• <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(zhǎng)速度呈現(xiàn)爆炸式增長(zhǎng).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(guò)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(guò)載現(xiàn)象,如何快速地解決該問(wèn)題成為了一個(gè)熱點(diǎn)話題.解決信息過(guò)載問(wèn)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(gòu)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(lái)越稀疏,這是推薦算法面臨的主要問(wèn)題之一[1-4].比如在一些購(gòu)物網(wǎng)站,總商品數(shù)量有數(shù)以百萬(wàn)計(jì),但是用戶買過(guò)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(méi)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(wèn)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(lái)改進(jìn)推薦算法.文獻(xiàn)[5]通過(guò)挖掘用戶的特征信息來(lái)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(yǔ)義模型對(duì)用戶進(jìn)行評(píng)分預(yù)測(cè).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(guò)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(cè)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(wèn)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(lái)提升推薦質(zhì)量.首先通過(guò)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(guò)濾推薦.

    1 傳統(tǒng)的基于聚類的協(xié)同過(guò)濾推薦算法

    傳統(tǒng)的基于聚類的協(xié)同過(guò)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(guò)濾思想為目標(biāo)用戶進(jìn)行評(píng)分預(yù)測(cè);最后根據(jù)預(yù)測(cè)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(jiàn)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(jiàn)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(lái)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(pán)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(cè)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(cè)公式為目標(biāo)用戶進(jìn)行評(píng)分預(yù)測(cè),預(yù)測(cè)公式如下:

    (4)

