• <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*
    99九九线精品视频在线观看视频| 亚洲人与动物交配视频| 最近最新中文字幕大全电影3| 人妻一区二区av| 欧美三级亚洲精品| 七月丁香在线播放| 国产成人a∨麻豆精品| 日本黄色片子视频| 日韩一区二区视频免费看| 免费在线观看成人毛片| 少妇人妻久久综合中文| 精品人妻视频免费看| 亚洲伊人久久精品综合| 七月丁香在线播放| 七月丁香在线播放| 视频区图区小说| 亚洲国产精品专区欧美| 各种免费的搞黄视频| av又黄又爽大尺度在线免费看| 日韩av免费高清视频| 亚洲精品国产成人久久av| 偷拍熟女少妇极品色| 日韩成人av中文字幕在线观看| 国产精品久久久久久av不卡| 我要看黄色一级片免费的| a 毛片基地| 久久精品国产鲁丝片午夜精品| 成人午夜精彩视频在线观看| 内地一区二区视频在线| 亚洲一级一片aⅴ在线观看| 少妇被粗大猛烈的视频| 久久久成人免费电影| 国产亚洲最大av| 九色成人免费人妻av| 日韩中文字幕视频在线看片 | a 毛片基地| 最近最新中文字幕免费大全7| 国产男人的电影天堂91| 一级a做视频免费观看| 成人18禁高潮啪啪吃奶动态图 | 久久久久精品性色| 久久人人爽av亚洲精品天堂 | 日韩精品有码人妻一区| 国语对白做爰xxxⅹ性视频网站| 九九爱精品视频在线观看| 久久鲁丝午夜福利片| 欧美日韩在线观看h| 成人18禁高潮啪啪吃奶动态图 | 色视频在线一区二区三区| 建设人人有责人人尽责人人享有的 | 精品酒店卫生间| av国产免费在线观看| 嫩草影院新地址| 蜜桃亚洲精品一区二区三区| 国产精品.久久久| 看非洲黑人一级黄片| 亚洲,一卡二卡三卡| 国产一级毛片在线| 亚洲经典国产精华液单| 亚洲自偷自拍三级| 亚洲人与动物交配视频| 国产又色又爽无遮挡免| freevideosex欧美| 少妇裸体淫交视频免费看高清| 三级国产精品片| 在线播放无遮挡| 自拍偷自拍亚洲精品老妇| 亚洲精品国产成人久久av| 亚洲精品第二区| 亚洲人成网站在线观看播放| 欧美日韩精品成人综合77777| 啦啦啦中文免费视频观看日本| 成人二区视频| 黑丝袜美女国产一区| 日本vs欧美在线观看视频 | 中文乱码字字幕精品一区二区三区| 欧美成人午夜免费资源| kizo精华| 成人毛片60女人毛片免费| 国产亚洲欧美精品永久| 97精品久久久久久久久久精品| 午夜视频国产福利| 国产极品天堂在线| 啦啦啦视频在线资源免费观看| 午夜精品国产一区二区电影| 亚洲电影在线观看av| 国产欧美另类精品又又久久亚洲欧美| 亚洲欧美中文字幕日韩二区| 欧美一级a爱片免费观看看| 国产欧美亚洲国产| 男女免费视频国产| 又大又黄又爽视频免费| 色吧在线观看| 精品酒店卫生间| 全区人妻精品视频| av在线观看视频网站免费| 久久久久视频综合| av国产精品久久久久影院| 麻豆乱淫一区二区| tube8黄色片| 99re6热这里在线精品视频| 边亲边吃奶的免费视频| 精华霜和精华液先用哪个| 黑人高潮一二区| 亚洲精品久久午夜乱码| 亚洲av不卡在线观看| 大香蕉久久网| 国产精品人妻久久久影院| 国产老妇伦熟女老妇高清| 秋霞伦理黄片| av播播在线观看一区| 精品少妇久久久久久888优播| 国产91av在线免费观看| 边亲边吃奶的免费视频| av国产精品久久久久影院| av线在线观看网站| 中文字幕av成人在线电影| 搡老乐熟女国产| 妹子高潮喷水视频| av.