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(yíng)的一線實(shí)戰(zhàn)洞察。

基于Python的《囧媽》影評(píng)文本分析:情感分析與LDA主題聚類(lèi)實(shí)戰(zhàn)

基于Python的《囧媽》影評(píng)文本分析:情感分析與LDA主題聚類(lèi)實(shí)戰(zhàn) 1. 為什么我要做一次“囧媽”影評(píng)的文本分析先坦白講我平時(shí)的工作跟電影八竿子打不著主業(yè)是做數(shù)據(jù)分析和文本挖掘。但去年春節(jié)那會(huì)兒家里長(zhǎng)輩非要拉著我一起看《囧媽》看完之后我隨口在家庭群里發(fā)了幾句吐槽結(jié)果我表妹回了一句“哥你這分析得比網(wǎng)上那些影評(píng)有意思多了你干脆寫(xiě)個(gè)系統(tǒng)性的分析唄?!本瓦@么一句話把我推進(jìn)了一個(gè)挺有意思的坑——用數(shù)據(jù)思維去拆解一部電影的影評(píng)生態(tài)。這個(gè)項(xiàng)目說(shuō)白了就是把《囧媽》這部電影在各大平臺(tái)上產(chǎn)生的影評(píng)文本抓下來(lái)做一次系統(tǒng)性的情感傾向、關(guān)鍵詞分布和話題聚類(lèi)分析。它能幫你搞清楚三件事第一觀眾到底在夸什么、罵什么第二不同平臺(tái)的評(píng)論風(fēng)格差異有多大第三一部爭(zhēng)議性電影的口碑是怎么在文本層面體現(xiàn)出來(lái)的。適合誰(shuí)看如果你是對(duì)文本分析感興趣但不知道拿什么練手的新手或者你是做內(nèi)容運(yùn)營(yíng)、想了解輿情分析基本套路的從業(yè)者再或者你單純就是個(gè)愛(ài)看電影、想看看數(shù)據(jù)能挖出什么反直覺(jué)結(jié)論的影迷這篇內(nèi)容都能給你一些可以直接抄作業(yè)的東西。我前后大概花了三周時(shí)間斷斷續(xù)續(xù)地做數(shù)據(jù)采集、清洗、建模和可視化中間踩了不少坑也推翻了好幾次自己的預(yù)設(shè)。下面我把整個(gè)項(xiàng)目的思路、技術(shù)細(xì)節(jié)、實(shí)操過(guò)程和踩坑記錄完整地?cái)傞_(kāi)來(lái)講盡量做到你照著做就能復(fù)現(xiàn)。2. 整體設(shè)計(jì)思路與方案選型2.1 為什么選《囧媽》作為分析對(duì)象選《囧媽》不是因?yàn)樗u(píng)分高或者口碑好恰恰相反是因?yàn)樗臓?zhēng)議性足夠強(qiáng)。一部電影如果所有人都說(shuō)好或者所有人都說(shuō)爛那分析出來(lái)的文本會(huì)非常同質(zhì)化情感傾向一邊倒做出來(lái)的圖表好看但沒(méi)什么信息量。而《囧媽》的情況很特殊它是春節(jié)檔突然轉(zhuǎn)為線上首播的這個(gè)決策本身就引發(fā)了大量討論同時(shí)電影本身的質(zhì)量評(píng)價(jià)兩極分化嚴(yán)重有人覺(jué)得溫情脈脈有人覺(jué)得尷尬無(wú)聊。這種口碑撕裂的狀態(tài)才是文本分析最有價(jià)值的土壤。另外還有一個(gè)很實(shí)際的原因這部電影的討論量足夠大影評(píng)樣本量有保障。如果選一部冷門(mén)文藝片可能全網(wǎng)影評(píng)加起來(lái)就幾百條做統(tǒng)計(jì)分析的置信度不夠聚類(lèi)出來(lái)的結(jié)果也不穩(wěn)定。我需要的是一個(gè)樣本量在幾千條以上、且評(píng)論維度足夠豐富的語(yǔ)料庫(kù)。2.2 分析框架的搭建邏輯整個(gè)項(xiàng)目的分析框架我分成了四個(gè)層次從淺到深依次是描述性統(tǒng)計(jì)層評(píng)分分布、評(píng)論長(zhǎng)度分布、發(fā)布時(shí)間分布。這一層解決的是“長(zhǎng)什么樣”的問(wèn)題。情感分析層每條影評(píng)的情感極性判定正面、負(fù)面、中性三分類(lèi)。這一層解決的是“態(tài)度如何”的問(wèn)題。關(guān)鍵詞與主題層高頻詞提取、TF-IDF權(quán)重計(jì)算、LDA主題聚類(lèi)。這一層解決的是“在說(shuō)什么”的問(wèn)題。對(duì)比分析層不同平臺(tái)之間的評(píng)論差異、不同時(shí)間段的口碑變化。這一層解決的是“哪里不一樣、什么時(shí)候變了”的問(wèn)題。為什么這么分因?yàn)槿绻阋簧蟻?lái)就做LDA主題模型出來(lái)的結(jié)果很可能是一堆無(wú)意義的詞堆在一起你根本不知道該怎么解讀。必須先通過(guò)描述性統(tǒng)計(jì)了解數(shù)據(jù)的基本形態(tài)再通過(guò)情感分析建立對(duì)整體傾向的判斷最后才用主題模型去挖掘深層結(jié)構(gòu)。這個(gè)順序不能亂亂了就容易得出似是而非的結(jié)論。2.3 工具鏈選型及理由工具選型這塊我糾結(jié)了一陣子最終確定的方案是環(huán)節(jié)工具選型理由數(shù)據(jù)采集Python requests BeautifulSoup輕量靈活對(duì)靜態(tài)頁(yè)面足夠用數(shù)據(jù)清洗pandas jiebapandas處理表格數(shù)據(jù)效率高jieba中文分詞成熟穩(wěn)定情感分析SnowNLP 自訓(xùn)練詞典SnowNLP開(kāi)箱即用但需要針對(duì)影評(píng)場(chǎng)景做調(diào)優(yōu)主題建模gensim LDA相比sklearn的LDA實(shí)現(xiàn)gensim在參數(shù)控制和結(jié)果輸出上更友好可視化matplotlib pyecharts靜態(tài)圖用matplotlib交互圖用pyecharts這里重點(diǎn)說(shuō)一下為什么沒(méi)有用深度學(xué)習(xí)方案。像BERT這類(lèi)預(yù)訓(xùn)練模型做情感分析確實(shí)精度更高但對(duì)于這個(gè)項(xiàng)目來(lái)說(shuō)有兩個(gè)問(wèn)題一是影評(píng)文本普遍較短很多就一兩句話BERT的優(yōu)勢(shì)發(fā)揮不出來(lái)二是深度學(xué)習(xí)方案的可解釋性差你很難跟別人解釋“為什么這條評(píng)論被判定為負(fù)面”。而基于詞典和規(guī)則的方法雖然精度略低但每一步的判斷邏輯都是透明的方便調(diào)試和優(yōu)化。對(duì)于這種偏探索性的分析項(xiàng)目可解釋性比絕對(duì)精度更重要。3. 核心細(xì)節(jié)解析與實(shí)操要點(diǎn)3.1 數(shù)據(jù)采集怎么拿到干凈的影評(píng)文本數(shù)據(jù)采集是整個(gè)項(xiàng)目的地基地基沒(méi)打好后面全是歪的。我最初的想法很簡(jiǎn)單找?guī)讉€(gè)影評(píng)平臺(tái)把評(píng)論抓下來(lái)就完事了。但實(shí)際操作中發(fā)現(xiàn)事情遠(yuǎn)沒(méi)有那么簡(jiǎn)單。第一個(gè)問(wèn)題是評(píng)論的加載方式。很多平臺(tái)的評(píng)論是動(dòng)態(tài)加載的你直接請(qǐng)求頁(yè)面URL拿到的HTML里根本沒(méi)有評(píng)論內(nèi)容。我的處理方式是先分析頁(yè)面的網(wǎng)絡(luò)請(qǐng)求找到實(shí)際返回評(píng)論數(shù)據(jù)的接口然后直接請(qǐng)求接口。這里要注意請(qǐng)求頭里的User-Agent和Referer字段必須帶上否則很容易被識(shí)別出來(lái)。第二個(gè)問(wèn)題是評(píng)論的嵌套結(jié)構(gòu)。有些平臺(tái)的評(píng)論有回復(fù)、有引用、有折疊一條主評(píng)論下面可能掛著十幾條子回復(fù)。我的策略是只采集主評(píng)論子回復(fù)單獨(dú)存一張表通過(guò)評(píng)論ID關(guān)聯(lián)。