• <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 ?

    數(shù)據(jù)稀疏背景下基于協(xié)同過濾的推薦算法綜述

    2023-05-30 10:48:04朱夢婷
    關(guān)鍵詞:相似度協(xié)同過濾推薦系統(tǒng)

    朱夢婷

    關(guān)鍵詞:推薦系統(tǒng);協(xié)同過濾;數(shù)據(jù)稀疏;相似度

    1引言

    隨著移動(dòng)互聯(lián)網(wǎng)的迅速發(fā)展,人們獲取大量信息十分便捷。與此同時(shí),如何從海量信息中高效篩選出所需內(nèi)容變得十分困難。推薦系統(tǒng)能夠在用戶需求不明確或是信息量過大時(shí),根據(jù)用戶的行為判斷其興趣,提供個(gè)性化的信息以滿足用戶需求。另外,為提高轉(zhuǎn)化率,推薦系統(tǒng)還能主動(dòng)將有效信息推送至目標(biāo)用戶。因此,推薦系統(tǒng)既是引導(dǎo)用戶獲取需要信息的助手,又是公司驅(qū)動(dòng)業(yè)務(wù)發(fā)展的重要?jiǎng)恿Α?/p>

    推薦系統(tǒng)最早被應(yīng)用于電子商務(wù)網(wǎng)站,通常是根據(jù)用戶的訂單和評(píng)價(jià)來推測偏好和需求,從而向用戶推薦可能感興趣的項(xiàng)目。例如亞馬遜、淘寶等平臺(tái),其中亞馬遜網(wǎng)站上約35%的銷售額來自個(gè)性化推薦,可見推薦系統(tǒng)在電商平臺(tái)的意義重大。一個(gè)好的推薦系統(tǒng)可以提高用戶的購買轉(zhuǎn)化率,從而進(jìn)一步提升企業(yè)的收益并增強(qiáng)其用戶黏性。近年來,推薦系統(tǒng)在其他領(lǐng)域也有非常廣泛的應(yīng)用,如社交網(wǎng)絡(luò)、短視頻、教育、智慧醫(yī)療等。

    傳統(tǒng)的推薦方法在一定程度上可以有效解決推薦問題,主要有基于內(nèi)容的推薦、協(xié)同過濾的推薦和混合推薦方法?;趦?nèi)容的推薦主要通過機(jī)器學(xué)習(xí)的方法在內(nèi)容信息中挖掘用戶偏好,不涉及評(píng)分?jǐn)?shù)據(jù)。而基于協(xié)同過濾的推薦核心是計(jì)算用戶或項(xiàng)目間的相似度,需要用到“用戶一項(xiàng)目”評(píng)分?jǐn)?shù)據(jù)。混合推薦是融合多種推薦技術(shù),充分利用輔助信息,實(shí)現(xiàn)優(yōu)缺點(diǎn)互補(bǔ)。然而,隨著數(shù)據(jù)爆發(fā)式增長,推薦系統(tǒng)面臨十分嚴(yán)重的數(shù)據(jù)稀疏問題。具體地,用戶通常只對(duì)極少部分項(xiàng)目有過交互行為(如瀏覽,收藏,加車,購買,評(píng)價(jià)等),這為精確建立用戶畫像并推薦合適的項(xiàng)目造成巨大困難。例如,電影推薦網(wǎng)站Movielens中“用戶一項(xiàng)目”矩陣近95%的數(shù)據(jù)是缺失的,在電子商務(wù)網(wǎng)站Amazon、新聞推薦平臺(tái)Mind數(shù)據(jù)中,這種缺失程度更是達(dá)到了99.9%以上,這嚴(yán)重影響了推薦的效果[1-3]。因此,如何進(jìn)一步挖掘用戶和項(xiàng)目之間的特征來提升算法準(zhǔn)確率變得尤為重要。

    下文將對(duì)基于協(xié)同過濾的推薦算法進(jìn)行詳細(xì)的梳理與分析,針對(duì)面臨的數(shù)據(jù)稀疏問題,提出解決方法與對(duì)策,并預(yù)測未來研究的幾個(gè)發(fā)展方向。

    2基于協(xié)同過濾的推薦

    2.1基于內(nèi)存的協(xié)同過濾

    基于內(nèi)存的推薦方法核心是利用“用戶一項(xiàng)目”評(píng)分矩陣、用戶信息和項(xiàng)目信息來計(jì)算對(duì)象之間的相似度,然后根據(jù)相似對(duì)象的評(píng)分加權(quán)值來預(yù)測目標(biāo)用戶對(duì)特定項(xiàng)目的評(píng)分,最后按評(píng)分高低進(jìn)行推薦。按照相似性度量對(duì)象,這類算法可分為基于用戶和基于項(xiàng)目的推薦:前者主要依據(jù)評(píng)分情況衡量不同用戶間的相似性,進(jìn)而將相似用戶的偏好項(xiàng)目推薦給目標(biāo)用戶,能夠發(fā)現(xiàn)其潛在的偏好,更能體現(xiàn)社會(huì)性;而基于項(xiàng)目的推薦則是依據(jù)評(píng)分情況衡量項(xiàng)目間的相似性,進(jìn)而將已知偏好項(xiàng)目的相似項(xiàng)目推薦給目標(biāo)用戶,更能反映自身的興趣和個(gè)性。二者的性能和適用場景對(duì)比如表1所列。

