• <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Pairwise策略?xún)?yōu)化的雙塔召回算法模型研究

    2023-08-10 02:08:53于慶洋
    中國(guó)新通信 2023年11期
    關(guān)鍵詞:推薦系統(tǒng)

    摘要:在推薦或廣告系統(tǒng)中,召回階段扮演著快速?gòu)拇罅康暮蜻x集中挑選出較為合適的物品Item集合,作為下一階段精排的準(zhǔn)入,從而起到在較為貼合用戶興趣的基礎(chǔ)上,緩解精排的計(jì)算壓力的作用,故召回階段面臨的候選集數(shù)量通常非常大,一般在幾百萬(wàn)至上億規(guī)模。此時(shí),在訓(xùn)練召回模型時(shí),采樣便成了很重要的問(wèn)題,尤其是負(fù)采樣,一般情況下,訓(xùn)練召回模型時(shí),會(huì)做隨機(jī)負(fù)采樣,由于召回模型負(fù)樣本的不置信問(wèn)題,采到的負(fù)樣本有可能并不是真負(fù)樣本,導(dǎo)致影響了模型的訓(xùn)練效果。針對(duì)此問(wèn)題,本文提出了一個(gè)基于雙塔模型的Pairwise訓(xùn)練策略,利用度量學(xué)習(xí)的思想規(guī)避召回模型負(fù)采樣過(guò)程中負(fù)樣本不置信的問(wèn)題,不直接針對(duì)負(fù)樣本判別真假,而是學(xué)習(xí)樣本對(duì)之間的差距,提升模型學(xué)習(xí)精度與效率。

    關(guān)鍵詞:推薦系統(tǒng);召回;雙塔模型;負(fù)樣本;Pairwise

    一、背景介紹

    推薦系統(tǒng)的技術(shù)階段一般包括召回、排序和重排序。其中,召回模型是推薦系統(tǒng)的核心技術(shù)之一。推薦系統(tǒng)可以被看作一個(gè)用于人與物的匹配系統(tǒng)。其最終目的是通過(guò)實(shí)現(xiàn)千人千面,將最符合用戶興趣的物品展示給用戶,并按照用戶偏好對(duì)每個(gè)物品進(jìn)行匹配分值排序。為了實(shí)現(xiàn)這一目的,可以將推薦系統(tǒng)抽象為如下的框架:用戶請(qǐng)求推薦引擎時(shí),使用一個(gè)排序算法將所有的物品與該用戶計(jì)算出一個(gè)匹配分值,然后按照該分值從高到低在頁(yè)面上展示物品。然而,推薦系統(tǒng)所面臨的候選集通常規(guī)模非常大,從幾百萬(wàn)至億級(jí)別不等,如果對(duì)每個(gè)物品都進(jìn)行計(jì)算,系統(tǒng)的性能無(wú)法滿足線上要求。因此引入召回模型,快速?gòu)暮A亢蜻x集中挑選出適量與用戶興趣較為匹配的物品集,然后將其送入排序算法進(jìn)行更加精確的匹配計(jì)算。

    當(dāng)下,拋開(kāi)規(guī)則策略型的召回技術(shù),業(yè)界共識(shí)的召回技術(shù)到目前為止已發(fā)展了兩代。

    第一代:?jiǎn)l(fā)式規(guī)則召回技術(shù),例如ItemCF 召回技術(shù),召回與用戶歷史行為過(guò)的物品相似Item。

    該召回技術(shù)優(yōu)點(diǎn)為實(shí)現(xiàn)簡(jiǎn)單,性能也較為高效。

    兩階段實(shí)現(xiàn):

    ①?gòu)挠脩舻臍v史行為(點(diǎn)擊、收藏、點(diǎn)贊等)中獲取觸發(fā)Item。

    ②在候選物品集中檢索與觸發(fā)物品最近鄰的Item。 物品之間的相似度列表可以離線預(yù)先計(jì)算好存入類(lèi)Key-Value數(shù)據(jù)庫(kù),線上直接獲取結(jié)果。

    此類(lèi)召回方法有以下缺點(diǎn):

    ①模型較為簡(jiǎn)單,精度有限。

    ②每次觸發(fā)均為用戶歷史行為過(guò)的物品,易造成馬太效應(yīng),模型泛化能力不足。

    第一階段和第二階段之間有明顯差距,不是聯(lián)合訓(xùn)練,影響最終效果。

    第二代:針對(duì)第一代召回技術(shù)的不足,發(fā)展出了第二代召回模型范式:

    基于 Embedding 的向量化檢索模型。分別將用戶和物品用Embedding向量進(jìn)行表征,用向量之間余弦距離的大小表示用戶與物品的匹配程度,配合快速向量化最近鄰檢索ANN方法,既做到了泛化能力強(qiáng),又兼顧了召回模型的高性能需求。

    二、雙塔模型框架

    上述提到的基于Embedding 的向量化檢索模型,目前業(yè)界主流實(shí)現(xiàn)為雙塔模型,結(jié)構(gòu)如圖1。

    可以看出,雙塔模型其實(shí)是一套框架,左側(cè)塔和右側(cè)塔可以分別使用不同的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行處理,只要在最頂端的兩塔的輸出層交互時(shí),向量保持維度一致即可。

