• <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 ?

    融合顯/隱式反饋的社會(huì)化協(xié)同排序推薦算法

    2022-01-05 02:31:34張佳強(qiáng)
    計(jì)算機(jī)應(yīng)用 2021年12期
    關(guān)鍵詞:社會(huì)化排序信任

    李 改,李 磊,張佳強(qiáng)

    (1.順德職業(yè)技術(shù)學(xué)院智能制造學(xué)院,廣東佛山 528333;2.中山大學(xué)計(jì)算機(jī)學(xué)院,廣州 510006)

    (?通信作者電子郵箱ligai999@126.com)

    0 引言

    隨著人類進(jìn)入信息化社會(huì),特別是移動(dòng)互聯(lián)網(wǎng)和社交網(wǎng)絡(luò)的出現(xiàn),互聯(lián)網(wǎng)上的信息量呈指數(shù)級(jí)爆炸式增長(zhǎng),人們?cè)絹?lái)越難以從互聯(lián)網(wǎng)上迅速找到所需要的信息。傳統(tǒng)的檢索系統(tǒng)對(duì)每個(gè)用戶的關(guān)鍵詞檢索都返回相同的結(jié)果,而推薦系統(tǒng)可根據(jù)用戶的個(gè)人偏好來(lái)更準(zhǔn)確地推薦相關(guān)信息,因此在互聯(lián)網(wǎng)工業(yè)界得到了廣泛應(yīng)用。

    信息推薦系統(tǒng)中協(xié)同過(guò)濾推薦算法是目前應(yīng)用最成功且最廣泛的信息推薦算法。隨著社交網(wǎng)絡(luò)的興起,出現(xiàn)了社會(huì)化協(xié)同過(guò)濾推薦算法。根據(jù)所采用的機(jī)器學(xué)習(xí)方法的不同,社會(huì)化協(xié)同過(guò)濾推薦算法分為兩種[1]:一種是基于評(píng)分預(yù)測(cè)的社會(huì)化協(xié)同過(guò)濾推薦算法,一種是基于排序預(yù)測(cè)的社會(huì)化協(xié)同排序推薦算法。相關(guān)研究表明:基于排序?qū)W習(xí)的社會(huì)化推薦算法沒(méi)有基于評(píng)分預(yù)測(cè)的社會(huì)化協(xié)同過(guò)濾推薦算法所具有的預(yù)測(cè)值與真實(shí)排序不匹配的固有缺陷;同時(shí),由于不以預(yù)測(cè)評(píng)分作中介,而是直接通過(guò)排序?qū)W習(xí)對(duì)推薦對(duì)象進(jìn)行排序推薦,因此具有更直接的實(shí)際應(yīng)用價(jià)值[1-3]。

    在處理顯式評(píng)分的社會(huì)化協(xié)同排序推薦算法中,代表性的有Yao 等[5]在國(guó)際頂級(jí)會(huì)議WWW2014 上提出的SoRank 模型。此外,隨著深度學(xué)習(xí)的應(yīng)用與發(fā)展,也出現(xiàn)了一些學(xué)者采用深度學(xué)習(xí)來(lái)研究處理顯式評(píng)分的社會(huì)化協(xié)同排序推薦算法,均顯著提高了該類推薦算法的性能[6-7]。在基于隱式反饋的社會(huì)化協(xié)同排序推薦算法研究領(lǐng)域,Du 等[8]在國(guó)際會(huì)議ADMA2011 上提出了UGPMF(User Graph regularized Pairwise Matrix Factorization)模型,Krohn-Grimberghe 等[9]在國(guó)際會(huì)議WSDM2012 上 提 出 了 MR-BPR(Multi-Relational matrix factorization using Bayesian Personalized Ranking)模型,Zhao等[10]在國(guó)際會(huì)議ICKM2014 上提出了SBPR(Social Bayesian Personalized Ranking)模型。此類算法的最新模型是Guo等[11]在國(guó)際權(quán)威期刊《Journal of Computer Science and Technology》上提出的SocialBPR 模型。上述基于隱式反饋的社會(huì)化協(xié)同排序模型均是基于矩陣分解的貝葉斯個(gè)性化排序(Bayesian Personalized Ranking based on Matrix Factorization,BPR-MF)模型的改進(jìn)版本,其目標(biāo)函數(shù)均是優(yōu)化排序?qū)W習(xí)的評(píng)價(jià)指標(biāo)受試者工作特性曲線下面積(Area Under Receiver Operating Characteristic curve,AUC)。

    傳統(tǒng)的基于排序預(yù)測(cè)的社會(huì)化協(xié)同排序推薦算法要么僅關(guān)注顯式反饋數(shù)據(jù)[5-7],要么僅關(guān)注隱式反饋數(shù)據(jù)[8-11],沒(méi)有充分挖掘這些數(shù)據(jù)的潛在價(jià)值。事實(shí)上,在真實(shí)的社會(huì)化信息推薦系統(tǒng)中,評(píng)分矩陣和社交網(wǎng)絡(luò)矩陣中的顯式反饋數(shù)據(jù)和隱式反饋數(shù)據(jù)是同時(shí)存在的。為了同時(shí)挖掘用戶評(píng)分矩陣和社交網(wǎng)絡(luò)矩陣中的顯/隱式信息,Guo 等[12]提出了TrustSVD 模型,該模型通過(guò)改進(jìn)SVD++模型來(lái)同時(shí)挖掘用戶評(píng)分矩陣和社交網(wǎng)絡(luò)矩陣中的顯/隱式信息。由于該模型仍然是評(píng)分預(yù)測(cè)算法,因此同樣存在預(yù)測(cè)值與真實(shí)排序不匹配的固有缺陷[4]。為了克服固有缺陷,同時(shí)進(jìn)一步提高社會(huì)化推薦算法的推薦性能,本文在TrustSVD 模型和xCLiMF 模型[13]基礎(chǔ)上,提出一種新的優(yōu)化排序?qū)W習(xí)評(píng)價(jià)指標(biāo)預(yù)期倒數(shù)排名(Expected Reciprocal Rank,ERR)的融合顯/隱式反饋的社會(huì)化協(xié)同排序推薦算法SPR_SVD++,以同時(shí)挖掘用戶評(píng)分矩陣和社交網(wǎng)絡(luò)矩陣中的顯/隱式反饋信息。實(shí)驗(yàn)結(jié)果表明,SPR_SVD++算法的歸一化折損累計(jì)增益(Normalized Discounted Cumulative Gain,NDCG)和ERR 指標(biāo)[1-2]均優(yōu)于對(duì)比的最新的融合顯/隱式反饋信息的推薦算法,且適合處理大數(shù)據(jù),可廣泛應(yīng)用于互聯(lián)網(wǎng)服務(wù)中的個(gè)性化信息推薦。

