• <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 ?

    基于用戶偏好置信度的增強貝葉斯個性化排序算法

    2022-10-10 09:35:12汪志遠石紅瑞
    計算機應用與軟件 2022年9期
    關鍵詞:偏序置信度貝葉斯

    汪志遠 石紅瑞

    (東華大學信息科學與技術學院 上海 200000)

    0 引 言

    在當今信息化時代,如何快速并且準確地獲取信息顯得十分重要。正是由于現代生活節(jié)奏的加快,人們總是希望在最短的時間內找到自己所需要的信息,于是推薦系統(tǒng)應運而生。推薦系統(tǒng)通過用戶的行為反饋來推測用戶對商品的喜好程度而加以推薦。在用戶的反饋中,直接對商品給出評價分數的行為被稱作顯式反饋,如在豆瓣上給電影打分,在購物網站上給商品評級,這些行為在一定程度上能表達用戶對商品的喜好程度。但是現實生活中的大多數數據并不是顯式反饋數據,如用戶對商品的點擊、收藏、購買和評價等行為,它們都是隱式反饋行為,不能直接表達用戶對商品的喜好程度。在隱式反饋中,只存在用戶與商品已經發(fā)生過互動行為的正反饋信息,缺少沒有互動過的負反饋信息。

    對于顯式反饋,一般的推薦算法有:基于內容的推薦、基于協同過濾的推薦[1-3]、混合推薦。這些推薦算法通過用戶對商品的評分數據來預測用戶對未購買商品的評分,從而產生推薦列表。由于隱式數據龐大且缺少用戶對商品的直接評分,顯式反饋推薦算法無法適用。為了解決隱式反饋推薦問題,文獻[4]提出單類協同過濾算法,來解決協同過濾中只存在正樣本缺少負樣本信息的問題。經過后續(xù)對隱式反饋推薦算法的研究,有學者提出了基于隱式反饋的排序推薦框架,貝葉斯個性化排序(BPR[5])算法。作者通過假設用戶對有互動行為的商品喜愛程度大于沒有互動行為的商品,建立了貝葉斯模型。在此基礎上,GBPR[6]提出用戶的偏好會受到其他用戶的影響,這些有著共同的偏好的用戶可以歸屬到一個群組。

    隱式反饋雖然不能直接表達用戶對商品的偏好,但是其數據信息十分豐富。用戶將商品加入購物車、購買商品和關注商品等行為,都表示用戶對該商品有一定的興趣度。本文在BPR算法的基礎上,提出一種基于用戶偏好置信度的增強貝葉斯個性化排序算法,通過對用戶行為量化得到各反饋行為的權重,再根據用戶反饋行為的類型和時間計算用戶偏好置信度,在原排序模型中引入用戶對發(fā)生互動行為的商品的偏序關系,提高推薦算法的效果。

    1 BPR算法

    BPR算法將商品集合劃分成購買過的商品集和未購買過的商品集合,認為在這些隱式反饋商品集合中用戶對有過購買行為的商品的喜愛程度大于沒有購買過的商品。根據這一假設可以建立多組商品的偏序對>u,表示用戶u對商品的喜好。在數據集中構造一系列三元組集合Du={(u,i,j)(或i>uj)},其中:u屬于用戶集合U;i屬于有購買行為的商品集合中的商品;j屬于未購買過的商品集合中的商品;i>uj表示用戶u相較于商品j更加喜歡商品i。

    BPR算法中的模型參數為Θ,則優(yōu)化模型為概率模型P(Θ|>u),根據貝葉斯公式可以得到:

    P(Θ|>u)∝P(>u|Θ)P(Θ)

    (1)

    假設各個用戶對商品的偏序關系相互獨立,且單一用戶對不同商品的偏序關系相互獨立,P(>u|Θ)有以下關系:

    (2)

    文獻[6]使用一個函數來代替p(i>uj|Θ):

    (3)

    其中:

    (4)

    (5)

    對P(Θ)進行貝葉斯假設,使其符合正態(tài)分布:

    p(Θ)~N(0,λΘI)

    (6)

    式中:λΘ為特征值,I為單位矩陣,它們構成協方差矩陣。

    文獻[5]中使用矩陣分解[7]模型來訓練參數Θ,假設X為用戶對商品的評分矩陣,分解成用戶矩陣Wm×k和商品矩陣Hk×n:

    X=Wm×kHk×n

    (7)

    式中:m表示用戶個數;n表示商品個數;k表示分解維度。模型的目標函數為:

    (8)

