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

ARTICLE DETAIL

資訊詳情

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

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

美食推薦系統(tǒng)畢業(yè)設(shè)計(jì):協(xié)同過濾原理與Python實(shí)戰(zhàn) 簡介互聯(lián)網(wǎng)時(shí)代的信息過載讓推薦系統(tǒng)成為電商、外賣、內(nèi)容平臺(tái)的關(guān)鍵技術(shù)而協(xié)同過濾則是其中應(yīng)用最廣、最容易落地的經(jīng)典算法。它不需要昂貴的GPU和海量數(shù)據(jù)集僅依靠用戶行為數(shù)據(jù)通過余弦相似度、皮爾遜相關(guān)系數(shù)等方法計(jì)算用戶或物品之間的相似關(guān)系就能生成個(gè)性化的Top-N推薦列表。這一技術(shù)價(jià)值在于兼顧效果與可解釋性尤其適合美食、電影、圖書等興趣相對(duì)穩(wěn)定的垂直場(chǎng)景。以美食推薦系統(tǒng)畢業(yè)設(shè)計(jì)為例可將協(xié)同過濾算法與Python、Flask、MySQL結(jié)合完成從評(píng)分?jǐn)?shù)據(jù)清洗、相似度矩陣構(gòu)建、UserCF/ItemCF算法實(shí)現(xiàn)到推薦接口開發(fā)的全流程并針對(duì)冷啟動(dòng)和數(shù)據(jù)稀疏問題給出工程化解決方案。這套設(shè)計(jì)思路同樣可遷移到其他物品推薦項(xiàng)目是理解推薦系統(tǒng)原理與工程實(shí)踐的理想切入點(diǎn)。1. 項(xiàng)目整體設(shè)計(jì)與核心思路1.1 為什么選“美食推薦系統(tǒng)”作為課題如果你是計(jì)算機(jī)、軟件工程或者大數(shù)據(jù)相關(guān)專業(yè)的學(xué)生應(yīng)該能感覺到畢業(yè)設(shè)計(jì)選題這件事有多關(guān)鍵。題目太簡單答辯的時(shí)候?qū)煄讉€(gè)問題就把你問住了題目太難開發(fā)周期拖到天荒地老論文還憋不出字。美食推薦系統(tǒng)這個(gè)題我覺得是性價(jià)比非常高的一類選擇。先說行業(yè)背景。推薦系統(tǒng)在電商、短視頻、外賣平臺(tái)里已經(jīng)是標(biāo)配技術(shù)了比如你打開外賣軟件會(huì)看到“猜你喜歡”打開菜譜App會(huì)看到“今日推薦”這些都是推薦算法在背后工作。把協(xié)同過濾算法落到美食場(chǎng)景既有真實(shí)的應(yīng)用價(jià)值又有清晰可拆解的技術(shù)點(diǎn)用來做畢業(yè)設(shè)計(jì)或課程項(xiàng)目素材非常充足。再說技術(shù)層面。協(xié)同過濾Collaborative Filtering是推薦系統(tǒng)里最經(jīng)典的算法家族它不像深度學(xué)習(xí)方法那樣需要昂貴的GPU和超大數(shù)據(jù)集只要有一臺(tái)普通筆記本、一份像樣的用戶評(píng)分?jǐn)?shù)據(jù)就能跑出效果明顯的推薦結(jié)果。這對(duì)本科生或剛?cè)腴T的研究生來說非常友好。1.2 一個(gè)系統(tǒng)拆開看推薦引擎只是核心不是全部我見過很多同學(xué)做這類系統(tǒng)上來就悶頭寫算法結(jié)果算法寫完發(fā)現(xiàn)系統(tǒng)交互、數(shù)據(jù)庫、可視化、論文圖表全都沒有著落。真正完整的“美食推薦系統(tǒng)”應(yīng)該包含三層。第一層是數(shù)據(jù)層。用戶信息、菜品信息、用戶對(duì)菜品的評(píng)分行為這些數(shù)據(jù)要能存下來、查得快、方便做分析。第二層是算法層也就是協(xié)同過濾推薦引擎接收用戶的評(píng)分歷史輸出Top-N推薦列表。第三層是應(yīng)用層用戶通過網(wǎng)頁或桌面端的界面注冊(cè)登錄、瀏覽菜品、給菜品打分然后看到一個(gè)“為你推薦”的列表。三層都打通這個(gè)系統(tǒng)的完整度才算合格。而且這三層恰好對(duì)應(yīng)畢業(yè)論文里的幾個(gè)核心章節(jié)需求分析、系統(tǒng)設(shè)計(jì)、核心算法實(shí)現(xiàn)、系統(tǒng)測(cè)試。也就是說你每做完一層論文就多出一章素材不會(huì)出現(xiàn)“算法做得挺好但論文湊不夠字?jǐn)?shù)”的尷尬。還有一點(diǎn)值得注意這套系統(tǒng)的設(shè)計(jì)思路可以通用。今天做美食明天把數(shù)據(jù)換成電影、圖書、音樂算法邏輯不需要大改。這也是我在答辯時(shí)比較喜歡強(qiáng)調(diào)的點(diǎn)——項(xiàng)目的擴(kuò)展性和方法論價(jià)值這比單純說“我實(shí)現(xiàn)了一個(gè)算法”要有說服力得多。1.3 技術(shù)棧選型別為了炫技選不熟悉的東西我整理過一份做這類系統(tǒng)的主流技術(shù)方案你可以根據(jù)自己的熟悉程度來選。層次推薦方案A主流推薦方案B輕量說明語言Python 3.8Python 3.8算法生態(tài)最成熟pandas/numpy/scikit-learn齊全Web框架FlaskDjangoFlask輕量好上手適合單體小系統(tǒng)Django自帶Admin后臺(tái)管理方便數(shù)據(jù)庫MySQLSQLite開發(fā)調(diào)試用SQLite省事寫論文建議用MySQL體現(xiàn)“企業(yè)級(jí)”前端Bootstrap jQuery原生HTML CSS不追求復(fù)雜交互的話Bootstrap最快出效果算法實(shí)現(xiàn)手動(dòng)實(shí)現(xiàn) scikit-learn驗(yàn)證僅手動(dòng)實(shí)現(xiàn)手動(dòng)實(shí)現(xiàn)能寫在論文里sklearn用于交叉驗(yàn)證結(jié)果個(gè)人建議如果時(shí)間緊Flask SQLite Bootstrap 手寫協(xié)同過濾這個(gè)組合最穩(wěn)。Python的安裝和環(huán)境配置是個(gè)老話題常見坑包括環(huán)境變量沒配好、pip下載慢、numpy版本沖突等直接用Anaconda或者Python官方安裝包裝好再用pip install -i https://pypi.tuna.tsinghua.edu.cn/simple flask pandas numpy這類國內(nèi)鏡像源裝依賴能把時(shí)間省下一大截。提示盡量別選你不熟悉的框架。畢業(yè)設(shè)計(jì)的核心是把推薦原理講清楚、系統(tǒng)能跑起來不是展示你會(huì)多少冷門技術(shù)。2. 協(xié)同過濾算法核心原理解析2.1 兩種路線UserCF與ItemCF協(xié)同過濾的核心思想一句話就能說透跟你相似的人喜歡吃的東西你大概率也喜歡你以前喜歡的東西的相似品你大概率也會(huì)喜歡。前一句話對(duì)應(yīng)基于用戶的協(xié)同過濾UserCF后一句話對(duì)應(yīng)基于物品的協(xié)同過濾ItemCF。UserCF的步驟是第一步計(jì)算用戶之間的相似度找到當(dāng)前用戶的“鄰居”第二步把鄰居們?cè)u(píng)分高但當(dāng)前用戶沒吃過的菜品聚合起來按預(yù)測(cè)評(píng)分排序輸出推薦列表。ItemCF的步驟是第一步計(jì)算菜品之間的相似度注意這個(gè)相似度是基于用戶行為算的不是基于菜品的原料、口味等屬性第二步根據(jù)用戶歷史評(píng)分過的菜品找出相似的菜品按預(yù)測(cè)評(píng)分排序輸出推薦。兩個(gè)路線各有適合的場(chǎng)景。UserCF更偏“社交化”適合新聞、社區(qū)這類用戶興趣變化快的場(chǎng)景ItemCF更偏“個(gè)性化”適合圖書、電影、美食這類興趣相對(duì)穩(wěn)定的場(chǎng)景。做美食推薦系統(tǒng)我在實(shí)際開發(fā)中其實(shí)更推薦ItemCF作為主力算法原因后面細(xì)說。2.2 相似度計(jì)算的三種常用方法無論UserCF還是ItemCF都繞不開“相似度計(jì)算”這個(gè)核心步驟。常用的有三種方法。余弦相似度是最容易理解的把用戶A的評(píng)分向量和用戶B的評(píng)分向量看作高維空間里的兩個(gè)向量計(jì)算它們夾角的余弦值。夾角越小余弦值越接近1說明兩個(gè)人越相似。