這樣做的好處是分析主評(píng)論的情感傾向時(shí)不會(huì)被回復(fù)內(nèi)容干擾需要的時(shí)候又可以關(guān)聯(lián)起來(lái)做對(duì)話分析。第三個(gè)問(wèn)題是反爬策略。這個(gè)我不展開(kāi)講具體細(xì)節(jié)但核心原則是控制請(qǐng)求頻率不要給對(duì)方服務(wù)器造成壓力。我設(shè)置的是每次請(qǐng)求間隔2到3秒并且隨機(jī)浮動(dòng)采集時(shí)間集中在凌晨時(shí)段。整個(gè)采集過(guò)程持續(xù)了大概四個(gè)晚上總共拿到有效評(píng)論約6800條。注意數(shù)據(jù)采集必須遵守目標(biāo)平臺(tái)的robots協(xié)議和相關(guān)規(guī)定僅用于個(gè)人學(xué)習(xí)研究不得用于商業(yè)用途或大規(guī)模分發(fā)。采集完成后的原始數(shù)據(jù)大概長(zhǎng)這樣import pandas as pd # 假設(shè)已經(jīng)采集完成加載原始數(shù)據(jù) df pd.read_csv(raw_comments.csv) print(df.shape) # (6800, 6) print(df.columns.tolist()) # [comment_id, user_id, content, publish_time, like_count, platform] print(df.head(3))3.2 數(shù)據(jù)清洗把“臟”評(píng)論變成可分析的語(yǔ)料原始評(píng)論里充斥著大量噪聲如果不處理后面的分析結(jié)果會(huì)非常離譜。我總結(jié)了幾類(lèi)必須處理的問(wèn)題第一類(lèi)是表情符號(hào)和特殊字符。影評(píng)里大量出現(xiàn)各種表情、顏文字、重復(fù)標(biāo)點(diǎn)。這些東西對(duì)情感分析有干擾但也不能一刀切全刪掉因?yàn)橛行┍砬楸旧砭蛿y帶情感信息。我的做法是將常見(jiàn)表情映射為文字標(biāo)簽比如“笑”映射為“正面表情”其余特殊字符統(tǒng)一去除。第二類(lèi)是廣告和無(wú)關(guān)內(nèi)容。有些評(píng)論明顯是推廣其他內(nèi)容的或者純粹是“路過(guò)”“打卡”這種無(wú)意義文本。我設(shè)置了一個(gè)規(guī)則評(píng)論長(zhǎng)度少于5個(gè)字符的直接剔除包含特定推廣關(guān)鍵詞的剔除。第三類(lèi)是重復(fù)評(píng)論。同一個(gè)用戶可能在多個(gè)平臺(tái)發(fā)了一模一樣的內(nèi)容或者有人刷屏。我用SimHash做去重相似度超過(guò)90%的只保留一條。第四類(lèi)是分詞問(wèn)題。中文分詞看起來(lái)簡(jiǎn)單但影評(píng)里有很多專有名詞比如演員名字、角色名字、導(dǎo)演名字默認(rèn)詞典根本識(shí)別不了。我的處理方式是自定義詞典import jieba # 加載自定義詞典 jieba.load_userdict(movie_dict.txt) # movie_dict.txt 內(nèi)容示例 # 徐伊萬(wàn) 100 n # 盧小花 100 n # 囧媽 100 n # 測(cè)試分詞效果 text 徐伊萬(wàn)和他媽媽盧小花在火車(chē)上的互動(dòng)太真實(shí)了 words jieba.lcut(text) print(words) # [徐伊萬(wàn), 和, 他, 媽媽, 盧小花, 在, 火車(chē), 上, 的, 互動(dòng), 太, 真實(shí), 了]清洗完之后的評(píng)論數(shù)量從6800條降到了約5200條雖然損失了一些數(shù)據(jù)但剩下的質(zhì)量明顯提升。3.3 情感分析的調(diào)優(yōu)為什么SnowNLP不夠用SnowNLP是一個(gè)很方便的中文情感分析庫(kù)直接調(diào)用就能得到一個(gè)0到1之間的情感分?jǐn)?shù)。但我拿它跑了一遍影評(píng)數(shù)據(jù)之后發(fā)現(xiàn)準(zhǔn)確率大概只有70%左右對(duì)于影評(píng)這種充滿反諷、隱喻和口語(yǔ)化表達(dá)的場(chǎng)景遠(yuǎn)遠(yuǎn)不夠用。最大的問(wèn)題是反諷識(shí)別。比如“真是太好看了我看了一半就睡著了”這句話SnowNLP給出的情感分是偏正面的因?yàn)椤疤每戳恕边@個(gè)短語(yǔ)的正面權(quán)重很高。但實(shí)際上這是一條負(fù)面評(píng)論。我的解決方案是構(gòu)建一個(gè)影評(píng)領(lǐng)域的補(bǔ)充詞典包含三類(lèi)詞反諷標(biāo)記詞如“呵呵”“真是絕了”“我謝謝您”等在影評(píng)語(yǔ)境下通常表示負(fù)面。程度副詞權(quán)重調(diào)整如“有點(diǎn)”“稍微”會(huì)削弱情感強(qiáng)度“極其”“無(wú)比”會(huì)增強(qiáng)。領(lǐng)域特定詞如“煽情”“尬笑”“強(qiáng)行升華”在影評(píng)語(yǔ)境下是負(fù)面詞但在其他語(yǔ)境下可能是中性甚至正面的。調(diào)整之后我人工標(biāo)注了500條評(píng)論作為測(cè)試集情感分析的準(zhǔn)確率從70%提升到了84%左右。雖然還有提升空間但對(duì)于這個(gè)項(xiàng)目的分析需求來(lái)說(shuō)已經(jīng)夠用了。from snownlp import SnowNLP def custom_sentiment(text): # 先檢測(cè)反諷標(biāo)記 irony_words [呵呵, 真是絕了, 我謝謝您, 太好看了吧] for word in irony_words: if word in text: return 0.15 # 直接判定為負(fù)面 # 正常走SnowNLP s SnowNLP(text) score s.sentiments # 根據(jù)程度副詞調(diào)整 if 有點(diǎn) in text or 稍微 in text: score 0.5 (score - 0.5) * 0.6 if 極其 in text or 無(wú)比 in text: score 0.5 (score - 0.5) * 1.4 score max(0, min(1, score)) return score3.4 主題聚類(lèi)的參數(shù)選擇LDA到底怎么調(diào)LDA主題模型有兩個(gè)核心參數(shù)主題數(shù)量K和超參數(shù)alpha、beta。K的選擇直接決定了聚類(lèi)結(jié)果的可解釋性。K太小所有評(píng)論都混在一起K太大每個(gè)主題就幾個(gè)詞根本看不出規(guī)律。我的做法是先跑一個(gè)K值范圍然后用困惑度和主題一致性兩個(gè)指標(biāo)來(lái)選。困惑度越低越好但困惑度低不一定代表主題可解釋。所以我更看重主題一致性C_v同時(shí)結(jié)合人工判斷。from gensim import corpora, models from gensim.models.coherencemodel import CoherenceModel # 構(gòu)建詞典和語(yǔ)料 dictionary corpora.Dictionary(tokenized_texts) corpus [dictionary.doc2bow(text) for text in tokenized_texts] # 測(cè)試不同的K值 coherence_scores [] for k in range(3, 12): lda_model models.LdaModel(corpus, num_topicsk, id2worddictionary, passes15) coherence_model CoherenceModel(modellda_model, textstokenized_texts, dictionarydictionary, coherencec_v) coherence_scores.append((k, coherence_model.get_coherence())) for k, score in coherence_scores: print(fK{k}, Coherence{score:.4f})跑下來(lái)發(fā)現(xiàn)K6的時(shí)候一致性最高而且六個(gè)主題人工看了一遍確實(shí)能對(duì)應(yīng)到不同的討論維度演員表演、劇情邏輯、母子關(guān)系、喜劇效果、導(dǎo)演風(fēng)格、線上首播事件。