资源描述
Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,*,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,第3,课,课频繁,模,模式,及,及关,联,联规,则,则挖,掘,掘技,术,术,徐从,富,富，,副教,授,授,浙江,大,大学,人,人工,智,智能,研,研究,所,所,浙江,大,大学,本,本科,生,生,数,数据,挖,挖掘,导,导论,课,件,件,内容,提,提纲,关联,规,规则,挖,挖掘,简,简介,关联,规,规则,基,基本,模,模型,关联,规,规则,价,价值,衡,衡量,与,与发,展,展,参考,文,文献,关联,规,规则,简,简介,关联,规,规则,反,反映,一,一个,事,事物,与,与其,他,他事,物,物之,间,间的,相,相互,依,依存,性,性和,关,关联,性,性。,如,如果,两,两个,或,或者,多,多个,事,事物,之,之间,存,存在,一,一定,的,的关,联,联关,系,系，,那,那么,，,，其,中,中一,个,个事,物,物就,能,能够,通,通过,其,其他,事,事物,预,预测,到,到。,典型,的,的关,联,联规,则,则发,现,现问,题,题是,对,对超,市,市中,的,的货,篮,篮数,据,据（MarketBasket）,进,进行,分,分析,。,。通,过,过发,现,现顾,客,客放,入,入货,篮,篮中,的,的不,同,同商,品,品之,间,间的,关,关系,来,来分,析,析顾,客,客的,购,购买,习,习惯,。,。,什么,是,是关,联,联规,则,则挖,掘,掘,关联,规,规则,挖,挖掘,首先,被,被Agrawal,ImielinskiandSwami,在,在1993年,的,的SIGMOD会,议,议上,提,提出,在事,务,务、,关,关系,数,数据,库,库中,的,的项,集,集和,对,对象,中,中发,现,现频,繁,繁模,式,式、,关,关联,规,规则,、,、相,关,关性,或,或者,因,因果,结,结构,频繁,模,模式: 数,据,据库中,频,频繁出,现,现的项,集,集,目的:,发,发现,数,超市数据中的什么产品会一起购买？ 啤酒和尿布,在买了一台PC之后下一步会购买?,哪种DNA对这种药物敏感?,我们如何自动对Web文档进行分类?,频繁模,式,式挖掘,的,的重要,性,性,许多重,要,要数据,挖,挖掘任,务,务的基,础,础,关联、,相,相关性,、,、因果,性,性,序列模,式,式、空,间,间模式,、,、时间,模,模式、,多,多维,关联分,类,类、聚,类,类分析,更加广,泛,泛的用,处,处,购物篮,分,分析、,交,交叉销,售,售、直,销,销,点击流,分,分析、DNA,序,序列分,析,析等等,关联规,则,则基本,模,模型,关联规,则,则基本,模,模型,Apriori算法,Fp-Tree算法,关联规,则,则基本,模,模型,IBM,公,公司Almaden,研,研究中,心,心的R,.Agrawal首,先,先提出,关,关联规,则,则模型,，,，并给,出,出求解,算,算法AIS。,随,随后又,出,出现了,给定一组事务,产生所有的关联规则,满足最小支持度和最小可信度,关联规,则,则基本,模,模型（,续,续）,设,I,=,i,1,i,2,i,m,为所,有,有项目,的,的集合,，,，,D,为事务,数,数据库,，,，事务,T,是一个,项,项目子,集,集（,T,I,）。每,一,一个事,务,务具有,唯,唯一的,事,事务标,识,识,TID,。设,A,是一个,由,由项目,构,构成的,集,集合，,称,称为项,集,集。事,务,务,T,包含项,集,集,A,，当且,仅,仅当,A,T,。如果,项,项集,A,中包含,k,个项目,，,，则称,其,其为,k,项集。,项,项集,A,在事务,数,数据库,D,中出现,的,的次数,占,占,D,中总事,务,务的百,分,分比叫,做,做项集,的,的支持,度,度。如,果,果项集,的,的支持,度,度超过,用,用户给,定,定的最,小,小支持,度,度阈值,，,，就称,该,该项集,是,是频繁,项,项集（,或,或大项,集,集）。,关联规,则,则基本,模,模型（,续,续）,关联规,则,则是形,如,如,X,Y,的逻辑,蕴,蕴含式,，,，其中,X,I,，,Y,I,，且,X,Y,=,。如果,事,事务数,据,据库,D,中有,s,%的事,务,务包含,X,Y,，则称,关,关联规,则,则,X,Y,的支持,度,度为,s,%，实,际,际上，,支,支持度,是,是一个,概,概率值,。,。