計(jì)算公式是cos(θ) (A·B) / (|A| × |B|)在Python里用numpy實(shí)現(xiàn)只需要幾行代碼import numpy as np def cosine_similarity(vec_a, vec_b): # 兩個(gè)向量必須長度一致對(duì)應(yīng)位置是同一個(gè)菜品 dot np.dot(vec_a, vec_b) norm_a np.linalg.norm(vec_a) norm_b np.linalg.norm(vec_b) if norm_a 0 or norm_b 0: return 0 return dot / (norm_a * norm_b)皮爾遜相關(guān)系數(shù)是余弦相似度的升級(jí)版它對(duì)評(píng)分做了“中心化”處理也就是減去每個(gè)用戶的平均打分。這樣做的好處是如果一個(gè)用戶普遍打分偏高給什么都給4分另一個(gè)用戶打分偏低喜歡才給3分直接用余弦相似度會(huì)誤判他們口味不同而皮爾遜相關(guān)系數(shù)能消除這種評(píng)分尺度差異。公式是r Σ(A_i - avgA)(B_i - avgB) / sqrt(Σ(A_i - avgA)^2 × Σ(B_i - avgB)^2)修正余弦相似度是ItemCF里常用的變體用來消除不同用戶打分習(xí)慣對(duì)物品相似度的影響。它的做法是計(jì)算物品相似度時(shí)先把每個(gè)用戶的評(píng)分減去該用戶的平均分再套用余弦相似度公式。這三種方法的選擇邏輯我建議這么定數(shù)據(jù)稀疏、評(píng)分尺度差異大優(yōu)先皮爾遜評(píng)分?jǐn)?shù)據(jù)相對(duì)稠密、想快速看到效果用余弦ItemCF場(chǎng)景直接上修正余弦。2.3 評(píng)分預(yù)測(cè)最常用的加權(quán)求和公式算完相似度之后下一步是預(yù)測(cè)用戶對(duì)未吃過菜品的評(píng)分。這里最常用的方法是“加權(quán)求和”公式長這樣pred(u, i) Σ(sim(u, v) × r(v, i)) / Σ(sim(u, v))意思是用戶u對(duì)菜品i的預(yù)測(cè)評(píng)分等于“與u最相似的K個(gè)用戶v對(duì)菜品i的評(píng)分”的加權(quán)平均權(quán)重就是u和v的相似度。分母做歸一化防止不同K取值導(dǎo)致分?jǐn)?shù)范圍不穩(wěn)定。ItemCF的預(yù)測(cè)公式稍微有點(diǎn)不同它的加權(quán)對(duì)象是“用戶u評(píng)過分的物品與目標(biāo)物品i的相似度”pred(u, i) Σ(sim(i, j) × r(u, j)) / Σ(sim(i, j))在實(shí)際寫代碼的時(shí)候這個(gè)公式更適合用一個(gè)預(yù)計(jì)算好的“物品相似度矩陣”來查表而不是每次請(qǐng)求都現(xiàn)場(chǎng)算一遍。把相似度矩陣提前算好存下來推薦接口的響應(yīng)速度能從秒級(jí)降到毫秒級(jí)這個(gè)優(yōu)化在論文的“系統(tǒng)性能優(yōu)化”章節(jié)里是很好的加分項(xiàng)。3. 數(shù)據(jù)方案與預(yù)處理實(shí)戰(zhàn)3.1 評(píng)分?jǐn)?shù)據(jù)從哪來別在爬蟲上栽跟頭開發(fā)推薦系統(tǒng)最理想的數(shù)據(jù)集是像MovieLens那樣公開的評(píng)分?jǐn)?shù)據(jù)但美食領(lǐng)域公開數(shù)據(jù)集相對(duì)少。常見的解決方案有兩條路。第一條路是自己造數(shù)據(jù)。讓宿舍同學(xué)、網(wǎng)友幫忙填一批評(píng)分比如20個(gè)用戶對(duì)50道菜品的打分評(píng)分范圍1到5。數(shù)據(jù)量雖小但能跑通全鏈路而且你可以清楚知道每一行數(shù)據(jù)的來龍去脈。對(duì)畢業(yè)設(shè)計(jì)來說數(shù)據(jù)量不是問題算法的完整性和推理過程才是重點(diǎn)。第二條路是用爬蟲抓公開數(shù)據(jù)。這個(gè)方向要特別謹(jǐn)慎抓取網(wǎng)站數(shù)據(jù)要遵守目標(biāo)網(wǎng)站的robots協(xié)議和用戶條款只抓合法允許的公開信息做個(gè)人學(xué)習(xí)研究不得用于任何商業(yè)用途。我個(gè)人的建議是優(yōu)先找公開的菜譜數(shù)據(jù)集比如一些開源社區(qū)整理的帶評(píng)分字段的菜品數(shù)據(jù)或者自己構(gòu)造別把精力耗在爬蟲和反爬對(duì)抗上那對(duì)本課題的核心目標(biāo)幫助不大。注意論文里寫數(shù)據(jù)處理流程時(shí)一定要說明數(shù)據(jù)來源和預(yù)處理規(guī)則。答辯老師很可能會(huì)問“你的數(shù)據(jù)量這么小推薦結(jié)果有說服力嗎”這時(shí)候你要回答的是算法流程的合理性和評(píng)估指標(biāo)的設(shè)計(jì)而不是夸大數(shù)據(jù)的規(guī)模。3.2 核心數(shù)據(jù)表設(shè)計(jì)用戶、菜品、評(píng)分設(shè)計(jì)數(shù)據(jù)庫表的時(shí)候我習(xí)慣遵循“常規(guī)字段 推薦專用字段”的思維。用戶表user的常規(guī)字段包括user_id、username、password、register_time。如果想給系統(tǒng)加一點(diǎn)個(gè)性化可以加food_preference字段存用戶偏好的口味比如“辣、清淡、甜”之類的標(biāo)簽。但要注意協(xié)同過濾本身不需要這些屬性字段加上它只是為了在冷啟動(dòng)場(chǎng)景用戶還沒有評(píng)分歷史時(shí)有東西可用。菜品表dish的常規(guī)字段包括dish_id、dish_name、category分類如川菜、粵菜、甜品、price、description、image_url。你可以額外加一個(gè)avg_rating字段用來存菜品平均分。這個(gè)字段有兩個(gè)用處一是新用戶冷啟動(dòng)時(shí)可以按平均分推薦二是做排行榜功能時(shí)直接用SQL排序不用現(xiàn)場(chǎng)算。評(píng)分表rating是最核心的一張表字段包括rating_id、user_id、dish_id、score、rating_time。這張表一定要給(user_id, dish_id)建聯(lián)合唯一索引防止同一個(gè)用戶對(duì)同一道菜重復(fù)評(píng)分。每次寫入評(píng)分時(shí)順便同步更新dish表的avg_rating字段這樣排行榜和推薦候選池的數(shù)據(jù)始終是最新的。3.3 數(shù)據(jù)清洗稀疏矩陣的坑與應(yīng)對(duì)協(xié)同過濾的數(shù)據(jù)清洗和普通Web項(xiàng)目不太一樣關(guān)鍵在“評(píng)分矩陣”的構(gòu)建。假設(shè)有20個(gè)用戶、50道菜全量評(píng)分是20×501000個(gè)評(píng)分。但現(xiàn)實(shí)里每個(gè)用戶可能只評(píng)了10道菜那矩陣?yán)锞陀?00個(gè)空位稀疏度達(dá)到了80%。直接用這個(gè)矩陣算相似度結(jié)果會(huì)非常不穩(wěn)定。我的處理順序是第一步過濾掉評(píng)分?jǐn)?shù)量少于5條的用戶這些人提供的信息太少算出的相似度沒有統(tǒng)計(jì)意義第二步過濾掉被評(píng)分次數(shù)少于3次的菜品這些菜屬于長尾中的長尾推薦出來用戶也沒聽說過第三步補(bǔ)全空缺值常用兩種策略填0適合余弦相似度或填用戶平均分適合皮爾遜系數(shù)。在Python里構(gòu)建評(píng)分矩陣用pandas的pivot_table可以一行搞定import pandas as pd # 假設(shè)rating_df是原始評(píng)分表字段為user_id, dish_id, score rating_matrix rating_df.pivot_table( indexuser_id, columnsdish_id, valuesscore ).fillna(0) # 打印矩陣形狀確認(rèn)行列對(duì)不對(duì) print(rating_matrix.shape)這個(gè)矩陣的行是用戶列是菜品值就是評(píng)分。后面計(jì)算相似度的時(shí)候每次取一行就是一個(gè)用戶的評(píng)分向量非常方便。我在實(shí)際項(xiàng)目里習(xí)慣把這步處理封裝成build_rating_matrix(user_rating_df)這樣的函數(shù)輸入原始評(píng)分表輸出可直接用于相似度計(jì)算的矩陣保持代碼結(jié)構(gòu)清晰。4. 