• <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 ?

    支持向量機(jī)在分析型CRM中的應(yīng)用研究

    2010-08-14 01:11:26楊啟仁杜圣東
    關(guān)鍵詞:超平面數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)挖掘

    楊啟仁 ,杜圣東

    (1.貴州民族學(xué)院 計(jì)算機(jī)與信息工程學(xué)院,貴州 貴陽(yáng) 550025;2.西南交通大學(xué) CAD工程中心,四川 成都 610031)

    隨著通信市場(chǎng)競(jìng)爭(zhēng)的加劇,移動(dòng)運(yùn)營(yíng)商之間對(duì)客戶的爭(zhēng)奪也日趨激烈。各運(yùn)營(yíng)商都有自己完整的運(yùn)營(yíng)支撐系統(tǒng),如計(jì)費(fèi)系統(tǒng)、帳務(wù)系統(tǒng)、營(yíng)業(yè)系統(tǒng)和客戶服務(wù)系統(tǒng)等。這些系統(tǒng)累積了海量的客戶相關(guān)數(shù)據(jù),很多企業(yè)也都擁有自己的客戶關(guān)系管理CRM(Custom Relationship Management)系統(tǒng)[1]。如何通過數(shù)據(jù)挖掘技術(shù)對(duì)CRM系統(tǒng)中累積的大量歷史數(shù)據(jù)進(jìn)行分析處理,以提供有效的決策知識(shí),從而獲得新客戶,提高客戶滿意度、防止客戶流失是分析型CRM的目標(biāo)。分析型CRM[2](Analytic CRM)是創(chuàng)新和使用客戶知識(shí)(在這一過程中采用數(shù)據(jù)倉(cāng)庫(kù)、OLAP和數(shù)據(jù)挖掘技術(shù)對(duì)客戶數(shù)據(jù)進(jìn)行分析,提煉出有用信息),幫助企業(yè)提高優(yōu)化客戶關(guān)系的決策能力和整體運(yùn)營(yíng)能力的概念、方法、過程以及軟件的集合。CRM從上世紀(jì)90年代初基于部門級(jí)的專用解決方案,(如銷售隊(duì)伍自動(dòng)化、客戶服務(wù)支持)發(fā)展到現(xiàn)在以客戶為中心的整體解決方案,尤其是Internet的迅猛發(fā)展與成熟的電子商務(wù)平臺(tái),大大推進(jìn)了應(yīng)用的廣度和深度。目前,數(shù)據(jù)挖掘與CRM相結(jié)合的分析型CRM相關(guān)技術(shù)的研究與應(yīng)用成為學(xué)術(shù)界和工業(yè)界研究的熱點(diǎn)。

    統(tǒng)計(jì)學(xué)習(xí)理論[3]是一種專門研究小樣本情況下機(jī)器學(xué)習(xí)規(guī)律的理論,支持向量機(jī)SVM(Support Vector Machine)作為一種新的數(shù)據(jù)挖掘技術(shù),是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來的新的學(xué)習(xí)算法。由于其基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則,即由有限的訓(xùn)練樣本集得到較小的誤差以確保對(duì)獨(dú)立的測(cè)試樣本集仍保持較小的誤差,因此能有效地解決過學(xué)習(xí)問題,具有良好的推廣性;另外,由于SVM算法能解決凸優(yōu)化問題,局部最優(yōu)解就是其全局最優(yōu)解,因此具有較好的分類準(zhǔn)確性。這些優(yōu)良特性使得SVM成為繼人工神經(jīng)網(wǎng)絡(luò)ANN(Artifical Neural Network)[4]和模式識(shí)別之后的又一研究熱點(diǎn)。最有代表性的是美國(guó)郵政手寫數(shù)字庫(kù)識(shí)別研究成功地應(yīng)用了SVM。在其他應(yīng)用領(lǐng)域,如人臉識(shí)別、語(yǔ)音識(shí)別、模式識(shí)別、圖像處理及文本分類等方面也取得了大量的研究成果。

    本文在研究支持向量機(jī)并將其應(yīng)用于分析型CRM的過程中,以移動(dòng)通信作為分析型CRM系統(tǒng)的典型應(yīng)用行業(yè),其原因除了滿足更激烈的商業(yè)競(jìng)爭(zhēng)外,還在于其擁有較為完整的、規(guī)范化的并對(duì)其發(fā)展戰(zhàn)略十分重要的客戶數(shù)據(jù)基礎(chǔ)。根據(jù)CRM中的客戶歷史數(shù)據(jù)對(duì)未來客戶流失的可能性進(jìn)行預(yù)測(cè)評(píng)估,為決策者提供有用知識(shí)具有一定的實(shí)用意義。

    1支持向量機(jī)(SVM)

    VAPNIK V提出的SVM理論[5]最基本的思想之一是結(jié)構(gòu)化風(fēng)險(xiǎn)最小化原則SRM(Structural Risk Minimization),該理論優(yōu)于傳統(tǒng)的經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則ERM(Empirical Risk Minimization)。不同于ERM試圖最小化訓(xùn)練集上的誤差的做法,SRM試圖最小化VC維的上界(SRM和VC維理論見參考文獻(xiàn)[6]),與傳統(tǒng)的降維方法相反,SVM通過提高數(shù)據(jù)的維度把非線性分類問題轉(zhuǎn)換成線性分類問題,較好地解決了傳統(tǒng)學(xué)習(xí)算法(如人工神經(jīng)網(wǎng)絡(luò))中訓(xùn)練集誤差最小而測(cè)試集誤差仍較大的問題,算法的效率和精度都有很大提高。近年來該方法成為構(gòu)造數(shù)據(jù)挖掘分類模型和數(shù)據(jù)挖掘回歸預(yù)測(cè)模型的一項(xiàng)新型技術(shù)。

