• <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 ?

    基于二分Kmeans的協(xié)同過(guò)濾推薦算法

    2017-03-06 21:01:39吳金李張建明
    軟件導(dǎo)刊 2017年1期
    關(guān)鍵詞:推薦算法協(xié)同過(guò)濾

    吳金李+張建明

    摘要摘要:針對(duì)傳統(tǒng)協(xié)同過(guò)濾推薦算法中存在的數(shù)據(jù)稀疏性問(wèn)題,提出了一種基于二分Kmeans的協(xié)同過(guò)濾推薦算法。該算法在Kmeans算法的基礎(chǔ)上,為了降低初始質(zhì)點(diǎn)選擇對(duì)聚類結(jié)果的影響,在運(yùn)行中逐個(gè)添加質(zhì)點(diǎn)。首先初始化評(píng)分?jǐn)?shù)據(jù)并將其作為初始簇,然后選擇合適的簇隨機(jī)產(chǎn)生兩個(gè)質(zhì)點(diǎn)將簇分裂為兩個(gè)簇,重復(fù)上述步驟,直到聚類完成。最后為了降低不同用戶評(píng)分標(biāo)準(zhǔn)差異,將用戶評(píng)分的平均值和用戶同簇內(nèi)相互間的相似度相結(jié)合,計(jì)算預(yù)測(cè)評(píng)分矩陣,生成推薦結(jié)果。實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的算法較好地解決了數(shù)據(jù)稀疏問(wèn)題,提高了推薦質(zhì)量。

    關(guān)鍵詞關(guān)鍵詞:Kmeans算法;二分Kmeans;協(xié)同過(guò)濾;推薦算法

    DOIDOI:10.11907/rjdk.162275

    中圖分類號(hào):TP312文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào)文章編號(hào):16727800(2017)001002603

    引言

    隨著網(wǎng)絡(luò)的發(fā)展,互聯(lián)網(wǎng)上的信息量飛速增長(zhǎng),推薦系統(tǒng)根據(jù)這些用戶行為信息,挖掘?qū)τ脩粲杏玫男畔?duì)用戶進(jìn)行個(gè)性化推薦。隨著個(gè)性化推薦系統(tǒng)的發(fā)展,協(xié)同過(guò)濾算法成為目前使用最廣泛的推薦系統(tǒng)基礎(chǔ)算法[12]。其基本思想是找到與目標(biāo)對(duì)象最相似的對(duì)象生成推薦結(jié)果[34]。

    Goldberg等[5]最早提出協(xié)同過(guò)濾思想,后來(lái)明尼蘇達(dá)大學(xué)在實(shí)際網(wǎng)站建設(shè)時(shí)又提出基于用戶和基于項(xiàng)目的協(xié)同過(guò)濾推薦系統(tǒng),形成傳統(tǒng)的協(xié)同過(guò)濾推薦算法。在實(shí)際應(yīng)用中隨著用戶數(shù)和項(xiàng)目數(shù)的增加,系統(tǒng)需要計(jì)算的數(shù)據(jù)量也相應(yīng)增加,同時(shí)用于計(jì)算的用戶項(xiàng)目評(píng)分矩陣數(shù)據(jù)變得更稀疏,這些都對(duì)推薦系統(tǒng)的性能產(chǎn)生影響。因此Sarwar等[6]利用Kmeans算法對(duì)用戶進(jìn)行聚類,縮小最近鄰的搜索范圍,改善可擴(kuò)展性問(wèn)題。Herlocker J等[7]對(duì)項(xiàng)目進(jìn)行聚類,縮小了目標(biāo)項(xiàng)目的最近鄰搜索范圍,有效減少了運(yùn)算數(shù)據(jù)量。Tsai CF等[8]在理論和實(shí)驗(yàn)上闡明,基于SOM和Kmeans聚類方法可以作為協(xié)同過(guò)濾算法的基準(zhǔn),提高了推薦系統(tǒng)的精度。

    針對(duì)網(wǎng)絡(luò)數(shù)據(jù)量大、信息種類復(fù)雜等問(wèn)題,在協(xié)同過(guò)濾推薦算法的基礎(chǔ)上采用大數(shù)據(jù)處理中的Kmeans算法,可以有效地將數(shù)據(jù)進(jìn)行分類,但初始質(zhì)點(diǎn)的選擇對(duì)Kmeans算法聚類的結(jié)果影響較大。為解決初始質(zhì)點(diǎn)選擇問(wèn)題,本文提出改進(jìn)二分Kmeans方法,動(dòng)態(tài)地為數(shù)據(jù)集添加質(zhì)點(diǎn),經(jīng)迭代計(jì)算出所有質(zhì)點(diǎn),降低初始質(zhì)點(diǎn)選擇帶來(lái)的誤差,并且添加邊界值處理。計(jì)算預(yù)測(cè)評(píng)分時(shí)針對(duì)用戶的評(píng)分標(biāo)準(zhǔn)不同,采用平均值法降低其所帶來(lái)的影響,結(jié)合對(duì)象之間的相似度對(duì)預(yù)測(cè)評(píng)分方法加以改進(jìn)。實(shí)驗(yàn)結(jié)果表明,本實(shí)驗(yàn)方案效果更好。

