• <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(hù)評(píng)分和項(xiàng)目類(lèi)偏好的協(xié)同過(guò)濾推薦算法

    2017-01-21 14:49:10王宇飛宋俊典戴炳榮
    軟件導(dǎo)刊 2016年12期
    關(guān)鍵詞:協(xié)同過(guò)濾

    王宇飛+宋俊典+戴炳榮

    摘 要:協(xié)同過(guò)濾(Collaborative Filtering)算法一般采用Pearson相關(guān)系數(shù)、索倫森指數(shù)等方法衡量用戶(hù)之間的相似性。但是,這些方法難以區(qū)分個(gè)人的習(xí)慣和偏好,以至于計(jì)算結(jié)果準(zhǔn)確度低、區(qū)分度差。因此提出從評(píng)分差異、評(píng)分偏好、置信度3個(gè)方面衡量用戶(hù)的評(píng)分相似性,結(jié)合項(xiàng)目類(lèi)偏好去衡量用戶(hù)相似性。真實(shí)數(shù)據(jù)集上的測(cè)試結(jié)果顯示,改進(jìn)后的算法比傳統(tǒng)度量方法獲取到的平均絕對(duì)誤差(MAE)值更小,能夠有效地提高推薦質(zhì)量。

    關(guān)鍵詞:協(xié)同過(guò)濾;評(píng)分相似性;項(xiàng)目類(lèi)偏好;個(gè)性化推薦技術(shù)

    DOIDOI:10.11907/rjdk.162155

    中圖分類(lèi)號(hào):TP312

    文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1672-7800(2016)012-0025-05

    0 引言

    隨著個(gè)性化推薦技術(shù)的迅速發(fā)展,個(gè)性化推薦不僅為電子商務(wù)帶來(lái)了巨大的商業(yè)價(jià)值,也為人們的社會(huì)生活提供了極大便利[1],具有高效、準(zhǔn)確、個(gè)性化等特征。作為現(xiàn)有推薦系統(tǒng)中應(yīng)用最成功的推薦技術(shù)之一,基于協(xié)同過(guò)濾的推薦技術(shù)分析不同用戶(hù)行為所產(chǎn)生的數(shù)據(jù)來(lái)推薦他們可能喜歡的項(xiàng)目,這些數(shù)據(jù)包含用戶(hù)瀏覽歷史、購(gòu)買(mǎi)記錄、用戶(hù)評(píng)分等[2-5]。隨著協(xié)同過(guò)濾算法在不同領(lǐng)域的廣泛應(yīng)用,其也逐漸暴露出數(shù)據(jù)稀疏性[6]、可擴(kuò)展性[7]、新加入用戶(hù)或項(xiàng)目冷啟動(dòng)[8]等各方面的問(wèn)題。

    近年來(lái),國(guó)內(nèi)外研究者在協(xié)同過(guò)濾領(lǐng)域開(kāi)展了較為豐富的研究,取得了一系列重要研究成果。楊興耀[9]等構(gòu)建信任模型來(lái)實(shí)現(xiàn)評(píng)分矩陣填充,從項(xiàng)目和用戶(hù)屬性來(lái)對(duì)項(xiàng)目的相似性進(jìn)行評(píng)估,并使用調(diào)節(jié)因子進(jìn)行兩方面協(xié)調(diào)處理,提高了算法的精確度;趙偉等[10]通利用K-means算法對(duì)用戶(hù)進(jìn)行聚類(lèi),并在用戶(hù)類(lèi)中應(yīng)用協(xié)同過(guò)濾算法以實(shí)現(xiàn)個(gè)性化推薦,有效地提高了算法推薦的準(zhǔn)確率和擴(kuò)展性;徐紅燕等[11]利用項(xiàng)目各屬性的評(píng)價(jià)分?jǐn)?shù)來(lái)評(píng)估用戶(hù)偏好,并結(jié)合歷史屬性分?jǐn)?shù)的變化情況和屬性評(píng)分相似性綜合實(shí)現(xiàn)推薦,提高了算法的推薦準(zhǔn)確度;方獻(xiàn)梅、高曉波[12]引入TF-IDF算法計(jì)算用戶(hù)興趣權(quán)重,構(gòu)建用戶(hù)-興趣矩陣來(lái)提高推薦質(zhì)量。

    因此,從評(píng)分差異、評(píng)分偏好、項(xiàng)目類(lèi)偏好、用戶(hù)和項(xiàng)目屬性等方面對(duì)協(xié)同過(guò)濾(Collaborative filtering)算法實(shí)現(xiàn)改進(jìn)值得研究。

    1 基于用戶(hù)的協(xié)同過(guò)濾推薦算法

    基于用戶(hù)(User-based)的協(xié)同過(guò)濾算法中,用戶(hù)往往喜歡與他們有相同或相似品味、愛(ài)好的一些用戶(hù)以往所喜歡的項(xiàng)目[13],算法中對(duì)于相似性的度量通常采用PCC(Pearson相關(guān)系數(shù))、COS(余弦相似度)、SRS(索倫森指數(shù))[14]和JMSD(Jaccard均方差)[15],具體公式如下:

    下面給出一張用戶(hù)評(píng)分信息表(見(jiàn)圖1),分別采用PCC、COS、SRS、JMSD算法得到如圖2~圖5所示的相似度計(jì)算結(jié)果。

    從圖2~圖5中可以發(fā)現(xiàn),使用傳統(tǒng)PCC、COS、SRS和JMSD算法得到的結(jié)果存在以下幾個(gè)問(wèn)題:

