• <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】

    久久ye,这里只有精品| 国产精品久久久久久精品古装| 少妇熟女欧美另类| 精品99又大又爽又粗少妇毛片| 韩国高清视频一区二区三区| videos熟女内射| 赤兔流量卡办理| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 精品一区二区三区视频在线| 香蕉精品网在线| 久久久a久久爽久久v久久| 国产av一区二区精品久久| 人妻制服诱惑在线中文字幕| 精品少妇黑人巨大在线播放| av.在线天堂| 久久99蜜桃精品久久| 国产成人91sexporn| 国产日韩一区二区三区精品不卡 | 亚洲少妇的诱惑av| 日韩,欧美,国产一区二区三区| 亚洲中文av在线| 精品国产露脸久久av麻豆| 久久99一区二区三区| 伦精品一区二区三区| 精品人妻一区二区三区麻豆| 国产欧美日韩综合在线一区二区| 久久精品国产自在天天线| 色网站视频免费| 黄色配什么色好看| 日本欧美视频一区| 久久精品国产亚洲av天美| 欧美成人精品欧美一级黄| 美女cb高潮喷水在线观看| 观看美女的网站| 制服人妻中文乱码| 亚洲欧洲国产日韩| 欧美少妇被猛烈插入视频| 国产成人精品婷婷| 日韩制服骚丝袜av| 亚洲av日韩在线播放| 日本黄色日本黄色录像| av视频免费观看在线观看| 国产免费又黄又爽又色| 999精品在线视频| 女性被躁到高潮视频| 精品久久久精品久久久| 美女视频免费永久观看网站| 国产日韩欧美亚洲二区| 国产一区二区三区综合在线观看 | 精品熟女少妇av免费看| 亚洲精品日韩av片在线观看| 久久午夜综合久久蜜桃| 日本爱情动作片www.在线观看| av一本久久久久| 久久久久视频综合| 国产白丝娇喘喷水9色精品| 国产精品一区二区在线不卡| 亚洲精品日韩av片在线观看| 蜜桃国产av成人99| 国产一级毛片在线| 久久久久久久大尺度免费视频| 中文字幕免费在线视频6| 九九爱精品视频在线观看| 国产亚洲精品第一综合不卡 | 国产精品人妻久久久影院| 免费播放大片免费观看视频在线观看| 成人手机av| 26uuu在线亚洲综合色| 久久久久人妻精品一区果冻| 久久人人爽av亚洲精品天堂| av女优亚洲男人天堂| 国产亚洲精品第一综合不卡 | 国产av一区二区精品久久| 久久久久久久久久成人| 午夜福利,免费看| 狠狠婷婷综合久久久久久88av| 91精品一卡2卡3卡4卡| av在线老鸭窝| 五月玫瑰六月丁香| 日韩伦理黄色片| 只有这里有精品99| 日本-黄色视频高清免费观看| 精品少妇黑人巨大在线播放| 精品一品国产午夜福利视频| 日韩一区二区视频免费看| 视频在线观看一区二区三区| 久久狼人影院| 丝袜脚勾引网站| a级毛片免费高清观看在线播放| 国产综合精华液| 久久青草综合色| 久久久久久久精品精品| 黄片播放在线免费| 精品国产国语对白av| 热99国产精品久久久久久7| 亚洲欧美日韩另类电影网站| av女优亚洲男人天堂| 好男人视频免费观看在线| 日韩成人av中文字幕在线观看| 久久午夜福利片| 丰满乱子伦码专区| 久久久久视频综合| 国产国拍精品亚洲av在线观看| 国产一区二区三区av在线| 在线播放无遮挡| 亚洲av不卡在线观看| 久久精品久久精品一区二区三区| 亚洲精品国产色婷婷电影| 婷婷色综合大香蕉| 国产成人精品久久久久久| 免费高清在线观看日韩| 久久久欧美国产精品| 国产又色又爽无遮挡免| 丝袜喷水一区| 亚洲欧洲精品一区二区精品久久久 | 两个人免费观看高清视频| 狠狠精品人妻久久久久久综合| 免费黄频网站在线观看国产| 制服丝袜香蕉在线| 免费不卡的大黄色大毛片视频在线观看| 午夜激情久久久久久久| 在现免费观看毛片| 亚洲丝袜综合中文字幕| 伊人亚洲综合成人网| 欧美精品国产亚洲| 人妻少妇偷人精品九色| 成年人免费黄色播放视频| 成人国产麻豆网| 亚洲综合精品二区| 人妻 亚洲 视频| 国产精品国产三级专区第一集| 9色porny在线观看| 久久久久久久国产电影| 国产毛片在线视频| 亚洲av男天堂| 美女cb高潮喷水在线观看| 一级爰片在线观看| 3wmmmm亚洲av在线观看| 日韩亚洲欧美综合| 国产伦理片在线播放av一区| 亚洲色图 男人天堂 中文字幕 | www.色视频.com| 免费观看性生交大片5| 日韩 亚洲 欧美在线| 九色成人免费人妻av| 最后的刺客免费高清国语| 18禁观看日本| 高清视频免费观看一区二区| 如日韩欧美国产精品一区二区三区 | 日本vs欧美在线观看视频| 久久韩国三级中文字幕| 老熟女久久久| 少妇高潮的动态图| 美女国产视频在线观看| av卡一久久| 欧美丝袜亚洲另类| 国产不卡av网站在线观看| 亚洲精品久久久久久婷婷小说| 亚洲精品乱久久久久久| 国产免费视频播放在线视频| 欧美成人精品欧美一级黄| 国产午夜精品一二区理论片| 亚洲激情五月婷婷啪啪| xxx大片免费视频| 国产在视频线精品| 内地一区二区视频在线| a级片在线免费高清观看视频| 一级,二级,三级黄色视频| 日本vs欧美在线观看视频| 久久久久久久精品精品| 亚洲精品乱码久久久v下载方式| 黄色一级大片看看| 欧美人与性动交α欧美精品济南到 | 高清av免费在线| 久久国内精品自在自线图片| 久久狼人影院| 99久久人妻综合| 国产国拍精品亚洲av在线观看| 国产黄片视频在线免费观看| 国产精品一区二区在线不卡| 国产高清有码在线观看视频| 性色avwww在线观看| 人妻少妇偷人精品九色| 涩涩av久久男人的天堂| 亚洲国产最新在线播放| a级毛片黄视频| 久久久久久人妻| 成人综合一区亚洲| 国产免费现黄频在线看| 在线观看免费日韩欧美大片 | 国产精品人妻久久久影院| 少妇丰满av| 亚洲av成人精品一二三区| 国产成人91sexporn| av卡一久久| 老熟女久久久| 最近中文字幕2019免费版| 久久久久久伊人网av| 亚洲高清免费不卡视频| 亚洲美女搞黄在线观看| 伦理电影大哥的女人| 成人手机av| 日韩成人av中文字幕在线观看| 女的被弄到高潮叫床怎么办| 91精品一卡2卡3卡4卡| 亚洲欧美一区二区三区黑人 | 久久精品国产亚洲av涩爱| 91国产中文字幕| 中国国产av一级| 狂野欧美白嫩少妇大欣赏| 亚洲人成网站在线观看播放| 国产精品偷伦视频观看了| 精品久久国产蜜桃| 久久久久精品性色| 国产成人午夜福利电影在线观看| 日产精品乱码卡一卡2卡三| 亚洲内射少妇av| 五月天丁香电影| 午夜免费观看性视频| 欧美精品一区二区大全| 亚洲欧洲日产国产| 麻豆精品久久久久久蜜桃| 国产成人一区二区在线| 国产午夜精品久久久久久一区二区三区| 国产亚洲最大av| 国产亚洲一区二区精品| 免费看光身美女| 精品国产乱码久久久久久小说| 国精品久久久久久国模美| 香蕉精品网在线| 欧美最新免费一区二区三区| 亚洲美女视频黄频| 高清欧美精品videossex| 欧美亚洲日本最大视频资源| 久久亚洲国产成人精品v| 寂寞人妻少妇视频99o| 少妇的逼好多水| 水蜜桃什么品种好| 精品亚洲乱码少妇综合久久| 国产有黄有色有爽视频| 