• <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 SVD 的協(xié)同過(guò)濾電影推薦算法

    2022-07-05 21:15:48宋龍生王家樂(lè)倪勝巧
    關(guān)鍵詞:奇異值分解協(xié)同過(guò)濾冷啟動(dòng)

    宋龍生 王家樂(lè) 倪勝巧

    摘要:信息過(guò)載的問(wèn)題愈發(fā)嚴(yán)重在大數(shù)據(jù)時(shí)代針對(duì)不同用戶(hù)提高電影推薦系統(tǒng)的推薦性能一直存在巨大的挑戰(zhàn)為了有效地解決信息過(guò)載和用戶(hù)體驗(yàn)滿(mǎn)意度低的問(wèn)題需要選擇合適的個(gè)性化推薦算法文章概述了主流的機(jī)器學(xué)習(xí)推薦算法并通過(guò)實(shí)驗(yàn)比較分析了各算法的優(yōu)缺點(diǎn)針對(duì)推薦算法普遍存在的冷啟動(dòng)和數(shù)據(jù)稀疏性問(wèn)題提出了相應(yīng)的解決方案

    關(guān)鍵詞:電影推薦;協(xié)同過(guò)濾(CF);冷啟動(dòng);奇異值分解(SVD)

    中圖法分類(lèi)號(hào):TP391文獻(xiàn)標(biāo)識(shí)碼:A

    Collaborative filtering movie recommendationalgorithm based on SVD

    SONG Longsheng',WANG Jialel,NI Shengqiao1.2

    (1.College of Information Science and Technology,Tibet University,Lhasa 850000,China:

    2.College of Computer Science,Sichuan University,Chengdu 610065,China)

    Abstract:Nowadays, the problem of information overload is becoming more and more serious. In the sea of big data, it has been a huge challenge to improve the recommendation performance of moie recommendation system for different users. In order to effectively solve the problems of information overload and low user experience satisfaction, it is necessary to choose an appropriate personalized recommendation algorithm. In this paper, the mainstream machine learning recommendation algorithms are summarized, and the advantages and disadvantages of each algorithm are compared and analyzed through experiments. Finally, corresponding solutions are proposed to solve the common problems of cold start and data sparsity in recommendation algorithms.

    Key words: film recommendation, collaborative filtering(CF), cold start, singular value decomposition(SVD)

    1? 引言

    近年來(lái),隨著互聯(lián)網(wǎng)的飛速發(fā)展,影視產(chǎn)業(yè)的數(shù)量和種類(lèi)激增且發(fā)展迅猛,“電影過(guò)載”的問(wèn)題愈發(fā)嚴(yán)重,導(dǎo)致用戶(hù)尋找自己喜歡的電影需要浪費(fèi)很多時(shí)間。因此,在互聯(lián)網(wǎng)信息過(guò)載和多數(shù)用戶(hù)需求不明確的時(shí)代背景下,如何在海量的影視資源中,針對(duì)不同用戶(hù)提供個(gè)性化的推薦是亟待解決的問(wèn)題。

    2? 推薦算法分類(lèi)

    (1)基于流行度的推薦算法

    流行度即熱度,基于流行度的推薦算法最常見(jiàn)的就是將各個(gè)榜單中的熱點(diǎn)內(nèi)容(微博熱搜、TopN 商品)推薦給用戶(hù),流行度的衡量有多種方式,如在一段時(shí)間內(nèi)某個(gè)商品頁(yè)面或者電影的點(diǎn)擊率、觀看率、完播率、用戶(hù)的互動(dòng)/反饋次數(shù)等。社會(huì)因素和從眾心理因素也可能影響物品的流行度。

    (2)基于內(nèi)容的推薦算法

    基于內(nèi)容的推薦系統(tǒng)來(lái)源于最早的信息檢索系統(tǒng),它的主要原理是首先根據(jù)物品的元數(shù)據(jù),抽取出一些特征來(lái)表示該物品(item),然后根據(jù)用戶(hù)過(guò)去的特征數(shù)據(jù),來(lái)學(xué)習(xí)出此用戶(hù)的喜好特征(profile),最后通過(guò)比較前兩步得到的用戶(hù) profile 與候選 item 的特征數(shù)據(jù),為該用戶(hù)推薦一組相關(guān)性最大的 item。

    (3)基于協(xié)同過(guò)濾的推薦算法

    協(xié)同過(guò)濾推薦算法在推薦系統(tǒng)中被廣泛應(yīng)用,其一般用于用戶(hù)給物品進(jìn)行評(píng)分的系統(tǒng)中,通過(guò)用戶(hù)對(duì)物品的評(píng)分來(lái)學(xué)習(xí)并刻畫(huà)用戶(hù)喜好。目前,協(xié)同過(guò)濾推薦系統(tǒng)分為基于用戶(hù)的協(xié)同過(guò)濾推薦( User?Based CF)和基于物品的協(xié)同過(guò)濾推薦( Item?Based CF)[ 1] 。

