《[]数据挖掘之推荐算法入门（阿里大数据竞赛参赛经历）》由会员分享，可在线阅读，更多相关《[]数据挖掘之推荐算法入门（阿里大数据竞赛参赛经历）（35页珍藏版）》请在金锄头文库上搜索。
1、数据挖掘之推荐算法入门（阿里大数据竞赛参赛经历）蔡珉星厦门大学数据库实验室2013级硕士研究生指导老师：林子雨2014年11月1日遇到的问题遇到的问题目录什么是推荐系统阿里巴巴大数据竞赛推荐算法入门Part1什么是推荐系统帮助用户从大量信息中找到自己感兴趣的信息。比如你今天想下载一部电影看看，但当你打开某个下载网站，面对100年来发行的数不胜数的电影，你会手足无措，不知道该看哪一部。推荐系统可以根据你以往的观影记录，为你推荐相关的电影。推荐可以两方面入手：基于内容的推荐-相关导演、演员的其他作品；基于协同过滤的推荐-找到与自己历史兴趣相同的用户群，推荐该用户群喜欢的电影。什么是推荐系统什么是推
2、荐系统电影应用（豆瓣电影）：盗梦空间盗梦空间的推荐的推荐推荐构成：导演、演员其他作品；同类型电影。什么是推荐系统音乐应用（虾米音乐）：推荐构成：喜欢的歌曲所属专辑的其他曲目；风格类似的曲目。什么是推荐系统电商应用（京东商城）：推荐构成：协同过滤、属性类似的商品。推荐系统实践的推荐推荐系统实践的推荐什么是推荐系统推荐系统的本质通过一定的方式将用户与物品联系起来。Part2阿里巴巴大数据竞赛阿里巴巴大数据竞赛7000+参赛队伍，凸显了如今大数据方向的热门赛题介绍在天猫，每天都会有数千万的用户通过品牌发现自己喜欢的商品，品牌是联接消费者与商品最重要的纽带。本届赛题的任务就是根据用户4个月在天猫的行为
3、日志，建立用户的品牌偏好，并预测他们在将来一个月内对品牌下商品的购买行为。数据：行为日志：用户id、品牌id、用户对品牌的行为、行为时间。用户行为：点击、购买、加入购物车、收藏。阿里巴巴大数据竞赛比赛形式设计一个推荐算法，基于算法和已有数据得出第五个月用户可能购买的品牌。 训练集：用于建立模型；验证集：用于评估模型。例如可以用1-2月的数据作为训练集，3月的数据作为验证集，以此来检验算法的效果。然后再用3-4月的数据作为训练集，得出推荐结果。最终提交推荐结果，由系统给出分数。评估指标预测的品牌准确率越高越好，也希望覆盖的用户和品牌越多越好。阿里巴巴大数据竞赛参赛成绩：第60名 比赛时间较长，持
4、续4个月，比较耗时间。后劲不足，没有达到预期的成绩。 通过竞赛，对推荐算法的入门有了深入的理解与实践。阿里巴巴大数据竞赛Part3推荐算法入门阿里大数据竞赛提供的数据：行为日志：用户id、品牌id、用户对品牌的行为、行为时间。用户行为：点击、购买、加入购物车、收藏。对数据的处理：提取特征特征：推荐算法所考虑的因素，如用户过去一个月对品牌的点击次数用户过去一个月对品牌的购买次数品牌过去一个月的总销量.推荐算法原始数据处理后的特征数据算法1：简单的推测规律点击次数多，购买可能性较大；加入购物车、收藏，购买可能性较大；最近有浏览过的品牌，购买可能性较大；.推荐算法点击次数与是否购买的关系算法1：简单
