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)營的一線實戰(zhàn)洞察。

基于協(xié)同過濾的Java電影推薦系統(tǒng)源碼實戰(zhàn)

基于協(xié)同過濾的Java電影推薦系統(tǒng)源碼實戰(zhàn) 簡介基于協(xié)同過濾算法的Java電影推薦系統(tǒng)源碼面向Java開發(fā)者、電影類流媒體平臺及相關(guān)專業(yè)學(xué)習(xí)者。系統(tǒng)通過分析用戶歷史行為數(shù)據(jù)提取偏好特征并智能推薦符合口味的電影適合課程設(shè)計、畢業(yè)設(shè)計參考或二次開發(fā)起點。壓縮包共76個文件包括38個Java源文件、15個JSP頁面、10個XML配置、2個SQL腳本及JS、CSS等業(yè)務(wù)邏輯、頁面展示與數(shù)據(jù)庫腳本分層存放整體結(jié)構(gòu)清晰壓縮包大小僅1.1MB下載部署輕量。目前已有823人學(xué)習(xí)/下載受到開發(fā)者關(guān)注。源碼可直接導(dǎo)入常見IDE運(yùn)行配合SQL腳本快速初始化數(shù)據(jù)庫幫助理解協(xié)同過濾算法從評分矩陣構(gòu)建、相似度計算到TopN推薦的完整落地過程同時可借鑒JSPServlet風(fēng)格的Web分層設(shè)計、數(shù)據(jù)訪問與接口組織方式是JavaWeb與推薦系統(tǒng)入門及項目實戰(zhàn)的高性價比參考。1. 基于協(xié)同過濾算法的Java電影推薦系統(tǒng)源碼它解決什么問題值不值得照著做你手頭有一個電影站的后臺每天進(jìn)來幾千用戶留下幾萬條點擊和打分但首頁只能按時間或熱度排運(yùn)營問你“能不能給每個人推不一樣的電影”。這個標(biāo)題給的就是一條能直接落地的路線基于協(xié)同過濾算法的Java電影推薦系統(tǒng)源碼從數(shù)據(jù)表設(shè)計、相似度計算到Top-N推薦接口全部用Java技術(shù)棧實現(xiàn)不依賴Python服務(wù)、不引入Spark一臺普通服務(wù)器加MySQL就能跑起來。它適合三類人做Java課程設(shè)計和畢業(yè)設(shè)計的學(xué)生接私活需要快速交付推薦模塊的工程師以及正在刷java基礎(chǔ)面經(jīng)、隨時可能被問到“協(xié)同過濾怎么算、缺點是什么”的求職者。后面我會拆成算法選型、數(shù)據(jù)建模、核心代碼、工程接口和踩坑記錄五塊每一步都能照著抄也能照著排錯。2. 協(xié)同過濾算法選型UserCF與ItemCF的取舍以及Java實現(xiàn)前的數(shù)據(jù)準(zhǔn)備協(xié)同過濾不是一種算法而是一族算法落地前如果選錯方向后面寫多少代碼都救不回來。這一章先解決兩個問題你的場景到底選UserCF還是ItemCF以及算法跑起來之前評分?jǐn)?shù)據(jù)應(yīng)該以什么形態(tài)裝進(jìn)Java內(nèi)存。2.1 UserCF還是ItemCF先看你的用戶量和電影量協(xié)同過濾分兩派基于用戶的UserCF和基于物品的ItemCF。UserCF先找出和你口味最接近的一批用戶再把這批用戶看過而你沒看過的電影推薦給你ItemCF反過來先算出電影和電影的相似度然后從你自己打過高分的電影出發(fā)找沒看過的相似片單。兩者數(shù)學(xué)上都在算相似度矩陣但適用場景差的非常多。我的經(jīng)驗是用戶量遠(yuǎn)大于物品量的場景UserCF會先崩。比如一個電影站有50萬注冊用戶、1萬部電影UserCF要算50萬乘以50萬的用戶相似度矩陣那就不叫推薦系統(tǒng)叫內(nèi)存殺手。反過來物品量遠(yuǎn)大于用戶量的場景ItemCF的物品相似度表同樣會爆炸。電影推薦的典型特征是物品穩(wěn)定、用戶量大業(yè)內(nèi)普遍首選ItemCF做主力UserCF用來做“和你口味相似的人也在看”這種社交化榜單兩個一起上也沒問題。在這套源碼里我會把兩個都實現(xiàn)通過配置文件切換默認(rèn)走ItemCF。這樣既方便交作業(yè)時講清選型理由也方便你拿同一份數(shù)據(jù)做對比實驗。還有兩個必調(diào)的參數(shù)相似度閾值和鄰居數(shù)K。我一般把“相似度低于0.1的鄰居直接扔掉”做成常量配置而不是散落在代碼里后面調(diào)參時只需要改配置文件不用重編譯。2.2 MovieLens數(shù)據(jù)集與Java實體建模從CSV到User-Rating矩陣推薦系統(tǒng)沒有數(shù)據(jù)就是空中樓閣最常見的做法是拿MovieLens開源數(shù)據(jù)集里面包含users、movies、ratings三個文件。ratings文件每行是“userId::movieId::rating::timestamp”評分是1到5的整數(shù)這個字段格式直接決定了Java代碼里怎么切分字符串。把這份數(shù)據(jù)映射成Java對象最少只需要兩個東西一個Rating實體類和一個能裝載整個評分矩陣的DataLoader。下面這段代碼先定義了Rating實體再用一個方法把CSV解析成嵌套Map。為什么用Map而不是二維數(shù)組假設(shè)1萬個用戶、1萬部電影稠密二維數(shù)組要開1億個格子double[][]占用約800MB內(nèi)存而真實評分記錄可能只有10萬條。稀疏Map只存放有的位置內(nèi)存占用能降一個數(shù)量級。public class Rating { private int userId; private int movieId; private double score; private long timestamp; public Rating(int userId, int movieId, double score, long timestamp) { this.userId userId; this.movieId movieId; this.score score; this.timestamp timestamp; } public int getUserId() { return userId; } public int getMovieId() { return movieId; } public double getScore() { return score; } public long getTimestamp() { return timestamp; } }public class DataLoader { public static MapInteger, MapInteger, Double loadRatings(String path) throws IOException { MapInteger, MapInteger, Double userItemMap new HashMap(); try (BufferedReader br new BufferedReader(new FileReader(path))) { String line; while ((line br.readLine()) ! null) { String[] fields; if (line.contains(::)) { fields line.split(::); } else { fields line.split(,); } if (fields.length 3) { continue; } try { int userId Integer.parseInt(fields[0]); int movieId Integer.parseInt(fields[1]); double score Double.parseDouble(fields[2]); userItemMap.computeIfAbsent(userId, k - new HashMap()).put(movieId, score); } catch (NumberFormatException e) { // 臟數(shù)據(jù)直接跳過真實環(huán)境不能因為一行壞數(shù)據(jù)掛掉整個加載過程 } } } return userItemMap; } }邏輯說明userItemMap的結(jié)構(gòu)是“用戶ID - (電影ID - 評分)”這是UserCF的輸入形態(tài)。關(guān)鍵方法是computeIfAbsent它是java基礎(chǔ)里很常用的Map操作等價于“key不存在就new一個HashMap放進(jìn)去存在就直接用”比先判斷再put的三行樣板代碼干凈得多。注意我在解析里同時兼容了雙冒號和逗號兩種分隔符因為MovieLens舊版用“::”新版改成了逗號寫死任何一種都會在換數(shù)據(jù)集時翻車。NumberFormatException的catch也是必須的爬蟲拉來的數(shù)據(jù)永遠(yuǎn)比你想象的臟。2.3 評分矩陣的存儲與加載為什么要轉(zhuǎn)置成ItemCF能用的結(jié)構(gòu)實際寫ItemCF時光有userItemMap還不夠因為它要回答“某部電影被哪些人評過分”這是userItemMap的反向關(guān)系。