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

深耕商務建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

豆瓣電影數(shù)據(jù)集清洗與推薦系統(tǒng)實戰(zhàn):從CSV到SQLite全流程

豆瓣電影數(shù)據(jù)集清洗與推薦系統(tǒng)實戰(zhàn):從CSV到SQLite全流程 簡介這份豆瓣電影數(shù)據(jù)集以SQLite數(shù)據(jù)庫與CSV表格形式沉淀約10萬條電影相關記錄面向數(shù)據(jù)分析初學者、推薦系統(tǒng)開發(fā)者及影視市場研究人員可用于用戶觀影偏好挖掘、電影屬性分析與影評情感洞察。包內(nèi)共4個文件兩個csv分別承載用戶評分歷史、昵稱注冊信息與電影片名、導演、類型、上映年份等基礎資料db文件收錄觀影記錄及影評互動內(nèi)容py腳本則為豆瓣數(shù)據(jù)爬蟲源碼可作為requests與BeautifulSoup庫的實戰(zhàn)示例。借助用戶行為與電影屬性可實踐推薦算法與觀影偏好分析影評互動內(nèi)容則支持情感挖掘與社交網(wǎng)絡研究。數(shù)據(jù)覆蓋從采集、清洗到結構化存儲的完整鏈路便于學習將網(wǎng)頁信息整理為可分析表格與數(shù)據(jù)庫的方法。整個壓縮包約40.02MB已有3442人下載學習適合期望以真實數(shù)據(jù)提升數(shù)據(jù)處理與爬蟲實戰(zhàn)能力的讀者。1. 為什么要折騰一份豆瓣電影數(shù)據(jù)集從冷啟動到推薦系統(tǒng)的練手樣本拿到《豆瓣電影數(shù)據(jù)集10萬.zip》這種資源第一反應通常是“又是一份壓縮包”但真正打開后你會發(fā)現(xiàn)這 10 萬條數(shù)據(jù)其實就是一份結構化的電影行為記錄字段覆蓋電影基本信息、評分、評論人數(shù)、類型標簽和上映時間維度基本能支撐從 Pandas 清洗到推薦系統(tǒng)召回評估的完整鏈路。我當時是在做一個模擬項目X的推薦系統(tǒng)冷啟動環(huán)節(jié)需要一份包含用戶評分和電影元數(shù)據(jù)的樣本集找了一圈公開數(shù)據(jù)要么是英文的 MovieLens要么是爬蟲抓來的半結構化 JSON處理成本反而比這份 zip 更高。豆瓣數(shù)據(jù)集的優(yōu)點在于字段語義清晰中文標簽完整評分分布貼近真實用戶行為適合用來驗證協(xié)同過濾算法在稀疏矩陣下的表現(xiàn)。整份 zip 適合幾類人想練特征工程的初學者、需要做離線評估的推薦系統(tǒng)開發(fā)者以及做電影數(shù)據(jù)分析報告的學生。它不能直接當生產(chǎn)數(shù)據(jù)用但作為研究樣本價值足夠實。2. 解壓之后的數(shù)據(jù)結構先弄清這 10 萬條到底存了什么打開 zip 之前我先說明一個經(jīng)驗電影類數(shù)據(jù)集最常見的翻車點不是文件損壞而是你假設的字段順序和實際完全對不上。解壓后我的做法是先別急著寫分析代碼而是用命令行工具快速掃一遍文件格式和編碼再用腳本打印前幾行確認結構。這個項目的壓縮包內(nèi)部包含一個核心 CSV 文件每一行對應一部電影字段基本覆蓋電影名稱、導演、編劇、主演、類型、制片國家/地區(qū)、語言、上映日期、片長、又名、IMDb 鏈接、豆瓣評分、評價人數(shù)、標簽top250 標記、劇情簡介和短評片段。不同來源的版本字段排列會略有差異所以第一步一定是確認列名而不是直接按記憶中的索引去讀。2.1 文件格式與編碼用 file 命令和 Python 雙重確認拿到 zip 后我習慣先做一次“體檢”用unzip -l查看壓縮包內(nèi)文件列表確認是否只有一個 CSV 還是有多個分片文件然后解壓到獨立目錄避免和項目代碼混在一起。接著用file命令檢測編碼因為 CSV 的編碼決定了后面 Pandas 讀取時的參數(shù)選擇這一步翻車最常見很多人直接默認 UTF-8結果讀出來中文全是亂碼其實文件是 GBK 或 GB18030 編碼。下面是我常用的檢查流程unzip -l 豆瓣電影數(shù)據(jù)集10萬.zip mkdir -p douban_data unzip 豆瓣電影數(shù)據(jù)集10萬.zip -d douban_data/ file douban_data/*.csv邏輯說明unzip -l先列出壓縮包內(nèi)部結構不實際解壓用于確認是否包含多個文件mkdir -p創(chuàng)建獨立目錄防止文件散落file命令輸出文件的字符編碼檢測結果比如UTF-8 Unicode text或ISO-8859 text如果是后者說明文件實際是 GBK 系編碼后面讀取時要指定encodinggbk。參數(shù)方面沒有額外的坑唯一需要注意的是file對中文編碼的檢測有時不準它會輸出ISO-8859這其實是 GBK 被誤判了所以還得靠 Python 來做最終確認。然后用 Python 做二次確認這一步的核心是打印前幾行原始字節(jié)觀察中文是否能被正確解碼import chardet with open(douban_data/douban_movie.csv, rb) as f: raw f.read(10000) result chardet.detect(raw) print(result) print(raw[:500])邏輯說明chardet.detect會返回一個包含編碼和置信度的字典比如{encoding: GB2312, confidence: 0.99}這個信息直接決定 Pandas 的encoding參數(shù)怎么寫。打印原始字節(jié)能肉眼觀察文件開頭是否有 UTF-8 的 BOM 標記\xef\xbb\xbf以及中文是否存在。注意chardet不是標準庫如果沒有安裝可以用pip install chardet先裝上或者退一步用encodingutf-8和encodinggbk輪換嘗試。2.2 字段全解每一列是什么、能用來做什么確認完編碼后最該做的一件事是把字段語義弄清楚。我一般會用 Python 讀取數(shù)據(jù)后逐列打印非空值數(shù)量和樣例值這一步能過濾掉很多后面分析時的玄學問題。下面是一段快速概覽代碼import pandas as pd df pd.read_csv(douban_data/douban_movie.csv, encodingutf-8) print(df.shape) print(df.columns.tolist()) print(df.dtypes) print(df.isna().sum()) print(df.head(3).T)邏輯說明read_csv的encoding參數(shù)改成第一步確認的編碼.shape輸出行數(shù)和列數(shù)確認 10 萬條是否真實.columns.tolist()輸出所有列名方便后續(xù)按名稱操作.dtypes查看每一列的數(shù)據(jù)類型識別哪些列被誤讀成了字符串.isna().sum()統(tǒng)計每列缺失值數(shù)量這個數(shù)字直接暴露數(shù)據(jù)質量.head(3).T轉置打印前 3 行所有字段一眼看全每列的內(nèi)容形態(tài)。參數(shù)說明方面read_csv還需要注意兩個常用參數(shù)low_memoryFalse可以避免混合類型時出現(xiàn)的 DtypeWarningon_bad_linesskip可以在某些行字段數(shù)量不一致時跳過而不是直接報錯。