久久久男人| 国产单亲对白刺激| 国产精品98久久久久久宅男小说| 亚洲精品美女久久av网站| 精品欧美国产一区二区三| 欧美一级a爱片免费观看看 | 欧洲精品卡2卡3卡4卡5卡区| 久久婷婷成人综合色麻豆| 国产一区二区激情短视频| 亚洲成人久久爱视频| 国产成人精品久久二区二区免费| 精品一区二区三区视频在线观看免费| 亚洲国产精品999在线| 久久这里只有精品中国| 国产伦人伦偷精品视频| 18禁裸乳无遮挡免费网站照片| x7x7x7水蜜桃| www.精华液| 国产99久久九九免费精品| 又黄又爽又免费观看的视频| 久久久久久九九精品二区国产 | 特大巨黑吊av在线直播| 亚洲一区中文字幕在线| 五月玫瑰六月丁香| 热99re8久久精品国产| 韩国av一区二区三区四区| 欧美日本亚洲视频在线播放| 色精品久久人妻99蜜桃| 国产99久久九九免费精品| 97碰自拍视频| 日本 欧美在线| 国产aⅴ精品一区二区三区波| 国产99白浆流出| 久久久久久久午夜电影| 人妻久久中文字幕网| 亚洲欧美精品综合一区二区三区| 亚洲av美国av| 桃红色精品国产亚洲av| 欧美日本视频| 日韩欧美一区二区三区在线观看| 午夜老司机福利片| 婷婷精品国产亚洲av| 在线免费观看的www视频| 一级作爱视频免费观看| 日本熟妇午夜| 长腿黑丝高跟| 首页视频小说图片口味搜索| 小说图片视频综合网站| 99在线人妻在线中文字幕| 国内精品久久久久久久电影| 精品少妇一区二区三区视频日本电影| 亚洲国产欧美人成| 成人一区二区视频在线观看| 一级a爱片免费观看的视频| 亚洲国产欧美一区二区综合| 国产精品电影一区二区三区| 亚洲精品久久成人aⅴ小说| 高清毛片免费观看视频网站| 一级毛片高清免费大全| av在线播放免费不卡| 久久久久国内视频| 日韩欧美在线乱码| 91麻豆精品激情在线观看国产| 99在线视频只有这里精品首页| netflix在线观看网站| 18禁黄网站禁片免费观看直播| 中国美女看黄片| 精品久久久久久久久久免费视频| 亚洲色图av天堂| 日本撒尿小便嘘嘘汇集6| 欧美另类亚洲清纯唯美| 久久久久免费精品人妻一区二区| 欧美激情久久久久久爽电影| 国产视频一区二区在线看| 亚洲精品一区av在线观看| avwww免费| 叶爱在线成人免费视频播放| 日韩大码丰满熟妇| 久久这里只有精品19| 日日爽夜夜爽网站| 中文亚洲av片在线观看爽| 国产一区二区在线av高清观看| 久久久久久亚洲精品国产蜜桃av| 夜夜看夜夜爽夜夜摸| 九九热线精品视视频播放| 色综合欧美亚洲国产小说| 国产视频一区二区在线看| 国产精品日韩av在线免费观看| 国产精品亚洲av一区麻豆| 在线a可以看的网站| 九色成人免费人妻av| 国产精品亚洲av一区麻豆| 在线a可以看的网站| 琪琪午夜伦伦电影理论片6080| 91麻豆av在线| 好男人电影高清在线观看| 亚洲一码二码三码区别大吗| 国产激情偷乱视频一区二区| 国产91精品成人一区二区三区| 亚洲人与动物交配视频| 亚洲成人免费电影在线观看| 国产精品精品国产色婷婷| 丰满人妻熟妇乱又伦精品不卡| 亚洲专区中文字幕在线| 老鸭窝网址在线观看| 看免费av毛片| 在线永久观看黄色视频| 欧美丝袜亚洲另类 | 久久精品91蜜桃| 国产精品爽爽va在线观看网站| 99热这里只有精品一区 | 国产野战对白在线观看| 十八禁人妻一区二区| 在线国产一区二区在线| 男女做爰动态图高潮gif福利片| 欧美色视频一区免费| 一本大道久久a久久精品| 男女下面进入的视频免费午夜| tocl精华| 麻豆成人av在线观看| 久久久久久大精品| 亚洲人成网站高清观看| 久久精品夜夜夜夜夜久久蜜豆 | 中文亚洲av片在线观看爽| 女生性感内裤真人,穿戴方法视频| 操出白浆在线播放| 久久国产精品人妻蜜桃| 变态另类成人亚洲欧美熟女| 亚洲美女黄片视频| 