在线天堂| 日韩av免费高清视频| 国产视频内射| 国产成人freesex在线| 欧美bdsm另类| 久久国内精品自在自线图片| 日韩视频在线欧美| 亚洲成色77777| 中国三级夫妇交换| 久久精品久久久久久久性| 黄色配什么色好看| 亚洲一级一片aⅴ在线观看| 午夜福利影视在线免费观看| 欧美高清成人免费视频www| 国产精品无大码| 99久久综合免费| 国产色爽女视频免费观看| 永久免费av网站大全| 高清av免费在线| 国产视频内射| 免费观看av网站的网址| 欧美日韩视频高清一区二区三区二| 久久久久久久大尺度免费视频| 久久女婷五月综合色啪小说| 精品午夜福利在线看| 麻豆乱淫一区二区| 色5月婷婷丁香| 亚洲av国产av综合av卡| 日本wwww免费看| 免费av中文字幕在线| 国产精品久久久久久av不卡| 午夜老司机福利剧场| 国产精品一二三区在线看| 一级爰片在线观看| 久久久久国产网址| 午夜福利在线观看免费完整高清在| 又大又黄又爽视频免费| 18禁在线播放成人免费| 狂野欧美激情性xxxx在线观看| 最后的刺客免费高清国语| 晚上一个人看的免费电影| 国产又色又爽无遮挡免| 亚洲av欧美aⅴ国产| 成人国产av品久久久| 18禁在线无遮挡免费观看视频| 久久韩国三级中文字幕| 一本久久精品| 国产黄色视频一区二区在线观看| 成年av动漫网址| 97超碰精品成人国产| av.在线天堂| 精品久久久久久电影网| 黄色怎么调成土黄色| 欧美xxxx性猛交bbbb| 丝袜喷水一区| 国产av精品麻豆| 3wmmmm亚洲av在线观看| 深爱激情五月婷婷| 久久国内精品自在自线图片| 精品亚洲乱码少妇综合久久| 欧美最新免费一区二区三区| 一区在线观看完整版| 日本爱情动作片www.在线观看| 亚洲精品第二区| 国产在线免费精品| 少妇的逼好多水| 成年免费大片在线观看| 人人妻人人澡人人爽人人夜夜| 国产男人的电影天堂91| 亚洲美女搞黄在线观看| 久久久午夜欧美精品| 99久久综合免费| 人妻 亚洲 视频| 日韩伦理黄色片| 女性被躁到高潮视频| 一个人看视频在线观看www免费| 亚洲国产精品专区欧美| 婷婷色av中文字幕| 永久免费av网站大全| 欧美性感艳星| 亚洲三级黄色毛片| 亚洲国产精品专区欧美| 久久精品久久久久久久性| 精品国产露脸久久av麻豆| 在线观看国产h片| 涩涩av久久男人的天堂| 日本午夜av视频| 毛片女人毛片| 精品少妇黑人巨大在线播放| 国产精品国产三级国产av玫瑰| 国产精品国产三级国产专区5o| 99精国产麻豆久久婷婷| 国产精品一区二区在线不卡| 99热这里只有是精品50| 99热国产这里只有精品6| 麻豆成人午夜福利视频| 精品国产露脸久久av麻豆| 丰满迷人的少妇在线观看| 亚洲av在线观看美女高潮| 午夜日本视频在线| 最近手机中文字幕大全| 人妻一区二区av| 亚洲自偷自拍三级| 国产乱人偷精品视频| 亚洲精品乱码久久久久久按摩| 91久久精品国产一区二区成人| 联通29元200g的流量卡| 国产成人91sexporn| 日韩一区二区三区影片| 成人毛片a级毛片在线播放| 啦啦啦视频在线资源免费观看| 国产日韩欧美在线精品| 亚洲美女黄色视频免费看| 成人18禁高潮啪啪吃奶动态图| 97精品久久久久久久久久精品| 国产精品久久久人人做人人爽| 最黄视频免费看| 国产精品99久久99久久久不卡| 国产在线免费精品| 欧美日韩视频高清一区二区三区二| 亚洲第一av免费看| 国产麻豆69| 天堂俺去俺来也www色官网| 国产av精品麻豆| 50天的宝宝边吃奶边哭怎么回事| 午夜免费男女啪啪视频观看| 色综合欧美亚洲国产小说| 三上悠亚av全集在线观看| 