    1 預(yù)備知識(shí)

    本文用斜體加粗的大寫字母(如:X)表示矩陣,用小寫字母(如:i,j)表示標(biāo)量。給定矩陣X,Xij表示它的一個(gè)元素,X.j和Xi.分別表示X的第j列、第i行,XT表示X的轉(zhuǎn)置。如X表示顯式評(píng)分矩陣,則Xij∈{0,1,2,3,4,5},該矩陣具有m個(gè)用戶、n個(gè)對(duì)象;表示X的逼近/預(yù)測(cè)矩陣,V∈Cd×n,一般d?r,r表示X的秩,r≤min(m,n),U和V分別表示用戶和推薦對(duì)象的顯式特征矩陣,d表示特征個(gè)數(shù)。Pui表示用戶u的推薦對(duì)象i的排序得分。如X表示隱式評(píng)分矩陣,則,U和Y分別表示用戶和推薦對(duì)象的隱式特征矩陣。

    T=(Tuv)m×m表示有m個(gè)用戶的社交網(wǎng)絡(luò)矩陣,Tuv∈{0,1},“1”表示用戶u信任用戶v,“0”表示不信任。u信任v并不意味著v信任u,也就是說(shuō)T是不對(duì)稱的。表示T的逼近/預(yù)測(cè)矩陣,,U∈Cd×m,W∈Cd×m,U和W分別表示信任者特征矩陣和被信任者特征矩陣。為了在本模型中統(tǒng)一優(yōu)化用戶評(píng)分矩陣和社交網(wǎng)絡(luò)矩陣,假定用戶特征矩陣和信任者特征矩陣共享相同的特征空間,均用U表示,U∈Cd×m,因此。信任者的特征矩陣U和被信任者的特征矩陣W可以通過(guò)最小化以下目標(biāo)函數(shù)[1]得到:

    其中:T(u)表示用戶u直接信任的用戶的集合。

    2 TrustSVD算法

    TrustSVD 算法是一種融合顯/隱式反饋的基于評(píng)分預(yù)測(cè)的社會(huì)化協(xié)同過(guò)濾推薦算法,其核心思想是在SVD++模型[14]基礎(chǔ)上融入用戶的社交網(wǎng)絡(luò)信息,從而使TrustSVD 算法成為同時(shí)融合社交網(wǎng)絡(luò)和評(píng)分矩陣的顯/隱式信息的基于評(píng)分預(yù)測(cè)的協(xié)同過(guò)濾推薦算法。文獻(xiàn)[12]中的實(shí)驗(yàn)結(jié)果顯示:TrustSVD 算法的性能優(yōu)于其他已知的融合顯/隱式反饋的協(xié)同過(guò)濾推薦算法。在TrustSVD 算法中,逼近/預(yù)測(cè)矩陣中評(píng)分項(xiàng)的預(yù)測(cè)公式如下:

    有關(guān)TrustSVD算法的詳細(xì)描述見(jiàn)文獻(xiàn)[12]。

    3 SPR_SVD++算法

    本章首先對(duì)SPR_SVD++算法進(jìn)行詳細(xì)描述,接著給出該算法完整的求解過(guò)程和偽代碼,最后對(duì)新算法的時(shí)間復(fù)雜度進(jìn)行全面分析。

    3.1 算法介紹

    在實(shí)際的應(yīng)用中,人們更關(guān)注的是推薦對(duì)象之間的偏序關(guān)系,因此在基于排序預(yù)測(cè)的協(xié)同排序推薦算法能夠更好地滿足用戶的實(shí)際需要。xCLiMF 模型是一種處理顯式評(píng)分?jǐn)?shù)據(jù)的基于排序預(yù)測(cè)的協(xié)同排序推薦算法[13],其核心思想是在目標(biāo)函數(shù)中優(yōu)化排序?qū)W習(xí)的評(píng)價(jià)指標(biāo)ERR。文獻(xiàn)[13]中的實(shí)驗(yàn)結(jié)果顯示:xCLiMF 模型的性能優(yōu)于目前已知的優(yōu)化其他評(píng)價(jià)指標(biāo)的基于排序預(yù)測(cè)的協(xié)同排序推薦算法。由于xCLiMF模型優(yōu)化的是評(píng)價(jià)指標(biāo)ERR,使得求解過(guò)程易于并行化,計(jì)算復(fù)雜度與評(píng)分矩陣中評(píng)分點(diǎn)的總數(shù)成正比,非常適合處理大規(guī)模數(shù)據(jù)(詳見(jiàn)文獻(xiàn)[13]和本文3.3 節(jié)的算法復(fù)雜度分析),因此本文提出的SPR_SVD++算法的核心思想是把TrustSVD算法融入xCLiMF模型,進(jìn)而形成一種新的優(yōu)化排序?qū)W習(xí)指標(biāo)ERR的基于排序預(yù)測(cè)的社會(huì)化協(xié)同排序推薦算法。

