• <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
    在线免费十八禁| 精品一区二区三区视频在线| 亚洲av免费在线观看| 日韩欧美精品v在线| av.在线天堂| 99视频精品全部免费 在线| 人人妻人人澡人人爽人人夜夜 | 亚洲va在线va天堂va国产| 最近中文字幕高清免费大全6| 一级毛片久久久久久久久女| 久久人人爽人人爽人人片va| 草草在线视频免费看| 亚洲精品一区av在线观看| 精品熟女少妇av免费看| 成人永久免费在线观看视频| 国产精品电影一区二区三区| 亚洲在线观看片| 又爽又黄a免费视频| 国产综合懂色| 观看免费一级毛片| 99久久成人亚洲精品观看| 别揉我奶头 嗯啊视频| 欧美3d第一页| 久久精品国产99精品国产亚洲性色| 亚洲成a人片在线一区二区| 又爽又黄无遮挡网站| 久久精品国产99精品国产亚洲性色| 欧美极品一区二区三区四区| 校园春色视频在线观看| 成熟少妇高潮喷水视频| 99久国产av精品| 99久国产av精品| 欧美高清性xxxxhd video| 亚洲国产精品国产精品| 久久久a久久爽久久v久久| 国产又黄又爽又无遮挡在线| 亚洲国产精品久久男人天堂| 精品久久久久久久久久久久久| 国产乱人偷精品视频| 国产又黄又爽又无遮挡在线| 直男gayav资源| 久久久a久久爽久久v久久| 精品久久久噜噜| 啦啦啦韩国在线观看视频| 亚洲国产精品国产精品| 久久人妻av系列| 日韩大尺度精品在线看网址| 亚洲欧美日韩高清在线视频| 亚洲人成网站高清观看| 丝袜喷水一区| 日本在线视频免费播放| 乱码一卡2卡4卡精品| 精品久久久久久久久久久久久| 一本精品99久久精品77| 精品国内亚洲2022精品成人| 国产精品野战在线观看| 尾随美女入室| 天天一区二区日本电影三级| 亚洲av中文字字幕乱码综合| 中文字幕av在线有码专区| 中文字幕av在线有码专区| 国产精品野战在线观看| 国产欧美日韩精品一区二区| 国产欧美日韩精品一区二区| 国产精品久久久久久久久免| 99久国产av精品| 又爽又黄a免费视频| 又黄又爽又刺激的免费视频.| 久久久精品大字幕| 日日摸夜夜添夜夜添小说| 日日摸夜夜添夜夜添av毛片| 内射极品少妇av片p| 网址你懂的国产日韩在线| 久久久久国产精品人妻aⅴ院| 国产伦一二天堂av在线观看| 国产午夜精品论理片| 精品人妻一区二区三区麻豆 | 97热精品久久久久久| 18禁在线无遮挡免费观看视频 | 精品福利观看| 中文资源天堂在线| 亚洲不卡免费看| 免费观看精品视频网站| 国产伦在线观看视频一区| 永久网站在线| 欧美+亚洲+日韩+国产| 美女大奶头视频| 菩萨蛮人人尽说江南好唐韦庄 | 国产片特级美女逼逼视频| 精品人妻熟女av久视频| 久久久色成人| 一级黄片播放器| 老司机午夜福利在线观看视频| 久久久久久久久久久丰满| 淫妇啪啪啪对白视频| 亚洲精华国产精华液的使用体验 | 国产成人一区二区在线| 波野结衣二区三区在线| 老熟妇仑乱视频hdxx| 亚洲自拍偷在线| 精品一区二区免费观看| 国产精品免费一区二区三区在线| 精品久久久久久久久av| 日本a在线网址| 男插女下体视频免费在线播放| 美女 人体艺术 gogo| 韩国av在线不卡| 99久久成人亚洲精品观看| 在线国产一区二区在线| 久久鲁丝午夜福利片| 欧美日韩综合久久久久久| 三级国产精品欧美在线观看| 国产精品无大码| 亚洲18禁久久av| 欧美性感艳星| 亚洲av第一区精品v没综合| 欧美性感艳星| 亚洲婷婷狠狠爱综合网| 