天天躁夜夜躁狠狠久久av| 久久精品国产综合久久久| 免费在线观看完整版高清| 精品久久蜜臀av无| 丁香六月天网| 又大又黄又爽视频免费| 丝袜在线中文字幕| 青草久久国产| 国产日韩欧美视频二区| av网站免费在线观看视频| 91精品国产国语对白视频| 考比视频在线观看| 精品欧美一区二区三区在线| 日本91视频免费播放| 99香蕉大伊视频| 狂野欧美激情性bbbbbb| 交换朋友夫妻互换小说| 又黄又粗又硬又大视频| 欧美日韩综合久久久久久| xxxhd国产人妻xxx| 午夜福利,免费看| 亚洲精品国产一区二区精华液| 人人妻,人人澡人人爽秒播 | av不卡在线播放| 视频区欧美日本亚洲| 国产日韩一区二区三区精品不卡| 在线观看免费视频网站a站| 国产成人91sexporn| 美女视频免费永久观看网站| 欧美精品一区二区免费开放| 午夜两性在线视频| 国产成人精品无人区| 王馨瑶露胸无遮挡在线观看| 看十八女毛片水多多多| 亚洲,一卡二卡三卡| 国产91精品成人一区二区三区 | 极品人妻少妇av视频| 免费看av在线观看网站| 久久精品亚洲av国产电影网| 一边摸一边做爽爽视频免费| 亚洲精品日韩在线中文字幕| 亚洲欧美一区二区三区国产| 老鸭窝网址在线观看| 我要看黄色一级片免费的| 国产免费现黄频在线看| 午夜福利视频精品| 啦啦啦 在线观看视频| 久久影院123| 久久国产精品男人的天堂亚洲| 国产成人一区二区三区免费视频网站 | 91成人精品电影| 大陆偷拍与自拍| 又粗又硬又长又爽又黄的视频| 热re99久久精品国产66热6| 少妇裸体淫交视频免费看高清 | 手机成人av网站| 久久人妻福利社区极品人妻图片 | 最近中文字幕2019免费版| 亚洲综合色网址| 午夜两性在线视频| 黄色一级大片看看| 后天国语完整版免费观看| 久久久久久久精品精品| 久久精品国产a三级三级三级| 国产福利在线免费观看视频| av又黄又爽大尺度在线免费看| 亚洲精品国产区一区二| www.999成人在线观看| 久久久精品国产亚洲av高清涩受| 大片免费播放器 马上看| 亚洲第一av免费看| 1024视频免费在线观看| 在线观看国产h片| 国产高清视频在线播放一区 | 99精国产麻豆久久婷婷| 亚洲国产中文字幕在线视频| 国产无遮挡羞羞视频在线观看| 亚洲av电影在线进入| 国产成人啪精品午夜网站| 欧美成人精品欧美一级黄| 色网站视频免费| 男女高潮啪啪啪动态图| 国产深夜福利视频在线观看| 欧美日韩福利视频一区二区| 在线亚洲精品国产二区图片欧美| 免费观看a级毛片全部| 亚洲精品成人av观看孕妇| 欧美精品人与动牲交sv欧美| 国产精品一区二区精品视频观看| cao死你这个sao货| 成年人午夜在线观看视频| 免费观看av网站的网址| 免费日韩欧美在线观看| 天天操日日干夜夜撸| 老司机亚洲免费影院| 国产熟女欧美一区二区| 国语对白做爰xxxⅹ性视频网站| 人妻 亚洲 视频| 国产成人av教育| 丝袜在线中文字幕| 日韩av不卡免费在线播放| 久久精品久久精品一区二区三区| 国产真人三级小视频在线观看| 亚洲av日韩在线播放| 人妻一区二区av| 香蕉国产在线看| netflix在线观看网站| 免费看不卡的av| 日韩伦理黄色片| 欧美精品亚洲一区二区| 色94色欧美一区二区| 2018国产大陆天天弄谢| 亚洲中文字幕日韩| 成人亚洲精品一区在线观看| 中文精品一卡2卡3卡4更新| 午夜两性在线视频| 黄色视频不卡| 中文精品一卡2卡3卡4更新| 欧美亚洲日本最大视频资源| 最近中文字幕2019免费版| 中国国产av一级| 