    式中:R(Θ)為正則項,防止產生過擬合現象。

    2 EBPRC算法

    2.1 用戶行為量化

    隱式反饋數據中,存在用戶的多種反饋行為,如加入購物車、從購物車中刪除、購買商品和收藏商品等,BPR算法通過購買商品集合和未購買商品集合來建立用戶的偏好序列,忽略了用戶的其他行為,這些數據沒有得到很好的應用,導致該算法在多反饋行為下的推薦性能不高。

    用戶對商品的行為類型和次數能夠在一定程度上表達用戶對商品的喜愛程度。通過量化的方式來獲取用戶行為權重的分布,從而將多反饋行為量化成具體的數值Sui,數值越大,則用戶與商品之間的互動行為越頻繁,表明用戶對商品的喜愛程度越高。量化后的Sui如下:

    (9)

    2.2 基于用戶偏好的置信度

    假設1用戶行為量化后的Sui越大,置信度越大。

    假設2用戶行為的時間越近,置信度越大。

    考慮到時間因素的影響,引入時間衰減函數:

    (10)

    (11)

    2.3 EBPRC模型

    考慮到BPR算法的嚴格偏序關系,提出一種基于用戶偏好置信度的增強貝葉斯個性化排序算法(Enhanced BPR with Confidence,EBPRC),對排序模型進行增強。

    >u=λxupq+(1-λ)xuij

    (12)

    式中:λ用來平衡不等式優(yōu)化結構的參數,具體數值根據模型在數據集中的推薦效果而定[8]。用戶和商品整體的極大似然式可以表示為:

    EBPRC(u)=P(>u)

    (13)

    同樣地,用σ(x)來替代P(x),則EBPRC對數似然估計為:

    (14)

    模型的目標函數為:

    (15)

    式中:R(Θ)為正則項,用來抑制過擬合。BPR算法使用矩陣分解求解參數模型Θ,類似地引入矩陣分解模型,并在原來的基礎上引入偏置項b,分解模型如下:

    xul=WuHl+bl

    (16)

    式中:Wu為用戶特征向量;Hl為商品特征向量。R(Θ)按照文獻[6]的處理:

    (17)

    f(u,L)=ln(1+exp(->u))+

    (18)

    2.4 模型訓練

    利用隨機梯度下降法對目標函數進行優(yōu)化,求目標函數在參數θ的梯度,其中θ∈{Wu,Hl,bl|l∈L},計算如下:

    (λ(Hp-Hq)+(1-λ)(Hi-Hj))+αuWu

    (19)

    (20)

    (21)

    得到模型在各參數方向的梯度后,模型通過隨機梯度下降法更新參數,計算如下:

    (22)

    式中:γ為迭代時的學習率。訓練模型時,隨機從用戶集合U中挑選出一個用戶u,從集合Du中隨機挑選出一個偏序對(u,i,j),從集合Mu中隨機挑選出一個偏序對(u,p,q),得到一組反饋集合,更新模型參數θ,反復迭代一直到模型收斂。根據最后返回的參數模型,計算出用戶對各商品的評分,然后對評分進行排序,挑選評分較高的商品推薦給用戶,達到個性化推薦的目的。

    模型訓練算法如算法1所示。

    算法1EBPRC訓練算法

    輸入:用戶集合U,偏序對集合D和M,矩陣分解維度k,模型參數θ。

    輸出:模型收斂后的參數θ。

    1.初始化參數θ;

    2.從集合U中隨機挑選一個用戶u;

    3.從Du中隨機挑選一個偏序對(u,i,j);

    4.從Mu中隨機挑選一個偏序對(u,p,q);

    5.根據式(19)-式(22)更新參數θ;

    6.重復步驟2-步驟5,直到模型收斂。

    7.返回參數θ

    3 實 驗

    3.1 數據集

    本次實驗采用的是京東算法比賽數據集,該數據集包含了2016年2月1日到2016年4月15日用戶對不同商品的6種隱式反饋行為。這些反饋行為包括瀏覽、加購(加入購物車)、刪購(從購物車中刪除)、下單、關注和點擊。數據集中包含用戶對商品發(fā)生的行為類型和發(fā)生行為的具體時間。原數據集包含了50 601 736條行為記錄,其中存在一定的數據冗余,因此需要數據預處理。通過數據統(tǒng)計發(fā)現點擊行為占所有反饋行為的比重為60.5%、瀏覽行為所占比重為37.5%,因此,認為這兩種反饋行為對實驗的影響較小,不考慮這兩種反饋行為。原數據集稀疏程度大,為了方便后續(xù)推薦性能的評價,從數據集中過濾掉購買次數少于10的用戶和被購買次數少于5的商品。經過處理后的實驗數據格式如表1所示,其中行為類型0、1、2、3分別表示加購、刪購、下單、關注。將數據集切分成訓練集和測試集,具體切分方式:根據時間節(jié)點切分[9]。本實驗的數據集時間橫跨75天,按照2 ∶1切分數據集,前50天的數據為訓練數據,后25天的數據為測試數據,也就是通過用戶前50天的行為記錄預測用戶在后25天購買的商品。

