欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營的一線實(shí)戰(zhàn)洞察。

美食推薦系統(tǒng)畢業(yè)設(shè)計(jì):協(xié)同過濾原理與Python實(shí)戰(zhàn)

美食推薦系統(tǒng)畢業(yè)設(shè)計(jì):協(xié)同過濾原理與Python實(shí)戰(zhàn) 簡介互聯(lián)網(wǎng)時(shí)代的信息過載讓推薦系統(tǒng)成為電商、外賣、內(nèi)容平臺(tái)的關(guān)鍵技術(shù)而協(xié)同過濾則是其中應(yīng)用最廣、最容易落地的經(jīng)典算法。它不需要昂貴的GPU和海量數(shù)據(jù)集僅依靠用戶行為數(shù)據(jù)通過余弦相似度、皮爾遜相關(guān)系數(shù)等方法計(jì)算用戶或物品之間的相似關(guān)系就能生成個(gè)性化的Top-N推薦列表。這一技術(shù)價(jià)值在于兼顧效果與可解釋性尤其適合美食、電影、圖書等興趣相對(duì)穩(wěn)定的垂直場(chǎng)景。以美食推薦系統(tǒng)畢業(yè)設(shè)計(jì)為例可將協(xié)同過濾算法與Python、Flask、MySQL結(jié)合完成從評(píng)分?jǐn)?shù)據(jù)清洗、相似度矩陣構(gòu)建、UserCF/ItemCF算法實(shí)現(xiàn)到推薦接口開發(fā)的全流程并針對(duì)冷啟動(dòng)和數(shù)據(jù)稀疏問題給出工程化解決方案。這套設(shè)計(jì)思路同樣可遷移到其他物品推薦項(xiàng)目是理解推薦系統(tǒng)原理與工程實(shí)踐的理想切入點(diǎn)。1. 項(xiàng)目整體設(shè)計(jì)與核心思路1.1 為什么選“美食推薦系統(tǒng)”作為課題如果你是計(jì)算機(jī)、軟件工程或者大數(shù)據(jù)相關(guān)專業(yè)的學(xué)生應(yīng)該能感覺到畢業(yè)設(shè)計(jì)選題這件事有多關(guān)鍵。題目太簡單答辯的時(shí)候?qū)煄讉€(gè)問題就把你問住了題目太難開發(fā)周期拖到天荒地老論文還憋不出字。美食推薦系統(tǒng)這個(gè)題我覺得是性價(jià)比非常高的一類選擇。先說行業(yè)背景。推薦系統(tǒng)在電商、短視頻、外賣平臺(tái)里已經(jīng)是標(biāo)配技術(shù)了比如你打開外賣軟件會(huì)看到“猜你喜歡”打開菜譜App會(huì)看到“今日推薦”這些都是推薦算法在背后工作。把協(xié)同過濾算法落到美食場(chǎng)景既有真實(shí)的應(yīng)用價(jià)值又有清晰可拆解的技術(shù)點(diǎn)用來做畢業(yè)設(shè)計(jì)或課程項(xiàng)目素材非常充足。再說技術(shù)層面。協(xié)同過濾Collaborative Filtering是推薦系統(tǒng)里最經(jīng)典的算法家族它不像深度學(xué)習(xí)方法那樣需要昂貴的GPU和超大數(shù)據(jù)集只要有一臺(tái)普通筆記本、一份像樣的用戶評(píng)分?jǐn)?shù)據(jù)就能跑出效果明顯的推薦結(jié)果。這對(duì)本科生或剛?cè)腴T的研究生來說非常友好。1.2 一個(gè)系統(tǒng)拆開看推薦引擎只是核心不是全部我見過很多同學(xué)做這類系統(tǒng)上來就悶頭寫算法結(jié)果算法寫完發(fā)現(xiàn)系統(tǒng)交互、數(shù)據(jù)庫、可視化、論文圖表全都沒有著落。真正完整的“美食推薦系統(tǒng)”應(yīng)該包含三層。第一層是數(shù)據(jù)層。用戶信息、菜品信息、用戶對(duì)菜品的評(píng)分行為這些數(shù)據(jù)要能存下來、查得快、方便做分析。第二層是算法層也就是協(xié)同過濾推薦引擎接收用戶的評(píng)分歷史輸出Top-N推薦列表。第三層是應(yīng)用層用戶通過網(wǎng)頁或桌面端的界面注冊(cè)登錄、瀏覽菜品、給菜品打分然后看到一個(gè)“為你推薦”的列表。三層都打通這個(gè)系統(tǒng)的完整度才算合格。而且這三層恰好對(duì)應(yīng)畢業(yè)論文里的幾個(gè)核心章節(jié)需求分析、系統(tǒng)設(shè)計(jì)、核心算法實(shí)現(xiàn)、系統(tǒng)測(cè)試。也就是說你每做完一層論文就多出一章素材不會(huì)出現(xiàn)“算法做得挺好但論文湊不夠字?jǐn)?shù)”的尷尬。還有一點(diǎn)值得注意這套系統(tǒng)的設(shè)計(jì)思路可以通用。今天做美食明天把數(shù)據(jù)換成電影、圖書、音樂算法邏輯不需要大改。這也是我在答辯時(shí)比較喜歡強(qiáng)調(diào)的點(diǎn)——項(xiàng)目的擴(kuò)展性和方法論價(jià)值這比單純說“我實(shí)現(xiàn)了一個(gè)算法”要有說服力得多。1.3 技術(shù)棧選型別為了炫技選不熟悉的東西我整理過一份做這類系統(tǒng)的主流技術(shù)方案你可以根據(jù)自己的熟悉程度來選。層次推薦方案A主流推薦方案B輕量說明語言Python 3.8Python 3.8算法生態(tài)最成熟pandas/numpy/scikit-learn齊全Web框架FlaskDjangoFlask輕量好上手適合單體小系統(tǒng)Django自帶Admin后臺(tái)管理方便數(shù)據(jù)庫MySQLSQLite開發(fā)調(diào)試用SQLite省事寫論文建議用MySQL體現(xiàn)“企業(yè)級(jí)”前端Bootstrap jQuery原生HTML CSS不追求復(fù)雜交互的話Bootstrap最快出效果算法實(shí)現(xiàn)手動(dòng)實(shí)現(xiàn) scikit-learn驗(yàn)證僅手動(dòng)實(shí)現(xiàn)手動(dòng)實(shí)現(xiàn)能寫在論文里sklearn用于交叉驗(yàn)證結(jié)果個(gè)人建議如果時(shí)間緊Flask SQLite Bootstrap 手寫協(xié)同過濾這個(gè)組合最穩(wěn)。Python的安裝和環(huán)境配置是個(gè)老話題常見坑包括環(huán)境變量沒配好、pip下載慢、numpy版本沖突等直接用Anaconda或者Python官方安裝包裝好再用pip install -i https://pypi.tuna.tsinghua.edu.cn/simple flask pandas numpy這類國內(nèi)鏡像源裝依賴能把時(shí)間省下一大截。提示盡量別選你不熟悉的框架。畢業(yè)設(shè)計(jì)的核心是把推薦原理講清楚、系統(tǒng)能跑起來不是展示你會(huì)多少冷門技術(shù)。2. 協(xié)同過濾算法核心原理解析2.1 兩種路線UserCF與ItemCF協(xié)同過濾的核心思想一句話就能說透跟你相似的人喜歡吃的東西你大概率也喜歡你以前喜歡的東西的相似品你大概率也會(huì)喜歡。前一句話對(duì)應(yīng)基于用戶的協(xié)同過濾UserCF后一句話對(duì)應(yīng)基于物品的協(xié)同過濾ItemCF。UserCF的步驟是第一步計(jì)算用戶之間的相似度找到當(dāng)前用戶的“鄰居”第二步把鄰居們?cè)u(píng)分高但當(dāng)前用戶沒吃過的菜品聚合起來按預(yù)測(cè)評(píng)分排序輸出推薦列表。ItemCF的步驟是第一步計(jì)算菜品之間的相似度注意這個(gè)相似度是基于用戶行為算的不是基于菜品的原料、口味等屬性第二步根據(jù)用戶歷史評(píng)分過的菜品找出相似的菜品按預(yù)測(cè)評(píng)分排序輸出推薦。兩個(gè)路線各有適合的場(chǎng)景。UserCF更偏“社交化”適合新聞、社區(qū)這類用戶興趣變化快的場(chǎng)景ItemCF更偏“個(gè)性化”適合圖書、電影、美食這類興趣相對(duì)穩(wěn)定的場(chǎng)景。做美食推薦系統(tǒng)我在實(shí)際開發(fā)中其實(shí)更推薦ItemCF作為主力算法原因后面細(xì)說。2.2 相似度計(jì)算的三種常用方法無論UserCF還是ItemCF都繞不開“相似度計(jì)算”這個(gè)核心步驟。常用的有三種方法。余弦相似度是最容易理解的把用戶A的評(píng)分向量和用戶B的評(píng)分向量看作高維空間里的兩個(gè)向量計(jì)算它們夾角的余弦值。夾角越小余弦值越接近1說明兩個(gè)人越相似。