• <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 ?

    基于用戶相似度遷移的協(xié)同過濾推薦算法*

    2014-11-10 07:10:14柯良文
    關(guān)鍵詞:輔助協(xié)同領(lǐng)域

    柯良文,王 靖

    (華僑大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,福建 廈門361021)

    協(xié)同過濾技術(shù)是推薦系統(tǒng)中應(yīng)用最為廣泛和成功的推薦技術(shù)之一[1],其基本思想是:利用整個(gè)用戶集對(duì)項(xiàng)目集的歷史評(píng)分?jǐn)?shù)據(jù)來預(yù)測(cè)目標(biāo)用戶對(duì)其未評(píng)分的項(xiàng)目集的偏好程度,從而選擇若干個(gè)預(yù)測(cè)后偏好程度最高的項(xiàng)目作為推薦結(jié)果[2]。

    傳統(tǒng)的協(xié)同過濾算法最為關(guān)鍵的步驟是度量用戶之間或項(xiàng)目之間的相似度。隨著系統(tǒng)規(guī)模的不斷擴(kuò)大,用戶對(duì)項(xiàng)目評(píng)分?jǐn)?shù)據(jù)極端稀疏時(shí),利用傳統(tǒng)的方法難以準(zhǔn)確地度量相似性,導(dǎo)致了推薦系統(tǒng)的推薦質(zhì)量降低。為了緩解稀疏性的問題,多領(lǐng)域數(shù)據(jù)的遷移學(xué)習(xí)已受到了學(xué)者們的高度關(guān)注。目前,研究者已提出了多種基于遷移學(xué)習(xí)的推薦算法,如SINGH等人提出了一種聯(lián)合矩陣分解模型 CMF(Collective Matrix Factorization)[3],Li Bin等人提出了一種評(píng)分矩陣生成模型RMGM(Rating Matrix Generative Model)[4],Pan Weike等人則提出了一種坐標(biāo)系統(tǒng)遷移模型CST(Coordinate System Transfer)[5]。這些算法均通過對(duì)輔助領(lǐng)域的知識(shí)進(jìn)行遷移來幫助提高目標(biāo)領(lǐng)域的推薦精度。

    然而,在現(xiàn)有的遷移學(xué)習(xí)推薦算法中,如CMF模型和CST模型,需要輔助領(lǐng)域與目標(biāo)領(lǐng)域的用戶空間一致,并且模型中需要控制較多的參數(shù),受到了一定的限制。針對(duì)這些局限,本文提出一種用戶相似度遷移的協(xié)同過濾模型 UST(User Similarity Transfer),對(duì)輔助領(lǐng)域和目標(biāo)領(lǐng)域共同用戶的相似度進(jìn)行遷移。為了能夠充分利用輔助領(lǐng)域的用戶評(píng)分信息,本文的模型在輔助領(lǐng)域里采用先填充后計(jì)算用戶相似度的策略。另一方面,通過一種用戶特征子空間的距離來度量模型中的平衡參數(shù),一定程度上消除了人為調(diào)控的局限性。

    1 相關(guān)定義

    首先給出本文中所使用的符號(hào)及含義。在輔助領(lǐng)域里,定義一個(gè)p×q的矩陣RA來表示p個(gè)用戶對(duì)q個(gè)項(xiàng)目的評(píng)分;在目標(biāo)領(lǐng)域里,定義一個(gè)m×n的評(píng)分矩陣RT來表示m個(gè)用戶對(duì)n個(gè)項(xiàng)目的評(píng)分。評(píng)分矩陣的項(xiàng)ri,j表示用戶ui對(duì)項(xiàng)目vj的偏好程度,分值越大表示用戶對(duì)項(xiàng)目的偏好程度越高。為了方便描述評(píng)分矩陣的項(xiàng)是否被評(píng)分,在輔助領(lǐng)域和目標(biāo)領(lǐng)域里分別定義一個(gè)只有0和 1值的標(biāo)記矩陣 WA和WT,其中0表示該項(xiàng)未被評(píng)分,1表示該項(xiàng)已被評(píng)分。

    2 基于用戶的協(xié)同過濾算法

    基于用戶的協(xié)同過濾算法根據(jù)其他用戶的觀點(diǎn)產(chǎn)生目標(biāo)用戶的推薦列表。首先利用已有的評(píng)分?jǐn)?shù)據(jù)計(jì)算目標(biāo)用戶與其他用戶的相似度,其次通過目標(biāo)用戶的最近鄰居對(duì)某個(gè)項(xiàng)目的評(píng)分來預(yù)測(cè)目標(biāo)用戶對(duì)該項(xiàng)目的評(píng)分[6]。

    2.1 相似度的計(jì)算方法

    相似度的計(jì)算是基于用戶的協(xié)同過濾算法中最為關(guān)鍵的一步。傳統(tǒng)的相似度度量方法有余弦相似度、修正的余弦相似度和pearson相關(guān)系數(shù)[2],本文采用實(shí)踐中實(shí)現(xiàn)效果較好的pearson相關(guān)系數(shù)來度量[7]。設(shè)I是ui和uj共同評(píng)分的項(xiàng)目集合,則 ui和uj的pearson相似度計(jì)算方法如下:

    其中,ri、rj分別表示ui、uj對(duì)它們共同評(píng)分項(xiàng)目的平均評(píng)分。

    2.2 產(chǎn)生推薦結(jié)果

    根據(jù)目標(biāo)用戶ui的最近鄰居集合C對(duì)項(xiàng)目的評(píng)分信息預(yù)測(cè)ui對(duì)未評(píng)分項(xiàng)目的評(píng)分,選擇預(yù)測(cè)評(píng)分最高的若干個(gè)項(xiàng)目作為推薦結(jié)果反饋給目標(biāo)用戶。目標(biāo)用戶ui對(duì)未評(píng)分項(xiàng)目vk的預(yù)測(cè)評(píng)分,可以根據(jù)ui的最近鄰居集合C對(duì)vk評(píng)分的平均加權(quán)得到[8],計(jì)算方法如下:

    其中,ri、rj分別表示用戶 ui、uj對(duì)其已知評(píng)分項(xiàng)目的平均評(píng)分。

    3 基于用戶相似度遷移的推薦模型

    3.1 UST模型介紹

    現(xiàn)實(shí)世界中,輔助領(lǐng)域和目標(biāo)領(lǐng)域往往只有部分共同的用戶或項(xiàng)目,導(dǎo)致大部分現(xiàn)有的遷移學(xué)習(xí)算法在實(shí)際應(yīng)用中具有一定的局限性。為了能夠提高傳統(tǒng)協(xié)同過濾算法用戶相似度計(jì)算的準(zhǔn)確性,本文從相似度遷移的角度出發(fā),建立用戶相似度遷移模型,以更好地利用輔助領(lǐng)域的評(píng)分信息幫助目標(biāo)領(lǐng)域用戶相似度的學(xué)習(xí)。

    定義Asim為輔助領(lǐng)域計(jì)算得到的用戶相似度矩陣,Tsim為目標(biāo)領(lǐng)域計(jì)算得到的用戶相似度矩陣,通過加權(quán)的方法建立如下UST模型:

    其中,α為平衡參數(shù),用來控制輔助領(lǐng)域的用戶相似度對(duì)目標(biāo)領(lǐng)域用戶相似度學(xué)習(xí)的遷移程度。

    在UST模型中,首先利用輔助領(lǐng)域用戶評(píng)分?jǐn)?shù)據(jù)計(jì)算用戶之間的相似度,然后通過式(3)計(jì)算目標(biāo)領(lǐng)域的用戶相似度矩陣,最后對(duì)目標(biāo)領(lǐng)域未評(píng)分的項(xiàng)目進(jìn)行預(yù)測(cè)。

    3.2 輔助領(lǐng)域用戶相似度的學(xué)習(xí)

    為了利用輔助領(lǐng)域的評(píng)分?jǐn)?shù)據(jù)來計(jì)算用戶相似度矩陣,UST模型首先通過一種填充的方法對(duì)輔助領(lǐng)域的缺失評(píng)分矩陣進(jìn)行填充,然后對(duì)填充后的矩陣計(jì)算用戶間的相似度。這樣做的好處是能夠更有效地利用輔助領(lǐng)域已知評(píng)分的信息來計(jì)算用戶的相似性度。

    矩陣分解MF(Matrix Factorization)技術(shù)是一種有效的填充方式,它希望通過找到一個(gè)低秩的矩陣來逼近RA[9]。記填充后的低秩矩陣為ZA,則通過矩陣分解的方法可以將ZA近似分解成如下形式:

    其中,d 表示特征的維度,d<

    其中,||·||F表示 Frobenius范數(shù),⊙表示 Hadamard積,例如(W⊙R)i,j=Wi,jRi,j。 為 了 避 免 過 度 擬 合 , 在 式 (5)中 引入了正則項(xiàng),則矩陣分解的模型可以修改為:

    其中,λ1、λ2為正則項(xiàng)的控制參數(shù),用來協(xié)調(diào)實(shí)際用戶評(píng)分矩陣和矩陣分解模型學(xué)習(xí)后的填充矩陣之間的訓(xùn)練誤差。為了獲得式(6)模型的最優(yōu)解,參考文獻(xiàn)[10]提出了一種交替最小二乘ALS(Alternation Least Squares)的迭代算法,它通過求 ?Γ(U,V)/?U=0 和 ?Γ(U,V)/?V=0 來交替地更新U和V,使模型逼近最小值,具體計(jì)算公式如下:

    進(jìn)一步地,將輔助領(lǐng)域填充后的矩陣ZA通過式(1)計(jì)算出輔助領(lǐng)域的用戶相似度矩陣Asim。

    3.3 目標(biāo)領(lǐng)域用戶相似度的學(xué)習(xí)

    在UST模型中,α的大小受到目標(biāo)領(lǐng)域和輔助領(lǐng)域相關(guān)性的影響。為了度量α的值,采用一種目標(biāo)領(lǐng)域和輔助領(lǐng)域的用戶特征子空間距離來估計(jì)。設(shè)正交矩陣UT和UA分別是目標(biāo)領(lǐng)域和輔助領(lǐng)域的用戶特征矩陣,則UT和UA的子空間距離可由下式計(jì)算:

    其中,σ min(Z)表示Z的最小奇異值。為了獲得輔助領(lǐng)域和目標(biāo)領(lǐng)域的用戶特征子空間UT和UA,可以通過矩陣的QR分解將U分解成一個(gè)列正交的矩陣Q和上三角矩陣 T[11]:

    確定了平衡參數(shù)α,根據(jù)模型式(3)計(jì)算出目標(biāo)領(lǐng)域最終的用戶相似度矩陣,最后通過式(2)為目標(biāo)用戶產(chǎn)生推薦結(jié)果。

    4 實(shí)驗(yàn)結(jié)果和分析

    為了驗(yàn)證UST-CF算法的有效性,選取了以下幾種經(jīng)典的非遷移學(xué)習(xí)協(xié)同過濾算法和遷移學(xué)習(xí)的協(xié)同過濾算法做比較:基于pearson相關(guān)相似性的協(xié)同過濾算法(PCC)[6];基于傳統(tǒng)矩陣分解的單個(gè)目標(biāo)領(lǐng)域協(xié)同過濾算法(RMF)[10],即本文式(6)的模型;聯(lián)合矩陣分解的協(xié)同過濾算法(CMF)。為了驗(yàn)證輔助領(lǐng)域評(píng)分矩陣填充后是否有利于提高目標(biāo)領(lǐng)域用戶相似度計(jì)算的準(zhǔn)確性,本文還對(duì)輔助領(lǐng)域未填充的UST-unImpute算法進(jìn)行比較。

    4.1 實(shí)驗(yàn)數(shù)據(jù)集

    采用 MovieLens(http://www.gouplens.org/node/73)站點(diǎn)的電影評(píng)分?jǐn)?shù)據(jù)集來對(duì)比各種算法的效果。MovieLens數(shù)據(jù)集包括71 567個(gè)用戶對(duì)10 681個(gè)電影項(xiàng)目的約107條評(píng)分?jǐn)?shù)據(jù),其評(píng)分形式為{0.5,1.0,1.5,…,5.0}。為了度量整個(gè)數(shù)據(jù)集的稀疏性,引入數(shù)據(jù)稀疏度的概念,定義為用戶已評(píng)分?jǐn)?shù)據(jù)占整個(gè)數(shù)據(jù)集的比例,可以得到該數(shù)據(jù)集的稀疏度為 107/(71 567×10 681)≈1.31%。

    4.2 評(píng)價(jià)標(biāo)準(zhǔn)

    推薦系統(tǒng)的質(zhì)量由預(yù)測(cè)結(jié)果的精度決定。實(shí)驗(yàn)中,采用兩種廣泛的評(píng)價(jià)方法:均方根誤差RMSE(Root Mean Square Error)和平均絕對(duì)誤差 MAE(Mean Absolute Error),具體計(jì)算方式如下:

    其 中 ,pi,j、ri,j分 別 表 示 預(yù) 測(cè) 評(píng) 分 值 和 實(shí) 際 評(píng) 分 值 ,TE表示訓(xùn)練集的下標(biāo)集合。

    4.3 參數(shù)設(shè)定

    對(duì)幾種比較算法的參數(shù)做如下設(shè)定:對(duì)于基于最近鄰的協(xié)同過濾算法(如 PCC、UST-unImpute、UST-CF),選擇的最近鄰居數(shù)為{5~300};對(duì)于RMF模型和CMF模型,選擇的特征維度為{4,5,…,10},正則項(xiàng)參數(shù)為{0.1,1,5,10},平衡參數(shù)為{0.1,0.5,0.9}。

    4.4 實(shí)驗(yàn)方案和結(jié)果分析

    根據(jù)目標(biāo)和輔助領(lǐng)域的用戶集相同且評(píng)分形式一致、用戶集相同但評(píng)分形式不一致、用戶集不相同但評(píng)分形式一致這三種情形設(shè)計(jì)3個(gè)實(shí)驗(yàn)方案,每種方案的輔助領(lǐng)域的稀疏度均固定為5%。

    方案1用戶集相同且評(píng)分形式一致

    從數(shù)據(jù)集中隨機(jī)選取1 000個(gè)用戶對(duì)2 000個(gè)電影的評(píng)分?jǐn)?shù)據(jù),將其中1 000部電影作為輔助領(lǐng)域的項(xiàng)目,剩余的1 000部電影作為目標(biāo)領(lǐng)域的項(xiàng)目。目標(biāo)領(lǐng)域內(nèi)每個(gè)用戶至少評(píng)價(jià)過25部以上的電影。進(jìn)一步地劃分目標(biāo)領(lǐng)域的訓(xùn)練集和測(cè)試集,其中訓(xùn)練集按照不同的數(shù)據(jù)稀疏度劃分為5組,每一組的稀疏度依次為1.0%、1.5%、2.0%、2.5%和3.0%,而每組剩余的評(píng)分?jǐn)?shù)據(jù)作為測(cè)試集。

    方案2用戶集相同但評(píng)分形式不一致

    從數(shù)據(jù)集中隨機(jī)選取1 000個(gè)用戶對(duì)1 500個(gè)電影的評(píng)分?jǐn)?shù)據(jù),將其中1 000部電影作為輔助領(lǐng)域的項(xiàng)目,剩余的500部電影作為目標(biāo)領(lǐng)域的項(xiàng)目。在輔助領(lǐng)域里人為地對(duì)用戶評(píng)分?jǐn)?shù)據(jù)進(jìn)行如下轉(zhuǎn)化:對(duì)評(píng)分≧4的項(xiàng)用1來代替,評(píng)分<4的項(xiàng)用0來代替。目標(biāo)領(lǐng)域里每個(gè)用戶至少評(píng)價(jià)過20部以上的電影,訓(xùn)練集和測(cè)試集的劃分同方案1。