不過我不建議一開始就用skip而是先讓它報錯觀察錯誤行數(shù)再決定是手工修復還是跳過因為跳過的行可能包含有效信息這種處理方式能讓后續(xù)分析更干凈。這份數(shù)據(jù)集的字段中最有價值的幾個是douban_score評分、comment_num評論人數(shù)、movie_type類型標簽、release_date上映日期、director和actors。評分和評論人數(shù)可以做回歸預測或評分分布統(tǒng)計類型標簽可以做多標簽分類上映日期可以提取年份做時間趨勢分析導演和演員可以做協(xié)作過濾的冷啟動特征。劇情簡介雖然是文本但長度參差不齊適合用來做 NLP 分類的附加特征不過清洗成本較高后面我會單獨說。3. 數(shù)據(jù)清洗實戰(zhàn)從 10 萬條原始數(shù)據(jù)到結構化分析表原始數(shù)據(jù)不能直接喂給算法這一步?jīng)]必要太急優(yōu)先解決三件事重復值、缺失值和類型不統(tǒng)一。豆瓣電影數(shù)據(jù)集雖然整體質量尚可但因為是爬蟲聚合的結果會出現(xiàn)同一個電影名在不同行有細微差異、評分列混入“暫無評分”這類文本、日期格式不統(tǒng)一等問題。我在這份數(shù)據(jù)上花的時間占比大約是清洗 60%分析 30%建模 10%這比例不算夸張真實項目里清洗永遠是大頭。3.1 去除重復項與處理缺失值先拿掉臟數(shù)據(jù)重復項在電影數(shù)據(jù)里很容易被忽略因為同一部電影可能有多個版本比如大陸版和港版片名完全一致但上映年份不同。清洗時應該先基于“電影名 導演 上映年份”做組合去重而不是只按電影名去重否則會把不同版本錯誤合并。下面是我的處理邏輯# 先看完全重復的行有多少 print(df.duplicated().sum()) # 基于業(yè)務主鍵去重電影名 導演 年份 df[year] pd.to_datetime(df[release_date], errorscoerce).dt.year df_dedup df.drop_duplicates(subset[movie_name, director, year], keepfirst) print(f去重前: {len(df)}, 去重后: {len(df_dedup)})邏輯說明pd.to_datetime把字符串日期統(tǒng)一轉成 datetime 類型errorscoerce的用法是把無法解析的日期變成NaTNot a Time這樣不會讓整個轉換報錯.dt.year提取年份字段drop_duplicates的subset參數(shù)指定列子集作為判斷重復的依據(jù)keepfirst保留第一次出現(xiàn)的行。print 兩種行數(shù)對比能直觀看到重復比例的嚴重程度。參數(shù)說明errorscoerce是這里的關鍵參數(shù)如果不加只要有一行日期格式異常整個to_datetime就會拋異常subset參數(shù)不寫的話則是全列去重對于電影數(shù)據(jù)來說幾乎找不到完全相同的行起不到去重效果。在實際項目里我還會把director列做一次標準化去掉首尾空格、統(tǒng)一全角半角否則“張藝謀”和“張藝謀 ”會被當成兩個不同導演這一步能被很多人忽略但非常關鍵。缺失值處理策略取決于分析目標。如果是做評分預測評分缺失行直接刪掉是最安全的如果是做類型分布統(tǒng)計類型字段缺失可以填未知而actors和plot這種文本字段缺失了也不影響結構化分析沒必要強行填充。我一般不會用fillna一把梭而是分列處理因為不同列的缺失含義完全不同。3.2 評分與評論數(shù)目的數(shù)據(jù)類型轉換這個數(shù)據(jù)集里最容易翻車的字段就是評分和評論人數(shù)。很多行看起來是數(shù)字實際在 CSV 里被存成了字符串比如8.9、12,345、暫無評分。直接用astype(float)會當場報錯。我的做法是先做一次強制轉換然后統(tǒng)計轉換失敗的行再單獨處理這些異常值# 先轉成字符串去掉千分位逗號 df[comment_num] df[comment_num].astype(str).str.replace(,, , regexFalse) # 把無法轉成數(shù)字的值變成 NaN df[comment_num] pd.to_numeric(df[comment_num], errorscoerce) # 評分列同樣處理并轉換為 float df[douban_score] pd.to_numeric(df[douban_score], errorscoerce) print(df[[douban_score, comment_num]].dtypes) print(df[[douban_score, comment_num]].isna().sum())邏輯說明astype(str)先確保列內(nèi)所有值都是字符串否則.str.replace會報錯regexFalse表示把逗號當作普通字符替換不需要正則解析pd.to_numeric配合errorscoerce會把所有不能轉成數(shù)字的值變成 NaN包括空字符串、暫無評分、未知 這類臟值。最后打印類型和缺失值數(shù)量就知道有多少臟數(shù)據(jù)混進來了。這里的一個關鍵點處理完后需要重新決定這些 NaN 行是刪還是留。我的經(jīng)驗是如果一行的評分和評論人數(shù)都是 NaN那這部電影對大部分分析場景都沒價值建議直接刪掉如果只是評論人數(shù)缺失而評分正常這行還能用于評分分布分析。所以清洗代碼要按列決定行去留而不是一刀切。3.3 導演、演員和類型的多值拆分電影數(shù)據(jù)集中導演、演員和類型這幾個字段通常是用斜杠/、逗號或空格分隔的多個值。比如劇情/愛情/歷史萊昂納多·迪卡普里奧/湯姆·哈迪。做分析時你可能需要把類型拆開統(tǒng)計而不是把整個字符串當作一個標簽。下面是一段常見的拆分處理def split_field(value): if pd.isna(value): return [] return [x.strip() for x in str(value).replace( / , /).split(/) if x.strip()] df[type_list] df[movie_type].apply(split_field) df[actor_list] df[actors].apply(split_field) # 統(tǒng)計出現(xiàn)最多的10個類型 from collections import Counter type_counter Counter([t for lst in df[type_list] for t in lst]) print(type_counter.most_common(10))邏輯說明split_field函數(shù)首先判斷是否為空值然后把/兩側的空格去掉再按/分割最后過濾掉空字符串a(chǎn)pply將函數(shù)應用到每一行生成新的列表列。Counter統(tǒng)計所有類型標簽的頻次most_common(10)輸出前 10 個高頻標簽便于快速了解數(shù)據(jù)集的類型分布。注意replace( / , /)這個步驟不能省因為原始數(shù)據(jù)中分隔符有的是 / 斜杠兩邊帶空格有的是/如果不統(tǒng)一按/split 后會出現(xiàn)帶首尾空格的標簽比如劇情 和劇情這是兩個不同的標簽統(tǒng)計時會各算各的導致結果看起來很奇怪這種情況我見過很多次。