下联：字史酒医诗，诸圣流芳
横批：联袂贺春
西藏上联：雪域春秋“扎西德勒”
新疆下联：天山南北“乌鲁木齐”
横批：盛景争春
上联：上下五千年，太平盛世欣今日，听钟乐和鸣，八方共饮复兴酒
下联：纵横九万里，锦绣中华创未来，看龙狮劲舞，四海同吟发展歌
北京上联：三海九门，京华迎奥运
上海下联：一江两岸，世博靓申城
重庆上联：朝天门喜迎天下客
天津下联：塘沽港笑纳万国风
内蒙古上联：碧草毡房，春风马背牛羊壮
黑龙江下联：苍松雪岭，沃野龙江豆谷香
广东上联：南海风清，讲述春天故事
广西下联：漓江水碧，飘来三姐新歌
上联：孔子仁，关公义，人文典范
下联：泰山日，壶口烟，天地奇观
上联：八百里洞庭凭岳阳壮阔
下联：两千年赤壁览黄鹤风流
上联：万里长城山海关，龙头为首
下联：独门绝技少林寺，天下无双
上联：车轮飞转东西南北追风去
下联：钢水奔腾春夏秋冬入眼来
上联：饮龙井茶，品江南丝竹
下联：登虎丘塔，论天下园林
上联：苗寨黔山黄果树，茅台赤水
下联：川肴蜀绣锦官城，花径草堂
上联：水泽源流江河湖海
下联：金银铜铁铬镍铅锌
上联：石林自有高材生，群峰拔地
下联：琼海独具大手笔，五指擎天
上联：黄山为九州增色
下联：瓷器与中国同名
上联：荆花吐艳香江瑞
下联：莲蕊临风镜海清
上联：品铁观音，香飘两岸
下联：拜妈祖庙，情系一家
上联：丽鬼无惊厉鬼惊
下联：蓝天心曲步步高
上联：冰花点点化为水
下联：雪片纷纷结成霜
上联：情歌声声变成哥
下联：蝶舞翩翩幻为妹
上联：夜郎枉作白日梦
下联：倩女虚行暗幽魂
上联：雨荷有盖我荫凉
下联：草原无边尔朝阳
上联：古文故人做
下联：禾火秋风起
上联：假期有梦难圆
下联：真隙无聊易长
上联：孙子小众人从
下联：女子妙佳人圭（归）
上联：兰亭狂草王
下联：松江鼎彝范
上联：巴蜀丹青张
下联：松苑痴乐鬼
上联：九泉楷圣张
下联：残墨千秋香
上联：松苑大话鬼
下联：松苑影竹郑
上联：鸿乃江边鸟
下联：岩本山下石
上联：雨荷鱼儿伞
下联：草原花儿毯
上联：品泉喝白水
下联：望岚听山风
上联：缺鱼缺羊哪得鲜
下联：无舌品甘怎知甜
上联：月朗星稀晴空夜
下联：荷香风清雾霭池
上联：冰花点点化为水
下联：古木森森连成山
上联：百舸争流万山过
下联：千里江陵一日还
上联：燕雀安知鸿鹄志
下联：泡桐怎敌黄杨质
上联：闲人免进贤人进
下联：忙人慢行盲人行
上联：雨荷尘喻绿有漪
下联：草原云舒白如絮
上联：雪碧可乐风无影
下联：冰啤茅台醉有形
上联：荷舞白纱鱼戏水
下联：苇摇碧波云追月
上联：草原情歌声声慢
下联：至者莫来智者来
上联：曲水抱山山抱水
下联：游云依月月依云
上联：一对二表三分鼎
下联：五湖四海群言堂
上联：湖泊澄清波漾漾
下联：菡萏葳蕤莲芳芳
上联：一口一木矢口非知
下联：一女一子女子是好
上联：绝对佳联联佳对绝
下联：孝子贤孙孙贤子孝
上联：单传孽子子孽传单
下联：无双才俊俊才双无
上联：解解元解千古难题
下联：进进士进万民箴言
上联：天上下雪，雪既化
下联：地下升烟，烟瞬散
上联：春晓曲，白雪芳草渡
下联：秋夜雨，绿意荷叶杯
上联：夏彩虹，初晴瀑飞帘
下联：冬梅香，无意苦争春
上联：雨蝶淋雨雨沾雨蝶羽
下联：花仙如花花醉花仙貌
上联：女子好女少妙女生何姓
下联：木土杜木卜朴木易姓杨
上联：女子好女少妙女生何姓
下联：王玉珏王月玥王令名玲
上联：山峻峭人俊俏山人为仙
下联：水清逦人清丽白水为泉
上联：水流潢石硫磺水石是泵
下联：日升晖月渗辉日月为明
上联：四季轮回，冬去春会来
下联：五代交替，分久合必临
上联：人曾是僧，人弗能成佛
下联：禾火为秋，禾日晒成香
上联：田力靠男，田介还是界
下联：工力在功，木每依然梅
上联：淼磊砥中流，雨荷荡绿漪
下联：草原放情歌，风卷展云舒
上联：凭栏听风雨，枕石观星云
下联：依窗赏雷电，执卷读文章
上联：气质美如兰，才华馥比仙
下联：风度俊犹松，智谋睿入神
上联：穷只一穴，埋没多少英雄
下联：福仅一口，吞蚀无数灵魂
上联：月朗星稀，今夜怎能有雨
