• <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 ?

    基于協(xié)同過(guò)濾和機(jī)器學(xué)習(xí)的新聞推薦

    2024-09-13 00:00:00承孝敏
    電腦知識(shí)與技術(shù) 2024年22期

    摘要: 針對(duì)傳統(tǒng)基于內(nèi)容的推薦、協(xié)同過(guò)濾和機(jī)器學(xué)習(xí)推薦存在的問(wèn)題,如龐大數(shù)據(jù)的弱處理能力、時(shí)效性差以及缺乏可解釋性,提出了一種基于協(xié)同過(guò)濾和機(jī)器學(xué)習(xí)融合的新聞推薦算法。首先構(gòu)建了用戶-新聞交互評(píng)分模型、新聞時(shí)效性評(píng)分模型和新聞內(nèi)容評(píng)分模型,利用協(xié)同過(guò)濾相關(guān)算法預(yù)測(cè)用戶新聞推薦分?jǐn)?shù)。然后通過(guò)構(gòu)建用戶檔案和新聞檔案提取用戶特征和新聞特征,利用機(jī)器學(xué)習(xí)模型預(yù)測(cè)用戶-新聞評(píng)分。最后,通過(guò)軟投票機(jī)制將用戶-新聞對(duì)的協(xié)同過(guò)濾分?jǐn)?shù)和機(jī)器學(xué)習(xí)分?jǐn)?shù)融合,進(jìn)行全面的新聞推薦。實(shí)驗(yàn)結(jié)果表明,該算法能夠有效提高新聞推薦的準(zhǔn)確性。

    關(guān)鍵詞: 機(jī)器學(xué)習(xí);協(xié)同過(guò)濾;用戶畫(huà)像;新聞畫(huà)像;融合推薦

    中圖分類號(hào):TP391 文獻(xiàn)標(biāo)識(shí)碼:A

    文章編號(hào):1009-3044(2024)22-0001-03

    開(kāi)放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID)

    0 引言

    隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展和普及,新聞和信息的獲取與發(fā)布發(fā)生了深刻的變化。在信息爆炸的時(shí)代,從龐大的新聞中過(guò)濾出用戶感興趣的內(nèi)容并準(zhǔn)確推送給他們是一個(gè)重大挑戰(zhàn)。傳統(tǒng)的推薦方法依賴于瀏覽歷史和興趣偏好,但存在數(shù)據(jù)稀疏、冷啟動(dòng)等問(wèn)題,無(wú)法滿足個(gè)性化和準(zhǔn)確的需求。

    基于內(nèi)容的推薦(CB) 是指基于物品相關(guān)信息、用戶相關(guān)信息以及用戶對(duì)物品的操作行為進(jìn)行推薦。通常使用 TF-IDF、word2vec 以及語(yǔ)言模型等方法來(lái)處理新聞并生成用于推薦的標(biāo)簽。推薦結(jié)果具有解釋性,但缺乏多樣性且難以提取特征。協(xié)同過(guò)濾(CF) 采用與用戶相似的用戶行為(評(píng)分、點(diǎn)擊次數(shù)等)來(lái)推斷用戶對(duì)特定產(chǎn)品的偏好,然后根據(jù)這些偏好做出相應(yīng)的推薦[1]。通常使用 SVD[2]等算法對(duì)評(píng)分矩陣進(jìn)行分解以解決矩陣問(wèn)題,主要包括基于用戶[3]和基于產(chǎn)品[4]的兩種方式。作為經(jīng)典的推薦算法,協(xié)同過(guò)濾無(wú)須對(duì)商品或用戶進(jìn)行分類或標(biāo)注,可以高效解決難以提取特征的問(wèn)題。然而,在處理新聞推薦時(shí),協(xié)同過(guò)濾算法面臨一些問(wèn)題,例如新聞的時(shí)效性和用戶的動(dòng)態(tài)變化。

    另一方面,基于機(jī)器學(xué)習(xí)的推薦可以通過(guò)構(gòu)建用戶畫(huà)像和新聞畫(huà)像來(lái)克服新聞時(shí)效性的變化和用戶興趣的動(dòng)態(tài)變化等問(wèn)題。然而,它通常在可解釋性方面表現(xiàn)較差,并對(duì)數(shù)據(jù)質(zhì)量有較高的要求。文獻(xiàn)[5]提出了一種基于圖注意力和神經(jīng)協(xié)同過(guò)濾的社會(huì)推薦模型 AGNN-SR,通過(guò)學(xué)習(xí)用戶項(xiàng)目交互圖和社交網(wǎng)絡(luò)圖上的用戶和項(xiàng)目潛在特征,以及利用神經(jīng)協(xié)同過(guò)濾層編碼用戶項(xiàng)目交互的協(xié)作信號(hào),實(shí)現(xiàn)了有效的社交推薦。然而其在冷啟動(dòng)場(chǎng)景下的表現(xiàn)結(jié)果不佳。文獻(xiàn)[6]則從知識(shí)圖譜的角度出發(fā),設(shè)計(jì)了一種融合社交關(guān)系和知識(shí)圖譜的推薦算法 MSAKR,通過(guò)圖卷積神經(jīng)網(wǎng)絡(luò)提取用戶社交關(guān)系特征,并利用知識(shí)圖譜學(xué)習(xí)物品屬性信息,以緩解數(shù)據(jù)稀疏性并提升推薦性能。但是這種方法主要依靠用戶或物品之間的關(guān)聯(lián)關(guān)系,對(duì)用戶與物品之間的交互信息利用程度較低。