    (1)計(jì)算結(jié)果區(qū)分度比較低。例如,圖2中只存在2種結(jié)果;user1和user3之間的相似性本應(yīng)該高于user1和user2,但在圖2中得到的結(jié)果完全相同;在圖5中,user1分別與user2和user4相比,得到的結(jié)果都是0.0,與實(shí)際情況差距較大。

    (2)計(jì)算出的結(jié)果有些與實(shí)際情況相反。例如,user1在user2和user3之間,與后者的相似性本來(lái)應(yīng)該更大,然而在圖3、圖4中的結(jié)果卻與之相反。

    (3)無(wú)法體現(xiàn)出用戶(hù)對(duì)于項(xiàng)目的興趣。例如,同樣對(duì)于Item2、user2的評(píng)價(jià)分?jǐn)?shù)為4,user5只有2分,然而在圖2中計(jì)算出兩者的相似度卻是1.0;同樣user3在item2上比user5高了2分,在圖2中兩人的相似度也是1.0。

    由于采用傳統(tǒng)計(jì)算方法產(chǎn)生了這些問(wèn)題,使得推薦系統(tǒng)的推薦精度低、推薦效果差,為了改善推薦系統(tǒng)的推薦效果,提高推薦精確度,從兩個(gè)方面著手對(duì)相似度計(jì)算定義新的方法。

    2 基于用戶(hù)評(píng)分和項(xiàng)目類(lèi)偏好的協(xié)同過(guò)濾推薦算法

    為了能夠更加精確地度量相似性,本文從3個(gè)方面:評(píng)分差異、評(píng)分偏好、置信度,綜合衡量用戶(hù)的評(píng)分相似性,并結(jié)合用戶(hù)項(xiàng)目類(lèi)偏好實(shí)現(xiàn)用戶(hù)相似度的綜合衡量。具體算法實(shí)現(xiàn)流程如圖6所示。

    由圖6可知,基于用戶(hù)評(píng)分和項(xiàng)目類(lèi)偏好的協(xié)同過(guò)濾推薦算法包含以下幾個(gè)步驟:①依據(jù)用戶(hù)評(píng)分矩陣分別實(shí)現(xiàn)評(píng)分差異度、評(píng)分偏好相似度以及置信度計(jì)算,將三者融合衡量評(píng)分相似度;②依據(jù)用戶(hù)在不同類(lèi)型項(xiàng)目上評(píng)價(jià)數(shù)量與評(píng)價(jià)總數(shù)的比值來(lái)完成項(xiàng)目類(lèi)偏好相似度計(jì)算,如果用戶(hù)對(duì)某一類(lèi)項(xiàng)目評(píng)價(jià)越多,認(rèn)為用戶(hù)對(duì)此類(lèi)項(xiàng)目偏好程度越大;③評(píng)分相似度與項(xiàng)目類(lèi)偏好相似度結(jié)合得到最終的用戶(hù)相似度;④選取與目標(biāo)用戶(hù)相似度最高的k個(gè)用戶(hù)加入最近鄰居集合,利用評(píng)分預(yù)測(cè)公式對(duì)目標(biāo)用戶(hù)未評(píng)價(jià)的項(xiàng)目進(jìn)行分?jǐn)?shù)預(yù)測(cè)。最后,選擇N個(gè)分?jǐn)?shù)最高的項(xiàng)目進(jìn)行推薦。

    2.1 用戶(hù)評(píng)分相似度

    2.1.1 用戶(hù)評(píng)分差異度

    將兩用戶(hù)共同評(píng)價(jià)項(xiàng)目的評(píng)分看作兩組數(shù)據(jù),這兩組數(shù)據(jù)差值的均方根值體現(xiàn)了它們差異性大小。均方根越大,表示兩人整體上的評(píng)分差異越大,認(rèn)為兩者相似程度越低。在圖1中,user1、user2、user3對(duì)Item1、Item2的評(píng)分分別是:{2, 3}、{1, 4}和{2, 4},由此可知,user1和user2的分差是{1, 1},均方根為1,user1和User3的平均分差是{0, 1},均方根為0.707。因此,計(jì)算得到user1和user3比user1和user2更相似,符合實(shí)際情況,比PCC、COS、SRS這3種方法得到的計(jì)算結(jié)果更加準(zhǔn)確可信。通過(guò)式(1)實(shí)現(xiàn)均方根的計(jì)算,并使結(jié)果處于0~1之間。具體實(shí)現(xiàn)如下:

    Iuv在式(5)中表示兩用戶(hù)u、v共同評(píng)價(jià)過(guò)的項(xiàng)目集合,rui與rvi則分別代表u、v分別對(duì)項(xiàng)目i的評(píng)價(jià)分?jǐn)?shù)。

    2.1.2 評(píng)分偏好相似度

    現(xiàn)實(shí)生活中不同用戶(hù)有著各自的打分習(xí)慣,有些用戶(hù)對(duì)自己所感興趣的項(xiàng)目打分很高,對(duì)其它項(xiàng)目打分較低;有些用戶(hù)對(duì)于所有項(xiàng)目的評(píng)分都偏低或者偏高。因此,選取平均評(píng)分作為衡量是否喜歡的標(biāo)準(zhǔn)相比文獻(xiàn)[16]選擇中位數(shù)的可信度更高。當(dāng)評(píng)分高于平均分時(shí),表示喜歡此項(xiàng)目,反之則表示不喜歡。

    因此,當(dāng)兩個(gè)用戶(hù)在同一個(gè)項(xiàng)目上的實(shí)際評(píng)分與各自平均評(píng)分的差值同為正或?yàn)樨?fù)時(shí),表示兩人評(píng)分偏好趨于相近。通過(guò)式(8)可以得到兩者在同一項(xiàng)目上的偏好差距,并由所有差異的平均值來(lái)反映用戶(hù)間真實(shí)的偏好差距,差距越大表示兩者偏好相似性越低。因此,采用以下公式來(lái)完成偏好差距計(jì)算以及偏好相似性定義:

    Iuv同式(5)中的Iuv,Huv(i)指用戶(hù)u、v在同一個(gè)項(xiàng)目上的偏好差距,rui、avgu分別代表用戶(hù)u對(duì)項(xiàng)目i的評(píng)價(jià)分?jǐn)?shù)和平均評(píng)分。

    2.1.3 置信度

    對(duì)置信度的定義一般采用Jaccard函數(shù)來(lái)表示。認(rèn)為若兩用戶(hù)一起評(píng)價(jià)過(guò)的項(xiàng)目很少,即便計(jì)算出這兩人的相似度很高,兩者的相似性仍然存在質(zhì)疑[8]。

    但是當(dāng)兩個(gè)用戶(hù)評(píng)價(jià)的項(xiàng)目數(shù)量差距較大時(shí)發(fā)現(xiàn),即使評(píng)價(jià)數(shù)量少的一方與多的一方評(píng)價(jià)的項(xiàng)目完全重疊,得到置信度結(jié)果依然很低。為此,分別從用戶(hù)雙方角度定義相對(duì)于各自的置信度,然后取平均值,以改善出現(xiàn)上述問(wèn)題時(shí)導(dǎo)致置信度始終過(guò)小的情況。

    Iuv同式(5)中的Iuv,u、v各自評(píng)價(jià)過(guò)的項(xiàng)目集合分別用Iu、Iv表示。

    2.1.4 最終的用戶(hù)評(píng)分相似度

    綜上,用戶(hù)的評(píng)分相似度為:

    2.2 項(xiàng)目類(lèi)偏好相似度

    一個(gè)項(xiàng)目可能包含多種不同的類(lèi)型,例如一部電影,它可能既是科幻片也是愛(ài)情片。這里通過(guò)圖7來(lái)展示所有項(xiàng)目的類(lèi)型所屬,如果一個(gè)項(xiàng)目包含某一類(lèi)型,用“1”表示,反之,用“0”表示,k表示項(xiàng)目的類(lèi)型總數(shù)。

    現(xiàn)實(shí)生活中,若用戶(hù)對(duì)于某一類(lèi)項(xiàng)目評(píng)價(jià)的次數(shù)越多,可以認(rèn)為用戶(hù)在此類(lèi)項(xiàng)目上的偏好程度越大。由用戶(hù)評(píng)分信息可以得到如圖8所示的類(lèi)型偏好矩陣。

    其中,Gij表示ui對(duì)Cj類(lèi)項(xiàng)目的偏好程度。同時(shí),以用戶(hù)的平均評(píng)分作為衡量標(biāo)準(zhǔn),當(dāng)用戶(hù)對(duì)某一項(xiàng)目的評(píng)分大于平均評(píng)分時(shí),表示在此項(xiàng)目上用戶(hù)的偏好為正,反之則認(rèn)為偏好為負(fù)(將等于平均分的項(xiàng)目也歸于偏好為負(fù))。所以根據(jù)用戶(hù)的項(xiàng)目偏好情況,其類(lèi)型偏好也可以分為正向偏好和負(fù)向偏好。(1)正向偏好:

    3 實(shí)驗(yàn)結(jié)果及分析

    3.1 數(shù)據(jù)集

    實(shí)驗(yàn)中使用的數(shù)據(jù)集是著名的MovieLens(ML)數(shù)據(jù)集[17],它是由美國(guó)的GroupLens研究團(tuán)隊(duì)在明尼蘇達(dá)大學(xué)歷時(shí)約7個(gè)月收集的。該數(shù)據(jù)集被分為5組,每一組中的數(shù)據(jù)有兩成將用作算法的測(cè)試集,剩余的作為訓(xùn)練集使用。每一組中用于實(shí)驗(yàn)的評(píng)分?jǐn)?shù)量共有100 000條,評(píng)分等級(jí)的范圍是在1~5分,1分等級(jí)最低,5分等級(jí)最高。另外在每一組中,每一位用戶(hù)都參與評(píng)價(jià)過(guò)至少20部電影,每一部電影可能屬于一種或多種類(lèi)型,還包含了電影、用戶(hù)各自的基本屬性信息。此電影數(shù)據(jù)集的數(shù)據(jù)稀疏度為:

    1-100,000943×1,682=0.937

    3.2 評(píng)價(jià)標(biāo)準(zhǔn)

    MAE被定義為預(yù)測(cè)值和實(shí)際值之間絕對(duì)誤差的平均值,是使用最廣泛的推薦質(zhì)量評(píng)價(jià)指標(biāo),被用于評(píng)估推薦準(zhǔn)確性。本文使用MAE作為評(píng)價(jià)指標(biāo),假定某一用戶(hù)u對(duì)任意一部電影j的實(shí)際評(píng)分為rj(u),與其相對(duì)應(yīng)的預(yù)測(cè)所得分?jǐn)?shù)為Rj(u),具體公式如下:

    3.3 實(shí)驗(yàn)結(jié)果

    本文對(duì)5組數(shù)據(jù)分別進(jìn)行測(cè)試,例如在表1中“u1.base”和“u1.test”這一組數(shù)據(jù),其中“u1.base”和“u1.test”分別作為訓(xùn)練集和測(cè)試集。

