日韩精品一区二区三区在线视频放-无码中文字幕V?一区二区-成年片免费观看视频-国内少妇人妻丰满av-国产精品中文字幕免费观看-亚洲成人久久一区二区三区-国内少妇偷人精品视频无缓冲-一区二区国产精品日本一区二区三区在线网

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。

基于Python的旅游景點評論分析系統(tǒng):從爬蟲到可視化全流程實戰(zhàn)

基于Python的旅游景點評論分析系統(tǒng):從爬蟲到可視化全流程實戰(zhàn) 簡介這是一套面向數(shù)據(jù)分析初學者與旅游行業(yè)數(shù)字化實踐者的Python評論分析系統(tǒng)聚焦于從海量旅游平臺用戶評論中提取情感傾向、關鍵詞熱度與主題分布解決景區(qū)口碑監(jiān)測與游客需求洞察的實際問題。資源包共102個文件含32個核心Python腳本涵蓋數(shù)據(jù)爬取、清洗、TF-IDF特征提取、LDA主題建模及情感分類、10個Vue前端頁面實現(xiàn)分析結(jié)果可視化展示、6個PNG圖表與3個HTML報告模板配合JSON配置、JS交互邏輯及SCSS樣式文件構(gòu)成前后端分離的完整分析閉環(huán)壓縮包大小為47.7MB。已有675人學習下載提供可直接運行的工程結(jié)構(gòu)、帶注釋的算法實現(xiàn)、預置測試數(shù)據(jù)集及清晰的README說明特別適合課程設計、畢業(yè)項目或文旅類數(shù)據(jù)分析實戰(zhàn)訓練開箱即用且便于二次開發(fā)。 之前接需求時經(jīng)常要把某景區(qū)、某樂園的海量評論從頭翻到尾判斷設施好不好、服務到不到位。剛開始幾萬條評論還能靠肉眼硬刷刷到后面整個人都是麻的——評價里有夸的、有罵的、有陰陽怪氣的還有純純打廣告的根本不是一個好評率86%能概括的。后來我把這套調(diào)研流程沉淀成了基于 Python 的旅游景點評論分析系統(tǒng)爬取評論、清洗噪聲、中文分詞、情感打分、主題聚類最后疊一層可視化界面從想法到落地跑通也就一個周末的事。這篇東西的目標讀者不是算法工程師而是手里攢了一堆景點評論、想快速摸清游客真實反饋的運營、產(chǎn)品、獨立開發(fā)者。你不需要懂太深的理論照著下面的鏈路一步步走就能把很多條評論變成幾個能看懂的結(jié)論。1. 系統(tǒng)總體設計先想清楚分析評論到底要做什么很多初學者拿到這個題目第一反應是去寫爬蟲把攜程、去哪兒、馬蜂窩的評論一股腦抓下來存進 CSV 就認為項目結(jié)束了。但分析系統(tǒng)的重點從來不是數(shù)據(jù)有多少而是你能從數(shù)據(jù)里提煉出什么。我的做法是先拆解需求把整個項目分成四個層次每層只干一件事。第一層是采集層。這個層需要解決的是評論從哪里來、用什么方式抓、怎么保存。第二層是清洗層。真實評論的噪聲比你想象得多平臺會插推薦語、用戶會刷短句、表情符號和 HTML 標簽混在一起這一層要做的是把有效的中文文本抽出來。第三層是分析層也是整個系統(tǒng)的靈魂。這里要做中文分詞、情感判斷、關鍵詞提取和主題聚類讓機器能看懂每句話到底在夸什么、罵什么。第四層是展示層把分析結(jié)果變成圖表、詞云、報表甚至可以做成一個簡單的 Web 界面讓團隊里不懂代碼的人也能去操作。這個四層結(jié)構(gòu)對應到實際代碼就是一套標準的 Python 數(shù)據(jù)工作流。爬蟲部分用requests加BeautifulSoup數(shù)據(jù)處理用pandas中文分詞用jieba情感分析可以結(jié)合SnowNLP和自建詞典主題建模用gensim的 LDA可視化用matplotlib、wordcloud和pyecharts。如果你想把項目做成服務后端可以考慮 FastAPI 或 Flask如果只是想快點看到效果直接用 Streamlit 更省事。項目目錄我建議這樣組織scenic_comment_system/ ├── crawler/ │ ├── spider.py # 采集評論 │ └── comments_raw.csv # 原始評論存儲 ├── analysis/ │ ├── cleaner.py # 數(shù)據(jù)清洗 │ ├── segmentation.py # jieba分詞 │ ├── sentiment.py # 情感分析 │ └── topic_model.py # LDA主題建模 ├── visualization/ │ ├── wordcloud.py # 詞云 │ ├── charts.py # 統(tǒng)計圖表 │ └── app.py # Streamlit界面 ├── data/ │ ├── custom_dict.txt # 領域詞典 │ ├── stopwords.txt # 停用詞表 │ └── comments_clean.csv # 清洗后的數(shù)據(jù) └── requirements.txt這個結(jié)構(gòu)不是我拍腦袋定的而是踩了坑之后形成的習慣。早期我把所有代碼寫在同一個 Jupyter Notebook 里爬蟲、清洗、分析混在一起數(shù)據(jù)和邏輯邊界不清。后來數(shù)據(jù)量上來了每次重新運行都要從頭爬一遍接口一變就要改好幾處代碼維護成本極高。拆成獨立模塊之后每一層都能單獨調(diào)試爬蟲掛了不影響已經(jīng)清洗好的歷史數(shù)據(jù)分詞詞典調(diào)整了也不用重跑一遍網(wǎng)絡請求。這里有個很關鍵的選型問題為什么分詞一定要用 jieba而不是正則去匹配好評差評喜歡這種關鍵詞因為用戶評論是自然語言性價比高和價格不便宜都是關于價格的看法但前者是正向、后者是偏中性的表達排隊兩小時和排隊時間不長都涉及排隊但體驗完全相反。單純靠關鍵詞正則你會漏掉大量隱含情感。而分詞只是為了把句子切成有意義的詞真正判斷情感還需要配合情感詞典或模型這一步后面會詳細展開。2. 評論采集從靜態(tài)頁面到異步接口的爬蟲實戰(zhàn)2.1 先看頁面結(jié)構(gòu)再寫爬蟲寫爬蟲最忌諱一上來就復制別人的代碼。不同的旅游平臺頁面結(jié)構(gòu)差別很大有的評論直接渲染在 HTML 里用BeautifulSoup就能解析有的評論是前端 JS 異步加載的得去模擬接口。所以我拿到一個網(wǎng)站第一步永遠是打開瀏覽器開發(fā)者工具切到 Network 面板然后手動翻一頁評論看網(wǎng)絡請求發(fā)了什么。如果是靜態(tài) HTML你會看到一個網(wǎng)頁文檔請求里面包含評論內(nèi)容。這種最簡單直接解析即可。如果是異步加載你會找到一個 JSON 接口里面返回的是評論的數(shù)組這種反而更適合爬——JSON 結(jié)構(gòu)化程度高不用做太多解析。但異步接口通常有簽名參數(shù)比如把請求時間和密鑰拼接后做 MD5再附帶到 URL 上這就比較麻煩。實際操作中我見過用requests直接請求接口、把返回的 JSON 丟進pandas.DataFrame的做法代碼量最短成功率也最高。