    為了克服這些問(wèn)題,本文提出了一種協(xié)同過(guò)濾和機(jī)器學(xué)習(xí)集成的新聞推薦算法,能夠有效利用用戶的歷史行為數(shù)據(jù)和時(shí)效性信息,提高推薦的準(zhǔn)確性。本文的主要貢獻(xiàn)包括:1) 提出了一種基于協(xié)同過(guò)濾和機(jī)器學(xué)習(xí)融合的新聞推薦算法。通過(guò)協(xié)同過(guò)濾推薦分?jǐn)?shù)和機(jī)器學(xué)習(xí)分?jǐn)?shù)的融合,提高了推薦的準(zhǔn)確性和用戶滿意度。2) 使用協(xié)同過(guò)濾相關(guān)算法預(yù)測(cè)用戶新聞推薦分?jǐn)?shù)矩陣中的缺失值,即用戶新聞推薦分?jǐn)?shù)的缺失值,有效解決了數(shù)據(jù)的稀疏問(wèn)題。3) 通過(guò)構(gòu)建用戶畫(huà)像和新聞畫(huà)像,并利用機(jī)器學(xué)習(xí)算法推薦新聞,提高了推薦的個(gè)性化程度。

    1 方法

    本文提出了一種基于協(xié)同過(guò)濾和機(jī)器學(xué)習(xí)融合的新聞推薦算法,主要包括三個(gè)部分:基于協(xié)同過(guò)濾的評(píng)分預(yù)測(cè)、基于機(jī)器學(xué)習(xí)的評(píng)分預(yù)測(cè)以及融合推薦。首先,構(gòu)建了用戶-新聞互動(dòng)評(píng)分模型、新聞時(shí)效性評(píng)分模型和新聞內(nèi)容自身評(píng)分模型,并通過(guò)關(guān)聯(lián)算法-時(shí)間的協(xié)同過(guò)濾預(yù)測(cè)用戶的新聞推薦得分。然后,通過(guò)構(gòu)建用戶畫(huà)像和新聞畫(huà)像提取用戶特征和新聞特征,利用機(jī)器學(xué)習(xí)模型預(yù)測(cè)用戶-新聞評(píng)分。最后,采用軟投票機(jī)制實(shí)現(xiàn)用戶-新聞對(duì)的協(xié)同過(guò)濾分?jǐn)?shù)和機(jī)器學(xué)習(xí)分?jǐn)?shù)的融合,進(jìn)行全面的新聞推薦。

    1.1 用戶新聞評(píng)分計(jì)算

    1.1.1 行為因素評(píng)分

    在行為因素評(píng)分計(jì)算模塊中,核心目標(biāo)是計(jì)算由用戶與新聞的互動(dòng)構(gòu)建的互動(dòng)分?jǐn)?shù)。用戶對(duì)新聞內(nèi)容的點(diǎn)贊、收藏、分享和評(píng)論可以代表用戶對(duì)新聞內(nèi)容的興趣。單個(gè)點(diǎn)贊、收藏、分享和評(píng)論的分?jǐn)?shù)分別如下[P,C,S,Comm]:用戶評(píng)論的分?jǐn)?shù)是根據(jù)用戶行為累積得到的,通過(guò)使用sigmoid函數(shù)進(jìn)行標(biāo)準(zhǔn)化:

    [Tb=np×P+nc×C+ns×S+nComm×Comm] (1)

    [Tbehaviour=11+e-Tb] (2)

    式中:[np,nc,ns,nComm]分別表示用戶的點(diǎn)贊、收藏、分享和評(píng)論的數(shù)量。

    互動(dòng)內(nèi)容得分由兩個(gè)得分組成:閱讀時(shí)間得分和評(píng)論內(nèi)容得分。假設(shè)所有用戶對(duì)一則新聞的平均閱讀時(shí)間為[t0],某一則新聞的閱讀時(shí)間為[t],則閱讀時(shí)間得分如下:

    [Treading=11+e-k(t-t0)] (3)

    當(dāng)用戶的閱讀時(shí)間長(zhǎng)于平均閱讀時(shí)間時(shí),閱讀時(shí)間得分接近1,表示用戶對(duì)新聞的興趣較高。

    評(píng)論內(nèi)容得分基于特定關(guān)鍵詞,構(gòu)建了內(nèi)容情感分析模型。首先,使用中文分詞工具將評(píng)論內(nèi)容分詞成相應(yīng)的分詞序列。然后,使用TextRank算法從評(píng)論內(nèi)容中提取關(guān)鍵詞,并利用BERT預(yù)訓(xùn)練語(yǔ)言模型表征關(guān)鍵詞序列,將關(guān)鍵詞序列映射到一系列高維向量。最后,通過(guò)計(jì)算和標(biāo)準(zhǔn)化與關(guān)鍵詞序列對(duì)應(yīng)的高維向量的混亂度,得到相應(yīng)的評(píng)論質(zhì)量得分:

    [Tc=exp(-log2softmax(wcomment)N)] (4)

    [Tcomment=11+e-Tc] (5)

    其中,[wcomment]表示與關(guān)鍵詞序列對(duì)應(yīng)的向量編碼,[N]表示關(guān)鍵詞序列的長(zhǎng)度。通過(guò)組合獲得的三個(gè)得分,得到與用戶行為因素對(duì)應(yīng)的得分:

    [T=whTbahaviour+wrTreading+wcTcomment] (6)

    其中,[wh,wr,wc]為融合權(quán)重且[wh+wr+wc=1]。

    1.1.2 時(shí)間衰減函數(shù)

    為了更準(zhǔn)確地反映用戶當(dāng)前的興趣,本文引入了時(shí)間衰減函數(shù)以消除時(shí)間因素對(duì)評(píng)分的影響。通過(guò)在評(píng)分計(jì)算中給予最近用戶行為更多的權(quán)重:

    [T=ek(T1-T0)T] (7)