計(jì)算公式是cos(θ) (A·B) / (|A| × |B|)在Python里用numpy實(shí)現(xiàn)只需要幾行代碼import numpy as np def cosine_similarity(vec_a, vec_b): # 兩個(gè)向量必須長度一致對(duì)應(yīng)位置是同一個(gè)菜品 dot np.dot(vec_a, vec_b) norm_a np.linalg.norm(vec_a) norm_b np.linalg.norm(vec_b) if norm_a 0 or norm_b 0: return 0 return dot / (norm_a * norm_b)皮爾遜相關(guān)系數(shù)是余弦相似度的升級(jí)版它對(duì)評(píng)分做了“中心化”處理也就是減去每個(gè)用戶的平均打分。這樣做的好處是如果一個(gè)用戶普遍打分偏高給什么都給4分另一個(gè)用戶打分偏低喜歡才給3分直接用余弦相似度會(huì)誤判他們口味不同而皮爾遜相關(guān)系數(shù)能消除這種評(píng)分尺度差異。公式是r Σ(A_i - avgA)(B_i - avgB) / sqrt(Σ(A_i - avgA)^2 × Σ(B_i - avgB)^2)修正余弦相似度是ItemCF里常用的變體用來消除不同用戶打分習(xí)慣對(duì)物品相似度的影響。它的做法是計(jì)算物品相似度時(shí)先把每個(gè)用戶的評(píng)分減去該用戶的平均分再套用余弦相似度公式。這三種方法的選擇邏輯我建議這么定數(shù)據(jù)稀疏、評(píng)分尺度差異大優(yōu)先皮爾遜評(píng)分?jǐn)?shù)據(jù)相對(duì)稠密、想快速看到效果用余弦ItemCF場(chǎng)景直接上修正余弦。2.3 評(píng)分預(yù)測(cè)最常用的加權(quán)求和公式算完相似度之后下一步是預(yù)測(cè)用戶對(duì)未吃過菜品的評(píng)分。這里最常用的方法是“加權(quán)求和”公式長這樣pred(u, i) Σ(sim(u, v) × r(v, i)) / Σ(sim(u, v))意思是用戶u對(duì)菜品i的預(yù)測(cè)評(píng)分等于“與u最相似的K個(gè)用戶v對(duì)菜品i的評(píng)分”的加權(quán)平均權(quán)重就是u和v的相似度。分母做歸一化防止不同K取值導(dǎo)致分?jǐn)?shù)范圍不穩(wěn)定。ItemCF的預(yù)測(cè)公式稍微有點(diǎn)不同它的加權(quán)對(duì)象是“用戶u評(píng)過分的物品與目標(biāo)物品i的相似度”pred(u, i) Σ(sim(i, j) × r(u, j)) / Σ(sim(i, j))在實(shí)際寫代碼的時(shí)候這個(gè)公式更適合用一個(gè)預(yù)計(jì)算好的“物品相似度矩陣”來查表而不是每次請(qǐng)求都現(xiàn)場(chǎng)算一遍。把相似度矩陣提前算好存下來推薦接口的響應(yīng)速度能從秒級(jí)降到毫秒級(jí)這個(gè)優(yōu)化在論文的“系統(tǒng)性能優(yōu)化”章節(jié)里是很好的加分項(xiàng)。3. 數(shù)據(jù)方案與預(yù)處理實(shí)戰(zhàn)3.1 評(píng)分?jǐn)?shù)據(jù)從哪來別在爬蟲上栽跟頭開發(fā)推薦系統(tǒng)最理想的數(shù)據(jù)集是像MovieLens那樣公開的評(píng)分?jǐn)?shù)據(jù)但美食領(lǐng)域公開數(shù)據(jù)集相對(duì)少。常見的解決方案有兩條路。第一條路是自己造數(shù)據(jù)。讓宿舍同學(xué)、網(wǎng)友幫忙填一批評(píng)分比如20個(gè)用戶對(duì)50道菜品的打分評(píng)分范圍1到5。數(shù)據(jù)量雖小但能跑通全鏈路而且你可以清楚知道每一行數(shù)據(jù)的來龍去脈。對(duì)畢業(yè)設(shè)計(jì)來說數(shù)據(jù)量不是問題算法的完整性和推理過程才是重點(diǎn)。第二條路是用爬蟲抓公開數(shù)據(jù)。這個(gè)方向要特別謹(jǐn)慎抓取網(wǎng)站數(shù)據(jù)要遵守目標(biāo)網(wǎng)站的robots協(xié)議和用戶條款只抓合法允許的公開信息做個(gè)人學(xué)習(xí)研究不得用于任何商業(yè)用途。我個(gè)人的建議是優(yōu)先找公開的菜譜數(shù)據(jù)集比如一些開源社區(qū)整理的帶評(píng)分字段的菜品數(shù)據(jù)或者自己構(gòu)造別把精力耗在爬蟲和反爬對(duì)抗上那對(duì)本課題的核心目標(biāo)幫助不大。注意論文里寫數(shù)據(jù)處理流程時(shí)一定要說明數(shù)據(jù)來源和預(yù)處理規(guī)則。答辯老師很可能會(huì)問“你的數(shù)據(jù)量這么小推薦結(jié)果有說服力嗎”這時(shí)候你要回答的是算法流程的合理性和評(píng)估指標(biāo)的設(shè)計(jì)而不是夸大數(shù)據(jù)的規(guī)模。3.2 核心數(shù)據(jù)表設(shè)計(jì)用戶、菜品、評(píng)分設(shè)計(jì)數(shù)據(jù)庫表的時(shí)候我習(xí)慣遵循“常規(guī)字段 推薦專用字段”的思維。用戶表user的常規(guī)字段包括user_id、username、password、register_time。如果想給系統(tǒng)加一點(diǎn)個(gè)性化可以加food_preference字段存用戶偏好的口味比如“辣、清淡、甜”之類的標(biāo)簽。但要注意協(xié)同過濾本身不需要這些屬性字段加上它只是為了在冷啟動(dòng)場(chǎng)景用戶還沒有評(píng)分歷史時(shí)有東西可用。菜品表dish的常規(guī)字段包括dish_id、dish_name、category分類如川菜、粵菜、甜品、price、description、image_url。你可以額外加一個(gè)avg_rating字段用來存菜品平均分。這個(gè)字段有兩個(gè)用處一是新用戶冷啟動(dòng)時(shí)可以按平均分推薦二是做排行榜功能時(shí)直接用SQL排序不用現(xiàn)場(chǎng)算。評(píng)分表rating是最核心的一張表字段包括rating_id、user_id、dish_id、score、rating_time。這張表一定要給(user_id, dish_id)建聯(lián)合唯一索引防止同一個(gè)用戶對(duì)同一道菜重復(fù)評(píng)分。每次寫入評(píng)分時(shí)順便同步更新dish表的avg_rating字段這樣排行榜和推薦候選池的數(shù)據(jù)始終是最新的。3.3 數(shù)據(jù)清洗稀疏矩陣的坑與應(yīng)對(duì)協(xié)同過濾的數(shù)據(jù)清洗和普通Web項(xiàng)目不太一樣關(guān)鍵在“評(píng)分矩陣”的構(gòu)建。假設(shè)有20個(gè)用戶、50道菜全量評(píng)分是20×501000個(gè)評(píng)分。但現(xiàn)實(shí)里每個(gè)用戶可能只評(píng)了10道菜那矩陣?yán)锞陀?00個(gè)空位稀疏度達(dá)到了80%。直接用這個(gè)矩陣算相似度結(jié)果會(huì)非常不穩(wěn)定。我的處理順序是第一步過濾掉評(píng)分?jǐn)?shù)量少于5條的用戶這些人提供的信息太少算出的相似度沒有統(tǒng)計(jì)意義第二步過濾掉被評(píng)分次數(shù)少于3次的菜品這些菜屬于長尾中的長尾推薦出來用戶也沒聽說過第三步補(bǔ)全空缺值常用兩種策略填0適合余弦相似度或填用戶平均分適合皮爾遜系數(shù)。在Python里構(gòu)建評(píng)分矩陣用pandas的pivot_table可以一行搞定import pandas as pd # 假設(shè)rating_df是原始評(píng)分表字段為user_id, dish_id, score rating_matrix rating_df.pivot_table( indexuser_id, columnsdish_id, valuesscore ).fillna(0) # 打印矩陣形狀確認(rèn)行列對(duì)不對(duì) print(rating_matrix.shape)這個(gè)矩陣的行是用戶列是菜品值就是評(píng)分。后面計(jì)算相似度的時(shí)候每次取一行就是一個(gè)用戶的評(píng)分向量非常方便。我在實(shí)際項(xiàng)目里習(xí)慣把這步處理封裝成build_rating_matrix(user_rating_df)這樣的函數(shù)輸入原始評(píng)分表輸出可直接用于相似度計(jì)算的矩陣保持代碼結(jié)構(gòu)清晰。4. 推薦引擎完整實(shí)現(xiàn)從算法到接口4.1 工具函數(shù)先算好相似度矩陣在寫推薦函數(shù)之前先把相似度矩陣準(zhǔn)備好。