• <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 ?

    面向用戶及評(píng)分信息的混合數(shù)據(jù)聚類推薦算法

    2022-07-02 06:32:28鄒偉靜龐天杰
    關(guān)鍵詞:用戶實(shí)驗(yàn)

    鄒偉靜,龐天杰

    (太原師范學(xué)院 計(jì)算機(jī)系,山西 晉中 030619)

    0 引言

    在互聯(lián)網(wǎng)的高速發(fā)展的今天,網(wǎng)絡(luò)信息的增長速度呈現(xiàn)爆炸式增長.大數(shù)據(jù)的時(shí)代背景下,每天新增的數(shù)據(jù)量字節(jié)數(shù)已經(jīng)達(dá)到了1018量級(jí),該數(shù)據(jù)量遠(yuǎn)遠(yuǎn)超出了人們能接受的范圍,互聯(lián)網(wǎng)出現(xiàn)了信息過載的情況.面對(duì)互聯(lián)網(wǎng)上數(shù)量如此龐大的信息,人們會(huì)不知所措,不知道如何從中快速地獲取自己需要的信息.針對(duì)信息過載現(xiàn)象,如何快速地解決該問題成為了一個(gè)熱點(diǎn)話題.解決信息過載問題的手段有很多,推薦算法就是其中最有效的手段之一,并在各個(gè)領(lǐng)域得到了廣泛應(yīng)用,如電影、購物等等.但是隨著用戶和商品的規(guī)模不斷擴(kuò)大,信息變得越來越稀疏,這是推薦算法面臨的主要問題之一[1-4].比如在一些購物網(wǎng)站,總商品數(shù)量有數(shù)以百萬計(jì),但是用戶買過的商品數(shù)量微乎其微,再加上許多用戶并不會(huì)對(duì)商品進(jìn)行評(píng)分和評(píng)價(jià),這就導(dǎo)致了用戶評(píng)分信息矩陣極其稀疏.在實(shí)際的用戶數(shù)據(jù)中,不僅有用戶的歷史行為數(shù)據(jù),而且包括用戶自身的分類屬性.因此用戶數(shù)據(jù)是一種既有評(píng)分?jǐn)?shù)據(jù)又有屬性數(shù)據(jù)的混合數(shù)據(jù).然而在面對(duì)用戶數(shù)據(jù)時(shí),傳統(tǒng)的推薦算法往往并沒有充分挖掘用戶信息,只取了用戶的評(píng)分?jǐn)?shù)據(jù)作為相似度計(jì)算的依據(jù),這就使得對(duì)用戶信息挖掘不充分,導(dǎo)致實(shí)際推薦算法效果不佳.

    為了解決推薦算法的數(shù)據(jù)稀疏的問題,聚類算法是十分有效的方法之一.因此許多學(xué)者采用聚類的手段來改進(jìn)推薦算法.文獻(xiàn)[5]通過挖掘用戶的特征信息來改進(jìn)相似度的計(jì)算,并用改進(jìn)的聚類算法對(duì)用戶進(jìn)行聚類.文獻(xiàn)[6]采用FCM對(duì)用戶進(jìn)行聚類,并采用遺傳算法對(duì)聚類算法進(jìn)行改進(jìn)防止出現(xiàn)局部最優(yōu)解,最后用實(shí)驗(yàn)結(jié)果證明了改進(jìn)算法的有效性.文獻(xiàn)[7]首先利用譜聚類對(duì)用戶進(jìn)行聚類分組,再基于聚類對(duì)評(píng)分矩陣進(jìn)行降維,最后基于隱語義模型對(duì)用戶進(jìn)行評(píng)分預(yù)測.文獻(xiàn)[8]采用半監(jiān)督密度峰值聚類算法將用戶按興趣分組,并結(jié)合社交網(wǎng)絡(luò)關(guān)系建立用戶的信任集合,最后為目標(biāo)用戶實(shí)現(xiàn)協(xié)同過濾推薦.

    上述文章中的算法一定程度上提高了推薦系統(tǒng)的預(yù)測準(zhǔn)確性,但是對(duì)于用戶信息挖掘不夠充分,因?yàn)樵趯?shí)際生活中,用戶數(shù)據(jù)往往是既有評(píng)分?jǐn)?shù)據(jù)又有屬性數(shù)據(jù)的混合數(shù)據(jù),在挖掘用戶信息的時(shí)候需要從混合數(shù)據(jù)入手.為了解決該問題,提出了一種面向用戶及評(píng)分信息的混合數(shù)據(jù)聚類推薦算法,旨在分析用戶的混合數(shù)據(jù)來提升推薦質(zhì)量.首先通過分析用戶的混合數(shù)據(jù),計(jì)算出用戶在混合數(shù)據(jù)上的相似度;然后采用聚類算法對(duì)用戶進(jìn)行聚類并得到多個(gè)聚類簇.最后在聚類簇中對(duì)目標(biāo)用戶實(shí)現(xiàn)協(xié)同過濾推薦.

