• <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
    18禁观看日本| 亚洲九九香蕉| 成人国产综合亚洲| 日韩国内少妇激情av| 制服丝袜大香蕉在线| 精品午夜福利视频在线观看一区| 国产久久久一区二区三区| 免费在线观看成人毛片| 好男人在线观看高清免费视频| 我要搜黄色片| 亚洲中文av在线| 在线免费观看的www视频| 精品人妻1区二区| 国产伦一二天堂av在线观看| 中文字幕av在线有码专区| 淫妇啪啪啪对白视频| 中文字幕av在线有码专区| 91九色精品人成在线观看| 中文字幕av在线有码专区| 精品一区二区三区av网在线观看| 色播亚洲综合网| 91成年电影在线观看| 亚洲片人在线观看| 嫩草影视91久久| 手机成人av网站| 国产精品野战在线观看| √禁漫天堂资源中文www| 给我免费播放毛片高清在线观看| 母亲3免费完整高清在线观看| 久久人妻福利社区极品人妻图片| 欧美在线一区亚洲| 亚洲人成伊人成综合网2020| 精品久久久久久久久久免费视频| 国产精品1区2区在线观看.| 亚洲国产精品999在线| videosex国产| 在线观看免费午夜福利视频| 亚洲电影在线观看av| 午夜福利18| 日本免费一区二区三区高清不卡| 国产午夜福利久久久久久| 欧美不卡视频在线免费观看 | 女同久久另类99精品国产91| 天天一区二区日本电影三级| av免费在线观看网站| 岛国在线观看网站| 亚洲一区中文字幕在线| 日韩精品中文字幕看吧| 欧美 亚洲 国产 日韩一| 午夜福利视频1000在线观看| 两个人视频免费观看高清| 亚洲av美国av| 一a级毛片在线观看| 亚洲人成网站在线播放欧美日韩| 亚洲精品一卡2卡三卡4卡5卡| 国产激情偷乱视频一区二区| 熟女少妇亚洲综合色aaa.| 在线看三级毛片| 女警被强在线播放| 亚洲av熟女| 日本免费a在线| 这个男人来自地球电影免费观看| 精品久久蜜臀av无| 亚洲在线自拍视频| 99国产精品一区二区三区| 欧美不卡视频在线免费观看 | 国产亚洲av嫩草精品影院| tocl精华| 老司机午夜十八禁免费视频| 人妻久久中文字幕网| 亚洲天堂国产精品一区在线| 国内精品久久久久精免费| 黑人操中国人逼视频| 成人精品一区二区免费| 亚洲av成人一区二区三| 男女下面进入的视频免费午夜| 国产三级在线视频| 神马国产精品三级电影在线观看 | 青草久久国产| 亚洲精品久久国产高清桃花| 午夜福利视频1000在线观看| 成年人黄色毛片网站| 国产区一区二久久| 在线国产一区二区在线| 亚洲真实伦在线观看| 99在线人妻在线中文字幕| 黄片大片在线免费观看| 女警被强在线播放| 99久久综合精品五月天人人| 欧美另类亚洲清纯唯美| 久久伊人香网站| 免费看日本二区| 91麻豆av在线| 欧美另类亚洲清纯唯美| 国产精品永久免费网站| 久久国产精品人妻蜜桃| 精品一区二区三区av网在线观看| 99国产精品99久久久久| 亚洲一区中文字幕在线| 亚洲人成网站在线播放欧美日韩| 男人舔奶头视频| 中文字幕人妻丝袜一区二区| 麻豆成人午夜福利视频| 中文字幕久久专区| 大型黄色视频在线免费观看| 亚洲精品美女久久av网站| 成年人黄色毛片网站| 免费在线观看日本一区| 12—13女人毛片做爰片一| 亚洲精品国产精品久久久不卡| 久久久国产成人免费| 高潮久久久久久久久久久不卡| 亚洲精品在线美女| videosex国产| 最新在线观看一区二区三区| 国产免费男女视频| 搡老岳熟女国产| 亚洲av熟女| 午夜成年电影在线免费观看| 