    表1 用戶行為反饋數據集

    3.2 評價指標

    采用TopN推薦算法和排序推薦算法對本文提出的推薦算法性能進行分析。對于TopN推薦,通過準確率、召回率和AUC值進行評估[10]。推薦算法為用戶產生一個按照評分排序的推薦列表,取其中評分最高的N個商品推薦給用戶,其中有多少比例是用戶實際購買的,即為準確率(Precision@N)。同樣地,推薦列表中用戶實際購買的商品數量與用戶購買的所有商品數量的比值為召回率(Recall@N)[11]。AUC值是ROC曲線下的面積,它用于衡量推薦模型將用戶喜歡的商品和不喜歡的商品的區(qū)分程度,取值范圍為0~1,值越大說明推薦模型越好。對于排序推薦,采用的推薦指標為平均準確率(MAP@N),其值越大,用戶喜歡的商品排序就越靠前,表明推薦性能越好。AP@N表示推薦列表中每個商品在排序位置的準確率的平均值,MAP@N為AP@N在用戶粒度上的平均。

    3.3 用戶行為權重分布

    本次實驗需要將用戶的四種反饋行為進行量化,將客觀賦權方法中的熵權法和主觀評價方法中的序關系分析法相結合組合賦權。

    (1) 熵權法??陀^賦權方法中的熵權法是指標權重獲取的重要手段之一。設xij為用戶i進行j種行為的總次數,則將其標準化的結果如下:

    (23)

    式中:i∈{0,1,…,n-1},n為用戶個數;j屬于四種行為類型中的一種,即j∈{0,1,2,3}。計算第j種行為的信息熵Ej:

    (24)

    (25)

    根據信息熵計算行為權重:

    (26)

    (2) 序關系分析法。為了考慮實際情況下,用戶行為類型對用戶偏好程度的影響,利用主觀評價方法中的序關系分析法通過從主觀上判斷用戶行為類型的重要程度來進行權重計算。主觀認為,從購物中刪除行為表明用戶不打算購買該商品,很大程度上是一種負反饋行為,因此重要程度最低;下單行為最能表示用戶對商品的喜好,重要程度最高;加入購物車行為和關注行為也能表明用戶的偏好。設Aj表示第j種行為類型的重要程度,則根據上面判斷有:

    A2>A0>A3>A1

    (27)

    假設存在下面的序關系:

    (28)

    (29)

    rk的值可以參照表2。

    表2 rk賦值對照表

    根據表2得到下面的權重關系:

    w2/w0=r1=1.2

    w0/w3=r2=1.4

    w3/w1=r3=-1.2

    (30)

    式中:r3取負值,因為刪購行為是負反饋行為,關注行為是正反饋行為。

    (3) 組合賦權。為了綜合客觀評價和主觀評價的特點,利用組合賦權的方法確定最終的權重分布,計算如下:

    (31)

    表3 用戶行為反饋量化后的權重分布

    3.4 實驗結果與分析

    在本次實驗中,用戶反饋時間標準化后為時間戳,單位為ms,原數據集中用戶重復的行為都有一定時間延遲,為了抑制時間因子對算法的影響,α=1 000×3 600,這樣時間的最小單位從ms擴大到h。在模型的迭代過程中,矩陣分解維度k=20,學習率γ=0.01,正則化系數αu=αh=βh=0.01。在{0,0.1,0.2,…,1}中尋找最好的平衡參數λ[8],根據評價指標MAP@N來確定最終的λ值,其結果如圖1所示。

    圖1 平衡參數λ對評價指標MAP@N的影響

    根據圖1發(fā)現λ=0.3時MAP指數最大,選擇這個平衡參數對模型進行訓練,通過調整時間衰減系數α的大小探究時間衰減單位對推薦算法的影響,通過MAP@N來尋找合適的時間衰減單位,其結果如圖2所示。

    圖2 時間衰減單位對評價指標MAP@N的影響

    根據圖2可知時間衰減單位為時的時候,推薦算法的性能最好,即α=1 000×3 600。選擇最佳參數α和λ訓練模型,將訓練后的結果與BPR算法和GBPR算法進行比較,結果如表4所示。

    表4 各算法的性能指標

    根據表4的實驗結果可以發(fā)現,本文提出的EBPRC各項性能指標均有提升。特別地,準確率Pre@5較BPR算法提升了34.6%,較GBPR算法提升了21%,說明EBPRC算法有不錯的準確率和預測質量。MAP@5較BPR算法提升了36.6%,較GBPR算法提升了15.4%,表明EBPRC算法的排序推薦性能顯著。

