• <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 ?

    融合用戶興趣度和信任度的協(xié)同過濾推薦算法

    2020-07-20 06:31:44苑寧萍辛力堅王呼生寧鵬飛
    計算機工程與設(shè)計 2020年7期
    關(guān)鍵詞:社交活動信任度集上

    苑寧萍,辛力堅,王呼生+,寧鵬飛

    (1.內(nèi)蒙古醫(yī)科大學(xué) 計算機信息學(xué)院,內(nèi)蒙古 呼和浩特 010110;2.內(nèi)蒙古電力科學(xué)研究院,內(nèi)蒙古 呼和浩特 010020)

    0 引 言

    協(xié)同過濾(collaborative filtering,CF)存在因數(shù)據(jù)稀疏、冷啟動等造成的推薦精度低等問題。為此國內(nèi)外學(xué)者們進行了大量的研究[1-7]。文獻[8]為了解決其中的用戶冷啟動問題,將用戶社交信息和評分信息進行融合,提出了一種基于社區(qū)專家信息的協(xié)同過濾推薦算法;文獻[9]采用稀疏評分矩陣建立用戶評分項目集合,對評分矩陣進行降維、構(gòu)建近似評分矩陣并填充用戶項目的評分集合,得到用戶間相似度;文獻[10]利用深度學(xué)習(xí)來決定矩陣分解中的初始化問題,實現(xiàn)信任效應(yīng)對推薦的影響;文獻[11]提出了一種高效的角色挖掘推薦算法,利用用戶間共識向組內(nèi)其他用戶推薦服務(wù);文獻[12]利用用戶提供的稀疏評估數(shù)據(jù)和稀疏社交數(shù)據(jù)來提高協(xié)同過濾的推薦效率。

    研究結(jié)果表明,用戶對社交活動的選擇多基于興趣愛好,并且往往與具有相同興趣愛好的用戶保持緊密聯(lián)系[13,14]。近年來,大多數(shù)的研究只注重利用用戶對社交活動的評分,忽略了用戶對活動的興趣和用戶間的信任度,致使改進算法推薦精度提高有限?;诖?,本文提出了一種融合用戶興趣度和信任度的協(xié)同過濾推薦算法。

    1 基于興趣度和信任度的模型描述

    本節(jié)對基于興趣度和信任度的個性化推薦模型進行詳細描述。在本文構(gòu)建的個性化推薦模型中,假設(shè)用戶集合為U, 被評價過的社交活動集合為S, 未被評價的新社交活動集合為S′, 用戶間可能存在信任關(guān)系,設(shè)為信任矩陣為TR。 設(shè)目標(biāo)用戶為ui∈U, 本文的目的就是利用融合興趣度和信任度的協(xié)同過濾算法預(yù)測ui對未被評價的社交活動集合S′的評分,然后按照Top-N排序規(guī)則將排名靠前的社交活動推薦給目標(biāo)用戶ui。

    1.1 用戶對活動興趣度表示

    用戶對社交活動的興趣度是考量用戶是否參加活動的重要影響因素之一。本文利用文件主題模型(latent Dirichlet allocation,LDA)求取用戶ui參加過的社交活動S的主題分布,并用其表示目標(biāo)用戶ui的興趣度。為了便于計算,我們設(shè)φt表示隱含主題t在單詞集合上的多項式分布,設(shè)fileui表示目標(biāo)用戶ui參加的社交活動內(nèi)容所形成的文件,利用文件主題模型可求出社交活動內(nèi)容文件fileui所有的隱含主題多項式分布。參考文獻[15]我們可以利用文件主題模型中的狄利克雷函數(shù)Dirichlet(α)、Dirichlet(β) 分別求取隱含主題與單詞的概率分布δt和文件與單詞的概率分布φfileui, 利用多項式分布函數(shù)Mult(φfileui)、Mult(δtfileui,m) 對文件fileui中的第m單詞生成主題分配tfileui,m和單詞wfileui,m, 其中α、β為兩個狄利克雷函數(shù)的參數(shù)。用戶文件fileui的似然函數(shù)為

    (1)

    式中:wfileui,Mfileui,ηfileui,Ψ分別表示文件fileui中所有單詞、單詞的數(shù)量、單詞的主題分配、單詞對應(yīng)的主題-單詞概率分布。

    設(shè)在文件主題模型中文檔間是相互獨立的,則Numf個文件的完全似然函數(shù)如下

    (2)

    式中:Wo,T,Υ分別表示文件中所有單詞、主題的分布以及所有文件-主題詞概率分布。我們幾乎不可能從似然函數(shù)中推斷出參數(shù)Υ和Ψ,并且難以直接從某一多變量概率分布中近似抽取樣本序列,針對于此,采用吉布斯采樣將隱含主題詞t從聯(lián)合的概率分布中采樣出來

    (3)

    (4)

    (5)

    (6)

    設(shè)目標(biāo)用戶ui的文件為fileui, 新社交活動sj的文件為filesj, 兩者所對應(yīng)的主題分布為φfileui和φfilesj, 為了求取用戶與社交活動的主題的相似度,本文引入庫爾貝克-萊布勒散度(Kullback-Leibler,KL)[16]和延森-香農(nóng)散度(Jensen-Shannon)[17]來計算兩者之間的相似度,Jensen-Shannon定義為

    (7)

    式中:KL(·) 表示庫爾貝克-萊布勒散度,其定義為

    (8)

