• <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 ?

    融合共同評分?jǐn)?shù)量和質(zhì)量的協(xié)同過濾個性化推薦算法

    2022-08-05 02:41:10蔡依芳
    軟件工程 2022年8期
    關(guān)鍵詞:用戶質(zhì)量

    蔡依芳,艾 均,蘇 湛

    (上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院,上海 200093)

    worldchinacai@126.com;aijun@outlook.com;suzhan@foxmail.com

    1 引言(Introduction)

    近年來,信息技術(shù)與移動網(wǎng)絡(luò)的飛速發(fā)展使得互聯(lián)網(wǎng)每天都產(chǎn)生海量信息,在網(wǎng)絡(luò)上暢游的用戶在尋求滿足自身需求時必然面臨過多的選擇。大量相似的選擇和質(zhì)量未知的信息增加了用戶的困惑,讓選擇更加困難,這就導(dǎo)致用戶不僅沒能從海量數(shù)據(jù)中獲取便利,還要花費(fèi)大量的時間進(jìn)行目標(biāo)篩選,這種現(xiàn)象被稱為信息過載。

    推薦系統(tǒng)是解決信息過載問題的一個有效方案,它通過學(xué)習(xí)用戶歷史行為偏好主動預(yù)測用戶對未評分或反饋的物品潛在的反應(yīng),并將那些預(yù)測評分較高或偏好正面的物品,通過推薦列表等形式自動化、個性化地推薦給不同用戶,從而幫助他們更快速地找到需要或喜歡的物品。這種技術(shù)的成功應(yīng)用有效提升了用戶對系統(tǒng)的好感,也可以幫助商家尋找對某物品感興趣的潛在用戶群體,既解決了用戶的困擾,又為商家創(chuàng)造了價值。因此,推薦系統(tǒng)目前已被廣泛應(yīng)用于多個領(lǐng)域,例如電子商務(wù)平臺、在線流媒體網(wǎng)站、電影推薦網(wǎng)站、在線音樂網(wǎng)站或應(yīng)用、社交網(wǎng)絡(luò)平臺,等等。

    本文通過分析推薦算法過程中用戶共同評分物品的數(shù)量和質(zhì)量問題,設(shè)計(jì)用戶間的相似性度量方法和對應(yīng)的協(xié)同過濾個性化推薦算法,并通過在真實(shí)的電影評分?jǐn)?shù)據(jù)集上實(shí)驗(yàn)以驗(yàn)證算法的有效性。

    2 推薦算法分類(The classification of recommendation algorithms)

    2.1 算法分類

    個性化推薦算法通常分為三類:基于內(nèi)容的推薦算法、基于內(nèi)存和模型的協(xié)同過濾算法以及混合推薦算法。

    三種算法存在不同的使用限制。(1)基于內(nèi)容的推薦算法通過分析物品的內(nèi)容信息(新聞、圖書等)預(yù)測或形成推薦,但其非常依賴內(nèi)容信息的數(shù)據(jù)質(zhì)量,也非常容易給出那些顯而易見的推薦,但推薦的準(zhǔn)確性和多樣性受限。(2)協(xié)同過濾算法只要系統(tǒng)提供用戶對物品的評分信息集合就可以工作。其中,基于內(nèi)存的協(xié)同過濾利用相似用戶打分的習(xí)慣,使用近鄰算法篩選鄰居并預(yù)測未知評分;基于模型的協(xié)同過濾,例如貝葉斯分類器、模糊算法和矩陣分解模型,使用歷史評分?jǐn)?shù)據(jù)訓(xùn)練不同的模型用于推薦或預(yù)測。(3)混合推薦算法則融合不同類型的算法,試圖結(jié)合它們各自的優(yōu)點(diǎn)進(jìn)行推薦,但其計(jì)算復(fù)雜性更高,推薦結(jié)果可解釋性較差。

    2.2 經(jīng)典算法及其問題

    在各類算法中最知名的是協(xié)同過濾算法,它的出現(xiàn)標(biāo)志個性化推薦系統(tǒng)的誕生。作為當(dāng)今應(yīng)用最為廣泛的推薦算法,協(xié)同過濾算法較其他算法復(fù)雜度更低,可解釋強(qiáng),部署方便,可以有效緩解信息過載問題。

    所有協(xié)同過濾算法的目標(biāo)都是盡可能地減小預(yù)測誤差,提高推薦列表多樣性,增強(qiáng)推薦列表的排序質(zhì)量。但是,受到冷啟動和稀疏性這兩個推薦系統(tǒng)固有問題的影響,傳統(tǒng)的基于用戶或基于物品的協(xié)同過濾相似性計(jì)算方法(例如,Cosine相似性和Pearson相似性)總是因冷啟動問題使新用戶沒有鄰居參考,或因稀疏性問題導(dǎo)致評分?jǐn)?shù)據(jù)不足,選擇的鄰居不準(zhǔn)確,預(yù)測結(jié)果不理想。對于這些問題,許多研究人員提出了相應(yīng)的改進(jìn)方法,例如,NIKOLAOS等人將Pearson相似性值進(jìn)行分級處理以增加相似性高鄰居的權(quán)值;HE等人利用觀點(diǎn)傳播的理論,通過歸一化之后的評分來計(jì)算推薦系統(tǒng)用戶之間的相互影響,并以此為依據(jù)進(jìn)行預(yù)測;基于信息熵的協(xié)同過濾將熵的概念與傳統(tǒng)的相似性度量相結(jié)合以提高推薦系統(tǒng)的性能,等等。

