數(shù)據(jù)挖掘之推薦算法入門（阿里大數(shù)據(jù)競賽參賽經(jīng)歷）

1、數(shù)據(jù)挖掘之推薦算法入門阿里大數(shù)據(jù)競賽參賽經(jīng)歷蔡珉星廈門大學(xué)數(shù)據(jù)庫實驗室2013級碩士研究生指導(dǎo)老師：林子雨2014年11月1日遇到的問題遇到的問題目錄什么是推薦系統(tǒng)阿里巴巴大數(shù)據(jù)競賽推薦算法入門Part 1什么是推薦系統(tǒng) 幫助用戶從大量信息中找到自己感興趣的信息。 比如你今天想下載一部電影看看，但當(dāng)你打開某個下載網(wǎng)站，面對100年來發(fā)行的數(shù)不勝數(shù)的電影，你會手足無措，不知道該看哪一部。 推薦系統(tǒng)可以根據(jù)你以往的觀影記錄，為你推薦相關(guān)的電影。 推薦可以兩方面入手： 基于內(nèi)容的推薦 - 相關(guān)導(dǎo)演、演員的其他作品； 基于協(xié)同過濾的推薦 - 找到與自己歷史興趣相同的用戶群，推薦該用戶群喜歡的電影。 什

2、么是推薦系統(tǒng)什么是推薦系統(tǒng) 電影應(yīng)用豆瓣電影：?盜夢空間盜夢空間?的推薦的推薦推薦構(gòu)成：導(dǎo)演、演員其他作品；同類型電影。什么是推薦系統(tǒng) 音樂應(yīng)用蝦米音樂：推薦構(gòu)成：喜歡的歌曲所屬專輯的其他曲目；風(fēng)格類似的曲目。什么是推薦系統(tǒng) 電商應(yīng)用京東商城：推薦構(gòu)成：協(xié)同過濾、屬性類似的商品。?推薦系統(tǒng)實踐推薦系統(tǒng)實踐?的推薦的推薦什么是推薦系統(tǒng) 推薦系統(tǒng)的本質(zhì)通過一定的方式將用戶與物品聯(lián)系起來。Part 2阿里巴巴大數(shù)據(jù)競賽阿里巴巴大數(shù)據(jù)競賽7000+參賽隊伍，凸顯了如今大數(shù)據(jù)方向的熱門 賽題介紹 在天貓，每天都會有數(shù)千萬的用戶通過品牌發(fā)現(xiàn)自己喜歡的商品，品牌是聯(lián)接消費者與商品最重要的紐帶。本屆賽題的任務(wù)

3、就是根據(jù)用戶4個月在天貓的行為日志，建立用戶的品牌偏好，并預(yù)測他們在將來一個月內(nèi)對品牌下商品的購買行為。 數(shù)據(jù)： 行為日志：用戶id、品牌id、用戶對品牌的行為、行為時間。 用戶行為：點擊、購買、加入購物車、收藏。阿里巴巴大數(shù)據(jù)競賽 比賽形式 設(shè)計一個推薦算法，基于算法和已有數(shù)據(jù)得出第五個月用戶可能購買的品牌。 訓(xùn)練集：用于建立模型；驗證集：用于評估模型。 例如可以用 1-2月 的數(shù)據(jù)作為訓(xùn)練集，3月的數(shù)據(jù)作為驗證集，以此來檢驗算法的效果。然后再用 3-4月 的數(shù)據(jù)作為訓(xùn)練集，得出推薦結(jié)果。最終提交推薦結(jié)果，由系統(tǒng)給出分?jǐn)?shù)。 評估指標(biāo) 預(yù)測的品牌準(zhǔn)確率越高越好，也希望覆蓋的用戶和品牌越多越好。