    1 傳統(tǒng)的基于聚類的協(xié)同過濾推薦算法

    傳統(tǒng)的基于聚類的協(xié)同過濾推薦算法的基本流程如下:首先利用用戶歷史數(shù)據(jù),構(gòu)建出用戶-物品評(píng)分矩陣;之后采用聚類算法對(duì)用戶進(jìn)行聚類,得到關(guān)于用戶的聚類簇;然后在一個(gè)聚類簇中計(jì)算用戶間的相似度,并利用協(xié)同過濾思想為目標(biāo)用戶進(jìn)行評(píng)分預(yù)測;最后根據(jù)預(yù)測結(jié)果依照Top-N原則對(duì)目標(biāo)用戶進(jìn)行推薦[9].

    1.1 構(gòu)建矩陣

    用戶-物品評(píng)分?jǐn)?shù)據(jù)中有m個(gè)用戶和n個(gè)物品.根據(jù)數(shù)據(jù)構(gòu)建出用戶-物品評(píng)分矩陣Rm×n.rij表示用戶i對(duì)物品j的評(píng)分,若用戶i對(duì)物品j未評(píng)分,則rij記為0.由此可以構(gòu)建出用戶-物品評(píng)分矩陣:

    1.2 距離和相似度的度量

    根據(jù)得到用戶-物品評(píng)分矩陣,獲得每個(gè)用戶的評(píng)分向量.將用戶評(píng)分向量之間的距離和相似度作為用戶間的距離和相似度.常見的距離和相似度度量[10]公式如下.

    1.2.1 歐式距離

    歐式距離是最為常見的度量樣本間距離方法之一.用戶間的歐式距離計(jì)算公式如下:

    (1)

    (1)式中,D(u,v)表示用戶u和用戶v間的歐式距離,rui和rvi分別表示用戶u和用戶v對(duì)第i個(gè)物品的評(píng)分,n表示物品總數(shù).

    1.2.2 皮爾森相關(guān)系數(shù)

    距離度量可以用相關(guān)系數(shù)來表示[10].用戶間的皮爾森相關(guān)系數(shù)計(jì)算公式如下:

    (2)

    1.3 用戶聚類

    利用上文的距離公式對(duì)用戶進(jìn)行聚類,在聚類算法的選取上,以較為常用K-means++聚類算法為例.聚類算法步驟如下:

    步驟1 從樣本集U中隨機(jī)選取一個(gè)點(diǎn)c1作為初始聚類中心;

    步驟2 遍歷U中的樣本點(diǎn),得到當(dāng)前樣本點(diǎn)和所有聚類中心最近的距離dx;

    步驟3 用(3)式計(jì)算每一個(gè)樣本點(diǎn)作為下一個(gè)聚類中心的概率;

    (3)

    步驟4 根據(jù)輪盤賭算法選出下一個(gè)聚類中心ci;

    步驟5 重復(fù)步驟2-步驟4,直至找到k個(gè)初始聚類中心;

    步驟6 利用K-means算法步驟得到k個(gè)聚類簇.

    1.4 預(yù)測評(píng)分

    有了上文的k個(gè)聚類簇,在當(dāng)前聚類簇中選取h個(gè)與目標(biāo)用戶最為相似的用戶并作為該用戶的近鄰集,用評(píng)分預(yù)測公式為目標(biāo)用戶進(jìn)行評(píng)分預(yù)測,預(yù)測公式如下:

    (4)

    (4)式中,pai表示用戶a對(duì)物品i的預(yù)測評(píng)分,G表示用戶a的近鄰集.

    2 混合數(shù)據(jù)聚類推薦算法HDCRA

    在實(shí)際的數(shù)據(jù)當(dāng)中,用戶不僅有評(píng)分?jǐn)?shù)據(jù),還有其自身的屬性數(shù)據(jù),這兩種數(shù)據(jù)往往是在一起的,構(gòu)成了用戶的混合數(shù)據(jù).對(duì)于該混合數(shù)據(jù),不同部分需要做不同處理并加以結(jié)合,本文對(duì)用戶之間的相似度計(jì)算進(jìn)行了重新定義.此外大數(shù)據(jù)數(shù)據(jù)量大的特點(diǎn)導(dǎo)致了數(shù)據(jù)的稀疏性,采用聚類算法對(duì)用戶進(jìn)行聚類來達(dá)到降低數(shù)據(jù)稀疏的效果,將相似的用戶劃分到一個(gè)聚類簇中,從而提高推薦算法的準(zhǔn)確性.

    2.1 相似度計(jì)算

    根據(jù)上文的分析,在計(jì)算用戶之間的相似度時(shí),只用評(píng)分對(duì)用戶進(jìn)行相似度的計(jì)算并不能將用戶劃分清晰.因此要計(jì)算用戶的混合數(shù)據(jù)之間的相似度.混合數(shù)據(jù)由屬性數(shù)據(jù)和評(píng)分?jǐn)?shù)據(jù)構(gòu)成,對(duì)這兩部分的相似度方法如下.