    這些方法在一定程度上確實(shí)提高了預(yù)測的準(zhǔn)確性,但是,僅考慮用戶共同評分?jǐn)?shù)值差異是不全面的,也應(yīng)同時考慮利用用戶之間共同評分物品集合中物品的數(shù)量。因?yàn)榧幢銉蓚€用戶對相同物品評分差異較大,但只要這兩個用戶具有一個較大的共同評過分的物品集合,就可以推測這兩個用戶間的相似性較高。

    更進(jìn)一步來說,還應(yīng)該考慮這個共同評分物品集合的質(zhì)量,以區(qū)分共同評分物品集合大致相等時,集合中不同物品特征對用戶相似性的影響。如果用戶的共同評分集合中熱門物品較多,其相似性應(yīng)低于共同評分集合中以冷門物品為主的用戶,因?yàn)槟切┫矚g小眾物品的用戶之間顯然更具有偏好上的相似性。

    綜上所述,本文研究共同評分在總評分?jǐn)?shù)中占比的問題和用戶共同評分物品中熱門物品的影響度量問題。設(shè)計(jì)融合共同評分?jǐn)?shù)量和質(zhì)量的相似性度量,以及在此基礎(chǔ)上的個性化推薦算法,以實(shí)現(xiàn)提高推薦系統(tǒng)性能的目標(biāo)。

    3 算法設(shè)計(jì)(Algorithm design)

    3.1 基于共同評分?jǐn)?shù)值度量用戶相似性

    協(xié)同過濾推薦的核心假設(shè)是相似的用戶具有相似的偏好,在此基礎(chǔ)上,可以選擇相似性較高的鄰居,利用這些鄰居對目標(biāo)物品的評分來預(yù)測目標(biāo)用戶對該物品的評分。在這類算法中,計(jì)算用戶間的相似性是算法學(xué)習(xí)過程的核心步驟。兩個用戶相似性越大,該鄰居用戶在推薦的過程中的影響就越大。一般來說,計(jì)算用戶相似性的主要依據(jù)就是兩個用戶對同一集合中物品評分的差異。理論上,評分?jǐn)?shù)值差異越小,兩個用戶的偏好和品味就越相似;反之,數(shù)值差異越大,偏好差異也就越大。

    本文采用Pearson相關(guān)系數(shù)來度量兩個用戶間基于共同評分物品集合的評分?jǐn)?shù)值,以度量相似性的一部分權(quán)重。Pearson相關(guān)系數(shù)是統(tǒng)計(jì)學(xué)上求兩個變量關(guān)系的方法,可以用來度量兩個用戶對相同物品集合的評分差異。具體說來,Pearson相關(guān)系數(shù)對用戶評分的偏差進(jìn)行加權(quán)平均,結(jié)果作為用戶或物品的相似性,且其取值范圍為-1.0至1.0,計(jì)算公式如式(1)所示:

    3.2 融合共同評分集合數(shù)量和質(zhì)量的相似性度量

    共同評分集合元素?cái)?shù)量多的用戶間相似性應(yīng)該大于共同評分?jǐn)?shù)量少的用戶,但如果兩個用戶是共同評分物品集合中物品較為熱門的情況,則他們的相似性應(yīng)低于相似條件下物品集合中物品較為冷門的情況。本文采用杰卡德相似性來度量兩個用戶因共同評分物品集合元素?cái)?shù)量而決定的相似性權(quán)重。

    Jaccard系數(shù)公式如式(2)所示,它計(jì)算了用戶和用戶都評過分的物品個數(shù)與兩個用戶評過分的物品總個數(shù)之比。該值越大,說明這兩個用戶之間共同評過分的物品集合與兩人評過分物品的總數(shù)之間的比例越高,說明在不考慮評分?jǐn)?shù)值的情況下,這兩個用戶對物品的選擇是相似的。

    為了進(jìn)一步度量用戶共同評分物品集合中熱門物品的特征,即用戶共同評分集合的質(zhì)量,本文設(shè)計(jì)了如式(3)所示的(,)系數(shù)以降低含有熱門物品的共同評分集合的權(quán)重。其中,共同評分物品集合中每個物品被訓(xùn)練集中所有用戶選擇的次數(shù)記為物品度值d,給定共同評分物品集合中熱門物品特征,由該集合所有物品d的最大值表示?;谑?3),如果兩個用戶共同評分物品集合中存在一個非常流行,即度值很高的物品,則這兩個用戶之間的共同評分物品集合的質(zhì)量就相對較低,其權(quán)值在相似性計(jì)算過程中被降低。

    在此基礎(chǔ)上,融合共同評分集合數(shù)量和質(zhì)量的相似性由式(4)度量,稱該系數(shù)為共同評分?jǐn)?shù)量和質(zhì)量系數(shù)(Common Rating Quantity and Quality,CRQQ)。

    最終,本文設(shè)計(jì)的綜合考慮共同評分物品數(shù)值差異與集合數(shù)量和質(zhì)量的相似性計(jì)算公式如式(5)所示,即兩個用戶間評分差異小,并且共同評分物品集合數(shù)量和質(zhì)量均較高時,兩個用戶最相似。如共同評分物品數(shù)量、共同評分物品質(zhì)量或共同評分?jǐn)?shù)值差異三者當(dāng)中只有一項(xiàng)到兩項(xiàng)較高時,其權(quán)重被降低,以便更加準(zhǔn)確地度量不同用戶間的特征差異。