    JS(ui‖sj) 會隨著φfileui和φfilesj兩者主題分布的差別而增大,這里定義目標(biāo)用戶ui對社交活動sj的興趣度為inui,sj

    inui,sj=1-JS(ui‖sj)

    (9)

    1.2 用戶間信任度表示

    在網(wǎng)絡(luò)社交活動中,用戶間的信任一般分為直接信任和間接信任[18]。直接信任顧名思義就是基于用戶間的某種認知而產(chǎn)生的一對一信任,而間接信任就是用戶因某個中間人的推薦而對另一個用戶的信任。通常情況下用戶間的信任值用[0,1]內(nèi)的某個數(shù)值表示,信任值越趨于1越信任,信任值為0表示不信任。

    定義1 信任網(wǎng)絡(luò):對于給定的社交活動網(wǎng)絡(luò),可將其對應(yīng)的看出一個用戶間因信任值而形成的信任網(wǎng)絡(luò)Q=(U,E,D), 其中U為用戶集合,E為信任網(wǎng)絡(luò)中有向邊集合,邊e(ui,uj) 表示用戶ui對用戶uj的信任關(guān)系,D表示有向邊上的信任度集合。

    定義2 信任路徑:在給定的信任網(wǎng)絡(luò)Q=(U,E,D) 中,目標(biāo)用戶ui對非直接信任用戶ux的信任感知是基于一條可達的路徑p=(ui,…,uy,uz,…,ux), 并且路徑p上任意邊e(uy,uz) 的信任度都大于所設(shè)定的信任閾值wθ, 那么路徑p就為一條信任路徑。但信任也會隨著路徑的加大而衰減,所以我們在信任路徑中規(guī)定一定的跳數(shù)閾值hθ。

    一般來說在社交網(wǎng)絡(luò)中,若一個用戶被較多的其他用戶所信任,那么一般表明此用戶的可信度較高,反之亦然?;诖?,我們借鑒Pagerank算法的思想求取用戶的信任度

    (10)

    式中:Tui表示ui的信任用戶集合,|Tui| 表示集合的大小,Nuj、Nur分別表示uj、ur被信任的用戶個數(shù)。圖1中用戶節(jié)點間的信任度是基于用戶面對面的直接信任產(chǎn)生的,但在實際的社交網(wǎng)絡(luò)中,許多用戶間可能不存在或存在不明顯的潛在信任關(guān)系,這樣得到的信任矩陣非常稀疏,計算信任相似度的難度就會難上加難。

    圖1 用戶間信任網(wǎng)絡(luò)

    為此,本文在計算用戶信任矩陣前,引入信任傳遞以計算無交集用戶間的信任度,若兩個用戶間沒有直接信任關(guān)系,其信任度的計算公式如下

    (11)

    (12)

    如圖1中,設(shè)信任閾值wθ=0.5,hθ=3, 那么我們?nèi)羰怯嬎阌脩魎2對用戶u7的間接信任,則存在4條路徑:u2→u6→u4→u7、u2→u6→u3→u7、u2→u5→u3→u7和u2→u5→u3→u1→u7, 而根據(jù)信任閾值wθ=0.5,hθ=3, 最終剩余u2→u6→u4→u7、u2→u6→u3→u7和u2→u5→u3→u7這3條信任路徑。據(jù)式(12)得:W(1)=0.624*0.761=0.4749,W(2)=0.725*0.746=0.5409,W(3)=0.624*0.588=0.3669根據(jù)式(11)用戶u2對用戶u7的間接信任Td′u2,u7

    那么用戶之間的信任度可表示為

    基于以上各用戶間的信任度值建立用戶信任矩陣,這里用UT表示

    (13)

    式中:utumun表示用戶um對用戶un的信任度。

    在基于社交活動的網(wǎng)絡(luò)中,用戶對其曾經(jīng)參加的社交活動會有一個評價,所有用戶對其所參加的所有活動的評價就形成了用戶-社交活動評價矩陣,這里用US表示

    (14)

    式中:usmn表示用戶um對社交項目sn評分,矩陣USm×n每一行都為用戶ui對社交活動集S的具體評分,矩陣USm×n中的每一列是所有用戶u對某一個社交項目si評分。

    2 模型建立

    基于前文中各相關(guān)因素,本節(jié)給出推薦模型建立的詳細過程。

    2.1 相似度融合

    本節(jié)融合用戶對社交活動的興趣度和評分,構(gòu)建新的興趣度相似矩陣。

    首先,獲取用戶-社交活動評價矩陣USm×n, 根據(jù)USm×n的元素利用Pearson相關(guān)系數(shù)計算目標(biāo)用戶與其他用戶的相似度

    (15)

    (16)

    根據(jù)式(9),我們可以獲得用戶對社交活動的興趣度矩陣INm×n

    (17)

    同理,根據(jù)INm×n的元素利用Pearson相關(guān)系數(shù)計算目標(biāo)用戶的興趣相似度

    (18)

    (19)

    融合用戶評分相似度和用戶-社交活動興趣相似度,可得綜合用戶相似度

    sim(ui,uj)″=λsim(ui,uj)′us+(1-λ)sim(ui,uj)′in

    (20)