我習(xí)慣用一個(gè)單獨(dú)的函數(shù)來算UserCF的用戶相似度矩陣再用另一個(gè)函數(shù)算ItemCF的物品相似度矩陣。用戶相似度矩陣的實(shí)現(xiàn)思路對(duì)每一個(gè)用戶i遍歷所有用戶j計(jì)算i和j的皮爾遜相關(guān)系數(shù)。數(shù)據(jù)規(guī)模不大時(shí)雙重循環(huán)是沒問題的。20個(gè)用戶算下來最多400次相似度計(jì)算毫秒級(jí)完成。import pandas as pd import numpy as np def calculate_user_similarity(rating_matrix): 計(jì)算用戶之間的皮爾遜相似度矩陣 rating_matrix: DataFrame行是用戶列是菜品 返回: 相似度DataFrame行和列都是用戶id users rating_matrix.index.tolist() sim_matrix pd.DataFrame(0, indexusers, columnsusers) for u in users: for v in users: if u v: sim_matrix.loc[u, v] 1.0 continue # 找出兩個(gè)用戶都評(píng)過分的菜品 u_ratings rating_matrix.loc[u] v_ratings rating_matrix.loc[v] # 只取雙方評(píng)分都 0 的項(xiàng) common_mask (u_ratings 0) (v_ratings 0) common_items u_ratings[common_mask] if len(common_items) 2: sim_matrix.loc[u, v] 0 continue # 皮爾遜相關(guān)系數(shù) corr np.corrcoef( u_ratings[common_mask].values, v_ratings[common_mask].values )[0, 1] if np.isnan(corr): corr 0 sim_matrix.loc[u, v] round(corr, 4) return sim_matrix這段代碼里有兩個(gè)細(xì)節(jié)值得注意一是common_items 2時(shí)直接置0這是為了避免“兩個(gè)用戶只共同評(píng)過一道菜系數(shù)恰好算出來是1”這種偶然情況二是np.corrcoef可能返回NaN原因是共同評(píng)分項(xiàng)的方差為0比如兩個(gè)用戶共同評(píng)分都是5分要把它處理成0否則會(huì)影響后續(xù)計(jì)算。4.2 基于用戶的協(xié)同過濾推薦有了相似度矩陣UserCF的推薦函數(shù)就順理成章了。核心邏輯是找到和目標(biāo)用戶最相似的K個(gè)用戶K通常取5到10把這K個(gè)用戶評(píng)分高且目標(biāo)用戶沒吃過的菜品找出來按相似度加權(quán)算預(yù)測(cè)分返回Top-N。def recommend_by_user_cf(user_id, rating_matrix, sim_matrix, top_n10, k5): 基于用戶的協(xié)同過濾推薦 user_id: 目標(biāo)用戶 rating_matrix: 用戶-菜品評(píng)分矩陣 sim_matrix: 用戶相似度矩陣 top_n: 返回推薦菜品數(shù)量 k: 鄰居數(shù)量 if user_id not in rating_matrix.index: return [] # 目標(biāo)用戶已評(píng)分的菜品 rated set(rating_matrix.loc[user_id][rating_matrix.loc[user_id] 0].index) # 獲取相似用戶列表排除自己 sim_scores sim_matrix.loc[user_id].sort_values(ascendingFalse) # 只看相似度大于0的鄰居 neighbors [(uid, score) for uid, score in sim_scores.items() if uid ! user_id and score 0] neighbors neighbors[:k] if not neighbors: return [] # 候選菜品集合 candidate_scores {} candidate_weight {} for neighbor_id, sim_score in neighbors: neighbor_ratings rating_matrix.loc[neighbor_id] # 鄰居評(píng)分過的菜品 neighbor_rated_items neighbor_ratings[neighbor_ratings 0] for dish_id, score in neighbor_rated_items.items(): if dish_id in rated: continue # 用戶已經(jīng)吃過了不推薦 candidate_scores[dish_id] candidate_scores.get(dish_id, 0) sim_score * score candidate_weight[dish_id] candidate_weight.get(dish_id, 0) sim_score # 歸一化計(jì)算最終預(yù)測(cè)分 predictions {} for dish_id, total_score in candidate_scores.items(): if candidate_weight[dish_id] 0: predictions[dish_id] total_score / candidate_weight[dish_id] # 按預(yù)測(cè)分從高到低排序 sorted_predictions sorted(predictions.items(), keylambda x: x[1], reverseTrue) return sorted_predictions[:top_n]這里的加權(quán)公式用了“歸一化”核心原因是避免相似度值大的鄰居帶偏結(jié)果。你設(shè)想一下如果用戶A只和一個(gè)人特別像這個(gè)人給某道菜打了5分A對(duì)這道菜的預(yù)測(cè)分就是5分但如果有三個(gè)不那么像的人也打了4分平均下來才是更穩(wěn)的結(jié)果。歸一化恰好能平衡這個(gè)偏差。4.3 基于物品的協(xié)同過濾推薦ItemCF的推薦邏輯有點(diǎn)不同。它的核心不是“看鄰居吃了什么”而是“看你吃過的菜與什么菜相似”。def calculate_item_similarity(rating_matrix): 計(jì)算物品之間的修正余弦相似度矩陣 items rating_matrix.columns.tolist() sim_matrix pd.DataFrame(0, indexitems, columnsitems) # 物品的評(píng)分向量 item_vectors {} # 對(duì)每個(gè)菜品計(jì)算被用戶評(píng)分的平均分修正 for item in items: item_rating rating_matrix[item] # 對(duì)每個(gè)用戶做中心化處理 centered [] user_ids [] for uid in rating_matrix.index: score item_rating[uid] if score 0: # 該用戶所有評(píng)分的平均值 user_avg rating_matrix.loc[uid][rating_matrix.loc[uid] 0].mean() if user_avg user_avg: # 檢查非NaN centered.append(score - user_avg) user_ids.append(uid) item_vectors[item] (np.array(centered), user_ids) for i, item_i in enumerate(items): for j, item_j in enumerate(items): if i j: sim_matrix.loc[item_i, item_j] 1.0 continue # 找出同時(shí)評(píng)分過物品i和物品j的用戶 vec_i, users_i item_vectors[item_i] # 構(gòu)建用戶到評(píng)分的映射 map_i dict(zip(users_i, vec_i)) common [map_i[u] for u in users_i if u in dict(zip(*item_vectors[item_j][::-1]))] # 實(shí)際項(xiàng)目中更簡潔的寫法 