假設我們處理的是靜態(tài) HTML基礎采集代碼可以這樣寫import requests import pandas as pd from bs4 import BeautifulSoup from time import sleep headers { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36, Accept: text/html,application/xhtmlxml,application/xml;q0.9,*/*;q0.8, Accept-Language: zh-CN,zh;q0.9, } def fetch_comment_page(url, page_num): params {page: page_num} resp requests.get(url, headersheaders, paramsparams, timeout10) resp.encoding utf-8 soup BeautifulSoup(resp.text, html.parser) comments [] for item in soup.select(.comment-item): content_tag item.select_one(.comment-content) if content_tag: comments.append(content_tag.get_text(stripTrue)) return comments all_comments [] for page in range(1, 6): try: page_comments fetch_comment_page(https://example.com/scenic/1001, page) all_comments.extend(page_comments) print(f第 {page} 頁采集 {len(page_comments)} 條) sleep(1.5) # 控制請求頻率 except Exception as e: print(f第 {page} 頁采集失敗: {e}) comments_df pd.DataFrame({comment: all_comments, source: example.com}) comments_df.to_csv(data/comments_raw.csv, indexFalse, encodingutf-8-sig)這段代碼里有兩個容易忽略的細節(jié)。一個是resp.encoding utf-8很多新手不設置編碼抓下來的評論全是亂碼——因為部分服務器的響應頭里沒有指定 charsetRequests 會按照默認編碼去猜測。另一個是sleep(1.5)這是給自己留的禮貌緩沖避免短時間內(nèi)請求過多觸發(fā)封鎖。真要說起來控制頻率的優(yōu)先級高于偽裝 Headers你要是每秒發(fā)幾十個請求換什么 UA 都沒用。2.2 清洗層把評論從噪聲里撈出來原始評論拿到手后第一件事不是分析而是清洗。旅游平臺的數(shù)據(jù)質(zhì)量其實不高常見噪聲包括噪聲類型示例處理方式HTML標簽或控制字符p環(huán)境不錯/p、換行符用正則或 BeautifulSoup 清除平臺插入的推薦語我的旅行愿望清單根據(jù)固定文案匹配刪除純標點/純表情、按長度過濾重復評論同一用戶復制多條哈希去重廣告或?qū)Я骷游⑿?xxx關鍵詞過濾我自己的清洗函數(shù)大概長這樣import re import hashlib def clean_comment(text): if not isinstance(text, str): return None # 去HTML標簽 text re.sub(r[^], , text) # 去網(wǎng)址 text re.sub(rhttps?://\S|www\.\S, , text) # 只保留中英文、數(shù)字、常用標點 text re.sub(r[^\u4e00-\u9fa5a-zA-Z0-9。、~#%……*], , text) text re.sub(r\s, , text) # 過濾過短內(nèi)容 if len(text) 4: return None return text.strip() comments_df[clean_comment] comments_df[comment].apply(clean_comment) comments_df comments_df.dropna(subset[clean_comment]) comments_df comments_df.drop_duplicates(subset[clean_comment])去重這里我多說一句很多人直接對文本去重但平臺上同一個用戶在不同時間發(fā)的相同內(nèi)容、或者不同用戶轉(zhuǎn)載的相同文案匹配度很高。更穩(wěn)妥的做法是對清洗后的文本做 MD5 哈希再按哈希去重這樣既降低內(nèi)存開銷也避免長文本對比的性能問題。代碼里hashlib模塊就是干這個的先把 DataFrame 里的clean_comment字段變成哈希值存一列再drop_duplicates比直接文本去重要快得多。清洗完的數(shù)據(jù)建議存成 UTF-8 帶 BOM 的 CSV 格式encodingutf-8-sig這個編碼方案在 Windows 的 Excel 里打開不會亂碼。很多人在這一步偷懶用默認的utf-8結(jié)果后續(xù)拿給運營看報表的時候所有中文都變亂碼技術(shù)上看是小事體驗上卻非常掉鏈子。3. 中文評論的分詞與情感判斷從字到義的關鍵一跳3.1 為什么中文分析必須先分詞中文和英文最直觀的區(qū)別是沒有空格一句話連在一起這家店環(huán)境很好但價格偏高如果不用分詞機器看到的是一整串字符。情感分析、關鍵詞提取、主題聚類都建立在一個前提下語義的最小單位是詞而不是字。所以分詞是水龍頭后面的分析都是在喝水。jieba是目前最常用的中文分詞庫它基于前綴詞典實現(xiàn)高效的詞圖掃描再通過動態(tài)規(guī)劃查找最大概率路徑。名詞解釋一大堆但實際使用很簡單import jieba text 這家店環(huán)境很好但價格偏高排隊時間有點久 words jieba.lcut(text) print(words) # 輸出[這家, 店, 環(huán)境, 很好, 但, 價格, 偏高, , 排隊, 時間, 有點, 久]但對于旅游場景jieba的默認詞典存在一個明顯短板它不認識景點專屬名詞。云上草原會被切成云上/草原松贊林寺可能切成松/贊/林寺。問題在于用戶評論里景點名出現(xiàn)頻率很高切碎了會導致后續(xù)統(tǒng)計和情感分析結(jié)果失真。解決方案是加載自定義詞典jieba.load_userdict(data/custom_dict.txt)custom_dict.txt的格式每行三個字段用空格隔開詞、詞頻、詞性。詞頻可以不填但填了效果更穩(wěn)定。比如云上草原 20 nz 長隆歡樂世界 20 nz 松贊林寺 20 nz 外灘觀景臺 20 nz我在實際項目中維護的詞典一般有兩類詞一類是景點名稱和園區(qū)內(nèi)設施名另一類是評論里反復出現(xiàn)的口碑詞比如出片遛娃避雷等新潮表達。自定義詞典能讓jieba在切分時優(yōu)先把這些詞作為整體輸出準確率提升非常明顯。3.2 情感分析專屬詞典打分 vs 預訓練模型情感分析的目的是給每條評論打一個正負向分數(shù)。我試過兩條技術(shù)路線一條是用現(xiàn)成的SnowNLP直接算sentiments另一條是自己構(gòu)建情感詞典做加權(quán)打分。兩條路各有優(yōu)劣我的最終方案是兩者結(jié)合。先看SnowNLP的用法from snownlp import SnowNLP text 這里的風景太美了孩子玩得很開心 s SnowNLP(text) print(s.sentiments) # 0.99表示非常正向SnowNLP底層是一個樸素貝葉斯分類器用購物評論的數(shù)據(jù)訓練過開箱即用對通用語料效果尚可。