    (4)式中,pai表示用戶a對(duì)物品i的預(yù)測(cè)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(lái)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(guó)的環(huán)境建設(shè)。汽車維修過(guò)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(zhǎng)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(mén)物品的關(guān)注度不盡相同,但是對(duì)于冷門(mén)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(mén)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(pán)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(cè)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(cè)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(guò)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(wàn)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(guò)輪廓系數(shù)[16]來(lái)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(guò)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(shì)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(shuō)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(shì)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(shuō)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(yǔ)

    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(wèn)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(shì),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(zhǎng)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(wàn)用戶
    久久久久精品国产欧美久久久| 欧美午夜高清在线| 亚洲熟妇中文字幕五十中出| 日日干狠狠操夜夜爽| 国产成人aa在线观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 女人被狂操c到高潮| 男女那种视频在线观看| 网址你懂的国产日韩在线| 亚洲精品在线观看二区| a级毛片a级免费在线| 18美女黄网站色大片免费观看| 欧美黄色淫秽网站| 国产亚洲精品av在线| 欧美一区二区精品小视频在线| 色综合亚洲欧美另类图片| 免费观看人在逋| 热99re8久久精品国产| 久99久视频精品免费| 91久久精品电影网| 动漫黄色视频在线观看| 动漫黄色视频在线观看| 亚洲专区中文字幕在线| 国产三级中文精品| ponron亚洲| 老熟妇仑乱视频hdxx| 午夜福利高清视频| 91久久精品电影网| 国产99白浆流出| 亚洲成人免费电影在线观看| 一个人看的www免费观看视频| 精品乱码久久久久久99久播| 免费av毛片视频| 亚洲熟妇熟女久久| 99国产综合亚洲精品| 免费人成视频x8x8入口观看| 高清毛片免费观看视频网站| 国产欧美日韩一区二区精品| 99久久精品国产亚洲精品| 制服人妻中文乱码| 成人欧美大片| 伊人久久精品亚洲午夜| 日韩 欧美 亚洲 中文字幕| 我要搜黄色片| e午夜精品久久久久久久| 