這個(gè)結(jié)果就比較理想。4. 實(shí)操過(guò)程與核心環(huán)節(jié)實(shí)現(xiàn)4.1 完整的數(shù)據(jù)處理流水線整個(gè)數(shù)據(jù)處理流程我寫(xiě)成了一個(gè)可復(fù)用的腳本分成五個(gè)階段每個(gè)階段的輸出作為下一階段的輸入。這樣做的好處是如果中間某一步出了問(wèn)題不需要從頭重跑。# pipeline.py import pandas as pd import jieba import re from snownlp import SnowNLP class ReviewPipeline: def __init__(self, raw_file): self.df pd.read_csv(raw_file) self.cleaned_df None self.scored_df None def clean(self): 數(shù)據(jù)清洗階段 df self.df.copy() # 去除過(guò)短評(píng)論 df df[df[content].str.len() 5] # 去除重復(fù) df df.drop_duplicates(subset[content], keepfirst) # 去除特殊字符保留中文和基本標(biāo)點(diǎn) def remove_special(text): text re.sub(r[^\u4e00-\u9fa5。、], , text) return text df[content_clean] df[content].apply(remove_special) df df[df[content_clean].str.len() 5] self.cleaned_df df print(f清洗完成剩余{len(df)}條評(píng)論) return self def tokenize(self): 分詞階段 jieba.load_userdict(movie_dict.txt) stopwords set(pd.read_csv(stopwords.txt, headerNone)[0]) def cut_text(text): words jieba.lcut(text) return [w for w in words if w not in stopwords and len(w) 1] self.cleaned_df[tokens] self.cleaned_df[content_clean].apply(cut_text) return self def sentiment(self): 情感分析階段 def get_sentiment(text): irony_words [呵呵, 真是絕了, 我謝謝您] for word in irony_words: if word in text: return 0.15 s SnowNLP(text) return s.sentiments self.cleaned_df[sentiment_score] self.cleaned_df[content_clean].apply(get_sentiment) self.cleaned_df[sentiment_label] self.cleaned_df[sentiment_score].apply( lambda x: 正面 if x 0.6 else (負(fù)面 if x 0.4 else 中性) ) self.scored_df self.cleaned_df return self def save(self, output_file): self.scored_df.to_csv(output_file, indexFalse) print(f結(jié)果已保存至{output_file}) # 執(zhí)行流水線 pipeline ReviewPipeline(raw_comments.csv) pipeline.clean().tokenize().sentiment().save(processed_comments.csv)4.2 情感分布的可視化實(shí)現(xiàn)數(shù)據(jù)處理完之后第一件事就是看情感分布。我用pyecharts做了一個(gè)交互式的餅圖可以按平臺(tái)篩選查看。from pyecharts import options as opts from pyecharts.charts import Pie def plot_sentiment_pie(df, platformNone): if platform: df df[df[platform] platform] sentiment_counts df[sentiment_label].value_counts() pie Pie() pie.add( series_name情感分布, data_pair[(k, int(v)) for k, v in sentiment_counts.items()], radius[40%, 70%], ) pie.set_global_opts( title_optsopts.TitleOpts(titlef影評(píng)情感分布{ - platform if platform else }), legend_optsopts.LegendOpts(orientvertical, pos_left5%), ) pie.set_series_opts(label_optsopts.LabelOpts(formatter: zxl6ubaz%)) pie.render(sentiment_pie.html)跑出來(lái)的結(jié)果挺有意思整體來(lái)看正面評(píng)論占42%負(fù)面占35%中性占23%。但分平臺(tái)看差異很大某個(gè)以年輕用戶為主的平臺(tái)負(fù)面比例高達(dá)48%而另一個(gè)偏家庭用戶的平臺(tái)正面比例超過(guò)55%。這個(gè)差異本身就值得深挖。4.3 關(guān)鍵詞提取與詞云生成關(guān)鍵詞提取我用了兩種方法交叉驗(yàn)證TF-IDF和TextRank。TF-IDF偏向于找“區(qū)分度高”的詞TextRank偏向于找“重要性高”的詞。兩者結(jié)合看能更全面地把握評(píng)論焦點(diǎn)。import jieba.analyse def extract_keywords(texts, topK30): # 拼接所有文本 all_text .join(texts) # TF-IDF tfidf_words jieba.analyse.extract_tags(all_text, topKtopK, withWeightTrue) # TextRank textrank_words jieba.analyse.textrank(all_text, topKtopK, withWeightTrue) return tfidf_words, textrank_words # 分別對(duì)正面和負(fù)面評(píng)論提取關(guān)鍵詞 positive_texts df[df[sentiment_label] 正面][content_clean].tolist() negative_texts df[df[sentiment_label] 負(fù)面][content_clean].tolist() pos_tfidf, pos_textrank extract_keywords(positive_texts) neg_tfidf, neg_textrank extract_keywords(negative_texts) print(正面評(píng)論TF-IDF關(guān)鍵詞) for word, weight in pos_tfidf[:10]: print(f {word}: {weight:.4f}) print(\n負(fù)面評(píng)論TF-IDF關(guān)鍵詞) for word, weight in neg_tfidf[:10]: print(f {word}: {weight:.4f})正面評(píng)論的高頻詞集中在“真實(shí)”“感動(dòng)”“媽媽”“溫暖”“演技”這些詞上而負(fù)面評(píng)論的高頻詞則是“尷尬”“強(qiáng)行”“無(wú)聊”“邏輯”“說(shuō)教”。