    式中:λ∈[0,1] 為調(diào)解參數(shù),若λ=1表示沒有考慮用戶-社交活動興趣相似度,即為傳統(tǒng)的協(xié)同推薦算法。

    2.2 個性化推薦

    在融合用戶-社交活動興趣相似度的基礎(chǔ)上,本文得出了用戶間的綜合相似度。但相似的用戶是不是值得信任,推薦的社交活動能否得到目標(biāo)用戶的認可,是本文考慮的重點。為此本節(jié)在傳統(tǒng)協(xié)同過濾推薦的基礎(chǔ)上結(jié)合信任推薦的思想,將綜合用戶相似度與用戶信任度相融合,得到個性化推薦權(quán)值

    (21)

    按照協(xié)同過濾推薦的步驟,采用修正后的個性化推薦權(quán)值Weui,uj加權(quán)修正原推薦公式

    (22)

    3 實驗數(shù)據(jù)與參數(shù)設(shè)置

    3.1 實驗數(shù)據(jù)及評價標(biāo)準(zhǔn)

    為了獲得較大的社交數(shù)據(jù),選取一線城市北京、上海、廣州豆瓣同城2017年1月1日-2019年2月28日期間的所有社交活動。主要采集的信息為:用戶信息(用戶名、用戶ID、用戶的興趣、用戶對所參加過的社交活動的評分),社交活動信息(社交活動類別、社交活動的內(nèi)容、社交活動ID等),數(shù)據(jù)統(tǒng)計見表1。

    表1 數(shù)據(jù)統(tǒng)計明細

    仿真實驗將Top-N推薦算法推薦結(jié)果,采用Precision@N、Recall@N、MAE(mean absolute error)和覆蓋率(Coverage)這4個評價指標(biāo)評估各算法推薦的性能

    (23)

    (24)

    式中:Reui,N、Teui分別表示各算法按照Top-N推薦給目標(biāo)用戶ui的社交活動以及用戶ui在測試集中所參與的活動集合, |*| 為計算集合大小,這里設(shè)置N=1,3,5,7,10

    (25)

    式中:Pi為候選社交活動i的預(yù)測評分,Hi為活動i的實際評分,N為候選社交活動個數(shù)

    (26)

    其中,R(u) 表示向目標(biāo)用戶推薦社交活動集合。

    3.2 參數(shù)設(shè)置

    在文件主題模型中需要對參數(shù)進行優(yōu)化設(shè)置,并且調(diào)節(jié)參數(shù)的大小這直接影響著算法推薦的效果,各參數(shù)設(shè)置如下:

    (1)文件主題模型參數(shù)設(shè)置

    實驗采用自然語言處理框架Gensim實現(xiàn)文件主題模型,在模型中設(shè)分布函數(shù)參數(shù)β=50/Numk,α=0.01, 為了獲得隱含主題t的最佳個數(shù)Numk, 利用豆瓣同城北京、上海和廣州數(shù)據(jù)集測試文件主題模型在不同的Numk下Precision@5和Recall@5, 結(jié)果如圖2所示。

    通過圖2我們可以看出在不同數(shù)據(jù)集上,隨著隱含主題數(shù)的增大,評價指標(biāo)Precision@5、Recall@5變化是有差別的。在豆瓣同城北京數(shù)據(jù)集上,評價指標(biāo)Precision@5和Recall@5隨著隱含主題個數(shù)Numk的增大而增大,在Numk≤60前期階段,兩個指標(biāo)的增幅較大,在后期兩個指標(biāo)的增幅緩慢趨于平穩(wěn)。當(dāng)Numk=100時,兩個評價指標(biāo)Precision@5和Recall@5取得最高值。

    圖2 不同隱含主題Numk下Top-5推薦性能

    在豆瓣同城上海數(shù)據(jù)集上,在Numk≤80前期階段,推薦評價指標(biāo)隨隱含主題個數(shù)Numk的增大而增大,在80

    (2)調(diào)節(jié)參數(shù)λ的設(shè)置

    調(diào)節(jié)參數(shù)λ是融合用戶評分相似度和用戶-社交活動興趣相似度的關(guān)鍵參數(shù)。設(shè)目標(biāo)用戶鄰居個數(shù)Num=10、20、30、40、50, 本文算法的MAE值跟參數(shù)λ的關(guān)系如圖3所示。

    圖3 調(diào)節(jié)參數(shù)λ與MAE之間的關(guān)系

    在不同的目標(biāo)用戶鄰居數(shù)下,本文算法的MAE值隨著參數(shù)λ的增大基本趨勢是一致的,即隨著λ值的增大先減小后緩慢增大。其中當(dāng)鄰居規(guī)模Num=30, 參數(shù)λ=0.4時MAE值最小,鄰居規(guī)模Num=50, 參數(shù)λ=1時MAE值最大。綜合考慮,為了獲得最優(yōu)效果,設(shè)鄰居規(guī)模Num=30, 調(diào)節(jié)參數(shù)λ=0.4。

    4 仿真實驗與對比分析

    本文實驗的硬件環(huán)境為Intel(R) Core(TM) i5-8400@2.8 GHz,RAM:8 GB,軟件環(huán)境為:Windows 7操作系統(tǒng),使用Python編程實現(xiàn)。這里我們將已結(jié)束的社交活動作為訓(xùn)練集,將新的社交活動作為訓(xùn)練集,為驗證本文所提算法的性能,將本文算法與傳統(tǒng)協(xié)同過濾推薦算法、文獻[20]進行目標(biāo)用戶新社交活動推薦效果對比。