国产精品野战在线观看| 国产三级中文精品| 性色av乱码一区二区三区2| 色视频www国产| 18+在线观看网站| 久久精品人妻少妇| 免费观看人在逋| 首页视频小说图片口味搜索| 亚洲国产精品合色在线| 国产精品av视频在线免费观看| 国产精品自产拍在线观看55亚洲| 色视频www国产| 好看av亚洲va欧美ⅴa在| 神马国产精品三级电影在线观看| 香蕉丝袜av| 国产美女午夜福利| 国产午夜精品论理片| 好男人电影高清在线观看| 国产国拍精品亚洲av在线观看 | 九色国产91popny在线| 亚洲精品一卡2卡三卡4卡5卡| 欧美在线黄色| 精品久久久久久久末码| 亚洲久久久久久中文字幕| www日本在线高清视频| 亚洲精品日韩av片在线观看 | 国产av麻豆久久久久久久| av在线蜜桃| 亚洲18禁久久av| 国产亚洲精品久久久com| 国产aⅴ精品一区二区三区波| 全区人妻精品视频| 亚洲18禁久久av| 麻豆国产av国片精品| 成人一区二区视频在线观看| av中文乱码字幕在线| 国产亚洲欧美在线一区二区| 久久久国产成人精品二区| 亚洲国产日韩欧美精品在线观看 | 日韩欧美在线二视频| 手机成人av网站| av欧美777| 91久久精品国产一区二区成人 | 午夜a级毛片| 国产伦一二天堂av在线观看| 久久久久久久久中文| 一个人看视频在线观看www免费 | 淫秽高清视频在线观看| 国产精品爽爽va在线观看网站| 国产精华一区二区三区| 蜜桃亚洲精品一区二区三区| 色尼玛亚洲综合影院| 嫩草影院精品99| 嫩草影院精品99| 天天躁日日操中文字幕| 99久久无色码亚洲精品果冻| 亚洲最大成人手机在线| 在线观看日韩欧美| 欧美另类亚洲清纯唯美| 精品国内亚洲2022精品成人| 欧美激情久久久久久爽电影| 一进一出抽搐gif免费好疼| 热99在线观看视频| 麻豆国产97在线/欧美| 亚洲欧美日韩卡通动漫| 三级毛片av免费| 精品99又大又爽又粗少妇毛片 | 国产一区二区激情短视频| 亚洲av熟女| 亚洲av电影不卡..在线观看| 欧美日韩黄片免| 麻豆国产97在线/欧美| 午夜激情欧美在线| 国产毛片a区久久久久| 久久久成人免费电影| 天天添夜夜摸| 偷拍熟女少妇极品色| 久久久久国产精品人妻aⅴ院| 免费一级毛片在线播放高清视频| 少妇高潮的动态图| 精品不卡国产一区二区三区| 欧美日本亚洲视频在线播放| 国产高清激情床上av| 亚洲精品粉嫩美女一区| 男女之事视频高清在线观看| 国产精华一区二区三区| bbb黄色大片| 国产单亲对白刺激| 在线播放国产精品三级| 久久久久久久久中文| 又黄又爽又免费观看的视频| 99久久久亚洲精品蜜臀av| av欧美777| 中文亚洲av片在线观看爽| 91久久精品电影网| 国产91精品成人一区二区三区| 亚洲欧美一区二区三区黑人| 操出白浆在线播放| 中文字幕人妻熟人妻熟丝袜美 | 国产高清激情床上av| 日本a在线网址| 亚洲欧美激情综合另类| 人妻丰满熟妇av一区二区三区| 亚洲精品一卡2卡三卡4卡5卡| 国产一区在线观看成人免费| 高清毛片免费观看视频网站| 欧美乱码精品一区二区三区| 色噜噜av男人的天堂激情| 日韩高清综合在线| 久久久久免费精品人妻一区二区| 美女高潮喷水抽搐中文字幕| 少妇的丰满在线观看| 国产精品98久久久久久宅男小说| 亚洲av电影在线进入| 亚洲第一欧美日韩一区二区三区| 国产一区二区三区视频了| 一个人免费在线观看的高清视频| 国产av一区在线观看免费| 国产一级毛片七仙女欲春2| 天天添夜夜摸| 天堂网av新在线| 亚洲精品一区av在线观看| 一个人观看的视频www高清免费观看| 男女那种视频在线观看| www日本黄色视频网| 99riav亚洲国产免费| 精品久久久久久久人妻蜜臀av| 2021天堂中文幕一二区在线观| 丝袜美腿在线中文| 国产亚洲精品综合一区在线观看| 精品乱码久久久久久99久播| 特大巨黑吊av在线直播| 国产爱豆传媒在线观看| 中国美女看黄片| 真人做人爱边吃奶动态| 国产精品免费一区二区三区在线| 欧美黄色淫秽网站| 久久久久久人人人人人| 色精品久久人妻99蜜桃| 亚洲av中文字字幕乱码综合| 精品国产美女av久久久久小说| 亚洲人与动物交配视频| 在线天堂最新版资源| 成人特级av手机在线观看| 亚洲av电影不卡..