推薦引擎完整實(shí)現(xiàn)從算法到接口4.1 工具函數(shù)先算好相似度矩陣在寫推薦函數(shù)之前先把相似度矩陣準(zhǔn)備好。我習(xí)慣用一個(gè)單獨(dú)的函數(shù)來算UserCF的用戶相似度矩陣再用另一個(gè)函數(shù)算ItemCF的物品相似度矩陣。用戶相似度矩陣的實(shí)現(xiàn)思路對(duì)每一個(gè)用戶i遍歷所有用戶j計(jì)算i和j的皮爾遜相關(guān)系數(shù)。數(shù)據(jù)規(guī)模不大時(shí)雙重循環(huán)是沒問題的。20個(gè)用戶算下來最多400次相似度計(jì)算毫秒級(jí)完成。import pandas as pd import numpy as np def calculate_user_similarity(rating_matrix): 計(jì)算用戶之間的皮爾遜相似度矩陣 rating_matrix: DataFrame行是用戶列是菜品 返回: 相似度DataFrame行和列都是用戶id users rating_matrix.index.tolist() sim_matrix pd.DataFrame(0, indexusers, columnsusers) for u in users: for v in users: if u v: sim_matrix.loc[u, v] 1.0 continue # 找出兩個(gè)用戶都評(píng)過分的菜品 u_ratings rating_matrix.loc[u] v_ratings rating_matrix.loc[v] # 只取雙方評(píng)分都 0 的項(xiàng) common_mask (u_ratings 0) (v_ratings 0) common_items u_ratings[common_mask] if len(common_items) 2: sim_matrix.loc[u, v] 0 continue # 皮爾遜相關(guān)系數(shù) corr np.corrcoef( u_ratings[common_mask].values, v_ratings[common_mask].values )[0, 1] if np.isnan(corr): corr 0 sim_matrix.loc[u, v] round(corr, 4) return sim_matrix這段代碼里有兩個(gè)細(xì)節(jié)值得注意一是common_items 2時(shí)直接置0這是為了避免“兩個(gè)用戶只共同評(píng)過一道菜系數(shù)恰好算出來是1”這種偶然情況二是np.corrcoef可能返回NaN原因是共同評(píng)分項(xiàng)的方差為0比如兩個(gè)用戶共同評(píng)分都是5分要把它處理成0否則會(huì)影響后續(xù)計(jì)算。4.2 基于用戶的協(xié)同過濾推薦有了相似度矩陣UserCF的推薦函數(shù)就順理成章了。核心邏輯是找到和目標(biāo)用戶最相似的K個(gè)用戶K通常取5到10把這K個(gè)用戶評(píng)分高且目標(biāo)用戶沒吃過的菜品找出來按相似度加權(quán)算預(yù)測(cè)分返回Top-N。def recommend_by_user_cf(user_id, rating_matrix, sim_matrix, top_n10, k5): 基于用戶的協(xié)同過濾推薦 user_id: 目標(biāo)用戶 rating_matrix: 用戶-菜品評(píng)分矩陣 sim_matrix: 用戶相似度矩陣 top_n: 返回推薦菜品數(shù)量 k: 鄰居數(shù)量 if user_id not in rating_matrix.index: return [] # 目標(biāo)用戶已評(píng)分的菜品 rated set(rating_matrix.loc[user_id][rating_matrix.loc[user_id] 0].index) # 獲取相似用戶列表排除自己 sim_scores sim_matrix.loc[user_id].sort_values(ascendingFalse) # 只看相似度大于0的鄰居 neighbors [(uid, score) for uid, score in sim_scores.items() if uid ! user_id and score 0] neighbors neighbors[:k] if not neighbors: return [] # 候選菜品集合 candidate_scores {} candidate_weight {} for neighbor_id, sim_score in neighbors: neighbor_ratings rating_matrix.loc[neighbor_id] # 鄰居評(píng)分過的菜品 neighbor_rated_items neighbor_ratings[neighbor_ratings 0] for dish_id, score in neighbor_rated_items.items(): if dish_id in rated: continue # 用戶已經(jīng)吃過了不推薦 candidate_scores[dish_id] candidate_scores.get(dish_id, 0) sim_score * score candidate_weight[dish_id] candidate_weight.get(dish_id, 0) sim_score # 歸一化計(jì)算最終預(yù)測(cè)分 predictions {} for dish_id, total_score in candidate_scores.items(): if candidate_weight[dish_id] 0: predictions[dish_id] total_score / candidate_weight[dish_id] # 按預(yù)測(cè)分從高到低排序 sorted_predictions sorted(predictions.items(), keylambda x: x[1], reverseTrue) return sorted_predictions[:top_n]這里的加權(quán)公式用了“歸一化”核心原因是避免相似度值大的鄰居帶偏結(jié)果。你設(shè)想一下如果用戶A只和一個(gè)人特別像這個(gè)人給某道菜打了5分A對(duì)這道菜的預(yù)測(cè)分就是5分但如果有三個(gè)不那么像的人也打了4分平均下來才是更穩(wěn)的結(jié)果。歸一化恰好能平衡這個(gè)偏差。4.3 基于物品的協(xié)同過濾推薦ItemCF的推薦邏輯有點(diǎn)不同。它的核心不是“看鄰居吃了什么”而是“看你吃過的菜與什么菜相似”。def calculate_item_similarity(rating_matrix): 計(jì)算物品之間的修正余弦相似度矩陣 items rating_matrix.columns.tolist() sim_matrix pd.DataFrame(0, indexitems, columnsitems) # 物品的評(píng)分向量 item_vectors {} # 對(duì)每個(gè)菜品計(jì)算被用戶評(píng)分的平均分修正 for item in items: item_rating rating_matrix[item] # 對(duì)每個(gè)用戶做中心化處理 centered [] user_ids [] for uid in rating_matrix.index: score item_rating[uid] if score 0: # 該用戶所有評(píng)分的平均值 user_avg rating_matrix.loc[uid][rating_matrix.loc[uid] 0].mean() if user_avg user_avg: # 檢查非NaN centered.append(score - user_avg) user_ids.append(uid) item_vectors[item] (np.array(centered), user_ids) for i, item_i in enumerate(items): for j, item_j in enumerate(items): if i j: sim_matrix.loc[item_i, item_j] 1.0 continue # 找出同時(shí)評(píng)分過物品i和物品j的用戶 vec_i, users_i item_vectors[item_i] # 構(gòu)建用戶到評(píng)分的映射 map_i dict(zip(users_i, vec_i)) common [map_i[u] for u