    從“十八大”以后中央特別注重我國的環(huán)境建設(shè)。汽車維修過程中會(huì)產(chǎn)生一系列排放物,從環(huán)保角度講,首先要做的是識(shí)別,識(shí)別出哪些是污染物,哪些是正常的排放物。汽修行業(yè)中,污染物分為三類,分別是液體、固態(tài)物和氣體。

    2.1.1 屬性數(shù)據(jù)

    對(duì)于屬性數(shù)據(jù)的處理,采用如下公式計(jì)算用戶之間的屬性相似度:

    (5)

    (5)式中,sim_a(u,v)表示用戶u和用戶v在屬性a上的相似度,ua和va分別表示用戶u和用戶v在屬性a上的值.

    如用戶的年齡屬性特征,由埃里克森八階段理論[11]可知,人的心理社會(huì)發(fā)展隨著成長而發(fā)生變化,一共要經(jīng)歷八個(gè)階段.于是在數(shù)據(jù)集中便根據(jù)用戶年齡處在的不同階段對(duì)用戶年齡進(jìn)行編碼,以此將不同年齡的用戶劃分到對(duì)應(yīng)的心理社會(huì)年齡段中.因此可以得到用戶u和用戶v的年齡屬性特征相似度計(jì)算公式:

    (6)

    (6)式中,au為用戶u的年齡編碼;av為用戶v的年齡編碼.

    2.1.2 評(píng)分?jǐn)?shù)據(jù)

    對(duì)于評(píng)分?jǐn)?shù)據(jù)的處理,一般采用最為常用且效果好的皮爾森相關(guān)系數(shù)計(jì)算用戶間的相似度.

    此外在物品集中,大家對(duì)熱門物品的關(guān)注度不盡相同,但是對(duì)于冷門物品,一般只有相似的人才會(huì)關(guān)注,因此在評(píng)分相似度中加入對(duì)熱門物品的懲罰系數(shù)[12],懲罰系數(shù)如下:

    (7)

    式中,|D(i)|表示物品i的流行度.

    將該懲罰系數(shù)融入評(píng)分相似度得到如下評(píng)分相似度計(jì)算公式:

    (8)

    將用戶的屬性數(shù)據(jù)特征相似度與評(píng)分?jǐn)?shù)據(jù)特征相似度融合,得到一種新的相似度計(jì)算模型,即用戶的混合數(shù)據(jù)特征相似度計(jì)算模型,公式如下:

    (9)

    (8)式中,sim_A(u,v)表示用戶u和用戶v各個(gè)維度的屬性相似度的和,|·|表示用戶屬性特征和評(píng)分特征的維度.

    2.2 基于K-means++的用戶聚類

    得到了用戶的相似度后,需要對(duì)用戶進(jìn)行聚類.K-means++算法是進(jìn)行聚類時(shí)最常用的算法之一[13].其基于K-means算法并在聚類中心的選擇上做了優(yōu)化,在選擇聚類中心時(shí),使得聚類中心盡可能遠(yuǎn),達(dá)到高內(nèi)聚低耦合的效果.相比于K-means算法,K-means++算法具有穩(wěn)定高效的特點(diǎn),本文采用K-means++算法作為用戶聚類手段.算法步驟如下:

    步驟1 從樣本集U中隨機(jī)選取一個(gè)點(diǎn)c1作為初始聚類中心;

    步驟2 遍歷U中的樣本點(diǎn),得到當(dāng)前樣本點(diǎn)與所有聚類中心最大的相似度sx;

    步驟3 根據(jù)公式計(jì)算每一個(gè)樣本點(diǎn)作為下一個(gè)聚類中心的概率;

    (10)

    步驟4 根據(jù)輪盤法選出下一個(gè)聚類中心ci;

    步驟5 重復(fù)步驟2-步驟4,直至找到k個(gè)聚類中心;

    步驟6 將剩余樣本點(diǎn)劃分到最為相似的一類中并得到k個(gè)聚類簇.

    最后根據(jù)聚類結(jié)果預(yù)測出用戶對(duì)物品的評(píng)分,公式如下所示:

    (11)

    (11)式中,pai表示用戶a對(duì)物品i的預(yù)測評(píng)分,G表示用戶a的近鄰集.

    3 實(shí)驗(yàn)與討論

    3.1 實(shí)驗(yàn)數(shù)據(jù)

    實(shí)驗(yàn)數(shù)據(jù)選取的是MovieLens ml-100k電影數(shù)據(jù)集[14].該數(shù)據(jù)集包括用戶評(píng)分?jǐn)?shù)據(jù)集和用戶屬性數(shù)據(jù)集,屬于上文提到過的混合數(shù)據(jù)類型.用戶評(píng)分?jǐn)?shù)據(jù)集是由943名用戶對(duì)1 682部電影評(píng)分共約10萬條評(píng)分?jǐn)?shù)據(jù)構(gòu)成,每個(gè)用戶對(duì)電影的評(píng)分為1-5分.用戶屬性數(shù)據(jù)集包含了用戶的種種屬性,如年齡、性別等.實(shí)驗(yàn)采用五折交叉實(shí)驗(yàn)法驗(yàn)證算法的有效性,取五次實(shí)驗(yàn)的平均結(jié)果作為實(shí)驗(yàn)的最終結(jié)果.