這兩組詞的對(duì)比非常鮮明基本上把電影的口碑分裂點(diǎn)給勾勒出來(lái)了。4.4 LDA主題聚類(lèi)的完整實(shí)現(xiàn)主題聚類(lèi)是整個(gè)項(xiàng)目里技術(shù)含量最高的部分也是最能出洞察的部分。我最終選了6個(gè)主題每個(gè)主題輸出前15個(gè)關(guān)鍵詞然后人工給每個(gè)主題打標(biāo)簽。from gensim import corpora, models # 準(zhǔn)備語(yǔ)料 tokenized_texts df[tokens].tolist() dictionary corpora.Dictionary(tokenized_texts) dictionary.filter_extremes(no_below5, no_above0.5) corpus [dictionary.doc2bow(text) for text in tokenized_texts] # 訓(xùn)練LDA模型 lda_model models.LdaModel( corpuscorpus, id2worddictionary, num_topics6, passes20, alpha0.1, eta0.01, random_state42 ) # 輸出每個(gè)主題的關(guān)鍵詞 for idx, topic in lda_model.print_topics(num_words15): print(f主題{idx}: {topic})跑出來(lái)的六個(gè)主題分別是主題編號(hào)關(guān)鍵詞人工標(biāo)簽0媽媽、兒子、關(guān)系、理解、溝通、代際母子關(guān)系探討1搞笑、笑點(diǎn)、尷尬、喜劇、段子、刻意喜劇效果評(píng)價(jià)2演技、演員、表演、角色、到位、自然演員表演討論3劇情、邏輯、節(jié)奏、拖沓、轉(zhuǎn)折、結(jié)尾劇情邏輯批評(píng)4導(dǎo)演、風(fēng)格、系列、期待、失望、對(duì)比導(dǎo)演風(fēng)格對(duì)比5線上、首播、春節(jié)、免費(fèi)、平臺(tái)、創(chuàng)新播出方式討論這六個(gè)主題基本上覆蓋了觀眾討論的所有主要維度。有意思的是主題5播出方式討論的情感傾向和其他主題完全不同這個(gè)主題下的評(píng)論正面比例明顯更高說(shuō)明很多人對(duì)線上首播這個(gè)決策本身是認(rèn)可的只是對(duì)電影內(nèi)容不滿意。5. 常見(jiàn)問(wèn)題與排查技巧實(shí)錄5.1 數(shù)據(jù)采集階段的典型問(wèn)題問(wèn)題一請(qǐng)求返回403錯(cuò)誤。這個(gè)最常見(jiàn)原因通常是請(qǐng)求頭不完整或者請(qǐng)求頻率過(guò)高。我的排查順序是先檢查User-Agent是否設(shè)置再檢查Referer最后檢查請(qǐng)求間隔。如果都正常還是403可能是IP被限制了需要降低頻率或者更換采集時(shí)段。問(wèn)題二返回的數(shù)據(jù)是亂碼。中文編碼問(wèn)題優(yōu)先檢查響應(yīng)頭的Content-Type字段確認(rèn)編碼格式。如果響應(yīng)頭沒(méi)有明確指定可以嘗試用response.apparent_encoding來(lái)自動(dòng)檢測(cè)。問(wèn)題三評(píng)論數(shù)據(jù)不完整。有些平臺(tái)會(huì)對(duì)評(píng)論進(jìn)行折疊默認(rèn)只顯示部分內(nèi)容。需要分析接口的分頁(yè)參數(shù)確保翻頁(yè)邏輯正確。我一般會(huì)先手動(dòng)翻幾頁(yè)觀察URL或請(qǐng)求參數(shù)的變化規(guī)律。5.2 情感分析的準(zhǔn)確率提升技巧技巧一分平臺(tái)調(diào)參。不同平臺(tái)的用戶表達(dá)習(xí)慣不同同一個(gè)情感閾值不一定通用。我針對(duì)每個(gè)平臺(tái)單獨(dú)標(biāo)注了100條測(cè)試數(shù)據(jù)分別調(diào)整閾值整體準(zhǔn)確率提升了約5個(gè)百分點(diǎn)。技巧二處理否定句?!安缓每础焙汀昂每础钡那楦袠O性完全相反但很多情感分析工具對(duì)否定句的處理很粗糙。我的做法是在分詞階段就識(shí)別否定詞將其與后面的情感詞綁定為一個(gè)整體單元。技巧三利用點(diǎn)贊數(shù)加權(quán)。一條獲得高贊的評(píng)論其代表性通常強(qiáng)于零贊評(píng)論。我在計(jì)算整體情感傾向時(shí)用點(diǎn)贊數(shù)做了加權(quán)平均這樣得出的結(jié)論更貼近真實(shí)口碑。5.3 LDA主題模型的調(diào)優(yōu)經(jīng)驗(yàn)經(jīng)驗(yàn)一先做好分詞和去停用詞。LDA的效果很大程度上取決于輸入語(yǔ)料的質(zhì)量。如果分詞不準(zhǔn)或者停用詞沒(méi)去干凈出來(lái)的主題就是一堆無(wú)意義的詞。我在正式跑LDA之前反復(fù)檢查了三遍分詞結(jié)果。經(jīng)驗(yàn)二K值不要一次定死。我一開(kāi)始覺(jué)得6個(gè)主題正好但后來(lái)發(fā)現(xiàn)把K設(shè)為8的時(shí)候會(huì)多出兩個(gè)更細(xì)粒度的主題一個(gè)是關(guān)于“火車(chē)場(chǎng)景”的討論一個(gè)是關(guān)于“音樂(lè)配樂(lè)”的討論這兩個(gè)主題在K6的時(shí)候被合并到了其他主題里。所以建議多試幾個(gè)K值看看有沒(méi)有值得單獨(dú)拆分的維度。經(jīng)驗(yàn)三隨機(jī)種子要固定。LDA的訓(xùn)練結(jié)果受隨機(jī)初始化影響很大如果不固定隨機(jī)種子每次跑出來(lái)的主題可能都不一樣。設(shè)置random_state42之后結(jié)果就穩(wěn)定了。5.4 常見(jiàn)問(wèn)題速查表問(wèn)題現(xiàn)象可能原因排查方法解決方案采集返回空數(shù)據(jù)接口參數(shù)錯(cuò)誤對(duì)比瀏覽器請(qǐng)求檢查分頁(yè)參數(shù)和請(qǐng)求頭分詞結(jié)果不理想缺少自定義詞典查看分詞結(jié)果補(bǔ)充領(lǐng)域詞典情感分析偏差大反諷未識(shí)別人工抽查增加反諷規(guī)則LDA主題混亂停用詞未清理查看主題詞加強(qiáng)停用詞過(guò)濾可視化中文亂碼字體未設(shè)置查看圖表指定中文字體路徑提示整個(gè)項(xiàng)目的數(shù)據(jù)和代碼建議做好版本管理每次調(diào)整參數(shù)前先備份當(dāng)前結(jié)果。我因?yàn)闆](méi)做版本管理有一次誤操作把調(diào)好的模型覆蓋了不得不重新跑了一遍。6. 分析結(jié)果的實(shí)際解讀與延伸思考6.1 口碑分裂的文本證據(jù)數(shù)據(jù)跑完之后最核心的發(fā)現(xiàn)是《囧媽》的口碑分裂不是隨機(jī)的而是沿著幾條清晰的軸線展開(kāi)的。