    基于內(nèi)存的協(xié)同過濾技術(shù)的核心是相似度計(jì)算,包括常用的余弦相似度、皮爾遜相關(guān)系數(shù)、歐式距離、杰卡德相關(guān)系數(shù)等,統(tǒng)一符號(hào)后具體如表2所列,可以根據(jù)實(shí)際場景和數(shù)據(jù)特點(diǎn)做選擇。

    2.2基于模型的協(xié)同過濾

    基于模型的協(xié)同過濾推薦主要通過訓(xùn)練數(shù)學(xué)模型的方式挖掘用戶和項(xiàng)目之間的特征和潛在聯(lián)系,模擬用戶的評(píng)分行為,從而得到未交互項(xiàng)目的評(píng)分并作為推薦依據(jù)。模型通常為聚類模型、矩陣分解模型、貝葉斯模型等,其中基于矩陣分解的推薦應(yīng)用較為廣泛[4-6]。

    聚類算法是經(jīng)典的無監(jiān)督機(jī)器學(xué)習(xí)算法,原理是尋找一種劃分,使得類內(nèi)距離小,并盡可能地相似,同時(shí)類間距離盡可能大,以保證差異和區(qū)分度。算法過程是先隨機(jī)指定若干個(gè)聚類中心,然后依據(jù)對(duì)象的歐式距離聚成若干簇,并重新計(jì)算每簇對(duì)象的均值,將其作為新的聚類中心,不斷重復(fù)以上步驟,直至聚類中心穩(wěn)定下來。聚類是相對(duì)直接的方法,對(duì)象可以是用戶、項(xiàng)目,也可以是二者聯(lián)合,最后還需在聚類結(jié)果的基礎(chǔ)上進(jìn)行推薦對(duì)象的選擇。

    矩陣分解是推薦系統(tǒng)協(xié)同過濾方法中最常用的模型之一,原理是從“用戶一項(xiàng)目”評(píng)分矩陣中學(xué)習(xí)用戶潛在信息和項(xiàng)目潛在信息,進(jìn)而預(yù)測未評(píng)分部分的分值。目標(biāo)函數(shù)一般形式如下:

    貝葉斯模型用于解決分類問題,屬于有監(jiān)督的機(jī)器學(xué)習(xí),原理是基于條件概率和貝葉斯定理,用決策樹表示用戶和項(xiàng)目間的概率關(guān)系。

    2.3推薦過程

    協(xié)同過濾的推薦過程主要分為三個(gè)步驟:第一步,根據(jù)定義的度量和已知數(shù)據(jù),形成“用戶一項(xiàng)目”評(píng)分矩陣;第二步,通過協(xié)同過濾算法預(yù)測未評(píng)分?jǐn)?shù)據(jù),補(bǔ)全“用戶一項(xiàng)目”評(píng)分矩陣:第三步,根據(jù)評(píng)分做出項(xiàng)目推薦?;趦?nèi)存的協(xié)同過濾可解釋性強(qiáng),易于操作實(shí)現(xiàn),但缺少提取特征的方法,無法得到推薦對(duì)象和被推薦對(duì)象的潛在信息。相比之下,基于模型的協(xié)同過濾可以同時(shí)得到這些潛在信息,但解釋性相對(duì)較弱,也難以處理大規(guī)模的推薦。除了這兩類推薦方法,還有融合多種方法揚(yáng)長避短的混合推薦,其克服了普通方法的缺點(diǎn),但過程較為復(fù)雜,難以用顯式的數(shù)學(xué)模型表示。

    推薦系統(tǒng)常用的數(shù)據(jù)集涵蓋電影、電商、音樂、圖書等領(lǐng)域,其中MovieLens是電影評(píng)分?jǐn)?shù)據(jù),分為3種大小的數(shù)據(jù)集,包含用戶個(gè)人信息和電影信息:Epinions包含商品和匿名用戶信息,商品至少被評(píng)價(jià)過一次;Amazon包含商品數(shù)量、價(jià)格,用戶瀏覽記錄、購買情況等信息;Last. fm是音樂播放數(shù)據(jù),包含最受歡迎的歌手列表和播放量;Book-Crossing是圖書評(píng)分?jǐn)?shù)據(jù)。具體規(guī)模和稀疏度如表3所列。

    3面臨的數(shù)據(jù)稀疏問題

    協(xié)同過濾的推薦方法僅需依據(jù)用戶對(duì)項(xiàng)目的評(píng)分?jǐn)?shù)據(jù),以挖掘用戶偏好,其解釋性強(qiáng),操作簡便,能夠很大程度上解決推薦問題。然而現(xiàn)實(shí)場景中,用戶和項(xiàng)目并不是固定不變的,各大平臺(tái)為占領(lǐng)市場份額,會(huì)花費(fèi)大量資金和精力在用戶拉新和產(chǎn)品上新上。當(dāng)有新用戶或新項(xiàng)目出現(xiàn)時(shí),數(shù)據(jù)庫中沒有相關(guān)的歷史數(shù)據(jù),無從判斷用戶的偏好,也沒法預(yù)估項(xiàng)目的交互情況,進(jìn)而使推薦系統(tǒng)難以做出合理的推薦,這種問題稱為冷啟動(dòng)。