set_i set(users_i) set_j set(item_vectors[item_j][1]) common_users set_i set_j common_i [] common_j [] for uid in common_users: common_i.append(map_i[uid]) common_j.append(item_vectors[item_j][0][item_vectors[item_j][1].index(uid)]) if len(common_users) 2: sim_matrix.loc[item_i, item_j] 0 continue common_i np.array(common_i) common_j np.array(common_j) # 修正余弦相似度 denom np.sqrt(np.sum(common_i**2)) * np.sqrt(np.sum(common_j**2)) if denom 0: sim_matrix.loc[item_i, item_j] 0 continue sim np.sum(common_i * common_j) / denom sim_matrix.loc[item_i, item_j] round(sim, 4) return sim_matrix這段代碼在實(shí)現(xiàn)時(shí)比較考驗(yàn)對(duì)“修正余弦”的理解。修正的核心在于先對(duì)每個(gè)用戶評(píng)分做中心化減去該用戶平均分再計(jì)算余弦。不這么做的話一個(gè)總是打5分的用戶和一個(gè)總是打3分的用戶即使口味高度一致算出來的相似度也會(huì)失真。實(shí)際開發(fā)里我通常把ItemCF的物品相似度矩陣存成Spark DataFrame或直接在MySQL里建一張表item_id_a, item_id_b, similarity因?yàn)橛?jì)算一次之后就不需要頻繁重算。只有新菜品加入或者用戶評(píng)分發(fā)生明顯變化時(shí)才做增量更新。4.4 雙算法融合與冷啟動(dòng)策略單獨(dú)用UserCF或ItemCF都可能遇到效果不穩(wěn)定的情況。我最后實(shí)現(xiàn)的是混合推薦策略當(dāng)用戶的評(píng)分?jǐn)?shù)量少于一定閾值時(shí)走冷啟動(dòng)邏輯評(píng)分?jǐn)?shù)量足夠時(shí)用UserCF和ItemCF各出一份推薦列表加權(quán)融合后再輸出。冷啟動(dòng)邏輯又分三種場(chǎng)景。第一種是系統(tǒng)里完全沒有評(píng)分這時(shí)候只能按菜品平均分推薦做得更好一點(diǎn)是按照分類做多樣性推薦。第二種是用戶沒有任何評(píng)分但注冊(cè)時(shí)填了口味偏好可以按偏好分類推薦。第三種是用戶只有1到3條評(píng)分這時(shí)我傾向于直接用內(nèi)容匹配比如用戶評(píng)分過的菜品的同分類菜品來補(bǔ)充算法推薦放到評(píng)分?jǐn)?shù)據(jù)積累到5條以上再介入。加權(quán)融合的公式也不復(fù)雜final_score(d) α × score_userCF(d) (1 - α) × score_itemCF(d)α的取值可以在實(shí)驗(yàn)里調(diào)。我在自己的數(shù)據(jù)集上測(cè)下來α取0.4左右效果最好也就是稍微偏向ItemCF。原因也簡單美食推薦場(chǎng)景里“你以前喜歡的菜的相似菜”比“和你相似的人喜歡的菜”更穩(wěn)妥因?yàn)榍罢叩耐扑]理由用戶更容易接受。5. 系統(tǒng)功能設(shè)計(jì)與論文PPT素材搭建5.1 功能模塊拆解照著做不會(huì)漏功能一個(gè)完整的Web版美食推薦系統(tǒng)功能模塊可以這樣拆。用戶模塊負(fù)責(zé)注冊(cè)、登錄、個(gè)人信息管理注冊(cè)時(shí)盡可能讓用戶選擇口味偏好這是冷啟動(dòng)的重要數(shù)據(jù)。菜品模塊負(fù)責(zé)菜品信息展示、分類瀏覽、關(guān)鍵詞搜索。評(píng)分模塊是核心交互用戶給吃過的菜打分這個(gè)動(dòng)作決定了推薦質(zhì)量。推薦模塊負(fù)責(zé)生成“為你推薦”列表要同時(shí)給“推薦理由”。榜單模塊負(fù)責(zé)展示熱門菜品、高分菜品本質(zhì)上是推薦系統(tǒng)的兜底。這套功能拆解對(duì)應(yīng)到代碼結(jié)構(gòu)上用Flask藍(lán)圖來組織非常合適比如一個(gè)auth_bp負(fù)責(zé)登錄注冊(cè)一個(gè)dish_bp負(fù)責(zé)菜品瀏覽一個(gè)recommend_bp負(fù)責(zé)推薦接口。每個(gè)藍(lán)圖獨(dú)立成文件代碼不會(huì)亂。5.2 Flask后端接口設(shè)計(jì)我整理了一份最小的接口清單照著寫就能支撐整個(gè)系統(tǒng)前后端聯(lián)動(dòng)。接口路徑方法功能關(guān)鍵參數(shù)/api/registerPOST用戶注冊(cè)u(píng)sername, password, taste/api/loginPOST用戶登錄username, password/api/dishesGET菜品列表分頁page, category/api/dishes/idGET菜品詳情無/api/ratePOST提交評(píng)分user_id, dish_id, score/api/recommend/user_idGET獲取推薦列表top_n/api/hotGET熱門榜單limit在實(shí)現(xiàn)時(shí)/api/rate這個(gè)接口稍微特殊一點(diǎn)它不只是往數(shù)據(jù)庫里插入一條評(píng)分記錄還應(yīng)該同步更新菜品表的avg_rating。這個(gè)操作可以用數(shù)據(jù)庫事務(wù)來保證一致性防止評(píng)分插入成功但平均分更新失敗的情況。5.3 畢業(yè)論文章節(jié)怎么搭、PPT怎么提煉論文這塊我建議章節(jié)結(jié)構(gòu)直接按系統(tǒng)構(gòu)建的自然順序來寫。第一章緒論寫研究背景、意義、國內(nèi)外研究現(xiàn)狀、論文結(jié)構(gòu)。第二章相關(guān)技術(shù)介紹寫Python、Flask、協(xié)同過濾算法概述、MySQL。第三章需求分析與概要設(shè)計(jì)寫功能性需求、非功能性需求、系統(tǒng)架構(gòu)圖、功能模塊圖。第四章詳細(xì)設(shè)計(jì)與實(shí)現(xiàn)這部分是重點(diǎn)寫數(shù)據(jù)庫設(shè)計(jì)、每個(gè)功能模塊的時(shí)序圖、推薦算法的實(shí)現(xiàn)細(xì)節(jié)、核心代碼分析。第五章系統(tǒng)測(cè)試寫測(cè)試環(huán)境、功能測(cè)試用例表、推薦效果評(píng)估準(zhǔn)確率、召回率、Top-N命中率、測(cè)試結(jié)果分析。第六章總結(jié)與展望。PPT的提煉邏輯和論文不同核心是“講故事”。我的經(jīng)驗(yàn)是首頁用系統(tǒng)截圖吸引眼球然后一頁講痛點(diǎn)信息過載、選擇困難一頁講解決方案的宏觀流程圖再花三四頁講算法原理與效果對(duì)比最后用一張架構(gòu)圖收尾。PPT上盡量少放代碼多放流程圖和效果對(duì)比圖那才是答辯老師會(huì)關(guān)注的。這里有個(gè)很實(shí)用的技巧答辯PPT里的算法講解頁別只放公式放一張“用戶A和用戶B的評(píng)分矩陣以及相似度計(jì)算過程”的手工演算小表直觀到答辯老師一眼就懂。表里兩行用戶數(shù)據(jù)、簡單的加減乘除、最終相似度0.87這段講解會(huì)讓你在答辯時(shí)的表達(dá)順暢很多。6. 推薦效果評(píng)估與常見問題排查6.1 離線評(píng)估指標(biāo)別只盯著準(zhǔn)確率很多同學(xué)做推薦系統(tǒng)評(píng)估就是“看起來推薦得還挺準(zhǔn)”這在論文里是不太夠的。我建議至少做三個(gè)維度。準(zhǔn)確率Precision的含義是推薦列表里用戶實(shí)際喜歡評(píng)分≥4的比例。比如推薦了10道菜用戶點(diǎn)了其中4道準(zhǔn)確率就是40%。計(jì)算方法是在測(cè)試集里把用戶評(píng)分行為隨機(jī)劃分成80%訓(xùn)練集和20%測(cè)試集用訓(xùn)練集學(xué)到的模型預(yù)測(cè)測(cè)試集里的評(píng)分行為。召回率Recall的含義是用戶喜歡的菜有多少被推薦出來了。如果用戶一共喜歡10道菜推薦列表覆蓋了其中4道召回率就是40%。覆蓋率Coverage的含義是推薦系統(tǒng)能推薦出的菜品占全部菜品的比例。