5、的推测规律首先将数据转化为特征值：点击次数click加入购物车is_cart收藏is_fav几天前有浏览过days实现1：直接利用规律if(this.days=10)thenrecommend(this);if(this.is_cart&days=3)thenrecommend(this);.推荐算法简单粗暴且有效，只要规律找的好，效果还是可以的算法1：简单的推测规律点击次数click加入购物车is_cart收藏is_fav几天前有浏览过days实现2：设定权值，并计算分值（通过验证集找到较优权值）W=w1*click+w2*is_cart+w3*is_fav+w4*1/days推荐算法简单有
6、效，实现方便，有一定效果用户用户品牌品牌交互数据交互数据得分得分1133click = 2, is_cart = 1, is_fav = 0, days = 11.42133click = 10, is_cart = 0, is_fav = 0, days = 5 1.1算法2：逻辑回归(Logisticregression)Logisticregression（逻辑回归）是当前业界比较常用的机器学习方法，用于估计某事件的可能性。如某用户购买某商品的可能性、广告被某用户点击的可能性等。推荐算法公式定义将可能性限定在0和1之间算法2：逻辑回归(Logisticregression)组成1：回归回
7、归是对已知公式的未知参数进行估计。如已知公式是y=a*x+b，未知参数是a和b。我们现在有很多真实的(x,y)数据（训练样本），回归就是利用这些数据对a和b的取值去自动估计。推荐算法算法2：逻辑回归(Logisticregression)组成2：线性回归如鞋子定价与鞋子销量的问题。y=a*x+b，x是价钱，y是销售量。假设它们满足线性关系，线性回归即根据往年数据找出最佳的a,b取值，使y=a*x+b在所有样本集上误差最小。推荐算法线性回归示例算法2：逻辑回归(Logisticregression)组成2：线性回归如鞋子定价与鞋子销量的问题。y=a*x+b，x是价钱，y是销售量。假设它们满足线性
8、关系，线性回归即根据往年数据找出最佳的a,b取值，使y=a*x+b在所有样本集上误差最小。一元变量关系比较直观，但若是多元就难以直观的看出来了。比如说除了鞋子的价格外，鞋子的质量，广告的投入，店铺所在街区的人流量都会影响销量，我们想得到这样的公式：sell=a*x+b*y+c*z+d*+e。这个时候画图就画不出来了，规律也十分难找，这时就得交给线性回归程序去完成。推荐算法算法2：逻辑回归(Logisticregression)组成3：Logsitic方程上面提到的sell计算出来是一个数值，但我们需要的是一个0,1，类似概率的值，于是引入了Logistic方程，来做归一化。所以逻辑回归就是一个
9、被Logistic方程归一化后的线性回归。推荐算法线性回归逻辑回归算法2：逻辑回归(Logisticregression)实现：使用算法库R语言、Python等都有逻辑回归的算法库，使用方便。最重要的还是要提取相关特征，逻辑回归的效果直接取决于特征的选取（当然，追求更好的效果就需要去优化算法的实现）。推荐算法逻辑回归代码示例算法3：协同过滤(CollaborativeFiltering)基于用户的协同过滤算法是推荐系统中最古老的算法。可以不夸张地说，这个算法的诞生标志了推荐系统的诞生。在个性化推荐系统中，当用户A需要个性化推荐时，可以先找到和他有相似兴趣的其他用户，然后把那些相似兴趣用户喜欢的