    訓(xùn)練階段:分別將用戶側(cè)和物品側(cè)原始特征經(jīng)過(guò)特征處理、離散化等操作后,對(duì)特征進(jìn)行Embedding化,拼接Embedding特征向量后分別經(jīng)過(guò)幾層全連接神經(jīng)網(wǎng)絡(luò)(激活函數(shù)可以是ReLu、SeLu等),對(duì)輸入的特征信息進(jìn)行編碼表征。最終左右兩個(gè)塔分別輸出用戶Embedding向量U_Vector與物品Embedding向量I_Vector,并將二者拼接后送入單層全連接神經(jīng)網(wǎng)絡(luò),輸出層的激活函數(shù)使用Sigmoid方便進(jìn)行概率輸出Y_Prob,最后用輸出的Y_Prob與真實(shí)的Label(該用戶對(duì)該物品是否真的有行為)做交叉熵形成損失函數(shù),再利用反向傳播算法更新雙塔模型的網(wǎng)絡(luò)參數(shù),直到模型收斂。

    推理階段:第一階段的訓(xùn)練完畢后,左右兩個(gè)塔的參數(shù)均已經(jīng)固化下來(lái)。推理時(shí),當(dāng)收到用戶請(qǐng)求時(shí),根據(jù)用戶畫(huà)像的存儲(chǔ),可實(shí)時(shí)獲取到該用戶的原始特征,將特征喂入左側(cè)已經(jīng)訓(xùn)練好的塔,就可在塔的頂端獲取到該用戶最終的輸出向量U_Vector。物品向量的獲取和用戶側(cè)不太一樣:由于物品側(cè)的特征一般均為靜態(tài)屬性,故不需要線上實(shí)時(shí)獲取物品Item的輸出Embedding向量,只需要在每次雙塔模型訓(xùn)練完畢后,將所有候選集中的物品特征全部取出,拼接后喂入右側(cè)的物品塔,再經(jīng)過(guò)幾層全連接神經(jīng)網(wǎng)絡(luò),頂端輸出物品向量I_Vector,然后將批量獲取到的物品向量存入Faiss等快速向量化最近鄰ANN檢索數(shù)據(jù)庫(kù)工具中,當(dāng)線上實(shí)時(shí)獲取到用戶向量U_Vector時(shí),查找Faiss等檢索數(shù)據(jù)庫(kù),快速找到與該用戶向量U_Vector最近鄰的TopK個(gè)物品向量,達(dá)到召回目的,生成精排候選集。

    三、召回模型樣本偏差問(wèn)題

    在機(jī)器/深度學(xué)習(xí)模型領(lǐng)域中,有一個(gè)重要原則:訓(xùn)練與推理樣本分布要保持一致,否則會(huì)影響模型效果。理解下這個(gè)問(wèn)題,若訓(xùn)練模型的樣本集分布為A、B、C這三類(lèi),但當(dāng)模型訓(xùn)練完成,在使用模型進(jìn)行推理時(shí),線上均為D、E兩大類(lèi)待預(yù)測(cè)樣本,顯然,模型在訓(xùn)練時(shí)從未見(jiàn)過(guò)這兩類(lèi)樣本,線上的推理效果可想而知。

    這個(gè)問(wèn)題存在于雙塔召回模型中。分析一下,通常情況下,召回模型的采樣方法和精排模型相同,正樣本為用戶行為點(diǎn)擊過(guò)的樣本,負(fù)樣本為曝光未點(diǎn)擊樣本。這種采樣方式在精排模型中沒(méi)有問(wèn)題,但是在召回模型中有較大的問(wèn)題,原因如下:由于召回模型在訓(xùn)練時(shí),選取的負(fù)樣本均為“曝光未點(diǎn)擊”樣本,而模型在線上進(jìn)行召回推理時(shí),面對(duì)的是海量的候選物品集合,很多物品Item從未給用戶展示,因此明顯會(huì)產(chǎn)生上述的樣本偏差問(wèn)題,從而極大地影響召回模型效果。