    其中,[T0,T1]表示新聞發(fā)布時(shí)間和當(dāng)前時(shí)間,[k]代表時(shí)間衰減因子。

    1.2 基于協(xié)同過(guò)濾的得分預(yù)測(cè)

    協(xié)同過(guò)濾通過(guò)分析歷史行為數(shù)據(jù)來(lái)預(yù)測(cè)用戶未來(lái)的興趣和偏好。在本文提出的模型中,采用協(xié)同過(guò)濾技術(shù),通過(guò)找到與用戶興趣相似的其他用戶喜歡的新聞來(lái)進(jìn)行新聞推薦。

    首先,基于用戶在新聞平臺(tái)上收集的歷史行為數(shù)據(jù),計(jì)算基于行為因素的得分。用戶對(duì)歷史數(shù)據(jù)的評(píng)分被計(jì)算并轉(zhuǎn)換為二維矩陣。

    接著,為了獲得與用戶和新聞對(duì)應(yīng)的隱含因子向量,采用因子分解算法對(duì)構(gòu)建的因子進(jìn)行分解。利用歷史評(píng)分?jǐn)?shù)據(jù),并通過(guò)最小二乘法基于預(yù)測(cè)與實(shí)際評(píng)分之間的差距,訓(xùn)練矩陣分解模型,將原始的用戶-新聞評(píng)分矩陣分解為兩個(gè)低秩矩陣的乘積,[userM]和[itemM]分別表示用戶興趣和新聞內(nèi)容的隱藏向量。

    完成矩陣分解模型的訓(xùn)練后,對(duì)于給定的用戶[u]和新聞[i],計(jì)算其對(duì)應(yīng)的隱含因子向量的點(diǎn)積,可作為用戶對(duì)新聞的整體評(píng)分向量:

    [Tu,i=userMu?itemMi] (8)

    其中,[userM]表示用戶隱含因子向量,[itemM]表示新聞隱含因子向量。之后,通過(guò)激活函數(shù)映射得分,將其轉(zhuǎn)換為在標(biāo)準(zhǔn)評(píng)分范圍內(nèi)的預(yù)測(cè)得分:

    [T′u,i=sigmoid(Tu,i)] (9)

    最后,計(jì)算所有用戶對(duì)所有新聞的預(yù)測(cè)評(píng)分,生成完整的用戶-新聞?lì)A(yù)測(cè)評(píng)分矩陣,然后根據(jù)預(yù)測(cè)評(píng)分對(duì)所有候選新聞進(jìn)行排序,選擇評(píng)分最高的前n條新聞作為用戶的推薦結(jié)果。

    1.3 基于機(jī)器學(xué)習(xí)的得分預(yù)測(cè)

    基于機(jī)器學(xué)習(xí)的得分預(yù)測(cè)需要使用用戶數(shù)據(jù)和新聞數(shù)據(jù)。因此,在本文中,對(duì)用戶數(shù)據(jù)和新聞數(shù)據(jù)進(jìn)行處理,實(shí)現(xiàn)用戶畫(huà)像和新聞畫(huà)像的構(gòu)建,這可以提供豐富的用戶和新聞特征,并為基于機(jī)器學(xué)習(xí)的推薦得分預(yù)測(cè)提供強(qiáng)有力的支持。

    1.3.1 用戶畫(huà)像構(gòu)建

    用戶畫(huà)像是對(duì)用戶信息的綜合描述,包括用戶的基本信息、興趣偏好和行為特征。構(gòu)建用戶畫(huà)像的過(guò)程可分為數(shù)據(jù)收集與處理、特征提取、畫(huà)像構(gòu)建和畫(huà)像更新四個(gè)步驟。

    數(shù)據(jù)收集與處理收集包括注冊(cè)信息、歷史行為記錄、社交網(wǎng)絡(luò)信息等在內(nèi)的用戶各種數(shù)據(jù),清理原始數(shù)據(jù),去除噪聲和冗余,處理缺失值。從清理后的數(shù)據(jù)中提取特征,如基本信息和行為特征。根據(jù)特征標(biāo)注用戶以構(gòu)建畫(huà)像。定期更新畫(huà)像以反映用戶變化,使用時(shí)間窗口或增量學(xué)習(xí)。對(duì)提取的特征進(jìn)行向量處理,使用不同的編碼方法處理不同標(biāo)簽,生成用戶特征向量。

    1.3.2 新聞畫(huà)像構(gòu)建

    新聞畫(huà)像構(gòu)建包括數(shù)據(jù)收集與處理、特征提取、畫(huà)像構(gòu)建和更新四個(gè)步驟。推薦系統(tǒng)需考慮多維信息,需獲取新聞文本和相關(guān)元數(shù)據(jù),如發(fā)布時(shí)間、來(lái)源和作者,可從新聞網(wǎng)站、社交媒體等獲取。預(yù)處理包括去除停用詞、詞形變化、分詞等,有助于提取有效信息。從預(yù)處理后的文本中提取新聞特征,如標(biāo)題、關(guān)鍵詞、命名實(shí)體識(shí)別結(jié)果、情感傾向、主題分類等。根據(jù)提取的特征對(duì)新聞進(jìn)行標(biāo)注,如領(lǐng)域標(biāo)簽、情感標(biāo)記。定期更新新聞畫(huà)像,可使用時(shí)間窗口或增量學(xué)習(xí)。需對(duì)新聞特征進(jìn)行向量化處理作為模型輸入,類似于用戶標(biāo)簽編碼,不同標(biāo)簽使用不同編碼方式。

    1.3.3 基于XGBoost的得分預(yù)測(cè)

    在構(gòu)建并將用戶畫(huà)像和新聞畫(huà)像編碼成特征向量后,可以為基于機(jī)器學(xué)習(xí)的推薦得分提供豐富的用戶和新聞特征,從而提高得分特征的準(zhǔn)確性。

