• <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Baseline SVD主動(dòng)學(xué)習(xí)算法的推薦系統(tǒng)

    2015-06-15 22:12季蕓等
    現(xiàn)代電子技術(shù) 2015年12期
    關(guān)鍵詞:推薦系統(tǒng)主動(dòng)學(xué)習(xí)

    季蕓等

    摘 要: 推薦系統(tǒng)是一種解決信息過載的新型技術(shù),為了解決推薦系統(tǒng)中新用戶帶來的冷啟動(dòng)問題,提出一種基于主動(dòng)學(xué)習(xí)的推薦系統(tǒng)。主動(dòng)學(xué)習(xí)方法能有效減少需要標(biāo)記的樣本數(shù)量,快速建立模型,在此選擇將主動(dòng)學(xué)習(xí)方法和Baseline SVD推薦算法結(jié)合起來,通過記錄模型訓(xùn)練得到的預(yù)估評(píng)價(jià)的改變程度,認(rèn)為改變最大的樣例即是最具有信息量的樣例,供新用戶標(biāo)記,并重新訓(xùn)練模型。通過與其他選擇策略進(jìn)行實(shí)驗(yàn)比較,證實(shí)了該方法確實(shí)有效解決了新用戶帶來的冷啟動(dòng)問題。

    關(guān)鍵詞: 推薦系統(tǒng); 主動(dòng)學(xué)習(xí); Baseline SVD; 樣例選擇

    中圖分類號(hào): TN915.03?34 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1004?373X(2015)12?0008?04

    Recommender system based on Baseline SVD active learning algorithm

    JI Yun1, HU Xue?lei1, 2

    0 引 言

    隨著信息技術(shù)和互聯(lián)網(wǎng)的高速發(fā)展,各種互聯(lián)網(wǎng)應(yīng)用充斥著每個(gè)人的生活,得益于互聯(lián)網(wǎng)的開放性,便利性和分布性,互聯(lián)網(wǎng)上的信息量急劇增加。為了解決信息過載問題,推薦系統(tǒng)成為了繼分類目錄和搜索引擎之后,大數(shù)據(jù)時(shí)代的新寵。協(xié)同過濾作為一種主流的推薦系統(tǒng)技術(shù)[1],在學(xué)術(shù)界和應(yīng)用上都廣受好評(píng),它的主要思想是通過用戶之間的聯(lián)系來分享物品。協(xié)同過濾算法分成兩種[2]:一種是基于記憶的協(xié)同過濾算法(Memory?based),包括ItemCF算法和UserCF算法,通過計(jì)算用戶或物品之間的相似度來做推薦;另一種是基于模型的協(xié)同過濾(Model?based),基于模型的推薦算法往往結(jié)合了數(shù)據(jù)挖掘、人工智能、機(jī)器學(xué)習(xí)等諸多技術(shù),常見的有基于聚類的推薦、基于矩陣分解的算法、Slope One[3]等,其中基于矩陣分解的算法有:SVD,Baseline SVD[4],SVD++[5]等。在Netflix Prize推薦大賽之后,基于矩陣的推薦算法迅速崛起。推薦系統(tǒng)的發(fā)展受到了諸多因素的影響,其中一種便是新用戶問題。推薦系統(tǒng)算法非常依賴歷史數(shù)據(jù),在用戶新注冊(cè)互聯(lián)網(wǎng)應(yīng)用之后,系統(tǒng)由于沒有該用戶的相關(guān)數(shù)據(jù),而無法為新用戶做出準(zhǔn)確的推薦,這會(huì)大大影響互聯(lián)用應(yīng)用對(duì)用戶的黏著性。為了解決新用戶問題,常見的方案有:

    (1) 非個(gè)性化推薦,隨機(jī)推薦或者推薦熱門,這種方法不夠個(gè)性化,系統(tǒng)必須累積一定數(shù)量的數(shù)據(jù)才能啟動(dòng)推薦系統(tǒng);

    (2) 根據(jù)用戶注冊(cè)信息做出推薦,用戶的注冊(cè)信息往往是有限的,這樣的推薦偏向粗粒度;

