• <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
    欧美黑人巨大hd| 亚洲一区高清亚洲精品| 亚洲欧美日韩卡通动漫| 久久6这里有精品| 国产精品 国内视频| 日韩有码中文字幕| a在线观看视频网站| 啪啪无遮挡十八禁网站| 精品免费久久久久久久清纯| 久久天躁狠狠躁夜夜2o2o| 天天躁日日操中文字幕| 午夜福利视频1000在线观看| 午夜福利视频1000在线观看| 国内精品久久久久久久电影| 中出人妻视频一区二区| 高清在线国产一区| 国产成人av激情在线播放| 国产激情欧美一区二区| 亚洲无线观看免费| 手机成人av网站| 欧美三级亚洲精品| 免费电影在线观看免费观看| 国产亚洲精品久久久com| 色综合欧美亚洲国产小说| 国产伦一二天堂av在线观看| 国产真人三级小视频在线观看| 欧美日韩乱码在线| 亚洲avbb在线观看| 欧美日韩综合久久久久久 | 日本五十路高清| 国产精品99久久99久久久不卡| 午夜免费男女啪啪视频观看 | 中文字幕熟女人妻在线| 黄色视频,在线免费观看| 国产伦人伦偷精品视频| 亚洲av熟女| 老鸭窝网址在线观看| 亚洲人成电影免费在线| 欧美3d第一页| 欧洲精品卡2卡3卡4卡5卡区| 国产色婷婷99| 久久精品国产亚洲av涩爱 | 一级毛片女人18水好多| 91在线观看av| 免费无遮挡裸体视频| 欧美又色又爽又黄视频| 国产精品女同一区二区软件 | 欧美乱妇无乱码| 久久久久性生活片| 亚洲欧美精品综合久久99| 精品久久久久久久久久免费视频| 看免费av毛片| 国产亚洲精品av在线| 久久精品国产综合久久久| 国产成+人综合+亚洲专区| 国产精品99久久99久久久不卡| 人妻夜夜爽99麻豆av| 国产三级在线视频| 丰满人妻一区二区三区视频av | 日本撒尿小便嘘嘘汇集6| 精品久久久久久成人av| 免费人成在线观看视频色| 国产免费男女视频| 99视频精品全部免费 在线| 欧美+亚洲+日韩+国产| 国产主播在线观看一区二区| 有码 亚洲区| 91久久精品国产一区二区成人 | 怎么达到女性高潮| 搞女人的毛片| 久久久久国产精品人妻aⅴ院| 久久香蕉精品热| 亚洲av成人不卡在线观看播放网| eeuss影院久久| 一二三四社区在线视频社区8| 国内毛片毛片毛片毛片毛片| 女人十人毛片免费观看3o分钟| 一本一本综合久久| 少妇的丰满在线观看| 两个人看的免费小视频| 又黄又粗又硬又大视频| 精品一区二区三区人妻视频| 女人高潮潮喷娇喘18禁视频| www.色视频.com| 淫秽高清视频在线观看| 99riav亚洲国产免费| 中文字幕精品亚洲无线码一区| 午夜免费男女啪啪视频观看 | 国产精品香港三级国产av潘金莲| 一本久久中文字幕| 丁香六月欧美| 在线观看一区二区三区| 亚洲欧美日韩高清专用| 成人精品一区二区免费| 国产真人三级小视频在线观看| 母亲3免费完整高清在线观看| 在线播放国产精品三级| 欧美一区二区精品小视频在线| 亚洲国产欧美人成| 老司机午夜十八禁免费视频| 激情在线观看视频在线高清| 免费高清视频大片| 欧美中文日本在线观看视频| 国产视频一区二区在线看| 亚洲av美国av| 国产亚洲欧美98| 欧美激情久久久久久爽电影| 日本精品一区二区三区蜜桃| 国产日本99.