色综合站精品国产| 色播亚洲综合网| 啦啦啦观看免费观看视频高清| 亚洲国产精品sss在线观看| 亚洲五月婷婷丁香| 国产黄片美女视频| 变态另类丝袜制服| 日本三级黄在线观看| 97碰自拍视频| 好男人在线观看高清免费视频| 亚洲欧美日韩东京热| 99热只有精品国产| 国产成人啪精品午夜网站| 一进一出抽搐gif免费好疼| 国产伦人伦偷精品视频| 中文字幕av在线有码专区| 国产又色又爽无遮挡免费看| 男女视频在线观看网站免费 | 成人国产综合亚洲| 成人三级黄色视频| 黄色视频,在线免费观看| 亚洲人与动物交配视频| 久久午夜综合久久蜜桃| 在线十欧美十亚洲十日本专区| 国产精品久久久久久亚洲av鲁大| 美女高潮喷水抽搐中文字幕| 十八禁人妻一区二区| 亚洲av片天天在线观看| 一二三四社区在线视频社区8| 又爽又黄无遮挡网站| 亚洲精品在线美女| 一夜夜www| 看免费av毛片| 岛国视频午夜一区免费看| 欧美丝袜亚洲另类 | 99热只有精品国产| 国产精品久久电影中文字幕| 国产在线观看jvid| 久9热在线精品视频| 白带黄色成豆腐渣| 俄罗斯特黄特色一大片| 人人妻人人看人人澡| 色综合亚洲欧美另类图片| 亚洲一区高清亚洲精品| 亚洲中文字幕一区二区三区有码在线看 | 51午夜福利影视在线观看| 国内精品久久久久精免费| 一级a爱片免费观看的视频| 欧美日韩一级在线毛片| 国产视频一区二区在线看| 性色av乱码一区二区三区2| 精品一区二区三区av网在线观看| 国产精品久久久久久精品电影| 99热6这里只有精品| 午夜两性在线视频| 69av精品久久久久久| 午夜日韩欧美国产| 亚洲精品美女久久久久99蜜臀| 成熟少妇高潮喷水视频| 亚洲国产精品sss在线观看| 一级作爱视频免费观看| 老汉色∧v一级毛片| 99国产精品一区二区蜜桃av| 欧美乱码精品一区二区三区| 国产伦一二天堂av在线观看| 国产精品九九99| 天堂影院成人在线观看| 亚洲片人在线观看| 在线看三级毛片| 午夜激情av网站| 最近视频中文字幕2019在线8| 精品第一国产精品| 国产91精品成人一区二区三区| www国产在线视频色| 国产爱豆传媒在线观看 | 国产高清视频在线播放一区| 最近最新免费中文字幕在线| 亚洲午夜精品一区,二区,三区| 久久久久久大精品| 一级毛片高清免费大全| 哪里可以看免费的av片| 久久国产精品人妻蜜桃| 丰满的人妻完整版| 高清在线国产一区| 一区福利在线观看| 熟女少妇亚洲综合色aaa.| av天堂在线播放| 欧美人与性动交α欧美精品济南到| 国产黄片美女视频| 啪啪无遮挡十八禁网站| 久久久久国产精品人妻aⅴ院| 国产高清视频在线观看网站| 99热6这里只有精品| 国产成人精品无人区| aaaaa片日本免费| 一级片免费观看大全| av超薄肉色丝袜交足视频| 欧美国产日韩亚洲一区| 亚洲国产高清在线一区二区三| 国产黄色小视频在线观看| 国产激情偷乱视频一区二区| 亚洲中文av在线| 天堂影院成人在线观看| 久久精品国产清高在天天线| 在线播放国产精品三级| 一进一出好大好爽视频| 在线播放国产精品三级| 亚洲激情在线av| 色av中文字幕| 欧美av亚洲av综合av国产av| 免费看日本二区| 日本五十路高清| 别揉我奶头~嗯~啊~动态视频| 精品一区二区三区视频在线观看免费| 一本久久中文字幕| 久久精品91蜜桃| 最近最新免费中文字幕在线| 午夜激情av网站| 国产成人精品久久二区二区91| 91九色精品人成在线观看| 视频区欧美日本亚洲| 怎么达到女性高潮| 黄色视频不卡| 一级毛片女人18水好多| 国产一区二区在线av高清观看| 高潮久久久久久久久久久不卡| 一进一出好大好爽视频| 久久国产精品人妻蜜桃| 99热只有精品国产| 精品国产乱子伦一区二区三区| 日韩欧美一区二区三区在线观看| 熟女少妇亚洲综合色aaa.| 无遮挡黄片免费观看| 国产日本99.