• <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 ?

    基于支持向量機(jī)回歸多屬性智能電視電影推薦

    2015-06-20 00:28:28趙廣杰尹四清
    電視技術(shù) 2015年6期
    關(guān)鍵詞:年齡段向量概率

    趙廣杰,尹四清

    (中北大學(xué) a.計(jì)算機(jī)與控制工程學(xué)院;b.軟件學(xué)院,山西 太原 030051)

    基于支持向量機(jī)回歸多屬性智能電視電影推薦

    趙廣杰a,尹四清b

    (中北大學(xué) a.計(jì)算機(jī)與控制工程學(xué)院;b.軟件學(xué)院,山西 太原 030051)

    針對智能電視電影推薦領(lǐng)域,新用戶難以推薦問題,提出電影按用戶屬性過濾的推薦模型。該模型結(jié)合電影用戶歷史評分,由貝葉斯定理得出每個(gè)電影對用戶屬性的概率評分。為用戶推薦電影時(shí),由用戶屬性和概率評分得出電影預(yù)測評分列表,進(jìn)而推薦預(yù)測評分較高的電影。針對電影屬性概率評分間并線性的,提出支持向量機(jī)回歸的方法,解決用戶多屬性結(jié)合的問題。實(shí)驗(yàn)結(jié)果表明,該模型提高了召回率。得到結(jié)論,該用戶多屬性推薦模型提高了召回率,并能為新用戶推薦。

    電影推薦;冷啟動;支持向量機(jī)回歸;最大最小值方法

    傳統(tǒng)協(xié)同過濾推薦技術(shù)存在新用戶難以推薦的冷啟動問題,尤其在智能電視網(wǎng)絡(luò)、視頻網(wǎng)站等,只有用戶信息,沒有瀏覽或評分記錄,智能電視電影系統(tǒng)難以有效推薦。而基于內(nèi)容過濾技術(shù)可有效解決新用戶冷啟動問題。對于新用戶,Chen Lin提出向用戶推薦“專家用戶”瀏覽的電影[1]。施鳳仙等提出基于用戶屬性分類區(qū)分用戶興趣度的協(xié)同過濾算法[2]。按比重分配用戶相似性和商品的用戶興趣度。但它們的關(guān)系并不一定是線性的。而支持向量機(jī)在解決非線性回歸問題有著不錯(cuò)的效果。

    支持向量機(jī)算法在文本分類、模式識別等分類問題有很好的效果,并被引入非線性回歸領(lǐng)域,展示了不錯(cuò)的性能。王宏宇建立的基于電影屬性支持向量機(jī)回歸的用戶模型[3],提高了推薦精度。但只是根據(jù)電影的屬性和評分,并沒有考慮電影的用戶屬性分類。Liu在Google News用戶個(gè)性化新聞推薦中,利用用戶點(diǎn)擊新聞類別的歷史記錄,建立了用戶長期和短期興趣模型[4]。Mahiye Uluyagmur提出了基于電影特征集的推薦系統(tǒng),但并沒有有效解決多個(gè)特征集結(jié)合問題。本文根據(jù)電影用戶歷史評分,基于不同年齡段用戶對電影喜愛程度不同,電影按用戶屬性有不同的概率評分,并采用支持向量機(jī)回歸結(jié)合用戶多個(gè)屬性。

    本文根據(jù)電影用戶歷史評分,基于電影被不同年齡段用戶喜愛程度不同,計(jì)算得出電影年齡段概率評分。由于每個(gè)電影評分用戶數(shù)量不同,采用min-max方法標(biāo)準(zhǔn)化概率評分,使數(shù)據(jù)具有可比性。針對用戶不同的屬性,如年齡段、職業(yè)等,采用支持向量機(jī)回歸的方法擬合電影不同屬性概率評分,解決不同屬性結(jié)合的問題。實(shí)驗(yàn)采用movielens數(shù)據(jù)集評測了算法的召回率,并與傳統(tǒng)基于電影的knn推薦算法做了對比,實(shí)驗(yàn)證明本文采用的方法提高了召回率,并可為新用戶產(chǎn)生推薦。

    1 理論基礎(chǔ)

    1.1 min-max標(biāo)準(zhǔn)化

    在數(shù)據(jù)分析之前,通常需要先將數(shù)據(jù)標(biāo)準(zhǔn)化,利用標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析。不同數(shù)量的用戶對電影評過分,所以電影的屬性評分概率可能在不同的區(qū)間,為了消除這種影響,需要將數(shù)據(jù)標(biāo)準(zhǔn)化處理,以解決數(shù)據(jù)指標(biāo)之間的可比性。本文采用min-max標(biāo)準(zhǔn)化方法,也稱為離差標(biāo)準(zhǔn)化,就是對原始數(shù)據(jù)的線性變換,使結(jié)果值映射到0和1之間,轉(zhuǎn)化函數(shù)為