    3.2 評(píng)價(jià)指標(biāo)

    實(shí)驗(yàn)將采用平均絕對(duì)誤差(Mean Absolute Error,MAE)和均方根誤差(Root Mean Square Error,RMSE)作為評(píng)價(jià)指標(biāo)[15].評(píng)價(jià)指標(biāo)的公式如下:

    (12)

    (13)

    3.3 實(shí)驗(yàn)結(jié)果與分析

    由于K-means++算法需設(shè)定聚類數(shù)目k,為了能有良好的推薦效果,本文先設(shè)置聚類數(shù)目區(qū)間為[5,50],增量為5.通過輪廓系數(shù)[16]來衡量聚類效果.實(shí)驗(yàn)結(jié)果表1所示.

    表1 不同聚類數(shù)目k下的輪廓系數(shù)

    由于算法是基于相似度聚類,因此輪廓系數(shù)越低聚類效果越好,根據(jù)實(shí)驗(yàn)結(jié)果可得出結(jié)論,在聚類數(shù)目k=35時(shí)輪廓系數(shù)最低,因此將聚類數(shù)目設(shè)定為35.

    為了驗(yàn)證提出的推薦算法HDCRA的有效性.將本文算法與傳統(tǒng)的基于用戶的協(xié)同過濾推薦算法(User-based CollaboratIve Filtering,User-CF)和用戶聚類算法(K-means User Clustering,KUC)進(jìn)行比較,并采用上文所述指標(biāo)進(jìn)行對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析評(píng)價(jià).MAE實(shí)驗(yàn)結(jié)果如圖1所示.

    圖1 不同算法下的MAE值對(duì)比

    由圖1可以看出,三種算法的MAE在實(shí)驗(yàn)數(shù)據(jù)集上的表現(xiàn)均隨著近鄰數(shù)的增大而減少且趨勢逐漸平緩.在近鄰數(shù)相同的情況下,HDCRA的MAE值整體上低于User-CF算法和KUC算法,說明HDCRA在推薦的精度上要優(yōu)于User-CF算法和KUC算法.RMSE的實(shí)驗(yàn)結(jié)果如圖2所示.

    圖2 不同算法下的RMSE值對(duì)比

    由圖2可以看出,三種算法的RMAE在實(shí)驗(yàn)數(shù)據(jù)集上的表現(xiàn)均隨著近鄰數(shù)的增大而減少且趨勢逐漸平緩.在近鄰數(shù)相同的情況下,HDCRA的實(shí)驗(yàn)結(jié)果在整體上要低于User-CF算法和KUC算法,進(jìn)一步說明HDCRA在推薦的效果上要優(yōu)于User-CF算法和KUC算法.

    4 結(jié)語

    本文針對(duì)推薦算法面對(duì)的數(shù)據(jù)稀疏性和推薦質(zhì)量不佳的問題,根據(jù)實(shí)際用戶數(shù)據(jù)是一類既有評(píng)分?jǐn)?shù)據(jù)和屬性數(shù)據(jù)的混合數(shù)據(jù),提出了一種面向用戶及評(píng)分信息的混合數(shù)據(jù)聚類推薦算法HDCRA.根據(jù)算法在實(shí)驗(yàn)中的表現(xiàn)發(fā)現(xiàn),該算法優(yōu)于傳統(tǒng)的推薦算法,彌補(bǔ)了傳統(tǒng)推薦算法的不足,在推薦精度和推薦質(zhì)量上都存在一定優(yōu)勢,進(jìn)一步驗(yàn)證了該算法的有效性.