    1基于Kmeans的協(xié)同過(guò)濾推薦算法

    1.1傳統(tǒng)協(xié)同過(guò)濾推薦算法

    協(xié)同過(guò)濾算法包括兩種思想,基于用戶協(xié)同過(guò)濾和基于項(xiàng)目的推薦算法?;谟脩魠f(xié)同過(guò)濾算法的基本思想:①找到和目標(biāo)用戶興趣相似的用戶集合;②找到該集合中用戶喜歡的,且目標(biāo)用戶沒(méi)有聽(tīng)說(shuō)過(guò)的物品推薦給目標(biāo)用戶[8],如圖1所示。

    圖1基于用戶推薦

    首先收集并處理所有用戶信息,然后將目標(biāo)用戶的信息與用戶信息集合中的信息作相似計(jì)算得出相似用戶集合。其中關(guān)鍵是計(jì)算用戶間的相似度,通過(guò)第一步數(shù)據(jù)的處理,用戶信息已經(jīng)轉(zhuǎn)化為空間向量信息,計(jì)算空間向量的相似性有效方法,即皮爾森相關(guān)系數(shù)(PCC)[9]相對(duì)于其它方法而言較為準(zhǔn)確,例如相對(duì)于余弦相似性計(jì)算,PCC對(duì)向量作去中心和歸一化處理,降低了不同用戶評(píng)分標(biāo)準(zhǔn)不同所產(chǎn)生的影響,皮爾森相關(guān)系數(shù)如式(1)所示。最后根據(jù)用戶相似矩陣計(jì)算目標(biāo)用戶未接觸的商品的預(yù)測(cè)評(píng)分產(chǎn)生推薦結(jié)果,對(duì)用戶進(jìn)行推薦。

    其中Ri、Rj表示用戶評(píng)分均值,Rik、Rjk表示用戶對(duì)k項(xiàng)目的評(píng)分。

    基于物品協(xié)同過(guò)濾算法基本思想:①計(jì)算物品之間的相似度;②根據(jù)物品的相似度和用戶的歷史行為生成推薦列表[10],如圖2所示。與基于用戶協(xié)同過(guò)濾類似,基于物品協(xié)同過(guò)濾算法首先計(jì)算出物品之前的相似度,再根據(jù)目標(biāo)用戶的歷史信息,計(jì)算預(yù)測(cè)與之相似的物品,最后對(duì)目標(biāo)用戶形成推薦。

    圖2基于物品推薦

    隨著網(wǎng)絡(luò)用戶數(shù)目的增加,計(jì)算用戶相似性的難度加大,運(yùn)算時(shí)間復(fù)雜度和空間復(fù)雜度的增長(zhǎng)和用戶數(shù)的增長(zhǎng)近似于平方關(guān)系。因此,著名的電子商務(wù)公司亞馬遜提出了基于物品的協(xié)同過(guò)濾算法[11]。由此可以看出,基于用戶推薦算法注重找到與用戶相似的用戶集合中的熱點(diǎn),而基于物品推薦算法則注重用戶的歷史信息,更傾向于個(gè)性化推薦。1.2基于Kmeans的協(xié)同過(guò)濾推薦算法

    在計(jì)算對(duì)象間的相似度時(shí),傳統(tǒng)推薦算法首先計(jì)算出每?jī)晌挥脩舻南嗨贫?,?dāng)對(duì)象的數(shù)據(jù)量達(dá)到一定程度時(shí),相似度計(jì)算量將會(huì)非常大。因此,為了降低數(shù)據(jù)計(jì)算量,采用大數(shù)據(jù)中用于數(shù)據(jù)分類的Kmeans聚類方法。算法首先根據(jù)數(shù)據(jù)大小確定k個(gè)質(zhì)點(diǎn)做初始質(zhì)心,計(jì)算數(shù)據(jù)集中所有數(shù)據(jù)距離最近的質(zhì)點(diǎn),將數(shù)據(jù)指派到該質(zhì)點(diǎn)所在的簇中。然后根據(jù)指派到簇的點(diǎn),更新每個(gè)質(zhì)心。重復(fù)以上步驟,直到質(zhì)心不再變化,數(shù)據(jù)被指派到不同的簇[1013]。

    為了計(jì)算目標(biāo)用戶的相似用戶,首先計(jì)算目標(biāo)用戶和每個(gè)簇內(nèi)質(zhì)心的相似性,計(jì)算出目標(biāo)用戶所屬簇。再計(jì)算出目標(biāo)用戶和簇內(nèi)用戶的相似性,得出目標(biāo)用戶相似用戶集合。最后對(duì)目標(biāo)用戶未接觸的物品預(yù)測(cè)評(píng)分后生成推薦。

