• <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 ?

    基于改進(jìn)自編碼器的在線課程推薦模型①

    2022-05-10 12:12:34宋曉麗賀龍威
    計算機系統(tǒng)應(yīng)用 2022年3期
    關(guān)鍵詞:時序編碼器準(zhǔn)確率

    宋曉麗,賀龍威

    1(中國石油大學(xué)(華東),青島 266580)

    2(海洋石油工程(青島)有限公司,青島266520)

    1 引言

    隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,在線教育以其打破課堂時空限制等優(yōu)勢越來越受到人們的關(guān)注,尤其是新冠疫情爆發(fā)以來,人們對在線教育的需求大大增加.中國互聯(lián)網(wǎng)絡(luò)信息中心報告顯示:2020年3月,我國在線教育用戶規(guī)模達(dá)4.23 億,較2018年底增長110.2%,占網(wǎng)民整體的46.8%.然而,隨著在線教育的發(fā)展,信息過載現(xiàn)象愈發(fā)嚴(yán)重,如何使用戶在短時間內(nèi)找到適合自己的學(xué)習(xí)資源便成了一項巨大的挑戰(zhàn).為了解決信息過載的問題,科研人員提出了推薦系統(tǒng)的概念,通過對信息的個性化推薦,提高了人們的用戶體驗[1].

    有關(guān)推薦系統(tǒng)算法的研究較多,主要分為3 類:基于內(nèi)容的推薦算法、協(xié)同過濾的推薦算法和混合的推薦算法.許多在線教育網(wǎng)站采用傳統(tǒng)的協(xié)同過濾的推薦算法[2],其基本思想是利用已有的用戶選課信息來構(gòu)建相似用戶群體,進(jìn)而進(jìn)行課程的推薦,但傳統(tǒng)的協(xié)同過濾算法存在冷啟動和數(shù)據(jù)稀疏性等問題[3].

    由于深度學(xué)習(xí)具有強大的非線性映射能力,在處理高維數(shù)據(jù)時,可以有效地將其映射到低維空間從而提取高層次的特征,隨著近幾年深度學(xué)習(xí)的發(fā)展,利用深度學(xué)習(xí)進(jìn)行個性化推薦也得到了廣泛的應(yīng)用[4-6].由于自編碼器具有強大的隱特征學(xué)習(xí)能力,能夠有效處理數(shù)據(jù)的稀疏性問題[7].另外,由于用戶在進(jìn)行選課時往往會考慮到之前學(xué)過的課程,用戶的選課序列具有明顯的時序特點,LSTM (long short-term memory,長短期記憶網(wǎng)絡(luò))具有強大的時序建模能力,能夠有效處理時間序列數(shù)據(jù).根據(jù)上述特性,本文利用LSTM 改進(jìn)自編碼器,將其應(yīng)用于在線教育的課程推薦領(lǐng)域,根據(jù)用戶的課程學(xué)習(xí)歷史來推薦之后的學(xué)習(xí)課程.

    2 國內(nèi)外研究現(xiàn)狀

    2.1 協(xié)同過濾推薦算法

    協(xié)同過濾算法是根據(jù)用戶的歷史數(shù)據(jù)劃分用戶群體,根據(jù)群體內(nèi)其他用戶的偏好來為其進(jìn)行推薦,分為兩大類:基于用戶的協(xié)同過濾推薦和基于物品的協(xié)同過濾推薦.

    劉國麗等人[8]提出了一種融合專家信任的協(xié)同過濾推薦算法,在專家信任度計算公式中引入了項目平衡因子,提高了算法的推薦準(zhǔn)確率.Li 等人[9]設(shè)計了一個應(yīng)用協(xié)同過濾算法的個性化在線教育平臺,實驗驗證了平臺的性能和功能的有效性.為了解決在物聯(lián)網(wǎng)情境下的推薦問題,Cui 等人[10]提出了一種結(jié)合時間相關(guān)系數(shù)和改進(jìn)的K-means 聚類方法的推薦模型,實驗結(jié)果表明了其在物聯(lián)網(wǎng)情境下的優(yōu)越性能.

    2.2 基于深度學(xué)習(xí)的推薦算法

    隨著深度學(xué)習(xí)的發(fā)展,越來越多的研究人員將深度學(xué)習(xí)方法應(yīng)用到推薦系統(tǒng)上.利用深度學(xué)習(xí)的非線性映射能力,對協(xié)同過濾算法中的用戶矩陣和物品矩陣進(jìn)行建模,使模型具有非線性表達(dá)能力.