另一種寫法是直接在split后用 strip 清理效果一樣但寫進函數(shù)里更通用。4. 數(shù)據(jù)入庫與查詢把 10 萬條電影數(shù)據(jù)裝進 SQLite 分析清洗完數(shù)據(jù)后我建議把它寫入 SQLite而不是一直留在 Pandas DataFrame 里。原因有三一是 Pandas 對內(nèi)存的占用會隨著數(shù)據(jù)量線性上升10 萬行雖然不算大但加上類型列表和演員列表的 Python 對象開銷實際占用會明顯超出預期二是 SQL 查詢適合做分組聚合并能讓結果可復現(xiàn)比反復寫 Pandas 鏈式操作更清晰三是后續(xù)做推薦系統(tǒng)離線評估時SQLite 的隨機讀取能力比 CSV 快得多。SQLite 是 Python 標準庫自帶支持的數(shù)據(jù)庫不需要安裝任何額外的服務非常適合本地數(shù)據(jù)和單機分析。4.1 設計表結構與批量寫入把清洗后的 DataFrame 寫入 SQLite表結構設計要盡量貼合查詢需求。我的做法是拆成兩張表一張movies電影主表一張movie_types類型關聯(lián)表。拆表能避免類型多值存儲在一個字段里導致無法高效查詢。import sqlite3 conn sqlite3.connect(douban_movies.db) cursor conn.cursor() # 創(chuàng)建電影主表 cursor.execute( CREATE TABLE IF NOT EXISTS movies ( id INTEGER PRIMARY KEY AUTOINCREMENT, movie_name TEXT, director TEXT, year INTEGER, douban_score REAL, comment_num INTEGER, release_date TEXT, actors TEXT ) ) # 創(chuàng)建類型關聯(lián)表 cursor.execute( CREATE TABLE IF NOT EXISTS movie_types ( movie_id INTEGER, type_name TEXT, FOREIGN KEY (movie_id) REFERENCES movies(id) ) ) # 批量寫入電影主表 df_clean[[movie_name, director, year, douban_score, comment_num, release_date, actors]].to_sql( movies, conn, if_existsappend, indexFalse ) conn.commit()邏輯說明CREATE TABLE IF NOT EXISTS確保重復執(zhí)行腳本不會報錯movies表用自增主鍵id標識每部電影movie_types表通過movie_id外鍵關聯(lián)主表每行存一個類型標簽。to_sql是 Pandas 的便捷方法if_existsappend表示如果表已存在則追加數(shù)據(jù)indexFalse表示不把 DataFrame 的索引寫入數(shù)據(jù)庫。參數(shù)方面的關鍵點to_sql在寫入大量數(shù)據(jù)時默認是逐行 INSERT速度還可以但不夠快想要更快可以把methodmulti參數(shù)加上生成批量 INSERT 語句10 萬行數(shù)據(jù)從慢的 10 秒級優(yōu)化到 1 秒級。但methodmulti需要較新的 Pandas 和 SQLite 版本支持如果報 OFFSET 相關的錯誤說明 SQLite 版本太老需要升級或改用默認方式。type 關聯(lián)表的寫入必須在 movies 表寫入之后因為需要拿到movies表的自增id來關聯(lián)類型一種做法是寫入 movies 后用cursor.lastrowid獲取當前插入的 ID再逐行插入類型。4.2 用 SQL 做探索性分析評分分布和類型熱度數(shù)據(jù)入庫后分析起來就順手多了。我分享兩個高頻查詢一個是按年份看平均評分趨勢另一個是按類型統(tǒng)計電影數(shù)量和平均評分這兩條 SQL 能快速給出一份數(shù)據(jù)報告的骨架。-- 按年份統(tǒng)計電影數(shù)量、平均評分、平均評論數(shù) SELECT year, COUNT(*) AS movie_cnt, ROUND(AVG(douban_score), 2) AS avg_score, ROUND(AVG(comment_num), 1) AS avg_comment FROM movies WHERE year BETWEEN 1990 AND 2024 AND douban_score IS NOT NULL GROUP BY year ORDER BY year;邏輯說明WHERE year BETWEEN 1990 AND 2024過濾掉異常年份比如 0 或 1895 這樣的臟數(shù)據(jù)AND douban_score IS NOT NULL確保平均值不被 NaN 污染ROUND(AVG(...), 2)控制小數(shù)位數(shù)讓結果更易讀。GROUP BY year按年份分組ORDER BY year讓結果按時間排序方便后續(xù)畫趨勢圖。注意comment_num如果之前清洗時保留了一些為 0 的值AVG會把它們算進去如果統(tǒng)計的是評論熱度可能需要額外加一個comment_num 0條件。第二個查詢類型熱度可以這樣寫-- 類型熱度按類型統(tǒng)計電影數(shù)、平均評分 SELECT t.type_name, COUNT(*) AS movie_cnt, ROUND(AVG(m.douban_score), 2) AS avg_score FROM movie_types t JOIN movies m ON t.movie_id m.id WHERE m.douban_score IS NOT NULL GROUP BY t.type_name HAVING COUNT(*) 10 ORDER BY movie_cnt DESC LIMIT 20;邏輯說明JOIN movies m ON t.movie_id m.id把類型表和主表關聯(lián)起來HAVING COUNT(*) 10是個好習慣它會過濾掉只出現(xiàn)幾次的冷門類型只統(tǒng)計樣本量足夠的類型避免一兩部高分電影把平均分拉得很高。ORDER BY movie_cnt DESC LIMIT 20輸出出現(xiàn)次數(shù)最多的 20 個類型。這個查詢的結果我會導出成 CSV 再畫成柱狀圖觀察數(shù)據(jù)集的類型分布是否偏斜。豆瓣電影數(shù)據(jù)集中常見的情況是“劇情”和“愛情”類型數(shù)量明顯偏多“紀錄片”類型相對較少這種不均衡直接影響了后續(xù)推薦系統(tǒng)的評估方式如果直接拿全量數(shù)據(jù)做訓練模型會對頭部類型過擬合后面離線評估的指標就會被“劇情片”主導。5. 避坑指南豆瓣電影數(shù)據(jù)集常見的五個坑及對應解法這一章全是實操中真實的踩坑記錄每一條我都親自趟過耗費的時間短則十分鐘長則一下午寫下來給后來者省點時間。踩坑一讀取 CSV 時中文亂碼或直接報 UnicodeDecodeError現(xiàn)象pd.read_csv報錯utf-8 codec cant decode byte 0xd5 in position 10或者讀出來中文變成一堆亂碼。