久久精品国产a三级三级三级| 日韩av在线免费看完整版不卡| 午夜日韩欧美国产| av欧美777| 久久这里只有精品19| 9热在线视频观看99| 尾随美女入室| 狂野欧美激情性xxxx| 黄网站色视频无遮挡免费观看| 成人亚洲欧美一区二区av| av片东京热男人的天堂| 97精品久久久久久久久久精品| 黄色一级大片看看| 多毛熟女@视频| 日韩制服丝袜自拍偷拍| 亚洲精品日韩在线中文字幕| 9191精品国产免费久久| 国产av一区二区精品久久| 少妇人妻 视频| 侵犯人妻中文字幕一二三四区| 国产高清不卡午夜福利| 国产精品 欧美亚洲| 亚洲av在线观看美女高潮| 汤姆久久久久久久影院中文字幕| 亚洲国产最新在线播放| 欧美人与善性xxx| 国产精品三级大全| 1024香蕉在线观看| 国产99久久九九免费精品| 亚洲中文av在线| 亚洲国产欧美网| 欧美日韩亚洲综合一区二区三区_| 人妻人人澡人人爽人人| cao死你这个sao货| 日韩一区二区三区影片| 成人黄色视频免费在线看| 纯流量卡能插随身wifi吗| 日韩伦理黄色片| av线在线观看网站| 777米奇影视久久| 精品人妻在线不人妻| 成人影院久久| 十八禁网站网址无遮挡| 99久久99久久久精品蜜桃| 欧美激情高清一区二区三区| 色婷婷久久久亚洲欧美| 18在线观看网站| 啦啦啦啦在线视频资源| 一区二区av电影网| 亚洲第一av免费看| 国产高清国产精品国产三级| 九草在线视频观看| 亚洲欧美一区二区三区久久| 国产成人精品久久二区二区91| 下体分泌物呈黄色| 成人手机av| 国产成人欧美| e午夜精品久久久久久久| 无遮挡黄片免费观看| 一本—道久久a久久精品蜜桃钙片| 国产精品久久久av美女十八| 免费av中文字幕在线| 亚洲男人天堂网一区| 中文字幕av电影在线播放| 国产av精品麻豆| 女性被躁到高潮视频| 亚洲一区二区三区欧美精品| 国产成人欧美| 亚洲免费av在线视频| 男女无遮挡免费网站观看| 国产高清国产精品国产三级| 国产一区二区激情短视频 | 国产精品免费视频内射| 波多野结衣一区麻豆| 亚洲图色成人| 国产亚洲欧美精品永久| 亚洲av美国av| 99国产精品99久久久久| 国产免费福利视频在线观看| 亚洲精品成人av观看孕妇| 日本色播在线视频| 十八禁高潮呻吟视频| 国产一区亚洲一区在线观看| 18禁国产床啪视频网站| 91精品国产国语对白视频| 欧美激情高清一区二区三区| 亚洲专区国产一区二区| 亚洲人成电影免费在线| 搡老岳熟女国产| 激情五月婷婷亚洲| 在线天堂中文资源库| 一区二区三区乱码不卡18| 永久免费av网站大全| 亚洲中文字幕日韩| 久久这里只有精品19| 欧美97在线视频| 亚洲国产精品一区三区| 精品久久久久久久毛片微露脸 | 日韩av免费高清视频| 久久国产精品男人的天堂亚洲| 国产片内射在线| 亚洲久久久国产精品| 日日摸夜夜添夜夜爱| 男女之事视频高清在线观看 | 亚洲国产精品一区二区三区在线| 亚洲精品第二区| 欧美日韩一级在线毛片| 国产精品久久久av美女十八| 久久热在线av| 亚洲成色77777| a级毛片黄视频| 国产一区二区三区av在线| 日本五十路高清| 国产成人免费观看mmmm| 欧美变态另类bdsm刘玥| 一区二区三区四区激情视频| 中文字幕人妻丝袜制服| 建设人人有责人人尽责人人享有的| 视频区图区小说| 在线观看人妻少妇| 两人在一起打扑克的视频| 亚洲少妇的诱惑av| 成人国产av品久久久| 嫁个100分男人电影在线观看 | 亚洲五月色婷婷综合| 色94色欧美一区二区| 99国产精品99久久久久| 国产男女超爽视频在线观看| 