检索结果-内蒙古大学图书馆

电脑知识与技术 2023年第34期19卷 4-8,12页

作者：黄玉盛祝迎春丽水职业技术学院浙江丽水323000

随着5G移动通信技术、虚拟现实和增强现实等技术的应用与普及,电商相关领域中传统的单一推荐算法在应对日益增长的结构与非结构数据、多源数据的融合和用户需求多样等方面逐渐显露出不足之处。结合电商相关领域的现有特点与难点来进行... 详细信息

随着5G移动通信技术、虚拟现实和增强现实等技术的应用与普及,电商相关领域中传统的单一推荐算法在应对日益增长的结构与非结构数据、多源数据的融合和用户需求多样等方面逐渐显露出不足之处。结合电商相关领域的现有特点与难点来进行推荐算法的选择和优化改进,混合推荐算法应运而生。首先,分析了传统单个基于二部图网络的、基于知识图谱的和基于神经网络推荐算法的特征和优缺点;其次,总结梳理了以上三种类型的混合推荐算法在电商相关领域的研究现状;最后,指出混合推荐算法在电商相关领域应用中遇到的困境、不足和未来应用研究方向,以期为混合推荐算法在电商相关领域的深入应用提供有力支持。

关键词：混合推荐算法电商相关领域二部图网络知识图谱神经网络

来源：评论

学校读者我要写书评

暂无评论

融合时间信息的混合推荐算法研究

融合时间信息的混合推荐算法研究

引用

作者：李钰江西理工大学

学位级别：硕士

在网络技术飞速发展的今天,网络资源的数量急剧增加,造成了信息过载的问题。面对庞大且复杂的数据,用户很难迅速找到所需信息。推荐系统有效地缓解了这一挑战。它通过分析用户的日志信息,运用各种数据挖掘技术,向用户推荐其感兴趣的内容... 详细信息

在网络技术飞速发展的今天,网络资源的数量急剧增加,造成了信息过载的问题。面对庞大且复杂的数据,用户很难迅速找到所需信息。推荐系统有效地缓解了这一挑战。它通过分析用户的日志信息,运用各种数据挖掘技术,向用户推荐其感兴趣的内容,旨在提高推荐的相关性和用户满意度,从而有效解决信息过载问题。在推荐系统领域,算法的设计直接影响推荐的效果和用户的体验,因此研究和改进推荐算法非常关键。本文具体研究内容如下: (1)本文首先介绍了推荐算法的研究背景并强调了推荐系统的重要性,概述了当前国内外在推荐算法领域的研究进展。接着,详细介绍了推荐系统的核心理论和技术,包括协同过滤等多种算法及评价指标。同时,指出了推荐系统研究面临的挑战,如数据稀疏、相似度计算不准确和特征挖掘及利用不足等问题。 (2)针对数据集稀疏和相似度计算不准确的问题,提出了一种融合时间信息和用户属性的混合推荐算法。该算法首先使用奇异值分解技术填补数据缺失值,然后利用用户人口统计特征形成用户属性相似度,将其与用户评分相似度进行加权结合形成新的用户相似度,提升用户相似度的精确性。同时,在物品相似度中引入时间遗忘函数和项目流行度以调整推荐权重,适应用户偏好的时间变化,提高推荐的相关性和时效性。最终,将优化的用户相似度和项目相似度进行加权结合,以增强整体推荐性能。 (3)针对推荐系统算法中存在特征利用不充分导致推荐不准确的问题,本文提出融合时间序列和注意力机制混合算法。算法首先通过门控单元筛选特征向量以提高特征处理质量,然后使用时间序列LSTM模型捕获用户行为的时间依赖性,准确地反映用户兴趣的动态变化。通过引入多头自注意力机制,实现复杂的特征间交互,揭示不同特征之间的深层次关联。最后,利用残差网络进一步深化特征融合与优化,增强模型的整体性能。最后,在数据集上对上述两种算法进行验证。实验表明,本文提出的模型在提升推荐系统的准确性方面取得了显著进步。