in users_i if u in dict(zip(*item_vectors[item_j][::-1]))] # 實(shí)際項(xiàng)目中更簡潔的寫法 set_i set(users_i) set_j set(item_vectors[item_j][1]) common_users set_i set_j common_i [] common_j [] for uid in common_users: common_i.append(map_i[uid]) common_j.append(item_vectors[item_j][0][item_vectors[item_j][1].index(uid)]) if len(common_users) 2: sim_matrix.loc[item_i, item_j] 0 continue common_i np.array(common_i) common_j np.array(common_j) # 修正余弦相似度 denom np.sqrt(np.sum(common_i**2)) * np.sqrt(np.sum(common_j**2)) if denom 0: sim_matrix.loc[item_i, item_j] 0 continue sim np.sum(common_i * common_j) / denom sim_matrix.loc[item_i, item_j] round(sim, 4) return sim_matrix這段代碼在實(shí)現(xiàn)時(shí)比較考驗(yàn)對(duì)“修正余弦”的理解。修正的核心在于先對(duì)每個(gè)用戶評(píng)分做中心化減去該用戶平均分再計(jì)算余弦。不這么做的話一個(gè)總是打5分的用戶和一個(gè)總是打3分的用戶即使口味高度一致算出來的相似度也會(huì)失真。實(shí)際開發(fā)里我通常把ItemCF的物品相似度矩陣存成Spark DataFrame或直接在MySQL里建一張表item_id_a, item_id_b, similarity因?yàn)橛?jì)算一次之后就不需要頻繁重算。只有新菜品加入或者用戶評(píng)分發(fā)生明顯變化時(shí)才做增量更新。4.4 雙算法融合與冷啟動(dòng)策略單獨(dú)用UserCF或ItemCF都可能遇到效果不穩(wěn)定的情況。我最后實(shí)現(xiàn)的是混合推薦策略當(dāng)用戶的評(píng)分?jǐn)?shù)量少于一定閾值時(shí)走冷啟動(dòng)邏輯評(píng)分?jǐn)?shù)量足夠時(shí)用UserCF和ItemCF各出一份推薦列表加權(quán)融合后再輸出。冷啟動(dòng)邏輯又分三種場(chǎng)景。第一種是系統(tǒng)里完全沒有評(píng)分這時(shí)候只能按菜品平均分推薦做得更好一點(diǎn)是按照分類做多樣性推薦。第二種是用戶沒有任何評(píng)分但注冊(cè)時(shí)填了口味偏好可以按偏好分類推薦。第三種是用戶只有1到3條評(píng)分這時(shí)我傾向于直接用內(nèi)容匹配比如用戶評(píng)分過的菜品的同分類菜品來補(bǔ)充算法推薦放到評(píng)分?jǐn)?shù)據(jù)積累到5條以上再介入。加權(quán)融合的公式也不復(fù)雜final_score(d) α × score_userCF(d) (1 - α) × score_itemCF(d)α的取值可以在實(shí)驗(yàn)里調(diào)。我在自己的數(shù)據(jù)集上測(cè)下來α取0.4左右效果最好也就是稍微偏向ItemCF。原因也簡單美食推薦場(chǎng)景里“你以前喜歡的菜的相似菜”比“和你相似的人喜歡的菜”更穩(wěn)妥因?yàn)榍罢叩耐扑]理由用戶更容易接受。5. 系統(tǒng)功能設(shè)計(jì)與論文PPT素材搭建5.1 功能模塊拆解照著做不會(huì)漏功能一個(gè)完整的Web版美食推薦系統(tǒng)功能模塊可以這樣拆。用戶模塊負(fù)責(zé)注冊(cè)、登錄、個(gè)人信息管理注冊(cè)時(shí)盡可能讓用戶選擇口味偏好這是冷啟動(dòng)的重要數(shù)據(jù)。菜品模塊負(fù)責(zé)菜品信息展示、分類瀏覽、關(guān)鍵詞搜索。評(píng)分模塊是核心交互用戶給吃過的菜打分這個(gè)動(dòng)作決定了推薦質(zhì)量。推薦模塊負(fù)責(zé)生成“為你推薦”列表要同時(shí)給“推薦理由”。榜單模塊負(fù)責(zé)展示熱門菜品、高分菜品本質(zhì)上是推薦系統(tǒng)的兜底。這套功能拆解對(duì)應(yīng)到代碼結(jié)構(gòu)上用Flask藍(lán)圖來組織非常合適比如一個(gè)auth_bp負(fù)責(zé)登錄注冊(cè)一個(gè)dish_bp負(fù)責(zé)菜品瀏覽一個(gè)recommend_bp負(fù)責(zé)推薦接口。每個(gè)藍(lán)圖獨(dú)立成文件代碼不會(huì)亂。5.2 Flask后端接口設(shè)計(jì)我整理了一份最小的接口清單照著寫就能支撐整個(gè)系統(tǒng)前后端聯(lián)動(dòng)。接口路徑方法功能關(guān)鍵參數(shù)/api/registerPOST用戶注冊(cè)u(píng)sername, password, taste/api/loginPOST用戶登錄username, password/api/dishesGET菜品列表分頁page, category/api/dishes/idGET菜品詳情無/api/ratePOST提交評(píng)分user_id, dish_id, score/api/recommend/user_idGET獲取推薦列表top_n/api/hotGET熱門榜單limit在實(shí)現(xiàn)時(shí)/api/rate這個(gè)接口稍微特殊一點(diǎn)它不只是往數(shù)據(jù)庫里插入一條評(píng)分記錄還應(yīng)該同步更新菜品表的avg_rating。這個(gè)操作可以用數(shù)據(jù)庫事務(wù)來保證一致性防止評(píng)分插入成功但平均分更新失敗的情況。5.3 畢業(yè)論文章節(jié)怎么搭、PPT怎么提煉論文這塊我建議章節(jié)結(jié)構(gòu)直接按系統(tǒng)構(gòu)建的自然順序來寫。第一章緒論寫研究背景、意義、國內(nèi)外研究現(xiàn)狀、論文結(jié)構(gòu)。第二章相關(guān)技術(shù)介紹寫Python、Flask、協(xié)同過濾算法概述、MySQL。第三章需求分析與概要設(shè)計(jì)寫功能性需求、非功能性需求、系統(tǒng)架構(gòu)圖、功能模塊圖。第四章詳細(xì)設(shè)計(jì)與實(shí)現(xiàn)這部分是重點(diǎn)寫數(shù)據(jù)庫設(shè)計(jì)、每個(gè)功能模塊的時(shí)序圖、推薦算法的實(shí)現(xiàn)細(xì)節(jié)、核心代碼分析。第五章系統(tǒng)測(cè)試寫測(cè)試環(huán)境、功能測(cè)試用例表、推薦效果評(píng)估準(zhǔn)確率、召回率、Top-N命中率、測(cè)試結(jié)果分析。第六章總結(jié)與展望。PPT的提煉邏輯和論文不同核心是“講故事”。我的經(jīng)驗(yàn)是首頁用系統(tǒng)截圖吸引眼球然后一頁講痛點(diǎn)信息過載、選擇困難一頁講解決方案的宏觀流程圖再花三四頁講算法原理與效果對(duì)比最后用一張架構(gòu)圖收尾。PPT上盡量少放代碼多放流程圖和效果對(duì)比圖那才是答辯老師會(huì)關(guān)注的。這里有個(gè)很實(shí)用的技巧答辯PPT里的算法講解頁別只放公式放一張“用戶A和用戶B的評(píng)分矩陣以及相似度計(jì)算過程”的手工演算小表直觀到答辯老師一眼就懂。表里兩行用戶數(shù)據(jù)、簡單的加減乘除、最終相似度0.87這段講解會(huì)讓你在答辯時(shí)的表達(dá)順暢很多。6. 推薦效果評(píng)估與常見問題排查6.1 離線評(píng)估指標(biāo)別只盯著準(zhǔn)確率很多同學(xué)做推薦系統(tǒng)評(píng)估就是“看起來推薦得還挺準(zhǔn)”這在論文里是不太夠的。我建議至少做三個(gè)維度。準(zhǔn)確率Precision的含義是推薦列表里用戶實(shí)際喜歡評(píng)分≥4的比例。比如推薦了10道菜用戶點(diǎn)了其中4道準(zhǔn)確率就是40%。計(jì)算方法是在測(cè)試集里把用戶評(píng)分行為隨機(jī)劃分成80%訓(xùn)練集和20%測(cè)試集用訓(xùn)練集學(xué)到的模型預(yù)測(cè)測(cè)試集里的評(píng)分行為。召回率Recall的含義是用戶喜歡的菜有多少被推薦出來了。