    猜你喜歡
    用戶實(shí)驗(yàn)
    記一次有趣的實(shí)驗(yàn)
    微型實(shí)驗(yàn)里看“燃燒”
    做個(gè)怪怪長實(shí)驗(yàn)
    關(guān)注用戶
    商用汽車(2016年11期)2016-12-19 01:20:16
    NO與NO2相互轉(zhuǎn)化實(shí)驗(yàn)的改進(jìn)
    實(shí)踐十號(hào)上的19項(xiàng)實(shí)驗(yàn)
    太空探索(2016年5期)2016-07-12 15:17:55
    關(guān)注用戶
    商用汽車(2016年6期)2016-06-29 09:18:54
    關(guān)注用戶
    商用汽車(2016年4期)2016-05-09 01:23:12
    Camera360:拍出5億用戶
    100萬用戶
    欧美黄色淫秽网站| 国产亚洲精品久久久久久毛片| 热re99久久国产66热| 日本三级黄在线观看| 亚洲成人久久爱视频| 国产欧美日韩一区二区精品| 久久久水蜜桃国产精品网| 大型黄色视频在线免费观看| 精品不卡国产一区二区三区| 老司机在亚洲福利影院| 日本熟妇午夜| 老司机在亚洲福利影院| 精品福利观看| 亚洲成人免费电影在线观看| 中文亚洲av片在线观看爽| 久久婷婷成人综合色麻豆| 999精品在线视频| 久久欧美精品欧美久久欧美| 99re在线观看精品视频| 国产高清激情床上av| 在线观看一区二区三区| 亚洲第一青青草原| 在线天堂中文资源库| 国内毛片毛片毛片毛片毛片| 亚洲一码二码三码区别大吗| 99riav亚洲国产免费| 久久久久久久午夜电影| 看黄色毛片网站| 黄片播放在线免费| 精品久久久久久久久久免费视频| 免费看日本二区| 久99久视频精品免费| 久热这里只有精品99| 99热只有精品国产| 久久亚洲真实| 午夜视频精品福利| 精品福利观看| 人人妻人人看人人澡| 最近最新中文字幕大全电影3 | 成年女人毛片免费观看观看9| 精品一区二区三区av网在线观看| 国产伦在线观看视频一区| 久久精品亚洲精品国产色婷小说| 久久热在线av| 亚洲天堂国产精品一区在线| 精品欧美一区二区三区在线| 婷婷丁香在线五月| 成熟少妇高潮喷水视频| 制服人妻中文乱码| 中文字幕高清在线视频| 在线观看舔阴道视频| 9191精品国产免费久久| 亚洲最大成人中文| 精品国产亚洲在线| 亚洲一区二区三区色噜噜| 国产男靠女视频免费网站| 一a级毛片在线观看| 日韩三级视频一区二区三区| 天堂动漫精品| tocl精华| 久久久久久久久免费视频了| 999精品在线视频| АⅤ资源中文在线天堂| 免费在线观看亚洲国产| 天天一区二区日本电影三级| 男人舔女人下体高潮全视频| a在线观看视频网站| 高清在线国产一区| 亚洲人成网站在线播放欧美日韩| 亚洲熟妇中文字幕五十中出| 亚洲欧美激情综合另类| 熟妇人妻久久中文字幕3abv| 黄色女人牲交| 最近在线观看免费完整版| 国内精品久久久久精免费| 亚洲精品国产区一区二| 黄色视频不卡| 两人在一起打扑克的视频| 精品久久久久久久人妻蜜臀av| 亚洲专区中文字幕在线| 嫩草影院精品99| 十分钟在线观看高清视频www| 久久久久免费精品人妻一区二区 | 91成人精品电影| 老汉色av国产亚洲站长工具| 国产成人一区二区三区免费视频网站| 成人精品一区二区免费| 午夜影院日韩av| 中文字幕另类日韩欧美亚洲嫩草| 一卡2卡三卡四卡精品乱码亚洲| 免费无遮挡裸体视频| 美女午夜性视频免费| 免费女性裸体啪啪无遮挡网站| www国产在线视频色| 日本熟妇午夜| 18禁国产床啪视频网站| 亚洲成人久久爱视频| 一区二区三区国产精品乱码| 99国产极品粉嫩在线观看| 男女床上黄色一级片免费看| 嫁个100分男人电影在线观看| 日韩一卡2卡3卡4卡2021年| 国产精品亚洲美女久久久| 精品久久久久久,| cao死你这个sao货| 国产久久久一区二区三区| 亚洲午夜精品一区,二区,三区| 国产精品免费视频内射| 欧美黄色片欧美黄色片| 免费人成视频x8x8入口观看| aaaaa片日本免费| 亚洲av片天天在线观看| 欧美日本亚洲视频在线播放| 中国美女看黄片| 精品久久久久久久久久久久久 | 欧美日韩亚洲综合一区二区三区_| 精品无人区乱码1区二区| 无限看片的www在线观看| 亚洲国产精品sss在线观看| cao死你这个sao货| 黄色a级毛片大全视频| 妹子高潮喷水视频| 丝袜美腿诱惑在线| 成人三级做爰电影| 白带黄色成豆腐渣| 亚洲精品美女久久av网站| 三级毛片av免费| 我的亚洲天堂| 男人舔奶头视频| 51午夜福利影视在线观看| 