但它有個致命問題面向購物領域的模型真的不理解旅游場景。風景優(yōu)美它判斷為正向沒問題但山路有點陡它可能給個負向而實際上游客可能只是在中性描述。人很多在旅游評論里往往是負面信息在購物評論里卻可能被理解為中性。所以我更推薦自己搭一套情感詞典打分器規(guī)則透明、可調(diào)可控也方便解釋。我的情感打分器核心邏輯是這樣的維護一份正向情感詞集合比如贊、漂亮、震撼、值得、劃算、舒適、推薦。維護一份負向情感詞集合比如差、坑、失望、貴、破、臟、排隊久。引入否定詞和程度副詞作為權(quán)重修正。否定詞如不、沒、別會把情感方向反轉(zhuǎn)程度副詞如很、超級、特別、非常會放大情感強度。import jieba positive_words set([贊, 漂亮, 震撼, 值得, 劃算, 舒適, 推薦, 方便, 干凈, 熱情, 好玩, 喜歡, 滿意, 美]) negative_words set([差, 坑, 失望, 貴, 破, 臟, 排隊, 擁擠, 態(tài)度差, 后悔, 不值, 浪費時間, 無聊]) negation_words set([不, 沒, 無, 別, 不太, 不是很]) degree_dict {很: 1.6, 非常: 2.2, 特別: 2.0, 超: 2.0, 太: 1.8, 有點: 0.7, 稍微: 0.8, 比較: 1.2} def sentiment_score(text): words jieba.lcut(text) total_score 0.0 i 0 while i len(words): word words[i] weight 0 if word not in positive_words and word not in negative_words: i 1 continue if word in positive_words: weight 1.0 elif word in negative_words: weight -1.0 # 回溯前面最多3個詞尋找否定詞和程度副詞 neg_factor 1.0 degree_factor 1.0 j i - 1 while j 0 and j i - 3: if words[j] in negation_words: neg_factor * -1.0 if words[j] in degree_dict: degree_factor max(degree_factor, degree_dict[words[j]]) j - 1 total_score weight * degree_factor * neg_factor i 1 return total_score這個規(guī)則的準確性不如深度學習模型但它最大的好處是閾值可控。比如我可以把所有分數(shù)大于 0.2 的評論定義為正面小于 -0.2 的定義為負面中間的是中性。業(yè)務方要調(diào)整口徑只需要改詞典或者調(diào)閾值比讓模型重新訓練要快得多。3.3 抽一批人工標注驗證情感結(jié)果的靠譜度情感分析跑完后一定要做抽檢。我自己踩過幾次坑就是算法跑完直接上報表結(jié)果運營反饋這個景區(qū)好評率怎么比OTA平臺高這么多——原因就是詞典里漏了當?shù)胤窖曰蛱囟ū磉_。比如某些地區(qū)游客常用巴適絕絕子上頭這類詞不提前加入詞典模型就會把它們當成中性導致好評率虛高。抽樣驗證的做法很簡單從清洗后的數(shù)據(jù)里隨機抽 300 條人工打標 1正面、0中性、-1負面再和算法的打分對比計算準確率。如果準確率低于 80%就要回頭去補詞典。這步雖然麻煩但在真實項目里是讓系統(tǒng)可信的必經(jīng)之路。畢竟老板看的不是你的代碼而是你給出來的結(jié)論準不準。4. 游客關注點挖掘讓干凈整潔和排隊久自動聚成不同主題4.1 高頻詞統(tǒng)計先看大家都在聊什么情感分析回答了游客對整體是褒是貶但沒回答游客到底在關心什么。要回答這個問題先做高頻詞統(tǒng)計。把分詞后的結(jié)果去掉停用詞統(tǒng)計詞頻取前 30 個詞畫柱狀圖基本就能看出一個景區(qū)的口碑關鍵詞。停用詞表要單獨維護不能直接把網(wǎng)上下的通用中文停用詞表拿來就用否則會漏掉一些關鍵信息。比如景區(qū)這個詞在通用停用詞表里沒有但在幾乎所有評論里都出現(xiàn)如果不加進停用詞詞頻榜第一永遠是景區(qū)毫無分析價值。我處理詞頻的時候通常還會做一個額外的過濾只保留長度大于等于 2 的詞同時把我們、你們、可以、還是這類虛詞塞進停用詞表。4.2 LDA 主題建模把數(shù)千條評論壓縮成幾個可解釋的話題高頻詞只能給我們零散的印象風景、門票、排隊、孩子各自頻率很高但它們之間是什么關系哪些詞經(jīng)常一起出現(xiàn)在同一類評論里這正是主題建模的用武之地。我用的 LDALatent Dirichlet Allocation是一種經(jīng)典的概率主題模型它假設每篇文檔一條評論是由若干主題混合而成每個主題又是一組詞的概率分布。拿到結(jié)果后人只需要看每個主題的高概率詞就能判斷噢這個話題講的是交通這個話題講的是親子設施。代碼實現(xiàn)如下from gensim import corpora, models import jieba def load_stopwords(path): with open(path, r, encodingutf-8) as f: return set([line.strip() for line in f]) stopwords load_stopwords(data/stopwords.txt) texts [] for comment in comments_df[clean_comment].tolist(): words jieba.lcut(comment) words [w for w in words if w not in stopwords and len(w.strip()) 1 and not w.isdigit()] texts.append(words) dictionary corpora.Dictionary(texts) dictionary.filter_extremes(no_below2, no_above0.8) corpus [dictionary.doc2bow(t) for t in texts] lda_model models.LdaModel( corpuscorpus, id2worddictionary, num_topics5, passes15, random_state42, ) topics lda_model.print_topics(num_words8) for topic in topics: print(topic)num_topics5是我個人常用的起點不是拍腦袋。主題數(shù)設置太少會把排隊久和衛(wèi)生差硬揉成一個主題設置太多每個主題的詞都沒什么區(qū)分度。實操里我習慣用可解釋性優(yōu)先的方法分別跑 3、5、8、10 個主題看一眼每個主題的高頻詞是否像在描述同一個話題。如果某個主題的詞是風景、門票、排隊、吃飯、孩子這種亂七八糟的內(nèi)容說明主題數(shù)太少如果兩個主題詞重疊嚴重說明主題數(shù)太多。等模型收斂之后再把主題映射回原始評論看每個主題下最典型的幾條評論做最后一輪人工核驗。4.3 負面評論專項挖掘光看整體主題還不夠我更建議把負面評論單獨切出來做專項挖掘。