• <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 ?

    基于相似傳播和情景聚類的網(wǎng)絡(luò)協(xié)同過濾推薦算法研究

    2016-12-21 23:35曾群程曉
    現(xiàn)代情報 2016年11期
    關(guān)鍵詞:推薦算法協(xié)同過濾

    曾群 程曉

    〔摘要〕互聯(lián)網(wǎng)時代,個性化推薦系統(tǒng)逐漸被應(yīng)用到各個不同的領(lǐng)域,隨之個性化推薦算法也成為目前研究的熱點(diǎn)。然而,傳統(tǒng)的推薦算法往往存在著冷啟動、數(shù)據(jù)稀疏等問題。本文在對傳統(tǒng)推薦算法研究的基礎(chǔ)上,提出了一種基于相似傳播和情景聚類的協(xié)同過濾推薦算法,根據(jù)計算用戶間的情景相似度對用戶進(jìn)行聚類,然后根據(jù)相似傳播原理找出目標(biāo)用戶更多的最近鄰居,最后根據(jù)預(yù)測目標(biāo)用戶對項目的評分進(jìn)行推薦。借助網(wǎng)上公共數(shù)據(jù)集在Matlab上實(shí)現(xiàn)了該算法并驗證了算法的有效性。實(shí)驗結(jié)果表明,本文所提算法的準(zhǔn)確性相比傳統(tǒng)算法有所提高,同時緩解了傳統(tǒng)推薦算法存在的冷啟動和數(shù)據(jù)稀疏性等問題。

    〔關(guān)鍵詞〕相似傳播;情景聚類;協(xié)同過濾;推薦算法

    DOI:10.3969/j.issn.1008-0821.2016.11.009

    〔中圖分類號〕G2062〔文獻(xiàn)標(biāo)識碼〕A〔文章編號〕1008-0821(2016)11-0050-05

    〔Abstract〕In the age of the Internet era,the personalized recommendation system gradually is applied to different fields and recommendation algorithm has become a research hot spot at present.Traditional recommendation algorithm,however,often has some problems,for example a cold start,sparse data.In this paper,on the basis of researches on traditional recommendation algorithm,this paper proposed a collaborative filtering recommendation algorithm based on similarity propagation and context clustering.Computing the similarity between user for user clustering,then the paper found more nearest neighbors of target users,according to the similarity propagation to finally,it recommended projects according to the forecast target users ratings.With the help of online public data,the paper implemented the proposed algorithm and verified the effectiveness of the proposed algorithm on Matlab.experiment showed that the accuracy of the proposed algorithm compared with the traditional algorithm was higher,and the proposed algorithm relieved the problems of traditional recommendation algorithm,such as the cold start and sparse data,etc.

    〔Key words〕similarity propagation;context clustering;collaborative filtering;recommendation algorithm

    如今,互聯(lián)網(wǎng)已經(jīng)成為人們獲取信息的重要途徑。然而,隨著網(wǎng)絡(luò)上信息量越來越大,信息過載的問題也越來越嚴(yán)重,這對人們在網(wǎng)上快速查找精確信息造成了很大的困難。個性化推薦系統(tǒng)能夠根據(jù)用戶的興趣偏好、項目、需求甚至通過感知用戶的情景來向用戶推薦信息,這不僅很好地解決了信息過載的問題,同時還滿足了用戶的個性化需求。在實(shí)際應(yīng)用方面,亞馬遜、當(dāng)當(dāng)?shù)却笮碗娚叹W(wǎng)站都開發(fā)出了自己的推薦系統(tǒng)。在學(xué)術(shù)研究領(lǐng)域,個性化推薦方面的研究也逐漸進(jìn)入學(xué)者的視野并得到關(guān)注,例如美國的Grouplens團(tuán)隊、Alexander Tuzhilin教授、Paul Resnick教授等對個性化推薦系統(tǒng)及相關(guān)的推薦算法進(jìn)行了深入的研究[1]。

    1問題的提出

    協(xié)同過濾推薦算法作為目前研究較成熟、應(yīng)用范圍較廣的推薦算法已被廣泛地運(yùn)用于互聯(lián)網(wǎng)各大推薦系統(tǒng)中[2]。然而,傳統(tǒng)的協(xié)同過濾推薦算法推薦的準(zhǔn)確率和推薦效率往往受到多方面的影響,如對于新用戶存在的冷啟動問題和由于評分矩陣數(shù)據(jù)稀少導(dǎo)致的數(shù)據(jù)稀疏問題對推薦算法的質(zhì)量產(chǎn)生的影響。

    本文對傳統(tǒng)的推薦算法進(jìn)行了改進(jìn),將相似傳播的思想和用戶的情景與協(xié)同過濾推薦相結(jié)合,提出了一種基于相似傳播和情景聚類的網(wǎng)絡(luò)協(xié)同過濾推薦算法,在傳統(tǒng)協(xié)同過濾算法存在的問題得到了較好緩解的同時也提高了推薦算法推薦的準(zhǔn)確率。

    2相關(guān)概念及理論

    21情景的定義

    情景在不同的領(lǐng)域有不同的定義,心理學(xué)、情報學(xué)、哲學(xué)、組織行為學(xué)、教育學(xué)、社會學(xué)等領(lǐng)域的眾多學(xué)者都對情景進(jìn)行了深入的研究和探討,但關(guān)于情景的定義學(xué)者們都各執(zhí)己見,不能達(dá)成一致共識,因此情景一直沒有統(tǒng)一的定義。Dey等人認(rèn)為能描述某一實(shí)體特征的信息即為情景[3]。雖然這一定義目前被廣泛引用,但由于不同領(lǐng)域?qū)η榫暗睦斫飧鞑幌嗤榫暗亩x一直無法準(zhǔn)確給出。大多數(shù)學(xué)者都認(rèn)同:情景是和實(shí)體是不可分的,情景只有與實(shí)體產(chǎn)生聯(lián)系才具有意義,情景可以將實(shí)體的相關(guān)信息進(jìn)行詳細(xì)的描述。

