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。

Bi-LSTM景區(qū)評論情感分析實(shí)戰(zhàn):Python源碼從詞向量到評價(jià)分?jǐn)?shù)全流程

Bi-LSTM景區(qū)評論情感分析實(shí)戰(zhàn):Python源碼從詞向量到評價(jià)分?jǐn)?shù)全流程 簡介面向深度學(xué)習(xí)與自然語言處理方向的畢業(yè)設(shè)計(jì)者這套基于融合對抗與注意力機(jī)制的Bi-LSTM景區(qū)評論情感分析Python項(xiàng)目可完整運(yùn)行覆蓋數(shù)據(jù)標(biāo)注、word2vec詞向量訓(xùn)練、模型訓(xùn)練、情感預(yù)測與評分生成全流程并給出TensorFlow 2.3.0等環(huán)境配置適合課題復(fù)現(xiàn)或畢設(shè)參考。資源共18個(gè)文件壓縮包約191KB以4個(gè)ipynb和4個(gè)py文件為核心另含word2vec詞向量、corpus語料、stopwords停用詞、logs日志及模型保存/加載等配套。代碼分工清晰config.py配置參數(shù)dataSet.py數(shù)據(jù)預(yù)處理tools.py提供序列長度與評價(jià)指標(biāo)工具model.py為baseline模型main_load.ipynb和main_save.ipynb分別支持加載預(yù)訓(xùn)練模型和讀取訓(xùn)練數(shù)據(jù)預(yù)測。目前已有249人學(xué)習(xí)下載適合想快速掌握Bi-LSTM融合注意力機(jī)制與對抗訓(xùn)練的文本情感分析學(xué)習(xí)者。1. Bi-LSTM 景區(qū)評論情感分析這份 Python 源碼把詞向量到評價(jià)分?jǐn)?shù)全串起來了景區(qū)評論里最常見的一句話是“風(fēng)景不錯(cuò)但人太多”這類轉(zhuǎn)折句對 Bi-LSTM 景區(qū)評論情感分析來說才是真正的考驗(yàn)——按詞頻統(tǒng)計(jì)會(huì)直接判成好評可游客的情緒其實(shí)是中性偏不滿的。這份基于融合對抗與注意力機(jī)制的 Bi-LSTM 網(wǎng)絡(luò) Python 源碼把景區(qū)評論情感分析整條鏈路都鋪好了Word2Vec 詞向量訓(xùn)練、Bi-LSTM 加注意力機(jī)制的深度學(xué)習(xí)模型訓(xùn)練、未標(biāo)注評論預(yù)測、結(jié)合預(yù)測值生成評價(jià)分?jǐn)?shù)。對正在做畢設(shè)或者想快速上手深度學(xué)習(xí)情感分析的人來說它不是理論 PPT而是能直接跑的代碼。項(xiàng)目用 TensorFlow 2.3.0 搭模型、Gensim 訓(xùn)詞向量、Jieba 做分詞流程清晰適合復(fù)現(xiàn)、改造和當(dāng)基線用。2. 項(xiàng)目結(jié)構(gòu)與數(shù)據(jù)流四個(gè)核心 Python 文件和三本 Notebook 的職責(zé)拆解剛解壓這份源碼的人多半會(huì)被一堆文件看花眼.ipynb、.py、corpus、word2vec、logs全堆在一起。實(shí)際它分得很清楚配置、數(shù)據(jù)、模型、運(yùn)行四個(gè)層面各管各的。2.1 文件分工哪個(gè)文件負(fù)責(zé)什么復(fù)現(xiàn)時(shí)先改誰文件職責(zé)復(fù)現(xiàn)時(shí)最需要改的位置config.py統(tǒng)一管理數(shù)據(jù)路徑、模型參數(shù)、類別數(shù)corpus路徑、embedding_dim、num_classesdataSet.py讀取語料、Jieba 分詞、去停用詞、構(gòu)造訓(xùn)練樣本停用詞表路徑、標(biāo)簽列分隔符tools.py計(jì)算序列長度、準(zhǔn)確率 / F1 等評價(jià)指標(biāo)按新任務(wù)增改指標(biāo)函數(shù)model.py定義 Bi-LSTM Attention 基線模型lstm_units、dropout、類別數(shù)gensim_word2vec.ipynb用 Gensim 訓(xùn)練景區(qū)評論文本詞向量vector_size、min_count、windowmain_save.ipynb訓(xùn)練主入口訓(xùn)練完保存模型batch_size、epochs、保存路徑main_load.ipynb加載已保存模型做情感預(yù)測預(yù)測文本的輸入格式這種分層對畢設(shè)或二次開發(fā)非常友好。路徑集中在config.py想換數(shù)據(jù)集基本不用碰模型代碼tools.py獨(dú)立出來是為了在訓(xùn)練和預(yù)測兩個(gè)環(huán)節(jié)復(fù)用同一套評價(jià)指標(biāo)避免指標(biāo)口徑不一致。main_save和main_load被拆成兩本 Notebook也是刻意區(qū)分訓(xùn)練期和推理期防止把保存權(quán)重和加載預(yù)測的邏輯揉在一起后面排查問題會(huì)輕松很多。我一般拿到這種源碼第一件事不是直接跑main_save.ipynb而是先打開config.py把里面的路徑、批次大小、類別數(shù)看一遍。因?yàn)楹芏鄰?fù)現(xiàn)報(bào)錯(cuò)根本不是模型寫錯(cuò)了而是語料路徑指錯(cuò)、停用詞表沒找到、類別數(shù)跟標(biāo)簽對不上。2.2 數(shù)據(jù)預(yù)處理dataSet.py 里藏著二分類和三分類的取舍dataSet.py的核心邏輯是讀取帶標(biāo)簽的景區(qū)評論分詞、去停用詞再整理成模型能吃的樣本。以資源里的corpus/3class和corpus/2class兩個(gè)目錄為例標(biāo)注格式一般是“標(biāo)簽 分隔符 評論文本”核心預(yù)處理大致是這樣# dataSet.py 中的數(shù)據(jù)加載與預(yù)處理核心邏輯 import jieba def load_stopwords(stopwords_path): stop set() with open(stopwords_path, r, encodingutf-8) as f: for line in f: stop.add(line.strip()) return stop def load_comments(path, stopwords_pathNone): texts, labels [], [] with open(path, r, encodingutf-8) as f: for line in f: parts line.strip().split(\t) if len(parts) 2: continue labels.append(int(parts[0])) # 標(biāo)簽放第一列 words jieba.lcut(parts[1]) # 第二列是評論文本 if stopwords_path: stop load_stopwords(stopwords_path) words [w for w in words if w not in stop and w.strip()] texts.append( .join(words)) return texts, labels這塊邏輯有幾個(gè)關(guān)鍵點(diǎn)。