    王素琴等人[11]提出了一種基于LSTM和課程關(guān)聯(lián)分類的推薦模型,首先利用GSP (generalized sequential pattern mining algorithm) 算法和譜聚類算法對課程進(jìn)行分組,然后利用LSTM 進(jìn)行課程的時間序列建模,最后利用Softmax 函數(shù)對課程進(jìn)行分類,實驗結(jié)果表明與協(xié)同過濾等算法相比,該算法具有更高的推薦準(zhǔn)確性.卜祥鵬[12]提出了一種基于GRU (gated recurrent unit,門控循環(huán)單元)和課程關(guān)聯(lián)關(guān)系的推薦模型,結(jié)合課程之間的關(guān)聯(lián)關(guān)系,利用GRU和Softmax 函數(shù)進(jìn)行課程推薦,實驗結(jié)果表明與協(xié)同過濾或僅考慮課程關(guān)聯(lián)的推薦算法相比,推薦的準(zhǔn)確率更高.Sedhain 等人[13]利用自編碼器將數(shù)據(jù)映射到非線性隱空間,實驗證明與MF (matrix factorization,矩陣分解)和CF (collaborative filtering,協(xié)同過濾)相比,具有更低的均方誤差.Strub[3]結(jié)合評價信息和諸如用戶屬性和物品描述等輔助信息,利用自編碼器進(jìn)行矩陣的分解,通過實驗驗證了所提方法的有效性.

    3 相關(guān)概念

    3.1 符號表示及問題定義

    假設(shè)在當(dāng)前的在線教育系統(tǒng)中,共有m位用戶,n門課程,則用U={u1,u2,···,um}表示所有用戶的集合,I={I1,I2,···,In}表示所有課程的集合.對于用戶u∈U,其學(xué)習(xí)課程的序列可以表示為課程推薦的目的是已知t1-ti時間段內(nèi)用戶已經(jīng)學(xué)習(xí)的課程,向其推薦ti+1時刻用戶可能感興趣的課程.

    3.2 LSTM

    長短期記憶網(wǎng)絡(luò)是一類特殊的循環(huán)神經(jīng)網(wǎng)絡(luò),最早由Hochreiter和Schmidhuber為了解決傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)梯度消失的問題而提出[14].不同于前饋神經(jīng)網(wǎng)絡(luò)跟普通的循環(huán)神經(jīng)網(wǎng)絡(luò),長短期記憶網(wǎng)絡(luò)不僅可以處理點數(shù)據(jù)(例如圖片),還可以處理間隔和延遲非常長的序列數(shù)據(jù)(例如語音跟視頻).長短期記憶網(wǎng)絡(luò)在諸如連筆字識別[15]、語音識別[16]以及時間序列數(shù)據(jù)異常檢測[17]等任務(wù)中取得了優(yōu)秀的成果.其結(jié)構(gòu)如圖1.

    圖1 LSTM 網(wǎng)絡(luò)結(jié)構(gòu)[18]

    長短期記憶網(wǎng)絡(luò)主要由3 個稱為門的特殊結(jié)構(gòu)來控制神經(jīng)元的狀態(tài),這3 個門分別稱為遺忘門、輸入門跟輸出門.

    長短期記憶網(wǎng)絡(luò)的工作由3 個階段完成:

    (1)遺忘階段.該階段來決定神經(jīng)元需要遺忘哪些信息,對輸入的信息進(jìn)行選擇性拋棄.

    (2)選擇記憶階段.該階段來決定給神經(jīng)元添加哪些信息.

    (3)輸出階段.該階段來決定神經(jīng)元的哪些信息會被輸出.

    3.3 自編碼器

    自編碼器是一種以無監(jiān)督學(xué)習(xí)的方法來學(xué)習(xí)數(shù)據(jù)編碼的人工神經(jīng)網(wǎng)絡(luò),其特點是學(xué)習(xí)目標(biāo)跟輸入數(shù)據(jù)相同,一般用途是通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)來忽略無關(guān)信息以實現(xiàn)對數(shù)據(jù)的降維.

    自編碼器由兩部分組成:對輸入數(shù)據(jù)進(jìn)行壓縮編碼的編碼器和將編碼重建為輸入數(shù)據(jù)的解碼器.其基本結(jié)構(gòu)如圖2所示.

    圖2 自編碼器網(wǎng)絡(luò)結(jié)構(gòu)

    對于編碼器映射φ和解碼器映射ψ有:

    自編碼器在編碼階段,將輸入x∈Rd=X映射到隱藏層h∈RP=F,h常被稱為編碼、隱變量或隱表示,對于h有:

    f為激活函數(shù),常用的有Sigmoid 函數(shù)和ReLU 函數(shù),W是輸入x的權(quán)重矩陣,b為偏置單元.在訓(xùn)練過程中通過反向傳播算法來更新W和b.

    在解碼階段,將h映射到輸出,x′和x結(jié)構(gòu)相同:

    通過最小化重構(gòu)誤差(例如均方誤差),來訓(xùn)練自編碼器:

    4 基于改進(jìn)自編碼器的在線課程推薦模型

    4.1 時序特征的提取

    為了對用戶選課數(shù)據(jù)的時序性建模,利用LSTM替換自編碼器中的前饋神經(jīng)網(wǎng)絡(luò),類似于RNN Encoder-Decoder[19]和EncDec-AD[20],將二者相結(jié)合.

    所提時序特征提取方法如圖3所示.