下联：山呼海啸，明朝岂会无风
上联：雨荷鱼儿伞一柱擎天
下联：草原花儿毯百媚铺地
上联：见仁见智思水淼石磊
下联：听风听雨念火焱木森
上联：鸟语花香四季沐歌脉脉唱
下联：风和日丽八方听曲翩翩舞
上联：寄宿客家牢守寒窗空寂寞
下联：浪游江湖泪洒请池溅溪流
在线模块是根据已生成的用户行为模式,以及用户实时行为,推理出用户感兴趣的信息,并根据这些信息向用户推荐相关网页。由于在离线模式已经生成用户行为模式,因此在信息推荐时只需扫描一遍用户行为序列数据库,即减少了计算时间,因此效率较高。挖掘用户行为层Web语义挖掘包括两个部分:一是通过对Web日志和页面的语义挖掘,获取用户兴趣集,同时利用对页面结构的挖掘来辅助Web日志文件整理,提高用于挖掘的数据的质量,并结合用户行为数据计算出页面等级,用于页面推荐。二是通过获取的兴趣集进行关联分析,发现用户间兴趣偏好的规则模式。Web语义挖掘这里定义兴趣事件:I={I1,I2,…,Ij}。例如,对访问者的访问行为进行分析后得出他所感兴趣的是{篮球,足球,体育视频,跌打损伤膏},那么这整个兴趣集就是一个兴趣事件I,其中的“篮球”等就是包含在该事件中的一个兴趣项Ij,这里Ij就是表示用户兴趣的一个关键词。该阶段获取的数据的好坏直接影响到以后生成用户行为模式,具体挖掘步骤如下:(1)首先对已生成的Web日志进行数据预处理。先进行数据清理,剔除多媒体文件、URL中包含的后缀(gif,jpg,swf等)、搜索引擎、用户访问失败记录、由GET以外方式完成的服务,以及无关日志(例如后缀为csss,map,js等文件)[15]。然后通过IP地址进行用户识别,作为产生用户行为模式的一部分,并在用户会话中,识别出用户浏览过的页面的URL,进行页面序列分析,完整URL访问路径。接下来结合Web内容的语义挖掘,构建语义日志。Web内容的语义挖掘可以通过对Web页面的语义理解,实现对Web页面的特征提取,发现Web页面之间的关联关系,达到基于Web页面内容的页面聚类。其挖掘过程是:先对页面内容进行预处理,即把页面内容转化成本体格式的背景知识,对页面中的文本信息进行语义聚类进行语义聚类,并且应用基于本体的启发式算法来将聚类特征化。基于上述陈述,可以通过K-平均值法来计算得到聚类结果,最后依据本体包含的概念来解释聚类结果,并提取解释后的结果的特征,作为其语义描述[16]。(2)数据预处理后,对描述用户操作的数据进行识别。通常与用户活动相关的操作包括:浏览、查询、下载、个人收藏、兴趣和偏好定制和商品购买等,这些操作可以分为以下几类:输入型操作、收藏型操作和超链接型操作。①对于输入型操作(例如:查询、偏好定制、商品购买等),可以对输入的信息进行语义扩展,用分析后的语义信息替代原输入信息,存入日志中;②对于收藏型操作(例如:收藏该页面、复制该页面链接等),都是对本页面进行的,因此需要对该页面内容进行语义分析,通过上述Web内容的语义挖掘,获取该页面的语义描述,记录于日志中;③对于超链接型操作(例如;下载、通过本页面浏览其他页面等),同样对URL所链接的页面的内容进行语义挖掘,提取描述该页面内容的语义描述记录于日志。至此,语义日志已建立,以上处理就是对日志文件中的数据进行语义注释。(3)根据以上建立的语义日志,进行Web使用的语义挖掘。由于在Web日志中,已对用户的操作进行过语义注释,则在使用挖掘时,链接领域本体,对用户访问过的页面的语义描述进行统一化关键词提取,例如:用户访问过的页面具有“电脑”的语义,并且“电脑”这个关键词被使用的频率高于其他与它具有语义关联的关键词,那么就以“电脑”这个关键字描述所有具有该语义描述的页面,这样可以对用户兴趣统一化描述,便于后面的关联挖掘。同时,根据以上原则,获取用户输入操作过程中生成的具有语义的信息,统一化所提取的关键字,作为用户兴趣事件的兴趣项。(4)由于在语义网中,Web的内容挖掘和结构挖掘是相互缠绕的,因此Web语义的结构挖掘是与Web内容的语义挖掘同时进行的。