標(biāo)簽放在第一列是為了跟評論文本分開讀取時(shí)不容易錯(cuò)位split(\t)說明原始語料用制表符分隔如果你自己爬的數(shù)據(jù)是逗號或空格分隔這里要同步改去停用詞用的是set比逐個(gè)if w not in stopwords_list快得多評論語料動(dòng)輒幾萬條這點(diǎn)性能差距會(huì)被放大。3class和2class兩個(gè)語料目錄對應(yīng)兩種任務(wù)設(shè)定。三分類把評論分成正、中、負(fù)三個(gè)檔位能表達(dá)“風(fēng)景不錯(cuò)但人太多”這類中性偏負(fù)面情緒二分類只判正負(fù)訓(xùn)練簡單、類別更均衡但會(huì)丟失中間檔信息。復(fù)用這份源碼時(shí)如果只關(guān)心“好評率”跑2class就夠如果要做細(xì)致的景區(qū)口碑分析建議保留三分類。代價(jià)是中評樣本往往偏少后面第 5 章會(huì)專門說這個(gè)坑。2.3 三條數(shù)據(jù)流訓(xùn)練、預(yù)測、詞向量預(yù)訓(xùn)練如何配合這套源碼的數(shù)據(jù)流不復(fù)雜但新手經(jīng)常把順序跑反。正常運(yùn)行順序是先用gensim_word2vec.ipynb對語料做無監(jiān)督訓(xùn)練得到word2vec/word2vec.model在config.py里把corpus指向3class或2class確認(rèn)類別數(shù)運(yùn)行main_save.ipynb它會(huì)調(diào)用dataSet.py讀取語料、按最長序列做 padding再用隨機(jī)初始化或預(yù)訓(xùn)練詞向量初始化 Embedding 層訓(xùn)練完成后把模型保存到指定目錄把未標(biāo)注評論整理成同樣格式運(yùn)行main_load.ipynb加載模型做情感預(yù)測拿預(yù)測概率結(jié)合業(yè)務(wù)需求生成評價(jià)分?jǐn)?shù)。第 2 步和第 3 步的耦合最容易被忽略。main_save.ipynb內(nèi)部讀取的是config.py里配置的數(shù)據(jù)集路徑而gensim_word2vec.ipynb訓(xùn)練的語料又是另一份。如果先跑詞向量再換語料Embedding 矩陣和模型詞表對不上典型報(bào)錯(cuò)就是索引越界或者維度不匹配。運(yùn)行main_save.ipynb時(shí)看到類似saved model to ...的輸出說明訓(xùn)練和保存這段鏈路已經(jīng)通了一半。常見做法是把詞向量訓(xùn)練也當(dāng)作數(shù)據(jù)預(yù)處理的一環(huán)而不是獨(dú)立任務(wù)。我習(xí)慣在gensim_word2vec.ipynb訓(xùn)練完后順手把詞表保存成 JSON后面構(gòu)建 Embedding 矩陣和模型詞表都以這個(gè) JSON 為準(zhǔn)這樣能避開大多數(shù)對齊問題。3. 模型設(shè)計(jì)Bi-LSTM 輸出接 Attention對抗擾動(dòng)加在 Embedding 層這份資源里的核心模型是 Bi-LSTM Attention再疊加對抗訓(xùn)練。三個(gè)組件各解決一個(gè)問題Bi-LSTM 抓雙向上下文Attention 挑出對情感判斷最重要的詞對抗訓(xùn)練提升對文本噪聲和網(wǎng)絡(luò)新詞的魯棒性。把三者接在一起的順序和細(xì)節(jié)才是這段源碼的看點(diǎn)。3.1 為什么用 Bi-LSTM轉(zhuǎn)折句和否定詞需要同時(shí)看兩個(gè)方向單向 LSTM 對“景區(qū)很美但服務(wù)很糟”這類句子天然吃虧。正向遍歷時(shí)“很美”會(huì)一直保留在記憶里讀到“糟”時(shí)才更新狀態(tài)最后的隱狀態(tài)容易被開頭的強(qiáng)情感詞帶偏反向遍歷則反過來。Bi-LSTM 把兩個(gè)方向的隱狀態(tài)在時(shí)間步上拼接模型能同時(shí)看到“很美”和“很糟”轉(zhuǎn)折前后的信息才不會(huì)被某一側(cè)壓過。在model.py里常見寫法是用tf.keras.layers.Bidirectional包一層 LSTM# model.py 中 Bi-LSTM 層的常見定義方式 lstm_layer tf.keras.layers.Bidirectional( tf.keras.layers.LSTM( units128, return_sequencesTrue, dropout0.3, recurrent_dropout0.2 ) )return_sequencesTrue是必須的因?yàn)楹竺嬉?Attention 層需要拿到每個(gè)時(shí)間步的隱狀態(tài)而不是最后一個(gè)時(shí)間步的輸出。units128表示每個(gè)方向的隱層維度是 128拼接后是 256 維這會(huì)直接影響 Attention 層的輸入維度。dropout和recurrent_dropout在評論這種短文本任務(wù)里我一般給到 0.2~0.4太高會(huì)把轉(zhuǎn)折句的信息丟掉太低又容易過擬合。3.2 Attention 層的實(shí)現(xiàn)給它一個(gè)可解釋的加權(quán)邏輯Bi-LSTM 輸出是一個(gè)三維張量形狀是(batch, time_steps, hidden_dim)。Attention 做的事情就是給每個(gè)時(shí)間步算一個(gè)重要性權(quán)重然后加權(quán)求和成一個(gè)固定維度的向量。核心實(shí)現(xiàn)如下# Attention 層對 Bi-LSTM 的每個(gè)時(shí)間步加權(quán) def attention_layer(hidden_states): # hidden_states: (batch, time_steps, hidden_dim) dense tf.keras.layers.Dense( hidden_states.shape[-1], activationtanh )(hidden_states) score tf.keras.layers.Dense(1)(dense) weights tf.nn.softmax(score, axis1) context_vector tf.reduce_sum(weights * hidden_states, axis1) return context_vector這里的關(guān)鍵是tanh激活它把每個(gè)時(shí)間步的隱狀態(tài)壓到 -1 到 1 之間避免某個(gè)詞的原始數(shù)值過大直接主導(dǎo)權(quán)重第二個(gè)Dense(1)把壓縮后的向量投影成一個(gè)標(biāo)量分?jǐn)?shù)softmax沿著時(shí)間步維度歸一化保證權(quán)重和為 1。最后reduce_sum得到加權(quán)后的句子向量。這層設(shè)計(jì)對景區(qū)評論尤其有用像“值回票價(jià)”的“票價(jià)”、“排隊(duì)兩小時(shí)”的“排隊(duì)”這類詞會(huì)被賦予更高的權(quán)重。你在main_load.ipynb里預(yù)測一條評論時(shí)可以順手把 Attention 權(quán)重打印出來看看模型到底在關(guān)注哪些詞這比只看一個(gè)預(yù)測標(biāo)簽靠譜得多。3.3 對抗訓(xùn)練把擾動(dòng)加到 Embedding 層逼模型更抗噪對抗訓(xùn)練在這個(gè)項(xiàng)目里的套路是在 Embedding 層上加一個(gè)非常小的擾動(dòng)讓模型在不改變語義的前提下面對“被攻擊”的輸入。