一级毛片我不卡| 成人性生交大片免费视频hd| 亚洲一区高清亚洲精品| 级片在线观看| 久久久久久久久中文| 白带黄色成豆腐渣| 免费av不卡在线播放| 国产亚洲精品久久久久久毛片| 久久热精品热| 22中文网久久字幕| 在线观看一区二区三区| 亚洲av成人av| a级毛片a级免费在线| 99国产精品一区二区蜜桃av| 一级毛片我不卡| 国产中年淑女户外野战色| 欧美另类亚洲清纯唯美| 亚洲人成网站高清观看| 小蜜桃在线观看免费完整版高清| 少妇高潮的动态图| 国产老妇女一区| 亚洲精品在线观看二区| 97人妻精品一区二区三区麻豆| 婷婷六月久久综合丁香| 国产精品av视频在线免费观看| 亚洲av成人av| 毛片一级片免费看久久久久| 日韩亚洲欧美综合| 99热6这里只有精品| 校园春色视频在线观看| 国产成人a区在线观看| 国产精品野战在线观看| 三级经典国产精品| 男人舔奶头视频| 国产一区二区在线观看日韩| 久久久精品94久久精品| 男女视频在线观看网站免费| 简卡轻食公司| 老司机午夜福利在线观看视频| 中文字幕久久专区| 国产精品一区二区三区四区免费观看 | 精品欧美国产一区二区三| 秋霞在线观看毛片| 国产在视频线在精品| a级一级毛片免费在线观看| 人人妻人人澡人人爽人人夜夜 | 人妻丰满熟妇av一区二区三区| 午夜免费男女啪啪视频观看 | 97在线视频观看| 久久天躁狠狠躁夜夜2o2o| 久久精品夜色国产| 久久久久久久久久久丰满| 真人做人爱边吃奶动态| 白带黄色成豆腐渣| 国产高潮美女av| 久久久成人免费电影| 久久综合国产亚洲精品| 亚洲va在线va天堂va国产| 夜夜夜夜夜久久久久| 乱码一卡2卡4卡精品| 日韩在线高清观看一区二区三区| 欧美最新免费一区二区三区| 日韩精品青青久久久久久| 一进一出好大好爽视频| 人妻久久中文字幕网| 精品午夜福利视频在线观看一区| 国产aⅴ精品一区二区三区波| 伦精品一区二区三区| 日本黄大片高清| 欧美日韩精品成人综合77777| 少妇的逼好多水| 99久久无色码亚洲精品果冻| 国产欧美日韩一区二区精品| 免费看av在线观看网站| 久久久久久久亚洲中文字幕| 亚洲无线观看免费| 亚洲第一区二区三区不卡| 国产一区二区在线观看日韩| 国产一区二区激情短视频| 美女cb高潮喷水在线观看| 国产91av在线免费观看| 中文资源天堂在线| 成人毛片a级毛片在线播放| 一级a爱片免费观看的视频| 国国产精品蜜臀av免费| 午夜福利在线观看吧| 男人狂女人下面高潮的视频| 欧美最黄视频在线播放免费| 99视频精品全部免费 在线| 五月伊人婷婷丁香| 久久久精品94久久精品| 高清毛片免费观看视频网站| 91精品国产九色| 18+在线观看网站| 悠悠久久av| 黑人高潮一二区| 中国美女看黄片| 极品教师在线视频| 欧美日韩国产亚洲二区| 成人毛片a级毛片在线播放| 香蕉av资源在线| 男女之事视频高清在线观看| 国产美女午夜福利| av在线老鸭窝| 精品福利观看| 久久国产乱子免费精品| 淫秽高清视频在线观看| 男人和女人高潮做爰伦理| 国产色爽女视频免费观看| 变态另类成人亚洲欧美熟女| 久久热精品热| 国产成人福利小说| 久久久久九九精品影院| 91精品国产九色| 中文字幕av在线有码专区| 91久久精品电影网| 久久精品影院6| 一区二区三区免费毛片| 极品教师在线视频| 国产在线男女| 精品一区二区三区人妻视频| 久久99热这里只有精品18| 日日摸夜夜添夜夜爱| 女人被狂操c到高潮| a级一级毛片免费在线观看| 成年女人看的毛片在线观看| 久久久成人免费电影| 