• <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
    亚洲中文字幕日韩| 97人妻精品一区二区三区麻豆| 亚洲av.av天堂| 亚洲av一区综合| 在线免费十八禁| 亚洲第一电影网av| 黄色一级大片看看| avwww免费| 最近视频中文字幕2019在线8| 两个人视频免费观看高清| 亚洲欧美激情综合另类| 国产在线精品亚洲第一网站| 免费无遮挡裸体视频| 欧美最新免费一区二区三区| netflix在线观看网站| 久久久久久久久中文| 欧美激情久久久久久爽电影| 日本免费一区二区三区高清不卡| 精品久久久久久久久亚洲 | 在线免费十八禁| 亚洲图色成人| 亚洲av成人精品一区久久| a级一级毛片免费在线观看| 国产大屁股一区二区在线视频| 91精品国产九色| 国产精品久久久久久久久免| 亚洲国产精品久久男人天堂| 一本精品99久久精品77| 亚洲在线观看片| 国产亚洲精品综合一区在线观看| 国产精品99久久久久久久久| 少妇高潮的动态图| 日本-黄色视频高清免费观看| 一进一出抽搐gif免费好疼| 嫩草影视91久久| 午夜福利18| 亚洲18禁久久av| 午夜老司机福利剧场| 亚洲男人的天堂狠狠| 特级一级黄色大片| 久久国产乱子免费精品| 日本a在线网址| 国产亚洲欧美98| 国产亚洲精品综合一区在线观看| 无遮挡黄片免费观看| 露出奶头的视频| www.www免费av| 99精品久久久久人妻精品| 日本黄色片子视频| 色综合婷婷激情| 身体一侧抽搐| 国国产精品蜜臀av免费| 国产日本99.免费观看| 天堂av国产一区二区熟女人妻| 成人特级黄色片久久久久久久| 国产精品久久久久久精品电影| 亚洲精华国产精华精| 女的被弄到高潮叫床怎么办 | 最近视频中文字幕2019在线8| 国产欧美日韩一区二区精品| 麻豆一二三区av精品| 悠悠久久av| 国产亚洲91精品色在线| 国产人妻一区二区三区在| 日韩大尺度精品在线看网址| 午夜福利高清视频| 有码 亚洲区| 在线免费十八禁| 国产色婷婷99| 国产爱豆传媒在线观看| 国产精品女同一区二区软件 | 搡女人真爽免费视频火全软件 | 给我免费播放毛片高清在线观看| 最近最新中文字幕大全电影3| 亚洲精品一卡2卡三卡4卡5卡| 欧美日韩精品成人综合77777| 日本a在线网址| 欧美成人免费av一区二区三区| 老司机深夜福利视频在线观看| 自拍偷自拍亚洲精品老妇| 深爱激情五月婷婷| 国内毛片毛片毛片毛片毛片| 亚洲国产精品合色在线| av在线老鸭窝| 国产亚洲精品综合一区在线观看| 国产精品99久久久久久久久| 国产亚洲精品久久久久久毛片| 久久精品人妻少妇| 美女大奶头视频| 九色成人免费人妻av| 两个人视频免费观看高清| 麻豆成人午夜福利视频| 蜜桃亚洲精品一区二区三区| 国产成人a区在线观看| 又黄又爽又免费观看的视频| 麻豆久久精品国产亚洲av| 3wmmmm亚洲av在线观看| 亚洲国产欧洲综合997久久,| 九九热线精品视视频播放| 亚洲五月天丁香| 国产中年淑女户外野战色| 十八禁国产超污无遮挡网站| 欧美人与善性xxx| 熟妇人妻久久中文字幕3abv| 91在线观看av| 少妇熟女aⅴ在线视频| 夜夜看夜夜爽夜夜摸| 国产精品无大码| 波多野结衣高清作品| 搡老妇女老女人老熟妇| 99久久精品国产国产毛片| 老司机午夜福利在线观看视频| 精品久久久噜噜| 少妇熟女aⅴ在线视频| 成人国产一区最新在线观看| 久久99热这里只有精品18| 淫秽高清视频在线观看| 午夜免费激情av| 人妻久久中文字幕网| 中文资源天堂在线| 