    另外,當(dāng)項(xiàng)目數(shù)量遠(yuǎn)大于用戶數(shù)量時(shí),有大部分的項(xiàng)目未經(jīng)交互和評(píng)價(jià),導(dǎo)致“用戶一項(xiàng)目”評(píng)分矩陣嚴(yán)重稀疏,為提取用戶和項(xiàng)目的潛在特征帶來挑戰(zhàn)。在信息飛漲的時(shí)代,以電子商務(wù)為例,隨著達(dá)人直播帶貨、短視頻引流等新形式的出現(xiàn),規(guī)模不斷擴(kuò)大,用戶信息、商家信息、項(xiàng)目信息、交互信息急劇增長,用戶間共同評(píng)分的項(xiàng)目數(shù)量相對(duì)不足。在時(shí)間分秒游走的同時(shí),指尖滑動(dòng)產(chǎn)生的數(shù)據(jù)激增,導(dǎo)致用戶與項(xiàng)目間的評(píng)分矩陣變得愈發(fā)稀疏,推薦效果差強(qiáng)人意。因此,協(xié)同過濾的推薦方法面臨嚴(yán)峻的數(shù)據(jù)稀疏問題。

    融合多種技術(shù)的混合推薦方法雖然可以利用輔助信息(如社交信息)在一定程度上緩解冷啟動(dòng)和數(shù)據(jù)稀疏問題,但輔助信息形式多樣,普適性較差。另外,相似度計(jì)算在協(xié)同過濾推薦方法中尤為關(guān)鍵,易受數(shù)據(jù)稀疏的影響,直接影響推薦效果。大多數(shù)相似度為兩個(gè)用戶之間的相似性關(guān)系賦予相等的值,這意味著和用戶之間的相似性。這樣刻畫的相似度無法區(qū)分兩個(gè)具有不同評(píng)級(jí)配置文件的用戶,即二者交集占各自體量比重差距較大的用戶。

    4解決方法與對(duì)策

    為解決冷啟動(dòng)和數(shù)據(jù)稀疏問題,協(xié)同過濾推薦方法有三條路徑可以嘗試。

    (1)補(bǔ)全評(píng)分?jǐn)?shù)據(jù)。針對(duì)多數(shù)場景,“用戶一評(píng)分”矩陣極度稀疏的困境,可以應(yīng)用數(shù)學(xué)模型和算法預(yù)測缺失值。例如矩陣分解技術(shù),常用于基于模型的協(xié)同過濾,核心是將“用戶一項(xiàng)目”評(píng)分矩陣分解成兩個(gè)低秩矩陣,一個(gè)代表用戶潛在信息,另一個(gè)代表項(xiàng)目潛在信息,然后根據(jù)分解后的兩個(gè)矩陣乘積做預(yù)測。另外,可以將傳統(tǒng)協(xié)同過濾算法和深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法進(jìn)行結(jié)合,以計(jì)算分析用戶和項(xiàng)目之間隱含的復(fù)雜非線性關(guān)系。深度學(xué)習(xí)能夠通過訓(xùn)練集學(xué)習(xí)較為復(fù)雜的內(nèi)在聯(lián)系,深層次地挖掘推薦對(duì)象的特征,并模擬用戶評(píng)分過程,從而進(jìn)行更為準(zhǔn)確的預(yù)測。

    (2)添加輔助信息。為提高推薦效果,可以考慮除評(píng)分矩陣以外的數(shù)據(jù),如用戶的詳細(xì)信息、社交信息、商品的詳細(xì)信息等。當(dāng)有新用戶日寸,根據(jù)性別、年齡等基本信息聚類,將所屬聚類的評(píng)分平均值作為新用戶的評(píng)分?jǐn)?shù)據(jù)。另外,好友之間興趣偏好相似的概率較高,來自好友的推薦更精準(zhǔn),也更易獲得信任,所以社交關(guān)系可以有效輔助推薦效果的提升。

    (3)遷移知識(shí)學(xué)習(xí)。由于實(shí)際場景有生態(tài)化發(fā)展的趨勢,通常涉及不同領(lǐng)域。例如,美團(tuán)外賣和本地生活、美團(tuán)電商等打通,雖然美團(tuán)電商起步較晚,但用戶基數(shù)大,可以根據(jù)外賣數(shù)據(jù)和線下團(tuán)購數(shù)據(jù)推薦線上商品,這里外賣和本地生活是源域,電商是目標(biāo)域。因此,可以將多個(gè)源域的知識(shí)遷移到目標(biāo)域,以取得更好的效果,解決數(shù)據(jù)稀疏的問題。