    1.1 SVM分類算法

    SVM是通過構(gòu)造一個(gè)最優(yōu)超平面,對(duì)二值分類問題進(jìn)行分割。所謂最優(yōu)分類面就是要求分類面不但能將二值分類正確分開(保證經(jīng)驗(yàn)風(fēng)險(xiǎn)最小),而且使分類間隔最大。

    以對(duì) m 個(gè)樣本:(x1,y1),(x2,y2),…,(xm,ym)求解最優(yōu)分類超平面為例,求解系數(shù)w和b,使超平面(wx)+b=0達(dá)到分類誤差小、推廣能力強(qiáng)的要求。必須滿足最優(yōu)分類超平面的條件:

    根據(jù)最優(yōu)化理論,利用Lagrange函數(shù)將其轉(zhuǎn)化為求解標(biāo)準(zhǔn)型二次型規(guī)劃問題:

    求解上式得最優(yōu)分類決策函數(shù)為:

    b0可由約束條件 αi[yi(wTxi+b)-1]=0求解,αi不為零的樣本即為支持向量。

    對(duì)于非線性二元分類,則通過某種事先選擇的非線性映射(即核函數(shù)),將輸入向量x映射到一個(gè)高維特征空間中,然后在這個(gè)高維空間中構(gòu)造最優(yōu)分類超平面,這種方法通過核函數(shù)做升維處理避免了在高維特征空間中進(jìn)行復(fù)雜的運(yùn)算。

    1.2 SVM分類預(yù)測(cè)模型

    由于現(xiàn)有的SVM分類模型[7]用于數(shù)據(jù)挖掘還處于試驗(yàn)階段,通常只對(duì)訓(xùn)練好的模型做簡(jiǎn)單的測(cè)試。雖然測(cè)試模型可以對(duì)該模型的推廣性能做出一些定量分析,但在現(xiàn)實(shí)中該分類模型是否真正實(shí)用還需了解其特點(diǎn),如模型推廣性、模型穩(wěn)定性等??蓪VM分類模型應(yīng)用于分析型CRM的客戶流失分類預(yù)測(cè),分類模型的完整建立過程分為:學(xué)習(xí)階段、測(cè)試階段和評(píng)估階段。

    1.2.1學(xué)習(xí)訓(xùn)練階段

    (1)從客戶主題數(shù)據(jù)集市中抽取客戶相關(guān)數(shù)據(jù)建立訓(xùn)練樣本集;

    (2)選擇合適的核函數(shù)及核參數(shù),作為高維特征空間在低維輸入空間的一個(gè)等效形式;

    (3)對(duì)輸入訓(xùn)練樣本進(jìn)行規(guī)范化,將輸入數(shù)據(jù)限定在核函數(shù)要求的范圍之內(nèi);

    (4)構(gòu)造核矩陣 H(n,n);

    (5)在式(7)約束條件下,最大化式(8),以求解拉格朗日系數(shù) a;

    (6)找出支持向量SV,求解分類超平面系數(shù)b;

    (7)建立訓(xùn)練數(shù)據(jù)的最優(yōu)決策超平面,完成訓(xùn)練過程。

    1.2.2測(cè)試階段

    (1)裝入SVM學(xué)習(xí)階段的有關(guān)數(shù)據(jù),包括訓(xùn)練數(shù)據(jù),系數(shù)a、b,以及得到的支持向量 SV;

    (2)根據(jù)

    計(jì)算新輸入測(cè)試數(shù)據(jù)樣本的相應(yīng)決策輸出值;

    (3)利用指示函數(shù)將 f(x)歸為{-1,+1},做出分類決策。

    1.2.3評(píng)估階段

    在用實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練和測(cè)試模型時(shí),只是對(duì)該模型的預(yù)測(cè)效果作簡(jiǎn)單的對(duì)比,如果訓(xùn)練好的模型實(shí)際輸出與預(yù)測(cè)輸出誤差很小,可認(rèn)為該模型推廣能力強(qiáng)。但現(xiàn)實(shí)中的數(shù)據(jù)是多變的,只是用歷史數(shù)據(jù)進(jìn)行預(yù)測(cè),并不能表明該模型在后續(xù)預(yù)測(cè)中一直會(huì)有好的效果。本文所提出的評(píng)估階段實(shí)際上是預(yù)測(cè)模型的試運(yùn)行過程,在該過程中,把現(xiàn)實(shí)中的數(shù)據(jù)輸入測(cè)試好的模型,根據(jù)輸出對(duì)模型作一些優(yōu)化和調(diào)整。

    以上三個(gè)階段是一個(gè)循環(huán)往復(fù)的過程:首先用訓(xùn)練集建立初始模型,將測(cè)試集輸入訓(xùn)練好的初始模型得出測(cè)試誤差,如果誤差較大則反復(fù)修正初始模型,當(dāng)修正后的模型效果達(dá)到要求時(shí),再用評(píng)價(jià)數(shù)據(jù)集對(duì)該模型進(jìn)行評(píng)價(jià),如果評(píng)估效果不好,則返回修正模型,如此反復(fù)直到得出最優(yōu)的分類預(yù)測(cè)模型。