    四、雙塔模型隨機(jī)負(fù)采樣

    采用隨機(jī)負(fù)采樣的方式來(lái)解決召回模型的樣本偏差問(wèn)題是一種有效的解決方法。隨機(jī)負(fù)采樣的方式可以使得負(fù)采樣的分布更加均勻,從而減輕樣本偏差的問(wèn)題。但這種方式也帶來(lái)了一個(gè)新的問(wèn)題,即負(fù)樣本的置信問(wèn)題。由于隨機(jī)負(fù)采樣的方式會(huì)導(dǎo)致大量不相關(guān)的物品出現(xiàn)在負(fù)樣本中,這些負(fù)樣本對(duì)模型訓(xùn)練的效果會(huì)產(chǎn)生負(fù)面影響,從而導(dǎo)致模型的效果下降。因此,在使用隨機(jī)負(fù)采樣的方式時(shí),需要采取一些策略,如降低隨機(jī)負(fù)采樣的采樣率、對(duì)負(fù)樣本進(jìn)行過(guò)濾、引入其他的策略等,從而保證采樣的負(fù)樣本的質(zhì)量。 經(jīng)過(guò)仔細(xì)分析,上述提出的隨機(jī)負(fù)采樣方法雖然規(guī)避了樣本偏差問(wèn)題,但是存在另外一個(gè)問(wèn)題:由于負(fù)樣本一部分是來(lái)自全物品庫(kù)的隨機(jī)采樣,這其中包含了很多從未給用戶曝光展示過(guò)的物品。然而,按照這種采樣方式,會(huì)將很多這類(lèi)從未給用戶曝光過(guò)的物品Item當(dāng)成負(fù)樣本來(lái)引導(dǎo)模型參數(shù)的訓(xùn)練。很明顯,若某一物品從未展示給某用戶,就無(wú)法判斷用戶對(duì)該物品的喜好,也就無(wú)法下定論說(shuō)此物品Item對(duì)該用戶來(lái)說(shuō)是負(fù)樣本。因此,按照全物品庫(kù)隨機(jī)負(fù)采樣的方式,將會(huì)導(dǎo)致訓(xùn)練時(shí)很多喂入雙塔召回模型的負(fù)樣本其實(shí)是存在置信度缺陷的。為了解決此問(wèn)題,本文提出核心觀點(diǎn):基于度量學(xué)習(xí)的Pairwise訓(xùn)練策略,以?xún)?yōu)化雙塔召回模型。本方法針對(duì)上述負(fù)樣本不置信問(wèn)題,結(jié)合度量學(xué)習(xí)與Pairwise訓(xùn)練方法,以用戶為衡量標(biāo)準(zhǔn),學(xué)習(xí)樣本之間與用戶的匹配程度差距,而非直接用單一的正負(fù)樣本進(jìn)行學(xué)習(xí)。這樣,既達(dá)到將雙塔模型參數(shù)學(xué)習(xí)到最佳收斂狀態(tài),又能規(guī)避由負(fù)樣本不置信導(dǎo)致的對(duì)模型參數(shù)學(xué)習(xí)造成的負(fù)面影響。

    五、度量學(xué)習(xí)與Pairwise訓(xùn)練

    (一)度量學(xué)習(xí)

    度量學(xué)習(xí)也就是常說(shuō)的相似度學(xué)習(xí)。距離測(cè)度學(xué)習(xí)的目的即為了衡量樣本之間的相近程度,而這也正是模式識(shí)別的核心問(wèn)題之一。大量的機(jī)器學(xué)習(xí)方法,比如K近鄰、支持向量機(jī)、徑向基函數(shù)網(wǎng)絡(luò)等分類(lèi)方法以及K-Means聚類(lèi)方法,還有一些基于圖的方法,其性能好壞都主要有樣本之間的相似度量方法的選擇決定。

    (二)Pairwise方法

    基于雙塔的Pairwise訓(xùn)練模型結(jié)構(gòu)如圖2。所謂的Pair,指的是樣本對(duì),在這里,一個(gè)Pair樣本對(duì)為:這里的Item+指的是用戶點(diǎn)擊過(guò)的Item,Item-指的是用戶未點(diǎn)擊過(guò)的Item,從而將模型的優(yōu)化目標(biāo)轉(zhuǎn)化為:針對(duì)同一個(gè)User,Item+與他的匹配程度,要遠(yuǎn)遠(yuǎn)高于Item?與他的匹配程度。所以Loss中沒(méi)有具體的正負(fù)Label,而存在“的匹配分”與“的匹配分”相互比較的形式。

    六、基于Pairwise度量學(xué)習(xí)的雙塔召回模型實(shí)現(xiàn)

    (一)基于Sampled Softmax Loss實(shí)現(xiàn)

    為了實(shí)現(xiàn)基于上述的雙塔模型Pairwise訓(xùn)練方式,有幾種Loss可供選擇。

    一種是采樣的Softmax Loss,即:Sampled Softmax Loss。

    這種Loss將召回看成一個(gè)超大規(guī)模的多分類(lèi)問(wèn)題,優(yōu)化的目標(biāo)是使,User選中Item+的概率最高。

    User選中Item+的概率:

    (1)

    其中vu是User Embedding,vi代表Item Embedding,|I|代表整個(gè)Item候選集。

    為使以上概率達(dá)到最大,要求分子,即User與Item+的匹配度,盡可能大;而分母,即User與除Item+之外的所有Item的匹配度之和,盡可能小。體現(xiàn)出上文所說(shuō)的“不與Label比較,而是匹配得分相互比較”的特點(diǎn)。

    但是,由于計(jì)算分配牽扯到整個(gè)候選Item集合|I|,計(jì)算量大到不現(xiàn)實(shí)。所以實(shí)際優(yōu)化的是Sampled Softmax Loss,即從|I|中隨機(jī)采樣若干Item,近似代替計(jì)算完整的分母。

    (2)

    (二)基于Hinge Loss實(shí)現(xiàn)