若项,集,集,X,的支持,度,度记为,support,(,X,)，规,则,则的信,任,任度为,support,(,X,Y,),support,(,X,)。这,是,是一个,条,条件概,率,率,P,(,Y,|,X,)。,也就是,：,：,support,(,X,Y,)=,P,(,X,Y,),confidence,(,X,Y,)=,P,(,Y,|,X,),规则度,量,量：支,持,持度与,可,可信度,查找所,有,有的规,则,则,X &Y,Z,具有最,小,小支持,度,度和可,信,信度,支持度,s, 一,次,次交易,中,中包含X,、,、 Y,、,、Z的可能性,可信度,c,包含X 、Y,的,的交易,中,中也包,含,含,Z,的条件概,率,率,设最小,支,支持度,为,为50%,最,最小可,信,信度为50%,则,则可得,到,到,A,C,(50%,66.6%),C,A,(50%,100%),买尿布,的,的客户,二者都,买,买的客,户,户,买啤酒,的,的客户,关联规,则,则基本,模,模型（,续,续）,关联规,则,则就是,支,支持度,和,和信任,度,度分别,满,满足用,户,户给定,阈,阈值的,规,规则。,发现关,联,联规则,需,需要经,历,历如下,两,两个步,骤,骤：,找出所,有,有频繁,项,项集。,由频繁项,集,集生成满,足,足最小信,任,任度阈值,的,的规则。,Letmin_support= 50%,min_conf= 50%:,A,C,(50%, 66.7%),C,A,(50%, 100%),Customer,buys diaper,Customer,buys both,Customer,buys beer,Transaction-id,Items bought,10,A, B, C,20,A, C,30,A, D,40,B, E, F,Forrule,A,C,:,support= support(,A,C,) =50%,confidence =support(,A,C,)/support(,A,) =66.6%,Min.support50%,Min.confidence50%,Transaction-id,Items bought,10,A, B, C,20,A, C,30,A, D,40,B, E, F,Frequent pattern,Support,A,75%,B,50%,C,50%,A, C,50%,Apriori算,法,法的步骤,Apriori算,法,法命名源,于,于算法使,用,用了频繁,项,项集性质,的,的先验（Prior）知识,。,。,Apriori算,法,法将发现,关,关联规则,的,的过程分,为,为两个步,骤,骤：,通过迭代,，,，检索出,事,事务数据,库,库中的所,有,有频繁项,集,集，即支,持,持度不低,于,于用户设,定,定的阈值,的,的项集；,利用频繁,项,项集构造,出,出满足用,户,户最小信,任,任度的规,则,则。,挖掘或识,别,别出所有,频,频繁项集,是,是该算法,的,的核心，,占,占整个计,算,算量的大,部,部分。,频繁项集,为了避免,计,计算所有,项,项集的支,持,持度（实,际,际上频繁,项,项集只占,很,很少一部,分,分），Apriori算法,引,引入潜在,频,频繁项集,的,的概念。,若,若潜在频,繁,繁,k,项集的集,合,合记为,C,k,，频繁,k,项集的集,合,合记为,L,k,，,m,个项目构,成,成的,k,项集的集,合,合为,，,，则三,者,者之间满,足,足关系,L,k,C,k,。构成潜,在,在频繁项,集,集所遵循,的,的原则是,“,“频繁项,集,集的子集,必,必为频繁,项,项集”。,关联规则,的,的性质：,性质1：,频,频繁项集,的,的子集必,为,为频繁项,集,集。,性质2：,非,非频繁项,集,集的超集,一,一定是非,频,频繁的。,Apriori算,法,法运用性,质,质1，通,过,过已知的,频,频繁项集,构,构成长度,更,更大的项,集,集，并将,其,其称为潜,在,在频繁项,集,集。潜在,频,频繁,k,项集的集,合,合,C,k,是指由有,可,可能成为,频,频繁,k,项集的项,集,集组成的,集,集合。以,后,后只需计,算,算潜在频,繁,繁项集的,支,支持度，,而,而不必计,算,算所有不,同,同项集的,支,支持度，,因,因此在一,定,定程度上,减,减少了计,算,算量。