    2分析型CRM

    2.1分析型CRM體系結(jié)構(gòu)

    分析型CRM體系結(jié)構(gòu)如圖1所示,分為數(shù)據(jù)源層、數(shù)據(jù)存儲(chǔ)層、應(yīng)用支持層和用戶交互層。

    圖1 分析型CRM體系結(jié)構(gòu)

    (1)數(shù)據(jù)源層包括了企業(yè)常用信息系統(tǒng)和一些外部系統(tǒng)的數(shù)據(jù)源,如涉及客戶交互的一些交易系統(tǒng)和服務(wù)系統(tǒng),但各系統(tǒng)間的客戶數(shù)據(jù)是分散的,而且可能重合,會(huì)出現(xiàn)不一致的問題。

    (2)數(shù)據(jù)存儲(chǔ)層是為了整個(gè)企業(yè)有集中統(tǒng)一的客戶視圖,通過從各源系統(tǒng)抽取數(shù)據(jù),進(jìn)行整合的數(shù)據(jù)倉(cāng)庫(kù),在客戶數(shù)據(jù)倉(cāng)庫(kù)的基礎(chǔ)上,可以建立相關(guān)分析的客戶主題數(shù)據(jù)集市。

    (3)應(yīng)用支持層除了支持復(fù)雜、智能化報(bào)表查詢外,還支持OLAP分析,提供數(shù)據(jù)挖掘功能。

    (4)用戶交互層提供分析、挖掘結(jié)果,企業(yè)管理、決策層和企業(yè)其他服務(wù)人員與客戶的交互形成反饋機(jī)制,從而有效地利用分析和挖掘得到有用知識(shí)。

    本文研究重點(diǎn)是陰影板塊部分:

    (1)在企業(yè)已有CRM數(shù)據(jù)倉(cāng)庫(kù)的基礎(chǔ)上,抽取出客戶流失預(yù)測(cè)相關(guān)的數(shù)據(jù),建立相關(guān)主題的客戶數(shù)據(jù)集市;

    (2)從客戶主題數(shù)據(jù)集市中抽取客戶流失相關(guān)表的一些關(guān)鍵屬性字段,形成SVM分類預(yù)測(cè)挖掘模型的輸入數(shù)據(jù);

    (3)通過對(duì)SVM分類預(yù)測(cè)模型的訓(xùn)練和驗(yàn)證,并對(duì)最優(yōu)模型進(jìn)行應(yīng)用,進(jìn)一步驗(yàn)證反饋,形成比較穩(wěn)定的客戶流失分類預(yù)測(cè)模型。

    2.2分析型CRM主題數(shù)據(jù)集市設(shè)計(jì)

    通信行業(yè)主要采用事實(shí)表和維表的形式建立數(shù)據(jù)倉(cāng)庫(kù)。在建立數(shù)據(jù)集市過程中重點(diǎn)考慮BOSS系統(tǒng)和分析型CRM的接口,不僅要實(shí)現(xiàn)物理上的轉(zhuǎn)化,而且還要在邏輯上實(shí)現(xiàn)從BOSS系統(tǒng)實(shí)體到數(shù)據(jù)倉(cāng)庫(kù)實(shí)體的成功過渡。這是因?yàn)閿?shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)不再是業(yè)務(wù)類型,而是按主題組織。如BOSS系統(tǒng)中含有客戶管理類實(shí)體、計(jì)費(fèi)賬務(wù)管理類實(shí)體等;而數(shù)據(jù)倉(cāng)庫(kù)則分為客戶主題、賬務(wù)主題等。

    本文中客戶主題數(shù)據(jù)集市[8]是從CRM數(shù)據(jù)倉(cāng)庫(kù)中抽取客戶數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、帳務(wù)數(shù)據(jù)等信息,這些數(shù)據(jù)經(jīng)過轉(zhuǎn)換、裝載、聚合進(jìn)入到接口數(shù)據(jù)層,可作為客戶流失分類預(yù)測(cè)模型的基礎(chǔ)數(shù)據(jù);數(shù)據(jù)模型層再根據(jù)模型需求對(duì)接口層數(shù)據(jù)進(jìn)行匯總,生成客戶流失分類預(yù)測(cè)挖掘模型輸入的寬表,總體數(shù)據(jù)集市結(jié)構(gòu)如圖2所示。

    圖2 客戶主題數(shù)據(jù)集市結(jié)構(gòu)圖

    3實(shí)證研究

    3.1電信數(shù)據(jù)處理

    本文針對(duì)流失挖掘的需求建立了相關(guān)的客戶主題數(shù)據(jù)集市,從客戶數(shù)據(jù)倉(cāng)庫(kù)中抽取流失分類預(yù)測(cè)挖掘主題相關(guān)的數(shù)據(jù),即提取與客戶流失因素相關(guān)的屬性,并且選擇部分?jǐn)?shù)據(jù)作為訓(xùn)練集。涉及到的數(shù)據(jù)源(這里只列出有代表性的字段,實(shí)際模型調(diào)整過程中,個(gè)別字段和屬性可根據(jù)業(yè)務(wù)建議和模型本身特點(diǎn)添加或者刪減)如表1所示。