    另外,相似度矩陣通常潛藏用戶之間的關(guān)系,在特征挖掘和興趣發(fā)現(xiàn)中十分關(guān)鍵。為避免對(duì)稱相似度在一些場景中的局限性和矛盾,可以使用不對(duì)稱相似度,通過用戶之間共同評(píng)分項(xiàng)目占各自評(píng)分項(xiàng)目的比例將原有計(jì)算結(jié)果標(biāo)準(zhǔn)化。非對(duì)稱的用戶相似度計(jì)算方法,可以區(qū)分每一用戶對(duì)其相似用戶的影響和相似用戶對(duì)該用戶的影響。

    5未來的研究方向

    近年來,推薦系統(tǒng)的深度研究和廣泛應(yīng)用為用戶帶來了便捷,為企業(yè)帶來了收益,為行業(yè)帶來了進(jìn)步。雖然基于協(xié)同過濾的推薦技術(shù)已取得不錯(cuò)的效果,但隨著其他技術(shù)的研究和發(fā)展,以及用戶體驗(yàn)需求的上升,未來仍有許多方面值得研究。其一,將知識(shí)圖譜、圖神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)技術(shù)與推薦系統(tǒng)結(jié)合,以符合用戶的個(gè)性化追求。其二,增強(qiáng)推薦模式的動(dòng)態(tài)性和交互性。在實(shí)際生活中,用戶的偏好和興趣會(huì)隨外部環(huán)境改變,如果能考慮環(huán)境因素提供實(shí)時(shí)動(dòng)態(tài)推薦,并給予用戶反饋優(yōu)化的機(jī)會(huì),推薦算法會(huì)更加精準(zhǔn)和智能。其三,數(shù)據(jù)安全與隱私保護(hù)。挖掘用戶特征時(shí)會(huì)用到多維度的信息,用戶希望得到準(zhǔn)確推薦的同時(shí)并不愿意公開隱私。一般通過數(shù)據(jù)模糊和扭曲來保護(hù)隱私,但會(huì)降低推薦準(zhǔn)確性。因此,兼顧效果和隱私的方法會(huì)是眾望所歸。

    6結(jié)束語

    通過對(duì)基于協(xié)同過濾的推薦算法的研究,整理常用相似度和數(shù)據(jù)集,分析基于內(nèi)存和模型的推薦方法及過程,易見用戶或項(xiàng)目間的相似性度量尤為重要,且協(xié)同過濾推薦面臨著嚴(yán)重的數(shù)據(jù)稀疏問題和冷啟動(dòng)問題。目前的工作主要是通過模型和深度學(xué)習(xí)算法補(bǔ)全評(píng)分?jǐn)?shù)據(jù),添加社交關(guān)系等輔助信息,遷移學(xué)習(xí)其他領(lǐng)域的知識(shí)到目標(biāo)領(lǐng)域,定義非對(duì)稱的相似性度量等提升推薦效果。未來可以在多技術(shù)結(jié)合、增強(qiáng)推薦的動(dòng)態(tài)性和交互性、兼顧效果和隱私保護(hù)方面進(jìn)行更深入的研究。