常見做法是啟動時做一次轉(zhuǎn)置生成itemUserMap結(jié)構(gòu)是“電影ID - (用戶ID - 評分)”內(nèi)存開銷比再讀一遍文件要小。public class DataLoader { public static MapInteger, MapInteger, Double transpose( MapInteger, MapInteger, Double userItemMap) { MapInteger, MapInteger, Double itemUserMap new HashMap(); for (Map.EntryInteger, MapInteger, Double userEntry : userItemMap.entrySet()) { int userId userEntry.getKey(); MapInteger, Double items userEntry.getValue(); for (Map.EntryInteger, Double itemEntry : items.entrySet()) { int movieId itemEntry.getKey(); double score itemEntry.getValue(); itemUserMap.computeIfAbsent(movieId, k - new HashMap()).put(userId, score); } } return itemUserMap; } }參數(shù)說明這段是純循環(huán)遍歷不依賴任何框架用Java 8的forEach也能寫但傳統(tǒng)的for在這種雙重遍歷下可讀性更好。轉(zhuǎn)置完以后ItemCF的相似度計算只需要把itemUserMap里的兩個value取出來求余弦連Map結(jié)構(gòu)都幾乎不用改。還有一個值得做的預(yù)處理過濾掉評分記錄少于5條的用戶這些人對相似度矩陣貢獻(xiàn)的是噪聲刪掉以后推薦質(zhì)量會明顯提升——這個閾值在真實項目里要按數(shù)據(jù)量調(diào)數(shù)據(jù)稀疏就降到2到3數(shù)據(jù)稠密就提到10。3. 用Java實現(xiàn)協(xié)同過濾核心相似度計算、UserCF與ItemCF的完整代碼這一章是全篇的重頭戲。我按“相似度函數(shù) - UserCF流程 - ItemCF流程 - TopN排序”的順序給代碼每個函數(shù)都能直接復(fù)制進(jìn)你的工程跑起來。拿到源碼后先改數(shù)據(jù)路徑再調(diào)閾值最后看推薦列表比對著概念空想快得多。3.1 余弦相似度與皮爾遜相關(guān)系數(shù)兩段可直接抄的Java方法相似度是協(xié)同過濾的心臟。最常用的是余弦相似度和皮爾遜相關(guān)系數(shù)。余弦相似度把每個用戶的評分看成一個向量計算兩個向量夾角的余弦值完全同向為1垂直為0反向為-1。皮爾遜相關(guān)系數(shù)相當(dāng)于對兩個用戶各自的評分做中心化也就是減掉各自均值之后再算余弦它能抵消“有人手松全打5分、有人手緊平均給3分”這種偏差。public class SimilarityUtil { public static double cosine(MapInteger, Double a, MapInteger, Double b) { SetInteger common new HashSet(a.keySet()); common.retainAll(b.keySet()); if (common.isEmpty()) { return 0.0; } double dot 0.0; for (int id : common) { dot a.get(id) * b.get(id); } double normA 0.0; for (double v : a.values()) { normA v * v; } double normB 0.0; for (double v : b.values()) { normB v * v; } if (normA 0.0 || normB 0.0) { return 0.0; } return dot / (Math.sqrt(normA) * Math.sqrt(normB)); } public static double pearson(MapInteger, Double a, MapInteger, Double b) { SetInteger common new HashSet(a.keySet()); common.retainAll(b.keySet()); if (common.size() 2) { return 0.0; } double sumA 0.0; double sumB 0.0; for (int id : common) { sumA a.get(id); sumB b.get(id); } double meanA sumA / common.size(); double meanB sumB / common.size(); double numerator 0.0; double denomA 0.0; double denomB 0.0; for (int id : common) { double va a.get(id) - meanA; double vb b.get(id) - meanB; numerator va * vb; denomA va * va; denomB vb * vb; } if (denomA 0.0 || denomB 0.0) { return 0.0; } return numerator / (Math.sqrt(denomA) * Math.sqrt(denomB)); } }參數(shù)說明皮爾遜至少要求2個共同評分否則分子分母恒為0算出來是NaN在推薦鏈路里NaN會一路傳染到排序結(jié)果。還要注意一個細(xì)節(jié)余弦相似度的normA、normB是對用戶全部評分計算的而不是只對共同評分的電影計算。如果你只算共同交集里的模長結(jié)果會把“看過很多電影的用戶”和“只看過幾部電影的用戶”拉到同一水平線上這是我踩過的坑忘一次錯一次。3.2 用Java實現(xiàn)UserCF找TopK相似用戶加權(quán)匯總候選電影UserCF的流程拆成四步取出目標(biāo)用戶的評分遍歷全部用戶算相似度按相似度排序取前K個鄰居最后把鄰居們評過分而目標(biāo)用戶沒看過的電影按相似度加權(quán)匯總。預(yù)測分?jǐn)?shù)用“加權(quán)平均”而不是簡單求和這是為了避免鄰居多的用戶天然占優(yōu)。public class UserCF { private final MapInteger, MapInteger, Double userItemMap; private final int topK; private final int topN; private final double minSimilarity; public UserCF(MapInteger, MapInteger, Double userItemMap, int topK, int topN, double minSimilarity) { this.userItemMap userItemMap; this.topK topK; this.topN topN; this.minSimilarity minSimilarity; } public ListMap.EntryInteger, Double recommend(int targetUserId) { MapInteger, Double targetRatings userItemMap.get(targetUserId); if (targetRatings null || targetRatings.isEmpty()) { return Collections.emptyList(); } MapInteger, Double simMap new HashMap(); for (Map.EntryInteger, MapInteger, Double entry : userItemMap.entrySet()) { int otherUserId entry.getKey(); if (otherUserId targetUserId) { continue; } double sim SimilarityUtil.pearson(targetRatings, entry.getValue()); if (sim minSimilarity) { simMap.put(otherUserId, sim); } } ListMap.EntryInteger, Double neighbors topN(simMap, topK); MapInteger, Double scoreMap new HashMap(); MapInteger, Double weightMap new HashMap(); for (Map.EntryInteger, Double neighbor : neighbors) { int neighborId neighbor.getKey(); double