黑人巨大精品欧美一区二区mp4| 丰满的人妻完整版| 中文字幕人妻丝袜一区二区| 我的老师免费观看完整版| 亚洲精品色激情综合| tocl精华| 亚洲成av人片在线播放无| 国产亚洲精品第一综合不卡| 亚洲一码二码三码区别大吗| 正在播放国产对白刺激| 亚洲精品中文字幕在线视频| 变态另类丝袜制服| 久久久精品国产亚洲av高清涩受| 看黄色毛片网站| 午夜福利在线在线| 亚洲欧美一区二区三区黑人| 国产久久久一区二区三区| 亚洲中文字幕日韩| 亚洲av成人av| 一进一出抽搐动态| 日韩国内少妇激情av| 美女午夜性视频免费| 一个人观看的视频www高清免费观看 | 日韩大码丰满熟妇| 看片在线看免费视频| 国产男靠女视频免费网站| 最近最新中文字幕大全免费视频| 国产在线精品亚洲第一网站| 久久欧美精品欧美久久欧美| 男女视频在线观看网站免费 | 精品久久久久久久毛片微露脸| 精品久久蜜臀av无| 亚洲精品在线美女| 日韩欧美免费精品| 久久国产精品人妻蜜桃| www.自偷自拍.com| 国产精品 国内视频| 99热这里只有是精品50| 国产男靠女视频免费网站| 一个人观看的视频www高清免费观看 | 法律面前人人平等表现在哪些方面| 国产亚洲精品久久久久久毛片| 久久久水蜜桃国产精品网| 99久久精品国产亚洲精品| 亚洲最大成人中文| 五月玫瑰六月丁香| 又爽又黄无遮挡网站| 黄色成人免费大全| 午夜福利免费观看在线| 在线播放国产精品三级| 欧美+亚洲+日韩+国产| 大型av网站在线播放| 欧美久久黑人一区二区| 神马国产精品三级电影在线观看 | 真人做人爱边吃奶动态| 久久精品国产综合久久久| 搡老岳熟女国产| 岛国视频午夜一区免费看| 国产午夜精品久久久久久| 99精品久久久久人妻精品| 国产探花在线观看一区二区| 人妻夜夜爽99麻豆av| 亚洲九九香蕉| 精品欧美一区二区三区在线| 国语自产精品视频在线第100页| 日韩精品免费视频一区二区三区| 一级片免费观看大全| 一本精品99久久精品77| 国产三级在线视频| 欧美zozozo另类| 亚洲av电影不卡..在线观看| 久热爱精品视频在线9| 亚洲,欧美精品.| 欧美日韩乱码在线| 国产成人av激情在线播放| 成人国语在线视频| 99国产精品一区二区三区| 美女午夜性视频免费| 亚洲五月天丁香| 日本三级黄在线观看| 免费在线观看视频国产中文字幕亚洲| 免费电影在线观看免费观看| 亚洲成av人片免费观看| 欧美性长视频在线观看| 一区福利在线观看| 午夜福利视频1000在线观看| 一级毛片高清免费大全| 久久国产乱子伦精品免费另类| 久久中文字幕人妻熟女| 99热这里只有是精品50| 老熟妇仑乱视频hdxx| videosex国产| 91麻豆av在线| 亚洲电影在线观看av| 色噜噜av男人的天堂激情| 十八禁人妻一区二区| 亚洲人成网站高清观看| 嫩草影视91久久| 国产精品精品国产色婷婷| xxxwww97欧美| 精品国产亚洲在线| 日本成人三级电影网站| 欧美av亚洲av综合av国产av| 亚洲国产精品合色在线| 欧美日韩瑟瑟在线播放| 三级男女做爰猛烈吃奶摸视频| 岛国在线观看网站| 久久婷婷成人综合色麻豆| 嫩草影视91久久| 国内少妇人妻偷人精品xxx网站 | x7x7x7水蜜桃| 久久久久国内视频| 午夜福利视频1000在线观看| 三级毛片av免费| 国产69精品久久久久777片 | 日本一二三区视频观看| 久久伊人香网站| 久久久久久免费高清国产稀缺| 在线视频色国产色| 免费无遮挡裸体视频| 色哟哟哟哟哟哟| 麻豆国产97在线/欧美 | 在线国产一区二区在线| 午夜福利欧美成人| 