原因這份數(shù)據(jù)集的編碼不是 UTF-8而是 GBK 或 GB18030尤其是在 Windows 環(huán)境下導出 CSV 的 Python 腳本自帶 GBK 編碼。解決先用chardet.detect()檢測實際編碼然后用對應編碼讀取如果檢測結果是ISO-8859或置信度很低直接試用encodinggb18030這個編碼比gbk覆蓋更廣能兼容更多生僻字。從那以后我每次拿到 CSV第一步就是跑一次chardet不在這上面賭運氣。踩坑二用默認參數(shù)讀 CSV 時出現(xiàn) DtypeWarning現(xiàn)象讀取 10 萬行數(shù)據(jù)后控制臺輸出DtypeWarning: Columns have mixed types。原因某些字段比如comment_num在不同行分別是整數(shù)和字符串比如暫無Pandas 自動推斷類型失敗。解決在read_csv時手動指定各列的類型或者使用low_memoryFalse。更穩(wěn)的做法是先讀一次獲取列名再手動指定可疑列的類型為str統(tǒng)一走一遍清洗流程最后再轉成正確的數(shù)值類型這樣 DtypeWarning 就不會出現(xiàn)了。踩坑三年份列出現(xiàn) 0 或異常值導致統(tǒng)計結果失控現(xiàn)象SELECT year, AVG(...)出來的數(shù)據(jù)里出現(xiàn) 1895 年這種老掉牙年份甚至 year 為 0計算結果明顯異常。原因原始數(shù)據(jù)中release_date可能有缺失、空字符串或格式不標準的日期比如2000-00-00pd.to_datetime解析成 2000 年或者解析失敗返回 NaT再提取年份時得到 NaN有些小白會在后面填 0。解決在提取年份后加一個過濾條件只保留 1900 到當前年份之間的值范圍內(nèi)外的直接賦為 NaN。我后來寫了個通用函數(shù)年份不在合理區(qū)間的一律置空寧缺毋濫。踩坑四類型字段的標簽被空格和分隔符污染統(tǒng)計結果分裂現(xiàn)象Counter統(tǒng)計出的 Top 10 類型里同時出現(xiàn)劇情和劇情 兩個標簽的原始含義相同但被統(tǒng)計成兩類。原因原始數(shù)據(jù)里劇情 / 愛情和劇情/愛情混用按/分割后帶空格的標簽沒有被清理。解決split之后一定對每個元素執(zhí)行strip()或者先做一次全局替換把 / 統(tǒng)一為/。這個坑是我在前 1000 行數(shù)據(jù)上觀察到的前 1000 行恰好都是統(tǒng)一的 / 格式讓我誤以為所有數(shù)據(jù)格式一致直到看完整數(shù)據(jù)集才發(fā)現(xiàn)這個問題所以建議清洗后用Counter統(tǒng)計一遍標簽的分布檢查是否有相似標簽。踩坑五寫入 SQLite 時外鍵關聯(lián)出錯類型表數(shù)據(jù)對不上現(xiàn)象movie_types表中的movie_id和movies表的id對不上JOIN 出來結果為空或數(shù)據(jù)錯位。原因寫入 movies 表后cursor.lastrowid拿到的 ID 并不是當前 DataFrame 行對應的 ID尤其是在to_sql批量寫入或自增 ID 因為之前刪除操作而跳號的情況下用行序號去推斷 ID 完全是靠玄學。解決不要依賴lastrowid而是寫入 movies 表后通過查詢把 DataFrame 的movie_name director year與表內(nèi)記錄匹配得到真實 ID 再插入類型表。這一步慢一些但絕對可靠10 萬行的連接查詢在 SQLite 上耗時也就是幾秒完全能接受。6. 進階用法從靜態(tài)數(shù)據(jù)集到輕量級特征工程與相似度檢索前面的步驟如果做完了你已經(jīng)擁有了一份干凈的、存儲在 SQLite 中的豆瓣電影結構化數(shù)據(jù)。最后一章我想把用法再推進一步如何用這份數(shù)據(jù)做電影相似度檢索。這個需求在實際項目中很常見比如推薦系統(tǒng)詳情頁里的“喜歡這部電影的人也喜歡”就是一個典型的基于內(nèi)容特征的 TopN 相似度檢索場景適合構建基線用的原型驗證代碼。特征工程方面我會把電影的類型標簽做成 One-Hot 特征或多熱編碼特征然后使用余弦相似度計算電影之間的相似性。這里用 TF-IDF 加余弦相似度來處理類型標簽而不是直接用 One-Hot因為類型標簽本身是稀疏的直接用 One-Hot 會讓所有電影之間的相似度普遍偏低而且毫無區(qū)分度。下面是一段可運行的代碼from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.metrics.pairwise import cosine_similarity # 把類型列表重新拼回字符串用空格分隔 df_clean[type_str] df_clean[type_list].apply(lambda x: .join(x)) # 使用 TF-IDF 向量化類型標簽 vectorizer TfidfVectorizer(token_patternr\S) tfidf_matrix vectorizer.fit_transform(df_clean[type_str]) # 計算余弦相似度矩陣 similarity_matrix cosine_similarity(tfidf_matrix, tfidf_matrix) def recommend_by_id(movie_id, top_n10): sim_scores list(enumerate(similarity_matrix[movie_id])) sim_scores sorted(sim_scores, keylambda x: x[1], reverseTrue) sim_scores sim_scores[1:top_n 1] sim_indices [i[0] for i in sim_scores] return df_clean.iloc[sim_indices][[movie_name, douban_score]].values.tolist() # 測試一部電影的推薦結果 print(recommend_by_id(0, top_n10))邏輯說明type_str把類型列表合并成空格分隔的字符串因為TfidfVectorizer的默認 token 模式是按空格分詞token_patternr\S暗示按非空白符分 token避免中文被默認的正則拆成單字這是一個很實用的調整cosine_similarity返回 N×N 的相似度矩陣similarity_matrix[movie_id]取某一行的相似度向量enumerate拿到電影索引和相似度分數(shù)排序后跳過自己[1:top_n1]返回 Top N 結果。這樣做出來的推薦雖然只用了類型一個特征但對于原型驗證完全夠用。如果想要更好的效果可以把導演和演員也加進特征向量里比如把director和actors拼到type_str后面用 TF-IDF 一起向量化。不過要注意演員列拼接后特征空間會變大10 萬行數(shù)據(jù)對應的詞表可能有數(shù)萬個詞計算相似度矩陣的時間會從秒級漲到分鐘級做實驗前要有預期。如果只做 TopN 檢索而不是計算全量相似度矩陣可以考慮用pairwise_distances的n_jobs-1參數(shù)做并行計算或者改用sklearn.neighbors.NearestNeighbors的metriccosine來避免顯式構建 N×N 矩陣這個在數(shù)據(jù)量到 50 萬行以上時是必須做的優(yōu)化。