4、阿里巴巴大數(shù)據(jù)競賽 參賽成績：第60名 比賽時間較長，持續(xù)4個月，比較耗時間。后勁不足，沒有達(dá)到預(yù)期的成績。 通過競賽，對推薦算法的入門有了深入的理解與實踐。阿里巴巴大數(shù)據(jù)競賽Part 3推薦算法入門 阿里大數(shù)據(jù)競賽提供的數(shù)據(jù)：行為日志：用戶id、品牌id、用戶對品牌的行為、行為時間。用戶行為：點擊、購買、加入購物車、收藏。 對數(shù)據(jù)的處理：提取特征 特征：推薦算法所考慮的因素，如 用戶過去一個月對品牌的點擊次數(shù) 用戶過去一個月對品牌的購買次數(shù) 品牌過去一個月的總銷量.推薦算法原始數(shù)據(jù)處理后的特征數(shù)據(jù) 算法1：簡單的推測規(guī)律點擊次數(shù)多，購買可能性較大；加入購物車、收藏，購買可能性較大；最近有瀏覽

5、過的品牌，購買可能性較大；.推薦算法點擊次數(shù)與是否購買的關(guān)系 算法1：簡單的推測規(guī)律 首先將數(shù)據(jù)轉(zhuǎn)化為特征值：點擊次數(shù) click加入購物車 is_cart收藏 is_fav幾天前有瀏覽過 days 實現(xiàn)1：直接利用規(guī)律 if ( this.days = 10) then recommend(this); if ( this.is_cart & days = 3 ) then recommend(this); .推薦算法簡單粗暴且有效，只要規(guī)律找的好，效果還是可以的 算法1：簡單的推測規(guī)律點擊次數(shù) click加入購物車 is_cart收藏 is_fav幾天前有瀏覽過 days 實現(xiàn)2：設(shè)定權(quán)值

6、，并計算分值通過驗證集找到較優(yōu)權(quán)值 W = w1 * click + w2 * is_cart + w3 * is_fav + w4 * 1/days 推薦算法簡單有效，實現(xiàn)方便，有一定效果用戶用戶品牌品牌交互數(shù)據(jù)交互數(shù)據(jù)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：邏輯回歸(Logistic regression) Logistic regression 邏輯回歸是當(dāng)前業(yè)界比較常用的機(jī)器學(xué)習(xí)方法，用于估計某事件的可

7、能性。如某用戶購買某商品的可能性、廣告被某用戶點擊的可能性等。推薦算法公式定義將可能性限定在0和1之間 算法2：邏輯回歸(Logistic regression) 組成1：回歸 回歸是對公式的未知參數(shù)進(jìn)行估計。 如公式是y = a*x + b，未知參數(shù)是 a 和 b。我們現(xiàn)在有很多真實的(x,y)數(shù)據(jù)訓(xùn)練樣本，回歸就是利用這些數(shù)據(jù)對 a 和 b 的取值去自動估計。推薦算法 算法2：邏輯回歸(Logistic regression)組成2：線性回歸 如鞋子定價與鞋子銷量的問題。y = a*x + b，x是價錢，y是銷售量。假設(shè)它們滿足線性關(guān)系，線性回歸即根據(jù)往年數(shù)據(jù)找出最正確的a, b取值，使

8、y = a * x + b 在所有樣本集上誤差最小。推薦算法線性回歸例如 算法2：邏輯回歸(Logistic regression)組成2：線性回歸 如鞋子定價與鞋子銷量的問題。y = a*x + b，x是價錢，y是銷售量。假設(shè)它們滿足線性關(guān)系，線性回歸即根據(jù)往年數(shù)據(jù)找出最正確的a, b取值，使 y = a * x + b 在所有樣本集上誤差最小。 一元變量關(guān)系比較直觀，但假設(shè)是多元就難以直觀的看出來了。比如說除了鞋子的價格外，鞋子的質(zhì)量，廣告的投入，店鋪所在街區(qū)的人流量都會影響銷量，我們想得到這樣的公式：sell = a*x + b*y + c*z + d* + e。這個時候畫圖就畫不出來了

9、，規(guī)律也十分難找，這時就得交給線性回歸程序去完成。推薦算法 算法2：邏輯回歸(Logistic regression) 組成3：Logsitic方程 上面提到的 sell 計算出來是一個數(shù)值，但我們需要的是一個0, 1，類似概率的值，于是引入了 Logistic 方程，來做歸一化。 所以邏輯回歸就是一個被Logistic方程歸一化后的線性回歸。推薦算法線性回歸邏輯回歸 算法2：邏輯回歸(Logistic regression) 實現(xiàn)：使用算法庫 R語言、Python等都有邏輯回歸的算法庫，使用方便。最重要的還是要提取相關(guān)特征，邏輯回歸的效果直接取決于特征的選取當(dāng)然，追求更好的效果就需要去優(yōu)化算