免费av毛片视频| 欧美成人a在线观看| 精品久久久久久久久久久久久| 欧美区成人在线视频| 精品午夜福利在线看| 在线免费十八禁| 18+在线观看网站| 亚洲自拍偷在线| 69av精品久久久久久| 直男gayav资源| 国产精品久久久久久久电影| 国产一区二区三区在线臀色熟女| 久久精品国产亚洲av天美| 国产亚洲精品久久久久久毛片| 国产高清视频在线观看网站| 老司机午夜福利在线观看视频| 黄色日韩在线| 亚洲av成人av| 亚洲欧美激情综合另类| 三级男女做爰猛烈吃奶摸视频| 亚洲一级一片aⅴ在线观看| 午夜精品久久久久久毛片777| 久久久久久久久中文| 91av网一区二区| 亚洲精品影视一区二区三区av| 国产高清三级在线| 人人妻人人澡欧美一区二区| 男人的好看免费观看在线视频| 国产探花在线观看一区二区| 一级a爱片免费观看的视频| 国产精品久久视频播放| 色综合婷婷激情| 亚洲精品成人久久久久久| 中国美女看黄片| 午夜精品一区二区三区免费看| 成人国产一区最新在线观看| 国产精品久久视频播放| 精品国内亚洲2022精品成人| 人人妻人人澡欧美一区二区| 国产精品久久久久久av不卡| 日日摸夜夜添夜夜添小说| 无遮挡黄片免费观看| 久久天躁狠狠躁夜夜2o2o| 欧美一级a爱片免费观看看| 日日啪夜夜撸| 97热精品久久久久久| 免费观看精品视频网站| 亚洲精品一区av在线观看| 久久6这里有精品| 午夜久久久久精精品| 国内精品美女久久久久久| 久久久精品欧美日韩精品| 极品教师在线视频| 欧美一区二区精品小视频在线| 少妇裸体淫交视频免费看高清| 亚洲图色成人| 人人妻人人澡欧美一区二区| 国产精品嫩草影院av在线观看 | 午夜福利高清视频| 日本a在线网址| 国产 一区 欧美 日韩| 97碰自拍视频| 桃红色精品国产亚洲av| 免费看光身美女| 91麻豆精品激情在线观看国产| 久9热在线精品视频| 在线播放无遮挡| 黄色女人牲交| 韩国av在线不卡| 欧美最新免费一区二区三区| 久久久久久大精品| 老师上课跳d突然被开到最大视频| 日韩人妻高清精品专区| 一边摸一边抽搐一进一小说| 国产伦一二天堂av在线观看| 久久精品影院6| 一边摸一边抽搐一进一小说| 久久久精品欧美日韩精品| 国产精品国产三级国产av玫瑰| 偷拍熟女少妇极品色| 麻豆国产av国片精品| 99久久成人亚洲精品观看| 中国美白少妇内射xxxbb| 悠悠久久av| 精品国产三级普通话版| 精品免费久久久久久久清纯| 久久久久性生活片| 日韩大尺度精品在线看网址| av福利片在线观看| 国产熟女欧美一区二区| 香蕉av资源在线| 天天躁日日操中文字幕| 极品教师在线视频| 亚洲成av人片在线播放无| 麻豆成人av在线观看| 色在线成人网| 国产一区二区三区在线臀色熟女| 国产精华一区二区三区| 高清毛片免费观看视频网站| 成人特级av手机在线观看| 国产淫片久久久久久久久| 精品一区二区三区av网在线观看| 在线天堂最新版资源| 国产午夜精品久久久久久一区二区三区 | 欧美成人性av电影在线观看| 性欧美人与动物交配| 国产伦一二天堂av在线观看| 日本与韩国留学比较| 露出奶头的视频| 亚洲人与动物交配视频| 国产伦精品一区二区三区四那| 国产一区二区三区视频了| 亚州av有码| 亚洲av免费高清在线观看| 欧美一级a爱片免费观看看| 欧美三级亚洲精品| 国产高清视频在线观看网站| 乱系列少妇在线播放| 天堂av国产一区二区熟女人妻| 久久欧美精品欧美久久欧美| 精品久久久久久久久av| 欧美xxxx性猛交bbbb| 91在线观看av| 成人三级黄色视频| 岛国在线免费视频观看| 