sim neighbor.getValue(); for (Map.EntryInteger, Double rating : userItemMap.get(neighborId).entrySet()) { int movieId rating.getKey(); if (targetRatings.containsKey(movieId)) { continue; } scoreMap.merge(movieId, sim * rating.getValue(), Double::sum); weightMap.merge(movieId, sim, Double::sum); } } MapInteger, Double predictMap new HashMap(); for (Integer movieId : scoreMap.keySet()) { predictMap.put(movieId, scoreMap.get(movieId) / weightMap.get(movieId)); } return topN(predictMap, topN); } private ListMap.EntryInteger, Double topN(MapInteger, Double map, int n) { return map.entrySet().stream() .sorted(Map.Entry.Integer, DoublecomparingByValue().reversed()) .limit(n) .collect(Collectors.toList()); } }邏輯說明minSimilarity默認(rèn)給0.1低于這條線的用戶不做鄰居topK默認(rèn)給20。在稀疏的數(shù)據(jù)集上把minSimilarity降到0.05能多召回不少候選但同時引入噪聲。scoreMap里累加的是“相似度乘以鄰居評分”weightMap里累加的是相似度本身兩者相除得到加權(quán)平均分天然落在1到5區(qū)間不用再歸一化。過濾“已看過的電影”必須做否則推薦列表里出現(xiàn)用戶看過的片子產(chǎn)品驗收這關(guān)就過不了。3.3 用Java實現(xiàn)ItemCF先離線建電影相似度表再在線召回ItemCF和UserCF最大的差別是把“用戶與用戶相似”換成“電影與電影相似”而電影相似度可以預(yù)先離線算好。第一步把userItemMap轉(zhuǎn)置成itemUserMap第二步對兩兩電影算余弦相似度寫入movieSimMap第三步在線推薦時從用戶評分過的電影出發(fā)去相似表里撈候選。下面這段先給出建表和召回兩個方法。public class ItemCF { private final MapInteger, MapInteger, Double itemUserMap; private final MapInteger, MapInteger, Double movieSimMap new HashMap(); private final int numSimilar; private final int topN; private final double minSimilarity; public ItemCF(MapInteger, MapInteger, Double userItemMap, int numSimilar, int topN, double minSimilarity) { this.itemUserMap DataLoader.transpose(userItemMap); this.numSimilar numSimilar; this.topN topN; this.minSimilarity minSimilarity; buildSimilarityTable(); } private void buildSimilarityTable() { ListInteger movieIds new ArrayList(itemUserMap.keySet()); for (int i 0; i movieIds.size(); i) { int movieA movieIds.get(i); MapInteger, Double usersOfA itemUserMap.get(movieA); for (int j i 1; j movieIds.size(); j) { int movieB movieIds.get(j); MapInteger, Double usersOfB itemUserMap.get(movieB); double sim SimilarityUtil.cosine(usersOfA, usersOfB); if (sim minSimilarity) { movieSimMap.computeIfAbsent(movieA, k - new HashMap()).put(movieB, sim); movieSimMap.computeIfAbsent(movieB, k - new HashMap()).put(movieA, sim); } } } } public ListMap.EntryInteger, Double recommend(MapInteger, Double userRatings) { MapInteger, Double scoreMap new HashMap(); MapInteger, Double weightMap new HashMap(); for (Map.EntryInteger, Double entry : userRatings.entrySet()) { int ratedMovie entry.getKey(); double rating entry.getValue(); MapInteger, Double simMovies movieSimMap.get(ratedMovie); if (simMovies null) { continue; } ListMap.EntryInteger, Double similarList topN(simMovies, numSimilar); for (Map.EntryInteger, Double similar : similarList) { int candMovie similar.getKey(); double sim similar.getValue(); if (userRatings.containsKey(candMovie)) { continue; } scoreMap.merge(candMovie, sim * rating, Double::sum); weightMap.merge(candMovie, sim, Double::sum); } } MapInteger, Double predictMap new HashMap(); for (Integer movieId : scoreMap.keySet()) { predictMap.put(movieId, scoreMap.get(movieId) / weightMap.get(movieId)); } return topN(predictMap, topN); } }邏輯說明buildSimilarityTable是雙重循環(huán)只算上三角j從i1開始并在兩邊同時寫入能把計算量減半。movieSimMap的規(guī)模是“存量電影數(shù)乘以平均鄰居數(shù)”1萬部電影最終可能存幾十萬個相似對完全在內(nèi)存可接受的范圍內(nèi)。recommend方法里的numSimilar我通常取10意思是一部電影最多找10個相似電影參與累加避免相似度表過大時每個候選都要遍歷全表。這段代碼的潛在翻車點如果你在recommend里傳入了空的userRatingsscoreMap和weightMap為空最后返回空列表——調(diào)用方要提前做冷啟動判斷不能救到這一步。3.4 TopN排序與推薦列表去重用一個工具方法收尾無論是UserCF還是ItemCF最后都要把候選按得分降序截斷成指定長度。Java里最省事的寫法是stream加sorted加limit但要注意一個細(xì)節(jié)當(dāng)分?jǐn)?shù)相同且條目數(shù)超過limit時stream limit的結(jié)果順序不穩(wěn)定。工程上更穩(wěn)妥的做法是先按“分?jǐn)?shù)降序、電影ID升序”做二次排序保證結(jié)果是確定性的。排序這塊我不建議自己手寫冒泡排序java教科書代碼數(shù)據(jù)量上去之后性能不夠看。用JDK自帶的排序就行private ListMap.EntryInteger, Double topN(MapInteger, Double map, int n) { return map.entrySet().stream() .sorted(Map.Entry.Integer, DoublecomparingByValue().reversed() .thenComparing(Map.Entry.comparingByKey())) .limit(n) .collect(Collectors.toList()); }參數(shù)說明thenComparing(Map.Entry.comparingByKey())是加分項它解決了同分時排序結(jié)果不穩(wěn)定導(dǎo)致的前端展示跳變問題。