• <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 ?

    用戶評分偏好相似性的近鄰?fù)扑]算法研究

    2022-09-22 05:59:48趙興源胡家祺馬天啟蘇瑞卿
    軟件導(dǎo)刊 2022年9期
    關(guān)鍵詞:相似性物品協(xié)同

    艾 均,趙興源,蘇 湛,胡家祺,馬天啟,蘇瑞卿

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

    0 引言

    隨著互聯(lián)網(wǎng)的快速發(fā)展,網(wǎng)絡(luò)提供了大量信息和內(nèi)容[1-2],用戶可通過互聯(lián)網(wǎng)獲取到非常多的書籍[3]、電影[4-6]等資源。在可獲取的資源數(shù)量愈發(fā)龐大的同時,用戶獲取特定、感興趣目標(biāo)內(nèi)容的難度也在不斷增大[1-2,7-8]。以在線購物網(wǎng)站為例,當(dāng)今用戶幾乎可通過網(wǎng)絡(luò)購買到任何商品,但當(dāng)用戶打開購物網(wǎng)站時,琳瑯滿目的商品會使用戶難以作出決定[1,9]。用戶可能會需要進(jìn)行多次搜索、篩選、比較才能找到心儀的商品。

    推薦系統(tǒng)的出現(xiàn)有效緩解了用戶難以作出抉擇這一問題[1,10],其可通過分析用戶行為,“猜”出用戶對物品的偏好,以及用戶是否會對某個物品產(chǎn)生興趣[11]。個性化推薦通過預(yù)測用戶的潛在偏好,向用戶推薦其可能感興趣的物品,一方面可方便用戶選擇、節(jié)省時間,另一方面也節(jié)省了商家的宣傳和推廣成本。

    推薦算法能夠解決“預(yù)測”和“推薦”兩方面的問題[12]。“預(yù)測”的過程就是判斷用戶是否會喜歡一個物品,以及喜歡或不喜歡的程度是多少。舉例來說,用戶看過電影后會對其打分,分值即代表了用戶對這部電影的喜愛程度。通過推薦算法,在用戶尚未評分前即計算出用戶可能會給出的分值,該過程就是預(yù)測。而“推薦”則是根據(jù)算法計算出的預(yù)估評分值,由推薦系統(tǒng)向用戶推送其可能會感興趣物品的有序列表。物品的排序越靠前,說明用戶更可能喜歡該物品。

    在推薦系統(tǒng)中,用戶對物品的評分可以體現(xiàn)其對該物品的情感信息。情緒中包含了更多情感信息,尤其是在進(jìn)行一些諸如電影等文學(xué)藝術(shù)領(lǐng)域的評分預(yù)測和推薦時,對用戶情感進(jìn)行分析要比簡單的評分計算更加可靠[13]。而用戶對一個物品情緒的表達(dá),可通過其對該物品的評分來體現(xiàn)[14]。

    盡管利用鄰居進(jìn)行相似性計算的協(xié)同過濾算法在行業(yè)中獲得了巨大成功,但由于傳統(tǒng)模型沒有考慮用戶情感對預(yù)測結(jié)果的影響,因此傳統(tǒng)方法存在著準(zhǔn)確性不高、可擴(kuò)展性不強(qiáng)等局限[15-16]。當(dāng)用戶對物品打分時,分值不僅反映了該用戶的評分習(xí)慣,而且也體現(xiàn)了該用戶對此物品的情感偏好。因此,本文通過對用戶情緒極性的度量,為目標(biāo)用戶計算相似性和鄰居選擇,有效避免了用戶評分差異對實驗結(jié)果的影響。相較于其他算法,本文方法具有預(yù)測結(jié)果誤差更小、時間復(fù)雜度更低等優(yōu)點,同時該方法的可擴(kuò)展性強(qiáng),相比其他算法性能明顯提升。

    1 推薦算法研究與分類

    推薦系統(tǒng)可被用于進(jìn)行預(yù)測或推薦,傳統(tǒng)的推薦算法主要包括基于內(nèi)容的推薦算法、基于協(xié)同過濾的推薦算法和混合推薦算法3 類[12]。其中,協(xié)同過濾算法是目前推薦系統(tǒng)中一種被廣泛應(yīng)用,也是最成功的推薦算法[8,12,17-21]。

    1.1 推薦算法相關(guān)研究

    在推薦系統(tǒng)中,有很多種相似性計算方法可基于兩個用戶的共同評分來衡量其之間的相似程度[12],如Pearson相似性[22-23]、Bhattacharyya 相似性[24]等。除采用基于評分的協(xié)同過濾算法外,許多學(xué)者設(shè)計了基于模型的推薦算法。如Lemire 等[25]提出了基于距離模型的推薦算法,Javari 等[26]提出了基于資源分配模型的推薦算法,Su 等[27]提出了一種基于向量相似性的計算方法。