    對(duì)測(cè)試集中的所有用戶(hù)進(jìn)行測(cè)試(取所有測(cè)試用戶(hù)MAE的平均值作為測(cè)試結(jié)果),最近鄰居用戶(hù)的數(shù)量K分別取值:5、10、20、30、40、50、60、70、80,經(jīng)過(guò)測(cè)試,各自的推薦效果如圖10~圖14所示。

    從實(shí)驗(yàn)所得的推薦效果圖中可以看出,使用除了PCC之外的其它方法,當(dāng)最近鄰居數(shù)據(jù)從K=5到K=30時(shí),推薦質(zhì)量會(huì)迅速提高;從K=30往后,推薦質(zhì)量的提高速度逐漸放緩,趨于平穩(wěn)狀態(tài),相比之下使用本文算法的推薦質(zhì)量更高。

    4 結(jié)語(yǔ)

    本文從用戶(hù)已有的評(píng)價(jià)分?jǐn)?shù)信息中挖掘用戶(hù)潛在的評(píng)分差異、習(xí)慣、類(lèi)型的評(píng)價(jià)數(shù)量分布,提出從用戶(hù)評(píng)分、項(xiàng)目的類(lèi)型偏好兩個(gè)方面對(duì)相似度進(jìn)行綜合評(píng)定的計(jì)算方法。對(duì)比傳統(tǒng)4種方法分別進(jìn)行實(shí)驗(yàn)所產(chǎn)生的測(cè)試結(jié)果,可以證明采用本文方法在推薦準(zhǔn)確性方面有明顯提高。未來(lái),將在現(xiàn)有的研究成果上繼續(xù)進(jìn)行優(yōu)化,并且在緩解數(shù)據(jù)稀疏、冷啟動(dòng)方向開(kāi)展深入研究。

    參考文獻(xiàn):

    [1] CHEN H,LI Z,HU W.An improved collaborative recommendation algorithm based on optimized user similarity[J].Journal of Supercomputing,2015:1-14.

    [2] BOBADILLA J,HERNANDO A,ORTEGA F,et al.Collaborative filtering based on significances[J].Information Sciences,2012,185(1):1-17.

    [3] ZHANG J,LIN Y,LIN M,et al.An effective collaborative filtering algorithm based on user preference clustering[J].Applied Intelligence,2016:1-11.

    [4] JIA C X,LIU R R.Improve the algorithmic performance of collaborative filtering by using the interevent time distribution of human behaviors[J].Physica A Statistical Mechanics & Its Applications,2015:236-245.

    [5] KOOHBORFARDHAGHIGHI S,KIM J.Using structural information for distributed recommendation in a social network[J].Applied Intelligence,2013,38(38):255-266.

    [6] 高倩,何聚厚.改進(jìn)的面向數(shù)據(jù)稀疏的協(xié)同過(guò)濾推薦算法[J].計(jì)算機(jī)技術(shù)與發(fā)展,2016,26(03):63-66.

    [7] SHANG Y,LI Z,QU W,et al.Scalable collaborative filtering recommendation algorithm with MapReduce[C].International Conference on Dependable, Autonomic and Secure Computing,2014:103-108.

    [8] BARJASTEH I,F(xiàn)ORSATI R,ROSS D,et al.Cold-start recommendation with provable guarantees:a decoupled approach[J].IEEE Transactions on Knowledge & Data Engineering,2016,28(6):1.

    [9] 楊興耀,于炯,吐?tīng)柛ひ啦祭簦?基于信任模型填充的協(xié)同過(guò)濾推薦模型[J].計(jì)算機(jī)工程,2015(5):6-13.

    [10] 趙偉,林楠,韓英,等.一種改進(jìn)的K-means聚類(lèi)的協(xié)同過(guò)濾算法[J].安徽大學(xué)學(xué)報(bào):自然科學(xué)版,2016,40(2):32-36.

    [11] 徐紅艷,杜文剛,馮勇,等.一種基于多屬性評(píng)分的協(xié)同過(guò)濾算法[J].遼寧大學(xué)學(xué)報(bào):自然科學(xué),2015,42(2):136-142.

    [12] 方獻(xiàn)梅,高曉波.基于用戶(hù)興趣的協(xié)同過(guò)濾推薦算法[J].軟件導(dǎo)刊,2016,15(2):50-51.

    [13] DONGZHAN ZHANG,CHAO XU.A collaborative filtering recommadation system by unifying user similarity and item similarity[J].LNCS,2012,7142(2):175-184.

    [14] PIRASTEH P,HWANG D,JUNG J E.Weighted similarity schemes for high scalability in user-based collaborative filtering[J].Mobile Networks & Applications,2014,20(4):497-507.

    [15] BOBADILLA J,SERRADILLA F,BERNAL J.A new collaborative filtering metric that improves the behavior of recommender systems[J].Knowledge-Based Systems,2010,23(6):520-528.

    [16] RYDEN F.Tech to the future:making a "kinection" with haptic interaction[J].IEEE Potentials,2012,31(3):34-36.

    [17] Movielens 100K dataset[EB/OL].http://grouplens.org/datasets/movielens/100k/.