    22聚類的概念

    聚類是利用一定的方法將數(shù)據(jù)集合劃分成簇中各成員間相似度較高但簇與簇間各不相同的多個簇的過程。聚類的結(jié)果往往隨著所使用的聚類方法的改變而改變,使用不同的聚類方法對相同的數(shù)據(jù)集進(jìn)行聚類,產(chǎn)生的最終結(jié)果也可能不同。劃分的過程不是通過人,而是通過聚類算法進(jìn)行的。

    23協(xié)同過濾推薦

    協(xié)同過濾推薦(Collaborative Filtering Recommendation,CFR)是根據(jù)用戶的興趣偏好及相關(guān)信息找到與用戶相似的群體,將該群體感興趣的內(nèi)容作為待推薦的內(nèi)容推薦給用戶。協(xié)同過濾推薦不需要用戶顯式查找自己感興趣的內(nèi)容或項目,而是根據(jù)已有用戶對項目的評分來預(yù)測計算該用戶的評分,進(jìn)而根據(jù)評分高低對用戶進(jìn)行推薦,因此該方法在許多領(lǐng)域得到廣泛的應(yīng)用。

    3傳統(tǒng)協(xié)同過濾推薦算法

    協(xié)同過濾推薦的原理是根據(jù)用戶的興趣偏好及相關(guān)信息找到與用戶相似的群體,將該群體感興趣的內(nèi)容作為待推薦的內(nèi)容推薦給用戶。其中,基于記憶的協(xié)同過濾在實(shí)際運(yùn)用中運(yùn)用范圍較廣,它又可以根據(jù)被計算相似度的對象的不同分為用戶和項目兩種類型[4]。

    31基于用戶的協(xié)同過濾

    基于用戶的協(xié)同過濾(User-based CF)推薦算法首先是查找與目標(biāo)用戶相似的群體(即目標(biāo)用戶的最近鄰),這一過程通常通過利用系統(tǒng)中已有“用戶-項目”評分矩陣中的評分?jǐn)?shù)據(jù)來計算用戶與用戶之間的相似度來完成;然后根據(jù)生成的最近鄰集合中的用戶對項目的評分?jǐn)?shù)據(jù),利用評分預(yù)測計算公式來計算得到目標(biāo)用戶對某一項目的預(yù)測評分;最后根據(jù)預(yù)測結(jié)果對目標(biāo)用戶進(jìn)行推薦。整個推薦過程大致可分為目標(biāo)用戶最近鄰查找和目標(biāo)用戶對項目的評分預(yù)測。余弦相似性、修正的余弦相似性、Tanimoto系數(shù),Pearson相關(guān)系數(shù)[5]等是在計算相關(guān)系數(shù)時較常使用的方法。

    User-based協(xié)同過濾推薦算法在計算用戶間的相似度時多是采用Pearson相關(guān)系數(shù)的計算方法,根據(jù)已有用戶對項目的評分矩陣進(jìn)行計算。計算用戶u與u′間的相似度,計算公式如下:

    sim(u,u′)=∑s∈I(u,u′)(r(u,s)-(u))(r(u′,s)-(u′))∑s∈I(u,u′)(r(u,s)-(u))2(r(u′,s)-(u′))2

    其中,r(u,s)代表用戶u對項目s的評分,r(u′,s)代表用戶u′對項目s的評分;(u)代表用戶u對所有項目評分的平均分,(u′)代表用戶u′對所有項目評分的平均分;I(u,u′)代表用戶u與用戶u′都有評分的項目的集合。

    通過計算目標(biāo)用戶與非目標(biāo)用戶間的相似度找到與目標(biāo)用戶相似的用戶群體,將該群體的集合作為目標(biāo)用戶的最近鄰集合D。生成最近鄰集合后,將最近鄰集合中用戶對項目的評分?jǐn)?shù)據(jù)代入評分預(yù)測公式來對目標(biāo)用戶進(jìn)行偏好預(yù)測。預(yù)測目標(biāo)用戶u對某一項目s′的評分時可采用如下公式[6]:

    P(u,s′)=∑u′∈D[sim(u,u′)R(u′,s′)]∑u′∈Dsim(u,u′)

    其中R(u′,s′)代表用戶u的最近鄰集合中的用戶對項目s′的評分,sim(u,u′)代表用戶u與u′的相似度,D為用戶u的最近鄰集合。

    以上公式計算出來的預(yù)測結(jié)果將作為對目標(biāo)用戶進(jìn)行推薦的依據(jù)。

    32基于項目的協(xié)同過濾

    基于項目的協(xié)同過濾(Item-based CF)推薦算法首先是找到與項目相似的項目群,這一過程通常通過利用已有用戶對項目的評分?jǐn)?shù)據(jù)計算項目與項目之間的相關(guān)系數(shù)來完成;項目相似群生成后,根據(jù)用戶對群體中各項目的已有評分?jǐn)?shù)據(jù)來計算用戶對某一項目的預(yù)測評分;最后根據(jù)評分計算結(jié)果對用戶產(chǎn)生相關(guān)推薦。計算項目t與t′間的相似度,計算公式如下:

    sim(t,t′)=∑u∈u(t,t′)(r(u,t)-(t))(r(u,t′)-(t′))∑u∈u(t,t′)(r(u,t)-(t))2(r(u,t′)-(t′))2

    其中,r(u,t)代表用戶u對項目t的評分,r(u,t′)代表用戶u對項目t′的評分;(t)代表所有用戶對項目t評分的平均分,(t′)代表所有用戶對項目t′評分的平均分;u(t,t′)代表對項目t與t′都有評分的用戶的集合。