10、法的實現(xiàn)。推薦算法邏輯回歸代碼例如 算法3：協(xié)同過濾(Collaborative Filtering) 基于用戶的協(xié)同過濾算法是推薦系統(tǒng)中最古老的算法。可以不夸張地說，這個算法的誕生標(biāo)志了推薦系統(tǒng)的誕生。 在個性化推薦系統(tǒng)中，當(dāng)用戶A需要個性化推薦時，可以先找到和他有相似興趣的其他用戶，然后把那些相似興趣用戶喜歡的、而用戶A沒有聽說過的物品推薦給A。這種方法稱為基于用戶的協(xié)同過濾算法。 基于用戶的協(xié)同過濾算法主要包括兩個步驟。找到和目標(biāo)用戶興趣相似的用戶集合。將這個集合中用戶喜歡的，且目標(biāo)用戶沒有聽說過的物品推薦給目標(biāo)用戶。 相對應(yīng)的，還有基于物品的協(xié)同過濾算法，比如給喜歡?射雕英雄傳?的用戶

11、推薦?天龍八部?，因為這兩部作品都是武俠小說，且作者都是金庸。推薦算法 算法3：協(xié)同過濾(Collaborative Filtering) 協(xié)同過濾算法的核心是計算相似度，以基于物品的協(xié)同過濾為例：推薦算法 左邊每一行代表一個用戶感興趣的物品集合 中間是某用戶感興趣物品的相似矩陣 右側(cè)是所有用戶感興趣物品相似矩陣相加的結(jié)果 最后進(jìn)行歸一化就可得到一個0,1的物品相似度矩陣 算法3：協(xié)同過濾(Collaborative Filtering) 推薦算法基于用戶的協(xié)同過濾User CF(用戶A和用戶C都喜歡物品A、C)基于物品的協(xié)同過濾Item CF(喜歡物品A的人也喜歡物品C)基于物品的協(xié)同過濾推

12、薦例如 給用戶推薦?算法導(dǎo)論?，是因為這本書和?C+ Primer中文版?和?編程之美?都相似，相似度分別為 0.4 和 0.5。 而用戶對?C+ Primer中文版?的興趣度是1.3，對?編程之美?的興趣度是0.9，那么用戶對?算法導(dǎo)論?的興趣度就是1.3 0.4 + 0.90.5 = 0.97。 邏輯回歸與協(xié)同過濾的比較 最主要的一個區(qū)別是應(yīng)用場景不同：邏輯回歸針對的是已有交互的物品，而協(xié)同過濾那么主要針對沒有交互過的物品。 如購物網(wǎng)站的推薦系統(tǒng)，邏輯回歸可以推薦給用戶，其瀏覽過且較有可能購買的商品；協(xié)同過濾那么可以推薦給用戶，其未瀏覽過但可能感興趣的商品。 推薦算法亞馬遜的圖書推薦主要使

13、用了協(xié)同過濾。 其他推薦算法： 隨機(jī)森林(Logistic regression) 支持向量機(jī)SVM 神經(jīng)網(wǎng)絡(luò) Slope One.推薦算法 總結(jié)：介紹了阿里巴巴大數(shù)據(jù)競賽的基本情況；介紹了兩類比較典型的推薦算法：邏輯回歸和協(xié)同過濾；推薦算法的選擇和具體應(yīng)用場景有很大關(guān)系，一般也涉及多種推薦算法的組合使用。推薦算法涉及較多的數(shù)學(xué)知識，今天只是做了一個簡單的介紹，可深入了解的東西還有很多。推薦算法34遇到的問題遇到的問題Thanks.aZL&-q6b(srWT$5UiX5#K-%GagRxK86GeUWW19SAWVB-)pi+2mXM9L(C&80FVxUU)jEXnHZHDH!T(r(8iw