    4 結 語

    本文先介紹了推薦算法中的隱式反饋推薦問題,并介紹了貝葉斯個性化排序推薦框架?;贐PR框架提出一種基于用戶偏好置信度的增強貝葉斯個性化排序算法,通過對用戶行為量化得到各反饋行為的權重,再根據用戶反饋行為的類型和時間計算用戶偏好置信度,根據置信度大小建立用戶對發(fā)生互動行為的商品的偏序關系,并與原模型中的偏序關系相結合,訓練模型。通過在多行為反饋數據集上的仿真實驗,將本文算法與相關的基線算法BPR和GBPR相比較。

    實驗結果發(fā)現本文算法在AUC值、Precision@N、Recall@N、MAP@N等性能評價指標上有著不錯的效果,較相關算法有顯著的提升。在實驗中,用戶偏好置信度的建立受到很多因素的影響,比如用戶行為反饋的量化方式、時間衰減的方式,這些都是需要在后續(xù)研究中去探討。

    猜你喜歡
    偏序置信度貝葉斯
    硼鋁復合材料硼含量置信度臨界安全分析研究
    基于有限辛空間的一致偏序集和Leonard對
    相對連續(xù)偏序集及其應用
    正負關聯規(guī)則兩級置信度閾值設置方法
    計算機應用(2018年5期)2018-07-25 07:41:26
    貝葉斯公式及其應用
    可消偏序半群的可消偏序擴張與商序同態(tài)
    基于貝葉斯估計的軌道占用識別方法
    一種基于貝葉斯壓縮感知的說話人識別方法
    電子器件(2015年5期)2015-12-29 08:43:15
    置信度條件下軸承壽命的可靠度分析
    軸承(2015年2期)2015-07-25 03:51:04
    偏序群S上S-偏序系的內射包*
    99在线视频只有这里精品首页| 在线观看免费视频日本深夜| 亚洲第一电影网av| 久久精品成人免费网站| 99在线人妻在线中文字幕| 欧美一区二区精品小视频在线| 久久久久国产精品人妻aⅴ院| 级片在线观看| 精品熟女少妇八av免费久了| 精品久久久久久久毛片微露脸| 精品人妻在线不人妻| 亚洲精品在线美女| 午夜福利影视在线免费观看| 日本在线视频免费播放| 国产极品粉嫩免费观看在线| 久久久久久久精品吃奶| 男女床上黄色一级片免费看| 欧美av亚洲av综合av国产av| 动漫黄色视频在线观看| 又黄又粗又硬又大视频| 精品一区二区三区av网在线观看| 国产单亲对白刺激| 两性夫妻黄色片| 久久人妻熟女aⅴ| 国产欧美日韩精品亚洲av| 国产真人三级小视频在线观看| 国产成人欧美| 欧美性长视频在线观看| 免费观看精品视频网站| 成熟少妇高潮喷水视频| 无人区码免费观看不卡| 一边摸一边抽搐一进一小说| av在线天堂中文字幕| 亚洲男人天堂网一区| 丁香欧美五月| 国产高清视频在线播放一区| 美女国产高潮福利片在线看| 国产精品野战在线观看| 亚洲欧洲精品一区二区精品久久久| 两人在一起打扑克的视频| 国产av又大| 免费看十八禁软件| 少妇裸体淫交视频免费看高清 | 国产又色又爽无遮挡免费看| 国产99白浆流出| 国产精品国产高清国产av| 中文字幕高清在线视频| 最近最新中文字幕大全电影3 | 日本免费a在线| 长腿黑丝高跟| 他把我摸到了高潮在线观看| 色在线成人网| 一区二区三区高清视频在线| 老司机在亚洲福利影院| 黑人操中国人逼视频| 91大片在线观看| 国产激情久久老熟女| 免费不卡黄色视频| 国产熟女午夜一区二区三区| 免费看十八禁软件| 免费人成视频x8x8入口观看| 黑丝袜美女国产一区| 啦啦啦 在线观看视频| 宅男免费午夜| 两个人免费观看高清视频| 亚洲美女黄片视频| 99久久久亚洲精品蜜臀av| 精品少妇一区二区三区视频日本电影| 亚洲最大成人中文| 搡老熟女国产l中国老女人| 欧美最黄视频在线播放免费| 天堂影院成人在线观看| 亚洲av电影不卡..