免费观看| 欧美一区二区精品小视频在线| 亚洲成av人片免费观看| 老汉色∧v一级毛片| 高清毛片免费观看视频网站| 久久久久久免费高清国产稀缺| 在线观看午夜福利视频| 久久精品91蜜桃| 又大又爽又粗| 亚洲电影在线观看av| 麻豆av在线久日| 国产精品1区2区在线观看.| 狠狠狠狠99中文字幕| 欧美绝顶高潮抽搐喷水| 国产亚洲精品久久久久5区| 久久久久免费精品人妻一区二区| 亚洲九九香蕉| 国内精品一区二区在线观看| cao死你这个sao货| 欧美性长视频在线观看| 久久中文字幕一级| 成人高潮视频无遮挡免费网站| 精品国产乱码久久久久久男人| 国产熟女xx| 91成年电影在线观看| 成人精品一区二区免费| 国产精品爽爽va在线观看网站| 看黄色毛片网站| 久久久国产精品麻豆| 国产激情偷乱视频一区二区| 舔av片在线| 欧美高清成人免费视频www| 精品久久久久久久毛片微露脸| 精品久久久久久久人妻蜜臀av| 国产一区二区激情短视频| 99精品在免费线老司机午夜| 视频区欧美日本亚洲| 精品久久久久久久人妻蜜臀av| 91成年电影在线观看| 看黄色毛片网站| 嫩草影院精品99| 午夜日韩欧美国产| 久久久久久大精品| 最近最新中文字幕大全电影3| www.自偷自拍.com| 久久亚洲真实| 亚洲专区字幕在线| 久久精品影院6| 亚洲一区高清亚洲精品| 亚洲成人免费电影在线观看| 免费看美女性在线毛片视频| 欧洲精品卡2卡3卡4卡5卡区| 999久久久国产精品视频| 两个人视频免费观看高清| 午夜久久久久精精品| 此物有八面人人有两片| 欧美日韩乱码在线| 亚洲欧美日韩高清在线视频| 亚洲精品美女久久久久99蜜臀| 亚洲 欧美一区二区三区| 黄色视频不卡| 亚洲国产日韩欧美精品在线观看 | 久久久久亚洲av毛片大全| x7x7x7水蜜桃| 97人妻精品一区二区三区麻豆| 色av中文字幕| 少妇被粗大的猛进出69影院| 天堂影院成人在线观看| 男女床上黄色一级片免费看| 中文字幕av在线有码专区| 露出奶头的视频| 国产午夜精品论理片| 在线观看美女被高潮喷水网站 | videosex国产| 亚洲国产欧美网| av在线天堂中文字幕| 国产免费男女视频| 日日干狠狠操夜夜爽| 亚洲欧美精品综合一区二区三区| 久久午夜亚洲精品久久| 午夜福利高清视频| 午夜老司机福利片| 日韩成人在线观看一区二区三区| 欧洲精品卡2卡3卡4卡5卡区| 免费在线观看完整版高清| 亚洲 欧美一区二区三区| 亚洲国产欧美人成| 最新美女视频免费是黄的| 亚洲 国产 在线| 国产爱豆传媒在线观看 | www.精华液| 身体一侧抽搐| 亚洲五月天丁香| 亚洲成av人片在线播放无| 男女之事视频高清在线观看| 丰满的人妻完整版| 久久午夜综合久久蜜桃| 亚洲精品久久成人aⅴ小说| xxxwww97欧美| 欧美一区二区精品小视频在线| 日韩大码丰满熟妇| 一二三四在线观看免费中文在| av在线天堂中文字幕| 黄色毛片三级朝国网站| 国产精品一区二区三区四区久久| aaaaa片日本免费| av片东京热男人的天堂| 国产亚洲精品久久久久久毛片| 中文字幕熟女人妻在线| 91老司机精品| 巨乳人妻的诱惑在线观看| 91麻豆av在线| 91麻豆精品激情在线观看国产| 怎么达到女性高潮| 舔av片在线| 成人国产综合亚洲| 在线观看免费日韩欧美大片| 伊人久久大香线蕉亚洲五| 欧美黄色淫秽网站| 免费av毛片视频| 午夜精品一区二区三区免费看| 亚洲中文av在线| 免费在线观看视频国产中文字幕亚洲| 最近最新免费中文字幕在线| 国产精品综合久久久久久久免费| 成年免费大片在线观看| 日韩欧美一区二区三区在线观看| 国产探花在线观看一区二区| 性色av乱码一区二区三区2| 婷婷精品国产亚洲av| 真人一进一出gif抽搐免费| 好男人电影高清在线观看| 可以免费在线观看a视频的电影网站| 