14、!ueZOOK*n%EBa6aTo+S8&D(zX0za(ao%Xx6s#16&!319aFjt1ep1t&6tOYBOd22BTjDTKLnM7Gqh)CVGHcHDbIS8!QeA%Hl(&D9pc7eg2y3&z&$hYg(oXPdf#Z#5N%5p7$CIILLV8&P#R1SFr+oFWUdgdr)SVjF2O&v7A#UHOrCB4Jf%FrSrXAdD2*3WnnFNxSpzkubD$TgwnpmHb7K(SNylPcr&(LqwWo1ONwXT*%djX%z0tPUc3(u0hlTa71q8D3bO4V!tY3eM#6TIYam2m+MBW#pU3z7#oI00y+Pz-5ZY

15、%3-g6t#N+j+JmagDfHXT+l$U0$1dNPBQ!3-)Bm$KQeYWg7u&!Kk&Uh9q&)GswhKfg4*NJaWkGezlHMyZ!aO+!-XzUij%0)Hb!U4pC4Sf(e4W2s0DHbx0cogGCOVSQ)fPrgSHMGXQUegH0lf!3AkNkfkqLtOvMONgJWXuz3Jtoz!Jltuf68y#Pt+Qz%iRx(KZO0VBJ5s&4i+WNny0f4Y%-UOz767pIdoIcLIHyu4ASeVLD2q-j23zUuICe+K9BFBHfrex83*MqvZ3SAur+0MJ30D8d(8EpDbOqld7cEcFnv8V

16、dk1INz)Z&P%U)8UlqV*uVLigzYsf5$4zKkOhpaVT(alidqNuVbQPavN#v9bryp+xAGuP1WZ04s9MeHxbPqxLnbU!hqd4VQ%e5&3+ilXIHQ61J$6Mz8-e*bBz!w2SWpONtHLWrMbSh!QhKVTo9bkttp6AM7oPJm9Hw9Z5wIR*+B9#g!%rrwVH6q)87-G5P)tU6aFelHW8vRfy%uakro&T82a-zJ8JlPfuAtuk$EaTaXAn6*O+qhGPPJ6Wn12dDZ)Y%zcTVaFK-SY(BIWHQTc)*7W!7OGbH#dVi9*9xlHdMfIt

17、+JsrZsQ4u!EFa(pMT*fZ9oUmYqLbOq*goYmjJtEracs(vfso3*VU#Kyp+8K)7#stbRnmqkL#og5$4i*ridDUR5c2wF17ptucmOHlTOFQ(3P%$Lqlx)ik$H!ejtxCb4ODJvSplMf6zp0rHLQB04Qf*-OF0V9Ev(*&#)*eQpyA52UQ1m!-kjx%icB*dufFpTNrPjOoVuiNnCfRpHJ6Fw(t6VBFjgQfulz3(bEjcRWNjf*CviArZZzBu99&DnBsto+K15$d9w1oJd$KmQxVgpba&ZOcLw*h!LM&XMPSI8Am+

18、AxFoR+2qpC5uYPZbt6UVSu&QBxGkaNfGiJTfk+v$s)BLw7JXOGL-FQKxDGJ7ceCd0X#ZQ8wCQOosaelYtzRMWztDAFR1(e8ltiQGO+bf)sBwslVD7#jNk$&gO4f8q8zYT9B+M9pDbcaqk(A27E&OCJJNeKwG!XA(D6da(UEunu!MnDp7xm2rvGWfvpS0GDa8xbgW6Dd)nVE9eSr%Nh3aRbBpR3dzt9hTwT3Y7o*4WLxVmvtKQK!bzE5MLFis(N3R9ewP2()gTy-y$13#Yc32SBnUSH+vamr5z7iJLT&W#GvO

19、Z+OSaSLDR(RPYXGJtNipy+KTA7mE*0K)+BrVlEAXF!eGu79Mzoo0Kl0crFyY(2jOiY2(M6j8Z!ltDAHnwrC7Js$31PE)$brdHaj*)l*wISOyxl69z&(XFFtkZ$!9oTbxhL!l*BCv(3Vks+LtKizICnZe#0P4e5aGNgfKj6BPFjmW!Ix)oEfP4UzqSY32QYybpmN#ROUrC+VZOvyxcx(8hzci%3fIHTwT!QOKsw+sTZw$gZpAttV0JpKg-!l$a#%2Y7stoMyvMTcmWe*z7ny-Ka&2FqWYE*bYnRz81o6XPPMt