    3.3 未知評分預(yù)測方法

    基于相似性計(jì)算結(jié)果,以及按照相似性從高到低選擇的個鄰居,本文使用式(6)把鄰居用戶對預(yù)測目標(biāo)物品的評分和該鄰居平均評分的差值做加權(quán)計(jì)算,基于該鄰居和目標(biāo)用戶相似性,來實(shí)現(xiàn)預(yù)測用戶對未知物品的評分。

    4 實(shí)驗(yàn)設(shè)計(jì)(Experimental design)

    4.1 數(shù)據(jù)集與基準(zhǔn)算法

    本文使用MovieLens數(shù)據(jù)集進(jìn)行對比實(shí)驗(yàn),該數(shù)據(jù)集有610 個用戶對9,742 部電影的100,836 條評分信息。為了保證實(shí)驗(yàn)的有效性,實(shí)驗(yàn)采用折十交叉驗(yàn)證進(jìn)行,即數(shù)據(jù)集被分成10 份,每次實(shí)驗(yàn)取其中一份作為測試集,另外9 份作為訓(xùn)練集,共進(jìn)行10 次實(shí)驗(yàn),最終取10 次結(jié)果的平均值作為最終實(shí)驗(yàn)結(jié)果進(jìn)行比較。

    為了驗(yàn)證本文設(shè)計(jì)的CRQQ算法,用來對比的基準(zhǔn)算法有三個,分別是:多層級協(xié)同過濾(Multi-Level Collaborative Filtering,MLCF)、用戶觀點(diǎn)傳播算法(User Opinion Spreading,UOS)以及使用了信息熵的Pearson算法(Pearson Entropy)。

    4.2 評價指標(biāo)

    本文使用平均絕對誤差(Mean Absolute Error,MAE)、均方根誤差(Root Mean Squared Error,RMSE)衡量算法對未知評分的預(yù)測誤差,使用半衰期(Half Life Utility,HLU)度量推薦列表排序質(zhì)量,采用Accuracy和F1比較各個算法對用戶偏好分類的預(yù)測準(zhǔn)確率。

    MAE和RMSE公式如式(7)和式(8)所示,其計(jì)算由算法預(yù)測值和真實(shí)值的差值加權(quán)構(gòu)成,因此兩個誤差度量參數(shù)均為越低越好。

    HLU代表算法的排序能力,算法將用戶喜歡的物品排在前面的能力越好,HLU值越大,其計(jì)算方法如式(9)所示:

    Accuracy和F1指標(biāo)是推薦系統(tǒng)分類預(yù)測指標(biāo),這兩個指標(biāo)的計(jì)算公式如式(10)—式(13)所示:

    其中,在一次預(yù)測中,代表算法推薦了用戶喜歡的物品的總體數(shù)量,代表算法推薦了用戶不喜歡的物品的總體數(shù)量,代表系統(tǒng)未推薦用戶喜歡的物品的總體數(shù)量,代表系統(tǒng)未推薦用戶不喜歡的物品的總體數(shù)量。這幾個參數(shù)的數(shù)值越高,算法對用戶偏好分類(喜歡或不喜歡)的預(yù)測就越準(zhǔn)確。

    5 實(shí)驗(yàn)結(jié)果與分析(Experimental results and analysis)

    圖1展示了四種算法隨鄰居數(shù)變化的MAE誤差結(jié)果。鄰居數(shù)為1時,CRQQ算法比Pearson Entropy算法誤差低6.68%。隨著鄰居數(shù)的增加,所有算法誤差都隨之降低,但是CRQQ算法總是能在最少的鄰居數(shù)下最先達(dá)到最小誤差值,其次是UOS、Pearson Entropy、MLCF,最終CRQQ算法將準(zhǔn)確率提高了0.57%—6.68%。結(jié)果表明,本文設(shè)計(jì)的算法能夠更快速地選取最合適的鄰居,從而得到最精準(zhǔn)的預(yù)測結(jié)果。

    圖1 幾種算法的MAE結(jié)果對比Fig.1 Comparison of MAE results of different algorithms

    圖2展示了四種算法的RMSE誤差對比。RMSE對大誤差加大了懲罰,此時,CRQQ算法的誤差依舊是所有算法中最低的,這代表CRQQ算法預(yù)測結(jié)果很少出現(xiàn)大誤差,結(jié)果最準(zhǔn)確。隨著鄰居數(shù)增加,CRQQ算法誤差結(jié)果迅速下降,優(yōu)勢更加明顯,分別比Pearson Entropy誤差降低了0.48%—8.41%,比UOS誤差降低了1.40%—3.24%,比MLCF誤差降低了0.92%—3.23%。由此可知,CRQQ算法無論是大誤差還是小誤差都比其他算法少,進(jìn)一步說明本文在預(yù)測準(zhǔn)確性上的改善能力。