如果要做推薦系統(tǒng)的離線評估我的習慣是先把數(shù)據(jù)按 8:2 劃分訓練集和測試集在訓練集上計算相似度矩陣然后對測試集中的每一部電影用它最相似的若干電影來預測評分再計算 RMSE 或 PrecisionN。這套流程 10 萬條數(shù)據(jù)跑下來速度完全可以接受比你在網(wǎng)上找的一大堆 Jupyter Notebook 示例更貼合真實開發(fā)環(huán)境。最后補一句我在這個數(shù)據(jù)集上翻過最大的一個教訓拿到數(shù)據(jù)集后一定不要急著建模先把字段語義、編碼、缺失值、重復項這四個基礎問題全部清干凈再做探索性分析最后才是模型。那一次我直接在未清洗的數(shù)據(jù)上跑出了很高的精度指標覺得很興奮后來發(fā)現(xiàn)是因為測試集里混了訓練集的重復樣本屬于嚴重的數(shù)據(jù)泄漏結果毫無意義。從那以后我每次拿到數(shù)據(jù)都強制走一遍清洗流程哪怕看起來再干凈的數(shù)據(jù)也當臟數(shù)據(jù)對待希望這套流程能幫你在做自己的項目時少走一點我走過的彎路。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
极品人妻VideOssS人妻| 俺去也五月天婷婷| 色女人久久| 97色色视频| 九一99| 婷婷色香六月综合激情| 丁香婷婷色五月合集| 久久精品小视频| 91色久| 黄网免费看| 2015超碰| 亚洲色图五月丁香| 欧美激情丁香五月| 五月开心婷婷中文字幕| 5月丁香综合网| 国产色丁香| site:xmssd.com| Av中文在线| 久久婷婷超碰| 免费观看全黄做爰的视频| 无码日本精品XXXXXXXXX| www.久久久久| 色婷婷成人做爰A片免费看网站| 欧美搡BBBBB摔BBBBB| 亚洲视频一区| 中日韩美欧成人一区二区精品在线| 无码成人AAAAA毛片AI换脸| 天天天天天天操| 久久久中文| 成人精品在线| 欧美一级a | 婷婷色五月综合| 久久XX日本综合| 九九九九九九九九九九九九九九九九九九九在线视频 | 99热99精品| 97干免费视频| 天天草天天爱| 这里只有精品在线看| 婷婷五月丁香综合人妻| www.婷婷| 天天草天天爽| 超碰国产在线播放| 九九综合网色全集 | 国产成人综合网| 亚洲天堂啪啪| 激情五月开心五月在线视频| 人人草人人爱手机视频看看| 五月丁六月香| 91成人品| 激情综合五月| 91成人看| 丁香大香蕉| oumeisesewang| 情情五月天色| 一丁香五月天月AV| 日本99久久| 色婷视频| 最新国产AV| 综合色影院| 91一起操| 夜夜操夜夜姧| 丁香五月成人| 97色婷婷五月天| 日日插日日干| 91viP在线看| 99精品视频在线观看| 亚洲乱码日产精品BD在线观看| 狠狠久久婷五月综合色| 日韩成人电影在线播放| 俺五月| 第五色色色婷婷| 婷婷综合色图| 狠狠插.com| 色婷婷最新域名| 综合五月婷婷| 五月婷婷开心综合| 五月丁香婷婷综合网| 色婷婷成人做爰A片免费看网站 | 色色综合网站| 操逼电影免费看| 26uuu精品一区二区| 丁香五月天色| 色婷婷狠狠| 婷婷色色丁香五月天| 欧洲色色| 99日在线观看视频| 九九色影院| 狠狠色婷婷丁香六月| 婷婷丁香午夜综合影视| 婷婷99狠狠| 天天爱天天做天天操| 一本色综合色| 色情综合| 丁香五月婷婷在线观看| 99热97| 99久99久| 婷婷丁香社区网| 99热99热不卡| 精品久久人妻| 91在线精品一区二区| 色五月激情| 日日干日日s| 播播网色播播| 影音先锋一区二区资源站| 涩综合网| 久久机热思思热| 停停五月色宗合| 五月婷丁香| 丁香激情五月天| 99久热这里只有精品视频删减版| 天天色视频| 丁香婷婷六月| 性生活视频98791| 开心五月综合激情综合五月| 婷婷综合成人| 国产一二区爆乳_1国产日韩一区二区三-成人AV| 人人操女人| 久久五月网| 日本的α片xxxwww| 青青草成人网| 五月天大香蕉av| Av九九| 亭亭五月天成人| a在线观看| 秋霞免费视频| www.久久| a久久| 最近免费中文字幕大全高清大全1| 伊人玖玖婷婷| 欧美成人精品一区二区 | 久久精品99久久| 日日肏夜夜干| www.99热精品| 大香蕉AV电影在线| 九九热这里有精品23| 婷婷五月激情六月| 欧美成人AAA片一区国产精品| 99久超碰| av狠狠操| 超91热| 激情综合自拍五月婷婷色五月| 美国色五月天婷婷资源站| 吉澤明步Av一區二區| 欧美成人AAA片一区国产精品| 99九九综合久久九九| 色综合综合色| 色色操| 久久婷婷五月综合激情国产| 国产精品久久久海的味道| 99热欧美| 五月丁香六月综合情在线观看| 五月激情婷婷六月| 伊人婷婷福利网| 丁香五月天AV在线| 久久婷婷亚洲| 99日逼视频| 99热成人在线观看| 成人亚洲精品久久久久| 丁香五月六月久久综合| www.色99| 激情综合五月| 五月丁香激情综合网| 超碰日韩人妻在线| 99热国产在线| 26uuu丁香婷婷五月| 色五月婷婷色五月| 色和综合网| 成人五月天色天堂| 大天天伊人| 伊人青涩网| 五月婷婷激清网| 婷婷免费视频| 五月天丁香成人| 五月天激情日色在线| 久久丁香五月婷婷| 久久永久网址| 激情五月天电影| 五月天激情啪啪| 天堂草在线看www| www久久99| 五月天大香蕉婷| 99超在线| 婷婷综合| 婷婷丁香水多多视频| 久久激情五月| 婷婷欧美色| 成人在线网| 久久久久久99日本| 9er热在线精品视频| 97精品自拍视频| 九九久久久综合| 天天做 天天爱| seav天堂| 免费久久这里只有精品99| 大香蕉久| 亚洲Va成人| 99热精品在线播放| 色八月婷婷| 色五月激情网| 丁香五月 无码| 97色伦另类图片小说视频| 五月丁香六月| 夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂亚洲亚洲亚洲亚洲亚洲亚洲亚洲亚洲色 | 91久久久久久| 丁香玖玖| 超碰色综合| 青青久久五月| 天天综合五月| 99色热综合| 婷婷五月av| 欧美在线干| 97在线综合| 夜夜爱网站| 六月丁香婷婷色狠狠久久| 强伦轩人妻一区二区电影| 精品国产乱码久久久久久免费| 好好日激情五月天| 无人区码一码二码三码医生系列| 色五月天.con| 人人操99| 婷婷五月小说色综合| 色激情五月| 99re热精品在线视频| XX色综合| 99 这里只有精品| 九九操屄| 久久人妻在线| 久久婷婷五月综合成人d啪| 99玖玖在线视频| 久久久性爱网| www狠狠| 五月丁香 久久久| 亚洲日本韩国| 狠狠五月丁香色婷| 精品久久久久成人码免费动漫| 日日射天天射| 丁香六月欧美| 97碰| 六月丁香婷婷天堂| 婷婷丁香五月天熟女丝袜| 91九色欧美| 欧美啪啪9| 99热这里只有精品免费| 狠狠搞综合色| 涩五月丝袜婷婷| 五月天色婷婷综合| 丁香五月亚洲AV| 婷婷五月天亚洲| 激情图片婷婷| 中文字幕乱码亚洲精品一区| 99热只有这里有精品| 婷婷五月综合免费在线| 日韩六六久久电影| 综合九色| 日韩高清成人| 久久九九婷婷| 久久婷婷综合五月天| 欧美性丁香色色五月天综合爱爱| 激情婷婷丁香色五月| 五月婷婷激情性爱| 男人综合网| 七七久久婷婷| 五月天激情电影| 思思久久96热在精品国产,| 丁香婷婷影院| 婷婷五月天丁香花| 丁香五月91| 