常見做法是 FGM核心邏輯是對 Embedding 的梯度做歸一化再乘一個(gè) epsilon 作為擾動(dòng)方向。用法如下# 融合對抗訓(xùn)練的訓(xùn)練循環(huán)片段FGM 擾動(dòng) Embedding 層 epsilon 0.01 emb_layer model.get_layer(embedding) original_weights emb_layer.get_weights()[0] with tf.GradientTape() as tape: loss1 compute_loss(model, x_batch, y_batch) grads tape.gradient(loss1, model.trainable_variables) # 找到 Embedding 權(quán)重對應(yīng)梯度構(gòu)造擾動(dòng) emb_grad grads[embedding_grad_index] delta epsilon * emb_grad / (tf.norm(emb_grad) 1e-9) emb_layer.set_weights([original_weights delta]) with tf.GradientTape() as tape2: loss2 compute_loss(model, x_batch, y_batch) combined_grads grads tape2.gradient(loss2, model.trainable_variables) # 恢復(fù)原始權(quán)重用 combined_grads 更新模型 emb_layer.set_weights([original_weights])epsilon是擾動(dòng)幅度一般取 0.01~0.05。太小起不到對抗效果太大直接把詞向量語義空間破壞了訓(xùn)練 loss 會(huì)異常抖動(dòng)。擾動(dòng)方向用的是歸一化后的梯度方向而不是原始梯度是為了控制擾動(dòng)步長。訓(xùn)練時(shí)先算正常 loss 的梯度擾動(dòng)后再算一次 loss 的梯度兩部分梯度相加再更新參數(shù)本質(zhì)上是讓模型在嵌入空間中往“更難分”的方向多走一步。這套東西放在畢設(shè)里價(jià)值是提升模型的魯棒性。景區(qū)評論里大量口語詞、emoji、錯(cuò)別字比如“想思”“風(fēng)景絕絕子”加入對抗擾動(dòng)后模型不會(huì)因?yàn)槟承┳盅鄣奈⑿∽兓头嚒4鷥r(jià)是訓(xùn)練時(shí)間大約增加 30%~50%而且對 batch 大小更敏感batch_size64配合epsilon0.01通常是個(gè)穩(wěn)妥起點(diǎn)。4. Word2Vec 詞向量訓(xùn)練與超參調(diào)優(yōu)128 維、skip-gram 與詞表對齊經(jīng)驗(yàn)詞向量是這套情感分析的地基。Embedding 層初始化得不好后面 Bi-LSTM 再強(qiáng)也學(xué)不到東西。gensim_word2vec.ipynb這本 Notebook 專門干這個(gè)但很多人在復(fù)現(xiàn)時(shí)把它當(dāng)成“跑完就行”的步驟結(jié)果模型指標(biāo)一直上不去。詞向量的效果直接決定情感詞能不能在語義空間里聚在一起。4.1 gensim 訓(xùn)練流程先把語料變成 Sentence 列表gensim_word2vec.ipynb的核心調(diào)用是這樣的# gensim_word2vec.ipynb 中的詞向量訓(xùn)練 from gensim.models import Word2Vec sentences [line.strip().split() for line in open(data/corpus/3class/train.txt, r, encodingutf-8)] w2v_model Word2Vec( sentences, vector_size128, window5, min_count2, sg1, epochs8, workers4, ) w2v_model.save(word2vec/word2vec.model)參數(shù)含義要理解別盲目抄。vector_size128是詞向量維度景區(qū)評論語料規(guī)模通常在幾萬句這個(gè)量級128 夠用語料小就降到 100 或 64window5是上下文窗口窗口越大越強(qiáng)調(diào)語義相似性但景區(qū)口語短句里距離超過 5 的詞基本沒有共現(xiàn)關(guān)系調(diào)太大會(huì)引入噪音min_count2表示出現(xiàn)次數(shù)低于 2 的詞直接丟掉太大會(huì)把“踩雷”“排雷”這種低頻但情感強(qiáng)烈的詞丟掉太小會(huì)讓詞表膨脹、訓(xùn)練變慢sg1用 skip-gram它在小語料上的效果通常比 CBOW 好因?yàn)榫皡^(qū)評論里很多詞共現(xiàn)稀疏epochs8是迭代次數(shù)語料小可以適當(dāng)加一點(diǎn)。跑完這一步檢查一個(gè)關(guān)鍵產(chǎn)物word2vec/word2vec.model文件。這個(gè)文件后續(xù)會(huì)被main_save.ipynb用來初始化 Embedding 矩陣。4.2 詞向量質(zhì)量驗(yàn)證不要只看 Loss要看相似詞訓(xùn)練完先別急著進(jìn)模型。我會(huì)做一次詞向量質(zhì)量抽檢# 詞向量質(zhì)量檢查看情感詞在語義空間中的鄰居 from gensim.models import Word2Vec w2v Word2Vec.load(word2vec/word2vec.model) print(w2v.wv.most_similar(風(fēng)景, topn5)) print(w2v.wv.most_similar(排隊(duì), topn5)) print(w2v.wv.most_similar(服務(wù), topn5))如果“風(fēng)景”的最近鄰是“景色”“環(huán)境”“山水”說明詞向量訓(xùn)練正常如果“風(fēng)景”的最近鄰是“排隊(duì)”“門票”這類不相關(guān)詞大概率是window太大或者語料里有臟數(shù)據(jù)比如把整條評論當(dāng)成一個(gè)句子沒有切分。我遇到過最典型的情況是語料里混入了大量沒有分詞的文本導(dǎo)致“風(fēng)景不錯(cuò)”被當(dāng)成一個(gè)詞詞表里出現(xiàn)一堆稀碎的長 token這種詞向量喂給模型基本是災(zāi)難。4.3 詞表對齊隨機(jī)小值兜底 OOV詞向量訓(xùn)練完成之后model.py構(gòu)建 Embedding 矩陣時(shí)最重要的動(dòng)作是把 Gensim 詞表映射到模型詞表這一步經(jīng)常翻車。OOV詞表外詞一般用隨機(jī)小值初始化而不是全零向量否則網(wǎng)絡(luò)在反向傳播時(shí)對 OOV 詞的梯度恒為零這類詞永遠(yuǎn)學(xué)不動(dòng)。# 構(gòu)建 Embedding 矩陣出現(xiàn)過的詞用預(yù)訓(xùn)練向量OOV 用隨機(jī)小值 import numpy as np vocab w2v.wv.key_to_index vocab_size len(vocab) 2 # 預(yù)留 UNK 和 PAD 位 embedding_matrix np.random.uniform(-0.05, 0.05, (vocab_size, 128)) for word, idx in vocab.items(): if word in w2v.wv: embedding_matrix[idx] w2v.wv[word]注意這里vocab_size要跟model.py里Embedding層的input_dim嚴(yán)格一致。