    在xCLiMF 模型中,用于評(píng)價(jià)對(duì)用戶u所產(chǎn)生的推薦序列的ERRu公式如下所示:

    鑒于對(duì)數(shù)函數(shù)的單調(diào)性,最大化式(3)所得到的模型參數(shù)和最大化一致。因此,可得到如下公式:

    和文獻(xiàn)[13]中一樣,運(yùn)用Jensen 不等式和對(duì)數(shù)函數(shù)的凹性,得到的下限如下:

    考慮全部m個(gè)推薦對(duì)象,SPR_SVD++算法的目標(biāo)函數(shù)變形為:

    最大化目標(biāo)函數(shù)(7)等價(jià)于最小化公式(8):

    至此,相比目標(biāo)函數(shù)(3),目標(biāo)函數(shù)(8)簡(jiǎn)化了很多,可以運(yùn)用傳統(tǒng)的梯度下降法求解參數(shù)bu,bi,U,V,Y和W。

    采用TrustSVD 算法中一樣的方法,假定用戶特征矩陣和信任者特征矩陣共享相同的特征空間,均用U表示,因此可以應(yīng)用信任者的特征向量和被信任者的特征向量來(lái)約束用戶的特征向量。得到新目標(biāo)函數(shù)如下:

    其中:UuTWv是用戶u對(duì)用戶v的預(yù)測(cè)信任值,UpTWu是用戶p對(duì)用戶u的預(yù)測(cè)信任值;α∈[0,1],用于控制信任者對(duì)最終評(píng)分的影響。

    采用和參考文獻(xiàn)[12]一致的策略,并引入加權(quán)的λ規(guī)范化。目標(biāo)函數(shù)(9)變形為:

    其中:λ是正則化系數(shù),為了降低模型復(fù)雜度,在這里對(duì)所有參數(shù)bu、bi、U、V、Y和W采用一樣的正則化系數(shù);δ(x)是一個(gè)指示函數(shù),當(dāng)x>0 時(shí)值為1,否則值為0;‖Uu‖F(xiàn)表示Uu的Frobenius 范數(shù);U(i)表示給推薦對(duì)象i評(píng)分過(guò)的用戶集合;在這里采用|I(u)|、T(u)+和T(u)-同時(shí)約束用戶的特征向量Uu。

    3.2 新算法優(yōu)化求解與偽代碼描述

    采用和參考文獻(xiàn)[1-3]一樣的策略,得到bu、bi、U、V、Y和W的求偏導(dǎo)公式如下:

    SPR_SVD++算法的偽代碼描述詳見(jiàn)算法1。

    算法1 SPR_SVD++算法。

    輸入 評(píng)分矩陣X,社交矩陣T,學(xué)習(xí)率β,正則化參數(shù)λ,信任規(guī)范化參數(shù)λT,折中控制參數(shù)α,特征數(shù)d,最大迭代輪數(shù)itermax;

    輸出 評(píng)分偏差bu和bi,特征矩陣U、V、Y和W。

    3.3 算法計(jì)算復(fù)雜度分析

    4 實(shí)驗(yàn)結(jié)果及分析

    4.1 實(shí)驗(yàn)數(shù)據(jù)集

    在本實(shí)驗(yàn)中,一共使用3 個(gè)數(shù)據(jù)集:Epinions 數(shù)據(jù)集、Flixster 數(shù)據(jù)集和Ciao 數(shù)據(jù)集。數(shù)據(jù)集的具體說(shuō)明詳見(jiàn)參考文獻(xiàn)[1,12]。

    4.2 實(shí)驗(yàn)的評(píng)價(jià)標(biāo)準(zhǔn)

    本文采用NDGG 和ERR 作為實(shí)驗(yàn)評(píng)價(jià)指標(biāo),具體定義詳見(jiàn)參考文獻(xiàn)[1-2]。

    4.3 實(shí)驗(yàn)設(shè)置

    采用和文獻(xiàn)[1-2]類似的策略,針對(duì)3 個(gè)數(shù)據(jù)集,對(duì)每個(gè)用戶給出條件:“Given 20”“Given 40”“Given 60”作為訓(xùn)練集,剩下的用作測(cè)試。

    所有模型的最優(yōu)參數(shù)值均分別確定。對(duì)每個(gè)數(shù)據(jù)集的不同條件數(shù)據(jù)子集,對(duì)實(shí)驗(yàn)中的所有模型均用訓(xùn)練數(shù)據(jù)集和五折交叉確認(rèn)來(lái)確定模型參數(shù)。對(duì)于SPR_SVD++算法,和參考文獻(xiàn)[15]一樣,λT和α的最優(yōu)值通過(guò)交叉確認(rèn)確定。學(xué)習(xí)率β∈{χ|χ=0.000 1× 2c,χ≤0.5,c>0,c是一個(gè)正整數(shù)},通過(guò)實(shí)驗(yàn)找出最優(yōu)值。其他參數(shù)的設(shè)置均參照參考文獻(xiàn)[1]中的設(shè)置。對(duì)比算法的參數(shù)設(shè)置詳見(jiàn)相應(yīng)的參考文獻(xiàn)。