日本撒尿小便嘘嘘汇集6| 免费一级毛片在线播放高清视频| 国产又色又爽无遮挡免费看| 大香蕉久久成人网| 在线观看舔阴道视频| 18禁观看日本| 男女视频在线观看网站免费 | 欧美日韩瑟瑟在线播放| 国产精品一区二区三区四区久久 | 国产精品国产高清国产av| 日韩欧美一区二区三区在线观看| 99久久国产精品久久久| 国产亚洲精品久久久久久毛片| 亚洲激情在线av| 国产欧美日韩一区二区精品| 两人在一起打扑克的视频| av片东京热男人的天堂| 欧美日韩福利视频一区二区| 欧美成狂野欧美在线观看| 欧美色视频一区免费| 99riav亚洲国产免费| 久久性视频一级片| 国产成人一区二区三区免费视频网站| 亚洲精品国产一区二区精华液| 欧美日本视频| 亚洲成人久久性| 国产av一区二区精品久久| 性色av乱码一区二区三区2| 日韩欧美免费精品| 老鸭窝网址在线观看| 免费看日本二区| 看黄色毛片网站| 午夜视频精品福利| 欧美在线黄色| 中文字幕人妻熟女乱码| 日韩精品中文字幕看吧| 国产一区二区激情短视频| bbb黄色大片| 国产成+人综合+亚洲专区| 午夜影院日韩av| 99久久无色码亚洲精品果冻| 欧美最黄视频在线播放免费| 婷婷六月久久综合丁香| 欧美色欧美亚洲另类二区| 波多野结衣巨乳人妻| 国产精品99久久99久久久不卡| 午夜福利免费观看在线| 亚洲激情在线av| 日韩三级视频一区二区三区| 白带黄色成豆腐渣| 韩国精品一区二区三区| 一二三四社区在线视频社区8| 中文字幕另类日韩欧美亚洲嫩草| 午夜精品久久久久久毛片777| 国产精品亚洲av一区麻豆| 午夜免费鲁丝| 999久久久精品免费观看国产| 波多野结衣av一区二区av| 国产精品爽爽va在线观看网站 | 国产精品久久电影中文字幕| 免费在线观看视频国产中文字幕亚洲| ponron亚洲| www.999成人在线观看| 亚洲精华国产精华精| 麻豆成人午夜福利视频| 高清在线国产一区| 成人av一区二区三区在线看| 亚洲七黄色美女视频| 91大片在线观看| 亚洲全国av大片| 欧美日韩乱码在线| 国产1区2区3区精品| av在线播放免费不卡| 中国美女看黄片| 黄色a级毛片大全视频| 日韩精品青青久久久久久| 大型av网站在线播放| 成人国语在线视频| 黑人巨大精品欧美一区二区mp4| 深夜精品福利| 亚洲成国产人片在线观看| 亚洲三区欧美一区| 精品免费久久久久久久清纯| 热re99久久国产66热| av在线播放免费不卡| 欧美成狂野欧美在线观看| 久久久久久久久中文| 日本 av在线| 夜夜爽天天搞| 国内精品久久久久久久电影| 欧美 亚洲 国产 日韩一| 精品人妻1区二区| 午夜a级毛片| 欧美性猛交╳xxx乱大交人| 无人区码免费观看不卡| 国产1区2区3区精品| 久久久久亚洲av毛片大全| a级毛片a级免费在线| 很黄的视频免费| 国产免费男女视频| 国产成人系列免费观看| АⅤ资源中文在线天堂| 别揉我奶头~嗯~啊~动态视频| 午夜久久久久精精品| 亚洲精品一卡2卡三卡4卡5卡| 国产真人三级小视频在线观看| 波多野结衣高清作品| 国产极品粉嫩免费观看在线| 色综合婷婷激情| 成人av一区二区三区在线看| 日韩欧美一区二区三区在线观看| 中出人妻视频一区二区| 99国产极品粉嫩在线观看| 久久精品91无色码中文字幕| 色播在线永久视频| 十八禁网站免费在线| 性欧美人与动物交配| 精品国产超薄肉色丝袜足j| 香蕉丝袜av| 久久热在线av| 国产高清激情床上av| 青草久久国产| 亚洲国产日韩欧美精品在线观看 | 久久久久精品国产欧美久久久| 免费无遮挡裸体视频| 天天添夜夜摸| 亚洲人成网站高清观看| 午夜福利欧美成人| 国产熟女午夜一区二区三区| 熟女电影av网| 国产精品久久视频播放| 天天一区二区日本电影三级| 香蕉丝袜av| 中文字幕av电影在线播放| 欧美午夜高清在线| 成人手机av| 欧美国产精品va在线观看不卡| 国产午夜精品久久久久久| 久久久国产精品麻豆| 欧美大码av| 婷婷精品国产亚洲av在线| 国产av又大| 国产伦在线观看视频一区| 啦啦啦 在线观看视频| 性欧美人与动物交配| 18禁观看日本| 久99久视频精品免费| 国产视频一区二区在线看| 久久久国产精品麻豆| 久久久久久久久免费视频了| 亚洲片人在线观看| 老司机福利观看| 一进一出抽搐gif免费好疼| 18美女黄网站色大片免费观看| 好看av亚洲va欧美ⅴa在| 黄色视频不卡| 中出人妻视频一区二区| 国产亚洲精品av在线| 无人区码免费观看不卡| 精品高清国产在线一区| 一级黄色大片毛片| 丰满的人妻完整版| 别揉我奶头~嗯~啊~动态视频| 欧美一级a爱片免费观看看 | 久久国产亚洲av麻豆专区| 亚洲自拍偷在线| 亚洲国产欧美一区二区综合| 