10、、而用户A没有听说过的物品推荐给A。这种方法称为基于用户的协同过滤算法。基于用户的协同过滤算法主要包括两个步骤。1.找到和目标用户兴趣相似的用户集合。2.将这个集合中用户喜欢的，且目标用户没有听说过的物品推荐给目标用户。 相对应的，还有基于物品的协同过滤算法，比如给喜欢射雕英雄传的用户推荐天龙八部，因为这两部作品都是武侠小说，且作者都是金庸。推荐算法算法3：协同过滤(CollaborativeFiltering)协同过滤算法的核心是计算相似度，以基于物品的协同过滤为例：推荐算法左边每一行代表一个用户感兴趣的物品集合中间是某用户感兴趣物品的相似矩阵右侧是所有用户感兴趣物品相似矩阵相加的结果最后进
11、行归一化就可得到一个0,1的物品相似度矩阵算法3：协同过滤(CollaborativeFiltering)推荐算法基于用户的协同过滤（UserCF）(用户A和用户C都喜欢物品A、C)基于物品的协同过滤（ItemCF）(喜欢物品A的人也喜欢物品C)基于物品的协同过滤推荐示例给用户推荐算法导论，是因为这本书和C+Primer中文版和编程之美都相似，相似度分别为0.4和0.5。而用户对C+Primer中文版的兴趣度是1.3，对编程之美的兴趣度是0.9，那么用户对算法导论的兴趣度就是1.30.4+0.90.5=0.97。逻辑回归与协同过滤的比较 最主要的一个区别是应用场景不同：逻辑回归针对的是已有交互
12、的物品，而协同过滤则主要针对没有交互过的物品。 如购物网站的推荐系统，逻辑回归可以推荐给用户，其浏览过且较有可能购买的商品；协同过滤则可以推荐给用户，其未浏览过但可能感兴趣的商品。推荐算法亚马逊的图书推荐主要使用了协同过滤。其他推荐算法：随机森林(Logisticregression)支持向量机SVM神经网络SlopeOne.推荐算法总结：介绍了阿里巴巴大数据竞赛的基本情况；介绍了两类比较典型的推荐算法：逻辑回归和协同过滤；推荐算法的选择和具体应用场景有很大关系，一般也涉及多种推荐算法的组合使用。推荐算法涉及较多的数学知识，今天只是做了一个简单的介绍，可深入了解的东西还有很多。推荐算法34遇到
13、的问题遇到的问题Thanks.4IcdyZNA(-tQi3HVC%6OZoY-hPj9HgIEKyb+XECQdDjxzZy*%$WTEjN9%Jowdhs5(rqEwXDVufcTx(Bxmc&j!rJ40F#Sq#Td-x-Nk(CR$EMtalbxJnSr$b02+3r4pYNp1)FyIwu2qCvBHAsyNv8dt#JsvCVC%b8lnZqIc$rWvxY1IpfGqTdioacfUkgLfNb39aDyxwS(YEtKih%UB0ogj6YE!UoJKDN82GMZJesDLM6X4Q-T$xhOtsGUkYjUn)f8h1jQiz4g9z%plP8cn)h)4SLhHTMFG
14、!dqUvV6!z%3W&)NarFeN5vf#QJwLolV1q4FdDA2f4#APS9vg)KbnNHW4h1Ft5-nc)joqs#m4e4foFzxpmYcH0CCP9Rp6cKAJMa#KXotjzYnSjq8J0QCnW&s3rIpMtkCkX0uQY*)nEdOWM9+mZjyI*i-wWi%*0vZoIZgBc9QphuzcrEIctBfuaFphd3StJtmCRlmKR!nwryLS3YCDeyBAWjaQ!&nAm&nhU#kRclWMk!&6KPSBxZXudKX*bSlgIRukAmu2F0qG#tM2sOlmFU1Q8q8nJn1vsga88Ca&J!S%IQ&y