    首先,將歷史用戶特征向量和用戶已閱讀新聞特征向量拼接,得到用戶-新聞特征向量,并將y標(biāo)簽設(shè)為正向。然后,將歷史用戶特征向量和用戶未閱讀新聞特征向量拼接,得到用戶-新聞特征向量,并將y標(biāo)簽設(shè)為負(fù)向。最后,基于構(gòu)建的用戶-新聞?wù)?fù)樣本,采用XGBoost模型進(jìn)行建模,并對(duì)所有用戶-新聞配對(duì)進(jìn)行得分預(yù)測(cè),從而得到所有用戶-新聞得分的矩陣。

    1.4 綜合推薦

    基于協(xié)同過(guò)濾和基于XGBoost模型計(jì)算的得分通過(guò)軟投票機(jī)制進(jìn)行合并。即對(duì)于用戶[u]和新聞[i],假設(shè)它們的協(xié)同過(guò)濾得分為[Su,icf],XGBoost模型得分為[Su,ixgb],得分[S]的計(jì)算方法如下:

    [S=λ1Su,icf+λ2Su,ixgb] (10)

    其中,[λ1]和[λ2]為融合權(quán)重,[λ1+λ2=1]。

    對(duì)所有用戶-新聞配對(duì)的得分進(jìn)行融合,得到最終的用戶-新聞得分矩陣。對(duì)于任意用戶 [u],根據(jù)評(píng)分矩陣的結(jié)果,對(duì)用戶與所有由新聞構(gòu)建的用戶-新聞配對(duì)進(jìn)行得分和排序,然后根據(jù)排序結(jié)果進(jìn)行新聞推薦。

    2 實(shí)驗(yàn)

    2.1 數(shù)據(jù)集

    為了評(píng)估本文推薦算法的性能,本文采用了一個(gè)大規(guī)模的真實(shí)新聞推薦數(shù)據(jù)集。該數(shù)據(jù)集包含了515 673個(gè)用戶與新聞的互動(dòng),包括點(diǎn)擊、瀏覽、點(diǎn)贊、評(píng)論等行為。數(shù)據(jù)集中的每條記錄包含userID、newsID以及用戶對(duì)新聞的具體行為。

    2.2 基準(zhǔn)模型

    為驗(yàn)證本文提出的推薦算法的有效性,選擇以下推薦算法作為比較實(shí)驗(yàn)的基準(zhǔn)模型:

    · POP:根據(jù)歷史新聞的流行度進(jìn)行推薦,即推薦集中關(guān)注歷史上最受歡迎的新聞。

    · S-POP:根據(jù)當(dāng)前時(shí)間段內(nèi)新聞的流行度進(jìn)行推薦,即在推薦訓(xùn)練中根據(jù)時(shí)間集中推薦具有最高流行度的新聞。在推薦過(guò)程中,隨著項(xiàng)目獲得更多事件,推薦列表會(huì)發(fā)生變化。

    · Item-KNN[7-8]:基于新聞相似性進(jìn)行推薦,定義為其推薦向量的余弦相似度。

    · BPR-MF[9]:通過(guò)SGD優(yōu)化配對(duì)排序的目標(biāo)函數(shù),即通過(guò)矩陣分解算法處理用戶-新聞排序矩陣,得到用戶對(duì)新聞的排序結(jié)果進(jìn)行推薦。

    · SVD++:通過(guò)分析用戶的歷史行為數(shù)據(jù),找到具有相似興趣的用戶群體或找到與用戶先前喜歡的新聞相似的新聞進(jìn)行推薦。

    2.3 對(duì)比實(shí)驗(yàn)

    本文實(shí)驗(yàn)采用MRR@20(即推薦列表前20條新聞的平均倒數(shù)排名)和Recall@20(即推薦列表前20條新聞的召回率)作為評(píng)價(jià)指標(biāo),本文提出的推薦算法與基準(zhǔn)模型的對(duì)比實(shí)驗(yàn)結(jié)果如表I所示。

    實(shí)驗(yàn)結(jié)果表明,本文提出的推薦算法在各種指標(biāo)上均優(yōu)于其他基準(zhǔn)模型。具體而言,與其他基準(zhǔn)模型相比,本文的算法在MRR@20上至少提高了6%,在Recall@20上提高了12%。通過(guò)比較實(shí)驗(yàn)結(jié)果,可以看出本文提出的推薦算法在新聞推薦任務(wù)中具有更好的性能。

    3 結(jié)論

    本文提出了一種基于協(xié)同過(guò)濾和機(jī)器學(xué)習(xí)融合的新聞推薦算法。該算法首先結(jié)合了三個(gè)評(píng)分模型,即用戶-新聞互動(dòng)評(píng)分、新聞時(shí)效性評(píng)分和新聞內(nèi)容評(píng)分。使用協(xié)同過(guò)濾相關(guān)算法來(lái)估計(jì)用戶對(duì)新聞的推薦評(píng)分。然后,構(gòu)建用戶畫(huà)像和新聞畫(huà)像,利用基于機(jī)器學(xué)習(xí)的模型預(yù)測(cè)用戶-新聞評(píng)分。最后,采用軟投票機(jī)制將協(xié)同過(guò)濾得分和機(jī)器學(xué)習(xí)得分整合,實(shí)現(xiàn)全面的推薦。實(shí)驗(yàn)證明,本文的推薦算法能夠有效提高新聞推薦的準(zhǔn)確性和用戶滿意度。

    參考文獻(xiàn):

    [1] LIU Q,CHEN E H,XIONG H,et al.Enhancing collaborative filtering by user interest expansion via personalized ranking[J].IEEE Transactions on Systems,Man,and Cybernetics Part B,Cybernetics:a Publication of the IEEE Systems,Man,and Cybernetics Society,2012,42(1):218-233.

