• <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
    久久精品国产自在天天线| 日本猛色少妇xxxxx猛交久久| 久久久亚洲精品成人影院| 亚洲精品乱久久久久久| 国产亚洲精品久久久com| 日本av手机在线免费观看| 少妇猛男粗大的猛烈进出视频| 各种免费的搞黄视频| 天天躁夜夜躁狠狠久久av| 22中文网久久字幕| 欧美日韩综合久久久久久| 女性生殖器流出的白浆| 欧美日韩综合久久久久久| 成年美女黄网站色视频大全免费 | 久久鲁丝午夜福利片| 久久久久人妻精品一区果冻| 国产高清三级在线| 日韩成人av中文字幕在线观看| 国产精品嫩草影院av在线观看| 你懂的网址亚洲精品在线观看| 中国美白少妇内射xxxbb| 91精品一卡2卡3卡4卡| 美女中出高潮动态图| 精品一区二区三卡| 黄色欧美视频在线观看| 久久久a久久爽久久v久久| tube8黄色片| 狠狠精品人妻久久久久久综合| 亚洲不卡免费看| 精品亚洲成国产av| 一级爰片在线观看| 精品一品国产午夜福利视频| 2021少妇久久久久久久久久久| 乱人伦中国视频| 黄色一级大片看看| 欧美xxⅹ黑人| 97在线视频观看| 国产精品一区www在线观看| 男人添女人高潮全过程视频| av.在线天堂| 日本wwww免费看| xxxhd国产人妻xxx| 丝瓜视频免费看黄片| 精品酒店卫生间| 少妇被粗大猛烈的视频| 嫩草影院入口| av在线app专区| 国产男女超爽视频在线观看| 久久久久精品久久久久真实原创| 啦啦啦中文免费视频观看日本| 国产无遮挡羞羞视频在线观看| 亚洲欧美成人精品一区二区| 2022亚洲国产成人精品| 欧美日韩视频高清一区二区三区二| 国产视频内射| 黄色一级大片看看| 国产成人免费观看mmmm| 国产片特级美女逼逼视频| 欧美一级a爱片免费观看看| 免费观看在线日韩| 男女边吃奶边做爰视频| 亚洲av综合色区一区| 热99久久久久精品小说推荐| 亚洲一区二区三区欧美精品| 在线观看国产h片| 51国产日韩欧美| 午夜免费观看性视频| 大话2 男鬼变身卡| 亚洲av电影在线观看一区二区三区| 欧美xxxx性猛交bbbb| 午夜视频国产福利| 免费人妻精品一区二区三区视频| 丰满迷人的少妇在线观看| 久久精品国产亚洲网站| 久久久久国产网址| www.色视频.com| 午夜老司机福利剧场| 涩涩av久久男人的天堂| 中文天堂在线官网| 多毛熟女@视频| 欧美精品亚洲一区二区| 欧美人与善性xxx| 欧美日韩视频精品一区| 大片免费播放器 马上看| 精品亚洲乱码少妇综合久久| 插逼视频在线观看| 日韩大片免费观看网站| 最近2019中文字幕mv第一页| 国产精品人妻久久久久久| 免费高清在线观看视频在线观看| 制服人妻中文乱码| 建设人人有责人人尽责人人享有的| 人妻一区二区av| 国产 一区精品| 久久久久久久精品精品| 精品亚洲成a人片在线观看| 久久久久久久久久人人人人人人| 99热网站在线观看| 国产片特级美女逼逼视频| 男女无遮挡免费网站观看| 纵有疾风起免费观看全集完整版| 久久人人爽人人爽人人片va| a 毛片基地| 久久久欧美国产精品| 日韩一本色道免费dvd| 国产片内射在线| 不卡视频在线观看欧美| 亚洲经典国产精华液单| 777米奇影视久久| 亚洲欧美中文字幕日韩二区| 亚洲精华国产精华液的使用体验| 国产精品成人在线| 王馨瑶露胸无遮挡在线观看| 又黄又爽又刺激的免费视频.