2是給UNK和PAD預(yù)留位置如果模型用的是mask_zeroTruePAD 位必須設(shè)成 0。詞表對齊這件事看著是細(xì)節(jié)錯(cuò)了就會(huì)在第 5 章第一個(gè)坑里栽跟頭。5. 避坑與常見問題排查五條復(fù)現(xiàn)階段最容易翻車的報(bào)錯(cuò)記錄這份源碼整體能跑通但復(fù)現(xiàn)之路上的坑基本都集中在環(huán)境版本、詞表對齊和顯存控制上。下面這五條是高頻問題每條都按現(xiàn)象、原因、解決三步說清楚算是這輪拆包的血淚經(jīng)驗(yàn)。5.1 加載詞向量報(bào)“索引越界”或“維度不匹配”現(xiàn)象運(yùn)行main_save.ipynb時(shí)Embedding 層初始化階段報(bào)IndexError或者ValueError: dimension mismatch有時(shí)候報(bào)錯(cuò)信息直接指向word2vec/word2vec.model。原因gensim_word2vec.ipynb訓(xùn)練的語料和main_save.ipynb讀取的語料不是同一份詞表不一致或者 Embedding 層的input_dim設(shè)置的是詞表大小但實(shí)際傳入的序列里包含UNK/PAD兩個(gè)額外 token索引超出預(yù)設(shè)范圍。解決統(tǒng)一詞表來源。我先跑完gensim_word2vec.ipynb把w2v.wv.key_to_index保存成 JSONmodel.py構(gòu)建 Embedding 層時(shí)直接用這個(gè) JSON 計(jì)算vocab_size并顯式處理UNK和PAD兩個(gè)位置的向量。再用tmp np.zeros((vocab_size, 128))兜底排查階段寧可多跑一次也要先確認(rèn)兩邊詞表長度一致。5.2 顯存溢出CUDA_ERROR_OUT_OF_MEMORY現(xiàn)象訓(xùn)練到第幾個(gè) epoch突然報(bào)CUDA_ERROR_OUT_OF_MEMORY進(jìn)程直接退出。原因Bidirectional層的顯存占用是單向 LSTM 的兩倍加上 Attention 層要保存每個(gè)時(shí)間步的中間狀態(tài)batch_size128配sequence_length256很容易把顯存撐爆。這兩個(gè)配置疊加是顯存溢出的主要導(dǎo)火索。解決把batch_size降到 64 或 32再把max_len截到 128。景區(qū)評論普遍不長超過 128 個(gè)字符的句子占比很低截?cái)嘤绊懖淮蟆_€可以在config.py里把lstm_units從 128 降到 64代價(jià)是精度略降但訓(xùn)練穩(wěn)定性明顯提升。我有一次在圖里加了recurrent_dropout0.2顯存占用還漲了一截后來改成 GPU 上跑時(shí)不加recurrent_dropout改成dropout0.3問題就緩解了。5.3 預(yù)測結(jié)果幾乎全落在“好評”這一類別現(xiàn)象main_load.ipynb對未標(biāo)注評論打分輸出結(jié)果里 80% 以上是正向。原因數(shù)據(jù)集不平衡。corpus/3class里中評樣本通常很少模型學(xué)不到中評特征推理時(shí)把大量“還行”“湊合”也歸到好評另外閾值設(shè)成默認(rèn) 0.5對三類任務(wù)并不適用。解決先看訓(xùn)練集類別分布如果中評占比低于 15%要么用二分類語料先跑通要么對中評做上采樣。預(yù)測階段不要硬取argmax改成看概率分布比如概率最高的兩類差值小于 0.2 時(shí)判為中評。我在復(fù)現(xiàn)時(shí)把三分類閾值改成“負(fù)向概率 0.6 判負(fù)正向概率 0.7 判正其余判中”效果比默認(rèn) 0.5 閾值好了不少。5.4 TensorFlow 版本升上去之后 API 直接失效現(xiàn)象用默認(rèn)環(huán)境安裝 TensorFlow 2.10 或 2.15跑main_save.ipynb時(shí)在模型編譯或訓(xùn)練階段報(bào)AttributeError比如某個(gè)層屬性不存在。原因這份源碼標(biāo)注的環(huán)境是 TensorFlow 2.3.0很多老寫法和新版本不兼容最典型的是自定義層和tf.keras內(nèi)部 API 的變動(dòng)。Gensim 從 3.x 升到 4.x 也改了部分接口word2vec.wv的訪問方式都變過。解決嚴(yán)格按資源說明建環(huán)境。conda create -n text_sentiment python3.8.12后pip install tensorflow2.3.0、gensim4.1.2、jieba0.42.0。如果機(jī)器沒有合適的 GPU就裝 CPU 版 TensorFlow 2.3.0訓(xùn)練慢一點(diǎn)但能跑通。不要輕易用高版本去碰老代碼除非你做好了改 API 的準(zhǔn)備。5.5 自定義 Attention 層保存后加載失敗現(xiàn)象main_save.ipynb訓(xùn)練正常但main_load.ipynb加載模型時(shí)報(bào)Unknown Layer或ValueError: cannot serialize。原因TensorFlow 2.3 對自定義層的序列化要求類的定義在加載環(huán)境中可見。如果model.py里的Attention類沒有在main_load.ipynb里提前導(dǎo)入加載model.h5時(shí)框架認(rèn)不出這個(gè)層。解決在main_load.ipynb開頭先from model import Attention或直接import model確保自定義層類在模型文件加載前已經(jīng)注冊。另一個(gè)穩(wěn)妥做法是保存時(shí)同時(shí)輸出模型結(jié)構(gòu)和權(quán)重加載時(shí)用tf.keras.models.clone_model重建結(jié)構(gòu)再load_weights載入?yún)?shù)。從那以后我每次換數(shù)據(jù)集都會(huì)強(qiáng)制走一遍“預(yù)測 20 條 → 人工回看 → 調(diào)閾值 → 再部署”的流程不再貪圖省事跳過驗(yàn)證。6. 落地化驗(yàn)證三分類概率折算評價(jià)分?jǐn)?shù)與人工抽驗(yàn)清單模型預(yù)測出的是“好評 / 中評 / 負(fù)評”的類別概率但業(yè)務(wù)上要的是景區(qū)評價(jià)分?jǐn)?shù)。直接把中評當(dāng)成硬分類結(jié)果會(huì)丟失很多轉(zhuǎn)折句的細(xì)節(jié)。這里分享一個(gè)我在復(fù)現(xiàn)時(shí)慣用的折算方式。# main_load.ipynb 中概率折算評分的常用擴(kuò)展 score_map {neg: 1, mid: 3, pos: 5} def prob_to_score(prob): labels [neg, mid, pos] total 0.0 for p, label in zip(prob, labels): total p * score_map[label] return round(total, 2) # 示例模型輸出 [0.1, 0.3, 0.6]對應(yīng)負(fù)/中/正 print(prob_to_score([0.1, 0.3, 0.6])) # 4.20 分這個(gè)做法的好處是把概率當(dāng)成置信度參與加權(quán)而不是硬切一刀?!