    根據(jù)項目間相關(guān)系數(shù)的計算生成項目的最近鄰集合I,之后根據(jù)生成的相似的項目群體來預(yù)測用戶對項目的評分。如計算用戶a對項目i的預(yù)測評分,計算公式如下[7]:

    P(a,i)=(i)+∑j∈I(i,j)sim(i,j)(r(a,j)-(j))∑j∈I(i,j)sim(i,j)

    其中,(i)代表所有用戶對項目i評分的平均分,(j)代表所有用戶對項目j評分的平均分;sim(i,j)代表項目i與項目j間的相似度;I(i,j)代表項目i的最近鄰集合。

    計算出預(yù)測評分后依據(jù)預(yù)測結(jié)果對用戶進(jìn)行推薦。

    然而,對于新用戶和評分?jǐn)?shù)據(jù)較少的用戶,利用傳統(tǒng)的協(xié)同過濾推薦算法很難對其進(jìn)行準(zhǔn)確的推薦。本文在對傳統(tǒng)推薦算法研究的基礎(chǔ)上,將相似傳播的思想和用戶的情景與協(xié)同過濾推薦相結(jié)合,提出了一種基于相似傳播和情景聚類的協(xié)同過濾推薦算法,對傳統(tǒng)的推薦算法進(jìn)行改進(jìn)以解決冷啟動及數(shù)據(jù)稀疏等問題。由于在個性化推薦的過程中充分考慮用戶的情景,使得推薦結(jié)果更能滿足用戶個性化的需求,準(zhǔn)確率也相對較高。

    4基于相似傳播和情景聚類的協(xié)同過濾推薦算法

    41算法思路

    基于聚類的協(xié)同過濾推薦算法是根據(jù)一定的聚類算法利用已有的“用戶-項目”評分矩陣將用戶分成多個不同的簇,通過計算用戶與各簇的距離來找到與目標(biāo)用戶距離最小的簇作為目標(biāo)用戶的相似用戶群體,最后將目標(biāo)用戶相似群體中的用戶對某一項目的加權(quán)平均分作為目標(biāo)用戶對該項目的評分,以此方式來預(yù)測目標(biāo)用戶對項目的偏好程度,然后對用戶進(jìn)行推薦。

    然而對于新用戶,由于缺少相關(guān)信息,在查找用戶最近鄰時可能會出現(xiàn)很大的誤差,最終影響推薦的準(zhǔn)確性。情景能很好地描述用戶的特征,對個性化推薦有著至關(guān)重要的影響。

    本文將用戶的情景因素引入到個性化推薦中,充分考慮情景對推薦效果的影響,對原有的基于聚類的協(xié)同過濾推薦算法在相似度計算公式和用戶評分預(yù)測公式進(jìn)行改進(jìn),提出了一種基于相似傳播和情景聚類的協(xié)同過濾推薦算法。該算法根據(jù)用戶的情景對用戶進(jìn)行聚類,同時引入相似度傳播的思想,能夠很好地緩解以前算法存在的數(shù)據(jù)稀疏性問題。

    相似傳播,就是根據(jù)每個用戶或項目的最近鄰找出最近鄰的最近鄰,這樣能尋找出與目標(biāo)用戶相似的更多的鄰居,提高推薦結(jié)果的準(zhǔn)確性。例如,若用戶u的最近鄰為u1,而u1的最近鄰為u、u2和u3,則在預(yù)測用戶u對某一項目的評分時,可以根據(jù)一定的算法利用用戶u1、u2和u3的評分預(yù)測用戶u的評分,最終進(jìn)行推薦。

    在推薦系統(tǒng)中利用情景對推薦信息進(jìn)行過濾的時間并非是固定的,根據(jù)利用情景的先后,可將情景感知推薦系統(tǒng)分為情景預(yù)過濾、后過濾與建模3種不同的形式[8]。情景預(yù)過濾是在推薦過程中首先根據(jù)用戶的情景剔除部分不匹配數(shù)據(jù),生成與用戶情景相關(guān)的評分?jǐn)?shù)據(jù)集,之后根據(jù)推薦算法對數(shù)據(jù)集進(jìn)行用戶評分預(yù)測,最終將與用戶情景匹配的結(jié)果推薦給用戶。本文所提算法工作流程圖如圖1所示:

    42算法

    本文所提算法大致可分為以下3個步驟:

    421聚類

    本文根據(jù)用戶情景的不同將用戶進(jìn)行聚類。首先確定出k個聚類中心,然后計算不同情景間的相似度,依此將用戶分成k個簇,使得每個簇中的用戶有相似的情景。由于情景的屬性是混合型的,在計算情景間相似度前需對用戶的情景進(jìn)行抽象描述。本文通過采用余弦相似性計算用戶情景的相似性對用戶進(jìn)行聚類。將用戶的情景定義為C,計算情景C1與情景C2間的相似性的計算方式如下:

    sim(C1,C2)=C1·C2C1C2

    通過計算情景間的相似性,將情景相似度高的用戶聚類在一起,生成情景最近鄰集合M。

    422最近鄰集合的生成

    計算目標(biāo)用戶到通過情景聚類得到的各簇之間的距離,找到與目標(biāo)用戶距離最近的簇,并計算目標(biāo)用戶與簇中各用戶間的相似度。本文在傳統(tǒng)的計算用戶相似度的基礎(chǔ)上引入用戶的情景因素,對傳統(tǒng)的相似度計算方法進(jìn)行改進(jìn),提出了基于情景的用戶相似度的計算,如計算目標(biāo)用戶u與用戶u′間的相似度,計算方法如下:

    sim(u,u′)=∑j∈I(u,u′,c)(r(u,c,j)-(u,c))(r(u′,c,j)-(u′,c))∑j∈I(u,u′,c)(r(u,c,j)-(u,c))2(r(u′,c,j)-(u′,c))2