少妇的逼好多水| 国产片特级美女逼逼视频| 欧美日本中文国产一区发布| 各种免费的搞黄视频| 下体分泌物呈黄色| 精品一品国产午夜福利视频| 在线观看免费日韩欧美大片 | 国产又色又爽无遮挡免| 视频区图区小说| av电影中文网址| 国产精品麻豆人妻色哟哟久久| 你懂的网址亚洲精品在线观看| 成人国产av品久久久| 国产伦精品一区二区三区视频9| 亚洲成人手机| 亚洲丝袜综合中文字幕| 亚洲精品亚洲一区二区| 一级二级三级毛片免费看| 免费黄色在线免费观看| 欧美日本中文国产一区发布| 久久人人爽av亚洲精品天堂| 国产视频首页在线观看| 欧美xxxx性猛交bbbb| 久久国产精品大桥未久av| 免费大片18禁| 国产精品国产av在线观看| 亚州av有码| 蜜桃久久精品国产亚洲av| 婷婷色麻豆天堂久久| 午夜福利视频精品| 久久久国产欧美日韩av| 天天躁夜夜躁狠狠久久av| 一级二级三级毛片免费看| 18禁观看日本| 人妻一区二区av| 视频区图区小说| 丰满少妇做爰视频| 黄色欧美视频在线观看| 男的添女的下面高潮视频| 精品一区在线观看国产| 99热全是精品| 欧美日本中文国产一区发布| 久久精品久久久久久噜噜老黄| 啦啦啦视频在线资源免费观看| 国产亚洲av片在线观看秒播厂| 寂寞人妻少妇视频99o| 男女高潮啪啪啪动态图| 亚洲人与动物交配视频| 欧美人与善性xxx| 日韩伦理黄色片| 丰满少妇做爰视频| 另类亚洲欧美激情| 国产精品无大码| 在线观看免费高清a一片| 美女中出高潮动态图| 男人操女人黄网站| 99久久精品国产国产毛片| 少妇精品久久久久久久| 久久鲁丝午夜福利片| 少妇人妻 视频| 国语对白做爰xxxⅹ性视频网站| 精品一品国产午夜福利视频| 亚洲av国产av综合av卡| 日日摸夜夜添夜夜爱| 精品亚洲成国产av| 国产熟女欧美一区二区| av一本久久久久| 999精品在线视频| av视频免费观看在线观看| 男女免费视频国产| 国产一区二区三区av在线| 91久久精品国产一区二区成人| 亚洲国产精品成人久久小说| 欧美老熟妇乱子伦牲交| 日韩制服骚丝袜av| 女性被躁到高潮视频| 亚洲,欧美,日韩| 色婷婷av一区二区三区视频| 午夜激情av网站| 国产在线免费精品| 街头女战士在线观看网站| 99久久综合免费| 男人添女人高潮全过程视频| 国产永久视频网站| 国产片内射在线| 国产精品蜜桃在线观看| 欧美日韩综合久久久久久| 亚洲精品乱久久久久久| 欧美xxxx性猛交bbbb| 国产精品国产av在线观看| 亚洲熟女精品中文字幕| 日日摸夜夜添夜夜爱| tube8黄色片| 日韩av不卡免费在线播放| 久久ye,这里只有精品| 亚洲精品456在线播放app| 黑丝袜美女国产一区| 一级片'在线观看视频| 另类精品久久| 免费av不卡在线播放| 91久久精品国产一区二区三区| 亚洲少妇的诱惑av| 日韩伦理黄色片| 91精品国产九色| 男人操女人黄网站| 久久久久久久国产电影| 亚洲怡红院男人天堂| 中文字幕制服av| 最黄视频免费看| 欧美3d第一页| 美女主播在线视频| 久久久久久人妻| 免费播放大片免费观看视频在线观看| 老熟女久久久| 日韩大片免费观看网站| 精品久久久噜噜| 国产精品国产三级国产av玫瑰| 国产乱人偷精品视频| 美女国产视频在线观看| 国产日韩欧美在线精品| 九色成人免费人妻av| 久久婷婷青草| 国产高清国产精品国产三级| 国产精品99久久久久久久久| 欧美日韩视频高清一区二区三区二| 日韩在线高清观看一区二区三区| 制服人妻中文乱码| 人人澡人人妻人| 午夜免费男女啪啪视频观看| 