如果用戶一共喜歡10道菜推薦列表覆蓋了其中4道召回率就是40%。覆蓋率Coverage的含義是推薦系統(tǒng)能推薦出的菜品占全部菜品的比例。覆蓋率太低說明系統(tǒng)總在推薦熱門菜長尾菜品永遠(yuǎn)沒曝光機(jī)會(huì)這在真實(shí)場(chǎng)景里是個(gè)問題。覆蓋率計(jì)算公式是推薦出去的不同菜品數(shù) / 菜品總數(shù)。三個(gè)指標(biāo)不能只看單一值。我在實(shí)驗(yàn)中發(fā)現(xiàn)UserCF在小數(shù)據(jù)集上準(zhǔn)確率往往比ItemCF高一點(diǎn)點(diǎn)但覆蓋率明顯偏低因?yàn)樗偘延脩粢颉按蠹叶紣鄢缘臒衢T菜”。ItemCF在覆蓋率上表現(xiàn)好得多這也是我最終系統(tǒng)把ItemCF作為主力、UserCF做補(bǔ)充的另一個(gè)原因。6.2 冷啟動(dòng)與稀疏性處理方案冷啟動(dòng)是推薦系統(tǒng)里繞不開的經(jīng)典問題也是答辯老師最喜歡追問的點(diǎn)。我的系統(tǒng)里用了一套分場(chǎng)景策略。新用戶冷啟動(dòng)分三步走注冊(cè)時(shí)收集口味偏好標(biāo)簽沒有評(píng)分時(shí)按口味標(biāo)簽推薦對(duì)應(yīng)分類的熱門菜品有少量評(píng)分后進(jìn)入混合推薦模式。新菜品冷啟動(dòng)的處理方式不同菜品剛上線沒有評(píng)分無法參與協(xié)同過濾計(jì)算所以需要在展示上給個(gè)“新品嘗鮮”入口讓新菜先獲得曝光和被評(píng)分的機(jī)會(huì)等積累到一定評(píng)分量再進(jìn)入推薦候選池。用戶冷啟動(dòng)的側(cè)重點(diǎn)不同如果只有個(gè)別用戶評(píng)分稀疏用“全局熱門榜”兜底推薦如果整體數(shù)據(jù)稀疏就增加評(píng)分引導(dǎo)交互比如推薦列表下方提示“點(diǎn)個(gè)評(píng)分推薦更懂你”。這些策略在實(shí)現(xiàn)上并不復(fù)雜但寫進(jìn)論文里很有價(jià)值體現(xiàn)的是你對(duì)推薦系統(tǒng)工程問題的理解深度而不僅僅是“我調(diào)了一個(gè)庫”。6.3 常見錯(cuò)誤和坑花式Debug實(shí)錄這個(gè)部分我整理了幾條我實(shí)際踩過的坑每一個(gè)都能節(jié)省你半天以上的調(diào)試時(shí)間。第一個(gè)坑是np.corrcoef返回全NaN。引起這個(gè)問題的原因是共同評(píng)分項(xiàng)方差為0比如兩個(gè)用戶對(duì)同一批菜全部打了5分。解決辦法是在用之前做NaN檢查或者手動(dòng)實(shí)現(xiàn)皮爾遜公式推薦后者自己寫公式還能加深理解。第二個(gè)坑是pandas的pivot_table用了fillna(0)之后評(píng)分矩陣變得極度稀疏。0在數(shù)學(xué)上等于“沒有評(píng)分”但在余弦相似度的計(jì)算里0直接參與運(yùn)算兩個(gè)“沒評(píng)過分”的菜品可能因此被判定為“不相似”。這個(gè)問題沒那么容易察覺因?yàn)槌绦虿粓?bào)錯(cuò)只是結(jié)果詭異。解決辦法是計(jì)算相似度的時(shí)候只取共同評(píng)分的維度也就是我前面代碼里common_mask的處理方式。第三個(gè)坑是評(píng)分表沒有唯一索引導(dǎo)致同一個(gè)用戶對(duì)同一道菜重復(fù)評(píng)分。從用戶體驗(yàn)上看用戶可能不小心點(diǎn)了兩次提交系統(tǒng)就記錄了兩次評(píng)分推薦結(jié)果會(huì)出現(xiàn)一種不合理波動(dòng)。解決辦法是建表時(shí)給(user_id, dish_id)加聯(lián)合唯一索引再用INSERT ... ON DUPLICATE KEY UPDATE做覆蓋式更新。第四個(gè)坑是推薦接口返回太慢。如果你每次請(qǐng)求都現(xiàn)場(chǎng)算相似度矩陣20個(gè)用戶、50道菜的數(shù)據(jù)規(guī)??赡芨杏X不出來但數(shù)據(jù)量上千后就會(huì)明顯卡頓。我建議把相似度矩陣的構(gòu)建放在一個(gè)獨(dú)立模塊里程序啟動(dòng)時(shí)預(yù)計(jì)算并緩存到內(nèi)存或數(shù)據(jù)庫推薦接口只做查表和Top-N排序?qū)崪y(cè)響應(yīng)時(shí)間能從1秒多降到50毫秒以內(nèi)。6.4 實(shí)操總結(jié)一步一步跑通全項(xiàng)目的順序我最后整理一個(gè)實(shí)操順序清單適合完全沒思路的同學(xué)按步驟執(zhí)行。第一步安裝Python環(huán)境并配置好pycharm或vscode裝好pandas、numpy、flask、pymysql等庫。第二步準(zhǔn)備數(shù)據(jù)優(yōu)先用公開數(shù)據(jù)集或自定義數(shù)據(jù)構(gòu)建rating.csv、dish.csv、user.csv三個(gè)文件。第三步單獨(dú)寫一個(gè)算法測(cè)試腳本用pandas讀數(shù)據(jù)、構(gòu)建評(píng)分矩陣、實(shí)現(xiàn)UserCF和ItemCF、輸出推薦結(jié)果并打印評(píng)估指標(biāo)這一步的重點(diǎn)是確認(rèn)算法邏輯正確。第四步搭建Flask項(xiàng)目結(jié)構(gòu)創(chuàng)建藍(lán)圖、模板目錄、靜態(tài)資源目錄。第五步設(shè)計(jì)數(shù)據(jù)庫表結(jié)構(gòu)并建表寫數(shù)據(jù)庫連接模塊。第六步實(shí)現(xiàn)注冊(cè)登錄、菜品瀏覽、評(píng)分提交等基礎(chǔ)功能。第七步把推薦引擎嵌入到推薦接口中做冷啟動(dòng)和混合推薦邏輯。第八步寫測(cè)試用例準(zhǔn)備論文里的截圖和測(cè)試數(shù)據(jù)。第九步按照論文章節(jié)結(jié)構(gòu)填充內(nèi)容PPT提煉核心邏輯。在做完這九步之后你會(huì)發(fā)現(xiàn)自己對(duì)推薦系統(tǒng)的理解已經(jīng)不是停留在“調(diào)了一個(gè)庫”的水平而是真正能講清楚“推薦結(jié)果為什么是這樣”的人。這種從原理到實(shí)現(xiàn)的閉環(huán)才是這門課真正帶給你的東西。最后分享一個(gè)我在實(shí)際測(cè)試中發(fā)現(xiàn)的規(guī)律協(xié)同過濾最怕的不是數(shù)據(jù)量少而是行為數(shù)據(jù)不真實(shí)。如果造數(shù)據(jù)時(shí)所有人都只打高分、不打低分推薦結(jié)果幾乎沒有區(qū)分度。所以不管是自己造數(shù)據(jù)還是找公開數(shù)據(jù)一定確保評(píng)分有高有低、用戶口味有差異這樣算法效果才能真實(shí)反映出來。數(shù)據(jù)質(zhì)量決定了推薦質(zhì)量這個(gè)道理在真實(shí)業(yè)務(wù)里一樣成立。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
五月丁香淫淫婷婷婷| 日韩色五月| 色亭亭九月| 久久小片| 欧洲亚洲免费视频9| 丁香五月婷婷综合啪啪| 激情五月丁香五月| 天天热夜夜操| 天天艹天天综合网| 超碰国产AV| www.狠狠操| 六月色丁香中文字幕| 射久久丁香五月| 亚洲五月天激情| 婷婷香五月天| 日韩砖区| 日韩欧美五月丁综合| 激情视频网址| 超碰在线人人| 激情六月天| 国产精品在线视频| 欧美久久婷婷| 九月婷婷激情| 五月天婷婷激情四射综合| www.99视频| 久久久久综合激动五月天| 久草a片| 国产精品久久久久久久久久| 91久操| 中文字幕乱轮| www.狠狠操| 久热A| 国产乱码久久| 久久久www| 成人中文网| 天天噜| 色五月婷婷啪啪五月| 伊人久久婷婷| 伊人影音无码一区二区三区| 91久久久久久| 人妻操逼视频。| 超碰免费电影| 色婷综合| 婷婷五月丁香国产| 欧美黄色一级| 9|在线观看视频| 麻豆AV一区二区三区| 91精品综合久久久久久五月丁香| 操碰99| 五月综合激情视频在线| 色色色色色色色色网站| 日韩三级高清无码| 另类图片五月天| 色婷婷九月| 日本天天综合| 天堂五月婷婷| 我要射综合| 丁香五月天欧美在线| 丁香六月婷婷综合激情欧美| 丁香五月天无码AV| 激情伊人五月婷婷久久| 久久这里有精品在线观看| 少妇日麻屄| 五月丁香啪啪| 久久香蕉婷婷五月天| 天天爽天天爽天天爽天天爽天天爽| 色五月天堂| 久久精彩视频99| 国产精品18久久久| 就爱日五月天| 丁香五月天狠狠操| 久热人妻| 亚洲五月天综合色| 欧美丁香六月激情视频| 深夜激情网| 色五月在线观看| 综合图区激情| 色综合久久伊伊婷婷五月| 九热在线这里有精品6| 久久久这里都是精品| 激情五月综合网| WWW.