欧美激情在线99| 欧美成人精品欧美一级黄| 成人精品一区二区免费| 12—13女人毛片做爰片一| 国产私拍福利视频在线观看| 欧美成人一区二区免费高清观看| 高清毛片免费看| 黄色配什么色好看| 亚洲乱码一区二区免费版| 国产一区二区在线av高清观看| 精品一区二区三区视频在线| 国产探花在线观看一区二区| 1000部很黄的大片| 亚州av有码| 欧美在线一区亚洲| 一进一出抽搐动态| 精品久久久噜噜| 国产高清不卡午夜福利| 久久精品国产亚洲av香蕉五月| 嫩草影院入口| 亚洲图色成人| 国产精品1区2区在线观看.| eeuss影院久久| 亚洲av熟女| 欧美色欧美亚洲另类二区| 麻豆一二三区av精品| 国产乱人视频| 欧美精品国产亚洲| 日本一二三区视频观看| 可以在线观看毛片的网站| h日本视频在线播放| 欧美bdsm另类| 免费搜索国产男女视频| 久久久国产成人精品二区| 欧美日韩国产亚洲二区| 国内少妇人妻偷人精品xxx网站| 国产精品三级大全| 成人av在线播放网站| 日日摸夜夜添夜夜添小说| 波多野结衣高清无吗| 欧美性感艳星| 免费看av在线观看网站| 成人永久免费在线观看视频| 久久国产乱子免费精品| 国产黄色小视频在线观看| 干丝袜人妻中文字幕| 亚洲,欧美,日韩| 亚洲精品日韩av片在线观看| 一个人免费在线观看电影| 非洲黑人性xxxx精品又粗又长| 国产av麻豆久久久久久久| 12—13女人毛片做爰片一| 亚洲熟妇熟女久久| 最近手机中文字幕大全| 亚洲人成网站高清观看| 寂寞人妻少妇视频99o| av免费在线看不卡| 午夜精品在线福利| 国产在线男女| 国产精品久久久久久亚洲av鲁大| 九九热线精品视视频播放| 午夜激情福利司机影院| 午夜福利视频1000在线观看| 久99久视频精品免费| 国产精品人妻久久久久久| 午夜福利在线在线| 免费看美女性在线毛片视频| 又爽又黄无遮挡网站| 亚洲色图av天堂| 久久久久久久久大av| 亚洲精品久久国产高清桃花| 亚洲欧美精品综合久久99| 久久久久久久久久成人| 精品久久久久久久久亚洲| 少妇裸体淫交视频免费看高清| 午夜福利成人在线免费观看| 婷婷亚洲欧美| 亚洲美女视频黄频| 一区二区三区免费毛片| 老女人水多毛片| 我的老师免费观看完整版| 久久久久久大精品| 欧美中文日本在线观看视频| 亚洲最大成人中文| 日韩中字成人| 六月丁香七月| 国产 一区 欧美 日韩| 精品人妻偷拍中文字幕| 亚洲最大成人av| 国产91av在线免费观看| av天堂中文字幕网| 国产欧美日韩精品亚洲av| 能在线免费观看的黄片| 尾随美女入室| 看非洲黑人一级黄片| 国产精品久久视频播放| 亚洲av成人精品一区久久| 一区二区三区高清视频在线| 听说在线观看完整版免费高清| 一卡2卡三卡四卡精品乱码亚洲| 国产白丝娇喘喷水9色精品| 亚洲av美国av| 欧美xxxx性猛交bbbb| 亚洲性久久影院| 少妇被粗大猛烈的视频| 舔av片在线| 欧美另类亚洲清纯唯美| 国产熟女欧美一区二区| 国产国拍精品亚洲av在线观看| 亚洲人与动物交配视频| 国产探花极品一区二区| 一进一出好大好爽视频| av女优亚洲男人天堂| 国产亚洲精品综合一区在线观看| 在线观看一区二区三区| 一区二区三区免费毛片| 亚洲久久久久久中文字幕| 精品一区二区三区人妻视频| 成年女人永久免费观看视频| 国产视频内射| 国产成人freesex在线 | 99久久精品国产国产毛片| 亚洲成av人片在线播放无| 一区福利在线观看| 亚洲精品国产av成人精品 | 久久久久久国产a免费观看| 