欧美大码av| 久久婷婷成人综合色麻豆| 国产三级黄色录像| 黄色片一级片一级黄色片| 国产精品亚洲美女久久久| 久久精品aⅴ一区二区三区四区| 国产精品 国内视频| 啦啦啦韩国在线观看视频| 午夜福利18| 欧美成人一区二区免费高清观看 | 日本 欧美在线| 亚洲欧美日韩高清在线视频| 亚洲 国产 在线| 满18在线观看网站| 熟妇人妻久久中文字幕3abv| 精品国产乱码久久久久久男人| 成人欧美大片| АⅤ资源中文在线天堂| 精品国内亚洲2022精品成人| www.999成人在线观看| 法律面前人人平等表现在哪些方面| 成人av一区二区三区在线看| 国产色视频综合| 欧美激情久久久久久爽电影| 少妇裸体淫交视频免费看高清 | 91九色精品人成在线观看| 亚洲片人在线观看| 法律面前人人平等表现在哪些方面| 悠悠久久av| 日韩大码丰满熟妇| 日韩国内少妇激情av| 成在线人永久免费视频| 麻豆一二三区av精品| 久久久水蜜桃国产精品网| 正在播放国产对白刺激| avwww免费| 99久久精品国产亚洲精品| 黄色 视频免费看| 亚洲五月婷婷丁香| 国产亚洲av高清不卡| 欧美zozozo另类| 欧美性长视频在线观看| 久久中文字幕人妻熟女| 亚洲中文日韩欧美视频| 久久久久久国产a免费观看| 脱女人内裤的视频| 美女午夜性视频免费| 老司机午夜福利在线观看视频| 女人高潮潮喷娇喘18禁视频| 国产精品亚洲av一区麻豆| 日韩精品青青久久久久久| 国产精品美女特级片免费视频播放器 | 日本撒尿小便嘘嘘汇集6| 成人av一区二区三区在线看| 国产欧美日韩一区二区精品| 久久久久久免费高清国产稀缺| 高清毛片免费观看视频网站| 黄网站色视频无遮挡免费观看| 成年免费大片在线观看| 成人av一区二区三区在线看| 桃红色精品国产亚洲av| 黑人巨大精品欧美一区二区mp4| cao死你这个sao货| 曰老女人黄片| 一级片免费观看大全| 老司机在亚洲福利影院| 日本a在线网址| 国产亚洲精品一区二区www| 国产精品精品国产色婷婷| 国产精品电影一区二区三区| 女生性感内裤真人,穿戴方法视频| 高潮久久久久久久久久久不卡| 日韩欧美一区二区三区在线观看| 黄色丝袜av网址大全| 国产男靠女视频免费网站| 给我免费播放毛片高清在线观看| 又紧又爽又黄一区二区| cao死你这个sao货| 老司机在亚洲福利影院| 一个人观看的视频www高清免费观看 | 久久天躁狠狠躁夜夜2o2o| 亚洲专区字幕在线| 香蕉av资源在线| 中文在线观看免费www的网站 | 俺也久久电影网| 少妇 在线观看| 99久久无色码亚洲精品果冻| 又紧又爽又黄一区二区| 嫩草影院精品99| 精品国产国语对白av| 色综合站精品国产| 国产亚洲精品一区二区www| 少妇裸体淫交视频免费看高清 | 亚洲精品在线美女| 欧美人与性动交α欧美精品济南到| 欧美日韩精品网址| 亚洲精品久久国产高清桃花| 亚洲精品国产区一区二| 后天国语完整版免费观看| 成人特级黄色片久久久久久久| 给我免费播放毛片高清在线观看| 999久久久国产精品视频| 久久这里只有精品19| av天堂在线播放| 99久久国产精品久久久| 99国产极品粉嫩在线观看| 99热6这里只有精品| 国产三级在线视频| 成熟少妇高潮喷水视频| 国产私拍福利视频在线观看| 精品一区二区三区av网在线观看| 亚洲av日韩精品久久久久久密| 国产激情偷乱视频一区二区| 亚洲九九香蕉| 超碰成人久久| 免费看十八禁软件| 亚洲人成网站在线播放欧美日韩| 亚洲一卡2卡3卡4卡5卡精品中文| 久久精品人妻少妇| 成人国语在线视频| 草草在线视频免费看| 久久午夜综合久久蜜桃| 欧美激情极品国产一区二区三区| 国产熟女xx| 成人午夜高清在线视频 | 中文字幕人妻熟女乱码| 欧美日本亚洲视频在线播放| 午夜久久久在线观看| 免费电影在线观看免费观看| 国产1区2区3区精品| 99国产综合亚洲精品| 熟妇人妻久久中文字幕3abv| 18美女黄网站色大片免费观看| 亚洲精品在线美女| 很黄的视频免费| 丁香欧美五月| 欧美丝袜亚洲另类 | 老汉色∧v一级毛片| 在线观看日韩欧美| ponron亚洲| 97超级碰碰碰精品色视频在线观看| 一级a爱片免费观看的视频| 99热这里只有精品一区 | 在线观看免费视频日本深夜| 亚洲精品久久国产高清桃花| 久久久久久九九精品二区国产 | 欧美 亚洲 国产 日韩一| 夜夜爽天天搞| 亚洲国产高清在线一区二区三 | 亚洲人成网站在线播放欧美日韩| 欧美成人免费av一区二区三区| 婷婷亚洲欧美| 中文字幕另类日韩欧美亚洲嫩草| 韩国av一区二区三区四区| or卡值多少钱| 一级毛片女人18水好多| 侵犯人妻中文字幕一二三四区| 欧美性猛交╳xxx乱大交人| 