男插女下体视频免费在线播放| 国产成人av激情在线播放| 人妻夜夜爽99麻豆av| 女生性感内裤真人,穿戴方法视频| 99久久精品国产亚洲精品| 少妇熟女aⅴ在线视频| 香蕉av资源在线| 成年免费大片在线观看| 12—13女人毛片做爰片一| 三级国产精品欧美在线观看 | 男插女下体视频免费在线播放| 免费电影在线观看免费观看| 91成年电影在线观看| 中国美女看黄片| 非洲黑人性xxxx精品又粗又长| 精品高清国产在线一区| 久久香蕉精品热| 国产精品一及| 51午夜福利影视在线观看| 毛片女人毛片| 成人三级做爰电影| 欧美日韩一级在线毛片| 黑人欧美特级aaaaaa片| 欧美日韩瑟瑟在线播放| 国产又色又爽无遮挡免费看| 国产精品香港三级国产av潘金莲| 男人舔女人的私密视频| 又粗又爽又猛毛片免费看| 精品国产美女av久久久久小说| 国产一区二区在线av高清观看| 国产高清有码在线观看视频 | 国产高清有码在线观看视频 | 国产成+人综合+亚洲专区| 久久亚洲精品不卡| 久久精品成人免费网站| 久久热在线av| 精品电影一区二区在线| 舔av片在线| 两人在一起打扑克的视频| 亚洲欧美日韩高清在线视频| 欧美精品亚洲一区二区| 五月伊人婷婷丁香| 性色av乱码一区二区三区2| 国产熟女午夜一区二区三区| 天堂影院成人在线观看| 欧美不卡视频在线免费观看 | 亚洲人成电影免费在线| 成人精品一区二区免费| 老汉色∧v一级毛片| 99精品欧美一区二区三区四区| 欧美日韩一级在线毛片| 在线观看舔阴道视频| 婷婷精品国产亚洲av在线| 欧美zozozo另类| 亚洲中文字幕日韩| 午夜福利视频1000在线观看| 狂野欧美白嫩少妇大欣赏| 丁香六月欧美| 男女午夜视频在线观看| 一个人免费在线观看电影 | 两人在一起打扑克的视频| 真人做人爱边吃奶动态| 大型黄色视频在线免费观看| 国产精品av久久久久免费| 女警被强在线播放| 国产又黄又爽又无遮挡在线| 国产成+人综合+亚洲专区| 国产一区二区在线观看日韩 | 国产69精品久久久久777片 | 女人爽到高潮嗷嗷叫在线视频| 又粗又爽又猛毛片免费看| 丰满的人妻完整版| 中亚洲国语对白在线视频| 可以免费在线观看a视频的电影网站| 欧美激情久久久久久爽电影| 国产又色又爽无遮挡免费看| 在线观看美女被高潮喷水网站 | 国产精华一区二区三区| 亚洲国产精品久久男人天堂| 欧美激情久久久久久爽电影| 免费电影在线观看免费观看| 久久天躁狠狠躁夜夜2o2o| 亚洲国产中文字幕在线视频| 久热爱精品视频在线9| 国产午夜精品久久久久久| 可以免费在线观看a视频的电影网站| 久久久久久久久中文| 老熟妇仑乱视频hdxx| or卡值多少钱| xxxwww97欧美| 久热爱精品视频在线9| tocl精华| 波多野结衣高清作品| 啪啪无遮挡十八禁网站| 欧美成人免费av一区二区三区| 看黄色毛片网站| 午夜福利高清视频| 变态另类成人亚洲欧美熟女| 日韩成人在线观看一区二区三区| 中文字幕熟女人妻在线| 国产视频内射| 免费一级毛片在线播放高清视频| 日韩欧美国产一区二区入口| 18禁国产床啪视频网站| 午夜福利免费观看在线| 成人av在线播放网站| 久久 成人 亚洲| 亚洲专区中文字幕在线| 日本精品一区二区三区蜜桃| 最近在线观看免费完整版| 国产精品电影一区二区三区| 白带黄色成豆腐渣| 伊人久久大香线蕉亚洲五| 久久这里只有精品中国| 久久精品成人免费网站| 精品第一国产精品| 亚洲精品在线美女| 亚洲av日韩精品久久久久久密| 人妻久久中文字幕网| 亚洲专区国产一区二区| 欧美黄色片欧美黄色片| 