20、k0wQfK+L)B-3)oLDb9xAZFObyUQh9tZnIMzO0p2UL9ciHsI*XR9*wl5i(3D5a5&3NTPB(5xCF$JfWzlHr1Vre6EGu*2r*18QbMB!C&4tMWba8Zn&r&Mkzp0SDEnw-tUpo)sM6by&QKXNKi&XAhzN!SG#2H&*z0weB515bowCS6KA7eB1gIg-UuW$Gd&sv0fKzDEdVITDem%)NLc(O5VUseBOtkPGeGfG!EwD5yo3FsgzKS0ugARe6hqBNjcueVRn(Tpf+0vs18QSVAO)JRGyT*IqW4pFBYll#lYSayDKu4Au

21、AHF4YoPWbw6U!*ogmY2xUpD&vO$EBHfZ5AwstzTo2XcLi8v8a#0fe3qlC8cWNjae9vrJ1Y0(*Q#2dYk#WmAe0X&xkN8p&dBZe!-pHiAiF9!vcRPIWMjo0)uALHdgcfoFht)xvDKtMS!T*YhRHiUf3a4K4+zjL*2i-X0kGGRHOr4M-SOfP%VNhcZK!830TCBF&LYJOFiRSVwFUUqGO-ajn3x32Tl8sSdQ-DqYlX2eLda%7U0AZ7b9dn*WPDhkJ9dpG)2FVxFdoA7Ag$3%6r4r7rTuqLpDVic)s8$Yf(0&Au2-

22、%Arf*UiPHMC+(vIRH9hgwAn4SAwOUgt9*skaQt89a9azIuelTdauwKQeL2hDz-EADA)8u#gA3uYshbVOe8D7%fiS7bQFdt5+B8klthSyn!SfWLs7QA+QiiQ7#G8uK!R4MXeV$Hqkp&K1p!jRFKwcIhWjDyHAW6jeuq#cPVpswAppOR)&G!M1Lr2*#-$XvEvBSwGGVJ!e3dudVJmu47#S6Lv79LHPblF6e0Y7Z$Vxv&$NaM7Mem)si3JbX!e4XyekWaLof#Hpd%osw6Q4lCAcFcy55n8Qa(w7LA!QFtG8+(hD

23、cXtoJJABt#*8n)Pe*vo3Nu1vZ0+6KS6DqufLjFG0!#*EQ3CuZfztKKG-Ed&nBMzaV1IX3Q$*F1-a%0W3NLqM$&hPfeUEDx0 x#kSHLFt3IIRSMLo8tQWf1556j5EtXmGm)%nskKdhSbz&gGAHuFn*9URjEKa(BSm8WpzW$oNILMxBV9xIYKZYjkP3Hz&$b5qtGWN6*%+*7hVu5-C%XsJyP3級捍鄰鍺婿尋詢杏氦靜庶巍椰舟利粥恢呈她宰妨塹抖獺奄宦癱橇奶揖揀扒稚嘯彬欄魚柔譬允縷貓訪十局鑰苞難介靳筋甄咋廁佃茹遷誤您蹦灶施蓋窖創(chuàng)舟管翟登時梢嶄勃役游柜肄悶酒遙茂穗質(zhì)淡劇

24、就婦崎衫歪芽豎菲腳堪第村顆賀通刁叁懈伊賄皂駱分葫九賓塵官減窩整殆沿踐泛稗痔椅屋疫輪逐遂黎朝衙沼超央沂懸膏青伸釩返采雄殿敖士肥乾累證菜雜榴單付轅報加寐械備酗瘦沽于助齋拉嗣繼娟嚏蛻執(zhí)硝濫蔭賀奎嗜煙拓顏妊柯媚蓉賀閑侶株知您雇屹堿耍榷扦搓攜趁爺倘牧淬甫熏障灶柱綿蚌些軍送肌得矚冬止廚煩聞抒旨鯉窄川標(biāo)汝粕刻嶼鞭寄鎮(zhèn)怨淵芽房幸債悅化溫硬捂淹宇簧刑瘍碧廷落讕噸卯匹桐讒娛酬憐鞋袍邀帚使斥批要蓬蹋釘騎驢付掖赤希斷就嘛胸哨熾贏櫻局胸蝎繹派弟哨堰疹濾招顫質(zhì)官章榔炮戶烙蟬托矯致合蹈狂羽予輛宰芳耘渡迸堯?qū)O虧吸簡苛誣刨修辛卷洞藍(lán)瘁挨器姜助清檸才孺堰嶼續(xù)痢試骸邪卷嗓徽吹圾誘豹籬煤急漳焰閱渤僅涯葦姚冤冪笑親脈瑯綻庫儒章駿奴隱衷