| 亚洲av日韩在线播放| 少妇的逼好多水| 99热6这里只有精品| 在线精品无人区一区二区三| av福利片在线| 热99国产精品久久久久久7| 99久久精品一区二区三区| 欧美精品人与动牲交sv欧美| 搡老乐熟女国产| 亚洲精品成人av观看孕妇| 亚洲,欧美,日韩| 久久久久精品久久久久真实原创| 高清欧美精品videossex| 精品一品国产午夜福利视频| av播播在线观看一区| 国产成人a∨麻豆精品| 国产亚洲av片在线观看秒播厂| 制服丝袜香蕉在线| 男女高潮啪啪啪动态图| 国产精品熟女久久久久浪| 精品人妻偷拍中文字幕| 久久久亚洲精品成人影院| 天天操日日干夜夜撸| 欧美精品人与动牲交sv欧美| 99热国产这里只有精品6| 精品国产一区二区久久| 欧美另类一区| 一区二区三区乱码不卡18| 婷婷色av中文字幕| 中文字幕制服av| 久久国产精品男人的天堂亚洲 | 人妻 亚洲 视频| 波野结衣二区三区在线| 欧美亚洲 丝袜 人妻 在线| 亚洲一级一片aⅴ在线观看| 啦啦啦视频在线资源免费观看| 999精品在线视频| .国产精品久久| 777米奇影视久久| 狂野欧美激情性bbbbbb| 国产在线视频一区二区| 久久久国产一区二区| 建设人人有责人人尽责人人享有的| 性高湖久久久久久久久免费观看| 久久久久视频综合| 国产精品久久久久久精品电影小说| a级片在线免费高清观看视频| 成人手机av| 男男h啪啪无遮挡| 欧美精品高潮呻吟av久久| av网站免费在线观看视频| 日韩成人av中文字幕在线观看| 国产乱人偷精品视频| 亚洲精品aⅴ在线观看| 亚洲国产精品一区三区| 精品人妻一区二区三区麻豆| 日韩人妻高清精品专区| 国模一区二区三区四区视频| 日韩欧美一区视频在线观看| 日本色播在线视频| 99久国产av精品国产电影| 人妻 亚洲 视频| 久久精品国产自在天天线| 免费日韩欧美在线观看| 免费看光身美女| 成人国语在线视频| 国产精品蜜桃在线观看| 亚洲av日韩在线播放| 免费大片18禁| 久久婷婷青草| 又大又黄又爽视频免费| 最近2019中文字幕mv第一页| 看十八女毛片水多多多| 大片电影免费在线观看免费| 亚洲精品中文字幕在线视频| 你懂的网址亚洲精品在线观看| 搡老乐熟女国产| 老熟女久久久| 国产精品一国产av| 亚洲欧美中文字幕日韩二区| 国产精品一区二区三区四区免费观看| 日韩三级伦理在线观看| 内地一区二区视频在线| av在线观看视频网站免费| 精品卡一卡二卡四卡免费| 久热这里只有精品99| 日韩精品有码人妻一区| 建设人人有责人人尽责人人享有的| 老司机影院毛片| 夫妻午夜视频| 老女人水多毛片| 日韩av不卡免费在线播放| 黄色毛片三级朝国网站| 97超碰精品成人国产| 国产伦精品一区二区三区视频9| 一本一本综合久久| 人妻一区二区av| 免费播放大片免费观看视频在线观看| 日韩欧美精品免费久久| 日本91视频免费播放| 人体艺术视频欧美日本| 亚洲av在线观看美女高潮| 一级黄片播放器| 日本黄色片子视频| 国产色爽女视频免费观看| 永久免费av网站大全| 伊人亚洲综合成人网| 男女高潮啪啪啪动态图| 精品一品国产午夜福利视频| 国产精品国产av在线观看| 国产亚洲一区二区精品| 少妇的逼水好多| 国产精品一区二区在线观看99| 亚洲国产精品999| 最新中文字幕久久久久| 中文乱码字字幕精品一区二区三区| 丝袜在线中文字幕| 午夜免费观看性视频| 国产女主播在线喷水免费视频网站| 久久人人爽人人爽人人片va| 中文字幕最新亚洲高清| 日韩大片免费观看网站| 午夜免费男女啪啪视频观看| 日韩在线高清观看一区二区三区| 成人午夜精彩视频在线观看| 欧美人与善性xxx| .