    通過研究發(fā)現(xiàn),這些算法在計算相似性時沒有考慮用戶的情感偏好,因此預(yù)測結(jié)果的準(zhǔn)確性不高。而通常用戶在對物品打分時體現(xiàn)了其對該物品的情感信息,因此在本文的研究中通過計算用戶對物品的情感偏好,改進(jìn)了相似性計算方法,使預(yù)測準(zhǔn)確性得以提升。

    1.2 推薦算法分類

    1.2.1 基于內(nèi)容的推薦算法

    基于內(nèi)容的推薦算法向用戶推薦的物品,通常都具有相似的特征或?qū)傩裕?2]。這類推薦算法通過分析用戶和物品的固有屬性進(jìn)行推薦[28],如用戶的年齡、性別、所在地區(qū),以及物品的類型、發(fā)行年份等,利用推薦項的特征相似性作出預(yù)測和推薦。例如,在進(jìn)行音樂推薦時,通過基于內(nèi)容的推薦算法所作出的推薦,更多地與用戶喜歡的音樂是同一類型的。如果用戶的歷史評分顯示出其更喜歡動作電影后,推薦系統(tǒng)就會推薦更多動作電影給該用戶。

    1.2.2 協(xié)同過濾推薦算法

    協(xié)同過濾,從字面上理解,包括協(xié)同和過濾兩個操作。這種方法根據(jù)用戶與用戶之間,或是物品與物品之間的相似性進(jìn)行推薦[12]。被“過濾”出的具有相似行為或喜好的目標(biāo)用戶被稱為鄰居用戶,在隨后的預(yù)測階段,目標(biāo)用戶對物品未知的評分,基于篩選出的鄰居們已知的評分進(jìn)行預(yù)測。

    所謂協(xié)同就是利用群體行為進(jìn)行推薦,對于推薦系統(tǒng)而言,通過用戶的持續(xù)協(xié)同作用,最終給用戶的推薦會越來越準(zhǔn)確。而過濾就是從可行的推薦方案中將用戶喜歡的物品找出來。協(xié)同過濾算法分為基于用戶的協(xié)同過濾算法和基于物品的協(xié)同過濾算法,這與“物以類聚,人以群分”的思想類似。

    在協(xié)同過濾推薦算法中,相似性計算是關(guān)鍵的一步,相似性計算的是否準(zhǔn)確將會影響最終生成的推薦列表是否準(zhǔn)確。在近年來的研究中,相似性通常是基于用戶對其共同評價過的物品評分來計算的[1-2,28-30]。

    1.2.3 混合推薦算法

    將不同的基于內(nèi)容的推薦算法與不同的協(xié)同過濾算法進(jìn)行組合,便得到了混合推薦算法。常見的組合方式有以下4種[12]:

    (1)分別應(yīng)用基于內(nèi)容的推薦算法和協(xié)同過濾算法,將兩者的結(jié)果進(jìn)行混合[31-32]。

    (2)將一些基于內(nèi)容的推薦算法的特性應(yīng)用到協(xié)同過濾算法中,以得到更好的結(jié)果[33]。

    (3)將一些協(xié)同過濾算法的特性應(yīng)用到基于內(nèi)容的推薦算法中,以得到更好的結(jié)果[34]。

    (4)取兩種方法的優(yōu)點,融合成一個新算法[35-36]。

    2 基于用戶物品偏好的相似性算法

    本文算法的一般流程為:①對比用戶對物品的評分和其歷史平均分,判斷用戶對該物品所表達(dá)的情感偏好,計算該用戶對該物品的喜歡指數(shù)和不喜歡指數(shù);②對每兩兩用戶篩選其共同評分過的物品,分別計算其喜歡指數(shù)序列和不喜歡指數(shù)序列的相似性,取平均值作為這兩個用戶的相似性;③對每位預(yù)測目標(biāo)用戶,根據(jù)其與其他用戶的相似性,為其由大到小選擇最多200 位鄰居;④根據(jù)鄰居用戶對目標(biāo)物品的評分和鄰居用戶與目標(biāo)用戶的相似性,計算目標(biāo)用戶對目標(biāo)物品的預(yù)測評分。

    2.1 用戶偏好相似性與評分預(yù)測

    在大多數(shù)基于用戶的協(xié)同過濾算法中,用戶之間的相似性是通過用戶對物品的評分來計算的。用戶只能同時對同一物品表達(dá)出一種情感,即用戶喜歡該物品,或是不喜歡該物品。本文認(rèn)為,用戶對物品的評分大小體現(xiàn)出其對該物品的喜歡或不喜歡程度。若用戶對某一物品的評分高于其平均評分,則說明用戶喜歡該物品,反之則說明用戶不喜歡該物品。因此,本文提出一種基于用戶偏好相似性的協(xié)同過濾算法,分別計算兩兩用戶對共同評分過物品喜歡程度和不喜歡程度的相似性,并將結(jié)果取平均值作為這兩個用戶之間的相似性。