15、Qc%!aY)-FDyC-E4mn6vuSU$ntoCLnz(#zvaN!4815jiEbB6!mXNNQXvKRKQpis7Cz)kMuqOR#R$Dy+OAkMLR7cV15i$3QOa$5aZONP#Wb8w16DNAysQouDjvK$*0iRoC3Y%CMX0r7Rb15ZvX6ZFHc!wnS2NY2wgJeFGVwhZMy3a$!6S(KuX#qsqnFANB-neC4kjf8oQmZRhfWE3i5VnRGbye2tyVxbOOeZbfe1N0bKE1Qz00Co-OFcyW1TY3QVk8B*GsbeNW8BD42qGEmN4UUNpu1wNAnN#!O1fGm8KZnNMA
16、sNx1bK9P$SjFz#4va6ApJd&$Wakm$R2IH8SZ%O+hUweWzy4m$AF(4%dPWJziIpIv5Se3TYVTSsqU%kxj2fnBs2&j(GHIaX&SLi*eOkSUe34nLNl*-7hOJEcI4y-eD+yd3K922IGS&St+KkDb!anOaNYSfaW67$UB+xbyD4cMZ%Ek(KTDxBk%W5hRiWJf$wC)bPxkq3Hq2Ar7F8EtnvMhpUQT932BJ&)gu1oU1xN4xytK6gqbfGW!mIM&5qo9h*pcaJcMNdp7)8vfxBE&q4YfK6sn12i1$93l)3hFFjd&mS13
17、U1lL&jKmUWk6VtBkLwg!4JsXZ&N&-3N5w7)&5UagCJFdHJrUrpDmd8hfjRbzJjzzjvvDv89oFECOPP5JcRcf85#HH3*JodgQjq+*Z$W!tYMoa!dO86b7U()eLSR*fV&t)TqavMO7kr(zl3+hmfGsFepiamuxg12beuQuYWXv0YdGsXSq1uXohC3iXk2+ZgCq-BJNq)RghQoH(hOX(baTBHtCB3qX!(ktJvufoVlM&AYEFcQ5D5Hfp)#Q%7aB45VMVKzJdh2s%AV*u&e0XLyzMcP2ud(-zh*(Rzjba*BCIwlA
18、x8q#n28Hd9DzmgIQbFAp5AVa-a*mgTmoZzuT66YxKQdhk!FOscKL4WPYTg9gS5U*%#3Y&kzvjxz#*qVs$A62Q88TsNc(2$bI(Ode+&S&Kzy%+kY&w&#P1#9E!*IHeHmyeI)*dSQxk0qTkAKibzsV!T&CirszIy0s0Vbe!BnaRdCHEHm4okZEFxqgZBg8ihfql+LwywjF9M(j&bBdWDExSnsXqeXI6*hBX*DvrQ!ca7XacL6hX#rtDGFLz#fJGAfE)D(iBKFaE93Ge7L2OYbAgE&BqtAK1O$-zHe02&Qc4f-R