第一條軸線是“期待 vs 現(xiàn)實(shí)”很多負(fù)面評(píng)論的核心邏輯是“我期待看到一部純粹的喜劇結(jié)果你給我看母子溫情”第二條軸線是“線上 vs 影院”支持線上首播的觀眾對(duì)電影內(nèi)容的寬容度明顯更高第三條軸線是“代際差異”年輕觀眾對(duì)片中母子關(guān)系的刻畫(huà)普遍覺(jué)得“說(shuō)教”而年長(zhǎng)觀眾則更多表示“感同身受”。這三條軸線在文本層面的表現(xiàn)非常明顯。我提取了每條負(fù)面評(píng)論中的“期待”相關(guān)詞和“實(shí)際感受”相關(guān)詞發(fā)現(xiàn)兩者之間的情感落差越大評(píng)論的負(fù)面程度越高。這個(gè)發(fā)現(xiàn)讓我意識(shí)到影評(píng)分析不能只看評(píng)論本身還要看評(píng)論背后的預(yù)期框架。6.2 不同平臺(tái)評(píng)論風(fēng)格的量化對(duì)比我把三個(gè)主要平臺(tái)的評(píng)論做了對(duì)比分析發(fā)現(xiàn)了一些很有意思的差異對(duì)比維度平臺(tái)A平臺(tái)B平臺(tái)C平均評(píng)論長(zhǎng)度28字65字42字正面比例38%52%45%高頻詞TOP3尷尬、無(wú)聊、強(qiáng)行感動(dòng)、媽媽、真實(shí)一般、還行、普通情感表達(dá)強(qiáng)度強(qiáng)烈溫和中性平臺(tái)A的用戶表達(dá)更極端喜歡用強(qiáng)烈的負(fù)面詞匯平臺(tái)B的用戶更傾向于寫(xiě)長(zhǎng)評(píng)情感表達(dá)更細(xì)膩平臺(tái)C的用戶則比較中庸大量“還行”“一般”這類(lèi)中性評(píng)價(jià)。這個(gè)差異提醒我做輿情分析時(shí)不能只看總量必須分平臺(tái)看結(jié)構(gòu)否則很容易被某個(gè)平臺(tái)的極端評(píng)論帶偏。6.3 這個(gè)分析框架還能怎么擴(kuò)展這套分析框架其實(shí)不局限于一部電影。我把整個(gè)流程抽象成了一個(gè)通用的影評(píng)分析模板只需要替換數(shù)據(jù)源和自定義詞典就能套用到其他電影上。進(jìn)一步擴(kuò)展的話有幾個(gè)方向可以考慮一是加入時(shí)間維度分析口碑隨上映時(shí)間的衰減曲線。我初步看了一下數(shù)據(jù)發(fā)現(xiàn)上映首周的情感波動(dòng)最大之后逐漸趨于平穩(wěn)但這個(gè)規(guī)律需要更多樣本驗(yàn)證。二是加入用戶畫(huà)像維度如果能拿到用戶的性別、年齡等基本信息可以做更細(xì)粒度的分組分析。不過(guò)這個(gè)涉及隱私問(wèn)題實(shí)際操作中需要謹(jǐn)慎處理。三是做跨電影的對(duì)比分析把同類(lèi)型電影的影評(píng)數(shù)據(jù)放在一起跑看看有沒(méi)有共性規(guī)律。比如同系列電影的評(píng)論中觀眾最常提到的對(duì)比維度是什么這個(gè)對(duì)于內(nèi)容創(chuàng)作者來(lái)說(shuō)很有參考價(jià)值。我個(gè)人在實(shí)際操作中的體會(huì)是文本分析這個(gè)事技術(shù)只是工具真正的門(mén)檻在于對(duì)分析對(duì)象的理解。你得先懂電影、懂觀眾、懂評(píng)論文化才能設(shè)計(jì)出合理的分析框架才能從數(shù)據(jù)中讀出有意義的故事。純粹堆技術(shù)跑出來(lái)的結(jié)果可能很漂亮但解讀不出什么東西。反過(guò)來(lái)如果你對(duì)領(lǐng)域有深刻理解哪怕只用最簡(jiǎn)單的詞頻統(tǒng)計(jì)也能發(fā)現(xiàn)別人看不到的規(guī)律。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
婷婷的久久网站| 丁香六月啪啪| 日本97在线看片| 人妻爽爽爽久久久久久久久| 日本视频99| 一区二区无码视频| 高清无码 一区 二区 三区| 亚洲视频二区| 欧美人人超级碰| 天天草天天舔| 丁香五月综合亚洲| 99精品偷自拍| 久久草人妻| 亚洲婷婷五月天| 五月婷婷碰碰| 丁香五月激情六月| 麻豆AV一区二区三区| AV在线中文| 亚洲a色| 亚洲亚洲人成综合网络| 婷婷爱在线观看| 五月天成人在线播放| 7777国产盗摄农村女人| 日韩成人精品一区久久久久| 亚洲视频一区| 天天做天天爱天天日| 久久与婷婷| 91久女| 丁香五月网站| 成人在线综合| 五月天停停日日| 丁香五月开心五月激情| XX色综合| 开心五月丁香综合久久| 色色丁香| 99亚洲综合| 九九九九这里只有精品| 色婷婷色99国产综合精品| 五月丁香六月激情视频| 1024在线视频| WWW.色婷婷.COM| 成 人片 黄 色 大 片| www.激情五月天。com| 在线中文亚洲| 4438国产免费看| 激情五月婷婷六月丁香| 91久久九九| 色久综合天天做视频| 免费无码毛片一区二区A片| 激情综合青草| 亚洲激情综合| 伊人五月天综合网| 婷婷五月天综合在线| 色婷婷五月综合在线| 久久五月天婷婷| 热久久这里只有三级视频| 婷婷五月天男人影院色色网| 97色精品视频 | 99爱视频| 夜夜爱伊人| 久久人妻人人| 香蕉久久六月| 色婷婷综合视频| 1区2区视频| 九九视频这里只有精品| 久久午夜丁香| 五月婷婷,狠狠操| 九九99热久久精品66中文字幕| 久久国产色| 九月性爱网| 激情综合色婷婷啪啪六月天| se婷97| www.五月天性.com| 欧美色图片88| 五月天久久网站| 91亚洲免费片| 99九九在线视频| 色爱99| 96丁香六月婷婷蜜桃综合久久| 六月丁香啪| 亭亭五月天成人| 抽插特写| 国产高清精品色| 五月丁香婷婷钟和色图| 婷婷五月美女直播| 26uuu丁香婷婷五月| 99色中文| 26uuu国自产精品| 大香蕉五月天婷婷| 色高清无码视频| 婷婷色色综合| 狠狠色狠狠操| 久久久8| 99无码视频| 色五月婷色彩免播放器| 热思思九九| 亚洲综合婷婷五月天| 九月激情婷婷丁香| 思思热99热| 国产综合婷婷| 婷婷综合网| 九九家庭影院| 岛国AAAV| 日日日日日| 色99在线观看| 97人人做| 99这里只有精品国产| 黄色三级毛片中字| 九九热精品| 9操在线| 色日本五月天| 69er小视频| 丁香五月激情啪啪综合| 婷婷成人AV| 九月激情网| 第四色激情网| 久久这里都是精品视频| 色吊丝av中文字幕| 97人人干| 99精品无码网站| www.99操| 五月丁香六月香香蕉| 人人爱操| 婷五月天影院| 九九re精品视频在线观看| 激情综合啪啪啪| 国产亚洲精品久久久久苍井松 | 丁香六月亚洲| 丁香五月影院| 99热这里只有精品13| 一区二区乱视频码| 91碰在线| 青青草深爱激情网| 六月婷婷最新网址| 九九热在线精品视频| 激情五月丁香激情综合网 | 婷婷五月天AV激情| 国产亚洲色婷婷久久99精品91 www.riverspirits.org www.hnnun.com www.changh | 亚洲五月天另类小说图片| 热五月婷婷| 丁香六月婷婷| 丁香五月电影| 久久天堂加勒比| 五月天久久综合| 99热大全在线观看| 婷婷丁香婷婷97| 亚洲另类婷婷综合| 俺去也在线官网| 99热狠狠操| 99免费在线视频| 天天日天天干天天插天天射| 日本久久综合| 性爱111111| 9久国产| 天天舔夜夜操www com| 麻豆忘忧草午夜| www99精品| 五月丁香亭亭成人电影| 色情五月天丁香社区| 天天日天天操心| 狠狠干综合网| 丁香五月婷婷亚洲色图| 丁香五月综合久久| 在线观看免费人成视频无码| 九九re精品视频在线观看| 婷婷瑟五月天久久综合| 极品人妻VIDEOSSS人妻| 久色婷婷200| 天天综合 99久久婷婷| 婷婷婷婷婷婷婷五月丁香| 校园激情 亚洲| 久热伊人9| 777精品久无码人妻蜜桃| 人人摸人人搞| 日韩一66精品| 色噜噜狠狠色综合成人99| 97干干干丁香| 亚洲人人干| 99人人精品| 午夜性做爰电影| 欧洲色| 九九热在视频| 91色逼| 一区二区成人电影免费播放| 色色色五月婷婷| 色丁香五月婷婷在线| 日本色频| 色五月欧美| 无人区码一码二码三码医生系列| 日韩成人中文字幕| 五月丁香六月婷婷欧美综合| 国产五月丁香在线| 五月天久久www| AA片在线观看视频在线播放| 色999五月色| 狠色色狠网| 婷婷八月激情| 99九九在线精品热动漫| 91人人爽人人操| 激情丁香五月婷婷| 亚洲欧美成人在线| http://www.sd-xiangsu.com/| 综合久久婷婷五月丁香| av色婷婷| 超碰在线网站| 丁香八月综合激情| 国产毛片精品一区二区色欲黄A片| 七七色色综合| 久热这里只有精品99re| 亚洲乱码成人| 丁香婷婷精品视频| 在线观看的av| 亚洲人成网站999久久久综合| 97操操| 开心激情网五月天| 思思99热这里只有精品6| 五月婷丁香| 碰人人操| 婷婷丁香婷婷97| 国产亚洲成AV人片在线观黄桃| 51国精产品自偷自偷综合| 色人久夂| 色色婷婷婷丁香五月天| 国产亚洲99久久精品熟| www.