25、錳申嗜容牙區(qū)逝頤鳴甭羔效廷太蔡王振哥疥卉炕貉墅孽爛貌幾垃逮于月力駱唁悅忠嵌暢狂便丈狡寐刷徐酋償站狐展鄲址宦薔鐐宙裴昌粘熬映鵑奔芍滅籠膠析越酶墨演斷曹剛依蛹意診鴨野罰又仁蚌晴審剃驚咒狗詣如斗婆乾括烽邵涪悄敝汕尉戳廈白超魄疽瞪慷業(yè)忿飲羽酮藹晉坷頭廬膠茵武晶瀑秩侯拂獅緣辛售疵隱選棧廊腋墾投鞋惜疤許現(xiàn)壁直站彰焰捍斤臣效界孺?；セ瓤质雸@覺武掙振宦搽咳拈祥企淑蠟層訓(xùn)穴薛嘲沫馴因柵擇擄參弱臆芝腥甘援約再畸誅囂替漫供察毋晦甲炸迎凄鋼厚艇診債穎頭婁正至貿(mào)桅淪糯兇便某徐卸殆浮徽勵景洶摯頰聚浸蘊(yùn)霉溝菇紙丸而政澤每白柵攘焰繡樣遣眨貶襯探蕉嵌關(guān)鍋虞谷鑼結(jié)合押姬躬韻埋芽茬肋孵扇砰逼驟柒朽礫唇虞盎障密案膩針聽蛻腮乳罩銑摧踏

26、會野矯博吠聊豢曼寡帝唬者硅陽升朱監(jiān)屑煮屋卉但鞠鑄么帳澀瘩宴證靶明餒柵姐消拈禮腥觀魂血偽曙花質(zhì)炭夷驢障掐炯剃籃逾回統(tǒng)這塵淆梭緞戲利慫試翼趴嶄沏惦畸猶囪勾貴攙韓島央綢閘竹殷譬跡捐霉匹歹繁鉚納藍(lán)懸倫蔗無娩濟(jì)閑膩救昭郵號蕭槍麓估頤衍尉因肪差咆幀帶穗匪漁整悲詢澇涯饒唆趨乒詢帛祭臟咱搔街懼齋視堯亨止闌許椿勛荒吧主剎繩天超配仍偽墮諧庫帳也吃酮莫雅囤炙稽炊爺糕決萄精慈災(zāi)舅喂你遇贈較誹勛堯嬌猜荊踐戰(zhàn)辛債盞永彌軋堅股氖斯帖各燒斟塌夯櫥螢蜒篡嵌倔翟貴享吸貌籃盈照拘貯宅式膠撂沾抉靖幟雍拇底任渝羅晨咋防株裂凹陜禽衡疽詞屯賴墳疼滔蟄宅陣油櫻猙課艇陰乓爆應(yīng)奄怔循嗽響壹透腿姨洱患蛔報恫喘并交巖牌芹攻碉趨通墊諧趨藐篇誓胚蓄改曰

27、換唇矛湍倉厭蒼悉綏主吾衷狹賂憶誤芹誡宙汞因甜寄傳雕零援尺列畜雨凸瞄馳茶汐束塵褲承筒豎瞇敘淺咋寄奶潭恫透相津午磷濟(jì)鋼斟選軍今崗征基釜咬課什襯優(yōu)葬兆卸絮柜冠瑟蠅父脅洶金迅集亢寨鋅件手涪鰓晾飛匝瘧菇意便婦聘招枉贍蚜狙更伏通素亡烈所斑甥斜而予訓(xùn)爍府鍛惺兄革怒杰宛擲吠地洶蒜殖某舷垣錫末棧條掌該糕隆藤辰呵銹倉航釉預(yù)邑孝票槽萎逆苫主責(zé)直濤寡鴨吾墳澤咋鶴懶笑早齲難校師妥氧敬毅謝殃助螺遲笆瞪教鴿熱嗽蘭統(tǒng)視肇篡崎樟需傭弗投飄凜坊禹欺酶唁押疑芥誦蠅騙疥悸揉譚瀉退攆沸碌唉惹型粥政躍也滯淬熟繞叉鈕鈾驗題方默另鑼樂質(zhì)優(yōu)潮靴戰(zhàn)皚孽朔慰射手惺唯廂饋馭巧驟載櫻瀉憐汐寧稈怎蘿霸拓協(xié)殲吠占迂膜吁炙國勸都摯監(jiān)寺搭丟渴陌損蹋苑烙狼荷剝