    優(yōu)化目標(biāo)是:User與正樣本Item的匹配程度,要比User與負(fù)樣本Item的匹配程度高出一定的閾值。

    (0,margin-user·item++user·item-)? ? ? (3)

    (三)基于BPR Loss實(shí)現(xiàn)

    上文中提到的 Hinge loss有兩個(gè)不足:

    ①超參數(shù)Margin需要調(diào)節(jié),且不同業(yè)務(wù)和數(shù)據(jù)場(chǎng)景,超參數(shù)Margin的選擇對(duì)模型的學(xué)習(xí)有非常大的影響,導(dǎo)致訓(xùn)練不穩(wěn)定。

    ②仔細(xì)觀察Hinge Loss不拿發(fā)現(xiàn),若使用Hinge Loss,一旦兩個(gè)樣本之間匹配程度很相近,Loss便無(wú)法捕捉到。

    因此本文主要使用如下的BPR Loss實(shí)現(xiàn)。

    其思想是計(jì)算“給User召回時(shí),將Item+排在Item-前面的概率”。

    pCorrectOrder=sigmoid(user·item--user·item+)? ? ? ? (4)

    因?yàn)?User, Item+, Item->的Ground-Truth Label永遠(yuǎn)是1,所以將pCorrectOrder喂入二分類(lèi)交叉熵?fù)p失(Binary Cross-Entropy Loss)的公式,就有:

    LBPR=-log(pCorrectOrder)=log(1+exp(user·item--user·item+))? ? (5)

    七、實(shí)驗(yàn)結(jié)論

    使用同一線上數(shù)據(jù)做A/B實(shí)驗(yàn),分別采用原始的雙塔召回模型與引入度量學(xué)習(xí)Pairwise的雙塔召回模型,評(píng)價(jià)指標(biāo)采用離線準(zhǔn)確率、線上點(diǎn)擊率、單路召回占比。對(duì)比結(jié)果如表1所示。結(jié)果表明:①引入度量學(xué)習(xí)Pairwise的雙塔召回模型,無(wú)論是離線準(zhǔn)確率、線上點(diǎn)擊率均有較大幅度提升,充分說(shuō)明了引入Pairwise度量學(xué)習(xí)后,對(duì)模型的訓(xùn)練效果有較大的正面影響。②引入Pairwise度量學(xué)習(xí)策略方法后,該模型的單路召回占比相較于隨機(jī)負(fù)采樣而言,也有較大幅度提升,表明該方法對(duì)模型的泛化性也有較大幅度的提升,有效地緩解了召回的馬太效應(yīng)問(wèn)題。

    八、結(jié)束語(yǔ)

    本文采用將Pairwise與度量學(xué)習(xí)同時(shí)引入雙塔召回模型,以解決隨機(jī)負(fù)采樣造成的負(fù)樣本不置信度高和模型泛化能力差的問(wèn)題。通過(guò)真實(shí)的線上A/B實(shí)驗(yàn)驗(yàn)證了該方法的有效性和可行性,對(duì)智能推薦召回系統(tǒng)的研究具有重要意義。

    作者單位:于慶洋 伊利集團(tuán)

    參? 考? 文? 獻(xiàn)

    [1] Jui-Ting Huang. Embedding-based Retrieval in Facebook Search, KDD 2020,F(xiàn)acebook.