在线观看| e午夜精品久久久久久久| bbb黄色大片| 好男人在线观看高清免费视频 | www.www免费av| 一级片免费观看大全| 18禁美女被吸乳视频| 精品久久久久久久毛片微露脸| 成在线人永久免费视频| 亚洲av第一区精品v没综合| 久久国产亚洲av麻豆专区| 香蕉丝袜av| 人人妻人人爽人人添夜夜欢视频| 男女午夜视频在线观看| 波多野结衣高清无吗| 欧美激情久久久久久爽电影 | 美女免费视频网站| 日韩中文字幕欧美一区二区| 久久久久久久久中文| 亚洲av电影不卡..在线观看| 成人18禁高潮啪啪吃奶动态图| 免费在线观看日本一区| svipshipincom国产片| 欧美丝袜亚洲另类 | 色av中文字幕| tocl精华| 亚洲av熟女| 国产三级黄色录像| 国产一区在线观看成人免费| 亚洲三区欧美一区| 国产熟女xx| 九色国产91popny在线| 最新在线观看一区二区三区| 精品熟女少妇八av免费久了| 香蕉国产在线看| 国产亚洲av嫩草精品影院| 老鸭窝网址在线观看| 99国产精品一区二区蜜桃av| 一夜夜www| 免费看美女性在线毛片视频| 午夜福利免费观看在线| 国产一区二区在线av高清观看| 十八禁网站免费在线| 国产一卡二卡三卡精品| 黄片小视频在线播放| 91麻豆精品激情在线观看国产| 国产高清激情床上av| 日韩欧美一区视频在线观看| 男人舔女人下体高潮全视频| 美女免费视频网站| 国产又色又爽无遮挡免费看| 午夜a级毛片| 久久精品aⅴ一区二区三区四区| 欧美黑人精品巨大| 日韩欧美一区二区三区在线观看| 一区福利在线观看| 搞女人的毛片| 欧美国产日韩亚洲一区| 国产精品一区二区在线不卡| 日韩欧美在线二视频| 国产精品永久免费网站| 欧美大码av| 欧美中文综合在线视频| 午夜福利成人在线免费观看| 十分钟在线观看高清视频www| 国产成人一区二区三区免费视频网站| 99在线视频只有这里精品首页| 香蕉国产在线看| 两性夫妻黄色片| 欧美成狂野欧美在线观看| 18禁裸乳无遮挡免费网站照片 | 一区二区三区国产精品乱码| 欧美久久黑人一区二区| 一卡2卡三卡四卡精品乱码亚洲| 国产精品久久电影中文字幕| 亚洲av电影不卡..在线观看| bbb黄色大片| 在线观看日韩欧美| 欧美人与性动交α欧美精品济南到| 国产色视频综合| 99在线视频只有这里精品首页| 国产欧美日韩一区二区精品| 一区在线观看完整版| 国产亚洲av嫩草精品影院| 99riav亚洲国产免费| 视频在线观看一区二区三区| 国产精品 国内视频| a级毛片在线看网站| 亚洲黑人精品在线| 成在线人永久免费视频| av在线天堂中文字幕| av有码第一页| 女性生殖器流出的白浆| 美女高潮到喷水免费观看| av视频免费观看在线观看| 国产主播在线观看一区二区| 丰满的人妻完整版| 国产av一区二区精品久久| 国产免费av片在线观看野外av| 婷婷六月久久综合丁香| 午夜免费观看网址| 国产成年人精品一区二区| 亚洲av成人av| 琪琪午夜伦伦电影理论片6080| 午夜福利免费观看在线| 性色av乱码一区二区三区2| 久久亚洲真实| 欧美色视频一区免费| 非洲黑人性xxxx精品又粗又长| 亚洲免费av在线视频| 色尼玛亚洲综合影院| 免费在线观看日本一区| 香蕉久久夜色| 九色亚洲精品在线播放| 亚洲 欧美 日韩 在线 免费| 亚洲全国av大片| 日本欧美视频一区| 国产精品免费一区二区三区在线| 女性生殖器流出的白浆| 51午夜福利影视在线观看| 中亚洲国语对白在线视频| 男人操女人黄网站| 亚洲成国产人片在线观看| 亚洲国产精品久久男人天堂| 中文字幕久久专区| 熟妇人妻久久中文字幕3abv| 在线观看免费视频日本深夜| 91字幕亚洲| 中文字幕人成人乱码亚洲影| 亚洲视频免费观看视频| 女生性感内裤真人,穿戴方法视频| 制服丝袜大香蕉在线| 久久久久九九精品影院| 一进一出抽搐动态| 精品欧美一区二区三区在线| 精品第一国产精品| 韩国av一区二区三区四区| 久久国产精品影院| 韩国精品一区二区三区| 