    4.1 不同算法的準(zhǔn)確率和召回率對比

    本節(jié)將3種算法對已有用戶社交活動的推薦結(jié)果進行對比分析。通過圖4這3種算法在Top-N(N=1,3,5,7,10) 下的推薦評價指標(biāo)對比可以看出,本文提出的個性化推薦算法在不同N值下的推薦指標(biāo)明顯好于其它兩種推薦算法,說明本算法在綜合用戶對活動的興趣度、用戶間信任度后能夠取得較好的推薦結(jié)果。其中圖4(a)和圖4(b)為3種算法在豆瓣同城北京數(shù)據(jù)集上的推薦結(jié)果,其中在Top-N(N=1,3,5,7,10) 的推薦中,本文算法相較于文獻[20]和傳統(tǒng)協(xié)同過濾推薦算法的準(zhǔn)確率至少提升了5.88%和12.5%,召回率至少提升了約7.84%和23.53%;圖4(c)和圖4(d)為各算法在豆瓣同城上海數(shù)據(jù)集上的推薦結(jié)果,本文算法相較于文獻[20]和傳統(tǒng)協(xié)同過濾推薦算法的準(zhǔn)確率至少提升了5.26%和21.42%,召回率至少提升了約8.57%和19.23%;圖4(e)和圖4(f)為各算法在豆瓣同城廣州數(shù)據(jù)集上的推薦結(jié)果,本文算法相較于文獻[20]和傳統(tǒng)協(xié)同過濾推薦算法的準(zhǔn)確率至少提升了4.92%和18.18%,召回率至少提升了約7.89%和12.73%。

    圖4 各算法Top-N推薦評價指標(biāo)對比

    4.2 不同算法的MAE對比

    為了比較本文算法與其它兩種算法在MAE上的差異,這里固定調(diào)節(jié)參數(shù)λ=0.4, 以目標(biāo)用戶鄰居數(shù)目為變量,3種算法MAE值的變化如圖5所示。

    圖5 不同算法間的MAE對比

    通過圖5可以看出,3種算法隨著鄰居數(shù)目的增加,MAE值都呈下降的趨勢,但本文算法的MAE值整體上都小于其它兩種算法。在豆瓣同城北京數(shù)據(jù)集上,當(dāng)鄰居數(shù)目Num>50后,3種算法MAE值下降的幅度緩慢,鄰居數(shù)目Num≤50前,本文算法的MAE性能優(yōu)勢更明顯;在豆瓣同城上海數(shù)據(jù)集上,當(dāng)鄰居數(shù)目Num>60后,3種算法MAE值下降的幅度緩慢,基于MAE值的優(yōu)劣區(qū)分度不高,而鄰居數(shù)目Num≤60前,本文算法的MAE值相較于其它兩種算法更小,社交個性化推薦的誤差更低;在豆瓣同城廣州數(shù)據(jù)集上,鄰居數(shù)目Num=70為分界點,Num>70后3種算法MAE值下降幅度緩慢,MAE值大小接近,但整體上相較于其它兩個數(shù)據(jù)集,MAE值都要小,推薦的精度較高,這是由于在廣州數(shù)據(jù)集上對活動的評分反饋信息量大于其它兩個數(shù)據(jù)集。

    4.3 不同算法的覆蓋率對比

    本節(jié)以目標(biāo)用戶鄰居數(shù)目為變量,觀察3種算法在3個數(shù)據(jù)集上的推薦覆蓋率,其實驗結(jié)果如圖6所示。

    圖6 不同算法間的Coverage對比

    通過圖6可以看出,3種算法隨著鄰居數(shù)目的增加,覆蓋率會不斷提高,但后期覆蓋率增幅都趨于平緩。在3個數(shù)據(jù)集上,本文算法的覆蓋率都遠遠大于其它兩種算法,這是由于本文算法將用戶對社交活動評分、興趣和用戶間的信任度融合到推薦中,擴大了潛在社交活動的推薦范圍,從而提高了推薦活動的覆蓋率。

    5 結(jié)束語

    本文在傳統(tǒng)協(xié)同過濾推薦的基礎(chǔ)上融合用戶興趣度和信任度,提出了一種個性化推薦算法。算法綜合用戶對社交活動的興趣度和評分,構(gòu)建新的興趣度相似矩陣得到用戶間的綜合相似度,將綜合用戶相似度與用戶信任度相融合,得到個性化推薦權(quán)值,以不同的權(quán)值配比獲得最終的社交化活動推薦。利用豆瓣同城數(shù)據(jù)集分析確定了文件主題模型參數(shù)和調(diào)節(jié)參數(shù)λ值。與其它兩種算法對比可知,本算法不僅取得了較高的準(zhǔn)確率和召回率,在覆蓋率和推薦誤差上也有較好的表現(xiàn),但推薦精度的提高可能要增加時間和空間消耗,將本文算法并行化處理以降低時間復(fù)雜度是后續(xù)研究的重點方向。