    (3) 主動(dòng)詢問,該方法通過與用戶交流,主動(dòng)獲取建立模型需要的相關(guān)知識(shí),快速建立準(zhǔn)確模型。

    推薦系統(tǒng)中,在將推薦產(chǎn)品呈現(xiàn)給用戶時(shí),一方面期望得到用戶的滿意度,另一方面期望能從用戶的操作中學(xué)習(xí)到用戶的偏好,這正是主動(dòng)學(xué)習(xí)所致力的,因此將主動(dòng)學(xué)習(xí)結(jié)合推薦系統(tǒng)是不謀而合的[6]。國外研究人員目前常用的算法是將貝葉斯理論作為樣本選擇策略,AM(Aspect Model)算法為基準(zhǔn)學(xué)習(xí)器[7]。Jin等針對(duì)模型本身不確定性的問題,提出了改進(jìn),使得用戶參數(shù)向著準(zhǔn)確的方向增長[8]。Rasoul Karimi提出一種基于矩陣分解的主動(dòng)學(xué)習(xí)算法,選出預(yù)估評(píng)分最低的樣本供用戶選擇[9]。

    2 基于主動(dòng)學(xué)習(xí)的Baseline SVD算法

    為解決新用戶問題,本文選擇將主動(dòng)學(xué)習(xí)策略和推薦算法結(jié)合起來的方法,以加快冷啟動(dòng)速度。主動(dòng)學(xué)習(xí)根據(jù)樣本選擇策略,從提問池中選擇一個(gè)樣本供新用戶標(biāo)記,并不斷修正模型,直到模型穩(wěn)定為止,訓(xùn)練模型的過程如圖1所示,這是一個(gè)不斷迭代的過程。主動(dòng)學(xué)習(xí)的核心是樣本選擇策略,目前常用的樣本選擇策略有:基于不確定性縮減的算法,基于誤差縮減的算法和基于版本空間縮減的算法。將主動(dòng)學(xué)習(xí)策略與其他應(yīng)用做結(jié)合的研究很多,例如基于主動(dòng)學(xué)習(xí)的字符識(shí)別[10]、文本分類等。

    由于不同的學(xué)習(xí)算法需要不同的主動(dòng)學(xué)習(xí)策略,基于AM算法的主動(dòng)選擇策略并不適用于Baseline SVD算法,并且他們的模型太過復(fù)雜,本文選擇Baseline SVD作為基準(zhǔn)學(xué)習(xí)器,提出了一種基于評(píng)分改變程度作為樣例選擇的策略。在每次提問后,都會(huì)重新訓(xùn)練,同時(shí)給出新的預(yù)估評(píng)分,預(yù)估評(píng)分波動(dòng)較大的物品認(rèn)為是最不能確定,也是最具信息量的。圖2中,(a)的預(yù)估評(píng)分在不同輪數(shù)之間的評(píng)分差變化很大,而(b)的預(yù)估評(píng)分相對(duì)于要穩(wěn)定很多,相對(duì)于后者,不能確定(a)的評(píng)分的可能性更大,得到該樣本的標(biāo)記可以讓模型更快趨于穩(wěn)定,使用式(6)來衡量這種改變程度的大?。?/p>

    [j=1cnt-1rj+1u,i'-rju,i'cnt-1] (6)

    [i′*=argmaxi'∈I'j=1cnt-1rj+1u,i′-rju,i′cnt-1] (7)

    式中:cnt表示模型訓(xùn)練的總次數(shù);I′表示為標(biāo)注樣本的集合;[rju,i']表示第j次模型;用戶u對(duì)i′的預(yù)估評(píng)分,在所有未評(píng)分的物品,最終選出該值最大的物品供用戶標(biāo)記,該式的意義是連續(xù)兩次模型計(jì)算出來的預(yù)估評(píng)分差的平均值。具體算法流程如圖3所示。

    3 實(shí)驗(yàn)分析

    實(shí)驗(yàn)使用經(jīng)典的Movielens作為數(shù)據(jù)集,采用離線模擬的方式。為了更好地模擬在線用戶的實(shí)際情況,將Movielens中的用戶分成兩部分,選擇一部分用戶和其所評(píng)價(jià)過的電影數(shù)據(jù)作為初始的訓(xùn)練集,認(rèn)為這些用戶已經(jīng)不是新用戶。剩下來的用戶作為新用戶,并將這一部分用戶評(píng)價(jià)電影的數(shù)據(jù)再拆分成兩個(gè)部分,每個(gè)用戶隨機(jī)預(yù)留20個(gè)電影評(píng)分作為最終的測(cè)試集,其他部分的電影評(píng)分作為提問池。本文假設(shè)用戶對(duì)每個(gè)電影都具有打分的能力,系統(tǒng)每次從提問池中選擇電影樣本,供用戶回答,再將這些被標(biāo)注好的樣本放入訓(xùn)練集后,重新訓(xùn)練模型。初始化時(shí),從提問池中隨機(jī)抽取該新用戶的3個(gè)樣本放入訓(xùn)練集中,具體的訓(xùn)練集和測(cè)試集的分布如表2所示。