久热这里只有精品99| 国产精品九九99| 日韩av在线大香蕉| 99香蕉大伊视频| 久久草成人影院| 精品久久久久久久久久免费视频| 咕卡用的链子| 午夜两性在线视频| av中文乱码字幕在线| 久久精品国产亚洲av香蕉五月| 国产三级黄色录像| 久久久久久久精品吃奶| 一级作爱视频免费观看| 国产97色在线日韩免费| 天堂影院成人在线观看| 咕卡用的链子| 日本黄色视频三级网站网址| 无遮挡黄片免费观看| 99精品欧美一区二区三区四区| 欧美激情高清一区二区三区| 12—13女人毛片做爰片一| 最好的美女福利视频网| 两个人免费观看高清视频| 露出奶头的视频| 久久久久国内视频| 十分钟在线观看高清视频www| xxx96com| 美国免费a级毛片| 亚洲中文字幕日韩| 亚洲国产毛片av蜜桃av| 免费高清视频大片| 国产精品日韩av在线免费观看 | 欧美精品啪啪一区二区三区| 黄色 视频免费看| 一a级毛片在线观看| videosex国产| 18美女黄网站色大片免费观看| 久久这里只有精品19| av天堂久久9| 欧美 亚洲 国产 日韩一| 99久久久亚洲精品蜜臀av| 国产高清激情床上av| 嫩草影院精品99| 国产亚洲av嫩草精品影院| 欧美成人免费av一区二区三区| 91精品国产国语对白视频| 免费在线观看视频国产中文字幕亚洲| 欧美乱码精品一区二区三区| 亚洲 欧美 日韩 在线 免费| 国产一区在线观看成人免费| 成人免费观看视频高清| 嫁个100分男人电影在线观看| 国产区一区二久久| 脱女人内裤的视频| 777久久人妻少妇嫩草av网站| 此物有八面人人有两片| 岛国视频午夜一区免费看| 国产成人精品久久二区二区91| 无人区码免费观看不卡| 两个人看的免费小视频| 岛国在线观看网站| 亚洲精品一区av在线观看| 久久精品影院6| 18禁裸乳无遮挡免费网站照片 | 51午夜福利影视在线观看| av福利片在线| 国产精品一区二区免费欧美| 精品福利观看| 午夜影院日韩av| 国产三级黄色录像| 久久久久九九精品影院| 国产精品久久电影中文字幕| bbb黄色大片| 久久久水蜜桃国产精品网| 视频区欧美日本亚洲| 性色av乱码一区二区三区2| 69精品国产乱码久久久| 国产极品粉嫩免费观看在线| 黄色丝袜av网址大全| 韩国av一区二区三区四区| 欧美国产精品va在线观看不卡| 久久香蕉精品热| 97碰自拍视频| 精品一品国产午夜福利视频| 欧美日本中文国产一区发布| 久久久精品欧美日韩精品| 69av精品久久久久久| 欧美成狂野欧美在线观看| 两人在一起打扑克的视频| 国产高清videossex| 一区二区三区国产精品乱码| 免费无遮挡裸体视频| 精品电影一区二区在线| 日韩精品免费视频一区二区三区| 免费高清视频大片| 日本a在线网址| 人人妻人人澡人人看| 夜夜躁狠狠躁天天躁| 少妇 在线观看| 亚洲精品久久成人aⅴ小说| 一夜夜www| 成人国语在线视频| 精品国产国语对白av| 久久人人97超碰香蕉20202| 长腿黑丝高跟| 亚洲色图 男人天堂 中文字幕| 午夜久久久久精精品| 国产精品99久久99久久久不卡| 美女大奶头视频| 免费女性裸体啪啪无遮挡网站| e午夜精品久久久久久久| 亚洲av成人一区二区三| www.自偷自拍.com| 女性生殖器流出的白浆| 亚洲国产精品999在线| 国产亚洲欧美98| 视频在线观看一区二区三区| 男女做爰动态图高潮gif福利片 | 国产xxxxx性猛交| 一区福利在线观看| 久久精品亚洲精品国产色婷小说| 欧美绝顶高潮抽搐喷水| 国产精品国产高清国产av| 国产视频一区二区在线看| 久久欧美精品欧美久久欧美| www.