    (責(zé)任編輯:孫 娟)

    猜你喜歡
    協(xié)同過(guò)濾
    基于用戶(hù)相似度加權(quán)的Slope One算法
    軟件(2016年4期)2017-01-20 09:44:28
    圖書(shū)推薦算法綜述
    改進(jìn)的協(xié)同過(guò)濾推薦算法
    基于鏈?zhǔn)酱鎯?chǔ)結(jié)構(gòu)的協(xié)同過(guò)濾推薦算法設(shè)計(jì)與實(shí)現(xiàn)
    基于相似傳播和情景聚類(lèi)的網(wǎng)絡(luò)協(xié)同過(guò)濾推薦算法研究
    基于協(xié)同過(guò)濾算法的個(gè)性化圖書(shū)推薦系統(tǒng)研究
    混合推薦算法在電影推薦中的研究與評(píng)述
    關(guān)于協(xié)同過(guò)濾推薦算法的研究文獻(xiàn)綜述
    商(2016年29期)2016-10-29 15:22:08
    基于混合信任模型的協(xié)同過(guò)濾推薦算法
    一種基于協(xié)同過(guò)濾技術(shù)的個(gè)性化移動(dòng)學(xué)習(xí)資源推薦策略
    商(2016年16期)2016-06-12 09:07:08
    老司机午夜福利在线观看视频 | 午夜精品久久久久久毛片777| a级片在线免费高清观看视频| 国产精品久久久久久精品古装| 法律面前人人平等表现在哪些方面| 啪啪无遮挡十八禁网站| 亚洲av美国av| 少妇粗大呻吟视频| 黄色a级毛片大全视频| 亚洲人成电影免费在线| 涩涩av久久男人的天堂| 在线观看免费视频日本深夜| 精品少妇一区二区三区视频日本电影| 建设人人有责人人尽责人人享有的| 久久婷婷成人综合色麻豆| 国产成+人综合+亚洲专区| 国产成人精品久久二区二区免费| 夜夜夜夜夜久久久久| 日本一区二区免费在线视频| 国产精品美女特级片免费视频播放器 | 精品人妻1区二区| 亚洲久久久国产精品| 亚洲av欧美aⅴ国产| 两人在一起打扑克的视频| 亚洲中文日韩欧美视频| www.自偷自拍.com| 91av网站免费观看| 婷婷丁香在线五月| 老熟妇乱子伦视频在线观看| 无遮挡黄片免费观看| 久久国产精品大桥未久av| 欧美日韩福利视频一区二区| 丝袜美足系列| 女人高潮潮喷娇喘18禁视频| 国产在线免费精品| 日本撒尿小便嘘嘘汇集6| 看免费av毛片| 999久久久国产精品视频| 老熟妇仑乱视频hdxx| 国产不卡av网站在线观看| 久久久水蜜桃国产精品网| cao死你这个sao货| 国产精品 欧美亚洲| 亚洲色图av天堂| 在线观看一区二区三区激情| 欧美在线一区亚洲| 国产精品 欧美亚洲| 九色亚洲精品在线播放| 精品乱码久久久久久99久播| 欧美人与性动交α欧美软件| 男女午夜视频在线观看| 少妇裸体淫交视频免费看高清 | 少妇裸体淫交视频免费看高清 | 久久久久久久大尺度免费视频| 国产精品久久久久成人av| 丝袜美足系列| 黄色a级毛片大全视频| 黄色丝袜av网址大全| 亚洲av国产av综合av卡| 国产精品.久久久| 亚洲精品自拍成人| 免费在线观看日本一区| 人人妻,人人澡人人爽秒播| 90打野战视频偷拍视频| 狂野欧美激情性xxxx| 亚洲专区字幕在线| 久久精品aⅴ一区二区三区四区| 国产免费福利视频在线观看| 男女高潮啪啪啪动态图| 日韩中文字幕欧美一区二区| 亚洲精品国产精品久久久不卡| av福利片在线| 色播在线永久视频| 巨乳人妻的诱惑在线观看| 免费女性裸体啪啪无遮挡网站| 欧美黄色淫秽网站| 美女国产高潮福利片在线看| 日韩欧美三级三区| 国产极品粉嫩免费观看在线| 国产成人精品久久二区二区免费| 天天影视国产精品| 一级,二级,三级黄色视频| 中文字幕最新亚洲高清| 老熟妇仑乱视频hdxx| 视频区欧美日本亚洲| 99久久精品国产亚洲精品| 精品高清国产在线一区| 精品亚洲乱码少妇综合久久| 最近最新中文字幕大全免费视频| 丰满人妻熟妇乱又伦精品不卡| 黑人巨大精品欧美一区二区mp4| 国产免费av片在线观看野外av| 一级,二级,三级黄色视频| 国产aⅴ精品一区二区三区波| 麻豆乱淫一区二区| 老汉色av国产亚洲站长工具| 色婷婷av一区二区三区视频| 国产精品国产高清国产av | 欧美精品人与动牲交sv欧美| av一本久久久久| 亚洲五月色婷婷综合| 亚洲成人国产一区在线观看| 三级毛片av免费| 真人做人爱边吃奶动态| 国产不卡一卡二| 一级片免费观看大全| 高清在线国产一区| 午夜视频精品福利| 久久人妻福利社区极品人妻图片| svipshipincom国产片| 亚洲精品成人av观看孕妇| 国产精品免费一区二区三区在线 | 久久久久久亚洲精品国产蜜桃av| 亚洲欧美日韩另类电影网站| www.999成人在线观看| 