• <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
    两个人视频免费观看高清| 精品日产1卡2卡| 中文字幕久久专区| 国产精品1区2区在线观看.| 乱人伦中国视频| 亚洲av成人av| 别揉我奶头~嗯~啊~动态视频| 久久伊人香网站| 国产成+人综合+亚洲专区| 女人被躁到高潮嗷嗷叫费观| 99精品欧美一区二区三区四区| 免费人成视频x8x8入口观看| 午夜成年电影在线免费观看| 国产乱人伦免费视频| 男人舔女人的私密视频| 亚洲成av片中文字幕在线观看| 电影成人av| 久久久精品国产亚洲av高清涩受| 色播在线永久视频| 日韩精品青青久久久久久| 国产欧美日韩精品亚洲av| 亚洲七黄色美女视频| e午夜精品久久久久久久| 国产精品一区二区免费欧美| 黑人巨大精品欧美一区二区mp4| 美女午夜性视频免费| 欧美日韩中文字幕国产精品一区二区三区 | 18禁美女被吸乳视频| 两人在一起打扑克的视频| 丁香六月欧美| 国产男靠女视频免费网站| 色综合站精品国产| 99在线视频只有这里精品首页| 制服人妻中文乱码| 亚洲中文字幕一区二区三区有码在线看 | 成人手机av| 黄色丝袜av网址大全| 亚洲午夜精品一区,二区,三区| 亚洲自拍偷在线| 极品教师在线免费播放| 免费在线观看亚洲国产| 超碰成人久久| 日韩精品免费视频一区二区三区| 中亚洲国语对白在线视频| 欧美日韩亚洲国产一区二区在线观看| 午夜激情av网站| avwww免费| 男女之事视频高清在线观看| 亚洲国产精品久久男人天堂| 动漫黄色视频在线观看| 变态另类丝袜制服| 好男人在线观看高清免费视频 | 久久人妻av系列| 亚洲一区中文字幕在线| 少妇被粗大的猛进出69影院| 午夜免费激情av| 正在播放国产对白刺激| 麻豆久久精品国产亚洲av| 日本精品一区二区三区蜜桃| 国产欧美日韩综合在线一区二区| 香蕉久久夜色| 国产xxxxx性猛交| 搡老妇女老女人老熟妇| 亚洲国产精品久久男人天堂| 亚洲中文字幕一区二区三区有码在线看 | 很黄的视频免费| 久久国产亚洲av麻豆专区| 女人被躁到高潮嗷嗷叫费观| av在线天堂中文字幕| 欧美色欧美亚洲另类二区 | 国产精品久久久久久人妻精品电影| 久久草成人影院| 欧美性长视频在线观看| 男女做爰动态图高潮gif福利片 | 国产成+人综合+亚洲专区| 波多野结衣av一区二区av| 丝袜美腿诱惑在线| 色av中文字幕| 9热在线视频观看99| 久久狼人影院| 又大又爽又粗| 精品国产乱子伦一区二区三区| 999久久久精品免费观看国产| 人人妻人人爽人人添夜夜欢视频| 可以在线观看的亚洲视频| 日韩大尺度精品在线看网址 | 女人精品久久久久毛片| 岛国在线观看网站| 久久精品国产清高在天天线| 欧美色视频一区免费| 免费一级毛片在线播放高清视频 | 色综合欧美亚洲国产小说| 欧美国产精品va在线观看不卡| 欧美av亚洲av综合av国产av| av超薄肉色丝袜交足视频| www.熟女人妻精品国产| 麻豆久久精品国产亚洲av| 国产一区二区激情短视频| 18禁黄网站禁片午夜丰满| 国产亚洲精品av在线| 欧美日本亚洲视频在线播放| 啪啪无遮挡十八禁网站| 两个人看的免费小视频| 91字幕亚洲| 国产av精品麻豆| 成年女人毛片免费观看观看9| 成人国产综合亚洲| 88av欧美| 日本vs欧美在线观看视频| 搡老熟女国产l中国老女人| 色在线成人网| 亚洲av熟女| 成人18禁在线播放| 男人舔女人的私密视频| 男女下面插进去视频免费观看| 欧美中文综合在线视频| 日韩中文字幕欧美一区二区| 国产成人精品在线电影| 欧美另类亚洲清纯唯美| 