欧美日韩一级在线毛片| 日韩欧美在线乱码| 成人国产一区最新在线观看| 久久精品国产亚洲av高清一级| 又爽又黄无遮挡网站| 婷婷精品国产亚洲av| 国产亚洲欧美在线一区二区| 国内精品久久久久久久电影| 国产成人精品久久二区二区免费| 天天躁狠狠躁夜夜躁狠狠躁| 91av网站免费观看| 亚洲avbb在线观看| ponron亚洲| 叶爱在线成人免费视频播放| 久久伊人香网站| 伊人久久大香线蕉亚洲五| 中文字幕熟女人妻在线| 91麻豆av在线| 变态另类成人亚洲欧美熟女| 亚洲男人天堂网一区| 最近在线观看免费完整版| 久久久久久久久中文| 日韩精品免费视频一区二区三区| av视频在线观看入口| 亚洲第一电影网av| 全区人妻精品视频| 天堂√8在线中文| aaaaa片日本免费| 欧美日本视频| 人人妻,人人澡人人爽秒播| 老汉色av国产亚洲站长工具| 麻豆成人午夜福利视频| 欧美大码av| 999久久久精品免费观看国产| 久久香蕉国产精品| 性欧美人与动物交配| 婷婷精品国产亚洲av| 美女高潮喷水抽搐中文字幕| 亚洲色图 男人天堂 中文字幕| 亚洲中文日韩欧美视频| 亚洲欧美日韩无卡精品| 国产精品久久久久久人妻精品电影| 成年免费大片在线观看| 香蕉久久夜色| 在线免费观看的www视频| 黄色片一级片一级黄色片| 色老头精品视频在线观看| 久久久久久国产a免费观看| 又爽又黄无遮挡网站| 搡老熟女国产l中国老女人| 国产精品,欧美在线| 午夜精品久久久久久毛片777| 又黄又爽又免费观看的视频| 88av欧美| 欧美3d第一页| 99久久久亚洲精品蜜臀av| 精品国产乱码久久久久久男人| 亚洲欧美精品综合一区二区三区| www.999成人在线观看| 亚洲免费av在线视频| 欧美三级亚洲精品| 日韩欧美免费精品| 脱女人内裤的视频| www日本黄色视频网| 美女 人体艺术 gogo| 成人特级黄色片久久久久久久| 亚洲精品中文字幕一二三四区| 可以免费在线观看a视频的电影网站| www.精华液| 亚洲av第一区精品v没综合| 亚洲熟妇中文字幕五十中出| 欧美成狂野欧美在线观看| svipshipincom国产片| 亚洲成人久久性| 免费看美女性在线毛片视频| 精品久久久久久久久久久久久| 亚洲一区二区三区色噜噜| 欧美日韩乱码在线| 欧洲精品卡2卡3卡4卡5卡区| 999精品在线视频| 我要搜黄色片| 中文字幕最新亚洲高清| 18禁观看日本| 国产一区二区激情短视频| 美女 人体艺术 gogo| 婷婷亚洲欧美| 国产高清视频在线观看网站| 亚洲免费av在线视频| 又紧又爽又黄一区二区| 午夜福利免费观看在线| 法律面前人人平等表现在哪些方面| 精品不卡国产一区二区三区| 90打野战视频偷拍视频| 欧美极品一区二区三区四区| 亚洲欧美精品综合一区二区三区| 久久久水蜜桃国产精品网| 性欧美人与动物交配| 黄色成人免费大全| 亚洲精品粉嫩美女一区| 国产亚洲欧美98| 看黄色毛片网站| 搡老岳熟女国产| 真人一进一出gif抽搐免费| 国产伦在线观看视频一区| 久久中文看片网| 很黄的视频免费| 国语自产精品视频在线第100页| 亚洲av日韩精品久久久久久密| 国产激情欧美一区二区| 国产精品一及| 国产片内射在线| 嫩草影视91久久| 中国美女看黄片| 后天国语完整版免费观看| 毛片女人毛片| 精品日产1卡2卡| 精品不卡国产一区二区三区| 精品国产美女av久久久久小说| 免费看十八禁软件| 亚洲午夜理论影院| 亚洲av成人不卡在线观看播放网| 日本a在线网址| 日日爽夜夜爽网站| 午夜a级毛片| 免费在线观看黄色视频的| 日韩精品中文字幕看吧| 久久香蕉国产精品| 