,Apriori算,法,法,(1),L,1,=频繁1项集;,(2)for(,k,=2;,L,k,-1,;,k,+)do begin,(3),C,k,=apriori_gen(,L,k,-1,);/新的,潜,潜在频繁,项,项集,(4)for all,transactionst,D,do begin,(5),C,t,=subset(,C,k,t,);/t中包含,的,的潜在频,繁,繁项集,(6)forall,candidates c,C,t,do,(7),c,.,count,+;,(8)end;,(9)L,k,=c,C,k,|c.count,minsup,(10)end;,(11)Answer=,实例,DatabaseTDB,1,st,scan,C,1,L,1,L,2,C,2,C,2,2,nd,scan,C,3,L,3,3,rd,scan,Tid,Items,10,A, C, D,20,B, C, E,30,A, B, C, E,40,B, E,Itemset,sup,A,2,B,3,C,3,D,1,E,3,Itemset,sup,A,2,B,3,C,3,E,3,Itemset,A, B,A, C,A, E,B, C,B, E,C, E,Itemset,sup,A, B,1,A, C,2,A, E,1,B, C,2,B, E,3,C, E,2,Itemset,sup,A, C,2,B, C,2,B, E,3,C, E,2,Itemset,B, C, E,Itemset,sup,B, C, E,2,Visualization ofAssociationRules:PaneGraph,Visualization ofAssociationRules:RuleGraph,提高Apriori算法的,方,方法,Hash-based itemset counting（,散,散列项集,计,计数）,Transactionreduction（事务,压,压缩）,Partitioning,（,（划分）,Sampling,（,（采样）,关联规则,挖,挖掘算法,Agrawal等,人,人提出的AIS，Apriori和AprioriTid,Cumulate,和,和Stratify，Houstsma等人,提,提出的SETM,P,Savasere等人的PARTITION,Han等人提出的不生成候选集直接生成频繁模式FPGrowth,其中最有效和有影响的算法为Apriori，DHP和PARTITION，FPGrowth。,用,Frequent-Patterntree,(,FP-tree,),结,结,构,构,压,压,缩,缩,数,数,据,据,库,库,高,度,度,浓,浓,缩,缩,，,，,同,同,时,时,对,对,频,频,繁,繁,集,集,的,的,挖,挖,掘,掘,又,又,完,完,备,备,的,的,避,免,免,代,代,价,价,较,较,高,高,的,的,数,数,据,据,库,库,扫,扫,描,描,开,发,发,一,一,种,种,高,高,效,效,的,的,基,基,于,于FP-tree,的,的,频,频,繁,繁,集,集,挖,挖,掘,掘,算,算,法,法,采,用,用,分,分,而,而,治,治,之,之,的,的,方,方,法,法,学,学,：,：,分,分,解,解,数,数,据,据,挖,挖,掘,掘,任,任,务,务,为,为,小,小,任,任,务,务,避,免,免,生,生,成,成,关,关,联,联,规,规,则,则:,挖,掘,掘,频,频,繁,繁,集,集,不,用,用,生,生,成,成,候,候,选,选,集,集,f:4,c:1,b:1,p:1,b:1,c:3,a:3,b:1,m:2,p:2,m:1,头表,Item frequency head,f4,c4,a3,b3,m3,p3,最小支持度= 0.5,TIDItems,100,f, a, c, d, g, i, m, p,f, c, a, m, p,200,a, b, c, f, l, m, o,f, c, a, b, m,300,b, f, h, j, o,f, b,400,b, c, k, s, p,c, b, p,500,a, f, c, e, l, p, m, n,f, c, a, m, p,步骤:,扫描数据库,一,一次，得到,频,频繁1-项,集,集,把项按支持,度,度递减排序,再一次扫描,数,数据库，建,立,立FP-tree,建立 FP-tree,树,树,完备:,不会打破交,易,易中的任何,模,模式,包含了频繁,模,模式挖掘所,需,需的全部信,息,息,紧密,去除不相关,信,信息不包,含,含非频繁项,支持度降序,排,排列: 支,持,持度高的项,在,在FP-tree中共,享,享的机会也,高,高,决不会比原,数,数据库大（,如,如果不计算,树,树节点的额,外,外开销),FP-tree 结构,的,的好处,基本思想(分而治之),用FP-tree递归,增,增长频繁集,方法,对每个项，,生,生成它的条件模式库, 然后是,它,它的条件 FP-tree,对每个新生,成,成的条件FP-tree，重复这,个,个步骤,直到结果FP-tree为空, 或只含唯一的一个,路,路径,(此路径的,每,每个子路径,对,对应的项集,都,都是频繁集),用FP-tree挖掘,频,频繁集,为FP-tree中的,每,每个节点生,成,成条件模式,库,库,用条件模式,库,库构造对应,的,的条件FP-tree,递归构造条,件,件 FP-trees,同,同时增长,其,其包含的频,繁,繁集,如果条件FP-tree只包含一,个,个路径，则,直,直接生成所,包,包含的频繁,集,集。