免费观看| 亚洲最大成人中文| 久久久成人免费电影| 亚洲五月婷婷丁香| 亚洲国产日韩欧美精品在线观看 | x7x7x7水蜜桃| 国产精品久久久久久久久免 | 嫩草影视91久久| 91字幕亚洲| 婷婷六月久久综合丁香| 听说在线观看完整版免费高清| 日韩欧美精品免费久久 | 国产成人欧美在线观看| 一个人观看的视频www高清免费观看| 亚洲aⅴ乱码一区二区在线播放| 三级毛片av免费| 欧美国产日韩亚洲一区| 内射极品少妇av片p| 亚洲成人久久性| 两个人的视频大全免费| 国产不卡一卡二| 欧美性猛交黑人性爽| 色精品久久人妻99蜜桃| xxxwww97欧美| 人妻丰满熟妇av一区二区三区| 国产精品国产高清国产av| 此物有八面人人有两片| 国产精品一及| 狠狠狠狠99中文字幕| 欧美色欧美亚洲另类二区| 一级毛片女人18水好多| 国产乱人视频| 母亲3免费完整高清在线观看| 亚洲av成人精品一区久久| 精品人妻偷拍中文字幕| 一个人观看的视频www高清免费观看| 男女那种视频在线观看| 亚洲精品一区av在线观看| а√天堂www在线а√下载| 亚洲天堂国产精品一区在线| 一进一出抽搐gif免费好疼| 99国产综合亚洲精品| 精品日产1卡2卡| 成人特级黄色片久久久久久久| 国产三级黄色录像| 亚洲精品乱码久久久v下载方式 | 国产欧美日韩一区二区精品| 99久久九九国产精品国产免费| 久久精品国产清高在天天线| 亚洲一区高清亚洲精品| 1000部很黄的大片| 天天躁日日操中文字幕| 在线播放无遮挡| avwww免费| 久久午夜亚洲精品久久| 亚洲国产日韩欧美精品在线观看 | 国产探花在线观看一区二区| 国内揄拍国产精品人妻在线| 国产精品美女特级片免费视频播放器| 欧美精品啪啪一区二区三区| 久久香蕉国产精品| 99久久成人亚洲精品观看| 国产精品综合久久久久久久免费| 国产高清有码在线观看视频| 免费一级毛片在线播放高清视频| 一区福利在线观看| 免费观看的影片在线观看| 亚洲av中文字字幕乱码综合| 日韩欧美一区二区三区在线观看| 国产视频内射| 老司机在亚洲福利影院| 国产精品自产拍在线观看55亚洲| 国产精品一区二区免费欧美| 最新中文字幕久久久久| 美女 人体艺术 gogo| 欧美不卡视频在线免费观看| 国产一区二区三区在线臀色熟女| 亚洲天堂国产精品一区在线| 午夜影院日韩av| 久久6这里有精品| 国产成人欧美在线观看| 成人国产综合亚洲| 欧美一级a爱片免费观看看| 女警被强在线播放| 久久精品国产亚洲av涩爱 | 欧美日韩黄片免| 免费高清视频大片| 18禁黄网站禁片午夜丰满| a级一级毛片免费在线观看| 九九在线视频观看精品| 午夜福利18| 露出奶头的视频| 日本黄色片子视频| 国语自产精品视频在线第100页| 国产私拍福利视频在线观看| 欧美成狂野欧美在线观看| 99精品在免费线老司机午夜| 久久欧美精品欧美久久欧美| 少妇裸体淫交视频免费看高清| 亚洲久久久久久中文字幕| 一区二区三区激情视频| 亚洲精品粉嫩美女一区| 在线看三级毛片| 色老头精品视频在线观看| 他把我摸到了高潮在线观看| 免费人成视频x8x8入口观看| 欧美国产日韩亚洲一区| 国产一区二区三区视频了| 国产一区二区亚洲精品在线观看| 亚洲人与动物交配视频| 久久精品亚洲精品国产色婷小说| 久久精品国产自在天天线| 老鸭窝网址在线观看| 熟女少妇亚洲综合色aaa.| 韩国av一区二区三区四区| 日本黄大片高清| 丰满人妻一区二区三区视频av | 日本一本二区三区精品| 精品一区二区三区人妻视频| 亚洲av免费在线观看| 在线观看午夜福利视频| 制服人妻中文乱码| 小说图片视频综合网站| 国产欧美日韩一区二区三| 欧美成人一区二区免费高清观看| 99久久成人亚洲精品观看| 欧美日韩综合久久久久久 | 国产精品久久电影中文字幕| 日韩精品中文字幕看吧| 久久这里只有精品中国| 午夜老司机福利剧场| 91九色精品人成在线观看| 欧美黑人欧美精品刺激| av黄色大香蕉| 