    猜你喜歡
    社交活動信任度集上
    社交新氣象
    睿士(2023年3期)2023-03-22 08:35:38
    Cookie-Cutter集上的Gibbs測度
    鏈完備偏序集上廣義向量均衡問題解映射的保序性
    試探網(wǎng)絡(luò)流行語在大學(xué)生社交活動中的語用價值
    全球民調(diào):中國民眾對政府信任度最高
    復(fù)扇形指標(biāo)集上的分布混沌
    牛津大學(xué)《Cherwell》
    大學(xué)生(2017年3期)2017-03-21 15:15:42
    基于信任度評估的移動自組織網(wǎng)絡(luò)路由協(xié)議
    計算機工程(2015年4期)2015-07-05 08:27:45
    2014,如何獲得信任
    幾道導(dǎo)數(shù)題引發(fā)的解題思考
    国产精品永久免费网站| 国产成人精品婷婷| 亚洲欧美成人精品一区二区| 欧美色欧美亚洲另类二区| 欧美色欧美亚洲另类二区| 小说图片视频综合网站| 黑人高潮一二区| 亚洲精品影视一区二区三区av| 免费人成视频x8x8入口观看| 国产单亲对白刺激| 国内少妇人妻偷人精品xxx网站| 精品久久国产蜜桃| 性欧美人与动物交配| 国产黄片美女视频| 国产一区亚洲一区在线观看| 日韩欧美三级三区| 午夜福利在线观看吧| 99久久人妻综合| 亚洲精品色激情综合| 亚洲欧洲日产国产| 久久亚洲国产成人精品v| 一进一出抽搐动态| 18禁在线播放成人免费| 亚洲欧美日韩东京热| 久久精品91蜜桃| 精品久久久久久久久久免费视频| 中文精品一卡2卡3卡4更新| 一个人免费在线观看电影| 在线免费观看的www视频| 欧美成人精品欧美一级黄| 又粗又爽又猛毛片免费看| 深夜精品福利| 亚洲国产欧美人成| 久久久久久久久久久丰满| 成人亚洲欧美一区二区av| 青春草视频在线免费观看| 久久久久久久久中文| 神马国产精品三级电影在线观看| 国产精品无大码| 中文字幕精品亚洲无线码一区| 久久精品国产自在天天线| 国产私拍福利视频在线观看| 国产精品久久久久久av不卡| 3wmmmm亚洲av在线观看| 国产成人精品婷婷| 99久国产av精品国产电影| 狂野欧美白嫩少妇大欣赏| 一个人看视频在线观看www免费| 精品久久久久久久久av| 国产探花在线观看一区二区| 人体艺术视频欧美日本| 激情 狠狠 欧美| 日产精品乱码卡一卡2卡三| 久久草成人影院| 日韩欧美精品v在线| 精品人妻偷拍中文字幕| 国内精品美女久久久久久| 国产高清激情床上av| 99久久人妻综合| 看片在线看免费视频| 又爽又黄无遮挡网站| 波多野结衣巨乳人妻| 亚洲欧美精品专区久久| 久久精品国产99精品国产亚洲性色| 欧美3d第一页| 热99在线观看视频| 久久久国产成人精品二区| 日本黄色视频三级网站网址| 一级毛片久久久久久久久女| 特级一级黄色大片| 国产精品久久视频播放| 国产大屁股一区二区在线视频| 少妇的逼水好多| 中文在线观看免费www的网站| 免费人成视频x8x8入口观看| 干丝袜人妻中文字幕| 少妇的逼水好多| 91午夜精品亚洲一区二区三区| 综合色丁香网| 欧美精品国产亚洲| 国产不卡一卡二| 免费观看在线日韩| 亚洲精品亚洲一区二区| 日本欧美国产在线视频| 两个人的视频大全免费| 国产高清视频在线观看网站| 久久精品国产亚洲网站| 国产精品久久电影中文字幕| 男的添女的下面高潮视频| 男人舔女人下体高潮全视频| 成人国产麻豆网| 亚洲av男天堂| 免费看美女性在线毛片视频| 18+在线观看网站| 91久久精品国产一区二区三区| 亚洲第一电影网av| 国产国拍精品亚洲av在线观看| 最近最新中文字幕大全电影3| 深爱激情五月婷婷| av在线老鸭窝| 亚州av有码| 国产日韩欧美在线精品| 18禁黄网站禁片免费观看直播| 狠狠狠狠99中文字幕| 岛国毛片在线播放| 干丝袜人妻中文字幕| 69人妻影院| 桃色一区二区三区在线观看| 久久久久久伊人网av| 丰满的人妻完整版| 一边亲一边摸免费视频| 国产精品爽爽va在线观看网站| 一级毛片久久久久久久久女| 亚洲欧美清纯卡通| 成人二区视频| 99久久精品国产国产毛片| 亚洲国产精品久久男人天堂| 伦理电影大哥的女人| 午夜视频国产福利| 99久久九九国产精品国产免费| 桃色一区二区三区在线观看| 国产精品国产三级国产av玫瑰| 国产一区二区激情短视频| 国产一区二区在线观看日韩| 非洲黑人性xxxx精品又粗又长| 观看美女的网站| 国产一级毛片七仙女欲春2| 国产极品精品免费视频能看的| 免费观看在线日韩| 两个人的视频大全免费| 