    圖3 時序特征提取方法

    本文提出的時序特征提取方法包括輸入層、編碼層、LSTM 層、解碼層和輸出層5 部分.首先對輸入數(shù)據(jù)進(jìn)行預(yù)處理,包括數(shù)據(jù)增強和按窗口劃分序列,隨后將每一個序列送入編碼器得到特征向量,再將此特征向量作為LSTM 網(wǎng)絡(luò)的輸入,最后將LSTM的輸出送入解碼器,得到對原始數(shù)據(jù)窗口下一個窗口的重建.通過最小化重構(gòu)誤差進(jìn)行訓(xùn)練,訓(xùn)練完成后,提取LSTM網(wǎng)絡(luò)輸出作為提取的時序特征.

    (1)對原始的時序數(shù)據(jù)進(jìn)行預(yù)處理,將處理好后的數(shù)據(jù)輸入到輸入層.

    預(yù)處理過程中采用了數(shù)據(jù)增強(data augmentation)技術(shù),通過添加高斯噪音來提高模型的準(zhǔn)確率.

    其中,X′為增強后的數(shù)據(jù),X為原始數(shù)據(jù),γ為噪音的比例,m為原始數(shù)據(jù)的長度,σ2表示原始數(shù)據(jù)的方差,randn(m) 可以產(chǎn)生m條服從標(biāo)準(zhǔn)正態(tài)分布的數(shù)據(jù).

    然后,將添加噪音的數(shù)據(jù)以長度為p的窗口進(jìn)行序列劃分.

    其中,xi∈X′,wt表示結(jié)束時刻為t的數(shù)據(jù)序列.

    (2)將k個不重疊的窗口進(jìn)行序列劃分,經(jīng)編碼后得到的特征表示Et作為LSTM 網(wǎng)絡(luò)的輸入.

    Wt表示結(jié)束時刻為t的窗口序列,eit表示W(wǎng)t中的第i個窗口wit的特征表示,Et表示與窗口序列Wt相對應(yīng)的特征表示.

    (3)訓(xùn)練LSTM 網(wǎng)絡(luò),用一個序列Et中的前k-1個窗口作為輸入數(shù)據(jù),來預(yù)測接下來的后k-1個窗口.

    LSTM的計算可以按照以下公式展開:

    其中,Wf,Wi,Wc,Wo與bf,bi,bc,bo分別為t時刻LSTM單元中遺忘門、輸入門、細(xì)胞狀態(tài)、輸出門的權(quán)重矩陣和偏置向量,σ為激活函數(shù),*表示矩陣按元素相乘,ht-1表示t-1時刻隱藏層的狀態(tài).

    應(yīng)用梯度裁剪(gradient clipping)[21]來解決LSTM中的梯度爆炸問題.通過將超過閾值的梯度設(shè)定為固定值來使梯度值保持在合理水平.更確切地說,在梯度g更 新前,裁剪g的范數(shù) ‖g‖:

    其中,v是閾值的范數(shù),g是要用來更新的參數(shù).

    采用真實值跟LSTM 預(yù)測值之間的均方誤差(mean square error,MSE)作為損失函數(shù),MSE計算公式如式(21)所示:

    其中eit為真實數(shù)據(jù)值,為預(yù)測數(shù)據(jù)值.

    (4)利用解碼器將LSTM的輸出重構(gòu)為時間序列窗口.

    4.2 在線課程的推薦

    經(jīng)過上一步提取到數(shù)據(jù)的時序特征后,將LSTM的輸出作為輸入,經(jīng)過Softmax函數(shù),得到模型最后的推薦結(jié)果.如圖4所示.

    圖4 進(jìn)行課程推薦

    5 實驗結(jié)果及分析

    5.1 實驗數(shù)據(jù)集

    采用MOOC 真實數(shù)據(jù)集[22],共458 454 條選課記錄,包含82 535 位用戶和1 302 門課程.每條記錄包含用戶id、選課時間、課程id、課程名稱、課程類別等屬性.

    5.2 數(shù)據(jù)預(yù)處理

    (1)首先,將原始數(shù)據(jù)數(shù)據(jù)簡化為三元組(用戶id,選課時間,課程id).

    (2)其次,從82 535 位用戶中,剔除選修課程數(shù)量少于10 門的用戶,剩余130 812 條數(shù)據(jù),8 268 位用戶.

    (3)然后,再按照用戶分組,共分為8 268 個組,在每個組內(nèi)按照選課時間升序進(jìn)行排序.

    (4)最后,按照(用戶id,課程id 時間序列)合并組內(nèi)數(shù)據(jù),得到最終數(shù)據(jù)集,共計8 268 條數(shù)據(jù).

    5.3 評價指標(biāo)

    本文采用Top-N推薦系統(tǒng)中常用的查準(zhǔn)率(precision,P)、查全率(recall,R)、F1-分?jǐn)?shù)(F1-Score,F1)3 個評價指標(biāo)來衡量所提方法的推薦性能,表達(dá)式如下.

    其中,R(u)表示根據(jù)用戶在訓(xùn)練數(shù)據(jù)集上課程學(xué)習(xí)數(shù)據(jù)給用戶做出的課程推薦列表,T(u)表示用戶在測試數(shù)據(jù)集上的課程學(xué)習(xí)列表.