    (4)基于模型的推薦算法

    基于模型的推薦方法有很多,常用的模型包括 Aspect? Model ,pLSA ,LDA 、聚類(lèi)、 SVD ,Matrix Factorization ,LR,GBDT 等,雖然其訓(xùn)練時(shí)間更長(zhǎng),但是推薦結(jié)果準(zhǔn)確率更高,結(jié)合特征工程則可以達(dá)到更好的效果。

    (5)基于關(guān)聯(lián)規(guī)則的推薦算法

    基于關(guān)聯(lián)規(guī)則的挖掘算法主要從 Apriori 和 FP?Growth兩個(gè)算法發(fā)展而來(lái)。該算法的優(yōu)勢(shì)是通過(guò)較少的用戶(hù)反饋量就可以學(xué)習(xí)過(guò)濾到機(jī)器難以自動(dòng)分析的內(nèi)容,提高了內(nèi)容分析的精確性。劣勢(shì)是存在冷啟動(dòng)和稀疏性的問(wèn)題,容易過(guò)度推薦熱點(diǎn)物品。

    (6)混合推薦算法

    在現(xiàn)實(shí)生產(chǎn)應(yīng)用中,推薦系統(tǒng)基本不會(huì)使用單一的推薦算法來(lái)完成推薦任務(wù),因此需要具體分析與結(jié)合不同的場(chǎng)景,選擇幾種合適的算法進(jìn)行不同策略的算法加權(quán)混合使用。

    3? 推薦算法問(wèn)題的解決

    3.1? 冷啟動(dòng)問(wèn)題

    (1)提供非個(gè)性化的推薦:給新用戶(hù)首先提供收藏榜、排行榜等多樣化化數(shù)據(jù),用戶(hù)進(jìn)行多次篩選,等到積累了一定的用戶(hù)數(shù)據(jù)和行為時(shí)再推薦。

    (2)利用用戶(hù)的注冊(cè)信息:包括性別、年齡、職業(yè)等數(shù)據(jù),并且提供多種注冊(cè)與登錄方式,如利用社交賬號(hào)登錄,這可以在用戶(hù)授權(quán)的情況下導(dǎo)入該用戶(hù)在不同社交賬號(hào)上的一些個(gè)性化社交數(shù)據(jù),利用已經(jīng)構(gòu)建的用戶(hù)畫(huà)像進(jìn)行冷啟動(dòng)。

    (3)利用用戶(hù)的手機(jī)等興趣偏好進(jìn)行冷啟動(dòng),如了解用戶(hù)手機(jī)上安裝了哪些 APP,從而構(gòu)建更加完整的用戶(hù)畫(huà)像。

    (4)采用專(zhuān)家標(biāo)注來(lái)完善物品信息,以便計(jì)算物品相似度、對(duì)用戶(hù)進(jìn)行問(wèn)卷調(diào)查。

    3.2? 數(shù)據(jù)稀疏性問(wèn)題

    (1)用戶(hù)聚類(lèi):把相似的用戶(hù)聚類(lèi)以減少用戶(hù)量。融合譜聚類(lèi)和多因素影響的興趣點(diǎn)推薦方法[2]使用自適應(yīng)譜聚類(lèi)方法對(duì)用戶(hù)進(jìn)行分組,將組內(nèi)用戶(hù)訪(fǎng)問(wèn)過(guò)的興趣點(diǎn)組成待推薦集合,計(jì)算待推薦集合中興趣點(diǎn)的吸引力評(píng)分,向用戶(hù)推薦評(píng)分較高的興趣點(diǎn),執(zhí)行效率和準(zhǔn)確率均得到提高。

    (2)數(shù)據(jù)降維:使用降維技術(shù)對(duì)關(guān)系矩陣進(jìn)行壓縮。若干重要數(shù)據(jù)類(lèi)型的降維方法研究[3]提出了一種基于分位數(shù)距離協(xié)方差的充分降維方法,不依賴(lài)于線(xiàn)性條件,并且對(duì)異方差具有魯棒性,大大提高了模型預(yù)測(cè)的準(zhǔn)確性。

    4? 個(gè)性化電影推薦方法

    本文使用 GroupLens 實(shí)驗(yàn)室收集在明尼蘇達(dá)大學(xué)的 MovieLens?100K 數(shù)據(jù)集,包含943個(gè)用戶(hù)對(duì)1682部電影的10000條評(píng)分(1~ 5分),使用 train_test_split 函數(shù)劃分?jǐn)?shù)據(jù)集(訓(xùn)練集占70%,測(cè)試集占30%),并構(gòu)建用戶(hù)?物品矩陣,評(píng)價(jià)指標(biāo)選用均方根誤差:

    4.1? 基于 item 的協(xié)同過(guò)濾算法

    構(gòu)建評(píng)分矩陣后,我們需要計(jì)算兩部電影間相似度,預(yù)測(cè)指定用戶(hù)對(duì)指定電影的評(píng)分。首先找出與電影 i? id 相似的電影 i? items,然后從這些相似的電影 i? items 中篩選出被用戶(hù) u_id 評(píng)分過(guò)的電影 u_items,最后結(jié)合電影 i? id 與電影 i? items 的相似度和用戶(hù) u? id 對(duì)電影 u_items 的評(píng)分,預(yù)測(cè) u_id 對(duì) i_id 的評(píng)分。評(píng)分預(yù)測(cè)公式為:

    其中,相似度算法先采用余弦距離計(jì)算。最終在訓(xùn)練集:測(cè)試集為3:1 的情況下,訓(xùn)練集預(yù)測(cè) RMSE =3.470,測(cè)試集預(yù)測(cè) RMSE=3.468,發(fā)現(xiàn)均方根誤差很大,

    為了減小誤差,需要改變相似度算法采用歐氏距離計(jì)算并且增加訓(xùn)練集比例為4 ∶1,改變后發(fā)現(xiàn)訓(xùn)練集預(yù)測(cè) RMSE=3.339,測(cè)試集預(yù)測(cè) RMSE=3.336,訓(xùn)練結(jié)果略有提升但并不明顯,因而在此例中使用基于 item 的協(xié)同過(guò)濾推薦系統(tǒng)并不理想。

    4.2? 基于 User 的協(xié)同過(guò)濾算法

    基于 User 的協(xié)同過(guò)濾算法具體實(shí)現(xiàn)為:首先找出與用戶(hù) u? id 相似的用戶(hù) u? ids,然后從這些相似的用戶(hù) u_ids 中篩選出對(duì)電影 i_id 評(píng)分過(guò)的用戶(hù) u_items ,最后結(jié)合用戶(hù) u? id 與用戶(hù) i? items 的相似度預(yù)測(cè)用戶(hù) u_id 對(duì)電影 i_id 的評(píng)分。為了使某一部電影的所有用戶(hù)評(píng)分一致,需要對(duì)所有的用戶(hù)評(píng)分做歸一化處理。評(píng)分預(yù)測(cè)公式為:

    其中,訓(xùn)練集預(yù)測(cè) RMSE=3.163386705146778,測(cè)試集預(yù)測(cè) RMSE =3.3922642153746834,發(fā)現(xiàn)基于 User?CF均方根誤差相較于基于 Item?CF 有了一定提升,改變相似度算法采用歐氏距離計(jì)算并且增加訓(xùn)練集比例為4:1后,訓(xùn)練集預(yù)測(cè) RMSE =3.093,測(cè)試集預(yù)測(cè) RMSE=3.330。根據(jù)結(jié)果發(fā)現(xiàn),在基于 User?CF 中,測(cè)試集上的預(yù)測(cè)效果普遍不如在訓(xùn)練集上的預(yù)測(cè)結(jié)果,但是均比基于 Item?CF 預(yù)測(cè)效果更好。

    4.3? 基于 SVD 的協(xié)調(diào)過(guò)濾算法

    SVD 即奇異值分解,其原理為:任意一個(gè) m × n 的矩陣 A 都可以像 A = U ∑ VT 一樣分解,其中得到的 U 是一個(gè) m × m 的方陣(里面的向量是正交的,U里面的向量稱(chēng)為左奇異向量),∑是一個(gè) m × n 的矩陣(除了對(duì)角線(xiàn)的元素都是0 ,對(duì)角線(xiàn)上的元素稱(chēng)為奇異值),V^T 是一個(gè) n × n 的矩陣(里面的向量也是正交的,V 里面的向量稱(chēng)為右奇異向量),從而可以通過(guò)特征值和特征向量求解矩陣特征。評(píng)分預(yù)測(cè)函數(shù)p 使用特征向量的點(diǎn)積,因此有:

    然而,由于電影評(píng)分只在區(qū)間[1 ,5],因此預(yù)測(cè)函數(shù) P 修正為:

    最終,在訓(xùn)練集:測(cè)試集為4 ∶1時(shí)訓(xùn)練之后,訓(xùn)練集預(yù)測(cè) RMSE=2.326619342693467,測(cè)試集預(yù)測(cè) RMSE =2.326619342693467,相較于改進(jìn)過(guò)后的基于 Item?CF 和基于 User?CF,RMSE 由3.33降低至2.33左右,不論是訓(xùn)練集還是測(cè)試集,訓(xùn)練結(jié)果都有明顯提升。

