• <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 ?

    電子商務(wù)網(wǎng)站的個性化“混合”推薦服務(wù)

    2017-08-01 00:14:00蔡銀英
    關(guān)鍵詞:關(guān)聯(lián)個性化協(xié)同

    蔡銀英

    (重慶第二師范學(xué)院 數(shù)學(xué)與信息工程學(xué)院,重慶 400067)

    ?

    電子商務(wù)網(wǎng)站的個性化“混合”推薦服務(wù)

    蔡銀英

    (重慶第二師范學(xué)院 數(shù)學(xué)與信息工程學(xué)院,重慶 400067)

    隨著電子商務(wù)網(wǎng)站的快速發(fā)展,網(wǎng)絡(luò)商品銷售數(shù)量急劇增加,要提升用戶網(wǎng)購的體驗度,就必須為用戶提供個性化的推薦服務(wù)。目前常用的個性化推薦算法有:基于內(nèi)容的推薦算法、基于關(guān)聯(lián)規(guī)則的推薦算法和基于協(xié)同過濾的推薦算法。在實際應(yīng)用中,各算法都存在一定的局限,為了發(fā)揮各算法的優(yōu)勢,可以采用個性化的“混合”推薦服務(wù)。

    電子商務(wù)網(wǎng)站;個性化推薦算法;混合推薦服務(wù)

    中國互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布的《第38次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示,截至2016年6月,中國網(wǎng)民總規(guī)模達(dá)7.1億,人均周上網(wǎng)時長26.5小時;網(wǎng)絡(luò)購物用戶規(guī)模達(dá)到4.48億,較2015年底增加3448萬,增長率為8.3%。2015年發(fā)布的同期數(shù)據(jù)顯示,當(dāng)年的網(wǎng)絡(luò)購物用戶較2014年增長3.5%。從這些數(shù)據(jù)可以看出,越來越多的網(wǎng)民喜歡通過網(wǎng)絡(luò)購物平臺采購所需商品,究其原因無非就是因為網(wǎng)絡(luò)的便捷性與選擇的多樣性。而有需求就有發(fā)展,隨著電子商務(wù)網(wǎng)站的急速發(fā)展,網(wǎng)絡(luò)購物平臺的商品數(shù)量呈現(xiàn)爆炸式增長,商品數(shù)量的急劇增加在為用戶提供更多選擇的同時,也增加了用戶選到心儀商品的難度。如何幫助用戶快速找到自己喜歡的物品,提升用戶的使用感受就成了電子商務(wù)網(wǎng)站關(guān)注的熱點。目前普遍采用的方法為搜索引擎,搜索引擎可以根據(jù)用戶的搜索過濾大量的信息,但是返回結(jié)果是大眾化的,仍然需要用戶花費大量時間對返回結(jié)果進(jìn)行瀏覽辨別。為了提高用戶的搜索效率,就需要對用戶進(jìn)行個性化的推薦。

    一、個性化推薦服務(wù)的流程

    個性化推薦服務(wù)主要是基于用戶的歷史行為記錄以及用戶的原始信息,預(yù)測用戶感興趣的產(chǎn)品,并為用戶的購買行為或網(wǎng)頁瀏覽提供建議的服務(wù)。個性化推薦服務(wù)一般包含三個模塊:歷史信息采集模塊、推薦算法模塊、用戶尋求推薦模塊。其通用流程如圖1所示。從流程圖可以看出,推薦算法模塊是個性化推薦服務(wù)的核心。推薦算法其實就是從用戶的歷史行為記錄以及用戶的原始信息中深層次挖掘出用戶的偏好信息、個性化信息,并從中提取用戶的潛在興趣因素。

    圖1 個性化推薦服務(wù)的流程

    二、常用的三種推薦算法

    常用的推薦算法主要包含基于內(nèi)容的推薦算法、基于關(guān)聯(lián)規(guī)則的推薦算法與基于協(xié)同過濾的推薦算法。

    (一)基于內(nèi)容的推薦算法

    基于內(nèi)容的推薦算法,是利用用戶的興趣偏好屬性與待推薦項目的特征屬性的相似度進(jìn)行推薦。該推薦算法首先建立用戶與項目的特征屬性集,采用向量空間模型得到用戶與項目特征屬性的稀疏矩陣集,再依據(jù)余弦相似度為用戶提供推薦結(jié)果。假設(shè)第k個用戶的特征屬性集為Ck={wk1,wk2,…,wkr},第t個項目的特征屬性集為Dt={dt1,wt2,…,wtr},這里的r是指項目與用戶特征屬性集中的關(guān)鍵詞個數(shù)。余弦相似度就為

    cos(Ck,Dt)值越高說明第k個用戶與第t個項目的相似度就越高,共同屬性就越多。也就是說,第k個用戶也就越喜歡第t個項目,據(jù)此可以得到用戶與所有待推薦項目的余弦相似度,采用TOP—N的方法進(jìn)行推薦即可。

    基于內(nèi)容的推薦算法,其優(yōu)點為可解釋性強;不需要用戶的評分?jǐn)?shù)據(jù),只需建立特征屬性集;對于項目而言不存在冷啟動的問題(不存在新項目無法獲得推薦的問題)。其缺點為特征屬性集需要從用戶的描述與項目的表述中提取關(guān)鍵詞,并不是所有項目都可以提取關(guān)鍵詞,比如音樂、影視等項目是無法通過分詞的辦法提取關(guān)鍵詞的;對于沒有任何記錄的新用戶,因為沒有數(shù)據(jù)可用,也就無法推薦;不可挖掘用戶新的興趣點(因為所有推薦項目都與用戶的已有資料相匹配)。