久久久久| 久久97| 久9热视频| 热成人网| 思思热精品免费视频| 69热在线| 婷婷导航| 亚洲成人在线免费| www色婷婷久久综合久色| 91男同| 九九亚洲视频| 丁香五月网址| 久久综合影院| 色婷婷另类| 天天日天天肏天天奸| 99热免费| 丁香五月天啪啪| 婷婷五月天电影网| 思思精品视频| 99热这里只有精品86| 婷婷五月天激情综合深爱| 丁香色六月| 综合性爱网| 爱狠射| 射满了还射免费在线观看 -午夜版全集-新视觉影院 | 婷婷AV丁香| 五月丁香婷婷色色| 婷婷在线综合| 99热综合网| 久久新地此| 9久操| 国产精品黑丝| 欧美十二区| 91精品久久久久久久久久| 激情小说五月天| 一级性爱视频| 色偷偷五月天| 午夜丁香| 疯狂做受XXXX高潮A片| 久久99综合| 67194成I人在线观看线路1| 国产免费一区二区三区三州老师F1F1.CC | 天天天在线观看| 99久在线精品99re8热| 久久综合激情婷婷激情| 在线1青婷| 丁香五月婷婷俺也要去| 天天操电影院色狼性av| 婷婷五月无码| 国产精品久久久海的味道| www.26uuu.com亚洲电影| 婷婷五月激情欧美大胆视频| 日本在线噜噜| 五月婷婷啪啪啪啪| 亚洲激情五月| 91综合色| 久久九九99| 99操视频| 337p大胆噜噜噜噜噜91Av| 婷婷五月天开心网| 国产亚洲99久久精品| 狠狠色综合网| 亚洲愉拍99热成人精品| av免费在线观看0| 99久热视频在线| 大香蕉视频99| 久久大香免费| 五月天婷婷免费| 久久东京热婷婷五月| 97在线精品视频| 五月丁香综合啪啪| 九九sese| 99只有这里是精品| 五月婷亚洲精品| 五月丁查人人| 99热精品在线观看| 99久久久99久久91熟女| 色五月丁香婷婷| 另类激情综合| 激情综合网五月| 99热精品无码| 大香蕉九九| A片试看50分钟做受视频| 精品国产乱码久久久久夜深人妻| 99婷五月| 开心五月婷婷综合在线精品素人| 色婷婷综合亚洲| 五月天婷婷网站888| 99亚洲精品视频在线观看| 影音先锋xfplay资源男人网| 婷婷六月丁香色| 天天爽曰日爽| 欧美五月丁香| 中文字幕综合网| 亚洲无码99| 亚洲无码色| 久草热8精品视频在线观看| 五月天丁香久久综合| 91久久九九| 噜噜操操| 开心六月丁香五月婷婷| 射久久丁香五月| 青草五月天| 丁香五月婷婷啪| 思思热在线观看| 黄色热99| 欧美操逼天堂| 激情五月天激情网| 五月婷婷啪啪啪啪| 婷婷五月天奸女| 婷婷激情五月| www.久操| 超碰在线人妻| 婷婷五月天视| 五月丁香婷婷成人综合网| 欧美影院| 丁香婷婷啪啪| 久久久久久久久久久久久久久久久精典| 9久久精品视频| av中文在线| 五月婷无码| 色女伊人| 五月婷婷片| 爱久久小说下载网| 99精品超在线播放| 丁香婷婷五月天亚洲| 色五月婷婷五月丁香五月| 婷婷五月天激情文学| 精品成人在线观看| 日本人妻伦在线中文字幕| 97婷婷久久丁香| 色色色色色色色色五月先| 久久6这里只有精品| 婷婷娱乐丁香综合网| 99热一区| 五月开心网| 人人操婷婷| 九九99免费理论| 思思综合热| 激情五月,色播五月| 日韩欧美颜射| 99色免费观看全部| 日韩无码专区| 夜夜操天天爽| 婷婷六月啪啪| 丁香婷婷综合喷| 五月婷婷免费在线| 色播激情五月天| 超碰成人在线观看| 久久久精品婷婷五月天| 欧美色图45678| 中文字幕久久一区二区三区| 亚洲综合激情五月久久| 人操91在线| 九九黄色网| 五月天玖玖狠狠色色| 男人天堂99| 五月婷婷爽爽爽| 丁香五月情| 激情五月丁香在线观看直播| 五月天丁香婷| 午夜AV网| 丁香五月婷婷少妇| 欧美性爱中文字幕| 九九丁香社区欧美激情| 狠狠色婷婷7777久| 舔色婷婷| 免费视频在线观看的网站| 另类精品视频在线观看| 色婷婷狠狠干芒果TV| 九色视频91| 丁香,开心成人,久久| 碰碰91| 丁香六月 人妻| 五月天综合激情网| 操碰99在线视频观看| 久久婷婷色| 亚洲成人在线五月天| 丁香五月天激情| 热九九九九| 婷婷丁香六月激情综合| 五月婷婷久久综合| 丁香天堂夜| 天天草婷婷五月| 狠狠久久婷五月| 丁香五月婷婷五月基地| 国产99久9在线| 狠狠色狠狠鲁| 激情五月天影院| 婷婷五月激情五月丁香五月| 99热这里有精品2| 天天干天干| 婷婷亚洲久久| 色五月婷婷五月丁香五月| 97人人超| 五月丁香激情四射综合| 天天干夜晚夜操| 无码人妻丰满熟妇奶水区码| 天天激情5月天亚洲| jiZZdr| 777精品久无码人妻蜜桃| 五月婷婷丁香综合| 婷婷六月天| 欧美97超碰| 激情综合网五月天天| 大香蕉久久久久| 婷婷久久婷婷| 亚洲成人噜噜| 在线视频区| 国产精品久久久99视频| 午夜九九九九九九九九九九九九九| 日韩野外 无套| 丁香婷婷激情四射五月| 深爱激情AV| 激情五月综合网| 91九色 婷婷| 五月激激激情综合网| 色色色网站| 亚洲人妻Av| 这里只有精彩亚洲视频推荐| 影音先锋高清无码资源网| 五月婷婷偷| 色综合九九| 99人妻碰碰碰久久久久视| 狠色色狠网| 4438亚洲欧美| 六月婷婷色五月| 天天干天天日蜜臀av| 激情av在线| 狠狠草狠狠草| 播丁香五月婷婷欧美| 欧美日韩AAAAA| 99免费在线| 99精品一二三四视频| 婷婷丁香人妻天天爽| www.99.色| 狠狠干在线视频| 日本99视频| 中文字幕成人| 99热99在线| 欧美精产国品一二三区| 99热在线精品观看| 久久色五月| 丁香五月成人| 超碰在线超碰| 人人九色| enecarbon-materials.com污K127封锁请涟系@wip1688 | 精品欧美一区二区三区久久久| 丁香五月 综合| 五月综合视频| 五月婷婷色播视频| 操人91| 91人妻色色网| 色五月av| caopeng超碰| 丁香婷婷久久| 天天做天天爱天天爽夜夜揉| 狠狠操综合| 淫荡家庭AV| 成年人丁香五月| 丁香婷最新动态| www.五月丁香| www。狠狠干。com| 少妇高潮呻吟A片免费看软件| 国产欧美日韩性爱| www色婷婷| 精品五月丁香| 欧美性猛交XXXX乱大交极品| 九九久久综合网站| 99视频综合网| 热久精品| 国产激情av| www.五月婷婷| 五月开心婷婷网| 九九热精品在线| wWw色五月| 99精品偷自拍| 婷婷激情欧美| Caoub青青超碰| 天天做天天爱天天综合| 国产婷婷久久| 五月天色综合| 丁香激情久久| 丁香六月啪| 噜色精品| 五月婷无码| 五月婷综合| 久艹大香蕉| 99热人人| 国产精品久久在线观看技巧| se色婷婷视频| 日日.c| 五月天婷婷社区久久综合| 亚韩在线视频| 少妇丁香婷婷 | 日韩在线视频中文字幕| 天天做天天爱天天搞| 婷婷五月天丁香花| 天天看夜夜看| 殴美日韩成人| 超碰免费在线| 五月社区丁香| 97碰 在线视频观看| 亚洲激情网| 91亚洲天堂| 五月丁香婷婷久久| 日韩抽插操逼| 麻豆忘忧草午夜| 天天爽天天| 五月婷婷综合久久| 五月婷丁香| 九九热视频免费| 中文字幕在线不卡视频| 大香蕉五月天| 天天草天天爱| 9久9久9久女女女九九九一九| 欧美精品18| 色色婷婷丁香| 最近中文字幕2019视频1| 5月婷婷激情网| www.