亚洲精品一卡2卡三卡4卡5卡| 久久天堂一区二区三区四区| 国产国语露脸激情在线看| 搡老熟女国产l中国老女人| 国产真人三级小视频在线观看| 一级,二级,三级黄色视频| av天堂久久9| 日本黄色视频三级网站网址| 美女免费视频网站| 欧美激情 高清一区二区三区| 欧美激情久久久久久爽电影 | 国产91精品成人一区二区三区| 久久精品国产清高在天天线| 国产精品自产拍在线观看55亚洲| 国产成人精品在线电影| 亚洲精华国产精华精| 中文字幕人妻熟女乱码| 好男人在线观看高清免费视频 | 欧美日韩亚洲国产一区二区在线观看| 免费观看精品视频网站| 亚洲av五月六月丁香网| 一区二区三区高清视频在线| 日韩欧美一区二区三区在线观看| 淫秽高清视频在线观看| 国产麻豆成人av免费视频| 久久久久久久久免费视频了| av免费在线观看网站| 免费在线观看影片大全网站| 脱女人内裤的视频| 国产在线精品亚洲第一网站| 美女国产高潮福利片在线看| 欧美一区二区精品小视频在线| 欧美黑人欧美精品刺激| 男女之事视频高清在线观看| 在线观看日韩欧美| 亚洲第一电影网av| 丝袜美足系列| 亚洲欧美激情在线| 精品久久久久久,| 久久精品影院6| 久久久久国内视频| 欧洲精品卡2卡3卡4卡5卡区| av电影中文网址| 欧美亚洲日本最大视频资源| 男女做爰动态图高潮gif福利片 | 黄片大片在线免费观看| 精品久久久久久成人av| 久久精品亚洲精品国产色婷小说| 亚洲精品在线观看二区| 露出奶头的视频| 免费在线观看黄色视频的| 精品一区二区三区av网在线观看| 又紧又爽又黄一区二区| 日本 av在线| 久久人妻福利社区极品人妻图片| 三级毛片av免费| 日日爽夜夜爽网站| 搡老熟女国产l中国老女人| 每晚都被弄得嗷嗷叫到高潮| 黄频高清免费视频| 成人欧美大片| 精品一品国产午夜福利视频| 非洲黑人性xxxx精品又粗又长| 欧美国产精品va在线观看不卡| 亚洲第一青青草原| 日本vs欧美在线观看视频| 亚洲精品一卡2卡三卡4卡5卡| 啦啦啦 在线观看视频| 久久草成人影院| 黄网站色视频无遮挡免费观看| 欧美日韩中文字幕国产精品一区二区三区 | 国产1区2区3区精品| 久久国产精品男人的天堂亚洲| 桃红色精品国产亚洲av| www日本在线高清视频| 亚洲精品久久成人aⅴ小说| av福利片在线| 国产亚洲精品久久久久久毛片| 天堂动漫精品| 欧洲精品卡2卡3卡4卡5卡区| 欧美日本亚洲视频在线播放| 99精品久久久久人妻精品| 熟妇人妻久久中文字幕3abv| 黄色视频不卡| 91大片在线观看| 日韩欧美国产一区二区入口| 久久午夜亚洲精品久久| 亚洲av五月六月丁香网| 国产av精品麻豆| 亚洲欧洲精品一区二区精品久久久| 韩国精品一区二区三区| 丝袜人妻中文字幕| 亚洲最大成人中文| 日韩三级视频一区二区三区| 亚洲欧洲精品一区二区精品久久久| www.自偷自拍.com| 午夜福利视频1000在线观看 | 国产精品久久视频播放| 精品卡一卡二卡四卡免费| 一进一出好大好爽视频| 日本撒尿小便嘘嘘汇集6| 黑人巨大精品欧美一区二区mp4| 亚洲狠狠婷婷综合久久图片| xxx96com| 97人妻精品一区二区三区麻豆 | 国产麻豆69| 一级a爱视频在线免费观看| 欧美日韩中文字幕国产精品一区二区三区 | 日韩国内少妇激情av| 亚洲久久久国产精品| 中出人妻视频一区二区| 亚洲伊人色综图| 在线观看午夜福利视频| 美女国产高潮福利片在线看| 亚洲狠狠婷婷综合久久图片| 99精品在免费线老司机午夜| 日韩欧美一区视频在线观看| 十分钟在线观看高清视频www| 久久香蕉精品热| 欧美日韩乱码在线| 免费在线观看日本一区| 91麻豆精品激情在线观看国产| 