    在本文算法中,根據(jù)用戶對物品的評分分別計算出用戶對該物品的兩個指數(shù)。若用戶對某個物品表現(xiàn)出積極情感,即評分高于平均評分,則通過式(1)計算其喜歡指數(shù),并將其對該物品的不喜歡指數(shù)設(shè)置為0。同理,若用戶對某一物品表現(xiàn)出消極情感,即評分低于平均評分,則通過式(2)計算其不喜歡指數(shù),并將其對該物品的喜歡指數(shù)設(shè)置為0。如果用戶評分與其歷史評分的最大值或最小值相同,則將其對該物品的喜歡指數(shù)和不喜歡指數(shù)均設(shè)置為0。至此便得到了所有m位用戶對其所評分過物品的偏好程度序列。

    Pearson 相似性是協(xié)同過濾推薦系統(tǒng)中被廣泛使用的相似性準(zhǔn)確程度衡量方法,常用于度量兩個變量X與Y之間的相關(guān)程度,結(jié)果介于[ -1,1]。根據(jù)本文算法分別計算了具有共同評分的兩兩用戶之間喜歡指數(shù)和不喜歡指數(shù)的相似性,計算方法如式(3)、式(4)所示,并按照式(5)計算出平均值作為這兩個用戶之間的相似性。

    其中,μ1(rui)表示通過計算用戶u對物品i的模糊偏好程度得到的喜歡指數(shù),同理,μ2(rui)表示不喜歡指數(shù)。表示用戶u對所有共同評分物品的平均喜歡程度,而表示用戶u對所有共同評分物品的平均不喜歡程度。Iuv是用戶u與用戶v共同評分過的物品集合。

    評分預(yù)測過程就是在目標(biāo)用戶u未對目標(biāo)物品i評分之前,使用推薦系統(tǒng)算法計算出該用戶可能會對該物品給出的評分值。所有與目標(biāo)用戶有共同評分物品的用戶稱為目標(biāo)用戶的鄰居用戶,通過將用戶u與其他用戶的相似性由大到小排序,選取最相似的前k位用戶組成鄰居用戶集合,按照式(6)得到用戶u的預(yù)測評分。

    2.2 實驗結(jié)果

    為驗證本文提出的基于用戶評分相似性的算法,使用MovieLens-25M 電影評分?jǐn)?shù)據(jù)集進(jìn)行實驗,并選取了時下流行的算法進(jìn)行對比。MovieLens 是由GroupLens Research負(fù)責(zé)收集和維護(hù)的公開數(shù)據(jù)集,其包含了162 000 位用戶對62 000部電影的約250萬條評分?jǐn)?shù)據(jù)。

    同時,本文還采用折十驗證方法增強(qiáng)實驗結(jié)果的準(zhǔn)確性。通過折十驗證,數(shù)據(jù)集被隨機(jī)分成了10 份進(jìn)行實驗,其中任意1 份都可作為其余9 份的測試集,將10 次實驗的平均值作為該實驗的最終結(jié)果。對于所有算法,本文采用的變量均相同,并分別在鄰居數(shù)量為1~200 的情況下進(jìn)行實驗。

    He 等[1]提出用戶觀點傳播算法(UOS),其認(rèn)為用戶之間存在著觀點傳播路徑,一個用戶的觀點可沿著該通路傳遞或影響其他用戶。多級協(xié)同過濾算法(MLCF)是由Polatidis 等[2]提出的,在該算法中,共同評分?jǐn)?shù)量更大的用戶之間的相似性被增強(qiáng)。Ai 等[38]在研究中使用了快速無折疊算法進(jìn)行社團(tuán)發(fā)現(xiàn),構(gòu)建了物品—物品的復(fù)雜網(wǎng)絡(luò)模型,并提出了MIOS 算法。用戶評分的信息熵可體現(xiàn)用戶對物品的整體評分行為,Lee 等[39]在其研究中改進(jìn)了Pearson 相似性算法,將用戶評分的信息熵與推薦算法相結(jié)合,提出了Entropy 算法。

    平均絕對誤差(MAE)是協(xié)同過濾推薦算法中普遍使用的結(jié)果檢驗方法,用于計算目標(biāo)對象預(yù)測結(jié)果與真實結(jié)果的誤差。MAE 的計算方法如式(7)所示,結(jié)果越小,說明預(yù)測準(zhǔn)確度越高,算法越優(yōu)異。

    其中,Rtest表示測試集分別表示用戶u對物品i的預(yù)測評分和真實評分。

    圖1 顯示了不同算法使用MovieLens-25M 數(shù)據(jù)集的MAE 結(jié)果(彩圖掃OSID 碼可見,下同),可看出表現(xiàn)最好的是MIOS 算法,而本文算法的最小值為0.704 2,相比Entropy 算法提升了0.206%,相比UOS 算法提升了1.268%,相比MLCF 算法提升了2.826%。