    4.4 實(shí)驗(yàn)結(jié)果及分析

    4.4.1 信任規(guī)范化參數(shù)λT對(duì)SPR_SVD++算法性能的影響

    除了參數(shù)λ以外,SPR_SVD++算法還有兩個(gè)重要參數(shù)λT和α。為了確定算法中這兩個(gè)算法的最優(yōu)值,采取的策略是固定其中一個(gè)參數(shù),尋找另一個(gè)的最優(yōu)值。找到最優(yōu)值后把該最優(yōu)值固定,以尋找下一個(gè)參數(shù)的最優(yōu)值。圖1 給出了信任規(guī)范化參數(shù)λT對(duì)SPR_SVD++算法性能的影響,此時(shí):固定α=0.5,同時(shí)λT∈{0.01,0.1,1,2,5,10},其中縱軸表示評(píng)價(jià)指標(biāo)NDCG@10 的值,橫軸表示信任規(guī)范化參數(shù)λT的值。采用Epinions 的子數(shù)據(jù)集“Given 40”作為實(shí)驗(yàn)數(shù)據(jù)集。從圖1可以看出:SPR_SVD++算法的性能隨著信任規(guī)范化參數(shù)λT值的變化而變化;當(dāng)SPR_SVD++算法的性能最佳時(shí),λT=0.1;在SPR_SVD++算法中引入用戶的信任網(wǎng)絡(luò)信息,有助于提高該類推薦算法的性能。

    圖1 λT對(duì)SPR_SVD++算法性能的影響Fig.1 Influence of λT on performance of SPR_SVD++algorithm

    4.4.2 折中控制參數(shù)α對(duì)SPR_SVD++算法性能的影響

    圖2給出了折中控制參數(shù)α對(duì)SPR_SVD++算法性能的影響,其中縱軸表示評(píng)價(jià)指標(biāo)NDCG@10 的值,橫軸表示折中控制參數(shù)α的值。本實(shí)驗(yàn)仍然選擇Epinions 數(shù)據(jù)集的子數(shù)據(jù)集“Given 40”作為實(shí)驗(yàn)數(shù)據(jù)集。根據(jù)圖1顯示的實(shí)驗(yàn)結(jié)果,此時(shí)固 定λT=0.1。α取值范圍為:α∈{χ|χ=0.1×c,0 ≤c≤10,c是一個(gè)整數(shù)}。α=1 表示僅僅考慮被用戶u信任的用戶們對(duì)的影響,忽略信任u的用戶對(duì)的影響;α=0則正好相反,表示僅僅考慮信任u的用戶對(duì)的影響,忽略被用戶u信任的用戶們對(duì)的影響;取α∈(0,1)正是為了平衡這兩種極端情況。從圖2可觀察到:當(dāng)α=0時(shí)SPR_SVD++算法的性能優(yōu)于當(dāng)α=1 時(shí)的性能,這說(shuō)明在SPR_SVD++算法中,信任者對(duì)算法性能的影響高于被信任者;當(dāng)α=0 和α=1 時(shí)的算法性能均遜于α∈(0,1)時(shí),這說(shuō)明折中考慮信任者和被信任者對(duì)算法性能的影響,能夠進(jìn)一步提高SPR_SVD++算法的性能。

    圖2 α對(duì)SPR_SVD++算法性能的影響Fig.2 Influence of α on performance of SPR_SVD++algorithm

    4.4.3 SPR_SVD++算法和經(jīng)典協(xié)同過(guò)濾推薦算法的比較

    考慮公平性,在3 個(gè)數(shù)據(jù)集上對(duì)比了本文的SPR_SVD++算法與3個(gè)經(jīng)典的同時(shí)融入用戶評(píng)分矩陣的顯/隱式反饋的推薦算法,結(jié)果如圖3。對(duì)比算法為:

    圖3 SPR_SVD++算法與其他經(jīng)典協(xié)同過(guò)濾推薦算法的性能比較Fig.3 Performance comparison of SPR_SVD++algorithm and other classic collaborative filtering algorithms

    TrustSVD[12]:這是目前最新的基于評(píng)分預(yù)測(cè)的融合顯/隱式反饋的社會(huì)化推薦算法,其核心思想是擴(kuò)展SVD++算法,以融入用戶的社交網(wǎng)絡(luò)信息。

    MERR_SVD++[3]:這是目前最新的基于排序預(yù)測(cè)的融合顯/隱式反饋的協(xié)同排序推薦算法,其核心思想是在改進(jìn)xCLiMF 算法的基礎(chǔ)上同時(shí)融入用戶評(píng)分矩陣的顯/隱式反饋信息,優(yōu)化排序?qū)W習(xí)的評(píng)價(jià)指標(biāo)ERR。

    SVD++[14]:該算法是最基礎(chǔ)的融合用戶顯/隱式反饋信息的推薦算法,其核心思想是擴(kuò)展SVD 模型以融入用戶的顯/隱式反饋信息。

    從圖3 可以看出,在3 個(gè)社會(huì)化數(shù)據(jù)集的各種條件子集下,SPR_SVD++算法的性能均遠(yuǎn)優(yōu)于TrustSVD、MERR_SVD++和SVD++算法,且隨著用戶評(píng)分?jǐn)?shù)據(jù)量的增長(zhǎng),算法性能提高越顯著;SPR_SVD++算法的性能優(yōu)于TrustSVD,說(shuō)明優(yōu)化排序?qū)W習(xí)的評(píng)價(jià)指標(biāo)ERR 能夠有效克服TrustSVD 的固有缺陷,進(jìn)一步提高融入用戶評(píng)分矩陣的顯/隱式反饋的推薦算法的性能;且兩個(gè)評(píng)價(jià)指標(biāo)NDCG@10和ERR@10的性能走勢(shì)圖趨于一致,這說(shuō)明SPR_SVD++算法優(yōu)化排序?qū)W習(xí)的評(píng)價(jià)指標(biāo)ERR 并不影響采用NDCG@10 作為評(píng)價(jià)指標(biāo)的算法性能;隨著特征數(shù)的增加,SPR_SVD++算法的性能也線性提高,這說(shuō)明在本算法中訓(xùn)練數(shù)據(jù)的增加能夠訓(xùn)練出更高精度的預(yù)測(cè)模型。