    [2] PENG S W,SUGIYAMA K,MINE T.SVD-GCN:a simplified graph convolution paradigm for recommendation[C]//Proceedings of the 31st ACM International Conference on Information & Knowledge Management.Atlanta GA USA.ACM,2022:1625–1634.

    [3] ADOMAVICIUS G,TUZHILIN A.Toward the next generation of recommender systems:a survey of the state-of-the-art and possible extensions[J].IEEE Transactions on Knowledge and Data Engineering,2005,17(6):734-749.

    [4] XUE F,HE X N,WANG X,et al.Deep item-based collaborative filtering for top-N recommendation[J].ACM Transactions on Information Systems,2019,37(3):1-25.

    [5] 章琪,于雙元,尹鴻峰,等.基于圖注意力的神經(jīng)協(xié)同過(guò)濾社會(huì)推薦算法[J].計(jì)算機(jī)科學(xué),2023,50(2):115-122.

    [6] 高仰,劉淵.融合社交關(guān)系和知識(shí)圖譜的推薦算法[J].計(jì)算機(jī)科學(xué)與探索,2023,17(1):238-250.

    [7] LINDEN G,SMITH B,YORK J.Amazon.com recommendations:item-to-item collaborative filtering[J].IEEE Internet Computing,2003,7(1):76-80.

    [8] DAVIDSON J,LIEBALD B,LIU J N,et al.The YouTube video recommendation system[C]//Proceedings of the fourth ACM conference on Recommender systems.Barcelona Spain.ACM,2010.

    [9] RENDLE S,F(xiàn)REUDENTHALER C,GANTNER Z,et al.BPR:Bayesian personalized ranking from implicit feedback[J].ArXiv e-Prints,2012:arXiv:1205.2618.