操美女的视频在线观看| ponron亚洲| 亚洲aⅴ乱码一区二区在线播放 | 50天的宝宝边吃奶边哭怎么回事| 美女免费视频网站| 中文字幕人妻熟女乱码| 亚洲欧美精品综合一区二区三区| 国产高清有码在线观看视频 | 男人操女人黄网站| 在线观看免费视频日本深夜| 亚洲黑人精品在线| 国产成+人综合+亚洲专区| 亚洲av成人av| 两个人看的免费小视频| 亚洲第一av免费看| 国产国语露脸激情在线看| 国产精品亚洲一级av第二区| cao死你这个sao货| 看片在线看免费视频| 国产欧美日韩一区二区三| 久久久久久亚洲精品国产蜜桃av| 女人被躁到高潮嗷嗷叫费观| 欧美成狂野欧美在线观看| 在线十欧美十亚洲十日本专区| 亚洲成av片中文字幕在线观看| 国产亚洲欧美精品永久| 黄色 视频免费看| 久久久久久久久久久久大奶| 亚洲一区二区三区不卡视频| 亚洲无线在线观看| 制服人妻中文乱码| 日韩 欧美 亚洲 中文字幕| 69精品国产乱码久久久| 午夜激情av网站| 国产精品av久久久久免费| 精品第一国产精品| 国产精品久久久av美女十八| 最新在线观看一区二区三区| 成人国产一区最新在线观看| 在线观看免费午夜福利视频| 国产一级毛片七仙女欲春2 | av天堂久久9| 国产xxxxx性猛交| 亚洲人成伊人成综合网2020| 自线自在国产av| 香蕉国产在线看| 9热在线视频观看99| 俄罗斯特黄特色一大片| 免费在线观看日本一区| 他把我摸到了高潮在线观看| svipshipincom国产片| 日韩成人在线观看一区二区三区| av片东京热男人的天堂| 国产欧美日韩一区二区三区在线| 嫁个100分男人电影在线观看| 女性被躁到高潮视频| 91成年电影在线观看| 精品久久久久久久久久免费视频| 国产精品,欧美在线| 人妻久久中文字幕网| 久久欧美精品欧美久久欧美| 一级作爱视频免费观看| 亚洲电影在线观看av| 亚洲国产精品成人综合色| 国产成+人综合+亚洲专区| 亚洲av日韩精品久久久久久密| 久久人人爽av亚洲精品天堂| 国产私拍福利视频在线观看| 丰满人妻熟妇乱又伦精品不卡| 一级a爱片免费观看的视频| 99久久国产精品久久久| 国产一区二区三区视频了| 亚洲精品久久国产高清桃花| 侵犯人妻中文字幕一二三四区| 18禁美女被吸乳视频| 国产亚洲精品av在线| 国产一区二区激情短视频| 亚洲在线自拍视频| 91麻豆精品激情在线观看国产| 亚洲精品国产一区二区精华液| 人人妻人人澡欧美一区二区 | 啦啦啦免费观看视频1| 日本一区二区免费在线视频| 天天躁夜夜躁狠狠躁躁| 后天国语完整版免费观看| 亚洲熟女毛片儿| 亚洲精华国产精华精| 色老头精品视频在线观看| 国产精品av久久久久免费| 亚洲中文日韩欧美视频| 人人妻人人爽人人添夜夜欢视频| 人人澡人人妻人| 国产私拍福利视频在线观看| 最新美女视频免费是黄的| 国产在线精品亚洲第一网站| 国产精品二区激情视频| 91大片在线观看| 国产精品久久久人人做人人爽| 可以免费在线观看a视频的电影网站| av中文乱码字幕在线| bbb黄色大片| 亚洲成人久久性| 久久九九热精品免费| 中文亚洲av片在线观看爽| 久久天躁狠狠躁夜夜2o2o| 亚洲国产精品合色在线| 亚洲欧美一区二区三区黑人| 亚洲一区中文字幕在线| 亚洲精品中文字幕一二三四区| 女人爽到高潮嗷嗷叫在线视频| 久久久国产精品麻豆| 国产1区2区3区精品| 日韩三级视频一区二区三区| 精品久久久久久久人妻蜜臀av | 日本三级黄在线观看| 97人妻精品一区二区三区麻豆 | www.