    其中,r(u,c,j)代表用戶u在情景c下對項目j的評分,r(u′,c,j)代表用戶u′在情景c下對項目j的評分;(u,c)代表用戶u在情景c下對所有項目評分的平均分,(u′,c)代表用戶u′在情景c下對所有項目評分的平均分;I(u,u′,c)代表用戶u與用戶u′在情景c下有共同評分的項目的集合。

    根據(jù)以上公式計算出目標(biāo)用戶與簇中各用戶的相關(guān)系數(shù),將與目標(biāo)用戶相似度較高的用戶放入同一集合中,生成目標(biāo)用戶的最近鄰集合N。

    在計算項目與項目間的相似度時,本文在基于項目的協(xié)同過濾經(jīng)典算法Slope One算法[9]中引入用戶的情景,形成“用戶-情景-項目”模型,在計算項目間相似度時將情景因素對用戶對項目評分的影響考慮在內(nèi),提出基于情景的項目相似度計算方法,計算項目t與項目t′的相似度的計算方法如下:

    sim(t,t′)=1-∑u∈U(c,t,t′)[r(u,c,t)-r(u,c,t′)]U(c,t,t′)Pm

    其中r(u,c,t)代表用戶u在情景c下對項目t的評分,r(u,c,t′)代表用戶u在情景c下對項目t′的評分;U(c,t,t′)代表在情景c下對項目t與t′均有評分的用戶數(shù),U(c,t,t′)代表在情景c下對項目t與項目t′均有評分的用戶的集合,Pm表示滿分評分。

    通過計算項目間的相關(guān)性生成項目的相似項目群作為項目的最近鄰集合A。

    423推薦的生成

    假設(shè)用戶u的用戶最近鄰集合表示為N,情景c的情景最近鄰集合表示為M,項目t的項目最近鄰集合表示為A,則用戶u在情景c下對項目t的預(yù)測評分Gu,c,t可通過目標(biāo)用戶u的用戶最近鄰集合N中的用戶在情景c下對項目t的評分,目標(biāo)用戶u在情景c的情景最近鄰集合M下對項目t的評分,以及目標(biāo)用戶u在情景c下對項目t的項目最近鄰集合A中項目的評分求得。用戶u在情景c下對項目t的預(yù)測評分計算方法如下:

    Gu,c,t=13k1∑u′∈Nsim(u,u′)[R(u′,c,t)-(u′,c)]+(u,c)+k2∑c′∈Msim(c,c′)[R(u,c′,t)-(c′,t)]+12[(c,t)+(u,c)]+k3∑t′∈Asim(t,t′)[R(u,c,t′)-(c,t′)]+(c,t)

    其中k1=1∑u′∈Nsim(u,u′),k2=1∑c′∈Msim(c,c′),k3=1∑t′∈Asim(t,t′)。R(u′,c,t)代表用戶u′在情景c下對項目t的評分,R(u,c′,t)代表用戶u在情景c′下對t的評分,R(u,c,t′)代表用戶u在情景c下對項目t′的評分;(u′,c)代表用戶u′在情景c下對所有項目評分的平均分,(c′,t)代表所有用戶在情景c′下對項目t評分的平均分,(c,t′)代表所有用戶在情景c下對項目t′評分的平均分;(u,c)代表用戶u在情景c下對所有項目評分的平均分,(c,t)代表所有用戶在情景c下對項目t的評分的平均分。

    43實(shí)驗和結(jié)論

    為了驗證本算法的有效性,筆者利用Matlab進(jìn)行了驗證。本文用來驗證的數(shù)據(jù)集來自Grouplens提供的公開數(shù)據(jù)集,該數(shù)據(jù)集中包含了用戶的情景信息、用戶對電影的評分(1~5分之間)。筆者通過對公開數(shù)據(jù)集中數(shù)據(jù)的處理,從原始數(shù)據(jù)集中選出評分較多的用戶,其中包括1 000名用戶在不同情景下對3 000部電影做出的160 000條評分作為驗證數(shù)據(jù),其中用來訓(xùn)練的數(shù)據(jù)占70%,用來測試的數(shù)據(jù)占30%,實(shí)驗對預(yù)測分?jǐn)?shù)達(dá)45分以上的電影向用戶做推薦。

    在仿真過程中,通過計算不同算法(含本文算法與傳統(tǒng)算法)間的平均絕對誤差(MAE,Mean Absolute Error)來加以證明本文算法的有效性。設(shè)預(yù)測評分集合為P={p1,p2,p3,…,pi,…,pn},實(shí)際評分集合為Q={q1,q2,q3,…,qi,qn},則平均絕對誤差的計算公式如下:

    MAE=∑ni=1pi-qin

    所得結(jié)果如圖2所示。由圖中可看出在最近鄰數(shù)目相同時,本文算法的MAE值明顯小于Slope One算法和傳統(tǒng)的協(xié)同過濾推薦算法,本文所提算法推薦的準(zhǔn)確率與以上兩種算法相比相對較高。

    5結(jié)語

    本文在對用戶進(jìn)行推薦時充分考慮用戶的情景因素對推薦結(jié)果的影響,根據(jù)情景間的差異將用戶進(jìn)行聚類,且在計算用戶和項目相似度以及用戶對項目的預(yù)測評分時也將情景的影響考慮在內(nèi),最終實(shí)現(xiàn)對用戶的項目推薦,仿真實(shí)驗證明了本文所提算法是有效且可行的。由于在推薦過程中不僅考慮用戶的情景因素對用戶偏好的影響,同時引入相似傳播的思想使得目標(biāo)用戶能找到更多的鄰居,這樣很好地緩解了傳統(tǒng)算法中一直存在的冷啟動問題,而且進(jìn)一步提高了推薦算法的準(zhǔn)確率。但由于在根據(jù)用戶情景對用戶進(jìn)行聚類時需反復(fù)迭代,計算所花時間較長,造成整個推薦過程所花時間相對較長,因此未來的研究希望能圖2不同算法的MAE值比較

    在提高推薦效率上有所突破。

    參考文獻(xiàn)

    [1]馮鵬程.基于情境感知的個性化推薦算法的研究[D].上海:東華大學(xué),2014.