男人舔女人下体高潮全视频| 亚洲一区高清亚洲精品| 波多野结衣高清无吗| 午夜免费激情av| 国产成+人综合+亚洲专区| 十八禁网站免费在线| 精品99又大又爽又粗少妇毛片 | 精品国产亚洲在线| 丰满乱子伦码专区| 欧美成狂野欧美在线观看| 搡老妇女老女人老熟妇| 免费在线观看成人毛片| 亚洲成av人片在线播放无| 日韩免费av在线播放| 久久久国产精品麻豆| 美女 人体艺术 gogo| 9191精品国产免费久久| av天堂在线播放| 亚洲性夜色夜夜综合| 成人性生交大片免费视频hd| 亚洲人成网站高清观看| 国产黄片美女视频| 欧美午夜高清在线| 桃红色精品国产亚洲av| 男女那种视频在线观看| 日韩欧美 国产精品| 噜噜噜噜噜久久久久久91| 最新美女视频免费是黄的| 美女免费视频网站| 欧美丝袜亚洲另类 | 亚洲在线自拍视频| 国产精品av视频在线免费观看| 成年免费大片在线观看| ponron亚洲| 嫁个100分男人电影在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 深爱激情五月婷婷| 欧美乱码精品一区二区三区| 免费电影在线观看免费观看| 国产久久久一区二区三区| 国产av在哪里看| 99在线视频只有这里精品首页| 变态另类成人亚洲欧美熟女| 嫩草影院入口| 国语自产精品视频在线第100页| 国内毛片毛片毛片毛片毛片| 99久久99久久久精品蜜桃| 亚洲18禁久久av| 亚洲精品乱码久久久v下载方式 | 日本三级黄在线观看| av中文乱码字幕在线| 一级作爱视频免费观看| 一区二区三区激情视频| 日韩欧美精品免费久久 | 97人妻精品一区二区三区麻豆| 国产真实乱freesex| 在线观看免费视频日本深夜| 亚洲欧美一区二区三区黑人| 欧美乱色亚洲激情| 亚洲国产欧美人成| 99热精品在线国产| 老汉色av国产亚洲站长工具| 亚洲在线自拍视频| 十八禁网站免费在线| 天堂影院成人在线观看| 黄色女人牲交| 亚洲人成网站在线播| 亚洲精品在线观看二区| 午夜激情欧美在线| 91久久精品电影网| 亚洲成人久久爱视频| 夜夜看夜夜爽夜夜摸| 日本a在线网址| 真人做人爱边吃奶动态| 亚洲精品美女久久久久99蜜臀| 日韩欧美国产在线观看| 精品国产美女av久久久久小说| 精品午夜福利视频在线观看一区| 美女大奶头视频| 国产亚洲欧美98| 亚洲成人久久性| 亚洲成av人片免费观看| 在线观看免费视频日本深夜| 高清毛片免费观看视频网站| 成人特级黄色片久久久久久久| 18美女黄网站色大片免费观看| 757午夜福利合集在线观看| 国产精品三级大全| 国产精品电影一区二区三区| 亚洲国产欧美人成| 国产激情欧美一区二区| 欧美日韩中文字幕国产精品一区二区三区| 看免费av毛片| 免费高清视频大片| 国产精品野战在线观看| 欧美黑人欧美精品刺激| 脱女人内裤的视频| 久久久久久久午夜电影| a级一级毛片免费在线观看| 亚洲熟妇熟女久久| 99久久精品一区二区三区| 亚洲内射少妇av| 中文字幕久久专区| 国产三级黄色录像| 国产亚洲精品综合一区在线观看| 免费av毛片视频| 日韩有码中文字幕| 亚洲av成人不卡在线观看播放网| aaaaa片日本免费| 久久久久亚洲av毛片大全| 欧美日韩一级在线毛片| 此物有八面人人有两片| 国产97色在线日韩免费| 欧美av亚洲av综合av国产av| 色视频www国产| 国产爱豆传媒在线观看| 亚洲成人久久爱视频| 我的老师免费观看完整版| 毛片女人毛片| 99久久久亚洲精品蜜臀av| 欧美乱妇无乱码| 精品国产超薄肉色丝袜足j| 国产精华一区二区三区| 午夜福利在线观看免费完整高清在 | a级毛片a级免费在线| 国产av麻豆久久久久久久| 一二三四社区在线视频社区8| 午夜久久久久精精品| 国产免费av片在线观看野外av| 蜜桃久久精品国产亚洲av| 午夜a级毛片| 日韩欧美在线二视频| 久久精品夜夜夜夜夜久久蜜豆| 成人亚洲精品av一区二区| 3wmmmm亚洲av在线观看| 国产精品永久免费网站| 亚洲激情在线av| 国产 一区 欧美 日韩| 亚洲,欧美精品.