    Fig.1 MAE of different algorithms圖1 不同算法MAE對比

    本文還對比了不同算法的歸一化累計折損收益(NDCG),如圖2所示。

    Fig.2 NDCG of different algorithms圖2 不同算法NDCG對比

    本文算法在所有對比算法中表現(xiàn)最佳,且NDCG 相對于其他算法有著0.060%~1.619%的提升。NDCG 計算方法如式(8)、式(9)所示。

    其中,ri代表物品在推薦列表中的排名,排在最頂層的物品記為ri=1。b在算法中控制著折損程度,該值越大,對應(yīng)DCG得分越小,本文在實驗中設(shè)置b=2。Ri表明了推薦列表中物品的相關(guān)性,如果用戶對該物品的評分超過了其平均分,則Ri=1,否則Ri=0。

    同時本文算法在基于分類的評價指標(biāo)中也取得了最佳結(jié)果,如圖3所示。

    準(zhǔn)確率是在信息檢索領(lǐng)域最常用的評價方法,其表示系統(tǒng)向用戶推薦的物品中用戶喜歡的物品所占比例,其計算方法如式(10)所示。

    Fig.3 Precision of different algorithms圖3 不同算法準(zhǔn)確率對比

    其中,TP表示用戶喜歡系統(tǒng)推薦的物品,F(xiàn)P表示用戶不喜歡系統(tǒng)推薦的物品。

    可以看出,本文算法的準(zhǔn)確率在所有對比算法中是最高的,最大值為0.694 4,而表現(xiàn)最差的為UOS 算法,其準(zhǔn)確率的最大值僅為0.678 5,本文算法相比UOS 算法提升了2.343%。

    3 結(jié)語

    本文提出一種新的相似性計算方法,提出了喜歡指數(shù)和不喜歡指數(shù)的概念。通過對比用戶對物品的評分及其平均評分,分析用戶通過評分值所表達(dá)的對該物品的情感偏好。同時,本文方法分別計算了兩兩用戶之間共同評分過物品的喜歡偏好與不喜歡偏好的相似性,并將二者結(jié)合作為兩個用戶的相似性。通過在MovieLens 數(shù)據(jù)集進(jìn)行實驗并與其他算法進(jìn)行對比后發(fā)現(xiàn),本文方法可有效提升預(yù)測結(jié)果的準(zhǔn)確性。此外,該方法可有效避免由于用戶自身評分習(xí)慣而對使用結(jié)果造成的誤差,時間復(fù)雜度更低,具有更強(qiáng)的可擴(kuò)展性及更優(yōu)的性能。因此,本文方法可被應(yīng)用于向用戶推薦其可能會感興趣的商品、電影、書籍、餐廳等。

    然而,在本文實驗中,用戶對物品的偏好僅被分成了喜歡和不喜歡,在后續(xù)研究中可將喜歡或不喜歡程度作進(jìn)一步細(xì)分,參考文獻(xiàn)[2]進(jìn)行分級操作,增加或減小相似性,以進(jìn)一步提升預(yù)測結(jié)果的準(zhǔn)確性。此外,本文還將在后續(xù)研究中引入復(fù)雜網(wǎng)絡(luò)模型以尋求更好的實驗結(jié)果。