做法是用情感打分器篩出評分最低的 20% 評論再對這些評論做 LDA 主題聚類。這樣得到的主題通常更尖銳比如停車場離入口太遠雨季道路泥濘纜車排隊時間過長。這一步對業(yè)務方最有價值因為正面口碑大家憑直覺就能說個大概但負面槽點往往很分散不靠數(shù)據(jù)很難系統(tǒng)發(fā)現(xiàn)。我做過一個景區(qū)項目整體好評率超過 85%但負面評論單獨聚類后發(fā)現(xiàn)步行街商業(yè)化過重商家重復收款是兩大高頻槽點這兩個問題藏在整體好評率的數(shù)字里根本看不出來。5. 從數(shù)據(jù)到界面可視化與輕量級系統(tǒng)呈現(xiàn)5.1 詞云與統(tǒng)計圖表分析結(jié)果如果只存在 CSV 里價值有限。讓不懂代碼的同事也能看懂必須可視化。詞云是最直觀的展示方式但中文詞云有個經(jīng)典的坑必須指定中文字體路徑否則畫出來全是方塊。WordCloud 的font_path參數(shù)要指向系統(tǒng)里的一個中文字體Windows 下一般是simhei.ttf或msyh.ttcmacOS/Linux 下需要找本機的字體文件。import matplotlib.pyplot as plt from wordcloud import WordCloud word_freq {} # {詞: 頻次}由前面詞頻統(tǒng)計得到 wc WordCloud( font_pathC:/Windows/Fonts/simhei.ttf, width800, height600, background_colorwhite, max_words100, colormapviridis, ) wc.generate_from_frequencies(word_freq) plt.figure(figsize(10, 8)) plt.imshow(wc, interpolationbilinear) plt.axis(off) plt.savefig(visualization/wordcloud.png, dpi200)詞云之外我還會畫三個基礎圖表情感分布餅圖、評論量時間趨勢折線圖、主題占比柱狀圖。這三張圖配合詞云基本覆蓋了游客情緒、客流趨勢、關注熱點三個最常用的分析維度。5.2 用 Streamlit 快速搭一個分析系統(tǒng)界面如果你想把這個項目轉(zhuǎn)化成團隊可用的系統(tǒng)而不是留在自己電腦里的腳本我推薦用 Streamlit。它能用 Python 直接寫交互界面不需要前端知識改完代碼保存瀏覽器自動刷新。下面是一段極簡展示代碼import streamlit as st import pandas as pd from collections import Counter from snownlp import SnowNLP st.set_page_config(page_title旅游景點評論分析系統(tǒng), layoutwide) st.title(旅游景點評論分析系統(tǒng)) df pd.read_csv(data/comments_clean.csv) # 側(cè)邊欄 st.sidebar.header(篩選條件) source_filter st.sidebar.multiselect(數(shù)據(jù)來源, optionsdf[source].unique(), defaultdf[source].unique()) sentiment_threshold st.sidebar.slider(情感閾值, -1.0, 1.0, 0.0) filtered_df df[df[source].isin(source_filter)] # 情感分析展示 st.subheader(評論情感分布) sentiments [] for text in filtered_df[clean_comment].astype(str).head(1000): sentiments.append(SnowNLP(text).sentiments) filtered_df[sentiment] sentiments st.bar_chart(filtered_df[sentiment].value_counts(bins5).sort_index()) # 高頻詞展示 st.subheader(高頻關鍵詞Top20) all_words [] for text in filtered_df[clean_comment].astype(str): all_words.extend(text.split()) word_counter Counter(all_words) st.write(word_counter.most_common(20))Streamlit 的組件是自上而下順序渲染的用戶每次操作滑塊或多選框腳本都會重新運行。這個特性既降低了開發(fā)成本也意味著數(shù)據(jù)處理邏輯要盡量輕量化否則每次交互都要等很久。如果數(shù)據(jù)量大建議事先把預處理結(jié)果以 parquet 或 CSV 存在本地Streamlit 直接讀結(jié)果而不是每次現(xiàn)算。6. 實測中的深坑與排查復盤6.1 爬蟲頻率過高導致 IP 被限制第一次完整跑采集腳本時我用了 10 個線程并行抓取每秒鐘發(fā)出 20 多個請求結(jié)果不到 3 分鐘目標頁面直接返回 403。排查過程是先看響應狀態(tài)碼發(fā)現(xiàn)所有請求都被拒絕拿瀏覽器測試又能正常打開基本確定是 IP 被臨時限制。后來把并行改成串行請求間隔提高到 2 秒并且隨機在 1 到 3 秒之間取一個值問題解決。這個教訓告訴我對目標站點要保持合理克制采集量夠用即可不要追求極致的抓取速度。尤其是做分析系統(tǒng)樣本量達到幾千條、覆蓋主要時間段就能得出結(jié)論沒必要把平臺所有歷史評論都薅下來。6.2 jieba 分詞錯誤導致詞頻統(tǒng)計失真有一次我在統(tǒng)計某景區(qū)評論的高頻詞漂流好玩被 jieba 切成了漂流/好玩這個沒問題但玻璃棧道被切成了玻璃/棧/道導致棧道單獨變成一個詞詞頻排名虛高。這類問題不仔細看數(shù)據(jù)很難發(fā)現(xiàn)后來我學乖了每輪詞頻統(tǒng)計后隨機抽 20 條原文和分詞結(jié)果對比發(fā)現(xiàn)詞典缺失就立刻補進自定義詞典而不是等最后報表出來再返工。6.3 停用詞表不是越全越好網(wǎng)上能下載到幾千詞的停用詞表但我試過直接塞進去之后分析結(jié)果反而變差了。原因是一些停用詞表把沒什么不好不太這種帶否定含義的短語也放進去了導致情感分析完全丟失否定信息。比如環(huán)境不太好如果被分詞器切成了環(huán)境/不太好而不太好又被停用詞表吃掉那這條評論在情感分析里就等于環(huán)境變中性了——這是很嚴重的錯誤。正確的做法是停用詞表只清理的、了、很、在、是這類無實際語義的虛詞帶語義傾向的詞一律不能進停用詞表。6.4 主題數(shù) K 的選擇不能只依賴困惑度LDA 有一個經(jīng)典的困惑度指標理論上困惑度越低模型越好但實際使用中困惑度最低的主題數(shù)往往不可解釋。我跑過一次 10 個主題的模型困惑度很低但一半主題都圍繞停車場、門票、排隊打轉(zhuǎn)幾乎沒有區(qū)分度。后來我采用人工可解釋性優(yōu)先的原則跑多個 K 值看每個主題的高頻詞選最貼近業(yè)務認知的那組參數(shù)。畢竟這個系統(tǒng)最終是給人看的機器指標再漂亮人看不出話題差異就沒有意義。7. 