精品人妻一区二区三区麻豆 | 99热这里只有精品一区| 免费看光身美女| 国产午夜精品久久久久久一区二区三区 | 日本成人三级电影网站| 他把我摸到了高潮在线观看| 日本 欧美在线| 国产aⅴ精品一区二区三区波| 精品一区二区三区视频在线观看免费| 亚洲av美国av| 国产欧美日韩一区二区精品| 午夜视频国产福利| 亚洲成人精品中文字幕电影| 一个人免费在线观看电影| 久久人妻av系列| 搡老岳熟女国产| 熟女人妻精品中文字幕| 国产精品98久久久久久宅男小说| 校园人妻丝袜中文字幕| 国产亚洲精品av在线| 亚洲av免费在线观看| 国产v大片淫在线免费观看| 22中文网久久字幕| 99久久精品国产国产毛片| 少妇熟女aⅴ在线视频| 久久久久久国产a免费观看| 欧美成人免费av一区二区三区| 欧美最新免费一区二区三区| 一区二区三区激情视频| 国产白丝娇喘喷水9色精品| 成人三级黄色视频| 日韩欧美精品免费久久| 亚洲av电影不卡..在线观看| 国产精品98久久久久久宅男小说| 九九久久精品国产亚洲av麻豆| 成人无遮挡网站| 亚洲图色成人| 天天一区二区日本电影三级| 国产三级在线视频| 日韩欧美免费精品| 色av中文字幕| 麻豆成人av在线观看| 欧美精品国产亚洲| 韩国av在线不卡| 亚洲欧美日韩东京热| 午夜a级毛片| 久久天躁狠狠躁夜夜2o2o| 真实男女啪啪啪动态图| 又紧又爽又黄一区二区| 亚洲熟妇中文字幕五十中出| 亚洲欧美激情综合另类| 久久久久国产精品人妻aⅴ院| 我的女老师完整版在线观看| 国产亚洲精品久久久com| 国产在线男女| 精品久久久久久久久亚洲 | 99精品在免费线老司机午夜| 男女做爰动态图高潮gif福利片| 啦啦啦啦在线视频资源| 国产av在哪里看| 久9热在线精品视频| 女同久久另类99精品国产91| 国产精品久久视频播放| 伦理电影大哥的女人| 我要搜黄色片| 伦精品一区二区三区| 精品久久久久久久久av| av在线老鸭窝| 97超视频在线观看视频| av黄色大香蕉| 久久久成人免费电影| 国产单亲对白刺激| 久久人人精品亚洲av| 成人性生交大片免费视频hd| 国产免费一级a男人的天堂| 18禁裸乳无遮挡免费网站照片| 人妻制服诱惑在线中文字幕| 国产黄色小视频在线观看| 中文字幕高清在线视频| 国产国拍精品亚洲av在线观看| 国产在视频线在精品| 久久精品国产自在天天线| 99热这里只有是精品在线观看| 国产爱豆传媒在线观看| 熟女人妻精品中文字幕| 亚洲 国产 在线| av女优亚洲男人天堂| 成年女人看的毛片在线观看| 日本一二三区视频观看| 动漫黄色视频在线观看| 在线观看午夜福利视频| 免费无遮挡裸体视频| 亚洲七黄色美女视频| 国产伦一二天堂av在线观看| 午夜亚洲福利在线播放| 亚洲欧美日韩东京热| 少妇裸体淫交视频免费看高清| 亚洲精华国产精华液的使用体验 | 丰满的人妻完整版| 久久精品国产鲁丝片午夜精品 | 男女那种视频在线观看| 美女高潮喷水抽搐中文字幕| 男女那种视频在线观看| 国产高清视频在线观看网站| 亚洲欧美日韩高清在线视频| 哪里可以看免费的av片| 啦啦啦韩国在线观看视频| 尾随美女入室| 欧美性猛交黑人性爽| 啦啦啦观看免费观看视频高清| 久久久成人免费电影| 欧美成人免费av一区二区三区| 无遮挡黄片免费观看| 桃色一区二区三区在线观看| 亚洲中文字幕一区二区三区有码在线看| 国产精品久久视频播放| 九九在线视频观看精品| 嫁个100分男人电影在线观看| 一级黄色大片毛片| 国模一区二区三区四区视频| 不卡视频在线观看欧美| 国产成人福利小说| 别揉我奶头 嗯啊视频| 