久久精品aⅴ一区二区三区四区| 50天的宝宝边吃奶边哭怎么回事| 嫩草影院精品99| 成年版毛片免费区| 国产av又大| 国产野战对白在线观看| 精品久久久久久久久久久久久| 国产精品一区二区三区四区久久| 国产伦一二天堂av在线观看| 久久天躁狠狠躁夜夜2o2o| 两个人的视频大全免费| 欧美黄色淫秽网站| 久久中文看片网| 一级毛片高清免费大全| 啪啪无遮挡十八禁网站| 老熟妇仑乱视频hdxx| 又爽又黄无遮挡网站| 国产一区在线观看成人免费| 亚洲成a人片在线一区二区| 最好的美女福利视频网| xxxwww97欧美| 色在线成人网| 中文字幕精品亚洲无线码一区| 人妻夜夜爽99麻豆av| 男插女下体视频免费在线播放| 在线a可以看的网站| 国产高清有码在线观看视频 | 精品福利观看| av视频在线观看入口| 天天一区二区日本电影三级| 欧美性猛交╳xxx乱大交人| 天堂av国产一区二区熟女人妻 | 精品熟女少妇八av免费久了| 色哟哟哟哟哟哟| 非洲黑人性xxxx精品又粗又长| 一区福利在线观看| 国产探花在线观看一区二区| 亚洲精品中文字幕一二三四区| 国产亚洲精品久久久久久毛片| 久久久精品国产亚洲av高清涩受| av中文乱码字幕在线| 亚洲欧洲精品一区二区精品久久久| 欧美日韩中文字幕国产精品一区二区三区| 日韩国内少妇激情av| 亚洲成av人片免费观看| 久久人人精品亚洲av| 亚洲国产精品久久男人天堂| 香蕉av资源在线| 黄色丝袜av网址大全| 欧美又色又爽又黄视频| 五月玫瑰六月丁香| 丰满人妻熟妇乱又伦精品不卡| 精华霜和精华液先用哪个| 91麻豆av在线| 丁香欧美五月| svipshipincom国产片| 丰满人妻一区二区三区视频av | 精品国产超薄肉色丝袜足j| 国产精华一区二区三区| 亚洲电影在线观看av| 制服诱惑二区| 久久久久久九九精品二区国产 | 小说图片视频综合网站| 高清毛片免费观看视频网站| 国产精品亚洲一级av第二区| 久久九九热精品免费| 午夜两性在线视频| 亚洲欧美日韩高清专用| 12—13女人毛片做爰片一| 亚洲成人久久爱视频| www.自偷自拍.com| 热99re8久久精品国产| 免费看a级黄色片| 少妇的丰满在线观看| 色噜噜av男人的天堂激情| 婷婷丁香在线五月| 国产高清激情床上av| 国产精品永久免费网站| 国产精品,欧美在线| 91老司机精品| 亚洲熟妇熟女久久| 真人做人爱边吃奶动态| 亚洲av电影在线进入| netflix在线观看网站| 日本免费a在线| 成人高潮视频无遮挡免费网站| av超薄肉色丝袜交足视频| 一级黄色大片毛片| 黄片大片在线免费观看| 悠悠久久av| 美女 人体艺术 gogo| 亚洲国产精品sss在线观看| 老司机福利观看| 国产精品一及| 91老司机精品| 久久久久久国产a免费观看| 欧美日本视频| 免费人成视频x8x8入口观看| 婷婷精品国产亚洲av| 两性夫妻黄色片| 国产精品综合久久久久久久免费| 日本撒尿小便嘘嘘汇集6| 国产成人系列免费观看| 欧美国产日韩亚洲一区| 在线免费观看的www视频| 亚洲 欧美一区二区三区| av有码第一页| 好看av亚洲va欧美ⅴa在| 舔av片在线| 国内精品一区二区在线观看| 亚洲欧美一区二区三区黑人| 亚洲专区字幕在线| 中亚洲国语对白在线视频| 熟女电影av网| 最近在线观看免费完整版| 欧美又色又爽又黄视频| 国产97色在线日韩免费| 无遮挡黄片免费观看| 亚洲欧洲精品一区二区精品久久久| 天堂√8在线中文| 欧美性长视频在线观看| 一级片免费观看大全| 色哟哟哟哟哟哟| 狂野欧美白嫩少妇大欣赏| av国产免费在线观看| www.熟女人妻精品国产| 久久久水蜜桃国产精品网| netflix在线观看网站| 色播亚洲综合网| 欧美三级亚洲精品| 久久这里只有精品19| 精华霜和精华液先用哪个| 国产aⅴ精品一区二区三区波|