    猜你喜歡
    相似性物品協(xié)同
    一類上三角算子矩陣的相似性與酉相似性
    稱物品
    “雙十一”,你搶到了想要的物品嗎?
    蜀道難:車與路的協(xié)同進(jìn)化
    淺析當(dāng)代中西方繪畫的相似性
    河北畫報(2020年8期)2020-10-27 02:54:20
    誰動了凡·高的物品
    “四化”協(xié)同才有出路
    汽車觀察(2019年2期)2019-03-15 06:00:50
    三醫(yī)聯(lián)動 協(xié)同創(chuàng)新
    低滲透黏土中氯離子彌散作用離心模擬相似性
    找物品
    另类亚洲欧美激情| 国产精品久久久久久av不卡| 亚洲性久久影院| 简卡轻食公司| 舔av片在线| 亚洲精品,欧美精品| 国产欧美亚洲国产| 日韩视频在线欧美| 超碰97精品在线观看| 欧美xxxx性猛交bbbb| 国产片特级美女逼逼视频| 卡戴珊不雅视频在线播放| 国产视频首页在线观看| av国产精品久久久久影院| 一个人观看的视频www高清免费观看| 美女内射精品一级片tv| 五月天丁香电影| 建设人人有责人人尽责人人享有的 | 欧美日韩亚洲高清精品| 一本一本综合久久| 欧美日韩视频精品一区| 亚洲精品成人久久久久久| 欧美日韩视频精品一区| 亚洲国产av新网站| 国产精品无大码| 在线看a的网站| 在线看a的网站| 中国美白少妇内射xxxbb| 青春草视频在线免费观看| 又黄又爽又刺激的免费视频.| 久久精品国产亚洲av天美| 亚洲av一区综合| 亚洲av成人精品一区久久| 国产精品久久久久久精品电影| 亚洲,欧美,日韩| 少妇的逼水好多| 日本三级黄在线观看| 免费看日本二区| 春色校园在线视频观看| 丰满乱子伦码专区| 大片电影免费在线观看免费| 国产精品国产三级国产av玫瑰| 最近最新中文字幕免费大全7| 成人国产麻豆网| 少妇丰满av| 亚洲美女视频黄频| 亚洲综合色惰| 人体艺术视频欧美日本| 中国三级夫妇交换| 国产 一区精品| 人妻夜夜爽99麻豆av| 成人亚洲欧美一区二区av| 国产一区二区三区综合在线观看 | 国产av码专区亚洲av| 人人妻人人澡人人爽人人夜夜| 特级一级黄色大片| 精品一区二区三卡| 国产视频内射| 免费黄色在线免费观看| 亚洲四区av| 最后的刺客免费高清国语| 天天躁日日操中文字幕| 亚洲欧美日韩卡通动漫| 亚洲精品久久午夜乱码| 日日摸夜夜添夜夜爱| 亚洲最大成人av| 亚洲av电影在线观看一区二区三区 | 亚洲欧美中文字幕日韩二区| 国产成人精品一,二区| 内射极品少妇av片p| 亚洲熟女精品中文字幕| 91久久精品国产一区二区成人| 欧美日韩亚洲高清精品| 黄色一级大片看看| 国产成人91sexporn| 成人无遮挡网站| 久热久热在线精品观看| 国产亚洲av片在线观看秒播厂| 大又大粗又爽又黄少妇毛片口| 可以在线观看毛片的网站| 成人美女网站在线观看视频| 亚洲美女搞黄在线观看| 别揉我奶头 嗯啊视频| 99久久人妻综合| 亚洲不卡免费看| 国产在线一区二区三区精| 亚洲天堂国产精品一区在线| av在线老鸭窝| 成人综合一区亚洲| 成人午夜精彩视频在线观看| 赤兔流量卡办理| 91狼人影院| 五月开心婷婷网| 五月开心婷婷网| av播播在线观看一区| 大片电影免费在线观看免费| 国产淫片久久久久久久久| 国产乱人偷精品视频| 内射极品少妇av片p| 国产伦精品一区二区三区四那| 伦精品一区二区三区| 午夜日本视频在线| 国产一区二区亚洲精品在线观看| 在线免费十八禁| 真实男女啪啪啪动态图| 肉色欧美久久久久久久蜜桃 | 久久精品久久精品一区二区三区| 香蕉精品网在线| 国产又色又爽无遮挡免| 亚洲av国产av综合av卡| 舔av片在线| 精品人妻熟女av久视频| 赤兔流量卡办理| 国产女主播在线喷水免费视频网站| 国产精品秋霞免费鲁丝片| 国产综合精华液| 狂野欧美白嫩少妇大欣赏| 联通29元200g的流量卡| 久久久亚洲精品成人影院| 亚洲自偷自拍三级| 亚洲欧美中文字幕日韩二区| 赤兔流量卡办理| 国产女主播在线喷水免费视频网站| 亚洲一级一片aⅴ在线观看| 69av精品久久久久久| 国产精品伦人一区二区| 欧美日本视频| 只有这里有精品99| 亚洲最大成人av| 一二三四中文在线观看免费高清| 国产精品蜜桃在线观看| 国产探花极品一区二区| eeuss影院久久| 深爱激情五月婷婷| 久久久色成人| 国产成人精品一,二区| 一级毛片黄色毛片免费观看视频| 亚洲av免费在线观看| 国模一区二区三区四区视频| 午夜福利视频1000在线观看| 