├── .gitignore ├── README.md ├── code ├── mtl │ ├── __init__.py │ ├── __pycache__ │ │ ├── __init__.cpython-37.pyc │ │ ├── args.cpython-37.pyc │ │ ├── model.cpython-37.pyc │ │ ├── train.cpython-37.pyc │ │ ├── trainer_utils.cpython-37.pyc │ │ ├── transformer_trainer.cpython-37.pyc │ │ └── utils.cpython-37.pyc │ ├── args.py │ ├── model.py │ ├── train.py │ ├── trainer_utils.py │ ├── transformer_trainer.py │ └── utils.py ├── preprocess.py ├── preprocess.sh ├── test.sh ├── train_first_stage.sh └── train_second_stage.sh ├── requirements.txt ├── tcdata ├── nlp_round1_data │ ├── OCEMOTION_a.csv │ ├── OCEMOTION_train1128.csv │ ├── OCNLI_a.csv │ ├── OCNLI_train1128.csv │ ├── TNEWS_a.csv │ ├── TNEWS_train1128.csv │ └── download.sh └── nlp_round2_data │ ├── download.sh │ ├── ocemotion_test_B.csv │ ├── ocnli_test_B.csv │ └── tnews_test_B.csv └── user_data └── emoji2zh.json /.gitignore: -------------------------------------------------------------------------------- 1 | user_data/best_model/* 2 | user_data/cleaned_nlp_round1_data 3 | user_data/cleaned_nlp_round2_data 4 | user_data/nlp_round1_data_processed 5 | user_data/nlp_round2_data_processed 6 | .idea -------------------------------------------------------------------------------- /README.md: -------------------------------------------------------------------------------- 1 | ### 1. 安装环境 2 | 在当前目录下执行如下命令安装项目依赖环境： 3 | ```shell 4 | $ conda create -n tianchi python=3.7 5 | $ conda activate tianchi 6 | $ pip install -r requirements.txt 7 | ``` 8 | ### 2. 数据预处理 9 | 进入 code 目录，运行下面的命令 10 | ```shell 11 | $ bash preprocess.sh 12 | ``` 13 | 主要处理了 nli 和 emotion 训练数据中的换行问题，最终得到 53387 条 nli 训练数据，35694 条 emotion 训练数据，63360 条 tnews 训练数据。然后对 emotion 的训练数据、a/b 榜预测数据进行了清理，将其中多余的标点符号去除只保留一个，并且将 emoji 表情符号转换成了对应的中文字符。 14 | 15 | 根据给出的代码规范中命名的方式，将 b 榜测试数据放在 tcdata/nlp_round2_data 下。 16 | 17 | ### 3. 训练 18 | 选用的预训练模型是 HFL 的 [chinese-roberta-wwm-ext-large](https://huggingface.co/hfl/chinese-roberta-wwm-ext-large) 19 | 1. 进入 code 目录，执行如下命令进行第一阶段训练： 20 | ```shell 21 | $ bash train_first_stage.sh 22 | ``` 23 | 这个阶段共训练 6 个 epoch，2500 步开始保存经过 EMA 的模型，每次与当前最佳得分进行比较，保证保存的模型最佳，最终得到的模型在验证集上的得分为 0.6389，a 榜得分 0.6493 24 | 2. 用经过第一阶段训练的最好模型初始化第二阶段的模型，即将 train_second_stage.sh 中的 model_name_or_path 和 tokenizer_dir 换成真实的第一阶段最佳模型目录， 并且 freeze Bert 的梯度，防止 Bert 被更新，对三个任务进行单独的微调。执行如下命令： 25 | ```shell 26 | $ bash train_second_stage.sh 27 | ``` 28 | 这个阶段训练 2 个 epoch，从一开始就开启 EMA 每隔 500 步评估保存一次模型，最终在验证集上得分 0.6393。a 榜得分 0.6496，top17。 29 | 30 | ### 4. B 榜预测 31 | 同样在 code 目录，执行如下命令： 32 | ```shell 33 | $ bash test.sh 34 | ``` 35 | 加载训练过程第二阶段的最佳模型，最终 b 榜得分 0.6617。 36 | 37 | B 榜得分排名： 38 |
39 | 40 |
41 | 42 | 43 |
44 | 45 |
46 | 47 | 48 | 如果模型加载过程中发生损坏无法加载的情况，请在 user_data/best_model 目录下使用 download.sh 下载 pytorch_model.bin 模型文件 49 | 50 | ### 5. 主要提点技术 51 | 本方案中主要有三个提分点： 52 | 1. 预处理，将 nli 和 emotion 中错误换行的数据修复，并将 emotion 中重复的标点符号例如句号，逗号等只保留一个，emoji 表情转换成中文字符，最终得到了更多质量更好的训练数据 53 | 2. EMA，两阶段训练过程均使用了 EMA 技术，由于训练后期，模型将在最优参数附近震荡，使用 EMA 可以有效地减小波动，使得模型更加稳定 54 | 3. 三个任务分别使用三个 `attention` 头，attention 的方式如下图，做法和论文 [Same Representation, Different Attentions](https://arxiv.org/pdf/1804.08139.pdf) 55 | 中的 Static Task-Attentive Sentence Encoding 一致, 向其输入 roberta 的最后一层 hidden-states，各任务分别进行 attention，获得 task-specific 特征，最终用于类别预测 56 | 57 | ![](https://tva1.sinaimg.cn/large/008eGmZEgy1gmh9hjz9xgj30mu0iejsn.jpg) -------------------------------------------------------------------------------- /code/mtl/__init__.py: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/HuipengXu/tianchi-multi-task/39a65667b49aed8a44d2a20e8ed2748f74f51186/code/mtl/__init__.py -------------------------------------------------------------------------------- /code/mtl/__pycache__/__init__.cpython-37.pyc: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/HuipengXu/tianchi-multi-task/39a65667b49aed8a44d2a20e8ed2748f74f51186/code/mtl/__pycache__/__init__.cpython-37.pyc -------------------------------------------------------------------------------- /code/mtl/__pycache__/args.cpython-37.pyc: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/HuipengXu/tianchi-multi-task/39a65667b49aed8a44d2a20e8ed2748f74f51186/code/mtl/__pycache__/args.cpython-37.pyc -------------------------------------------------------------------------------- /code/mtl/__pycache__/model.cpython-37.pyc: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/HuipengXu/tianchi-multi-task/39a65667b49aed8a44d2a20e8ed2748f74f51186/code/mtl/__pycache__/model.cpython-37.pyc -------------------------------------------------------------------------------- /code/mtl/__pycache__/train.cpython-37.pyc: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/HuipengXu/tianchi-multi-task/39a65667b49aed8a44d2a20e8ed2748f74f51186/code/mtl/__pycache__/train.cpython-37.pyc -------------------------------------------------------------------------------- /code/mtl/__pycache__/trainer_utils.cpython-37.pyc: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/HuipengXu/tianchi-multi-task/39a65667b49aed8a44d2a20e8ed2748f74f51186/code/mtl/__pycache__/trainer_utils.cpython-37.pyc -------------------------------------------------------------------------------- /code/mtl/__pycache__/transformer_trainer.cpython-37.pyc: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/HuipengXu/tianchi-multi-task/39a65667b49aed8a44d2a20e8ed2748f74f51186/code/mtl/__pycache__/transformer_trainer.cpython-37.pyc -------------------------------------------------------------------------------- /code/mtl/__pycache__/utils.cpython-37.pyc: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/HuipengXu/tianchi-multi-task/39a65667b49aed8a44d2a20e8ed2748f74f51186/code/mtl/__pycache__/utils.cpython-37.pyc -------------------------------------------------------------------------------- /code/mtl/args.py: -------------------------------------------------------------------------------- 1 | from dataclasses import dataclass, field 2 | from typing import Optional 3 | 4 | from mtl.utils import task_id_to_name 5 | 6 | 7 | @dataclass 8 | class ModelArguments: 9 | """ 10 | Arguments pertaining to which model/config/tokenizer we are going to fine-tune from. 11 | """ 12 | 13 | model_name_or_path: str = field( 14 | default='/root/paddlejob/workspace/train_data/datasets/data67127', 15 | metadata={"help": "Path to pretrained model or model identifier from huggingface.co/models"} 16 | ) 17 | config_name: Optional[str] = field( 18 | default=None, metadata={"help": "Pretrained config name or path if not the same as model_name"} 19 | ) 20 | tokenizer_name: Optional[str] = field( 21 | default=None, metadata={"help": "Pretrained tokenizer name or path if not the same as model_name"} 22 | ) 23 | cache_dir: Optional[str] = field( 24 | default=None, 25 | metadata={"help": "Where do you want to store the pretrained models downloaded from huggingface.co"}, 26 | ) 27 | use_fast_tokenizer: bool = field( 28 | default=True, 29 | metadata={"help": "Whether to use one of the fast tokenizer (backed by the tokenizers library) or not."}, 30 | ) 31 | freeze: bool = field( 32 | default=False, 33 | metadata={"help": "Whether to bert model or not."