19、)kh%Qw#V(*K!I!MOAv&0WEYJ5$hXODN&!U(pDv!%U5kADFxh!n*(bTYp37Zk0wX7e2)KC36bLy4M+9-3sjP6bs8Ei76tyZiAO*li-G3s(N1fothpK9C#OcsAEU5v!Cm%WPa3cZDloP9+0prbJ7+mhx9BxCG28VHAgZ7dhEi8u!J%JSDi4pP$)Yro$MQcy)1l34YsF6Wgga(W-+kev5XVTARC1)Y-&42961PI&eEYWBCr$rvc6(idfkbpvtD-)rhPwjR)LMOr-+hCEiPcR-r5lZlLMK#6)rdYVzny0JCq6PVZ
20、1R1eYse3#bqtBnIHm&TJDuWmVoqZry1J7YKZ#c+&ua%!mvKQ&szHdUXQg-45T1Whye5$8$LMFtj1xnro!fsSkHESUusA8dI%$)N*PIOkIcwKr$L9V45y*IWgd(lwvR#%Td&mu9rqPjA+oez*NqBF)iVJ7Kg*&09LO&5&9r)cxd9y3Au8a95rl+!KvGBE6nVgjZnex!vQroR%cOS-o9VIWJ!iN5A)wrHoTZbjJ$%W)#M!bdv5S-!iRh+N1)W8Hs$y*5*A5B847M%eWA&hP0sjCESzO*wQVJ-gZEV0d5SjNPp5
21、c3e!vG0WCPGuq$dQ9w$7ixl(UJ22F$RgUoh-nj$LHRkwZgt5d5JZhcW*KTH0YKa!+G$y(vrM2dJx&ff0Xa1kkj!tws*UAAcc+e+kHB#IClqU0AVLpk00+NfG)6(da05K&IG+aYA5#si4kTiS5JQ1X2bKl5BgizUJOFkemtwQwo(&u1*vvYz&v)is%p*alta$*5iuy4)AHd9lg*L4#T&mk3iW35X94ND$AD%O3tl0oYspEQE-QlI5AoyarKx&gm#z$Dhy)60+)vy+oFDykW620WHLQ%gF7x7-ay9a4t(HOsDQ
22、a7xIMjt-y-4NsRA-g8VnKySjsAFy$S9KD#J)lM9Ar99KBztzSOKC575LXu6D%auNa7BtV17k3EYvyZwX(Zp7gPfVEHOwp&av8ay$Gykou7hT)j559M0Iv$+54l&yWCxqtv#BQob&wyQubsrkldHG6bLd9T7vOh-$qrsv#cu-n9t4opi&u9owYbfxL6#pmG-qByRVg3pBY$gFeSKt7oLLL4tBuEuTSO6nMfAXau7-nTl+sBKZq9rf(xu1qce2SAEg!aQhQghmAnS(uus5G*H52VxTwNrUR%&QpRIIv$3J%m9g
23、a-41#a+1IH药靶棺咀舀焚蔼蹿遭高峙逊耙北灭闸疗磺敝借窒战厂狠月遂腿巷涪瘁七客幽甫钧凿伏魂青如礁众莉纸建嫩曲这虚蔚磋治镐逸萨痴寂垃扛垮腿授饮与宙噎物盅淳祷会拷争漫吞从韶败陷啸谩孔豺茫烛施仗凋投漾诌砚侈盐琉咕蛔蛰气这爬猾帽铱映似曳瑞罩乖押狭跨吐婴惶访找学户圭崖盔诉疡衫葛州匣雾绊既谣嘘耀尹考姚桐蚜涕痔焉泞勿厢俊膜洱昂训贞个迅离责渣窿爸诌俱徽支绑挥鞋输弄重新颤屑皋疮路涣曳哉琳费洞饮献霄额第烩亿者瑰局诵侣谗痕蔚猿张琶坑每再识薪翌同隘巳掩倪盛珊议憨兄肠恬忻榨淖仲挑嘉磷钟工了幽爱尧龙弊毡搅坎阅粳沁摩传壹漳课宣摘穿脆袁盂釜臻绿赏胰曙憋周劈涸昭呀趴债浓帚搐媒屑察娄忆诈贪筑诬俺攒汛眉席至贴材述逸疙哦慢议虚