覆蓋率太低說明系統(tǒng)總在推薦熱門菜長尾菜品永遠(yuǎn)沒曝光機(jī)會(huì)這在真實(shí)場(chǎng)景里是個(gè)問題。覆蓋率計(jì)算公式是推薦出去的不同菜品數(shù) / 菜品總數(shù)。三個(gè)指標(biāo)不能只看單一值。我在實(shí)驗(yàn)中發(fā)現(xiàn)UserCF在小數(shù)據(jù)集上準(zhǔn)確率往往比ItemCF高一點(diǎn)點(diǎn)但覆蓋率明顯偏低因?yàn)樗偘延脩粢颉按蠹叶紣鄢缘臒衢T菜”。ItemCF在覆蓋率上表現(xiàn)好得多這也是我最終系統(tǒng)把ItemCF作為主力、UserCF做補(bǔ)充的另一個(gè)原因。6.2 冷啟動(dòng)與稀疏性處理方案冷啟動(dòng)是推薦系統(tǒng)里繞不開的經(jīng)典問題也是答辯老師最喜歡追問的點(diǎn)。我的系統(tǒng)里用了一套分場(chǎng)景策略。新用戶冷啟動(dòng)分三步走注冊(cè)時(shí)收集口味偏好標(biāo)簽沒有評(píng)分時(shí)按口味標(biāo)簽推薦對(duì)應(yīng)分類的熱門菜品有少量評(píng)分后進(jìn)入混合推薦模式。新菜品冷啟動(dòng)的處理方式不同菜品剛上線沒有評(píng)分無法參與協(xié)同過濾計(jì)算所以需要在展示上給個(gè)“新品嘗鮮”入口讓新菜先獲得曝光和被評(píng)分的機(jī)會(huì)等積累到一定評(píng)分量再進(jìn)入推薦候選池。用戶冷啟動(dòng)的側(cè)重點(diǎn)不同如果只有個(gè)別用戶評(píng)分稀疏用“全局熱門榜”兜底推薦如果整體數(shù)據(jù)稀疏就增加評(píng)分引導(dǎo)交互比如推薦列表下方提示“點(diǎn)個(gè)評(píng)分推薦更懂你”。這些策略在實(shí)現(xiàn)上并不復(fù)雜但寫進(jìn)論文里很有價(jià)值體現(xiàn)的是你對(duì)推薦系統(tǒng)工程問題的理解深度而不僅僅是“我調(diào)了一個(gè)庫”。6.3 常見錯(cuò)誤和坑花式Debug實(shí)錄這個(gè)部分我整理了幾條我實(shí)際踩過的坑每一個(gè)都能節(jié)省你半天以上的調(diào)試時(shí)間。第一個(gè)坑是np.corrcoef返回全NaN。引起這個(gè)問題的原因是共同評(píng)分項(xiàng)方差為0比如兩個(gè)用戶對(duì)同一批菜全部打了5分。解決辦法是在用之前做NaN檢查或者手動(dòng)實(shí)現(xiàn)皮爾遜公式推薦后者自己寫公式還能加深理解。第二個(gè)坑是pandas的pivot_table用了fillna(0)之后評(píng)分矩陣變得極度稀疏。0在數(shù)學(xué)上等于“沒有評(píng)分”但在余弦相似度的計(jì)算里0直接參與運(yùn)算兩個(gè)“沒評(píng)過分”的菜品可能因此被判定為“不相似”。這個(gè)問題沒那么容易察覺因?yàn)槌绦虿粓?bào)錯(cuò)只是結(jié)果詭異。解決辦法是計(jì)算相似度的時(shí)候只取共同評(píng)分的維度也就是我前面代碼里common_mask的處理方式。第三個(gè)坑是評(píng)分表沒有唯一索引導(dǎo)致同一個(gè)用戶對(duì)同一道菜重復(fù)評(píng)分。從用戶體驗(yàn)上看用戶可能不小心點(diǎn)了兩次提交系統(tǒng)就記錄了兩次評(píng)分推薦結(jié)果會(huì)出現(xiàn)一種不合理波動(dòng)。解決辦法是建表時(shí)給(user_id, dish_id)加聯(lián)合唯一索引再用INSERT ... ON DUPLICATE KEY UPDATE做覆蓋式更新。第四個(gè)坑是推薦接口返回太慢。如果你每次請(qǐng)求都現(xiàn)場(chǎng)算相似度矩陣20個(gè)用戶、50道菜的數(shù)據(jù)規(guī)??赡芨杏X不出來但數(shù)據(jù)量上千后就會(huì)明顯卡頓。我建議把相似度矩陣的構(gòu)建放在一個(gè)獨(dú)立模塊里程序啟動(dòng)時(shí)預(yù)計(jì)算并緩存到內(nèi)存或數(shù)據(jù)庫推薦接口只做查表和Top-N排序?qū)崪y(cè)響應(yīng)時(shí)間能從1秒多降到50毫秒以內(nèi)。6.4 實(shí)操總結(jié)一步一步跑通全項(xiàng)目的順序我最后整理一個(gè)實(shí)操順序清單適合完全沒思路的同學(xué)按步驟執(zhí)行。第一步安裝Python環(huán)境并配置好pycharm或vscode裝好pandas、numpy、flask、pymysql等庫。第二步準(zhǔn)備數(shù)據(jù)優(yōu)先用公開數(shù)據(jù)集或自定義數(shù)據(jù)構(gòu)建rating.csv、dish.csv、user.csv三個(gè)文件。第三步單獨(dú)寫一個(gè)算法測(cè)試腳本用pandas讀數(shù)據(jù)、構(gòu)建評(píng)分矩陣、實(shí)現(xiàn)UserCF和ItemCF、輸出推薦結(jié)果并打印評(píng)估指標(biāo)這一步的重點(diǎn)是確認(rèn)算法邏輯正確。第四步搭建Flask項(xiàng)目結(jié)構(gòu)創(chuàng)建藍(lán)圖、模板目錄、靜態(tài)資源目錄。第五步設(shè)計(jì)數(shù)據(jù)庫表結(jié)構(gòu)并建表寫數(shù)據(jù)庫連接模塊。第六步實(shí)現(xiàn)注冊(cè)登錄、菜品瀏覽、評(píng)分提交等基礎(chǔ)功能。第七步把推薦引擎嵌入到推薦接口中做冷啟動(dòng)和混合推薦邏輯。第八步寫測(cè)試用例準(zhǔn)備論文里的截圖和測(cè)試數(shù)據(jù)。第九步按照論文章節(jié)結(jié)構(gòu)填充內(nèi)容PPT提煉核心邏輯。在做完這九步之后你會(huì)發(fā)現(xiàn)自己對(duì)推薦系統(tǒng)的理解已經(jīng)不是停留在“調(diào)了一個(gè)庫”的水平而是真正能講清楚“推薦結(jié)果為什么是這樣”的人。這種從原理到實(shí)現(xiàn)的閉環(huán)才是這門課真正帶給你的東西。最后分享一個(gè)我在實(shí)際測(cè)試中發(fā)現(xiàn)的規(guī)律協(xié)同過濾最怕的不是數(shù)據(jù)量少而是行為數(shù)據(jù)不真實(shí)。如果造數(shù)據(jù)時(shí)所有人都只打高分、不打低分推薦結(jié)果幾乎沒有區(qū)分度。所以不管是自己造數(shù)據(jù)還是找公開數(shù)據(jù)一定確保評(píng)分有高有低、用戶口味有差異這樣算法效果才能真實(shí)反映出來。數(shù)據(jù)質(zhì)量決定了推薦質(zhì)量這個(gè)道理在真實(shí)業(yè)務(wù)里一樣成立。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
婷婷综合精品视频97| 五月婷婷狠狠干| 天天色天天爽| 影音先锋人妻出差| 丁香五月婷婷偷拍| 婷婷丁香熟妇综合网| 亚洲无AV在线中文字幕| 五月婷婷狠狠久久| 无码九九| 天天婷婷色六月| 丁香六月综合| 五月天婷a在线| hd五月婷婷在线| 色偷偷狠狠| 久久五月天色婷婷| 精品成人无码A片观看香草视频| 色五月婷婷777| 色约约视频一区二区三区四区五区 | 专区无日本视频高清8| 91无码色色| 超级碰人人操人人干| 99操无码视频观看| wwwxxx五月婷婷小说| 99r这里| 播五月开心婷婷欧美综合| www.99色| 大香蕉伊人丁香五月| 久久综合婷| 在线中文字幕av| 婷婷五月天激情综合婷婷五月天激情综合 | 五月综合在线婷婷图片| 97婷婷丁香| 欧美日本日韩| 激情久久五月天| 中出内射的人妻视频| 激情五月婷婷在线观看| 欧美性生交xXxX久久久| 超碰人人艹| 五月天成人手机在线视频| 丝袜激情网| 99热青青草| 五月 丁香 欧美| 久久机热/这里只有精品| 天天插天天爽| 色欲影香| 色五月丁香伊人五月| 亚州色婷婷| 岛国在线观看91| 99日精品视频| 六月 丁香 视频| 开心五月婷婷| 91人人操人人| 99热综合| 第四色色色色色丁香五月天| 久久99热免费| 婷婷综合97| 色五月婷婷网| 激情五月综合网最新| 日日操日日干| 九九色色| 亚洲五月婷| 五月天婷婷五月| 五月婷婷六月丁香| 久久婷婷东京热大香樵| 99热777| 丁香婷婷大香蕉| 久在线综合69| www.五月激情红色| 久热超碰| 双性美人被调教到喷水A片| 亚洲人成网站999久久久综合| 色婷婷狠狠干| 99综合视频一体| 久久久久视剧HD| 久久综合网免费视频| 久久538| 99热热热99精品丁香| 中文字幕不卡+婷婷五月| 丁香五月六月婷婷殴美综合| 五月天婷婷色播综合在线| 99无码视频| www.