如果你是第一次做這個項目可以按這個順序推進我見過不少人在這個項目上卡住原因不是某個技術(shù)點有多難而是順序錯了。有人先搞了三個月的爬蟲結(jié)果發(fā)現(xiàn)數(shù)據(jù)清洗和分析才是重點有人一開始就想上深度學習情感模型結(jié)果連基礎的分詞和統(tǒng)計都沒做扎實。我的建議是先做一個最小閉環(huán)。只用 500 條評論走通采集 - 清洗 - 分詞 - 情感打分 - 詞云 - 簡單報表這條鏈路哪怕界面只是一個 Jupyter Notebook 里的幾張圖也算跑通了。然后在這個基礎上迭代擴充數(shù)據(jù)量、補充專屬詞典、加 LDA 主題分析、上 Streamlit 界面。這個順序能幫你盡早暴露問題。比如你會很快發(fā)現(xiàn)情感詞典里漏了多少表達你會發(fā)現(xiàn)某個景點的負面評論和停車場高度相關這是靠看原始數(shù)據(jù)永遠總結(jié)不出來的規(guī)律你還會發(fā)現(xiàn)當你把系統(tǒng)交給非技術(shù)同事用他們最大的痛點不是分析準不準而是界面進入門檻高不高。所以系統(tǒng)的價值不在于算法參數(shù)調(diào)得多花哨而在于它能否穩(wěn)定地回答三個問題游客覺得怎么樣游客最關心什么哪些問題最需要優(yōu)先解決把這三個問題答好這個系統(tǒng)的意義就遠超一個好玩的 Python 項目了。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
精品人妻一区春色| 白嫩国模丰满一二三区| 色五91| 操老熟女AV| 99久久国产精品免费高潮| 亚洲天堂 视频你懂的| 精品乱码久久久久| 国产超碰AV在线精品| 国产超碰国产97| 亚洲男人的天堂一区二区| 色欲久久99国产精品久久久久久| 伊人热综合| 男人天堂2019亚洲| 久久久久ab| 天美传媒AV在线| 少妇高潮对白在线观看| 97AV在线免费观看| 91高清无码下载| 躁躁日曰躁2020| 日韩熟女精一区二区三区不卡| 精品无码久久久久久国产浪潮| 九九九九九九九精品视频| 亚洲男人天堂2012| 老外又粗又长一晚做五次| www超碰| 成人资源中文字幕在线观看| 亚洲免费人妻在| 国产精品久久久久久久久久久久久久久久久久 | 啊啊啊啊啊好大好舒服想要| 亚洲欧洲av影音| 国产高清1234区| 欧美色图亚洲激情| 人人操天天爽| 天天综合网日韩| 久久久久久性爱片| 亚州一区二区成人片免费| 综合激情97 | 国产一级高清免费观看| 精品一区二区人妖| 日韩淫色网| 欧亚乱色熟女一区二区| 亚洲一二三| 欧美玖玖爱免费玖玖| aaa亚无码专区| 91久青| A一区片| 国模吧 一区二区三区| 少妇久久久免费| 91动漫操逼视频| 热热色AV| 一线黄色免费性爱片| 动漫av中文| 大香蕉www.超碰| 色老牛| 韩国黄片aaaa| 中文乱码字幕观看视频| 久久久久久久久久久999| J?P?NESEHD熟女熟妇伦| 无遮挡h肉动漫在线观看| 求求你操操我| 青椒国产97在线熟女| 天堂综合| 日韩人体偷拍| 国产午夜福利电影免费在线观看| 一区二区三区成人 | 国产午夜福利专区综合| 国产性爱欧美性爱在线 | 激情小说图片亚洲首页| 夜夜福利| 啊啊啊操一区| 日本熟女中文字幕一区| 精品人妻一区二区三区四区| 激情文学欧美| 免费少妇一区二区| 97视频播放| 日韩 人妻 精品| 乱久久久| 青娱乐导航AV| 久久精品性| 嗯嗯不要视频| 国产欧美成人精品| 午夜呻吟欧美| 日本肉体xxxx裸交| 麻花豆传媒剧国产MV出差| 欧美日韩色| 任我爽视频在线观看| 日本一区二区做爱的视频| 亚洲天天天| 一区二区三区四区五区高清无码永久视频 | 啊a一区在线| 欧美性第一页| 精品女同一区| 五月婷婷综合在线| 干婷婷综合网| 国产精品原创巨作?v网站| 尤物视频偷拍免费| 国产精品蜜乳AV| www国产无码| 97色视频在线| 天天干天天操天天拍| 免费在线黄片视频| 琪琪精品免费一区二区三区| 久久久久9999| 免费国产视频| 天天色综合影视网| 亚洲古典另类欧美在线| 国内毛片热久久思思热| 青青五月天| 亚洲91大片| 人人爽天天爽| 超碰97起碰| 亚洲一本大道中文字幕无码在线| 欧美日韩亚洲一区二区在线观看| 免费精品无码一级毛片牛牛影视| 美欧色综合| 欧美后入式| 精品一二三区女同| surenchaopeng| 欧美精品宗合| 丝袜足交视频| 加勒比综合在线| 日本顶级天天操狠狠操夜夜操中文字幕| 伊人97色天使| 欧美欲色| 97色色国产视频| 91人妻超碰| 熟妇在线视频一区二区| 欧美激情综合色综合啪啪五月| 无码WWW免费视频网站| 丁香婷婷五月| 国产精品96久久久久久| 精品一区二区三区国产| 九九九九精品| 伊人五月天婷婷| 青娱乐休闲视频在线观看| 天堂性色| 国产后入| 91人精品妻入口| 人人干人人操人人爱| 超碰午夜| jiujiujiujingpin| 九九九九九精品十六| 中文字幕女同在线| 精品无码产区一区二| 视频在线中文字幕| 97视频一区| 神马午夜久久久| 少妇500双飞99| 伊人国产视频| 伦理日韩国产久久| 久久人体一区二区| 中出后入| 日本精品九九九| 一级免费精品| 人妻丝袜美腿中文字幕| 亚洲色人| 人人操人人摸人人看人人插| 日本天天操| 国产精点久久久成人| 一区二区三区欧美激情| 亚洲情色1区| 淫骚熟女一区二区三区| 污电影在线观看| 日本不卡高清视频| 人、人、摸,人、人、草| 人人摸人人叼| 激情久久久| 91色碰| 国产精品2020| 欧美性天天影院| 久久99久久99精品天美传媒棢·纸:. | 色五月激情网| 啊啊啊啊啊操我视频| 加勒比综合九九99视频在线播放| 物业黑人 AV一区| 九热超碰| 高清孕妇孕交| 性开放中文AV高清无码免费看| 亚洲乱熟女一区二区三区大香蕉| 中文字幕在线观看视频www| 亚洲18禁| 亚洲九九视频在线观看| 中文字幕在线观| 亚洲国产av中文字幕久久| 欧美十八禁网站| 91人妻爽爽人人做人人澡| 久超超碰| 一区二区影视| 亚洲中文国际强奸字幕| 伊人97超碰| 亚洲AV不卡在线观看尤物| 成人草草视频| 欧美精品日韩久久久九| 大奶啊啊好爽| 五月天欧美色图| 女人久久久| 人人妻人射| 日韩精品一区二区三区四虎影视| 狠狠躁日日躁夜夜躁A| 久久久月天| 成人一道本免费视频| www.