    方案3用戶集不同但評(píng)分形式一致

    從數(shù)據(jù)集中隨機(jī)選取2 000部電影,其中1 000部作為輔助領(lǐng)域的項(xiàng)目,剩下的1 000部作為目標(biāo)領(lǐng)域的項(xiàng)目。輔助領(lǐng)域和目標(biāo)領(lǐng)域的用戶數(shù)均固定為1 500個(gè),并且按照兩個(gè)領(lǐng)域的共同用戶數(shù)劃分5組實(shí)驗(yàn)。每組實(shí)驗(yàn)的共同用戶數(shù)分別為 300、600、900、1 200、1 500。 目標(biāo)領(lǐng)域里每個(gè)用戶至少評(píng)價(jià)25部以上電影,并且訓(xùn)練集的稀疏度為1%。

    三個(gè)實(shí)驗(yàn)方案的結(jié)果分別如表1~表3所示。從實(shí)驗(yàn)結(jié)果可以看出,與其他協(xié)同過濾算法相比較,本文提出的UST-CF算法均能取得最好的推薦效果。從表1和表2可以看出,目標(biāo)領(lǐng)域的稀疏度越低,UST-CF算法取得的優(yōu)勢(shì)越明顯,這說明對(duì)評(píng)分?jǐn)?shù)據(jù)極其稀疏的情形,UST-CF算法體現(xiàn)了更好的適應(yīng)性,能有效緩解數(shù)據(jù)稀疏的問題。從表3可以看出,即使只有部分的共同用戶,UST-CF算法也能有效利用這部分共同用戶的評(píng)分?jǐn)?shù)據(jù),改進(jìn)目標(biāo)領(lǐng)域測(cè)試集的推薦精度。

    本文提出了一種用戶相似度遷移的協(xié)同過濾推薦算法,有效地緩解了目標(biāo)領(lǐng)域數(shù)據(jù)稀疏性的問題。此外,算法采用一種用戶特征子空間的距離來度量UST模型中的平衡參數(shù),大大提高了模型的智能性。本文算法只考慮了對(duì)輔助領(lǐng)域的用戶相似度進(jìn)行遷移,因此如何改進(jìn)模型,使模型能夠?qū)o助領(lǐng)域的其他知識(shí)進(jìn)行遷移(如用戶的評(píng)價(jià)特征、項(xiàng)目的屬性等),進(jìn)一步提高目標(biāo)領(lǐng)域的推薦精度,是一個(gè)有意義的研究方向。

    表1 方案1實(shí)驗(yàn)結(jié)果比較

    表2 方案2實(shí)驗(yàn)結(jié)果比較

    表3 方案3實(shí)驗(yàn)結(jié)果比較

    [1]SU X,KHOSHGOFTAAR T M.A survey of collaborative filtering techniques[J].Advances in Artificial Intelligence,2009(4):1-19.

    [2]馬宏偉,張光衛(wèi),李鵬.協(xié)同過濾推薦算法綜述[J].小型微型計(jì)算機(jī)系統(tǒng),2009,30(7):1282-1288.

    [3]SINGH A P,GORDON G J.Relational learning via collective matrix factorization[C].Proceeding of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining,ACM,2008:650-658.

    [4]Li Bin,Yang Qiang,Xue Xiangyang.Transfer learning for collaborative filtering via a rating-matrix generative model[C].Proceeding of the 26th Annual Internatioal Conference on Machine Learning,ACM,2009:617-624.

    [5]Pan Weike,XIANG E W,LIU N N,et al.Transfer Learning in Collaborative Filtering for Sparsity Reduction[C].AAAI,2010(10):230-235.

    [6]BREESE J S,HECKERMAN D,KADIE C.Empirical analysis of predictive algorithms for collaborative filtering[C].Proceeding of the 14th Conference on Uncertainty in Artificial Intelligence,Morgan Kaufmann Publishers Inc.,1998:43-52.

    [7]MCLAUGHLIN M R,HERLOCKER J L.A collaborative filtering algorithm and evaluation metric that accurately model the user experience[C].Proceeding of the 27th Annual International ACM SIGIR Conference on Research and development in Information Retrieval,ACM,2004:329-336.

    [8]SARWAR B,KARYPIS G,KONSTAN J,et al.Item-based collaborative filtering recommendation algorithms[C].Proceeding of the 10th International Conference on World Wide Web,ACM,2001:285-295.

    [9]BUCHANAN A M,F(xiàn)ITZGIBBON A W.Damped newton algorithms for matrix factorization with missing data[C].IEEE Computer Society Conference on Computer Vision and Pattern Recognition,CVPR 2005,2005(2):316-322.

    [10]李改,李磊.基于矩陣分解的協(xié)同過濾算法[J].計(jì)算機(jī)工程與應(yīng)用,2011,47(30):4-7.