    2基于二分Kmeans的協(xié)同過(guò)濾推薦算法

    Kmeans算法最重要的是質(zhì)心的選擇,質(zhì)心的選擇可以根據(jù)數(shù)據(jù)集中數(shù)據(jù)的范圍,隨機(jī)生成指定個(gè)數(shù)的質(zhì)心。當(dāng)簇的數(shù)量比較大時(shí),比較容易出現(xiàn)質(zhì)點(diǎn)在簇中分布不均,即可能出現(xiàn)有些簇中質(zhì)點(diǎn)個(gè)數(shù)相當(dāng)少的情況,此時(shí)這些初始質(zhì)心到其它質(zhì)心的距離較大[12]。當(dāng)質(zhì)心相對(duì)距離較遠(yuǎn)時(shí),Kmeans算法不能很好地在簇與簇之間重新計(jì)算分布質(zhì)點(diǎn),因而聚類結(jié)果不佳。為了改善Kmeans聚類方法初始質(zhì)心選擇所帶來(lái)的影響,采用二分Kmeans算法。二分Kmeans算法思想是為了得到k個(gè)簇,將所有點(diǎn)的集合分裂成兩個(gè)簇,再根據(jù)SSE值從這些簇中選取一個(gè)最大的繼續(xù)分裂,直到產(chǎn)生k個(gè)簇。其中SSE表示javascript:;用數(shù)據(jù)集中每個(gè)數(shù)據(jù)和其質(zhì)心的歐幾里得距離計(jì)算誤差平方,然后求得所有誤差和。SSE公式如式(2)所示[13]。

    其中,ci表示質(zhì)心坐標(biāo),x表示質(zhì)心為ci的數(shù)據(jù)。dist表示空間兩個(gè)向量的歐幾里得距離。每次選定最小的SSE后,重新計(jì)算每個(gè)簇的質(zhì)心,采用均值法來(lái)計(jì)算。第i個(gè)簇的質(zhì)心由式(3)定義。

    ci=1mi∑x∈Cix(3)

    一般二分Kmeans算法在選取對(duì)哪一簇分類有多種方法時(shí),可以選擇SSE結(jié)果最大簇或者基于一個(gè)標(biāo)準(zhǔn)SSE值來(lái)選擇,并且不考慮邊界情況。本文在選取分類簇上按照簇的編號(hào),依次選取。如果在已有的簇中找不到分類后更小的SSE值,并且質(zhì)心個(gè)數(shù)小于k,則停止循環(huán),輸出現(xiàn)有質(zhì)心坐標(biāo)和分類結(jié)果。具體流程如圖3所示。首先初始化數(shù)據(jù),然后判斷質(zhì)心個(gè)數(shù)是否小于k值,若成立則循環(huán)計(jì)算分類前SSE1值和分類后SSE2值直到SSE2

    對(duì)每個(gè)簇中所有用戶的數(shù)據(jù)根據(jù)皮爾森相關(guān)系數(shù)[14]計(jì)算同一簇內(nèi)每?jī)蓚€(gè)用戶間的相似性,然后對(duì)用戶未評(píng)分的部分預(yù)測(cè)評(píng)分。根據(jù)相似性,由于每個(gè)用戶評(píng)分標(biāo)準(zhǔn)不同,在計(jì)算評(píng)分時(shí)消除個(gè)人評(píng)分對(duì)目標(biāo)評(píng)分結(jié)果的影響。具體實(shí)現(xiàn)如式(4)所示。

    pu,i=Ru+∑j∈Misim(u,j)×(Rj,i-Rj)∑j∈Mi(|sim(u,j)|)(4)

    其中,Pu,i表示用戶u對(duì)項(xiàng)目i的評(píng)分,Ru表示用戶評(píng)分均值,Rj,i表示j用戶對(duì)i項(xiàng)目的評(píng)分,Rj表示j用戶評(píng)分均值。

    基于二分Kmeans推薦算法首先對(duì)初始數(shù)據(jù)聚類,然后計(jì)算每個(gè)簇中用戶相似性,最后對(duì)用戶評(píng)分矩陣進(jìn)行評(píng)分預(yù)測(cè)后,找出預(yù)測(cè)評(píng)分最高的前N個(gè)物品形成推薦[15]。具體實(shí)現(xiàn)步驟如圖4所示。

    Step1:將用戶評(píng)分?jǐn)?shù)據(jù)分為訓(xùn)練集和測(cè)試集,將兩類數(shù)據(jù)分別存入二維數(shù)組中。

    Step2:設(shè)置分類數(shù)量k。

    Step3:將訓(xùn)練集數(shù)據(jù)帶入圖3流程圖進(jìn)行計(jì)算,得到k個(gè)質(zhì)心坐標(biāo),并為數(shù)組存放每位用戶所屬的簇。

    Step4:根據(jù)式(1)計(jì)算k個(gè)簇內(nèi)每位用戶在其對(duì)應(yīng)的簇內(nèi)與同簇內(nèi)每位用戶的相似性,求出k個(gè)相似矩陣表。

    Step5:將相似矩陣表和初始數(shù)據(jù)表中數(shù)據(jù)帶入式(4)得到預(yù)測(cè)評(píng)分,根據(jù)topN得到推薦。