色婷婷色综合| 久久综合超碰| 婷婷伊人五月| 五月天激情小说网| 校园春色欧美| 免费的很黄很污的全部视频| 日韩人妻少妇中文字幕| 97 国产精品| a一区二区三区乱码在线| 高清无码网址| 嗯嗯嗯啊啊在线观看| 中文字幕丰满子伦无码专区在线视频最新| 天天色播亚洲综合网站| 五十路二区在线| 青青在线视频日韩欧美| 五月婷婷爱六月丁香色| 性交一区二区在线播放| 国产精品久久久久无码A√| 激情网五月天| 久久免费9| 九九黄色视频在线观看| 久久成人东京热人妻| 欧美一区二区日韩三区| 国产白领连续中出在线观看| 中文字幕三四五区| 亚洲性爱高潮影院| 99999久久精| 日本在线不卡v二区| 在线视频一区二区传媒| av网站免费看| 精品少妇后入一区二区三区四区人妻巨乳 | 国产精品另类| 欧美黄片视频在线观看免费| 91男同| 国产高清在线观看欧美| 超碰在线人妻不卡| 五月丁香黄色网| 97爱免费插| 懂色Av| 黑操B| 久久内射| 懂色综合久久久| 天天亚洲| 精品人妻二区三区| 天天狠操| 嗯嗯啊好大| 日日夜夜精品| 99福利社| 国产无马av| 91青青在线| 丁香五月综合| 少妇久久久| 国产原创精品| 亚洲密乳AV| 欧美人妻色| 操逼片国产| 天天插天天操天天摸天天射天天看| 99re热有精品视频国产| 国产第11页| 国产1769在线| 久久东京热久久| 超91综合网| 另类欧美色| 污到发麻的视频 国产| 国产在线观看一区二区三区| 超碰97色色| 国产av强奸美女| 亚洲丝袜99| 久久香蕉综合一本到3atv| 色婷婷一区二区三区久久午夜| 国产强奸超碰AV| 啊啊啊轻点在线观看| 综合一区中亚洲国产成人综合精品| 国产馆| 97国产色综合| 一级特级aaaa毛片免费观看| 花花AV导航| 亚洲瓯美色图| 99色色网| 成人性爱免费播放| 熟女一区二区三区四区| 91neishe| 综合在线导航一区| 亚洲中文字幕av| 欧美亚洲国内自拍| 岛国福利在线精品播放| 欧美日本视频一区| 久久综合18p| 亚洲精品xxx| 久久久偷拍| 欧美丝袜激情| 亚洲无码99| 乱伦熟妇一区二区| 天堂av最新电影网| 天天天肏屄欧美| 国产精品无码av在线| 啊啊啊啊嗯嗯在线久久久| 中文字幕丝袜美腿| 日韩欧美俄罗斯A片| 欧美色图91| 后入式在线免费观看60秒| 色香色欲天天综合网天天来吧 | 欧美在线观看综合国产| 久久久久久久人妻丝袜| 91M一社| 另类av天堂| 啪啪一区| 日本一区二区成人在线| 久久久久久久免费A片国产成a人亚洲精∨品无码 | 国产精品九9| 搡老熟女老女人老熟妇免费视频| 熟妇乱伦一区二区| 久久啊啊| 蜜臀久久精品久久久久视频| 国产老熟女| 国产成人网| 岛国在线免费视频| 成 人 A V免费视频在线观看| 1204人成网站色www| 亚洲AV资源| 婷婷五月成人| 免费一级精品啪啪视频| 男人的午夜天堂| 亚洲 中文 欧美 日韩 在线| 亚洲综合99999| baisiav| 天天看,天天做| 久久久久亚洲AV无码专区少妇| 东京热毛片177b2viP| 国产夫妻性生活视频| 欧美精品 - 91爱爱| 一区二区三区精品黑丝白丝酒店对鸡| 加勒比久久综合网高清| av在线播放国产一区| 国产区在线| 91综合天天看| 国产精品69久久久久孕妇欧美| 久久夜嗨| 2019天天操天天爽天天拍| 开心五月天激情网| 色婷婷狠狠| 日韩国产成人自拍视频| 亚洲成人日韩小说| 黄色一区二区秘书性感| 人人看人人爰人人操| 精品日韩人妻视频| 日韩在线欧美精品一区二区| 亚洲成人精品在线一区| 国产一区二区二区按摩精品啪视频| 青娱乐黄色录像| 色69大色97香蕉| 欧美日韩精品青青| 欧美亚洲特P| 色香网| 插B在线观看| 少好三P| 夜夜夜夜爽| 国产熟码AV| 亚洲和欧美裸体美女双飞视频| 人妻人人澡人人爽人人| 熟妇人妻一区二区三在线 | 夜夜嗨TV| 校园春色第一页| 国产区在线| 九九在线视频| 囯产精品一区二区三区线|亚洲人成无码网WWW动漫|国产精品免费一级... | 色拍偷亚洲| 亚洲限制级| 美女诱惑在线一区| 久久天堂网| 亚洲玖玖爱| 91制服丝袜| 人乳av| 国产91丝袜在线播放蜜月| 久久↗↗| www男人天堂| 色九久| 久久久96| 久久五十路熟女人妻| 2021久久国产综合精品青草| 天堂俺去俺来也www久久婷婷| 亚洲中文一区二区三区| 乱伦3P视频| 狠狠综合网| 三级三级三级日本99| 99re这里只有精品3| 欧美久久婷婷| 亚洲综合草草| 蜜臀99久久精品久久久久久| 91久久久亚洲| 人人操人人插人www| 麻豆啪啪啪视频| 另类图片五月| 欧美在线视频播放| 超碰91在线| 日韩欧美操逼xxx| 日本性爱不卡视频| 久久熟女人| 男人的天堂日本东京热| 婷婷激情丁香| 八戒无码国产午夜福利| 综合久久中文字幕综合日韩精品| 丰满少妇人妻久久久久久| 99啪啪| 超碰97综合网| 亚洲国产另类在线中文| 无码黑人精品一区二区三区三| 99操碰| 欧美色图片91| 天天操天天干美女网址导航| 91被操| 丝袜大香蕉| 亚洲情色图片区| JuliaAnnXXX888| 一级做a爰片久久毛片图片| 在线国产探花| 久偷拍| 老司机香蕉久久久久| 亚洲另类小说卡通动漫| 九九av| 欧美亚洲涩涩| 蜜臀一区二区三区在线| 91狠狠综合久久| 熟女一区二区三区| 国产资源中文字幕在线| 大香蕉久久| 九九国产热| 91精片| 一区在线国产播放| 在线亚洲丝袜视频网站| 国产一区二区免费福利片| 992这里有精品| 伊人96在线| 国产Av超碰| 97AV爱| 阿姨一区二区免费视频-高清正片西瓜视频下载app-T450AV | 夜草欧美| 久久久精品中文字幕爱豆| 九九久久99| 狠狠爱综合| 国产又大又粗又长视频在线| 亚洲色图 91| 精品人妻av在线播放| 青青草原综合久久大伊人精品| 校园激情狠狠四射| 久久艹逼视频| 99热日| 亚洲中字幕日本一区二区三区 | 竹菊影视国产一区二区| 久久伦理视频久久大香蕉视频| 日韩视频中文字幕| 天天影视网综合少妇| 国产又粗又长的视频| 果冻国产精品麻豆成人av| 丝袜翘臀后入欧美校园亚洲自拍另类小说一区中文字幕少妇诱惑 | 无码操逼视频一下| 天天干2区3区| 无码精品久久久久久亚洲| 国产亚洲精品第一最新| 一区二区不卡免费| 操逼网站视频漫画国产| 蜜臀网址在线| 日本天天色| 中文字幕精品亚洲熟女| 无码聚合| 一本一道久久综合久久| 色噜噜狠狠色综合日日| 91色婷婷综合久久中文字幕二区| 久热久| 男同专区一区二区三区在线| 大香蕉伊人色偷偷在线| 久久在肏| 丰满翘臀美女影院视频| 美女裸体无遮挡永久免费观看网站| 91Chinese在线| 麻豆av一区二区| 欧美日韩超碰在线| 91狠狠综| 国产极品久久久| 久久久久免费看少妇A片特黄| 美美91成人国产精品欧美精品久久久久久久| 日本高清免费一本视频在线观看| 91l欧美在线| 黄片免费视频2019| AV色五月天| 日韩成人性爱电影在线播放| 蜜臀久久精品久久久久视频| 亚洲av淫乱| 久久嫩草| 330Dv国产女人终合视频极品人与兽| www.伪伪| 欧美线天码中字| 激情综合亚洲| 欧美日本成人一区二区| 最新av在线| 日韩av在线免费网站| 国产一线二线三线av| 欧美性天天影视| 无遮挡男女激烈动态图| 日本免费一区二区不卡| 久久性爱大全| 男人的天堂2018| 亚洲AV不卡在线观看尤物| 亚洲色图殴美色图激情乱伦| 97精品免费视频网站| 中文97国产| 亚州AV无码国产精品| 国产精品9999| 久操大香蕉超碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰 | 亚洲九区| 日韩免费一级性爱视频| 国产av色网| 翘臀vidoes| 琪琪精品免费一区二区三区| 超碰超碰超碰超碰的大鸡吧操黑丝袜 | 亚洲欧美国产其他二区| 在线αⅴ| 高颜值美女口爆高潮浪叫| 亚洲 中文 女同| a天堂视频| 91色图| 伊人嫩草| 女生自91网站| 大香蕉中文201| 久久超碰、| 新版天堂中文资源8在线| 亚洲中文字幕在现观看| 破处bbq| 天天日日本| 色五月网址| 一区AV| 极品美女嘿咻| 久草精品一区| 久久这里精品国产99丫e6| 91狼人| 亚瑟国产精品久久无码| 日本三级一区二区 在线| 日韩啪啪视频| 欧美夜色| 久久女人视频| 久久久无码国精品无码三区三区| 国产午夜无码片在线观看影视 | 久久一二三四五六七八九区区| 无码少妇精品一区二区60岁老人| 日韩性爱1级片视频| 午夜精品久久99蜜桃的功能章节| 亚洲加勒比色图| 欧美乱妇狂野欧美在线视频| 