    4.4? 三大協(xié)同過(guò)濾算法結(jié)果對(duì)比分析

    表1 為以上三種推薦算法的 RMSE 實(shí)驗(yàn)結(jié)果,根據(jù)表1 可以得出總結(jié):基于 User?CF 的相似度矩陣為943×943,遠(yuǎn)小于基于 Item?CF 的相似度矩陣1682×1682,并且測(cè)試集只有訓(xùn)練集的四分之一,導(dǎo)致測(cè)試集矩陣比訓(xùn)練集的矩陣小得多。所以,基于 User?CF 推薦系統(tǒng)更適用于用戶(hù)少、物品多、時(shí)效性較強(qiáng)的場(chǎng)合,并且能夠根據(jù)人與人的相似性來(lái)發(fā)現(xiàn)“驚喜”或推薦新的信息?;?SVD 的協(xié)調(diào)推薦算法預(yù)測(cè)效果突出,唯一的不足就是其難以解釋?zhuān)皇槭且环N非常好的推薦算法。

    5? 結(jié)語(yǔ)

    首先,本文總結(jié)了主流的推薦算法,分析比較了幾種算法的優(yōu)缺點(diǎn)。然后,論述了基于 item、基于 User、基于 SVD 的三大協(xié)同過(guò)濾算法,得到其推薦預(yù)測(cè)效果為 SVD>User>item ,改進(jìn)分析了三種協(xié)同過(guò)濾算法的具體實(shí)現(xiàn)。最后,針對(duì)推薦算法存在的冷啟動(dòng)和數(shù)據(jù)稀疏性問(wèn)題,進(jìn)行分析并提出了解決方案,筆者將在后續(xù)研究中對(duì)推薦算法存在的其他問(wèn)題進(jìn)行深入探析。

    參考文獻(xiàn):

    [1] 吳金李.基于協(xié)同過(guò)濾的購(gòu)物網(wǎng)站推薦系統(tǒng)研究與實(shí)現(xiàn)[D].鎮(zhèn)江:江蘇大學(xué),2017.

    [2] 郭蕾,劉文菊,王賾,等.融合譜聚類(lèi)和多因素影響的興趣點(diǎn)推薦方法[ J/OL].[2022?05?12].http://kns.cnki.net/ kcms/detail/10.1478.G2.20220228.2021.004.html.

    [3] 程浩洋.若干重要數(shù)據(jù)類(lèi)型的降維方法研究[ D].合肥:中國(guó)科學(xué)技術(shù)大學(xué),2021.

    作者簡(jiǎn)介:

    宋龍生(2000—) ,本科,研究方向:計(jì)算機(jī)軟件開(kāi)發(fā)。王家樂(lè)(2001— ),本科,研究方向:計(jì)算機(jī)軟件開(kāi)發(fā)。