五月天激情| 五月天婷婷色| 在线区区区| 噜噜噜久久| 九九热这里只有精品9| 在线,国产,色,热视频| 精品成人在线观看| 欧美天堂久久| 婷婷五月综合网| 五月婷婷 自拍| 亚洲另类婷婷五月综合| 成人中文网| 99久久精| 99re8在这里只有精品| 久久人人九| 激情五月丁香亭亭 | 俺也去五月婷婷丁| 99爱在线| 激情婷婷五月天伊人在线观看| 九九亚洲视频| 日韩在线视频中文字幕| 操久久网| 综合亚洲六月婷婷在线| 深爱五月天| 婷婷的99视频网站| 九九精品热| 国产.亚洲.欧洲视频在线| 久色资源| 五月天综合久久丁香91| 无码人妻激情| 婷婷五月色情天| 欧美五月婷婷| 黑人无码一区| 亚洲另类婷婷综合| 亚洲精久久| 91人人网| 99精品在线观看| 日本精品99网站| 91日精品| 九九热99免费视频| 99色色热热| 五月丁香综合啪啪| 精品99久久久久成人网站免费| 丁香婷婷色五月激情综合| 久久久8| 欧美在线干| 激情五月天婷婷| 九九热在线精品视频| 夜丁香综合| 丁香狠狠干| 99九九视屏| av国产精品| 丁香五月天天日| www.狠狠| 亚洲 五月 婷婷 成人| 日韩成人不卡| 天天久| 五月花激情网| 另类A片| 国产精品人妻欲求不满| 色色色五月婷婷| 包操45分钟网站| 丁香五月天婷婷中文| 午夜天堂一区人妻| 五月激情婷婷丁香天堂| 久久久久婷婷| 亚洲综合激情五月久久| 精品成人无码A片观看香草视频 | 色99久草在线| 丁香五月色五月| 五月丁香色婷婷久久| 色久九| 亭亭色网| 五月天激情小说| 狠狠狠狠狠草| 99热精品观看| 欧美大肥婆大肥BBBBB| 六月丁香综合网| 日日操夜夜操中国无码| 久久婷婷丁香| 色.五月综合网| 无码人妻一区二区三区四区| 日韩有码一区| 生活片五区| 国产欧美日韩性爱| 久久婷婷网址| www.五月丁香| 天天操屄网| 琪琪色热色色| 久久99久久99精品,久国产,久久精品免费,99久在线,久久久久国产精品免费网站,9 | 精品热青草| 精品国产va久久久| 久久激情视频| 婷婷丁香激情五月天色色色| 激情丁香九九五月综合网| 亚洲日韩国产黑丝黑丝AVAV一区二区三区| 狠狠五月婷婷| 粉嫩av蜜桃av蜜臀av| 丁香五月天欧美成人| 男人的天堂婷婷色五月| 97碰碰人人| 色小说婷婷五月天天天| 99热综合色图| 狠狠插.com| 天天操夜夜操| 99精品久久久久久久婷婷久久| 大香蕉狠狠爱主页| 日日躁夜夜躁狠狠久久AV| 99热精品免费在线观看| 色婷婷XXXXX| 日日操夜夜擼| 99激情网| 99热精品在线播放| 热的国产,热的综合,热的有码 | 色婷视频| site:wpjngj.com| 7777久久亚洲中文字幕| 丁香五月激情网| 色色色成人网| 丁香五月天天日| 熟美女麻豆| 国产在线aaa片一区二区99| 91色色色18| 超碰在线免费观看日韩| 久久婷婷热| 欧美激情凹凸丁香网| 五月婷婷综合激情网| 亚洲正能量欧美| 五月婷亚洲精品AV天堂| 2025年最新亚洲在线欧美| 九九色图| 国产无人区大片| 搡BBBB搡BBB搡五十| 日本婷婷| 人人人操97| 久久永久网址| 五月婷婷色播| 97偷拍在线视频| 精品人妻伦一二三区久久| 六月婷婷啪啪| 97色色色| 婷婷丁香激情综合色情| 五月婷婷色吧!| 色婷五月| 五月婷婷综合久久| 91亚洲免费片| 碰碰碰碰碰99| 大香蕉久久综合网| 国产精产国品一二三在观看| 91超级碰| 色婷五月天| 亚洲色图五月丁香| 99热在线看| 操你av| 日本色婷婷五月天成人电影| 第四色色六月色综合| 超碰在线视屏| 中文字幕永久免费| 日本久久高清| 五月天婷婷色色| 碰碰女| 婷婷五月无码| 在线超碰91| 色五月色五天色情网址| av网站免费在线| 99精品偷自拍| 91 九色大美女| 99久视频| 香蕉AV777XXX色综合一区| 久久怡红院| 91精品久久久久久77777| 激情丁香五月婷婷| 涩五月婷婷| 伊人五月综合网| 夜夜综合色| 婷婷五月天成人网站| 天天添天天摸天天天天做| 色色婷五月天| 婷婷五月丁香五月天| 色综合色综合色综合高潮| 六月丁香成人| 91婷婷五月天综合视频| 99人人操人人摸| 日日操,天天操| 婷婷综合在线观看视频| 可以看的AV网站| 婷婷五月综合激情免费视频| 天天做天天爱| 91日日日| 天天搞天天爽| 亚洲妇女熟BBW| 国产亚洲精品AAAAAAA片| 狠狠色噜噜狠狠狠888| 伊人色综合网| WWW.国产| 五月激情四射网站| 99丁香婷婷综合网| 久热精彩视频98| www。五月,com| 丁香婷婷AV| 色五月天婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷 | 九九视频在线观看| 婷婷的色色五月天| 色99视频| 综合五月天| JAPANRCEP老熟妇乱子伦视频| www.久久爱| 狠狠综合网| 激情丁香五月| www.久久色.com| 久久99免费视屏| 黄久久久| 国产韩日亚洲美州欧亚综合在线| 操国产人妻| 天天肏天天插| 很很干天天干| 99色网站| 精品久久99| 免费观看18视频网站| 草草女人亚洲| 冬月かえでAV无码播放| 亚洲不卡| 天天操夜夜夜拍拍拍| 五月丁香久久呀| 婷婷久久亚洲| 五月天大香蕉| 国产免费性爱| enecarbon-materials.com污K127封锁请涟系@wip1688 | 人人操AV| 九九九九九九热| 啪啪操网| 婷婷色婷婷| 婷婷五月俺要去| 人妻精品久久久久久| 日日爱激情| 色色色婷婷五月| 97在线精品| 8050一级网| 欧美超碰亚洲| 丁香婷婷人妻| 五月久久丁香| 99热精品中文字幕| 国产操B| 国产资源在线视频| 丁香五月AV在线| 久色欧美| 精品人妻一区二区| 色99欧洲色19| 亚洲九区| 玖玖资源天天无码| 人妻操逼视频| 欧美日韩一区二区三区四区| 亚洲精品99| 婷婷六月久久| 九九九九这里只有精品| 99久久偷拍视频| 五月丁香色| 亚洲五月天综合| 这里只有精品视频在线| 色婷婷丁香A片区毛片区女人区| 五月天色色色网| 97人人做| 五月丁香花激情综合网| 五月天啪啪啪| 精品导航在线x不卡| 大香蕉手机视频| site:feetmall.com| 亚洲综合久| 日韩av手机在线观看| 五月婷婷七月丁香| 五月婷丁香久久久| 影视av久久久噜噜噜噜噜三级| 嫩草AV久久伊人妇女超级A| 日本久久极品| 亚洲欧洲自拍图片专区五月天| a久久| 丁香五月激情图片婷婷 | 色五月AV| 99色.com| 久久成人精品视频| 九九黄色网| 影音先锋男士资源网一区| 激情综合五月丁香| 久久久久人妻| 精品热九九| 亚洲精久久| 天天爱天天狠天天透| 在线观看国产高清视频免费网站 | 99热在线播放| chaopengdaxiangjiao| 国产avapp 网| 五月天精品视频| 一点色成人网| 九九热这里只有精品5| 婷婷丁香色五月| 91九色在线| 97碰免费精采视频| 一级性爱视频| 久久婷婷五月综合色区| 国产va在线视频| 欧美啪啪9| 五月丁香久久| 日韩有码一区| 蜜桃五月天色| 国产乱妇无乱码大黄AA片| 色五月激情综合网| 日本在线视频播放91| 九九99精品免费播放| 中文字幕在线日亚州9| 狠狠狠狠狠干| 久久99免费视频| 五月天自拍网| 欧美交换配乱吟粗大25P| 五月丁香久久网| 饮料下药迷倒漂亮女同事强干| 日韩av变天就操逼不卡区| 久久丁香| 99久久婷婷国产综合| 色色丁香五月| 亚洲va欧洲va国产va不卡| 熟妇无码乱子成人精品| 色婷婷色五月另类综合| 99热精品中文字幕| 日本99久久| 日本啪啪网| 日本在线视频看se99| 激情丁香五月天图片| 伊人婷婷激情| 天天碰夜夜操| 五月丁香亚洲五月| 欧美怡红院黄站| 久久激情综合| 香蕉AV777XXX色综合一区| 激情五月天噢美| 亚洲成人综合在线| 97色婷婷| 99热自拍| 袁子仪视频观看| 久久婷婷六月综合| 亚洲色色色色色色色色色| 亚洲99综合| 成人丁香色| 伊人玖玖精品| 99久在线观看| 五月激情婷婷在线| 99re思思热在线视频| 亚洲五月花| AV伊人青草丁香六月| 日韩无码色色| 五月婷婷六月丁香激情深爱| 婷婷五月天成人| 五月天婷婷一起草| 国产精产国品一二三在观看| 亚洲久热无码| 成人免费视频一区| 99色五月| 99色视| 中文字幕成人| 激情五月婷婷在线区| 无码激情AAAAA片-区区| 99视频在线观看欧| 91九九热| 无码髙清| 丁香五月天AV在线| 精品一二三区久久AAA片| 婷婷九月激情| 91呦呦呦| 色综合久久88色综合天天看| 久久xxxx| 国产做爰视频免费播放| 狠色狠色综合久久| 激情久久丁香| 99热在这里只有精品| 色视频2025| 99操| 色情综合网| 婷婷之玖玖| 秋霞AV淫| 亚洲AV成人在线| 99性爱视频| 开心综合激情综合| 69精品人妻不卡视频| 色三级色三级| 中文字幕+乱码+中文字幕在线观看| 农村熟妇高潮精品A片| 