国产精品一区二区三区四区免费观看| 久久久久久久久久久丰满| 18+在线观看网站| 色视频www国产| 久久精品综合一区二区三区| 国产精品久久久久久精品电影| 亚洲欧洲国产日韩| 国产精品三级大全| 中国美女看黄片| 日本撒尿小便嘘嘘汇集6| 亚洲美女搞黄在线观看| 免费观看精品视频网站| 亚洲中文字幕日韩| 2021天堂中文幕一二区在线观| 精品一区二区免费观看| 搡女人真爽免费视频火全软件| 欧美不卡视频在线免费观看| 日韩在线高清观看一区二区三区| 午夜福利成人在线免费观看| 国产午夜福利久久久久久| 国产高清有码在线观看视频| 一级黄片播放器| 国产一区二区在线av高清观看| 深夜精品福利| 久久国产乱子免费精品| 在线观看av片永久免费下载| 亚洲性久久影院| 国产成人午夜福利电影在线观看| 麻豆乱淫一区二区| 久久精品综合一区二区三区| 1024手机看黄色片| 91aial.com中文字幕在线观看| 国产综合懂色| 日本爱情动作片www.在线观看| 2022亚洲国产成人精品| 精品久久久久久成人av| 日韩视频在线欧美| 免费一级毛片在线播放高清视频| av在线亚洲专区| 国产在线男女| 亚洲欧美日韩东京热| 夫妻性生交免费视频一级片| 亚洲欧美精品自产自拍| 夫妻性生交免费视频一级片| 九九在线视频观看精品| 国产熟女欧美一区二区| 三级国产精品欧美在线观看| 亚洲自拍偷在线| 亚洲乱码一区二区免费版| 久久久久免费精品人妻一区二区| 免费观看精品视频网站| 欧美日本视频| 黄色一级大片看看| 精品不卡国产一区二区三区| 亚洲一区二区三区色噜噜| 免费观看在线日韩| 国产爱豆传媒在线观看| 精品人妻视频免费看| 成人国产麻豆网| 深夜精品福利| 亚洲国产欧美在线一区| 男女边吃奶边做爰视频| 国产亚洲91精品色在线| 黑人高潮一二区| 久久综合国产亚洲精品| 日韩欧美精品免费久久| 精品久久久久久久末码| 亚洲va在线va天堂va国产| 村上凉子中文字幕在线| 身体一侧抽搐| 亚洲自拍偷在线| 丝袜美腿在线中文| 国产精品一区www在线观看| 国产精品蜜桃在线观看 | 此物有八面人人有两片| 伊人久久精品亚洲午夜| 午夜a级毛片| 欧美日韩在线观看h| 久久精品久久久久久噜噜老黄 | 国产女主播在线喷水免费视频网站 | 久久人人爽人人片av| 欧美性猛交黑人性爽| 三级经典国产精品| 午夜精品一区二区三区免费看| 亚洲最大成人手机在线| 日本一二三区视频观看| 好男人视频免费观看在线| 精品久久国产蜜桃| 日韩欧美三级三区| 99在线人妻在线中文字幕| 精品久久久久久久久av| 国产黄色小视频在线观看| 在线观看美女被高潮喷水网站| 免费搜索国产男女视频| 国产精品一二三区在线看| av在线老鸭窝| 天堂中文最新版在线下载 | 国产视频首页在线观看| 少妇猛男粗大的猛烈进出视频 | 久久午夜福利片| www.色视频.com| 99九九线精品视频在线观看视频| 人妻制服诱惑在线中文字幕| 日韩,欧美,国产一区二区三区 | 国产黄片美女视频| 国产日韩欧美在线精品| 国产日韩欧美在线精品| 人人妻人人澡人人爽人人夜夜 | 亚洲精品影视一区二区三区av| 久久久国产成人免费| 免费在线观看成人毛片| 日本欧美国产在线视频| 韩国av在线不卡| 啦啦啦观看免费观看视频高清| 亚洲无线观看免费| 少妇熟女欧美另类| 国产麻豆成人av免费视频| 麻豆国产av国片精品| 如何舔出高潮| 中文在线观看免费www的网站| 亚洲在线自拍视频| 国产午夜精品一二区理论片| 免费观看在线日韩| 国产伦精品一区二区三区视频9| 国产高清激情床上av| 亚洲真实伦在线观看| 热99在线观看视频| 亚洲18禁久久av| 国产av不卡久久| 亚洲18禁久久av| 亚洲av成人av| 国产成年人精品一区二区| 日韩av在线大香蕉| 少妇人妻精品综合一区二区 | 丰满乱子伦码专区| 日韩av在线大香蕉| 可以在线观看的亚洲视频| 直男gayav资源| 97超碰精品成人国产| 免费观看在线日韩| 男女边吃奶边做爰视频| 精品无人区乱码1区二区| 日韩大尺度精品在线看网址| 日本成人三级电影网站| 中文欧美无线码| 波多野结衣高清作品| 在线观看午夜福利视频| 麻豆乱淫一区二区| 可以在线观看毛片的网站| 人人妻人人澡人人爽人人夜夜 | 国产一级毛片在线| 中文字幕免费在线视频6| 国产午夜精品论理片| 国产av一区在线观看免费| 黄色欧美视频在线观看| 免费人成在线观看视频色| 亚洲激情五月婷婷啪啪| 狠狠狠狠99中文字幕| 亚洲久久久久久中文字幕| 欧美人与善性xxx| 国产亚洲5aaaaa淫片| 天堂√8在线中文| 97热精品久久久久久| 男插女下体视频免费在线播放| 99在线视频只有这里精品首页| 国产伦精品一区二区三区四那| 午夜福利在线观看免费完整高清在 | 精品少妇黑人巨大在线播放 | 精品人妻一区二区三区麻豆| 国产免费男女视频| 99国产极品粉嫩在线观看| 热99在线观看视频| 久久精品国产亚洲av香蕉五月| 亚州av有码| 日日干狠狠操夜夜爽| 免费看日本二区| 又爽又黄无遮挡网站| 内地一区二区视频在线| a级毛色黄片| 国产精品久久电影中文字幕| 男女那种视频在线观看| 亚洲丝袜综合中文字幕| 国产精品1区2区在线观看.