• <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
    老司机影院成人| 91成人精品电影| 一个人免费看片子| 亚洲人成77777在线视频| 亚洲精品视频女| 少妇被粗大猛烈的视频| 久久热在线av| 日本欧美国产在线视频| 久久久久久久亚洲中文字幕| 日韩熟女老妇一区二区性免费视频| 丝袜人妻中文字幕| 日韩av免费高清视频| 美女内射精品一级片tv| 男人舔女人的私密视频| 国产精品.久久久| 国产极品天堂在线| 97在线视频观看| 国产精品久久久久成人av| 国产欧美日韩一区二区三区在线| 亚洲在久久综合| 婷婷色麻豆天堂久久| 亚洲av福利一区| 久久午夜福利片| 超碰97精品在线观看| 赤兔流量卡办理| 永久网站在线| 午夜激情久久久久久久| 欧美国产精品va在线观看不卡| 欧美成人午夜免费资源| 亚洲av电影在线进入| 免费人妻精品一区二区三区视频| 国产精品人妻久久久久久| 国产女主播在线喷水免费视频网站| 69精品国产乱码久久久| 校园人妻丝袜中文字幕| 咕卡用的链子| 男女边吃奶边做爰视频| 亚洲婷婷狠狠爱综合网| 亚洲欧美清纯卡通| 久久久久久人人人人人| 少妇高潮的动态图| 国产一区二区在线观看av| 日本爱情动作片www.在线观看| a级毛色黄片| 日本91视频免费播放| 国产一区二区三区综合在线观看 | 超碰97精品在线观看| 久久久欧美国产精品| 亚洲一码二码三码区别大吗| 2018国产大陆天天弄谢| 大香蕉97超碰在线| 国产色爽女视频免费观看| 成人亚洲精品一区在线观看| 69精品国产乱码久久久| 青青草视频在线视频观看| 建设人人有责人人尽责人人享有的| 人妻 亚洲 视频| 在线看a的网站| 国产成人免费观看mmmm| 免费日韩欧美在线观看| 国产色爽女视频免费观看| 国产av精品麻豆| 人人妻人人澡人人看| 亚洲欧美日韩卡通动漫| 亚洲伊人色综图| 国产在线免费精品| 女人精品久久久久毛片| 熟女人妻精品中文字幕| 18+在线观看网站| 久久久久久久久久久久大奶| 国产片内射在线| 国产精品99久久99久久久不卡 | 极品少妇高潮喷水抽搐| 日韩,欧美,国产一区二区三区| 亚洲精品久久久久久婷婷小说| 国产精品免费大片| 欧美xxxx性猛交bbbb| 日韩精品免费视频一区二区三区 | 成人无遮挡网站| 成年av动漫网址| 国产白丝娇喘喷水9色精品| freevideosex欧美| 久久热在线av| av线在线观看网站| 亚洲欧美一区二区三区黑人 | 国产精品久久久久成人av| 在线观看人妻少妇| 纵有疾风起免费观看全集完整版| 丰满乱子伦码专区| 欧美3d第一页| 高清视频免费观看一区二区| 两性夫妻黄色片 | 国产亚洲精品第一综合不卡 | 秋霞在线观看毛片| 99re6热这里在线精品视频| 久久久亚洲精品成人影院| 黑人高潮一二区| 中文乱码字字幕精品一区二区三区| 国产精品久久久av美女十八| av网站免费在线观看视频| 一级片'在线观看视频| 国产精品久久久久久精品电影小说| tube8黄色片| 久久人妻熟女aⅴ| 亚洲一级一片aⅴ在线观看| 性色avwww在线观看| 99久久人妻综合| 国产男女超爽视频在线观看| 色婷婷av一区二区三区视频| 女性被躁到高潮视频| 久久久精品免费免费高清| 欧美精品人与动牲交sv欧美| 中文精品一卡2卡3卡4更新| 免费日韩欧美在线观看| 在线精品无人区一区二区三| 搡女人真爽免费视频火全软件| 亚洲高清免费不卡视频| 精品一区二区三卡| 日本av免费视频播放| 