如果你還在JDK 8以下把stream換成Collections.sort然后手動截斷效果一樣。去重邏輯在核心流程里已經(jīng)做了兩次一是在累加候選時跳過用戶已評分的電影二是在最終推薦表里不重復(fù)插入同一部電影復(fù)合主鍵(user_id, movie_id)兜底防止并發(fā)寫重復(fù)。4. 把算法源碼變成可交付的工程Spring Boot MyBatis的分層與接口算法能跑通只是第一步推薦系統(tǒng)源碼真正值錢的部分在工程化目錄分層是否清晰、數(shù)據(jù)從哪兒來、接口怎么暴露。這一章我按一個常見做法來拆Maven工程打底Spring Boot接HTTPMyBatis管SQL算法層保持純凈。4.1 推薦系統(tǒng)源碼的目錄結(jié)構(gòu)算法包和業(yè)務(wù)包為什么必須分開我見過很多推薦系統(tǒng)源碼最頭疼的是把協(xié)同過濾算法寫在Controller里一個類幾百行既沒法單測也沒法復(fù)用。正確的做法是把算法層和Spring框架徹底隔離目錄結(jié)構(gòu)大致是這樣movie-recommend/ ├── pom.xml └── src/main/java/com/example/recommend/ ├── algorithm/ │ ├── SimilarityUtil.java │ ├── UserCF.java │ ├── ItemCF.java │ └── DataLoader.java ├── entity/ │ ├── Movie.java │ └── UserRating.java ├── mapper/ │ ├── MovieMapper.java │ └── UserRatingMapper.java ├── service/ │ └── RecommendService.java ├── controller/ │ └── RecommendController.java └── RecommendApplication.javaalgorithm包里的類不依賴Spring的Component、Autowired這些注解放到任何Java 8環(huán)境都能直接運(yùn)行。這樣做的直接收益是你可以寫一個main方法單獨(dú)加載MovieLens數(shù)據(jù)調(diào)UserCF不用啟動一個Web容器就能驗證算法效果debug一個推薦邏輯從改代碼到看到結(jié)果不超過10秒。這也是面向?qū)ο缶幊蘪ava里“職責(zé)單一”思想落地算法只負(fù)責(zé)算Service只負(fù)責(zé)編排Controller只負(fù)責(zé)傳輸。pom.xml里需要引入的東西很簡單Spring Boot Web、MyBatis Starter和MySQL驅(qū)動。版本以你自己本地的Spring Boot為準(zhǔn)我習(xí)慣用2.7.x搭配MyBatis 2.x如果是新學(xué)的同學(xué)直接用3.x也一樣接口上沒有大差別。4.2 MySQL表設(shè)計評分表、電影表與推薦結(jié)果表字段和索引這樣定推薦系統(tǒng)要落庫至少要有三張表電影表存元數(shù)據(jù)評分表存用戶行為推薦結(jié)果表存離線算好的TopN。表結(jié)構(gòu)可以直接照抄下面這個字段名我壓到了最少CREATE TABLE movie ( id int NOT NULL, title varchar(255) NOT NULL, genres varchar(255) DEFAULT NULL, PRIMARY KEY (id) ); CREATE TABLE user_rating ( id bigint NOT NULL AUTO_INCREMENT, user_id int NOT NULL, movie_id int NOT NULL, score double NOT NULL, create_time timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP, PRIMARY KEY (id), KEY idx_user_id (user_id), KEY idx_movie_id (movie_id) ); CREATE TABLE recommend_result ( user_id int NOT NULL, movie_id int NOT NULL, score double NOT NULL, rank int NOT NULL, update_time timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP, PRIMARY KEY (user_id, rank) );參數(shù)說明user_rating表的核心是user_id和movie_id兩個索引user_id索引服務(wù)于“給某用戶取全部評分”movie_id索引服務(wù)于“給某電影取全部評分用戶”第二個用途是ItemCF離線計算時的SQL支撐。recommend_result表用(user_id, rank)做復(fù)合主鍵rank直接存1到N意味著同一個用戶新一輪結(jié)果只要按rank覆蓋插入不用先刪后插省一次事務(wù)。score字段存的是協(xié)同過濾算出來的預(yù)測分前端排序直接按它排就行。4.3 Spring Boot接口層Controller保持輕薄Service兜底冷啟動接口層最常見的錯誤是把算法塞進(jìn)Controller再包一層循環(huán)。下面這個例子是標(biāo)準(zhǔn)的三層寫法先看ControllerRestController RequestMapping(/api/recommend) public class RecommendController { private final RecommendService recommendService; public RecommendController(RecommendService recommendService) { this.recommendService recommendService; } GetMapping(/{userId}) public ListMovieVO recommend(PathVariable int userId) { return recommendService.recommendForUser(userId); } }邏輯說明Controller只干一件事把userId參數(shù)取出來交給Service再把Service返回的結(jié)果以JSON形式吐給前端。構(gòu)造函數(shù)注入比字段上加Autowired更利于測試這也是很多公司代碼規(guī)范里的要求。MovieVO是一個輕量DTO只有movieId、title、score、rank四個字段不要直接把MyBatis的實體類返回給前端否則表結(jié)構(gòu)一改接口字段就跟著變坑所有調(diào)用方。緊接著是Service層Service public class RecommendService { private final UserRatingMapper userRatingMapper; private final RecommendResultMapper recommendResultMapper; private final MovieMapper movieMapper; public RecommendService(UserRatingMapper userRatingMapper, RecommendResultMapper recommendResultMapper, MovieMapper movieMapper) { this.userRatingMapper userRatingMapper; this.recommendResultMapper recommendResultMapper; this.movieMapper movieMapper; } public ListMovieVO recommendForUser(int userId) { ListRecommendResult results recommendResultMapper.selectByUserId(userId); if (results null || results.isEmpty()) { ListMovie hotMovies movieMapper.selectHotMovies(20); return MovieVO.fromMovies(hotMovies); } return MovieVO.fromResults(results); } }參數(shù)說明Service層做了冷啟動兜底——如果recommend_result表里查不到這個用戶直接查movie表里的熱門電影榜返回前端的推薦位永遠(yuǎn)不會空。這比在算法層強(qiáng)行判斷更干凈因為接口的語義變成“永遠(yuǎn)有推薦結(jié)果”。