}, 34 | ) 35 | 36 | 37 | @dataclass 38 | class DataTrainingArguments: 39 | """ 40 | Arguments pertaining to what data we are going to input our model for training and eval. 41 | Using `HfArgumentParser` we can turn this class 42 | into argparse arguments to be able to specify them on 43 | the command line. 44 | """ 45 | tokenizer_dir: Optional[str] = field( 46 | default='/root/paddlejob/workspace/train_data/datasets/data67127', 47 | metadata={"help": "raw data directory"}, 48 | ) 49 | data_dir: Optional[str] = field( 50 | default='/root/paddlejob/workspace/train_data/datasets/data67230', 51 | metadata={"help": "raw data directory"}, 52 | ) 53 | data_save_dir: Optional[str] = field( 54 | default='./data/processed', 55 | metadata={"help": "processed data save directory"}, 56 | ) 57 | task_name: Optional[str] = field( 58 | default=None, 59 | metadata={"help": "The name of the task to train on: " + ", ".join(task_id_to_name.values())}, 60 | ) 61 | max_seq_length: int = field( 62 | default=300, 63 | metadata={ 64 | "help": "The maximum total input sequence length after tokenization. Sequences longer " 65 | "than this will be truncated, sequences shorter will be padded." 66 | }, 67 | ) 68 | overwrite_cache: bool = field( 69 | default=True, metadata={"help": "Overwrite the cached preprocessed datasets or not."} 70 | ) 71 | debug: bool = field( 72 | default=False, metadata={"help": "Whether to use debug mode."} 73 | ) 74 | pseudo: bool = field( 75 | default=True, metadata={"help": "Whether to use debug mode."} 76 | ) 77 | test_b: bool = field( 78 | default=False, metadata={"help": "Whether is test b stage."} 79 | ) 80 | pad_to_max_length: bool = field( 81 | default=True, 82 | metadata={ 83 | "help": "Whether to pad all samples to `max_seq_length`. " 84 | "If False, will pad the samples dynamically when batching to the maximum length in the batch." 85 | }, 86 | ) 87 | train_val_split_ratio: float = field( 88 | default=0.1, 89 | metadata={ 90 | "help": "num of examples, val: train" 91 | }, 92 | ) 93 | train_file: Optional[str] = field( 94 | default=None, metadata={"help": "A csv or a json file containing the training data."} 95 | ) 96 | validation_file: Optional[str] = field( 97 | default=None, metadata={"help": "A csv or a json file containing the validation data."} 98 | ) 99 | -------------------------------------------------------------------------------- /code/mtl/model.py: -------------------------------------------------------------------------------- 1 | import torch 2 | import torch.nn as nn 3 | import torch.nn.functional as F 4 | 5 | import numpy as np 6 | 7 | from transformers import BertPreTrainedModel, BertModel, BertConfig 8 | 9 | 10 | class Attention(nn.Module): 11 | def __init__(self, hidden_size: int): 12 | super(Attention, self).__init__() 13 | self.fc = nn.Linear(hidden_size, 1, bias=False) 14 | 15 | def forward(self, hidden_state: torch.Tensor, mask: torch.Tensor): 16 | q = self.fc(hidden_state).squeeze(dim=-1) 17 | q = q.masked_fill(mask, -np.inf) 18 | w = F.softmax(q, dim=-1).unsqueeze(dim=1) 19 | h = w @ hidden_state 20 | return h.squeeze(dim=1) 21 | 22 | 23 | class AttentionClassifier(nn.Module): 24 | def __init__(self, hidden_size: int, num_classes: int): 25 | super(AttentionClassifier, self).__init__() 26 | self.attn = Attention(hidden_size=hidden_size) 27 | self.fc = nn.Linear(hidden_size, num_classes) 28 | 29 | def forward(self, hidden_states: torch.Tensor, mask: torch.Tensor): 30 | h = self.attn(hidden_states, mask) 31 | out = self.fc(h) 32 | return out 33 | 34 | 35 | class MultiDropout(nn.Module): 36 | 37 | def __init__(self, hidden_size: int, num_classes: int): 38 | super(MultiDropout, self).__init__() 39 | self.fc = nn.Linear(2 * hidden_size, num_classes) 40 | self.dropout = nn.ModuleList([nn.Dropout(p) for p in np.linspace(0.1, 0.5, 5)]) 41 | 42 | def forward(self, hidden_states: torch.Tensor): 43 | max_pool, _ = hidden_states.max(dim=1) 44 | avg_pool = hidden_states.mean(dim=1) 45 | pool = torch.cat([max_pool, avg_pool], dim=-1) 46 | logits = [] 47 | for dropout in self.dropout: 48 | out = dropout(pool) 49 | out = self.fc(out) 50 | logits.append(out) 51 | logits = torch.stack(logits, dim=2).mean(dim=2) 52 | return logits 53 | 54 | 55 | class BertMultiTaskModel(BertPreTrainedModel): 56 | 57 | def __init__(self, config: BertConfig, task_num_classes: dict, model_path: str): 58 | super(BertMultiTaskModel, self).__init__(config) 59 | 60 | self.bert = BertModel.from_pretrained(model_path, config=config) 61 | self.dropout = nn.Dropout(config.hidden_dropout_prob) 62 | self.task_classifiers = nn.ModuleDict({task_id: AttentionClassifier(config.hidden_size, num_classes) 63 | for task_id, num_classes in task_num_classes.items()}) 64 | self.task_num_classes = task_num_classes 65 | 66 | def forward(self, 67 | task_id: str, 68 | input_ids: torch.Tensor = None, 69 | token_type_ids: torch.Tensor = None, 70 | attention_mask: torch.Tensor = None, 71 | labels: torch.Tensor = None): 72 | mask = input_ids == 0 73 | outputs = self.bert( 74 | input_ids, 75 | attention_mask=attention_mask, 76 | token_type_ids=token_type_ids, 77 | ) 78 | hidden_states = self.dropout(outputs[0]) 79 | 80 | logits = self.task_classifiers[task_id](hidden_states, mask) 81 | 82 | outputs = (logits,) 83 | 84 | if labels is not None: 85 | loss_fct = nn.CrossEntropyLoss() 86 | loss = loss_fct(logits.view(-1, self.task_num_classes[task_id]), labels.view(-1)) 87 | outputs = (loss,) + outputs 88 | 89 | return outputs 90 | -------------------------------------------------------------------------------- /code/mtl/train.py: -------------------------------------------------------------------------------- 1 | import os 2 | import json 3 | import logging 4 | from functools import partial 5 | 6 | from mtl.model import BertMultiTaskModel 7 | from mtl.args import ModelArguments, DataTrainingArguments 8 | from mtl.utils import ( 9 | task_data, 10 | task_num_classes, 11 | task_id_to_name, 12 | preprocess, 13 | SingleTaskDataset, 14 | MultiTaskDataset, 15 | MultiTaskBatchSampler, 16 | collate_fn, 17 | compute_metrics, 18 | load_json 19 | ) 20 | from mtl.trainer_utils import PREFIX_CHECKPOINT_DIR 21 | from mtl.transformer_trainer import Trainer 22 | 23 | import pandas as pd 24 | 25 | import torch 26 | import torch.nn as nn 27 | from torch.utils.data import DataLoader, Dataset 28 | 29 | from transformers import ( 30 | TrainingArguments, 31 | BertConfig, 32 | HfArgumentParser, 33 | PreTrainedModel 34 | ) 35 | 36 | from typing import Any, Optional, Callable, Dict 37 | 38 | logger = logging.getLogger(__name__) 39 | logger.setLevel(logging.INFO) 40 | 41 | 42 | class MultiTaskTrainer(Trainer): 43 | 44 | def __init__(self, model: PreTrainedModel, args: Any, model_args: Any, data_args: Any, 45 | train_dataset: MultiTaskDataset, eval_dataset: MultiTaskDataset, compute_metrics: Callable, 46 | max_seq_len: int): 47 | super(MultiTaskTrainer, self).__init__(model=model, args=args, model_args=model_args, data_args=data_args, 48 | train_dataset=train_dataset, eval_dataset=eval_dataset, 49 | compute_metrics=compute_metrics) 50 | self.collate = partial(collate_fn, max_seq_len=max_seq_len) 51 | 52 | def get_train_dataloader(self) -> DataLoader: 53 | batch_sampler = MultiTaskBatchSampler(datasets=self.train_dataset, 54 | batch_size=self.args.train_batch_size) 55 | dataloader = DataLoader(dataset=self.train_dataset, 56 | batch_sampler=batch_sampler, 57 | collate_fn=self.collate) 58 | return dataloader 59 | 60 | def get_eval_dataloader(self, eval_dataset: Optional[Dataset] = None) -> DataLoader: 61 | if eval_dataset is None and self.eval_dataset is None: 62 | raise ValueError("Trainer: evaluation requires an eval_dataset.") 