亚洲春色激情小说| 天天爽人人综合免费7799| 一线黄色免费性爱片| 亚洲日韩av专区无码| 97资源亚洲| 亚州五月| 骚鸭AV| 四虎影视永久在线观看精品免费网站 | 国产一区二区在线看| 99综合自拍| 久久黄黄| 久久一二三四五六七八九区区区 | 久久久久久久9| 大香蕉手机在线| 人妻素股| 97操综合| 久欲AV| 天美传媒av一区二区| 另类av天堂| 操香逼| 日本不卡码黄色| 久久久久久久久久久人妻| 久久国产精品一级二级三级| 亚州精人品大香蕉| 天天影视综合网欧美精品| 日本超碰在线国产一区| 99这里有精品视频| 亚洲 综合 欧美| 中文字暮97| 五月天黄色av| 91九色丨国产丨爆乳| 麻豆AV一区二区| 91在线限制级| 日韩精品第3页| 夜草欧美| 嫩草 我啊~嗯~在线| 欧美在线 亚洲| chaopen97久久| 啊啊啊啊嗯嗯在线久久久| 国产精品另类| 九九九九精品九九九九| 夜夜草我| 丝袜人妻av一区二区| 久久伊人亚洲AV无码网站| 久久久久免费看少妇A片特黄| 99在线无码精品秘 入口黑人| 久操网线| 亚洲精品美女久久久久久久久| 久久久男人的天堂| 日本黄色天堂| 亚州综合在线| 嫩草黄页| 欧美综合色,www| 精品一区99999| 天天狠| 中文字幕精品丝袜| 夜夜综合| 久操电影网| 麻豆精品一区二区三区四区免费观看| 人人做,人人操,人人摸| 国产精品嫩草影院免费| www.婷婷六月天| 看日韩美女二区三区免费操逼视频 | 久久99操天天日| 91大神电影天堂| 小骚逼被操的爽不爽| 97欧美日韩精品| 日韩电影在线观看网址| 久操视频资源站公开| 性爱精品一区| 不卡人妻少妇精品毛片一区23区视频| 欧美日韩国产电影| 啊啊啊啊无码| 国产一区二区三区不卡手机在线| 九九九九97| 特色a在线上| 色在线亚洲视频www| 亚洲成人在线播放| 97AV在线免费观看| 99热这里只有精品18| 熟妇xxxxx性春色| 91九九| 97午夜剧场日韩| 亚洲熟妇综合久久久久久| 九热中文字幕| 韩国三级理论在线| juliaann丝袜大战黑鬼| 久久久新亚洲AV| 欧洲熟妇xxXx欧美老妇裸体| 歐美性天天| 国产强奸乱伦第1页| 国产亚洲色婷婷久久99精品91葵花宝典| 国产熟女少妇一区| 亚洲图片欧美另类综合免费视频大大香| 国产强奸乱伦第1页| 日本亚洲熟女视频| 91在线视频免费中出| 精品二区久久| 免费亚洲黄色视频在线观看| 青青青国产| 99热精品在线| 欧美综合网1| 日本人妻中文字幕精品| 老熟女91av| 99999国产精品| 天天躁日日躁AAAXX| 综合激情一一91| 在线国产福利网址导航| 亚洲人妖网| 国产探花日韩援交| 看黑丝美女操逼青青网站| 久久狠狠色噜噜狠狠狠狠97| 久久香蕉国产传媒一区剧情天美| 99久久久| 久久精彩免费视频| 日韩一级二级三级| 99性爱视频| 国产精品久久久亚洲第一牛牛_在线观看 | 97自拍视频在线| 久久成人东京热人妻| 333kkkk·亚洲com久久| Aa东京男人的天堂| 亚洲最新a在线观看| 神马久久69| 天天色黄色影院天天操| 熟女欧美日韩综合婷婷| 亚洲图片激情综合另类| 神马久久69| 久久亚洲AV无码专区国产精品| 亚洲伊人久久精品影院| 蜜乳AV一区二区三区四| 国产精品大屁股999| av资源在线观看少妇| 亚洲色天堂九9| 熟妇人妻精品一区二区| 99精彩视频| 啊啊啊啊啊啊好多水| 欧美色三级片91| 日韩性爱小视频| 精品美女在线视频| 亚洲av综合色区图片亚洲| 99国产精品久久久在线播放| 中国女人内射6XXXXX| 熟女91网| 开心五月激情网| 欧美在线播放| 精品人妻一区二区乱码一区二区 | 欧美麻豆成人同性GⅤ在线| chaopen97久久| 色婷婷五月天| 一区AV| 亚洲的天堂网| 97干在线| 乱性AV| 偷拍片久久| 大香蕉久操| 人人操人人色网| 丝袜视频一区二区在线播放国产中文| aaaa少妇高潮大片| 无人区高清电影免费观看一区二区三 www.qmcai2.com | 乱欲一区二区| 三及片网站| 在线 亚洲 网爆 自拍| 欧美经典一区二区三区| 78精品在线| 天天看人人操屄犊摸阴| av天堂手机版追回| 欧美日韩中文视频播放| 综合色拍| 精品 码产区一区二-1080P高清在线www-B029AV | 九九国产热| 婷婷色五月激情| 欧美亚洲自拍另类人妻| 男女性扦B| 97香焦色区| 温婉少妇玩3p| 天天澡天天爽日日AV| 精品国产久久乱码| 欧美日韩99精品麻豆传媒| 日韩国产欧美伦理在线| 深夜视频| #NAME?| 一色网男人的天堂| 国产99久久99热这里只有精品15 | 青草园大香蕉| 日韩女优在线| 国产粉嫩出水在线播放| 色欲久久久久综合网| 欧洲自拍第一页| 日逼五月天| 国产丝袜视频| 日韩一区二区三区四区五区 | www.99热| 欧洲成人性爱视频| 91在线免费精品视频| 超碰97综合网| 在线色导航| 狠狠超| 精品人妻一区二区蜜桃视频| 久久亚洲熟妇在线视频| 亚洲夜色在线| 超碰人人超在线观看| 9丨亚洲一区二区在线| 91天天综合日韩欧美| 人人九九精| 亚洲第91页| 日韩精品高清资源在线| 玖玖在线视频| 果冻国产精品麻豆成人av| 99e久久国产精品| 无码78| 狠狠色五月亚洲91| 九九人妻| 日日摸日日碰| 久久伊人青青草| 岛国AV一区二区电影| 免费夜夜爱黄色视频毛片| 热99这里只有精品| 亚洲高清无码在线桃色| 超碰国产精品久| 国内精品嫩模A∨私拍小视频| 91精品人妻| 美女黄页网站| 加勒比综合在线| 久久久性少妇| 日韩欧美蜜桃精品久久中文字幕久久| 亚洲男人的天堂在线看| 久草新免费| 天天插夜夜操| 色综合一本| 成人五月天丁香激情综合| 久久春色| 丰满人妻一区二区三区| 天美传媒AV在线| 大香蕉狠狠爱| 91亚洲综合在线| 成人三级片一区二区三区视频| 97综合久第一页| 国产丝袜高跟美女av免费观看| 久久久久大香青草精品综合| 大香蕉男人的天堂| 美日韩一二三区| 精品人妻无码一区二区三区不卡-精品人妻无码一区二区...|精品少妇一区二区三 | 91久热这里只有精品| 日本特黄f c2| 久久a久久| 男人的天堂在线2| 欧美精品丝袜久久久中文字幕| 日韩熟女精品无码专区一区二区| 国产怡红院| 91夜色chaopeng| 久久鲁夜| 国产和美国毛片| 精品久操| 精品天堂| 在线日韩日本亚洲国产| 大香蕉乱级| 很黄很色的视频在线观看| 久久久无码av精| 青娱乐日韩无码| 首页亚洲国产高跟丝袜诱惑视频 | 欧洲亚洲国产综合在线| 黑人狂躁日本妞一区二区三区| 岛国AB视频| 成人综合久久精品色婷婷| 六月激情网| 久久综合日韩亚洲欧美| 91总综合网| 中文无线日韩一区| 美女尤物福利视频| 亚洲妇色| 大屁股熟女一区二区三区| 久久97视频| 九九热AV| 亚洲一区二区三区中文字幕| 丰满人妻av一区二区三区| 丁香五月激情啪啪| 日本裸体久久色噜噜| 亚州日韩97| 超碰超碰超碰超碰的大鸡吧操黑丝袜| 欧美激情综合| 一区操逼日比视频| 欧洲色| 国产盗摄美女如厕大神作品在线观看| 97欧美色综合| 亚洲日韩电影| 再深点灬舒服灬太大了添视频| 91|九色|国产熟女| 三级片大波波| 91熟女视频网| 国产又黄又粗又猛大片| 久久精品店| 中文字幕大片三级狠狠干| 欧亚日韩三区| 国产成人五月天丁香花| 国产黄色在线播放观看| 偷窥自拍亚洲天堂网爆| 九九九久千久久激情蜜桃在线看 | 九九九九精品精| 日韩免费看在线黄色片| 91Chinese在线| 上床不卡网站| 日韩啪啪啪啪啪| 97色诱| 加勒比99999| 久久久久久亚洲中文| 男人的天堂不卡一区二区| 91色伦综合| 亚洲色天| 伊人色综合网电影| 伊人一区二区三区| 日本综合色图| 亚洲 欧美 手机在线观看| 男人天堂站| 欧美日韩人妻精品系列一区二区三区| 日韩簧片免费看| 尹人大香蕉视频在线| 操曰本熟女| 日韩啊V| 超碰99在线观看| 伊人伊人LD| 国产捆绑一区| 91丨九色丨国产打屁股| 欧美综合网1| www.99色| 欧美在线官网| 加勒比99999| 天天做日日做天天欢。