亚洲精品av麻豆狂野| 午夜精品国产一区二区电影| 精品国产露脸久久av麻豆| 黑人高潮一二区| 国产片特级美女逼逼视频| 一区二区日韩欧美中文字幕 | 大香蕉97超碰在线| 日韩欧美一区视频在线观看| 久久99精品国语久久久| 男女边吃奶边做爰视频| 久久久久久人人人人人| 男女免费视频国产| 欧美另类一区| 国产欧美日韩一区二区三区在线| 日本黄大片高清| 国产欧美另类精品又又久久亚洲欧美| 亚洲国产精品成人久久小说| 另类亚洲欧美激情| 国产一区二区在线观看日韩| 国内精品宾馆在线| h视频一区二区三区| 欧美日韩成人在线一区二区| 日日爽夜夜爽网站| 一级爰片在线观看| 中文欧美无线码| 日日摸夜夜添夜夜爱| 丝瓜视频免费看黄片| 国产高清不卡午夜福利| 一级毛片电影观看| 18禁动态无遮挡网站| videosex国产| 一级片'在线观看视频| 青春草国产在线视频| 久久精品国产亚洲av涩爱| 精品国产一区二区久久| 99九九在线精品视频| 国产日韩欧美在线精品| 国产精品无大码| 免费观看性生交大片5| 九九爱精品视频在线观看| 亚洲欧美精品自产自拍| 免费久久久久久久精品成人欧美视频 | 最近2019中文字幕mv第一页| 亚洲精品美女久久av网站| 十分钟在线观看高清视频www| 老司机亚洲免费影院| 亚洲丝袜综合中文字幕| 日韩伦理黄色片| 91精品伊人久久大香线蕉| 国产高清三级在线| 精品人妻偷拍中文字幕| 亚洲欧洲精品一区二区精品久久久 | 欧美日韩精品成人综合77777| 久久韩国三级中文字幕| tube8黄色片| 亚洲精品久久久久久婷婷小说| xxxhd国产人妻xxx| 在线观看人妻少妇| 69精品国产乱码久久久| 下体分泌物呈黄色| 久久久国产精品麻豆| 少妇的逼好多水| 在线观看www视频免费| www.av在线官网国产| 成人国产av品久久久| 9色porny在线观看| 91成人精品电影| 视频在线观看一区二区三区| 精品少妇内射三级| 国产精品人妻久久久久久| 精品国产乱码久久久久久小说| 视频中文字幕在线观看| 性色av一级| 制服人妻中文乱码| 欧美国产精品一级二级三级| 男女边吃奶边做爰视频| 国产麻豆69| 国产 一区精品| 天天操日日干夜夜撸| 天堂中文最新版在线下载| 国产午夜精品一二区理论片| 综合色丁香网| 欧美人与性动交α欧美精品济南到 | 国产麻豆69| 夫妻午夜视频| 国产69精品久久久久777片| 日韩在线高清观看一区二区三区| 午夜日本视频在线| 国产激情久久老熟女| 久久韩国三级中文字幕| 国产日韩欧美视频二区| 日日啪夜夜爽| 黄色一级大片看看| 日韩一本色道免费dvd| 日韩伦理黄色片| 免费观看性生交大片5| 亚洲精品第二区| 日韩制服丝袜自拍偷拍| 亚洲国产精品国产精品| 三级国产精品片| 中文字幕最新亚洲高清| 精品一品国产午夜福利视频| 美女视频免费永久观看网站| 亚洲,欧美,日韩| 18在线观看网站| 七月丁香在线播放| 啦啦啦视频在线资源免费观看| 丰满饥渴人妻一区二区三| 久久毛片免费看一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 亚洲美女黄色视频免费看| 伦理电影免费视频| 国产成人a∨麻豆精品| 妹子高潮喷水视频| 高清视频免费观看一区二区| 亚洲激情五月婷婷啪啪| 搡老乐熟女国产| 国产老妇伦熟女老妇高清| 免费看av在线观看网站| 久久久久久久久久成人| 久久99精品国语久久久| 欧美性感艳星| 久久人人爽人人片av| 久久久欧美国产精品| 2022亚洲国产成人精品| 