selectHotMovies的SQL用“評分人數(shù)和平均分”組合排序ORDER BY score_count DESC, avg_score DESC LIMIT 20不需要join性能就夠。如果要把在線實時推薦也接進(jìn)來做法是在Service里注入ItemCF的Bean把mapper查到的評分記錄轉(zhuǎn)成Map結(jié)構(gòu)喂給算法但這要求評分?jǐn)?shù)據(jù)量小到能在幾十毫秒內(nèi)完成遍歷。數(shù)據(jù)量超過10萬條以后我更建議離線計算落庫再加每日定時任務(wù)別讓算法接口扛實時壓力這就是“離線為主、實時兜底”的常見架構(gòu)。5. 協(xié)同過濾必踩的五個坑冷啟動、稀疏矩陣、評分偏差與性能翻車排查筆記這一章的每條記錄都是真實調(diào)參時會撞見的現(xiàn)象我按“現(xiàn)象、原因、解決”三段寫你照著日志對比就知道問題在哪一環(huán)。5.1 冷啟動新用戶沒有評分推薦結(jié)果永遠(yuǎn)是空的現(xiàn)象剛注冊的用戶調(diào)用推薦接口返回空列表前端頁面在“猜你喜歡”區(qū)域一片空白轉(zhuǎn)化率直接歸零。原因UserCF和ItemCF都依賴歷史評分。用戶沒有任何行為時相似度計算的分母是0任何公式都產(chǎn)出0算法層面無能為力。解決冷啟動階段不做協(xié)同過濾用熱門榜兜底。我前面Service里的實現(xiàn)就是把selectHotMovies結(jié)果返回出去。熱門榜不能簡單用評分人數(shù)排序我一般用“評分人數(shù)×平均分”再乘時間衰減權(quán)重避免老片霸榜。等用戶產(chǎn)生了五六條評分記錄之后再切換回協(xié)同過濾邏輯這是最簡單的漸進(jìn)式冷啟動。5.2 稀疏矩陣兩個用戶只共同看過一部電影相似度卻高達(dá)0.9現(xiàn)象調(diào)日志時發(fā)現(xiàn)一對用戶相似度0.87但他們共同評分只有1部電影。相似表里大量這樣虛高的相似對推薦結(jié)果跑偏。原因余弦相似度在交集樣本極少時統(tǒng)計上不顯著一個共同評分就能把夾角帶得極小相似度虛高。電影站動輒上萬部電影用戶平均評分又少交集為0是常態(tài)交集為1根本不稀奇。解決加置信度門檻當(dāng)共同評分?jǐn)?shù)小于閾值時直接返回0。我在SimilarityUtil.pearson里已經(jīng)寫了common.size() 2就返回0.0實際項目里建議把閾值提到5。同時優(yōu)先使用皮爾遜相關(guān)系數(shù)替代原始余弦因為皮爾遜先做了均值中心化對“共同評分樣本少但絕對分?jǐn)?shù)高”的抗性更好。這條在數(shù)據(jù)稀疏的新站上尤其重要。5.3 評分偏差有人手松全打5分有人手緊只打3分余弦相似度直接失真現(xiàn)象用戶A給所有電影打5分用戶B同樣幾部電影打4分余弦相似度依然算得很高可兩人的真實口味可能完全相反。原因余弦相似度把絕對分?jǐn)?shù)當(dāng)成向量方向來算沒有減去每個用戶的平均分。手松和手緊在絕對分?jǐn)?shù)上差了整整一個常數(shù)偏移這個偏移在余弦公式里沒有被消除。解決改用皮爾遜相關(guān)系數(shù)等價于把每個用戶的評分先中心化原分?jǐn)?shù)減均值再算余弦。我的SimilarityUtil里兩個方法都寫了工程里默認(rèn)走pearson就對了。如果你堅持用余弦那就先做歸一化我可以把“score - userAvgScore”存入Map后再交給余弦方法。5.4 熱門電影屠榜推薦結(jié)果全是全局爆款多樣性和個性化同時歸零現(xiàn)象離線計算結(jié)果里Top10推薦總是那幾部評分人數(shù)最多的電影每個用戶的列表大同小異運(yùn)營抱怨“推薦沒有差異性”。原因熱門電影被大量用戶評分它們和所有電影都容易產(chǎn)生相似關(guān)系用戶在評分過的電影里去撈相似候選熱門電影出現(xiàn)的頻率極高累加積分碾壓小眾片。解決累加權(quán)重時加入熱門懲罰。常見做法是對候選電影的相似度乘上一個衰減系數(shù)sim / Math.pow(1 Math.log(1 itemUserMap.get(movieId).size()), 2)這個系數(shù)隨評分人數(shù)上升而下降。還可以在后處理里做類型約束按genres分組每組最多選3部保證TopN里有喜劇也有懸疑而不是清一色的動作大片。這一步是推薦結(jié)果從“能用”到“像樣”的分水嶺。5.5 性能翻車循環(huán)里查庫導(dǎo)致N1查詢一次推薦接口把數(shù)據(jù)庫打掛現(xiàn)象一次推薦請求發(fā)出后數(shù)據(jù)庫慢查詢?nèi)罩纠锍霈F(xiàn)兩三百條SQL接口耗時8秒QPS一高M(jìn)ySQL連接直接打滿。原因典型的N1問題。常見寫法是在算法里遍歷用戶列表每次循環(huán)調(diào)一次mapper查詢評分比如for (userId : allUsers) { userItemMap userMapper.selectRatingsByUserId(userId); }。用戶量一上來這個循環(huán)就是災(zāi)難。解決把行為數(shù)據(jù)一次性加載進(jìn)內(nèi)存。在Spring Boot啟動時用PostConstruct或ApplicationRunner執(zhí)行一次全量load把評分記錄組裝成userItemMap和itemUserMap保存在單例Bean里接口只從內(nèi)存取數(shù)。數(shù)據(jù)量超過百萬條時改為離線Spark或定時任務(wù)預(yù)計算后再落recommend_result表在線接口絕不碰評分明細(xì)表只查推薦結(jié)果表。這條不只是性能問題還是一個架構(gòu)取舍推薦結(jié)果表里只有每個用戶前20條結(jié)果查詢走主鍵P95響應(yīng)時間能壓到10毫秒以內(nèi)。6. 驗證推薦結(jié)果是否靠譜離線切分、覆蓋率與K值調(diào)參的進(jìn)階收尾推薦系統(tǒng)源碼寫完最容易被忽略的一步是驗證。沒有驗證手段你就分不清“參數(shù)調(diào)好了”和“參數(shù)調(diào)順手了”。我最后分享一個每次都會做的離線驗證流程和兩個指標(biāo)。先把評分?jǐn)?shù)據(jù)按時間切分按timestamp排序前80%作為訓(xùn)練集后20%作為測試集。協(xié)同過濾只用訓(xùn)練集計算相似度和推薦然后用測試集里用戶真實看過的電影和推薦結(jié)果做比對。如果推薦結(jié)果里出現(xiàn)了用戶真實看過的測試集電影說明這次推薦是命中的。命中數(shù)除以測試集電影數(shù)就是召回率再算一下推薦結(jié)果覆蓋了電影全量的多少比例得到覆蓋率。這兩個數(shù)字一個衡量準(zhǔn)確度一個衡量多樣性。K值和相似度閾值的調(diào)參法固定minSimilarity為0.1把K從5、10、15、20依次跑一遍記錄每組的召回率和覆蓋率。你會發(fā)現(xiàn)K小的時候精度高但覆蓋面窄K大了以后結(jié)果趨于熱門化。我在做電影推薦這類的經(jīng)驗值是K20到30minSimilarity0.1到0.2如果你的數(shù)據(jù)更稀疏K往下調(diào)、minSimilarity往下調(diào)數(shù)據(jù)更稠密就反過來。調(diào)參順序是先調(diào)K再調(diào)minSimilarity最后才調(diào)熱門懲罰系數(shù)因為K對結(jié)果的影響最直接。最后一個進(jìn)階技巧是存一份movieSimMap的序列化緩存。ItemCF建電影相似度表在幾千部電影時需要幾十秒可能每次重啟都要等。常見做法是用Java自帶的ObjectOutputStream把movieSimMap寫到本地臨時文件啟動時先檢查文件存在就反序列化加載不存在才重建。我會在代碼里注明緩存的失效條件只要評分?jǐn)?shù)據(jù)更新了就要刪掉緩存文件重新生成否則推薦永遠(yuǎn)不會反映新行為。這套源碼我自己交過課設(shè)也改過生產(chǎn)環(huán)境的需求最大的教訓(xùn)是協(xié)同過濾不是裝上去就完事的黑匣子它需要你把每一個閾值當(dāng)成可配置的參數(shù)再把驗證指標(biāo)當(dāng)成調(diào)參的準(zhǔn)繩。推薦結(jié)果能打60分還是90分差別往往不在算法本身而在于你有沒有把冷啟動兜底和熱門懲罰做到位。希望幫到你。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