    [2]鄧曉懿,金淳,韓慶平,等.基于情境聚類和用戶評級的協(xié)同過濾推薦模型[J].系統(tǒng)工程理論與實(shí)踐,2013,(11):2945-2953.

    [3]詹麗華,李育嫦,潘瑞冰.基于情景感知的移動搜索的演變和實(shí)現(xiàn)[J].圖書館理論與實(shí)踐,2015,(11):102-105.

    [4]奉國和,梁曉婷.協(xié)同過濾推薦研究綜述[J].圖書情報工作,2011,16:126-130.

    [5]邱均平,張聰.高校圖書館館藏資源協(xié)同推薦系統(tǒng)研究[J].圖書情報工作,2013,22:132-137.

    [6]羅文.協(xié)同過濾推薦算法綜述[J].科技傳播,2015,(7):115,196.

    [7]董坤.基于協(xié)同過濾算法的高校圖書館圖書推薦系統(tǒng)研究[J].現(xiàn)代圖書情報技術(shù),2011,(11):44-47.

    [8]申艷光,郭高尚,吳晶晶.結(jié)合情景和協(xié)同過濾的移動推薦算法[J].科學(xué)技術(shù)與工程,2014,(8):49-52,64.

    [9]王毅,樓恒越.一種改進(jìn)的Slope One協(xié)同過濾算法[J].計算機(jī)科學(xué),2011,(S1):192-194.

    (本文責(zé)任編輯:郭沫含)