    表1 數(shù)據(jù)源描述

    在提取的與流失因素相關(guān)的屬性中,既有單粒度屬性,又有多重粒度的屬性,還有派生屬性。在屬性選擇的過程中,用到了屬性歸約和泛化技術(shù),最終選取表1中的屬性作為模型輸入字段,客戶流失標(biāo)記(在網(wǎng)、流失)作為模型輸出??蛻袅魇?biāo)記的處理如下:在2個(gè)月的預(yù)測(cè)期和1個(gè)月的評(píng)估期中,正常客戶可以呈現(xiàn)出多種異常狀態(tài)。文中以其中3種狀態(tài)為流失傾向的客戶特征,對(duì)其做流失標(biāo)記:

    (1)拆機(jī)。

    (2)2個(gè)月零通話(2個(gè)月總通話次數(shù)=0且總發(fā)短信次數(shù)=0)。

    (3)2個(gè)月低額消費(fèi)(每個(gè)月通話次數(shù)≤5且每個(gè)月發(fā)短信次數(shù)≤5),代表一定的流失傾向。

    流失分類預(yù)測(cè)模型利用3個(gè)月的的歷史數(shù)據(jù)對(duì)客戶在未來2個(gè)月的流失傾向進(jìn)行預(yù)測(cè),用未來第3個(gè)月的數(shù)據(jù)進(jìn)行評(píng)估。本文選擇基于200501~200504月之間3個(gè)月的客戶數(shù)據(jù)對(duì)SVM模型進(jìn)行訓(xùn)練,用200505~200506之間1個(gè)月的數(shù)據(jù)進(jìn)行預(yù)測(cè),用200507月的客戶數(shù)據(jù)進(jìn)行評(píng)估。

    3.2實(shí)驗(yàn)結(jié)果分析

    經(jīng)過數(shù)據(jù)預(yù)處理后,形成了模型輸入的匯總表(即寬表),輸入到本文的SVM分類預(yù)測(cè)模型中進(jìn)行訓(xùn)練、預(yù)測(cè)和評(píng)估。模型指標(biāo)評(píng)價(jià)如圖3所示,模型的評(píng)價(jià)指標(biāo)主要是查全率和查準(zhǔn)率,具體指標(biāo)如下:

    查準(zhǔn)率=命中用戶/預(yù)測(cè)離網(wǎng)用戶

    查全率=命中用戶/實(shí)際離網(wǎng)用戶

    圖3 模型指標(biāo)評(píng)價(jià)

    通過對(duì)SVM模型的反復(fù)調(diào)整,形成最優(yōu)模型時(shí)各處理階段的數(shù)據(jù)如表2所示。

    表2 實(shí)驗(yàn)結(jié)果

    從表2的實(shí)驗(yàn)數(shù)據(jù)可以看出,本文中的SVM分類模型相對(duì)ANN分類模型,做客戶流失分類預(yù)測(cè)和評(píng)估時(shí)的查全率和查準(zhǔn)率都有一定提高。在訓(xùn)練階段,由于ANN存在過度訓(xùn)練情況,查全率和查準(zhǔn)率都比SVM的訓(xùn)練精度要高;而測(cè)試階段,SVM模型良好的推廣性得到了驗(yàn)證,相比ANN的查全、查準(zhǔn)率有較大提高;在評(píng)估階段,SVM分類模型相對(duì)于ANN更是表現(xiàn)出了很好的穩(wěn)定性。

    分析型CRM在各領(lǐng)域的應(yīng)用已經(jīng)十分廣泛,能否有效地應(yīng)用數(shù)據(jù)挖掘技術(shù)對(duì)于分析型CRM十分關(guān)鍵。本文將支持向量機(jī)這種新的數(shù)據(jù)挖掘方法應(yīng)用于移動(dòng)領(lǐng)域客戶流失挖掘,對(duì)客戶離網(wǎng)的可能性進(jìn)行預(yù)測(cè),為決策者提供有用知識(shí)。實(shí)驗(yàn)中對(duì)SVM和ANN這兩種模型用于流失分類預(yù)測(cè)的效果進(jìn)行了對(duì)比,結(jié)果顯示SVM相比ANN具有更優(yōu)的分類預(yù)測(cè)效果和更好的模型穩(wěn)定性,從而驗(yàn)證了SVM應(yīng)用于分析型CRM中的客戶流失挖掘是有效可行的。

    [1]BARNES J G.Secrets of customer relationship management[M].McGraw.Hill Education,2001.

    [2]BERSON A, SMITH S, THEARLING K.Building data mining applications for crm[M].McGraw.Hill Education,1999.

    [3]VAPNIK V.The nature of statistical learning theory[M].New York, Springer, 1995.

    [4]ALMEIDA J S.Predictive non-linear modeling of complex data by artificial neural networks[J].Curr Opin Biotechnol.2002,13(1):72-6.

    [5]CRISTIANINI N,SHAWE J.An introduction to support vector machines,Cambridge[M].U.K Cambridge University Press,2000.

    [6]CHERKASSKY V, SHAO X, MULIER F, et al.Model complexity control for regression using VC generalization Bounds[J].IEEE Transaction on Neural Networks, 1999,10(5):1075-1089.

    [7]田盛豐,黃厚寬.基于支持向量機(jī)的數(shù)據(jù)庫(kù)學(xué)習(xí)算法[J].計(jì)算機(jī)研究與發(fā)展,2000,37(1):17-22.

    [8]陳潔謦.數(shù)據(jù)倉(cāng)庫(kù)與決策支持系統(tǒng)[M].北京:科學(xué)出版社,2005.