    5 結(jié)語(yǔ)

    本文在xCLiMF 模型和TrustSVD 模型的基礎(chǔ)上,提出了一種新的優(yōu)化排序?qū)W習(xí)評(píng)價(jià)指標(biāo)ERR 的融合顯/隱式反饋的社會(huì)化協(xié)同排序推薦算法SPR_SVD++。在真實(shí)的數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,SPR_SVD++算法的性能優(yōu)于對(duì)比的最新的該類推薦算法,且具有很好的可擴(kuò)展性,因此,在面向海量數(shù)據(jù)處理的互聯(lián)網(wǎng)工業(yè)界具有廣泛的應(yīng)用前景。

    猜你喜歡
    社會(huì)化排序信任
    熊蜂可以進(jìn)行社會(huì)化學(xué)習(xí)
    排序不等式
    牽手校外,堅(jiān)持少先隊(duì)社會(huì)化
    恐怖排序
    行政權(quán)社會(huì)化之生成動(dòng)因闡釋
    節(jié)日排序
    表示信任
    刻舟求劍
    兒童繪本(2018年5期)2018-04-12 16:45:32
    嚶嚶嚶,人與人的信任在哪里……
    桃之夭夭B(2017年2期)2017-02-24 17:32:43
    從生到死有多遠(yuǎn)
    麻豆成人午夜福利视频| 丰满迷人的少妇在线观看| 日韩中字成人| 九草在线视频观看| 在线播放无遮挡| 熟女av电影| 亚洲无线观看免费| 国产成人午夜福利电影在线观看| 日韩欧美一区视频在线观看 | 一本久久精品| 国产精品伦人一区二区| 尾随美女入室| 成人亚洲精品一区在线观看 | 身体一侧抽搐| 女性生殖器流出的白浆| 亚洲性久久影院| 精品少妇黑人巨大在线播放| 国产探花极品一区二区| 久久鲁丝午夜福利片| 小蜜桃在线观看免费完整版高清| 赤兔流量卡办理| 赤兔流量卡办理| 精品国产露脸久久av麻豆| 亚洲精品日韩在线中文字幕| 日韩精品有码人妻一区| 国产欧美另类精品又又久久亚洲欧美| 99九九线精品视频在线观看视频| av卡一久久| 黄色视频在线播放观看不卡| 亚洲欧美一区二区三区国产| 成年av动漫网址| 国产精品蜜桃在线观看| 乱码一卡2卡4卡精品| 日韩欧美精品免费久久| 激情五月婷婷亚洲| 国产真实伦视频高清在线观看| 日韩av不卡免费在线播放| 你懂的网址亚洲精品在线观看| 日本欧美视频一区| 少妇人妻精品综合一区二区| 亚洲精品国产av蜜桃| 日韩一区二区视频免费看| 国产淫语在线视频| 欧美激情国产日韩精品一区| 男女啪啪激烈高潮av片| 亚洲欧美成人综合另类久久久| 久久99热这里只有精品18| 舔av片在线| 国产亚洲精品久久久com| 国产精品久久久久久久久免| 秋霞伦理黄片| .国产精品久久| 欧美精品人与动牲交sv欧美| 最黄视频免费看| 日韩中文字幕视频在线看片 | 99久久综合免费| 18禁裸乳无遮挡免费网站照片| 一本一本综合久久| 99热6这里只有精品| 久久精品国产a三级三级三级| 国产久久久一区二区三区| 国产大屁股一区二区在线视频| 精品视频人人做人人爽| 中文资源天堂在线| 伊人久久精品亚洲午夜| 精品国产露脸久久av麻豆| 久久久久久九九精品二区国产| 国产精品秋霞免费鲁丝片| 日日摸夜夜添夜夜爱| 亚洲欧美一区二区三区国产| 日本欧美国产在线视频| 黄片无遮挡物在线观看| 日韩中字成人| 久久99热这里只频精品6学生| 婷婷色综合www| 女的被弄到高潮叫床怎么办| 中国美白少妇内射xxxbb| 国产男女超爽视频在线观看| 观看av在线不卡| 国产成人免费观看mmmm| 成人特级av手机在线观看| 亚洲,一卡二卡三卡| 高清不卡的av网站| 国产亚洲一区二区精品| 美女视频免费永久观看网站| 狂野欧美白嫩少妇大欣赏| 性色av一级| 97在线人人人人妻| 99热这里只有是精品50| a级一级毛片免费在线观看| 一个人看视频在线观看www免费| 亚洲成人av在线免费| 亚洲激情五月婷婷啪啪| 精华霜和精华液先用哪个| 一本—道久久a久久精品蜜桃钙片| 国国产精品蜜臀av免费| 六月丁香七月| 亚洲av不卡在线观看| www.av在线官网国产| 国产熟女欧美一区二区| 亚州av有码| 国产老妇伦熟女老妇高清| 国产淫语在线视频| 国产精品无大码| 日本爱情动作片www.