    表2 Movielens訓(xùn)練集和測(cè)試集的分布

    經(jīng)過研究測(cè)試,Baseline SVD算法在Movielens數(shù)據(jù)集中,選擇隱分類數(shù)為200時(shí)效果較好,其中,學(xué)習(xí)速率α選擇0.02,正則系數(shù)λ選擇0.05。為了反映本文提出的算法性能,選擇以下兩種策略作為比較算法:

    (1) 隨機(jī)選擇。每次從提問池中隨機(jī)選擇一部用戶需要標(biāo)記的電影。

    (2) 選擇熱門。每次從提問池中選擇熱門的電影,熱門產(chǎn)品的定義為,訓(xùn)練集中被看的次數(shù)最多的電影。

    為評(píng)價(jià)本文提出的算法,使用RMSE[11]作為算法的評(píng)價(jià)指標(biāo),本文將最大的迭代次數(shù)選為8,8次迭代過后,模型對(duì)新用戶的推薦基本趨向平穩(wěn)。為了更好地反映結(jié)果,對(duì)每個(gè)實(shí)驗(yàn)都進(jìn)行重復(fù)實(shí)驗(yàn),最后結(jié)果取平均值,有:

    [RMSE=1cu∈Ui∈I(rui-rui)2] (8)

    由圖4可以得出以下結(jié)論,選擇熱門產(chǎn)品的方案最差,雖然流行度高的電影普及度最廣,但是其對(duì)于個(gè)性化的推薦模型建立并不能做出很大的貢獻(xiàn),其RMSE下降速度最慢。

    隨機(jī)選擇策略接近于被動(dòng)學(xué)習(xí)中,被動(dòng)累積數(shù)據(jù)的情況,本文提出的方法在實(shí)驗(yàn)初期,RMSE的數(shù)值下降速度最快,明顯加快了冷啟動(dòng)速度,隨著提問次數(shù)增加,RMSE和隨機(jī)選擇方法效果接近。本文提出的算法在每次提問時(shí),僅需維護(hù)一個(gè)記錄累計(jì)評(píng)分改變的矩陣,為每一個(gè)新用戶選擇評(píng)分改變最大的物品,算法復(fù)雜度較小,也易于理解。

    4 結(jié) 語

    本文提出了一種基于主動(dòng)學(xué)習(xí)的推薦算法,以解決推薦系統(tǒng)中新用戶問題。該方法將預(yù)估評(píng)分的改變程度作為樣本選擇策略,認(rèn)為預(yù)估評(píng)分改變較大的樣例是模型最不能確定的,所含信息量較大。實(shí)驗(yàn)證明,該方法確實(shí)能有效減緩用戶的冷啟動(dòng)。但是本文中的實(shí)驗(yàn)是基于用戶總能回答任何問題的假設(shè)前提,這在現(xiàn)實(shí)中是不成立的,因此,將用戶標(biāo)記樣本的能力結(jié)合樣例選擇策略將是今后的研究重點(diǎn)。

    參考文獻(xiàn)

    [1] 項(xiàng)亮.推薦系統(tǒng)實(shí)踐[M].北京:人民郵電出版社,2012.

    [2] 王國霞,劉賀平.個(gè)性化推薦系統(tǒng)綜述[J].計(jì)算機(jī)工程與應(yīng)用, 2012,48(7):66?76.

    [3] Lemire D, Maclachlan A. Slope one predictors for online rating?based collaborative filtering [C]// Proceedings of SIAM Data Mining. Newport Beach, California: SDM, 2005, 5: 1?5.

    [4] YEHUDA Koren. Factor in the neighbors: scalable and accurate collaborative filtering [J]. ACM Transactions on Knowledge Discovery from Data, 2010, 4(1): 1?10.

    [5] 劉劍波,楊健.基于SVD++與行為分析的社交推薦[J].計(jì)算機(jī)應(yīng)用,2013,33(1):82?86.

    [6] RUBENS Neil, KAPLAN Dain, SUGIYAMA Masashi. Active learning in recommender systems [M]// Anon. Recommender Systems Handbook. US: Springer, 2011: 736?767.

    [7] KARIMI Rasoul, FREUDENTHALER Christoph, NANOPOULOS Alexandros, et al. Active learning for aspect model in recommender systems [C]// Proceedings of 2011 IEEE Symposium on Computational Intelligence and Data Mining (CIDM). [S.l.]: IEEE, 2011:162?167.

    [8] JIN R, SI L. A bayesian approach toward active learning for collaborative filtering [C]// Proceedings of the 20th Conference on Uncertainty in Artificial Intelligence. [S.l.]: AUAI Press, 2004: 278?285.