久久久久久久久久久久久| 天堂美国久久| 婷婷激情人妻| 婷婷激情肏屄网| 久久9精品| 丁香五月性| 中文字幕丰满人妻无码专区| 超碰无码318604| 日韩精品一区二区亚洲AV观看| 久久久jd| 五月伊人视频在线看| 第四色婷婷五月| 久久婷婷色五月| 五月婷婷久草| 国产性爱色| 六月婷欧美| 激情久久五月天| 91蜜桃婷婷狠狠久久综合9色| 亚洲综合在线伊人婷| 亚洲婷婷月丁香五月| 六月婷婷私欲| 久久婷婷内射| 亚洲午夜成人av电影网| 91在线看免费 九九九九| 91人人超碰在线| 大香蕉婷婷五月天| 丁香婷婷啪啪啪| 99热这里只有精品搜| 开心五月婷婷婷美女| 丁香五月色五月| 色综合色| 婷婷激情四射五月天| 亚洲九九婷婷| 99色热视频| 天天干天天操天天拍| 日本色久| 人妻内射一区二区在线视频| 日本系列_4页_777FP| 婷婷97狠狠干| 九月综合| 婷婷丁香五月天操逼| 色婷婷9| 天天日日人| 婷婷五月激情视频| 亚洲AV成人在线| 91色色五月天| 亚洲激情AV| 婷婷色情小说| 翔田千里aV中文字幕| 日本成人噜噜| 九九久久99精品免费观看www| 九色自拍| 激情碰碰碰| 大香蕉520| 69婷婷丁香午夜| 91人人网| 91热手机在线| 激情五月丁香六月婷婷| 色综合激情| 99热97美女| 激情丁香社区| 亚洲精品99| 少妇高潮A片无套内谢麻豆传| www.99免费视频| 丁香婷婷久久| 久久精品4| 五月天久久小说| 激情婷婷丁香五月天小说| 国产色五月| 99久久6| 操b视频在线观看一区二区| 成人在线精品| 97人人干人人操| 五月丁香六月激情| 丁香五月婷婷成人色区| 久久东京热婷婷五月| 国产成人精品一区二区三区视频| 99'无码| 五月色天情| 久久er99热精品一区二区| 久综合| 俺也去在线视频| 伊人丁香六月婷婷| 亚洲五月婷婷| 日本久久婷婷| 五月丁香激情综合网| 大战熟女丰满人妻AV| 色播综合| 天天精品视频免费观看| 五月婷婷99热| 激情色播| 99久热在线精品| 五月婷婷深深爱| 超级碰碰视频无码| 久久99网| 五月婷久久久| 免费国产视频| 丁香婷婷色色| 丁香久久久| 97人人干视频| 深爱开心激情| 婷婷五月色惰| 97人人搞| 99久久久久| 久操97| 玖玖99精品视频| 久久久精品色| 激情婷婷综合网| 久久久区区一久久久久久| 激情五月综合| 天天爽天天日人人爱| 狠狠插狠狠插| 中文人妻主播久久| 九九九九精品精| 日本熟妇乱妇熟色A片蜜桃| 婷婷久久五月天| 少妇人妻凹凸视频| 亚洲无线视频| 色欲人妻综合aaaaaaaa网| 五月综合婷婷五月| 婷婷丁香黄色| 天天天久久人人人合| 国产精品扒开腿做爽爽爽A片唱戏| 激情综合婷婷五月| 久久婷婷午夜| 99成人在线观看| 天天网曰日曰夜夜综合永久免费| 色五月色图| 欧美在线看| 久9久9热久热| 天天网站天天爽| 亚洲欧洲另类| 视频色色色色色色| 色综合五月| 青青草成人网| 婷婷五月丁香综合亚洲 | 日本二级毛片二级毛片| 99热这里只有精品86| 一区二区三区XXXXXX| 日韩人妻无码精品| 色情五月天se| 日韩精品电影| 日本一级黄色电影| 丁香五月亚洲婷婷| 96精品久久久久久久久| 香蕉久久国产AV一区二区| 色伊人91在线视频| 亭亭玉月丁香| 人人亚洲| 伊人热婷婷| 在线观看的av| 日本激情五月| 91久热| 人妻AV中文系列| 激情婷婷色五月| www.婷婷.com| 三十熟女| 久久婷婷色| www.99热精品| 激情五月天丁香| 五月婷婷婷婷婷婷艺术| 99在线热| 久久久久久婷| 99操逼| 99热久久这里只有精品2010| 色婷婷91激情小说| 色五月婷婷AV| 色青青电影色五月| 亚洲1区| 天天操天天操天天操天天操天天操天天操 | 国产69久久久欧美黑人A片| 思思热国产| 色五月天丁香婷婷| 久久婷婷五月综合色和| 久久伊人大香蕉| 亚洲综合热| www.五月婷婷| 久久探花91swag| 婷婷激情人妻| 色噜婷婷| 亚洲精品V天堂中文字幕| 天天爽夜夜爽夜夜爽精品视频| 亚洲sesesese| 色五月天丁香| 九九www| 国产亚洲精品AAAA片APP| 狠狠操狠狠操| 韩国三级五月天婷婷。| 色天天综合色| 麻豆科斗777| 性爱激情小说AV五月丁香花| 九九九九精品精| 成人国产综合| 激情av在线| 综合图区激情| 五月丁香成人| 久婷婷五月激情| 欧美图片丁香五月天| 九九在线热九九在线热99热| 成人片在线播放| 婷婷五月天激情影片| 六月丁香激情综合网| 秋霞少妇毛片| 97久久超级| 欧美色综合天天久久综合精品| www.99热在线观看| 五月天影院| 五月丁香在线婷婷蜜桃| 天天天天天操| 婷婷永久在线| 99爱最新免费视频在线观看| 五月天欧美 另类小说| 91蜜桃婷婷狠狠久久综合9色| 亚洲综合另类| 天天婷婷色六月| 思思w99| 七七九九色色| 五月丁香六月日逼| 人人人人人人人人人草| 久久综合热17c| 操碰99| 六月婷婷啪啪| 影音先锋四区| 大香蕉av在线| 五月婷婷在线视频免费观看| 欧美va亚洲va| 色五月婷婷丁香婷婷| AV美美午夜| 99激情视频热| 五月天婷婷青青草| 亚洲综合激情五月| 综合网亚洲| 舔色婷婷| 色啪综合| 99爱视频| 色色六月| 国产免费一区二区三区三州老师F1F1.CC | 五月激情婷婷开心五月| Va另类视频| 亚洲婷婷丁香五月视频| 色婷婷丁香五月综合| 五月天激情久色| 丁香五月丁香伊人| 激情欧美丁香五月| 综合XX网| 99re6久热只有精品6在线直播| 丁香五月婷久久| 久草天堂| 丁香综合伊人| 69激情小说| 99在线观看免费精品视频| 综合狠狠伊人| 六月丁香婷婷拍拍| 久久综合网免费视频| 婷婷综合网在线| 五月婷婷综合激情| 99免费热视频在线| 激情婷婷五月天| 91操操| Av狠狠色丁香婷| 五月天大香焦| 99操久久| 色狠狠六月| 久久久久久久人妻| 色色网站免费| 色色色色色色网站| 日韩少妇内射免费播放| 丁香九月综合在线| 色~性~乱~伦~噜| 天天操夜夜啊| 另类综合婷婷五月天欧美视频| 九九热视频在线观看| 亚洲精品视频在线播放| 日逼AV影音先锋男人资源站| 婷婷网影院| 婷婷六月综合| 色色aⅤ網| 五月婷婷视频| 任你草| 久久hd| 色情成人五月天| 东北熟女高潮99综合99| 色噜噜狠狠色综合伊人| 婷婷色导航| 婷婷五月激情网| 色色色com| 丁香五婷婷| 亚洲激情五月婷婷日日| 91干在线| 日本网站久久| 激情五月丁香综合蜜桃| 久久思思热| 五月天激情小说网| 中文字幕av久久爽一区| 久久成人人妻| 天天天天干| 五月婷婷丁香综合,亚洲天堂| 久久激情视频| 婷婷深爱五月丁香| 农村熟妇高潮精品A片| 欧美婷婷精品激| 丁香婷婷免费| 日本色色网站| 亚洲精品一二三| 色欲九区| 五月天成人手机在线视频| 99热在线看| 98国产精品综合一区二区三区| 亚洲综合999| 婷婷玉月丁香五月在线视频| 国产亚洲99久久精品| Caoub青青超碰 | 亚洲黄网在线| 天天综合天天玩夜夜玩天天玩夜夜玩| 亚洲色啪| 色色五月天丁香婷婷| 五月激情婷婷开心| 中文字幕日产A片在线看| 欧美久久婷婷| 色吧婷婷| 色婷婷久久综合中文久久一本| 狠狠爱综合网| 色婷婷亚洲婷婷| 激情婷婷五六月天| 大香蕉啪啪啪| 国产9色在线/日韩| 饮料下药迷倒漂亮女同事强干| 亚洲精品V天堂中文字幕| 久热超碰| av狠狠操| 99热这里只有99| 亚洲婷婷激情五月天| 性爱综合网| 婷婷色色五月天| 亚州精品久久久久AV无码| 激情综合国产| 五月婷婷性爱网| 九九视频这里只有精品在线播放| 猫咪伊人久久| 亚洲超级碰| 99精品爱| 西西4r午夜剧场| 亚洲性爱干干| 成人视频网| 综合欧美五月婷婷| 色婷久久| 九九九色综合| 欧美日韩aaa| 激情综合亚洲| 色吧五月| 婷婷五月综合激情| 九九综合久久| 六月婷婷综合| 亚洲色婷婷| 色婷婷成人丁香| 荷兰av一级| 一级黄色操B| 葵花AV在线| 五月综合婷婷久久在线| 五月深情久久| 9l视频自拍9l视频自拍九色学生| 日日噜噜夜夜狠狠久久丁香六月| 激情婷婷五月| 丁香五月深爱五月婷婷| 在线不卡AC| 色综合五月婷婷狠狠干| 97午夜一区二区| 激情婷婷色五月| 玖玖激情网| 久色大| 六月婷婷香蕉| 97色碰| 久久之人妻| 丁香五月人妻| 天天插天天很| 婷婷色一二三区波多野结衣| 五月婷婷色五月| 大香蕉99热| 99热这里有精品| 久热这里这里有精品| 青草视频在线播放| 人人摸人人| 日本欧美国产| 91成人性爱视频| 丁香月五月天婷婷久久| yirenjiqingshiping| 久热这里只有精品6| 91免费试看| 99九九视频| 天天噜日日噜综合无码| 91九九九九| 日本五月天激情| 婷婷激情综合网| 午夜五月天| 99热骚货| 五月婷啪| 无人区码一码二码三码医生系列| 