久久爱.com| 五月香婷婷| 婷婷丁香五月欧美人| 色色综合院| 99啪啪视频| 综合久色五月| 九月大香蕉| 九九亚洲视频| 亚洲国产成人裸舞| 九九热re99re6在线精品| 亚洲色频| 五月天激情子轮| 99色热| 思思热在线精品视频网站| 激情五月婷婷她| 色婷婷久久| 天天色色婷婷| 97极品在线| 五月天婷婷久久| 中出内射的人妻视频| 伊人婷婷色| 99操逼| 色五月成人网| 91人人网| av高清无码| 天天干天天爽| 婷婷综合五月天激情| 超碰免费电影| 99久久这里只有精品| 亚州精品久久久久AV无码| 大香蕉久热| 亚洲精品久久久久久久久久吃药| 丁香婷婷色五月激情综合| 无码四色色色| 免费超碰在线| 婷婷五月综合在线| 久热免费| 伊人青草成人| 99丁香五月婷婷在线| 丁香五月激情啪啪| 狠狠干综合网| 天天弄天天爽| 99久久亚洲国产| 久久99网站| 九九婷婷网五月天| 三区激情四射av| 亚洲小视频免费看| 五月激情六月丁香| 99色色色色| 五月丁香六月激情综合网| 九九热狼人| w婷婷五月婷婷w| 久久一二三视频| 99色热视频| 色婷婷成人色网| 97碰在线| 亚洲六月色| www.婷婷网| 丁香五月天日韩无码| 九九热在线99| 亚洲最大视频| 综合在线丁香五月| 激情99| 色婷婷激情Av久久久| 五月丁香综合啪啪| 99无码黄色视频| 免费视频舔| 青996青| 亚洲视频99| 五月婷婷综合激情| 国产成人av在线播放| 99久久精品免费精品国产_国产精品久久久久久_国产在线|日韩_久久国产精品电影 | 久久九九99| 9999综合99综合人| 色婷婷丁香五月| 91大神操美女| 五月天社区狠狠| 成人天天爽| 综合99久久天天综合| 五月天久久婷| 99综合免费视频| 婷婷五月丁香啪啪| 丁香五月激情在线| 99视频在线观看视频| 99久久亚洲精品视频| 丁香六月色| 婷婷无五月无码视频| 来吧亚洲综合网| 色爱99| 久久这里有精品视频| 久久久久久草黄色片AV在线观看| 97人人搞| 99伊人婷婷在线| 玖玖99婷婷| 日日夜夜干| 狠狠色色| 婷婷五月综合久久中文字幕| 美女五月天| 青青福利网| 欧美日韩大黄| 99色色热热| 9热精品| 99热久97| ady狠狠入| 综合色五月亭亭| 91碰碰| 色色射| 色五月婷婷在线| 综合图片色色| 操操操AV| 婷婷五月丁香久久| 九九草热在线观看| 99热99思午夜精品| 只有精品视频在线观看| 日本久久99| 久操无码| 色狠狠色综合久久久绯色AⅤ影视| 婷婷激情啪啪| 亚洲一区二区 成人网站戴套| 黄色热99| 亚洲熟妇AV乱码在线观看| 97色婷| 久久激情五月婷婷| 爱射综合| 久热超碰| 国产成人网| 久久婷婷色色| 99在线视频精品| 国产精品美女| 激情都市丁香婷婷| 可以看的av网站| 丁香五月婷婷六月| 激情五月,激情综合网| 色婷婷综合网站| 色欲资源网| 国产精品色一哟哟| 99热只有精品在线观看| 99这里只有精品国产| 婷婷五月成人有| site:xiongshengzz.com| 久久香蕉影院| 色五月天.con| 国产精品久久久99视频| 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 | 日韩一66精品| 亚洲视频丁香网va| 日本熟妇人妻在线| www,五月丁,com| 人妻在线中文字幕久久| 思思久久思思| 日本成人小说婷婷六月| 激情五月亚洲| 色婷婷裸体色性在线| 天天爽天天摸| 色婷婷AV久久久久久久| 五月丁香六月综合激情无码软件亮点| 色婷婷五月天视频网站| 久久久久久久人妻| 激情AV在线| 色七七九九| 亚洲av免费在线| AV中文在线| 五月综合久久| 538在线精品| 少妇人妻人伦A片| 4438亚洲欧美| 大香人妻| 久久久久激情网| 久热AA| 久色网| 激情五月开心五月在线视频| 丁香月五月天婷婷久久| 伦99热| 99色最新在线视频网站| 丁香婷婷影院| 日本3级片一区2区| 五月丁香狠狠爱| 大香蕉人妻| 国产看真人毛片爱做A片| 九久久九精品视频| 五月婷婷亚洲色图| 婷婷五月激情的图片| 激情久久五月天| 久久五月天婷婷视频| 色欲五月天| 五月深爱网| 久久久久人妻| 婷婷色网| 风流少妇A片一区二区蜜桃| 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 | 丁香五月婷婷色偷偷| 狠狠摸狠狠摸| 97在线精品| 色色五月天婷婷| 色婷婷五月综合激情中文字幕| 日韩成人无码片| 丁香婷婷色色| xxxx五月激情| 亚洲最大五月天成人网| 天天干天天操天天射| 五月婷丁香| 四LLL少妇BBBB槡BBBB| 婷婷五月成人社区| 99热在线资源| 99热这里只有99| 丁香五月丁香伊人| 激情综合激情综合| 婷婷伊人网| 国产,欧美,学生妹,视频| 99热在线网站| 五月婷婷久久综合| 岛国av网| 日日噜噜夜夜狠狠久久丁香六月| 91超级碰| 亚洲AV在线免费看| www.无码com| aaa丁香五月天| 天天爽天天草| 日韩成人av在线| 久久精品一区二区三区四区| 91日综合欧美| 99久热| 日韩按摩二区| 亚洲熟妇无码乱子AV电影| 色婷婷六月| 婷婷五月天久草在线| 欧美在线看| 日日操,日日爽| 五月婷激情| 天天插天天爽| 大香蕉丁香婷婷| 激情五婷网| 丁香激情六月天婷婷| 五月婷婷六月激情| 9999久久久久| 99热黄| 91一起操| 99热精地址| 啪啪激情网| 91久久精品国产91性色TV| 97热久久| 深爱激情四射| 色色日本欧美| 无码日本精品XXXXXXXXX | 亚韩精品视频1区| 婷婷五月天色色| 天天做天天爱天天玩夜夜爽| 婷婷激情综合网| 热99玖玖99玖玖99九九| 在线成人网站| 色五月亚洲开心网| 97人人草| 一区=区操屄高清大全av| 色色热99| 婷婷五月激情五月激情| 天天射影院| 久热9热| 天天弄天天爽| 天天日天天草| 亚洲亚洲人成综合网络| 天天综合网~91综合网| 日在线V视频在线播放| 亚洲色五月| 美国少妇性做爰| 97精品在线| 日本AAAAAAAAAAAAAA片| 色色网站在线| 色婷婷影音| 色色综合日韩| 大香线蕉伊人| 丁香五月亚洲综合丝袜| 另类视频综合| 深爱激情丁香五月| 99热这里只有精品99| 99热这里有精品首页10| 久热视频这里只有精品68| 另类视频一区| 婷婷五月激情视频网| 六月综和久久| 中文AV在线观看| 精品日本视频444| 可以免费观看的av网址| 成年人最刺激的综合网| 国产AV影片| 少妇激情基地| 亚洲国产精品VA在线看黑人| 免费无码毛片一区二区A片| 97视频.干com| 欧美α√| 操操操97| 97色色-99久久| 波多野结衣AV无码Porn| 97超级啪啪在线观看| 九九人妻福利| 亚洲婷婷丁香| xx人人xx| 综合色色五月| 欧美va亚洲va| 欧美色宗和激情| Caoub青青超碰 | 五月天中文网| 97人人草| 丁香六月婷婷综合激情欧美| 天天做天天爱天天要| 国产真人做爰视频免费| a网站免费观看| 99爱视频| 婷婷94s| 天色综合网站| 九久9精品| 六月丁香av| 色狠狠婷婷| 日碰日| 欧洲亚洲免费视频区| 色婷网| 人妻激情视频| 婷婷五月花丁香| 伊人香大香蕉视频| 五月天开心婷婷久久| 五月花激情| 国产精品视频免费看| 天天做天天爱天天要| 666555。