关键词：混合推荐算法融合时间信息注意力机制

来源：评论

学校读者我要写书评

暂无评论

常见推荐系统算法及提高系统召回率的混合推荐算法的介绍

常见推荐系统算法及提高系统召回率的混合推荐算法的介绍

引用

作者：邱家新南开大学

学位级别：硕士

随着互联网技术的迅猛发展，数据出现爆炸式的增长，在信息制造者和信息使用者之间存在的信息不对称现象越来越严重。如何快速、有效地不同的用户提出个性化的建议，已经成为互联网企业的首要目标。以个性化推荐技术为代表的推荐系统就... 详细信息

随着互联网技术的迅猛发展，数据出现爆炸式的增长，在信息制造者和信息使用者之间存在的信息不对称现象越来越严重。如何快速、有效地不同的用户提出个性化的建议，已经成为互联网企业的首要目标。以个性化推荐技术为代表的推荐系统就是解决双方问题的主要工具。\n 本文主要介绍了推荐系统的几个经典算法，协同过滤算法，隐语义模型算法，SVD矩阵分解算法，混合推荐算法以及上述算法的几个改进方法。然后还介绍了推荐系统的评测指标以及推荐系统的冷启动问题。\n 首先，本文对个性化推荐系统的背景和发展情况进行了介绍和说明。其中对推荐系统的评价指标和推荐系统的冷启动问题进行了比较详细的说明，评价指标主要有准确率、覆盖率和多样性。冷启动问题主要有用户冷启动、物品冷启动和系统冷启动。\n 其次，本文深入研究了基于邻域的算法，隐语义分析技术和混合推荐技术。基于邻域的算法中着重介绍了相似度的几种计算方法，主要有欧式距离、jaccard相似系数、余弦相似度和皮尔逊相似系数，在此基础上进一步介绍了基于用户的协同过滤算法和基于物品的协同过滤算法。针对隐语义模型LFM，又深入介绍了SVD矩阵分解算法。\n 最后，提出了基于多种经典推荐算法的混合推荐算法。该混合算法是将多种经典推荐算法针对同一个用户的推荐结果取并集，这样推荐能够使得推荐算法的召回率变高。然后在MovieLens用户电影评分数据集上验证了该混合推荐算法。

关键词：互联网推荐系统协同过滤算法隐语义模型算法 SVD矩阵分解算法混合推荐算法评测指标冷启动问题

来源：评论

学校读者我要写书评

暂无评论

基于混合推荐算法的乐器推荐系统研究与设计

基于混合推荐算法的乐器推荐系统研究与设计

引用

作者：夏宁武汉工程大学

学位级别：硕士

随着互联网技术的快速发展及移动设备的普及，数据呈指数级增长，从TB级别跃升到PB级别。面对如此海量的数据，对商家而言，如何利用用户数据，从而将商品推荐给用户成为关键。推荐算法的出现，一定程度上解决了这个问题。但是传统的推... 详细信息

随着互联网技术的快速发展及移动设备的普及，数据呈指数级增长，从TB级别跃升到PB级别。面对如此海量的数据，对商家而言，如何利用用户数据，从而将商品推荐给用户成为关键。推荐算法的出现，一定程度上解决了这个问题。但是传统的推荐算法依然存在数据稀疏性、用户兴趣随时间变化等问题。针对目前存在的问题，本文从用户属性和项目特征两个方面出发，提出了两种改进的推荐算法及其线性组合的混合推荐算法。　　（1）第一种算法。首先对用户-项目评分矩阵进行分解，得到用户-项目特征偏好矩阵与用户对项目特征评分次数矩阵，考虑到用户对项目特征评分次数更能够反映用户真实的喜好，因而使用用户对项目特征频次因子来表示用户喜好。其次，提出兴趣稳定期概念，在传统时间衰减函数中引入兴趣稳定期，得到了新的时间衰减函数，并在用户-项目特征偏好矩阵中融入时间衰减函数，得到融合时间的用户-项目特征偏好矩阵。最后引入项目特征频次因子对传统的修正余弦相似度进行改进，提出了一种基于项目特征的推荐算法。　　（2）第二种算法。首先，提出用户交互因子来降低不同用户评分习惯对推荐结果的影响。其次，考虑用户属性对用户喜好有一定的影响，在传统的修正余弦相似度上引入用户交互因子与用户属性权重因子，得到改进的相似度计算公式，提出了一种基于用户属性的推荐算法。　　最后，将上述两种推荐算法进行线性组合，得到一种融合用户属性与项目特征的混合推荐算法。该算法在一定程度上能有效的解决数据稀疏性与用户兴趣变化问题。在Movielens数据集下进行实验，该混合推荐算法相较于传统的推荐算法平均绝对误差值得到了明显的降低。