天天草天天日| 色综合色五月| 性爱激情久久| 91人妻人人做人碰人人爽九色| 97色色色视屏| 成人AV网站在线| 狠狠操狠狠插| 丁香婷婷激情六月五月开心| 婷婷丁香色五月亚洲| 丁香五月综合网| 开心婷婷中文字幕| 日韩欧美一区二区三区四区| 青青久久五月天丁香婷婷| 日韩操人| 色在线视频网2025| 亚洲激情无码久久| 99在线视频资源| 日本4399天堂中出| 久久婷婷影院| 亚洲色五月天| 熟女乱论网| www色婷婷com| 五月婷婷综合在线| 性爱视频久久| 久狠日av| 深爱五月中文字幕| 九九色热| 99乱视频| 99干在线| 丁香婷婷欧美综合| 国产成人网| 大香线蕉伊人| 26uuu亚洲欧美日本| 夜夜涩涩涩| 久久婷婷内射| 成人AV综合在线| 99无码超碰| 五月婷婷激情久久| 五月婷婷插一插| 五月丁香综合成人社区| 色约约视频一区二区三区四区五区| 婷婷五月天久久久| 九热...av| 六月婷婷久久| 天天干com| 亚洲激情淫网| 99热主页日本| 天天色99| 夜色五月天| 伊人玖玖婷婷| 色色色无码| 天天激情5月天亚洲| 色欲一二三| 精品99爱免费视频在线观看 | 亚洲婷婷丁香五月在线| 99在线精品视频| 九九激情视频| 丁香伊人五月色婷婷五十路| 九月性爱网| 99国产精品久久久久久久久久久| 丁香色婷婷| 色婷婷视频在线| 久久久27操| 五月成人网站| 深爱激情丁香| 五月丁香六月激情欧美综合| 国产无套精品一区二区| 思思热在线播放| 色噜噜狠狠插综合| 色婷婷五月在线| 中文乱子伦视频| 丁香五月综合在线观看| 欧美日本va| www激情com| 久久99免费视频| 色欲天天综合| 天天干电影| 五月婷婷激情四月| 丁香五月六月激情久久| 欧美丁香婷婷五月| 婷婷丁香六月天| 99性爱视频| 五月天久久综合婷婷| 亚洲婷婷欧美婷婷| 在线观看中文字幕亚洲| 激情五月天影院| 欧美精品999| 99久久久久| AV网站免费在线| 六月激情婷婷| 99热这里只有精品1025| 五月天色色网站| 99热免费| 123日本不卡在线| 国产a视频| 超碰97免费在线| 亚洲精品国产成人AV在线| 91欧美| 国产成人99久久亚洲综合精品| 99热在线播放| 五月天综合在线| 99热免费观看| 九九丁香社区欧美激情| 久久婷婷亚洲无码一起| 五月丁香婷婷啪啪| 另类国产综合| 色狠久| 99精品免费| 亚洲碰碰碰| 99精品网| 国产AV一区二区三区日韩| www.天天干| 婷婷色五月91啪啪| 久草九九| 丁香五月婷婷激情小说| 日本精品在线噜噜噜| 色爱综合视频| 激情99在线视频| 99爱精品| 九九香蕉网| 91狼友视频网页更新| 另类丁香综合| 婷婷中文字幕网| 狠狠干在线| 丁香色五月直播| 中文久久久人妻| 五月婷婷之美女图片| 99狠狠操一| 亚洲超碰在线| 亚洲av| 国产综合81p| 色,激情五月天| www.五月天婷婷姐姐| 噜噜色婷婷| 大香蕉综合网| 韩国真做片在线观看| 日本99婷婷| 六月婷婷最新网址| 激情性爱五月天| tingtingzonghewang| www.minyis.com【JT】国内CDN落地页保证转化QQ2101460746 | 狠狠情色| 日日射天天射| 99热超碰在线| 国产精品99久久久久久久女警| 99精品偷拍视频| 99热这里只有精品国产免费| 日本99色| 99热在线极品极品| 激情五月图| 五月丁香成人小说| 丁香五月婷婷啪啪视频| 五月丁香婷婷综合视频| 丁香激情婷婷网| 亚洲中文乱字字幕在线永久| 69人妻人人澡人人爽久久| 丁香婷婷人妻| 开心激情五月天网| ..真实国产乱子伦毛片| 国产xxxxx在线观看| 丁香五月婷婷视频| 亚洲av另类在线观看| 五月天快乐开心激情网| 久久五月天婷婷| 日日夜夜狠狠| 天天做天天爱天天搞| 五月丁香六月激情在线| 激情五月黄色| 2025中文在线视频字幕免费观看| AV在线免费网站| 中文字幕在线人妻| 色五月激情综合| 色情成人五月天| 婷婷五月丁香啪啪| 亚洲综合热| 国产乱妇乱子在线播视频播放网站 | 欧美精品啪啪| 丁香六月欧美| 五月天丁香网| 天天摸天天舔在线视频| 丁香五月婷婷啪啪| 久久久WWW| 天天肏高清在线| 婷五月天六| 日操夜撸| 人人操人| 亚洲婷婷五月天激情| 国产精品久久久久久久久久久久| 热久久99视频| 夜精品无码A片一区二区蜜桃| 久久永久网址| 玖玖婷婷五月天| 婷婷丁香九月| 超碰在线免费| 99啪啪视频| 五月综合色| 色www.con| 五月天婷婷无码视频| 婷婷五月成人社区| 日日操日日爽| 九九九九中文字幕| 五月婷婷中文字幕AV| 亚洲AV永久无码影院黑人 | 大学生高潮无套内谢视频| 六月色日韩| 九月婷婷综合| 九九色99| 四色五月视频| 久久精品99国产精品日本| 久久久久激情| 9999热在线观看| 国产精品久久久久久喷浆| 色七色九九| 五月天社区| 久婷婷久草| 婷婷99视频在线| 操日本人妻视频| www.99精品日操伊人乱碰在线| 色婷婷丁香网| 国产又色又爽又黄又免费| 天天在线久久综合 | 99久久婷婷五月综合| 综合网啪啪| 国产激情视频在线观看| 精品色情一区二区三区四区| 国产人妻777人伦精品HD| 极品人妻videosss人妻| 另类图片五月天激情| 999久久久国产精品| 狠狠干婷婷| 国产精产国品一二三在观看| 久久欧洲综合网| 亚洲精品第一国产综合亚AV| 丁香五月天婷婷中文字幕| 在线中文字幕视频| 五月天开心色情网| 99热在线爱| 91久久久久久| 婷婷五月丁香色情| 色五月色开心开心五月| 热99精品视频五月| 婷婷色色综合激情| 中文网婷婷字幕婷| 国产日韩欧美性爱| 五月婷婷自拍| 色婷婷欧美| 五月丁香成人网| 婷婷五月天xxx| www.99精品日操伊人乱碰在线| 99久久这里只有精品| 久久丁香| 一本久婷婷综合| 五月婷精品| 热久久66| 婷婷激情性爱| 桃色五月婷婷| 色婷婷成人| 国产精品视频久久99| ww久久| 色婷婷基地| 五月天婷婷综合免费| 青青草轻轻操| 黃色三级三级三级三级 qixing300.shrkbk.com www.jinbozs.com tianmiaosw.com | 色噜久| 成人综合网站| 任我肏| 不卡影院午夜理论片| 午夜福利8055| 狠狠操综合| 99精品网站| 久99热| 秋霞av不能| 婷婷五月天小说| 丁香激情五月| 这里只精品热在线18| 日良久久| 五月丁香久久激情综合| 五月激情啪啪| 亚洲av成人在线| 丁香五月另类小说在线阅读| 日本久久爽| 五月丁香六月激情| 五月丁香影院| 丁香五月婷婷啪啪啪| 激情五月天激情综合网| 色综合色综合色综合高潮| 999激情视频| 丁J香六月首页| www.99在线| 亚洲av网站| 在线只有精品| 丁香婷婷丁香五月欧美人| 久久久久98| 日韩av手机在线观看| 成人va在线播放| 99re思思在线视频| 另类天堂| 中文资源在线a | 亚洲午夜一区二区| 夜夜干 夜夜操| 人人射av| 性爱在线播放av| wwwss在线观看| 亚洲综合在线播放| 丁香久月婷| www.com在线操视频免费观看| 少妇出轨做爰高潮A片| 丁香久久| 色色丁香| 婷婷五月天成人| 五月丁香婷婷爱| 久热播这里只有精品| 欧美色图45678| www.五月婷婷久久.com| 五月丁香婷中文| 91丨九色熟女丨首页| 玩熟女五十AV一二三区| 日本三级日本三级99| 开心婷婷丁香五月| 亚洲热久久| 六月 丁香 视频| 拳交大逼| 婷婷丁香五月色| 激情五月婷婷五月| 五月丁香六月花| 婷婷五月骚厕所| 狠狠综合| 一区二区乱码视频| 超碰高清在线| 超碰av在| 欧洲MV日韩MV国产| 亚洲激情四射色| 7777国产盗摄农村女人| 丰满少妇猛烈A片免费看观看 | 牛牛色av| 五月天婷婷社区久久综合| 99亚洲精美视频在线观看| 91人操人人人操人| 操一区| 天天射综合网站| 丁香五月婷婷色情综合| 婷婷久久五月丁香| 五月色婷婷综合色| 五月丁香六月激情狠狠| 国产精品久久久久久五月天加勒比| 丁香婷婷六月天| 精品婷婷五| 怡红院院久久| 思思国产99| 色久五月天| 色视频五月天| 五月丁香六月婷婷综合网站| 丁香五月激情网| 久久丁香五月| 超PEN精品在线| 伊人热婷婷| 亚洲视频国产一区| 99啪啪网| 丁香五月婷婷少妇| 婷婷五月丁综合| 色99网站| 五月婷婷成人| 丁香六月成人| 婷婷爱爱蜜臀天天操| 天天 青草 制服丝袜 在线| 久久婷婷色丁香| 五月婷婷丁香婷婷| 99热亚洲精品| 国产成人综合亚洲| 亚洲欧洲一二| 亚洲精品色色| 久久精品亚洲一级牲爱综合| 中文字幕在线免费| 九八Av| 玖玖综合玖玖| 香蕉97碰碰碰超视精品| 激情五月激情综合俺也去婷婷小说| 人人干AV| 人人97碰| 国产3p露脸普通话对白| 色域五月丁香| 任你日热视频| 亚洲精99| 九九热最新| 亚洲激情五月| 99精品偷自拍| 在线中文亚洲| 国产色色网站网址| 精品久久这里热66| 五月香婷婷| 五月丁香888| 