免费观看精品视频网站| 久久中文看片网| 桃色一区二区三区在线观看| 精品不卡国产一区二区三区| 日韩欧美免费精品| 啦啦啦观看免费观看视频高清| 在线观看一区二区三区| e午夜精品久久久久久久| 777久久人妻少妇嫩草av网站| 免费高清在线观看日韩| 久久青草综合色| 日韩欧美一区二区三区在线观看| 中出人妻视频一区二区| 99国产极品粉嫩在线观看| 午夜福利视频1000在线观看| 国产黄片美女视频| 狠狠狠狠99中文字幕| 国产1区2区3区精品| 欧美激情 高清一区二区三区| 欧美成人免费av一区二区三区| 亚洲美女黄片视频| 日韩高清综合在线| 手机成人av网站| 成在线人永久免费视频| 黑人欧美特级aaaaaa片| 久久99热这里只有精品18| 欧美另类亚洲清纯唯美| 波多野结衣高清无吗| 女警被强在线播放| 亚洲熟女毛片儿| 亚洲aⅴ乱码一区二区在线播放 | 国产欧美日韩一区二区三| 高潮久久久久久久久久久不卡| 琪琪午夜伦伦电影理论片6080| 欧美乱色亚洲激情| 18禁裸乳无遮挡免费网站照片 | 丰满人妻熟妇乱又伦精品不卡| 精品国产美女av久久久久小说| 日日爽夜夜爽网站| 狠狠狠狠99中文字幕| 在线观看66精品国产| 后天国语完整版免费观看| 亚洲av成人不卡在线观看播放网| 国产单亲对白刺激| 在线永久观看黄色视频| 精品国产乱子伦一区二区三区| 90打野战视频偷拍视频| 国产精品一区二区精品视频观看| 好男人在线观看高清免费视频 | 最近最新中文字幕大全电影3 | 国产精品电影一区二区三区| 狠狠狠狠99中文字幕| 精品不卡国产一区二区三区| 一进一出抽搐动态| 亚洲 国产 在线| 精品欧美一区二区三区在线| 欧美激情 高清一区二区三区| 亚洲国产欧美网| 一级片免费观看大全| 欧美一区二区精品小视频在线| 欧美成人免费av一区二区三区| 亚洲成av片中文字幕在线观看| 国产成人精品久久二区二区免费| 黄色丝袜av网址大全| 亚洲精品美女久久久久99蜜臀| 亚洲国产欧美网| 最近最新免费中文字幕在线| 麻豆久久精品国产亚洲av| 国产单亲对白刺激| 欧美激情 高清一区二区三区| 韩国av一区二区三区四区| 亚洲精品久久国产高清桃花| 精品人妻1区二区| 欧洲精品卡2卡3卡4卡5卡区| 在线天堂中文资源库| 欧美国产精品va在线观看不卡| 精品欧美国产一区二区三| 波多野结衣av一区二区av| 男女那种视频在线观看| 午夜亚洲福利在线播放| 国产一区二区三区视频了| 99久久精品国产亚洲精品| 国产高清激情床上av| 看免费av毛片| 免费人成视频x8x8入口观看| 好男人电影高清在线观看| 成熟少妇高潮喷水视频| 国产一区二区在线av高清观看| 色婷婷久久久亚洲欧美| 欧美人与性动交α欧美精品济南到| 午夜福利18| 精品一区二区三区av网在线观看| 日本a在线网址| 在线观看www视频免费| 桃色一区二区三区在线观看| 美女高潮喷水抽搐中文字幕| 香蕉久久夜色| 俺也久久电影网| 久久久久亚洲av毛片大全| 狂野欧美激情性xxxx| 村上凉子中文字幕在线| 最近最新中文字幕大全电影3 | 国产久久久一区二区三区| 免费电影在线观看免费观看| 韩国av一区二区三区四区| 国产亚洲av嫩草精品影院| 国产成人系列免费观看| 精品久久久久久成人av| a级毛片a级免费在线| 午夜两性在线视频| 亚洲成a人片在线一区二区| 色综合亚洲欧美另类图片| 中文资源天堂在线| 一区二区三区精品91| 97人妻精品一区二区三区麻豆 | 他把我摸到了高潮在线观看| 香蕉久久夜色| 国产精华一区二区三区| 亚洲自拍偷在线| 国产高清videossex| 波多野结衣高清作品| netflix在线观看网站| 日本免费a在线| 亚洲人成网站在线播放欧美日韩| 国产成人av教育| 美女免费视频网站| 两个人看的免费小视频| 日韩精品中文字幕看吧| 亚洲欧美一区二区三区黑人| 国产亚洲精品综合一区在线观看 | 制服丝袜大香蕉在线| 在线观看免费视频日本深夜| 1024手机看黄色片| 亚洲精品在线观看二区| 两个人视频免费观看高清| 国产精品一区二区精品视频观看| 欧美黑人巨大hd| 黑人巨大精品欧美一区二区mp4| 一本久久中文字幕| ponron亚洲| 首页视频小说图片口味搜索| 美女午夜性视频免费| 亚洲在线自拍视频| 国产精品av久久久久免费| 一级黄色大片毛片| 黄片大片在线免费观看| 亚洲三区欧美一区| 女警被强在线播放| 日韩欧美 国产精品| 在线看三级毛片| 日本 av在线| 精品国产乱子伦一区二区三区| 两个人免费观看高清视频| 我的亚洲天堂| 精品国产乱码久久久久久男人| 一二三四在线观看免费中文在| 久久香蕉激情| 人人妻人人澡欧美一区二区| 人妻久久中文字幕网| 国内揄拍国产精品人妻在线 |