黑人欧美特级aaaaaa片| 91精品三级在线观看| 亚洲av电影在线观看一区二区三区| 精品视频人人做人人爽| 一边亲一边摸免费视频| 免费人成在线观看视频色| 免费不卡的大黄色大毛片视频在线观看| 久久久a久久爽久久v久久| 十分钟在线观看高清视频www| 在线观看人妻少妇| 日韩av免费高清视频| 日韩一区二区视频免费看| 97在线视频观看| 国产精品人妻久久久久久| 亚洲精品国产色婷婷电影| 亚洲精华国产精华液的使用体验| 亚洲情色 制服丝袜| 91精品三级在线观看| av在线播放精品| 久久久国产精品麻豆| videossex国产| 国产精品久久久久久久电影| 中文乱码字字幕精品一区二区三区| 狠狠婷婷综合久久久久久88av| 99久国产av精品国产电影| 亚洲国产精品一区二区三区在线| 热99国产精品久久久久久7| 国产女主播在线喷水免费视频网站| 欧美日韩av久久| 人体艺术视频欧美日本| 黄色毛片三级朝国网站| 久久精品国产亚洲av涩爱| av免费在线看不卡| 亚洲成人手机| 国模一区二区三区四区视频| 亚洲,欧美,日韩| 午夜久久久在线观看| 自线自在国产av| 国产一区二区三区av在线| 少妇人妻精品综合一区二区| 黄色一级大片看看| 午夜激情久久久久久久| av线在线观看网站| 在线观看免费日韩欧美大片 | 丝袜在线中文字幕| 国产一区二区三区av在线| 国产欧美日韩一区二区三区在线 | 久久婷婷青草| 亚洲情色 制服丝袜| www.av在线官网国产| 一二三四中文在线观看免费高清| 少妇高潮的动态图| 一区二区三区乱码不卡18| 三级国产精品欧美在线观看| 97精品久久久久久久久久精品| 欧美亚洲 丝袜 人妻 在线| 欧美丝袜亚洲另类| 精品国产一区二区久久| 少妇精品久久久久久久| 啦啦啦在线观看免费高清www| h视频一区二区三区| 成人影院久久| 大香蕉久久网| av不卡在线播放| 久久久亚洲精品成人影院| 久久久精品区二区三区| 国产极品粉嫩免费观看在线 | 婷婷色麻豆天堂久久| av女优亚洲男人天堂| 亚洲性久久影院| 日本黄色日本黄色录像| 美女国产视频在线观看| 欧美丝袜亚洲另类| 人成视频在线观看免费观看| 18禁在线无遮挡免费观看视频| 久久精品国产亚洲av涩爱| 视频中文字幕在线观看| 麻豆成人av视频| 黑人欧美特级aaaaaa片| 日韩成人伦理影院| 丰满乱子伦码专区| 一个人免费看片子| 久久久久久伊人网av| 涩涩av久久男人的天堂| 26uuu在线亚洲综合色| 在线观看www视频免费| 美女大奶头黄色视频| 国产精品久久久久久av不卡| 国产色爽女视频免费观看| av免费观看日本| 久久久久网色| .国产精品久久| 精品久久久久久久久av| 国产精品99久久99久久久不卡 | 国产午夜精品久久久久久一区二区三区| 精品少妇久久久久久888优播| 亚洲精品一区蜜桃| 亚洲熟女精品中文字幕| 少妇熟女欧美另类| 欧美日韩综合久久久久久| 在线观看国产h片| 亚洲美女搞黄在线观看| 亚洲精品久久久久久婷婷小说| 精品国产国语对白av| 欧美老熟妇乱子伦牲交| 国产精品人妻久久久影院| 亚洲不卡免费看| 黄片无遮挡物在线观看| videossex国产| 亚洲久久久国产精品| 欧美日韩视频高清一区二区三区二| 人妻制服诱惑在线中文字幕| 亚洲婷婷狠狠爱综合网| 三级国产精品欧美在线观看| 少妇熟女欧美另类| av福利片在线| 丝袜喷水一区| 精品久久国产蜜桃| 国产成人freesex在线| 毛片一级片免费看久久久久| 熟女电影av网| 中文乱码字字幕精品一区二区三区| 