    【通聯(lián)編輯:唐一東】

    国产免费视频播放在线视频| 新久久久久国产一级毛片| 日韩一区二区视频免费看| 欧美激情极品国产一区二区三区 | 亚洲,一卡二卡三卡| 久久精品夜色国产| 成人午夜精彩视频在线观看| 91午夜精品亚洲一区二区三区| 一本色道久久久久久精品综合| 日韩成人av中文字幕在线观看| av不卡在线播放| 久久精品国产a三级三级三级| 中文资源天堂在线| 免费高清在线观看视频在线观看| 精品久久久久久久久av| 在现免费观看毛片| 观看免费一级毛片| av天堂中文字幕网| 亚洲伊人久久精品综合| av卡一久久| 91精品国产九色| 熟女av电影| 午夜福利高清视频| 中文精品一卡2卡3卡4更新| 午夜免费鲁丝| 午夜免费鲁丝| 国产成人freesex在线| 人妻一区二区av| 亚洲丝袜综合中文字幕| 大香蕉久久网| av在线观看视频网站免费| 中文精品一卡2卡3卡4更新| 女人十人毛片免费观看3o分钟| 97精品久久久久久久久久精品| 久久精品国产鲁丝片午夜精品| 国产淫片久久久久久久久| av线在线观看网站| 中文资源天堂在线| 亚洲电影在线观看av| 亚洲美女黄色视频免费看| 久久国产乱子免费精品| 高清日韩中文字幕在线| 丰满迷人的少妇在线观看| 日本欧美国产在线视频| 国产精品久久久久久精品古装| 免费看av在线观看网站| 午夜免费观看性视频| .国产精品久久| av.在线天堂| 欧美日韩视频精品一区| 欧美精品国产亚洲| 91在线精品国自产拍蜜月| 久久久久网色| 高清毛片免费看| 国产色婷婷99| 黑丝袜美女国产一区| 蜜臀久久99精品久久宅男| 精品久久久久久电影网| 国产精品人妻久久久影院| 成人漫画全彩无遮挡| 一级毛片我不卡| 国产一区亚洲一区在线观看| 丰满乱子伦码专区| 欧美成人一区二区免费高清观看| 国产片特级美女逼逼视频| 性色av一级| 在线亚洲精品国产二区图片欧美 | 高清av免费在线| 在线观看免费高清a一片| 国产精品99久久99久久久不卡 | freevideosex欧美| 26uuu在线亚洲综合色| 国产黄频视频在线观看| www.色视频.com| 国产高清国产精品国产三级 | 赤兔流量卡办理| 国产在线免费精品| 亚洲av国产av综合av卡| 丰满迷人的少妇在线观看| 久久精品久久久久久久性| 免费看不卡的av| 亚洲精品乱码久久久久久按摩| 伦理电影免费视频| 嘟嘟电影网在线观看| 内射极品少妇av片p| 亚洲美女黄色视频免费看| 视频中文字幕在线观看| 成人无遮挡网站| 国产亚洲一区二区精品| 国产免费又黄又爽又色| 久久久欧美国产精品| 久久久久久久久久久免费av| 亚洲精品aⅴ在线观看| 亚洲国产欧美在线一区| 亚洲色图综合在线观看| 一级av片app| 日韩国内少妇激情av| 哪个播放器可以免费观看大片| 观看美女的网站| 午夜精品国产一区二区电影| 黑丝袜美女国产一区| 丰满人妻一区二区三区视频av| 亚洲欧美清纯卡通| 人妻 亚洲 视频| 91午夜精品亚洲一区二区三区| 青春草亚洲视频在线观看| 亚洲国产精品成人久久小说| 国产在线一区二区三区精| 亚洲国产欧美在线一区| av一本久久久久| 国产免费视频播放在线视频| 在线免费观看不下载黄p国产| 亚洲国产精品国产精品| 99国产精品免费福利视频| 久久久久久九九精品二区国产| 日日撸夜夜添| 亚洲av电影在线观看一区二区三区| 亚洲国产精品成人久久小说| 国语对白做爰xxxⅹ性视频网站| 久久久久久久精品精品| 多毛熟女@视频| 18禁裸乳无遮挡动漫免费视频| av免费观看日本| 久久99精品国语久久久| 人妻夜夜爽99麻豆av| 波野结衣二区三区在线| 亚洲最大成人中文| 国产精品成人在线| 26uuu在线亚洲综合色| 一级毛片电影观看| 欧美日韩国产mv在线观看视频 | 女人久久www免费人成看片| 男人舔奶头视频| 十分钟在线观看高清视频www | 成人国产麻豆网| 插阴视频在线观看视频| 99久久精品一区二区三区| 日日啪夜夜撸| 丰满少妇做爰视频| 精品视频人人做人人爽| 亚洲精品亚洲一区二区| 亚洲婷婷狠狠爱综合网| 久久久精品免费免费高清| 日本av免费视频播放| 六月丁香七月| 男人添女人高潮全过程视频| 亚洲精品日韩av片在线观看| 能在线免费看毛片的网站| 亚洲丝袜综合中文字幕| 又大又黄又爽视频免费| 熟女人妻精品中文字幕| 岛国毛片在线播放| 国产男人的电影天堂91| 国产69精品久久久久777片| 一个人看的www免费观看视频| 国产精品秋霞免费鲁丝片| 2021少妇久久久久久久久久久| 精品一品国产午夜福利视频| 91久久精品电影网| 亚洲国产欧美在线一区| 午夜精品国产一区二区电影| 男女边摸边吃奶| 黄色怎么调成土黄色| 中文在线观看免费www的网站| 亚洲精品aⅴ在线观看| 天堂8中文在线网| 内地一区二区视频在线| 在线观看av片永久免费下载| 综合色丁香网| 欧美一级a爱片免费观看看| 这个男人来自地球电影免费观看 | 国产亚洲最大av| 极品教师在线视频| 国产免费一级a男人的天堂| 青青草视频在线视频观看| 国产久久久一区二区三区| 欧美精品一区二区大全| 免费观看无遮挡的男女| 国产又色又爽无遮挡免| www.