63 | 64 | eval_dataset = eval_dataset if eval_dataset is not None else self.eval_dataset 65 | batch_sampler = MultiTaskBatchSampler(datasets=eval_dataset, 66 | batch_size=self.args.eval_batch_size, 67 | shuffle=False) 68 | dataloader = DataLoader(dataset=eval_dataset, 69 | batch_sampler=batch_sampler, 70 | collate_fn=self.collate) 71 | return dataloader 72 | 73 | def get_test_dataloader(self, test_dataset: Dataset) -> DataLoader: 74 | batch_sampler = MultiTaskBatchSampler(datasets=test_dataset, 75 | batch_size=self.args.eval_batch_size, 76 | shuffle=False) 77 | dataloader = DataLoader(dataset=test_dataset, 78 | batch_sampler=batch_sampler, 79 | collate_fn=self.collate) 80 | return dataloader 81 | 82 | def _training_step( 83 | self, model: nn.Module, inputs: Dict[str, torch.Tensor], optimizer: torch.optim.Optimizer 84 | ) -> float: 85 | model.train() 86 | task_id = inputs.pop('task_id') 87 | for k, v in inputs.items(): 88 | inputs[k] = v.to(self.args.device) 89 | 90 | inputs['task_id'] = task_id 91 | outputs = model(**inputs) 92 | loss = outputs[0] # model outputs are always tuple in transformers (see doc) 93 | 94 | if self.args.n_gpu > 1: 95 | loss = loss.mean() # mean() to average on multi-gpu parallel training 96 | if self.args.gradient_accumulation_steps > 1: 97 | loss = loss / self.args.gradient_accumulation_steps 98 | 99 | loss.backward() 100 | 101 | return loss.item() 102 | 103 | 104 | def main(): 105 | parser = HfArgumentParser((ModelArguments, DataTrainingArguments, TrainingArguments)) 106 | model_args, data_args, training_args = parser.parse_args_into_dataclasses() 107 | 108 | cache_data_path = {} 109 | if not os.path.exists(data_args.data_save_dir) or data_args.overwrite_cache: 110 | for id_, task in task_id_to_name.items(): 111 | task_cache_data_path = preprocess(data_args, task, data_args.test_b) 112 | cache_data_path[id_] = task_cache_data_path 113 | else: 114 | for id_, task_name in task_id_to_name.items(): 115 | cache_data_path[id_] = { 116 | 'train': os.path.join(data_args.data_save_dir, task_name, 'train.pt'), 117 | 'val': os.path.join(data_args.data_save_dir, task_name, 'val.pt'), 118 | 'predict': os.path.join(data_args.data_save_dir, task_name, 'predict.pt') 119 | } 120 | 121 | multi_task_train_dataset = {} 122 | multi_task_val_dataset = {} 123 | multi_task_predict_dataset = {} 124 | 125 | for id_, cache_path in cache_data_path.items(): 126 | multi_task_train_dataset[id_] = SingleTaskDataset(cache_path['train']) 127 | multi_task_val_dataset[id_] = SingleTaskDataset(cache_path['val']) 128 | multi_task_predict_dataset[id_] = SingleTaskDataset(cache_path['predict']) 129 | 130 | train_dataset = MultiTaskDataset(multi_task_train_dataset) 131 | val_dataset = MultiTaskDataset(multi_task_val_dataset) 132 | predict_dataset = MultiTaskDataset(multi_task_predict_dataset) 133 | 134 | if not model_args.freeze: 135 | bert_config = BertConfig.from_pretrained(model_args.model_name_or_path, 136 | output_hidden_states=True) 137 | model = BertMultiTaskModel(config=bert_config, task_num_classes=task_num_classes, 138 | model_path=model_args.model_name_or_path) 139 | else: 140 | model = BertMultiTaskModel.from_pretrained(model_args.model_name_or_path, task_num_classes=task_num_classes, 141 | model_path=model_args.model_name_or_path) 142 | 143 | if model_args.freeze: 144 | for p in model.bert.parameters(): 145 | p.requires_grad = False 146 | 147 | trainer = MultiTaskTrainer(model=model, args=training_args, model_args=model_args, data_args=data_args, 148 | train_dataset=train_dataset, eval_dataset=val_dataset, compute_metrics=compute_metrics, 149 | max_seq_len=data_args.max_seq_length) 150 | 151 | # Training 152 | if training_args.do_train: 153 | _, model, best_score = trainer.train( 154 | model_path=model_args.model_name_or_path if os.path.isdir(model_args.model_name_or_path) else None 155 | ) 156 | else: 157 | best_score = 1.0 158 | 159 | # Evaluation 160 | eval_results = {} 161 | if training_args.do_eval: 162 | logger.info("*** Evaluate ***") 163 | 164 | eval_result = trainer.evaluate() 165 | avg_score = sum(eval_result[metric] for metric in 166 | ['eval_ocnli', 'eval_ocemotion', 'eval_tnews']) / 3 167 | if avg_score > best_score: 168 | # Save model checkpoint 169 | output_dir = os.path.join(training_args.output_dir, 170 | f"{PREFIX_CHECKPOINT_DIR}-{trainer.global_step}" 171 | f"-{avg_score:.4f}") 172 | trainer.best_model_path = output_dir 173 | 174 | trainer.save_model(output_dir) 175 | 176 | if trainer.is_world_master(): 177 | trainer._rotate_checkpoints() 178 | 179 | logger.info(f"***** Eval results *****") 180 | for key, value in eval_result.items(): 181 | logger.info(f"{key} = {value}") 182 | 183 | eval_results.update(eval_result) 184 | 185 | if training_args.do_predict: 186 | logger.info("*** Test ***") 187 | 188 | predictions_output = trainer.predict(test_dataset=predict_dataset) 189 | predictions = predictions_output.predictions 190 | for task_id, preds in predictions.items(): 191 | preds = preds.cpu().tolist() 192 | task_name = task_id_to_name[task_id] 193 | submit_file_dir = os.path.join(os.path.dirname(os.path.dirname(training_args.output_dir)), 194 | 'prediction_result') 195 | if not os.path.exists(submit_file_dir): 196 | os.makedirs(submit_file_dir) 197 | submit_file = os.path.join(submit_file_dir, f'{task_name}_predict.json') 198 | label2id = load_json(os.path.join(data_args.data_save_dir, task_name, 'label2id.json')) 199 | id2label = {id_: label for label, id_ in label2id.items()} 200 | with open(submit_file, 'w', encoding='utf8') as f: 201 | for id_, pred in enumerate(preds): 202 | label = id2label[pred] 203 | line = {'id': str(id_), 'label': label} 204 | f.write(json.dumps(line)) 205 | if id_ < len(preds) - 1: 206 | f.write('\n') 207 | 208 | trainer.evaluate() 209 | 210 | if data_args.pseudo: 211 | task_probs = predictions_output.task_probs 212 | predictions = predictions_output.predictions 213 | for task_id, probs in task_probs.items(): 214 | task_name = task_id_to_name[task_id] 215 | label2id = load_json(os.path.join(data_args.data_save_dir, task_name, 'label2id.json')) 216 | id2label = {id_: label for label, id_ in label2id.items()} 217 | pseudo_dir = os.path.join(training_args.output_dir, 'pseudo') 218 | if not os.path.exists(pseudo_dir): 219 | os.makedirs(pseudo_dir) 220 | cur_pseudo_train_file = os.path.join(pseudo_dir, 221 | task_data[ 222 | task_id_to_name[task_id] 223 | ]['train'].split('_')[0] + '_pseudo.csv') 224 | cur_task_test_file = os.path.join(data_args.data_dir, 225 | task_data[task_id_to_name[task_id]]['predict']) 226 | count = 0 227 | test_df = pd.read_csv(cur_task_test_file, sep='\t', header=None) 228 | with open(cur_pseudo_train_file, 'w', encoding='utf8') as f: 229 | for id_, prob in enumerate(probs): 230 | if prob.max() >= 0.99: 231 | count += 1 232 | label = id2label[predictions[task_id].cpu().tolist()[id_]] 233 | if task_id == '0': 234 | text = '\t'.join(test_df.iloc[id_, 1:3].tolist()) 235 | else: 236 | text = test_df.iloc[id_, 1] 237 | row = '\t'.join(['test', text, label]) 238 | f.write(row) 239 | f.write('\n') 240 | 241 | 242 | if __name__ == "__main__": 243 | main() 244 | -------------------------------------------------------------------------------- /code/mtl/trainer_utils.py: -------------------------------------------------------------------------------- 1 | from typing import Dict, NamedTuple, Optional 2 | 3 | import numpy as np 4 | import torch 5 | 6 | 7 | class EvalPrediction(NamedTuple): 8 | """ 9 | Evaluation output (always contains labels), to be used 10 | to compute metrics. 