,如果条件FP-tree包含多个,路,路径，则采,用,用混合的方,法,法,挖掘 FP-tree,的,的主要步骤,从FP-tree的头,表,表开始,按照每个频,繁,繁项的连接,遍,遍历 FP-tree,列出能够到,达,达此项的所,有,有前缀路径,，,，得到条件,模,模式库,条件模式库,itemcond.pattern base,cf:3,afc:3,bfca:1, f:1, c:1,mfca:2, fcab:1,pfcam:2,cb:1,f:4,c:1,b:1,p:1,b:1,c:3,a:3,b:1,m:2,p:2,m:1,头表,Item frequency head,f4,c4,a3,b3,m3,p3,步骤1:,从,从 FP-tree,到,到条件模式,库,库,Node-linkproperty,For any frequent item,a,i, allthepossible patterns containing only frequent items and,a,i,can be obtainedby following,a,i,s node-links,starting from,a,i,s head inthefp-tree header.,Prefix path property,To calculate the frequentpatternswithsuffix,a,i, only theprefix subpathes ofnodes labeled,a,i,in the FP-treeneedto beaccumulated, and the frequency count ofevery node inthe prefixpathshould carry the same count as that inthe corresponding node,a,i,in the path.,FP-tree支持条,件,件模式库构,造,造的属性,对每个模式,库,库,计算库中每,个,个项的支持,度,度,用模式库中,的,的频繁项建,立,立FP-tree,m-条件模,式,式库,:,fca:2, fcab:1,f:3,c:3,a:3,m-conditional,FP-tree,All frequent patterns concerning,m,m,fm, cm, am,fcm,fam,cam,fcam,f:4,c:1,b:1,p:1,b:1,c:3,a:3,b:1,m:2,p:2,m:1,头表,Itemfrequencyhead,f4,c4,a3,b3,m3,p3,步骤2:,建,建立条件FP-tree,Empty,Empty,f,(f:3)|c,(f:3),c,(f:3, c:3)|a,(fc:3),a,Empty,(fca:1), (f:1), (c:1),b,(f:3, c:3, a:3)|m,(fca:2), (fcab:1),m,(c:3)|p,(fcam:2), (cb:1),p,条件FP-tree,条件模式库,项,通过建立条,件,件模式库得,到,到频繁集,f:3,c:3,a:3,m-,条件,FP-tree,“am”的,条,条件模式库: (fc:3),f:3,c:3,am-,条件,FP-tree,“cm”的,条,条件模式:(f:3),f:3,cm-,条件,FP-tree,“cam”,条,条件模式库: (f:3),f:3,cam-,条件,FP-tree,递归挖掘条,件,件FP-tree,关联规则价,值,值衡量与发,展,展,关联规则价,值,值衡量,关联规则最,新,新进展,规则价值衡,量,量,对关联规则,的,的评价与价,值,值衡量涉及,两,两个层面：,系统客观的,层,层面,用户,主,主观,的,的层,面,面,系统,客,客观,层,层面,使用,“,“支,持,持度,和,和信,任,任度,”,”框,架,架可,能,能会,产,产生,一,一些,不,不正,确,确的,规,规则,。