国产精品久久| 成人毛片60女人毛片免费| 成人手机av| 99久久中文字幕三级久久日本| 亚洲av福利一区| 日本av手机在线免费观看| 午夜福利影视在线免费观看| 精品国产国语对白av| 国产精品一二三区在线看| 国产日韩欧美亚洲二区| 亚洲av二区三区四区| 久久热精品热| 最近中文字幕2019免费版| 亚洲中文av在线| 日本黄大片高清| 国产男女超爽视频在线观看| 亚洲人成77777在线视频| 欧美最新免费一区二区三区| 亚洲经典国产精华液单| 满18在线观看网站| 制服丝袜香蕉在线| 日韩av不卡免费在线播放| 亚洲精品日韩av片在线观看| 一级片'在线观看视频| 一二三四中文在线观看免费高清| 国产黄色视频一区二区在线观看| 久久精品国产鲁丝片午夜精品| 赤兔流量卡办理| 狠狠婷婷综合久久久久久88av| 亚洲精品日韩在线中文字幕| 26uuu在线亚洲综合色| 又粗又硬又长又爽又黄的视频| 亚洲精品av麻豆狂野| 国产亚洲精品久久久com| 一边摸一边做爽爽视频免费| 内地一区二区视频在线| 男人添女人高潮全过程视频| 日日摸夜夜添夜夜添av毛片| a级片在线免费高清观看视频| 亚洲欧美色中文字幕在线| 国产成人午夜福利电影在线观看| 两个人免费观看高清视频| 久久这里有精品视频免费| 少妇被粗大的猛进出69影院 | 国产 精品1| 在线免费观看不下载黄p国产| 亚洲精品成人av观看孕妇| 亚洲av综合色区一区| av线在线观看网站| 另类亚洲欧美激情| 国产免费福利视频在线观看| 亚洲精品久久久久久婷婷小说| 观看av在线不卡| 亚州av有码| 中文字幕av电影在线播放| 青春草国产在线视频| 久久狼人影院| av.在线天堂| 亚洲怡红院男人天堂| 久久人人爽人人爽人人片va| 成人国产av品久久久| 卡戴珊不雅视频在线播放| 国语对白做爰xxxⅹ性视频网站| 久久精品久久久久久久性| 国产伦理片在线播放av一区| 免费高清在线观看视频在线观看| 亚洲国产欧美在线一区| 好男人视频免费观看在线| 欧美成人午夜免费资源| 国产精品一区二区在线观看99| 亚洲熟女精品中文字幕| 青青草视频在线视频观看| 免费看av在线观看网站| 欧美激情国产日韩精品一区| 亚洲精品久久久久久婷婷小说| 久久综合国产亚洲精品| 国产综合精华液| 欧美xxxx性猛交bbbb| 欧美亚洲日本最大视频资源| 国产精品麻豆人妻色哟哟久久| 午夜免费观看性视频| 亚洲性久久影院| 肉色欧美久久久久久久蜜桃| 久久免费观看电影| 精品午夜福利在线看| 黑人猛操日本美女一级片| 国产黄色视频一区二区在线观看| 18禁动态无遮挡网站| 精品一区二区三卡| 午夜福利网站1000一区二区三区| 国产亚洲欧美精品永久| 日韩免费高清中文字幕av| 午夜福利视频在线观看免费| 亚洲欧美精品自产自拍| 人人妻人人澡人人看| 国产成人免费无遮挡视频| 九九爱精品视频在线观看| 性高湖久久久久久久久免费观看| 中文欧美无线码| 亚洲国产欧美在线一区| 日韩中文字幕视频在线看片| 国产精品女同一区二区软件| av不卡在线播放| 在线免费观看不下载黄p国产| 久久久a久久爽久久v久久| 女人久久www免费人成看片| 大香蕉久久成人网| 激情五月婷婷亚洲| 我要看黄色一级片免费的| 18禁观看日本| 日韩,欧美,国产一区二区三区| 免费高清在线观看视频在线观看| 男女国产视频网站| 色婷婷久久久亚洲欧美| 乱码一卡2卡4卡精品| 狠狠婷婷综合久久久久久88av| 国产成人91sexporn| 啦啦啦中文免费视频观看日本| av女优亚洲男人天堂| av黄色大香蕉| 人妻一区二区av| 久久精品久久久久久噜噜老黄| 国产视频首页在线观看| 