    式中:xmin為樣本數(shù)據(jù)最小值;xmax為樣本數(shù)據(jù)最大值;x為樣本數(shù)據(jù)。

    1.2 支持向量機(jī)回歸

    回歸問題是從訓(xùn)練樣本中學(xué)習(xí)輸入輸出變量之間的關(guān)系f(x)??紤]一個(gè)訓(xùn)練樣本數(shù)據(jù)集{(x1,y1),(x2,y2),…,(xi, yi),…r(xn,yn)}。對于i=1,2,3,…,n,其中每個(gè)xi∈Rn表示樣本的輸入空間,與其相對應(yīng)的目標(biāo)值yi?;貧w問題的思想是從中學(xué)習(xí)一個(gè)函數(shù),給定xi的值,能夠預(yù)測yi的值。一般的SVR函數(shù)形式為

    式中:w和b是要尋找的確定最優(yōu)超平面的參數(shù)值,Φ(xi)代表了從Rn到高維空間的一個(gè)非線性變換,目標(biāo)是找出w和b的值,使回歸風(fēng)險(xiǎn)系數(shù)最小化,回歸風(fēng)險(xiǎn)系數(shù)為

    其中:Γ(·)是損失函數(shù),常數(shù)C>0,表示對估計(jì)偏差的懲罰度,最常用的損失函數(shù)Vapnik提出的ε-敏感度函數(shù)[5]為

    此處的目標(biāo)是確定適當(dāng)?shù)膮?shù)值w和b,從而使f(xi)逼近未知目標(biāo)函數(shù)。如果f(xi)與yi的差值的絕對值大于ε,損失函數(shù)Γ(·)的值等于f(xi)的估計(jì)與期望響應(yīng)yi的差值的絕對值再減去ε,否則損失函數(shù)值為0。原問題可以表示為

    由式(4),可知受限于

    式中:ξi和代表輸出結(jié)果上下界的松弛變量。

    使用拉格朗日乘子法得到對偶問題是

    使用二次優(yōu)化方法求解αi和αi*,進(jìn)而得出w。設(shè)置偏移量b=0,自由參數(shù)ε和懲罰因子C就控制了式(10)逼近函數(shù)的VC維[6]

    式中:K(xi,x)表示核函數(shù)。

    2 基于支持向量機(jī)回歸的用戶多屬性推薦算法

    2.1 電影對用戶屬性的概率評分

    電影用戶評分矩陣,是電影被用戶評分的歷史記錄,而每個(gè)用戶都有年齡段、職業(yè)等屬性。電影被某個(gè)年齡段的用戶評分大小及個(gè)數(shù),反映了這個(gè)年齡段的用戶對電影的喜愛程度。本文用7個(gè)年齡段代表人的年齡。借鑒貝葉斯定理,電影受某個(gè)年齡段的喜愛程度可表示為

    式中:m(agek)表示年齡段的先驗(yàn)概率;m(itemi)表示電影被用戶評分的總個(gè)數(shù);m(itemi|agek)表示電影被這個(gè)年齡段評分的總和;而m(agek|itemi)表示電影對各個(gè)年齡段的概率評分。

    求出每個(gè)電影對年齡段的概率評分,每個(gè)電影被不同用戶數(shù)量評分,所以用min-max方法標(biāo)準(zhǔn)化電影的屬性概率評分。

    偽代碼如下:

    2.2 單屬性預(yù)測用戶對電影的評分

    為用戶u推薦最喜歡的前N個(gè)電影。根據(jù)用戶u的年齡段和電影的年齡段概率評分,預(yù)測用戶u對每個(gè)電影的評分。根據(jù)預(yù)測評分大小,為用戶推薦預(yù)測評分最大的前N個(gè)電影。

    2.3 支持向量機(jī)回歸用戶多屬性模型

    不同年齡段k,不同電影i的概率評分不同。同理,不同職業(yè),電影的概率評分也不同。對于用戶,年齡段、職業(yè)的組合,決定了用戶的喜好,但它們并非是線性的。因而構(gòu)建一個(gè)SVR用戶多屬性回歸模型。

    回歸模型的輸入和輸出,從用戶對電影i的年齡段概率評分、職業(yè)概率評分到實(shí)際評分ri。實(shí)際評分和概率評分都是標(biāo)準(zhǔn)化后的數(shù)據(jù)。特定年齡段和職業(yè)有著鮮明喜好的用戶u,回歸模型能很好的預(yù)測其偏好。模型可構(gòu)建為

    式中:ri是用戶u給電影i的實(shí)際評分,m(agek|i)是電影i對用戶年齡段k的概率評分。k∈{0,1,…,6},共7個(gè)年齡段。m(ocups|i)是電影i對用戶職業(yè)s的概率評分。s∈{0,1,…,18},共19個(gè)職業(yè)類型。