    倪勝巧(1982—) ,博士,副教授,研究方向:計(jì)算機(jī)專(zhuān)業(yè)教育、機(jī)器學(xué)習(xí)(通信作者)。

    猜你喜歡
    奇異值分解協(xié)同過(guò)濾冷啟動(dòng)
    輕型汽油車(chē)實(shí)際行駛排放試驗(yàn)中冷啟動(dòng)排放的評(píng)估
    基于學(xué)習(xí)興趣的冷啟動(dòng)推薦模型
    客聯(lián)(2021年2期)2021-09-10 07:22:44
    結(jié)合PCA及字典學(xué)習(xí)的高光譜圖像自適應(yīng)去噪方法
    基于鏈?zhǔn)酱鎯?chǔ)結(jié)構(gòu)的協(xié)同過(guò)濾推薦算法設(shè)計(jì)與實(shí)現(xiàn)
    基于相似傳播和情景聚類(lèi)的網(wǎng)絡(luò)協(xié)同過(guò)濾推薦算法研究
    基于協(xié)同過(guò)濾算法的個(gè)性化圖書(shū)推薦系統(tǒng)研究
    混合推薦算法在電影推薦中的研究與評(píng)述
    基于分塊DWT和SVD的魯棒性數(shù)字水印算法
    一種基于奇異值分解的魯棒水印算法
    協(xié)同過(guò)濾算法改進(jìn)及研究
    亚洲丝袜综合中文字幕| 亚洲欧美日韩另类电影网站| 久久久国产一区二区| 观看av在线不卡| 午夜福利网站1000一区二区三区| 九九在线视频观看精品| 国产一区二区激情短视频 | 97在线视频观看| 女人精品久久久久毛片| 成人手机av| 久久99精品国语久久久| 观看av在线不卡| 男的添女的下面高潮视频| 亚洲综合色网址| 日产精品乱码卡一卡2卡三| 在线天堂最新版资源| 精品视频人人做人人爽| 在线亚洲精品国产二区图片欧美| 高清在线视频一区二区三区| 女的被弄到高潮叫床怎么办| 亚洲精品日本国产第一区| 国产一区亚洲一区在线观看| 永久网站在线| 精品熟女少妇av免费看| 精品人妻偷拍中文字幕| 国产极品天堂在线| 一区在线观看完整版| 少妇人妻久久综合中文| 国产成人精品婷婷| 成人影院久久| 免费观看性生交大片5| 性色avwww在线观看| 国产精品99久久99久久久不卡 | 精品人妻偷拍中文字幕| 99热网站在线观看| 日韩三级伦理在线观看| 黄色毛片三级朝国网站| 免费看av在线观看网站| 久久毛片免费看一区二区三区| 在线看a的网站| 我的女老师完整版在线观看| 99久国产av精品国产电影| 欧美日韩亚洲高清精品| 久久久久精品人妻al黑| 黄片无遮挡物在线观看| 国产精品女同一区二区软件| 婷婷成人精品国产| 女性生殖器流出的白浆| 亚洲av男天堂| 日韩免费高清中文字幕av| 精品亚洲乱码少妇综合久久| 在线看a的网站| 亚洲综合色网址| 国产精品嫩草影院av在线观看| 老女人水多毛片| 欧美日韩综合久久久久久| 99热这里只有是精品在线观看| 亚洲精华国产精华液的使用体验| 国产色爽女视频免费观看| 99久久精品国产国产毛片| 又粗又硬又长又爽又黄的视频| 1024视频免费在线观看| 久久久久久久久久人人人人人人| 久久久久久久久久成人| 纯流量卡能插随身wifi吗| 美女视频免费永久观看网站| 国产色爽女视频免费观看| 国产探花极品一区二区| 免费女性裸体啪啪无遮挡网站| 丝袜人妻中文字幕| 国产极品粉嫩免费观看在线| 国产激情久久老熟女| 天堂8中文在线网| 久久精品国产综合久久久 | 三上悠亚av全集在线观看| 激情视频va一区二区三区| 国产精品久久久久久久久免| 999精品在线视频| 国产探花极品一区二区| 观看av在线不卡| 久久青草综合色| 成年av动漫网址| 伦理电影大哥的女人| 日韩伦理黄色片| 91精品国产国语对白视频| 免费黄网站久久成人精品| 岛国毛片在线播放| 亚洲国产av影院在线观看| 18禁在线无遮挡免费观看视频| 九九爱精品视频在线观看| 国产精品.久久久| 精品一区二区三区四区五区乱码 | 日韩欧美一区视频在线观看| 91午夜精品亚洲一区二区三区| 男女高潮啪啪啪动态图| 飞空精品影院首页| 国产有黄有色有爽视频| 国产激情久久老熟女| 在线免费观看不下载黄p国产| 亚洲人成网站在线观看播放| 99香蕉大伊视频| 免费观看无遮挡的男女| 久久久国产欧美日韩av| 在线看a的网站| 久久久国产一区二区| 在线免费观看不下载黄p国产| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 国产黄频视频在线观看| 美女福利国产在线| 国产一区有黄有色的免费视频| 日本黄大片高清| 免费av中文字幕在线| 