免费视频WWW在线观看网站| www国产亚洲色婷婷com| 五月丁香六月激情综合| 思思热在线观看| 99操逼| 青青久久五月| 欧美六月| 婷婷涩五月天综合| 色五月婷婷五月天激情综合| 国产精品第一国产精品| 丁香五月亚洲| 在线观看欧美| 欧美黑人巨大性生话| 日本操B视频| 免费国产视频| 四川女人毛多水多A片| 99碰网站| 色狠狠色噜噜AV天堂五区| 久久激情五月婷婷| 五月婷成人网| 六月婷欧美| 五月丁香性| 天天噜天天插| 91久久久久久久91| 中日韩美欧成人一区二区精品在线| 五月丁香久久| 婷婷亚洲在线| 五月天婷综合网站| 婷婷五月网图片区| 久久综合66| 亚洲精品成人| 五月色丁香激情| 婷婷丁香综合色AV| 婷婷五月天影院| 色综合综合网| 九九热这里只有精品首页| 色婷婷yy久| 综合网亚洲| 99热99re6国产在线播放| 91要啪| 91狠狠综合久久| 五月丁香六月情亚洲| 91chinese在线| 丁香婷婷五月激情四射网| 99操碰| 夜夜爽天天日| 激情小说色五月| 婷婷五月天天爽| 色婷丨日丨天丨综合久久| 韩国中文字幕91| 91大屁股精品| 天堂草在线观看| 色色99色色| 五月天激情网址| yjzz亚洲国产| 思思久久99热只有频精品66| 91久久久久久久| 夜夜骑天天操| 欧美综合激情五月| 色色影院aaaav| 成人av观看| 狠狠色噜噜狠狠狠777奇米| 日本欧美成人片AAAA| 91se在线观看| 亚洲天堂aaaa| 99色视频免费在线规看| 99热20| 激情伊人| 亚洲色人妻| 97色射| 亚洲色婷婷| 丁香五月色五月| 五月婷婷综合潮喷| 丁香久久五月天视频在线观看 | 日日夜夜天天| 狠狠综合网| 激情丁香九九五月综合网| 亚洲久热无码| 互月天综合| 六月丁香五月婷婷首页| 在线不卡视频| 欧美婷婷日本| www.com任你艹| 99久久国产综合精品五月天喷水\| 五月激情天| 午夜免费试看| 五月婷婷与六月丁香图片激情| 婷婷五月在线播放| 婷婷十月激情综合网| 五月丁香六月欧美综合| 电影《战争与艾拉》免费观看| 97色色婷婷| 成人一级片| 婷婷丁香六月天激情四射网| 亚洲AV久久久久久久久久久久久久久久 | 99久久婷婷国产综合亚洲| 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 | 大香蕉九九操| 91色欲综合| 九九热狼人| 日韩av手机在线观看| www.狠狠| 伊人在线视频| 婷婷视频在线| 91聚色综合网| 在线观看欧美3区| 亚洲182在线观看| 色五月婷婷777| 日韩成人影片网站| 九九色婷| yw.av| 七七色综合| 国产99久9在线+|+传媒| 一起操 91N.com| 99色在线视频观看| 97久操| 亚洲9久久精品| 中文字幕人妻一区二区| 97久久超级| 综合婷| 精品九九网| 97香蕉人人在线观看| 在线日韩av| 青青草婷婷久久| 极品九九九九九九| 91人妻人人操人人爽| 色色五月天网站| 97操在线视频| 99er日韩| 天天综合插插| 日韩一区二区三区无码| 日日激情网| 五月丁香龟婷婷| 色婷婷社区| 天天艹夜夜艹| 超碰成人在线观看| 婷婷综合五月天| 国产精品18久久久| 9视频在线成人网站| 日本成人内射| 天色综合网| 大香蕉婷婷久久| 九九久久综合| 九九精品这里只有| 丁香六月无码| 精品99在线观看| 综合XX网| 亭亭五月丁香五月天激情| 日本99视频| 亚洲精品V天堂中文字幕| 人五月天婷婷喷水| 丁香五月开心亚洲| 亚洲国产精品成人免费一区久久久在线观看AAAA| 色五月婷婷天天干| 丁香五月激情婷婷激情| 亚洲亚洲永久无码777777| 丁香婷婷社区| 天天干天天干天天操| 五月婷婷激情综合| 国产精品天天狠天天看| 665566 无码| 青青操丝袜美腿| 九色91美女| 国产精品久久99| www.五月天婷婷姐姐| 亚洲色婷婷五月| 丁香激情五月天| 久久性爱视频| 激情文学综合婷婷五月天丁香花| 2018夜夜草| 国产91在线视频| 婷婷中文网站| 九九色综合| 激情婷婷人妻| 国产成人亚洲综合A∨婷婷| 日本婷婷在线| 99热这里是精品| 热99玖玖99玖玖99九九| 五月婷婷中文字幕| AV 3P| 婷婷五月综合亚洲| 免费视频99| 这里只有精品96| 丁香9月婷婷| 中文无码婷婷| 久久成人天| 人人草人人舔| 欧美韩国日本| 国产a视频| www.日本久久videos| 天堂婷婷丁香六月网| 婷婷情爱五月天6| 亚洲男女激情| 婷婷狠狠爱| 九九精品自拍| 亚洲五月情| 97干欧美| 成人做爰高潮A片免费视频| HD久久精品视频| aaaaa不卡| 五月丁香六月激情狠狠| 天天综合五月天| 北京熟妇搡BBBB搡BBBB| 激情綜合網址| 这里只有精品在线播放| 国产午夜精品一区二区| 99热在线观看| 亚洲成人AV在线播放| 婷婷五月天在线观看av| 99狠狠| 丁香五月五月婷婷欧美大香蕉| 97九色视频| 激情综合网激情五月网| 超碰成人在线观看| 有码一区二区三区| 色五月婷婷 成人| 橾逼网| 五月婷婷六月丁香| 大香蕉五月| 婷婷激情五月天在线视频| 99热成人精品网站| 97啪在线观看视频| 天天色月| 色激情五月天| 久草婷婷网| 中美日韩成人在线| 五月丁香做爱视频| 五月综合色| 丁香五月777| 亚洲婷婷丁香五月视频| 综合激情视频| 婷婷色中文| 色婷婷色五月色丁香| 国产激情在线| 91丁香婷婷综合久久欧美| 五月天婷a在线| 婷婷成人五月天成人文学| 亚洲成人在线播放| 色婷婷综合在线| 99在线观看视频精品| 91无码高清| 久久婷综| 婷五月丁香| www.射伊蕉婷婷| 久月久在线视频| 婷婷五月综合婷婷| 在线成人网址| 99久久.www| 色五月婷婷久久大| 五月丁香啪啪综合| 色婷婷激情四射视频| 天天日天天做天天操| 天天爱天天爽| 五月天丁香网站| 亚洲第一第二网站| 色99色| 欧美啪啪9| se影音资源在线观看| 91打屁股免费看| 成人做爰A片免费看网站找不到了| 伊人五月天在线| 欧美色图片88| 五月天激情在线视频| 99久久综合| AV成人在线播放| 五月激情久久| 五月精品99综合| 99高级会所久久| 日本综合色色| 久青操| 激情五月,激情综合网| 粉嫩AV久久一区二区三区| 五月丁香啪啪激情| 99热最新精品| 久久一级片| 丁香五月天网友自拍啪啪啪视频| 日木WWW视频| 亭亭丁香久久五月| 天天影院色| 在线看片av| 亚洲综合激情五月久久| 五月综合激情网| 亚洲小说欧美激情| 欧美交换配乱吟粗大25P| 日日爱678| 九久9精品| 大香蕉伊人99| 偷拍91九色| 热久69| 婷婷六月丁香五月| 无语停婷丁香网| 婷婷丁香五月激情中文字幕版| 欧美日韩aaa| 五月丁香啪啪综合网| 99色综合| 久久性刺激| 丁香五月天综合| 极品五月天| 五月天久久综合婷婷丁香| 亚洲国产精品VA在线看黑人| 色九月激情综合网| 这里只有精品96| 影音先锋 婷婷| 色欲一区二区三区精品A片| 亚洲性爱99| 综合网五月天123| 欧美激情综合五月色丁香| 五月激情偷拍婷婷| 99人妻碰碰久久久禁片| 天天操夜夜爱| 色婷婷色和| 天天狠狠夜夜狠狠2023| www.99精品视频| 婷婷色在线视频| 亚洲色综久久五月| 激情综合国产| 六月丁香综合| 九九精品免费| ,99视频久久| 国产特级毛片AAAAAAA高清| 色婷婷激情小说网| 草草色情综合网| 日韩欧美一级大黄网站| 婷婷五月综合中文字幕| 女高怪谈在线观看| 九 九九九AV| 美女五月狠狠| 