    3實(shí)驗(yàn)結(jié)果及分析

    實(shí)驗(yàn)數(shù)據(jù)是MovieLens數(shù)據(jù)集中小規(guī)模的庫(kù),包括943位獨(dú)立用戶對(duì)1 682部電影的100 000次評(píng)分?jǐn)?shù)據(jù)。用戶對(duì)已看過(guò)的電影評(píng)分,評(píng)分范圍為1~5。實(shí)驗(yàn)采用Java開(kāi)發(fā)平臺(tái),根據(jù)用戶評(píng)分生預(yù)測(cè)評(píng)分矩陣從而形成推薦。

    評(píng)價(jià)推薦系統(tǒng)推薦質(zhì)量的度量標(biāo)準(zhǔn)采用平均絕對(duì)誤差MAE進(jìn)行度量。通過(guò)計(jì)算預(yù)測(cè)評(píng)分和實(shí)際評(píng)分的MAE值來(lái)判斷推薦效果。當(dāng)MAE值越小時(shí),推薦的質(zhì)量越高,反之推薦的質(zhì)量越低。MAE公式如式(5)所示,其中pi表示系統(tǒng)對(duì)用戶的預(yù)測(cè)評(píng)分,qi表示用戶的實(shí)際評(píng)分。

    MAE=∑Ni=1|pi-qi|N(5)

    本文對(duì)Kmeans協(xié)同過(guò)濾和二分Kmeans協(xié)同過(guò)濾算法在相同數(shù)據(jù)集中進(jìn)行比較,實(shí)驗(yàn)結(jié)果如圖5所示,最近鄰個(gè)數(shù)增加時(shí)MAE值減小,表示預(yù)測(cè)結(jié)果越好,基于二分Kmeans的協(xié)同過(guò)濾推薦效果優(yōu)于基于Kmeans協(xié)同過(guò)濾的推薦效果。

    4結(jié)語(yǔ)

    隨著互聯(lián)網(wǎng)科技的發(fā)展,網(wǎng)絡(luò)數(shù)據(jù)蘊(yùn)含的信息將逐漸被人挖掘,推薦系統(tǒng)可以有效地處理數(shù)據(jù),但由于網(wǎng)絡(luò)數(shù)據(jù)存在數(shù)據(jù)稀疏、數(shù)據(jù)量大等問(wèn)題,因而本文采用基于二分Kmeans的協(xié)同過(guò)濾推薦算法。該算法將相同類別的數(shù)據(jù)聚集在一起,將不同類別的數(shù)據(jù)加以分離,降低運(yùn)算量。對(duì)數(shù)據(jù)動(dòng)態(tài)地添加質(zhì)點(diǎn),再更新數(shù)據(jù)類別,可提高數(shù)據(jù)分類效果,使得每個(gè)類別內(nèi)的數(shù)據(jù)結(jié)合更緊密,類之間的差距也相應(yīng)增加。實(shí)驗(yàn)結(jié)果表明,本文采用基于二分Kmeans的協(xié)同過(guò)濾推薦算法能夠有效提高算法性能。

    參考文獻(xiàn):

    [1]LINDEN G,SMITH B,YORK J.Amazon.com recommendations:itemtoitem collaborative filtering[J].IEEE Internet Computing,2003,7(1):7680.

    [2]CHUNG K Y,LEE D,KIM K J.Categorization for grouping associative items using data mining in itembased collaborative filtering[J]. Multimedia Tools & Applications,2014,71(2):889904.