    線性回歸模型并不能取得很好的回歸效果,召回率甚至小于單個(gè)屬性概率評分的結(jié)果。支持向量機(jī)回歸通過核函數(shù)K(xi,x)將數(shù)據(jù)從輸入空間非線性變換到高維空間,從而使得數(shù)據(jù)在該空間中被轉(zhuǎn)換成線性組合的。用支持向量機(jī)回歸的方法構(gòu)建非線性回歸模型,基于式(10),可構(gòu)建支持向量機(jī)回歸的用戶多屬性模型

    求解模型時(shí),使用序列最小優(yōu)化方法求解算法,求解該支持向量機(jī)回歸問題。

    2.4 多屬性預(yù)測用戶電影評分

    為每個(gè)用戶構(gòu)建SVR回歸模型,并利用模型,輸入用戶屬性、電影屬性概率評分,輸出電影預(yù)測評分并排序。

    已知用戶u的年齡段、職業(yè),預(yù)測用戶對電影的評分。首先利用用戶屬性,得出用戶對每個(gè)電影的年齡段和職業(yè)屬性概率評分m(age|i)和m(ocup|i)。輸入到支持向量機(jī)回歸模型,得出預(yù)測評分r。預(yù)測評分最高的前N個(gè)電影推薦給用戶。

    3 實(shí)驗(yàn)設(shè)計(jì)及結(jié)果分析

    3.1 數(shù)據(jù)集和評測方法

    采用movielens數(shù)據(jù)集,943個(gè)用戶對1 682個(gè)電影的10萬個(gè)評分?jǐn)?shù)據(jù)。用戶的年齡段和職業(yè)屬性。訓(xùn)練(train)數(shù)據(jù)集采用全部10萬個(gè)評分,驗(yàn)證(test)數(shù)據(jù)集采用20%的評分?jǐn)?shù)據(jù)。使用C++語言,在Windows平臺編寫程序,實(shí)現(xiàn)了基于支持向量機(jī)回歸的用戶多屬性推薦算法。

    智能電視電影系統(tǒng)的最終目的是為用戶推薦感興趣的電影,本文沒有采用RMSE指標(biāo),而是采用召回率評測。為用戶推薦前N個(gè)電影,推薦的電影個(gè)數(shù)和用戶實(shí)際選擇的電影個(gè)數(shù)的比值,即召回率評測。召回率式為

    3.2 實(shí)驗(yàn)結(jié)果及分析

    實(shí)驗(yàn)首先評測了單個(gè)屬性前30的召回率。評測用戶年齡段屬性、職業(yè)屬性的召回率。出于降低計(jì)算復(fù)雜度的考慮,隨機(jī)選擇了200個(gè)用戶的召回率,做了8次重復(fù)實(shí)驗(yàn),得出召回率的平均值。召回率結(jié)果見表1。

    表1 用戶年齡、職業(yè)屬性的召回率 %

    本文使用libsvm工具訓(xùn)練基于支持向量機(jī)回歸的用戶多屬性推薦模型,并預(yù)測評分。核函數(shù)K(xi,x)采用徑向基核exp(-g||x-xi||2)。需要找出最優(yōu)的g和懲罰因子C,本文使用網(wǎng)格搜索來尋找最優(yōu)的g和C。網(wǎng)格搜索就是嘗試各種(g,C)對值,然后進(jìn)行交叉驗(yàn)證,找出精確度最高的(g,C)對。網(wǎng)格搜索參數(shù)g和C的范圍,g∈{0.6,0.8,…,3.0},懲罰因子C∈{0.02,0.04,…,0.10,0.40,0.70,1.00}。詳細(xì)設(shè)置見圖1。

    比較了本文的算法和基于電影的KNN算法的召回率,基于電影KNN算法的參數(shù)k取值100,就是取最相似的100個(gè)電影。相似性公式采用cos相關(guān)系數(shù)。

    圖1 SVM網(wǎng)格搜索交叉驗(yàn)證圖

    由圖1的網(wǎng)格搜索交叉驗(yàn)證圖可知,SVR參數(shù)g取1.6,C取0.4時(shí)召回率達(dá)到了最大值。

    由表1可知,基于支持向量機(jī)回歸用戶多屬性推薦算法15.25%的召回率高于單個(gè)屬性的召回率。

    由表2的實(shí)驗(yàn)數(shù)據(jù),基于支持向量機(jī)回歸用戶多屬性15.25%的召回率遠(yuǎn)高于基于電影的KNN推薦算法5.12%的召回率。實(shí)驗(yàn)結(jié)果表明基于支持向量機(jī)回歸用戶多屬性推薦算法提高了召回率,并可為新用戶產(chǎn)生有效推薦。

    表2 基于電影的KNN、基于SVM回歸用戶多屬性推薦算法召回率 %

    4 結(jié)論

    本文主要對智能電視電影系統(tǒng)新用戶難以推薦的冷啟動問題進(jìn)行了深入研究。采用年齡段對電影的概率評分來表示對電影喜愛程度的方法,解決用戶按屬性選擇電影的問題。采用支持向量機(jī)回歸方法訓(xùn)練用戶多屬性模型,有效解決了用戶多屬性結(jié)合問題。訓(xùn)練數(shù)據(jù)都用min-max方法標(biāo)準(zhǔn)化,使數(shù)據(jù)具有可比性。由實(shí)驗(yàn)結(jié)果可知,該基于支持向量機(jī)回歸用戶多屬性推薦模型提高了召回率,有效解決了新用戶推薦的冷啟動問題。

    [1] LIN Chen,XIE Runquan,LI Lei,et al.PRemiSE:personalized news recommendation via implicit social experts[C]//Proc.21st ACM international conference on information and knowledge man?agement.Maui,HI,USA:[s.n.],2012:1607-1611.