自偷自拍.com| 欧美在线黄色| 淫秽高清视频在线观看| 国产欧美日韩一区二区精品| 精品午夜福利视频在线观看一区| 国产亚洲精品av在线| 老汉色∧v一级毛片| 免费高清视频大片| 久9热在线精品视频| 欧美大码av| 黄色丝袜av网址大全| 老司机福利观看| 精品欧美一区二区三区在线| 国产99久久九九免费精品| 女同久久另类99精品国产91| 一区二区日韩欧美中文字幕| 夜夜爽天天搞| 久久久久国内视频| 日本撒尿小便嘘嘘汇集6| 成人精品一区二区免费| 人人妻人人澡欧美一区二区 | 亚洲熟妇熟女久久| 法律面前人人平等表现在哪些方面| 日韩国内少妇激情av| 国产精品香港三级国产av潘金莲| av网站免费在线观看视频| 亚洲精品国产色婷婷电影| 免费无遮挡裸体视频| 日韩成人在线观看一区二区三区| or卡值多少钱| 免费在线观看亚洲国产| 久久国产亚洲av麻豆专区| 又黄又爽又免费观看的视频| 国产成人欧美| 久久精品91蜜桃| 此物有八面人人有两片| 亚洲精品久久成人aⅴ小说| 亚洲狠狠婷婷综合久久图片| 国产av又大| 日韩欧美国产在线观看| 老司机在亚洲福利影院| 在线视频色国产色| 免费高清在线观看日韩| 99香蕉大伊视频| 国产在线精品亚洲第一网站| 久久久久国产精品人妻aⅴ院| 欧美日本亚洲视频在线播放| а√天堂www在线а√下载| 国产亚洲欧美98| 国产精品野战在线观看| 黄网站色视频无遮挡免费观看| www.999成人在线观看| 欧美日韩一级在线毛片| 欧美国产日韩亚洲一区| 亚洲第一欧美日韩一区二区三区| 在线国产一区二区在线| 12—13女人毛片做爰片一| 国产精品自产拍在线观看55亚洲| 一区在线观看完整版| 真人做人爱边吃奶动态| 涩涩av久久男人的天堂| 亚洲一码二码三码区别大吗| 色尼玛亚洲综合影院| 黄网站色视频无遮挡免费观看| 国产一区二区在线av高清观看| 性少妇av在线| 欧美激情久久久久久爽电影 | 国产精品二区激情视频| 日本免费a在线| 美女 人体艺术 gogo| 看片在线看免费视频| 亚洲欧美日韩无卡精品| 电影成人av| 久久久久久久久中文| 人人妻,人人澡人人爽秒播| 中文字幕人妻丝袜一区二区| 国产欧美日韩综合在线一区二区| 国产精品电影一区二区三区| 97人妻精品一区二区三区麻豆 | 国产精品久久久av美女十八| 亚洲国产欧美一区二区综合| √禁漫天堂资源中文www| 精品国产亚洲在线| 极品教师在线免费播放| 国产精品久久电影中文字幕| 麻豆久久精品国产亚洲av| 久久久久久大精品| 亚洲欧美精品综合久久99| 欧美精品啪啪一区二区三区| 无遮挡黄片免费观看| 亚洲性夜色夜夜综合| 欧美一级毛片孕妇| 国产亚洲精品av在线| 国产男靠女视频免费网站| 丝袜美腿诱惑在线| 国产97色在线日韩免费| 欧美性长视频在线观看| 美女大奶头视频| 十八禁人妻一区二区| 高清在线国产一区| 一区二区三区高清视频在线| 国产成人av激情在线播放| 亚洲情色 制服丝袜| 精品电影一区二区在线| 久久久久久大精品| 亚洲国产欧美一区二区综合| 老司机午夜福利在线观看视频| 黄色毛片三级朝国网站| 国产亚洲av高清不卡| 中文字幕人妻丝袜一区二区| 午夜老司机福利片| 在线观看66精品国产| 亚洲七黄色美女视频| 淫妇啪啪啪对白视频| 国产精品香港三级国产av潘金莲| 麻豆av在线久日| 淫妇啪啪啪对白视频| 日韩欧美国产一区二区入口| 免费看美女性在线毛片视频| 成熟少妇高潮喷水视频| 丝袜在线中文字幕| av网站免费在线观看视频| 精品国内亚洲2022精品成人| 久久国产精品男人的天堂亚洲| 高清毛片免费观看视频网站| 一区二区三区国产精品乱码| 免费av毛片视频| 三级毛片av免费| 亚洲欧美精品综合一区二区三区| 美女高潮到喷水免费观看| 国内久久婷婷六月综合欲色啪| 每晚都被弄得嗷嗷叫到高潮| 少妇裸体淫交视频免费看高清 | 9色porny在线观看| 日韩成人在线观看一区二区三区| 国产成人影院久久av| 日韩国内少妇激情av| 国产午夜精品久久久久久| 精品欧美一区二区三区在线| 亚洲中文字幕一区二区三区有码在线看 | aaaaa片日本免费| 夜夜看夜夜爽夜夜摸| 免费女性裸体啪啪无遮挡网站| 