    [9] KARIMI Rasoul, FREUDENTHALER Christoph, NANOPOULOS Alexandros, et al. Non?myopic active learning for recommender systems based on matrix factorization [C]// Proceedings of 2011 IEEE International Conference on Information Reuse and Integration. [S.l.]: IEEE, 2011: 299?303.

    [10] 孟凡棟.基于主動(dòng)學(xué)習(xí)SVM的字符識(shí)別方法研究[D].南京:南京理工大學(xué),2008.

    [11] 劉建國,周濤,郭強(qiáng),等.個(gè)性化推薦系統(tǒng)評(píng)價(jià)方法綜述[J].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué),2009(3):1?10.

    猜你喜歡
    推薦系統(tǒng)主動(dòng)學(xué)習(xí)
    數(shù)據(jù)挖掘在選課推薦中的研究
    基于用戶偏好的信任網(wǎng)絡(luò)隨機(jī)游走推薦模型
    基于個(gè)性化的協(xié)同過濾圖書推薦算法研究
    個(gè)性化推薦系統(tǒng)關(guān)鍵算法探討
    淺談Mahout在個(gè)性化推薦系統(tǒng)中的應(yīng)用
    化學(xué)教與學(xué)(2016年10期)2016-11-16
    高中生物教學(xué)中學(xué)生主動(dòng)學(xué)習(xí)策略研究
    數(shù)字電路課程的翻轉(zhuǎn)課堂教學(xué)及調(diào)研
    關(guān)于協(xié)同過濾推薦算法的研究文獻(xiàn)綜述
    試論高中生物教學(xué)中學(xué)生主動(dòng)學(xué)習(xí)的措施
    欧美一区二区国产精品久久精品| 在线观看午夜福利视频| 琪琪午夜伦伦电影理论片6080| 国产成人av教育| 国产精品,欧美在线| 久久精品国产亚洲av天美| 91av网一区二区| 在现免费观看毛片| 天堂影院成人在线观看| 每晚都被弄得嗷嗷叫到高潮| 亚洲人与动物交配视频| 宅男免费午夜| 99精品在免费线老司机午夜| 国产午夜精品久久久久久一区二区三区 | 舔av片在线| 日韩精品中文字幕看吧| 国产成人av教育| 亚洲aⅴ乱码一区二区在线播放| 热99在线观看视频| 国产精品一区二区三区四区免费观看 | 禁无遮挡网站| 国产伦精品一区二区三区视频9| h日本视频在线播放| 亚洲第一欧美日韩一区二区三区| 亚洲av一区综合| 国产白丝娇喘喷水9色精品| 欧美黄色淫秽网站| 精品乱码久久久久久99久播| 国产在线男女| 亚洲av日韩精品久久久久久密| 婷婷精品国产亚洲av| 麻豆成人午夜福利视频| 我要搜黄色片| 九九久久精品国产亚洲av麻豆| 老熟妇乱子伦视频在线观看| av黄色大香蕉| 中国美女看黄片| 亚洲美女视频黄频| 精品不卡国产一区二区三区| 老司机午夜福利在线观看视频| 一级毛片久久久久久久久女| 久久人人精品亚洲av| 欧美+日韩+精品| 国产一区二区三区在线臀色熟女| 久久精品91蜜桃| 很黄的视频免费| av视频在线观看入口| 亚洲专区中文字幕在线| 美女被艹到高潮喷水动态| 一级av片app| 久久久久久久精品吃奶| 日韩人妻高清精品专区| 成人一区二区视频在线观看| 大型黄色视频在线免费观看| 一本一本综合久久| 日韩欧美国产一区二区入口| 看黄色毛片网站| 国产真实乱freesex| 高清日韩中文字幕在线| netflix在线观看网站| 简卡轻食公司| 少妇的逼好多水| 成人国产综合亚洲| 