帮L(fēng)景不錯(cuò)但人太多”如果模型給出負(fù) 0.4、中 0.4、正 0.2折算分是 2.6 分左右落在中低檔比硬判成好評合理得多。真正要落地時(shí)還可以給每條評論的分?jǐn)?shù)按時(shí)間衰減或按評論字?jǐn)?shù)加權(quán)但核心邏輯就是概率期望值。折算完分?jǐn)?shù)我強(qiáng)烈建議做一次人工抽驗(yàn)尤其在你換了新的語料之后。跑main_load.ipynb輸出 20 條預(yù)測結(jié)果建一張小表原文、預(yù)測類別、折算分?jǐn)?shù)、人工判斷。如果三條里有兩條人工判斷和模型預(yù)測方向不一致先不要急著調(diào)模型回頭檢查預(yù)處理和詞表對齊大概率是數(shù)據(jù)層面的問題。有一次我用這套流程給某跨平臺(tái)系統(tǒng)的評論數(shù)據(jù)做擴(kuò)展跳過人工抽驗(yàn)直接打分結(jié)果“中評”被全部加權(quán)成接近好評的高分后來才發(fā)現(xiàn)是語料里大量“一般般”被分詞切成了“一般”和“般”徹底帶偏了注意力權(quán)重。從那以后我每次換數(shù)據(jù)集都會(huì)強(qiáng)制走一遍“預(yù)測 20 條 → 人工回看 → 調(diào)閾值 → 再部署”的流程不再貪圖省事跳過驗(yàn)證。這份 Bi-LSTM 景區(qū)評論情感分析源碼的價(jià)值就在于它把詞向量、模型訓(xùn)練、預(yù)測和評分串成了一條可改可查的鏈路你只需要按第 5 章的環(huán)境配置把依賴鎖死再按第 6 章的驗(yàn)證方法過一遍就能穩(wěn)定地復(fù)現(xiàn)乃至改造它。希望幫到你。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
吊色AV男人的天堂| 99久久精品国产色欲| 大香蕉网 久久| 丁香激情综合| 五月丁香啪啪综合网| 9久视频| 日韩欧洲亚洲| 秋霞影音91人妻久久| 久久色五月天激情小说| 很很干天天干| 91日婷婷在线| AV大香蕉| 日韩爱操视频| 色五月天综合网| 国产日韩精品SUV| 超碰自拍天堂| 精品无码av丁香五月激情| caopeng97日韩| 婷婷综合在线| 久久机热这里只有精品| 欧美六月| 五月天婷婷丁香成人网| 婷婷亚洲天堂| 久久这里只| 五月六月伦理| 99热超碰在线| 五月婷婷,狠狠操| 99er日韩| 色综合99| 91紱請| 色婷婷亚洲在线观看| 色999五月色| 色五月婷婷丁香婷婷| 啪啪小说五月天| 天天色亚洲| 香蕉婷婷五月| 五月丁香婷婷福利| 欧美超级视频97| 97精品人人A片免费看| 久久久九九视频精品18| 丁香婷婷六月激情| 91超级碰碰碰| 亚州婷婷五月激情综合| 天天舔天天插天天干| 播五月,色五月,开心五月播放器| 国产成人AV| 色情婷| 色五月丁香一区在线| 伦乱天堂| 色五月激情婷婷| 99热九九热| 肏日网在线看 | www.minyis.com【JT】实力收量可预付QQ2101460746 | 夜夜爽天天爽| 婷婷综合性爱网| 91丨九色丨熟女| 天天综合亚洲综合| 色婷婷亚洲婷婷| 超91热| 五月色综合| 丁香六月成人| 婷婷五月天VI| 五月视频日本免费观看| 深爱开心激情| 五月婷婷色综图片| 婷婷色五月天在线| 色婷网站| 人妻熟妇六区| www久| 九九热婷婷| 97干婷婷五月天| 亚州操操| 亚洲成人网站在线| 怡红院一二三| WWW.五月com| 精品网站99| 美女五月天婷婷| 色色色色网| 色婷婷丁香女女| 99 热| 久久综合影院 | 天天激情站| 国产精品久久久久久妇女6080 | 爱iii做iiii日| 五月激情婷婷图片基地| 第四色五月天| 色色精品色| 能看的AV| 波多野结衣成人作品在线| 激情婷婷五六月天| 婷婷导航| 综合亚洲五月天| 久久久久久综合88| 激情综合婷婷| 五月大香蕉| 婷婷色吧| 123草逼网| 蜜臀av 粉嫩av 懂色av| 五月丁香婷婷激情澎湃四射| 国内自拍97在线| 色的色综合| www五月| 操97| 五月激情在线| 狠狠一日| 激情五月天婷婷视频| 亚洲精品久久久久久久久久吃药| 性小说五月天| 日韩丰满少妇无码内射| 五月丁香六月欧美综合| 丁香婷婷五月份| 蜜桃婷婷丁香五月天狠狠久久综合| 日本一级一级一级一级| 99色这里| 丁香婷婷综合激情五月色| 亚洲性受XXXX五月丁香| 欧美性做爰大片免费看办公室| 激情五月开心五月在线视频| 国产看真人毛片爱做A片| 丁香婷婷五月激情综合| 免费看欧美成人A片无码| 日本在线免费中文com.| 大香蕉在九| 五月丁香六月婷婷色| 国外亚洲成AV人片在线观看| 97色伦另类图片小说视频| 天天操综合网| 伊人狠狠操| 91久久久久| 美女妹子后射视频网站在线观看| 日本97久久久精品| 久热欧美| 五月婷六月综合在线观看| 色婷婷狠狠| 综合网精品99| 五月婷婷av| 国产精品视频网| 色婷婷小说网| 91丨九色丨熟女高潮| 精品五月天| 激情综合五月激情17| 激情五月天网| 操一操| 五月丁香狠狠爱婷婷综合| 日日舔夜夜操| 丁香五月激情棕合| 天天色丁香| 日韩日比视频| 丁香六月五月天| 99热这里只有精品国产免费| 免费色婷婷| 99精品视频免费观看| 五月天婷婷色色网| www色婷婷| 亚洲婷婷丁香五月天激情小说| 亚洲精品久久久无码| 99热这里只有精品无码| 99热久草| 国产做爰视频免费播放| 天天日日综合| 久热9| 极品少妇XXXX精品少妇偷拍| 综合色五月| 丁香五月区| 色99视频| 九九热视| 狠狠操之狠狠操| 色图亚洲91| 黄色片区子| 日韩成人电影AV| 色婷五月丁香久亚洲| 伦乱人妻| 亚洲激情综合| 韩国天天婷婷| 九九视频免费| 国产色视频网站2| 91久久婷婷| 五月天婷婷丁香花| 欧美网站视频4399| 熟妇内谢69XXXXXA片| 色五月婷婷久久| 丁香九月久久| 九色综合五月天婷五月| 九九热只有精品| tingting五月天亚洲| 亚洲啪啪自拍| 婷婷激情四射| av在线免费网站 | 九九免费视频在线| 国产亚洲网站在线| 久久香蕉影院| 五月丁香啪啪| 综合狠狠五月婷婷| AV在线观看网站| 白人荫道BBWBBB大荫道| 五月婷婷激情性爱| 婷婷五月天另类网站| 中文字幕视频在线播放| 久久久久久久久久久jjjj| www.狠狠操.con| 五月天婷婷色色首页| 99自拍视频在线观看| 天天干天天玩天天夜天天射天天操天天日蜜臀少妇 | 色色色色热| 热99只有里视频| 五月色网| 玖玖婷婷视频| 好吊兆人妻| 精品久热| 狠狠搞狠狠操| 五月丁香花开综合网| 91九九| 99久久户外勾搭| 婷婷激情综合| 婷婷深爱五月天| 天天狠狠插| 一区视频网站| 爱狠射| 婷婷久久综合久| 色五月激情网| 五月综合色播播丁香婷婷| 九九热re99re6在线精品| 五月丁香六月片| 五月天激情小说| 99re思思久久| 丁香五月,激情五月,深爱五月| 91日韩在线| 五月丁香偷拍| www天堂99| 中文字幕成人| 综合网五月| 五月天综合图片| 色五月综合婷婷久久综合婷婷久久综合婷婷久久综合婷婷久久 | 综合久久婷婷五月丁香| 大香蕉天堂色| 亚洲五月六月婷婷| www.