    猜你喜歡
    輔助協(xié)同領(lǐng)域
    小議靈活構(gòu)造輔助函數(shù)
    倒開水輔助裝置
    蜀道難:車與路的協(xié)同進(jìn)化
    領(lǐng)域·對(duì)峙
    青年生活(2019年23期)2019-09-10 12:55:43
    “四化”協(xié)同才有出路
    汽車觀察(2019年2期)2019-03-15 06:00:50
    減壓輔助法制備PPDO
    三醫(yī)聯(lián)動(dòng) 協(xié)同創(chuàng)新
    提高車輛響應(yīng)的轉(zhuǎn)向輔助控制系統(tǒng)
    汽車文摘(2015年11期)2015-12-02 03:02:53
    新常態(tài)下推動(dòng)多層次多領(lǐng)域依法治理初探
    協(xié)同進(jìn)化
    久久久久久久精品精品| 午夜精品一区二区三区免费看| 亚洲人与动物交配视频| 久久久久九九精品影院| 亚洲av福利一区| eeuss影院久久| 3wmmmm亚洲av在线观看| 亚洲真实伦在线观看| 日韩av在线免费看完整版不卡| 欧美变态另类bdsm刘玥| 亚洲av成人精品一区久久| 久久精品国产鲁丝片午夜精品| 好男人在线观看高清免费视频| 中文乱码字字幕精品一区二区三区| 国产黄a三级三级三级人| 日韩三级伦理在线观看| 日韩不卡一区二区三区视频在线| 久久久久久久久大av| 99久久中文字幕三级久久日本| av网站免费在线观看视频| 亚洲成人av在线免费| 色网站视频免费| 国产成人精品一,二区| 中文资源天堂在线| 精品久久久噜噜| av黄色大香蕉| 欧美成人午夜免费资源| 亚洲美女搞黄在线观看| 秋霞在线观看毛片| 简卡轻食公司| 日韩一区二区三区影片| 成年av动漫网址| 国产片特级美女逼逼视频| 久久久久久久精品精品| 国产一区二区亚洲精品在线观看| 久久久成人免费电影| 久久国产乱子免费精品| 精华霜和精华液先用哪个| 国产高清不卡午夜福利| 三级经典国产精品| 国产精品久久久久久久电影| 免费看不卡的av| 色综合色国产| 网址你懂的国产日韩在线| 成人一区二区视频在线观看| 日日啪夜夜爽| 少妇熟女欧美另类| 男人爽女人下面视频在线观看| 国产老妇伦熟女老妇高清| 日韩一区二区三区影片| 亚洲欧美中文字幕日韩二区| 中文乱码字字幕精品一区二区三区| 美女xxoo啪啪120秒动态图| 久久久久久国产a免费观看| 777米奇影视久久| 日本av手机在线免费观看| 国产精品一及| 舔av片在线| 最近最新中文字幕免费大全7| 国国产精品蜜臀av免费| 日本爱情动作片www.在线观看| 欧美成人一区二区免费高清观看| 下体分泌物呈黄色| 美女视频免费永久观看网站| 亚洲av在线观看美女高潮| 蜜桃久久精品国产亚洲av| 精品人妻一区二区三区麻豆| 熟妇人妻不卡中文字幕| 女人被狂操c到高潮| 中文字幕人妻熟人妻熟丝袜美| 国产免费又黄又爽又色| 黄色配什么色好看| 国产亚洲一区二区精品| 亚洲成人久久爱视频| 毛片女人毛片| 18禁在线播放成人免费| 大片免费播放器 马上看| 在线 av 中文字幕| 少妇熟女欧美另类| 狂野欧美白嫩少妇大欣赏| 国产精品蜜桃在线观看| 日本三级黄在线观看| 国产色爽女视频免费观看| 成人午夜精彩视频在线观看| 欧美变态另类bdsm刘玥| 人人妻人人澡人人爽人人夜夜| 老司机影院毛片| 亚洲经典国产精华液单| 国产女主播在线喷水免费视频网站| 成人亚洲精品一区在线观看 | 91久久精品国产一区二区三区| 精品一区在线观看国产| 视频中文字幕在线观看| 18禁在线无遮挡免费观看视频| 午夜激情福利司机影院| 特大巨黑吊av在线直播| 日韩视频在线欧美| 国产白丝娇喘喷水9色精品| 最近中文字幕2019免费版| 亚洲欧美精品专区久久| 国产精品无大码| 各种免费的搞黄视频| 久久人人爽av亚洲精品天堂 | 日韩大片免费观看网站| 国产精品av视频在线免费观看| 777米奇影视久久| 亚洲av一区综合| 国产综合精华液| 男插女下体视频免费在线播放| 午夜老司机福利剧场| 久久久久网色| 国产美女午夜福利| 久久久久久久久久久丰满| 老女人水多毛片| 秋霞伦理黄片| av在线亚洲专区| 亚洲性久久影院| 亚洲av欧美aⅴ国产| 一区二区av电影网| 一区二区三区精品91| 美女国产视频在线观看| 26uuu在线亚洲综合色| 日日啪夜夜撸| 在线天堂最新版资源| 中文欧美无线码| 国产亚洲91精品色在线| 九九久久精品国产亚洲av麻豆| 一边亲一边摸免费视频| 亚洲精品色激情综合| 欧美激情在线99| 亚洲色图综合在线观看| 