国内精品久久久久精免费| 美女午夜性视频免费| av福利片在线| 侵犯人妻中文字幕一二三四区| or卡值多少钱| 黄片播放在线免费| 国产在线观看jvid| 免费在线观看黄色视频的| 国产精品98久久久久久宅男小说| 午夜福利免费观看在线| 天堂影院成人在线观看| 成人三级黄色视频| 在线观看免费午夜福利视频| 9热在线视频观看99| 亚洲人成77777在线视频| 伦理电影免费视频| 一区福利在线观看| 欧美人与性动交α欧美精品济南到| 国产成人精品久久二区二区免费| 亚洲男人天堂网一区| 三级毛片av免费| 9热在线视频观看99| 成人免费观看视频高清| 91麻豆av在线| 精品人妻1区二区| 电影成人av| 欧美日韩亚洲综合一区二区三区_| 女人爽到高潮嗷嗷叫在线视频| 国产av精品麻豆| 91九色精品人成在线观看| 久久中文字幕一级| 757午夜福利合集在线观看| 99国产精品一区二区蜜桃av| 国产精品免费视频内射| a在线观看视频网站| 亚洲中文字幕日韩| 禁无遮挡网站| 成人av一区二区三区在线看| 一区在线观看完整版| 亚洲全国av大片| 亚洲人成伊人成综合网2020| 精品人妻1区二区| 精品欧美一区二区三区在线| 日本 av在线| 国内久久婷婷六月综合欲色啪| 国产精品,欧美在线| 黑人欧美特级aaaaaa片| 久久精品影院6| 一级毛片女人18水好多| 他把我摸到了高潮在线观看| 99久久精品国产亚洲精品| 亚洲五月色婷婷综合| 亚洲av熟女| 一级毛片女人18水好多| 午夜福利,免费看| 国产精品永久免费网站| 国产亚洲精品第一综合不卡| 操出白浆在线播放| 精品一区二区三区视频在线观看免费| 啪啪无遮挡十八禁网站| 女性被躁到高潮视频| 中文字幕另类日韩欧美亚洲嫩草| 色播在线永久视频| 久久久久久国产a免费观看| 黄片播放在线免费| 国产私拍福利视频在线观看| 人妻久久中文字幕网| 色在线成人网| 午夜老司机福利片| 伊人久久大香线蕉亚洲五| 欧美人与性动交α欧美精品济南到| 亚洲精品在线美女| 亚洲五月婷婷丁香| 999精品在线视频| 桃红色精品国产亚洲av| 久热爱精品视频在线9| 一个人观看的视频www高清免费观看 | 嫩草影视91久久| 国产欧美日韩一区二区精品| 夜夜看夜夜爽夜夜摸| 久久精品91无色码中文字幕| 搞女人的毛片| 国产精品av久久久久免费| 日日摸夜夜添夜夜添小说| 国产欧美日韩精品亚洲av| 国产人伦9x9x在线观看| 久久婷婷人人爽人人干人人爱 | 久久久久亚洲av毛片大全| 国产av又大| 国产一级毛片七仙女欲春2 | 欧美在线一区亚洲| 又黄又粗又硬又大视频| 国产亚洲精品久久久久5区| 国产亚洲精品一区二区www| 俄罗斯特黄特色一大片| 免费一级毛片在线播放高清视频 | 法律面前人人平等表现在哪些方面| 一级a爱片免费观看的视频| www国产在线视频色| 成人三级黄色视频| 精品久久蜜臀av无| 在线视频色国产色| 极品人妻少妇av视频| 精品电影一区二区在线| 久久九九热精品免费| 麻豆成人av在线观看| 中国美女看黄片| 亚洲中文字幕日韩| 制服诱惑二区| 国产精品综合久久久久久久免费 | 国产av一区在线观看免费| 97人妻精品一区二区三区麻豆 | 日韩视频一区二区在线观看| 国产在线精品亚洲第一网站| 国产又色又爽无遮挡免费看| 女人精品久久久久毛片| av天堂在线播放| 香蕉国产在线看| 亚洲国产日韩欧美精品在线观看 | 国产激情欧美一区二区| 天堂√8在线中文| 中文字幕久久专区| 久久精品影院6| 国产成人精品久久二区二区免费| 露出奶头的视频| 一本大道久久a久久精品| 日韩欧美免费精品| 亚洲va日本ⅴa欧美va伊人久久| 高清黄色对白视频在线免费看| 亚洲av五月六月丁香网| a级毛片在线看网站| 免费无遮挡裸体视频| 亚洲精品久久国产高清桃花| 国产亚洲av高清不卡| 国产亚洲av嫩草精品影院| 麻豆久久精品国产亚洲av|