,。只,凭,凭支,持,持度,和,和信,任,任度,阈,阈值,未,未必,总,总能,找,找出,符,符合,实,实际,的,的规,则,则。,用户,主,主观,层,层面,只有,用,用户,才,才能,决,决定,规,规则,的,的有,效,效性,、,、可,行,行性,。,。所,以,以，,应,应该,将,将用,户,户的,需,需求,和,和系,统,统更,加,加紧,密,密地,结,结合,起,起来,。,。,可以,采,采用,基,基于,约,约束,（,（Consraint-based,）,）的,数,数据,挖,挖掘,方,方法,。,。具,体,体约,束,束的,内,内容,有,有：,数,数据,约,约束,、,、,限,限定,数,数据,挖,挖掘,的,的维,和,和层,次,次、,规,规则,约,约束,。,。,如果,把,把某,些,些约,束,束条,件,件与,算,算法,紧,紧密,结,结合,，,，既,能,能提,高,高数,据,据挖,掘,掘效,率,率，,又,又能,明,明确,数,数据,挖,挖掘,的,的目,标,标。,关联,规,规则,新,新进,展,展,在基,于,于一,维,维布,尔,尔型,关,关联,规,规则,的,的算,法,法研,究,究中,先,先后,出,出现,了,了AIS,、,、SETM等,数,数据,挖,挖掘,算,算法,。,。,R.Agrawal等,人,人提,出,出的Apriori,是,是经,典,典算,法,法。,随,随后,的,的关,联,联规,则,则发,现,现算,法,法大,多,多数,建,建立,在,在Apriori,算,算法,基,基础,上,上，,或,或进,行,行改,造,造，,或,或衍,生,生变,种,种。,比,比如AprioriTid,和,和AprioriHybrid,算,算法,。,。,Lin等,人,人提,出,出解,决,决规,则,则挖,掘,掘算,法,法中,的,的数,据,据倾,斜,斜问,题,题，,从,从而,使,使算,法,法具,有,有较,好,好的,均,均衡,性,性。Park,等,等人,提,提出,把,把哈,希,希表,结,结构,用,用于,关,关联,规,规则,挖,挖掘,。,。,关联,规,规则,新,新进,展,展（,续,续）,数据,挖,挖掘,工,工作,是,是在,海,海量,数,数据,库,库上,进,进行,的,的，,数,数据,库,库的,规,规模,对,对规,则,则的,挖,挖掘,时,时间,有,有很,大,大影,响,响。,Agrawal首,先,先提,出,出事,务,务缩,减,减技,术,术，Han和Park等,人,人也,分,分别,在,在减,小,小数,据,据规,模,模上,做,做了,一,一些,工,工作,。,。,抽样,的,的方,法,法是,由,由Toivonen提出,的,的。,Brin,等,等人,采,采用,动,动态,项,项集,计,计数,方,方法,求,求解频繁项,集,集。,Aggarwal提,出,出用图,论,论和格,的,的理论,求,求解频繁,项,项集的方法。Prutax,算,算法就是用,格,格遍历,的,的办法,求,求解频,繁,繁项集,。,。,关联规,则,则新进,展,展（续,）,）,关联规,则,则模型,有,有很多,扩,扩展，如顺序,模,模型挖,掘,掘，在顺序,时,时间段,上,上进行挖,掘,掘等。,还有挖,掘,掘空间关联规,则,则，挖掘周,期,期性关,联,联规则，挖掘负关联规,则,则，挖掘,交,交易内,部,部关联,规,规则等,。,。,Guralnik提,出,出顺序时间,段,段问题,的,的形式,描,描述语,言,言，以,便,便描述,用,用户感,兴,兴趣的,时,时间段,，,，并且,构,构建了,有,有效的,数,数据结,构,构SP,树,树（顺,序,序模式,树,树）和,自,自底向,上,上的数,据,据挖掘,算,算法。,最大模,式,式挖掘,是,是Bayardo等,人,人提出,来,来的。,关联规,则,则新进,展,展（续,）,）,随后人,们,们开始,探,探讨频,率,率接近,项,项集。,Pei,给,给出了,一,一种有,效,效的数,据,据挖掘,算,算法。,B.zden等人,的,的周期,性,性关联,规,规则是,针,针对具,有,有时间,属,属性的,事,事务数,据,据库，,发,发现在,规,规律性,的,的时间,间,间隔中,满,满足最,小,小支持,度,度和信,任,任度的,规,规则。,贝尔实,验,验室的S.Ramaswamy等,人,人进一,步,步发展,了,了周期,性,性关联,规,规则，,提,提出挖,掘,掘符合,日,日历的,关,关联规,则,则（CalendricAssociationRules）,算,算法，,用,用以进,行,行市场,货,货篮分,析,析。,Fang等人,给,给出冰,山,山查询,数,数据挖,掘,掘算法,。