五月停停999| 九九热AV| 色99亚洲| 国产乱妇乱子在线播视频播放网站 | 啪啪色激情五月天| 中文字幕日产A片在线看| 五月天色五月天| 九九热狼人| 插插网爽妇五月丁香| 激情图片亚洲| 五月色亚洲| 五月丁香综合激情网| 国产亚洲99久久精品| 色综久久AV| 久爱综合| 开心激情综合| 久久 婷婷 五月天| 久热伊人| 婷婷五月天Av| 亚洲人成网站999综合| www五月| 亚洲最大在线| 拍真实国产伦偷精品| 欧洲激情五月天婷婷| 超碰色热| 丁香五月先锋| 色婷婷色五月另类综合| 大香蕉啪啪网| 这里只有精品免费视频在线观看| 久久ri精品视频| 亚洲色婷婷五月天| 久久久人妻不卡| 国产亚洲精品久久久久久久久动漫| 国产精品日韩十五区| 超碰不卡在线| 99精彩视频| 六月狠狠综合| 97欧美在线| 91色久| 精品色色色| 亚洲天堂大香蕉| 亚洲成人网站在线观看| 操日挥操日日| 亚洲六月婷婷| 久草婷婷网| 五月丁香久久| 五月色婷婷影视在线电影| 日本一区二区三区精品视频| 日亚二欧美| 六月色日韩| 色婷婷无吗| 久久伊人大香蕉| 九九热视频免费观看| 婷婷94s| www.五月婷婷.com| 色婷婷丁香五月高清在线| 区欧美日韩成人| 99免费热视频在线| 99在线看片| 婷婷婷久久久| 亚洲乱码日产精品BD| 天天爱天天吃狠天天透| 六月婷婷之青青草| 免费V片在线| 碰碰91| 激情五月丁香激情综合网| 99热日| 国产欧美精品AAAAAA片| 9l视频自拍九色9l视频在线观看| 激情婷婷五月天伊人在线观看| YW无码| 五月丁香偷拍| 九九亚洲视频| 激情五月天婷婷久久久久久久久久久 | 婷婷久久综合| 丁香桃色网| 99热热九九| 99热高清在线| 九八Av| 色综合色五月| 97婷婷五月| 91精品综合久久久久久五月丁香| 久超免费视频| 久99热| www.天天干| 亚洲五月天综合| 99日本视频| 久久精品99国产精品日本| 国产精品电影网| WWW激情五月天| 97视频91| 色约约视频一区二区三区四区五区| 亚洲综合色网| 99热这里| 管管補管管紱| 91日本在线观看| 天天综合色99| 久久五月视频| 亚洲天堂啪啪| 深爱激情网五月天| 亚洲五月婷婷在线| 黄色片区子| 九九Y精品热播| 99热这里只有精品9| www.夜夜| 日本激情综合| 久久精品国产色| 五月婷婷中文字幕| 人妻六月天| 强辱丰满人妻HD中文字幕| 久操人妻| 久久人妻人人| 我要看激情五月天| 久久6这里只有精品| AV在线观看网站| 亚洲成人无码免费| 色婷婷香蕉在线| 久久草大香蕉| 任你爽视频| 亚洲五月天激情| 婷婷四色成人综合色视| 久久这里面只有精品视频| 精品久久9| AV在线收看| 亚洲黄色网址| 超碰在线91| 婷婷五月天成人| 丁香五月先锋| 激情五月丁香亭亭| 欧美色色色色色色色| 日日干日日s| 99re这里只有精品9| 强伦轩人妻一区二区电影| 1囯产午夜仑鲁鲁| www.金莲av| 激情婷婷五月天| 日日综合网| 99热最新精品| 色九月婷婷丁香| 99色精品| 婷婷婷婷色| 99热这里只有精品最新地址获取| 免费色色色| 天天射影| 色婷婷基地| 亚洲熟女色| 色欲婷婷五月天丁香| 91在线观看www| 97成人丁香| 免费无码毛片一区二区A片| 婷婷色色五月天| 少妇综合网| 综合色五月| 色999;丁香五月| 日日噜噜夜夜狠狠久久丁香六月| 丁香五月人妻| 久久视频婷婷| 激情五月激情综合网| 五月色婷婷综合| 丁香六月激情综合啪啪| 开心五月深爱激情| 婷婷色网站| 婷婷五月天成人基地| 五月婷婷干| 欧洲亚洲欧洲99久久| 婷婷丁香六月激情综合| 五月亭亭六月激情| 婷婷五月精品在线| 九九热在这里只有精品| 婷婷亚洲五月色综合| 亚洲婷婷丁香五月视频| 精品一区二区三区木瓜| 天天夜天天色天天| 婷婷丁香综合成人| 天天情色综合网| 五月丁香啪啪综合网| 婷婷深爱网| 日日夜夜小色哥| 天天爽日日爽夜夜爽| 国产玖玖资源| 婷婷五月激情丁香| 极品另类| 91婷婷在线| 伊人久久婷婷| 色综合五月| 五月丁香综合| 欧美午夜乱妇午夜福利| 97一区二区| 五月综合激情啪啪啪啪啪| 97日本操| 99人人干人人操| 百度4399有码精品V在线观看| 99久久精品国产色欲| 91凹凸在线| 丁香激情网| 伊人五月天综合网| 亚洲五月天天| 97好吊操| 日本高清综合网五月丁香| 日本WWW九九九| 婷婷伊人网| 97啪啪| 人妻丰满精品一区二区A片| ..真实国产乱子伦毛片 | 五月丁香狠狠地噜噜噜噜| 久久思思精品| 婷婷色片| 婷婷五月天小说网| 国产午夜精品一区二区三区嫩草| 色五月丁香A欧美com | 精品色色| 精品欧美一区二区三区久久久| 玖久久网站| 欧美日韩五月婷婷| 99综合在线| 99高级会所久久| 丁香婷婷伊人| 五月亭亭开心网| 狼人久草| 成 人片 黄 色 大 片| 超碰人人在线观看| www.五月天色色色| 伊人碰碰碰| 激情六月丁香综合| 五月丁香婷婷激激激综合网色播| 久久久噜噜噜久久人妻| 五月婷婷六月丁香| 国产69久久久欧美黑人A片| 色在线免费观看| 婷婷午夜综合| 激情六月下句是什么| 新激情五月天色播| 婷婷五月,偷窥偷拍网| 五月天激情久久| 丁香综合日产精品久久| 美女xx不卡| 亚洲综合成人网| 呦呦v线| 538在线精品| 一本久道综合色婷婷五月| 无码AV免费精品一区二区三区| chaopeng在线人人| 丁香五月日韩| 丁香激情合作五月| 青青草原精品久久| 激情四射网| 夫妇交换刺激做爰| 91丨九色丨老农村| 久热只有这里有精品| 五月天堂在线| 日韩AV片| 久久97久久99久久综合欧美| 丁香婷婷性久久| 五月婷婷在线视频免费观看| 午夜电影网VA内射| 色婷精品91| www.超碰97| 1024操逼视频| 激情五月天之六月婷婷| www.五月丁香| 我爱大香蕉| 综久久久| 亚洲午夜精品久久久久久人妖| 色综色五月天婷婷| 九久9精品| 婷婷丁香六月天| 婷婷综合色| 五月色丁香激情| 五月丁香激情四射| 九九成人电影婷婷| 97碰碰视频在线观看| 思思精品久久艹| 99在线热| 婷婷伊人欧美| 九九精品在线视频观看| 激情丁香六月| 色五月婷婷中文字幕| 视频一区二区在线| 丁香五月激情宗合网| 国产色色色色| 婷婷久草| 超碰97久久| 能看的AV网站| 亚洲中文字幕网| 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 | 蜜臀综合久草| 超碰人人艹| 五月涩涩网| 丁香六月啪啪| 五月久久| 伊人日日干| 久久99婷婷| 色色色丁香| 婷婷欧美色| 99热日| 九九九激情综合| 91Chinese在线| 色五月六月| 被强行糟蹋的女人A片| 超碰91人人操| 99热这里只有精品最新网址| 色墦五月丁香| 国产ava| 思思国产99| 激情五月天婷婷| 成人欧美日韩| 无码人妻一区| 日韩黄色中文字幕| 久热久色| 色丁香五月| 色五月在线综合| 激情婷婷综合| 超碰在线人妻| 成人在线视频一区| 丁香六月视频免费观看| 91精品久久久久久77777| 色九月欧美| 丁香久久久| 99精品国产在热久久| 婷婷六月色| 狼人婷婷久久| 色五月97| 色五月婷婷色五月| 色噜噜丁香| 五月六月丁香婷婷在线观看| 超碰在线91| 五月综合丁香婷婷| 狠狠xx| 亚洲精品又粗又大又爽A片| 色色五月天婷婷| 色五月婷婷亚洲最大| 欧美97超碰| 九九视频精品这里只有| 激情综合色| 丁香激情五月少妇| 2025年最新亚洲在线欧美| 