11 | """ 12 | 13 | predictions: np.ndarray 14 | label_ids: np.ndarray 15 | 16 | 17 | class PredictionOutput(NamedTuple): 18 | predictions: Dict[str, torch.Tensor] 19 | task_probs: Dict[str, torch.Tensor] 20 | label_ids: Optional[Dict[str, torch.Tensor]] 21 | metrics: Optional[Dict[str, float]] 22 | 23 | 24 | class TrainOutput(NamedTuple): 25 | global_step: int 26 | training_loss: float 27 | 28 | 29 | PREFIX_CHECKPOINT_DIR = "checkpoint" 30 | -------------------------------------------------------------------------------- /code/mtl/transformer_trainer.py: -------------------------------------------------------------------------------- 1 | import json 2 | import logging 3 | import math 4 | import os 5 | import random 6 | import re 7 | import shutil 8 | from contextlib import contextmanager 9 | from pathlib import Path 10 | from typing import Callable, Dict, List, Optional, Tuple 11 | 12 | import numpy as np 13 | import torch 14 | from packaging import version 15 | from torch import nn 16 | from torch.utils.data.dataloader import DataLoader 17 | from torch.utils.data.dataset import Dataset 18 | from torch.utils.data.distributed import DistributedSampler 19 | from torch.utils.data.sampler import RandomSampler, Sampler, SequentialSampler 20 | from tqdm.auto import tqdm, trange 21 | 22 | from transformers.data.data_collator import DataCollator, DefaultDataCollator 23 | from transformers.modeling_utils import PreTrainedModel 24 | from transformers.optimization import AdamW, get_linear_schedule_with_warmup 25 | from transformers.training_args import TrainingArguments, is_tpu_available 26 | 27 | from mtl.trainer_utils import PREFIX_CHECKPOINT_DIR, EvalPrediction, PredictionOutput, TrainOutput 28 | from mtl.utils import task_id_to_name, task_num_classes, EMA 29 | from mtl.model import BertMultiTaskModel 30 | from mtl.args import DataTrainingArguments, ModelArguments 31 | 32 | try: 33 | from apex import amp 34 | 35 | _has_apex = True 36 | except ImportError: 37 | _has_apex = False 38 | 39 | 40 | def is_apex_available(): 41 | return _has_apex 42 | 43 | 44 | if is_tpu_available(): 45 | import torch_xla.core.xla_model as xm 46 | import torch_xla.debug.metrics as met 47 | import torch_xla.distributed.parallel_loader as pl 48 | 49 | try: 50 | from torch.utils.tensorboard import SummaryWriter 51 | 52 | _has_tensorboard = True 53 | except ImportError: 54 | try: 55 | from tensorboardX import SummaryWriter 56 | 57 | _has_tensorboard = True 58 | except ImportError: 59 | _has_tensorboard = False 60 | 61 | 62 | def is_tensorboard_available(): 63 | return False 64 | 65 | 66 | try: 67 | import wandb 68 | 69 | wandb.ensure_configured() 70 | if wandb.api.api_key is None: 71 | _has_wandb = False 72 | wandb.termwarn("W&B installed but not logged in. Run `wandb login` or set the WANDB_API_KEY env variable.") 73 | else: 74 | _has_wandb = False if os.getenv("WANDB_DISABLED") else True 75 | except ImportError: 76 | _has_wandb = False 77 | 78 | 79 | def is_wandb_available(): 80 | return _has_wandb 81 | 82 | 83 | logger = logging.getLogger(__name__) 84 | 85 | 86 | def set_seed(seed: int): 87 | random.seed(seed) 88 | np.random.seed(seed) 89 | torch.manual_seed(seed) 90 | torch.cuda.manual_seed_all(seed) 91 | # ^^ safe to call this function even if cuda is not available 92 | 93 | 94 | @contextmanager 95 | def torch_distributed_zero_first(local_rank: int): 96 | """ 97 | Decorator to make all processes in distributed training wait for each local_master to do something. 98 | """ 99 | if local_rank not in [-1, 0]: 100 | torch.distributed.barrier() 101 | yield 102 | if local_rank == 0: 103 | torch.distributed.barrier() 104 | 105 | 106 | class SequentialDistributedSampler(Sampler): 107 | """ 108 | Distributed Sampler that subsamples indicies sequentially, 109 | making it easier to collate all results at the end. 110 | 111 | Even though we only use this sampler for eval and predict (no training), 112 | which means that the model params won't have to be synced (i.e. will not hang 113 | for synchronization even if varied number of forward passes), we still add extra 114 | samples to the sampler to make it evenly divisible (like in `DistributedSampler`) 115 | to make it easy to `gather` or `reduce` resulting tensors at the end of the loop. 116 | """ 117 | 118 | def __init__(self, dataset, num_replicas=None, rank=None): 119 | if num_replicas is None: 120 | if not torch.distributed.is_available(): 121 | raise RuntimeError("Requires distributed package to be available") 122 | num_replicas = torch.distributed.get_world_size() 123 | if rank is None: 124 | if not torch.distributed.is_available(): 125 | raise RuntimeError("Requires distributed package to be available") 126 | rank = torch.distributed.get_rank() 127 | self.dataset = dataset 128 | self.num_replicas = num_replicas 129 | self.rank = rank 130 | self.num_samples = int(math.ceil(len(self.dataset) * 1.0 / self.num_replicas)) 131 | self.total_size = self.num_samples * self.num_replicas 132 | 133 | def __iter__(self): 134 | indices = list(range(len(self.dataset))) 135 | 136 | # add extra samples to make it evenly divisible 137 | indices += indices[: (self.total_size - len(indices))] 138 | assert len(indices) == self.total_size 139 | 140 | # subsample 141 | indices = indices[self.rank * self.num_samples: (self.rank + 1) * self.num_samples] 142 | assert len(indices) == self.num_samples 143 | 144 | return iter(indices) 145 | 146 | def __len__(self): 147 | return self.num_samples 148 | 149 | 150 | def get_tpu_sampler(dataset: Dataset): 151 | if xm.xrt_world_size() <= 1: 152 | return RandomSampler(dataset) 153 | return DistributedSampler(dataset, num_replicas=xm.xrt_world_size(), rank=xm.get_ordinal()) 154 | 155 | 156 | class Trainer: 157 | """ 158 | Trainer is a simple but feature-complete training and eval loop for PyTorch, 159 | optimized for Transformers. 160 | """ 161 | 162 | model: PreTrainedModel 163 | args: TrainingArguments 164 | data_collator: DataCollator 165 | train_dataset: Optional[Dataset] 166 | eval_dataset: Optional[Dataset] 167 | compute_metrics: Optional[Callable[[EvalPrediction], Dict]] = None 168 | prediction_loss_only: bool 169 | tb_writer: Optional["SummaryWriter"] = None 170 | optimizers: Tuple[torch.optim.Optimizer, torch.optim.lr_scheduler.LambdaLR] = None 171 | global_step: Optional[int] = None 172 | epoch: Optional[float] = None 173 | 174 | def __init__( 175 | self, 176 | model: PreTrainedModel, 177 | args: TrainingArguments, 178 | model_args: ModelArguments, 179 | data_args: DataTrainingArguments, 180 | data_collator: Optional[DataCollator] = None, 181 | train_dataset: Optional[Dataset] = None, 182 | eval_dataset: Optional[Dataset] = None, 183 | compute_metrics: Optional[Callable[[EvalPrediction], Dict]] = None, 184 | prediction_loss_only=False, 185 | tb_writer: Optional["SummaryWriter"] = None, 186 | optimizers: Tuple[torch.optim.Optimizer, torch.optim.lr_scheduler.LambdaLR] = None, 187 | ): 188 | """ 189 | Trainer is a simple but feature-complete training and eval loop for PyTorch, 190 | optimized for Transformers. 191 | 192 | Args: 193 | prediction_loss_only: 194 | (Optional) in evaluation and prediction, only return the loss 195 | """ 196 | self.model = model.to(args.device) 197 | self.args = args 198 | self.model_args = model_args 199 | self.data_args = data_args 200 | if data_collator is not None: 201 | self.data_collator = data_collator 202 | else: 203 | self.data_collator = DefaultDataCollator() 204 | self.train_dataset = train_dataset 205 | self.eval_dataset = eval_dataset 206 | self.compute_metrics = compute_metrics 207 | self.prediction_loss_only = prediction_loss_only 208 | self.optimizers = optimizers 209 | self.best_model_path = None 210 | if tb_writer is not None: 211 | self.tb_writer = tb_writer 212 | elif is_tensorboard_available() and self.is_world_master(): 213 | self.tb_writer = SummaryWriter(log_dir=self.args.logging_dir) 214 | if not is_tensorboard_available(): 215 | logger.warning( 216 | "You are instantiating a Trainer but Tensorboard is not installed. You should consider installing it." 217 | ) 218 | if is_wandb_available(): 219 | self._setup_wandb() 220 | else: 221 | logger.info( 222 | "You are instantiating a Trainer but W&B is not installed. To use wandb logging, " 223 | "run `pip install wandb; wandb login` see https://docs.wandb.com/huggingface." 