    猜你喜歡
    相似度協(xié)同過濾推薦系統(tǒng)
    基于用戶偏好的信任網(wǎng)絡(luò)隨機(jī)游走推薦模型
    改進(jìn)的協(xié)同過濾推薦算法
    模糊Petri網(wǎng)在油田開發(fā)設(shè)計(jì)領(lǐng)域的應(yīng)用研究
    基于鏈?zhǔn)酱鎯?chǔ)結(jié)構(gòu)的協(xié)同過濾推薦算法設(shè)計(jì)與實(shí)現(xiàn)
    基于相似傳播和情景聚類的網(wǎng)絡(luò)協(xié)同過濾推薦算法研究
    基于個(gè)性化的協(xié)同過濾圖書推薦算法研究
    個(gè)性化推薦系統(tǒng)關(guān)鍵算法探討
    基于協(xié)同過濾算法的個(gè)性化圖書推薦系統(tǒng)研究
    混合推薦算法在電影推薦中的研究與評(píng)述
    淺談Mahout在個(gè)性化推薦系統(tǒng)中的應(yīng)用
    亚洲五月婷婷丁香| 男女无遮挡免费网站观看| 成人特级黄色片久久久久久久 | 97人妻天天添夜夜摸| 午夜91福利影院| 真人做人爱边吃奶动态| 午夜福利视频精品| 日本av手机在线免费观看| 国产片内射在线| 成人三级做爰电影| 亚洲avbb在线观看| 欧美黄色淫秽网站| 日韩一卡2卡3卡4卡2021年| 人人妻人人澡人人看| 日本wwww免费看| 亚洲人成电影免费在线| 欧美日韩一级在线毛片| 一边摸一边抽搐一进一小说 | 国产一区二区三区综合在线观看| 欧美在线黄色| 亚洲少妇的诱惑av| 热99国产精品久久久久久7| 少妇的丰满在线观看| 午夜老司机福利片| 午夜福利在线免费观看网站| 91精品三级在线观看| 午夜免费成人在线视频| 每晚都被弄得嗷嗷叫到高潮| 久久婷婷成人综合色麻豆| 国产精品亚洲一级av第二区| 久热爱精品视频在线9| 日本五十路高清| 国产精品 欧美亚洲| 亚洲精品美女久久久久99蜜臀| netflix在线观看网站| 精品久久久久久久毛片微露脸| 美女视频免费永久观看网站| av电影中文网址| 久久国产精品大桥未久av| 亚洲美女黄片视频| 日韩免费高清中文字幕av| 亚洲av第一区精品v没综合| 国产成人一区二区三区免费视频网站| 日韩欧美免费精品| 久久狼人影院| 国产在线一区二区三区精| 黄色视频在线播放观看不卡| 日日爽夜夜爽网站| 十分钟在线观看高清视频www| 波多野结衣一区麻豆| 久久久久国内视频| 少妇被粗大的猛进出69影院| 成年版毛片免费区| 国产免费视频播放在线视频| 一级毛片电影观看| 2018国产大陆天天弄谢| 国产区一区二久久| 国产麻豆69| 波多野结衣一区麻豆| 国产精品 国内视频| 91av网站免费观看| 97在线人人人人妻| 精品高清国产在线一区| av福利片在线| 十八禁网站网址无遮挡| 下体分泌物呈黄色| 欧美黄色淫秽网站| 一二三四社区在线视频社区8| 少妇 在线观看| 欧美国产精品一级二级三级| 欧美在线一区亚洲| 日韩欧美国产一区二区入口| 国产成人av激情在线播放| 欧美日韩中文字幕国产精品一区二区三区 | 久9热在线精品视频| 精品亚洲成a人片在线观看| 久久人人爽av亚洲精品天堂| 人成视频在线观看免费观看| 啦啦啦免费观看视频1| 精品第一国产精品| 高清黄色对白视频在线免费看| 午夜免费成人在线视频| 国产成人av激情在线播放| 欧美人与性动交α欧美精品济南到| 国产又色又爽无遮挡免费看| 在线 av 中文字幕| 女人精品久久久久毛片| 欧美老熟妇乱子伦牲交| 午夜福利影视在线免费观看| 波多野结衣一区麻豆| 精品国产一区二区三区四区第35| 王馨瑶露胸无遮挡在线观看| 欧美日韩视频精品一区| 久热这里只有精品99| 精品少妇一区二区三区视频日本电影| 夫妻午夜视频| 一级,二级,三级黄色视频| 在线永久观看黄色视频| 麻豆乱淫一区二区| 久久热在线av| 国产极品粉嫩免费观看在线| 日韩三级视频一区二区三区| 男人舔女人的私密视频| 久久 成人 亚洲| 日韩熟女老妇一区二区性免费视频| 国产精品久久久久久精品古装| 久久九九热精品免费| 免费观看av网站的网址| 精品亚洲乱码少妇综合久久| 精品欧美一区二区三区在线| 日本a在线网址| 丝袜美腿诱惑在线| 黄色视频不卡| 免费观看人在逋| 日本黄色日本黄色录像| 另类亚洲欧美激情| 久久精品aⅴ一区二区三区四区| 中文字幕人妻丝袜一区二区| 国产免费福利视频在线观看| 1024视频免费在线观看| 亚洲国产av新网站| 国产激情久久老熟女| 日本av免费视频播放| 侵犯人妻中文字幕一二三四区| 九色亚洲精品在线播放| 精品国产亚洲在线| 妹子高潮喷水视频| 久久人人97超碰香蕉20202| 