在线观看| 亚洲精品在线观看二区| 欧美成狂野欧美在线观看| 韩国av一区二区三区四区| 久久99热这里只有精品18| 国产精品美女特级片免费视频播放器| 欧美最新免费一区二区三区 | 一个人免费在线观看电影| 观看免费一级毛片| 国产不卡一卡二| 精品一区二区三区视频在线 | 国产精华一区二区三区| 国产毛片a区久久久久| 久久精品影院6| 国产v大片淫在线免费观看| 不卡一级毛片| 亚洲精品影视一区二区三区av| 99久久精品一区二区三区| 色噜噜av男人的天堂激情| 久久久国产成人免费| 在线十欧美十亚洲十日本专区| 美女高潮喷水抽搐中文字幕| 欧洲精品卡2卡3卡4卡5卡区| 国产av在哪里看| 亚洲国产精品成人综合色| 欧美最黄视频在线播放免费| 日韩欧美一区二区三区在线观看| 国产精品亚洲av一区麻豆| 日韩中文字幕欧美一区二区| 成人午夜高清在线视频| 国产熟女xx| 黄片小视频在线播放| 亚洲一区高清亚洲精品| 日韩人妻高清精品专区| 欧美成狂野欧美在线观看| 少妇熟女aⅴ在线视频| 九色成人免费人妻av| 亚洲久久久久久中文字幕| 亚洲专区中文字幕在线| 久久午夜亚洲精品久久| 精品不卡国产一区二区三区| 亚洲国产精品成人综合色| 小蜜桃在线观看免费完整版高清| 国产精品久久久久久精品电影| 亚洲人成伊人成综合网2020| 每晚都被弄得嗷嗷叫到高潮| 国产精品 国内视频| 亚洲中文日韩欧美视频| 亚洲精品色激情综合| 老司机福利观看| 中文字幕av成人在线电影| 天天躁日日操中文字幕| 亚洲国产日韩欧美精品在线观看 | 国产熟女xx| 国产精品一区二区三区四区久久| 色尼玛亚洲综合影院| 最好的美女福利视频网| 国产欧美日韩一区二区精品| 夜夜看夜夜爽夜夜摸| 69人妻影院| 麻豆一二三区av精品| 丰满的人妻完整版| 午夜福利成人在线免费观看| 成人国产一区最新在线观看| 久9热在线精品视频| 国产黄片美女视频| 18禁在线播放成人免费| 免费一级毛片在线播放高清视频| 国产高清视频在线观看网站| 久久久久精品国产欧美久久久| 久久国产乱子伦精品免费另类| 麻豆成人午夜福利视频| 女同久久另类99精品国产91| 亚洲黑人精品在线| 757午夜福利合集在线观看| 丰满乱子伦码专区| 精品国内亚洲2022精品成人| 日本精品一区二区三区蜜桃| 国产精品永久免费网站| 男人舔女人下体高潮全视频| 国产精品久久久久久久久免 | 国产真人三级小视频在线观看| bbb黄色大片| 亚洲 欧美 日韩 在线 免费| 成人无遮挡网站| 国产伦一二天堂av在线观看| 亚洲性夜色夜夜综合| 免费观看精品视频网站| 高清日韩中文字幕在线| 成人18禁在线播放| 一区福利在线观看| 熟女少妇亚洲综合色aaa.| 国产精品久久久久久亚洲av鲁大| 操出白浆在线播放| ponron亚洲| 毛片女人毛片| 日本成人三级电影网站| 亚洲黑人精品在线| 婷婷亚洲欧美| 我要搜黄色片| 国产精品亚洲美女久久久| 国产精品三级大全| 国产精品野战在线观看| 国产一区二区在线av高清观看| 中文在线观看免费www的网站| 午夜福利欧美成人| 91麻豆av在线| 国产真人三级小视频在线观看| 国内精品久久久久久久电影| 午夜精品一区二区三区免费看| avwww免费| 国产97色在线日韩免费| 99国产极品粉嫩在线观看| 久久久国产成人免费| 成人特级黄色片久久久久久久| 免费人成视频x8x8入口观看| 欧美不卡视频在线免费观看| 欧美成人性av电影在线观看| 老司机深夜福利视频在线观看| 成年女人永久免费观看视频| 天堂av国产一区二区熟女人妻| 久久精品国产亚洲av香蕉五月| 亚洲av不卡在线观看| 女人高潮潮喷娇喘18禁视频| 亚洲人成伊人成综合网2020| 婷婷精品国产亚洲av在线| 美女cb高潮喷水在线观看| 老司机在亚洲福利影院| 成人午夜高清在线视频| 老熟妇乱子伦视频在线观看| 欧美在线一区亚洲| 婷婷亚洲欧美| 日本 欧美在线| 日韩精品中文字幕看吧| 欧美在线一区亚洲| 国语自产精品视频在线第100页| 日韩欧美免费精品| 成人永久免费在线观看视频| 天美传媒精品一区二区| 欧美精品啪啪一区二区三区| а√天堂www在线а√下载| 