    (二)基于關(guān)聯(lián)規(guī)則的推薦算法

    基于關(guān)聯(lián)規(guī)則的推薦算法,是從大量的數(shù)據(jù)中挖掘出項目間有意義的聯(lián)系,再通過這種聯(lián)系對用戶進(jìn)行推薦。項目間的這種聯(lián)系可以用關(guān)聯(lián)規(guī)則或頻繁項集的形式來表示。該推薦算法的關(guān)鍵就是要發(fā)現(xiàn)頻繁項集,建立關(guān)聯(lián)規(guī)則?!捌【婆c尿布”就是關(guān)聯(lián)規(guī)則的推薦算法中非常經(jīng)典的實例。

    設(shè)待推薦項目總數(shù)為N,待推薦項目表示為ti,i為1到N中的正整數(shù),表示各個項目的編號。用戶的一次瀏覽或購買構(gòu)成一個條目記為Sj,j表示該網(wǎng)站的瀏覽或者購買累計次數(shù),取值為正整數(shù),則Sj={ti|i為所購項目的編號}。由此構(gòu)建所有歷史條目的二元數(shù)據(jù)矩陣M,即以待推薦項目為列,以每個購買條目為行,交叉處的元素cij為0或者1,0表示第i個條目沒有購買第j個貨物,1表示第i個條目購買了第j個貨物。

    顯然,基于關(guān)聯(lián)規(guī)則的推薦算法不需要分析用戶的興趣偏好、物品的特征屬性,僅通過用戶的瀏覽與購買行為即可進(jìn)行推薦,但是其推薦為共性推薦,忽略了用戶的個性特點;隨著數(shù)據(jù)量的累積,運算開銷太大;對于新的物品,因為沒有用戶的購買數(shù)據(jù),所以無法進(jìn)行推薦,即存在冷啟動的問題。

    (三)基于協(xié)同過濾的推薦算法

    基于協(xié)同過濾的推薦算法,是目前應(yīng)用最多的推薦算法,其基本思想是利用群智對信息進(jìn)行過濾篩選,分為基于近鄰的協(xié)同過濾推薦算法與基于模型的協(xié)同過濾推薦算法?;诮彽膮f(xié)同過濾推薦算法建立在用戶以前有相同的愛好,以后也有相同的愛好這一假設(shè)之上,主要是利用用戶的歷史信息(注冊信息、瀏覽信息、評分?jǐn)?shù)據(jù)等)分析用戶的興趣愛好,并尋找與用戶興趣愛好相似的用戶群,再根據(jù)相似用戶群的選擇對用戶進(jìn)行推薦,目前有基于用戶的協(xié)同過濾推薦算法與基于項目的協(xié)同過濾推薦算法。

    基于用戶的協(xié)同過濾推薦算法是根據(jù)用戶對項目的評價信息,計算用戶間的相似性,并依據(jù)相似性尋找用戶相似群即用戶鄰居群,再根據(jù)用戶鄰居群對項目的評價信息預(yù)測用戶的偏好,并為用戶進(jìn)行推薦。該推薦算法有三個關(guān)鍵步驟:用戶評價信息描述、用戶鄰居群構(gòu)建、生成推薦。

    用戶對項目的評價信息可以通過用戶—項目矩陣進(jìn)行描述,設(shè)用戶集合為U={u1,u2,…,um},

    項目集合為

    I={i1,i2,…,in},

    rij,(i=1,2,…,m;j=1,2,…n),

    表示用戶ui對項目ij的評價,由rij所生成的m×n的矩陣就是對用戶評價信息的描述。用戶鄰居群的構(gòu)建主要依賴于用戶間的相似性,用戶的相似性可以采用余弦相似度與皮爾森相似度來衡量,皮爾森相似度為

    利用預(yù)測的評分進(jìn)行TOP—N推薦。

    基于項目的協(xié)同過濾推薦算法根據(jù)用戶對項目的評價信息,計算項目間的相似性,并依據(jù)用戶的偏好(已購買的物品或點擊過的頁面)預(yù)測用戶對各項目感興趣的程度,再根據(jù)用戶的興趣度為用戶進(jìn)行推薦。該推薦算法主要依賴于項目的相似度與用戶的興趣度計算。

    項目相似度的計算有多種方法,項目i,j的相似度較為直觀的一種算法為

    Ruj表示用戶對項目j的興趣度,可以將其簡化為1。最后依據(jù)Pui對用戶進(jìn)行TOP-N的推薦。

    基于協(xié)同過濾的推薦算法與基于關(guān)聯(lián)規(guī)則的推薦算法一樣,都不依賴于項目屬性與用戶自身的數(shù)據(jù)信息,不會對用戶的推薦體驗帶來負(fù)面影響。但是基于協(xié)同過濾的推薦算法需要利用用戶的歷史數(shù)據(jù)或評價信息來推薦,若用戶的歷史數(shù)據(jù)較少或與其他用戶的重疊數(shù)據(jù)較少時會影響評價的準(zhǔn)確性,同時基于協(xié)同過濾的推薦算法對新用戶與新項目是沒有辦法進(jìn)行推薦的。