    圖2 不同算法的RMSE結(jié)果對比Fig.2 Comparison of RMSE results of different algorithms

    圖3是四種算法的HLU排序能力指標(biāo),值越大說明算法排序能力越好??傮w來說,所有算法的HLU得分前期增長明顯,后期略微下降。但不變的是,CRQQ得分一直是第一,它在鄰居數(shù)為26時取值最大為1.02。相同鄰居數(shù)下,UOS值為0.99,Pearson Entropy和MLCF算法為0.96,差別不大,但MLCF后期得分比Pearson Entropy算法更加平穩(wěn)。CRQQ算法在排序能力上比其他算法提高了0.63%—10.21%,這說明共同評分?jǐn)?shù)量和質(zhì)量在推薦算法排序能力上的優(yōu)勢也比其他算法大。

    圖3 不同算法的HLU結(jié)果對比Fig.3 Comparison of HLU results of different algorithms

    圖4是算法的Accuracy得分對比。Accuracy代表算法預(yù)測用戶喜歡與否正確的概率,可以判斷系統(tǒng)分類是否有效。CRQQ算法得分穩(wěn)定在0.704上下,排名第一;Pearson Entropy得分在0.703上下,排名第二;第三、第四分別是MLCF(0.700)和UOS(0.699)。CRQQ比其他算法高了0.14%—0.71%,代表本文算法在對用戶喜歡和不喜歡某物品的分類上準(zhǔn)確度最高。

    圖4 不同算法的Accuracy結(jié)果對比Fig.4 Comparison of Accuracy results of different algorithms

    F1代表Precision和Recall的綜合得分,得分越高,說明模型或算法的效果越理想。從圖5中可以看到,CRQQ算法從鄰居數(shù)為1時就具有領(lǐng)先的優(yōu)勢,UOS第二,Pearson Entropy第三,MLCF最差。在鄰居數(shù)為0至50之間,CRQQ算法總是能夠取得最高的F1得分。此時,CRQQ算法比其他算法高出了0.24%—1.05%。由此可見,使用共同評分?jǐn)?shù)量和質(zhì)量校正的算法分類精度效果更好。

    圖5 不同算法的F1結(jié)果對比Fig.5 Comparison of F1 results of different algorithms

    以上分析了四種算法的整體表現(xiàn),表1則記錄了在相同鄰居數(shù)下,CRQQ算法與其他算法在各指標(biāo)的對比中提升的最高百分比。

    表1 最高提升百分比Tab.1 Best improvement percentage

    由表1可知,本文算法在五種指標(biāo)上分別高出MLCF算法0.63%—5.98%,高出UOS算法0.70%—3.24%,高出Pearson Entropy算法4.44%—10.21%。

    總體而言,本文設(shè)計(jì)的算法CRQQ綜合表現(xiàn)領(lǐng)先,Pearson Entropy算法次之,UOS算法第三,多層級協(xié)同過濾算法MLCF第四。但當(dāng)考慮算法在相同的、且較少鄰居數(shù)下的對比效果時,Pearson Entropy算法表現(xiàn)較差,因其達(dá)到最優(yōu)預(yù)測效果,在相同條件下需要更多的鄰居。值得注意的是,CRQQ算法不但各個指標(biāo)領(lǐng)先,且需要的鄰居數(shù)量也最少,體現(xiàn)出一定的性能優(yōu)越性。

    6 結(jié)論(Conclusion)

    為提高協(xié)同過濾個性化推薦算法的預(yù)測準(zhǔn)確性,提升推薦列表排序質(zhì)量,增強(qiáng)算法對偏好分類的準(zhǔn)確性,本文研究了兩個用戶間共同評分物品集合的數(shù)量和質(zhì)量對用戶相似性度量的影響,設(shè)計(jì)了融合共同評分?jǐn)?shù)量和質(zhì)量的相似性度量方法和對應(yīng)的協(xié)同過濾個性化推薦算法。并在MovieLens電影評分?jǐn)?shù)據(jù)集上與領(lǐng)域內(nèi)幾個典型協(xié)同過濾算法對比,研究發(fā)現(xiàn)本文設(shè)計(jì)的融合用戶共同評分?jǐn)?shù)量和質(zhì)量的協(xié)同過濾個性化推薦算法可以將預(yù)測誤差降低8.41%,將推薦列表排序性能提高10.21%,將偏好分類預(yù)測準(zhǔn)確率提高2.55%。實(shí)驗(yàn)證明,改良后的算法無論是預(yù)測準(zhǔn)確性還是分類或排序能力都有較大的提升,充分說明共同評分物品對推薦算法評分預(yù)測的影響。在未來的工作中,可以繼續(xù)挖掘用戶公共評分的其他影響,進(jìn)一步提高算法性能。