| 亚洲精品日韩在线中文字幕 | 夜夜夜夜夜久久久久| 国内久久婷婷六月综合欲色啪| 亚洲成av人片在线播放无| 国产午夜福利久久久久久| www日本黄色视频网| 国产成人精品婷婷| 久久久国产成人免费| 联通29元200g的流量卡| 成年版毛片免费区| 久久99蜜桃精品久久| 亚洲国产欧美人成| 成人无遮挡网站| 成人亚洲精品av一区二区| 国产精品不卡视频一区二区| 91久久精品电影网| 亚洲自偷自拍三级| 亚洲国产精品成人久久小说 | 欧美最新免费一区二区三区| 国产精品一区二区性色av| www日本黄色视频网| 久久久精品94久久精品| 麻豆成人午夜福利视频| 午夜视频国产福利| av天堂在线播放| 成人特级av手机在线观看| 狂野欧美白嫩少妇大欣赏| 亚洲精华国产精华液的使用体验 | 国产成人影院久久av| 日本在线视频免费播放| 不卡视频在线观看欧美| 国产精品无大码| 18禁在线播放成人免费| 中文字幕精品亚洲无线码一区| 黄色欧美视频在线观看| 熟女电影av网| 日日撸夜夜添| 免费观看的影片在线观看| 尤物成人国产欧美一区二区三区| 国内精品久久久久精免费| 成人毛片60女人毛片免费| 亚洲自偷自拍三级| 国产人妻一区二区三区在| 黄色欧美视频在线观看| 精品一区二区三区人妻视频| 精品一区二区免费观看| 国模一区二区三区四区视频| 成人亚洲精品av一区二区| 亚洲最大成人中文| 3wmmmm亚洲av在线观看| 国产精品久久视频播放| 成熟少妇高潮喷水视频| 亚洲最大成人中文| 日本色播在线视频| 亚洲aⅴ乱码一区二区在线播放| 国产视频内射| 人人妻人人澡人人爽人人夜夜 | 观看美女的网站| 直男gayav资源| 全区人妻精品视频| 九色成人免费人妻av| 性色avwww在线观看| 国产精品嫩草影院av在线观看| 精品国内亚洲2022精品成人| 人人妻人人澡欧美一区二区| 一本久久中文字幕| 美女被艹到高潮喷水动态| 国产极品天堂在线| 日产精品乱码卡一卡2卡三| 97超视频在线观看视频| 亚洲av第一区精品v没综合| 禁无遮挡网站| 成人av在线播放网站| 男人狂女人下面高潮的视频| 久久久久久久亚洲中文字幕| 小说图片视频综合网站| 久久久久久久久大av| 男插女下体视频免费在线播放| 99热这里只有精品一区| 国产精品一区二区在线观看99 | 日本熟妇午夜| 热99在线观看视频| 国产精华一区二区三区| 亚洲欧美日韩高清在线视频| 永久网站在线| 亚洲激情五月婷婷啪啪| 变态另类丝袜制服| 老司机影院成人| 小蜜桃在线观看免费完整版高清| 亚洲激情五月婷婷啪啪| 中文字幕熟女人妻在线| 亚洲精品456在线播放app| 国产在线精品亚洲第一网站| av在线蜜桃| 亚洲欧美精品自产自拍| 97超视频在线观看视频| 国产精品久久视频播放| 午夜精品一区二区三区免费看| 成人毛片a级毛片在线播放| 亚洲最大成人av| 成熟少妇高潮喷水视频| 亚洲中文字幕日韩| av在线天堂中文字幕| 最近最新中文字幕大全电影3| 少妇人妻一区二区三区视频| 91久久精品国产一区二区三区| 精品无人区乱码1区二区| 国产探花极品一区二区| 97超视频在线观看视频| a级毛色黄片| 亚洲经典国产精华液单| 国产精品人妻久久久影院| 国产日本99.免费观看| 99久久九九国产精品国产免费| 国产亚洲91精品色在线| 人妻少妇偷人精品九色| 亚洲美女搞黄在线观看| 亚洲第一区二区三区不卡| 中文字幕熟女人妻在线| 校园春色视频在线观看| 日韩在线高清观看一区二区三区| 国产午夜精品久久久久久一区二区三区| 国产精品日韩av在线免费观看| 精品人妻熟女av久视频| 中文字幕人妻熟人妻熟丝袜美| 男的添女的下面高潮视频| 午夜亚洲福利在线播放| 国产成人精品一,二区 | 日韩成人av中文字幕在线观看| 国产精品麻豆人妻色哟哟久久 | 色播亚洲综合网| 亚洲人成网站高清观看| 欧美激情久久久久久爽电影| 中文字幕av成人在线电影| 校园人妻丝袜中文字幕| 老女人水多毛片| 久久99精品国语久久久| 亚洲精品国产av成人精品| 国产精品精品国产色婷婷| 男的添女的下面高潮视频| 六月丁香七月| 成人二区视频| 亚洲一区二区三区色噜噜| 