    三、個性化的混合推薦算法

    (一)個性化的混合推薦算法及應(yīng)用

    為了提高推薦的準(zhǔn)確性,改進(jìn)各個算法中的缺陷,建議依據(jù)歷史數(shù)據(jù)的多少將用戶分為老用戶(有較多的歷史數(shù)據(jù))、次新用戶(有少量的歷史數(shù)據(jù))、新用戶(沒有歷史數(shù)據(jù))三類,分別適用不同的推薦算法。對老用戶采用基于協(xié)同過濾的推薦算法進(jìn)行個性化推薦,次新用戶采用基于關(guān)聯(lián)規(guī)則的推薦算法進(jìn)行推薦,只要數(shù)據(jù)積累到一定數(shù)量即可轉(zhuǎn)為老用戶進(jìn)行個性化推薦;新用戶采用基于內(nèi)容的推薦算法,主要是熱點推薦,只要新用戶有所選擇便是次新用戶,采用關(guān)聯(lián)規(guī)則推薦算法對其進(jìn)行推薦。對用戶的推薦流程如圖2所示。新項目的推薦采用簡化的基于內(nèi)容的推薦算法,根據(jù)用戶的歷史數(shù)據(jù)都可以為用戶設(shè)定標(biāo)簽,計算新項目與用戶的相似性,選擇相似性較高的項目,作為TOP-N中的待選項目推薦給用戶。

    圖2 混合推薦流程圖

    利用此混合推薦算法對某網(wǎng)站的客戶進(jìn)行推薦,主要分析步驟為:獲取用戶訪問網(wǎng)站的原始記錄;對數(shù)據(jù)進(jìn)行預(yù)處理,包括數(shù)據(jù)去重、數(shù)據(jù)變換、屬性規(guī)約、屬性變換等;對比多種推薦算法,采用混合推薦算法對用戶進(jìn)行個性化推薦,即第一次登陸網(wǎng)站的用戶采用內(nèi)容相關(guān)的熱點推薦,一旦用戶有點擊則采用基于關(guān)聯(lián)規(guī)則的推薦對用戶進(jìn)行推薦;老用戶采用基于協(xié)同過濾的推薦算法對其進(jìn)行推薦。分析流程如圖3所示。

    在對數(shù)據(jù)的探索過程中,發(fā)現(xiàn)約有1/4的網(wǎng)站用戶只登陸了網(wǎng)站的首頁,而沒有瀏覽其他頁面,這部分用戶應(yīng)該是通過搜索引擎進(jìn)入網(wǎng)站,在網(wǎng)站的導(dǎo)航頁面沒有找到所需要的內(nèi)容而退出網(wǎng)站的;同時也說明網(wǎng)站原有的基于內(nèi)容的新品推薦不能滿足用戶的需求。采用混合推薦算法中的對待新用戶的推薦策略,利用基于內(nèi)容的熱點推薦與現(xiàn)有的社會熱點或時事熱點結(jié)合,可以留存部分用戶。一旦用戶瀏覽推薦頁面,即為次新用戶,可以采用關(guān)聯(lián)規(guī)則的推薦算法對其進(jìn)行較為個性化的推薦。因為關(guān)聯(lián)規(guī)則模型中的最小支持度與最小置信度取值越大,事物之間的聯(lián)系也就越密切;滿足條件的頻繁項集也就越少。當(dāng)然頻繁項集的多少也與數(shù)據(jù)量的大小有關(guān),對于次新用戶的推薦經(jīng)過多次調(diào)整,最后選取模型最小支持度為0.6%,最小置信度為65%的頻繁項集給出推薦結(jié)果。

    圖3 混合推薦算法流程圖

    對于老用戶采用協(xié)同過濾推薦算法進(jìn)行個性化的推薦,因為該網(wǎng)站的網(wǎng)頁數(shù)明顯少于用戶數(shù),所以采用基于項目的協(xié)同過濾推薦算法。豐富的歷史數(shù)據(jù)可以提高推薦準(zhǔn)確度,利用協(xié)同過濾推薦算法對老用戶進(jìn)行推薦時,發(fā)現(xiàn)部分用戶沒有推薦結(jié)果,主要是因為用戶的瀏覽量較少所致,對這部分用戶仍然采用次新用戶的推薦結(jié)果進(jìn)行推薦。

    (二)推薦算法評價

    為了對比個性化推薦算法與非個性化推薦算法的結(jié)果,通過兩種非個性化的算法:隨機推薦算法、熱點推薦算法和個性化的算法:基于項目的協(xié)同過濾算法來對數(shù)據(jù)進(jìn)行建模并對模型進(jìn)行評價與分析。

    數(shù)據(jù)中用戶行為是二元選擇(有瀏覽、無瀏覽),對用戶的推薦也就是一個二分問題。二分問題中,常將實例分為正類(positive)與負(fù)類(negative),預(yù)測中會出現(xiàn)四種情況,即正類被預(yù)測為正類(真正類Truepositive)、負(fù)類被預(yù)測為正類(假正類Falsepositive)、負(fù)類被預(yù)測為負(fù)類(真負(fù)類Truenegative)、正類被預(yù)測為負(fù)類(假負(fù)類Falsenegative)??捎帽?來表示。