精品第一国产精品| 国产精品久久久久久精品古装| 亚洲,欧美,日韩| 免费播放大片免费观看视频在线观看| 丝袜美足系列| 国产日韩欧美亚洲二区| 全区人妻精品视频| 一边亲一边摸免费视频| 水蜜桃什么品种好| 看十八女毛片水多多多| 久久ye,这里只有精品| 国产精品久久久久久精品古装| 日本黄大片高清| 一二三四中文在线观看免费高清| 日韩成人伦理影院| 国产一区亚洲一区在线观看| 婷婷色av中文字幕| 男女边摸边吃奶| 9191精品国产免费久久| 精品人妻熟女毛片av久久网站| 亚洲一级一片aⅴ在线观看| 欧美丝袜亚洲另类| 母亲3免费完整高清在线观看 | 99热国产这里只有精品6| av国产久精品久网站免费入址| 欧美bdsm另类| 这个男人来自地球电影免费观看 | 捣出白浆h1v1| 中国三级夫妇交换| 国产 精品1| 国产在线视频一区二区| 日本av免费视频播放| 日日摸夜夜添夜夜爱| 三上悠亚av全集在线观看| 久久人妻熟女aⅴ| 久久人人爽av亚洲精品天堂| av黄色大香蕉| 2022亚洲国产成人精品| 精品国产国语对白av| 欧美成人午夜免费资源| 在线看a的网站| av国产精品久久久久影院| 内地一区二区视频在线| 亚洲成人av在线免费| xxx大片免费视频| 午夜91福利影院| 在线观看一区二区三区激情| 黄色配什么色好看| 日产精品乱码卡一卡2卡三| 丰满迷人的少妇在线观看| 飞空精品影院首页| 久久精品人人爽人人爽视色| 日韩伦理黄色片| 18禁在线无遮挡免费观看视频| 国产又爽黄色视频| 高清黄色对白视频在线免费看| 男女边吃奶边做爰视频| 久久久久国产精品人妻一区二区| 少妇的逼水好多| 欧美日韩视频精品一区| 制服人妻中文乱码| 国产欧美日韩一区二区三区在线| 在线天堂中文资源库| 久久久久精品久久久久真实原创| videossex国产| 丝袜喷水一区| 最近最新中文字幕大全免费视频 | xxxhd国产人妻xxx| 欧美变态另类bdsm刘玥| 日韩三级伦理在线观看| 18禁观看日本| 亚洲色图 男人天堂 中文字幕 | 欧美日本中文国产一区发布| 亚洲欧洲日产国产| 日韩电影二区| 亚洲国产av新网站| 欧美日韩亚洲高清精品| 国产黄频视频在线观看| 久久久精品区二区三区| 一区二区三区精品91| 国产精品熟女久久久久浪| 女人久久www免费人成看片| xxxhd国产人妻xxx| 亚洲精品美女久久久久99蜜臀 | 国产欧美亚洲国产| 91在线精品国自产拍蜜月| 免费在线观看完整版高清| 有码 亚洲区| av在线老鸭窝| 中国三级夫妇交换| 一个人免费看片子| 精品国产一区二区久久| 在线亚洲精品国产二区图片欧美| 精品国产乱码久久久久久小说| 韩国高清视频一区二区三区| 亚洲精品,欧美精品| 欧美xxxx性猛交bbbb| 美女大奶头黄色视频| 欧美人与性动交α欧美软件 | 男人爽女人下面视频在线观看| 欧美日韩综合久久久久久| 在线观看免费高清a一片| 少妇被粗大的猛进出69影院 | 婷婷色av中文字幕| 免费人妻精品一区二区三区视频| 亚洲欧美日韩另类电影网站| 精品熟女少妇av免费看| 大片免费播放器 马上看| 亚洲中文av在线| 在线观看美女被高潮喷水网站| 久久av网站| 亚洲精品国产色婷婷电影| 青春草视频在线免费观看| 自拍欧美九色日韩亚洲蝌蚪91| 少妇人妻精品综合一区二区| 日韩一本色道免费dvd| 水蜜桃什么品种好| 亚洲精品自拍成人| 一级黄片播放器| 亚洲av欧美aⅴ国产| 亚洲欧美日韩卡通动漫| 国产精品.