    猜你喜歡
    用戶質(zhì)量
    “質(zhì)量”知識鞏固
    質(zhì)量守恒定律考什么
    做夢導(dǎo)致睡眠質(zhì)量差嗎
    關(guān)于質(zhì)量的快速Q(mào)&A
    關(guān)注用戶
    商用汽車(2016年11期)2016-12-19 01:20:16
    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
    質(zhì)量投訴超六成
    汽車觀察(2016年3期)2016-02-28 13:16:26
    Camera360:拍出5億用戶
    100萬用戶
    丰满人妻一区二区三区视频av| 一本色道久久久久久精品综合| 国产黄色免费在线视频| 草草在线视频免费看| 3wmmmm亚洲av在线观看| 免费久久久久久久精品成人欧美视频 | 如日韩欧美国产精品一区二区三区 | 色5月婷婷丁香| 免费av不卡在线播放| 男的添女的下面高潮视频| 一区二区三区精品91| 中国三级夫妇交换| 久久人人爽av亚洲精品天堂| 夜夜骑夜夜射夜夜干| 啦啦啦啦在线视频资源| 中文在线观看免费www的网站| 国产色爽女视频免费观看| 亚洲在久久综合| 少妇高潮的动态图| 欧美xxⅹ黑人| 99热国产这里只有精品6| 久久精品国产自在天天线| 精品久久久久久久久av| 啦啦啦中文免费视频观看日本| 一本一本综合久久| 国产精品久久久久久久久免| 亚洲丝袜综合中文字幕| 黄色日韩在线| 日日啪夜夜撸| 亚洲一级一片aⅴ在线观看| 校园人妻丝袜中文字幕| 大香蕉97超碰在线| 香蕉精品网在线| 亚洲丝袜综合中文字幕| 国产av精品麻豆| 亚洲美女黄色视频免费看| 亚洲自偷自拍三级| 黄色毛片三级朝国网站 | 亚洲精品自拍成人| 视频区图区小说| 国产精品一区二区在线不卡| 国产精品久久久久成人av| 嘟嘟电影网在线观看| 亚洲丝袜综合中文字幕| 99精国产麻豆久久婷婷| 国内少妇人妻偷人精品xxx网站| 最新中文字幕久久久久| 男女边吃奶边做爰视频| 王馨瑶露胸无遮挡在线观看| 在线免费观看不下载黄p国产| 丁香六月天网| 岛国毛片在线播放| 日韩av不卡免费在线播放| 亚洲av.av天堂| 欧美少妇被猛烈插入视频| 一本大道久久a久久精品| 亚洲精品中文字幕在线视频 | av播播在线观看一区| av又黄又爽大尺度在线免费看| 91精品国产国语对白视频| 亚洲精品成人av观看孕妇| 观看免费一级毛片| 亚洲中文av在线| 制服丝袜香蕉在线| 亚洲伊人久久精品综合| 视频中文字幕在线观看| 国产 精品1| 97在线人人人人妻| 国产伦在线观看视频一区| 成人亚洲精品一区在线观看| 日日啪夜夜撸| 亚洲欧洲国产日韩| 99久久中文字幕三级久久日本| 亚洲欧洲精品一区二区精品久久久 | 高清视频免费观看一区二区| 美女大奶头黄色视频| 精品国产一区二区久久| 精品一区在线观看国产| 欧美 亚洲 国产 日韩一| 超碰97精品在线观看| 一级毛片aaaaaa免费看小| 精品人妻熟女毛片av久久网站| 欧美精品一区二区大全| 亚洲精品乱久久久久久| 少妇猛男粗大的猛烈进出视频| 日本黄色片子视频| 大又大粗又爽又黄少妇毛片口| 久久国产精品大桥未久av | 特大巨黑吊av在线直播| 人人妻人人看人人澡| 久久人妻熟女aⅴ| av福利片在线| 久久久久人妻精品一区果冻| 亚洲国产色片| 久久久久久久久久久丰满| 人妻一区二区av| 日本-黄色视频高清免费观看| 日韩精品有码人妻一区| 久久人人爽av亚洲精品天堂| 久久精品国产亚洲网站| 黄色欧美视频在线观看| 你懂的网址亚洲精品在线观看| 国内少妇人妻偷人精品xxx网站| 免费不卡的大黄色大毛片视频在线观看| 高清av免费在线| 一本久久精品| 涩涩av久久男人的天堂| 少妇高潮的动态图| av播播在线观看一区| 中国国产av一级| 亚洲精品第二区| 美女中出高潮动态图| 国产黄片美女视频| av福利片在线| 日日爽夜夜爽网站| 男人狂女人下面高潮的视频| 久久亚洲国产成人精品v| 午夜日本视频在线| 多毛熟女@视频| 日韩 亚洲 欧美在线| av在线老鸭窝| 国产熟女欧美一区二区| 少妇人妻久久综合中文| 国产成人免费无遮挡视频| 亚洲精品456在线播放app| 国产伦理片在线播放av一区| 国内少妇人妻偷人精品xxx网站| 国产国拍精品亚洲av在线观看| 能在线免费看毛片的网站| 18禁动态无遮挡网站| 看免费成人av毛片| 免费观看a级毛片全部| 青青草视频在线视频观看| 麻豆乱淫一区二区| 亚洲人成网站在线观看播放| 这个男人来自地球电影免费观看 | 久久国产乱子免费精品| av天堂久久9| 国产精品国产三级国产专区5o| 国产在线男女| 熟女电影av网| 亚洲国产精品专区欧美| 王馨瑶露胸无遮挡在线观看| 日日啪夜夜爽| 欧美最新免费一区二区三区| 亚洲av男天堂| 一二三四中文在线观看免费高清| 亚洲欧美一区二区三区国产| 免费看不卡的av| 在线观看av片永久免费下载| 日韩中文字幕视频在线看片| 国产淫片久久久久久久久| 亚洲丝袜综合中文字幕| 亚洲激情五月婷婷啪啪| 噜噜噜噜噜久久久久久91| 国产亚洲一区二区精品| 久久av网站| 欧美日韩在线观看h| 美女xxoo啪啪120秒动态图| 99热这里只有是精品在线观看| 国产精品99久久久久久久久| 少妇被粗大猛烈的视频| 在线观看免费高清a一片| 亚洲成人一二三区av| 日韩成人伦理影院| 如日韩欧美国产精品一区二区三区 | 边亲边吃奶的免费视频| 一级毛片电影观看| 午夜福利影视在线免费观看| 在线观看人妻少妇| 亚洲电影在线观看av| 亚洲精品色激情综合| 亚洲国产最新在线播放| 免费黄频网站在线观看国产| 国产免费福利视频在线观看| 大码成人一级视频| 男人爽女人下面视频在线观看| 十八禁高潮呻吟视频 | 国产成人a∨麻豆精品| 亚洲精品国产av蜜桃| 在线精品无人区一区二区三| av在线观看视频网站免费| 亚洲精品国产成人久久av| 建设人人有责人人尽责人人享有的| 亚洲无线观看免费| 在线观看国产h片| 少妇猛男粗大的猛烈进出视频| 少妇熟女欧美另类| 久热久热在线精品观看| 亚洲人成网站在线观看播放| 黄片无遮挡物在线观看| 久久99热这里只频精品6学生| 欧美 日韩 精品 国产| 国产黄片美女视频| 只有这里有精品99| 久久影院123| 亚洲精品中文字幕在线视频 | 国产免费福利视频在线观看| 国产黄频视频在线观看| 免费久久久久久久精品成人欧美视频 | 成年人午夜在线观看视频| 99久久人妻综合| 欧美精品高潮呻吟av久久| 黄色日韩在线| 免费播放大片免费观看视频在线观看| 国产黄片视频在线免费观看| a级毛色黄片| 国产爽快片一区二区三区| 99视频精品全部免费 在线| 97在线视频观看| 国产欧美日韩一区二区三区在线 | 久久人人爽人人爽人人片va| 久久精品国产亚洲网站| 精品熟女少妇av免费看| 久久6这里有精品| 欧美97在线视频| 婷婷色综合大香蕉| 最近手机中文字幕大全| 国产一区二区三区综合在线观看 | 国内揄拍国产精品人妻在线| 秋霞在线观看毛片| 午夜福利在线观看免费完整高清在| 成人18禁高潮啪啪吃奶动态图 | 赤兔流量卡办理| 草草在线视频免费看| 亚洲精品日本国产第一区| 久久毛片免费看一区二区三区| 少妇人妻 视频| a 毛片基地| 高清视频免费观看一区二区| 菩萨蛮人人尽说江南好唐韦庄| 少妇人妻精品综合一区二区| 久久女婷五月综合色啪小说| 少妇裸体淫交视频免费看高清| 久久久a久久爽久久v久久| 免费高清在线观看视频在线观看| 亚洲欧美清纯卡通| 黄色一级大片看看| 成人18禁高潮啪啪吃奶动态图 | 欧美老熟妇乱子伦牲交| 五月玫瑰六月丁香| 国产深夜福利视频在线观看| 如日韩欧美国产精品一区二区三区 | 国产国拍精品亚洲av在线观看| 99热这里只有是精品在线观看| 你懂的网址亚洲精品在线观看| 久久人人爽av亚洲精品天堂| 国产在线男女| 亚洲精品色激情综合| 久热久热在线精品观看| 汤姆久久久久久久影院中文字幕| 老司机亚洲免费影院| 人人妻人人爽人人添夜夜欢视频 | 欧美成人午夜免费资源| 日韩欧美 国产精品| 天美传媒精品一区二区| 国产精品不卡视频一区二区| 中文精品一卡2卡3卡4更新| 香蕉精品网在线| 亚洲精品aⅴ在线观看| 美女福利国产在线| 久久精品国产亚洲av涩爱| 久久久国产一区二区| 九九爱精品视频在线观看| 亚洲精品亚洲一区二区| 春色校园在线视频观看| 国产在线视频一区二区| 久久久久人妻精品一区果冻| 秋霞伦理黄片| 菩萨蛮人人尽说江南好唐韦庄| 国产精品一二三区在线看| 国产熟女欧美一区二区| a级毛片免费高清观看在线播放| 九九爱精品视频在线观看| 日产精品乱码卡一卡2卡三| 亚洲va在线va天堂va国产| 久久精品国产亚洲av涩爱| 有码 亚洲区| 亚洲精品一区蜜桃| 国产熟女午夜一区二区三区 | 一级爰片在线观看| 日韩不卡一区二区三区视频在线| 如何舔出高潮| 街头女战士在线观看网站| 国产精品久久久久久精品电影小说| www.av在线官网国产| 日韩强制内射视频| 两个人免费观看高清视频 | 精品一品国产午夜福利视频| 爱豆传媒免费全集在线观看| 亚洲精品乱码久久久v下载方式| 亚洲精品视频女| 国产在视频线精品| 