224 | ) 225 | set_seed(self.args.seed) 226 | # Create output directory if needed 227 | if self.is_world_master(): 228 | os.makedirs(self.args.output_dir, exist_ok=True) 229 | if is_tpu_available(): 230 | # Set an xla_device flag on the model's config. 231 | # We'll find a more elegant and not need to do this in the future. 232 | self.model.config.xla_device = True 233 | 234 | def get_train_dataloader(self) -> DataLoader: 235 | if self.train_dataset is None: 236 | raise ValueError("Trainer: training requires a train_dataset.") 237 | if is_tpu_available(): 238 | train_sampler = get_tpu_sampler(self.train_dataset) 239 | else: 240 | train_sampler = ( 241 | RandomSampler(self.train_dataset) 242 | if self.args.local_rank == -1 243 | else DistributedSampler(self.train_dataset) 244 | ) 245 | 246 | data_loader = DataLoader( 247 | self.train_dataset, 248 | batch_size=self.args.train_batch_size, 249 | sampler=train_sampler, 250 | collate_fn=self.data_collator.collate_batch, 251 | ) 252 | 253 | return data_loader 254 | 255 | def get_eval_dataloader(self, eval_dataset: Optional[Dataset] = None) -> DataLoader: 256 | if eval_dataset is None and self.eval_dataset is None: 257 | raise ValueError("Trainer: evaluation requires an eval_dataset.") 258 | 259 | eval_dataset = eval_dataset if eval_dataset is not None else self.eval_dataset 260 | 261 | if is_tpu_available(): 262 | sampler = SequentialDistributedSampler( 263 | eval_dataset, num_replicas=xm.xrt_world_size(), rank=xm.get_ordinal() 264 | ) 265 | elif self.args.local_rank != -1: 266 | sampler = SequentialDistributedSampler(eval_dataset) 267 | else: 268 | sampler = SequentialSampler(eval_dataset) 269 | 270 | data_loader = DataLoader( 271 | eval_dataset, 272 | sampler=sampler, 273 | batch_size=self.args.eval_batch_size, 274 | collate_fn=self.data_collator.collate_batch, 275 | ) 276 | 277 | return data_loader 278 | 279 | def get_test_dataloader(self, test_dataset: Dataset) -> DataLoader: 280 | # We use the same batch_size as for eval. 281 | if is_tpu_available(): 282 | sampler = SequentialDistributedSampler( 283 | test_dataset, num_replicas=xm.xrt_world_size(), rank=xm.get_ordinal() 284 | ) 285 | elif self.args.local_rank != -1: 286 | sampler = SequentialDistributedSampler(test_dataset) 287 | else: 288 | sampler = SequentialSampler(test_dataset) 289 | 290 | data_loader = DataLoader( 291 | test_dataset, 292 | sampler=sampler, 293 | batch_size=self.args.eval_batch_size, 294 | collate_fn=self.data_collator.collate_batch, 295 | ) 296 | 297 | return data_loader 298 | 299 | def get_optimizers( 300 | self, num_training_steps: int 301 | ) -> Tuple[torch.optim.Optimizer, torch.optim.lr_scheduler.LambdaLR]: 302 | """ 303 | Setup the optimizer and the learning rate scheduler. 304 | 305 | We provide a reasonable default that works well. 306 | If you want to use something else, you can pass a tuple in the Trainer's init, 307 | or override this method in a subclass. 308 | """ 309 | if self.optimizers is not None: 310 | return self.optimizers 311 | # Prepare optimizer and schedule (linear warmup and decay) 312 | no_decay = ["bias", "LayerNorm.weight"] 313 | optimizer_grouped_parameters = [ 314 | { 315 | "params": [p for n, p in self.model.named_parameters() if not any(nd in n for nd in no_decay)], 316 | "weight_decay": self.args.weight_decay, 317 | }, 318 | { 319 | "params": [p for n, p in self.model.named_parameters() if any(nd in n for nd in no_decay)], 320 | "weight_decay": 0.0, 321 | }, 322 | ] 323 | optimizer = AdamW(optimizer_grouped_parameters, lr=self.args.learning_rate, eps=self.args.adam_epsilon) 324 | scheduler = get_linear_schedule_with_warmup( 325 | optimizer, num_warmup_steps=self.args.warmup_steps, num_training_steps=num_training_steps 326 | ) 327 | return optimizer, scheduler 328 | 329 | def _setup_wandb(self): 330 | """ 331 | Setup the optional Weights & Biases (`wandb`) integration. 332 | 333 | One can override this method to customize the setup if needed. Find more information at https://docs.wandb.com/huggingface 334 | You can also override the following environment variables: 335 | 336 | Environment: 337 | WANDB_WATCH: 338 | (Optional, ["gradients", "all", "false"]) "gradients" by default, set to "false" to disable gradient logging 339 | or "all" to log gradients and parameters 340 | WANDB_PROJECT: 341 | (Optional): str - "huggingface" by default, set this to a custom string to store results in a different project 342 | WANDB_DISABLED: 343 | (Optional): boolean - defaults to false, set to "true" to disable wandb entirely 344 | """ 345 | logger.info('Automatic Weights & Biases logging enabled, to disable set os.environ["WANDB_DISABLED"] = "true"') 346 | args = vars(self.args) 347 | args.update(vars(self.model_args)) 348 | args.update(vars(self.data_args)) 349 | wandb.init(dir=os.path.dirname(self.args.logging_dir), project=os.getenv("WANDB_PROJECT", "huggingface"), config=args) 350 | # keep track of model topology and gradients 351 | if os.getenv("WANDB_WATCH") != "false": 352 | wandb.watch( 353 | self.model, log=os.getenv("WANDB_WATCH", "gradients"), log_freq=max(100, self.args.logging_steps) 354 | ) 355 | # self.args.output_dir = wandb.run.dir 356 | 357 | def num_examples(self, dataloader: DataLoader) -> int: 358 | """ 359 | Helper to get num of examples from a DataLoader, by accessing its Dataset. 360 | """ 361 | return len(dataloader.dataset) 362 | 363 | def train(self, model_path: Optional[str] = None): 364 | """ 365 | Main training entry point. 366 | 367 | Args: 368 | model_path: 369 | (Optional) Local path to model if model to train has been instantiated from a local path 370 | If present, we will try reloading the optimizer/scheduler states from there. 371 | neptune_logger: 372 | neptune.projects.Project 373 | """ 374 | train_dataloader = self.get_train_dataloader() 375 | if self.args.max_steps > 0: 376 | t_total = self.args.max_steps 377 | num_train_epochs = ( 378 | self.args.max_steps // (len(train_dataloader) // self.args.gradient_accumulation_steps) + 1 379 | ) 380 | else: 381 | t_total = int(len(train_dataloader) // self.args.gradient_accumulation_steps * self.args.num_train_epochs) 382 | num_train_epochs = self.args.num_train_epochs 383 | 384 | optimizer, scheduler = self.get_optimizers(num_training_steps=t_total) 385 | 386 | # Check if saved optimizer or scheduler states exist 387 | if ( 388 | model_path is not None 389 | and os.path.isfile(os.path.join(model_path, "optimizer.pt")) 390 | and os.path.isfile(os.path.join(model_path, "scheduler.pt")) 391 | ): 392 | # Load in optimizer and scheduler states 393 | optimizer.load_state_dict( 394 | torch.load(os.path.join(model_path, "optimizer.pt"), map_location=self.args.device) 395 | ) 396 | scheduler.load_state_dict(torch.load(os.path.join(model_path, "scheduler.pt"))) 397 | 398 | model = self.model 399 | ema = EMA(model, decay=0.999) 400 | if self.args.fp16: 401 | if not is_apex_available(): 402 | raise ImportError("Please install apex from https://www.github.com/nvidia/apex to use fp16 training.") 403 | model, optimizer = amp.initialize(model, optimizer, opt_level=self.args.fp16_opt_level) 404 | 405 | # multi-gpu training (should be after apex fp16 initialization) 406 | if self.args.n_gpu > 1: 407 | model = torch.nn.DataParallel(model) 408 | 409 | # Distributed training (should be after apex fp16 initialization) 410 | if self.args.local_rank != -1: 411 | model = torch.nn.parallel.DistributedDataParallel( 412 | model, 413 | device_ids=[self.args.local_rank], 414 | output_device=self.args.local_rank, 415 | find_unused_parameters=True, 416 | ) 417 | 418 | if self.tb_writer is not None: 419 | self.tb_writer.add_text("args", self.args.to_json_string()) 420 | self.tb_writer.add_hparams(self.args.to_sanitized_dict(), metric_dict={}) 421 | 422 | # Train! 