    猜你喜歡
    推薦算法協(xié)同過(guò)濾
    圖書(shū)推薦算法綜述
    改進(jìn)的協(xié)同過(guò)濾推薦算法
    校園社交平臺(tái)中標(biāo)簽系統(tǒng)的研究
    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的網(wǎng)絡(luò)協(xié)同過(guò)濾推薦算法研究
    社交網(wǎng)絡(luò)推薦系統(tǒng)
    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
    一種改進(jìn)的基于位置的推薦算法
    基于情景感知的高校移動(dòng)社交網(wǎng)絡(luò)平臺(tái)設(shè)計(jì)與開(kāi)發(fā)
    人人澡人人妻人| 女的被弄到高潮叫床怎么办| 久久久国产欧美日韩av| 最近中文字幕2019免费版| 国产 一区精品| 九色成人免费人妻av| 午夜福利影视在线免费观看| 啦啦啦啦在线视频资源| 两个人免费观看高清视频 | 噜噜噜噜噜久久久久久91| 91精品伊人久久大香线蕉| 男人狂女人下面高潮的视频| 97超碰精品成人国产| 精品国产露脸久久av麻豆| 美女主播在线视频| 亚洲情色 制服丝袜| 水蜜桃什么品种好| 国产成人午夜福利电影在线观看| 蜜臀久久99精品久久宅男| 免费久久久久久久精品成人欧美视频 | 简卡轻食公司| 亚洲第一av免费看| 91久久精品电影网| 有码 亚洲区| 2021少妇久久久久久久久久久| 嘟嘟电影网在线观看| 99热这里只有是精品50| 午夜福利在线观看免费完整高清在| 极品人妻少妇av视频| 免费观看性生交大片5| 欧美日韩av久久| 国产成人精品一,二区| 人体艺术视频欧美日本| 亚州av有码| 成人无遮挡网站| 高清毛片免费看| 九草在线视频观看| 观看av在线不卡| 久久综合国产亚洲精品| 国产精品久久久久久久久免| 国产成人freesex在线| 免费人妻精品一区二区三区视频| av天堂久久9| a 毛片基地| 黄色欧美视频在线观看| 亚洲欧美一区二区三区黑人 | tube8黄色片| av福利片在线观看| 国产一区亚洲一区在线观看| 简卡轻食公司| 久久久精品免费免费高清| 亚洲人成网站在线观看播放| 欧美xxⅹ黑人| 精品午夜福利在线看| 一区二区三区乱码不卡18| 欧美 日韩 精品 国产| 高清视频免费观看一区二区| 日本午夜av视频| 嫩草影院新地址| 少妇熟女欧美另类| 亚洲国产日韩一区二区| 99久久精品热视频| 午夜老司机福利剧场| 国产深夜福利视频在线观看| 国产av国产精品国产| 韩国av在线不卡| 国产色婷婷99| 午夜福利网站1000一区二区三区| 亚洲精品国产色婷婷电影| 国产黄色视频一区二区在线观看| 伊人久久国产一区二区| 少妇高潮的动态图| 少妇人妻久久综合中文| 精品卡一卡二卡四卡免费| 亚洲精品乱码久久久v下载方式| 成人免费观看视频高清| 国产一区亚洲一区在线观看| 日韩 亚洲 欧美在线| 秋霞伦理黄片| 久久免费观看电影| 人人澡人人妻人| 嘟嘟电影网在线观看| 日韩,欧美,国产一区二区三区| 插逼视频在线观看| 国产午夜精品久久久久久一区二区三区| 欧美丝袜亚洲另类| 久久精品久久久久久久性| 99久久人妻综合| videos熟女内射| 赤兔流量卡办理| 欧美变态另类bdsm刘玥| 亚洲性久久影院| 性高湖久久久久久久久免费观看| 日本免费在线观看一区| 国产精品福利在线免费观看| 国产一区二区在线观看av| 欧美国产精品一级二级三级 | h视频一区二区三区| 精品人妻熟女毛片av久久网站| 大陆偷拍与自拍| 美女脱内裤让男人舔精品视频| 精品人妻偷拍中文字幕| 一区二区av电影网| 亚洲自偷自拍三级| 青青草视频在线视频观看| 婷婷色综合www| 国产精品伦人一区二区| 久热这里只有精品99| 国产精品国产三级国产av玫瑰| 亚洲婷婷狠狠爱综合网| 午夜免费观看性视频| 久久热精品热| 丰满乱子伦码专区| 久久久久久久大尺度免费视频| 岛国毛片在线播放| 日韩大片免费观看网站| 午夜激情福利司机影院| 欧美激情极品国产一区二区三区 | 一级,二级,三级黄色视频| 国产亚洲欧美精品永久| 日韩一区二区三区影片| 内射极品少妇av片p| 欧美日韩在线观看h| 国产高清有码在线观看视频| 亚洲av综合色区一区| 在线观看一区二区三区激情| 日韩欧美精品免费久久| 免费人妻精品一区二区三区视频| av福利片在线| 国产精品三级大全| 久久人人爽av亚洲精品天堂| 国产精品一区www在线观看| 