关键词：推荐系统用户属性项目特征时间衰减函数混合推荐算法

来源：评论

学校读者我要写书评

暂无评论

基于Python的医疗专家推荐系统与混合推荐算法研究

基于Python的医疗专家推荐系统与混合推荐算法研究

引用

作者：张文静大连交通大学

学位级别：硕士

随着互联网技术的飞速发展,网络空间丰富的信息和大数据共享为人们的工作和生活提供了极大的便利。然而,面对日益增长的海量数据和信息需求的不断提升量,信息按需获取、快速检索成为互联网时代亟待解决的问题。研究信息推荐技术与推荐... 详细信息

随着互联网技术的飞速发展,网络空间丰富的信息和大数据共享为人们的工作和生活提供了极大的便利。然而,面对日益增长的海量数据和信息需求的不断提升量,信息按需获取、快速检索成为互联网时代亟待解决的问题。研究信息推荐技术与推荐系统可有效地提高信息获取效率,帮助用户从海量数据中按需高效获取有价值的信息,满足用户对信息的高层次需求。学位论文主要研究基于Python的医疗专家推荐系统与混合推荐算法设计问题。医疗专家系统不仅为用户提供医疗健康新闻、医疗专家信息等的搜索查询,也可以通过混合推荐算法为用户推荐最适合的医疗专家,为用户选择专家带来便利,主要工作内容包括以下三个方面:(1)利用网络爬虫技术,从健康网中获取医疗专家信息,通过文本数据预处理,对数据进行筛选、整合和处理等处理,获得医疗专家数据集。(2)对传统的推荐算法进行分析,针对医疗专家推荐需求,提出了基于项目和内容的加权融合混合推荐算法。通过在基于项目的推荐算法的相似度计算中融入信息熵,既用到了用户行为信息,又用到了项目本身信息。通过混合推荐算法,可为用户推荐更加匹配需求的医疗专家。(3)利用上述提出的混合推荐算法,设计了医疗专家推荐系统。系统使用Python语言开发,采用B/S(浏览器/服务器)模式、Django框架、SQL Server数据库等技术,进行医疗专家推荐系统的设计。基于Python的医疗专家推荐系统,功能包括登录注册、医疗新闻查询浏览、医疗专家推荐、用户留言、后台管理等。模块内部链接紧凑,模块之间耦合度低。根据需求分析对系统架构、流程、各个模块的数据流及接口进行了设计,在此基础上对各个模块进行了详细设计,系统将混合推荐算法在医疗专家推荐系统中进行了有效的应用,并验证了混合推荐算法的优越性和医疗专家推荐系统的可行性和有效性。在当今大数据与人工智能时代,基于Python的医疗专家推荐系统立足于医疗专家推荐需求与目标,研究推荐算法设计和人工智能语言Python的应用,具有广泛的应用前景。

关键词：医疗专家推荐系统推荐算法设计 Python 混合推荐算法

来源：评论

学校读者我要写书评

暂无评论

一种融入偏置和辅助信息的电影混合推荐算法

一种融入偏置和辅助信息的电影混合推荐算法

引用

作者：万佳琦河北大学

学位级别：硕士

面对海量的信息,推荐系统是解决信息过载问题的有效途径之一。传统的协同过滤推荐算法主要是使用评分来进行预测和推荐,方法简单有效,但是协同过滤推荐算法的缺点也显而易见:第一,协同过滤简单的进行用户和项目之间的线性交互来预测评分... 详细信息