在线观看| 男人狂女人下面高潮的视频| 国产av精品麻豆| 国产一区亚洲一区在线观看| 国产美女午夜福利| 国产伦在线观看视频一区| 欧美日韩视频精品一区| 欧美成人一区二区免费高清观看| 亚洲av在线观看美女高潮| 免费观看av网站的网址| 97在线视频观看| 麻豆精品久久久久久蜜桃| 伦精品一区二区三区| 精品人妻视频免费看| 视频中文字幕在线观看| 久久精品国产鲁丝片午夜精品| 国产男女超爽视频在线观看| 精品久久国产蜜桃| 韩国av在线不卡| 麻豆成人av视频| 男女下面进入的视频免费午夜| 国产成人a∨麻豆精品| 中文在线观看免费www的网站| 成年美女黄网站色视频大全免费 | 在线看a的网站| 高清av免费在线| 亚洲人与动物交配视频| 国产在线视频一区二区| 久久久久视频综合| 久久精品国产亚洲网站| 波野结衣二区三区在线| 有码 亚洲区| 色视频www国产| 久久精品国产亚洲av涩爱| 少妇被粗大猛烈的视频| 一本一本综合久久| 国产一区二区三区综合在线观看 | 国产欧美日韩精品一区二区| 亚洲成人中文字幕在线播放| 国内精品宾馆在线| 久久久久久久久久成人| 亚洲伊人久久精品综合| 熟女人妻精品中文字幕| 女性生殖器流出的白浆| 国产精品三级大全| 欧美3d第一页| av.在线天堂| 91久久精品国产一区二区三区| 国产精品国产三级国产专区5o| 十八禁网站网址无遮挡 | 亚洲va在线va天堂va国产| 国产免费又黄又爽又色| 免费高清在线观看视频在线观看| 日韩欧美精品免费久久| 日韩成人伦理影院| 一本色道久久久久久精品综合| 亚洲国产色片| 日本黄色日本黄色录像| 2018国产大陆天天弄谢| 中文字幕制服av| 99精国产麻豆久久婷婷| 激情 狠狠 欧美| 国产欧美日韩一区二区三区在线 | 欧美激情极品国产一区二区三区 | 国产亚洲最大av| 日韩,欧美,国产一区二区三区| 免费看不卡的av| 91午夜精品亚洲一区二区三区| a级毛片免费高清观看在线播放| 少妇人妻精品综合一区二区| 日韩国内少妇激情av| 26uuu在线亚洲综合色| 91在线精品国自产拍蜜月| 久久久久久久大尺度免费视频| 在线观看免费视频网站a站| 在线播放无遮挡| 一个人看的www免费观看视频| 国产黄色免费在线视频| 一本—道久久a久久精品蜜桃钙片| 综合色丁香网| 简卡轻食公司| 老师上课跳d突然被开到最大视频| 国产精品99久久久久久久久| 亚洲第一区二区三区不卡| 男女下面进入的视频免费午夜| 99九九线精品视频在线观看视频| 日韩免费高清中文字幕av| 极品教师在线视频| 国产探花极品一区二区| 交换朋友夫妻互换小说| 欧美少妇被猛烈插入视频| 91精品国产九色| 日本免费在线观看一区| 黄色怎么调成土黄色| 国产亚洲av片在线观看秒播厂| 久久精品人妻少妇| 欧美xxxx黑人xx丫x性爽| 日韩视频在线欧美| 一区二区av电影网| av女优亚洲男人天堂| 免费大片黄手机在线观看| xxx大片免费视频| 免费看av在线观看网站| 精品人妻偷拍中文字幕| 丰满少妇做爰视频| 日韩国内少妇激情av| 五月玫瑰六月丁香| 国产深夜福利视频在线观看| 成人毛片60女人毛片免费| 黄色怎么调成土黄色| 久久久久久久亚洲中文字幕| 一区二区av电影网| 欧美3d第一页| 精品人妻偷拍中文字幕| 99久国产av精品国产电影| 国产精品不卡视频一区二区| 亚洲精品乱久久久久久| 妹子高潮喷水视频| 制服丝袜香蕉在线| 日日摸夜夜添夜夜爱| 精品一品国产午夜福利视频| 丰满人妻一区二区三区视频av| 国产精品一二三区在线看| 欧美最新免费一区二区三区| 丰满乱子伦码专区| 97在线人人人人妻| av免费观看日本| 99久国产av精品国产电影| 国产免费视频播放在线视频| 成人美女网站在线观看视频| 日本与韩国留学比较| 午夜福利影视在线免费观看| 久久久久国产网址| 噜噜噜噜噜久久久久久91| 国产大屁股一区二区在线视频| 亚洲av中文av极速乱| 六月丁香七月| 十八禁网站网址无遮挡 | 亚洲色图综合在线观看| 国产又色又爽无遮挡免| xxx大片免费视频| 蜜桃亚洲精品一区二区三区| 日韩人妻高清精品专区| 免费观看的影片在线观看| 十八禁网站网址无遮挡 | 国产美女午夜福利| 亚洲第一区二区三区不卡| 亚洲,一卡二卡三卡| 亚洲丝袜综合中文字幕| 十分钟在线观看高清视频www | 观看免费一级毛片| 久久精品国产自在天天线| 国产淫片久久久久久久久| 黄色配什么色好看| 欧美性感艳星| h视频一区二区三区| 亚洲欧洲国产日韩| 麻豆精品久久久久久蜜桃| 精品国产露脸久久av麻豆| 在线观看美女被高潮喷水网站| 成人一区二区视频在线观看| 亚洲精品乱久久久久久| av线在线观看网站| 欧美精品一区二区免费开放| 少妇人妻精品综合一区二区| 边亲边吃奶的免费视频| 色婷婷久久久亚洲欧美| 成人亚洲欧美一区二区av| 搡老乐熟女国产| 精品久久久噜噜| 最黄视频免费看| 午夜激情福利司机影院| 午夜福利网站1000一区二区三区| 夜夜骑夜夜射夜夜干| 久久鲁丝午夜福利片| 久久久精品94久久精品| 成人美女网站在线观看视频| 久久久久久伊人网av| 国产精品久久久久久久久免| 一区二区三区精品91| 老司机影院成人| 久久精品国产亚洲av涩爱| 色哟哟·www| 久久精品国产a三级三级三级| 亚洲欧美日韩无卡精品| 日韩一区二区三区影片| 天天躁夜夜躁狠狠久久av| 美女cb高潮喷水在线观看| 久久久久国产网址| 天美传媒精品一区二区| 蜜桃在线观看..