亚洲欧美一区二区三区国产| 久热久热在线精品观看| 免费看不卡的av| 少妇高潮的动态图| 国产 一区精品| 国产男人的电影天堂91| 国国产精品蜜臀av免费| 精品卡一卡二卡四卡免费| 国产日韩欧美视频二区| 丰满饥渴人妻一区二区三| 久久精品熟女亚洲av麻豆精品| 老司机影院毛片| 国产精品无大码| 一边亲一边摸免费视频| 亚洲欧美清纯卡通| 女的被弄到高潮叫床怎么办| 99久久精品一区二区三区| 国产白丝娇喘喷水9色精品| 伊人亚洲综合成人网| 亚洲av成人精品一二三区| 狂野欧美激情性xxxx在线观看| 久久国内精品自在自线图片| 丝袜在线中文字幕| 国产精品国产av在线观看| 日日摸夜夜添夜夜添av毛片| 丝袜脚勾引网站| 国产精品嫩草影院av在线观看| 亚洲精品国产av蜜桃| 在线播放无遮挡| 国产在线男女| 久久精品国产亚洲av涩爱| av有码第一页| 国产精品国产三级专区第一集| 九九久久精品国产亚洲av麻豆| 97在线视频观看| 夜夜骑夜夜射夜夜干| 国产精品久久久久久精品古装| 日本91视频免费播放| 99国产精品免费福利视频| 边亲边吃奶的免费视频| 成人国产麻豆网| 日韩强制内射视频| 国产黄色视频一区二区在线观看| 久久精品国产亚洲av天美| 九草在线视频观看| 成人黄色视频免费在线看| 男女边吃奶边做爰视频| av卡一久久| 久久久久久久亚洲中文字幕| 91aial.com中文字幕在线观看| 午夜91福利影院| 成人午夜精彩视频在线观看| 免费高清在线观看视频在线观看| 国产精品熟女久久久久浪| 久久av网站| 26uuu在线亚洲综合色| 2021少妇久久久久久久久久久| 91精品一卡2卡3卡4卡| 一区二区av电影网| 国产亚洲一区二区精品| 亚洲欧美精品自产自拍| 啦啦啦中文免费视频观看日本| 久久久a久久爽久久v久久| av在线观看视频网站免费| 免费观看性生交大片5| 99热全是精品| 人妻 亚洲 视频| 大话2 男鬼变身卡| 男女边吃奶边做爰视频| 一级黄片播放器| 成年av动漫网址| 国语对白做爰xxxⅹ性视频网站| 九草在线视频观看| 国产伦理片在线播放av一区| 精品视频人人做人人爽| av在线app专区| av在线app专区| 老女人水多毛片| 一个人免费看片子| 老熟女久久久| 日本91视频免费播放| 国产日韩欧美在线精品| av在线app专区| 亚洲第一av免费看| 免费人成在线观看视频色| 国产又色又爽无遮挡免| 在线观看av片永久免费下载| 色婷婷av一区二区三区视频| 美女内射精品一级片tv| 亚洲国产成人一精品久久久| 久久久久国产网址| 国产极品粉嫩免费观看在线 | 亚洲欧洲国产日韩| 国产精品一区www在线观看| 国产亚洲精品久久久com| av视频免费观看在线观看| 国产精品成人在线| 一本久久精品| 十八禁网站网址无遮挡 | 欧美人与善性xxx| 亚洲精品色激情综合| 亚洲精品中文字幕在线视频 | 亚洲高清免费不卡视频| 亚洲久久久国产精品| 日韩中文字幕视频在线看片| 丝瓜视频免费看黄片| 日韩av不卡免费在线播放| 精品卡一卡二卡四卡免费| 精品视频人人做人人爽| 国产精品国产三级国产av玫瑰| 国产无遮挡羞羞视频在线观看| 中文字幕人妻丝袜制服| 久久韩国三级中文字幕| 久久精品国产亚洲av涩爱| 亚洲内射少妇av| 久久久久久人妻| 亚洲欧美精品自产自拍| av国产久精品久网站免费入址| h视频一区二区三区| 少妇人妻一区二区三区视频| 一级a做视频免费观看| 免费高清在线观看日韩| 成人手机av| 免费在线观看日本一区| 丰满饥渴人妻一区二区三| 精品一区二区三卡| 亚洲九九香蕉| 日韩制服骚丝袜av| 美女福利国产在线| 婷婷色av中文字幕| 国产在线视频一区二区| 免费观看a级毛片全部| 亚洲av电影在线观看一区二区三区| 亚洲午夜精品一区,二区,三区| 精品亚洲成国产av| 日韩视频一区二区在线观看| av片东京热男人的天堂| 热99国产精品久久久久久7| 精品亚洲乱码少妇综合久久| 免费高清在线观看日韩| 99久久精品国产亚洲精品| 王馨瑶露胸无遮挡在线观看| 亚洲三区欧美一区| 99re6热这里在线精品视频| 超色免费av| 老司机午夜福利在线观看视频 | 一区二区三区四区激情视频| 亚洲国产欧美日韩在线播放| 国产男女超爽视频在线观看| 久久这里只有精品19| 丝袜美足系列| 欧美黑人精品巨大| 视频在线观看一区二区三区| 欧美中文综合在线视频| 亚洲精品国产区一区二| 最近中文字幕2019免费版| 一区二区av电影网| 久久热在线av| 亚洲成人手机| 又紧又爽又黄一区二区| 丝袜喷水一区| 五月开心婷婷网| 精品福利永久在线观看| 