Web结构的语义挖掘可用于Web页面分类,从而获取不同Web页面间相似度及关联度的信息,并辅助整理Web站点服务器中的日志文件,提高用于Web使用的语义挖掘和Web内容的语义挖掘的数据的质量。同时,Web结构挖掘可以通过一个Web页面的超链接挖掘出该页面所在的网络层次。由于结构挖掘可以确定挖掘网页在该网络中的位置,并且计算链入链出数,因此可以通过对页面的结构挖掘和用户浏览行为确定网页的等级[17]。等级越高,说明其在网络中权重越高,则推荐的优先度越高。最后,根据提取出的所有关键词,整理出各个用户的兴趣事件I,用于以下关联分析。挖掘关联推荐规则本文采用FP-Growth算法,通过建立FP-tree来进行关联规则挖掘,以发现同一事件中出现的不同项的相关性达到构建用户行为模式的目的,从而形成推荐规则。首先根据以上陈述,通过Web语义挖掘,对用户行为进行首次扫描,把所有发生的兴趣项中小于支持度α,即兴趣项出现频数小于预设值α的项剔除,剩余事件为频繁项。这里为了使挖掘过程更直观,将所有表示用户兴趣的兴趣项都用符号Ij表示。假设在一次数据挖掘中所有用户的不同兴趣项共有11个,分别为I1,I2,…,I11,其中用户100(用户编号)的兴趣事件是{I6,I1,I3,I4,I7,I9,I4,I7},以此类推,用户500的兴趣事件是{I1,I6,I3,I5,I10,I7,I4,I11}。这里设支持度为α=3(该值可自设),那么只有兴趣项I6,I3,I1,I4,I7是频繁项(表中的项集无时序顺序,只是表示在一次事件行为中出现过。这里排序只是为了方便构建FP-tree,即按照项的递减支持度计数排列),得到表1,其中第三列表示频繁项集,I6,I3的频数是4,其余的频数为3。例如表1所示:接下来以Null为根节点,I6,I3(频数最大)分别为其子节点构建FP-tree。根据以上频繁项集的排列,形成事件的分支,比如第一个事件{I6,I3,I1,I4,I7}就可以构建一个分支。当为一个事件考虑增加分支时,沿共同前缀上的每个节点数加1,为跟随前缀后的项创建节点并连接,用实线表示。比如将第二个事件{I6,I1,I3,I2,I4}加到树上是,将I6,I1,I3各增加计数1,然后为{I2,I4}创建分支。创建一个项头表,以方便遍历,每个项通过一个节点链指向它在树中的出现,用虚线表示。对FP-tree的挖掘步骤如下:(1)从项头表开始挖掘;(2)沿循每个(频繁)项的链接来遍历FP-tree;(3)通过积累该项的前缀路径来形成一个条件模式基:例如包含I2的所有频繁项集中,I2的前缀有I6I3I1、I6和I3,它们出现的频数分别为1、1、1。现在要做的是在频繁项中挖掘出频繁出现的关联项集,即哪几个项在所有事件中同时出现的频数不低于3。步骤如下:(1)为条件模式基中的每一项累积计数;(2)为模式基中的频繁项构建FP-tree。例如I4的条件模式基分别为:I6I3I1∶2,和I6I3I1I2∶1,而I6I3I1I2∶1包含I6I3I1,因此I6I3I1同I4一起出现过3次,满足支持度3,因此保留,认为I6I3I1I4是频繁项集,即这4项是有关联关系的,并且它们的子集表示的项与项之间也是具有关联性的;而I6I3I1I2作为I4的前缀只出现过一次,因此认为I6I3I1I2I4不频繁,因此无关联性。按此规则可以挖掘出其他关联项集。所挖掘出的关联规则表达了用户兴趣习惯,例如频繁关联项集I6I3I1I4表示当用户对I6感兴趣,那么他就可能对I3I1I4中的任何一个感兴趣,即I3I1I4是该用户的用户关联兴趣集,也可以看做是用户的偏好路线。