    猜你喜歡
    超平面數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)挖掘
    全純曲線的例外超平面
    涉及分擔(dān)超平面的正規(guī)定則
    探討人工智能與數(shù)據(jù)挖掘發(fā)展趨勢(shì)
    基于數(shù)據(jù)倉(cāng)庫(kù)的住房城鄉(xiāng)建設(shè)信息系統(tǒng)整合研究
    以較低截?cái)嘀財(cái)?shù)分擔(dān)超平面的亞純映射的唯一性問題
    基于并行計(jì)算的大數(shù)據(jù)挖掘在電網(wǎng)中的應(yīng)用
    電力與能源(2017年6期)2017-05-14 06:19:37
    分布式存儲(chǔ)系統(tǒng)在液晶面板制造數(shù)據(jù)倉(cāng)庫(kù)中的設(shè)計(jì)
    電子制作(2016年15期)2017-01-15 13:39:15
    探析電力系統(tǒng)調(diào)度中數(shù)據(jù)倉(cāng)庫(kù)技術(shù)的應(yīng)用
    一種基于Hadoop的大數(shù)據(jù)挖掘云服務(wù)及應(yīng)用
    數(shù)學(xué)年刊A輯(中文版)(2015年1期)2015-10-30 01:55:44
    六月丁香七月| 成人午夜高清在线视频| 午夜精品一区二区三区免费看| 免费看日本二区| 99久国产av精品国产电影| 校园人妻丝袜中文字幕| 听说在线观看完整版免费高清| 桃色一区二区三区在线观看| 丝袜美腿在线中文| 丰满人妻一区二区三区视频av| 国产不卡一卡二| 久久精品人妻少妇| 欧美+亚洲+日韩+国产| 亚洲av中文av极速乱| 免费看a级黄色片| 久久99蜜桃精品久久| 人人妻人人澡欧美一区二区| 村上凉子中文字幕在线| 免费观看a级毛片全部| 亚洲欧洲国产日韩| 国产高清激情床上av| 亚洲一级一片aⅴ在线观看| 一边亲一边摸免费视频| 久久久精品欧美日韩精品| 亚洲五月天丁香| 久久久久网色| 国产精品野战在线观看| av天堂在线播放| 国国产精品蜜臀av免费| 国产精品久久久久久精品电影小说 | 舔av片在线| 最近的中文字幕免费完整| 可以在线观看毛片的网站| 欧美三级亚洲精品| 麻豆国产97在线/欧美| 亚洲国产色片| 18+在线观看网站| 22中文网久久字幕| 亚洲精品国产成人久久av| 熟女人妻精品中文字幕| kizo精华| 成人三级黄色视频| 少妇裸体淫交视频免费看高清| 99热全是精品| 不卡视频在线观看欧美| 一区福利在线观看| 插阴视频在线观看视频| 青春草视频在线免费观看| 亚洲第一区二区三区不卡| 国产精品,欧美在线| 18禁裸乳无遮挡免费网站照片| 直男gayav资源| 久久久久久久久久久免费av| 高清日韩中文字幕在线| 亚洲欧美日韩高清专用| 看黄色毛片网站| 欧美+亚洲+日韩+国产| 成人特级av手机在线观看| 简卡轻食公司| 日韩成人伦理影院| eeuss影院久久| 午夜亚洲福利在线播放| 99久久人妻综合| 黄色日韩在线| 亚州av有码| 美女cb高潮喷水在线观看| 久久人妻av系列| 中文亚洲av片在线观看爽| 高清日韩中文字幕在线| 午夜福利视频1000在线观看| 成人一区二区视频在线观看| 国产av在哪里看| 最近视频中文字幕2019在线8| 一级黄片播放器| 国产精品野战在线观看| 欧美最新免费一区二区三区| 中国美白少妇内射xxxbb| 久久久欧美国产精品| 亚洲在线自拍视频| 别揉我奶头 嗯啊视频| 亚洲欧美日韩高清在线视频| 免费av观看视频| 伦理电影大哥的女人| 亚洲中文字幕一区二区三区有码在线看| 日韩人妻高清精品专区| 国产午夜精品久久久久久一区二区三区| 91午夜精品亚洲一区二区三区| 黄片wwwwww| 精品久久久久久久久av| 一区二区三区四区激情视频 | 色吧在线观看| 午夜激情欧美在线| 91狼人影院| 深夜a级毛片| 99九九线精品视频在线观看视频| 岛国毛片在线播放| 欧美zozozo另类| 在线观看美女被高潮喷水网站| 久久久久久大精品| а√天堂www在线а√下载| 欧美xxxx黑人xx丫x性爽| 中文字幕精品亚洲无线码一区| 国产精品永久免费网站| 99精品在免费线老司机午夜| 伊人久久精品亚洲午夜| 久久久a久久爽久久v久久| 可以在线观看毛片的网站| 免费无遮挡裸体视频| 国产高潮美女av| 色噜噜av男人的天堂激情| 综合色av麻豆| 色视频www国产| 欧美人与善性xxx| 97人妻精品一区二区三区麻豆| 色播亚洲综合网| 99久久成人亚洲精品观看| 欧美日韩一区二区视频在线观看视频在线 | 亚洲18禁久久av| 