国内精品久久久久久久电影| 国产一区二区激情短视频| 午夜福利18| 国产午夜福利久久久久久| 脱女人内裤的视频| aaaaa片日本免费| 午夜老司机福利剧场| 丰满的人妻完整版| 2021天堂中文幕一二区在线观| 看黄色毛片网站| 啦啦啦观看免费观看视频高清| 日韩欧美精品v在线| 内射极品少妇av片p| 成人一区二区视频在线观看| 亚洲欧美日韩卡通动漫| 国产三级中文精品| av黄色大香蕉| 成人鲁丝片一二三区免费| 丰满乱子伦码专区| 搡老岳熟女国产| 精品一区二区三区人妻视频| 欧美区成人在线视频| 欧美又色又爽又黄视频| 五月玫瑰六月丁香| 日本精品一区二区三区蜜桃| 99久久久亚洲精品蜜臀av| 久久精品国产亚洲av天美| 国产精品影院久久| 免费观看人在逋| 亚洲精品日韩av片在线观看| 在线观看av片永久免费下载| 国产精品一区二区三区四区免费观看 | 免费在线观看亚洲国产| 亚洲国产精品sss在线观看| 亚洲五月天丁香| 亚洲成av人片在线播放无| 午夜免费激情av| 国产私拍福利视频在线观看| 久久国产精品影院| 99久久99久久久精品蜜桃| 亚洲av电影不卡..在线观看| 久久天躁狠狠躁夜夜2o2o| 国产91精品成人一区二区三区| 国产毛片a区久久久久| 国产欧美日韩精品一区二区| 久久久国产成人精品二区| 乱人视频在线观看| 亚洲18禁久久av| 国产不卡一卡二| 白带黄色成豆腐渣| 脱女人内裤的视频| 中出人妻视频一区二区| 在现免费观看毛片| av在线天堂中文字幕| 国产伦精品一区二区三区视频9| 亚洲国产高清在线一区二区三| 国产欧美日韩精品一区二区| 天堂影院成人在线观看| 国产亚洲欧美98| 国产精华一区二区三区| 亚洲av一区综合| 好男人电影高清在线观看| 欧美色欧美亚洲另类二区| 最近中文字幕高清免费大全6 | 精品熟女少妇八av免费久了| 综合色av麻豆| 亚洲 国产 在线| 国产精品乱码一区二三区的特点| www.熟女人妻精品国产| 日韩亚洲欧美综合| 欧美一区二区亚洲| 亚洲av免费在线观看| 午夜a级毛片| 国产伦一二天堂av在线观看| 日韩欧美国产在线观看| 男插女下体视频免费在线播放| 免费搜索国产男女视频| 夜夜爽天天搞| 黄色视频,在线免费观看| 国产精品一及| 国产三级在线视频| 日本免费一区二区三区高清不卡| netflix在线观看网站| 高清在线国产一区| 亚洲人与动物交配视频| 嫩草影院入口| 国产精品一区二区三区四区久久| 永久网站在线| 脱女人内裤的视频| 首页视频小说图片口味搜索| 久久九九热精品免费| 乱人视频在线观看| 久久精品夜夜夜夜夜久久蜜豆| 亚洲国产高清在线一区二区三| 最近最新中文字幕大全电影3| 国产淫片久久久久久久久 | 日本黄色片子视频| xxxwww97欧美| 日本精品一区二区三区蜜桃| 亚洲一区二区三区色噜噜| 国产探花极品一区二区| 久久久久免费精品人妻一区二区| 国产视频内射| 国产精品,欧美在线| 亚洲熟妇中文字幕五十中出| 国产免费av片在线观看野外av| 久久精品国产自在天天线| av国产免费在线观看| 午夜免费成人在线视频| 成人国产一区最新在线观看| 精品一区二区三区人妻视频| 变态另类成人亚洲欧美熟女| 好看av亚洲va欧美ⅴa在| 一本精品99久久精品77| 别揉我奶头 嗯啊视频| 亚洲美女搞黄在线观看 | 国产精品99久久久久久久久| 国产精品野战在线观看| 可以在线观看毛片的网站| a级一级毛片免费在线观看| 欧美极品一区二区三区四区| 久久午夜亚洲精品久久| 国产一区二区在线av高清观看| 自拍偷自拍亚洲精品老妇| 精品一区二区三区人妻视频| 麻豆久久精品国产亚洲av| 亚洲av电影不卡..