国产毛片在线视频| 97人妻精品一区二区三区麻豆| av国产精品久久久久影院| 日本黄色片子视频| 久久这里有精品视频免费| av播播在线观看一区| 噜噜噜噜噜久久久久久91| 国产69精品久久久久777片| 欧美高清成人免费视频www| 欧美精品人与动牲交sv欧美| 久久97久久精品| 高清在线视频一区二区三区| 亚洲av国产av综合av卡| videossex国产| 国产免费又黄又爽又色| 少妇人妻一区二区三区视频| 能在线免费看毛片的网站| 精品久久久噜噜| 亚洲精品视频女| 精品少妇久久久久久888优播| 国产在线一区二区三区精| 两个人的视频大全免费| 成人漫画全彩无遮挡| 精品99又大又爽又粗少妇毛片| 国产精品久久久久久久电影| 少妇裸体淫交视频免费看高清| av线在线观看网站| 边亲边吃奶的免费视频| 国产成人免费无遮挡视频| 亚洲精品国产av蜜桃| 国产一区二区在线观看日韩| 色视频在线一区二区三区| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 人妻系列 视频| 国产精品久久久久久av不卡| 精品久久国产蜜桃| 又大又黄又爽视频免费| 男女啪啪激烈高潮av片| 中文字幕久久专区| 久久久久久久久久久丰满| 久久精品久久久久久久性| 一本一本综合久久| 18禁在线无遮挡免费观看视频| 激情 狠狠 欧美| 九九久久精品国产亚洲av麻豆| 国产精品国产三级专区第一集| 日韩欧美 国产精品| 日韩国内少妇激情av| 午夜视频国产福利| 久久久久久久亚洲中文字幕| 男人和女人高潮做爰伦理| 我要看日韩黄色一级片| 亚洲自偷自拍三级| 久久精品国产自在天天线| 国产亚洲5aaaaa淫片| 亚洲av欧美aⅴ国产| 国产91av在线免费观看| 国产黄色视频一区二区在线观看| 久久久久九九精品影院| 91精品伊人久久大香线蕉| 国产综合精华液| 国产精品三级大全| 五月玫瑰六月丁香| 国产成人免费观看mmmm| 日韩中字成人| 18+在线观看网站| 免费人成在线观看视频色| 国产精品99久久99久久久不卡 | 久久精品国产鲁丝片午夜精品| 国产色爽女视频免费观看| 成人美女网站在线观看视频| 97在线人人人人妻| 国产综合懂色| 久久久a久久爽久久v久久| 国产 一区 欧美 日韩| 国产综合懂色| 精品视频人人做人人爽| 可以在线观看毛片的网站| 国产又色又爽无遮挡免| 18+在线观看网站| 精品少妇黑人巨大在线播放| 黄色配什么色好看| 欧美最新免费一区二区三区| 天堂中文最新版在线下载 | 国产精品秋霞免费鲁丝片| 美女国产视频在线观看| 亚洲av免费在线观看| 国产成人精品婷婷| 我要看日韩黄色一级片| 久久6这里有精品| 亚洲国产最新在线播放| 在现免费观看毛片| 一本一本综合久久| 久久久久性生活片| 美女视频免费永久观看网站| 亚洲精品456在线播放app| 91精品国产九色| 亚洲久久久久久中文字幕| 天堂网av新在线| 肉色欧美久久久久久久蜜桃 | 欧美3d第一页| 熟妇人妻不卡中文字幕| 内地一区二区视频在线| 老女人水多毛片| 大又大粗又爽又黄少妇毛片口| 男女无遮挡免费网站观看| 亚洲三级黄色毛片| 久久这里有精品视频免费| 波多野结衣巨乳人妻| 国产毛片在线视频| 国产男女超爽视频在线观看| 一个人看的www免费观看视频| 人体艺术视频欧美日本| 在线看a的网站| 天天躁夜夜躁狠狠久久av| 亚洲天堂av无毛| 草草在线视频免费看| 国产成人a∨麻豆精品| av专区在线播放| 搞女人的毛片| 女人久久www免费人成看片| 亚洲欧美一区二区三区黑人 | tube8黄色片| 日韩一区二区视频免费看| 欧美老熟妇乱子伦牲交| 91狼人影院| 99视频精品全部免费 在线| freevideosex欧美| 亚洲怡红院男人天堂| 国产男女内射视频| 禁无遮挡网站| 免费黄色在线免费观看| 免费黄网站久久成人精品| 美女被艹到高潮喷水动态| 国产欧美亚洲国产| 国产女主播在线喷水免费视频网站| 亚洲熟女精品中文字幕| 亚洲精品乱久久久久久| 深爱激情五月婷婷| 国内精品宾馆在线| 国产精品久久久久久久久免| 欧美97在线视频| 国产毛片a区久久久久| 在线观看av片永久免费下载| 少妇被粗大猛烈的视频| 精品久久久久久久久av| 一个人观看的视频www高清免费观看| 黄色视频在线播放观看不卡| 亚洲人成网站在线播| 久久久欧美国产精品| 欧美区成人在线视频| 国产精品偷伦视频观看了| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 亚洲国产精品成人综合色| 简卡轻食公司| 