日韩免费av在线播放| 国产野战对白在线观看| 国产av一区二区精品久久| 国产高清激情床上av| 午夜福利欧美成人| 国产av一区二区精品久久| 十八禁网站网址无遮挡| 人人妻人人澡人人爽人人夜夜| 狠狠婷婷综合久久久久久88av| 交换朋友夫妻互换小说| 高清毛片免费观看视频网站 | 国产成人精品久久二区二区91| 久久久久久久久久久久大奶| 亚洲av欧美aⅴ国产| 最新的欧美精品一区二区| 欧美日韩视频精品一区| 女人精品久久久久毛片| 国产精品久久电影中文字幕 | a级毛片在线看网站| 别揉我奶头~嗯~啊~动态视频| 十分钟在线观看高清视频www| 国产高清videossex| 看免费av毛片| www日本在线高清视频| 国产精品亚洲一级av第二区| 久久久久久久国产电影| 国产又爽黄色视频| 黄片小视频在线播放| 亚洲性夜色夜夜综合| av网站免费在线观看视频| 久久九九热精品免费| 成人三级做爰电影| 精品国产一区二区久久| 在线av久久热| 电影成人av| 国产1区2区3区精品| 亚洲人成77777在线视频| 国产亚洲精品第一综合不卡| 丝瓜视频免费看黄片| 久久毛片免费看一区二区三区| 国产精品九九99| 亚洲黑人精品在线| 精品国产一区二区久久| 国产亚洲午夜精品一区二区久久| 大片免费播放器 马上看| 麻豆成人av在线观看| av天堂在线播放| 国产免费av片在线观看野外av| 捣出白浆h1v1| 国产精品久久久久久人妻精品电影 | 亚洲精品中文字幕一二三四区 | 欧美激情久久久久久爽电影 | 久久青草综合色| av国产精品久久久久影院| 搡老熟女国产l中国老女人| av免费在线观看网站| 天天躁夜夜躁狠狠躁躁| 国产日韩欧美亚洲二区| 国产av一区二区精品久久| 90打野战视频偷拍视频| 亚洲av欧美aⅴ国产| 亚洲人成电影免费在线| 国产亚洲欧美精品永久| 99精品在免费线老司机午夜| 黄色视频在线播放观看不卡| 丝袜喷水一区| 亚洲精品粉嫩美女一区| 最近最新免费中文字幕在线| 首页视频小说图片口味搜索| 我的亚洲天堂| 国产精品98久久久久久宅男小说| 97在线人人人人妻| 啦啦啦 在线观看视频| 午夜福利在线观看吧| 欧美黄色淫秽网站| 9色porny在线观看| 757午夜福利合集在线观看| 国产精品影院久久| 老汉色av国产亚洲站长工具| 交换朋友夫妻互换小说| 免费不卡黄色视频| 国产成人免费无遮挡视频| 欧美成人午夜精品| 亚洲欧美色中文字幕在线| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲 欧美一区二区三区| 窝窝影院91人妻| 午夜两性在线视频| 一个人免费看片子| 五月开心婷婷网| 丝袜人妻中文字幕| 久久久国产一区二区| 9191精品国产免费久久| 999久久久精品免费观看国产| 一区福利在线观看| 香蕉丝袜av| 狂野欧美激情性xxxx| 久久久国产一区二区| 亚洲欧美日韩高清在线视频 | 国产一区二区三区在线臀色熟女 | 亚洲国产欧美日韩在线播放| 两个人免费观看高清视频| 国产有黄有色有爽视频| 久久这里只有精品19| 一区二区三区国产精品乱码| 12—13女人毛片做爰片一| 黄片小视频在线播放| 超色免费av| 国产高清videossex| a级毛片黄视频| 亚洲成人免费av在线播放| 国产一区二区三区在线臀色熟女 | 91字幕亚洲| 国产伦理片在线播放av一区| 国产成人精品无人区| 国产精品亚洲av一区麻豆| 中文字幕av电影在线播放| 亚洲三区欧美一区| 国产欧美日韩一区二区三| 欧美精品一区二区大全| 首页视频小说图片口味搜索| 国产在视频线精品| 国产男靠女视频免费网站| 成人免费观看视频高清| 别揉我奶头~嗯~啊~动态视频| 亚洲情色 制服丝袜| 亚洲欧美日韩另类电影网站| 久久亚洲精品不卡| 母亲3免费完整高清在线观看| 中文字幕色久视频| 国产亚洲精品一区二区www | 久久久国产欧美日韩av| 亚洲av日韩精品久久久久久密| 久久香蕉激情| 国产av国产精品国产| 黄色 视频免费看| 亚洲精品美女久久av网站| 欧美精品一区二区免费开放| 一级毛片电影观看| 国产精品一区二区精品视频观看| 久久久精品免费免费高清| 交换朋友夫妻互换小说| 自拍欧美九色日韩亚洲蝌蚪91| 欧美 亚洲 国产 日韩一| tube8黄色片| 久久人妻福利社区极品人妻图片| 久久久精品国产亚洲av高清涩受| 热re99久久国产66热| 丝袜在线中文字幕| 免费在线观看完整版高清| 一区二区三区精品91| 久久99热这里只频精品6学生| 悠悠久久av| 99在线人妻在线中文字幕 | 丝袜人妻中文字幕| 搡老乐熟女国产| 久热爱精品视频在线9| 巨乳人妻的诱惑在线观看| 18禁美女被吸乳视频| 