成人婷婷桔色| 俺去也婷婷| 青青草搞屄视频网站| 操97免费超级视频| 97人人看一| seav天堂| 亚洲成av人影院| 天天干天天操天天拍| 五月婷丁香| 骚货艹网站视频| 五月激情综合激情五月| www色婷婷久久综合久色| 九月丁香婷婷综合| 字幕网AV中文字幕| 午夜天堂一区人妻| 99色综合| 欧美槡BBBB槡BBB少妇| 亚洲激情在线| 丁香激情网| 色色com| 热99热9| www.狠狠狠.com| 那里有AV网址| 丁香蜜臀黄色婷婷五月天| 97人人操人人| 婷婷五月激情图片| 丁香五月网址| 99 re视频一区| 99噜噜噜| 九九综舍久久| 婷婷五月色影视先锋| 成人免费视频一区| 婷婷丁香先锋资源网站| 《丁香激情综合久久伊人久久》影视在线观看 -高清预告手机免费播放 -三妹影院 | 开心五月综合| 热99只有精品| 九九久久五月天综合伊人| 99在线免费视| 午夜九九电影| 欧美综合在线五月天色婷婷| 五月天欧美激情| 丁香五月激情六月| 九九婷婷五月天影视| 九九热免费观看视频| 色视频2025| 色综合夜夜| 丁香婷婷性爱| 丁香婷婷六月激情文学| 激情综合婷婷五月| 久久九九免费大视频| 综合五月草| 丁香五月花婷婷开心| 99精品久久| 99热偷拍| 俺也去在线久久精品23欧美综合视频网站,丰满人妻一区二区三区在线视频53,丰满 | 丁香六月激情综合网| 都市激情蜜桃婷婷五月天| 五月色综合网欧美网| 99精品热| 《诡秘之主》在线观看| 99久久99热| 婷婷五月黄色激情在线| 5月色亭亭视频| 狠狠五月丁香色婷| 天天成人丁香美女AV| 天天操天天日天天爽| 亚洲色情激情丁香五月| 开心五月激情五月丁香五月婷婷| 99re热免费观看视频精品| 亚洲最大五月六月丁香婷婷| 色五月婷婷五月天激情综合| 激情五月综合| 亚洲AV人人操| 五月丁香影院| 中文字幕中文有码在线| 怡春院天天干| 97色女人在线| 久久人人看| 亚洲综合色婷婷| 午夜婷婷| 激情小说五月天中文字幕| 激情婷婷丁香色情五月天| 五月丁香六月婷婷综合网| 亚洲五月婷天天操| 思思热精品在线观看| 天天插综合| 另类激情首页| 亚洲AV网站| 国产99热| 国产日韩精品SUV| 色五月,com| 97日本在线播放| 激情网色五月| 欧美在线97| 91久久久久久久| 99色在线观看免费| 激情都市五月天| 操操操AV| 任你爽精品免费视频6| 久久激情综合| 裸体做A爰片毛片A片免费| 五月天婷久久| 一操久久| 婷婷丁香社区网| 亚洲AV激情五月综合网| 性生活久久朋友人妻| 激情综合网五月激情网| 五月婷婷性爱| 亚州在线中文字幕| 四射综合网| 丁香五月影视| 色综合久久88色综合天天人守婷| 亚洲人成人五月天| 91操片| 九九aV| 日本三级成人秘书精品片| 99热99日天天干| 国产精品国产| 激情六月下句是什么| 狠狠干狠狠干狠狠干狠狠干| 综合激情视频| site:pnnrt.com| 国精产品一区一区三区免费视频 | 婷婷成年人免费视频| 婷婷欧美综合| 中国丰满熟女A片免费观| 五月婷婷亚洲天堂97色婷婷| 色人久夂| 狠狠搞综合色| 五月婷婷在线观看黄| 开心五月激情网| 人妻熟人中文字幕一区二区| 欧美激情伊人| 色婷婷成人丁香| 涩涩婷婷五月| 久热一本| 婷婷中合| 激情图片婷婷| 森林影视大全,最好看的2019年视频 | 六月婷婷狠狠做| 99这里只有精品|v| 另类视频五月天| 99久操视频| AV动漫不卡无码免费| 色五月婷婷激情综合网| 婷婷丁香五月亚洲免费| 91碰碰碰| 99五丁香月| 婷婷五月电影| 最新精品视频99| 天天摸天天舔| 五月丁香啪啪啪| 99色免费在线观看| www.91.com处女在线直播| 婷婷五月天资源| 丁香五月欧美激情| 婷婷D区| 99热碰碰| 影音先锋 91工厂| 日本色五月婷婷| 丁香婷婷久久 | 五月激情婷婷在线| 九九色逼| 国产精品汇聚精彩第二页 - 高清完整版在线 - 青蛙AV | 五月天自拍网| 久久92| 中文字幕日产A片在线看| 日本三级片片| 激情五月综合六月丁香婷婷狠狠干| 无码区婷婷五月花开| 欧美婷婷综合| 色色色9 9 9| 色噜噜狠狠色综合伊人| 久热免费| 亚洲欧洲中文日韩久久AV乱码| 91丁香| 激情综合网,五月| 精品无吗va视频免费观看| 激情综合五月天| 中文字幕精品推荐免费在线观| 婷婷色网| 五月丁香六月婷婷姐| 五月婷婷激情综合| 丁香五月开心亚洲| 综合深爱五月| 这里只有精品视频| 99啪啪网| 精品久久久久久久人妻| 综合色播| 伊人玖玖婷婷| aa久久| 婷婷五月丁香六月天亚洲综合| 五月丁香六月婷综合成人综合| 婷婷综合性爱网| 99re在线精品视频| 五月激情天天干| 五月激情在线| 91超级碰在线| 色婷婷丁香香香蕉视频| 99操| 91人人网| 终合激情网| 色色色热| 91ncm视频| 99热这里只有的精品视| www.婷婷六月天| 欧美图片丁香五月天| 99re思思热这里| 五月激情视频| 伊人五月天97| 亚洲久热无码| 无码少妇高潮喷水A片免费| 69久久99精品久久久久| 丁香六月激情综合啪啪| 五月婷婷导航| 伊人香大香蕉视频| 丁香色六月婷婷| 天堂五月婷婷| 开心五月婷婷伊人| 五月色 亚洲| 色爱综合网| 久久综合9| 99色色网站| 成人在线精品| 超色欲天天| 色婷五月天网站| 无码操B| www.com色播五月天| 热久久视频99| 激情五月天婷婷| 另类伊人婷婷| 激情综合五| 91男同视频| 五月天综合网| 五月天婷婷影院| 九九精品少妇| 五月天色裸体视频| 99热在线观看| 99色看这里只有精品| 91久久1118| 九九re视频在线视频| Jh7Uf088VHafNm| 激情五月五月婷婷| 超碰91在线| 婷婷中文字幕| 免费成片在线观看| 五月天激情子轮| 国产偷人爽久久久久久老妇APP| 日本久久天堂| 五月丁香无码| 色婷婷情片| 五月天激情无码专区| 日日做A爰片久久毛片A片英语| 久久98| a久久| 香蕉曰比| 色操b| 无码激情AAAAA片-区区| 激情婷婷五六月天| 丁香色婷婷| 婷婷久久五月| 久久99久久99精品免视看婷| 九九99精品视频| 久久这里只精品| 色婷婷91激情小说| www.开心激情| 97午夜一区二区| 婷婷激情区| 亚洲午夜视频| 成人电影在线免费试看| 免费看欧美成人A片无码| 极品少妇婷婷五月| 99色色色色| 婷婷丁香五月天小说| 涩涩五月天| 丁香六月啪| AV在线免费播放| 99热碰碰| 色婷婷精品视频| 久久一操| 色婷婷丁香五月在线观看| 日日夜夜九九| 丁香五月中文字幕久色| 亚洲精品第一国产综合亚AV | 婷婷六月综合激情| 婷婷五月激情视频网| 色噜噜婷婷| 亚洲综合色成丁香五月色| 婷婷五月天成人动漫| 五月天婷婷社区| 亚洲色综合| 婷婷五月激情网| 99热久草| 九九人人操| 美女黄频aⅴ视频| 婷婷在线视频| 青青草轻轻操| 91精品无码| 91色逼| 丁香五月av| 色久99| 狠狠色综合精品视频在线| 久久五月天 91| 色五月综合激情| 狠狠噪| 丁香五月天欧美在线| 熟妇内谢69XXXXXA片| 99久久这里只有精品免费官网| 久久久久婷婷| 亚色网站小视频| 激情久久久| 婷婷丁香77777| 这里只有精品视频| 婷丁香五月天| 1024操逼| 99精品22| 久久女人九九| 午夜婷婷久久 | 国产亚洲99久久精品熟| av性爱网站| 免费观看高清无码| 99色网站| 8区视频在线| 欧洲亚洲免费视频9| 97在线综合| 婷婷久久五月| 激情综合青草| 最新高清无码专区| 色情久久久| 雪千夏麻豆| 99热在线观看精品| www.无码com| 欧美久久网| av色婷婷| 婷婷色播婷婷| 激情五月亚洲综合网| 无码人妻丰满熟妇奶水区码| 99这里只有精彩视频| 六月婷婷日| 色五月婷婷在线| 亚洲性视频| 成功精品影院| www久久99| 五月婷婷综合在线| 色五月丁香婷婷综合| 国产av天天插天天操天天爽| 五月色亚洲| 激情久久久久久久久| 五月婷婷丁香综合| 五月天激日本色情在线| 日本一級黃色一級片| 毛片毛片毛片毛片| 国产AV不卡福利| 五月丁香婷中文| 欧美A级网站| 99色| 九九免费在线视频| 五月丁香久久婷| 超碰成人av| 久久98| 亚洲精品V天堂中文字幕| 深爱五月亚洲| 五月天基地| √天堂资源在线人妻熟女| 97精品综合久久| 国产肥白大熟妇BBBB视频| 五月天婷婷伊人| 丁香六月综合| 色色色婷| 天天爽成人综合网站| 亚洲无AV在线中文字幕| 天天综合社区| 99热老司机| 久久综合九九| 五月天六月婷婷电影| 91日韩美女被插视频| 亚洲成人免费在线| 婷婷六月插屄激情| 伊人9草在线观看| www.婷婷| 深爱丁香激情| 色色色婷婷| 婷婷香蕉| 丁香激情久久| 在线理论片| 女高怪谈在线观看| 亚洲丁香花色| 激情五月天。