色视频.com| 国产精品99久久99久久久不卡 | 国产精品不卡视频一区二区| av又黄又爽大尺度在线免费看| 99热6这里只有精品| 国产成人精品福利久久| 久久ye,这里只有精品| 99热这里只有精品一区| 国产精品一区二区性色av| 综合色丁香网| 成人一区二区视频在线观看| 亚洲伊人久久精品综合| 少妇 在线观看| 国产在线免费精品| 舔av片在线| 高清毛片免费看| 在线观看av片永久免费下载| 一二三四中文在线观看免费高清| 赤兔流量卡办理| 国产精品av视频在线免费观看| 精品一区二区三区视频在线| 久久久久久久久久人人人人人人| av一本久久久久| 老熟女久久久| 久久国产乱子免费精品| 水蜜桃什么品种好| 肉色欧美久久久久久久蜜桃| 亚洲精品久久午夜乱码| 男女无遮挡免费网站观看| 日本av免费视频播放| 中文字幕精品免费在线观看视频 | 久久6这里有精品| 免费人成在线观看视频色| 亚洲精品日韩av片在线观看| 简卡轻食公司| 久久久久久久久久久免费av| 精品一区二区免费观看| 免费看av在线观看网站| 亚洲激情五月婷婷啪啪| 国模一区二区三区四区视频| 欧美日本视频| 国产欧美另类精品又又久久亚洲欧美| 纯流量卡能插随身wifi吗| 大话2 男鬼变身卡| 国产免费一区二区三区四区乱码| 国产成人freesex在线| 国产亚洲欧美精品永久| 亚洲精品乱码久久久v下载方式| 中文字幕av成人在线电影| 大片免费播放器 马上看| 欧美高清成人免费视频www| 一级毛片 在线播放| 国产精品一二三区在线看| 精品国产一区二区三区久久久樱花 | 亚洲欧洲日产国产| 国产深夜福利视频在线观看| 免费观看a级毛片全部| 在现免费观看毛片| 九九在线视频观看精品| 午夜福利视频精品| 欧美+日韩+精品| 啦啦啦在线观看免费高清www| 嘟嘟电影网在线观看| 边亲边吃奶的免费视频| 夜夜骑夜夜射夜夜干| 一个人看视频在线观看www免费| 久久人人爽人人爽人人片va| 一个人免费看片子| 亚洲欧洲国产日韩| 热re99久久精品国产66热6| 亚洲电影在线观看av| 观看美女的网站| 成人一区二区视频在线观看| 日韩三级伦理在线观看| 特大巨黑吊av在线直播| 国产亚洲5aaaaa淫片| 亚洲欧美清纯卡通| 成人亚洲欧美一区二区av| 成人18禁高潮啪啪吃奶动态图 | 五月天丁香电影| 永久网站在线| 久久久久视频综合| 亚洲精品乱码久久久v下载方式| 22中文网久久字幕| 99久国产av精品国产电影| 国产成人freesex在线| 多毛熟女@视频| 老女人水多毛片| 91aial.com中文字幕在线观看| 国产片特级美女逼逼视频| 波野结衣二区三区在线| 国产黄片视频在线免费观看| 国产成人a区在线观看| 寂寞人妻少妇视频99o| 成人亚洲欧美一区二区av| 97超碰精品成人国产| av在线观看视频网站免费| 久久国产亚洲av麻豆专区| 乱码一卡2卡4卡精品| 中文天堂在线官网| 少妇的逼好多水| 欧美成人a在线观看| 97在线人人人人妻| 国产av精品麻豆| 高清日韩中文字幕在线| 日本一二三区视频观看| 免费少妇av软件| 久久久亚洲精品成人影院| 噜噜噜噜噜久久久久久91| 国产69精品久久久久777片| 国产在线免费精品| 一本色道久久久久久精品综合| 下体分泌物呈黄色| 制服丝袜香蕉在线| 2021少妇久久久久久久久久久| 看十八女毛片水多多多| 日日摸夜夜添夜夜爱| 亚洲精华国产精华液的使用体验| 有码 亚洲区| av黄色大香蕉| 色婷婷av一区二区三区视频| 熟妇人妻不卡中文字幕| 五月伊人婷婷丁香| 欧美成人精品欧美一级黄| 亚洲精品自拍成人| 国产中年淑女户外野战色| 免费观看在线日韩| 大香蕉97超碰在线| 制服丝袜香蕉在线| 国产精品嫩草影院av在线观看| 国产白丝娇喘喷水9色精品| 深爱激情五月婷婷| 熟女av电影| 多毛熟女@视频| 免费少妇av软件| av免费在线看不卡| 国产 一区 欧美 日韩| 草草在线视频免费看| 18禁动态无遮挡网站| 亚洲欧美精品专区久久| a级毛色黄片| 亚洲精品aⅴ在线观看| 亚洲精品国产av成人精品| 亚洲av二区三区四区| 日韩成人av中文字幕在线观看| 国产av一区二区精品久久 | 欧美成人a在线观看| 亚洲在久久综合| 亚洲国产精品一区三区| 人妻一区二区av| 搡老乐熟女国产| 成人一区二区视频在线观看| 少妇的逼好多水| 日本欧美视频一区| 亚洲精品乱久久久久久| 日本欧美视频一区| 97超视频在线观看视频| 国产 一区 欧美 日韩| 久久久成人免费电影| 如何舔出高潮| av国产免费在线观看| 麻豆精品久久久久久蜜桃| 国产爱豆传媒在线观看| 久久久久国产精品人妻一区二区| 日韩一本色道免费dvd| 日韩亚洲欧美综合| 青春草视频在线免费观看| 亚洲真实伦在线观看| 国产淫片久久久久久久久| 国产成人精品久久久久久| 最后的刺客免费高清国语| 五月开心婷婷网| 久久99热这里只频精品6学生| 91狼人影院| 久久影院123| 日韩在线高清观看一区二区三区| 久久综合国产亚洲精品| 日韩国内少妇激情av| 午夜免费鲁丝| 国产成人精品福利久久| 亚洲高清免费不卡视频| 高清午夜精品一区二区三区| 夜夜骑夜夜射夜夜干| 一级毛片黄色毛片免费观看视频| 热99国产精品久久久久久7| 日本-黄色视频高清免费观看| 国产欧美另类精品又又久久亚洲欧美| 狠狠精品人妻久久久久久综合| 欧美日韩视频精品一区| 纯流量卡能插随身wifi吗| 美女主播在线视频| 午夜精品国产一区二区电影| 精品久久久久久电影网| 少妇精品久久久久久久| 少妇的逼好多水| 成年女人在线观看亚洲视频| 麻豆国产97在线/欧美| 久久国产精品男人的天堂亚洲 | 欧美高清成人免费视频www| 激情五月婷婷亚洲| 人妻一区二区av| 青青草视频在线视频观看| 欧美人与善性xxx| 久久久久久久精品精品| 三级经典国产精品| 欧美成人一区二区免费高清观看| 亚洲国产高清在线一区二区三| 春色校园在线视频观看| 寂寞人妻少妇视频99o| 国产淫片久久久久久久久| 男的添女的下面高潮视频| 亚洲国产色片| 2022亚洲国产成人精品| 久久精品久久久久久久性| 少妇人妻一区二区三区视频| 女的被弄到高潮叫床怎么办| 亚洲欧洲国产日韩| 观看免费一级毛片| 九色成人免费人妻av| 联通29元200g的流量卡| 欧美国产精品一级二级三级 | 一区二区三区精品91| 热re99久久精品国产66热6| 国产真实伦视频高清在线观看| 如何舔出高潮| 国产真实伦视频高清在线观看| 干丝袜人妻中文字幕| 91aial.com中文字幕在线观看| 国产一级毛片在线| www.