丁香婷婷色五月合集| 91丨人妻丨国产丨丝袜| 91玖玖| 在线国产精品色| 97精品人人A片免费看| 欧美久久婷婷| 91狠狠色色丁香婷婷综合久久| 婷婷导航| 新激情五月开心五月婷婷五月丁香五月| 99精品久| 久9视频| 丁香五月第九色| 一本婷婷丁香久久| 精品人人操| 69五月天视频| 五月亭久久无码视频| 丁香色婷婷| 亚洲综合丁香婷婷六月天| 亚洲精品九九| 欧美丁香婷婷五月| 欧美成人A片AAA片在线播放| 99碰碰| 逼特逼在线免费播放| 久久人妻伊人| 久热这里只有精品性色AV| 99精品丁香五月| 99精品在线| 婷婷色在线| 丁香花大香蕉婷婷综合| 狠狠久久婷五月| 欧美日韓成人亚洲精品另类| 婷婷久久影院| 国产XXXX搡XXXXX搡麻豆| 五月人妻婷婷视频| 开心 五月 综合| 丁香五月婷婷久久久| 国产成人网| 五月天婷婷伊人| 91热久| 九九热免费视频| 开心五月深爱激情| 久久黄A片| 天天干天天av天天射| 色99日韩| 久久机热这里只有精品| 91欧美| 97操女视频| 五月婷色| 色色日本欧美| 久久开心五月婷婷| 中文字幕婷婷五月天| 99热免费18| 91九色精品熟女内射| 尔尔AV一区| 五月婷婷亚洲综合网| 婷婷午夜精品久久久| 伊人免费视频9| 国产成人99久久亚洲综合精品| 99爱无码| 伊人干练久| 91无码视频| 一区二区乱视频码| 中文字幕日本最新乱码视频| www色色色com| 99爱在线视频| 国产乱妇乱子伦| 国产精品色色666| 国产av影片| 九九中文色色| 综合色图婷婷| 色婷婷五月天| 99re在线观看| 久久思思热| 这里只有精品9| 这里只有精9| 99热国内精品| 激情五月,激情综合网| 五月丁香婷婷伊人日韩| 免费看欧美成人A片无码| 任你操精品免费| 日日夜夜婷婷| 999影院成人在线影院| 婷婷五月天 偷拍| 色噜噜狠狠色综合日日| 亚洲情色一区| 99热99天堂| 色色欧美色色色| 五月天婷婷综合网| 五月色丁香| 久草视频一,二三四| 日本高清综合网五月丁香| www.sezonghe| 激情久久天天| 五月天婷婷乱| 新激情五月开心五月婷婷五月丁香五月| 六月色婷婷色| 久久丁香| 丁香六月婷月91婷月| 欧美久久婷婷| 任你日视频| 九九99香蕉在线视频播放| 久草视频大香蕉99| 国内久久婷婷| 九月婷婷综合在线| 久久久精品婷婷五月天| AAA级久久久精品| 亚洲精品字幕在线观看| 青草青草视频2免费观看| 国产99热| 五月天色五月| 99ER热精品视频| 亚洲精品一区中文字幕乱码| 色色丁香| 欧美日本日韩| 九九99九九精品免费| 成人无码髙潮喷水A片| 五月婷婷激情综合| 疯狂做受XXXX高潮A片动画| 色九月| 久久亚洲婷婷| 少妇被躁爽到高潮无码文| 日本99久久| 激情婷婷五月天| 欧美99| 五月综合激情婷婷六月色窝| 欧美成人精品A片免费一区99| 婷婷天堂综合| 婷婷久久综合| 青青草免费公开视频| 成人无码精品1区2区3区免费看| 亚洲色无码A片一区二区麻豆| 少妇伦子伦精品无吗| 久久久国产精品黄毛片| 69久久久| 五月色亚洲| 五月天天综合| 色,激情五月天| 色婷婷成人丁香| 丁香五月成人论坛| 色色综合网络| 婷婷大乡焦噜噜| 丁香五月日韩| 99亚洲精品| 操人妻AV| 激情婷婷22月间| 99热99思午夜精品| 欧洲亚洲免费视频9| www久久99| 激情丁香五月天综合| 国产熟女一区二区三区五月婷| 欧美狠狠草| 夜夜夜叫天天天做| 五月婷婷av| 九九99九九99偷拍视频免费看| 五月色综合| 欧美交换配乱吟粗大25P| 婷婷丁香成人色综合| 五月婷中文娱乐综合| 成人免费高清在线播放| 9九热视频| 久久婷婷五月综合色播| 欧美五月丁香| 天天日天天爽夜夜爽| 人妻丰满精品一区二区A片| 丁香六月天婷婷色| 99 re视频一区| 亚洲性爱干干| 五月丁香婷婷俺| 色婷婷五月综合在线| 五月天激情综合| 丁香五月婷中字在线| 婷婷字幕在线| 亚洲啪啪啪啪| 色婷婷狠狠色| 99丁香五月婷| 国产美女无遮挡裸体毛片A片 | 性欧美大战久久久久久久83| 99热www| 香蕉综合网| 黄涩毛片| 丁香久久久| 色婷久久| 婷婷丁香五月社区亚洲| 丁香五月另类色婷婷麻豆| 人妻射精AV| 婷婷色色欧美| 五月天婷婷影院影院| 六月丁香五月婷婷| 午夜不卡久久精品无码免费| 日韩无码91| 天天摸,天天爽| 五月婷婷丁香婷婷| 99ER热精品视频| 激情图片久久| 精品九九视频| 婷婷精品在线| 91高潮喷水久久久久久久久 | 人妻操在线看| 午夜免费试看| 久久激情四射| 精品婷婷五月天| 日韩综合久| 人妻丰满精品一区二区A片| 精品女人九九九| 另类小说五月天激情| 精品女人九九九| 五月丁香花成人社区| 碰碰女| 第四色26uuu| 欧美一级色| 大香蕉视频99| 五月花综合网| 人人干99| 久久涩视频| 99riAV国产精品视频| 欧美综合激情五月| 色五月天中文字幕| 无码髙清| 色九月丁香婷婷蜜桃在线观看| 五月婷婷六月丁香免费| 五月丁香性| 亚洲婷婷性爱| 婷婷久久午夜网| 亚洲最大视频| 九久久婷婷| 色五月婷色彩免播放器| 婷婷综合亚洲| 久久99免费视频| www.五月天性.com| 99热国产免费| 99色中文| www.99热视频| 操逼亚洲天堂| 欧美综合婷婷欧美综| av色婷婷| 丁香六月av| 国际国外精品欧洲南美洲专区无码不卡| 丁香五月综合| 啪啪啪丁香五月| 欧美色六月婷婷| 色色五月婷婷| 国产五月天婷婷| 激情五月天小说|五月天开心激情网|亚洲精品国产自在现线|黄色五月天 | 天天干天天爽| 五月婷婷av| 超碰人人干| 久久天堂女人| 丁香婷婷伊人| 亚洲精品又粗又大又爽A片| 久久丁香婷婷五月天| 99热这里只有精品9| 婷婷婷婷午夜| 五月激情久久综合| 丁香五月成人| 激情综合5月| 97热这里只有精品| 婷婷五月电影院| 丁香婷婷九月| 99玖玖在线视频| 99网| 4438国产免费看| 久久婷婷激情视频| httpwww色com日本| 韩国久久少妇视屏| seuuu婷婷| 久久99这里只有精品视频| 99无码| 玖玖99福利| 婷婷九月| 九九这里有精品视频| 五月丁香六月婷| 久久最新色色色| 久久激情五月婷婷| 欧美日本VA| www.婷婷五月天.com| 久久久久亚洲AV成人无码电影| 天堂久久婷婷| 色噜噜狠狠色综合成人网| 精品爆操| 国产9色在线/日韩| 91天天操天天干天天射| 五月香蕉婷婷| 97碰碰视频| 色9月| 9l视频自拍9l九色9l成人| 五月婷婷六月综合| www.日韩国产| 天天综合色| 色情五月天小说| 激情四射五月天| 丁香婷婷偷拍| 欧美综合激情| 五月开心深爱激情网| 99人人干人人操| 天天摸天天透天天舔| 大香蕉久久久久久久久| 国产日韩欧美性生活| 久久婷婷午夜| 久久这里这里有精品免费视频| 色五月综合| 五月丁香综合精品| 丁香六月丁香婷婷激情| 丁香五月综合AV在线| 77777亚洲午夜久久| 91狠狠色丁香| 99精品热| EEUSS鲁片一区二区三区| 人人干人人操人人摸人人做| 9九九久久精品无码专区| 狠狠操性爱av| 超碰在线中文字幕| 激情五月六月婷婷| 色五月开心五月激情五月| 伊人婷婷福利网| 五月婷婷六月少妇激情| www.婷婷,com| 久久九九免费视频| 色五月婷婷五月久久| 永久天堂日本| 99在线视频精品| 久久丁香五月综合六月激情红杏视频| 激情综合五月婷婷| 99综合免费视频| 久9精品| 亚洲色在线观看| 色综合xx| 色婷在线视频| 直接看的AV| 丁香婷婷久久老熟女综合网| 久操人| 色欲天天综合| 日 日干 日日做| 六月婷婷青青青视频| 婷婷五月天综合网| 久久这里都是精品视频| aV欲望人妻中文字幕| 激情五月天婷婷| 欧美婷| 六月婷婷色色色| 精品人人操| 色婷婷色五月丁香| 大香蕉九九操| 大香蕉久久| 六月婷婷七月丁香| 五月丁香在线| 日本成人噜噜| 天天肏夜夜肏| 99综合97| 天天射美女| 亚洲婷婷婷| 亚洲爱婷婷| 久久精彩视频| 丁香色综合| 日韩成人无码人妻| 久久久精品婷婷五月天| 色五月综合| 99热 免费| 99婷婷色| 日本久久99| 久久激情五月婷婷| 婷婷五月花免费视频在线| 伊人大香久久| 日日日日日| 亚洲va在线∨a天堂va欧美va| 九九色之九九色88| 2018夜夜草| 国产成人+综合亚洲+天堂| jiujiu无码五区| 亚洲色图81p| 性生生活大片又黄又| 色婷五月天| 五月综合缴情网| 欧美va亚洲va| 欧美性久| 9久久狠狠的| 啪啪综合| www.色擼擼.com| 丁香色婷婷| 婷婷伊人綜合中文| www.91色| 五月婷婷六月丁香玖玖玫瑰91| 很很干在线视频| 欧美婷婷日本| 色黄啪啪| 国产69久久久欧美黑人A片| 九热...av| 丁香婷婷视频一区二区| 丁香五月天色综合| 激情综合99| 狠狠干狠狠操狠狠爱| 午夜少妇在线观看视频| 九九性视频| 26uuu精品一区二区| 五月丁六月婷| 99这里精品| 丁香伊人网| 狠狠干在线| 九色99视频| 久久久国产精品黄毛片| 99精品视频网站| 精品99在线| 天天色宗合| 色婷婷先锋| www。