    表1 二分問題的分類

    二分問題的預(yù)測常用準(zhǔn)確率(P)、召回率(R)、真正率(TPR)、假正率(FPR)作為評測指標(biāo),其中

    由公式可以看出準(zhǔn)確率就是預(yù)測正確的實例占總實例的比例;召回率是正類中預(yù)測正確的實例占預(yù)測為正類實例的比例;真正率又稱為靈敏度,是正類中預(yù)測正確的實例占正類實例的比例;假正率是負(fù)類中預(yù)測為正類的實例占負(fù)類實例的比例;除了假正率外,其余的準(zhǔn)確率、召回率、真正率都是值越大越好,假正率是越小越好。

    對于推薦算法的評價采用離線測試的方法來獲取,選擇準(zhǔn)確率(P)、召回率(R)、真正率(TPR)、假正率(FPR)作為評測指標(biāo)。

    對三種推薦算法,選擇不同K值(推薦個數(shù),K取3、5、10、15、20)的情況下進(jìn)行模型構(gòu)造,得到評測指標(biāo)準(zhǔn)確率、召回率、真正率(TPR)、假正率(FPR),并繪制出ROC(真正率-假正率)曲線如圖4所示。從ROC曲線可以看出,不管K取何值時基于項目的協(xié)同過濾推薦其真正率比其他兩種非個性化推薦取值都要高,假正率比非個性化推薦的取值都低,這說明個性化的推薦基于項目的協(xié)同過濾推薦優(yōu)于隨機推薦與熱點推薦。同時又注意到隨機推薦與熱點推薦的假正率取值接近,但是隨機推薦的真正率要比熱點推薦的真正率低得多,所以熱點推薦優(yōu)于隨機推薦。

    圖4 ROC曲線

    四、結(jié)語

    綜上所述,個性化的“混合”推薦算法具有一定的優(yōu)勢,它能夠改進(jìn)協(xié)同過濾推薦算法中的數(shù)據(jù)稀疏性問題,同時可以利用協(xié)同過濾推薦的個性化及精準(zhǔn)性為用戶進(jìn)行推薦;可以有效改進(jìn)冷啟動問題,使每一位用戶都有推薦項目;有效利用特征屬性的提取對新項目進(jìn)行推薦,使特征屬性的提取最小化。

    但是,該算法不能改善協(xié)同過濾算法的可擴展性的問題。

    [1]中國互聯(lián)網(wǎng)信息中心.第38次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告[DB/OL].http:∥www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201608/t20160803_54392.htm,2016-10-6.

    [2]何佳知.基于內(nèi)容和協(xié)同過濾的混合算法在推薦系統(tǒng)中的應(yīng)用研究[D].上海:東華大學(xué),2016.

    [3]張同啟.基于關(guān)聯(lián)規(guī)則及用戶喜好程度的綜合電子商務(wù)推薦系統(tǒng)的研究[D].北京:北京郵電大學(xué),2014.

    [4]Pang-NingTan,MichaelSteinbach,VipinKumar.數(shù)據(jù)挖掘?qū)д揫M].范明,范宏建,譯.北京:人民郵電出版社,2011.

    [5]博客頻道.基于物品的協(xié)同過濾算法[DB/OL].http:∥blog.csdn.net/yeruby/article/details/44154009,2017-2-17.

    [責(zé)任編輯 文 川]

    2017-03-24

    重慶第二師范學(xué)院“青年教師成長支持計劃”(201605);重慶市教委科研項目(KJ1501414)