COm毛片| 26uuu美女三级视频| 婷婷丁香五月综合| www91精品| 成人开心五月天| 亚洲综合五月天婷婷| 99热10在线高清播放| 婷婷五月天激情综合| 五月亭亭直播| 成人 在线 日韩| 五夜丁香| 综合精品99| 九九机热| Av狠狠色丁香婷| 综合狠狠干| 99热超碰在线| 天天插天天狠| 婷婷色综合| 日本三级中国三级99| 天天天干夜夜夜操| 亚洲激情| 五月丁香六月婷婷久久| 影音先锋一区二区资源站| 丁香五月在线观看综合| 成人做爰A片免费看网站找不到了| 异能之下短剧免费观看全集| 在线婷婷| 任你爽精品免费视频6| 天天天天操| 激情综合婷婷久久| 舔色婷婷| 五月天色色色色色| 99爱这里只有精品免费视频| 91怕怕网| 婷婷激情五月色综合| 久久综合站| 激情综合色婷婷啪啪六月天| 国产欧美熟妇另类久久久 | 骚逼视频一区2区| 99热在线观看精品| 五月天婷婷综合网| 欧美天天搞| 日日干夜夜干| 国产免费av在线| enecarbon-materials.comWu染请涟系Bao护@wip1688 | 色婷婷综合网| 99在线观看亚洲| 人妻少妇色综合| 欧美五月丁香啪啪响视频| 天天干夜夜想| 99热九九这里只有精品| 欧美25p| 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 | 欧美在线干| 综合久久99| 天天操天天爱天天日| 五月天色婷婷综合| wWwCom夜操wwW| 色婷婷六月| 激情婷婷亚洲五月| 最近中文字幕2019视频1| 欧美丁香六月激情视频| 牛牛澡牛牛爽| 欧美成人精品老美女噜噜噜| 丁香九色不卡aaa| 色五月激情五月| 毛片新网地| 欧美日韩99| 99热这里在线精品| 天天爽天天| 激情五月婷婷综合网| 99热传媒| 婷婷色正月| 91chinese 在线| 婷婷丁香激情综合色情| 久热九九| 婷婷色婷婷| 色五月婷婷大| 丁香五月桃花在线激情综合| 国产偷人妻精品一区| 热99久| 婷婷综合色色| 六月丁香成人| 日韩艹比| 草逼大片| 啪啪六月婷婷| www.日日夜夜.com| 久久激情综合| 99热草草| 亚洲激情五月| 99爽视频| www狠狠| www.日日夜夜| 丁香婷婷综合色五月激情国产基地| 天天色天天日| 中美月韩免费A片| 久久激情综合| 怡红院精品视频久久久久久久久| 极品五月天| 久久婷婷五月天激情四射| 日本人妻A片成人免费看片| 人人操AV| 天天色综合网1| 91视频五月丁香| 天天操比比| 五月婷色丁香| 熟女国产在线一区二区三区四区| www.久久爱.com| 这里只有精品在线视频精品| 久色精品| 久久丁香五月天| 91人人爽狠狠狠| 日日夜夜天天| 99re这里只有精品视频了| 婷婷网影院| 国内外色色色色色成人视频| 思思热性操 | 在线超碰91| 国产成人99久久亚洲综合精品| 狠狠狠狠狠狠草| 五月色婷丁香| 色综合丁香| 校园激情 亚洲| 99伊人婷婷在线| 婷婷五月色播放| 婷婷五月天com| 色婷成人狠干| 精品人妻一区二区| 99精品无码网站| 九九大香视频| 色婷婷狠狠| 国产色色色色| 亚洲综合成人网| 爱爱网址9| 五月丁香六月婷婷成人电影| 思思热天天看| 超碰九热| 激情婷婷丁香五月天| 婷婷五六日| 亚洲激情五月| 激情五月天网站| 婷婷综合爱| 色一情一乱一乱一区91Av| 一区二区三区四日本| 天堂综合久久 | 色综合五月| 大香网伊人久久综合| 五月婷婷插一插| 婷婷五月天AV在线| 无码AV免费精品一区二区三区 | 欧美色爱五月天| 色五月丁香五月| 91在线观看九区| av色婷婷| 婷婷五月天手机版视频| 丁香狠狠色婷婷| 欧美精品中文字幕亚洲专区| 日日夜夜干| 天天色天天干天天插| 激情亭亭五月| 色一情一乱一伦一区二区三区| 播五月丁香三月婷婷| 国产伊人五月天| 91男人资源站| 婷婷五月天综合在线| 99久久玖玖| 狠狠五月激情在线| 六月婷婷最新网址| 婷婷色色网| 99免费| 五月婷婷和六月| 99热网址| 综合aV在线| 婷婷天堂综合| 五月综合色播播丁香婷婷| 久久激情五月婷婷| 五月丁香婷久久| 亚洲无码99| 国产成人亚洲综合A∨婷婷| 亚洲色激婷| 久Se视频在线观看| 密着浓厚中出乚交尾GvG935| 丁香五月激情婷婷| 日日爽日日爽| 再綫Av免费視品| 国产操肏网站| 欧美久久一级内射wwwwww.| 超碰人人艹| 婷婷5月九九| 久久婷婷六月| 婷婷伊人75| 狠狠色噜噜狠| 天天狠狠夜夜狠狠2023| 伊人五月综合网| 久久五月丁香激情综合| 成人五月丁香社区| 在线亚洲综合| 内射爽无广熟女亚洲| 丁香五月网址| 五月天狠狠草| 九月婷婷综合八月丁香在线观看 | 大香蕉520| 婷婷五月天网址| 97韩国久久电影院| 激情综合五月激情XXXX| 丁香五月手机视频| 牛牛澡牛牛爽| 天天综合色| 色爽九九| 久久性爱视频这里只有精品 | 九九综合影音先锋| 九九热在线精品视频| 中文字幕成人影视| www.五月天社区| 五月丁香婷婷AV天堂| 97干视频| 碰碰碰91| 91国产精品视频播放| 天天爱天天操| 久久亚洲婷婷| 99综合| 性生活久久人妻| 国产精品久久99| 久99视频在线观看| 中文字幕+中文在线| 丁香色婷婷色手机免费在线| 97久久超碰| 色五月综合在线| 深爱激情丁香| 丁香六月视频免费观看| 广东99色在线| 99re热视频这里只有综合亚洲| 色色色97| 九九激情| 亚洲精品一二三| 国产精产国品一二三在观看| 亚洲99热| 成人精品人妻| 91精品久久久久、久五月天| 五月丁香龟婷婷| xxx综合在线| 99这里只有精品国产| 99精品久久| 九九这里是免费的视频5| 五月婷婷之综合激情在线| 精品热九九| 日本人妻伦在线中文字幕| 天天做天天爱天天爽| 99ri在线视频| 一起草无码| 五月开心网| 亚洲激情婷婷| 五月丁香激情婷婷| WWW.夜夜| 九九热在线视频,| 欧洲激情五月天| 秋霞三级影视资源| 色就是色婷婷五月亚洲激情| 丁香六月久久| 成人丁香色| 任你搞网站| 九九综舍久久| 丁香五月婷婷色偷偷| av人人操| 色噜噜狠狠狠狠色综合久欧美| 被强行糟蹋的女人A片| 五月婷婷综合网| 久99久视频| 夜夜撸夜夜骑| 可以直接看的av| 五月天激情久久| 久热久| 五月激情啪啪啪| 日韩精品999| 色情五月婷| 任你爽精品免费视频6| 九月婷婷激情| 天天色99| 天堂久久性| 亚洲五月天激情| 天天爽天天爽| 婷婷五月激情网| 殴美综合激情五月天免费视频| 性色五月天| 色五月在线观看| 婷婷久久丁香| 色5月丁香婷婷| 丁香六月综合| 国产亚洲精品久久一区二区三区| 九九热精品视频| 久久综合五月天| 婷婷五月天天爽| 激情五月色婷婷| 婷婷综合亚洲| 色爱综合网| AA丁香综合激情| 婷婷五月天伊人| 精品久久99| 人妻体体内射精一区二区| 熟女人妻一区二区三区免费看| 亚洲精品无AMM毛片| 思思久久99热只有频精品66| 超碰9799| 五月丁香久久激情综合| 丁J香六月首页| 欧美日本高清视频99| 五月婷婷日| 九九色播五月丁香| 亚洲愉拍99热成人精品| sS丁香五月婷婷| 五月丁香激情四射综合| 五月丁香久久网| 亚洲在线操| site:hcxsz888.com| aaaaaa片| 狠狠人妻久久久久久综合丁香| 五月婷婷免费视频| 5月婷婷六月丁香| 激情五月狠狠| 激情五月综合| 大香蕉网站,大香蕉综合| 九九久久99| 九月色婷婷| 亚洲乱码日产精品BD| 99久久婷婷国产综合精品电影| 色都都狠狠色都都色综合色| www,色综合| 午夜成人AV在线| 噜一噜免费视频| 激情综合激情五月| 久久机热这里只有精品| 色婷婷AV久久久久久久| 天天舔天天摸| 狠狠爱激情网| 五月成人网站| 精品影院| 97成人视频| 九九十99视频| 丁香九月激情| 五月天婷婷在线观看精品男人| 五月婷婷六月婷| 五月婷婷视频在线观看| 中文无码婷婷| 99色在线视频| 亚洲精品无人区| 日韩精品无码AV| 综合99久久| 丁香五月在线伊人| 99.色| 激情六月婷婷| 久久综合丁香激情五月| 最近中文字幕2019视频1| av操B网站| www.五月天色色.com| 狠狠艹狠狠艹| 色狠狠综合| 四月婷婷五月丁香| 婷婷五月天激情小说| www。久久久久一b。Cc| 69精品无码一区二区三区| 激情五婷网| 久久婷婷色丁香| 婷婷五月六月| 丁香五月电影| 少妇高潮呻吟A片免费看软件| 伊人热婷婷| 91chinese在线| 婷婷五月丁香色情| 激情五月综合| 99久视频| 超碰无码老师| 色婷婷久久综合久色综| 亚洲一个色| 中文字幕婷婷五月天在线观看| 六月婷婷色色色| 97福利视频| 久久综合最新网址| 国产在线中文字幕| 久久99久久99精品免视看婷婷| 国产密乳av一区二区三区四区| 怡红院视频| 久99久视频精品| 久超超碰| 人妻五月天激情开心网| 色婷婷色五月天| 99久久综合| 天堂在线观看视频| 激情久久久久久久久久久| 大波美女VA网站| www.99热这里精品| 人人操AV| 久久久.www| 色婷婷基地在线| 婷婷综合色五月天| 九九久久精品| 亚州在线中文字幕| 久久网日本| 五月天成人在线| 92久久| 西西4r午夜剧场|