    猜你喜歡
    推薦算法協(xié)同過濾
    改進(jìn)的協(xié)同過濾推薦算法
    成人鲁丝片一二三区免费| 欧美成人a在线观看| 久久久久久久午夜电影| 亚洲最大成人av| 亚洲欧美日韩无卡精品| 直男gayav资源| 欧洲精品卡2卡3卡4卡5卡区| 午夜精品久久久久久毛片777| 99在线视频只有这里精品首页| 中文字幕免费在线视频6| 搡老熟女国产l中国老女人| 色哟哟哟哟哟哟| 免费av毛片视频| 亚洲av第一区精品v没综合| 亚洲欧美激情综合另类| 色5月婷婷丁香| 亚洲专区中文字幕在线| 亚洲最大成人av| 亚洲人与动物交配视频| 国产亚洲精品av在线| 在线观看av片永久免费下载| or卡值多少钱| 亚洲一区高清亚洲精品| 少妇熟女aⅴ在线视频| 日本五十路高清| 久久久久久大精品| 最新在线观看一区二区三区| 两性午夜刺激爽爽歪歪视频在线观看| 婷婷精品国产亚洲av在线| 国产一区二区激情短视频| 亚洲av免费高清在线观看| 久久精品国产亚洲av天美| 国产精品乱码一区二三区的特点| av国产免费在线观看| 精品免费久久久久久久清纯| 一卡2卡三卡四卡精品乱码亚洲| 久久久久久久久久成人| 一级a爱片免费观看的视频| 免费大片18禁| 成人亚洲精品av一区二区| 伊人久久精品亚洲午夜| 国产主播在线观看一区二区| 夜夜爽天天搞| 精品人妻一区二区三区麻豆 | 精品久久久久久久人妻蜜臀av| 两个人的视频大全免费| 色综合站精品国产| 国产亚洲欧美98| 亚洲成av人片在线播放无| 欧美+亚洲+日韩+国产| 欧美日韩中文字幕国产精品一区二区三区| 久久99热6这里只有精品| 欧美高清成人免费视频www| 嫩草影视91久久| 久久精品综合一区二区三区| 国产成人aa在线观看| 日韩一区二区视频免费看| 身体一侧抽搐| 久久人人爽人人爽人人片va| 很黄的视频免费| 亚洲午夜理论影院| 村上凉子中文字幕在线| 亚洲最大成人av| 日本撒尿小便嘘嘘汇集6| www.www免费av| 又爽又黄无遮挡网站| 特级一级黄色大片| 久久婷婷人人爽人人干人人爱| 最近最新免费中文字幕在线| 级片在线观看| 亚洲电影在线观看av| 美女高潮喷水抽搐中文字幕| 三级毛片av免费| 看黄色毛片网站| 97碰自拍视频| 亚洲av第一区精品v没综合| 亚洲av不卡在线观看| 伊人久久精品亚洲午夜| 久久精品国产清高在天天线| 亚洲av免费高清在线观看| 中文字幕久久专区| 国产av在哪里看| 俄罗斯特黄特色一大片| 女人被狂操c到高潮| 欧美绝顶高潮抽搐喷水| 久久国产乱子免费精品| 最近最新免费中文字幕在线| 亚洲国产色片| 久久人妻av系列| 亚洲午夜理论影院| 免费在线观看影片大全网站| 国产精品三级大全| 久久精品国产亚洲网站| 亚洲国产日韩欧美精品在线观看| 国产真实伦视频高清在线观看 | 欧美区成人在线视频| 亚洲av美国av| 国产真实乱freesex| 免费一级毛片在线播放高清视频| 最好的美女福利视频网| 夜夜爽天天搞| 啦啦啦韩国在线观看视频| 亚洲 国产 在线| 欧美性猛交╳xxx乱大交人| 久久精品国产99精品国产亚洲性色| 天天一区二区日本电影三级| 免费不卡的大黄色大毛片视频在线观看 | 俄罗斯特黄特色一大片| 国产精品伦人一区二区| 伦理电影大哥的女人| 国产伦精品一区二区三区视频9| 最近最新免费中文字幕在线| 九色国产91popny在线| 日本黄大片高清| 欧美日韩中文字幕国产精品一区二区三区| 国产精品久久电影中文字幕| 免费在线观看影片大全网站| 亚洲七黄色美女视频| 亚洲不卡免费看| 国产老妇女一区| 国产欧美日韩精品亚洲av| 51国产日韩欧美| 韩国av一区二区三区四区| 亚洲国产精品sss在线观看| av视频在线观看入口| 久久精品国产亚洲av天美| 免费观看在线日韩| 国产精品日韩av在线免费观看| 久久久久性生活片| 在线观看66精品国产| 亚洲精品色激情综合| 国产精品美女特级片免费视频播放器| 亚洲无线观看免费| 午夜a级毛片| 亚洲va在线va天堂va国产| 亚洲三级黄色毛片| 少妇人妻一区二区三区视频| 一本一本综合久久| 欧美日韩国产亚洲二区| 深夜精品福利| 久久久国产成人精品二区| 老熟妇乱子伦视频在线观看| 国产一区二区亚洲精品在线观看| 老司机福利观看| 一级黄色大片毛片| 国产精品爽爽va在线观看网站| 免费看日本二区| 三级男女做爰猛烈吃奶摸视频| 日本精品一区二区三区蜜桃| 男人狂女人下面高潮的视频| 国产免费一级a男人的天堂| 亚洲无线在线观看| 精品99又大又爽又粗少妇毛片 | 国内精品久久久久久久电影| 精品福利观看| 国产成年人精品一区二区| bbb黄色大片| 亚洲va日本ⅴa欧美va伊人久久| www.色视频.com| 好男人在线观看高清免费视频| 免费一级毛片在线播放高清视频| 精品国产三级普通话版| 国产成人av教育| 色综合婷婷激情| 欧美+亚洲+日韩+国产| 床上黄色一级片| 欧美xxxx黑人xx丫x性爽| 国产精品久久电影中文字幕| 波多野结衣高清无吗| 欧美成人性av电影在线观看| 日日夜夜操网爽| 村上凉子中文字幕在线| 久久久国产成人免费| 特级一级黄色大片| 国产欧美日韩精品亚洲av| 欧美3d第一页| 亚洲一区二区三区色噜噜| 听说在线观看完整版免费高清| 欧美极品一区二区三区四区| 不卡一级毛片| 91久久精品国产一区二区三区| 欧美黑人巨大hd| 少妇的逼好多水| 久久6这里有精品| 99热6这里只有精品| 国产大屁股一区二区在线视频| 久久久久免费精品人妻一区二区| 精品人妻偷拍中文字幕| 美女黄网站色视频| 色精品久久人妻99蜜桃| 亚洲欧美精品综合久久99| 十八禁国产超污无遮挡网站| 白带黄色成豆腐渣| 国产真实伦视频高清在线观看 | 国产精品嫩草影院av在线观看 | 久久精品国产亚洲av香蕉五月| 日本免费a在线| 亚洲国产色片| 国产v大片淫在线免费观看| 精品久久久久久久人妻蜜臀av| 