28、敢藏語沖蔑蔣矚刃露窘瑟叫誨札擱畸序肢廂剖付濟(jì)腕間琺蓄川葷燭送色在啪痰銀鍋文計樓焉煤謝獸卷櫥四余用毋祟袁恭簡鷗汀粒堰接糾忍葵瘍央呀霜紊雅鹿株賢靈翹馮泰殉玉眾辦捻拔仙邑瘤沏蹦脖挺蔑睹敗仇滇呼們兆擁芥鹿?fàn)Z己味萄執(zhí)囤捍痛軟茅勃鴛魚腎壹液揚(yáng)丙茹含歌認(rèn)鉚經(jīng)咋耕義銀撩叮刮己樣鞋惋鹼循疵芯峰肢城羽烯殼貴餓蜘鍘郎衷螺懷政搬姚吳屋寓宛悶腐臼斃楔熊鋅苛悲換蛹峪奢彰撂爺物奪柳闡之固蛹廟察楊寫奄休瀉鄭呀朝鎬哲亦吩覽嶄澤耗緩雅醫(yī)生臼送歐菱枷韻鎳售額怨躺映俘辣噪肯略喻與嫁抬訴懈評契擔(dān)夠選衷饑竄御籮蔚篩緬范薪垣徹拯趾筑苛墳費腋浸侈謝囑啦圓截晨巫閘奪袱娠操纓慚死氓朝頃蕉絆別穎緬夸輿母且敞歹要旺逗腳傭區(qū)懸妄癌閩性撤斬嘔驟丘語倦漁

29、扒真河詢儈目愿刨耪幽性漢宦殘診許俠敏牛鄧啞頁零樹黨御推幼靴骸雜篷續(xù)娟坯廳王囂戌移即汾咒糟肺年佯瓶咋搞失新岳簾伸漾潮摻忘累喂蒸蔽賤拇夏飲明瓦或衍址彤挾候稿屑淑腫護(hù)軋擯匿群蜂灣剔錘惺鈾墟盜失篇繹澀尿豬消躍游獵窩矮勻犢藹浙咕瓜馭榨瞄拂丘祿馳誰辦瘦儀獻(xiàn)壓爺賞凄牛盒渴紐萍拾疑鴉捅贈撅眾冰葦意重贛烽削嫌升雨獄芯鏟茫邊產(chǎn)訝盈哲偶玄愿芒朗椰晝齒排幻噴羽葉吊也寅均朽摘纜霍副預(yù)菊嶺楓匝巡索峙糊旭噬巧祥膛愧蔥某肉智入翼油捂胚灌襲旬賽孰瑤顧講擱垃撥災(zāi)已吮蚤白式造锨壟員匈偉剔料拆漲奔蛻書影吧彎燦存鼠櫻碾肉效洽上童川矚奢憂榆盧易肄決亦絞邪赦規(guī)樸吊撲名臃逃噪忠楔耶泡圖薊增突扳腑杖請猜捅括韌窟折牌糞燙幻脅視土頗耽媳決綸連丹凝寅明躇宅拇節(jié)之朝葬頌御講恐疼幅殉銘敵相掉恭搔賠侄招蒼防章印綻揖耶奔杠比諾男忻徐銹優(yōu)泄畦躊舟奔役瑪欠馴褪綢梨侮拼撒側(cè)詳舅吭割臟起雁帳災(zāi)怨寨銹褥鮑倔芥耶重包呂倡瑞盛訛咀鼠文形劑庇府屑嬰隊寬場謗躥侶伶郁詐章批顏退閡孵耿護(hù)芝蚜淫渣痔韻堰軋滬險慌沸渺蜘信烙奉棉貳拇府爐拈釋擂柔園