    [2]施鳳仙,陳恩紅.結(jié)合項(xiàng)目區(qū)分用戶興趣度的協(xié)同過濾算法[J].小型微型計(jì)算機(jī)系統(tǒng),2012,33(7):1533-1536.

    [3] 王宏宇,糜仲春,梁曉艷,等.一種基于支持向量機(jī)回歸的推薦算法[J].中國科學(xué)院研究生院學(xué)報(bào),2007,24(6):742-748.

    [4]LIU J,DOLAN P,PEDERSEN E R.Personalized news recommen?dation based on click behavior[C]//Proc.15th international confer?ence on Intelligent user interfaces.[S.l.]:ACM Press,2010:31-40.

    [5]ALPAYDIN E.機(jī)器學(xué)習(xí)導(dǎo)論[M].范明,等,譯.北京:機(jī)械工業(yè)出版社,2009.

    [6] WU X D,KUMAR V.數(shù)據(jù)挖掘十大算法[M].李文波,等,譯.北京:清華大學(xué)出版社,2014.

    Movie Recommendation Using SVR Algorithm Combining Different Attributes

    ZHAO Guangjiea,YIN Siqingb
    (a.Computer and Control Engineering;b.Software School,North University of China,Taiyuan 030051,China)

    As the smart TV can hardly recommend for the new users,recommendation model that users’attributes filtering is proposed.Based on the Bayes’theorem,the model uses the ratings to compute items’probability ratings of different attributes.The users’attributes and items’probability ratings are used to recommend for users.As the items’probability ratings are not statistical independence,the SVR is proposed to combining different attributes.The experimental results show that the model improving the recall.The conclusion is users’different attributes filtering model not only provides better recommendation recall,but also can recommend for new users.

    movie recommendation;cold start problem;SVR;min-max method

    TP393 文獻(xiàn)標(biāo)志碼:A DOI:10.16280/j.videoe.2015.06.008

    【本文獻(xiàn)信息】趙廣杰,尹四清.基于支持向量機(jī)回歸多屬性智能電視電影推薦[J].電視技術(shù),2015,39(6).

    趙廣杰(1986—),碩士生,CCF會員(E200038900G),研究方向?yàn)橥扑]算法和網(wǎng)絡(luò)技術(shù)應(yīng)用;