熟女人妻精品国产| 国产主播在线观看一区二区| 欧美另类亚洲清纯唯美| av在线播放免费不卡| 亚洲欧美精品综合久久99| 亚洲国产精品999在线| 国产精品亚洲av一区麻豆| 女人高潮潮喷娇喘18禁视频| 性欧美人与动物交配| 村上凉子中文字幕在线| 国内精品久久久久久久电影| av中文乱码字幕在线| 操美女的视频在线观看| 欧美日本亚洲视频在线播放| 老司机午夜福利在线观看视频| 成人三级黄色视频| 国产单亲对白刺激| 91成人精品电影| 日本撒尿小便嘘嘘汇集6| 日本五十路高清| 日韩一卡2卡3卡4卡2021年| 男人舔女人的私密视频| 18禁黄网站禁片午夜丰满| 好男人电影高清在线观看| 国产成人av教育| 自线自在国产av| x7x7x7水蜜桃| 国产在线观看jvid| 色综合欧美亚洲国产小说| 日韩 欧美 亚洲 中文字幕| 午夜福利成人在线免费观看| 国产精品久久久人人做人人爽| 黄色丝袜av网址大全| 亚洲激情在线av| 制服人妻中文乱码| 岛国视频午夜一区免费看| 黄色a级毛片大全视频| 长腿黑丝高跟| 麻豆一二三区av精品| 国产一区二区在线av高清观看| 久久青草综合色| 日韩三级视频一区二区三区| 波多野结衣巨乳人妻| 免费高清在线观看日韩| 搡老熟女国产l中国老女人| 制服丝袜大香蕉在线| 中文字幕精品免费在线观看视频| 男女下面插进去视频免费观看| 成年版毛片免费区| 18美女黄网站色大片免费观看| 变态另类成人亚洲欧美熟女 | 韩国精品一区二区三区| 欧美色欧美亚洲另类二区 | 午夜久久久久精精品| 亚洲,欧美精品.| 怎么达到女性高潮| 女性生殖器流出的白浆| 国产亚洲精品av在线| 日韩欧美免费精品| 757午夜福利合集在线观看| av网站免费在线观看视频| 国产1区2区3区精品| 女性生殖器流出的白浆| 又黄又粗又硬又大视频| av网站免费在线观看视频| 精品不卡国产一区二区三区| 给我免费播放毛片高清在线观看| 女人被躁到高潮嗷嗷叫费观| 两人在一起打扑克的视频| 成人三级黄色视频| 国产av一区在线观看免费| 国产一卡二卡三卡精品| 怎么达到女性高潮| 亚洲性夜色夜夜综合| 国产成+人综合+亚洲专区| 最近最新中文字幕大全免费视频| 精品不卡国产一区二区三区| 亚洲一卡2卡3卡4卡5卡精品中文| 国产男靠女视频免费网站| 精品久久蜜臀av无| 在线永久观看黄色视频| 国产99久久九九免费精品| videosex国产| 久久精品亚洲熟妇少妇任你| 亚洲精华国产精华精| 动漫黄色视频在线观看| 久久久精品国产亚洲av高清涩受| 巨乳人妻的诱惑在线观看| 午夜久久久在线观看| 少妇被粗大的猛进出69影院| 啦啦啦韩国在线观看视频| 露出奶头的视频| 亚洲va日本ⅴa欧美va伊人久久| 日本 欧美在线| 国产午夜福利久久久久久| 国产精品美女特级片免费视频播放器 | cao死你这个sao货| 精品一区二区三区视频在线观看免费| 国产成人一区二区三区免费视频网站| 国产在线观看jvid| 国产精品一区二区在线不卡| 欧美激情极品国产一区二区三区| 中文字幕精品免费在线观看视频| 久久天躁狠狠躁夜夜2o2o| 不卡一级毛片| 夜夜夜夜夜久久久久| 亚洲片人在线观看| 我的亚洲天堂| 免费高清在线观看日韩| 精品福利观看| 一区在线观看完整版| 日韩欧美国产一区二区入口| 欧美另类亚洲清纯唯美| 中文字幕人妻丝袜一区二区| 欧美日本视频| 亚洲精华国产精华精| 我的老师免费观看完整版| 麻豆精品久久久久久蜜桃| 欧美bdsm另类| 日韩大尺度精品在线看网址| 我要搜黄色片| 国产老妇女一区| 可以在线观看的亚洲视频| 亚洲欧美日韩无卡精品| 国产大屁股一区二区在线视频| 成年女人永久免费观看视频| 国内精品一区二区在线观看| 一本一本综合久久| 亚洲自拍偷在线| 国内久久婷婷六月综合欲色啪| 