国产极品天堂在线| 欧美成人精品欧美一级黄| 亚洲国产av新网站| 亚洲美女搞黄在线观看| 色吧在线观看| 久久精品熟女亚洲av麻豆精品| 国产高清国产精品国产三级| 久久久国产精品麻豆| 成人无遮挡网站| 交换朋友夫妻互换小说| 嘟嘟电影网在线观看| 亚洲av.av天堂| 久久这里有精品视频免费| 一区二区三区四区激情视频| 制服丝袜香蕉在线| 婷婷成人精品国产| xxx大片免费视频| 国产精品99久久久久久久久| 大香蕉97超碰在线| 日本与韩国留学比较| 精品亚洲成a人片在线观看| 中文字幕最新亚洲高清| 亚洲成色77777| 亚洲欧美中文字幕日韩二区| 日本午夜av视频| 亚洲三级黄色毛片| 日本爱情动作片www.在线观看| 免费观看在线日韩| 在线观看www视频免费| 女人精品久久久久毛片| 国产伦理片在线播放av一区| 夜夜骑夜夜射夜夜干| 久久久午夜欧美精品| 亚洲美女搞黄在线观看| 丰满乱子伦码专区| 黑丝袜美女国产一区| 国产日韩欧美视频二区| 少妇人妻久久综合中文| 亚洲人成网站在线观看播放| 亚洲高清免费不卡视频| 国产精品国产三级专区第一集| 精品一区二区三区视频在线| 婷婷色综合大香蕉| 亚洲精品久久成人aⅴ小说 | 精品久久久噜噜| av天堂久久9| 久久久久久久久久人人人人人人| 99热全是精品| 亚洲怡红院男人天堂| 一级爰片在线观看| 日本爱情动作片www.在线观看| 在线天堂最新版资源| 99热6这里只有精品| 久久久久久伊人网av| 赤兔流量卡办理| videossex国产| 亚洲精品久久久久久婷婷小说| 亚洲国产精品成人久久小说| 国产极品天堂在线| 亚洲国产成人一精品久久久| 日韩av免费高清视频| 中文字幕久久专区| 丰满乱子伦码专区| 人妻制服诱惑在线中文字幕| 水蜜桃什么品种好| 久久久久精品久久久久真实原创| 另类亚洲欧美激情| 日韩免费高清中文字幕av| 如日韩欧美国产精品一区二区三区 | 精品人妻熟女毛片av久久网站| 成年人午夜在线观看视频| 五月伊人婷婷丁香| 成人综合一区亚洲| 毛片一级片免费看久久久久| 国产精品 国内视频| 精品亚洲乱码少妇综合久久| 黑人欧美特级aaaaaa片| 亚洲国产精品一区二区三区在线| 亚洲人成网站在线播| 丰满乱子伦码专区| .国产精品久久| 久久精品久久久久久久性| 国产一区亚洲一区在线观看| 国产成人精品福利久久| 秋霞在线观看毛片| 国产伦精品一区二区三区视频9| a级片在线免费高清观看视频| 亚洲综合精品二区| 婷婷色综合大香蕉| 国产精品国产av在线观看| 美女内射精品一级片tv| 中文欧美无线码| 日韩精品免费视频一区二区三区 | 高清欧美精品videossex| 观看av在线不卡| 一区二区日韩欧美中文字幕 | 一边摸一边做爽爽视频免费| 一级毛片 在线播放| 日本黄色日本黄色录像| 51国产日韩欧美| 日日撸夜夜添| 亚洲在久久综合| 最近2019中文字幕mv第一页| 成人国语在线视频| 国产成人freesex在线| 狂野欧美白嫩少妇大欣赏| 国产精品国产三级国产av玫瑰| 黄色配什么色好看| 国产乱来视频区| 国产亚洲欧美精品永久| 女人久久www免费人成看片| 亚洲欧美日韩另类电影网站| av又黄又爽大尺度在线免费看| 欧美激情极品国产一区二区三区 | 91精品三级在线观看| 亚洲欧美一区二区三区国产| 色婷婷av一区二区三区视频| 欧美激情国产日韩精品一区| 亚洲欧美一区二区三区国产| 精品一区二区免费观看| 伦精品一区二区三区| 国产精品久久久久成人av| 如日韩欧美国产精品一区二区三区 | 三级国产精品欧美在线观看|