麻豆成人av在线观看| 日韩中字成人| 狂野欧美激情性xxxx在线观看| 久久九九热精品免费| 老师上课跳d突然被开到最大视频| 又黄又爽又免费观看的视频| 村上凉子中文字幕在线| 最近视频中文字幕2019在线8| 国产淫片久久久久久久久| 十八禁国产超污无遮挡网站| 国产高清不卡午夜福利| 色综合亚洲欧美另类图片| 欧美zozozo另类| 尤物成人国产欧美一区二区三区| 在线a可以看的网站| 丰满的人妻完整版| 亚洲欧美清纯卡通| 日日干狠狠操夜夜爽| 国模一区二区三区四区视频| 一本精品99久久精品77| 精品一区二区三区视频在线观看免费| 女生性感内裤真人,穿戴方法视频| 色视频www国产| h日本视频在线播放| 亚洲av美国av| 国产麻豆成人av免费视频| 国产伦在线观看视频一区| 久久精品国产自在天天线| 97热精品久久久久久| 亚洲天堂国产精品一区在线| 国产精品久久久久久久电影| 亚洲熟妇中文字幕五十中出| 久久久国产成人免费| netflix在线观看网站| 91av网一区二区| 国模一区二区三区四区视频| 欧美潮喷喷水| 亚洲精品亚洲一区二区| 日韩欧美免费精品| 中出人妻视频一区二区| 国产黄片美女视频| 99久久中文字幕三级久久日本| 别揉我奶头~嗯~啊~动态视频| 国产伦精品一区二区三区四那| 日本与韩国留学比较| 亚洲aⅴ乱码一区二区在线播放| 老女人水多毛片| 一区二区三区高清视频在线| 天美传媒精品一区二区| 亚洲精品乱码久久久v下载方式| 亚洲人成网站在线播放欧美日韩| 十八禁网站免费在线| 1024手机看黄色片| 国产欧美日韩精品一区二区| 麻豆久久精品国产亚洲av| 搡女人真爽免费视频火全软件 | 国产精品无大码| 两个人视频免费观看高清| 人妻久久中文字幕网| 国产精品国产高清国产av| 久久婷婷人人爽人人干人人爱| 日韩欧美精品免费久久| 在线播放国产精品三级| 永久网站在线| 有码 亚洲区| 在线看三级毛片| 欧美人与善性xxx| www日本黄色视频网| 成人无遮挡网站| 欧美人与善性xxx| 国产精品三级大全| 国产免费一级a男人的天堂| 久久久久久久午夜电影| 亚洲图色成人| 国产三级在线视频| 熟女人妻精品中文字幕| 免费观看在线日韩| 欧美成人a在线观看| 国产亚洲精品av在线| 日本精品一区二区三区蜜桃| 天堂影院成人在线观看| 国内揄拍国产精品人妻在线| 午夜福利成人在线免费观看| av在线观看视频网站免费| 亚洲四区av| 国产乱人伦免费视频| av在线天堂中文字幕| 国产探花在线观看一区二区| 国产成年人精品一区二区| 久久久久久久午夜电影| 观看免费一级毛片| 高清日韩中文字幕在线| 久久久久久久久久久丰满 | 天美传媒精品一区二区| 国产精品亚洲美女久久久| 成年女人永久免费观看视频| 成人一区二区视频在线观看| 波多野结衣高清作品| 亚洲不卡免费看| 日本色播在线视频| 日本黄色片子视频| 国产av在哪里看| 亚洲成人久久爱视频| 不卡一级毛片| 久久久色成人| 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| 亚洲国产精品合色在线| 亚洲av第一区精品v没综合| netflix在线观看网站| 国产av不卡久久| 国产色爽女视频免费观看| 久久这里只有精品中国| 日本三级黄在线观看| 久久国产乱子免费精品| 中出人妻视频一区二区| 91av网一区二区| 国产亚洲欧美98| 欧美+亚洲+日韩+国产| 真人一进一出gif抽搐免费| 在线a可以看的网站| 99久久无色码亚洲精品果冻| 成年版毛片免费区| 欧美成人a在线观看| 精品久久久久久久人妻蜜臀av| 国产一区二区三区av在线 | 欧美精品国产亚洲| 亚洲男人的天堂狠狠| 亚洲精品日韩av片在线观看| 韩国av在线不卡| 中文字幕av成人在线电影| 日韩亚洲欧美综合| 国产免费男女视频| 日本与韩国留学比较| 男人舔奶头视频| 国产精品爽爽va在线观看网站| 成人亚洲精品av一区二区| 国产高潮美女av| 亚洲国产精品成人综合色| 老女人水多毛片| 成人国产一区最新在线观看| 天美传媒精品一区二区| 欧美一级a爱片免费观看看| 欧美一区二区精品小视频在线| 男女之事视频高清在线观看| .国产精品久久| 99热网站在线观看| 简卡轻食公司| 亚洲va日本ⅴa欧美va伊人久久| 91麻豆精品激情在线观看国产| 一进一出抽搐动态| 成人高潮视频无遮挡免费网站| 在线免费观看的www视频| 国内精品久久久久久久电影| 国产精品久久久久久久电影| 日本爱情动作片www.在线观看 | 久久国产精品人妻蜜桃| 亚州av有码| 久久国产精品人妻蜜桃| 精品午夜福利在线看| 最近最新中文字幕大全电影3| 婷婷六月久久综合丁香| 久久精品国产亚洲av天美| 亚洲成人精品中文字幕电影| 在现免费观看毛片| av专区在线播放| 亚洲国产日韩欧美精品在线观看| 亚洲成人中文字幕在线播放| 国产中年淑女户外野战色| 身体一侧抽搐| 搡老妇女老女人老熟妇| 欧美国产日韩亚洲一区| 久久热精品热| 欧美成人一区二区免费高清观看| 色综合婷婷激情| 天堂动漫精品| 又爽又黄a免费视频| www日本黄色视频网| 色视频www国产| 99国产极品粉嫩在线观看| 久99久视频精品免费| 亚洲第一区二区三区不卡| videossex国产| 欧美激情国产日韩精品一区| 亚洲国产欧美人成| 成人美女网站在线观看视频| 波多野结衣高清无吗| 日韩欧美精品免费久久| 国内精品一区二区在线观看| 麻豆国产97在线/欧美| 一卡2卡三卡四卡精品乱码亚洲| 免费看a级黄色片| 午夜免费激情av| 国产伦一二天堂av在线观看| 成年女人永久免费观看视频| 尤物成人国产欧美一区二区三区| 国产一区二区在线观看日韩| 色视频www国产| 日韩欧美国产一区二区入口| 男人和女人高潮做爰伦理| 麻豆成人av在线观看| 亚洲国产精品成人综合色| 国产精品亚洲美女久久久| 国产一区二区三区在线臀色熟女| 日本一本二区三区精品| 午夜福利高清视频| 露出奶头的视频| 日韩大尺度精品在线看网址| 男女做爰动态图高潮gif福利片| 免费看av在线观看网站| 色哟哟哟哟哟哟| 国产精品爽爽va在线观看网站| 精品久久久久久成人av| 97碰自拍视频| 一个人观看的视频www高清免费观看| 精品一区二区三区av网在线观看| 黄色女人牲交| 亚洲av不卡在线观看| 午夜免费成人在线视频| 亚洲成人久久爱视频| 国产精品一区二区性色av| 午夜福利在线观看吧| 99久久九九国产精品国产免费| 俄罗斯特黄特色一大片| 少妇的逼水好多| 国产欧美日韩精品亚洲av| 国产 一区 欧美 日韩| 久久这里只有精品中国| 久久草成人影院| 村上凉子中文字幕在线| 一进一出抽搐动态| 国产精品综合久久久久久久免费| 成年人黄色毛片网站| .