    蔡銀英(1976— ),女,山西運城人,副教授,研究方向:概率論與數(shù)理統(tǒng)計。

    O244

    A

    1008-6390(2017)04-0122-05

    猜你喜歡
    關(guān)聯(lián)個性化協(xié)同
    蜀道難:車與路的協(xié)同進(jìn)化
    堅持個性化的寫作
    文苑(2020年4期)2020-05-30 12:35:12
    “一帶一路”遞進(jìn),關(guān)聯(lián)民生更緊
    “四化”協(xié)同才有出路
    汽車觀察(2019年2期)2019-03-15 06:00:50
    新聞的個性化寫作
    新聞傳播(2018年12期)2018-09-19 06:27:10
    奇趣搭配
    智趣
    讀者(2017年5期)2017-02-15 18:04:18
    上汽大通:C2B個性化定制未來
    三醫(yī)聯(lián)動 協(xié)同創(chuàng)新
    滿足群眾的個性化需求
    久热这里只有精品99| x7x7x7水蜜桃| 夜夜躁狠狠躁天天躁| 在线十欧美十亚洲十日本专区| 妹子高潮喷水视频| 精品乱码久久久久久99久播| 亚洲黑人精品在线| 欧美日韩亚洲国产一区二区在线观看| 美女国产高潮福利片在线看| 久热这里只有精品99| 亚洲一码二码三码区别大吗| 国产麻豆69| 亚洲欧美日韩高清在线视频| ponron亚洲| 亚洲久久久国产精品| av视频在线观看入口| 免费不卡黄色视频| 欧美日本视频| 亚洲国产精品sss在线观看| 久久久国产精品麻豆| 久久九九热精品免费| www.熟女人妻精品国产| 精品少妇一区二区三区视频日本电影| 亚洲国产毛片av蜜桃av| 久久人妻福利社区极品人妻图片| 女人被狂操c到高潮| 亚洲av成人一区二区三| 乱人伦中国视频| 欧美激情极品国产一区二区三区| 69精品国产乱码久久久| 成人欧美大片| 纯流量卡能插随身wifi吗| 亚洲精品美女久久久久99蜜臀| 亚洲一码二码三码区别大吗| 欧美另类亚洲清纯唯美| 日韩精品中文字幕看吧| 久久国产精品男人的天堂亚洲| 国产一区二区激情短视频| 18美女黄网站色大片免费观看| 国产单亲对白刺激| 黄色毛片三级朝国网站| 夜夜看夜夜爽夜夜摸| 精品国产一区二区三区四区第35| 国产成人精品久久二区二区91| 欧美色欧美亚洲另类二区 | 两个人免费观看高清视频| 国产一区二区三区在线臀色熟女| 好男人在线观看高清免费视频 | 国产精品一区二区免费欧美| 亚洲欧美激情在线| 悠悠久久av| 中文亚洲av片在线观看爽| 老司机深夜福利视频在线观看| 高潮久久久久久久久久久不卡| 亚洲天堂国产精品一区在线| 国产人伦9x9x在线观看| 色尼玛亚洲综合影院| 久久午夜综合久久蜜桃| 在线播放国产精品三级| 国产aⅴ精品一区二区三区波| 色综合欧美亚洲国产小说| 少妇的丰满在线观看| 国内久久婷婷六月综合欲色啪| 99国产精品一区二区三区| 黑人巨大精品欧美一区二区蜜桃| 欧美日本中文国产一区发布| 一个人观看的视频www高清免费观看 | videosex国产| 黄色片一级片一级黄色片| 精品一区二区三区av网在线观看| 色哟哟哟哟哟哟| 欧美激情 高清一区二区三区| 母亲3免费完整高清在线观看| 亚洲欧美精品综合久久99| 欧美 亚洲 国产 日韩一| 波多野结衣av一区二区av| 中文字幕另类日韩欧美亚洲嫩草| 国产精品 欧美亚洲| 国产精品99久久99久久久不卡| 黄色女人牲交| 国产色视频综合| 看免费av毛片| 欧美+亚洲+日韩+国产| 国产成人精品在线电影| 精品午夜福利视频在线观看一区| 少妇 在线观看| 欧美午夜高清在线| 久99久视频精品免费| 国产成人免费无遮挡视频| 女人被躁到高潮嗷嗷叫费观| 亚洲精品国产精品久久久不卡| bbb黄色大片| 精品国产国语对白av| av中文乱码字幕在线| 免费观看人在逋| 国产单亲对白刺激| 亚洲中文字幕日韩| 久久久国产精品麻豆| 夜夜夜夜夜久久久久| 日韩国内少妇激情av| 国产真人三级小视频在线观看| 69av精品久久久久久| 午夜成年电影在线免费观看| 身体一侧抽搐| 香蕉丝袜av| 91麻豆av在线| 在线观看66精品国产| 身体一侧抽搐| 在线天堂中文资源库| 无人区码免费观看不卡| 午夜福利影视在线免费观看| 色综合亚洲欧美另类图片| 这个男人来自地球电影免费观看| 国产精品一区二区免费欧美| 亚洲少妇的诱惑av| 国产精品久久视频播放| 淫妇啪啪啪对白视频| 久久久久久免费高清国产稀缺| 久久久水蜜桃国产精品网| 日韩有码中文字幕| 午夜福利影视在线免费观看| 欧美老熟妇乱子伦牲交| 久久这里只有精品19| 精品久久久久久久人妻蜜臀av | 久久天躁狠狠躁夜夜2o2o| 