    5.4 實驗對比

    對于Top-N課程推薦問題,本文取N∈{1,3,10},設(shè)置3 組對比實驗,每組對比實驗中,與協(xié)同過濾算法(CF)和基于傳統(tǒng)的自編碼器的推薦算法(AE) 進(jìn)行對比.

    實驗結(jié)果如表1、表2、表3所示.

    表1 N=1 時實驗對比

    表2 N=3 時實驗對比

    表3 N=10 時實驗對比

    由表1、表2、表3可得以下結(jié)論:

    (1)在同一組對比實驗內(nèi),所提方法在查準(zhǔn)率、查全率、F1-Score3 個指標(biāo)上的表現(xiàn)均要優(yōu)于協(xié)同過濾算法和基于傳統(tǒng)的自編碼器的推薦算法.當(dāng)N=1 時,與CF 算法相比,準(zhǔn)確率提高22.8%,召回率提高26.2%,F1-Score 提高24.6%;與AE 算法相比,準(zhǔn)確率提高9.9%,召回率提高7.7%,F1-Score 提高8.7%.當(dāng)N=3 時,與CF 算法相比,準(zhǔn)確率提高15.5%,召回率提高12.7%,F1-Score 提高14.1%;與AE 算法相比,準(zhǔn)確率提高8.5%,召回率提高7.4%,F1-Score 提高7.9%.當(dāng)N=10 時,與CF 算法相比,準(zhǔn)確率提高13.3%,召回率提高14.2%,F1-Score 提高13.8%;與AE 算法相比,準(zhǔn)確率提高3.1%,召回率提高2.6%,F1-Score 提高2.9%.實驗結(jié)果表明,基于深度學(xué)習(xí)方法的推薦算法性能表現(xiàn)要優(yōu)于傳統(tǒng)的算法,這是因為深度學(xué)習(xí)算法可以提取更深層次的數(shù)據(jù)特征.本文所提方法由于采用了LSTM 對數(shù)據(jù)的時序特征進(jìn)行建模,因此效果也要優(yōu)于基于傳統(tǒng)的自編碼器的推薦算法.

    (2)不同對比實驗組間,隨著N的增大,模型的3 個性能評價指標(biāo)也越來越高,這是因為隨著推薦課程的數(shù)量增加,包含用戶喜歡的課程的概率也越來越大.

    6 結(jié)論與展望

    本文針對在線教育的課程推薦問題,提出了一種基于改進(jìn)自編碼器的在線課程推薦模型.首先,利用長短期記憶網(wǎng)絡(luò)改進(jìn)自編碼器,使得模型可以提取數(shù)據(jù)的時序性特征;然后,利用提取到的數(shù)據(jù)特征進(jìn)行在線教育的課程推薦;最后,在真實的MOOC 數(shù)據(jù)集上進(jìn)行實驗驗證,實驗結(jié)果表明所提方法與協(xié)同過濾算法和基于傳統(tǒng)的自編碼器的推薦算法相比,具有更高的準(zhǔn)確性.

    但是,本文工作仍存在以下不足:在LSTM 網(wǎng)絡(luò)中,有眾多的超參數(shù)需要手動設(shè)置,僅憑個人經(jīng)驗難以找到最合適的數(shù)值,接下來將研究如何利用神經(jīng)網(wǎng)絡(luò)搜索,去自動尋找最優(yōu)的超參數(shù).