老司机午夜福利在线观看视频| 精品不卡国产一区二区三区| 国产一区二区激情短视频| 国产v大片淫在线免费观看| 在线观看免费视频日本深夜| 成人特级av手机在线观看| 精品久久久久久成人av| 中文亚洲av片在线观看爽| 97在线视频观看| 欧美中文日本在线观看视频| 亚洲电影在线观看av| 国产精品精品国产色婷婷| 国产久久久一区二区三区| 国产熟女欧美一区二区| 久久精品综合一区二区三区| 男人狂女人下面高潮的视频| 一级黄色大片毛片| 亚洲精品国产成人久久av| 亚洲国产精品久久男人天堂| 日本免费一区二区三区高清不卡| 搡老妇女老女人老熟妇| 久久久精品大字幕| 日产精品乱码卡一卡2卡三| 日日摸夜夜添夜夜爱| 精品久久久噜噜| 亚洲自拍偷在线| 插阴视频在线观看视频| 中文字幕av在线有码专区| 一区福利在线观看| 熟女人妻精品中文字幕| 日韩精品中文字幕看吧| 国产国拍精品亚洲av在线观看| 91精品国产九色| 国内精品美女久久久久久| 亚洲av熟女| 亚洲欧美日韩高清在线视频| 美女大奶头视频| 亚洲精品影视一区二区三区av| 国产探花在线观看一区二区| 3wmmmm亚洲av在线观看| 亚洲国产精品成人久久小说 | 波野结衣二区三区在线| 深爱激情五月婷婷| 亚洲在线观看片| 日韩欧美 国产精品| 一区二区三区四区激情视频 | 日韩欧美一区二区三区在线观看| 无遮挡黄片免费观看| 国产成人a区在线观看| 一级黄片播放器| 最近中文字幕高清免费大全6| 2021天堂中文幕一二区在线观| 观看美女的网站| 久久草成人影院| 欧美日韩综合久久久久久| 我要搜黄色片| 亚洲人成网站高清观看| 黄片wwwwww| 毛片女人毛片| h日本视频在线播放| 久久久精品欧美日韩精品| 十八禁国产超污无遮挡网站| 无遮挡黄片免费观看| 精品一区二区三区视频在线| 老熟妇乱子伦视频在线观看| 国产精品三级大全| 中出人妻视频一区二区| 午夜福利在线观看免费完整高清在 | 在现免费观看毛片| 亚洲性久久影院| 日韩精品有码人妻一区| 一区二区三区四区激情视频 | 亚洲av第一区精品v没综合| 联通29元200g的流量卡| 日韩中字成人| 欧美xxxx性猛交bbbb| 亚洲专区国产一区二区| 我要搜黄色片| 大又大粗又爽又黄少妇毛片口| 亚洲美女视频黄频| 少妇人妻精品综合一区二区 | 精品一区二区三区av网在线观看| 亚洲国产精品sss在线观看| 国产中年淑女户外野战色| 精品熟女少妇av免费看| 91久久精品国产一区二区成人| 在线天堂最新版资源| 欧美xxxx性猛交bbbb| 九九在线视频观看精品| av在线天堂中文字幕| 联通29元200g的流量卡| 国产精品av视频在线免费观看| 国产黄色视频一区二区在线观看 | 国产亚洲精品久久久com| 搡老熟女国产l中国老女人| 国产真实伦视频高清在线观看| 亚洲成人久久爱视频| 亚洲经典国产精华液单| 听说在线观看完整版免费高清| 亚洲三级黄色毛片| 亚洲美女视频黄频| 蜜桃亚洲精品一区二区三区| 91午夜精品亚洲一区二区三区| 一本久久中文字幕| 久久久久国产网址| 国产黄a三级三级三级人| 久久久久精品国产欧美久久久| 亚洲自拍偷在线| 成人av在线播放网站| 九九在线视频观看精品| 女人十人毛片免费观看3o分钟| 中文字幕av在线有码专区| 国产亚洲91精品色在线| 天堂影院成人在线观看| 少妇被粗大猛烈的视频| 久久久国产成人精品二区| 男人舔奶头视频| 午夜爱爱视频在线播放| 亚洲电影在线观看av| 一个人观看的视频www高清免费观看| 日韩成人伦理影院| 色哟哟·www| 