五月天激情| 狠狠色丁香久久婷婷综合五月| 国产av天天插天天操天天爽| 激情综合五月天| 婷婷久久五月| 日本女人久久| 中文av网站| 密乳视频| 九九视频精品这里只有| 99热大全在线观看| 91一起操| 久久大香蕉同僚| rr天天操| 直接看的AV| 五月五丁香婷婷| 亚洲激情无码久久| 久热久色| 久久99久久99精品免观看粉| 婷五月天丁香婷五月| 激情综合网激情五月丁香五月俺也去| 麻豆AV一区二区三区| 九九热视频精品| 久久五月激情| 99干视频| 色色AV色色色东莞| 五月丁香六月停停| 丁香六月视频| 色婷婷丁香五月在线| 成人噜噜网| 天天干,天天舔| 亚洲色综合| 国产成人av在线播放| 久色激情| 大香蕉狼人久久| 黄色一极大片| 黄色91在线观看| 日韩无码人妻一区二区| 久久婷婷大香蕉| 性爱五月婷| 色综合久久8| 久久五月天 91| 午夜AV网| 丁香五月激情啪啪综合| 99色综合久久| 美国少妇性做爰| 国产乱子轮XXX农村| 99爱爱| 五月丁香综合网| 开心五月深爱五月| 激情五月丁香五月| 丁香五月婷婷基地| 超碰人人在线| 丁香五月婷婷在线| 色婷婷色99国产综合精品| 香蕉久久国产AV一区二区| 9+1视频网址| 国产一区二区三区影院| 九九色逼| 亚洲精品久久久无码| 日本欧美成人片AAAA| 91久女| 婷婷香蕉香| 九九99九九精品视频| 青草青草久9视频在线视频| 97超级操操| www.五月天婷婷| 国产精品久久..4399| 丁香五月网站| 思思热在线视频观看精品| 国产六月婷婷| 日日想日日夜日日操| 午夜激情五月| 狠狠摸狠狠摸| 色婷婷六月天| 婷婷俺去也| 久久精品国产一区二区三区四区| 黄色国久久| 五月婷三级片| 婷婷五月六月丁香| 超碰在线看| 色五月婷婷网| 婷婷五月色综合香五月| 97婷婷五月丁香| 99热主页日本| 琪琪秋霞| 天天干天天射综合网| 五月综合无码| 久久九九热视频| 久久婷婷五月天激情四射| 天天做天天爱天天玩| 久综合网| 99热| 26uuu成人网| 秋霞少妇毛片| 夜夜 操无码| jiujiu无码五区| 欧美日韩AAA| 日本九九视频| 激情六月天| 色五月情| 色99超碰| 九九久久精品| 五月天激情网页| 婷婷五月天亚洲丁香| 丁香五月天激情综合| 五月天伊人网| 久久久久久久久18久久| www.射伊蕉婷婷| 丁香激情五月综合网| 午夜丁香五月天综合| 嫩草视频在线观看| 最近韩国日本免费高清观看| 微拍92| 丁香九月激情| 久久五月婷婷开心网| 激情丁香六月| 国产真实乱了老女人视频| 91色碰| 丁香五月六月久久综合| 五月天婷婷黄色| 国产精品日日躁夜夜躁| 99精品国产在热久久| 日本九九九九九九| 六月丁香五月激情亚洲AV| 一本伊人色婷| 亚洲婷婷91丁香| 女人被躁到高潮嗷嗷叫小| 久久久久激情网| 国产va在线视频| 综合激情视频| 99热99在线| 久久婷婷亚洲无码一起| 97色色色视屏| 九九热最新| 亚洲精品V天堂中文字幕| 日韩黄色电影| 丁香六月视频| 人妻激情在线| 怎么样可以看免费的一级av| 九九色影视| 色五月丁香五月婷婷五月成人网| 99热超碰| 色综合视频在线| 婷香五月| 狠狠激情五月天| 玖玖热视频| 91亚洲视频| 99热思思在线观看| 伊人色综合久久久| 99久久婷婷精品视频| 日本人人干| 婷婷五月天综合色| 久久综合九九| AV免费在线网站| 另类图片激情五月天| 激情www| 久热免费视频| 久久9视频欧美| 黄色笑话深爱激情网丁香五月婷婷啪啪啪啪啪 | 啪啪婷婷五月天激情| 大陆极品少妇内射AAAAAA| 亚洲av无码精品色午夜| 亚洲成色综合网站免费观看| 色综合天堂| 色约约视频一区二区三区四区五区| 很很操96| 亚洲AV成人在线| 婷婷久久在线| 去干网最新版本亚洲版| 久色视频| 五月丁香综合影院| 婷婷九月丁香久久| 亚洲人人操| 大香蕉中文| 天天干夜夜谢| www.丁香黄色五月天人与| 婷婷六月丁香开心深深爱| 欧美性猛交99久久久99| 92久久久| 亚州性爱99| 九九热精品视频在线观看| 美女网黄| 99精品视频在线观看| 亚洲精品第一国产综合亚AV| 婷婷五月天视| 成人在线日韩| 亚洲无码你懂的| 婷婷亚洲色| 日本色色影片| 久久精品国产色| 深爱激情五月婷婷| 噜噜五月天综合| 五月天婷婷丁香花| 国产精产国品一二三在观看| 六月丁香花婷婷| 日本超碰在线| 婷婷欧美综合| 五月天婷婷无码视频| 欧美久久九九| 婷婷五月丁香成人| 天天日天天色| 精品九九在线观看视频| 啪啪综合网| 五月婷在线影院| 大香蕉99热| 久久婷婷啪啪视频| 精品女人九九九| 色综合丁香婷婷| 99久在线精品99re5热视频| 九九精品碰| 天天干天天叉| 五月婷婷六月激情| 影音先锋 91工厂| 色综合久久之分久久| 丁香五月在线伊人| 色婷婷五月天在线观看| 色五月xxx| 婷婷五月天av| 99热20| 五月婷婷六月天| 色色色色欧洲| 美女五月天| 五月丁香婷婷爱激情综合网| 激情五月综合网| 成人日韩欧美| 五月婷婷开心网| 色欲天天综合| 婷婷五月电影| 丁香五月WWW| 五月天综合| 98永久精品| 99九九在线观看免费| 99热99极品观看| 五月丁香久久网| 婷婷久月| 色色色热热热| 色综合爱综合| 久热一区| 天插天啪天啪天啪| 丁香五月婷婷色综合| 狠狠干五码| 九月性爱网| 开心五月婷婷婷美女| 91在线操| 色婷婷超碰| 亚洲色五月| 激情五月丁香五月| 天天久久人人| 色色色网站| 激情久久五月网| 丁香伊人五月色婷婷五十路| 欧美激情VA永久在线播放| 激情AV在线| 99在线精品观看99| 国产67194| 久久久婷| 色婷婷五月天综合网| 99久久超级| 色五月色五天免费视频| 精品久久9| 天天干天天操天天爽| 欧美激情五月天在线观看| 亚洲中文字幕在线电影| 色五月婷婷五月天| 久色网| 噼里啪啦完整版中文在线观看| 美女主播野战视步页| 天天色五月婷婷91久久久久久久| 五月天激情图片| 97碰在线| 嫩草AV久久伊人妇女超级A| 五月深爱激情网| 丁香九月综合在线| 九色视频91疯狂| 一區四區歐美日韓| 五月丁香久久激情综合| 99色色视频| 欧美性二区| 影音先锋男人站,影音先锋男人色资源网,影音先锋AV最新资源站,影音先锋AV资源 | 天天干人人奸97| 日本色爽| 97碰在线视频| 国产精品久久久久久亚洲毛片| 玖玖资源站视频| 六月丁香婷婷色狠狠久久| 俺去也五月天婷婷| 日韩按摩二区| 9l视频自拍9l九色9l成人| 久热大香蕉| 九九爱激情| 色综合久久99色| 欧美经典片免费观看大全| WWW.99热| 丁香蜜臀黄色婷婷五月天| 五月天激情婷婷| 综合图区激情| 色噜噜夜夜夜综合网| 丁香五月激情视频在线| 五月综合视频| 婷婷丁香五月综合网上| 人妻22p| 荫道BBWBBB高潮潮喷| 五月婷婷在线免费| 再綫Av免费視品| 91伦| 婷婷五月天社区| www夜夜操comwww| 六月婷婷综合久久| 成人午夜天| 五月丁香色综合| 色五月丁香一区在线| 18久久| 91精品综合久久久久久五月丁香| 成年人丁香五月| 五月婷婷啪| 亚洲精品无码A片一区二区| 五月色综合| 五月社区婷婷激情| 国产性爱一级| 色综合综合综合| 久久精品视频99| 五月丁香色婷婷综合| 美女黄频aⅴ视频| 五月天操逼激情| 91chinese在线| 丁香五月天成人| 婷婷色五月婷婷姐妹| 久久超视频| 日曰躁夜夜躁2026| 啊v视频在线观看| 激情婷婷网| 久青青久| 婷婷五月丁香色综合| 一本道在线电影| 99熟女| 亚洲日日操| 婷婷激情丁香五月婷婷激情丁香五月婷婷| 久久九九九九| www久久99| 婷婷五月成人| 天天日天天干天天插天天射| 欧美色五月| 婷婷狠狠干| 久久婷婷伊人| 99狠狠色| 五月六月婷| 五月婷人妻| 色色操| 激情爱爱网站超大免费| 免费看欧美成人A片无码| 色三级色三级| 精品人妻一区| 婷婷五月激情在线| 久久在线视频只有这里有精品| 亚洲精品国产setv| 免费在线a| 雪千夏麻豆| 欧美交换配乱吟粗大25P| 久久婷婷色| 久婷久婷| 激情五月天在线| 99日本黄站| 五月天丁香婷婷社区| 婷婷丁香成人色综合| 欧美婷婷| 色色色在线观看| 天天色天天爱天天爽| 天天综合插插| 女同激情久久av久久| 大香久久伊人网| 丁香婷婷浪潮AV久久综合| 激情小说视频图片| 91人操人人人操人| 无码99| 97韩国久久电影院| 六月婷婷狠狠| 轮奸综合网| 五月天成人综合| 超碰色综合| 婷婷丁香综合| 99精品综合在线| 激情综合五月丁香六月婷婷| 五月丁香婷婷五月色| 八戒青柠影视剧在线观看| 99成人在线观看| 婷婷深爱五月天| 五月天综合在线| 丁香蜜臀黄色婷婷五月天| 野战毛片三一3| www,色色色网站| 六月丁香婷婷网| 丁香五月网| www.sd-xiangsu.cpm| 婷婷久久免费看| 久久香蕉影院| 九九综合精品| 狠狠综合网|