色视频.com| 免费黄频网站在线观看国产| 有码 亚洲区| 欧美高清成人免费视频www| 超碰av人人做人人爽久久| 91狼人影院| 亚洲,一卡二卡三卡| 亚洲成色77777| 亚洲综合精品二区| 高清黄色对白视频在线免费看 | 国产午夜精品一二区理论片| 色视频在线一区二区三区| 小蜜桃在线观看免费完整版高清| 久久人人爽av亚洲精品天堂 | 日本一二三区视频观看| 天天躁夜夜躁狠狠久久av| 最近的中文字幕免费完整| av播播在线观看一区| 久久久久久久大尺度免费视频| 日本wwww免费看| 丝袜喷水一区| 成人特级av手机在线观看| 人人妻人人爽人人添夜夜欢视频 | 热99国产精品久久久久久7| 国产高潮美女av| 亚洲欧美一区二区三区国产| 深夜a级毛片| 亚洲美女搞黄在线观看| 777米奇影视久久| 欧美变态另类bdsm刘玥| 久久人人爽人人爽人人片va| 国产伦理片在线播放av一区| 美女福利国产在线 | 免费观看性生交大片5| 国产在线免费精品| 国产精品久久久久成人av| 高清黄色对白视频在线免费看 | 婷婷色av中文字幕| 国产真实伦视频高清在线观看| 丝袜脚勾引网站| 九九在线视频观看精品| 成人无遮挡网站| 大香蕉久久网| 国产高清有码在线观看视频| 最近中文字幕2019免费版| av不卡在线播放| 日韩av不卡免费在线播放| 超碰97精品在线观看| 3wmmmm亚洲av在线观看| 少妇精品久久久久久久| 激情 狠狠 欧美| 免费大片黄手机在线观看| 亚洲高清免费不卡视频| 日本黄大片高清| 国产人妻一区二区三区在| 永久免费av网站大全| 久久久久国产精品人妻一区二区| 黄片wwwwww| 97在线人人人人妻| 日韩 亚洲 欧美在线| 肉色欧美久久久久久久蜜桃| 美女内射精品一级片tv| 精品少妇黑人巨大在线播放| 亚洲精品中文字幕在线视频 | 日韩不卡一区二区三区视频在线| 国产免费又黄又爽又色| 偷拍熟女少妇极品色| 五月开心婷婷网| 日本欧美国产在线视频| 日本与韩国留学比较| 久久久久久久国产电影| 欧美精品国产亚洲| 欧美+日韩+精品| 欧美xxxx黑人xx丫x性爽| 日本黄大片高清| 大香蕉97超碰在线| 日本免费在线观看一区| 舔av片在线| 欧美成人一区二区免费高清观看| 欧美成人精品欧美一级黄| 26uuu在线亚洲综合色| 丝瓜视频免费看黄片| 菩萨蛮人人尽说江南好唐韦庄| 亚洲av在线观看美女高潮| 亚洲欧洲国产日韩| 亚洲av在线观看美女高潮| av免费在线看不卡| 99热这里只有是精品50| av免费在线看不卡| 丝袜喷水一区| 免费不卡的大黄色大毛片视频在线观看| 国产久久久一区二区三区| 我的女老师完整版在线观看| 国产精品麻豆人妻色哟哟久久| 国产成人免费观看mmmm| av在线app专区| 精品一区二区免费观看| 欧美成人午夜免费资源| 少妇被粗大猛烈的视频| 妹子高潮喷水视频| 日产精品乱码卡一卡2卡三| 午夜激情福利司机影院| 久久女婷五月综合色啪小说| av福利片在线观看| 久久97久久精品| 欧美激情极品国产一区二区三区 | 成人无遮挡网站| 美女脱内裤让男人舔精品视频| 日韩欧美精品免费久久| 国产av码专区亚洲av| 午夜老司机福利剧场| 国产av精品麻豆| 日本一二三区视频观看| 欧美xxⅹ黑人| 男人爽女人下面视频在线观看| 我的老师免费观看完整版| 亚洲精品第二区| 国内揄拍国产精品人妻在线| 人妻 亚洲 视频| 91精品伊人久久大香线蕉| 国内少妇人妻偷人精品xxx网站| 欧美极品一区二区三区四区| 亚洲欧洲日产国产| 一个人看的www免费观看视频| 国产美女午夜福利| 亚洲国产av新网站| 80岁老熟妇乱子伦牲交| 国产成人免费无遮挡视频| 久久久成人免费电影| 成人午夜精彩视频在线观看| 亚洲高清免费不卡视频| freevideosex欧美| 老师上课跳d突然被开到最大视频| 精品一区在线观看国产| 国产av精品麻豆| 天堂俺去俺来也www色官网| 最近最新中文字幕免费大全7| 尾随美女入室| 一本久久精品| 国产 一区精品| 精品一区二区三卡| 啦啦啦视频在线资源免费观看| av网站免费在线观看视频| 狠狠精品人妻久久久久久综合| 男女边吃奶边做爰视频| 欧美最新免费一区二区三区| 久久精品夜色国产| 国产精品一及| 99国产精品免费福利视频| 老司机影院成人| av免费观看日本| 在线观看免费视频网站a站| 久久6这里有精品| 在线观看av片永久免费下载| 伊人久久国产一区二区| 深爱激情五月婷婷| 在线看a的网站| 国产一级毛片在线| 一级a做视频免费观看| 网址你懂的国产日韩在线| 男人爽女人下面视频在线观看| 在线观看一区二区三区| 国产精品国产av在线观看| 性色avwww在线观看| av播播在线观看一区| 日韩视频在线欧美| 国产成人a∨麻豆精品| 久久久午夜欧美精品| tube8黄色片| 观看美女的网站| 欧美精品一区二区大全| 直男gayav资源| 美女xxoo啪啪120秒动态图| 国产免费福利视频在线观看| 亚洲精品国产av蜜桃| 日韩强制内射视频| 天堂中文最新版在线下载| 欧美极品一区二区三区四区| 伦理电影免费视频| 精品熟女少妇av免费看| 午夜精品国产一区二区电影| 国产精品爽爽va在线观看网站| 欧美日韩综合久久久久久| 超碰97精品在线观看| 少妇的逼好多水| 成人亚洲欧美一区二区av| 国产精品久久久久久精品古装| 九色成人免费人妻av| av天堂中文字幕网| 超碰97精品在线观看| 亚洲欧洲日产国产| 国产av码专区亚洲av| 欧美日韩亚洲高清精品| 国产视频首页在线观看| 天堂中文最新版在线下载| 蜜桃久久精品国产亚洲av| 成人漫画全彩无遮挡| 我的老师免费观看完整版| 亚洲精品一区蜜桃| 黄色怎么调成土黄色| 亚洲激情五月婷婷啪啪| 亚洲国产毛片av蜜桃av| 一二三四中文在线观看免费高清| 汤姆久久久久久久影院中文字幕| 精品久久久噜噜| 国产免费一区二区三区四区乱码| 精品人妻视频免费看|