在线观看| 日韩av在线大香蕉| 亚洲国产精品999在线| 变态另类成人亚洲欧美熟女| 午夜日韩欧美国产| 九色国产91popny在线| 中文字幕人妻熟人妻熟丝袜美| 国产精品久久久久久久久免 | 真人一进一出gif抽搐免费| 国产精品女同一区二区软件 | 一本精品99久久精品77| 男女视频在线观看网站免费| 亚洲性夜色夜夜综合| 亚洲国产欧美人成| 18禁黄网站禁片免费观看直播| 日本五十路高清| 亚洲精品一卡2卡三卡4卡5卡| 高潮久久久久久久久久久不卡| 99精品久久久久人妻精品| 我要搜黄色片| 亚洲性夜色夜夜综合| 制服丝袜大香蕉在线| 欧美成人a在线观看| 久久午夜福利片| 真人一进一出gif抽搐免费| 成人无遮挡网站| 欧美成狂野欧美在线观看| 很黄的视频免费| 在线看三级毛片| 亚洲av不卡在线观看| 中出人妻视频一区二区| 老女人水多毛片| 国产精品电影一区二区三区| 91九色精品人成在线观看| 日韩精品中文字幕看吧| 看片在线看免费视频| av在线老鸭窝| 99久久精品一区二区三区| 国产精品电影一区二区三区| 欧美日本视频| 日韩精品中文字幕看吧| 全区人妻精品视频| 国产高潮美女av| 亚洲乱码一区二区免费版| www日本黄色视频网| 97人妻精品一区二区三区麻豆| www日本黄色视频网| 精品乱码久久久久久99久播| 变态另类丝袜制服| 精品乱码久久久久久99久播| а√天堂www在线а√下载| 精品免费久久久久久久清纯| 欧美激情在线99| 毛片女人毛片| 在线免费观看不下载黄p国产 | 一进一出抽搐动态| 国产69精品久久久久777片| 中文字幕免费在线视频6| 午夜精品一区二区三区免费看| 欧美日韩国产亚洲二区| 国产老妇女一区| 久久精品国产自在天天线| 亚洲精品一区av在线观看| 欧美在线黄色| 色综合亚洲欧美另类图片| 国产精品一区二区三区四区久久| 日韩欧美免费精品| 午夜福利在线观看吧| 欧美色欧美亚洲另类二区| 精品国产亚洲在线| 国产精品98久久久久久宅男小说| 97碰自拍视频| 亚洲成人精品中文字幕电影| 少妇被粗大猛烈的视频| 九九久久精品国产亚洲av麻豆| 免费高清视频大片| 最近中文字幕高清免费大全6 | 久久国产乱子免费精品| www日本黄色视频网| 亚洲自偷自拍三级| 欧美一区二区亚洲| 欧美成人a在线观看| 国产成人av教育| 一卡2卡三卡四卡精品乱码亚洲| 最近最新中文字幕大全电影3| 欧美另类亚洲清纯唯美| 欧美潮喷喷水| 一本综合久久免费| 网址你懂的国产日韩在线| 亚洲中文字幕日韩| 99久久久亚洲精品蜜臀av| 国产真实伦视频高清在线观看 | 成人特级黄色片久久久久久久| ponron亚洲| 一级a爱片免费观看的视频| 丰满的人妻完整版| 成年女人永久免费观看视频| 两个人视频免费观看高清| 麻豆国产av国片精品| 久久精品国产99精品国产亚洲性色| 国产aⅴ精品一区二区三区波| 中文字幕高清在线视频| 99久久九九国产精品国产免费| 每晚都被弄得嗷嗷叫到高潮| 国产精品久久久久久亚洲av鲁大| 美女免费视频网站| 亚洲av.av天堂| 国产精品免费一区二区三区在线| 欧美性感艳星| 日韩高清综合在线| 三级毛片av免费| 九色国产91popny在线| 国产精品人妻久久久久久| 成熟少妇高潮喷水视频| 变态另类成人亚洲欧美熟女| 人人妻人人看人人澡| 亚洲精品亚洲一区二区| 别揉我奶头 嗯啊视频| 午夜久久久久精精品| 国产精品一区二区三区四区免费观看 | 永久网站在线| av在线观看视频网站免费| 国产欧美日韩精品亚洲av| 桃红色精品国产亚洲av| 亚洲欧美精品综合久久99| 国产激情偷乱视频一区二区| 亚洲成人免费电影在线观看| 亚洲精品在线观看二区| 久久久久久久久久黄片| 午夜福利免费观看在线| 日韩有码中文字幕| 国产精品久久电影中文字幕| 欧美激情国产日韩精品一区| ponron亚洲| 九色成人免费人妻av| 青草久久国产| www.