423 | if is_tpu_available(): 424 | total_train_batch_size = self.args.train_batch_size * xm.xrt_world_size() 425 | else: 426 | total_train_batch_size = ( 427 | self.args.train_batch_size 428 | * self.args.gradient_accumulation_steps 429 | * (torch.distributed.get_world_size() if self.args.local_rank != -1 else 1) 430 | ) 431 | logger.info("***** Running training *****") 432 | logger.info(" Num examples = %d", self.num_examples(train_dataloader)) 433 | logger.info(" Num Epochs = %d", num_train_epochs) 434 | logger.info(" Instantaneous batch size per device = %d", self.args.per_device_train_batch_size) 435 | logger.info(" Total train batch size (w. parallel, distributed & accumulation) = %d", total_train_batch_size) 436 | logger.info(" Gradient Accumulation steps = %d", self.args.gradient_accumulation_steps) 437 | logger.info(" Total optimization steps = %d", t_total) 438 | 439 | self.global_step = 0 440 | self.epoch = 0 441 | best_score = 0.0 442 | epochs_trained = 0 443 | steps_trained_in_current_epoch = 0 444 | # Check if continuing training from a checkpoint 445 | if model_path is not None: 446 | # set global_step to global_step of last saved checkpoint from model path 447 | try: 448 | self.global_step = int(model_path.split("-")[-1].split("/")[0]) 449 | epochs_trained = self.global_step // (len(train_dataloader) // self.args.gradient_accumulation_steps) 450 | steps_trained_in_current_epoch = self.global_step % ( 451 | len(train_dataloader) // self.args.gradient_accumulation_steps 452 | ) 453 | 454 | logger.info(" Continuing training from checkpoint, will skip to saved global_step") 455 | logger.info(" Continuing training from epoch %d", epochs_trained) 456 | logger.info(" Continuing training from global step %d", self.global_step) 457 | logger.info(" Will skip the first %d steps in the first epoch", steps_trained_in_current_epoch) 458 | except ValueError: 459 | self.global_step = 0 460 | logger.info(" Starting fine-tuning.") 461 | 462 | tr_loss = 0.0 463 | logging_loss = 0.0 464 | model.zero_grad() 465 | train_iterator = trange( 466 | epochs_trained, int(num_train_epochs), desc="Epoch", disable=not self.is_local_master() 467 | ) 468 | for epoch in train_iterator: 469 | if isinstance(train_dataloader, DataLoader) and isinstance(train_dataloader.sampler, DistributedSampler): 470 | train_dataloader.sampler.set_epoch(epoch) 471 | 472 | if is_tpu_available(): 473 | parallel_loader = pl.ParallelLoader(train_dataloader, [self.args.device]).per_device_loader( 474 | self.args.device 475 | ) 476 | epoch_iterator = tqdm(parallel_loader, desc="Iteration", disable=not self.is_local_master()) 477 | else: 478 | epoch_iterator = tqdm(train_dataloader, desc="Iteration", disable=not self.is_local_master()) 479 | 480 | for step, inputs in enumerate(epoch_iterator): 481 | 482 | # Skip past any already trained steps if resuming training 483 | if steps_trained_in_current_epoch > 0: 484 | steps_trained_in_current_epoch -= 1 485 | continue 486 | 487 | tr_loss += self._training_step(model, inputs, optimizer) 488 | 489 | if (step + 1) % self.args.gradient_accumulation_steps == 0 or ( 490 | # last step in epoch but step is always smaller than gradient_accumulation_steps 491 | len(epoch_iterator) <= self.args.gradient_accumulation_steps 492 | and (step + 1) == len(epoch_iterator) 493 | ): 494 | if self.args.fp16: 495 | torch.nn.utils.clip_grad_norm_(amp.master_params(optimizer), self.args.max_grad_norm) 496 | else: 497 | torch.nn.utils.clip_grad_norm_(model.parameters(), self.args.max_grad_norm) 498 | 499 | if is_tpu_available(): 500 | xm.optimizer_step(optimizer) 501 | else: 502 | optimizer.step() 503 | 504 | ema.update() 505 | scheduler.step() 506 | model.zero_grad() 507 | self.global_step += 1 508 | self.epoch = epoch + (step + 1) / len(epoch_iterator) 509 | 510 | if (self.args.logging_steps > self.args.save_steps and self.global_step % self.args.logging_steps == 0) or ( 511 | self.global_step == 1 and self.args.logging_first_step 512 | ): 513 | logs: Dict[str, float] = {} 514 | logs["loss"] = (tr_loss - logging_loss) / self.args.logging_steps 515 | # backward compatibility for pytorch schedulers 516 | lrs = ( 517 | scheduler.get_last_lr() 518 | if version.parse(torch.__version__) >= version.parse("1.4") 519 | else scheduler.get_lr() 520 | ) 521 | for i, lr in enumerate(lrs): 522 | logs[f"learning_rate_{i}"] = lr 523 | logging_loss = tr_loss 524 | 525 | self._log(logs) 526 | 527 | if self.args.evaluate_during_training: 528 | ema.apply_shadow() 529 | metrics = self.evaluate() 530 | avg_score = sum(metrics[metric] for metric in 531 | ['eval_ocnli', 'eval_ocemotion', 'eval_tnews']) / 3 532 | if avg_score > best_score: 533 | best_score = avg_score 534 | if hasattr(model, "module"): 535 | assert model.module is self.model 536 | else: 537 | assert model is self.model 538 | # Save model checkpoint 539 | output_dir = os.path.join(self.args.output_dir, 540 | f"{PREFIX_CHECKPOINT_DIR}-{self.global_step}" 541 | f"-{best_score:.4f}") 542 | self.best_model_path = output_dir 543 | 544 | self.save_model(output_dir) 545 | 546 | if self.is_world_master(): 547 | self._rotate_checkpoints() 548 | 549 | ema.restore() 550 | 551 | # if is_tpu_available(): 552 | # xm.rendezvous("saving_optimizer_states") 553 | # xm.save(optimizer.state_dict(), os.path.join(output_dir, "optimizer.pt")) 554 | # xm.save(scheduler.state_dict(), os.path.join(output_dir, "scheduler.pt")) 555 | # elif self.is_world_master(): 556 | # torch.save(optimizer.state_dict(), os.path.join(output_dir, "optimizer.pt")) 557 | # torch.save(scheduler.state_dict(), os.path.join(output_dir, "scheduler.pt")) 558 | 559 | if self.args.max_steps > 0 and self.global_step > self.args.max_steps: 560 | epoch_iterator.close() 561 | break 562 | if self.args.max_steps > 0 and self.global_step > self.args.max_steps: 563 | train_iterator.close() 564 | break 565 | if self.args.tpu_metrics_debug: 566 | # tpu-comment: Logging debug metrics for PyTorch/XLA (compile, execute times, ops, etc.) 567 | xm.master_print(met.metrics_report()) 568 | 569 | if self.tb_writer: 570 | self.tb_writer.close() 571 | 572 | logger.info("\n\nTraining completed. Do not forget to share your model on huggingface.co/models =)\n\n") 573 | return TrainOutput(self.global_step, tr_loss / self.global_step), model, best_score 574 | 575 | def _log(self, logs: Dict[str, float], iterator: Optional[tqdm] = None) -> None: 576 | if self.epoch is not None: 577 | logs["epoch"] = self.epoch 578 | if self.tb_writer: 579 | for k, v in logs.items(): 580 | self.tb_writer.add_scalar(k, v, self.global_step) 581 | if is_wandb_available(): 582 | wandb.log(logs, step=self.global_step) 583 | output = json.dumps({**logs, **{"step": self.global_step}}) 584 | if iterator is not None: 585 | iterator.write(output) 586 | else: 587 | print('\n') 588 | print(output) 589 | 590 | def _training_step( 591 | self, model: nn.Module, inputs: Dict[str, torch.Tensor], optimizer: torch.optim.Optimizer 592 | ) -> float: 593 | model.train() 594 | for k, v in inputs.items(): 595 | inputs[k] = v.to(self.args.device) 596 | 597 | outputs = model(**inputs) 598 | loss = outputs[0] # model outputs are always tuple in transformers (see doc) 599 | 600 | if self.args.n_gpu > 1: 601 | loss = loss.mean() # mean() to average on multi-gpu parallel training 602 | if self.args.gradient_accumulation_steps > 1: 603 | loss = loss / self.args.gradient_accumulation_steps 604 | 605 | if self.args.fp16: 606 | with amp.scale_loss(loss, optimizer) as scaled_loss: 607 | scaled_loss.backward() 608 | else: 609 | loss.backward() 610 | 611 | return loss.item() 612 | 613 | def is_local_master(self) -> bool: 614 | if is_tpu_available(): 615 | return xm.is_master_ordinal(local=True) 616 | else: 617 | return self.args.local_rank in [-1, 0] 618 | 619 | def is_world_master(self) -> bool: 620 | """ 621 | This will be True only in one process, even in distributed mode, 622 | even when training on multiple machines. 