久久人人爽人人爽人人片va| 国产免费男女视频| 午夜免费激情av| 此物有八面人人有两片| 九九爱精品视频在线观看| 欧美精品国产亚洲| 欧美日韩国产亚洲二区| 99riav亚洲国产免费| 在线观看av片永久免费下载| 美女高潮的动态| 99热网站在线观看| 18+在线观看网站| 久久亚洲真实| 12—13女人毛片做爰片一| 成人鲁丝片一二三区免费| 他把我摸到了高潮在线观看| 久久久久久久久中文| 免费搜索国产男女视频| 国产高清视频在线播放一区| 特大巨黑吊av在线直播| 十八禁网站免费在线| 日日摸夜夜添夜夜添av毛片 | 午夜福利高清视频| 校园春色视频在线观看| 变态另类丝袜制服| 两性午夜刺激爽爽歪歪视频在线观看| 免费观看的影片在线观看| 亚洲精品在线观看二区| 尤物成人国产欧美一区二区三区| 五月玫瑰六月丁香| 搞女人的毛片| 久久午夜亚洲精品久久| 少妇人妻一区二区三区视频| 国产综合懂色| 国产精品女同一区二区软件 | 美女 人体艺术 gogo| 国产不卡一卡二| 国产探花在线观看一区二区| 一区二区三区四区激情视频 | 色综合色国产| 99在线视频只有这里精品首页| 91av网一区二区| 国产在线精品亚洲第一网站| 少妇裸体淫交视频免费看高清| 亚洲成人免费电影在线观看| 两人在一起打扑克的视频| 亚洲av.av天堂| 亚洲国产日韩欧美精品在线观看| 国模一区二区三区四区视频| 91午夜精品亚洲一区二区三区 | 日韩大尺度精品在线看网址| 精品免费久久久久久久清纯| 国内精品美女久久久久久| 性欧美人与动物交配| 美女高潮喷水抽搐中文字幕| 久久久久久久久久成人| 亚洲四区av| 国产 一区精品| 天堂网av新在线| 亚洲七黄色美女视频| 国产精品一区二区性色av| 欧美3d第一页| 国产男人的电影天堂91| 国产探花极品一区二区| 麻豆成人午夜福利视频| 久久精品夜夜夜夜夜久久蜜豆| 国产欧美日韩精品一区二区| 男女视频在线观看网站免费| 亚洲av中文av极速乱 | 亚洲精品粉嫩美女一区| 欧美不卡视频在线免费观看| bbb黄色大片| 他把我摸到了高潮在线观看| 91狼人影院| 国产精品久久久久久av不卡| 日本黄色视频三级网站网址| 免费看日本二区| 国产av不卡久久| 成年版毛片免费区| 国产中年淑女户外野战色| 久久婷婷人人爽人人干人人爱| 18+在线观看网站| 俺也久久电影网| 亚洲国产精品sss在线观看| 国产色婷婷99| 99久久无色码亚洲精品果冻| 日韩欧美国产一区二区入口| 老女人水多毛片| 一夜夜www| 国产精品综合久久久久久久免费| 日本在线视频免费播放| av在线天堂中文字幕| 动漫黄色视频在线观看| 亚洲av不卡在线观看| 久久久久久久午夜电影| 九九在线视频观看精品| 久99久视频精品免费| 丰满的人妻完整版| 欧美+日韩+精品| 久9热在线精品视频| 国产高清激情床上av| 亚洲精华国产精华液的使用体验 | 日日干狠狠操夜夜爽| 精品人妻偷拍中文字幕| 精品99又大又爽又粗少妇毛片 | 网址你懂的国产日韩在线| 国内精品久久久久久久电影| 日韩欧美三级三区| 日本熟妇午夜| 午夜激情欧美在线| 精品乱码久久久久久99久播| 亚洲va日本ⅴa欧美va伊人久久| 熟女人妻精品中文字幕| 99久久中文字幕三级久久日本| 日韩国内少妇激情av| 18禁黄网站禁片午夜丰满| 99久久中文字幕三级久久日本| 日本熟妇午夜| 中文字幕精品亚洲无线码一区| 高清日韩中文字幕在线| 国产免费男女视频| 日韩 亚洲 欧美在线| 美女黄网站色视频| 国产精品一区二区三区四区免费观看 | 色视频www国产| 波多野结衣高清作品| 网址你懂的国产日韩在线| 国产69精品久久久久777片|