熟女人妻精品国产| 欧美精品啪啪一区二区三区| 亚洲国产精品sss在线观看| 成人特级av手机在线观看| 国产淫片久久久久久久久 | 中文字幕久久专区| 看十八女毛片水多多多| 丁香欧美五月| 超碰av人人做人人爽久久| x7x7x7水蜜桃| 麻豆一二三区av精品| 久久久久亚洲av毛片大全| 欧美一区二区国产精品久久精品| 毛片女人毛片| 夜夜躁狠狠躁天天躁| 亚洲中文字幕一区二区三区有码在线看| 丰满人妻一区二区三区视频av| 嫩草影院入口| 日韩欧美在线二视频| 搡老熟女国产l中国老女人| 欧美+亚洲+日韩+国产| 久久精品综合一区二区三区| 精品熟女少妇八av免费久了| 日韩欧美国产在线观看| 亚洲av成人精品一区久久| 麻豆久久精品国产亚洲av| АⅤ资源中文在线天堂| 精品无人区乱码1区二区| 国产探花在线观看一区二区| 日本黄色视频三级网站网址| 精品人妻偷拍中文字幕| 91麻豆精品激情在线观看国产| 一个人观看的视频www高清免费观看| 中文字幕免费在线视频6| 白带黄色成豆腐渣| 一a级毛片在线观看| 亚洲无线在线观看| 在线看三级毛片| 国产 一区 欧美 日韩| 国产黄片美女视频| 他把我摸到了高潮在线观看| 亚洲精华国产精华精| 久久久久精品国产欧美久久久| 一个人看的www免费观看视频| 亚洲精品一卡2卡三卡4卡5卡| 少妇人妻一区二区三区视频| 69人妻影院| 色尼玛亚洲综合影院| 久久国产精品影院| 黄片小视频在线播放| 国产精华一区二区三区| 精品久久久久久久久久免费视频| 亚洲 欧美 日韩 在线 免费| 亚洲av美国av| 精品一区二区三区视频在线| 啦啦啦韩国在线观看视频| 日本免费一区二区三区高清不卡| 国产一区二区激情短视频| 免费在线观看亚洲国产| 特级一级黄色大片| 色噜噜av男人的天堂激情| 午夜福利在线观看吧| 欧美另类亚洲清纯唯美| 女同久久另类99精品国产91| 国产精品,欧美在线| 高清毛片免费观看视频网站| 亚洲三级黄色毛片| 91字幕亚洲| 俄罗斯特黄特色一大片| 最新在线观看一区二区三区| 伦理电影大哥的女人| 99热只有精品国产| 无人区码免费观看不卡| 免费在线观看日本一区| 欧美+亚洲+日韩+国产| 亚洲美女视频黄频| 久久人人爽人人爽人人片va | 久久精品人妻少妇| 欧美极品一区二区三区四区| 在线播放无遮挡| 2021天堂中文幕一二区在线观| 搡老妇女老女人老熟妇| 中文字幕免费在线视频6| 国产乱人伦免费视频| 国产不卡一卡二| 亚洲av一区综合| 成年女人毛片免费观看观看9| 日本熟妇午夜| 男女做爰动态图高潮gif福利片| a在线观看视频网站| 国产综合懂色| 国产免费一级a男人的天堂| 99在线人妻在线中文字幕| av女优亚洲男人天堂| 精品久久久久久久人妻蜜臀av| 国产三级在线视频| 亚洲国产精品成人综合色| 黄色丝袜av网址大全| 久久国产精品影院| 国产精品一区二区三区四区久久| 国产成人aa在线观看| 99久久99久久久精品蜜桃| 亚洲欧美日韩无卡精品| 男女之事视频高清在线观看| 国产日本99.免费观看| 91狼人影院| 午夜福利18| 嫩草影院入口| 直男gayav资源| 91久久精品电影网| 我要看日韩黄色一级片| 性欧美人与动物交配| 免费av不卡在线播放| 深夜精品福利| 成人性生交大片免费视频hd| 国产精品亚洲美女久久久| 色综合亚洲欧美另类图片| 精品人妻熟女av久视频| 国产亚洲精品av在线| 欧美在线黄色| 成年人黄色毛片网站| 国产午夜精品论理片| 久久99热这里只有精品18| 午夜精品久久久久久毛片777| 国产又黄又爽又无遮挡在线| eeuss影院久久| 国产成人aa在线观看| av福利片在线观看| 久久中文看片网| aaaaa片日本免费| 欧美不卡视频在线免费观看| 精品一区二区免费观看| 国产成人av教育| 欧美区成人在线视频| 亚洲av电影在线进入| 亚洲av电影不卡..在线观看| 亚洲国产欧洲综合997久久,| 日本a在线网址| 久久久国产成人免费| 日韩精品中文字幕看吧| 国产av不卡久久| 夜夜夜夜夜久久久久| 夜夜看夜夜爽夜夜摸| 99国产综合亚洲精品| 最近最新中文字幕大全电影3| 身体一侧抽搐| 日韩欧美免费精品| 国内精品久久久久精免费| eeuss影院久久| 国产欧美日韩一区二区精品| 欧美绝顶高潮抽搐喷水| 美女高潮喷水抽搐中文字幕| 久久99热6这里只有精品| 一区二区三区激情视频| 听说在线观看完整版免费高清| 亚洲天堂国产精品一区在线| 国产三级中文精品| 俺也久久电影网| 欧美激情国产日韩精品一区| 88av欧美| 亚洲av电影不卡..