久久久久久久久久久久大奶| 国产免费福利视频在线观看| 国产三级黄色录像| videos熟女内射| 国产在视频线精品| 91老司机精品| 一级毛片精品| 99久久精品国产亚洲精品| 成人三级做爰电影| 无人区码免费观看不卡 | 狂野欧美激情性xxxx| av福利片在线| 天天添夜夜摸| 国产日韩一区二区三区精品不卡| 久久久精品94久久精品| netflix在线观看网站| 亚洲av成人一区二区三| 每晚都被弄得嗷嗷叫到高潮| av欧美777| 久久久久久久精品吃奶| 亚洲成a人片在线一区二区| 丝袜美足系列| 黄色视频在线播放观看不卡| 精品福利永久在线观看| 黄色视频,在线免费观看| 欧美日本中文国产一区发布| 无遮挡黄片免费观看| 国产成人系列免费观看| 一区二区三区激情视频| 乱人伦中国视频| 999久久久国产精品视频| 久热爱精品视频在线9| 黑人巨大精品欧美一区二区蜜桃| 男人舔女人的私密视频| 老司机深夜福利视频在线观看| 黄色毛片三级朝国网站| 国产亚洲av高清不卡| 777久久人妻少妇嫩草av网站| 午夜福利视频在线观看免费| 免费少妇av软件| 成在线人永久免费视频| 免费不卡黄色视频| 中文字幕精品免费在线观看视频| 91成人精品电影| 日韩三级视频一区二区三区| 国产亚洲午夜精品一区二区久久| 久久婷婷成人综合色麻豆| 俄罗斯特黄特色一大片| 成人18禁在线播放| 国产亚洲av高清不卡| 亚洲精品粉嫩美女一区| 99精品久久久久人妻精品| 亚洲自偷自拍图片 自拍| 亚洲精品在线观看二区| 免费观看人在逋| 久久久久精品国产欧美久久久| 建设人人有责人人尽责人人享有的| 久久精品人人爽人人爽视色| av一本久久久久| 亚洲专区中文字幕在线| 国产成人精品久久二区二区91| 国产aⅴ精品一区二区三区波| 欧美+亚洲+日韩+国产| 黄频高清免费视频| 欧美日韩亚洲国产一区二区在线观看 | 两个人看的免费小视频| cao死你这个sao货| 亚洲综合色网址| 最新美女视频免费是黄的| 国产精品偷伦视频观看了| 国产伦理片在线播放av一区| 亚洲国产毛片av蜜桃av| 精品一品国产午夜福利视频| 动漫黄色视频在线观看| 黑人欧美特级aaaaaa片| 亚洲人成电影免费在线| 久久久久精品国产欧美久久久| 制服人妻中文乱码| 欧美日韩av久久| 久久人人爽av亚洲精品天堂| 操出白浆在线播放| av一本久久久久| 在线观看www视频免费| 欧美变态另类bdsm刘玥| 精品免费久久久久久久清纯 | 人人妻人人澡人人看| 中文字幕高清在线视频| 少妇粗大呻吟视频| 国产一区二区三区在线臀色熟女 | 国产精品免费大片| 欧美成人免费av一区二区三区 | 美女视频免费永久观看网站| 日韩制服丝袜自拍偷拍| 女人久久www免费人成看片| 叶爱在线成人免费视频播放| 欧美精品一区二区大全| 久久久精品国产亚洲av高清涩受| 99热国产这里只有精品6| 久久久久国内视频| 亚洲精品乱久久久久久| 又黄又粗又硬又大视频| 97在线人人人人妻| 免费观看av网站的网址| 久久精品国产99精品国产亚洲性色 | 国产在视频线精品| 国产三级黄色录像| 亚洲第一欧美日韩一区二区三区 | 咕卡用的链子| 黄色成人免费大全| 水蜜桃什么品种好| 欧美日韩亚洲高清精品| 精品一区二区三区视频在线观看免费 | 亚洲精品美女久久久久99蜜臀| 成年人黄色毛片网站| 精品一区二区三区av网在线观看 | 人人妻人人澡人人看| 亚洲欧美精品综合一区二区三区| videosex国产| 色视频在线一区二区三区| 亚洲伊人色综图| 欧美日韩成人在线一区二区| 99国产精品一区二区三区| 美女高潮喷水抽搐中文字幕| 美女主播在线视频| 亚洲熟女毛片儿| 久久人妻福利社区极品人妻图片| 99精品在免费线老司机午夜| 成人国产一区最新在线观看| 女人久久www免费人成看片| 亚洲第一青青草原| 叶爱在线成人免费视频播放| 99热网站在线观看| 伦理电影免费视频| 王馨瑶露胸无遮挡在线观看| 亚洲 欧美一区二区三区| 两个人看的免费小视频| 在线 av 中文字幕| 欧美变态另类bdsm刘玥| 久久久久久久久久久久大奶| 久久影院123| 欧美人与性动交α欧美软件| 欧美在线黄色| 汤姆久久久久久久影院中文字幕| 午夜免费鲁丝| 大型黄色视频在线免费观看| 日本a在线网址| 一级片'在线观看视频| 999久久久精品免费观看国产| 日韩视频一区二区在线观看| 国产99久久九九免费精品| 久久精品国产亚洲av香蕉五月 | 国产成+人综合+亚洲专区| 国产精品香港三级国产av潘金莲| 人人妻人人澡人人看| 少妇 在线观看| 精品国产一区二区三区久久久樱花| 9色porny在线观看| 波多野结衣av一区二区av| 成人黄色视频免费在线看| 国产精品1区2区在线观看. | 汤姆久久久久久久影院中文字幕| av免费在线观看网站| 日韩熟女老妇一区二区性免费视频| 搡老乐熟女国产| 亚洲成人免费av在线播放| 精品熟女少妇八av免费久了| 国产无遮挡羞羞视频在线观看| 久久免费观看电影| 国产成+人综合+亚洲专区| 国产精品九九99| 国产日韩一区二区三区精品不卡| 国产欧美日韩一区二区三| 久久精品国产99精品国产亚洲性色 | 久久久水蜜桃国产精品网| 夫妻午夜视频| 国产主播在线观看一区二区| 亚洲精品国产一区二区精华液| 久久久久久久国产电影| 欧美日韩成人在线一区二区| 无限看片的www在线观看| 国产精品.