精品欧美一区二区三区在线| 国产在视频线精品| 黑人巨大精品欧美一区二区mp4| 不卡一级毛片| 久久久欧美国产精品| 久久久久久久久久久久大奶| 99热网站在线观看| 亚洲成a人片在线一区二区| 在线观看舔阴道视频| 老司机深夜福利视频在线观看| 久久人人97超碰香蕉20202| 国产欧美亚洲国产| 最黄视频免费看| 欧美久久黑人一区二区| 亚洲欧美日韩另类电影网站| 他把我摸到了高潮在线观看 | 美国免费a级毛片| 欧美+亚洲+日韩+国产| 国产男女超爽视频在线观看| 国产麻豆69| 午夜91福利影院| 91字幕亚洲| 亚洲av日韩精品久久久久久密| 国产精品秋霞免费鲁丝片| 真人做人爱边吃奶动态| 男女午夜视频在线观看| 久久国产精品大桥未久av| av片东京热男人的天堂| 国产1区2区3区精品| 亚洲av成人不卡在线观看播放网| 国产欧美亚洲国产| 亚洲天堂av无毛| av天堂久久9| 麻豆乱淫一区二区| 高清视频免费观看一区二区| 欧美日韩视频精品一区| 窝窝影院91人妻| 999久久久国产精品视频| 日韩视频一区二区在线观看| 精品国产一区二区久久| 日日夜夜操网爽| 欧美日韩亚洲高清精品| 中文字幕最新亚洲高清| 国产精品欧美亚洲77777| 一二三四在线观看免费中文在| 一区二区日韩欧美中文字幕| 18禁美女被吸乳视频| 亚洲国产中文字幕在线视频| 一级黄色大片毛片| av欧美777| 丝袜人妻中文字幕| 成人18禁高潮啪啪吃奶动态图| 久久久久网色| 久久天堂一区二区三区四区| 亚洲黑人精品在线| 国产高清videossex| 亚洲精品在线美女| 一二三四社区在线视频社区8| 午夜精品久久久久久毛片777| 亚洲精品久久午夜乱码| 午夜两性在线视频| 国产真人三级小视频在线观看| 狠狠狠狠99中文字幕| 一本色道久久久久久精品综合| 亚洲午夜精品一区,二区,三区| 国产不卡av网站在线观看| 欧美日韩一级在线毛片| 国产亚洲精品一区二区www | 久久婷婷成人综合色麻豆| 美女高潮喷水抽搐中文字幕| 操美女的视频在线观看| 久久国产精品影院| 国产免费av片在线观看野外av| 国产精品 国内视频| 午夜免费鲁丝| 日韩制服丝袜自拍偷拍| 久久人妻熟女aⅴ| 制服人妻中文乱码| 男人舔女人的私密视频| 国产成人精品久久二区二区91| 久久影院123| 99国产极品粉嫩在线观看| 高清黄色对白视频在线免费看| 久久久久精品国产欧美久久久| 飞空精品影院首页| 免费高清在线观看日韩| 欧美成人免费av一区二区三区 | 亚洲精品国产色婷婷电影| 国产成人欧美| 亚洲av日韩精品久久久久久密| 国产成人啪精品午夜网站| 亚洲三区欧美一区| 黄色视频不卡| 成年女人毛片免费观看观看9 | 久久久久精品国产欧美久久久| 亚洲精品国产区一区二| 久久精品人人爽人人爽视色| 国产97色在线日韩免费| 国产视频一区二区在线看| 国产一区二区激情短视频| 91麻豆av在线| 中文字幕制服av| 亚洲精品中文字幕一二三四区 | kizo精华| 午夜精品久久久久久毛片777| 一本综合久久免费| 亚洲国产看品久久| 波多野结衣一区麻豆| www日本在线高清视频| 亚洲成av片中文字幕在线观看| 性少妇av在线| 国产精品99久久99久久久不卡| 国产欧美日韩精品亚洲av| 成人国产av品久久久| 亚洲,欧美精品.| 99热网站在线观看| 欧美成人午夜精品| 国产精品自产拍在线观看55亚洲 | 成年女人毛片免费观看观看9 | 天堂8中文在线网| 日韩欧美国产一区二区入口| 99国产精品一区二区蜜桃av | 高潮久久久久久久久久久不卡| 99久久人妻综合| 欧美日韩亚洲综合一区二区三区_| 最新美女视频免费是黄的| 亚洲少妇的诱惑av| 汤姆久久久久久久影院中文字幕| 精品少妇内射三级| 精品国产一区二区三区四区第35| 美女主播在线视频| 五月天丁香电影| 国产欧美亚洲国产| 在线播放国产精品三级| av天堂在线播放| 黄片大片在线免费观看| 精品卡一卡二卡四卡免费| 亚洲,欧美精品.| 久久久久视频综合| 另类精品久久| 91av网站免费观看| 黄色怎么调成土黄色| 免费少妇av软件| 麻豆国产av国片精品| 国产精品久久久久成人av| 男女床上黄色一级片免费看| 久久久久国产一级毛片高清牌| 777久久人妻少妇嫩草av网站| 成在线人永久免费视频| 多毛熟女@视频| 新久久久久国产一级毛片| 69精品国产乱码久久久| 久久精品亚洲熟妇少妇任你| 欧美激情久久久久久爽电影 | 免费女性裸体啪啪无遮挡网站| 久久人人爽av亚洲精品天堂| 久久久国产欧美日韩av| 波多野结衣一区麻豆| 久久国产精品影院| 国产av精品麻豆| 99久久99久久久精品蜜桃| 蜜桃在线观看..