| 午夜天堂精品久久| 少妇久久久久| 婷婷五月天AV| 97超级色碰碰| 日韩国产欧美伦理在线| 中文字幕视频一区视频二区| 欧美一区二区| 韩国一级做A片免费的| 97超碰免费人人性爱| 人人操人人摸人人骑| 可以看的av| 91狠狠色丁香婷婷综合久久精品| 嗯嗯啊啊好大好爽| 黑人精品一区二区在线播放| 日韩三四五区| 日本媚薬中文字幕在线| 手机看片1025| 熟女露脸激情自拍视频| 成人三一级一片aaa| 免费久久9999| AA级电影三区| 九九十八精品| 欧洲性爱无码区| 天堂九九九九九九九九九| 国产sv美女内射| 亚洲人妻av| 一区二区三区一亚洲中文字幕、综合区灬 | 不卡在线一区,精品一区二区三区中| 久超碰这里只有精品| 欧美自拍偷拍免费观看| 91欧美巨乳| 中文一区在线视频| 91国产丝袜美女| 色噜噜精品一区二区三| a人片中文字幕一区二区| 欧美日韩国产三级黄色| 狠综合网| 亚洲 自拍偷拍 欧美| 91欧美另类| 国模艳艳啪啪一区| 伊人久久亚洲色欲综合网站 | 亚洲精品尤物yw在线影院| 不卡九肏| 久久天天艹| 亚洲视频二区| 国产午夜无码片在线观看影视| 欧洲精品欧洲精品| 黄片www.| 欧美日韩人妻精品系列一区二区三区| 一级黄色影片| 午夜精品久久99蜜桃的功能章节| 欧美综合骚| 久久AV无码AV| 物尤视频一区二区| 狠日操| 视频黄站| 丁香五月激情综合| 亚洲中字幕日本一区二区三区| 成人网欧美风情| 操逼天美3区| 日韩人妻精品| 思思热在线视频精品| 亚洲学生妹高清av| 夜夜福利| 91呆哥人妻| 97综合在线| 99抽插| 韩国一级做A片免费的| 亚洲久9| 久久男人网| 操我无码| 欧美懂色综合网| 成人天天看站长推荐 | 乱色视频中文字幕| 另类图片综合| 色超碰综合| 婷婷激情综合网| 欧美v日韩v亚洲v最新在线| 色色综合97| 天美麻花大全视频| 大香蕉一级黄色片久久| 最新av在线| 99热国产| 免费观看网黄| 亚洲图片视频小说| 欧美久久婷| 无码聚合| 大香蕉欧美| 60秒免费视频| 看日韩美女二区三区免费操逼视频| 狠狠色伊人亚洲综合网站色| julia ann久久| 伊人影院在线理论播放 | 亚洲精品一卡二卡三卡福利视频网站 | 亚洲一卡2卡3卡4卡乱码网站| 玖玖综合网| 人妻少妇精品久久久| wwwss在线观看| 日韩性爱毛片操骚逼| 欧美日韩久久精品爱爱| 欧美 日韩 婷婷 五月| 天堂无码| 嗯嗯啊啊的视频| 99999精品视频| 偷窥自拍A片| 男女做爰猛烈动高潮A片免费应用| 俺去啦自拍| 久久偷拍人| 日本天天色| 日韩Va亚洲va欧美Ⅴa久久| 1240青青草一区二区三区视频天爱| 偷拍色图| 欧美日韩黄色片一区二区三区四区人与兽做爱 | 唯美清纯 妖精视频| 老女人老91妇女老热女| 日韩偷拍色图| 欧美成人性爱视频大全| 日本人妻中文字幕精品| 熟妇色99| 欧美特黄视频网站| 啊啊啊啊操死我了| 熟妇熟女亚洲天堂网| 久久欧美性爱视频| 在线播放一级无码视频| 亚洲天堂久久久久久粉红视频| 91精品国| 龙兴卡官方查询| 三上制服丝AV| Av色五月| 婷婷丁香六月天| 国产成人无码高清| 九九干| 国产无码高清操逼视频| 男人天堂2017| 丰满人妻一区二区三区四区| 99久在线精品99re8| 91欧美综合在线| 大香蕉在线视频重口味毛片在线| 吻戏激情性巴克| 五月丁香综合激情| 亚洲蜜桃V妇女| 91在线视频观看国产| 成人小说视频在线精品欧美| 97啪啪| 东京热天堂网| 91久久婷婷| 色欲天香天天综合网-成年人三级片网站-欧美乱妇狂野-日韩国产专区-久久久久久 | 欧美96交| AV色五月| 国产激情综合五月久久| 欧美日韩性爱无码| 国产高清成人mv在线观看| 亚洲图片激情综合另类| 午夜视频黄| 国产极品粉嫩馒头一线天av| 草草草视频在线免费看| 91美女在线观看| 日少妇视频| 亚州一区二区| 亚洲天天操| 好色综合| 国产午夜精品在线观看| 69天堂| 国产成人在线观看网址| 精品高潮| yiqicaoav| 国产91影院| 26uuu成人影片| 激情 欧美 亚洲 小说| 成人av福利在线观看| 成人一道本免费视频| 亚洲精品一区二区精品| 日本三级A片网站com| 欧美色视频在线| 亚洲日韩美女中文字幕乱| 国产色呦呦| 日本99久久| 男人的天堂亚洲| 人妻精品综合中文字幕在线 | 国产高清自拍| 色综合一本| 色婷婷六月丁香七月婷婷| 亚洲自拍天堂| 九月丁香综合网| 色爱国产| 91无人区卡一卡二卡三乱码入口最新版:能让用户有更多选择的选择-经典说说-爱 | 91日产欧美| 欧美高清在线| 久操免费观看| 日韩av性爱在线播放| 日本性爰一道本| 国产色呦呦| 无码又爽又硬又激情免费视频| 日韩99神马视频播放片在线播放| 丝袜狠狠草尤物人妻av91| 试看福利| 欧美色爱综合| 91综合网站| 日本一区二区三区午夜观看| 久久毛卡| 成人在线日韩| juliaann精品熟女一区| 97超碰资源网| 亚洲丨在线| 国产精品人妻无码久久久老鸭窝| 日本成人A片网站| 在线看免费无码AV天堂的| 狼天天狼天天大香蕉| 91爰爱欧美| 欧美色亚洲色| 国产1024在线播放| 啪啪啪精品视频| 亚洲日韩一区电影| 乱老熟女一区二区三区| 超碰97人人乐| 久久精品国产Aⅴ| 熟女字幕| www.四虎在线| 天天干夜夜肏| 七月婷婷综合| 无码高清专| 神马视频久久久久久| 久久精品国产精品| 搡老女人老91二区| 丰满人妻无码一区二区三区| 欧美色就是色| 日va操| 天天看少妇| 亚洲天天精品| 色呦呦国产精品免费看| 亚洲操逼视频网站| 少妇同性| 欧美日韩人妻精品系列一区二区三区| 欧美操人视频| 亚洲激情AV| 国产免费久久精品99re韩国| 高清视频一区| 精品中文字幕一区二区l - 百度| 日韩99神马视频播放片在线播放| 91AV天美在线视频| 尤物av网站免费在线播放| 怡红院一区二区熟女人妻| 亚洲AV资源| 蜜臀99久| 午夜福利视频在线一区| 日韩/97| 蜜臀久久99精品久久久久久酒店 | 国产欧美亚洲精品a第2页| 久久亚州高清| 国产精品久久蜜乳av| 免费A V在线播放| 久久欧洲| 婷婷久月| 开心五月婷婷激情| 日日骚精品视频| 亚洲A曰本VA欧美VA视频| 久久女人一区二区三区| 少好三P| 色在线亚洲视频www| 色月天AV导航| 91色婷婷综合久久中文字幕二区| 日韩在线欧美精品一区二区| 亚洲免费日韩在线一区二区| www男人天堂| 国产精品久久久无码AV网站| 97硬碰| 天天综合网日韩| 三级三久久线久久99久目本WW| 97精品中文字幕| av一区二区三区四区| 四虎AV无码| 少妇一区二区三区| 五月丁香综合| 人妻娇喘 激情视频| 日本123区操B视频| 99热大香蕉伊在线| A V视频日本| 天天看高清麻豆| 亚洲97成人在线观看| 97国产色综合| 91美女视频在线观看| 色色无码| 午夜在线播放|