| 亚洲在线自拍视频| 琪琪午夜伦伦电影理论片6080| 成人精品一区二区免费| 在线观看美女被高潮喷水网站 | 成人特级黄色片久久久久久久| 国产精华一区二区三区| 国内少妇人妻偷人精品xxx网站| 成人性生交大片免费视频hd| 午夜免费成人在线视频| 老司机午夜福利在线观看视频| 五月伊人婷婷丁香| 亚洲不卡免费看| 久久精品国产清高在天天线| 中文字幕久久专区| 国产一区二区三区在线臀色熟女| 99国产精品一区二区三区| 日本a在线网址| 老熟妇乱子伦视频在线观看| 一本久久中文字幕| 久久久久久九九精品二区国产| 成人av在线播放网站| 大型黄色视频在线免费观看| 99久久精品国产亚洲精品| 人人妻人人澡欧美一区二区| 午夜福利成人在线免费观看| 久久99热这里只有精品18| 99久久成人亚洲精品观看| 日韩欧美三级三区| 窝窝影院91人妻| 国产精品爽爽va在线观看网站| 9191精品国产免费久久| 亚洲欧美日韩卡通动漫| 日韩中文字幕欧美一区二区| 国产精品美女特级片免费视频播放器| 最好的美女福利视频网| 99热这里只有精品一区| 美女高潮喷水抽搐中文字幕| 小蜜桃在线观看免费完整版高清| 欧美日韩乱码在线| 黄色日韩在线| 国产欧美日韩一区二区精品| 亚洲精品一区av在线观看| 99久久综合精品五月天人人| 九九久久精品国产亚洲av麻豆| 级片在线观看| www.999成人在线观看| 亚洲天堂国产精品一区在线| 中文字幕人成人乱码亚洲影| av片东京热男人的天堂| 久久精品国产亚洲av涩爱 | 在线视频色国产色| e午夜精品久久久久久久| 国产三级中文精品| 可以在线观看的亚洲视频| 夜夜看夜夜爽夜夜摸| 国产精品乱码一区二三区的特点| 一进一出好大好爽视频| 成年女人毛片免费观看观看9| 国产精品综合久久久久久久免费| 男人的好看免费观看在线视频| 欧美日韩瑟瑟在线播放| 国产精品女同一区二区软件 | 亚洲成av人片在线播放无| 国产黄色小视频在线观看| 黄色日韩在线| 一级作爱视频免费观看| 免费看a级黄色片| 特大巨黑吊av在线直播| 国产不卡一卡二| 亚洲av电影不卡..在线观看| 免费电影在线观看免费观看| 中文字幕高清在线视频| 欧美zozozo另类| 亚洲中文字幕日韩| 国产真实乱freesex| 国产精品影院久久| 色av中文字幕| 久久这里只有精品中国| 欧美最黄视频在线播放免费| 亚洲av一区综合| 黄色成人免费大全| 熟女人妻精品中文字幕| 精品久久久久久,| 99热这里只有精品一区| 亚洲av成人av| 熟妇人妻久久中文字幕3abv| a在线观看视频网站| 日韩免费av在线播放| 少妇的丰满在线观看| 色综合亚洲欧美另类图片| 成人一区二区视频在线观看| 亚洲av第一区精品v没综合| 欧美区成人在线视频| 熟女人妻精品中文字幕| 中文字幕人成人乱码亚洲影| 精品一区二区三区av网在线观看| 国产一区二区亚洲精品在线观看| 欧美精品啪啪一区二区三区| 亚洲av免费高清在线观看| 亚洲真实伦在线观看| 日韩欧美在线二视频| 国产欧美日韩精品亚洲av| 国产午夜精品论理片| 午夜福利在线观看吧| 日韩欧美 国产精品| www国产在线视频色| 18禁国产床啪视频网站| 9191精品国产免费久久| 