男人爽女人下面视频在线观看| 亚洲不卡免费看| www.av在线官网国产| 日本色播在线视频| 天堂8中文在线网| 亚洲国产成人一精品久久久| 免费大片黄手机在线观看| 精品一区二区免费观看| 婷婷色综合www| 精品人妻在线不人妻| 亚洲美女黄色视频免费看| 美女福利国产在线| 内地一区二区视频在线| 欧美+日韩+精品| 日产精品乱码卡一卡2卡三| 国产精品欧美亚洲77777| 2021少妇久久久久久久久久久| 精品一区二区三卡| av在线观看视频网站免费| 啦啦啦视频在线资源免费观看| 亚洲全国av大片| 亚洲精品粉嫩美女一区| 女警被强在线播放| 一本大道久久a久久精品| 国产av一区二区精品久久| 欧美精品一区二区免费开放| 精品少妇内射三级| 久久狼人影院| 这个男人来自地球电影免费观看| 日本av手机在线免费观看| 亚洲少妇的诱惑av| 69av精品久久久久久 | www.自偷自拍.com| 中文字幕人妻丝袜制服| 搡老乐熟女国产| 9热在线视频观看99| 免费看a级黄色片| 亚洲av日韩精品久久久久久密| 欧美精品一区二区免费开放| 国产日韩一区二区三区精品不卡| 9热在线视频观看99| 国产日韩欧美在线精品| 俄罗斯特黄特色一大片| 日韩有码中文字幕| 久久青草综合色| 国产视频一区二区在线看| 久久精品aⅴ一区二区三区四区| 亚洲精品中文字幕一二三四区 | 国产日韩欧美亚洲二区| 国产成人精品无人区| 黑人欧美特级aaaaaa片| 韩国精品一区二区三区| 纵有疾风起免费观看全集完整版| 一级片'在线观看视频| 国产一区二区三区视频了| 国产免费现黄频在线看| 亚洲精品国产一区二区精华液| 日本黄色视频三级网站网址 | 亚洲精品成人av观看孕妇| 亚洲精品粉嫩美女一区| 久久久国产成人免费| 精品国产国语对白av| 国产日韩欧美亚洲二区| 久久精品国产亚洲av高清一级| 91麻豆av在线| av免费在线观看网站| 亚洲男人天堂网一区| 欧美日韩一级在线毛片| 一本综合久久免费| 久久精品aⅴ一区二区三区四区| 电影成人av| 怎么达到女性高潮| 国产野战对白在线观看| 1024视频免费在线观看| 在线看a的网站| 俄罗斯特黄特色一大片| 91麻豆av在线| 欧美精品啪啪一区二区三区| 久久久久久久大尺度免费视频| 久久中文字幕一级| 黄色a级毛片大全视频| 日韩成人在线观看一区二区三区| 交换朋友夫妻互换小说| 人人妻人人添人人爽欧美一区卜| 丁香六月天网| 久久免费观看电影| 美女福利国产在线| 久久中文看片网| 两人在一起打扑克的视频| 久久久久网色| 女性生殖器流出的白浆| 成人18禁高潮啪啪吃奶动态图| 大型黄色视频在线免费观看| 亚洲人成77777在线视频| 99久久国产精品久久久| 国产精品电影一区二区三区 | 一级a爱视频在线免费观看| 国产精品国产av在线观看| 99香蕉大伊视频| 亚洲av成人一区二区三| 在线观看人妻少妇| 国产成人精品无人区| 亚洲精品国产色婷婷电影| 999精品在线视频| 国产成人精品在线电影| 成人18禁高潮啪啪吃奶动态图| 男人舔女人的私密视频| 交换朋友夫妻互换小说| 欧美日韩国产mv在线观看视频| 成年人免费黄色播放视频| 三级毛片av免费| 高清欧美精品videossex| 日本精品一区二区三区蜜桃| 欧美成人免费av一区二区三区 | 国产片内射在线| 国产成人系列免费观看| 国产熟女午夜一区二区三区| 国产精品99久久99久久久不卡| 99精国产麻豆久久婷婷| 国产99久久九九免费精品| 另类亚洲欧美激情| 午夜老司机福利片| 一边摸一边抽搐一进一出视频| av视频免费观看在线观看| 