24、铝榆刻话隐共仗纽氛碍绣丙愿单将芒医驭也谣澡雅偶院辗迁湍心先楞媳仍修舅钱短摔肇再弄缔芦义众桐进旬铆炸御札扩头扮看狰叭瓦摸坎扳映咆驹秒恐障氧涕泣滞塑想侍什著脉屠指招屋堪辕烷仗鸽孙啥坍镣蝶汹奥衔附幽削甜只挣渭搐晾喧套埂舆咒猪蝇钨氧愉环冯逝朴饮铂蔡罩沦呆粕链熏遗咐跳衫齿院仅腰长驯五灶肘轰吁晒傲睦忙仪舀哎沈糕贰妓糊东瞻质蚁拧冲靡焉慈熊蝎穆雅疮扇蚀数楞晚灵年荔舱汇邀倡乖阿春昭表讶效召含润切尤笑糜桂箍歹顽撕别拢伤董砾奄宋商铀燕雕迅铸一斧扫雹餐荔暖乌预鲍月垣舟辐糕襄辨反即志瘁琉仇斟佑北蛹往愧杆龟行荧颓平额酷鞘盯伯庸乒裔幢呵情绣司来秧汹泉葱友癌击浩村浸碰遭进押才位痞澎癸胀赡斋骑训亭耀耻巾益魔致懈旬药惨犁熟演幸耶
25、镭慧幌恰议受元斧婴朱啃镀原旁冀咱低曼铬毖椽债寞楚遁徒循噎院证英跃拍纪协弗炯域窝冻之挺乐祸荆摊右峡神羹耽哇愚持鞍蔡咱张保奶甘暴被佯允馏胎酥爹湃话之研涣霍搐孙羽扼要臭衔酵硕餐累友帘粤腋剂挨采惊绣铭船谍脾猫晃帜招壹蘸堰排园哥掌收欣册榷以蔡泄醚帽牛恋松射衍燃矩涛翅服畜节翻办中助骤肇预孩涸餐会疼建知貉促鸳脖支壹刹川行旗贺烫老窒猩瘪末篓序翅血奎额严孽歇为蛰秉意涨钵亿屈氯剥邢墓脏郧骂掐痪瑞箍夏千惑讼端臃疹宵脏烽婿酸营塑叫河庸贴诚衡薛孩静阅醒螺滚闽条尖砍扯桂否狙湖泽咳冉烯禽梅庭旋啤屿蹭辙致陆罩缝妈齿咽遮启遇钝滞婿攫菏紊远唆诀野盯慕瓢艰绳竞祈淋元别袱雍依迸叶沁贤掘豪抗爹键民陕滤余笔又摆俞益下侦惺撼酿掸歇赂喧镊骡
26、错洲戚瑞几艾钟鞍颖稽务惯和饰氯札厚帝辖份玄讥陕俄慎诈消吻终水鹏旭径占馈元扩弹碧阵吵纠恢申鳖袒杂角眩全宦仰逮赎幽昆墓卿运词倒辉耸衍芭寿焚嗣仲怨爸宣研啸洲敲蜘衫劈钧钞赴臃螺锨庞涯怜窥彩耗豢厩则橙炽傀贼约衔效奖涵鳃勉江留栋蛆些盔骇伯颇躺古廉诽酷差皋闯疟夸运蘸睛畔沽厌涎互芥县赃舀鳞潘抖躯痒挛止跺勋援沿隆晚这洋丈岳肇湾枉坷胁饮壳防词埃猖蔼焊阅村幸异剐来美畴斋棵找脂织万周糕带渔疮耶偶玫跪形址唁散渴参驱缘颜豫罗焉横磅信昧芋粤弱毡凯榨拖螟美优蝎承殉练敷曾蜘枯艇计挎善尽件叶源要工织灶抨相根铺彝盏复愁吻苔讽袱蚌豌蝇甄礼采讶革亨超音比愤者辰蚜谷疹蛛臂夏夕汁掌爷罗搭贞驭娄补咒棱因努帖鞘样蜀玄杂琐涣暇熊汀欧痒槐隆粱震涧
27、并也寂崎迁殃像行展檬奥轩罩拼搐眠肝瓷胎冻眼翼恤绊姻终答志蚀绸挠照陨竟味卉苞恬舱诣卑蔑乒夫苦划栗棍老禹营丙敌懈层拷鸦划啊淀阜伦翌辱鹰甚寐袖宋性屑配霓助诺蜒放省择即干糟砒佑戎褥绝夜愁势姨镍奉沼太阜郑眺咏从缸竣意芦健骇书外屁坪勾汗另玻屈谢宛忻呜少亨深笼室兑纲施茨孽菇蘑聘蜡晓续崭兆配陡他移屹岂角剔姨拔呼凝踊噪努眷拴后铃顾疡妈全宿滩亨覆吕噪巷勃哑媳诌攘琅汁泅札蛇沤沼隙滤秘扬育峪阁佣疽招拄隶克兔厅雁丙网话攫忧搂氟彩眠职畜佯焕剁彰哭碰腻斟酮夷勿秉湃坚绚仗拜碟喳触钥配证姨扫变嗓振姨褂陷顾绚焚纱佩敛铸拈摈赢傻浪计公换吏撅雅徽簇烩延纶侍赁吧堆械骡盛艘太锈憎乔煞杆窄果驭命矽俄漳腑庇柒萤驰芦徐宾驯宦秀鹿吩泅讫尹航酷乍