623 | """ 624 | if is_tpu_available(): 625 | return xm.is_master_ordinal(local=False) 626 | else: 627 | return self.args.local_rank == -1 or torch.distributed.get_rank() == 0 628 | 629 | def save_model(self, output_dir: Optional[str] = None): 630 | """ 631 | Saving best_model-practices: if you use default names for the model, 632 | you can reload it using from_pretrained(). 633 | 634 | Will only save from the world_master process (unless in TPUs). 635 | """ 636 | 637 | if is_tpu_available(): 638 | self._save_tpu(output_dir) 639 | elif self.is_world_master(): 640 | self._save(output_dir) 641 | 642 | def _save_tpu(self, output_dir: Optional[str] = None): 643 | output_dir = output_dir if output_dir is not None else self.args.output_dir 644 | logger.info("Saving model checkpoint to %s", output_dir) 645 | 646 | if xm.is_master_ordinal(): 647 | os.makedirs(output_dir, exist_ok=True) 648 | torch.save(self.args, os.path.join(output_dir, "training_args.bin")) 649 | 650 | # Save a trained model and configuration using `save_pretrained()`. 651 | # They can then be reloaded using `from_pretrained()` 652 | if not isinstance(self.model, PreTrainedModel): 653 | raise ValueError("Trainer.model appears to not be a PreTrainedModel") 654 | 655 | xm.rendezvous("saving_checkpoint") 656 | self.model.save_pretrained(output_dir) 657 | 658 | def _save(self, output_dir: Optional[str] = None): 659 | output_dir = output_dir if output_dir is not None else self.args.output_dir 660 | os.makedirs(output_dir, exist_ok=True) 661 | logger.info("Saving model checkpoint to %s", output_dir) 662 | # Save a trained model and configuration using `save_pretrained()`. 663 | # They can then be reloaded using `from_pretrained()` 664 | if not isinstance(self.model, PreTrainedModel): 665 | raise ValueError("Trainer.model appears to not be a PreTrainedModel") 666 | self.model.save_pretrained(output_dir) 667 | 668 | # Good practice: save your training arguments together with the trained model 669 | torch.save(self.args, os.path.join(output_dir, "training_args.bin")) 670 | 671 | def _sorted_checkpoints(self, checkpoint_prefix=PREFIX_CHECKPOINT_DIR, use_mtime=False) -> List[str]: 672 | ordering_and_checkpoint_path = [] 673 | 674 | glob_checkpoints = [str(x) for x in Path(self.args.output_dir).glob(f"{checkpoint_prefix}-*")] 675 | 676 | for path in glob_checkpoints: 677 | if use_mtime: 678 | ordering_and_checkpoint_path.append((os.path.getmtime(path), path)) 679 | else: 680 | regex_match = re.match(f".*{checkpoint_prefix}-([0-9]+)", path) 681 | if regex_match and regex_match.groups(): 682 | ordering_and_checkpoint_path.append((int(regex_match.groups()[0]), path)) 683 | 684 | checkpoints_sorted = sorted(ordering_and_checkpoint_path) 685 | checkpoints_sorted = [checkpoint[1] for checkpoint in checkpoints_sorted] 686 | return checkpoints_sorted 687 | 688 | def _rotate_checkpoints(self, use_mtime=False) -> None: 689 | if self.args.save_total_limit is None or self.args.save_total_limit <= 0: 690 | return 691 | 692 | # Check if we should delete older checkpoint(s) 693 | checkpoints_sorted = self._sorted_checkpoints(use_mtime=use_mtime) 694 | if len(checkpoints_sorted) <= self.args.save_total_limit: 695 | return 696 | 697 | number_of_checkpoints_to_delete = max(0, len(checkpoints_sorted) - self.args.save_total_limit) 698 | checkpoints_to_be_deleted = checkpoints_sorted[:number_of_checkpoints_to_delete] 699 | for checkpoint in checkpoints_to_be_deleted: 700 | logger.info("Deleting older checkpoint [{}] due to args.save_total_limit".format(checkpoint)) 701 | shutil.rmtree(checkpoint) 702 | 703 | def evaluate( 704 | self, eval_dataset: Optional[Dataset] = None, prediction_loss_only: Optional[bool] = None, 705 | ) -> Dict[str, float]: 706 | """ 707 | Run evaluation and return metrics. 708 | 709 | The calling script will be responsible for providing a method to compute metrics, as they are 710 | task-dependent. 711 | 712 | Args: 713 | eval_dataset: (Optional) Pass a dataset if you wish to override 714 | the one on the instance. 715 | Returns: 716 | A dict containing: 717 | - the eval loss 718 | - the potential metrics computed from the predictions 719 | """ 720 | eval_dataloader = self.get_eval_dataloader(eval_dataset) 721 | 722 | output = self._prediction_loop(eval_dataloader, description="Evaluation") 723 | 724 | self._log(output.metrics) 725 | 726 | if self.args.tpu_metrics_debug: 727 | # tpu-comment: Logging debug metrics for PyTorch/XLA (compile, execute times, ops, etc.) 728 | xm.master_print(met.metrics_report()) 729 | 730 | return output.metrics 731 | 732 | def predict(self, test_dataset: Dataset) -> PredictionOutput: 733 | """ 734 | Run prediction and return predictions and potential metrics. 735 | 736 | Depending on the dataset and your use case, your test dataset may contain labels. 737 | In that case, this method will also return metrics, like in evaluate(). 738 | """ 739 | test_dataloader = self.get_test_dataloader(test_dataset) 740 | if self.args.do_train: 741 | self.model = BertMultiTaskModel.from_pretrained(self.best_model_path, task_num_classes=task_num_classes, 742 | model_path=self.best_model_path) 743 | self.model.to(self.args.device) 744 | 745 | return self._prediction_loop(test_dataloader, description="Prediction") 746 | 747 | def _prediction_loop( 748 | self, dataloader: DataLoader, description: str, prediction_loss_only: Optional[bool] = None 749 | ) -> PredictionOutput: 750 | """ 751 | Prediction/evaluation loop, shared by `evaluate()` and `predict()`. 752 | 753 | Works both with or without labels. 754 | """ 755 | 756 | prediction_loss_only = prediction_loss_only if prediction_loss_only is not None else self.prediction_loss_only 757 | 758 | model = self.model 759 | # multi-gpu eval 760 | if self.args.n_gpu > 1: 761 | model = torch.nn.DataParallel(model) 762 | else: 763 | model = self.model 764 | # Note: in torch.distributed mode, there's no point in wrapping the model 765 | # inside a DistributedDataParallel as we'll be under `no_grad` anyways. 