久久久| 成人18禁在线播放| 久热这里只有精品99| 女人精品久久久久毛片| av天堂在线播放| 精品熟女少妇八av免费久了| 女人被躁到高潮嗷嗷叫费观| 欧美乱妇无乱码| 老熟妇乱子伦视频在线观看| 欧美在线一区亚洲| 曰老女人黄片| 欧美在线一区亚洲| 老熟妇乱子伦视频在线观看| 精品国产乱码久久久久久男人| 人妻久久中文字幕网| 久久精品亚洲熟妇少妇任你| 每晚都被弄得嗷嗷叫到高潮| 十八禁网站免费在线| 亚洲精品自拍成人| 中文字幕最新亚洲高清| 曰老女人黄片| 亚洲精品在线观看二区| 成年人免费黄色播放视频| 一级,二级,三级黄色视频| 亚洲成a人片在线一区二区| 精品少妇内射三级| 又紧又爽又黄一区二区| 日韩欧美一区二区三区在线观看 | 亚洲第一av免费看| 男女边摸边吃奶| 在线观看免费日韩欧美大片| 精品国产一区二区久久| 精品少妇内射三级| 国产高清激情床上av| 久久香蕉激情| 777久久人妻少妇嫩草av网站| 欧美激情极品国产一区二区三区| 国产精品秋霞免费鲁丝片| 黄色a级毛片大全视频| 亚洲av片天天在线观看| 999精品在线视频| 亚洲欧美一区二区三区黑人| 女人爽到高潮嗷嗷叫在线视频| 色94色欧美一区二区| 一级毛片女人18水好多| 国产午夜精品久久久久久| 人人妻人人添人人爽欧美一区卜| 十八禁网站网址无遮挡| 丁香六月欧美| 五月开心婷婷网| 亚洲 欧美一区二区三区| 99re6热这里在线精品视频| 丰满迷人的少妇在线观看| 国产91精品成人一区二区三区 | 国产欧美日韩精品亚洲av| 国产一区二区 视频在线| 80岁老熟妇乱子伦牲交| 久久久精品94久久精品| 国产91精品成人一区二区三区 | 国产免费现黄频在线看| 亚洲成人手机| 免费高清在线观看日韩| 99九九在线精品视频| 国产男女超爽视频在线观看| netflix在线观看网站| 亚洲av电影在线进入| av国产精品久久久久影院| 一本一本久久a久久精品综合妖精| 久久久精品94久久精品| 日韩欧美一区二区三区在线观看 | svipshipincom国产片| 日韩 欧美 亚洲 中文字幕| 可以免费在线观看a视频的电影网站| 在线观看人妻少妇| 亚洲成国产人片在线观看| 日韩欧美国产一区二区入口| 十分钟在线观看高清视频www| 男女午夜视频在线观看| 精品久久蜜臀av无| 午夜精品国产一区二区电影| 久久九九热精品免费| 成人特级黄色片久久久久久久 | a级毛片黄视频| 国产成人精品无人区| 色婷婷久久久亚洲欧美| 99国产精品一区二区蜜桃av | 搡老岳熟女国产| 色综合欧美亚洲国产小说| 亚洲国产看品久久| 亚洲欧洲精品一区二区精品久久久| 久久毛片免费看一区二区三区| 午夜久久久在线观看| 人妻 亚洲 视频| 欧美中文综合在线视频| 黄片小视频在线播放| 亚洲情色 制服丝袜| 天堂动漫精品| 国产99久久九九免费精品| 亚洲中文av在线| 色播在线永久视频| 亚洲精品中文字幕一二三四区 | 欧美乱妇无乱码| 欧美亚洲日本最大视频资源| 欧美日韩成人在线一区二区| 少妇粗大呻吟视频| 99精品久久久久人妻精品| 好男人电影高清在线观看| 欧美日韩一级在线毛片| 亚洲伊人色综图| 超色免费av| 色婷婷久久久亚洲欧美| 亚洲精品粉嫩美女一区| aaaaa片日本免费| 麻豆成人av在线观看| 大陆偷拍与自拍| 日本撒尿小便嘘嘘汇集6| 成人精品一区二区免费| 777久久人妻少妇嫩草av网站| 日韩 欧美 亚洲 中文字幕| 亚洲精品粉嫩美女一区| 国产一区二区在线观看av| 热re99久久精品国产66热6| 成人免费观看视频高清| 黄色丝袜av网址大全| 久久久国产欧美日韩av| 亚洲人成电影观看| 久久精品亚洲精品国产色婷小说| 欧美变态另类bdsm刘玥| 精品午夜福利视频在线观看一区 | 飞空精品影院首页| 久久 成人 亚洲| 日韩三级视频一区二区三区| 天天躁日日躁夜夜躁夜夜| 国产免费现黄频在线看| 91九色精品人成在线观看| 少妇裸体淫交视频免费看高清 | av一本久久久久| 一本一本久久a久久精品综合妖精| 亚洲色图综合在线观看| 老司机影院毛片| 国产在视频线精品| 色精品久久人妻99蜜桃| 12—13女人毛片做爰片一| 久久这里只有精品19| 国产精品麻豆人妻色哟哟久久| 午夜激情久久久久久久| 欧美黄色片欧美黄色片| 中文字幕高清在线视频| 在线看a的网站| 亚洲精品成人av观看孕妇| 