,。,关联规,则,则新进,展,展（续,）,）,T.Hannu等人,把,把负边,界,界引入,规,规则发,现,现算法,中,中，每,次,次挖掘,不,不仅保,存,存频繁,项,项集，,而,而且同,时,时保存,负,负边界,，,，达到,下,下次挖,掘,掘时减,少,少扫描,次,次数的,目,目的。,Srikant等人,通,通过研,究,究关联,规,规则的,上,上下文,，,，提出,规,规则兴,趣,趣度尺,度,度用以,剔,剔除冗,余,余规则,。,。,Zak,ia还,用,用项集,聚,聚类技,术,术求解,最,最大的,近,近似潜,在,在频繁,项,项集，,然,然后用,格,格迁移,思,思想生,成,成每个,聚,聚类中,的,的频繁,项,项集。,CAR,，,，也叫,分,分类关,联,联规则,，,，是Lin等,人,人提出,的,的一种,新,新的分,类,类方法,，,，是分,类,类技术,与,与关联,规,规则思,想,想相结,合,合的产,物,物，并,给,给出解,决,决方案,和,和算法,。,。,关联规,则,则新进,展,展（续,）,）,Cheung,等,等人提,出,出关联,规,规则的,增,增量算,法,法。,Thomas,等,等人把,负,负边界,的,的概念,引,引入其,中,中，进,一,一步发,展,展了增,量,量算法,。,。如，,基,基于Apriori,框,框架的,并,并行和,分,分布式,数,数据挖,掘,掘算法,。,。,Oates等,人,人将MSDD,算,算法改,造,造为分,布,布式算,法,法。还,有,有其他,的,的并行,算,算法，,如,如利用,垂,垂直数,据,据库探,求,求项集,聚,聚类等,。,。,参考文,献,献,Agrawal R, ImielinskiT,and Swami A.,Miningassociationrulesbetweensets of items in large databases,. SIGMOD,207-216,1993.,Agrawal R, andSrikant R.,Fast algorithmsfor miningassociationrulesinlargedatabases,. VLDB, 478-499, 1994.,HanJW,PeiJ,Yin YW.,Miningfrequentpatternswithoutcandidategeneration,. SIGMOD,1-12,2000.,HanJW,PeiJ,Yin YW,and MaoR Y.,Miningfrequentpatternswithoutcandidategeneration:afrequent-pattern treeapproach,.Data MiningandKnowledge Discovery.8,53-87, 2004,9,、静夜,四,四无邻,，,，荒居,旧,旧业贫,。,。11月-2211月-22,Friday, November 4, 2022,10,、雨,中,中黄,叶,叶树,，,，灯,下,下白,头,头人,。,。23:30:5623:30:5623:30,11/4/202211:30:56PM,11,、以,我,我独,沈,沈久,，,，愧,君,君相,见,见频,。,。11,月,月-2223:30:5623:30,Nov-2204-Nov-22,12,、故人江,海,海别，几,度,度隔山川,。,。23:30:5623:30:5623:30,Friday,November4,2022,13,、,乍,乍,见,见,翻,翻,疑,疑,梦,梦,，,，,相,相,悲,悲,各,各,问,问,年,年,。,。,。,。11,月,月-2211,月,月-2223:30:5623:30:56,November4,2022,14,、他乡生白,发,发，旧国见,青,青山。04 十一,月,月 202211:30:56 下,午,午23:30:5611月-22,15,、比,不,不了,得,得就,不,不比,，,，得,不,不到,的,的就,不,不要,。,。十一,月,月2211:30,下,下午11,月,月-2223:30,November4,2022,16,、,行,行,动,动,出,出,成,成,果,果,，,，,工,工,作,作,出,出,财,财,富,富,。,。,。,。2022/11/423:30:5623:30:56,04November2022,17,、,做,做,前,前,，,，,能,能,够,够,环,环,视,视,四,四,周,周,；,；,做,做,时,时,，,，,你,你,只,只,能,能,或,或,者,者,最,最,好,好,沿,沿,着,着,以,以,脚,脚,为,为,起,起,点,点,的,的,射,射,线,线,向,向,前,前,。