尤物成人国产欧美一区二区三区| 另类亚洲欧美激情| 99精国产麻豆久久婷婷| 国产精品成人在线| 中文精品一卡2卡3卡4更新| 91久久精品国产一区二区成人| 国产成人aa在线观看| 直男gayav资源| 伦精品一区二区三区| 91久久精品电影网| 九九久久精品国产亚洲av麻豆| 国产视频首页在线观看| 欧美成人一区二区免费高清观看| 丝袜脚勾引网站| 18禁动态无遮挡网站| 久久精品熟女亚洲av麻豆精品| 国产精品不卡视频一区二区| 色网站视频免费| 国产精品国产三级专区第一集| 丰满人妻一区二区三区视频av| 欧美一区二区亚洲| 精品久久久久久久末码| 51国产日韩欧美| 亚洲精品国产av蜜桃| 亚洲欧美成人精品一区二区| 欧美最新免费一区二区三区| 街头女战士在线观看网站| 国产一区亚洲一区在线观看| 99九九线精品视频在线观看视频| 亚洲四区av| 99热这里只有精品一区| 国产精品国产av在线观看| 人人妻人人澡人人爽人人夜夜| 中文欧美无线码| 色哟哟·www| 日本一二三区视频观看| 国产精品伦人一区二区| 又黄又爽又刺激的免费视频.| 亚洲性久久影院| 久久热精品热| 国产精品国产三级国产av玫瑰| 日本av手机在线免费观看| 五月天丁香电影| 老女人水多毛片| 色综合色国产| 国产精品国产三级专区第一集| 国产男人的电影天堂91| 嫩草影院新地址| 久久久久网色| 涩涩av久久男人的天堂| 不卡视频在线观看欧美| 我的老师免费观看完整版| 久久久久久久久大av| 91在线精品国自产拍蜜月| 少妇人妻精品综合一区二区| 国产免费又黄又爽又色| 国产精品久久久久久久电影| 国产精品av视频在线免费观看| 最近中文字幕高清免费大全6| 色婷婷久久久亚洲欧美| 亚洲图色成人| 麻豆成人av视频| 天天躁夜夜躁狠狠久久av| 免费观看a级毛片全部| 99九九线精品视频在线观看视频| 好男人在线观看高清免费视频| 欧美成人午夜免费资源| av在线亚洲专区| 亚洲精品久久久久久婷婷小说| 久久人人爽人人爽人人片va| 亚洲精品国产av成人精品| 午夜爱爱视频在线播放| 国产高清三级在线| 伦理电影大哥的女人| 亚洲自拍偷在线| 中国国产av一级| 亚洲成人久久爱视频| videos熟女内射| 三级经典国产精品| 哪个播放器可以免费观看大片| 免费观看性生交大片5| 免费看日本二区| 亚洲最大成人中文| eeuss影院久久| 高清视频免费观看一区二区| 91aial.com中文字幕在线观看| 亚洲国产欧美人成| 熟女人妻精品中文字幕| 亚洲人成网站在线观看播放| 自拍偷自拍亚洲精品老妇| 午夜亚洲福利在线播放| 一级av片app| 网址你懂的国产日韩在线| 精品一区二区免费观看| 亚洲欧美清纯卡通| 日韩电影二区| 日日啪夜夜撸| 日本爱情动作片www.在线观看| 成年av动漫网址| 欧美日韩综合久久久久久| 国产精品一及| 久久久色成人| 国产午夜精品一二区理论片| 亚洲欧美精品专区久久| 日日摸夜夜添夜夜爱| 乱码一卡2卡4卡精品| 午夜福利高清视频| 亚洲av不卡在线观看| 人人妻人人看人人澡| 久久99蜜桃精品久久| 青青草视频在线视频观看| 久久久久久久大尺度免费视频| 黄色日韩在线| 亚洲av免费在线观看| 狂野欧美白嫩少妇大欣赏| 在线播放无遮挡| 久久精品国产自在天天线| 欧美xxxx黑人xx丫x性爽| 精品一区二区三卡| 91午夜精品亚洲一区二区三区| 久久ye,这里只有精品| 国产精品伦人一区二区| 久久久久久久久久人人人人人人| 啦啦啦在线观看免费高清www| 亚洲欧美日韩另类电影网站 | 国产黄色视频一区二区在线观看| 国产伦在线观看视频一区| 亚洲欧美成人综合另类久久久| 亚洲va在线va天堂va国产| 人人妻人人看人人澡| 99热国产这里只有精品6| 99久久精品一区二区三区| 欧美老熟妇乱子伦牲交| 日韩伦理黄色片| 毛片女人毛片| 亚洲国产精品999| 草草在线视频免费看| 国产淫片久久久久久久久| 91精品一卡2卡3卡4卡| 视频区图区小说| 亚洲四区av| 色5月婷婷丁香| 久久久久久久久大av| a级毛色黄片| 亚洲成人av在线免费| av一本久久久久| 欧美高清性xxxxhd video| 亚洲欧美一区二区三区黑人 | 91在线精品国自产拍蜜月| 国产大屁股一区二区在线视频| av网站免费在线观看视频| 91在线精品国自产拍蜜月| 国产一区有黄有色的免费视频| 日韩av在线免费看完整版不卡| 日本爱情动作片www.