国产人伦9x9x在线观看| 欧美一区二区精品小视频在线| 久久精品人人爽人人爽视色| 老司机午夜福利在线观看视频| 老熟妇乱子伦视频在线观看| 国产午夜精品久久久久久| 性少妇av在线| 国产精品国产高清国产av| 一a级毛片在线观看| 中国美女看黄片| 欧美一级a爱片免费观看看 | 好男人电影高清在线观看| 亚洲av电影在线进入| 亚洲成国产人片在线观看| 美女国产高潮福利片在线看| 国产精品,欧美在线| 一级作爱视频免费观看| 少妇熟女aⅴ在线视频| 亚洲专区中文字幕在线| 宅男免费午夜| 亚洲成a人片在线一区二区| 亚洲天堂国产精品一区在线| 亚洲电影在线观看av| 免费av毛片视频| 69精品国产乱码久久久| 国产成+人综合+亚洲专区| 国产主播在线观看一区二区| 亚洲人成伊人成综合网2020| 亚洲熟女毛片儿| 久久久久久久午夜电影| 欧美成人免费av一区二区三区| 亚洲精品一卡2卡三卡4卡5卡| 亚洲精品美女久久久久99蜜臀| 日韩一卡2卡3卡4卡2021年| 熟妇人妻久久中文字幕3abv| 天堂动漫精品| 一卡2卡三卡四卡精品乱码亚洲| 国产精品亚洲一级av第二区| 久久中文字幕人妻熟女| 久久国产精品人妻蜜桃| 天天躁狠狠躁夜夜躁狠狠躁| 国产av又大| netflix在线观看网站| 国产又色又爽无遮挡免费看| 日韩欧美国产在线观看| 久久香蕉精品热| 亚洲无线在线观看| 婷婷丁香在线五月| 亚洲熟女毛片儿| 亚洲av电影在线进入| 亚洲avbb在线观看| 欧美+亚洲+日韩+国产| 国产成人精品久久二区二区91| 九色国产91popny在线| 97碰自拍视频| 制服丝袜大香蕉在线| 美女 人体艺术 gogo| 桃色一区二区三区在线观看| 精品久久久久久久久久免费视频| 亚洲av片天天在线观看| 亚洲精品国产区一区二| 久热这里只有精品99| а√天堂www在线а√下载| 99久久国产精品久久久| 久久人妻av系列| 国语自产精品视频在线第100页| 国产av在哪里看| videosex国产| 国产国语露脸激情在线看| 亚洲天堂国产精品一区在线| 一进一出抽搐gif免费好疼| 久久久国产精品麻豆| 日韩有码中文字幕| 欧美另类亚洲清纯唯美| 嫩草影院精品99| 免费在线观看黄色视频的| svipshipincom国产片| 搞女人的毛片| 中文字幕人成人乱码亚洲影| 亚洲九九香蕉| 久久久国产成人免费| 夜夜躁狠狠躁天天躁| 亚洲一区中文字幕在线| 久久久久亚洲av毛片大全| 男女床上黄色一级片免费看| 人成视频在线观看免费观看| 欧美黄色淫秽网站| 久久久久久久久中文| 麻豆久久精品国产亚洲av| 宅男免费午夜| 亚洲黑人精品在线| 女人被狂操c到高潮| 亚洲一区二区三区不卡视频| 精品人妻1区二区| 日韩视频一区二区在线观看| 日韩有码中文字幕| 色综合婷婷激情| 日韩欧美国产一区二区入口| 国产亚洲av嫩草精品影院| 韩国av一区二区三区四区| 欧美老熟妇乱子伦牲交| 成人国语在线视频| 韩国精品一区二区三区| 18禁裸乳无遮挡免费网站照片 | 久久国产精品人妻蜜桃| 亚洲自拍偷在线| 亚洲成av人片免费观看| 美女国产高潮福利片在线看| 欧美激情高清一区二区三区| 99国产精品99久久久久| 1024香蕉在线观看| 国产激情久久老熟女| 亚洲 国产 在线| 1024视频免费在线观看| 美女国产高潮福利片在线看| 日韩欧美免费精品| 色综合婷婷激情| 在线免费观看的www视频| 首页视频小说图片口味搜索| 久久午夜亚洲精品久久| 成年版毛片免费区| 久久中文字幕人妻熟女| 亚洲 欧美一区二区三区| 一a级毛片在线观看| 女警被强在线播放| 亚洲中文字幕一区二区三区有码在线看 | www.熟女人妻精品国产| 日本欧美视频一区| 18禁黄网站禁片午夜丰满| 一级a爱视频在线免费观看| 亚洲av电影在线进入| 黑人欧美特级aaaaaa片| 搡老岳熟女国产| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲国产高清在线一区二区三 | 国产色视频综合| 少妇熟女aⅴ在线视频| 欧美日韩中文字幕国产精品一区二区三区 | 日韩国内少妇激情av| 亚洲精品粉嫩美女一区| xxx96com| 日本 av在线| 亚洲成a人片在线一区二区| 亚洲中文字幕一区二区三区有码在线看 | 9191精品国产免费久久| 精品乱码久久久久久99久播| 人妻久久中文字幕网| 久久欧美精品欧美久久欧美| 欧美乱妇无乱码| 亚洲av五月六月丁香网| 久久人妻熟女aⅴ| 国产激情欧美一区二区| 一二三四社区在线视频社区8| 欧美黄色淫秽网站| 韩国精品一区二区三区| av福利片在线| 国产高清视频在线播放一区| 麻豆国产av国片精品| 变态另类成人亚洲欧美熟女 | 中文亚洲av片在线观看爽| 两个人视频免费观看高清| 男男h啪啪无遮挡| 十分钟在线观看高清视频www| 