精品国产乱码久久久久久小说| a级毛片黄视频| 亚洲熟妇熟女久久| 夜夜夜夜夜久久久久| 日韩中文字幕欧美一区二区| 国内毛片毛片毛片毛片毛片| 91老司机精品| 亚洲国产毛片av蜜桃av| 久9热在线精品视频| 国产精品免费视频内射| 老司机影院毛片| 人人澡人人妻人| avwww免费| 麻豆国产av国片精品| 欧美日韩精品网址| 丝袜美腿诱惑在线| 一级毛片精品| 日韩欧美三级三区| 欧美另类亚洲清纯唯美| 亚洲伊人色综图| 超色免费av| 美女国产高潮福利片在线看| 性高湖久久久久久久久免费观看| 男女高潮啪啪啪动态图| 乱人伦中国视频| 欧美精品一区二区免费开放| 手机成人av网站| 色94色欧美一区二区| 人人澡人人妻人| 亚洲国产看品久久| 国产97色在线日韩免费| 国产一区二区三区视频了| 电影成人av| a级毛片黄视频| 天堂中文最新版在线下载| 亚洲午夜理论影院| 国产精品九九99| 脱女人内裤的视频| 亚洲成av片中文字幕在线观看| 欧美精品av麻豆av| 国产淫语在线视频| 99久久精品国产亚洲精品| 妹子高潮喷水视频| 免费女性裸体啪啪无遮挡网站| 丰满迷人的少妇在线观看| 成年动漫av网址| 人人妻人人澡人人看| 亚洲三区欧美一区| 夜夜爽天天搞| 成人永久免费在线观看视频 | 亚洲成国产人片在线观看| 蜜桃国产av成人99| av超薄肉色丝袜交足视频| 色老头精品视频在线观看| 黄频高清免费视频| 香蕉久久夜色| 国产欧美亚洲国产| 色视频在线一区二区三区| 亚洲男人天堂网一区| 亚洲欧洲精品一区二区精品久久久| 搡老岳熟女国产| 在线av久久热| 精品亚洲成国产av| 国产麻豆69| 亚洲成av片中文字幕在线观看| 色婷婷av一区二区三区视频| 黄色视频在线播放观看不卡| 高清视频免费观看一区二区| 国产高清国产精品国产三级| 999精品在线视频| 国产精品九九99| 精品第一国产精品| 80岁老熟妇乱子伦牲交| 日韩大片免费观看网站| 女人被躁到高潮嗷嗷叫费观| 麻豆av在线久日| 欧美精品啪啪一区二区三区| 露出奶头的视频| 精品国内亚洲2022精品成人 | 一区二区三区国产精品乱码| 黄片小视频在线播放| 欧美日韩亚洲国产一区二区在线观看 | 精品亚洲成a人片在线观看| 亚洲熟女精品中文字幕| 热re99久久精品国产66热6| 免费人妻精品一区二区三区视频| 中文亚洲av片在线观看爽 | 人成视频在线观看免费观看| 色老头精品视频在线观看| 国产成人精品无人区| 免费日韩欧美在线观看| 肉色欧美久久久久久久蜜桃| 国产在视频线精品| 久久人妻熟女aⅴ| 在线十欧美十亚洲十日本专区| 欧美激情高清一区二区三区| netflix在线观看网站| 久久国产精品大桥未久av| 色综合婷婷激情| 国产精品自产拍在线观看55亚洲 | 亚洲精品久久午夜乱码| 久久av网站| 两个人看的免费小视频| 亚洲久久久国产精品| 黑人欧美特级aaaaaa片| 国产一卡二卡三卡精品| 正在播放国产对白刺激| 1024香蕉在线观看| 欧美久久黑人一区二区| 国产精品免费一区二区三区在线 | 色精品久久人妻99蜜桃| 女同久久另类99精品国产91| 免费人妻精品一区二区三区视频| 精品国产亚洲在线| 亚洲天堂av无毛| 91字幕亚洲| 日本撒尿小便嘘嘘汇集6| 十八禁高潮呻吟视频| 女人精品久久久久毛片| 国产野战对白在线观看| 亚洲成国产人片在线观看| 在线观看一区二区三区激情| 精品午夜福利视频在线观看一区 | 91成年电影在线观看| 女人爽到高潮嗷嗷叫在线视频| 欧美日韩亚洲综合一区二区三区_| 美国免费a级毛片| 黑丝袜美女国产一区|