    猜你喜歡
    時序編碼器準(zhǔn)確率
    時序坐標(biāo)
    基于Sentinel-2時序NDVI的麥冬識別研究
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報參考產(chǎn)品質(zhì)量檢驗分析
    基于FPGA的同步機軸角編碼器
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗證法
    基于PRBS檢測的8B/IOB編碼器設(shè)計
    一種毫米波放大器時序直流電源的設(shè)計
    電子制作(2016年15期)2017-01-15 13:39:08
    JESD204B接口協(xié)議中的8B10B編碼器設(shè)計
    電子器件(2015年5期)2015-12-29 08:42:24
    寂寞人妻少妇视频99o| 91精品国产国语对白视频| 国产黄色视频一区二区在线观看| 久久久国产欧美日韩av| videosex国产| 亚洲av男天堂| 18禁在线无遮挡免费观看视频| 人妻系列 视频| 亚洲国产看品久久| 永久免费av网站大全| 日韩不卡一区二区三区视频在线| 久久国产亚洲av麻豆专区| 国产69精品久久久久777片| 免费人成在线观看视频色| 国产白丝娇喘喷水9色精品| 一区在线观看完整版| 久久久久人妻精品一区果冻| 欧美丝袜亚洲另类| 巨乳人妻的诱惑在线观看| videosex国产| 视频在线观看一区二区三区| 哪个播放器可以免费观看大片| 日本色播在线视频| 各种免费的搞黄视频| videossex国产| 男人舔女人的私密视频| 看十八女毛片水多多多| 极品人妻少妇av视频| 亚洲精品av麻豆狂野| 欧美亚洲日本最大视频资源| 欧美激情国产日韩精品一区| 免费高清在线观看视频在线观看| 国产精品女同一区二区软件| 热re99久久精品国产66热6| 蜜桃在线观看..| av网站免费在线观看视频| 色婷婷av一区二区三区视频| 免费日韩欧美在线观看| 亚洲成人一二三区av| av黄色大香蕉| 久久ye,这里只有精品| 黄色怎么调成土黄色| 国产免费视频播放在线视频| 女性被躁到高潮视频| 国产亚洲精品久久久com| 国产精品国产三级国产专区5o| a级毛片黄视频| 99九九在线精品视频| 国语对白做爰xxxⅹ性视频网站| 嫩草影院入口| 啦啦啦视频在线资源免费观看| 9热在线视频观看99| 亚洲伊人色综图| 国产日韩欧美在线精品| 国产又色又爽无遮挡免| 精品熟女少妇av免费看| 国产一区二区在线观看日韩| 精品久久国产蜜桃| 91精品国产国语对白视频| www日本在线高清视频| 高清欧美精品videossex| 九九爱精品视频在线观看| 赤兔流量卡办理| 成人亚洲欧美一区二区av| 这个男人来自地球电影免费观看 | 日韩欧美精品免费久久| 国产精品一区www在线观看| 久久久久久人人人人人| 免费看不卡的av| 亚洲av电影在线进入| 1024视频免费在线观看| 久久久久精品久久久久真实原创| 国产成人免费观看mmmm| 伦理电影免费视频| 嫩草影院入口| 下体分泌物呈黄色| 中文字幕亚洲精品专区| 一级爰片在线观看| 国产在线视频一区二区| 亚洲精品视频女| 精品久久国产蜜桃| 国产精品嫩草影院av在线观看| 亚洲图色成人| 黄色一级大片看看| 日韩中字成人| 啦啦啦中文免费视频观看日本| 97人妻天天添夜夜摸| 亚洲国产看品久久| 精品熟女少妇av免费看| 欧美人与性动交α欧美精品济南到 | 精品第一国产精品| 亚洲综合精品二区| 亚洲欧美日韩另类电影网站| 久久精品国产鲁丝片午夜精品| 国产伦理片在线播放av一区| 交换朋友夫妻互换小说| 国产精品国产三级国产av玫瑰| 9色porny在线观看| 亚洲久久久国产精品| 女人久久www免费人成看片| 国产福利在线免费观看视频| 国产极品粉嫩免费观看在线| 国产日韩一区二区三区精品不卡| 好男人视频免费观看在线| 一二三四在线观看免费中文在 | 国产在线视频一区二区| 国产福利在线免费观看视频| 久久精品国产自在天天线| 一边亲一边摸免费视频| 国产1区2区3区精品| 黄色视频在线播放观看不卡| 黑人巨大精品欧美一区二区蜜桃 | 色哟哟·www| 精品国产国语对白av| 亚洲精品456在线播放app| 午夜福利乱码中文字幕| 国产有黄有色有爽视频| 少妇被粗大猛烈的视频| 97在线视频观看| 午夜福利视频精品| 99热全是精品| 成年av动漫网址| 国产xxxxx性猛交| 亚洲,欧美,日韩| 最近最新中文字幕大全免费视频 | 久久影院123| 中文字幕精品免费在线观看视频 | 街头女战士在线观看网站| 国产欧美另类精品又又久久亚洲欧美| 欧美性感艳星| 欧美日韩国产mv在线观看视频| 国产无遮挡羞羞视频在线观看| 青春草视频在线免费观看| av.