国产精品久久| 亚洲五月天丁香| 日韩精品中文字幕看吧| 最近视频中文字幕2019在线8| 真人做人爱边吃奶动态| АⅤ资源中文在线天堂| 久久久久精品国产欧美久久久| a在线观看视频网站| 国产老妇女一区| 琪琪午夜伦伦电影理论片6080| 国产aⅴ精品一区二区三区波| 男女做爰动态图高潮gif福利片| 极品教师在线视频| 欧美又色又爽又黄视频| 毛片女人毛片| 日韩国内少妇激情av| 欧美黑人欧美精品刺激| 干丝袜人妻中文字幕| 久久精品91蜜桃| 最近中文字幕高清免费大全6 | 午夜精品一区二区三区免费看| 亚洲美女黄片视频| 久久午夜亚洲精品久久| 国产精品一区二区三区四区免费观看 | av福利片在线观看| 国产精品久久久久久av不卡| 18+在线观看网站| 国产男人的电影天堂91| 国产综合懂色| 免费av毛片视频| 亚洲不卡免费看| 黄片wwwwww| 桃色一区二区三区在线观看| 日本黄大片高清| 亚洲国产精品成人综合色| 国产伦一二天堂av在线观看| 精品久久国产蜜桃| 中文在线观看免费www的网站| 少妇丰满av| 男人狂女人下面高潮的视频| 久久热精品热| 久久久色成人| 亚洲中文字幕日韩| 亚洲黑人精品在线| 天堂av国产一区二区熟女人妻| 国产成年人精品一区二区| 亚洲第一电影网av| 欧美bdsm另类| 蜜桃亚洲精品一区二区三区| 国产av在哪里看| 亚洲人与动物交配视频| 12—13女人毛片做爰片一| 国产亚洲精品久久久com| 亚洲精品一卡2卡三卡4卡5卡| 成人午夜高清在线视频| 老司机深夜福利视频在线观看| 色综合站精品国产| 日韩欧美在线乱码| 超碰av人人做人人爽久久| 天天一区二区日本电影三级| 久久6这里有精品| av福利片在线观看| 亚洲五月天丁香| 女同久久另类99精品国产91| 久久久久国内视频| 国产探花极品一区二区| 舔av片在线| 国产又黄又爽又无遮挡在线| 亚洲综合色惰| 婷婷丁香在线五月| 两个人的视频大全免费| 99在线视频只有这里精品首页| 波野结衣二区三区在线| 我要搜黄色片| 国产午夜精品论理片| 黄色视频,在线免费观看| 在线播放无遮挡| 99在线人妻在线中文字幕| 观看免费一级毛片| 国产精品免费一区二区三区在线| 亚洲图色成人| 色噜噜av男人的天堂激情| 性欧美人与动物交配| 91av网一区二区| 亚洲久久久久久中文字幕| 欧美精品国产亚洲| 日韩,欧美,国产一区二区三区 | 日韩人妻高清精品专区| 女的被弄到高潮叫床怎么办 | 伦精品一区二区三区| 久久亚洲真实| 在线观看免费视频日本深夜| 成人无遮挡网站| 亚洲人成网站在线播放欧美日韩| 亚洲五月天丁香| 老熟妇乱子伦视频在线观看| 国产黄色小视频在线观看| 国产精品不卡视频一区二区| 国产精品日韩av在线免费观看| 99精品在免费线老司机午夜| 九色成人免费人妻av| 联通29元200g的流量卡| 亚洲国产欧洲综合997久久,| 十八禁国产超污无遮挡网站| 国产成年人精品一区二区| 乱码一卡2卡4卡精品| 在线免费观看的www视频| 又黄又爽又刺激的免费视频.| 精品国产三级普通话版| 国产精品永久免费网站| 草草在线视频免费看| 狂野欧美激情性xxxx在线观看| 成人一区二区视频在线观看| 久久精品综合一区二区三区| 人妻丰满熟妇av一区二区三区| 精品国产三级普通话版| 十八禁国产超污无遮挡网站| 国产伦人伦偷精品视频| 两个人的视频大全免费| 国产精品久久电影中文字幕| 淫秽高清视频在线观看| 99视频精品全部免费 在线| 在线看三级毛片| 精品乱码久久久久久99久播| 特级一级黄色大片| 麻豆成人午夜福利视频| 亚洲美女视频黄频| 91在线观看av| 毛片女人毛片| 少妇被粗大猛烈的视频| 窝窝影院91人妻| 亚洲五月天丁香| av天堂在线播放| 日本一本二区三区精品| 亚洲av熟女| 男女啪啪激烈高潮av片| 中文字幕人妻熟人妻熟丝袜美| 99久久中文字幕三级久久日本| 内地一区二区视频在线| 搡老熟女国产l中国老女人| 舔av片在线| 亚洲成a人片在线一区二区| 我的老师免费观看完整版| 久久久国产成人免费| 国产三级中文精品| 欧美色欧美亚洲另类二区| 深夜a级毛片| 别揉我奶头 嗯啊视频| 欧美黑人欧美精品刺激| 国产在线男女| 男女之事视频高清在线观看| 白带黄色成豆腐渣| 桃红色精品国产亚洲av| 久久人人精品亚洲av| 校园春色视频在线观看| 丰满人妻一区二区三区视频av| 人妻丰满熟妇av一区二区三区| 国产一区二区激情短视频| 搞女人的毛片| 午夜老司机福利剧场| 国产女主播在线喷水免费视频网站 | 亚洲av中文av极速乱 | 亚洲狠狠婷婷综合久久图片| 日本-黄色视频高清免费观看| 99久国产av精品| a级毛片免费高清观看在线播放| 在线观看免费视频日本深夜| 成年女人毛片免费观看观看9| 久久久久久国产a免费观看| 九九在线视频观看精品| 欧美成人免费av一区二区三区| 露出奶头的视频| 日本黄大片高清| 别揉我奶头 嗯啊视频| 免费观看人在逋| 国产乱人视频| 真实男女啪啪啪动态图| 丝袜美腿在线中文| 自拍偷自拍亚洲精品老妇| 啦啦啦韩国在线观看视频| 久久久久国内视频| 精华霜和精华液先用哪个|