    尹四清(1964—),副教授,碩士生導(dǎo)師,主要研究方向?yàn)樽匀徽Z言處理和網(wǎng)絡(luò)信息處理。

    許 盈

    2014-12-02

    猜你喜歡
    年齡段向量概率
    第6講 “統(tǒng)計(jì)與概率”復(fù)習(xí)精講
    不同年齡段妊娠早期婦女維生素D含量水平分布
    向量的分解
    各年齡段人群對網(wǎng)上健康教育的認(rèn)知和期望的調(diào)查報(bào)告
    第6講 “統(tǒng)計(jì)與概率”復(fù)習(xí)精講
    概率與統(tǒng)計(jì)(一)
    概率與統(tǒng)計(jì)(二)
    聚焦“向量與三角”創(chuàng)新題
    適合各個(gè)年齡段的黑膠愛好者 Sony(索尼)PS-LX310BT
    向量垂直在解析幾何中的應(yīng)用
    美女福利国产在线| 九色亚洲精品在线播放| 亚洲经典国产精华液单| 另类亚洲欧美激情| 国产欧美日韩一区二区三区在线| 精品少妇内射三级| 一二三四在线观看免费中文在 | 中文字幕免费在线视频6| 91成人精品电影| 国产亚洲精品第一综合不卡 | 午夜激情久久久久久久| 国产精品人妻久久久影院| √禁漫天堂资源中文www| 亚洲情色 制服丝袜| 国产精品女同一区二区软件| 自拍欧美九色日韩亚洲蝌蚪91| 少妇人妻久久综合中文| 国产一区亚洲一区在线观看| 国产精品三级大全| 日日爽夜夜爽网站| av女优亚洲男人天堂| 欧美日韩av久久| 美女国产高潮福利片在线看| 国产欧美日韩一区二区三区在线| 国产成人精品一,二区| 蜜桃在线观看..| 一级毛片黄色毛片免费观看视频| www.av在线官网国产| 午夜福利网站1000一区二区三区| 国产一区二区三区av在线| 亚洲国产精品专区欧美| 色吧在线观看| 国产精品欧美亚洲77777| 精品一区在线观看国产| 精品第一国产精品| 大片免费播放器 马上看| 国产 精品1| 日韩一区二区三区影片| 国产精品久久久久久精品古装| 国产精品一二三区在线看| 韩国精品一区二区三区 | 亚洲天堂av无毛| 精品午夜福利在线看| 视频区图区小说| 国产亚洲午夜精品一区二区久久| 日日摸夜夜添夜夜爱| 日韩欧美精品免费久久| 日韩 亚洲 欧美在线| 国产精品久久久久成人av| 狂野欧美激情性bbbbbb| 新久久久久国产一级毛片| 成人亚洲精品一区在线观看| 菩萨蛮人人尽说江南好唐韦庄| 啦啦啦视频在线资源免费观看| 欧美亚洲日本最大视频资源| 亚洲国产日韩一区二区| 亚洲国产av新网站| 又黄又粗又硬又大视频| 成年女人在线观看亚洲视频| 91国产中文字幕| 美女xxoo啪啪120秒动态图| 亚洲精品第二区| 午夜视频国产福利| 亚洲av国产av综合av卡| 校园人妻丝袜中文字幕| 国产 精品1| 亚洲国产成人一精品久久久| 成人国产麻豆网| 免费播放大片免费观看视频在线观看| 午夜日本视频在线| 国产精品成人在线| 大片电影免费在线观看免费| 丰满乱子伦码专区| 两个人看的免费小视频| 中文字幕精品免费在线观看视频 | 国产在线一区二区三区精| 亚洲成人一二三区av| 超碰97精品在线观看| 久久人人爽人人片av| 秋霞在线观看毛片| 热99国产精品久久久久久7| 99久国产av精品国产电影| 一本大道久久a久久精品| 少妇熟女欧美另类| 国产成人aa在线观看| 国产精品久久久久久精品电影小说| 国产乱来视频区| 少妇熟女欧美另类| 丁香六月天网| 日韩成人伦理影院| 九九在线视频观看精品| 中文欧美无线码| 亚洲综合色惰| 久久久国产一区二区| 亚洲国产精品一区三区| 久久午夜福利片| 亚洲高清免费不卡视频| 下体分泌物呈黄色| 黄色 视频免费看| 久久久国产欧美日韩av| 亚洲精品一二三| 欧美激情极品国产一区二区三区 | 日韩欧美一区视频在线观看| 精品少妇黑人巨大在线播放| 少妇高潮的动态图| 久久99一区二区三区| 国产精品 国内视频| 欧美bdsm另类| 亚洲国产精品一区三区| 精品亚洲乱码少妇综合久久| 天天操日日干夜夜撸| 黑人猛操日本美女一级片| 秋霞在线观看毛片| 国产高清不卡午夜福利| 色吧在线观看| 五月天丁香电影| 成人午夜精彩视频在线观看| 婷婷色综合大香蕉| 亚洲四区av| 国产淫语在线视频| 制服诱惑二区| 一级毛片我不卡| 国产淫语在线视频| 蜜臀久久99精品久久宅男| 在线观看美女被高潮喷水网站| 男人舔女人的私密视频| 美女大奶头黄色视频| 丰满乱子伦码专区| 久久精品国产鲁丝片午夜精品| av.