在线天堂| √禁漫天堂资源中文www| 天堂俺去俺来也www色官网| 免费大片黄手机在线观看| 七月丁香在线播放| 97精品久久久久久久久久精品| 国产毛片在线视频| 99久久中文字幕三级久久日本| 曰老女人黄片| 成人免费观看视频高清| 2018国产大陆天天弄谢| 亚洲成人一二三区av| 亚洲中文av在线| 亚洲成国产人片在线观看| 女性被躁到高潮视频| 赤兔流量卡办理| 免费人妻精品一区二区三区视频| 亚洲精品久久午夜乱码| 国产高清三级在线| 国产精品国产三级专区第一集| 日韩成人av中文字幕在线观看| 亚洲精品国产av蜜桃| 亚洲av电影在线进入| 少妇人妻久久综合中文| 春色校园在线视频观看| a级片在线免费高清观看视频| 欧美亚洲 丝袜 人妻 在线| 高清av免费在线| 国产亚洲精品久久久com| 国产69精品久久久久777片| 成人综合一区亚洲| 免费高清在线观看日韩| 成人黄色视频免费在线看| 国产精品免费大片| 日韩免费高清中文字幕av| 成年av动漫网址| 性高湖久久久久久久久免费观看| 日韩中字成人| 看免费av毛片| 激情视频va一区二区三区| 久久这里有精品视频免费| 日本黄大片高清| 亚洲一级一片aⅴ在线观看| 黄色怎么调成土黄色| 一级毛片我不卡| 晚上一个人看的免费电影| 少妇被粗大的猛进出69影院 | 日本色播在线视频| 免费久久久久久久精品成人欧美视频 | 一级毛片电影观看| 国内精品宾馆在线| 久久久久久久国产电影| 人人妻人人爽人人添夜夜欢视频| 美女大奶头黄色视频| 爱豆传媒免费全集在线观看| 大片免费播放器 马上看| 内地一区二区视频在线| 美女大奶头黄色视频| 国精品久久久久久国模美| 在线观看一区二区三区激情| 最黄视频免费看| 久久久久网色| 黑丝袜美女国产一区| 国产精品欧美亚洲77777| 久久久久久人人人人人| 丝袜人妻中文字幕| 免费日韩欧美在线观看| 国产成人精品在线电影| 天美传媒精品一区二区| 欧美变态另类bdsm刘玥| 中国三级夫妇交换| 亚洲精品中文字幕在线视频| 国产精品 国内视频| 亚洲精品av麻豆狂野| 国产淫语在线视频| 最新中文字幕久久久久| 国产69精品久久久久777片| 全区人妻精品视频| 制服人妻中文乱码| 精品一区二区三卡| 七月丁香在线播放| 精品99又大又爽又粗少妇毛片| 国产免费一级a男人的天堂| 亚洲 欧美一区二区三区| 男人添女人高潮全过程视频| 日韩不卡一区二区三区视频在线| 婷婷色av中文字幕| 1024视频免费在线观看| 在线 av 中文字幕| 国产精品.久久久| 欧美另类一区| 新久久久久国产一级毛片| 只有这里有精品99| www日本在线高清视频| 免费高清在线观看日韩| 欧美精品av麻豆av| 久久精品国产亚洲av天美| 亚洲一区二区三区欧美精品| 国产片内射在线| 日韩一区二区三区影片| 午夜福利网站1000一区二区三区| 在线观看三级黄色| 在线观看www视频免费| 久久人妻熟女aⅴ| 激情五月婷婷亚洲| av在线app专区| 91aial.com中文字幕在线观看| 高清欧美精品videossex| 久久久久精品人妻al黑| 欧美性感艳星| 久久久欧美国产精品| av免费在线看不卡| 国产无遮挡羞羞视频在线观看| 久久99一区二区三区| 国产成人免费无遮挡视频| 精品国产一区二区三区四区第35| 最近最新中文字幕免费大全7| 在线观看www视频免费| 国产免费一级a男人的天堂| av卡一久久| 久久婷婷青草| 亚洲av国产av综合av卡| √禁漫天堂资源中文www| 热99国产精品久久久久久7| 内地一区二区视频在线| 精品亚洲成国产av| 国产有黄有色有爽视频| 一本色道久久久久久精品综合| 我要看黄色一级片免费的| 成人综合一区亚洲| 纵有疾风起免费观看全集完整版| 又粗又硬又长又爽又黄的视频| 国产片特级美女逼逼视频| 精品一品国产午夜福利视频| 伊人亚洲综合成人网| www.