亚洲无线观看免费| 在线观看美女被高潮喷水网站 | 免费av不卡在线播放| 91在线精品国自产拍蜜月 | 日本 欧美在线| 久久久久国产精品人妻aⅴ院| 少妇裸体淫交视频免费看高清| 午夜日韩欧美国产| 综合色av麻豆| 久久久久久久久中文| 国产一区二区激情短视频| 精品国内亚洲2022精品成人| 亚洲精品国产精品久久久不卡| 怎么达到女性高潮| 亚洲内射少妇av| 日韩大尺度精品在线看网址| 国产欧美日韩精品亚洲av| 国产精品一区二区免费欧美| 国产成年人精品一区二区| 久久国产精品人妻蜜桃| 男女床上黄色一级片免费看| 免费观看精品视频网站| 国产亚洲欧美在线一区二区| 国产亚洲精品综合一区在线观看| 国内毛片毛片毛片毛片毛片| 又黄又粗又硬又大视频| 18禁美女被吸乳视频| 国产精品99久久久久久久久| 一夜夜www| 一个人看视频在线观看www免费 | 两个人的视频大全免费| 欧美日韩一级在线毛片| 好男人电影高清在线观看| 国产精品美女特级片免费视频播放器| 欧美一区二区精品小视频在线| 成人av在线播放网站| 免费在线观看影片大全网站| 成人性生交大片免费视频hd| 亚洲精品亚洲一区二区| 狂野欧美白嫩少妇大欣赏| 又粗又爽又猛毛片免费看| 国产成人av教育| ponron亚洲| 操出白浆在线播放| 婷婷精品国产亚洲av在线| aaaaa片日本免费| 久久欧美精品欧美久久欧美| 夜夜夜夜夜久久久久| 人人妻人人澡欧美一区二区| 又爽又黄无遮挡网站| 丁香欧美五月| 久久伊人香网站| 久久久成人免费电影| 精品久久久久久久久久久久久| 久久久久久久久大av| 欧美大码av| 97超视频在线观看视频| 免费人成在线观看视频色| АⅤ资源中文在线天堂| 中文字幕高清在线视频| 舔av片在线| 在线观看舔阴道视频| 欧美性猛交黑人性爽| 国产亚洲精品综合一区在线观看| 男女之事视频高清在线观看| 亚洲av二区三区四区| 成人无遮挡网站| 全区人妻精品视频| 欧美日韩福利视频一区二区| 国产av在哪里看| 欧美中文日本在线观看视频| 国产主播在线观看一区二区| 久久久久精品国产欧美久久久| 国产精品免费一区二区三区在线| 成人一区二区视频在线观看| 亚洲性夜色夜夜综合| 特级一级黄色大片| 亚洲精华国产精华精| 国产亚洲精品久久久久久毛片| 国模一区二区三区四区视频| 精品一区二区三区视频在线观看免费| 男人和女人高潮做爰伦理| 三级国产精品欧美在线观看| 国产麻豆成人av免费视频| 男人舔奶头视频| 亚洲一区高清亚洲精品| 国产高清激情床上av| 中文字幕人妻熟人妻熟丝袜美 | 国产伦在线观看视频一区| 少妇裸体淫交视频免费看高清| 日韩精品中文字幕看吧| 男人的好看免费观看在线视频| 国产99白浆流出| 国产精品美女特级片免费视频播放器| 午夜免费成人在线视频| 欧美极品一区二区三区四区| 国产精品免费一区二区三区在线| 2021天堂中文幕一二区在线观| 国产中年淑女户外野战色| 日本五十路高清| 中出人妻视频一区二区| 香蕉av资源在线| 中文字幕久久专区| 欧美性感艳星| 亚洲av二区三区四区| 免费观看的影片在线观看| 欧美一区二区精品小视频在线| 久久久久性生活片| av欧美777| 真实男女啪啪啪动态图| 久久久久久久午夜电影| 国产探花极品一区二区| 成人无遮挡网站| 麻豆久久精品国产亚洲av| 午夜激情福利司机影院| 国产一区二区在线观看日韩 | eeuss影院久久| 级片在线观看| 欧美一区二区国产精品久久精品| 亚洲va日本ⅴa欧美va伊人久久| 亚洲五月天丁香| 一区二区三区激情视频| x7x7x7水蜜桃| 国内揄拍国产精品人妻在线| 怎么达到女性高潮| 叶爱在线成人免费视频播放| 老司机在亚洲福利影院| 99在线视频只有这里精品首页| 亚洲精品在线观看二区| 亚洲国产中文字幕在线视频| 长腿黑丝高跟| 国产精品99久久久久久久久| www.www免费av| 午夜福利高清视频| 精品午夜福利视频在线观看一区| 精品国产美女av久久久久小说| 免费人成在线观看视频色| 俄罗斯特黄特色一大片| 激情在线观看视频在线高清| 成人午夜高清在线视频| 欧美日韩瑟瑟在线播放| 俺也久久电影网| 麻豆久久精品国产亚洲av| 国产精华一区二区三区| 