日韩,欧美,国产一区二区三区| 国产亚洲午夜精品一区二区久久| 狠狠精品人妻久久久久久综合| 午夜福利网站1000一区二区三区| 一区二区三区免费毛片| 五月开心婷婷网| 狂野欧美激情性xxxx在线观看| 国产一区有黄有色的免费视频| 精品久久久久久久久亚洲| 熟女人妻精品中文字幕| 中文字幕人妻丝袜制服| 国模一区二区三区四区视频| 亚洲经典国产精华液单| 91精品国产国语对白视频| 国产毛片在线视频| 亚洲情色 制服丝袜| 中文字幕久久专区| 777米奇影视久久| 伊人久久国产一区二区| 日韩制服骚丝袜av| 国产精品久久久久久精品古装| 亚洲激情五月婷婷啪啪| 国产黄色视频一区二区在线观看| 天天操日日干夜夜撸| 欧美日韩国产mv在线观看视频| 日韩,欧美,国产一区二区三区| 青春草亚洲视频在线观看| 亚洲第一av免费看| 亚洲国产欧美在线一区| 精品久久久噜噜| 99热国产这里只有精品6| 少妇熟女欧美另类| 成年美女黄网站色视频大全免费 | 亚洲欧美清纯卡通| 高清午夜精品一区二区三区| 免费黄频网站在线观看国产| 国产精品国产三级国产av玫瑰| 国产欧美日韩一区二区三区在线 | 亚洲色图综合在线观看| 99久久精品一区二区三区| 日韩中文字幕视频在线看片| 午夜影院在线不卡| 99久久精品热视频| 久久精品国产a三级三级三级| 看非洲黑人一级黄片| 少妇 在线观看| 中文天堂在线官网| 下体分泌物呈黄色| 欧美精品一区二区大全| 黄色视频在线播放观看不卡| 成人毛片60女人毛片免费| 性色avwww在线观看| 国产黄片美女视频| videossex国产| 三级经典国产精品| videossex国产| 亚洲成色77777| 少妇裸体淫交视频免费看高清| 日韩在线高清观看一区二区三区| 99九九线精品视频在线观看视频| 国产又色又爽无遮挡免| 国产亚洲最大av| 在线观看免费视频网站a站| 各种免费的搞黄视频| 国产日韩欧美亚洲二区| 一级毛片 在线播放| 香蕉精品网在线| 欧美日韩在线观看h| 性色av一级| 婷婷色麻豆天堂久久| 狂野欧美白嫩少妇大欣赏| 欧美精品一区二区大全| 51国产日韩欧美| av网站免费在线观看视频| 国产老妇伦熟女老妇高清| 在线天堂最新版资源| 王馨瑶露胸无遮挡在线观看| 美女脱内裤让男人舔精品视频| 精品卡一卡二卡四卡免费| 黄色日韩在线| 日韩免费高清中文字幕av| 久久久久久久久久人人人人人人| 一区二区三区免费毛片| 肉色欧美久久久久久久蜜桃| 日本欧美国产在线视频| 人妻夜夜爽99麻豆av| 在线 av 中文字幕| 高清黄色对白视频在线免费看 | 日日啪夜夜撸| 2021少妇久久久久久久久久久| 国产在线视频一区二区| 国产免费视频播放在线视频| 色94色欧美一区二区| 免费观看无遮挡的男女| av福利片在线观看| 国产精品女同一区二区软件| 久久久久久久亚洲中文字幕| 国产一区亚洲一区在线观看| 精品亚洲成国产av| 欧美日韩精品成人综合77777| 久久人人爽人人片av| 国产黄色免费在线视频| 免费看av在线观看网站| 欧美bdsm另类| 国产日韩欧美亚洲二区| 国产男人的电影天堂91| 久久精品熟女亚洲av麻豆精品| av又黄又爽大尺度在线免费看| 国产日韩欧美在线精品| 男女边吃奶边做爰视频| 午夜视频国产福利| 我要看日韩黄色一级片| 国产一区二区三区综合在线观看 | 我要看日韩黄色一级片| 精品少妇黑人巨大在线播放| 校园人妻丝袜中文字幕| 国产在线视频一区二区| 嫩草影院入口| 亚洲av二区三区四区| 18禁在线无遮挡免费观看视频| 国产高清不卡午夜福利| 老司机影院成人| 美女大奶头黄色视频| 少妇人妻精品综合一区二区| 日本av免费视频播放| 晚上一个人看的免费电影| 免费播放大片免费观看视频在线观看| 中文在线观看免费www的网站| 免费不卡的大黄色大毛片视频在线观看| 国产一区有黄有色的免费视频| 中文精品一卡2卡3卡4更新| 精品一品国产午夜福利视频| 青春草亚洲视频在线观看| 99re6热这里在线精品视频| 日本av手机在线免费观看| 欧美日本中文国产一区发布| 卡戴珊不雅视频在线播放| 看十八女毛片水多多多| 午夜老司机福利剧场| 免费观看av网站的网址| 五月天丁香电影| a级毛片在线看网站| 青春草国产在线视频| 亚洲一区二区三区欧美精品| 久久99一区二区三区| 国语对白做爰xxxⅹ性视频网站| 国产免费福利视频在线观看| 免费在线观看成人毛片| 五月伊人婷婷丁香| 高清毛片免费看| 97超视频在线观看视频| 国产精品国产av在线观看| 丰满迷人的少妇在线观看| 人妻制服诱惑在线中文字幕| 高清不卡的av网站| 夜夜看夜夜爽夜夜摸| 