又紧又爽又黄一区二区| 久久人人爽人人爽人人片va| 简卡轻食公司| 国产伦精品一区二区三区四那| 日韩中字成人| 在线免费十八禁| 国产毛片a区久久久久| 国产欧美日韩精品亚洲av| 如何舔出高潮| 国产免费一级a男人的天堂| 69人妻影院| 免费在线观看日本一区| 91av网一区二区| 99在线视频只有这里精品首页| 老司机深夜福利视频在线观看| 五月玫瑰六月丁香| 蜜桃亚洲精品一区二区三区| 999久久久精品免费观看国产| 欧美性感艳星| 久久久精品大字幕| 一a级毛片在线观看| 人妻少妇偷人精品九色| 婷婷精品国产亚洲av| 欧美性猛交黑人性爽| 国产av麻豆久久久久久久| 亚洲精品粉嫩美女一区| 国产精品人妻久久久久久| 极品教师在线免费播放| 日韩精品中文字幕看吧| 亚洲精品影视一区二区三区av| 麻豆成人av在线观看| 中国美女看黄片| 欧美区成人在线视频| 亚洲最大成人手机在线| 91午夜精品亚洲一区二区三区 | 少妇丰满av| 欧美高清性xxxxhd video| 精品一区二区免费观看| 国产精品一区二区免费欧美| 亚洲熟妇熟女久久| 中文资源天堂在线| 69av精品久久久久久| 变态另类成人亚洲欧美熟女| 久久久色成人| 久久欧美精品欧美久久欧美| 老司机午夜福利在线观看视频| 男女下面进入的视频免费午夜| 久久精品国产鲁丝片午夜精品 | 中文资源天堂在线| 亚洲aⅴ乱码一区二区在线播放| h日本视频在线播放| a在线观看视频网站| 国产一区二区三区视频了| 亚洲成人久久爱视频| 亚洲精品在线观看二区| 99热这里只有是精品在线观看| 亚洲精品日韩av片在线观看| 日本在线视频免费播放| 免费高清视频大片| 中国美白少妇内射xxxbb| 亚洲七黄色美女视频| .国产精品久久| 毛片女人毛片| 人人妻,人人澡人人爽秒播| 国产单亲对白刺激| 99热网站在线观看| 日日夜夜操网爽| 极品教师在线免费播放| 国语自产精品视频在线第100页| 最后的刺客免费高清国语| 国产一区二区三区视频了| 精品福利观看| 在线观看午夜福利视频| 一进一出抽搐gif免费好疼| 99热6这里只有精品| 亚洲精品日韩av片在线观看| av黄色大香蕉| 琪琪午夜伦伦电影理论片6080| 国产成人一区二区在线| 色精品久久人妻99蜜桃| 91久久精品电影网| 亚洲成a人片在线一区二区| 色噜噜av男人的天堂激情| 老师上课跳d突然被开到最大视频| 国产欧美日韩精品亚洲av| netflix在线观看网站| 亚洲欧美日韩卡通动漫| 日韩中文字幕欧美一区二区| 18禁黄网站禁片午夜丰满| 国产午夜精品久久久久久一区二区三区 | 在现免费观看毛片| 日韩欧美国产一区二区入口| 亚洲avbb在线观看| 国产精品人妻久久久影院| 国产伦精品一区二区三区四那| 亚洲av一区综合| 国语自产精品视频在线第100页| 亚洲最大成人手机在线| av在线观看视频网站免费| 亚洲一区高清亚洲精品| 国产免费av片在线观看野外av| 久久久精品大字幕| 亚洲无线在线观看| 波多野结衣巨乳人妻| 日日干狠狠操夜夜爽| 伦理电影大哥的女人| 国产精品福利在线免费观看| 国产成人aa在线观看| 国产精品综合久久久久久久免费| 国产精品久久久久久久久免| 国产精品国产三级国产av玫瑰| 一本精品99久久精品77| 狂野欧美激情性xxxx在线观看| 久久久久国产精品人妻aⅴ院| 久久6这里有精品| 免费无遮挡裸体视频| 1024手机看黄色片| 国产黄片美女视频| 97热精品久久久久久| 在线观看av片永久免费下载| 亚洲av电影不卡..