波多野结衣一区麻豆| 国产精品影院久久| 自拍欧美九色日韩亚洲蝌蚪91| 午夜福利乱码中文字幕| 国产精品一区二区免费欧美| 国产一区二区三区在线臀色熟女 | 欧美日韩国产mv在线观看视频| 亚洲七黄色美女视频| 变态另类成人亚洲欧美熟女 | 少妇精品久久久久久久| 夫妻午夜视频| 啦啦啦 在线观看视频| 一区二区三区乱码不卡18| 男女免费视频国产| 精品国产亚洲在线| 日本撒尿小便嘘嘘汇集6| 男女无遮挡免费网站观看| 久久人妻av系列| 黄色视频不卡| 久久精品亚洲熟妇少妇任你| 高清毛片免费观看视频网站 | 黑人操中国人逼视频| 肉色欧美久久久久久久蜜桃| 99九九在线精品视频| 午夜福利在线免费观看网站| 国产精品 欧美亚洲| 男女午夜视频在线观看| 欧美乱妇无乱码| 亚洲一区中文字幕在线| 日韩欧美免费精品| 制服人妻中文乱码| 日韩精品免费视频一区二区三区| 一区二区av电影网| 午夜两性在线视频| 亚洲欧美一区二区三区黑人| 99国产精品一区二区三区| 免费观看av网站的网址| 99国产精品99久久久久| 欧美老熟妇乱子伦牲交| 国产亚洲午夜精品一区二区久久| 新久久久久国产一级毛片| 国产精品成人在线| 欧美日韩精品网址| 免费高清在线观看日韩| 天堂8中文在线网| 蜜桃在线观看..| 欧美久久黑人一区二区| 男女无遮挡免费网站观看| e午夜精品久久久久久久| 97在线人人人人妻| 亚洲伊人久久精品综合| 久久人人97超碰香蕉20202| 一边摸一边抽搐一进一小说 | 9热在线视频观看99| 69av精品久久久久久 | 中亚洲国语对白在线视频| 一边摸一边抽搐一进一出视频| 久久精品国产亚洲av高清一级| 亚洲自偷自拍图片 自拍| 一个人免费在线观看的高清视频| 精品一区二区三区av网在线观看 | 日本撒尿小便嘘嘘汇集6| 国产精品麻豆人妻色哟哟久久| 亚洲人成伊人成综合网2020| 欧美日韩黄片免| 1024视频免费在线观看| www日本在线高清视频| 午夜福利在线免费观看网站| 看免费av毛片| 亚洲精品国产精品久久久不卡| 精品国内亚洲2022精品成人 | 国产亚洲精品第一综合不卡| 中文字幕人妻熟女乱码| 国产一区二区三区视频了| 制服诱惑二区| 日本黄色视频三级网站网址 | 老司机午夜福利在线观看视频 | 在线播放国产精品三级| 国产精品一区二区在线观看99| av免费在线观看网站| 视频区图区小说| 国产高清激情床上av| 国产1区2区3区精品| 欧美精品人与动牲交sv欧美| 亚洲全国av大片| 亚洲欧洲日产国产| 成人免费观看视频高清| 国产精品免费视频内射| 性少妇av在线| 亚洲第一青青草原| 我要看黄色一级片免费的| 两性夫妻黄色片| 国产成人系列免费观看| 看免费av毛片| 亚洲黑人精品在线| 日韩制服丝袜自拍偷拍| 欧美精品av麻豆av| 欧美日韩亚洲综合一区二区三区_| 侵犯人妻中文字幕一二三四区| 国产国语露脸激情在线看| 久久精品国产亚洲av香蕉五月 | 免费看a级黄色片| 久久影院123| 精品国产乱码久久久久久男人| 激情视频va一区二区三区| 国产单亲对白刺激| 日本精品一区二区三区蜜桃| 国产精品久久久久成人av| 波多野结衣一区麻豆| 国产不卡一卡二| 在线观看免费高清a一片| 久久久久久久精品吃奶| 自线自在国产av| 欧美精品av麻豆av| 免费观看人在逋| 国产成人欧美| 欧美中文综合在线视频| 国产成人精品在线电影| 建设人人有责人人尽责人人享有的| 一本色道久久久久久精品综合| 99国产精品免费福利视频| 成年人午夜在线观看视频| 18禁黄网站禁片午夜丰满| 久久毛片免费看一区二区三区| 欧美乱码精品一区二区三区| 母亲3免费完整高清在线观看| 精品国产亚洲在线| 午夜老司机福利片| 美女视频免费永久观看网站| 亚洲国产看品久久| svipshipincom国产片| 亚洲,欧美精品.| 在线播放国产精品三级| 欧美变态另类bdsm刘玥| 高潮久久久久久久久久久不卡| 大香蕉久久网| 亚洲av片天天在线观看| 中文字幕另类日韩欧美亚洲嫩草| a级毛片黄视频| 大香蕉久久成人网| 欧美+亚洲+日韩+国产| 欧美一级毛片孕妇| 18禁国产床啪视频网站| 久久 成人 亚洲| 18禁美女被吸乳视频| 午夜激情av网站| 国产av又大| 大型黄色视频在线免费观看| 在线av久久热| 欧美黄色片欧美黄色片| 欧美乱码精品一区二区三区| 欧美精品人与动牲交sv欧美| 亚洲精品在线美女| 菩萨蛮人人尽说江南好唐韦庄| 在线 av 中文字幕| 在线观看一区二区三区激情| 午夜福利,免费看| 亚洲色图综合在线观看| 俄罗斯特黄特色一大片| 午夜激情av网站| 中文欧美无线码| 欧美日韩黄片免| 日本一区二区免费在线视频| videos熟女内射| 亚洲综合色网址| 一进一出好大好爽视频| 免费在线观看日本一区| 视频区欧美日本亚洲| 精品国产国语对白av| 18禁美女被吸乳视频|