国产成人aa在线观看| 丝袜美腿在线中文| 99热这里只有是精品在线观看| 美女视频免费永久观看网站| 国产69精品久久久久777片| 丝瓜视频免费看黄片| 新久久久久国产一级毛片| 成人综合一区亚洲| 网址你懂的国产日韩在线| 岛国毛片在线播放| 91久久精品电影网| 神马国产精品三级电影在线观看| 菩萨蛮人人尽说江南好唐韦庄| 蜜臀久久99精品久久宅男| 日韩av免费高清视频| 一级片'在线观看视频| 一个人观看的视频www高清免费观看| 2021少妇久久久久久久久久久| 国产中年淑女户外野战色| 国产高清三级在线| 国产成人freesex在线| 日韩一本色道免费dvd| 少妇被粗大猛烈的视频| 只有这里有精品99| 国产成人精品婷婷| 国产综合精华液| 美女xxoo啪啪120秒动态图| 禁无遮挡网站| 嘟嘟电影网在线观看| 蜜桃亚洲精品一区二区三区| 熟女av电影| 身体一侧抽搐| 成人国产麻豆网| 麻豆国产97在线/欧美| 性色avwww在线观看| 在线免费十八禁| 日本三级黄在线观看| 亚洲美女搞黄在线观看| 亚洲最大成人中文| 日韩,欧美,国产一区二区三区| 国产黄频视频在线观看| 久久久久久久午夜电影| 免费电影在线观看免费观看| 国产精品女同一区二区软件| 国产精品嫩草影院av在线观看| 国产v大片淫在线免费观看| 热re99久久精品国产66热6| 高清毛片免费看| 亚洲无线观看免费| 九草在线视频观看| 老司机影院毛片| 亚洲真实伦在线观看| 久久久久久久久久久免费av| 国产爱豆传媒在线观看| 免费不卡的大黄色大毛片视频在线观看| 国产黄a三级三级三级人| 青春草亚洲视频在线观看| 97精品久久久久久久久久精品| 成年av动漫网址| 日本熟妇午夜| 国产精品一区二区在线观看99| 久久99蜜桃精品久久| 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 | 91精品国产九色| 99热这里只有是精品50| 日韩国内少妇激情av| av网站免费在线观看视频| 亚洲自偷自拍三级| 国产亚洲精品久久久com| 亚洲不卡免费看| 亚洲色图av天堂| 肉色欧美久久久久久久蜜桃 | 最近的中文字幕免费完整| 国产成人精品一,二区| 五月开心婷婷网| 成人黄色视频免费在线看| 精品久久国产蜜桃| 午夜福利视频1000在线观看| 天堂俺去俺来也www色官网| 久热这里只有精品99| 午夜精品一区二区三区免费看| 精品国产露脸久久av麻豆| 国产乱人视频| 免费av毛片视频| 中国国产av一级| 欧美3d第一页| 熟女av电影| 91久久精品电影网| 日日撸夜夜添| 六月丁香七月| 精品人妻一区二区三区麻豆| 秋霞伦理黄片| 亚洲精品亚洲一区二区| av免费在线看不卡| 久久国内精品自在自线图片| 香蕉精品网在线| 99久久九九国产精品国产免费| 免费高清在线观看视频在线观看| 成人漫画全彩无遮挡| 又粗又硬又长又爽又黄的视频| 亚洲,一卡二卡三卡| 亚洲美女搞黄在线观看| 亚洲,欧美,日韩| 三级国产精品欧美在线观看| 日日撸夜夜添| 日本爱情动作片www.在线观看| 狠狠精品人妻久久久久久综合| 日本熟妇午夜| 久久久成人免费电影| 亚洲精品影视一区二区三区av| 狂野欧美白嫩少妇大欣赏| 亚洲丝袜综合中文字幕| 欧美xxⅹ黑人| 只有这里有精品99| 校园人妻丝袜中文字幕| 禁无遮挡网站| 国内精品宾馆在线| 成人综合一区亚洲| 我的老师免费观看完整版| 一边亲一边摸免费视频| 一本一本综合久久| 男人狂女人下面高潮的视频| 中文资源天堂在线| 国产乱人视频| 国产精品秋霞免费鲁丝片| 日本猛色少妇xxxxx猛交久久| 老司机影院成人| 国产日韩欧美亚洲二区| 国产午夜精品一二区理论片| 男的添女的下面高潮视频| 久久久久久久久大av| 嫩草影院新地址| 久热久热在线精品观看| 99re6热这里在线精品视频| 国产有黄有色有爽视频| 汤姆久久久久久久影院中文字幕| 91久久精品国产一区二区三区| 狂野欧美激情性bbbbbb| 51国产日韩欧美| 国产精品人妻久久久久久| 亚洲av日韩在线播放| 成人国产av品久久久| 中文乱码字字幕精品一区二区三区| 少妇 在线观看| 亚洲精华国产精华液的使用体验| 亚洲国产高清在线一区二区三| 国内少妇人妻偷人精品xxx网站| 97在线视频观看| 欧美成人a在线观看| 国产久久久一区二区三区| 成人免费观看视频高清| 亚洲精品乱久久久久久| 亚洲成人久久爱视频| av线在线观看网站| 肉色欧美久久久久久久蜜桃 | 日本一本二区三区精品| 免费大片黄手机在线观看| www.