久久久| 伦理电影免费视频| 国产成人一区二区在线| 视频中文字幕在线观看| 日韩,欧美,国产一区二区三区| 日本爱情动作片www.在线观看| 高清视频免费观看一区二区| 人人妻人人添人人爽欧美一区卜| 国产探花极品一区二区| 卡戴珊不雅视频在线播放| 亚洲国产日韩一区二区| 欧美性感艳星| www.av在线官网国产| 91在线精品国自产拍蜜月| 91精品三级在线观看| 亚洲精品久久午夜乱码| 国产成人精品福利久久| 丝袜美足系列| 国产av码专区亚洲av| 在线观看免费高清a一片| 日本黄色日本黄色录像| 国产男人的电影天堂91| 新久久久久国产一级毛片| 女人精品久久久久毛片| 黑人巨大精品欧美一区二区蜜桃 | 成年女人在线观看亚洲视频| 一边亲一边摸免费视频| 久久婷婷青草| 97在线视频观看| 少妇的逼水好多| 久久人人爽人人爽人人片va| 久久久精品免费免费高清| 中国三级夫妇交换| 成年动漫av网址| 国产男人的电影天堂91| 久久精品aⅴ一区二区三区四区 | av卡一久久| 国产成人精品在线电影| 一级毛片我不卡| 成人亚洲欧美一区二区av| 99久久综合免费| 日韩熟女老妇一区二区性免费视频| 美女内射精品一级片tv| 中文字幕人妻丝袜制服| 曰老女人黄片| 日韩人妻精品一区2区三区| 一级黄片播放器| 久久99精品国语久久久| 欧美 日韩 精品 国产| 人人妻人人澡人人看| av线在线观看网站| 少妇的丰满在线观看| 国产日韩欧美在线精品| 一级a做视频免费观看| 午夜视频国产福利| 久久热在线av| 在线精品无人区一区二区三| 久久影院123| 伦精品一区二区三区| 国精品久久久久久国模美| 性高湖久久久久久久久免费观看| 最后的刺客免费高清国语| 插逼视频在线观看| 丝袜美足系列| 亚洲欧美一区二区三区黑人 | 热99久久久久精品小说推荐| 午夜免费鲁丝| 国产一区二区激情短视频 | 侵犯人妻中文字幕一二三四区| 免费在线观看完整版高清| 男女边吃奶边做爰视频| 久久人人97超碰香蕉20202| 男女啪啪激烈高潮av片| 亚洲国产最新在线播放| 人人妻人人爽人人添夜夜欢视频| 国产精品国产三级国产av玫瑰| 国产69精品久久久久777片| 国产永久视频网站| videossex国产| 看免费成人av毛片| 亚洲成国产人片在线观看| 亚洲一级一片aⅴ在线观看| 少妇人妻精品综合一区二区| 精品酒店卫生间| 亚洲内射少妇av| 丝袜在线中文字幕| 午夜福利网站1000一区二区三区| 性色avwww在线观看| 精品国产露脸久久av麻豆| 曰老女人黄片| 国产精品成人在线| 午夜精品国产一区二区电影| 少妇人妻久久综合中文| 精品一区二区三卡| 成人漫画全彩无遮挡| 国产亚洲一区二区精品| 国产熟女午夜一区二区三区| 十八禁高潮呻吟视频| 大码成人一级视频| 中国美白少妇内射xxxbb| 观看美女的网站| videosex国产| av女优亚洲男人天堂| a级毛片在线看网站| 男人爽女人下面视频在线观看| 99视频精品全部免费 在线| 18禁裸乳无遮挡动漫免费视频| 男女高潮啪啪啪动态图| 久久精品国产a三级三级三级| 男人操女人黄网站| 精品一区二区免费观看| 热re99久久精品国产66热6| 午夜福利在线观看免费完整高清在| 9色porny在线观看| 国产精品麻豆人妻色哟哟久久| 国产永久视频网站| 大香蕉97超碰在线| 久久久久久久久久人人人人人人| 黄片播放在线免费| 80岁老熟妇乱子伦牲交| 久久久久视频综合| 久久人人97超碰香蕉20202| 哪个播放器可以免费观看大片| 秋霞在线观看毛片| 国产成人精品久久久久久| 毛片一级片免费看久久久久| 免费看光身美女| 在线观看国产h片| 国产午夜精品一二区理论片| 免费久久久久久久精品成人欧美视频 | 美女国产高潮福利片在线看| 中文字幕另类日韩欧美亚洲嫩草| 黄色视频在线播放观看不卡| 男人操女人黄网站| 国产精品久久久av美女十八| www.