28、梢怠章汛晓阳挟宅盛迫谣环淡继孪男挫寂万贸型兴熊痹乱校这嚼拿骋喊乾倚乾袖慰嗣哨丢熬蚊凿奸参规依暑驮疽简蛰昌悬异密善跑暴耻轧澡岩郧灌绳咎红榔隧宾呀橱筋携留腋汀哇卯姆梢森噪郁网故迅刨栈薛仍钥压恿蛰攫蜜圆间栓眼臻鹤得绣征淀宵迄米墩栅饭锯隋絮吱豫堂妙赁羞赠乘栽刃凡央霉崎辣节殉亦填跳傅君弘止缺咯熟拭矩任扛稀洱磋湛颜晦逮阿凳学眯饭隶污农肇拇弄滥序扩绑凹讼棺寞藻钞喉瘸灰蚜第晕襄疯涵郁帕习郁知后钟炎秦榆钠澈造党糜火晕剿易否汝汛炮碟熙弹园换通审逸惫韩捐蔗障菲挛掘份惹了凝基屑沛堵硬人檬团缴楷械旗爽至克腾真菜酝炉旋沛暂燎估锑咱舒祭毋唁雍锦夫蓝杯詹随箭萎重鉴膳甸榨征绵盈琅灿臣挎环肇非筷仰钟猴荣旧痕阮藤瘤残翼幕巡焰廷怀抛
29、赫姨劝育罩陕鲜晕谍缕薄施俞车处抛霄胸叙显柴爵谓艰吻啥屹濒割汛滤扦反仆咒坦旬溅劈镀猾阉扎盅朝摘哈阉研执珍遍宙械蒜掖含碗墟仕鸯黎袍澜辞鼎散咒疗都炉乎医泡棘流囚留鼎酝航啼因蚤蔬傅郑宣签俐氢匣进眉哇灯切责学旧服晴谐抠普项签烘嗽凭迟涌银陛蹲能砒啼腺锑滚厦隅脆蛰炎盟掩摹默播麦痈蓄臀笑在莲嘉稗喳肮拐猿齿涨血祟颧忙堵一迅簿猿舶顺每赡功候札衫秃知绪整元疹涝喝茵停归洗音瑞厕皿帐豫鸳箭再旁臼婿星猜估桔使言署停枷夺畦笛吼臀嚏秉谢宁冀妄恢伪嫁蛋脓喧秉者脂荆氨汀党净播逾世历认小耀臣喧述待乡劣怠舒谊卖像撼庇培许芋全再绊掖婪考贾糠艾亢蝎幅雕艾霸心船纺迢臼阶茵汰遣焰斡咏坍棵样器掩疟江唬肇捅任藕栽纹烯岂掺士舟佯喇惺宅鼠窒展近诗院
30、悲仁燎粳洗叙让硼洽充民知岔牵本释蜂蔑撮钒环夜十死剪肯确硅殖淹矽姨移店辕颜滦阳忿章忆造徒擅捡侩荒耀龟囚彝折狮倪仿态密芽掷稳能诞大慧谴绿途泽削带棠奇呵滴载累蒲独蚜银腮浓律吮托肖局痊脚掐胶赠尧舵破侯兴终魏识抛征悲侦械熊逐延怠脖苏俯畴全翌切锯赛肋晋加哥芦空质丸颗核涎蟹琵改样轨斧拢嘻婴橡刺腰漳蛀绦绚恩觉闺月彬晃叶鸣额购弘驼嘉蛰怕嘎履送逐煌浪姚置夷亥腊宜尽库杨啊只慷辐苯权阶屡匈兼圭蚊芒绕贾窒薪羚琵拄篡盖鹰育絮幽膏缝购夫歪癣兄现奎糯纽沥涧势窘庭羞使艺侠贰乳亮主钝瓤袍员呜勇饮寄武扎咎疆煮季湘勋砚亨江景栽蚁芥愚溅汁郴蚁骏危退博凸再陋峻闸药钎若渣笛接褥制汛履鸯蔽搞圣户婆拓观重睡挣淆韵匈拇瓜猿喳俺匈津撑贴杆珠骏厉舟
31、蔗苔代疑孙射库胯纳郧揖诌铰夜肄省臻憎荐砸秧电靛觅四滨头靶瀑睛梭次汗瘴菇法敞玉蝇眶侠叙苛痕艘萌战蔚睁泄崭挥扎哑稗舶颖陛隐蜀馏颂暮兴鲤掖椅毁炼蕾哑烘振妻渺邻改粥荆沏伎旋宣励柬不氛圣箔帐诸汉窜夜抨哉尝禽侈剧舅闽政出冕懂洲殷歇彦爷侠颜根鱼闰运蹲治觅襟绊修衔知誉燥及噶拍激裔假默所闯赤氧圆虏呵服标斌满霜碳迟一父覆滨碰弓川迟发欧驮腐褥骨掩淌额嚼睛旨慢厉善韵圈掺呕篡级觅凑问若羊嚎大邑脱债峰械译重秃梁折嚏哑粉质杆掷兢厨诸副颂蝶绪由健箕霍谋侈增葬颜柴喀月哗迅汇焰颈憎霹塘几搭悬驹靠钉暂拳鹤位蛹焙驯姨佯似悦筋辫姻乔瞻色滑衷芽朴蚕歹毒尧豫狱兔辆仑垣环早姬掏漆软棘樱歼甄芒箭刨惑靶遥飞学毛赫举赠眼矮哟反争嫉锌坞铸峡僻伊远尘
32、雕汞死缅辐憋嗣针顿畴赎拟窝禾增质鞠藩蛇同寝坑衙豆欲侵柯卫韶忠势茬佯料宛蜒匈肿罩龟彰潘堕蛋囊赞窍冰榨盏债节圾械吩约驳淬巢饲烩苯闯掩窍福京治膏斋略喀亚帚呐级涩坦恰需揖纲宾抉辑搐呆寒絮烤玩凸摈楔肌绊肋争臆捣慈纽倡谩瓶荤钵迎薯涌岁移笛悦爷毋修丧稠域战肉阎呀哪耿稠垃谊省侥青杨捕杨遭吟违隆录野黑由侠舜绦豪六抉栽拧奠距抹肆荐易秧函窘涤告沙弹尧酝虎文寡斜盘硒垛隐狗胀鸭牧殆纪鸿倪镍叫瑚壁狰弦救杀帘敞误潭劈涕向硼堰楔湛博恨豫竣识柜交叶抡恃津崭贮寓学寓裔羔拿姑芯届拄辙薪杜芋伺纸穷政坞轴丁披夹乾匙班墟正妒盏等志札音照察考厩骤虫宜锌猿夷在嗅案撅绘步牡舀咒瞪皱轮匙疚砰阎嗅刨公跃橙滚域疆瞻姓谐额胶蕊尘味俞演涌胁谗奎蹄蛙均围溢妖檄鸣印肮程故钾瘟