色视频.com| 一边亲一边摸免费视频| 日本黄色片子视频| 青春草国产在线视频| 狂野欧美激情性bbbbbb| 久久这里有精品视频免费| 亚洲,欧美,日韩| 菩萨蛮人人尽说江南好唐韦庄| 久久精品综合一区二区三区| 国产视频内射| 又黄又爽又刺激的免费视频.| 夫妻性生交免费视频一级片| 日韩av在线免费看完整版不卡| 黑人高潮一二区| 韩国av在线不卡| 久久精品熟女亚洲av麻豆精品| 亚洲av中文av极速乱| 久久99精品国语久久久| 久久ye,这里只有精品| 亚洲精品456在线播放app| 欧美+日韩+精品| 汤姆久久久久久久影院中文字幕| 亚洲,一卡二卡三卡| 国产精品99久久99久久久不卡 | 久久人人爽人人片av| 欧美人与善性xxx| 黄片无遮挡物在线观看| 日本猛色少妇xxxxx猛交久久| 婷婷色av中文字幕| 亚洲精华国产精华液的使用体验| 国产女主播在线喷水免费视频网站| 午夜福利在线观看免费完整高清在| 一级毛片电影观看| 三级国产精品片| 在线精品无人区一区二区三 | 26uuu在线亚洲综合色| 七月丁香在线播放| 国产亚洲av嫩草精品影院| 亚洲成人久久爱视频| 岛国毛片在线播放| 97超视频在线观看视频| av国产精品久久久久影院| 国产精品蜜桃在线观看| 蜜桃久久精品国产亚洲av| 午夜福利网站1000一区二区三区| 在线观看三级黄色| 啦啦啦啦在线视频资源| .国产精品久久| 精品国产三级普通话版| 五月天丁香电影| a级一级毛片免费在线观看| 国产精品一区二区性色av| 欧美性感艳星| 亚洲精品国产av蜜桃| 三级国产精品欧美在线观看| 亚洲一级一片aⅴ在线观看| 欧美xxxx性猛交bbbb| 小蜜桃在线观看免费完整版高清| 色综合色国产| 国产亚洲午夜精品一区二区久久 | 国产有黄有色有爽视频| 欧美性猛交╳xxx乱大交人| 校园人妻丝袜中文字幕| 亚洲精品乱码久久久v下载方式| 亚洲无线观看免费| 亚洲自偷自拍三级| 免费观看的影片在线观看| 内射极品少妇av片p| 亚洲精品乱久久久久久| av国产久精品久网站免费入址| 欧美变态另类bdsm刘玥| 黄片wwwwww| 国产亚洲91精品色在线| 中文字幕免费在线视频6| 成人亚洲精品一区在线观看 | 国产成人一区二区在线| 一本色道久久久久久精品综合| 嫩草影院新地址| 日韩电影二区| 亚洲精品自拍成人| 亚洲精品久久午夜乱码| 联通29元200g的流量卡| 自拍偷自拍亚洲精品老妇| 久久影院123| 老师上课跳d突然被开到最大视频| 国产有黄有色有爽视频| 嫩草影院新地址| 免费人成在线观看视频色| 国产黄色免费在线视频| 在线观看美女被高潮喷水网站| 啦啦啦中文免费视频观看日本| 亚洲在线观看片| 亚洲在久久综合| 欧美少妇被猛烈插入视频| 三级国产精品片| 久久亚洲国产成人精品v| 亚洲精品乱久久久久久| 亚洲欧美清纯卡通| 亚洲国产日韩一区二区| 99re6热这里在线精品视频| 日韩三级伦理在线观看| 男插女下体视频免费在线播放| 成人欧美大片| 亚洲怡红院男人天堂| 久久午夜福利片| 日日摸夜夜添夜夜添av毛片| 亚洲伊人久久精品综合| 噜噜噜噜噜久久久久久91| 免费在线观看成人毛片| 国产欧美日韩精品一区二区| 成人国产麻豆网| 啦啦啦中文免费视频观看日本| 亚洲精品国产av成人精品| 国产伦理片在线播放av一区| 亚洲成人中文字幕在线播放| 王馨瑶露胸无遮挡在线观看| 日韩电影二区| 日本午夜av视频| 春色校园在线视频观看| 免费大片黄手机在线观看| 国产高清国产精品国产三级 | 国产精品精品国产色婷婷| 免费少妇av软件| 深夜a级毛片| 97热精品久久久久久| 大又大粗又爽又黄少妇毛片口| 亚洲欧洲国产日韩| 国产高清有码在线观看视频| 国产在线男女| 在线a可以看的网站| 亚洲精品久久午夜乱码| 免费看日本二区| 熟妇人妻不卡中文字幕| 99视频精品全部免费 在线| 高清av免费在线| 97在线人人人人妻| 国产 一区精品| 人妻少妇偷人精品九色| 熟女av电影| 18禁裸乳无遮挡动漫免费视频 | 亚洲精品成人久久久久久| 久久久久久久精品精品| 免费av观看视频| 国产精品久久久久久精品电影| 天堂俺去俺来也www色官网| 1000部很黄的大片| av在线播放精品| 国产成人一区二区在线| 国产亚洲午夜精品一区二区久久 | 亚洲色图av天堂| 日韩三级伦理在线观看| 老女人水多毛片| 亚洲精品成人久久久久久| 亚洲精品国产成人久久av| 国产高清三级在线| 国产色婷婷99| 视频区图区小说| 亚洲av电影在线观看一区二区三区 | 国产片特级美女逼逼视频| 美女脱内裤让男人舔精品视频| 午夜亚洲福利在线播放| 成人美女网站在线观看视频| 免费av毛片视频| 99久久精品国产国产毛片| 大陆偷拍与自拍| 国产黄片视频在线免费观看| 