在线观看| 一进一出抽搐gif免费好疼| 老鸭窝网址在线观看| 少妇的逼水好多| 国产私拍福利视频在线观看| 亚洲欧美激情综合另类| 一级黄色大片毛片| 一个人免费在线观看的高清视频| 又爽又黄a免费视频| 此物有八面人人有两片| 亚洲国产精品成人综合色| 波多野结衣巨乳人妻| 亚洲激情在线av| 无人区码免费观看不卡| 亚洲av二区三区四区| 亚洲性夜色夜夜综合| 日本一本二区三区精品| 欧美bdsm另类| 久久99热6这里只有精品| 麻豆久久精品国产亚洲av| 一个人观看的视频www高清免费观看| 窝窝影院91人妻| 男女做爰动态图高潮gif福利片| 色视频www国产| ponron亚洲| 一本久久中文字幕| 欧美高清成人免费视频www| 美女黄网站色视频| 亚洲av不卡在线观看| 国产爱豆传媒在线观看| 十八禁人妻一区二区| 欧美日韩国产亚洲二区| 久久久久久久久久黄片| 欧美高清性xxxxhd video| 大型黄色视频在线免费观看| 欧美黑人巨大hd| 欧美激情国产日韩精品一区| 国产三级黄色录像| 久久国产精品人妻蜜桃| 草草在线视频免费看| 99久国产av精品| 亚洲精品一区av在线观看| 别揉我奶头~嗯~啊~动态视频| 女同久久另类99精品国产91| 成人午夜高清在线视频| 91九色精品人成在线观看| 床上黄色一级片| 直男gayav资源| av国产免费在线观看| 亚洲人成电影免费在线| 成人特级黄色片久久久久久久| 免费观看人在逋| 亚洲午夜理论影院| 久久人人爽人人爽人人片va | 精品国内亚洲2022精品成人| www.色视频.com| 中出人妻视频一区二区| 国产精品影院久久| 男插女下体视频免费在线播放| 看十八女毛片水多多多| 偷拍熟女少妇极品色| 亚洲三级黄色毛片| 婷婷六月久久综合丁香| 国产精品久久久久久久久免 | 国产欧美日韩一区二区三| 欧美日韩亚洲国产一区二区在线观看| 日韩精品青青久久久久久| 精品一区二区三区视频在线| 日韩中文字幕欧美一区二区| 丝袜美腿在线中文| 亚洲成av人片在线播放无| 亚洲精品粉嫩美女一区| 精品一区二区三区av网在线观看| www.色视频.com| 亚洲人成网站在线播| 亚洲成人中文字幕在线播放| 久久久久性生活片| 国产高潮美女av| 久久午夜亚洲精品久久| 欧美三级亚洲精品| 亚洲精品久久国产高清桃花| 日韩精品中文字幕看吧| 一夜夜www| 免费av观看视频| 国产成人福利小说| 可以在线观看毛片的网站| 亚洲,欧美精品.| 亚洲不卡免费看| eeuss影院久久| 如何舔出高潮| 18禁黄网站禁片免费观看直播| 日本黄色片子视频| 国产男靠女视频免费网站| 国产真实乱freesex| 国产免费一级a男人的天堂| 男人的好看免费观看在线视频| 亚洲av五月六月丁香网| 深爱激情五月婷婷| 麻豆一二三区av精品| 美女黄网站色视频| 国产日本99.免费观看| 在线天堂最新版资源| 国产精品自产拍在线观看55亚洲| 又黄又爽又刺激的免费视频.| 国产免费一级a男人的天堂| 舔av片在线| 91麻豆av在线| 日本五十路高清| 又爽又黄无遮挡网站| 国产av在哪里看| 青草久久国产| 中文亚洲av片在线观看爽| 男人和女人高潮做爰伦理| 一级黄色大片毛片| 欧美成人a在线观看| 免费无遮挡裸体视频| 欧美成人一区二区免费高清观看| 99视频精品全部免费 在线| 国产亚洲av嫩草精品影院| 麻豆久久精品国产亚洲av| 熟女人妻精品中文字幕| 日韩免费av在线播放| 亚洲不卡免费看| 男女下面进入的视频免费午夜| 日本在线视频免费播放| 国产精品一及| 久久久精品大字幕| 色综合站精品国产| 欧美日韩国产亚洲二区| 99国产精品一区二区蜜桃av|