精品一区二区三区视频在线观看免费| 亚洲人与动物交配视频| 男人舔女人下体高潮全视频| 人妻丰满熟妇av一区二区三区| 国产精品自产拍在线观看55亚洲| 黄色成人免费大全| 女警被强在线播放| 色噜噜av男人的天堂激情| 国产精品一区二区免费欧美| 欧美性感艳星| 在线观看免费视频日本深夜| 美女 人体艺术 gogo| 18禁黄网站禁片免费观看直播| 最新美女视频免费是黄的| 久久久国产精品麻豆| 欧美日韩瑟瑟在线播放| 国产精品嫩草影院av在线观看 | 又粗又爽又猛毛片免费看| 久久草成人影院| 精品乱码久久久久久99久播| 欧美日本视频| 亚洲精华国产精华精| 99久久久亚洲精品蜜臀av| 久久精品国产99精品国产亚洲性色| 久久婷婷人人爽人人干人人爱| 国产激情欧美一区二区| 岛国在线免费视频观看| 我的老师免费观看完整版| 性欧美人与动物交配| 国产私拍福利视频在线观看| 看黄色毛片网站| 欧美激情在线99| 人妻夜夜爽99麻豆av| 久久精品国产99精品国产亚洲性色| 久久精品国产清高在天天线| 日韩欧美在线乱码| 欧美xxxx黑人xx丫x性爽| 中文字幕av成人在线电影| 成人亚洲精品av一区二区| 国产精品一区二区三区四区久久| 久久精品国产亚洲av涩爱 | 国内精品久久久久精免费| 日韩欧美免费精品| 国产午夜福利久久久久久| 欧美丝袜亚洲另类 | av国产免费在线观看| 99热这里只有是精品50| 极品教师在线免费播放| 全区人妻精品视频| 亚洲一区高清亚洲精品| 欧美黑人欧美精品刺激| 国产伦在线观看视频一区| 高清毛片免费观看视频网站| 国产三级在线视频| 中文在线观看免费www的网站| 中文字幕熟女人妻在线| 欧美最新免费一区二区三区 | 亚洲国产精品久久男人天堂| 久久久国产精品麻豆| 一个人看的www免费观看视频| 可以在线观看的亚洲视频| 国内揄拍国产精品人妻在线| 麻豆一二三区av精品| 国产精品 国内视频| 嫩草影视91久久| svipshipincom国产片| 成人特级av手机在线观看| av天堂中文字幕网| 中文字幕精品亚洲无线码一区| 亚洲片人在线观看| 免费一级毛片在线播放高清视频| 亚洲精华国产精华精| 欧美又色又爽又黄视频| 天堂影院成人在线观看| 免费看美女性在线毛片视频| 国产极品精品免费视频能看的| 国产单亲对白刺激| 国产国拍精品亚洲av在线观看 | av在线天堂中文字幕| 日韩中文字幕欧美一区二区| www国产在线视频色| 欧美黑人欧美精品刺激| 国内精品一区二区在线观看| 麻豆成人午夜福利视频| 久久这里只有精品中国| netflix在线观看网站| 黄片大片在线免费观看| 美女大奶头视频| 免费人成在线观看视频色| 一个人观看的视频www高清免费观看| 欧美+亚洲+日韩+国产| av黄色大香蕉| 观看美女的网站| 99久久久亚洲精品蜜臀av| 国产成人啪精品午夜网站| 午夜福利免费观看在线| 欧美日韩精品网址| 欧美色欧美亚洲另类二区| 18禁国产床啪视频网站| 国产精品亚洲美女久久久| 好男人在线观看高清免费视频| 在线观看一区二区三区| 看片在线看免费视频| 在线观看午夜福利视频| 国产真实伦视频高清在线观看 | 国产av一区在线观看免费| 精品久久久久久久毛片微露脸| 亚洲国产高清在线一区二区三| 成年女人毛片免费观看观看9| 19禁男女啪啪无遮挡网站| 老司机在亚洲福利影院| aaaaa片日本免费| 欧美黑人欧美精品刺激| 手机成人av网站| 老司机午夜十八禁免费视频| 色吧在线观看| 国产探花极品一区二区| 黄色片一级片一级黄色片| 免费电影在线观看免费观看| 少妇熟女aⅴ在线视频| 国产成人av教育| 在线免费观看的www视频| 欧美日韩瑟瑟在线播放| 美女 人体艺术 gogo| 岛国视频午夜一区免费看| 少妇高潮的动态图| 国产日本99.免费观看| 一二三四社区在线视频社区8| 国产精品99久久99久久久不卡| 美女高潮的动态| 99在线人妻在线中文字幕| 麻豆成人av在线观看| 女人被狂操c到高潮| 国产一区二区激情短视频| 熟女电影av网| 成熟少妇高潮喷水视频| 舔av片在线| 每晚都被弄得嗷嗷叫到高潮| 精品久久久久久久久久久久久| 51午夜福利影视在线观看| 亚洲av成人不卡在线观看播放网|