可以在线观看的亚洲视频| 18+在线观看网站| 久久国产乱子免费精品| 最后的刺客免费高清国语| 国产成人精品一,二区 | 蜜桃亚洲精品一区二区三区| 亚洲国产高清在线一区二区三| 精品久久国产蜜桃| 欧美极品一区二区三区四区| 国产精品久久久久久久电影| 变态另类丝袜制服| 成人亚洲精品av一区二区| 夫妻性生交免费视频一级片| 一边亲一边摸免费视频| 校园春色视频在线观看| 1000部很黄的大片| 亚洲欧美日韩卡通动漫| 精品久久久久久久久久免费视频| 精品人妻视频免费看| 99久久无色码亚洲精品果冻| 日韩欧美国产在线观看| 国产伦在线观看视频一区| 看黄色毛片网站| 日本与韩国留学比较| 国产精品一区二区三区四区久久| 精品欧美国产一区二区三| 直男gayav资源| 亚洲经典国产精华液单| 亚洲自拍偷在线| 中文字幕熟女人妻在线| 一本一本综合久久| 高清在线视频一区二区三区 | 国产成人影院久久av| 哪里可以看免费的av片| 看十八女毛片水多多多| 久久精品91蜜桃| 久久久午夜欧美精品| www.色视频.com| 一级二级三级毛片免费看| 国产亚洲精品久久久com| 欧美成人a在线观看| 国产精品久久久久久av不卡| 精品人妻熟女av久视频| 丝袜喷水一区| 伦精品一区二区三区| 黄色配什么色好看| 2022亚洲国产成人精品| 久久久久久久久久黄片| 精品免费久久久久久久清纯| 好男人视频免费观看在线| 1024手机看黄色片| 国产视频内射| 成人欧美大片| 精品不卡国产一区二区三区| 亚洲欧美日韩无卡精品| 国产精品日韩av在线免费观看| 在线观看午夜福利视频| 久久久国产成人精品二区| 国产在线精品亚洲第一网站| 老熟妇乱子伦视频在线观看| 美女大奶头视频| 精品久久久久久久久av| 亚洲欧美日韩高清专用| 又黄又爽又刺激的免费视频.| 变态另类成人亚洲欧美熟女| 丰满的人妻完整版| av视频在线观看入口| 特大巨黑吊av在线直播| 熟女电影av网| а√天堂www在线а√下载| 国产高清三级在线| eeuss影院久久| 麻豆国产av国片精品| 成人永久免费在线观看视频| 国产精品免费一区二区三区在线| 又爽又黄无遮挡网站| 精品不卡国产一区二区三区| 嫩草影院新地址| 亚洲在线观看片| 2021天堂中文幕一二区在线观| 欧美xxxx黑人xx丫x性爽| 国内精品久久久久精免费| 国产成人精品久久久久久| 亚洲精品亚洲一区二区| 国产高清不卡午夜福利| 精品久久久久久久久av| 亚洲va在线va天堂va国产| 国产一级毛片在线| 欧美另类亚洲清纯唯美| 午夜视频国产福利| 免费av不卡在线播放| av国产免费在线观看| 欧美日韩乱码在线| 啦啦啦观看免费观看视频高清| 哪个播放器可以免费观看大片| 国产亚洲精品久久久com| 91av网一区二区| 亚洲欧美清纯卡通| 白带黄色成豆腐渣| 亚洲国产欧美人成| 午夜激情欧美在线| av天堂中文字幕网| av在线观看视频网站免费| 变态另类成人亚洲欧美熟女| 免费av毛片视频| 欧美另类亚洲清纯唯美| 久久精品国产99精品国产亚洲性色| 18禁裸乳无遮挡免费网站照片| 一个人观看的视频www高清免费观看| 一区二区三区四区激情视频 | 成人午夜精彩视频在线观看| 午夜精品一区二区三区免费看| 亚洲人成网站在线播放欧美日韩| 欧美一区二区亚洲| 国产高清三级在线| 3wmmmm亚洲av在线观看| 久久久色成人| 婷婷精品国产亚洲av| 亚洲国产欧美人成| 又爽又黄a免费视频| 精品人妻偷拍中文字幕| 在线观看午夜福利视频| 精品少妇黑人巨大在线播放 | 国产又黄又爽又无遮挡在线| 国产高潮美女av| 一区福利在线观看| 青青草视频在线视频观看| 国产成人aa在线观看| 亚洲天堂国产精品一区在线| 欧美最黄视频在线播放免费| 亚洲图色成人| 真实男女啪啪啪动态图| 天天躁日日操中文字幕| 久久99蜜桃精品久久| 12—13女人毛片做爰片一| 国产蜜桃级精品一区二区三区| 狠狠狠狠99中文字幕| 毛片女人毛片| 久久久久九九精品影院| 精品人妻熟女av久视频| 婷婷精品国产亚洲av| 中文字幕熟女人妻在线| videossex国产| 综合色丁香网| 偷拍熟女少妇极品色| 99在线视频只有这里精品首页| 久久这里有精品视频免费| 午夜福利高清视频| 欧美一区二区国产精品久久精品| 51国产日韩欧美| 欧美高清成人免费视频www| 成人综合一区亚洲| 不卡视频在线观看欧美| 哪里可以看免费的av片| 国产成人aa在线观看| 精品久久久噜噜| 国产精品一区二区性色av| 日韩中字成人| 91久久精品国产一区二区三区| 精品久久久久久久末码| 乱码一卡2卡4卡精品| 在线观看免费视频日本深夜| 久久精品人妻少妇| 日本免费一区二区三区高清不卡| 久久久久久大精品| 国产高清三级在线| 久久久久久久久大av| 久久精品久久久久久久性| 天堂中文最新版在线下载 | 女人被狂操c到高潮| 寂寞人妻少妇视频99o| 成人午夜高清在线视频| 久久久久免费精品人妻一区二区| 色哟哟·www| 国产av一区在线观看免费| 2021天堂中文幕一二区在线观| 久久九九热精品免费| 岛国毛片在线播放| 亚洲av第一区精品v没综合| 联通29元200g的流量卡| 91麻豆精品激情在线观看国产| 人妻系列 视频| 天堂中文最新版在线下载 | 特级一级黄色大片| 床上黄色一级片| 久久久久久久久久久丰满| 国产成人精品久久久久久| 国产av不卡久久| 九九爱精品视频在线观看| 久久久久久久久久久免费av| 国产精品.