秋霞在线观看毛片| 91精品三级在线观看| 少妇人妻 视频| 精品久久久精品久久久| 免费人成在线观看视频色| 久久久亚洲精品成人影院| 亚洲精品国产色婷婷电影| 99热6这里只有精品| 不卡视频在线观看欧美| 久久久久精品久久久久真实原创| 热99国产精品久久久久久7| 久久狼人影院| 日韩伦理黄色片| 又黄又粗又硬又大视频| 午夜福利,免费看| 日本午夜av视频| 午夜福利视频精品| 国产高清三级在线| 免费人妻精品一区二区三区视频| 嫩草影院入口| 热99久久久久精品小说推荐| 最黄视频免费看| 99九九在线精品视频| 国产一区有黄有色的免费视频| 22中文网久久字幕| 日日爽夜夜爽网站| 丝袜喷水一区| 免费人妻精品一区二区三区视频| av电影中文网址| 日韩电影二区| 日韩伦理黄色片| 亚洲欧美清纯卡通| 亚洲人成网站在线观看播放| 极品人妻少妇av视频| 99久国产av精品国产电影| 男人添女人高潮全过程视频| 亚洲三级黄色毛片| av在线观看视频网站免费| 欧美最新免费一区二区三区| 永久网站在线| 日韩制服骚丝袜av| 久久综合国产亚洲精品| 亚洲一级一片aⅴ在线观看| 国产黄频视频在线观看| 成人毛片a级毛片在线播放| 少妇人妻久久综合中文| 久久国产亚洲av麻豆专区| 韩国av在线不卡| 国产色婷婷99| 香蕉丝袜av| 99热国产这里只有精品6| 91久久精品国产一区二区三区| 精品一区二区三区视频在线| 国产亚洲精品第一综合不卡 | 一本色道久久久久久精品综合| 少妇猛男粗大的猛烈进出视频| 蜜桃国产av成人99| 天天影视国产精品| 精品熟女少妇av免费看| 亚洲色图综合在线观看| 亚洲精品久久成人aⅴ小说| 国产精品一国产av| 又黄又粗又硬又大视频| 免费观看性生交大片5| 午夜精品国产一区二区电影| 亚洲中文av在线| 亚洲一级一片aⅴ在线观看| 亚洲欧美一区二区三区国产| 免费大片黄手机在线观看| 成人国产av品久久久| 青春草亚洲视频在线观看| 女人被躁到高潮嗷嗷叫费观| 日韩av不卡免费在线播放| 免费观看无遮挡的男女| 国产免费又黄又爽又色| 最黄视频免费看| 国产老妇伦熟女老妇高清| 精品少妇黑人巨大在线播放| 九色成人免费人妻av| 亚洲精品中文字幕在线视频| 久久99一区二区三区| 免费大片18禁| 成年女人在线观看亚洲视频| 一区二区av电影网| 亚洲av综合色区一区| 国产精品久久久久久久电影| 亚洲精品久久午夜乱码| 午夜福利乱码中文字幕| 大香蕉久久成人网| 校园人妻丝袜中文字幕| 亚洲精品国产色婷婷电影| 18+在线观看网站| 精品亚洲成a人片在线观看| 精品国产一区二区三区久久久樱花| 精品久久蜜臀av无| 9热在线视频观看99| 欧美激情国产日韩精品一区| 极品人妻少妇av视频| 国产精品一区www在线观看| 欧美激情 高清一区二区三区| 99香蕉大伊视频| 国内精品宾馆在线| 少妇的逼水好多| 日本午夜av视频| 欧美 亚洲 国产 日韩一| 80岁老熟妇乱子伦牲交| 欧美bdsm另类| 又黄又粗又硬又大视频| 国产精品人妻久久久久久| 人人妻人人澡人人看| 国产老妇伦熟女老妇高清| 考比视频在线观看| 亚洲,欧美精品.| 国产精品人妻久久久久久| 亚洲成人av在线免费| 中文天堂在线官网| 在线观看三级黄色| 欧美国产精品va在线观看不卡| 乱码一卡2卡4卡精品| 亚洲欧美成人精品一区二区| 1024视频免费在线观看| 久久影院123| 99热这里只有是精品在线观看| 亚洲欧美成人精品一区二区| 亚洲精品日韩在线中文字幕| 伦理电影免费视频| a 毛片基地| 国产又色又爽无遮挡免| 国产极品天堂在线| 久久97久久精品| 高清毛片免费看| 插逼视频在线观看| 国产亚洲欧美精品永久| 久久人人爽人人片av| 亚洲图色成人| 国产精品三级大全| 91久久精品国产一区二区三区| 在线观看免费高清a一片| 亚洲成人一二三区av| 在线天堂中文资源库| 日本wwww免费看| 午夜福利影视在线免费观看| 亚洲第一av免费看| 日韩人妻精品一区2区三区| 久久午夜综合久久蜜桃| 国产精品久久久久久精品古装| av有码第一页| 亚洲伊人久久精品综合| 亚洲四区av| 80岁老熟妇乱子伦牲交| 街头女战士在线观看网站| 在线观看美女被高潮喷水网站| 国产无遮挡羞羞视频在线观看| 午夜福利,免费看| av片东京热男人的天堂| 女的被弄到高潮叫床怎么办| 亚洲色图 男人天堂 中文字幕 | 精品人妻在线不人妻| 国产成人免费观看mmmm| 久久久久久久大尺度免费视频| 亚洲人成77777在线视频| 日本猛色少妇xxxxx猛交久久| 日韩制服丝袜自拍偷拍| 成人手机av| 熟女人妻精品中文字幕| 天天操日日干夜夜撸| 亚洲成人手机| 