| 嫩草视频在线观看| 天天天天天操| 久热伊人9| 色婷婷成人| 99爱最新免费视频在线观看| 婷婷人妻激情| 久久久久9| 夜夜撸日日骑| 久久作爱| 97人碰人操| 久9视频免费播放| 综合激情五月四射婷婷| 九月停停| 99热精品在线播放| 五月婷婷狠狠干| 五月丁香激情综合啪啪| 色优久久| 婷婷六月丁香五月| 日本女va| 夫妻超碰在线| 91精品丝袜久久久久久| 噜噜色噜噜网| 婷婷激情五月天综合| 五月婷婷综合天天操| 91久久| 夜夜做天天爽| AV在线免费网站| 农村熟妇高潮精品A片| 丁香美女五月天婷婷| 人人爽在线视频综合网| 色吧99| 玖玖在线视频| 丁香色综合| 婷婷丁香九月| 婷婷99视频在线| 超碰日日操| 婷婷丁香五月天色区| 丁香五月激情月| 五月丁香婷婷啪啪| 99久在线精品99re8| 六月丁香婷婷拍拍| 中文字幕+中文在线| 丁香五月激情综合| 亚洲综合色网| 99热精品一区| 婷婷五月色情天| 五月婷婷黄网站大全| 激情综合网五月激情| 亚洲欧美999| 色婷婷五月天av在线| 色八戒操婷婷| 91精品久久久久久综合五月天| 丁香六月情| 成人婷婷桔色| 亚洲综合在线播放| 影音先锋 萱萱| 婷婷性爱| 狠狠高潮精品亚洲1| 丁香婷婷丁香五月欧美人| 久久婷婷夜| 超碰在线caop| 久久婷婷六月综合| 舔色婷婷| 中文aV网| 久久99久久99精品免视看婷婷| 丁香社92视频| 亚洲妇女熟BBW| 亚洲视频二区| 99视频这里只有精品10| site:minyis.com| 天天综合五月天| 丁香五月婷婷免费视频| 久久xxxx| 婷婷日欧美在线观看| 亚洲XX日本| 五月天综合久久| 欧洲综合一区| 风流少妇A片一区二区蜜桃 | 丁香九月婷婷| 日本精品99网站| 久久久久久久久人妻| 色色色视频| 五月久熟女| 9精品国产在热久久| 99久久99九九99九九九| 91久久| 这里有精品2| 青草久久五月婷伊人| www,色婷婷| 99精品手机在线视频| 天天操综合网| 日韩无码成人电影| 激情六月婷婷| 五月激情网站| 开心五月综合激情综合五月| 久久视屏这里只有久久| 天天射天天干天插色综合| 嫩草哈哈操| 中文字幕日产A片在线看| 色综合色五月| 九色啦蜜臀| 热久久国产视频| 超黄亚洲瑟瑟网站| 午夜丁香| 久久草中文日韩欧美| ww超碰在线| 激情AV网| 国产精品美女久久久久AV超清| 亚洲旡码| 婷婷五月综合体验看| 九九热经典视频在线观看| 五月天a婷婷伊人| 五月丁香综合啪啪| 精品久久9| 成人网页在线观看| 99热免费18| http:色情日本com| www.99视频| 99热主页日本| 影音先锋偷偷色男人站| 99热这里只| 丁香五月综合在线播放 | 操97免费超级视频| 开心五月婷婷综合在线精品素人| 丁香五月激情五月| 成人丁香婷婷| 久草婷婷网| AA片在线观看视频在线播放| 99这里只有精品视频| 色五月激情| 9九色首页| 日韩无码色色| 深爱激情丁香五月| 天天做 天天爱| 亚洲精品性色| 日韩精品色| 第四色婷婷最爱| 亚洲激情丁香五月天色| 、激情六月天| 色丁香五月天射婷婷爱婷婷| 九九性视频| 九色婷婷| 五月婷婷影院| 亚洲六月婷婷| 大香蕉婷婷丁香视频在线| 九热免费视频| 9精品视频在线观看| 99热久97| 五月婷婷,狠狠操| 光棍影院日韩精品| 五月天婷婷激情网| 丁香五月大香蕉AV| 五月婷婷97| 人人草碰| 成人啪啪色婷婷久| 正宗黄色毛片| 丁香五月最新地址| 99热国内精品| 久久婷婷啪啪视频| 色碰碰视频| 在线播放成人网站| 成人噜噜网| 高清无码.com| 亚洲亚洲激情| 久久奄也去色色网站| 五丁香激情综合| 色。 日日日| 天天日夜夜夜操操操操| 99在线看片| 欧美视频在线观看噜噜| 欧美综合婷婷网| 婷婷色色网| 五月天婷婷导航| 婷婷激情五月综合在线视频| 丁香婷婷婷五月| 毛片色五月| 夜夜夜夜夜操| 色天五月天在线观看视频| 婷婷五月天福利| 天天综合 99久久婷婷| 香蕉操亚洲| 人人操91| 色噜噜狠狠色综无码久久合欧美| 天天日夜夜| 被强行糟蹋的女人A片| 丁香婷婷天堂| AV大片在线观看| 婷婷久久在线| 色婷久九| 激情五月天久久丁香| 五月色婷婷综合色| 深爱开心激情网| 五月婷婷九| 深爱激情综合网| 九色无码| 色婷婷电影网| 欧洲色| 国产肥白大熟妇BBBB视频| 亚洲六月色| 五月婷性爱| www.99热这里精品| 玖玖爱综合网| 天天玩夜夜操天天爽| 亚洲熟妇AV综合网五月丁香伊人 | 六月婷婷视频| 级情九色| 777精品久无码人妻蜜桃| 激情六月天| 久久久久久五月天| 婷婷伊人綜合中文| 久久婷丁香五月| 五月欧美色播| 天天撸夜夜爽| 欧美人妻一区二区| 久久久91| 日本天天色| 在线播放人妻| 欧美熟妇一区二区三区| 五月天婷婷影院| 国产激情综合五月| 婷婷五月天婷婷| 色色色com| 色婷婷综合久久久久| 色综合天天| 国产人妻777人伦精品HD| 五月丁香婷久久| 婷婷色中文| 伊九九三级区| 丁香五月在线视频黑人| 色停停五月,在线观看| 丁香婷婷性爱| 久99999热视频在线观看免费| 国内9l视频自拍老熟女九色| 91凹凸在线| 天天草人人摸| 丁香婷婷色六月| 97干综合网| 日本丁香五月| 久久99大| 日韩精品999| 国产99精品免费视频| 久久 视频这里只有精总| 中文字幕AV网址| 丁香五月天堂| 操碰99在线视频观看| 丁香花五月天激情| 五月婷婷激情色情网| 久久久这里有精品| 青草青青草| 97久久精品| 五月丁香久久| 免费观看2018www黄色操逼网站| 久久婷色| 婷婷深爱网| 亚洲综合另类| 中文幕无线码中文字蜜桃| 午夜福利8055| 久久这里只有国产| 天天激情站| 色色五月天婷婷| www,奇米影视| 中文色婷婷| 丁香激情合作五月| 久久九九国产精品怡红院| 婷婷五月色播| 九九久久久综合| 九九精品99| 婷婷丁香五月六月激情| 天天色丁香| 99热久久这里只有精品| www.久久爱.c n| 久色视频首页| 婷婷色五月婷| 另类少妇人与禽zOZZ0性伦| 伊人玖玖综合| 亚洲久久视频| 99精品综合视频| 91婷婷| 色青五月天| 激情影院内射| 亚洲热热视频| 99这里有精品视频| 日韩日比视频| 狠狠人妻久久久久久综合丁香| 99人妻碰碰碰久久久久视| 97精品人人A片免费看| 五月丁香婷婷啪啪网| 热久久思思热思思| 五月丁香六月婷婷久久肏| 国产SUV精品一区二区6| 综合色影| 婷婷五月天在婷| 久热欧美| 丁香五月伊人| Av狠狠色丁香婷| 99热这里只有精品在线观看| 狠狠精品干练久久久无码中文字幕| 婷婷五月,偷窥偷拍网| 婷婷开心青青草| 丁香久久综合| 久久这里只有精品视频15 | 激情婷婷综合网| 免费精品66| 欧美啪啪9| 色婷婷综合久久| 丁香五月网站| 婷婷丁香五月天激情| 丰满少妇乱A片无码| 婷婷欧美综合| 五月婷婷综合精品| 精品久久99| 激情五月,激情综合网| 五月天激情图| 丁香婷婷影院| 9婷婷内射| 精品人妻久久久| 午夜色婷婷| av人人操| 天天综合图片| 久久亚洲激情五码| 99视频在线观看网址| 99性爱无码| 激情綜合W W W,激情五月天| 丁香五月停停基地| 亭亭五月天黑人2014| 另类小说色婷婷| 五月丁香花激情综合网| www.99成人视频| 欧美性做爰大片免费看办公室| 亚洲AV综合网| 色99网| 九九九九精品精| 久久永久网址| 99色中文| 超碰中文字幕在线| 五月丁香婷在线| 亚洲色五月| 狠狠色婷婷777| 婷婷99狠狠| 黄色网址五月婷婷| 深爱激情小说五月婷婷| 丁香六月啪啪| 超碰在线免费9| 日本色色视频| 男人先锋久久| 丁香六月天AV| 这里只有精品免费| 婷婷少妇激情| 天天玩夜夜操| 久久免费干| 午夜青草资源| www.久久久久| 另类在线| 五月天成人综合| 国产黄色av| 五月婷婷开心亚州在线| 荫道BBWBBB高潮潮喷| 另类图片天天影视在线观看| 欧美精产国品一二三区| 伊人五月天久久| 99爱在线视频观看| 婷婷五月天国产传媒| 国产日韩欧美性生活| 天天插综合网| 4399在线日本A片| 狠狠色噜噜狠狠狠888| 第四色色六月色综合| 亚洲婷婷丁香五月视频| 777精品久无码人妻蜜桃| 天天操天天爱天天日| 99ri在线观看视频| 色情婷婷。| 激情噜噜噜| 激情五月九九九| 99视频这里只有久久精品| 99re在线精品视频| 99热只有精品在线| 丁香五月a| 色九四色| 婷婷五月婷婷五月| 婷婷欠久少妇| 狠狠操在线视频| 第九色区av天堂| 久热2025无码| 日本色色色| 国产亚洲在线观看| 婷婷五月情| 99日逼视频| 99爱精品| 99碰视频| 思思热在线| 伊人色五月| 婷婷五月情| 婷婷六月天| 五月婷婷综合久久| 蜜臀av 粉嫩av 懂色av | 久去色色| 夜夜夜夜夜操| 丁香5月激情网| 99自拍视频网站| 99在线精品视频| 五月天婷婷操逼视频| 踪合专区啪啪| www,com,五月色色| 91九色 婷婷| 激情av在线| 大香蕉五月天婷婷丁香91| 五月婷婷深深爱| 国产小网站| 激情五月六月| 国产精品国产| 台湾无码A片一区二区| 99久久玖玖| 强伦轩人妻一区二区电影| 亚洲综合视频网| 久久精典| 99精品自拍视频| WWW.99热| 影音先锋AV男人站| 五月丁香婷爱在线| 色婷婷色综合| 99爱在线免费视频| 色婷婷四色| 激情五月天开心| 色玖玖玖| 丁香五月区| 大香蕉久艹| 丁香六月激情| 99爱免费在线观看| 欧美丰满熟妇BBB久久久| 26uu| 啪啪日本欧美| 久久人妻视步| 色色影院黄大片| 激情綜合網址| 91超级碰碰碰| 青青草成人网| 五月视频日本免费观看| 精品一二三区久久AAA片| 久久人妻系列| 青草青草久9视频在线视频| 五月丁香婷婷基地| 六月婷婷香蕉| 99视频自拍| 99热99ai| 少妇人妻丰满做爰XXX| 丁香五月六月激情| 99精品久久久久久久久| 激情久久丁香| 九九九色综合| 色婷婷亚洲婷婷| 色婷婷国色天香综合| WW婷婷五月天com| 婷婷综合精品视频97| 9九色首页| 亚洲热久久| 激情涩涩网| 五月丁久久| www.