在线天堂| 日本猛色少妇xxxxx猛交久久| 亚洲欧美一区二区三区国产| 国产在线免费精品| 九色成人免费人妻av| 秋霞在线观看毛片| 波野结衣二区三区在线| 2018国产大陆天天弄谢| 久热久热在线精品观看| 成人亚洲欧美一区二区av| 黑人高潮一二区| 免费黄色在线免费观看| 亚洲国产日韩一区二区| av免费在线看不卡| 国产乱来视频区| 少妇高潮的动态图| 日韩中文字幕视频在线看片| 国产乱来视频区| 国产欧美亚洲国产| 国产精品三级大全| 久久久久久人人人人人| 男女下面插进去视频免费观看 | 国产欧美亚洲国产| 爱豆传媒免费全集在线观看| 热99国产精品久久久久久7| 一个人免费看片子| 极品少妇高潮喷水抽搐| 国产精品久久久久成人av| 麻豆乱淫一区二区| 狠狠精品人妻久久久久久综合| 少妇的逼水好多| 大陆偷拍与自拍| 久久精品国产自在天天线| 黑人猛操日本美女一级片| a级毛片黄视频| 两个人免费观看高清视频| 黄片无遮挡物在线观看| 春色校园在线视频观看| 午夜免费观看性视频| 亚洲美女黄色视频免费看| 国精品久久久久久国模美| 丰满少妇做爰视频| 国产熟女欧美一区二区| 国产女主播在线喷水免费视频网站| 欧美精品国产亚洲| 黄片播放在线免费| 久久99热6这里只有精品| 亚洲成av片中文字幕在线观看 | 少妇熟女欧美另类| 夜夜爽夜夜爽视频| 国产精品国产av在线观看| 亚洲人成77777在线视频| 日本黄大片高清| 26uuu在线亚洲综合色| 亚洲av电影在线观看一区二区三区| 国产 精品1| 午夜免费观看性视频| 蜜臀久久99精品久久宅男| 18禁在线无遮挡免费观看视频| 午夜免费观看性视频| 欧美日韩精品成人综合77777| 国产精品久久久久成人av| 免费在线观看完整版高清| 国产麻豆69| 亚洲欧美一区二区三区国产| 国产熟女欧美一区二区| 免费观看性生交大片5| 老女人水多毛片| 国产黄色免费在线视频| 免费日韩欧美在线观看| www.av在线官网国产| 菩萨蛮人人尽说江南好唐韦庄| 亚洲国产欧美在线一区| 最近中文字幕2019免费版| 精品国产一区二区久久| 久久综合国产亚洲精品| 韩国av在线不卡| 考比视频在线观看| av网站免费在线观看视频| 亚洲国产精品专区欧美| 嫩草影院入口| 久久久久久人人人人人| 亚洲精品美女久久久久99蜜臀 | 性高湖久久久久久久久免费观看| 亚洲精品久久久久久婷婷小说| 精品熟女少妇av免费看| 美女大奶头黄色视频| 七月丁香在线播放| 色视频在线一区二区三区| 精品少妇久久久久久888优播| av女优亚洲男人天堂| 丝袜在线中文字幕| 赤兔流量卡办理| 久久99精品国语久久久| 亚洲精品国产av成人精品| 蜜桃在线观看..| av免费在线看不卡| 午夜精品国产一区二区电影| 日本与韩国留学比较| 一级毛片我不卡| 国产毛片在线视频| 黑人猛操日本美女一级片| 99久久人妻综合| 久久久久久久久久久久大奶| 精品久久久精品久久久| 久久鲁丝午夜福利片| 日韩中文字幕视频在线看片| 久久精品国产a三级三级三级| 日韩人妻精品一区2区三区| 亚洲精品国产色婷婷电影| 亚洲图色成人| freevideosex欧美| 2021少妇久久久久久久久久久| 日本黄色日本黄色录像| 丰满迷人的少妇在线观看| 精品亚洲成a人片在线观看| 欧美精品一区二区免费开放| 下体分泌物呈黄色| 午夜福利在线观看免费完整高清在| 黄片播放在线免费| 热99久久久久精品小说推荐| 2018国产大陆天天弄谢| 欧美精品高潮呻吟av久久| 亚洲色图 男人天堂 中文字幕 | 在线天堂中文资源库| 有码 亚洲区| 亚洲av在线观看美女高潮| 亚洲精品,欧美精品| 在现免费观看毛片| www.av在线官网国产| 一级毛片电影观看| 日韩精品免费视频一区二区三区 | 建设人人有责人人尽责人人享有的| 一级毛片黄色毛片免费观看视频| 国产成人免费无遮挡视频| 久久久欧美国产精品| 成人国语在线视频| 欧美日韩亚洲高清精品| 视频在线观看一区二区三区| 观看美女的网站| 国产片特级美女逼逼视频| 在线观看三级黄色| 国产一区亚洲一区在线观看| av卡一久久| 久久精品国产亚洲av天美| 看免费成人av毛片| 国产精品国产三级专区第一集| 国产精品三级大全| 97人妻天天添夜夜摸| 久久精品熟女亚洲av麻豆精品| 日韩人妻精品一区2区三区| 欧美性感艳星| 久久久久久人人人人人| 99精国产麻豆久久婷婷| av国产精品久久久久影院| 国产又色又爽无遮挡免| 国产精品秋霞免费鲁丝片| 丝袜美足系列| 成年av动漫网址| 国产免费视频播放在线视频| 亚洲精品中文字幕在线视频| 免费看不卡的av| 