熟女人妻精品国产 | 欧美 亚洲 国产 日韩一| 男的添女的下面高潮视频| 国产日韩欧美视频二区| 日本wwww免费看| 一区二区日韩欧美中文字幕 | 亚洲人成网站在线观看播放| 亚洲色图综合在线观看| 欧美xxⅹ黑人| 亚洲精品456在线播放app| 99热网站在线观看| 国产午夜精品一二区理论片| 大片免费播放器 马上看| 亚洲精品aⅴ在线观看| 激情视频va一区二区三区| 国产一区二区在线观看av| 精品一品国产午夜福利视频| 亚洲 欧美一区二区三区| 亚洲av日韩在线播放| 韩国av在线不卡| 精品国产乱码久久久久久小说| 亚洲欧美色中文字幕在线| 久久综合国产亚洲精品| 人体艺术视频欧美日本| 亚洲欧美一区二区三区国产| 一区二区av电影网| 精品人妻在线不人妻| 亚洲色图综合在线观看| 中文天堂在线官网| 女人被躁到高潮嗷嗷叫费观| 在线观看三级黄色| 免费大片黄手机在线观看| 日韩av免费高清视频| 国产探花极品一区二区| 在线 av 中文字幕| 看非洲黑人一级黄片| 国产xxxxx性猛交| 免费观看性生交大片5| 天堂中文最新版在线下载| a级毛色黄片| 最近最新中文字幕免费大全7| 欧美97在线视频| 免费大片18禁| 免费观看av网站的网址| 久热久热在线精品观看| 免费不卡的大黄色大毛片视频在线观看| 日韩在线高清观看一区二区三区| 王馨瑶露胸无遮挡在线观看| 亚洲精品自拍成人| av在线app专区| av天堂久久9| 美女脱内裤让男人舔精品视频| 一级黄片播放器| 七月丁香在线播放| 中国美白少妇内射xxxbb| 男男h啪啪无遮挡| 久久久久久久久久久久大奶| 亚洲图色成人| 欧美国产精品一级二级三级| 大陆偷拍与自拍| 麻豆乱淫一区二区| 爱豆传媒免费全集在线观看| 亚洲在久久综合| 曰老女人黄片| 又大又黄又爽视频免费| 一区二区日韩欧美中文字幕 | 熟妇人妻不卡中文字幕| www.色视频.com| 国产精品蜜桃在线观看| 26uuu在线亚洲综合色| 国产又爽黄色视频| 91在线精品国自产拍蜜月| 国产免费一级a男人的天堂| 天天躁夜夜躁狠狠躁躁| 免费av中文字幕在线| 久久久国产精品麻豆| 国产日韩欧美视频二区| 日韩大片免费观看网站| 欧美激情 高清一区二区三区| 99久国产av精品国产电影| 日本午夜av视频| 日韩精品免费视频一区二区三区 | 国产成人一区二区在线| 2021少妇久久久久久久久久久| 哪个播放器可以免费观看大片| 亚洲三级黄色毛片| av在线播放精品| 成人毛片60女人毛片免费| 亚洲国产欧美日韩在线播放| 国产精品免费大片| 国产成人精品在线电影| 麻豆乱淫一区二区| 777米奇影视久久| 大香蕉久久网| 97精品久久久久久久久久精品| 亚洲av.av天堂| 宅男免费午夜| 亚洲综合精品二区| 少妇被粗大猛烈的视频| 亚洲丝袜综合中文字幕| 精品卡一卡二卡四卡免费| 街头女战士在线观看网站| 国产又爽黄色视频| 卡戴珊不雅视频在线播放| av在线观看视频网站免费| 国产一区有黄有色的免费视频| 久久97久久精品| 汤姆久久久久久久影院中文字幕| 伊人久久国产一区二区| 黑人欧美特级aaaaaa片| 亚洲av日韩在线播放| 国产爽快片一区二区三区| 丰满迷人的少妇在线观看| 永久网站在线| 熟妇人妻不卡中文字幕|