在线天堂中文资源库| 久久ye,这里只有精品| av在线老鸭窝| 十分钟在线观看高清视频www| 国产精品蜜桃在线观看| 日韩av在线免费看完整版不卡| 人妻人人澡人人爽人人| 久久精品人人爽人人爽视色| 亚洲精品久久午夜乱码| 亚洲久久久国产精品| 精品久久国产蜜桃| 久久国产精品男人的天堂亚洲 | 成年动漫av网址| 久久这里只有精品19| 蜜桃国产av成人99| 欧美亚洲 丝袜 人妻 在线| 在现免费观看毛片| 男女免费视频国产| 中文字幕精品免费在线观看视频 | 国产精品久久久久久精品电影小说| 久久久久国产网址| 久久影院123| 午夜免费观看性视频| 亚洲综合色惰| 秋霞在线观看毛片| 亚洲国产看品久久| 精品国产国语对白av| 王馨瑶露胸无遮挡在线观看| 免费看av在线观看网站| 亚洲中文av在线| 国产成人精品婷婷| 麻豆精品久久久久久蜜桃| 黑丝袜美女国产一区| 亚洲精品国产色婷婷电影| 久久久久网色| 在线观看免费视频网站a站| 亚洲色图 男人天堂 中文字幕 | 不卡视频在线观看欧美| a级毛片在线看网站| 大码成人一级视频| 狂野欧美激情性bbbbbb| 国产精品人妻久久久久久| 久久99蜜桃精品久久| 亚洲 欧美一区二区三区| 国产乱人偷精品视频| 午夜福利在线观看免费完整高清在| 午夜激情久久久久久久| a 毛片基地| 精品少妇黑人巨大在线播放| 少妇人妻 视频| 性色avwww在线观看| 夜夜爽夜夜爽视频| 成人毛片a级毛片在线播放| 亚洲av电影在线观看一区二区三区| 国产乱人偷精品视频| 亚洲精品自拍成人| 日本av手机在线免费观看| 中文字幕制服av| 国产有黄有色有爽视频| 亚洲国产精品一区三区| 欧美日韩亚洲高清精品| 插逼视频在线观看| 日日摸夜夜添夜夜爱| 天堂俺去俺来也www色官网| 极品少妇高潮喷水抽搐| 免费高清在线观看日韩| 精品人妻偷拍中文字幕| 国国产精品蜜臀av免费| 国产精品蜜桃在线观看| 亚洲av国产av综合av卡| 精品少妇内射三级| 考比视频在线观看| 国产精品秋霞免费鲁丝片| 日韩 亚洲 欧美在线| 大香蕉久久网| 国产激情久久老熟女| 久久久久久人妻| 日韩av在线免费看完整版不卡| 成人无遮挡网站| 赤兔流量卡办理| 女人精品久久久久毛片| 999精品在线视频| av网站免费在线观看视频| 毛片一级片免费看久久久久| 秋霞伦理黄片| 欧美人与性动交α欧美精品济南到 | 成人免费观看视频高清| 亚洲av福利一区| a级毛色黄片| 亚洲精华国产精华液的使用体验| 各种免费的搞黄视频| 亚洲国产色片| 99re6热这里在线精品视频| 亚洲av男天堂| 国产精品一二三区在线看| 久久女婷五月综合色啪小说| 成人漫画全彩无遮挡| 一个人免费看片子| 亚洲精品自拍成人| 国精品久久久久久国模美| 国产成人欧美| 色94色欧美一区二区| av免费观看日本| 亚洲国产精品成人久久小说| 亚洲,欧美,日韩| 极品人妻少妇av视频| 999精品在线视频| 高清黄色对白视频在线免费看| av在线播放精品| 丝瓜视频免费看黄片| 欧美日韩综合久久久久久| 国产精品一区二区在线不卡| 蜜桃国产av成人99| 性高湖久久久久久久久免费观看| 爱豆传媒免费全集在线观看| 啦啦啦啦在线视频资源| 亚洲精品久久午夜乱码| 午夜精品国产一区二区电影| 亚洲国产日韩一区二区| 日本wwww免费看| 一本久久精品| 人妻 亚洲 视频| 久久久久久伊人网av| 国产在视频线精品| 女人精品久久久久毛片| 成人无遮挡网站| 午夜视频国产福利| 久久精品国产自在天天线| 99久国产av精品国产电影| 老女人水多毛片| 国产精品国产三级专区第一集| 成人影院久久| 高清在线视频一区二区三区| 亚洲国产精品一区二区三区在线| 在线观看美女被高潮喷水网站| 赤兔流量卡办理| 国产精品人妻久久久影院| 午夜激情av网站| 90打野战视频偷拍视频| 国产成人av激情在线播放| 国产成人午夜福利电影在线观看| 国产国语露脸激情在线看| 亚洲高清免费不卡视频| av视频免费观看在线观看| 免费在线观看黄色视频的| 亚洲四区av| 久久鲁丝午夜福利片| 精品久久国产蜜桃| 免费人成在线观看视频色| 亚洲内射少妇av| av在线老鸭窝| 国产精品一国产av| 春色校园在线视频观看| 伦精品一区二区三区| 最黄视频免费看| a 毛片基地| videosex国产| 久久午夜综合久久蜜桃| 日韩视频在线欧美| 成人国语在线视频| 国产欧美日韩一区二区三区在线| 亚洲欧美精品自产自拍| 久久热在线av| 精品亚洲成国产av| 制服诱惑二区| 一边摸一边做爽爽视频免费| 人成视频在线观看免费观看| 一级毛片我不卡| 日韩成人伦理影院| 精品一区二区三区四区五区乱码 | 黄色毛片三级朝国网站| 