一区二区三区免费毛片| 97碰自拍视频| 国产精品 欧美亚洲| 国产黄a三级三级三级人| 欧美绝顶高潮抽搐喷水| 嫩草影院入口| 欧美+亚洲+日韩+国产| 欧美日韩亚洲国产一区二区在线观看| 99热只有精品国产| 国产伦一二天堂av在线观看| 欧美成人一区二区免费高清观看| 久久久久久九九精品二区国产| 中出人妻视频一区二区| 十八禁网站免费在线| 国产精品99久久久久久久久| 18禁裸乳无遮挡免费网站照片| 亚洲精品亚洲一区二区| 色尼玛亚洲综合影院| 麻豆国产97在线/欧美| 国产免费男女视频| 国产亚洲精品久久久com| 欧美日本亚洲视频在线播放| 国产又黄又爽又无遮挡在线| 天天添夜夜摸| 熟女电影av网| 美女高潮的动态| 久久中文看片网| a级一级毛片免费在线观看| 69av精品久久久久久| 国产99白浆流出| 美女高潮的动态| 97超视频在线观看视频| 91九色精品人成在线观看| 日韩欧美精品免费久久 | 最近视频中文字幕2019在线8| h日本视频在线播放| 国产成人aa在线观看| 欧美日本亚洲视频在线播放| 免费看日本二区| 亚洲片人在线观看| 女生性感内裤真人,穿戴方法视频| 日韩欧美在线二视频| 99精品欧美一区二区三区四区| 日韩大尺度精品在线看网址| 日韩欧美 国产精品| 亚洲欧美日韩卡通动漫| 岛国在线观看网站| 最近视频中文字幕2019在线8| 无限看片的www在线观看| 国内毛片毛片毛片毛片毛片| 国产亚洲精品av在线| 免费av毛片视频| 尤物成人国产欧美一区二区三区| 宅男免费午夜| 天堂av国产一区二区熟女人妻| 亚洲18禁久久av| 看免费av毛片| 国产精品日韩av在线免费观看| 一本综合久久免费| 亚洲国产精品成人综合色| 在线观看66精品国产| 一边摸一边抽搐一进一小说| 国产一级毛片七仙女欲春2| 亚洲av免费高清在线观看| 欧美一区二区精品小视频在线| 1024手机看黄色片| 欧美三级亚洲精品| 毛片女人毛片| 色哟哟哟哟哟哟| 51国产日韩欧美| 人人妻人人澡欧美一区二区| 精品午夜福利视频在线观看一区| 男女做爰动态图高潮gif福利片| 国产 一区 欧美 日韩| 亚洲av成人av| a级一级毛片免费在线观看| 欧美性猛交╳xxx乱大交人| 亚洲一区二区三区不卡视频| 51午夜福利影视在线观看| 国产精品1区2区在线观看.| 国产亚洲av嫩草精品影院| 伊人久久大香线蕉亚洲五| 免费看日本二区| 高清日韩中文字幕在线| 国产欧美日韩精品一区二区| 有码 亚洲区| 免费av观看视频| 欧美激情在线99| 国产精品久久久久久久电影 | 少妇熟女aⅴ在线视频| 18禁裸乳无遮挡免费网站照片| 麻豆久久精品国产亚洲av| 美女 人体艺术 gogo| 美女大奶头视频| 精品久久久久久久久久久久久| 国产成人福利小说| 亚洲无线观看免费| 最近最新免费中文字幕在线| 夜夜看夜夜爽夜夜摸| 三级毛片av免费| eeuss影院久久| 国产aⅴ精品一区二区三区波| 一二三四社区在线视频社区8| 国产欧美日韩精品一区二区| 免费观看人在逋| 三级男女做爰猛烈吃奶摸视频| 高清毛片免费观看视频网站| 99久久久亚洲精品蜜臀av| 日本撒尿小便嘘嘘汇集6| 少妇人妻一区二区三区视频| 高清在线国产一区| 丰满乱子伦码专区| 欧美激情久久久久久爽电影| 国产成人影院久久av| 一进一出抽搐gif免费好疼| 午夜激情福利司机影院| av欧美777| 中文字幕久久专区| 国产黄色小视频在线观看| 久久国产精品影院| 在线观看日韩欧美| av中文乱码字幕在线| 国产精品亚洲av一区麻豆| 久久99热这里只有精品18| 亚洲中文日韩欧美视频| 午夜亚洲福利在线播放|