91精品一卡2卡3卡4卡| 日韩av免费高清视频| 天堂网av新在线| 久久久久精品久久久久真实原创| 日韩成人av中文字幕在线观看| 亚洲欧美成人精品一区二区| 免费电影在线观看免费观看| 中国国产av一级| 欧美高清成人免费视频www| 亚洲国产av新网站| 女的被弄到高潮叫床怎么办| 99久久九九国产精品国产免费| 亚洲国产精品专区欧美| 视频中文字幕在线观看| 麻豆成人av视频| av免费观看日本| 免费看日本二区| 欧美激情久久久久久爽电影| 久久ye,这里只有精品| 国产在线男女| 男女边吃奶边做爰视频| 免费看日本二区| 日本色播在线视频| 天天躁日日操中文字幕| 一个人看的www免费观看视频| 国产成人福利小说| 成年女人在线观看亚洲视频 | 亚洲欧美清纯卡通| 黄色日韩在线| 超碰av人人做人人爽久久| 91精品一卡2卡3卡4卡| 99热国产这里只有精品6| 久久精品夜色国产| 秋霞伦理黄片| 精品久久国产蜜桃| 韩国av在线不卡| 亚洲av欧美aⅴ国产| 精品人妻熟女av久视频| 丝袜喷水一区| 亚洲av.av天堂| av在线app专区| 国产老妇女一区| 一二三四中文在线观看免费高清| 极品教师在线视频| 哪个播放器可以免费观看大片| 亚洲精品成人av观看孕妇| 免费看光身美女| av国产精品久久久久影院| 国产一区二区三区综合在线观看 | 天天一区二区日本电影三级| 国产成人精品婷婷| 国产探花在线观看一区二区| 亚洲国产欧美在线一区| 亚洲人成网站高清观看| 搡女人真爽免费视频火全软件| 蜜桃久久精品国产亚洲av| 看非洲黑人一级黄片| 男人爽女人下面视频在线观看| 纵有疾风起免费观看全集完整版| 亚洲色图综合在线观看| 欧美激情国产日韩精品一区| 一级毛片电影观看| 真实男女啪啪啪动态图| av又黄又爽大尺度在线免费看| 免费少妇av软件| 日韩三级伦理在线观看| 国产亚洲一区二区精品| 街头女战士在线观看网站| 性色avwww在线观看| 成年女人看的毛片在线观看| 五月天丁香电影| 大香蕉久久网| 一个人观看的视频www高清免费观看| 久久鲁丝午夜福利片| 一边亲一边摸免费视频| 久久久久久久久久久丰满| 亚洲怡红院男人天堂| 嘟嘟电影网在线观看| 3wmmmm亚洲av在线观看| 国产69精品久久久久777片| 美女脱内裤让男人舔精品视频| 毛片女人毛片| 亚洲第一区二区三区不卡| 国产 精品1| 午夜免费男女啪啪视频观看| 美女xxoo啪啪120秒动态图| 国产探花极品一区二区| 噜噜噜噜噜久久久久久91| 久久这里有精品视频免费| 亚洲av电影在线观看一区二区三区 | av.在线天堂| 国产精品久久久久久精品电影小说 | a级一级毛片免费在线观看| 各种免费的搞黄视频| 亚洲丝袜综合中文字幕| 一级a做视频免费观看| 干丝袜人妻中文字幕| 26uuu在线亚洲综合色| 欧美成人精品欧美一级黄| 亚洲熟女精品中文字幕| 少妇 在线观看| 亚洲熟女精品中文字幕| 超碰97精品在线观看| 成人国产麻豆网| 国产在线一区二区三区精| 国产欧美另类精品又又久久亚洲欧美| 五月天丁香电影| 亚洲真实伦在线观看| 欧美极品一区二区三区四区| 嘟嘟电影网在线观看| 一级毛片黄色毛片免费观看视频| 国产精品久久久久久精品电影小说 | 免费在线观看成人毛片| 99re6热这里在线精品视频| 搡女人真爽免费视频火全软件| 新久久久久国产一级毛片| 欧美日韩视频精品一区| 在线亚洲精品国产二区图片欧美 | 国产欧美日韩精品一区二区| 亚洲一级一片aⅴ在线观看| 又爽又黄a免费视频| 午夜视频国产福利| 久久久久久久精品精品| 80岁老熟妇乱子伦牲交| 国产成人精品久久久久久| 亚洲精品国产色婷婷电影| 久久鲁丝午夜福利片| 777米奇影视久久| 国产精品人妻久久久久久| av在线播放精品| 全区人妻精品视频| 午夜免费鲁丝| 成人亚洲精品一区在线观看 | 亚洲伊人久久精品综合| 成人综合一区亚洲| 超碰av人人做人人爽久久| 国产欧美日韩精品一区二区| 男女边吃奶边做爰视频| 搞女人的毛片| 亚洲精品影视一区二区三区av| 午夜福利在线观看免费完整高清在| 各种免费的搞黄视频| 91精品一卡2卡3卡4卡| 国精品久久久久久国模美| 久久久久久久久久久免费av| 国语对白做爰xxxⅹ性视频网站| 午夜福利高清视频| 美女视频免费永久观看网站| 在线观看av片永久免费下载| 99热这里只有是精品在线观看| 精品人妻视频免费看| av在线老鸭窝| 男女下面进入的视频免费午夜| 亚洲国产成人一精品久久久| 亚洲自偷自拍三级| 免费看不卡的av| 91久久精品国产一区二区成人| 网址你懂的国产日韩在线| 日韩亚洲欧美综合| 亚洲熟女精品中文字幕| 高清欧美精品videossex|