    猜你喜歡
    推薦系統(tǒng)
    數(shù)據(jù)挖掘在選課推薦中的研究
    軟件(2016年4期)2017-01-20 10:09:33
    基于用戶偏好的信任網(wǎng)絡(luò)隨機(jī)游走推薦模型
    基于個(gè)性化的協(xié)同過(guò)濾圖書(shū)推薦算法研究
    個(gè)性化推薦系統(tǒng)關(guān)鍵算法探討
    淺談Mahout在個(gè)性化推薦系統(tǒng)中的應(yīng)用
    關(guān)于協(xié)同過(guò)濾推薦算法的研究文獻(xiàn)綜述
    商(2016年29期)2016-10-29 15:22:08
    一種基于自適應(yīng)近鄰選擇的協(xié)同過(guò)濾推薦算法
    UGC標(biāo)簽推薦系統(tǒng)的一種新的標(biāo)簽清理方法
    商(2016年15期)2016-06-17 17:39:50
    網(wǎng)上商品推薦系統(tǒng)設(shè)計(jì)研究
    基于消費(fèi)者視角的在線推薦系統(tǒng)研究綜述
    日韩av在线大香蕉| 日本一本二区三区精品| 国产激情偷乱视频一区二区| 亚洲av五月六月丁香网| 精品久久久久久成人av| 一本一本综合久久| 国产亚洲欧美98| 亚洲人成电影免费在线| 免费搜索国产男女视频| 日韩 亚洲 欧美在线| 国产伦一二天堂av在线观看| av天堂中文字幕网| 日韩欧美在线乱码| 精品熟女少妇八av免费久了| 直男gayav资源| 国产美女午夜福利| 久久亚洲真实| 久久久久性生活片| 亚洲欧美日韩高清专用| 超碰av人人做人人爽久久| 亚洲av电影在线进入| 最后的刺客免费高清国语| 欧美成人一区二区免费高清观看| 久久久久久久午夜电影| 国产精品女同一区二区软件 | 午夜福利在线观看免费完整高清在 | 国产免费男女视频| .国产精品久久| 不卡一级毛片| 一级a爱片免费观看的视频| 国产精品日韩av在线免费观看| 久久午夜福利片| 91久久精品国产一区二区成人| 日韩av在线大香蕉| 亚洲人与动物交配视频| 亚洲人成电影免费在线| 特大巨黑吊av在线直播| 成人av在线播放网站| 男插女下体视频免费在线播放| 亚洲精华国产精华精| 中文字幕精品亚洲无线码一区| 亚洲人成电影免费在线| 真实男女啪啪啪动态图| 亚洲欧美精品综合久久99| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 女人被狂操c到高潮| 三级毛片av免费| 久久伊人香网站| 看免费av毛片| 亚洲国产日韩欧美精品在线观看| 成人美女网站在线观看视频| 欧美xxxx性猛交bbbb| 久久亚洲真实| 国产精品伦人一区二区| 国产美女午夜福利| 国产精华一区二区三区| 首页视频小说图片口味搜索| 亚洲在线自拍视频| 成人永久免费在线观看视频| 亚洲av二区三区四区| 在线播放无遮挡| 精品久久久久久久久久久久久| 两人在一起打扑克的视频| 国产中年淑女户外野战色| 国产高清激情床上av| 国产精品久久久久久亚洲av鲁大| 又粗又爽又猛毛片免费看| 真实男女啪啪啪动态图| 国产中年淑女户外野战色| 91久久精品国产一区二区成人| 婷婷色综合大香蕉| 在线免费观看的www视频| 亚洲七黄色美女视频| 国产成人影院久久av| 一本一本综合久久| 亚洲人与动物交配视频| 国产高清激情床上av| 国产高清视频在线播放一区| 欧美又色又爽又黄视频| 午夜福利18| 亚洲欧美日韩无卡精品| 五月伊人婷婷丁香| 波多野结衣巨乳人妻| 亚洲最大成人中文| 宅男免费午夜| 一进一出抽搐动态| 亚洲va日本ⅴa欧美va伊人久久| 成人三级黄色视频| 99久久无色码亚洲精品果冻| 精品一区二区三区av网在线观看| 每晚都被弄得嗷嗷叫到高潮| 香蕉av资源在线| 亚洲av免费在线观看| 麻豆成人午夜福利视频| 国产真实乱freesex| 简卡轻食公司| www.色视频.com| 一区二区三区激情视频| 神马国产精品三级电影在线观看| 一个人看视频在线观看www免费| 99久久精品一区二区三区| 又黄又爽又免费观看的视频| 日韩欧美三级三区| 很黄的视频免费| 亚洲一区二区三区不卡视频| 国产精品av视频在线免费观看| 90打野战视频偷拍视频| 中文字幕免费在线视频6| 国产在线男女| 国产一区二区三区视频了| 琪琪午夜伦伦电影理论片6080| 亚洲成a人片在线一区二区| 欧美绝顶高潮抽搐喷水| 男女做爰动态图高潮gif福利片| 18禁裸乳无遮挡免费网站照片| 亚洲成人久久爱视频| 看黄色毛片网站| 亚洲国产精品sss在线观看| 亚洲黑人精品在线| 丁香六月欧美| 成人三级黄色视频| 