深爱激情| 91精品久久久久久久久| 性爱视频99| 婷婷五月永远18免费久久久| 色综合99无码 | 97视频91| 色情五月丁香婷婷网| 91色呦哟| 99热这里只有精品55| 综合久久97| 粉嫩AV久久一区二区三区| 五月丁香六月欧美| .comwww在线观看免费操| 婷婷六月激情| 五月天色狠狠| 亚洲精品**不卡在线播he| 五月天com| 婷婷欧美综合| 九九av| 五月色俺婷婷| 欧美婷婷精品激| 色5月婷婷| 色婷婷五月天激情综合| 日韩成人影片在线观看| 欧美综合123区| 69堂午夜视频最新地址| 2050人人操免费工开爱 | 120分钟婬片免费看| 丁香婷婷少妇| 人人操人人添人人摸97| 久久婷婷综合网| 操操操av| 99婷婷综合| 国产熟女一区二区三区五月婷| 夜夜操夜夜爽| 九九视频在线观看视频在线播放69| 久久五月天网| 深爱女色婷婷丁香五月亚洲图区| 亚洲色图五月丁香五月婷婷| 欧美色99| 五月天五月色| 色色婷婷婷丁香五月天| 久久一热| 五月婷婷九| 日韩av在线免费观看| 九九香蕉网| 国产成人+亚洲+欧洲| 婷婷五月丁香91| 噼里啪啦在线观看免费完整版视频 | 亚洲无AV在线中文字幕| 色色色热热热| 婷婷五月丁香综合亚洲| 91干婷婷| 香蕉狠狠爱视频| 色婷婷成人在线| 性爱激情小说AV五月丁香花| 丁香在线视频| 天天日天天干天天天| 丁香婷婷六月天| 日本三级成人秘书精品片| 丁香激情五月| 免费99情趣网视频| 九月色婷婷综合| 色色com| 五月婷婷免费看| www.色99| 国产精品成av人在线视午夜片| 99人碰碰碰| 色大综合| 五月色色网| 青草视频在线播放| 九九无码| 五月婷婷视频啪啪美女| 停停五月色宗合| 色噜噜狠狠色综无码久久合欧美| 丁香色婷婷五月天| 欧美色色色色色色色色色色影视| 婷婷色基地在线看| 五月丁香激情啪啪| 可以直接看的AV| 九九综合视频在线观看| 婷婷国产五月天17c| 日日夜夜狠狠| 99综合| 激情五月婷婷网在线观看| 中文字幕五月久久婷婷| 99热在线播放| 久久美女五月天| 狠狠夜夜五月丁香| 97久操| 天天干天天拍| 天天摸天天舔| 日本本土色网第一区| 国产成人综合网| 色五月天综合网| se色99| 久综合九| 国产精品久久久爽爽爽麻豆色哟哟| 婷婷娌伦网| 五月婷丁香在线视频在线| 久久婷婷丁香| 国产av第一专区| 久久天天| 久9热视频| 六月亭亭久久综合激情| 色色婷婷丁香| 精品动漫 无码av| 91日韩在线| 亚洲色五月| 九热视频这里只有精品| 99精品自拍| 无码人妻一区二区一牛影视| 亚洲欧洲另类| 久久精品系列| 天天久久综合| 欧美婷婷| 免费亚洲成人电影AV| 一级AV片| 五月婷婷丁香啪啪| 欧美va亚洲va在线播放| 婷婷丁香六月综合激情站| 亚洲无aV在线中文字幕| 丁香六月在线综合| 丁香六月婷婷久久综合| 婷婷九月在线| 五月婷婷激情中心| 五月婷婷亚洲天堂激情在线| 91成人看片| 色色97丁香婷婷五月天| 人妻久久久| 久久婷丁香五月| 婷婷日日夜夜| 加勒比色色| 色婷婷亚洲婷婷| 伊人综合色干| 国产首页在线| 嫩草AV久久伊人妇女超级A| 五月婷婷av| 玖玖精品视频| 99精品网站| 亚洲综合视频天天精品| 激情婷婷五月| 超碰五月婷婷五月天| 久久99国产综合精品免费| 激情五月丁香五月| 天天插天天爽| 九九热精品视频九九| 深爱五月天婷综合| 亚洲超碰在线| 伊人玖玖精品| 丁香五月 激情文学| 琪琪色网在线| 97操操| 日韩操人| 五月婷婷激情日本| 五月婷婷真爱激情网| 呦呦视频无码播放| 丁香婷婷六月激情文学 | 亭亭丁香久久五月| 久月婷婷| 91丨九色丨熟女|老版| 新男人天堂人妻| 五月天婷婷青青草| 少妇被下春药玩弄A片| 六月丁香五月天| 五月丁香激情婷婷| 综合激情五月天六月婷免费视频| 天天摸日日舔狠狠添婷婷婷| 五月婷婷另类| 91婷婷搞| 九月婷婷综合网| 变态另类色图| 五月天丁香啪啪网| 成人.在线日韩| 俺去也婷婷| 天干夜夜操| A A色色| www.精品99| 99re最新地址视频| 色色激情| 97婷婷狠狠| 激情啪啪五月| 欧美日本高清视频99| 五月天大香蕉婷| 综合福利网| 噼里啪啦在线观看免费完整版视频| 丁香五月天啪啪| 日韩成人av在线| 97色热| 色色五月天婷婷丁香| 久久美女五月天| 色五月激情婷婷| 26uuuuuuuu国产| 五月婷婷视频ab| 成人网丁香五月| 手机看片日日做夜夜| 日本va欧美va精品发布视频| 99在线爽| 久久久久久xxxxx| 99色在线| 九九色精品| 久久五月综合| 日本熟妇精品99| PORNY九色9l自拍视频成人| 丁香香蕉婷婷| 欧美婷婷色五月网| 99五丁香月| 天天操天天插天天射| 操B无码视频国语| 九月丁香久久网| 99操逼| 99九九视频| 99re在线精品视频| 黄网在线观看免费| 五月丁香婷草| 91婷婷丁香五月| 伊人婷婷色| 色五月欧美| 五月婷婷人人人操| 亚洲无码成人| 色综合综合色| 久久婷婷色| 色婷视频| 婷婷午夜| 26uuu欧美| 日韩啪啪网| A久久| 欧美性生交XXXXX无码小说 | 激情九月综合| 五月婷婷激情久久| 亚洲99热| 久久九九网| 婷婷五月影院| 大学生高潮无套内谢视频| 男女啪啪做爰高潮无遮挡| 日本强伦片中文字幕免费看| 人妻日日日| 日韩国产AV播放| 北条麻妃伊人| 韩日AV片| 91在线视频综合| 六月丁香中文字幕| av色婷婷| 九九精品视频免费在线| 日韩 欧美 国产 一区 二区| 99视频久久免费视频| 激情综合五月.....| 五月天成人手机在线视频| 狠狠狠狠狠草| 丁香六月亭亭久久综合| 婷婷网五月天| 无码99| AV在线观看网站| 婷婷综合| 狠狠干狠狠色| 激婷网| 色碰97| 婷婷六月综合基地| 亚洲av日韩无码| 九九精品网站| 同性gv国产精品一区二区| 日日夜夜噜噜爽爽| 五月天激情亚洲| 久久精品国产色| 亚洲综合丁香婷婷六月天| 丁香婷婷五色月| 99热这里只有精品3| 99九九视频| 99精品久久| 激情丁香五月婷婷| 免费三级黄色| avh片在线观看| 六月婷婷视频| 亚洲综合久| tingtingjiqingwuyue| 九九热这里只有精品9| 五月天五月天激情网| 久久综合中文字幕| 一起草AV| 国产99久久久国产精品免费看| co超碰在线观看| 日本天堂久久| 操人久久| 色五月婷婷婷婷婷婷婷婷婷婷| 狠狠操天天操综合| 久久性爱视频久久性爱视频| 操一操干一干| 丁香五月另类色婷婷麻豆| 91碰碰碰| 久操欧美在线观看97| 五月婷av| 久久99操| 婷婷爱综合| 天天高潮夜夜爽| 九九色大香蕉| av人人干| 天天干在线播放| 综合玖玖偷拍| 亚洲性受XXXX五月丁香| 五月色婷婷AV| 播五月丁香三月婷婷| 91九九| 无码人妻精品一区二区蜜桃色欲| 天天久久九九| 非洲一级AV| 丁香五月婷婷啪啪| 色亚洲婷婷| 色停停五月,在线观看| 99综合| 亚洲乱码日产精品BD| 九九人人看| 狠狠做五月| 深爱激情网噜噜色| 色五月av| 五月香婷婷| 人碰人人人玩91| www.五月天婷婷| 五月婷婷六月丁香综合视频在线| 亚洲激情免费视频| 五月丁香啪综合| 五月丁香激情综合| 五月天婷婷涩涩| 那里有AV网址| 这里只有精品视频在线看| 国产在线黄色| 少妇高潮呻吟A片免费看软件| 国产高潮白浆一区二区| 日本综合久久| 99热只有精品在线观看| 久久在线大香蕉| 丁香六月婷婷| 成人免费网站免费看| 亚洲成人一区| 夜夜做天天爽| 婷婷五月丁香超碰| 丁香五月天激情综合| 五月天丁香看婷婷| 五月丁香久久综合| 五月综合六月丁| 色私五月婷婷| 少妇高潮呻吟A片免费看软件| 开心五月婷婷综合在线精品素人| 欧美日本综合网| 五月丁香无码视频| 色婷网| 色99综合色88| PORNY九色9l自拍视频成人| 色婷婷五月天天天天天天天天天| 天天天天天天操| 五月丁香成人网| 综合爱久久| 99re99热| 这里只有精品在线视频在线观看| 亚洲人妻av伦理| 级人人91| www.婷婷五月天| 亚洲看av的网站| 五月激情网站| 久久综合久色欧美综合狠狠 | 成人做爰A片免费看网站找不到了 噼里啪啦在线观看免费完整版视频 | WWW.17C亚洲精品| 婷色五月天| 五月婷婷97| 亚洲 激情 中文| 五月天婷婷乱论小说| 免费观看18视频网站| 99免费偷拍视频| 激情综合色五月六月婷婷| 五月丁香六月色| 国产精产国品一二三在观看| 日韩99视频| 色综合久久天天综合网| 91碰碰视频| 亚洲无码影音| 大香蕉久| 五月丁香中文字幕| 天天插天天射| 丁香五月综合首页| 色播五月天天| 日本丁香五月| 日本一级黄色片。| 99久在线精品| 五月婷婷手机在线| 婷婷色五月丁香六月欧美啪| 五月激情婷婷四射| www.av视频xx999.com| 久久综合五月天| 麻豆AV一区二区三区| 婷婷的99视频网站| www.亭亭五月天| 热99在线| 色情开心五月| 热99这里只有精品视频| 超碰人人在线| 五月婷婷97| 五月婷婷狠天天色综合| 久热综合| 色吊丝99| 综合亚洲五月天| 久99久热| 丁香五月桃花在线激情综合| 色婷婷六月性| 2020日日干| BlACKEDRAW视频一区二区| 丁香五月天在线视频| 五月丁香影视| 丁香五月天大香蕉啪啪| 久久xx| 激情五月婷婷视频一区二区三区| www久久久| 久久久99视频| 天天日夜夜拍| 日日影院 | 91狠狠色丁香婷婷综合久久| 美女丁香五婷婷| 欧美成人一区二区三区在线视频| 另类图片天天影视在线观看| 亚洲综合五月天| 嫩草免费视频| 五月天激情在线视频|