亚洲久久久国产精品| 国产精品三级大全| 国产爽快片一区二区三区| 一级片免费观看大全| 18禁在线无遮挡免费观看视频| 热99久久久久精品小说推荐| 免费播放大片免费观看视频在线观看| 国产精品99久久99久久久不卡 | 曰老女人黄片| 欧美激情 高清一区二区三区| 久久精品夜色国产| 精品一品国产午夜福利视频| 在线观看三级黄色| 精品亚洲乱码少妇综合久久| 成人国产麻豆网| 秋霞在线观看毛片| 亚洲精品aⅴ在线观看| 一本久久精品| 亚洲性久久影院| 久久久久人妻精品一区果冻| 在线观看免费视频网站a站| 免费不卡的大黄色大毛片视频在线观看| 国产日韩欧美亚洲二区| 国产麻豆69| 纯流量卡能插随身wifi吗| 两性夫妻黄色片 | 国产成人精品一,二区| 亚洲国产精品专区欧美| 成年av动漫网址| 看非洲黑人一级黄片| 国产精品久久久久久精品古装| 亚洲第一区二区三区不卡| av电影中文网址| 在线天堂最新版资源| 9191精品国产免费久久| 黄色一级大片看看| 成人漫画全彩无遮挡| 热99久久久久精品小说推荐| 国产国拍精品亚洲av在线观看| 一级爰片在线观看| 十分钟在线观看高清视频www| 亚洲精品国产av蜜桃| 观看av在线不卡| 天堂俺去俺来也www色官网| 男女边摸边吃奶| 亚洲欧美一区二区三区国产| 亚洲欧美精品自产自拍| 婷婷色综合www| 肉色欧美久久久久久久蜜桃| 久久午夜福利片| 色网站视频免费| 最近手机中文字幕大全| 永久网站在线| 欧美 亚洲 国产 日韩一| av.在线天堂| 精品国产国语对白av| 国产成人精品在线电影| 久久 成人 亚洲| 亚洲国产精品999| 亚洲精品国产色婷婷电影| 久热这里只有精品99| 国产男人的电影天堂91| 夜夜爽夜夜爽视频| 亚洲成国产人片在线观看| 乱人伦中国视频| 又大又黄又爽视频免费| 天天躁夜夜躁狠狠躁躁| 人人妻人人澡人人看| 狠狠精品人妻久久久久久综合| 国产极品粉嫩免费观看在线| 狠狠精品人妻久久久久久综合| 免费观看a级毛片全部| 国产一级毛片在线| 欧美日韩视频精品一区| 麻豆乱淫一区二区| av在线观看视频网站免费| 亚洲欧美日韩另类电影网站| 视频在线观看一区二区三区| 建设人人有责人人尽责人人享有的| 免费观看a级毛片全部| 亚洲美女搞黄在线观看| 日韩精品有码人妻一区| 欧美日韩亚洲高清精品| 欧美bdsm另类| 韩国精品一区二区三区 | 天天躁夜夜躁狠狠躁躁| 日韩伦理黄色片| 自线自在国产av| 少妇人妻久久综合中文| 精品亚洲成国产av| 日韩三级伦理在线观看| 国产免费又黄又爽又色| 一级a做视频免费观看| 午夜视频国产福利| 国产高清国产精品国产三级| 欧美激情 高清一区二区三区| 两个人看的免费小视频| 宅男免费午夜| 久久午夜综合久久蜜桃| 亚洲,欧美精品.| 看免费av毛片| 大香蕉久久网| videossex国产| 精品熟女少妇av免费看| 亚洲欧美中文字幕日韩二区| 久久久亚洲精品成人影院| 激情视频va一区二区三区| 五月伊人婷婷丁香| 男人舔女人的私密视频| 精品久久蜜臀av无| av视频免费观看在线观看| 9色porny在线观看| www.av在线官网国产| 国产在视频线精品| 人妻 亚洲 视频| av免费观看日本| 精品人妻一区二区三区麻豆| 国产成人一区二区在线| 欧美日韩国产mv在线观看视频| 欧美精品人与动牲交sv欧美| 日本爱情动作片www.在线观看| 亚洲成色77777| 久久久久久伊人网av| 最近手机中文字幕大全| 婷婷色麻豆天堂久久| 免费看av在线观看网站| 女人精品久久久久毛片| 精品人妻在线不人妻| 精品第一国产精品| 日本91视频免费播放| 男女边吃奶边做爰视频| 男女无遮挡免费网站观看| 最新中文字幕久久久久| 国产亚洲精品第一综合不卡 | 国产片特级美女逼逼视频| 亚洲精品久久久久久婷婷小说| 蜜桃国产av成人99| 十分钟在线观看高清视频www| 国产av一区二区精品久久| 啦啦啦视频在线资源免费观看| 国产精品久久久久久久电影| 欧美xxxx性猛交bbbb| 欧美人与性动交α欧美精品济南到 | 中国国产av一级| 女性生殖器流出的白浆| 国产老妇伦熟女老妇高清| 欧美精品一区二区免费开放| 亚洲国产精品国产精品| xxx大片免费视频| 午夜福利,免费看| 男男h啪啪无遮挡| 免费观看av网站的网址| 99热6这里只有精品| 99热国产这里只有精品6| 夜夜爽夜夜爽视频| 国产高清国产精品国产三级| 亚洲精品美女久久av网站| 人妻人人澡人人爽人人| 一级,二级,三级黄色视频| 欧美成人精品欧美一级黄| 国产精品人妻久久久影院| 免费在线观看完整版高清| 久久韩国三级中文字幕| 国产免费一级a男人的天堂| 老司机亚洲免费影院|