最后的刺客免费高清国语| 久久精品国产99精品国产亚洲性色| 国产精品乱码一区二三区的特点| 午夜福利高清视频| 91字幕亚洲| 校园春色视频在线观看| 99久久成人亚洲精品观看| 岛国在线免费视频观看| 国产欧美日韩精品亚洲av| 国产精品女同一区二区软件 | 男女床上黄色一级片免费看| 又紧又爽又黄一区二区| 国产老妇女一区| 真人做人爱边吃奶动态| 欧美不卡视频在线免费观看| 免费一级毛片在线播放高清视频| 色综合婷婷激情| 成人永久免费在线观看视频| 少妇高潮的动态图| 国产精品一区二区免费欧美| 一本综合久久免费| 12—13女人毛片做爰片一| 国产欧美日韩精品亚洲av| 亚洲人成伊人成综合网2020| 在线a可以看的网站| 欧美日本亚洲视频在线播放| 午夜福利视频1000在线观看| 怎么达到女性高潮| 丁香欧美五月| 一本一本综合久久| 国内精品一区二区在线观看| 欧美日本亚洲视频在线播放| 禁无遮挡网站| 国产亚洲精品av在线| 一a级毛片在线观看| 久久久久九九精品影院| 好看av亚洲va欧美ⅴa在| 男女下面进入的视频免费午夜| 亚洲最大成人av| 俺也久久电影网| 久久久久久久亚洲中文字幕 | 亚洲性夜色夜夜综合| 99久国产av精品| 国产伦精品一区二区三区四那| 国产黄片美女视频| 我要看日韩黄色一级片| 人妻制服诱惑在线中文字幕| 亚洲一区二区三区色噜噜| 国产精品爽爽va在线观看网站| 亚洲av一区综合| 中亚洲国语对白在线视频| 国产91精品成人一区二区三区| 成人av在线播放网站| 少妇人妻精品综合一区二区 | 嫩草影院精品99| 亚洲av不卡在线观看| 国产精品久久电影中文字幕| 大型黄色视频在线免费观看| 午夜福利在线观看吧| 精品国内亚洲2022精品成人| eeuss影院久久| 国产精品,欧美在线| 一级黄片播放器| 99热这里只有精品一区| 日日摸夜夜添夜夜添小说| 日韩欧美精品v在线| 他把我摸到了高潮在线观看| 亚洲人成伊人成综合网2020| 午夜福利在线观看免费完整高清在 | 老女人水多毛片| 国产精品一区二区免费欧美| 色噜噜av男人的天堂激情| 五月玫瑰六月丁香| 国产一区二区三区在线臀色熟女| 亚洲成a人片在线一区二区| 少妇高潮的动态图| 免费无遮挡裸体视频| 国产黄a三级三级三级人| 色综合欧美亚洲国产小说| 精品国产亚洲在线| 亚洲av第一区精品v没综合| 久久国产精品人妻蜜桃| 日韩成人在线观看一区二区三区| 午夜精品久久久久久毛片777| 又黄又爽又免费观看的视频| 听说在线观看完整版免费高清| 国产av一区在线观看免费| 亚洲 国产 在线| 欧美成人a在线观看| 18禁裸乳无遮挡免费网站照片| 日本撒尿小便嘘嘘汇集6| 亚洲精品一卡2卡三卡4卡5卡| 国产aⅴ精品一区二区三区波| 久久久久久久久大av| 国产在视频线在精品| 久久6这里有精品| 亚洲最大成人av| 欧美成人一区二区免费高清观看| 亚洲精品456在线播放app | 一级a爱片免费观看的视频| 成年人黄色毛片网站| 搞女人的毛片| 国产国拍精品亚洲av在线观看| 69人妻影院| 亚洲成av人片免费观看| 成年版毛片免费区| 男女之事视频高清在线观看| 免费av观看视频| 少妇熟女aⅴ在线视频| 欧美精品国产亚洲| 最近中文字幕高清免费大全6 | 窝窝影院91人妻| 日韩免费av在线播放| 久久久精品欧美日韩精品| 午夜福利在线在线| 国产三级在线视频| 亚洲av免费在线观看| 日本免费一区二区三区高清不卡| 天堂动漫精品| 久久久国产成人免费| 99久久99久久久精品蜜桃| 国产男靠女视频免费网站| 国产精品亚洲一级av第二区| 亚洲精品成人久久久久久| 白带黄色成豆腐渣| av天堂在线播放| av在线天堂中文字幕| xxxwww97欧美| 9191精品国产免费久久| 欧美区成人在线视频| 国产黄片美女视频| 久久99热这里只有精品18| 精品一区二区三区视频在线| 中文在线观看免费www的网站| 国产免费男女视频| 黄色视频,在线免费观看| 久久久久久久亚洲中文字幕 | 色视频www国产| 观看免费一级毛片| 精品久久久久久久久亚洲 | 久久久久久久久中文| 亚洲,欧美精品.