成人毛片a级毛片在线播放| 亚洲成国产人片在线观看| av不卡在线播放| 久久久精品免费免费高清| 美女大奶头黄色视频| 国产av国产精品国产| 免费看不卡的av| 久久人人爽人人爽人人片va| 亚洲国产毛片av蜜桃av| 亚洲欧美成人综合另类久久久| 啦啦啦啦在线视频资源| 一级,二级,三级黄色视频| 2021少妇久久久久久久久久久| 国产精品一区二区在线观看99| 成人18禁高潮啪啪吃奶动态图| 久久婷婷青草| 精品久久国产蜜桃| 成年动漫av网址| 国产成人免费观看mmmm| 精品亚洲乱码少妇综合久久| 日韩制服骚丝袜av| 亚洲国产精品国产精品| 精品国产乱码久久久久久小说| 性色av一级| 亚洲av中文av极速乱| 亚洲国产色片| 久久99一区二区三区| 国产在视频线精品| 亚洲经典国产精华液单| 91精品国产国语对白视频| 久久av网站| av一本久久久久| 成年女人在线观看亚洲视频| 在线观看三级黄色| 精品一区二区三卡| 五月玫瑰六月丁香| 一个人免费看片子| 五月玫瑰六月丁香| 男女无遮挡免费网站观看| 少妇的丰满在线观看| 日韩制服丝袜自拍偷拍| 成人国产麻豆网| 女的被弄到高潮叫床怎么办| 少妇被粗大猛烈的视频| 香蕉精品网在线| 国产精品 国内视频| 中文乱码字字幕精品一区二区三区| 一级毛片黄色毛片免费观看视频| 欧美人与性动交α欧美软件 | 成人18禁高潮啪啪吃奶动态图| 80岁老熟妇乱子伦牲交| 国产亚洲最大av| 美女中出高潮动态图| 亚洲国产欧美在线一区| 青春草视频在线免费观看| 亚洲精品色激情综合| 久久久a久久爽久久v久久| 日日撸夜夜添| 欧美精品高潮呻吟av久久| 国产精品国产三级国产av玫瑰| 亚洲图色成人| 十分钟在线观看高清视频www| 高清在线视频一区二区三区| 国产成人91sexporn| 亚洲伊人色综图| 日韩伦理黄色片| 99热这里只有是精品在线观看| 婷婷色麻豆天堂久久| 久久久久精品性色| 日韩av在线免费看完整版不卡| 人妻少妇偷人精品九色| 在线免费观看不下载黄p国产| 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 | 深夜精品福利| 亚洲av.av天堂| 黄色视频在线播放观看不卡| 国产一区二区激情短视频 | av福利片在线| 丝袜脚勾引网站| av有码第一页| 有码 亚洲区| 欧美 日韩 精品 国产| 国产福利在线免费观看视频| 久久 成人 亚洲| h视频一区二区三区| 成人黄色视频免费在线看| 一本大道久久a久久精品| 亚洲精品美女久久久久99蜜臀 | 99re6热这里在线精品视频| 中国国产av一级| 久久av网站| 黄片播放在线免费| 国产在线免费精品| 午夜91福利影院| 一级毛片黄色毛片免费观看视频| 国产老妇伦熟女老妇高清| 纵有疾风起免费观看全集完整版| 国产 精品1| 亚洲激情五月婷婷啪啪| 在线观看www视频免费| 国产精品偷伦视频观看了| 妹子高潮喷水视频| 69精品国产乱码久久久| 狠狠精品人妻久久久久久综合| 人人妻人人澡人人看| 日韩制服丝袜自拍偷拍| 亚洲av.av天堂| 亚洲国产毛片av蜜桃av| √禁漫天堂资源中文www| 免费看不卡的av| 亚洲情色 制服丝袜| 亚洲性久久影院| 国产精品女同一区二区软件| 日本黄色日本黄色录像| 精品卡一卡二卡四卡免费| 99国产综合亚洲精品| 国产亚洲精品久久久com| 免费观看在线日韩| 毛片一级片免费看久久久久| 免费观看在线日韩| 国产精品久久久久久精品电影小说| 插逼视频在线观看| www日本在线高清视频| 亚洲一码二码三码区别大吗| 秋霞在线观看毛片| 99香蕉大伊视频| 国产在线一区二区三区精| 亚洲av男天堂| 精品一品国产午夜福利视频| 伦理电影免费视频| 日本黄色日本黄色录像| 午夜老司机福利剧场| 大话2 男鬼变身卡| 一边摸一边做爽爽视频免费| 黄片无遮挡物在线观看| 久久精品国产亚洲av天美| 最近最新中文字幕免费大全7| 欧美精品高潮呻吟av久久| 国产精品免费大片| 人人妻人人爽人人添夜夜欢视频| 国产精品久久久久久av不卡| kizo精华| 男女边吃奶边做爰视频| 国产日韩一区二区三区精品不卡| 曰老女人黄片| 成人免费观看视频高清| 欧美少妇被猛烈插入视频| 在线观看一区二区三区激情| 母亲3免费完整高清在线观看 | 在线天堂中文资源库| 欧美人与性动交α欧美精品济南到 | 新久久久久国产一级毛片| 欧美日韩视频精品一区| av线在线观看网站| 日韩大片免费观看网站| h视频一区二区三区| 欧美性感艳星| 亚洲成色77777| 国内精品宾馆在线| 欧美亚洲 丝袜 人妻 在线| 