少妇人妻丰满做爰XXX| 深爱激情中文五月天av| 99久在线精品| 久久综合色情网站| 婷婷婷婷色| 91嫩草国产线观看亚洲一区二区| 丁香五月婷婷呀| 夜夜躁爽日日| 久久久久婷婷| 啪色综合| 丁香花操逼| 九九亚洲视频| 91碰碰视频在线观看| 精品99网站| 国产伦亲子伦亲子视频观看| 99热乎| 91玖玖| 99精品人人| 亚洲精品99| 人碰91| 五月六月婷婷| 任你弄在线视频免费| 午夜精品777| 内射人妻视频国内| 免費亭亭成人| 超碰99在线| 人人爱干人人爱草| 婷婷激情图片| 亚洲婷婷五月天在线激情综合网| 色婷五月天| 婷婷涩五月| 久9久9久9久9久9久9| 久久九九精彩| 五月激情小说| 丁香五月婷婷Av| 狠狠狠色激情综合适合| 天堂久久大香蕉| 五月综合无码| 亚洲五月天色色| 激情五月天激情五月天| 日韩 mm 不卡| 天天狠狠夜夜狠狠2023| 97人妻碰碰碰碰碰久久久久久| 99热精地址| 日日夜夜亚洲一区| 丁香 婷婷 亚洲 熟女| 丁香九月色| 综合久久六月| xxxx五月天色色| 色色性爱视频| 婷婷五月天丁香激情| 婷婷五月天视频免费在线观看| 五月丁香九九| 狠狠操狠狠| 另类天堂| 亚洲欧洲色色| 久久精品A片777777| 性爱电影科技贸易有限公司| 操操操B| 99热这里只有精品无码| cao视频,现在观看| 天天久综合| 婷婷五月天大香蕉| 日韩操逼大片| 久久五月婷婷电影| 国产毛片精品一区二区色欲黄A片| 99热这里只有精品69| 五月婷九月| 精品人妻伦一二三区久久| 香蕉国产2013| 久久五月视频| 婷婷五月天性| 影音先锋91男人资源在线播放| 美欧成人视频| 五月婷色| 中文字幕乱码亚洲精品一区| 天天视频亚洲| 五月婷婷综合影院| 99色婷婷| 五月天婷婷爱丁香中文字幕| 影音先锋一区二区资源站| 天天色天天日天天舔| 久婷婷| 亚洲精品久久久久AV无码| 天天操夜夜爱| 97精品自拍视频| 丁香五月成人| 九九成人精品| 亚洲另类毛片| 久久久久久欧美精品se一二三四| 色婷婷欧美在线| 青青久久五月天丁香婷婷| 久色大| 亚洲婷婷五月天在线激情综合网| 日日操夜夜擼| 九九热精品视频| 怡红院 久久| 日本一级淫| 免费观看的av| 99色综合网| 久久婷综| 26uuu精品一区二区| www久久五月com| 婷婷字幕在线| 婷婷五月激情图片| 五月丁香婷婷五月色| 丁香97综合| 欧美色婷婷| 久香草视频在线观看| 五月婷婷色啪| 99日韩| 久久人妻视步| 日本色色色| 久久性综合| 色99色| 欧美久久五月婷婷| 亚洲在线成人| 99热这里只有精品9| 视色综合| -91九色大屁股| www.9操| 日亚二欧美| 六月色婷婷欧美| 国产婷婷久久| 九九综合色| 天天爽天天爽视频| 99久久丝| 97人人干。| 六月丁香五月婷婷| 色婷婷狠狠18| 婷婷免费精品视频| 91主播在线| 五月天国产| 色五开心五月五月深深爱| 日本综合久久| www超碰com| 九九热在线99| 丁香六月五月婷婷| 91九九| 色欲色香综合网站| 91色婷婷综合久久中文字幕二区| 婷婷五月丁香香蕉| 五月婷婷六月丁| www.99热这里精品| 亚洲妇女熟BBW| 热99免费在线| 夜夜夜叫天天天做| www.五月婷婷久久.com| 久热精品免费视频4| 久久激情视频| 人人妻久久妻| 电影蜘蛛女| 99热线观看9| 韩日另类| 色色吧综合| 天天插天天操| 亚洲视频在线观看99| 国产性爱一级| 五月综合激情啪啪啪啪啪| 男女99免费视频| 香蕉AV777XXX色综合一区| 99色色热| 婷婷五月丁香超碰| 丁香五月天成人| 五月婷综合| 激情综合网五月婷婷| 夜夜噜夜夜奇| 99久久综合网| AV免费在线网站| 国产精品日本一区二区在线播放 | 天天日天天舔| 日日夜夜噜噜爽爽| 五月天丁香六月综合| 伊人久久中文网| 秋霞av吧| 五月丁香综合网| 大香蕉欧美在线| 精品免费99| 五月天激日本色情在线| 黄色精品五月婷婷| 一区操| 人妻丰满精品一区二区A片| 九九色影视| 亚洲视频色婷婷| 五月婷在线色视频| 色婷婷综合久色AV五色最新| 任你操精品免费| 色婷婷亚洲综合网站| 亚洲精品无码一区二区| 久热9| 激情五月天网站| 六月久久狠狠| 婷婷5月开心6月| 中文字幕在线日亚州9| 五月婷婷色啪| 久热精彩视频98| 国产亚洲精品久久久久苍井松| 久久婷婷五月| 超碰93在线观看| 日日综合网| 思思re视频在线| 国产色色网站网址| 精品久久99| 久操干| 色yeye色综合| 99色人| 免费看成人AA片无码视频吃奶| 天天日综合| 色综合九九| 激情婷婷五月天| 五月婷六月| 天天操,夜夜骑| 97深爱伊人综合| 五月天婷婷一起草| 在线播放中文字幕| 庭庭久久内射| 97热久久五月婷婷| 99久久高清视频| 九九爱精品网站| 国产视频色色色色色色色| 九九Av| 亭亭玉月丁香| 色九月婷婷| 五月色网| 99九九热在线观看| 日本99色| 色婷婷六月| 狠狠干无码| 这里有精品2| 2025年最新亚洲在线欧美| WWW.桔色成人.COM| 全国最新疫情| 五月婷婷就去色| 色99视| 欧洲亚洲免费视频区| 美女天天久久| 亚洲视99| 久久久久久久丁香五月天婷婷| 婷婷丁香成人| 丁香六月啪| 色九网| 久久XX| 亚洲综合在线视频| 大香蕉久操| 99在线精品观看99| 亚洲中文字幕av| 99日韩| 激情婷婷五月天| 亚洲色啪| 九九99久久| 丁香五月激情婷婷视频| 国在线激情网| 亚洲人成网亚洲欧洲无码久久| 天天想夜夜爽天天爽| 久久这里都是精品免费| 五月色婷婷在线观看| 久热这里只有精品性色AV| 欧美狠狠草| 99re思思在线视频| 婷婷在线操| 久久99热 这里有精品| 五月婷婷婷婷婷婷艺术| 九九九九九九九热| 人人人va亚洲视频在线| 婷婷综合色播网| 亚洲成人婷婷| 伊人五月天| 99狠狠| 91九色国产| 色爱亚洲| 婷婷五月天成人网| 99在线精品免费视频| 天堂伊人干| 丁香五月玖玖| 久久国产高潮白浆免费观看99| 人人视频色| 丁香五月婷婷激情视频播放| 婷婷五月色丁香在线看| 秋霞三及片| 久色婷婷200| 五月婷婷九| 九月婷婷久久久| 天天婷婷综合亚洲亚洲| 色玖玖| 97精品人人A片免费看| 人五月天婷婷喷水| 人人干人人操外国| 激情爱爱网站超大免费| 色~性~乱~伦~噜| 亚洲午夜精品久久久久久人妖| 丁香五月色播中文在线播放| 五月丁香六月婷婷综合伊人| 五月婷婷开心丁香| 99久在线精品99re8| 九九热99熟女| 五月婷婷大香蕉| 婷婷五月成人| 五月婷婷影视| 国产综合丁香五月天| 色婷婷a v| 亚洲综合激情五月天婷婷| 97深爱伊人综合| 亚洲第一精品成人999久久精品| 色婷婷在线视频| 一起草AV| 人妻丰满精品一区二区A片| 婷婷色综合网日韩国产| enecarbon-materials.com污K127封锁请涟系@wip1688 | 婷婷色av| 大香蕉欧美在线| 99精品色| 婷婷五月天性色| 久久婷婷综合拍| 日韩无码成人电影| 亚洲色欲欧美一区二区三区| 天天天天天久久久久久| 日韩综合久| 五月婷婷激情五月| 超碰人妻公开在线| 2013AV天堂| 人妻久久久久| 丁香五月人妻熟女| 五月丁香六月玩女人| 色婷婷香蕉| 人与禽A片啪啪| 极品九九九九九九| 99在线观看| 人妻在线中文字幕久久| 中文字幕 中文字幕明步| 另类小说五月天| 4438亚洲欧美| 久婷首页| www.狠狠操.co m| 天堂草在线观看| 日本色色图| 婷婷在线中文字幕|