熟妇人妻久久中文字幕3abv| 亚洲无线在线观看| 50天的宝宝边吃奶边哭怎么回事| 精品一品国产午夜福利视频| 两人在一起打扑克的视频| 久久久久久人人人人人| 男人的好看免费观看在线视频 | 国产熟女xx| 精品国产美女av久久久久小说| 一区在线观看完整版| 国产av一区在线观看免费| 97人妻天天添夜夜摸| 国产xxxxx性猛交| 又大又爽又粗| 99久久99久久久精品蜜桃| 国产精品,欧美在线| 一进一出抽搐动态| 欧美激情久久久久久爽电影 | 两人在一起打扑克的视频| 久热爱精品视频在线9| 美女高潮喷水抽搐中文字幕| 日韩有码中文字幕| 美女国产高潮福利片在线看| 丰满的人妻完整版| 亚洲一码二码三码区别大吗| 精品第一国产精品| 亚洲电影在线观看av| 99国产精品免费福利视频| 男人操女人黄网站| 黄色毛片三级朝国网站| 亚洲欧美激情在线| 美女高潮喷水抽搐中文字幕| e午夜精品久久久久久久| 97人妻天天添夜夜摸| 男女床上黄色一级片免费看| 嫁个100分男人电影在线观看| 黑人欧美特级aaaaaa片| 久久久国产欧美日韩av| 国产一区二区三区在线臀色熟女| 久久精品成人免费网站| 午夜免费鲁丝| 韩国精品一区二区三区| 国产av精品麻豆| 欧美丝袜亚洲另类 | av电影中文网址| 精品国产一区二区三区四区第35| 给我免费播放毛片高清在线观看| √禁漫天堂资源中文www| 悠悠久久av| 国产一区二区三区在线臀色熟女| 两人在一起打扑克的视频| 亚洲午夜理论影院| 日本 av在线| 两性夫妻黄色片| 热re99久久国产66热| 国产精品久久久久久亚洲av鲁大| 国产精品爽爽va在线观看网站 | 最新在线观看一区二区三区| 欧美乱码精品一区二区三区| 无遮挡黄片免费观看| 两个人视频免费观看高清| 亚洲成国产人片在线观看| 日韩中文字幕欧美一区二区| 欧美激情 高清一区二区三区| 夜夜夜夜夜久久久久| 欧美不卡视频在线免费观看 | 午夜视频精品福利| 精品久久久久久久毛片微露脸| 亚洲成av人片免费观看| 搞女人的毛片| 久热这里只有精品99| 欧美激情高清一区二区三区| 免费久久久久久久精品成人欧美视频| 国产亚洲精品久久久久久毛片| 欧美在线黄色| 久久久久国内视频| 一级毛片女人18水好多| 久久人人97超碰香蕉20202| 国产高清有码在线观看视频 | 一进一出抽搐gif免费好疼| 国产精品久久久久久精品电影 | 窝窝影院91人妻| 女人爽到高潮嗷嗷叫在线视频| 国产精品久久久久久亚洲av鲁大| 久久香蕉国产精品| 亚洲成a人片在线一区二区| 亚洲精品在线美女| 日韩精品免费视频一区二区三区| 国产精品久久久久久人妻精品电影| 人妻久久中文字幕网| 成人特级黄色片久久久久久久| 久久久久久大精品| 亚洲av第一区精品v没综合| 自拍欧美九色日韩亚洲蝌蚪91| 精品福利观看| 亚洲精品国产精品久久久不卡| 国产单亲对白刺激| 久久精品91蜜桃| 久久香蕉国产精品| www国产在线视频色| 亚洲国产欧美日韩在线播放| 满18在线观看网站| 成年女人毛片免费观看观看9| 亚洲精品中文字幕在线视频| 免费看美女性在线毛片视频| 欧美一级a爱片免费观看看 | 色综合婷婷激情| 久久精品国产清高在天天线| 国产麻豆成人av免费视频| 一级黄色大片毛片| videosex国产| 人妻久久中文字幕网| 日韩免费av在线播放| 淫秽高清视频在线观看| 欧洲精品卡2卡3卡4卡5卡区| 日韩免费av在线播放| 丝袜美腿诱惑在线| 黄片播放在线免费| 在线视频色国产色| 亚洲国产欧美一区二区综合| 国内久久婷婷六月综合欲色啪| 18禁观看日本| cao死你这个sao货| 正在播放国产对白刺激| 一级a爱视频在线免费观看| 淫秽高清视频在线观看| 国产片内射在线| 人人妻人人澡欧美一区二区 | 日韩免费av在线播放| 久久精品91无色码中文字幕| 亚洲色图综合在线观看| 国产又爽黄色视频| 性欧美人与动物交配| 人人妻,人人澡人人爽秒播| 18禁黄网站禁片午夜丰满| 欧美日本视频| 在线视频色国产色| 69av精品久久久久久| 一卡2卡三卡四卡精品乱码亚洲| 国产精品乱码一区二三区的特点 | 久久这里只有精品19| 黄色毛片三级朝国网站| 纯流量卡能插随身wifi吗| 美女高潮到喷水免费观看| √禁漫天堂资源中文www| 亚洲成人久久性| 免费看美女性在线毛片视频| 国产在线精品亚洲第一网站| 亚洲片人在线观看| www.