久久久| 白带黄色成豆腐渣| 不卡一级毛片| 少妇人妻一区二区三区视频| 久久人人爽人人爽人人片va| 午夜精品在线福利| 啦啦啦观看免费观看视频高清| 99久久久亚洲精品蜜臀av| 国产一区二区亚洲精品在线观看| 久久精品国产亚洲网站| 欧美日韩综合久久久久久| 嫩草影院新地址| 97超碰精品成人国产| 中文精品一卡2卡3卡4更新| 一本精品99久久精品77| 日韩欧美一区二区三区在线观看| 在线播放国产精品三级| 男女做爰动态图高潮gif福利片| 干丝袜人妻中文字幕| 日本免费一区二区三区高清不卡| 国产片特级美女逼逼视频| 在线观看免费视频日本深夜| 99riav亚洲国产免费| 伦理电影大哥的女人| 少妇裸体淫交视频免费看高清| 波多野结衣巨乳人妻| 亚洲内射少妇av| 国产在线精品亚洲第一网站| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产高潮美女av| 一区二区三区四区激情视频 | 亚洲无线在线观看| 18禁在线播放成人免费| 久久精品夜色国产| 麻豆成人av视频| 国产精品无大码| 久久久精品94久久精品| 成人美女网站在线观看视频| АⅤ资源中文在线天堂| 欧美最黄视频在线播放免费| 久久久久久国产a免费观看| 欧美一级a爱片免费观看看| 国产精品av视频在线免费观看| 亚洲人成网站在线播| 91av网一区二区| 桃色一区二区三区在线观看| 最好的美女福利视频网| 国产视频内射| 中文欧美无线码| 韩国av在线不卡| 午夜福利高清视频| 一级黄片播放器| 日韩av不卡免费在线播放| 国产片特级美女逼逼视频| 精品一区二区三区人妻视频| 99在线视频只有这里精品首页| 麻豆久久精品国产亚洲av| 国产精品嫩草影院av在线观看| 永久网站在线| 春色校园在线视频观看| 亚洲欧美精品自产自拍| 麻豆国产av国片精品| 亚洲中文字幕一区二区三区有码在线看| av在线天堂中文字幕| 人人妻人人看人人澡| 少妇被粗大猛烈的视频| 草草在线视频免费看| 男人舔奶头视频| 精品午夜福利在线看| 日本黄色片子视频| 国产毛片a区久久久久| 菩萨蛮人人尽说江南好唐韦庄 | 久久久精品94久久精品| 久久久国产成人精品二区| 国产精品一区二区性色av| 欧美激情在线99| 免费一级毛片在线播放高清视频| www日本黄色视频网| 男人和女人高潮做爰伦理| 精品少妇黑人巨大在线播放 | 中文精品一卡2卡3卡4更新| 午夜福利成人在线免费观看| 国产免费一级a男人的天堂| 我要搜黄色片| 亚洲人成网站高清观看| 人人妻人人澡欧美一区二区| 中国美女看黄片| a级一级毛片免费在线观看| 男女做爰动态图高潮gif福利片| 国产淫片久久久久久久久| 黄色一级大片看看| 26uuu在线亚洲综合色| 男人和女人高潮做爰伦理| 日韩国内少妇激情av| 日韩精品有码人妻一区| 男女视频在线观看网站免费| 中文字幕人妻熟人妻熟丝袜美| av.在线天堂| 在线观看美女被高潮喷水网站| 国内精品久久久久精免费| 91aial.com中文字幕在线观看| 免费人成视频x8x8入口观看| 国内精品久久久久精免费| 国产一区二区三区av在线 | 色综合色国产| 91久久精品国产一区二区三区| 午夜久久久久精精品| 免费观看在线日韩| 国产精品精品国产色婷婷| 亚洲国产精品久久男人天堂| 国产高潮美女av| 色播亚洲综合网| 国产欧美日韩精品一区二区| 亚洲精品成人久久久久久| 1024手机看黄色片| 国产爱豆传媒在线观看| 日本撒尿小便嘘嘘汇集6| 国产精品福利在线免费观看| 国产精品久久电影中文字幕| 高清日韩中文字幕在线| av专区在线播放| 听说在线观看完整版免费高清| av在线亚洲专区| 成人午夜高清在线视频| 在线天堂最新版资源| 日本欧美国产在线视频| 国产乱人视频| 欧美3d第一页| 久久亚洲精品不卡| 真实男女啪啪啪动态图| 成人特级av手机在线观看| 久久亚洲国产成人精品v| 69人妻影院| 一级黄色大片毛片| 好男人在线观看高清免费视频| 国产精品综合久久久久久久免费| 人妻系列 视频| 少妇被粗大猛烈的视频| 国产高清三级在线| 