一级二级三级毛片免费看| 中文字幕免费在线视频6| 夜夜看夜夜爽夜夜摸| 国产精品免费一区二区三区在线| 午夜老司机福利剧场| 中出人妻视频一区二区| 99久久精品一区二区三区| 亚洲av第一区精品v没综合| 中国国产av一级| 免费看美女性在线毛片视频| 成人午夜精彩视频在线观看| h日本视频在线播放| 日本三级黄在线观看| 一级黄色大片毛片| 日本免费一区二区三区高清不卡| 99热6这里只有精品| 大香蕉久久网| 国产精品无大码| 午夜福利视频1000在线观看| 久久精品国产亚洲av天美| 欧美三级亚洲精品| 最近视频中文字幕2019在线8| 久久久国产成人精品二区| 亚洲中文字幕一区二区三区有码在线看| 日日干狠狠操夜夜爽| 色视频www国产| 欧美精品一区二区大全| 偷拍熟女少妇极品色| 久久99热6这里只有精品| 看十八女毛片水多多多| 热99在线观看视频| 国产成人影院久久av| 国产精品蜜桃在线观看 | 69av精品久久久久久| 99久久精品一区二区三区| 精品久久久久久久久亚洲| 性色avwww在线观看| 1024手机看黄色片| 国产大屁股一区二区在线视频| 91午夜精品亚洲一区二区三区| 91在线精品国自产拍蜜月| 99热精品在线国产| 欧美又色又爽又黄视频| 国产私拍福利视频在线观看| 精品欧美国产一区二区三| 免费黄网站久久成人精品| 22中文网久久字幕| 69av精品久久久久久| 久久久久久久久久成人| 自拍偷自拍亚洲精品老妇| 少妇猛男粗大的猛烈进出视频 | 国产成人a∨麻豆精品| 中文在线观看免费www的网站| 久久国产乱子免费精品| 国产成人影院久久av| 日韩大尺度精品在线看网址| 欧美bdsm另类| 能在线免费看毛片的网站| 国产色婷婷99| 欧美日韩精品成人综合77777| 国产精华一区二区三区| 99热这里只有是精品50| 久久婷婷人人爽人人干人人爱| 男人的好看免费观看在线视频| 人人妻人人看人人澡| 日韩av不卡免费在线播放| 国模一区二区三区四区视频| 精品久久久噜噜| 亚洲精品日韩av片在线观看| 亚洲国产精品成人综合色| 国产又黄又爽又无遮挡在线| 18禁黄网站禁片免费观看直播| 亚洲欧洲国产日韩| 性欧美人与动物交配| 一进一出抽搐gif免费好疼| 国产精华一区二区三区| 黄色配什么色好看| 国产精品日韩av在线免费观看| 十八禁国产超污无遮挡网站| 国内揄拍国产精品人妻在线| 热99re8久久精品国产| 99久久九九国产精品国产免费| 亚洲18禁久久av| 男人狂女人下面高潮的视频| 国产日本99.免费观看| 寂寞人妻少妇视频99o| 最后的刺客免费高清国语| 国产伦在线观看视频一区| 国产男人的电影天堂91| 欧美丝袜亚洲另类| 日韩在线高清观看一区二区三区| 波多野结衣高清无吗| 久久精品综合一区二区三区| 亚洲人成网站在线播| 深夜a级毛片| 给我免费播放毛片高清在线观看| 亚洲最大成人中文| 少妇的逼好多水| 狂野欧美白嫩少妇大欣赏| 亚洲国产高清在线一区二区三| 日韩成人av中文字幕在线观看| 伦精品一区二区三区| 国产高清视频在线观看网站| 精品99又大又爽又粗少妇毛片| 日本免费一区二区三区高清不卡| 午夜精品在线福利| 亚洲va在线va天堂va国产| 亚洲国产精品合色在线| 国产精品一区二区三区四区久久| av在线老鸭窝| 色噜噜av男人的天堂激情| 蜜桃亚洲精品一区二区三区| 亚洲国产精品sss在线观看| 麻豆乱淫一区二区| www.av在线官网国产| 国产精品爽爽va在线观看网站| av黄色大香蕉| 国产精品无大码| 在现免费观看毛片| 欧美激情久久久久久爽电影| 免费大片18禁| 亚洲av成人精品一区久久| 日韩中字成人| 国产成人影院久久av| 可以在线观看毛片的网站| 免费看a级黄色片| 欧美zozozo另类| 18+在线观看网站| a级毛片a级免费在线| 国产探花在线观看一区二区| 国产一区二区亚洲精品在线观看| 天堂影院成人在线观看| 插逼视频在线观看| 狂野欧美激情性xxxx在线观看| 精品国内亚洲2022精品成人| 国产成人91sexporn| 欧美极品一区二区三区四区| 久久热精品热| 国产单亲对白刺激| 看免费成人av毛片| 97在线视频观看| 国产亚洲欧美98| 成人毛片60女人毛片免费| 国内精品宾馆在线| 变态另类成人亚洲欧美熟女| 最近手机中文字幕大全| 国产亚洲av嫩草精品影院| 夫妻性生交免费视频一级片| 日韩成人av中文字幕在线观看| 最近最新中文字幕大全电影3| 99热网站在线观看| 人妻久久中文字幕网| 久久精品国产自在天天线| av卡一久久| 久久久久免费精品人妻一区二区| 97在线视频观看| 亚洲国产精品久久男人天堂| 麻豆乱淫一区二区| 神马国产精品三级电影在线观看|