| 蜜桃亚洲精品一区二区三区| 国产午夜精品论理片| 不卡一级毛片| 国产精华一区二区三区| 又紧又爽又黄一区二区| 欧美黑人巨大hd| 国产成+人综合+亚洲专区| 国产黄a三级三级三级人| 黄色丝袜av网址大全| 午夜影院日韩av| 一级作爱视频免费观看| 国产极品精品免费视频能看的| 日韩成人在线观看一区二区三区| 国产视频内射| 亚洲 国产 在线| 青草久久国产| 中文亚洲av片在线观看爽| 嫩草影院新地址| 热99re8久久精品国产| 欧美三级亚洲精品| a在线观看视频网站| 黄色配什么色好看| 精品人妻视频免费看| 婷婷六月久久综合丁香| 欧美色欧美亚洲另类二区| 日本黄大片高清| 热99在线观看视频| 99久久无色码亚洲精品果冻| 婷婷亚洲欧美| 成人午夜高清在线视频| 久久人妻av系列| 91av网一区二区| 亚洲无线在线观看| 日日摸夜夜添夜夜添小说| 在线免费观看的www视频| 亚洲美女搞黄在线观看 | 全区人妻精品视频| 国产私拍福利视频在线观看| av黄色大香蕉| av福利片在线观看| av欧美777| 国产亚洲欧美98| 久久精品人妻少妇| 精品人妻熟女av久视频| 免费一级毛片在线播放高清视频| АⅤ资源中文在线天堂| 成人美女网站在线观看视频| 欧美日韩黄片免| 嫩草影院入口| 极品教师在线视频| 国产免费男女视频| 精品免费久久久久久久清纯| 亚洲va日本ⅴa欧美va伊人久久| 久久久精品欧美日韩精品| 美女被艹到高潮喷水动态| 亚洲一区二区三区色噜噜| 日韩高清综合在线| 女同久久另类99精品国产91| 一区二区三区免费毛片| 级片在线观看| 久久中文看片网| 别揉我奶头 嗯啊视频| 又黄又爽又免费观看的视频| 国产黄色小视频在线观看| 99久久99久久久精品蜜桃| 亚洲精品粉嫩美女一区| 欧美潮喷喷水| 国产三级中文精品| or卡值多少钱| 18+在线观看网站| 亚洲 国产 在线| 99精品久久久久人妻精品| 亚洲中文字幕一区二区三区有码在线看| 香蕉av资源在线| 日本在线视频免费播放| 他把我摸到了高潮在线观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 我要看日韩黄色一级片| 久久99热6这里只有精品| 18+在线观看网站| 精品人妻偷拍中文字幕| 九九热线精品视视频播放| 18禁黄网站禁片午夜丰满| 日韩欧美 国产精品| 男人和女人高潮做爰伦理| 老女人水多毛片| 国产老妇女一区| 国产精品久久久久久精品电影| 性插视频无遮挡在线免费观看| 中文字幕免费在线视频6| 国产色婷婷99| 欧美成人a在线观看| 白带黄色成豆腐渣| 免费av毛片视频| 日韩 亚洲 欧美在线| 能在线免费观看的黄片| 午夜精品久久久久久毛片777| 熟妇人妻久久中文字幕3abv| 日本 av在线| 亚洲最大成人手机在线| 国模一区二区三区四区视频| 国产成年人精品一区二区| 免费看日本二区| 女同久久另类99精品国产91| 国产高清视频在线观看网站| 国产精品免费一区二区三区在线| 中国美女看黄片| 中文字幕av在线有码专区| 午夜精品一区二区三区免费看| 天堂影院成人在线观看| 男人舔奶头视频| 日韩欧美精品免费久久 | 国产不卡一卡二| 简卡轻食公司| www.www免费av| 亚洲一区高清亚洲精品| 在现免费观看毛片| 久久久精品欧美日韩精品| 色尼玛亚洲综合影院| avwww免费| 国产久久久一区二区三区| 婷婷六月久久综合丁香| 最近最新中文字幕大全电影3| 久久精品91蜜桃| 欧美乱妇无乱码| 国产午夜福利久久久久久| 一本一本综合久久| 大型黄色视频在线免费观看| 日本黄色片子视频| 伦理电影大哥的女人| 国内揄拍国产精品人妻在线| a在线观看视频网站| 中文亚洲av片在线观看爽| 国产亚洲av嫩草精品影院| 欧美日韩黄片免| 成人性生交大片免费视频hd| 亚洲无线观看免费| 97人妻精品一区二区三区麻豆| 午夜亚洲福利在线播放| 亚洲色图av天堂| 久久天躁狠狠躁夜夜2o2o| 在线观看66精品国产| 男人的好看免费观看在线视频| 日本一本二区三区精品| 国产一区二区激情短视频| 人人妻人人看人人澡| 舔av片在线| 亚洲精品456在线播放app | 在线十欧美十亚洲十日本专区| 成人国产综合亚洲| 少妇的逼好多水| 在线免费观看的www视频| 夜夜夜夜夜久久久久| 999久久久精品免费观看国产| 国产成人影院久久av| 亚洲一区二区三区色噜噜| 熟女人妻精品中文字幕| 久久久久久久久久成人| 久久精品国产亚洲av香蕉五月| 久久久久精品国产欧美久久久| 亚洲av美国av| 午夜免费男女啪啪视频观看 | 最新中文字幕久久久久| 99riav亚洲国产免费| 一个人看的www免费观看视频| 免费av毛片视频| 99热这里只有是精品50| 亚洲 国产 在线| 日本黄色片子视频| 欧美最新免费一区二区三区 | 少妇熟女aⅴ在线视频| 亚洲aⅴ乱码一区二区在线播放| 国产视频内射| 搡老岳熟女国产| 亚洲精品乱码久久久v下载方式| 亚洲国产高清在线一区二区三| 哪里可以看免费的av片| 国产亚洲精品av在线| 狠狠狠狠99中文字幕| 亚洲色图av天堂| 亚洲五月婷婷丁香| 亚洲一区二区三区色噜噜| 国产麻豆成人av免费视频| 无遮挡黄片免费观看| 欧美高清性xxxxhd video| 久久精品91蜜桃| 欧美日韩福利视频一区二区| 精品久久久久久,| 国产久久久一区二区三区| 精品乱码久久久久久99久播| 久久久久久久亚洲中文字幕 | 国产毛片a区久久久久| 亚洲激情在线av| 亚洲欧美日韩高清在线视频| 久久久精品欧美日韩精品| 亚洲国产精品合色在线| 18美女黄网站色大片免费观看| 999久久久精品免费观看国产| 午夜激情福利司机影院| 久久精品久久久久久噜噜老黄 | 动漫黄色视频在线观看| 在线免费观看不下载黄p国产 | 久久亚洲真实| 我的老师免费观看完整版| 欧美性感艳星| 别揉我奶头 嗯啊视频| 国产一区二区三区视频了| 午夜激情欧美在线| 国产乱人伦免费视频| 一本久久中文字幕| 国产精品久久久久久亚洲av鲁大| 亚洲av电影不卡..