婷婷五月天激情网址| 思思热高清在线观看| 五月天开心网| 色色婷婷婷丁香五月天| 婷婷综合激情五月中文字幕| 天天色噜| 97久久久久久久久久久| 成人短视频在线| 思思久久青草热| 中文AV网| 亚洲日韩乱码一区二区三区四区 | 久久538| 99久热在线精品99re6热| 东京热免费视频网站| 婷婷丁香久久五月综合| 激情六月丁香| 色五月婷婷丁香凹凸| 成人电影AV在线观看| 久久五月网| 久久综合中文| 在线看av| 丁香五月欧美激情| 国产精品人人做人人爽人人添| 日本视频99| 停停五月丁香| 艹B高清无码| 99视频超级精品| 五月婷婷六月丁香在线视频| 国产做A爰片毛片A片美国| 欧美精品999| 五月婷婷影| 99re6在线视频精品免费| 99综合视频| 色激情五月| 免费视频在线观看的网站| 中文字幕婷婷在线| 欧美久久婷婷| 日韩成人不卡| 五月婷婷久久综合| 超碰91在线| 在线超碰91| 激情小说婷婷五月| 大香蕉色婷婷伊人在线| 五月丁香啪啪拍| 饮料下药迷倒漂亮女同事强干| 久久香蕉福利| 丁香五月六月欧美| 成人无码精品1区2区3区免费看| 五月丁香婷婷色色| 伊人久久婷| 成人综合视频在线| 五月丁香激情综合啪啪| 丁香六月成人| 色婷婷香蕉丁丁网| 超碰免费人| 五月丁香久久呀| 婷婷伊人綜合中文字幕小说| 99在线观看视频免费| 337p大胆噜噜噜噜噜91Av| 国产精品成人AV在线| 伊人五月天在线| 97超碰在线观看免费| 噜噜色噜噜网| 丁香五月手机视频| 亚洲a色| 久久ri精品视频| 丁香婷婷色情社区成人小说| 在线看的免费网站| 丁香五月天在线视频| 国产 亚洲 在线| 2020日日干| 五月婷婷激情五月| 97在线视频 欧美| 久久这里只有欧美| 超碰人人色| 久久九九中文字幕| 五月丁香六月婷婷操操操| 色狠狠色综合久久久绯色aⅴ影视| 欧洲日韩一区二区三区| 色色色色欧美| 欧洲第一久色| 日韩成人中文| 深夜激情网| 一操久久| 久久9久| 五月天天天综合| 在线观看免费视频| 天天拍久久| 五月天成人在线视频网站| 久久久久九九九九视屏小说88| 开心五月天激情网站| 久操大香蕉| 2050人人操免费工开爱 | 五月色导航| 国产激情综合五月久久| 激情文学 综合 九月| 五月天成人综合| 巴基斯坦粉嫰无码视频| 91久久精品无码一区二区三区| 一起草无码| 五月香蕉综合| 亚洲电影中文字幕| 久久久18| 五月丁香综合啪啪| 中文字幕簧片| 婷婷免费成人视频| 99综合一区| 97极品在线| 国产日韩精品SUV| 一区二区免费看| 婷婷五月花丁香| 六月丁香啪啪啪| 超碰自拍天堂| 五月天网址在线刘玥| 黑人巨粗进入警花疼哭A片| 九九这里是免费的视频5| 日日操,夜夜爽| VfJxEwPH| 日本va视频| 天天做天天爱天天玩夜夜爽| WWW,激情五月天,COM| 丁香五月大香蕉在线99| 99热丁香| 五月激情六月丁香| 色色色色色色色色五月先| 殴美日比视频| 五月天操逼网| 97色碰| 亚洲综合五月天婷婷丁香| 久色姿源| 91精品久久久久久综合五月天| 五月婷亚洲精品AV天堂| 丁香五月婷婷色情综合| 成人AV中文字幕| 123日本不卡在线| 日操熟女| 色呦呦美女| 五月婷丁香| 99re在线观看| 182TV大香蕉| 婷婷在线观看五月天在线视频| 99亚洲天堂| 99色热综合| 色视五月天婷婷| 五月婷婷香蕉| 亚洲精品国产精品乱码视99| 五月六月丁香激情| 人人干女人| 婷婷五月情| 操一操干一干| 亚洲视频一区| 色婷插| 婷婷99狠狠躁天天躁| 五月婷婷六月爱| 五月丁香六月成人| 色婷婷久久| yw国产AV| 伊人丁香六月婷婷| 色婷婷五月天天天天天| 久久久久99精品成人片| 亚洲热热视频| 亚洲黄色影视| 99原创自拍视频在线观看| 久艹久| 26uuu美女三级视频| 热99在线精品| 精品夜夜澡人妻无码AV| 久色网址| 欧美精品熟女一区二区| 久久美女五月天| 无码色| 深爱激情网五月| 99爱在线免费视频| 激情五月四色| www.狠狠干| av在线资源| 丁香五月婷婷免费视频| 五月丁香久人妻中文| 噜噜噜噜综合在线| 狠狠色噜噜狠狠狠狠综合| 色噜噜狠狠色综合成人网| 五月婷婷激情69| 丁香色婷婷五月天| 欧美色宗和激情| 一区二区免费看| 久久蜜臀婷婷| 99视频在线观看欧| 久操大香蕉| 欧美啪啪9| 99视频只有这里精品| 天天操人人干| 久久一品区| 天天操比比| 天天日天天插| 午夜福利成人AV91| 色婷久九| 日本婷久久| 亚洲婷婷91丁香| 久久99热这里只频精品6学生| 碰99在线| 碰97久久| 97人人操| 亚洲国产精品二二三三区 | 婷婷香五月| 丁香五月综合激情性爱| www.久久99| 99爱这里只有精品免费视频| 久热中文字幕| 亚洲国产精品二二三三区 | 激情综合国产| 亚洲人成播放网站| 综合色色网| 日本啪啪天堂| 五月天婷婷爱| 五月在在观看| 久久综合婷婷| 久久五月婷综合| 五月天色婷婷综合| 思思热久久久在线| www,8050,午夜三级| 婷婷激情四射五月天| 激情亭亭五月| 大香蕉九九| 99热6这里之有精品| 97操碰日本女人| 欧美婷婷五月丁香| 26uuu亚洲色| 激情久久肏屄视频| 九七色色六月丁香| 99超级碰碰| 深情六月婷婷综合久久| 99热一本| 香蕉久久国产AV一区二区| www、色色色| WWW.桔色成人.COM入口| 亚洲AV永久无码影院黑人| 日本一级一级一级一级| 国产激情综合五月久久| 91色五月| 九九99在线视频| 91碰免费视频| 日本狠狠色| AV在线大香蕉| 夜夜爽天天爽| 色久五月天| 亚洲色色色色色| CAoub青青超碰| 91人操| 99超在线| 婷婷五月天高清无码| 超碰色综合| 伊人五月天| 免费观看高清无码| 97操操| 深情五月天| 婷婷狠狠操| 日本全黄一级999| 丁香五月天欧美成人| 玖玖热视频| 亚洲综合五月天婷婷丁香| 欧美啪啪网| 婷婷五六日| 婷婷射图| 五月天小说激情| 色色日韩| 婷婷激情综合| 国产精品久久久爽爽爽麻豆色哟哟| www.综合久久.com| 九九热这里只有国产精品| 91人人操人人| 99精品手机在线视频| 婷婷激情丁香五月天综合| www.五月天婷婷| 超碰9799| 99色综合网| 色五月涩涩婷婷| 五月婷婷av在线| 久久色在线视频| 婷婷色在线视频| 沈娜娜av| 色婷婷在线综合色播网| 久久多色| www.九月婷婷丁香.com| 日本色婷婷综合| 99热这里只有精品1025| 久久婷婷电影| 久久婷婷五月综合色播| 99热在线爱| 亚洲激情高潮| 亚洲成人综合在线| 色婷婷激情五月天| 丁香色五月婷婷91桃色| 99无码精品| 大香蕉人妻| 久久精品99久久久久久| 超碰在线资源| 五月丁香六月婷婷在线播放| 97人妻碰碰中文无码久热丝袜| 五月丁香好婷婷A片网| 丁香五月激情啪啪| 97爱艹婷婷开心丁香激情综合| 丁香婷婷五月天亚洲| 成人亚洲精品| 久9无码视频| 久久99热在线观看| 色爱爱综合网| www.激情五月天com| AA片在线观看视频在线播放| 国产精品久久久99视频| AV在线观看网站| 1024成人在线观看| 五月婷婷丁香俺日污视频| 任你弄在线视频免费| 婷婷丁香久久五月综合| www.狠狠| Xx色综合| 色色色欧美| a色色色色色| 色五月激情婷婷| 激情久久综合| 99久在线精品99re8| 婷婷五月AV| 乱码操操| 99久久久久| 久碰视频| 天天做天天爱天天搞| 天天插综合| 狠狠色丁香久久久婷| 亚洲天天操| AV伊人青草丁香六月| 99热色精品| 99丁香五月婷| 成人国产欧美大片一区| 五月激情视频网| 国产精品久久久爽爽爽麻豆色哟哟| 91dy.av| 亚洲无码影音| 久久色这里只有精品| 日韩有码一区| 99re8在这里只有精品| 日本久久99久久| 六月丁香综合| 婷婷五月综合激情| 色婷网| 婷婷成人丁香色情基地30 | 五月婷婷中文字幕AV| 在线99色| 婷婷五月天堂| 九九综合视频在线观看| 色综合色| 丁香欧美| 亚洲蜜乳AV| 亚洲免费99| 99亚色色色| 国产欧美日韩综合精品一区二区| 日日操,夜夜爽| 激情AV中文| 成人视频一区| 欧美激情丁香五月天久久婷婷一区| 色欧美一级| 激情六月综合| 9人人操人人看| 色五月婷婷在线| 色狠狠六月| 六月综合婷婷开心伊人| 人人97碰| 激情六月五月婷婷综合网| 六月婷婷天堂| 91九色无码日韩| 色狠狠999综合网| 久草x色在线观看99| 婷婷色在线播放| av 一区三区四区| 99热超碰人| 综合一区二区三区| 26UUU成人网| 色吧网综合| 情色五月天网站| 综合久色五月| 欧洲区自拍| 天天狠狠夜夜狠狠2023| 亚洲色欲AAAAAA| 中文字幕五月久久婷| AAA久久| 噜噜噜久久亚洲精品国产品91| 99热亚洲精品| 亚洲精品久久久无码| 开心婷婷丁香五月| 久久五月天色婷婷| 免费碰碰视频久| 成人国产综合| 色综合性视频| www99久久| 99久久66综合| 欧美久久婷婷| 丁香婷在线| AV电影在线播放|