,。,。,。11:30:56,下,下,午,午11:30,下,下,午,午23:30:5611,月,月-22,9,、没有,失,失败，,只,只有暂,时,时停止,成,成功！,。,。11月-2211月-22,Friday, November 4, 2022,10,、很多,事,事情努,力,力了未,必,必有结,果,果，但,是,是不努,力,力却什,么,么改变,也,也没有,。,。23:30:5623:30:5623:30,11/4/202211:30:56PM,11,、成功就是,日,日复一日那,一,一点点小小,努,努力的积累,。,。11月-2223:30:5623:30,Nov-2204-Nov-22,12,、世间成,事,事，不求,其,其绝对圆,满,满，留一,份,份不足，,可,可得无限,完,完美。23:30:5623:30:5623:30,Friday,November4,2022,13,、,不,不,知,知,香,香,积,积,寺,寺,，,，,数,数,里,里,入,入,云,云,峰,峰,。,。,。,。11,月,月-2211,月,月-2223:30:5623:30:56,November4,2022,14,、,意,意,志,志,坚,坚,强,强,的,的,人,人,能,能,把,把,世,世,界,界,放,放,在,在,手,手,中,中,像,像,泥,泥,块,块,一,一,样,样,任,任,意,意,揉,揉,捏,捏,。,。04,十,十,一,一,月,月202211:30:56,下,下,午,午23:30:5611,月,月-22,15,、楚,塞,塞三,湘,湘接,，,，荆,门,门九,派,派通,。,。十一,月,月2211:30,下,下午11,月,月-2223:30,November4,2022,16,、少,年,年十,五,五二,十,十时,，,，步,行,行夺,得,得胡,马,马骑,。,。2022/11/423:30:5623:30:56,04November2022,17,、空,山,山新,雨,雨后,，,，天,气,气晚,来,来秋,。,。11:30:56,下,下,午,午11:30,下,下午23:30:5611,月,月-22,9,、杨柳,散,散和风,，,，青山,澹,澹吾虑,。,。11月-2211月-22,Friday, November 4, 2022,10,、阅读,一,一切好,书,书如同,和,和过去,最,最杰出,的,的人谈,话,话。23:30:5623:30:5623:30,11/4/202211:30:56PM,11,、越,是,是没,有,有本,领,领的,就,就越,加,加自,命,命不,凡,凡。11,月,月-2223:30:5623:30,Nov-2204-Nov-22,12,、越是无,能,能的人，,越,越喜欢挑,剔,剔别人的,错,错儿。23:30:5623:30:5623:30,Friday,November4,2022,13,、知人者,智,智，自知,者,者明。胜,人,人者有力,，,，自胜者,强,强。11月-2211月-2223:30:5623:30:56,November4,2022,14,、,意,意,志,志,坚,坚,强,强,的,的,人,人,能,能,把,把,世,世,界,界,放,放,在,在,手,手,中,中,像,像,泥,泥,块,块,一,一,样,样,任,任,意,意,揉,揉,捏,捏,。,。04,十,十,一,一,月,月202211:30:56,下,下,午,午23:30:5611,月,月-22,15,、最具挑战,性,性的挑战莫,过,过于提升自,我,我。十一月 2211:30,下,下午11月-2223:30,November 4, 2022,16,、业,余,余生,活,活要,有,有意,义,义，,不,不要,越,越轨,。,。2022/11/423:30:5623:30:56,04November2022,17,、一,个,个人,即,即使,已,已登,上,上顶,峰,峰，,也,也仍,要,要自,强,强不,息,息。11:30:56,下,下,午,午11:30,下,下午23:30:5611,月,月-22,MOMODA POWERPOINT,Lorem ipsum dolor sit amet, consectetur adipiscing elit. Fusce id urna blandit, eleifend nulla ac, fringilla purus. Nulla iaculis tempor felis ut cursus.,感谢,您,您的,下,下载,观,观看,专家,告,告诉,
展开阅读全文