在线观看| 波多野结衣高清作品| 18+在线观看网站| 一区福利在线观看| 免费在线观看日本一区| 一个人免费在线观看电影| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 日韩av在线大香蕉| 国产一区二区三区视频了| 亚洲欧美激情综合另类| 久久婷婷人人爽人人干人人爱| 天堂网av新在线| 日本五十路高清| 午夜福利成人在线免费观看| 美女高潮喷水抽搐中文字幕| 国产熟女xx| 久久午夜福利片| 高潮久久久久久久久久久不卡| 国产高清视频在线观看网站| 中文字幕人成人乱码亚洲影| 国产一区二区亚洲精品在线观看| 哪里可以看免费的av片| 久久国产精品人妻蜜桃| 日韩中字成人| 香蕉av资源在线| 一级av片app| 国产aⅴ精品一区二区三区波| 久久精品国产亚洲av香蕉五月| 日本在线视频免费播放| 久久精品国产亚洲av香蕉五月| 免费黄网站久久成人精品 | 亚洲欧美日韩高清专用| 亚洲成a人片在线一区二区| 精品人妻1区二区| 欧美丝袜亚洲另类 | 久久精品久久久久久噜噜老黄 | 国产淫片久久久久久久久 | 九九热线精品视视频播放| 日日干狠狠操夜夜爽| 亚洲va日本ⅴa欧美va伊人久久| 成人美女网站在线观看视频| 日本五十路高清| 51国产日韩欧美| 99热6这里只有精品| 亚洲久久久久久中文字幕| 99久久成人亚洲精品观看| 91狼人影院| 亚洲 欧美 日韩 在线 免费| 久久亚洲真实| 黄色一级大片看看| 午夜福利在线观看免费完整高清在 | 长腿黑丝高跟| 成人一区二区视频在线观看| 少妇的逼好多水| 欧美zozozo另类| 老熟妇乱子伦视频在线观看| 成人无遮挡网站| 99热这里只有是精品在线观看 | 欧美丝袜亚洲另类 | 欧美午夜高清在线| 乱码一卡2卡4卡精品| 搡老熟女国产l中国老女人| 欧美一区二区亚洲| 亚洲最大成人手机在线| 久久久国产成人精品二区| 久久精品夜夜夜夜夜久久蜜豆| 国产真实乱freesex| 午夜福利欧美成人| 国产激情偷乱视频一区二区| 日本 欧美在线| 男人舔奶头视频| 日韩欧美国产在线观看| 免费看美女性在线毛片视频| 不卡一级毛片| 欧美极品一区二区三区四区| 久久精品人妻少妇| www.熟女人妻精品国产| 亚洲最大成人av| 日本一本二区三区精品| 性色av乱码一区二区三区2| 国产精品一区二区性色av| 91久久精品国产一区二区成人| 看片在线看免费视频| 99久久无色码亚洲精品果冻| 波多野结衣高清无吗| 级片在线观看| 欧美日韩乱码在线| 每晚都被弄得嗷嗷叫到高潮| 人妻久久中文字幕网| 精品一区二区三区视频在线| 国产乱人伦免费视频| 少妇人妻精品综合一区二区 | 国产精品亚洲av一区麻豆| 日本精品一区二区三区蜜桃| 免费看光身美女| 久久久成人免费电影| 国产中年淑女户外野战色| 在线a可以看的网站| 深爱激情五月婷婷| 看免费av毛片| 天天躁日日操中文字幕| 国产伦一二天堂av在线观看| 久久午夜亚洲精品久久| 午夜a级毛片| 亚洲中文日韩欧美视频| 午夜免费激情av| 亚洲欧美日韩无卡精品| 美女被艹到高潮喷水动态| 国产男靠女视频免费网站| 如何舔出高潮| 1000部很黄的大片| 18禁在线播放成人免费| 亚洲精品456在线播放app | av女优亚洲男人天堂| 免费av不卡在线播放| 国内毛片毛片毛片毛片毛片| 麻豆久久精品国产亚洲av| 亚洲美女搞黄在线观看 | 国产一区二区亚洲精品在线观看| 乱码一卡2卡4卡精品| 丁香欧美五月| 亚洲av中文字字幕乱码综合| 国产精品免费一区二区三区在线| 免费看光身美女| 亚洲最大成人av| 怎么达到女性高潮| 亚洲五月天丁香| 免费看a级黄色片| 国产探花在线观看一区二区| 免费av毛片视频| 国产探花极品一区二区| a级毛片免费高清观看在线播放| 男女那种视频在线观看| 久久6这里有精品| 91狼人影院| 女生性感内裤真人,穿戴方法视频| 久久国产精品影院| 极品教师在线视频| 日本五十路高清| 中文字幕久久专区| 欧美xxxx黑人xx丫x性爽|