熟女人妻精品国产 | 久久免费观看电影| 欧美性感艳星| 18禁观看日本| 国产精品一区二区在线观看99| 亚洲一级一片aⅴ在线观看| 国语对白做爰xxxⅹ性视频网站| 国产探花极品一区二区| 9色porny在线观看| a级片在线免费高清观看视频| 啦啦啦在线观看免费高清www| 国产爽快片一区二区三区| 国产极品天堂在线| 在线免费观看不下载黄p国产| 一级毛片黄色毛片免费观看视频| 成人无遮挡网站| 亚洲精品美女久久av网站| 国产精品三级大全| 国产精品麻豆人妻色哟哟久久| 看非洲黑人一级黄片| 麻豆精品久久久久久蜜桃| 高清黄色对白视频在线免费看| 丝袜美足系列| 亚洲成色77777| xxxhd国产人妻xxx| 精品少妇黑人巨大在线播放| 青春草亚洲视频在线观看| 成年动漫av网址| 最近最新中文字幕免费大全7| 中文字幕制服av| 最新的欧美精品一区二区| 国产精品久久久久久精品电影小说| 美女脱内裤让男人舔精品视频| 免费观看无遮挡的男女| 大香蕉久久网| 亚洲欧美日韩卡通动漫| 久久鲁丝午夜福利片| 国产片内射在线| 日韩电影二区| xxx大片免费视频| 极品少妇高潮喷水抽搐| av片东京热男人的天堂| av黄色大香蕉| 色吧在线观看| 99久久人妻综合| 少妇被粗大猛烈的视频| 午夜精品国产一区二区电影| 久久99蜜桃精品久久| 水蜜桃什么品种好| a级毛片在线看网站| 中文乱码字字幕精品一区二区三区| 国产有黄有色有爽视频| 大片免费播放器 马上看| 国产欧美亚洲国产| 久久国产亚洲av麻豆专区| 不卡视频在线观看欧美| 成人漫画全彩无遮挡| 久热这里只有精品99| 国产精品人妻久久久影院| 十八禁高潮呻吟视频| 人人妻人人澡人人看| 欧美 日韩 精品 国产| 国产精品偷伦视频观看了| 亚洲欧美日韩另类电影网站| 国产极品天堂在线| 在线观看www视频免费| 丝袜人妻中文字幕| 丰满饥渴人妻一区二区三| 亚洲精品乱码久久久久久按摩| 国产片特级美女逼逼视频| 日本-黄色视频高清免费观看| 午夜91福利影院| 国产白丝娇喘喷水9色精品| 一区二区三区四区激情视频| 亚洲中文av在线| 亚洲,一卡二卡三卡| 精品少妇黑人巨大在线播放| 黄片播放在线免费| 国产探花极品一区二区| 天堂8中文在线网| 亚洲精品久久成人aⅴ小说| 中文精品一卡2卡3卡4更新| 国产一区有黄有色的免费视频| 99久久中文字幕三级久久日本| 精品亚洲乱码少妇综合久久| 日韩大片免费观看网站| 亚洲第一av免费看| 日韩av免费高清视频| 午夜影院在线不卡| 日本猛色少妇xxxxx猛交久久| 亚洲国产看品久久| 欧美另类一区| 国产伦理片在线播放av一区| 日本av手机在线免费观看| 欧美激情国产日韩精品一区| 国精品久久久久久国模美| 在线天堂中文资源库| 久久97久久精品| 在线天堂中文资源库| 国产av国产精品国产| www.av在线官网国产| 一区二区三区四区激情视频| 90打野战视频偷拍视频| 性色avwww在线观看| 最近中文字幕2019免费版| 好男人视频免费观看在线| 人人妻人人澡人人爽人人夜夜| 美女福利国产在线| 夫妻性生交免费视频一级片| 精品卡一卡二卡四卡免费| 亚洲人成77777在线视频| 99久久综合免费| 亚洲成人av在线免费| 精品国产国语对白av| 99国产综合亚洲精品| 久久精品国产综合久久久 | 最近的中文字幕免费完整| 视频在线观看一区二区三区| 久久久精品区二区三区| 观看av在线不卡| 久久久久久人人人人人| 色婷婷av一区二区三区视频| 国产xxxxx性猛交| 国产精品免费大片| 中国美白少妇内射xxxbb| 欧美日韩视频高清一区二区三区二| 十八禁网站网址无遮挡| 久久韩国三级中文字幕| 欧美日韩综合久久久久久| 精品久久久精品久久久| 男女下面插进去视频免费观看 | 观看av在线不卡| 18禁观看日本| 一本色道久久久久久精品综合| 国产免费又黄又爽又色| 婷婷色综合www| 国产av精品麻豆| 国语对白做爰xxxⅹ性视频网站| 狠狠婷婷综合久久久久久88av| 好男人视频免费观看在线| 精品国产露脸久久av麻豆| 2021少妇久久久久久久久久久| 亚洲av日韩在线播放| 欧美 亚洲 国产 日韩一| 香蕉丝袜av| 国产老妇伦熟女老妇高清| 一级片免费观看大全| 97精品久久久久久久久久精品| 只有这里有精品99| 久久久久久人妻| 桃花免费在线播放| 成年动漫av网址| av天堂久久9| 免费看光身美女| 男男h啪啪无遮挡| 插逼视频在线观看| 国产老妇伦熟女老妇高清| 日韩av在线免费看完整版不卡| 国产精品一二三区在线看| 亚洲天堂av无毛| 内地一区二区视频在线| 五月玫瑰六月丁香| 午夜免费男女啪啪视频观看| 亚洲色图综合在线观看| 香蕉丝袜av| 欧美日韩av久久| 只有这里有精品99| 高清毛片免费看| 免费不卡的大黄色大毛片视频在线观看| 夜夜爽夜夜爽视频| 亚洲国产精品一区三区| 90打野战视频偷拍视频| 精品卡一卡二卡四卡免费| 精品少妇黑人巨大在线播放| 久久久国产一区二区| 999精品在线视频| 免费观看在线日韩| 久久精品久久精品一区二区三区| 亚洲精品久久成人aⅴ小说| 亚洲av.av天堂| 国产精品久久久久久精品古装| 22中文网久久字幕| 国产成人免费无遮挡视频| 免费看不卡的av| 日韩中文字幕视频在线看片| 