在线观看| 天堂动漫精品| 一级av片app| 国产精品,欧美在线| 赤兔流量卡办理| av视频在线观看入口| 欧美日韩综合久久久久久 | 99久久精品一区二区三区| 国产精品三级大全| 黄色配什么色好看| 欧美zozozo另类| 又黄又爽又免费观看的视频| 亚洲aⅴ乱码一区二区在线播放| 免费av观看视频| 天天躁日日操中文字幕| 欧美日韩综合久久久久久 | 麻豆av噜噜一区二区三区| 日本五十路高清| 国产精品永久免费网站| 亚洲精品粉嫩美女一区| 午夜视频国产福利| 国产精品久久久久久av不卡| 亚洲成人久久性| 99精品久久久久人妻精品| 美女免费视频网站| 欧美高清性xxxxhd video| 精品久久久久久久久av| 久久久久国产精品人妻aⅴ院| 免费搜索国产男女视频| 日本免费一区二区三区高清不卡| 亚洲人成伊人成综合网2020| 亚洲综合色惰| 在线观看舔阴道视频| 日日干狠狠操夜夜爽| 色哟哟哟哟哟哟| 中出人妻视频一区二区| 久久婷婷人人爽人人干人人爱| 亚洲av中文字字幕乱码综合| 91久久精品国产一区二区三区| 欧美激情国产日韩精品一区| 免费观看的影片在线观看| 中文亚洲av片在线观看爽| 久久久久性生活片| 国产精品免费一区二区三区在线| 在线播放无遮挡| 岛国在线免费视频观看| 国产精品综合久久久久久久免费| 亚洲avbb在线观看| a级毛片免费高清观看在线播放| 国产免费男女视频| 嫁个100分男人电影在线观看| av中文乱码字幕在线| av黄色大香蕉| 九九久久精品国产亚洲av麻豆| 啦啦啦韩国在线观看视频| 女人十人毛片免费观看3o分钟| 网址你懂的国产日韩在线| 狂野欧美白嫩少妇大欣赏| 草草在线视频免费看| 亚洲三级黄色毛片| 岛国在线免费视频观看| 日韩精品中文字幕看吧| 可以在线观看的亚洲视频| 婷婷六月久久综合丁香| 日韩大尺度精品在线看网址| 久久久久久久精品吃奶| 91午夜精品亚洲一区二区三区 | 少妇人妻一区二区三区视频| 日本一本二区三区精品| 高清日韩中文字幕在线| 韩国av一区二区三区四区| a在线观看视频网站| 国产午夜精品久久久久久一区二区三区 | 欧美黑人欧美精品刺激| 国产色婷婷99| 免费人成视频x8x8入口观看| 欧美一区二区精品小视频在线| 国产精品伦人一区二区| 九色成人免费人妻av| 免费无遮挡裸体视频| 国产亚洲av嫩草精品影院| 午夜福利18| 中文字幕久久专区| 91久久精品国产一区二区成人| 国产精品98久久久久久宅男小说| 国产日本99.免费观看| 88av欧美| 久久久久国产精品人妻aⅴ院| 乱系列少妇在线播放| 欧美+亚洲+日韩+国产| 老师上课跳d突然被开到最大视频| 日韩欧美免费精品| 看免费成人av毛片| 午夜精品久久久久久毛片777| 亚洲美女视频黄频| 小蜜桃在线观看免费完整版高清| 99国产精品一区二区蜜桃av| 嫩草影视91久久| 真实男女啪啪啪动态图| 欧美精品国产亚洲| 婷婷精品国产亚洲av| 麻豆av噜噜一区二区三区| 精品人妻视频免费看| 窝窝影院91人妻| 色播亚洲综合网| 欧美最新免费一区二区三区| 日韩 亚洲 欧美在线| 欧美bdsm另类| 国内久久婷婷六月综合欲色啪| 舔av片在线| 九九在线视频观看精品| 真人一进一出gif抽搐免费| 一级a爱片免费观看的视频| 国内精品久久久久精免费| 成年女人永久免费观看视频| 国产乱人伦免费视频| 无人区码免费观看不卡| 久久香蕉精品热| 美女高潮的动态| 欧美黑人欧美精品刺激| 老师上课跳d突然被开到最大视频| 亚洲综合色惰| 免费观看精品视频网站| 丰满乱子伦码专区| 成人永久免费在线观看视频| 国产91精品成人一区二区三区| 十八禁国产超污无遮挡网站|