国产aⅴ精品一区二区三区波| 欧美bdsm另类| 亚洲精品456在线播放app| 久久欧美精品欧美久久欧美| 1024手机看黄色片| 亚洲av二区三区四区| 69人妻影院| 亚洲,欧美,日韩| 听说在线观看完整版免费高清| 精品久久久久久久人妻蜜臀av| 免费高清视频大片| 色尼玛亚洲综合影院| 成人国产麻豆网| 精品午夜福利视频在线观看一区| 人人妻,人人澡人人爽秒播| 性插视频无遮挡在线免费观看| 看免费成人av毛片| 欧美一区二区亚洲| 看片在线看免费视频| 亚洲自偷自拍三级| 又爽又黄a免费视频| 久久精品国产亚洲av香蕉五月| 欧美成人免费av一区二区三区| 最好的美女福利视频网| 国产美女午夜福利| 一区二区三区高清视频在线| 日本欧美国产在线视频| 久久精品91蜜桃| 亚洲五月天丁香| 国产白丝娇喘喷水9色精品| 最近中文字幕高清免费大全6| 久久久久免费精品人妻一区二区| 有码 亚洲区| av在线老鸭窝| 免费电影在线观看免费观看| 天堂影院成人在线观看| 91麻豆精品激情在线观看国产| 又爽又黄a免费视频| 一进一出好大好爽视频| 国产在视频线在精品| avwww免费| 亚洲久久久久久中文字幕| 亚洲美女视频黄频| 欧洲精品卡2卡3卡4卡5卡区| 色噜噜av男人的天堂激情| 如何舔出高潮| 亚洲欧美日韩无卡精品| 亚洲精品456在线播放app| 亚洲国产精品sss在线观看| 干丝袜人妻中文字幕| 国产一区二区三区av在线 | 久久韩国三级中文字幕| 看免费成人av毛片| 亚洲aⅴ乱码一区二区在线播放| 两性午夜刺激爽爽歪歪视频在线观看| 欧美性感艳星| 伦精品一区二区三区| 日本爱情动作片www.在线观看 | 美女xxoo啪啪120秒动态图| 精品久久久久久久人妻蜜臀av| 亚洲精品粉嫩美女一区| 国产av麻豆久久久久久久| 成年女人永久免费观看视频| 麻豆一二三区av精品| 狂野欧美激情性xxxx在线观看| 久久亚洲国产成人精品v| 舔av片在线| 尾随美女入室| 校园人妻丝袜中文字幕| 搡老熟女国产l中国老女人| 免费大片18禁| 熟妇人妻久久中文字幕3abv| 在线观看美女被高潮喷水网站| 欧美绝顶高潮抽搐喷水| 欧美性猛交黑人性爽| 欧美高清成人免费视频www| 中国国产av一级| 91在线观看av| 99九九线精品视频在线观看视频| 国产 一区 欧美 日韩| 3wmmmm亚洲av在线观看| 亚洲美女搞黄在线观看 | 亚洲av电影不卡..在线观看| 热99在线观看视频| 国产又黄又爽又无遮挡在线| 国产成年人精品一区二区| 成人欧美大片| 国产精品爽爽va在线观看网站| 日日摸夜夜添夜夜添av毛片| 一个人免费在线观看电影| 久久鲁丝午夜福利片| 欧美激情在线99| 亚洲av二区三区四区| 97热精品久久久久久| 国产视频一区二区在线看| 国产欧美日韩一区二区精品| 国产三级中文精品| 免费在线观看成人毛片| 大型黄色视频在线免费观看| 中文字幕精品亚洲无线码一区| 无遮挡黄片免费观看| 别揉我奶头 嗯啊视频| 久久中文看片网| 亚洲av中文字字幕乱码综合| 少妇裸体淫交视频免费看高清| 欧美激情国产日韩精品一区| 91久久精品国产一区二区成人| 中文亚洲av片在线观看爽| 乱系列少妇在线播放| 亚洲成人精品中文字幕电影| 国产精品久久久久久久久免| 日韩制服骚丝袜av| 老师上课跳d突然被开到最大视频| 天堂√8在线中文| 少妇的逼水好多| 观看美女的网站| 白带黄色成豆腐渣| 日韩高清综合在线| 欧美一区二区精品小视频在线| 韩国av在线不卡| 美女免费视频网站| 尤物成人国产欧美一区二区三区|