久久久国产精品麻豆| 美女xxoo啪啪120秒动态图| 日韩,欧美,国产一区二区三区| av卡一久久| 男女免费视频国产| 国产亚洲一区二区精品| 亚洲伊人久久精品综合| 久久这里有精品视频免费| 天堂8中文在线网| 人人妻人人澡人人爽人人夜夜| 欧美 亚洲 国产 日韩一| 美女大奶头黄色视频| 超碰97精品在线观看| 菩萨蛮人人尽说江南好唐韦庄| 日韩视频在线欧美| 视频中文字幕在线观看| 99国产综合亚洲精品| 水蜜桃什么品种好| 国产一区二区在线观看日韩| 免费少妇av软件| 在线观看国产h片| 国产白丝娇喘喷水9色精品| 亚洲av免费高清在线观看| 精品人妻偷拍中文字幕| 亚洲精品456在线播放app| 国产成人91sexporn| 午夜福利乱码中文字幕| 最近中文字幕高清免费大全6| 国产av码专区亚洲av| 9热在线视频观看99| 国产精品一国产av| av在线老鸭窝| 久久ye,这里只有精品| av有码第一页| 精品一区二区三区视频在线| 国产一区二区三区av在线| 国产深夜福利视频在线观看| 国产亚洲午夜精品一区二区久久| 久久久久国产网址| 亚洲av免费高清在线观看| 久久99精品国语久久久| 伊人久久国产一区二区| 亚洲精品国产色婷婷电影| 国产成人精品福利久久| 亚洲国产色片| 欧美日韩精品成人综合77777| 久久久久久久亚洲中文字幕| 久久人人爽av亚洲精品天堂| 99视频精品全部免费 在线| 97人妻天天添夜夜摸| 中文字幕人妻熟女乱码| 美女中出高潮动态图| 午夜免费鲁丝| 寂寞人妻少妇视频99o| 免费看av在线观看网站| 亚洲一级一片aⅴ在线观看| 日韩在线高清观看一区二区三区| videossex国产| 91午夜精品亚洲一区二区三区| 中文字幕免费在线视频6| 久久人人爽人人爽人人片va| 成年人免费黄色播放视频| 欧美人与性动交α欧美软件 | 精品99又大又爽又粗少妇毛片| 高清av免费在线| 欧美日本中文国产一区发布| 亚洲精品日本国产第一区| 亚洲熟女精品中文字幕| 午夜影院在线不卡| 亚洲精品久久午夜乱码| 大话2 男鬼变身卡| 女人被躁到高潮嗷嗷叫费观| 亚洲国产欧美在线一区| 精品人妻熟女毛片av久久网站| 婷婷色综合www| 91国产中文字幕| 一个人免费看片子| 国产亚洲最大av| 久久国产精品大桥未久av| 亚洲欧美日韩另类电影网站| 国产成人91sexporn| kizo精华| 最近手机中文字幕大全| 国产精品成人在线| 在线观看一区二区三区激情| xxxhd国产人妻xxx| 交换朋友夫妻互换小说| 成年av动漫网址| 免费av中文字幕在线| 国产免费现黄频在线看| 久久人人爽人人片av| 日韩制服骚丝袜av| 欧美老熟妇乱子伦牲交| 中文字幕精品免费在线观看视频 | 久久久a久久爽久久v久久| 久久综合国产亚洲精品| 寂寞人妻少妇视频99o| 欧美成人精品欧美一级黄| 大片电影免费在线观看免费| 看免费成人av毛片| 国产 精品1| 一区二区av电影网| 国产午夜精品一二区理论片| 亚洲国产最新在线播放| 在线观看免费日韩欧美大片| 国产一区有黄有色的免费视频| 亚洲精品久久午夜乱码| 中文天堂在线官网| 久久久久久人妻| 国产视频首页在线观看| 一级毛片黄色毛片免费观看视频| 婷婷成人精品国产| 九色成人免费人妻av| 久久久国产精品麻豆| 久久人人爽人人片av| 一本色道久久久久久精品综合| 亚洲在久久综合| 亚洲国产精品成人久久小说| 久久这里只有精品19| 久久精品aⅴ一区二区三区四区 | 国产 精品1| 精品一区二区免费观看| 亚洲欧美成人精品一区二区| 欧美 亚洲 国产 日韩一| 国产一区二区在线观看日韩| 亚洲人成网站在线观看播放| 亚洲综合精品二区| 日本午夜av视频| 久热这里只有精品99| 最后的刺客免费高清国语| 制服诱惑二区| 久久这里有精品视频免费| 久久精品国产综合久久久 | 在线观看人妻少妇| 精品少妇久久久久久888优播| 国产女主播在线喷水免费视频网站| 欧美成人午夜免费资源| 亚洲国产精品一区三区| 亚洲一码二码三码区别大吗| 久久久久久人妻| 成人漫画全彩无遮挡| 高清黄色对白视频在线免费看| 国产深夜福利视频在线观看| 久久综合国产亚洲精品| 中文天堂在线官网| 精品人妻一区二区三区麻豆| 看免费av毛片| 国产黄色免费在线视频| 日本欧美视频一区| 18禁在线无遮挡免费观看视频| 亚洲美女黄色视频免费看| 午夜福利乱码中文字幕| 日韩免费高清中文字幕av| 少妇被粗大猛烈的视频| 亚洲欧美成人精品一区二区| www日本在线高清视频| 草草在线视频免费看| 欧美人与善性xxx| 黄色视频在线播放观看不卡| 中国三级夫妇交换| 女性生殖器流出的白浆| 在线观看www视频免费|