色五月| 色婷五月| 九色视频91| 色五月中文网| 天天插综合| 色婷婷九月综合| 六月婷婷五月丁香首页| 五月丁香猫咪久久婷婷综合视频激情四射网入口 | 99热亚洲| 操碰99| 视频久久9| 超碰免费观看| 日日操无码| 韩日另类| 综合色色五月| 久久婷婷九月国产精品| 婷婷五月久久| 亚洲狠狠爱婷婷| 五月开心网| 亚洲超碰在线| www.婷婷.com| 亚洲中文字幕网| 亚洲色色色| 免费在线观看欧美激情xx小视频| 天天爽日日爽夜夜爽| 亚洲综合色丁香五月天| 99在线视频在线观看| 蜜桃婷婷丁香五月天狠狠久久综合| 夜夜嗨一区二区三区直播内容| 色五月婷婷综合| 日91高清无玛| 九九九九综合| 99思思| 婷婷的99视频网站| 丁香五月电影| 天天天干夜夜夜操| 婷婷丁香六月天| 成片免费观看视频大全| 色色婷婷五月| 专区无日本视频高清8| 1000部毛片A片免费观看| 九九香蕉网| 五月婷婷综合在线| av高清无码| 丁香五月五月婷婷欧美大香蕉| 欧美性做爰大片免费看办公室| www.夜夜| 一本婷婷丁香久久| 色99超碰| 九九re精品视频在线观看| 色久影院| 国在线激情网| 丁香五月激情综合网激情五月| 千人斩操逼| 热99久久这里只有精品| 日屌日日操日日色| 五月丁香激| 网色99| 色婷婷9| 色情综合| 专区无日本视频高清8| 最近中文字幕2019视频1| 99热久草| 六月激情网| 99九九99九九九视频精彩| 99热青青草| 99色视频在线| 丁香六月婷婷缴情欧美| 婷婷伊人綜合| 快乐激情五月色婷婷| 久久aaa| 久久深爱激情网| 26uuu欧美日本| 99只有精品| 九九色欲网| 天天色天天| 日本乱子人伦在线视频| 91天堂网综合| 五月天激情播播网| 婷婷色欧美激情| 免费亚洲婷婷| 超碰在线99| 202丰满熟女妇大| 人人操9| 色一情一乱一乱一区9| 色色色婷婷五月| 欧美久草在线日本一级特黄大片做受9在线观看韩国电影《两个女人》未删减-毛片 | 激情色视频| 99色最新在线视频网站| 久久多色| 色欲AVV| 亚洲成人网站在线| 狠狠色婷婷7| 五月涩涩网| www.99在线| 伊人狠狠狠综合| 99热99热在线| 九九久久99| 97婷婷五月| 九九热自拍| 免费99情趣网视频| 色综合另类| 五月天色不卡| 5五月综合网亚洲| 久久99视频| 五月综合亚洲婷婷| 美欧日韩国产成人在战| 伊人网色婷婷五月天| 激情亚洲婷婷| 丁香婷婷色五月天| 五月天综合在线观看| 大香蕉九九| www久久久久久久久久久久久久久久久| 久久久久98| 亚洲美女婷婷五月天| 激情婷婷五月天伊人在线观看| 青青草激情网| 99国产精品久久久久久久久久久| 2016日日夜夜操| 婷婷精品免费久久| 深爱激清网| 六月婷婷色综合| 超级久久久| 丁香婷婷综合精品六月初| 五月天激情亚洲| 婷婷亚洲综合| 在线观看996精品| 丁香六月婷婷综合麻豆| 五月色色色| 日本三级日本黄色| 包操45分钟网站| 人人草人人爱| 99久久大片| WWW,五月| 婷婷99丁香| 五月丁香婷婷久久| 99热在这里只有精品| 99视频在线看| 免费观看的AV| 欧美成人AAA片一区国产精品| 99热青青草| 久久小片| 小香蕉av| 天天激情视频| 色五月丁香五月| 97碰成超视频免费视频| 日日爽天天| 伊人久久婷婷| 超碰在线观看99| 天天日综合| 久久婷婷五月综合色欧美| 丁香九月激情| 综激情网| 99热高清在线| 天天色亚洲| 欧美午夜乱妇午夜福利| 色色网站在线免费观看视频| 婷婷色六月| 色欲影香| 五月丁香六月激情在线| 97人人操人人拍| 很操日本7| 久久婷婷精品| 天天搞夜夜爽夜夜爽| 丁香久月| 国产免费av在线| 激情五月开心五月丁香五月| 免费色婷婷| 色亚洲婷婷| Va另类视频| 色欲久久综合| 婷婷五月天成人娱乐| 国产avapp 网| 非洲一级AV| 99re8在这里只有精品| 婷婷五月性感| dingxiangtingtingliuyue| 丁香五月综合| 天天日夜夜B久久| 性爱视频99| 97香蕉久久超级碰碰高清版| 亚洲美女高潮久久久久久69| 六月婷婷激情图片| 99精品视频网| 婷婷五月天色丁香| 中文字幕按摩做爰| 激情五月天之六月婷婷| 99久久66综合| 天天干天天色天天干| 亚洲亚洲人成综合网络| 色久五月| 沈娜娜av| 五月天com| 色一情一乱一乱一区9| 久久欧洲综合网| 激情六月婷婷啪啪| 99这里只有精品|v| 亚洲视频国产一区| 人人操日| 成人五月天在线观看| av中文在线| 婷婷色婷婷亚洲成人| 久热久| 99超级碰免费视频| 国产精品大香蕉| 免费99情趣网视频| 五月天婷婷综合色| 五月激情婷婷丁香| 91精品久久久久久77777| 五月丁香久久精品在线观看| 色婷婷亚洲婷婷| 婷婷大美在线| 婷婷日韩| 久9视频免费播放| 九九亚洲综合| 99操视频| 色五月综合网| 综合久久久婷| 99色在线视频| 伊人天天色| 色五月丁香91| 五月丁香六月玩女人| 丁香五月先锋| 五月婷婷六月丁香| 天天天天天操| 激情骚五月| 五月天丁香成人社| 激情涩涩网| 风流少妇A片一区二区蜜桃| 2w在线视频| 久久久久久18| 婷婷伊人网| 激情黄色五月天| 大鸡巴伊人网| 超碰操网| 内射丰满人妻| 在线伦子99热| 激情网五月天| 日本成人小说婷婷六月| 色播播婷婷| 天天舔天天爽| 国产一二三四五六七八视频| www.97碰碰com| www狠狠| 色色婷婷综合网| 99热超| 99精在线| 五月丁香六月婷婷综合网缴情| 中文字幕成| 99热只有这里有精品| 五月天婷婷导航| ...婷婷五月综合不卡,国产在线手机 | 婷婷五月丁香五月天| 一级性感毛片| www.色婷婷.com| 五月丁香青草综合啪啪| 色五月婷婷在线| 少妇性BBB搡BBB爽爽爽视頻| 五月天天天天天天天天天天天婷婷婷| 六月亚洲婷婷6月中文字幕| 婷婷激情六月视频| va婷婷在线| 九九激情视频| 天天弄天天操| 九九热最新地址| 久久99这里只有精品| 123日本不卡在线| 青青草tp| 伊人久久五月天综合| 99热啪啪| 欧美日本99| 996er热| 婷婷五月天狠狠| 丁香婷婷六月激情文学 | 激情丁香五月婷婷| 久久狠狠干| 79亚洲精品少妇| 亚洲热久| 亚洲视频在线网站| 99色亚洲| 婷婷五月激情六月| 99色热视频| 五月丁香激情婷婷| 就去色色五月丁香婷婷久久久| 午夜大香蕉| 人妻肉射免费观看| 欧美色图45678| 92久久久| 成人做爰高潮A片免费视频| 2025天天日爽| 久热视频这里只有精品68| 成人AV在线网站| 狠狠爱丁香婷| 亚洲精品久久久无码| 久久久香| 久机视频这只有精品| 天天干天天日天天插| 最新久久网址| 91日综合欧美| 丁香婷婷老熟女综合网| 超碰在线成人| www.91在线观看| 99久久思思| 淫视馆aV二区一区| 吊色AV男人的天堂| 五月丁香婷婷综合网色欲| 国产成人+综合亚洲+天堂| 婷婷色五月色| 国精产品一区二区三区| 伊人五月婷婷| 99久久亚洲精品视频| 久久婷婷五月综合激情国产 | 丁香五月激情啪啪综合| 99在线精品免费视频| 婷婷伊人綜合中文字幕| 99操免费视频| 丁香色五月天| 激情六月一二| 开心综合激情综合| 96性爱视频| 五月婷婷丁香成人网| 亚洲六月婷婷| 五月婷婷|欧美| 五月深情久久| 色婷婷亚洲综合av| tingtingseav| 国产操B| 国产真实乱了老女人视频| 五月丁香激情综合| 精品久久99码| 思思热视频| 91九色国产| 欧美色97| 91九色中文字幕女在线观看| 五月婷视频在线| 五月婷综合| 99久久综合| 欧美va欧美va差| 这里只有九九精品| 五月综合婷婷久久在线| 日逼免费视频| 色情免费视频播放| 五月丁香六月婷婷综合伊人| 人人综合五月人人婷婷| 欧美综合激情五月| 五月婷婷视频ab| 激情五月婷婷中文字幕| 