面对海量的信息,推荐系统是解决信息过载问题的有效途径之一。传统的协同过滤推荐算法主要是使用评分来进行预测和推荐,方法简单有效,但是协同过滤推荐算法的缺点也显而易见:第一,协同过滤简单的进行用户和项目之间的线性交互来预测评分,忽略了非线性关系,使得推荐准确性受一些限制;第二,协同过滤只使用评分信息来进行推荐,但是由于评分数据的稀疏,使其面临数据稀疏和冷启动问题。近年来深度学习发展越来越快,被广泛应用于图像识别、自然语言处理等多个领域,在个性化推荐领域也逐渐发挥重要作用。鉴于此,本文将神经网络和深度学习引入到推荐算法中,结合神经网络的非线性拟合和特征提取优势,提出混合推荐模型—AI-NeuMF+模型。本文起初介绍了将神经网络和推荐算法结合以及进行混合推荐研究的背景和意义,并阐述了构建模型所需要的基础理论与相关技术。其次基于何向南等人提出的神经协同过滤模型,在此基础上加入全局偏置和时间偏置,全局偏置考虑了独立于用户或者独立于物品的客观因素,时间偏置考虑了用户兴趣随时间的变化。加入偏置项的模型充分考虑评分交互以外的因素,提高预测的准确度。再次在使用评分进行推荐的基础上,融入属性信息和文本信息,得到混合推荐模型—AI-NeuMF+模型。本文对辅助信息使用深度学习提取特征,充分利用卷积神经网络在自然语言处理中的优势,同时对属性信息进行多层全连接训练,使得属性信息更深层反应用户或项目特征。最后根据模型原理,将AINeuMF+模型用于Movielens 1M数据集进行验证,与经典算法进行横向和纵向的对比。该算法一定程度上缓解了数据稀疏和冷启动问题,并且提高了推荐准确度。AI-NeuMF+模型结合了矩阵分解线性交互优势和多层感知机的非线性交互优势,同时加入辅助信息结合了协同过滤推荐和基于内容推荐算法的优势,并且在矩阵分解模块加入全局偏置和时间偏置,更进一步挖掘了用户和项目的静态特征和动态特征。另外将AI-NeuMF+模型用于电影真实数据集进行验证,该算法对于推荐性能有一定的提升,具有一定的理论意义和实践意义。

关键词：矩阵分解混合推荐算法偏置辅助信息卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于合著网络的论文混合推荐算法研究

基于合著网络的论文混合推荐算法研究

引用

作者：王若松哈尔滨工程大学

学位级别：硕士

科技文献的高速增长使得科研信息的检索难度大大增加，虽然搜索引擎在很大程度上减轻了科研人员检索论文的工作，但它缺少对科研人员个性化需求的考量，难以在搜索结果中进一步找到与其兴趣相关内容，而推荐系统能够有效解决这些问题。... 详细信息

科技文献的高速增长使得科研信息的检索难度大大增加，虽然搜索引擎在很大程度上减轻了科研人员检索论文的工作，但它缺少对科研人员个性化需求的考量，难以在搜索结果中进一步找到与其兴趣相关内容，而推荐系统能够有效解决这些问题。本文首先介绍了常见推荐算法及其优缺点，然后介绍了合著网络分析方法和技术，研究了社会学中的科研合作现象，分析了网络整体特征和节点重要性，验证了合著网络的复杂网络特性，解释了学者的社会性和团体性。单一推荐算法由于自身缺陷和应用限制，在论文推荐效果上并不理想。根据研究现状及不足，本文从以下几方面研究混合推荐算法的设计： 1.为准确描述用户兴趣，用已发表论文相关信息构建动态用户兴趣模型，同时用论文质量评价方法描述论文重要性，在二者的基础上提出一种混合推荐算法； 2.为减少推荐的盲目性，将社会学中的合著网络引入混合推荐算法中，定义了不同用户之间合作强度计算方式，对合著网络进行社团划分以限制合作强度传播范围； 3.用户对排名靠前的论文具有高阅读倾向，为衡量混合推荐算法对结果的排序能力，引入信息检索系统评价指标—平均准确率和平均排序倒数对Top-N推荐效果进行评价。实验结果表明混合推荐算法相对于单一推荐算法具有较优的推荐效果，引入社团划分的混合推荐算法具有更优的推荐效果。