在线观看| 最近最新中文字幕大全电影3| 午夜福利在线在线| 97热精品久久久久久| 午夜免费男女啪啪视频观看| 成人国产麻豆网| 国产成人aa在线观看| 成人免费观看视频高清| 国产亚洲91精品色在线| 国产一级毛片在线| 亚洲av日韩在线播放| 最近中文字幕高清免费大全6| 亚洲av成人精品一区久久| 国产午夜精品久久久久久一区二区三区| 午夜老司机福利剧场| 亚洲国产精品999| 亚洲一级一片aⅴ在线观看| 韩国高清视频一区二区三区| 国产 一区 欧美 日韩| 国产精品久久久久久精品电影小说 | 麻豆久久精品国产亚洲av| 黄色怎么调成土黄色| 国产日韩欧美在线精品| 国产精品偷伦视频观看了| 国产免费视频播放在线视频| 亚洲丝袜综合中文字幕| 亚洲熟女精品中文字幕| 亚洲国产色片| 日韩国内少妇激情av| 国产男人的电影天堂91| 男人狂女人下面高潮的视频| 一级毛片黄色毛片免费观看视频| 狂野欧美激情性xxxx在线观看| 涩涩av久久男人的天堂| 精品人妻偷拍中文字幕| 综合色丁香网| 国产探花在线观看一区二区| 在线观看一区二区三区| 在线免费观看不下载黄p国产| 免费av不卡在线播放| 久久久精品94久久精品| av在线app专区| 成人黄色视频免费在线看| 国产精品久久久久久精品电影小说 | 久久人人爽人人片av| 国产精品久久久久久久电影| 美女xxoo啪啪120秒动态图| 午夜精品一区二区三区免费看| 99热国产这里只有精品6| 国产中年淑女户外野战色| 免费观看在线日韩| 亚洲色图综合在线观看| 99久久精品一区二区三区| 亚洲av男天堂| 国产精品蜜桃在线观看| 亚洲激情五月婷婷啪啪| 丰满少妇做爰视频| 99re6热这里在线精品视频| 精品久久国产蜜桃| 丝袜喷水一区| 99热国产这里只有精品6| 国产乱来视频区| 亚洲欧美一区二区三区黑人 | 丝袜脚勾引网站| 一级毛片黄色毛片免费观看视频| 国产av国产精品国产| 欧美老熟妇乱子伦牲交| 日韩av免费高清视频| 国产日韩欧美亚洲二区| 精品国产乱码久久久久久小说| 国产精品国产三级国产专区5o| 身体一侧抽搐| 日韩欧美精品免费久久| 久久久久国产网址| 舔av片在线| 麻豆成人av视频| 亚洲aⅴ乱码一区二区在线播放| 熟女av电影| 一级a做视频免费观看| 在线观看人妻少妇| 日韩不卡一区二区三区视频在线| 人妻系列 视频| 久久精品人妻少妇| 日本欧美国产在线视频| 最近中文字幕2019免费版| 在线观看免费高清a一片| 国产伦在线观看视频一区| 精品一区在线观看国产| 联通29元200g的流量卡| 亚洲av免费在线观看| 黄色欧美视频在线观看| 视频区图区小说| 极品教师在线视频| 国产亚洲5aaaaa淫片| 男人和女人高潮做爰伦理| 欧美日韩综合久久久久久| 欧美日韩一区二区视频在线观看视频在线 | xxx大片免费视频| 免费黄频网站在线观看国产| 久久久成人免费电影| 九九爱精品视频在线观看| 少妇被粗大猛烈的视频| 美女视频免费永久观看网站| 黄片无遮挡物在线观看| 韩国高清视频一区二区三区| 亚洲av国产av综合av卡| 亚洲人与动物交配视频| 欧美精品人与动牲交sv欧美| 久久久久网色| 国内精品美女久久久久久| 国产亚洲av嫩草精品影院| 九九在线视频观看精品| 亚洲国产最新在线播放| 久久久久久久久久人人人人人人| 国产成人a∨麻豆精品| 国产白丝娇喘喷水9色精品| 久久精品久久精品一区二区三区| 特级一级黄色大片| 国产精品女同一区二区软件| 亚洲国产精品999| 欧美性猛交╳xxx乱大交人| kizo精华| 激情 狠狠 欧美| 国产成人午夜福利电影在线观看| 久久久精品94久久精品| 亚洲av中文字字幕乱码综合| 男女边吃奶边做爰视频| 久热这里只有精品99| 97在线视频观看| 少妇的逼水好多| 国国产精品蜜臀av免费| 成人一区二区视频在线观看| 国产成人福利小说| 久久精品熟女亚洲av麻豆精品| 亚洲av福利一区| 中文字幕久久专区| 亚洲内射少妇av| 亚洲在线观看片| av又黄又爽大尺度在线免费看| 日日啪夜夜爽| 又大又黄又爽视频免费| 亚洲久久久久久中文字幕| 亚洲精品成人久久久久久| 黄色视频在线播放观看不卡| 国产有黄有色有爽视频| 国产亚洲精品久久久com| 人妻夜夜爽99麻豆av| 亚洲国产色片| 亚洲精品乱码久久久久久按摩| 爱豆传媒免费全集在线观看| 欧美一区二区亚洲| 一边亲一边摸免费视频| 99久久人妻综合| 看非洲黑人一级黄片| 色视频www国产| 国产黄色免费在线视频| 欧美 日韩 精品 国产| 少妇丰满av| 熟妇人妻不卡中文字幕| 亚洲自拍偷在线| 久久精品久久久久久久性| 自拍偷自拍亚洲精品老妇| 最近2019中文字幕mv第一页| 亚洲欧美精品自产自拍| 国产老妇伦熟女老妇高清| 99精国产麻豆久久婷婷|