| 各种免费的搞黄视频| av线在线观看网站| 深夜a级毛片| 黄色视频在线播放观看不卡| 男的添女的下面高潮视频| 丰满少妇做爰视频| 国产精品一区二区在线观看99| 人人妻人人添人人爽欧美一区卜 | 色吧在线观看| 久久精品国产亚洲av天美| 国产真实伦视频高清在线观看| 国产淫片久久久久久久久| 全区人妻精品视频| 国产免费一区二区三区四区乱码| 看十八女毛片水多多多| 亚洲欧美日韩卡通动漫| 久久精品国产亚洲av涩爱| a级毛片免费高清观看在线播放| 久久久久久久亚洲中文字幕| 丰满人妻一区二区三区视频av| 成年av动漫网址| 街头女战士在线观看网站| 少妇人妻精品综合一区二区| 中文字幕av成人在线电影| 一级毛片我不卡| 免费看光身美女| 欧美一区二区亚洲| 日日摸夜夜添夜夜添av毛片| 男女国产视频网站| 午夜视频国产福利| 亚洲欧洲日产国产| 亚洲第一av免费看| 一边亲一边摸免费视频| 欧美97在线视频| 国产精品一及| 精品亚洲成a人片在线观看 | 国产伦精品一区二区三区四那| 各种免费的搞黄视频| av线在线观看网站| 高清日韩中文字幕在线| 精品亚洲成a人片在线观看 | 国产在线男女| 免费av中文字幕在线| 精品一品国产午夜福利视频| 久久人人爽人人爽人人片va| 久久这里有精品视频免费| 亚洲精品色激情综合| 亚洲国产成人一精品久久久| 国产真实伦视频高清在线观看| 免费在线观看成人毛片| 亚洲精品,欧美精品| 欧美xxxx性猛交bbbb| 午夜福利网站1000一区二区三区| 国产人妻一区二区三区在| 国产成人精品久久久久久| 亚洲va在线va天堂va国产| 精品国产一区二区三区久久久樱花 | 成人18禁高潮啪啪吃奶动态图 | 免费黄色在线免费观看| 亚洲精品乱码久久久久久按摩| 久久久色成人| 午夜福利网站1000一区二区三区| 国产精品久久久久久精品电影小说 | 91久久精品国产一区二区三区| 精品一品国产午夜福利视频| 亚洲欧洲日产国产| 久久毛片免费看一区二区三区| 有码 亚洲区| 联通29元200g的流量卡| 国产精品三级大全| 赤兔流量卡办理| 亚洲国产欧美人成| 欧美老熟妇乱子伦牲交| 激情 狠狠 欧美| 国产午夜精品一二区理论片| 成人漫画全彩无遮挡| 蜜桃在线观看..| 久久久精品94久久精品| 久久av网站| 国产视频首页在线观看| 国产伦理片在线播放av一区| 久久久久人妻精品一区果冻| 十八禁网站网址无遮挡 | 国产精品伦人一区二区| 欧美日韩在线观看h| 国产精品一二三区在线看| 亚洲精品久久久久久婷婷小说| 午夜激情福利司机影院| 亚洲精品自拍成人| 久久99热6这里只有精品| 亚洲精品视频女| 在线免费观看不下载黄p国产| 午夜日本视频在线| 色视频www国产| av播播在线观看一区| 免费看av在线观看网站| 少妇被粗大猛烈的视频| av线在线观看网站| av又黄又爽大尺度在线免费看| 久久久久久久亚洲中文字幕| 亚洲自偷自拍三级| 国产av一区二区精品久久 | 久久精品国产鲁丝片午夜精品| 99久久精品热视频| av在线老鸭窝| 在线观看免费日韩欧美大片 | 亚洲欧美一区二区三区国产| 蜜臀久久99精品久久宅男| 麻豆精品久久久久久蜜桃| 国产精品偷伦视频观看了| 国产无遮挡羞羞视频在线观看| 日本与韩国留学比较| 免费看av在线观看网站| 亚洲美女视频黄频| 观看免费一级毛片| 亚洲欧洲日产国产| 国产伦理片在线播放av一区| 啦啦啦视频在线资源免费观看| 看十八女毛片水多多多| 最近手机中文字幕大全| 制服丝袜香蕉在线| 日韩 亚洲 欧美在线| 国产黄色免费在线视频| 国产无遮挡羞羞视频在线观看| 看非洲黑人一级黄片| 亚洲不卡免费看| 国产精品国产三级国产av玫瑰| 一级爰片在线观看| 国产精品三级大全| 99re6热这里在线精品视频| 91在线精品国自产拍蜜月| 成人亚洲精品一区在线观看 | 国产探花极品一区二区| 国产精品久久久久久av不卡| 高清午夜精品一区二区三区| 精品一区二区三区视频在线| 免费人妻精品一区二区三区视频| 极品教师在线视频| 亚洲综合色惰| av专区在线播放| 激情 狠狠 欧美| 亚洲欧美日韩东京热| 午夜福利视频精品| 日本-黄色视频高清免费观看| 亚洲国产精品成人久久小说| 久久热精品热| 干丝袜人妻中文字幕| 99热国产这里只有精品6| 久久久久久久久久久丰满| 美女国产视频在线观看| 99久久精品一区二区三区| 我要看日韩黄色一级片| 