国产视频首页在线观看| 伊人久久精品亚洲午夜| 国模一区二区三区四区视频| 欧美精品一区二区大全| 少妇人妻一区二区三区视频| 亚洲久久久久久中文字幕| 丰满的人妻完整版| 青春草视频在线免费观看| 舔av片在线| 少妇高潮的动态图| 午夜福利视频1000在线观看| 国产乱人视频| 成人亚洲精品av一区二区| 国产伦精品一区二区三区视频9| 国产又黄又爽又无遮挡在线| 久久久久久大精品| 99久久九九国产精品国产免费| 春色校园在线视频观看| 久久久午夜欧美精品| 又爽又黄无遮挡网站| 日韩精品有码人妻一区| 免费观看精品视频网站| 综合色丁香网| 国产熟女欧美一区二区| 国产精品美女特级片免费视频播放器| 欧美日韩在线观看h| 亚洲美女搞黄在线观看| 亚洲18禁久久av| 国产午夜精品一二区理论片| а√天堂www在线а√下载| 欧美区成人在线视频| 亚洲国产色片| 国产一区二区三区av在线 | 麻豆国产97在线/欧美| 在线播放无遮挡| 国产精品久久久久久av不卡| 国产精品一区二区性色av| 夜夜夜夜夜久久久久| 男女下面进入的视频免费午夜| 99热这里只有是精品50| 激情 狠狠 欧美| h日本视频在线播放| 麻豆国产av国片精品| 91aial.com中文字幕在线观看| 国产av一区在线观看免费| 国产一区二区在线av高清观看| 国产成人一区二区在线| 18禁在线无遮挡免费观看视频| 永久网站在线| 又爽又黄无遮挡网站| 高清日韩中文字幕在线| 国产精品不卡视频一区二区| 嫩草影院入口| 日韩欧美 国产精品| 蜜桃亚洲精品一区二区三区| 久久中文看片网| 小蜜桃在线观看免费完整版高清| 青春草亚洲视频在线观看| 欧美变态另类bdsm刘玥| 亚洲成人久久性| 菩萨蛮人人尽说江南好唐韦庄 | 色综合亚洲欧美另类图片| 一卡2卡三卡四卡精品乱码亚洲| 亚洲成人精品中文字幕电影| 久久久久性生活片| 亚洲精品亚洲一区二区| 国产精品一区www在线观看| 悠悠久久av| av女优亚洲男人天堂| 久久久久久九九精品二区国产| 简卡轻食公司| 中文字幕av成人在线电影| 国产单亲对白刺激| 国产精品免费一区二区三区在线| kizo精华| 一区二区三区免费毛片| 日韩一本色道免费dvd| 婷婷色av中文字幕| 婷婷色综合大香蕉| 日韩亚洲欧美综合| 亚洲人成网站在线播| 热99在线观看视频| 久久久久久久久久久丰满| 色综合亚洲欧美另类图片| 天堂影院成人在线观看| 日日撸夜夜添| 国产日韩欧美在线精品| 哪里可以看免费的av片| 国产探花在线观看一区二区| 少妇的逼好多水| 看黄色毛片网站| 免费大片18禁| 岛国毛片在线播放| 日韩高清综合在线| 亚洲电影在线观看av| 美女cb高潮喷水在线观看| 12—13女人毛片做爰片一| av女优亚洲男人天堂| 神马国产精品三级电影在线观看| 午夜精品在线福利| 欧美精品一区二区大全| 最近2019中文字幕mv第一页| 22中文网久久字幕| 国产69精品久久久久777片| 欧美日本亚洲视频在线播放| 人妻少妇偷人精品九色| 日本黄大片高清| 亚洲欧美日韩高清专用| 身体一侧抽搐| 亚洲成人久久爱视频| 91午夜精品亚洲一区二区三区| 色视频www国产| 26uuu在线亚洲综合色| 中文字幕免费在线视频6| 成人国产麻豆网| 最近最新中文字幕大全电影3| 亚洲精品色激情综合| 午夜久久久久精精品| 深夜精品福利| 国产成人午夜福利电影在线观看| 有码 亚洲区| 黄色欧美视频在线观看| 久久人人爽人人爽人人片va| 亚洲人成网站在线观看播放| 我要搜黄色片| 国产精品国产高清国产av| 欧美zozozo另类| 国产高清不卡午夜福利| 亚洲av免费高清在线观看| 日韩精品青青久久久久久| 国产精品伦人一区二区| 久久这里只有精品中国| 老女人水多毛片| 精品久久国产蜜桃| 一个人看的www免费观看视频| 久久久久性生活片| 精品午夜福利在线看| 欧美不卡视频在线免费观看| 国产黄色视频一区二区在线观看 | 一区福利在线观看| 亚洲在线自拍视频| 老熟妇乱子伦视频在线观看| 91久久精品国产一区二区三区| 午夜视频国产福利| 亚洲av一区综合| 色综合色国产| 亚洲av免费高清在线观看| 亚洲激情五月婷婷啪啪| 一级av片app| 国产av在哪里看| 欧美高清性xxxxhd video| 我的女老师完整版在线观看| a级一级毛片免费在线观看| 老熟妇乱子伦视频在线观看| 久久亚洲精品不卡| 免费在线观看成人毛片| 成人毛片60女人毛片免费| 亚洲国产色片| 亚洲乱码一区二区免费版| 如何舔出高潮| 精品一区二区免费观看| 啦啦啦观看免费观看视频高清| 听说在线观看完整版免费高清| 少妇高潮的动态图| 精品欧美国产一区二区三| 2022亚洲国产成人精品| 国产v大片淫在线免费观看| 亚洲一级一片aⅴ在线观看|