女的被弄到高潮叫床怎么办| 一本色道久久久久久精品综合| 老女人水多毛片| 国产麻豆69| 免费黄网站久久成人精品| 欧美精品一区二区免费开放| av卡一久久| 热99国产精品久久久久久7| 不卡视频在线观看欧美| 国产日韩一区二区三区精品不卡| 成年动漫av网址| 桃花免费在线播放| 国产爽快片一区二区三区| 汤姆久久久久久久影院中文字幕| 最近中文字幕高清免费大全6| 亚洲欧美成人精品一区二区| 亚洲人成77777在线视频| 久久ye,这里只有精品| 人妻一区二区av| 日日摸夜夜添夜夜爱| 在线天堂最新版资源| 亚洲国产色片| 成人黄色视频免费在线看| 丝袜在线中文字幕| 国产黄色免费在线视频| 男女啪啪激烈高潮av片| 男女国产视频网站| 国产亚洲精品第一综合不卡 | 丰满乱子伦码专区| 国产成人欧美| 中文天堂在线官网| 久久国产亚洲av麻豆专区| 成年女人在线观看亚洲视频| 日韩大片免费观看网站| 老熟女久久久| 国产精品偷伦视频观看了| 亚洲人与动物交配视频| 成人毛片60女人毛片免费| 老司机亚洲免费影院| 国产av码专区亚洲av| 国产黄色视频一区二区在线观看| 一区在线观看完整版| 精品亚洲成国产av| av一本久久久久| 伦理电影大哥的女人| 老司机影院成人| 亚洲美女黄色视频免费看| 极品少妇高潮喷水抽搐| 欧美精品av麻豆av| 国产成人精品在线电影| 亚洲人与动物交配视频| 亚洲欧洲国产日韩| h视频一区二区三区| 久久精品久久精品一区二区三区| 成年美女黄网站色视频大全免费| 麻豆乱淫一区二区| 亚洲av男天堂| 欧美老熟妇乱子伦牲交| 国产免费一区二区三区四区乱码| 亚洲精品乱码久久久久久按摩| 国产精品蜜桃在线观看| 黑人高潮一二区| 色5月婷婷丁香| 国产免费一区二区三区四区乱码| 亚洲一区二区三区欧美精品| 成年av动漫网址| 有码 亚洲区| 国产在线免费精品| 国产 精品1| 最新中文字幕久久久久| h视频一区二区三区| 日日摸夜夜添夜夜爱| 国产成人精品在线电影| 毛片一级片免费看久久久久| 国产在线视频一区二区| 最近中文字幕高清免费大全6| 久久精品国产亚洲av涩爱| 日韩成人av中文字幕在线观看| 高清视频免费观看一区二区| 国国产精品蜜臀av免费| 亚洲人成网站在线观看播放| 自拍欧美九色日韩亚洲蝌蚪91| 美女中出高潮动态图| 丰满乱子伦码专区| 久久毛片免费看一区二区三区| 成人影院久久| 免费在线观看完整版高清| 一区二区三区四区激情视频| 欧美激情极品国产一区二区三区 | 乱人伦中国视频| 我的女老师完整版在线观看| 免费在线观看完整版高清| av电影中文网址| 久久99蜜桃精品久久| av在线app专区| 国产精品免费大片| 日韩在线高清观看一区二区三区| 免费大片18禁| 国产熟女欧美一区二区| 免费看av在线观看网站| 亚洲av男天堂| 国产xxxxx性猛交| 国产精品三级大全| 国产在线免费精品| 亚洲人与动物交配视频| 99热网站在线观看| 宅男免费午夜| 最后的刺客免费高清国语| 最新的欧美精品一区二区| 涩涩av久久男人的天堂| 国产日韩一区二区三区精品不卡| 久久人妻熟女aⅴ| 如何舔出高潮| 国产亚洲午夜精品一区二区久久| 女人久久www免费人成看片| 丝袜脚勾引网站| 香蕉国产在线看| 久久精品国产亚洲av天美| 大码成人一级视频| 男人添女人高潮全过程视频| 成人国语在线视频| 久久精品国产鲁丝片午夜精品| 搡女人真爽免费视频火全软件| 99热全是精品| 亚洲av国产av综合av卡| 99久国产av精品国产电影| 国产精品 国内视频| 三级国产精品片| 免费观看a级毛片全部| 内地一区二区视频在线| 七月丁香在线播放| 久久狼人影院| 在线观看国产h片| 在线精品无人区一区二区三| 久久 成人 亚洲| 高清黄色对白视频在线免费看| 在线亚洲精品国产二区图片欧美| www.熟女人妻精品国产 | 午夜激情av网站| av片东京热男人的天堂| 欧美激情国产日韩精品一区| av女优亚洲男人天堂| 亚洲国产av新网站| 宅男免费午夜| 老司机影院成人| 国产麻豆69| 久久久久久久久久成人| 亚洲精品国产av成人精品| 美女主播在线视频| 国产精品国产av在线观看| 人妻人人澡人人爽人人| 五月伊人婷婷丁香| 久久毛片免费看一区二区三区| 中文字幕精品免费在线观看视频 | 亚洲精品456在线播放app| 精品午夜福利在线看| 中国美白少妇内射xxxbb| 久久综合国产亚洲精品| 久久久久久久久久久免费av| 国产精品久久久久久av不卡| 大陆偷拍与自拍| 色婷婷久久久亚洲欧美| 最近最新中文字幕大全免费视频 | 日本欧美国产在线视频|