关键词：合著网络混合推荐算法合作强度社团划分

来源：评论

学校读者我要写书评

暂无评论

基于时间加权的混合推荐算法研究

基于时间加权的混合推荐算法研究

引用

作者：郑鹭升厦门大学

学位级别：硕士

随着互联网的迅猛发展，发布在互联网上的商务信息呈爆炸性增长。但据统计，相对于99％的用户而言，99％的Web信息是无用的，大量的无关信息会干扰甚至淹没用户真正需要的内容。因此，推荐系统应运而生，它利用网站向用户提供商品信息... 详细信息

随着互联网的迅猛发展，发布在互联网上的商务信息呈爆炸性增长。但据统计，相对于99％的用户而言，99％的Web信息是无用的，大量的无关信息会干扰甚至淹没用户真正需要的内容。因此，推荐系统应运而生，它利用网站向用户提供商品信息和建议，帮助网站有效地留住用户，防止用户流失。\n 但是随着推荐系统规模的进一步扩大，推荐系统也面临一系列挑战。包括实时性和可扩展性、稀疏性和“冷启动”等方面的问题。这些问题影响了推荐系统的效率和推荐质量。因此，对推荐系统所面临的问题的研究具有十分重要的意义。本文对推荐系统的数据稀疏性问题、推荐精度问题和推荐质量问题进行了深入的研究。\n 本文首先详细地分析了协同过滤算法中的数据稀疏性问题，研究了现有的解决方法，针对传统的相似度度量方法会导致预测误差的问题，提出了一种新的基于SimHash相似度计算方法。算法通过提取项目的特征向量，利用SimHash算法的高效降维，快速计算项目的近邻。然后根据用户对项目近邻的评分结合项目的平均评分得到最后评分填充用户-项目评分矩阵中的空白项。实验证明该方法有效的解决了评分矩阵的稀疏性问题，提高了推荐算法的推荐质量同时还大大减少了算法的时间复杂度，提高了推荐算法的实时响应速度。\n 深入研究了传统的推荐算法，指出了传统的推荐算法忽略了用户的兴趣会随时间而变化这一特点，根据传统推荐算法的不足之处提出了一种基于时间加权的混合推荐算法，该算法在使用基于SimHash的相似度计算方法解决评分矩阵稀疏性问题的基础上，利用用户对项目的评分相似度和评分时间相似度来计算用户间的相似度。最后在预测用户对未评分项的分数时，通过时间衰减因子对分数进行时间加权，实现了用户兴趣的时间效应。实验结果表明该算法解决了因用户的兴趣随时间衰减转变而导致的推荐质量低的问题，丰富了推荐系统的个性化特点。

关键词：混合推荐算法协同过滤时间加权 SimHash算法

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的混合推荐算法研究

基于深度学习的混合推荐算法研究

引用

作者：韩厚畴吉林大学

学位级别：硕士

互联网除了将来自世界各地的人紧密联系起来,还极大地改变了人们的生活和工作方式。随着人们通过互联网能够获取的信息和资源越来越多,信息过载的问题也日益严重。推荐系统是解决该问题的最有效的方式之一,它通过收集用户对条目的显式... 详细信息