| 少妇的丰满在线观看| 国产成人欧美| 国产黄色免费在线视频| 一本综合久久免费| 19禁男女啪啪无遮挡网站| 亚洲精品国产色婷婷电影| 免费少妇av软件| 日韩一卡2卡3卡4卡2021年| 又紧又爽又黄一区二区| 天堂中文最新版在线下载| 中文字幕av电影在线播放| 另类亚洲欧美激情| 99热网站在线观看| 国产一区二区三区视频了| 99国产综合亚洲精品| 久久99热这里只频精品6学生| av视频免费观看在线观看| 老司机午夜十八禁免费视频| 在线观看www视频免费| 电影成人av| 午夜91福利影院| 国产免费av片在线观看野外av| 国产区一区二久久| 亚洲 国产 在线| 国产av又大| 久久精品亚洲熟妇少妇任你| 成在线人永久免费视频| 国产在线精品亚洲第一网站| 80岁老熟妇乱子伦牲交| 婷婷丁香在线五月| 欧美+亚洲+日韩+国产| 麻豆av在线久日| 又黄又粗又硬又大视频| 国产欧美亚洲国产| 久久国产精品人妻蜜桃| 国产高清激情床上av| 精品久久蜜臀av无| 嫩草影视91久久| 美女主播在线视频| 精品国产亚洲在线| 中国美女看黄片| 亚洲一区中文字幕在线| 中文字幕另类日韩欧美亚洲嫩草| 一区二区三区国产精品乱码| 男女床上黄色一级片免费看| 亚洲精品国产一区二区精华液| 男女午夜视频在线观看| 如日韩欧美国产精品一区二区三区| a级毛片黄视频| 国产精品av久久久久免费| 国产在线精品亚洲第一网站| 久久久精品免费免费高清| 久久久久国内视频| 免费在线观看日本一区| 国产不卡av网站在线观看| 美女主播在线视频| 午夜福利影视在线免费观看| 色94色欧美一区二区| 在线观看免费高清a一片| 19禁男女啪啪无遮挡网站| 91大片在线观看| 国产真人三级小视频在线观看| av片东京热男人的天堂| 久久久久久人人人人人| 久久精品成人免费网站| 色婷婷久久久亚洲欧美| 中文字幕制服av| 国产有黄有色有爽视频| 国精品久久久久久国模美| 在线永久观看黄色视频| 国产精品 欧美亚洲| av在线播放免费不卡| 一区二区av电影网| 美女视频免费永久观看网站| 青草久久国产| 另类精品久久| 桃红色精品国产亚洲av| 老司机亚洲免费影院| 99精国产麻豆久久婷婷| 啦啦啦视频在线资源免费观看| 在线永久观看黄色视频| 免费久久久久久久精品成人欧美视频| 欧美av亚洲av综合av国产av| 国产精品亚洲av一区麻豆| 日韩成人在线观看一区二区三区| 无人区码免费观看不卡 | 亚洲国产精品一区二区三区在线| 日韩免费高清中文字幕av| 免费观看人在逋| 国产成+人综合+亚洲专区| 90打野战视频偷拍视频| 99国产精品99久久久久| 亚洲av日韩精品久久久久久密| 国产成人免费无遮挡视频| 国产亚洲欧美在线一区二区| 91精品国产国语对白视频| 精品人妻熟女毛片av久久网站| 久久热在线av| 1024香蕉在线观看| 久久国产精品人妻蜜桃| 国产欧美日韩一区二区三| 高清在线国产一区| 国产一卡二卡三卡精品| 在线播放国产精品三级| 一区二区日韩欧美中文字幕| 免费av中文字幕在线| 人妻 亚洲 视频| 国产精品欧美亚洲77777| 波多野结衣av一区二区av| 国产精品秋霞免费鲁丝片| 日本五十路高清| 国产麻豆69| 国产深夜福利视频在线观看| 日本wwww免费看| av天堂在线播放| 国产精品亚洲av一区麻豆| 国产一区有黄有色的免费视频| 可以免费在线观看a视频的电影网站| 亚洲精品在线观看二区| 久久这里只有精品19| av天堂在线播放| 首页视频小说图片口味搜索| 精品亚洲成国产av| 国产单亲对白刺激| 国产日韩欧美亚洲二区| 桃花免费在线播放| 欧美av亚洲av综合av国产av| 亚洲成a人片在线一区二区| 在线观看人妻少妇| 首页视频小说图片口味搜索| 欧美精品高潮呻吟av久久| 午夜激情久久久久久久| 精品一品国产午夜福利视频| 精品午夜福利视频在线观看一区 | 一个人免费在线观看的高清视频| 日日爽夜夜爽网站| 日韩三级视频一区二区三区| 国产av国产精品国产| 精品久久久久久久毛片微露脸| 国产亚洲精品一区二区www | 极品教师在线免费播放| 不卡av一区二区三区| 亚洲av欧美aⅴ国产| 黄色视频在线播放观看不卡| 色精品久久人妻99蜜桃| 午夜两性在线视频| 亚洲一卡2卡3卡4卡5卡精品中文| 久久精品国产a三级三级三级| 菩萨蛮人人尽说江南好唐韦庄| 新久久久久国产一级毛片| 亚洲国产欧美在线一区| avwww免费| 伦理电影免费视频| 国产91精品成人一区二区三区 | 久久中文看片网| 日日爽夜夜爽网站| 大陆偷拍与自拍| 国产精品国产高清国产av | tocl精华| 亚洲精品国产区一区二| 午夜老司机福利片| 极品少妇高潮喷水抽搐| 国产成人欧美在线观看 | 欧美午夜高清在线| 久久青草综合色| 国产精品自产拍在线观看55亚洲 |