九九热视频免费的| 欧美婷婷色五月| 欧美va欧美va差| 狠狠五月天激情| 在热视频精品| 婷婷五月天成人小说| 新伍月婷婷| 日日舔夜夜操| AV操操操| 99在线资源| 9久久久久久久久久久| www.91操| 久久精品性爱| 亚洲日韩一页精品发布| 九月婷婷| 久久婷婷五月天激情新地址| 大香蕉视频婷婷| 色婷婷成人久久| 九九精品少妇| 91色逼| av在线激情| 婷婷丁香久久| 久久婷婷五月天激情新地址| 激情精品久久| anquye五月| 人人妻久久妻| 五月婷婷色五月| 亚洲秘 无码一区二区三区妃光/1| 99九九热视频| 开心激情五月天网| 99精品国产在热久久| 久草婷婷在线| 欧美啪啪网| 五月婷婷天堂| 久婷婷五月丁香在线观看| 精品婷婷五| 白天AV月月| 另类综合婷婷五月天欧美视频| 婷婷五月六| 五月婷婷人人人操| 五月天伊人| 99久久超级| 亚洲人妻电影| 中文字幕在线日亚州9| 99热久久这里只有精品| 日本久久爱| 九九re精品视频在线观看| 亚洲中文乱字字幕在线永久| 久久新| 九九精品热播| 99热免费| 99久久婷婷综合| 狠狠99| 大香网伊人久久综合| 五月六月丁香婷婷在线观看| 99热这里只有精品22| 99热都是精品| 婷婷五月激情中文字幕| 五月综合人妻| 国产精品人妻在线网址| 色色99色色| 婷婷5月九九| 色婷丁香| 色婷婷激情五月天丁香| 综合性爱网| 激情无码五月天| 久久这里只有欧美| www.zbzhongsen.com| 亚洲A片成人无码久久精品青桔| 狠狠综合久久综合| 99re66热这里只有精品| 99九九视屏| 99精品在线观看视频| 国产看真人毛片爱做A片| 国产中文字幕在线视频免费观看| 精热在线综合网| 99在线亚洲| 日韩九九| 精品九九婷婷| 亚洲俩性性爱图片久久第六页| 五月丁香六月婷婷综合网站| 日日干日日| 五月丁香偷拍| 一本道综合网| 久久多色| 影音先锋自拍网| 久久五月激情综合| 青青草原精品久久| 久久九九免费视频| se.久久视频在线观看| 人妻22p| 天天射夜夜骑| 亚洲九区| 精品九九网| 久久ER视频com| 九九精品热播| AV片在线观看| 狠狠狠婷婷五月综合| www五月天com| 亚洲精品久久久久久久久久吃药| 婷婷五月AV| www、色色色| 91九色精品熟女内射| 亚洲激情五月| 久久婷婷丁香六月天| 天天干狠狠| 丁香六月婷婷操逼网| 久久五月天激情美女| 亚洲精品色| 九九99久久精品| 超碰av在线| www.五月天婷婷| 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 | 六月色婷婷综合影视| 五月婷婷伊人网| 成人午夜无码视频| 超碰在线个人观看| 久久精品小视频| 亚洲婷婷免费| 欧美日韩成人免费在线| AV人人操| 99热每日| 伊人久久婷婷五月天激情四射| www久久99| 懂色av粉嫩av蜜臀av| 欧美成人Va| www九九| 色综合香蕉| 天天干天天干天天干天天干天天干天天干天天 | 97碰碰视频在线观看免费| 一本九九色| 婷婷色Av| 欧美精品在线观看| 欧美日韩大黄| 99热这里只有精品免费| 久久作爱| 五月色婷婷中文字幕| 99九精品| 色综合天天综合成人网| 狠狠综合久久综合| 狠狠色婷婷777| 婷婷五月天桃花网| 五月婷婷久久内射| 成人做爰A片免费看视频| 色一区高清| 97操操| 久久久8| 99久久五月婷婷| 婷婷干六月综合旧址| 五月之婷婷| 日韩黄色中文字幕| 天插天啪天啪天啪| 婷婷香蕉精品| 久热中文字幕在线线观看 | 天天狠狠色噜噜| 久久AAAA片一区二区| 欧美99热| 色婷婷视频| 26uuu美女三级视频| 天天爽天天| 欧美又粗又大一区二区在线观看| 激情婷婷五月天| 欧美日本VA| 激情综合网五月婷婷| 性五月激情| 色五月激情五月开心五月| 久久综合丁香五月| 婷婷五月天综合网| 久久一热免费视频| 桃色成人网| 五月色欧洲| 九色综合网| 亚洲色情网站| 色婷婷丁香社综合| 五月天伊人综合| 久久六月天| 五月天婷婷在线播放| 五月婷婷五月丁香综合| 天天色情站| 精品人妻久久久久久久| 久热精彩视频98| 天天做夜夜爽| www.五月天色色.com| 久久三级视频| 中美日韩成人在线| 色色亚洲| 九九热这里只有精品9| 操碰色一区就去操| 四色五月婷婷在线观看| 玖玖精品婷婷| 九九久久99精品免费观看www| 九九综合精品| 婷婷大香蕉| 色999;丁香五月| 日本色色影院| 色综合色色| 狠狠色婷婷在线| 国产午夜精品一区二区三区四区 | 狠狠色综合精品视频在线| 91色综合久久| 色五月欧美| 天天操天天日天天爱| 天天日天天舔| 洗浴中心操B视频| 超碰色女人| 亚洲精品国产成人AV在线| 久久色五月天| 欧美在线ee日韩| 色五月五月天色婷婷色五月| 快乐激情五月色婷婷| 97在线观视频免费观看| 婷婷播5月| 丁香五月婷婷超碰在线| 久久在线视频免费观看| 久久九九免费视频| 五月婷婷综合网| 97超碰婷婷五月天| 中文成人在线| 色综合99无码 | 欧美3AaAa大片| 五月丁香黄色| 99热97| 天天五月情| 午夜亚洲国产精品av一区二区| 97碰人人操| 丁香五月天激情五月天激情五月天激情网 | 久久综合五月天| 五月天婷婷在线观看精品男人| 在线中文AV| 五月婷婷激情日本| 婷婷5月天激情综合| 大香蕉久久视频久久视频| 久热亚洲| 五月丁香网站在线播放| 91久久电影| 少妇性按摩无码中文A片| 丁香六月在线| 欧美成人Va| 婷婷五月丁香激情图片 | 99免费热视频在线| 610018岁成人视频| 人人操人人爰人人一天天碰夜夜拍夜夜爽-中国A级毛片天天看天天谢… | www超碰| 国产无遮挡又黄又爽免费网站| 五月天激情图片| 天堂爱爱| 偷偷与邻居做爰完整视频| 婷婷日欧美在线观看| 色亚洲中文| www.无码com| 熟妇人妻中文字幕无码老熟妇| 噜噜狠狠色| 99'无码| 99九九热视频| 天天揷综合网| 337p大胆噜噜噜噜噜91Av| 伍月婷婷六月丁香| 婷婷六月丁香激情| 人操人人| 裸体做A爰片毛片A片免费| 九九青草热| 丁香婷婷伊人| 日韩无码成人电影| 婷婷五月激情综合啪啪| 内射人妻视频国内| 日韩欧美一级大黄网站| 婷婷五月图片小说网| 色狠狠狠干| 欧亚中文A V| 五月丁香影院| 九月激情网| 五月丁香六月成人| 综合五月亭亭9| 狠狠综合久久| 国产综合丁香五月天| 日产精品久久久久久久蜜臀| www.91久久| 婷婷五月天在线一区| 很操日本7| 色优久久| 久久3p| 一级AV片| 五月婷在线| 婷婷的99视频网站| 五月天涩涩| 深爱丁香激情| 99日本精品视频热| 九九色播五月丁香| 午夜亚洲AV日韩无码| www五月| 92久久| 五月丁香六月婷婷色日| 激情五月丁香综合网站| 丁香五月色| 国产亚洲精品久久久久苍井松 | 亚洲欧美成人在线| 色九综合| 午夜微拍福利| 成人综合网站| 中文字幕人妻在线| 九九在线精点品| 五月播播| 五月婷婷伊人在线| 丁香五月婷婷六月婷婷| av网址在线| 97碰人人操| 开心五月婷婷综合在线精品素人| 99热99艹在线观看| 国产看真人毛片爱做A片| 丁香六月激情综合| 97超碰人人操| 精品人妻一区二区三区四区不卡在| 亚洲第一视频 久久| 亚洲99手机免费看视频 | 91精品激情9| 蜜桃五月天| 色播五月网| 日本色色色| 婷色五月| 亚洲激情av| 久久久8| 乱码操操| 激情久久久久| 五月停亭六月,六月停亭的英语| 五月天操逼网| 99爽视频| 91爱操| 婷婷激情综合网| 五月丁香婷婷色色| 丁香大香蕉| 日本九九视频| 五月婷婷熟女| 六月丁香啪啪啪| 日韩九区| 亚洲激情综合网| 久久激情视频| 丁香五月天社区| 天天搞天天色综合| 日91高清无玛| 亚洲在线资源| 欧美日韩成人免费在线| 亚洲综合九九| 亚洲激情另类| 免费看欧美成人A片无码| 人与禽A片啪啪| www.seqingwuyuetian| 天天干人人奸97| 啪啪操网| 99精品网址| 久久久五月婷婷| 五月丁香婷中文| 九月影院義母在线播放| 久久99免费视屏| 人人草成人视频| 五月情综合| 色五月天天| 色久激情在线| 亚洲日韩欧美综合VA| 五月丁香五月综合欧美| 日本操碰碰| 久久艹99| www.