互联网除了将来自世界各地的人紧密联系起来,还极大地改变了人们的生活和工作方式。随着人们通过互联网能够获取的信息和资源越来越多,信息过载的问题也日益严重。推荐系统是解决该问题的最有效的方式之一,它通过收集用户对条目的显式反馈和隐式反馈,用以学习用户的偏好,使用户能够快速地检索出感兴趣的内容。而推荐算法是推荐系统的核心模块,决定了整个系统性能的好坏。混合推荐算法是目前常用的推荐算法,这类算法最重要的原则是通过将多种类型的推荐算法组合,用以避免各自算法的弱点,从而使推荐结果更为准确。常见的混合推荐算法还存在一些问题需要解决:例如,使用了深度神经网络的混合推荐算法虽然可以学习到高阶特征组合信息,但是直接用来处理稠密的数值型特征比较困难;使用了梯度提升决策树的混合推荐算法虽然可以很好的处理稠密的数值型特征,并且有一定的可解释性和特征选择能力,但很难去在线更新和处理海量数据。针对上述问题,本文主要开展了如下研究,提出两个模型:(1)本文提出了一个混合推荐模型LFDNN(Light GBM-FM-DNN),该模型由四个模块组成:Light GBM(Light Gradient Boosting Machine)模块将梯度提升决策树应用于模型的特征处理部分,提升了模型处理稠密的数值型特征的能力;浅层模块引入了FM模型来显式地对特征组合进行建模,加强了模型的表达能力;深度神经网络模块,使用全连接的前馈神经网络,让模型获取更多高阶特征组合信息,挖掘出特征中更多的数据模式;融合模块,让浅层模型和深层模型获得更好的融合效果。我们在两个真实数据集上分别进行了模型对比实验、参数对模型影响实验和消融实验,验证了所提出模型的有效性。(2)本文还提出了另一个混合推荐模型TKDDNN(Tree-KnowledgeDistillation-DNN),该模型分为并行的两个模块:GBDT模块利用梯度提升决策树来处理稠密的数值特征,让模型可以从稠密的数值型特征中学习到更多信息,同时结合知识蒸馏技术,将梯度提升决策树中得到的树转换成神经网络输出,以适应在线更新和大规模数据;LFDNN2模块是用一个独立的混合推荐模型作为TKDDNN的子部分,浅层部分使用域感知的因子分解机来进一步加强特征交叉的能力,深层部分使用深度神经网络,用来处理稀疏的类别特征。我们在两个广告数据集进行模型对比实验,验证了模型的有效性。

关键词：推荐系统混合推荐算法深度学习梯度提升决策树知识蒸馏

来源：评论

学校读者我要写书评

暂无评论

基于倒摄抑制理论的混合推荐算法的研究与实现

基于倒摄抑制理论的混合推荐算法的研究与实现

引用

作者：杨霓虹北京邮电大学

学位级别：硕士

伴随着互联网和物联网的发展,信息的生产和获取方式变得更加多样和便捷。而在这海量信息构成的“信息过载”的时代,推荐算法的出现,无疑为用户和企业带来了极大的便利和好处。但伴随着逐渐复杂的应用场景,传统推荐算法的推荐质量高度受... 详细信息

伴随着互联网和物联网的发展,信息的生产和获取方式变得更加多样和便捷。而在这海量信息构成的“信息过载”的时代,推荐算法的出现,无疑为用户和企业带来了极大的便利和好处。但伴随着逐渐复杂的应用场景,传统推荐算法的推荐质量高度受限于数据集的稀疏程度,同时该类算法也难以根据用户的兴趣变化过程提供准确的推荐。为了解决传统推荐算法的数据稀疏问题和用户兴趣变化感知问题,本文设计并实现了一种基于认知心理学中倒摄抑制理论的混合推荐算法,主要工作如下:(1)针对传统推荐算法受限于数据稀疏程度进而影响算法准确性的问题,本文使用了基于目标的嵌入模型来生成物品嵌入向量作为原数据集中物品的隐式表示方式,提高了物品表示的语义信息含量,缓解由数据集稀疏带来的算法准确性问题;(2)针对传统推荐算法无法感知用户兴趣变化的问题,本文引入了认知心理学中的倒摄抑制理论,构建了基于倒摄抑制理论的用户偏好模型,赋予该类算法感知用户兴趣变化的能力;(3)最后通过“特征补充式”的混合方式将前两者算法过程融合得到本文的混合推荐算法。此外,基于上述提出的推荐算法,本文设计并实现了一个电影推荐原型系统,对算法进行可视化展示以及为用户提供基础的推荐服务。最后,本文对提出的混合推荐算法在公开数据集上进行了实验,实验结果显示在评分预测的推荐场景中,本文提出的算法比测试的传统推荐算法的评分预测误差降低约9%。同时,本文设计与实现的电影推荐原型系统也能正常对算法结果进行展示以及提供推荐服务。

关键词：混合推荐算法兴趣变化嵌入模型倒摄抑制电影推荐

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：