生成用户行为模式层用户行为模式的生成是个性化信息推荐的一个重要环节,该模式的准确程度直接影响信息推荐质量。该模式分别包括两个部分:“个性模式”和“群体模式”。(1)“个性模式”描述的是具体用户的兴趣集,这是在对Web内容以及结构挖掘时就分析得出的,即节中所生成的用户兴趣集。由于它的产生途径,这些信息必定都是该具体用户所感兴趣的,但是这些兴趣间不一定有什么关联关系,因此单单依靠该模式是不能推理出所有用户感兴趣的信息;(2)“群体模式”则描述的是当一个用户对某一信息A感兴趣时,他可能还会对信息B、信息C等也感兴趣,这就节中根据一大群用户的兴趣偏好所分析出来的用户兴趣关联集。根据此模式,可以推理出新访问者可能感兴趣的信息,但是不能完全描述某一个具体用户所感兴趣的个性化信息。因此,只有通过结合以上两个分模式,才可以准确的推理不同用户可能感兴趣的网页,实现较完全的页面推理。之后将生成用户行为模式存放入用户行为序列数据库,以便信息推荐时进行扫描。信息推荐层该层属于在线模块,推荐的网页信息不再局限于用户访问序列,而是根据包含用户行为关联规则的用户行为模式来进行页面推荐的。具体过程如下:Web服务器首先要对用户类型识别,分析是老用户(曾经访问过该页面)还是新访问者:(1)如果是新访问者,那么就根据访问者的实时行为方式,按照“Web语义挖掘层”中用户感兴趣信息的识别方法,仅针对该用户的行为,在线提取出表现新访问者兴趣的关键字,结合本体对该关键字进行语义扩展,并利用现在语义检索技术,由信息推荐引擎根据信息内容搜索相关页面,进行页面推荐。如果新访问者感兴趣的信息在已有用户行为模式中有记录,那么同时也根据用户行为模式中的关联规则向新访问者进行信息推荐,挖掘其潜在兴趣。(2)如果是注册用户或者曾经访问过该Web站点的用户,首先扫描用户行为序列数据库,根据用户行为模式由Web服务器中的推荐引擎寻找满足用户兴趣需求的页面进行推荐。之后再根据用户的实时行为进行信息推荐,步骤如上所述。在推荐过程中,可以利用网络爬虫crawler自动获取网页的链接而不是网页中的详细内容,并与网络上的数据交互并进行搜索。然后与本体链接,计算数据与用户兴趣信息的相关度,从而达到为用户选取相关网页的目的。同时在web结构挖掘过程计算出的等级高的网页,将会作为优先推荐给用户的页面,如文献[18]提到的基于本体的crawling框架。进行信息推荐后,分析用户行为反应:如果用户对推荐的信息进行了阅读或相关操作,那么说明推荐信息是符合用户兴趣偏好的,原有的用户行为模式没有过时;如果用户没有选择推荐的信息而是做出了其他选择,那么说明用户兴趣有所变动,需要对用户兴趣重新分析,如果新的关联的次数超过支持度,那么要在原有的规则上重新分析用户兴趣关联规则,同时修改用户行为模式,更新推荐策略。
总结与分析
上联：木屐为鞋，足下果然无履；
下联：椰瓢作盏，尊前委的不钟。
明胡唯庸、袁柳庄戏对。无履”谐无礼”，不钟”谐不忠”
上联：雨打儒冠，好似盛油木杓；
下联：雪飘僧顶，犹如舂粉擂槌。
尤秀才对雷和尚。油”谐尤”，擂”谐雷”
上联：立湖石于江心，岂非假岛；
下联：蒙虎皮于马背，谓是斑彪。
文征明对徐祯卿。假岛”谐贾岛”，斑彪”谐班彪”
上联：顺风帆逆风帆，帆迟帆快；
下联：涨潮橹退潮橹，橹直橹扳。
祝允明对某友。帆迟”谐樊迟”，孔子弟子；帆快”谐樊哙”，汉初大将；橹直”谐鲁直”，宋黄庭坚字；橹扳”谐鲁班”，古代巧匠
上联：船尾拔钉，孔子生于舟末；
下联：云间闪电，霍光出自汉中。
解缙对某友。舟”谐周”，霍光”谐火光”
上联：猫儿竹下乘凉，全无暑气；
下联：蝴蝶花间向日，更有风来。
暑”谐鼠”，风”谐蜂”
上联：披衣靸鞋而走，急事急事；
下联：弃甲曳兵而走，常输常输。
兵部尚书夏元吉、给事中周大有戏对。急事”谐给事”，常输”谐尚书”
上联：解衣脱冕而行，舍人给事；
下联：弃甲曳兵而走，宣抚尚书。
赵九龄对张焘。给事”谐急事”，尚书”谐常输”
上联：东不管，西不管，酒管；
下联：兴也罢，衰也罢，喝罢。
清代江南一酒馆生意萧条，有书生为题此联，生意渐好。管”谐馆”，罢”谐吧”
上联：闵子牵白牛，过王子店；()
下联：白公骑乌马，赶公冶场。
某学童集孔门弟子戏对。闵子牵”谐闵子骞”，白牛”谐[冉]伯牛”，白公骑”谐百公琦”，公冶场”谐公冶长”
上联：上海秀才下第，只为落书；