婷婷五月| 99热在线观看| 热婷婷av| 欧美激情中文字幕| 九九RE视频在线精品| 精品久色| 欧美大奶熟女噜噜噜噜| 婷婷五月天伊人网在线观看视频| 亭亭五月天成人| 五月婷婷六月丁香五月| 亚洲综合色色| 日本熟妇乱妇熟色A片蜜桃| 婷婷综合婷婷| 中文在线成人| 9l视频自拍9l九色成人| 色五月av伊人| 九九99视频| 丁香五月天中文字幕| 五月丁香琪琪| 五月丁香六月激情| 香蕉婷婷五月| www.久久9| 91人妻色色网| 99热只有这里才是精品| 天天五月天综合网址| 九九色婷婷| 五月开心播播网| 久久婷婷六月综合综合| aa久久| 极品 少妇 内射| 色婷婷五月天激情在线观看| 激情无码网| 狼人久草| 丁香五月综合激情久久潮喷| 99热免费精品| 久久五月丁香激情综合| 五月天最新网| site:pnnrt.com| 色色999三级片| 大香蕉伊人爱在线| 婷婷五月丁香在线观看| 天天操天天干天天日| 天天干天天干天天干| 色综合女人99| 丁香色五月 97干| 操日本人妻视频| 91九色视频在线观看| 婷婷综合视频| 碰人人操| 五月色欧美| 日韩精品一区二区亚洲AV观看| 亚洲激情综合| 九九超日本| 综合激情五月丁香9999久久精| 亚洲色情网站| A久久| 欧美婷婷精品激| 久久黄色免费视频| 99视频只有精品| 欧美情色一区| www.色五月.com| 亚洲性爱区无码区| 婷婷色婷婷| 91婷婷五月丁香碰| 深爱激情九九五月天 | 这里只有精品视频免费在线观看| 97人人操人人拍| 99视频色在线观看| 99热官网| aV直接看| 色色色综合网| 99性爱视频| 一级片操逼视频| 99ri国产| 国语精品探花| 九九热精品在线| 日本一级特黄大片AAAAA级| 人妻肉射免费观看| 九九这里都是精品| 欧美婷婷丁香五月| 亚洲综合五月天综合| 91大神操美女| 丁香五月婷婷激情蜜桃| 五月丁香好婷婷姑娘综合网| 丁香五月天AV| www.色婷婷| 人妻九九九九| 思思热精品在线视频| 成人做爰A片免费看视频| 久久99久久99精品免观看粉| www.99热. com这里只有精品| 色五月婷婷色| 97干欧美| 六月综合婷婷开心伊人| 五月停视频天堂| 精品一区二区三区四区五区六区介绍 | 97精品欧美91久久久久久久| 中文字幕欧美精品久久| 欧美色色色| 丝袜大香蕉| 久久9久久| 综合五月丁香六月婷婷| 成人做爰A片免费看网站找不到了| 九九激情综合| 色五月天成人| 日韩99无码| 日日天天操| 大香线蕉伊人| 日亚二欧美| 五月婷婷综合久久| 黑人巨粗进入警花疼哭A片| 久久视屏这里只有久久| 日本超碰在线| 91九色国产熟女| 丁香五月伊人| 丁香婷婷久久综合在线| 都市激情小说婷婷| 成人无码髙潮喷水A片| 丁香六月婷婷缴情欧美| 婷婷色五月天在线观看| 日韩人妻无码专区| PORNY九色9l自拍视频成人| 性爱激情小说AV五月丁香花| 直接看的AV| 狠狠狠狠草草| 色婷婷激情五月天在线观看| 九九综合影音先锋| 亚洲综合干| 大学生高潮无套内谢视频| 丁香五月在线视频| 极品人妻VideOssS人妻| 五月丁香啪啪| 婷婷六月激情| 开心婷婷五月天综合| 五月丁香婷婷色色色| 色婷婷狠| 情色五月天网站| 日本理论久久| 五月婷婷丁香| 天天肏天天肏天天肏| 婷婷狠狠操| 久久一品区| 爱婷婷都市激情| 色综合av超碰| 狠狠色噜噜狠狠狠狠综合| 大香婷婷| 婷婷九月丁香| 99色| www.91婷婷| 久久99精品久久久久子伦| 狠狠五月激情丁香六月| 久久性刺激| 武则天精品久久| 久草大| 天天干天天操天天爽| 久久中文人妻系列| 色九月| 丁香丁婷五月激情| 欧美99热| 丁香久色| 久久九九激情五月天 | 久热超碰91| 六月婷婷色综合| 丁香五月天导航| 色五月播五月| 好吊丝aV| 91久女| 99亚洲视频| 99九九综合久久九九| 九九aV| 99热无码精品| AV在线不卡播放| 五月天开心色情网| 97色射| 五月天激情久久| 夜夜 操无码| 婷婷五月激情网| 丁香色啪综合| 伊人在线视频| 五月婷导航| 99久久.www| 狠狠色丁香婷婷久久综合| 丁香蜜臀黄色婷婷五月天| 婷婷丁香18| 丁香成人综合| 欧美精品狠狠色丁香婷婷| 日日操夜夜撸| 成人丁香五月| 国产AV一区二区三区最新精品 | 伊人9草在线观看| 五月天丁香综合| 丁香女人五月天| 风流少妇A片一区二区蜜桃| 五月天激情视频网站| 国产色香蕉精品五夜婷| 伊人久久99| 亚洲五月婷婷在线| 婷婷丁香综合色AV| www.色五月.com| 国产日韩欧美性生活| 92久操视频| 日韩欧美颜射| 妻久久久久| 91精品久| 婷综合| 狠狠狠狠狠草| 九九十99视频| 国产亚洲精品AAAAAAA片 | 久草五月婷婷| 久久久国产精品黄毛片| 丁香色婷婷五月天| 婷婷五月丁香av网站| 婷婷六久久| 九九热黄色| 天天干天天 亚洲| 久9无码视频| 国产日韩欧美| 色婷婷久久| 第四色色六月色综合| 久草 tingting| 五月丁香黄色视频| 在线A色| 激情久久综合| 婷婷中文字幕网站| 婷婷五月天社区| 激情网五夜婷婷| 人操91在线| 激情五月丁香五月| 91色欲综合| 老司机伊人| 五月丁香综合啪啪| 狠狠色噜噜狠| 日本91在线| 五月丁香婷婷人体| 琪琪色热色色| 51精品国自产在线| 天堂中文国产| 开心综合激情综合| 99在线热| Caoporn公开| 激情丁香五月婷婷| 国产精品日韩十五区| 人人色人人摸人人看| 婷婷五月综合网激情| 日本狠狠干| 99人妻碰碰碰久久久久视| 综合久久婷婷五月丁香| 视频1区2区| 丁香五月天堂| 91丨九色丨熟女丰满| 婷婷狠狠五月综合| 中文无码婷婷| 99re久热| 五月天色综合| 一区二区成人电影| 国产资源91在线| 婷婷色五月噜噜| 美欧成人视频| 狠狠CAO日日穞夜夜穞AV | 久久免费操| 婷婷色色欧美综合网| 99热手机在线精品| 99热这里只有精品5| ss99热| 久久之人妻| 丁香六月激情综合网| 影音先锋 萱萱| 日日干天天| 婷婷五月天Av| 婷婷五月激情视频| 狠狠色丁香综合| 天天操B| 影院久久久| 双性美人被调教到喷水A片| 337p大胆噜噜噜噜噜91Av| 伊人在线视频| 婷五月丁香| www.五月丁香| 欧美日本99| 91男人操女人视频| 五月婷婷开心网| XX久久| 丁香六月久久| 亚洲第一视频 久久| 九九这里只这里只有精品| 99热这里只有精品1025| 97人人干。| 草草色情综合网| 五月天偷拍| 五月天色五月| 91久久久久久久久| 久久在线大香蕉| 99热在线观看精品| 永久地址 色| 五月天a婷婷伊人| 色色影院aaaav| 91综合在线| 久久五月激情| 五月激情婷婷四射| 日本精品人妻无码77777| 丁香五月影院| 丁香五月欧美成人| 人人干女人| 天天操天天插| 欧美日韩国产一区| 黄色91在线观看| 在线播放成人| 爱操天堂| 天堂伊人干| 丁香网五月天| 免费看欧美成人A片无码| 综合久久99| 久久久18| WWW,五月| 久久久久9| 久热久| 日韩啪啪视频| 97干在线| 婷婷五月天丁香花| 美女五月天| 欧美色色色色色色色| www.jiujiujiu|