最近手机中文字幕大全| 亚洲欧美精品自产自拍| 国产精品久久久久成人av| 久久人妻福利社区极品人妻图片 | 久久国产精品大桥未久av| 国产成人精品久久二区二区免费| 久久鲁丝午夜福利片| 久久影院123| 天天躁狠狠躁夜夜躁狠狠躁| 久久久久久亚洲精品国产蜜桃av| 国产日韩欧美在线精品| 国产成人av激情在线播放| 欧美日韩亚洲综合一区二区三区_| 亚洲欧美日韩另类电影网站| 国产成人一区二区三区免费视频网站 | 叶爱在线成人免费视频播放| 99热全是精品| 七月丁香在线播放| 久久天堂一区二区三区四区| 99九九在线精品视频| 一级,二级,三级黄色视频| 亚洲 国产 在线| 午夜久久久在线观看| 黄色一级大片看看| 黄色视频在线播放观看不卡| 99热国产这里只有精品6| 日韩精品免费视频一区二区三区| 久久99热这里只频精品6学生| 51午夜福利影视在线观看| 另类精品久久| 大码成人一级视频| 亚洲久久久国产精品| 欧美 亚洲 国产 日韩一| 亚洲美女黄色视频免费看| 天天躁狠狠躁夜夜躁狠狠躁| 色视频在线一区二区三区| 狠狠婷婷综合久久久久久88av| 性色av一级| 狂野欧美激情性xxxx| 91精品三级在线观看| 亚洲欧美清纯卡通| 亚洲熟女精品中文字幕| 美女中出高潮动态图| 脱女人内裤的视频| cao死你这个sao货| 伊人久久大香线蕉亚洲五| 一级毛片电影观看| 最近中文字幕2019免费版| 亚洲中文字幕日韩| 爱豆传媒免费全集在线观看| 老汉色av国产亚洲站长工具| 老司机亚洲免费影院| av福利片在线| 亚洲精品久久成人aⅴ小说| 美女福利国产在线| a级毛片在线看网站| 亚洲av在线观看美女高潮| 搡老乐熟女国产| 天天添夜夜摸| 啦啦啦啦在线视频资源| 又粗又硬又长又爽又黄的视频| www.av在线官网国产| 水蜜桃什么品种好| 性少妇av在线| 欧美黑人欧美精品刺激| 国产老妇伦熟女老妇高清| 国产极品粉嫩免费观看在线| 久热这里只有精品99| 99九九在线精品视频| 青草久久国产| 美女中出高潮动态图| 91精品国产国语对白视频| 亚洲激情五月婷婷啪啪| 91成人精品电影| 日本av手机在线免费观看| 国产精品久久久久久人妻精品电影 | 日日爽夜夜爽网站| 1024视频免费在线观看| 午夜福利视频在线观看免费| 脱女人内裤的视频| 色精品久久人妻99蜜桃| 丁香六月天网| 脱女人内裤的视频| 亚洲激情五月婷婷啪啪| 午夜福利视频在线观看免费| 国产高清国产精品国产三级| 一二三四社区在线视频社区8| 亚洲精品av麻豆狂野| 大陆偷拍与自拍| 国产精品久久久久久精品电影小说| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美av亚洲av综合av国产av| 久久精品久久精品一区二区三区| a级毛片在线看网站| 国产亚洲av片在线观看秒播厂| xxxhd国产人妻xxx| 久久天躁狠狠躁夜夜2o2o | 国产人伦9x9x在线观看| 免费女性裸体啪啪无遮挡网站| 午夜精品国产一区二区电影| 国产高清国产精品国产三级| 亚洲欧美一区二区三区黑人| 亚洲精品国产av蜜桃| 中国国产av一级| 大型av网站在线播放| 亚洲国产精品国产精品| 校园人妻丝袜中文字幕| 色精品久久人妻99蜜桃| 国产精品麻豆人妻色哟哟久久| 久久 成人 亚洲| 亚洲五月婷婷丁香| 巨乳人妻的诱惑在线观看| 精品少妇内射三级| 欧美成狂野欧美在线观看| 精品视频人人做人人爽| 精品久久久精品久久久| 国产熟女午夜一区二区三区| 午夜免费男女啪啪视频观看| 欧美国产精品va在线观看不卡|