国产欧美亚洲国产| 2021少妇久久久久久久久久久| 91久久精品电影网| 干丝袜人妻中文字幕| 又大又黄又爽视频免费| 十分钟在线观看高清视频www | av视频免费观看在线观看| 国产精品精品国产色婷婷| 亚洲最大成人中文| 最近手机中文字幕大全| 天天躁夜夜躁狠狠久久av| 韩国高清视频一区二区三区| 国产精品秋霞免费鲁丝片| 国产 一区 欧美 日韩| 亚洲国产欧美人成| 精品少妇黑人巨大在线播放| 好男人视频免费观看在线| 国产精品一区二区性色av| 久久久久精品性色| 91aial.com中文字幕在线观看| 亚洲人成网站在线播| 美女国产视频在线观看| 午夜视频国产福利| 91在线精品国自产拍蜜月| 国产av码专区亚洲av| 亚洲国产精品成人久久小说| 中文欧美无线码| 丝瓜视频免费看黄片| av免费在线看不卡| 精品视频人人做人人爽| 亚洲精品久久午夜乱码| 亚洲成人av在线免费| 黄色视频在线播放观看不卡| 深夜a级毛片| 欧美成人午夜免费资源| 久久人人爽人人爽人人片va| 亚洲性久久影院| videossex国产| 亚洲精品aⅴ在线观看| 国产69精品久久久久777片| 日韩不卡一区二区三区视频在线| 久久国产精品男人的天堂亚洲 | 精品国产露脸久久av麻豆| 下体分泌物呈黄色| 亚洲美女黄色视频免费看| 亚洲国产精品国产精品| 一级a做视频免费观看| 久久av网站| 亚洲国产最新在线播放| 中文字幕av成人在线电影| 欧美日韩亚洲高清精品| 一本—道久久a久久精品蜜桃钙片| 人妻 亚洲 视频| 欧美zozozo另类| 日本免费在线观看一区| a级毛色黄片| 亚洲欧美成人综合另类久久久| 免费少妇av软件| 国产综合精华液| 国产男女超爽视频在线观看| 国产成人aa在线观看| 看非洲黑人一级黄片| 国产精品麻豆人妻色哟哟久久| 男女边吃奶边做爰视频| 成人免费观看视频高清| 国产精品久久久久久精品电影小说 | 热99国产精品久久久久久7| 亚洲精品视频女| 久久精品国产亚洲av天美| 久久久国产一区二区| 在线精品无人区一区二区三 | 欧美亚洲 丝袜 人妻 在线| 亚洲精品国产av蜜桃| 777米奇影视久久| 伦精品一区二区三区| 夜夜骑夜夜射夜夜干| 久久久午夜欧美精品| 免费黄网站久久成人精品| 有码 亚洲区| 亚洲国产日韩一区二区| 麻豆成人午夜福利视频| 精华霜和精华液先用哪个| 欧美一级a爱片免费观看看| 久久综合国产亚洲精品| 高清午夜精品一区二区三区| 色视频www国产| 我的女老师完整版在线观看| 国产伦在线观看视频一区| 18禁裸乳无遮挡免费网站照片| 午夜日本视频在线| 国产日韩欧美亚洲二区| 久久ye,这里只有精品| 老司机影院毛片| 久久久久国产精品人妻一区二区| 搡女人真爽免费视频火全软件| av视频免费观看在线观看| 在线观看免费高清a一片| 22中文网久久字幕| 亚洲人成网站在线播| 黑人猛操日本美女一级片| 国产精品一区二区三区四区免费观看| av女优亚洲男人天堂| 亚洲成人中文字幕在线播放| 免费少妇av软件| 久久97久久精品| 国产精品一区二区性色av| 中文字幕制服av| 亚洲内射少妇av| 看十八女毛片水多多多| 亚洲欧美一区二区三区国产| 国产成人91sexporn| 人人妻人人看人人澡| 精品久久久精品久久久| 日日啪夜夜撸| 丝袜喷水一区| 日韩成人av中文字幕在线观看| 我的老师免费观看完整版| 欧美 日韩 精品 国产| 一级a做视频免费观看| 伦理电影大哥的女人| 久久久久国产精品人妻一区二区| 日本wwww免费看| 亚洲欧美成人精品一区二区| 性色avwww在线观看| 自拍偷自拍亚洲精品老妇| 亚洲国产毛片av蜜桃av| 色视频在线一区二区三区| 国产高潮美女av| 中文字幕免费在线视频6| 多毛熟女@视频| 国产av精品麻豆| 美女高潮的动态| 一级片'在线观看视频| 看免费成人av毛片| a 毛片基地| 99热网站在线观看| 色5月婷婷丁香| 国产精品熟女久久久久浪| 免费观看a级毛片全部| 久久精品熟女亚洲av麻豆精品| 国产免费视频播放在线视频| 日韩一本色道免费dvd| 精品人妻一区二区三区麻豆| 久久综合国产亚洲精品| 日韩欧美 国产精品| 成年av动漫网址| 久久ye,这里只有精品| 午夜福利在线观看免费完整高清在| 91精品国产九色| 黑人猛操日本美女一级片| 色网站视频免费| 成人二区视频| 精品久久久久久久久av| 99精国产麻豆久久婷婷| 国产无遮挡羞羞视频在线观看| 精品久久久久久久久av| 波野结衣二区三区在线| 欧美3d第一页| 国产男女内射视频| 色网站视频免费| 亚洲成人一二三区av| 多毛熟女@视频| 99视频精品全部免费 在线| 国产无遮挡羞羞视频在线观看| 国产精品三级大全| 亚洲成人av在线免费| 女的被弄到高潮叫床怎么办| 丰满乱子伦码专区|