精品一区二区三区视频在线| 国产精品成人在线| 老熟女久久久| 亚洲内射少妇av| 色5月婷婷丁香| 少妇猛男粗大的猛烈进出视频| 国产有黄有色有爽视频| 最近的中文字幕免费完整| 国产午夜精品久久久久久一区二区三区| 欧美 日韩 精品 国产| 亚洲精品,欧美精品| 午夜精品国产一区二区电影| 黑人高潮一二区| 午夜免费观看性视频| 18禁在线播放成人免费| 免费av不卡在线播放| 亚洲av免费高清在线观看| 欧美精品人与动牲交sv欧美| 在线观看www视频免费| 亚洲av成人精品一二三区| 欧美 日韩 精品 国产| 日日撸夜夜添| 另类亚洲欧美激情| 卡戴珊不雅视频在线播放| 日本-黄色视频高清免费观看| 国产精品久久久久久精品电影小说| 亚洲真实伦在线观看| 建设人人有责人人尽责人人享有的| 欧美bdsm另类| 精品一区二区三卡| 人人妻人人添人人爽欧美一区卜| 波野结衣二区三区在线| 丝袜脚勾引网站| 黄片无遮挡物在线观看| 新久久久久国产一级毛片| 国产精品免费大片| 99国产精品免费福利视频| 王馨瑶露胸无遮挡在线观看| 天天躁夜夜躁狠狠久久av| 另类精品久久| 久久久久久久久大av| 人妻 亚洲 视频| 少妇裸体淫交视频免费看高清| 成人亚洲欧美一区二区av| 精品人妻熟女av久视频| 26uuu在线亚洲综合色| 又爽又黄a免费视频| 97在线视频观看| 岛国毛片在线播放| 大香蕉97超碰在线| 男人舔奶头视频| 99热这里只有精品一区| 777米奇影视久久| 中文在线观看免费www的网站| 有码 亚洲区| 国产探花极品一区二区| 午夜91福利影院| 男女啪啪激烈高潮av片| 九九爱精品视频在线观看| 2018国产大陆天天弄谢| 99re6热这里在线精品视频| 国语对白做爰xxxⅹ性视频网站| 亚洲第一区二区三区不卡| 日韩 亚洲 欧美在线| 精品国产乱码久久久久久小说| 极品少妇高潮喷水抽搐| 黑人猛操日本美女一级片| 大香蕉久久网| 男人爽女人下面视频在线观看| 中文欧美无线码| 久久久国产欧美日韩av| 亚洲av电影在线观看一区二区三区| 五月开心婷婷网| 下体分泌物呈黄色| 日韩伦理黄色片| 国产日韩欧美在线精品| 免费大片18禁| 亚洲第一区二区三区不卡| 欧美丝袜亚洲另类| 各种免费的搞黄视频| 色5月婷婷丁香| 日韩免费高清中文字幕av| 久久99精品国语久久久| av黄色大香蕉| 美女xxoo啪啪120秒动态图| 精品国产露脸久久av麻豆| 日韩一区二区三区影片| 桃花免费在线播放| 赤兔流量卡办理| 亚洲婷婷狠狠爱综合网| 婷婷色麻豆天堂久久| 高清在线视频一区二区三区| 在线观看国产h片| 插逼视频在线观看| 啦啦啦啦在线视频资源| 我的女老师完整版在线观看| 在线播放无遮挡| 一区二区三区乱码不卡18| freevideosex欧美| 乱码一卡2卡4卡精品| 久久影院123| 全区人妻精品视频| 三级国产精品片| 日日撸夜夜添| 高清视频免费观看一区二区| 日本欧美国产在线视频| 69精品国产乱码久久久| 久久国产精品男人的天堂亚洲 | 国产亚洲91精品色在线| 黄色一级大片看看| 亚洲人与动物交配视频| 亚洲综合色惰| 国产在线男女| 最后的刺客免费高清国语| 亚洲精品视频女| 亚洲国产精品国产精品| 成人影院久久| av.在线天堂| 香蕉精品网在线| 国产男女内射视频| 成人亚洲精品一区在线观看| 欧美日韩av久久| 五月伊人婷婷丁香| 久久久精品免费免费高清| 91精品伊人久久大香线蕉| 日韩av在线免费看完整版不卡| 乱人伦中国视频| 少妇的逼好多水| 亚洲欧美成人精品一区二区| 好男人视频免费观看在线| 亚洲精品久久久久久婷婷小说| 熟妇人妻不卡中文字幕| 夫妻午夜视频| 国产白丝娇喘喷水9色精品| 亚洲精品乱久久久久久| 久久久久精品性色| 视频区图区小说| 人人妻人人看人人澡| 亚洲综合精品二区| 欧美日韩在线观看h| 精品视频人人做人人爽| 亚洲精品日韩av片在线观看| 久久久国产欧美日韩av| 国产精品一区二区在线不卡| 女人久久www免费人成看片| 久久国内精品自在自线图片| 一区二区三区精品91| 日日啪夜夜爽| 一级片'在线观看视频| 女人久久www免费人成看片| 国产日韩欧美视频二区| 97超视频在线观看视频| 国产欧美亚洲国产| 亚洲精品日本国产第一区| 国产精品秋霞免费鲁丝片| 新久久久久国产一级毛片| 黑人高潮一二区| 黄色配什么色好看| 最近2019中文字幕mv第一页| 国产熟女午夜一区二区三区 | 免费看不卡的av| 国产精品久久久久成人av| 久久久久久久久久久久大奶| 亚洲国产精品国产精品| 91久久精品国产一区二区三区| 日韩,欧美,国产一区二区三区|