亚洲成国产人片在线观看| 久久午夜综合久久蜜桃| 国产精品99久久99久久久不卡| 欧美日韩精品网址| 好男人电影高清在线观看| av天堂在线播放| 亚洲av成人不卡在线观看播放网 | 99国产精品一区二区蜜桃av | 99久久综合免费| 国产日韩欧美视频二区| 精品乱码久久久久久99久播| 成人手机av| 免费一级毛片在线播放高清视频 | 水蜜桃什么品种好| 亚洲精品一二三| 国产熟女午夜一区二区三区| 91精品伊人久久大香线蕉| 国产一区有黄有色的免费视频| 亚洲一区二区三区欧美精品| 亚洲情色 制服丝袜| 亚洲少妇的诱惑av| 日韩一卡2卡3卡4卡2021年| 纯流量卡能插随身wifi吗| 久久九九热精品免费| 秋霞在线观看毛片| 超色免费av| 少妇 在线观看| 精品福利永久在线观看| 免费日韩欧美在线观看| 51午夜福利影视在线观看| 久久精品国产综合久久久| 国产一区二区激情短视频 | 国产精品自产拍在线观看55亚洲 | 50天的宝宝边吃奶边哭怎么回事| 人人妻人人爽人人添夜夜欢视频| 精品一区二区三区av网在线观看 | 午夜福利在线免费观看网站| 国产成人精品久久二区二区免费| 人人妻人人澡人人爽人人夜夜| 亚洲 欧美一区二区三区| 99精品欧美一区二区三区四区| 久久ye,这里只有精品| 久久亚洲精品不卡| 久久久久精品国产欧美久久久 | 18禁裸乳无遮挡动漫免费视频| av天堂在线播放| 久久久精品国产亚洲av高清涩受| 99国产极品粉嫩在线观看| 69精品国产乱码久久久| 老司机靠b影院| 后天国语完整版免费观看| 性色av一级| 免费人妻精品一区二区三区视频| 另类精品久久| 男人操女人黄网站| 亚洲精品国产av蜜桃| 欧美日韩一级在线毛片| 亚洲av成人不卡在线观看播放网 | 成年动漫av网址| 久久久久国产一级毛片高清牌| 波多野结衣av一区二区av| 国产区一区二久久| 国产亚洲精品久久久久5区| 夜夜骑夜夜射夜夜干| 香蕉丝袜av| 亚洲精品国产av成人精品| 丝袜美腿诱惑在线| 老司机亚洲免费影院| 亚洲国产精品一区二区三区在线| 丝袜脚勾引网站| 亚洲黑人精品在线| 黑人巨大精品欧美一区二区mp4| 亚洲精品自拍成人| 丰满饥渴人妻一区二区三| 大香蕉久久成人网| 婷婷色av中文字幕| 99热国产这里只有精品6| 三上悠亚av全集在线观看| 美女主播在线视频| av天堂在线播放| 精品国产乱码久久久久久小说| 国产成人欧美| 国产成人一区二区三区免费视频网站| 亚洲精品一区蜜桃| 在线av久久热| 日韩电影二区| 国产亚洲午夜精品一区二区久久| 他把我摸到了高潮在线观看 | 丰满饥渴人妻一区二区三| 国产黄频视频在线观看| 国产成人欧美| 热99re8久久精品国产| 乱人伦中国视频| 日韩一卡2卡3卡4卡2021年| av在线app专区| 一本—道久久a久久精品蜜桃钙片| 欧美av亚洲av综合av国产av| 国产精品免费大片| 亚洲第一青青草原| 日日爽夜夜爽网站| 大陆偷拍与自拍| 我要看黄色一级片免费的| 黄频高清免费视频| a 毛片基地| 男女边摸边吃奶| 亚洲中文字幕日韩| av福利片在线| 精品亚洲成国产av| 欧美中文综合在线视频| 免费在线观看完整版高清| 50天的宝宝边吃奶边哭怎么回事| 视频区欧美日本亚洲| 午夜日韩欧美国产| 亚洲欧美精品自产自拍| 少妇 在线观看| 91国产中文字幕| 国产高清视频在线播放一区 | 在线观看免费视频网站a站| 丰满人妻熟妇乱又伦精品不卡| 欧美午夜高清在线| av国产精品久久久久影院| 午夜福利免费观看在线| 高清欧美精品videossex| 少妇裸体淫交视频免费看高清 | 丁香六月天网| 大片电影免费在线观看免费| a级片在线免费高清观看视频| 中国国产av一级| 日本精品一区二区三区蜜桃| 午夜日韩欧美国产| 亚洲一码二码三码区别大吗| 亚洲欧美激情在线| 亚洲一卡2卡3卡4卡5卡精品中文| 十八禁高潮呻吟视频| 久久久久视频综合| 国产欧美日韩一区二区三 | 欧美变态另类bdsm刘玥| 日本av手机在线免费观看| 女性生殖器流出的白浆| 热99国产精品久久久久久7| 亚洲精华国产精华精| 热re99久久精品国产66热6| av福利片在线| 波多野结衣av一区二区av| 国产成人啪精品午夜网站| 久久亚洲国产成人精品v| 亚洲精品av麻豆狂野| 99国产综合亚洲精品| 搡老熟女国产l中国老女人| 国产精品一区二区在线观看99| 啦啦啦视频在线资源免费观看| videos熟女内射| 国产又色又爽无遮挡免| 成人国产av品久久久| 五月开心婷婷网| 久久热在线av| 午夜福利,免费看| 天堂8中文在线网| 91麻豆精品激情在线观看国产 | 搡老熟女国产l中国老女人| 免费少妇av软件| 99精品久久久久人妻精品| 亚洲av片天天在线观看| 精品亚洲乱码少妇综合久久| 久久性视频一级片| 亚洲欧美精品综合一区二区三区| 91av网站免费观看| 国产免费一区二区三区四区乱码| 亚洲久久久国产精品| 国产精品一区二区在线不卡| 国产日韩欧美在线精品| 十分钟在线观看高清视频www| 亚洲美女黄色视频免费看| 国产成人av激情在线播放| 在线天堂中文资源库| 亚洲国产av影院在线观看| 亚洲精品一区蜜桃| 两性夫妻黄色片| 亚洲国产欧美日韩在线播放| 满18在线观看网站| 岛国在线观看网站| 久久免费观看电影| 精品福利观看| 国产成人精品无人区| 精品福利观看| a 毛片基地| 亚洲一区二区三区欧美精品| 少妇 在线观看| 免费观看人在逋| 99国产精品一区二区三区| 69av精品久久久久久 | 97在线人人人人妻| 日本一区二区免费在线视频| 日韩欧美国产一区二区入口| 欧美黄色淫秽网站| 国产精品麻豆人妻色哟哟久久| 日本撒尿小便嘘嘘汇集6| 亚洲全国av大片| 女人精品久久久久毛片| 在线观看一区二区三区激情| 黑人猛操日本美女一级片| 久久中文看片网| 黄色怎么调成土黄色| 涩涩av久久男人的天堂| 中文精品一卡2卡3卡4更新| 国产日韩欧美亚洲二区| 男女下面插进去视频免费观看| 国产精品熟女久久久久浪| 国产成人精品无人区| av免费在线观看网站| 久久精品成人免费网站| 黑人操中国人逼视频| 国产福利在线免费观看视频| 9热在线视频观看99| 最近最新免费中文字幕在线| 午夜两性在线视频| 波多野结衣一区麻豆| 80岁老熟妇乱子伦牲交| 亚洲国产中文字幕在线视频| 新久久久久国产一级毛片| 久久久精品国产亚洲av高清涩受| 亚洲中文字幕日韩| 香蕉国产在线看| 老司机靠b影院| 精品国产一区二区久久| 欧美亚洲日本最大视频资源| 十八禁人妻一区二区| 天堂俺去俺来也www色官网| 亚洲一卡2卡3卡4卡5卡精品中文| 999久久久精品免费观看国产| 久久香蕉激情| videos熟女内射| 亚洲国产中文字幕在线视频| 欧美黑人欧美精品刺激| 国产1区2区3区精品| 叶爱在线成人免费视频播放| 国产精品熟女久久久久浪| 亚洲黑人精品在线| av不卡在线播放| 欧美精品人与动牲交sv欧美| 国产日韩欧美视频二区| 久久精品亚洲av国产电影网| 悠悠久久av| 99久久精品国产亚洲精品| 久久久久久人人人人人| 免费看十八禁软件| 少妇粗大呻吟视频| e午夜精品久久久久久久| 日本欧美视频一区| 日韩一卡2卡3卡4卡2021年| 日韩视频在线欧美| 亚洲欧洲精品一区二区精品久久久| 十八禁网站网址无遮挡| 咕卡用的链子| 天天操日日干夜夜撸| 亚洲精品在线美女| 精品久久久久久电影网| 丁香六月天网| 一本色道久久久久久精品综合| 国产一区有黄有色的免费视频| 成人黄色视频免费在线看| 国产精品影院久久| 少妇的丰满在线观看| 日韩欧美一区二区三区在线观看 | 极品少妇高潮喷水抽搐| 一级毛片电影观看| av欧美777| 久久ye,这里只有精品| 99国产精品免费福利视频| 国产亚洲精品一区二区www | 精品一区二区三卡| 青春草亚洲视频在线观看| av有码第一页| 色婷婷久久久亚洲欧美| 天堂中文最新版在线下载| 侵犯人妻中文字幕一二三四区| 最近最新免费中文字幕在线| 国产精品一二三区在线看| 午夜老司机福利片| 国产成人系列免费观看| 日本一区二区免费在线视频| 亚洲国产看品久久| 成人18禁高潮啪啪吃奶动态图| 亚洲av日韩精品久久久久久密| 不卡av一区二区三区| 精品国产乱码久久久久久男人| 亚洲专区国产一区二区| 精品国产乱码久久久久久小说| 美女午夜性视频免费| 黄片播放在线免费| 精品国产乱码久久久久久男人| 亚洲精品成人av观看孕妇| 亚洲五月婷婷丁香| 亚洲全国av大片| 少妇的丰满在线观看| 91麻豆精品激情在线观看国产 | 建设人人有责人人尽责人人享有的| 亚洲人成电影免费在线| 丝袜喷水一区| 久久国产精品人妻蜜桃| 亚洲av日韩精品久久久久久密| 久久久久网色| 欧美日韩视频精品一区| 亚洲成人免费av在线播放| 午夜成年电影在线免费观看| 亚洲精品美女久久久久99蜜臀| 超碰成人久久| 又大又爽又粗| 亚洲av成人不卡在线观看播放网 | 国产一卡二卡三卡精品| 精品高清国产在线一区| 国产精品久久久久久人妻精品电影 | 啦啦啦视频在线资源免费观看| 国产三级黄色录像| 亚洲一区中文字幕在线| 69精品国产乱码久久久| 亚洲全国av大片| 中文精品一卡2卡3卡4更新| 一本一本久久a久久精品综合妖精| 黑人欧美特级aaaaaa片|