精华液| 日韩成人在线观看一区二区三区| 国产区一区二久久| 女人高潮潮喷娇喘18禁视频| 欧美日韩一级在线毛片| 久久国产精品影院| 国产精品久久久久久人妻精品电影| 少妇熟女aⅴ在线视频| 少妇裸体淫交视频免费看高清 | 久久久精品欧美日韩精品| 国产成人av激情在线播放| 亚洲精品美女久久久久99蜜臀| 夜夜躁狠狠躁天天躁| 人人妻人人爽人人添夜夜欢视频| 国产精品一区二区免费欧美| 国产精品久久久久久精品电影 | 日日夜夜操网爽| 久久天堂一区二区三区四区| 校园春色视频在线观看| 国产成人系列免费观看| 女人被狂操c到高潮| 色哟哟哟哟哟哟| 一区二区三区精品91| 国产亚洲精品av在线| 国产又爽黄色视频| 人妻久久中文字幕网| 国产99白浆流出| 真人一进一出gif抽搐免费| 在线观看www视频免费| 大香蕉久久成人网| 国产视频一区二区在线看| 久久精品成人免费网站| 久热爱精品视频在线9| 国产精品久久视频播放| 国产精品99久久99久久久不卡| av网站免费在线观看视频| 美国免费a级毛片| 亚洲最大成人中文| 国产高清有码在线观看视频 | 亚洲黑人精品在线| 亚洲va日本ⅴa欧美va伊人久久| www.999成人在线观看| 久久午夜综合久久蜜桃| 国产蜜桃级精品一区二区三区| 精品欧美一区二区三区在线| 美女午夜性视频免费| 最新在线观看一区二区三区| 亚洲全国av大片| 免费在线观看黄色视频的| 亚洲中文字幕日韩| 麻豆av在线久日| 免费在线观看视频国产中文字幕亚洲| 久久久国产精品麻豆| 精品久久久久久久人妻蜜臀av | 亚洲国产精品成人综合色| 九色国产91popny在线| 午夜影院日韩av| 18禁裸乳无遮挡免费网站照片 | 国产免费av片在线观看野外av| 无人区码免费观看不卡| av免费在线观看网站| 黑丝袜美女国产一区| av天堂久久9| 欧美日本亚洲视频在线播放| 欧美日韩福利视频一区二区| 亚洲三区欧美一区| 亚洲精品中文字幕一二三四区| 无限看片的www在线观看| 美女高潮喷水抽搐中文字幕| 成熟少妇高潮喷水视频| 女人被躁到高潮嗷嗷叫费观| 国产成人精品无人区| 欧美日韩精品网址| 一级,二级,三级黄色视频| 黄网站色视频无遮挡免费观看| 麻豆国产av国片精品| 国产精品1区2区在线观看.| 丝袜美腿诱惑在线| 中文字幕久久专区| 亚洲精品久久成人aⅴ小说| 欧美另类亚洲清纯唯美| 国产精品久久久久久精品电影 | 九色国产91popny在线| 黄片小视频在线播放| 久久热在线av| 国产精品二区激情视频| 国产精品一区二区在线不卡| 国产91精品成人一区二区三区| av天堂久久9| 人人妻人人爽人人添夜夜欢视频| 欧美一级a爱片免费观看看 | 亚洲专区国产一区二区| 久久精品成人免费网站| 国产亚洲精品久久久久久毛片| 男人的好看免费观看在线视频 | 国产精品久久电影中文字幕| 久久婷婷人人爽人人干人人爱 | 久久婷婷人人爽人人干人人爱 | 在线永久观看黄色视频| 国产精品秋霞免费鲁丝片| 精品不卡国产一区二区三区| 嫁个100分男人电影在线观看| 欧美日韩精品网址| 亚洲人成电影观看| 天天躁夜夜躁狠狠躁躁| 亚洲第一电影网av| 久久久精品欧美日韩精品| 国产精品亚洲一级av第二区| 国产区一区二久久| 日本精品一区二区三区蜜桃| 日韩国内少妇激情av| 波多野结衣一区麻豆| 啦啦啦免费观看视频1| 窝窝影院91人妻| 老鸭窝网址在线观看| 天天躁夜夜躁狠狠躁躁| www.精华液| 午夜福利免费观看在线| 久热爱精品视频在线9| 性少妇av在线| 亚洲av美国av| 国产精品乱码一区二三区的特点 | 男女午夜视频在线观看| 久久人人爽av亚洲精品天堂| 18禁美女被吸乳视频| 成人av一区二区三区在线看| 日韩欧美在线二视频| 国产一区二区三区在线臀色熟女| 日韩中文字幕欧美一区二区| 老司机午夜福利在线观看视频| 欧美日本中文国产一区发布| 国语自产精品视频在线第100页| x7x7x7水蜜桃| 亚洲,欧美精品.| 成人永久免费在线观看视频| 一区在线观看完整版| av欧美777| 国产亚洲精品综合一区在线观看 | 国产精品久久久久久人妻精品电影| 91字幕亚洲| 日韩欧美国产在线观看| 午夜亚洲福利在线播放| 少妇粗大呻吟视频| 国产精品永久免费网站| 黑丝袜美女国产一区| 国产一级毛片七仙女欲春2 | 久久国产精品影院| 国产97色在线日韩免费| 亚洲熟妇中文字幕五十中出| 欧美日韩精品网址| 欧美色欧美亚洲另类二区 | 国产伦一二天堂av在线观看| 一区在线观看完整版| 男女做爰动态图高潮gif福利片 | 国产一区二区三区综合在线观看| 午夜激情av网站| 桃色一区二区三区在线观看| 长腿黑丝高跟| av免费在线观看网站| 首页视频小说图片口味搜索| 亚洲精品粉嫩美女一区| 在线观看免费视频日本深夜| 久久久久国产一级毛片高清牌| 亚洲精品国产精品久久久不卡| 亚洲五月色婷婷综合| 老司机午夜福利在线观看视频| 琪琪午夜伦伦电影理论片6080| 午夜两性在线视频| 老司机福利观看| 免费高清在线观看日韩| 身体一侧抽搐| 高清在线国产一区| 精品免费久久久久久久清纯| 伊人久久大香线蕉亚洲五| 黄片播放在线免费| 久久亚洲真实| 无遮挡黄片免费观看| 91精品国产国语对白视频|