日本在线视频免费播放| 久久久久亚洲av毛片大全| 最近最新免费中文字幕在线| 色尼玛亚洲综合影院| 18禁观看日本| 18禁裸乳无遮挡免费网站照片| 欧美日本视频| 88av欧美| 色综合欧美亚洲国产小说| 国内少妇人妻偷人精品xxx网站 | 老司机靠b影院| 性色av乱码一区二区三区2| 啦啦啦韩国在线观看视频| 伊人久久大香线蕉亚洲五| 精品国产乱码久久久久久男人| 最新美女视频免费是黄的| 无遮挡黄片免费观看| 99久久无色码亚洲精品果冻| 精品一区二区三区av网在线观看| 精华霜和精华液先用哪个| 亚洲欧美日韩高清专用| 天天一区二区日本电影三级| 床上黄色一级片| 国产精品永久免费网站| 国产亚洲精品第一综合不卡| 久久九九热精品免费| 亚洲自偷自拍图片 自拍| 日韩三级视频一区二区三区| 午夜成年电影在线免费观看| 国产一区二区三区视频了| 国产精品精品国产色婷婷| 成人18禁在线播放| 欧美又色又爽又黄视频| 男插女下体视频免费在线播放| 国产精品乱码一区二三区的特点| 久久香蕉国产精品| 最近最新中文字幕大全电影3| 伊人久久大香线蕉亚洲五| bbb黄色大片| 国产99白浆流出| 国产精品久久视频播放| 中文亚洲av片在线观看爽| 最近最新中文字幕大全免费视频| 色综合婷婷激情| or卡值多少钱| 精品国内亚洲2022精品成人| 色综合亚洲欧美另类图片| 天堂影院成人在线观看| 日韩欧美精品v在线| 久久久精品国产亚洲av高清涩受| 变态另类成人亚洲欧美熟女| 国产伦人伦偷精品视频| 99久久99久久久精品蜜桃| 欧美午夜高清在线| 亚洲第一电影网av| 精品第一国产精品| 亚洲成人久久性| 久久亚洲真实| 91在线观看av| 色老头精品视频在线观看| 亚洲性夜色夜夜综合| 日本三级黄在线观看| 久久久久久九九精品二区国产 | 国产成人影院久久av| 天天一区二区日本电影三级| 久久久国产欧美日韩av| 99热这里只有精品一区 | 午夜激情av网站| 亚洲av成人av| 欧美一级毛片孕妇| 亚洲欧美日韩无卡精品| 日本三级黄在线观看| 精品国内亚洲2022精品成人| 亚洲欧美精品综合久久99| 他把我摸到了高潮在线观看| 色尼玛亚洲综合影院| 亚洲色图av天堂| 精品国产乱码久久久久久男人| 成人永久免费在线观看视频| 久久精品综合一区二区三区| 757午夜福利合集在线观看| 久久中文字幕人妻熟女| 在线国产一区二区在线| 国产精品av久久久久免费| 99久久99久久久精品蜜桃| 嫩草影院精品99| 夜夜躁狠狠躁天天躁| 久久欧美精品欧美久久欧美| 国产精品美女特级片免费视频播放器 | 香蕉丝袜av| 亚洲专区字幕在线| 色综合站精品国产| 麻豆一二三区av精品| 国产一区二区在线av高清观看| 99热这里只有精品一区 | netflix在线观看网站| a级毛片a级免费在线| 欧美极品一区二区三区四区| 香蕉av资源在线| 丰满人妻熟妇乱又伦精品不卡| 久久亚洲精品不卡| 国产又黄又爽又无遮挡在线| 久久精品国产清高在天天线| 亚洲欧洲精品一区二区精品久久久| 丰满人妻一区二区三区视频av | 亚洲av成人av| 日韩欧美在线二视频| 无遮挡黄片免费观看| 欧洲精品卡2卡3卡4卡5卡区| 国产不卡一卡二| 日韩欧美在线二视频| 深夜精品福利| 亚洲在线自拍视频| 九色成人免费人妻av| 老司机深夜福利视频在线观看| 精品国产乱码久久久久久男人| 特级一级黄色大片| 最近最新免费中文字幕在线| 亚洲色图av天堂| 在线观看美女被高潮喷水网站 | 久久久久国内视频| 午夜视频精品福利| 欧美色视频一区免费| 亚洲最大成人中文|