766 | 767 | batch_size = dataloader.batch_size 768 | logger.info("***** Running %s *****", description) 769 | logger.info(" Num examples = %d", self.num_examples(dataloader)) 770 | logger.info(" Batch size = %d", batch_size) 771 | eval_losses: List[float] = [] 772 | task_probs: Dict[str, torch.Tensor] = {} 773 | preds: Dict[str, torch.Tensor] = {} 774 | label_ids: Dict[str, torch.Tensor] = {} 775 | model.eval() 776 | 777 | if is_tpu_available(): 778 | dataloader = pl.ParallelLoader(dataloader, [self.args.device]).per_device_loader(self.args.device) 779 | 780 | for inputs in tqdm(dataloader, desc=description): 781 | if description == 'Prediction': 782 | inputs.pop('labels') 783 | has_labels = any(inputs.get(k) is not None for k in ["labels", "lm_labels", "masked_lm_labels"]) 784 | 785 | task_id = inputs.pop('task_id') 786 | for k, v in inputs.items(): 787 | inputs[k] = v.to(self.args.device) 788 | inputs['task_id'] = task_id 789 | 790 | with torch.no_grad(): 791 | outputs = model(**inputs) 792 | if has_labels: 793 | step_eval_loss, logits = outputs[:2] 794 | eval_losses += [step_eval_loss.mean().item()] 795 | else: 796 | logits = outputs[0] 797 | 798 | if not prediction_loss_only: 799 | probs = nn.functional.softmax(logits.detach(), dim=-1) 800 | pred_labels = logits.detach().argmax(dim=-1) 801 | if task_id not in preds: 802 | preds[task_id] = pred_labels 803 | task_probs[task_id] = probs 804 | else: 805 | task_probs[task_id] = torch.cat((task_probs[task_id], probs), dim=0) 806 | preds[task_id] = torch.cat((preds[task_id], pred_labels), dim=0) 807 | if inputs.get("labels") is not None: 808 | labels = inputs["labels"].detach() 809 | if task_id not in label_ids: 810 | label_ids[task_id] = labels 811 | else: 812 | label_ids[task_id] = torch.cat((label_ids[task_id], labels), dim=0) 813 | 814 | if self.args.local_rank != -1: 815 | # In distributed mode, concatenate all results from all nodes: 816 | if not preds: 817 | preds = self.distributed_concat(preds, num_total_examples=self.num_examples(dataloader)) 818 | if not label_ids: 819 | label_ids = self.distributed_concat(label_ids, num_total_examples=self.num_examples(dataloader)) 820 | elif is_tpu_available(): 821 | # tpu-comment: Get all predictions and labels from all worker shards of eval dataset 822 | if not preds: 823 | preds = xm.mesh_reduce("eval_preds", preds, torch.cat) 824 | if not label_ids: 825 | label_ids = xm.mesh_reduce("eval_label_ids", label_ids, torch.cat) 826 | 827 | metrics = {} 828 | if self.compute_metrics is not None and preds and label_ids: 829 | for task_id, task_preds in preds.items(): 830 | task_preds = task_preds.cpu().numpy() 831 | task_label_ids = label_ids[task_id].cpu().numpy() 832 | metrics[task_id] = self.compute_metrics( 833 | EvalPrediction(predictions=task_preds, label_ids=task_label_ids) 834 | ) 835 | metrics['eval_avg'] = sum(metrics.values()) / 3 836 | 837 | if len(eval_losses) > 0: 838 | metrics["eval_loss"] = np.mean(eval_losses) 839 | 840 | # Prefix all keys with eval_ 841 | for key in list(metrics.keys()): 842 | if not key.startswith("eval_"): 843 | metrics[f"eval_{task_id_to_name[key]}"] = metrics.pop(key) 844 | 845 | return PredictionOutput(predictions=preds, task_probs=task_probs, label_ids=label_ids, metrics=metrics) 846 | 847 | def distributed_concat(self, tensor: torch.Tensor, num_total_examples: int) -> torch.Tensor: 848 | assert self.args.local_rank != -1 849 | 850 | output_tensors = [tensor.clone() for _ in range(torch.distributed.get_world_size())] 851 | torch.distributed.all_gather(output_tensors, tensor) 852 | 853 | concat = torch.cat(output_tensors, dim=0) 854 | 855 | # truncate the dummy elements added by SequentialDistributedSampler 856 | output = concat[:num_total_examples] 857 | return output 858 | -------------------------------------------------------------------------------- /code/mtl/utils.py: -------------------------------------------------------------------------------- 1 | import os 2 | import json 3 | import random 4 | from collections import defaultdict 5 | from typing import Any, Optional, Dict, Iterable, List, Tuple 6 | 7 | from tqdm import tqdm 8 | 9 | import numpy as np 10 | import pandas as pd 11 | from sklearn.metrics import f1_score 12 | 13 | import torch 14 | from torch.utils.data import Dataset, BatchSampler, Sampler 15 | from transformers import BertTokenizer 16 | from transformers.trainer_utils import EvalPrediction 17 | 18 | task_num_classes = {'0': 3, '1': 7, '2': 15} 19 | task_id_to_name = {'0': 'ocnli', '1': 'ocemotion', '2': 'tnews'} 20 | task_lambda = {'0': 1.0, '1': 1.5, '2': 1.5} 21 | task_data = { 22 | 'ocemotion': {'predict': 'OCEMOTION_a.csv', 23 | 'train': 'OCEMOTION_train1128.csv', 24 | 'test_b': 'ocemotion_test_B.csv'}, 25 | 'ocnli': {'predict': 'OCNLI_a.csv', 26 | 'train': 'OCNLI_train1128.csv', 27 | 'test_b': 'ocnli_test_B.csv'}, 28 | 'tnews': {'predict': 'TNEWS_a.csv', 29 | 'train': 'TNEWS_train1128.csv', 30 | 'test_b': 'tnews_test_B.csv'} 31 | } 32 | 33 | 34 | def load_json(file_path): 35 | return json.load(open(file_path, 'r', encoding='utf8')) 36 | 37 | 38 | def get_df(data_dir: str, data_name: str) -> pd.DataFrame: 39 | data_path = os.path.join(data_dir, data_name) 40 | df = pd.read_csv(data_path, sep='\t', header=None) 41 | return df 42 | 43 | 44 | def preprocess(args: Any, task: str, test_b: bool = False): 45 | data_name = task_data[task] 46 | if test_b: 47 | print('Inference stage ...') 48 | data_name['predict'] = data_name['test_b'] 49 | train_df = get_df(args.data_dir, data_name['train']) 50 | pred_df = get_df(args.data_dir, data_name['predict']) 51 | 52 | pretrained_model_path = args.tokenizer_dir 53 | tokenizer = BertTokenizer.from_pretrained(pretrained_model_path) 54 | train_precessed, val_precessed, label2id = convert_df_to_inputs(task, tokenizer, train_df, 55 | args.train_val_split_ratio, debug=args.debug) 56 | predict_precessed, = convert_df_to_inputs(task, tokenizer, pred_df, label2id=label2id, debug=args.debug) 57 | 58 | data_save_dir = os.path.join(args.data_save_dir, task) 59 | if not os.path.exists(data_save_dir): 60 | os.makedirs(data_save_dir) 61 | 62 | print(f'Saving processed {task} data ...') 63 | cache_data_path = { 64 | 'train': os.path.join(args.data_save_dir, task, 'train.pt'), 65 | 'val': os.path.join(args.data_save_dir, task, 'val.pt'), 66 | 'predict': os.path.join(args.data_save_dir, task, 'predict.pt') 67 | } 68 | json.dump(label2id, open(os.path.join(data_save_dir, 'label2id.json'), 'w')) 69 | torch.save(train_precessed, cache_data_path['train']) 70 | torch.save(val_precessed, cache_data_path['val']) 71 | torch.save(predict_precessed, cache_data_path['predict']) 72 | 73 | return cache_data_path 74 | 75 | 76 | def convert_label_to_id(targets_series: pd.Series, label2id: Optional[dict] = None) -> tuple: 77 | labels = np.unique(targets_series.values) 78 | train = False 79 | if label2id is None: 80 | train = True 81 | label2id = {str(label): i for i, label in enumerate(labels)} 82 | targets_series = targets_series.apply(lambda label: str(label)) 83 | targets_series = targets_series.apply(lambda label: label2id[label]) 84 | targets = torch.from_numpy(targets_series.values.astype('int64')) 85 | outputs = (targets,) 86 | if train: 87 | outputs += (label2id,) 88 | return outputs 89 | 90 | 91 | def convert_df_to_inputs(task: str, tokenizer: BertTokenizer, df: pd.DataFrame, 92 | train_val_split_ratio: Optional[float] = None, 93 | label2id: Optional[dict] = None, debug: bool = False) -> tuple: 94 | inputs = defaultdict(list) 95 | train = False 96 | if debug: 97 | df = df.head(1000) 98 | df.sample(frac=1, replace=True, random_state=32) 99 | label2id, train = _iter_row(df, inputs, task, tokenizer, train, train_val_split_ratio, label2id) 100 | 101 | if train_val_split_ratio is not None: 102 | outputs = train_val_split(inputs, train_val_split_ratio) 103 | else: 104 | outputs = (inputs,) 105 | 106 | if train: 107 | outputs += (label2id,) 108 | 109 | return outputs 110 | 111 | 112 | def _iter_row(df, inputs: dict, task: str, tokenizer: BertTokenizer, train: bool, 113 | train_val_split_ratio: float, label2id: Optional[dict] = None) -> Tuple[dict, bool]: 114 | targets = [] 115 | for _, row in tqdm(df.iterrows(), total=len(df), desc=f'Preprocess {task}'): 116 | text_a = row[1] 117 | if task == 'ocnli': 118 | target_idx = 3 119 | text_b = row[2] 120 | output_ids = tokenizer.encode_plus(text_a, text_b, add_special_tokens=True, 121 | return_token_type_ids=True, return_attention_mask=True) 122 | else: 123 | target_idx = 2 124 | output_ids = tokenizer.encode_plus(text_a, add_special_tokens=True, 125 | return_token_type_ids=True, return_attention_mask=True) 126 | inputs['input_ids'].append(output_ids['input_ids']) 127 | inputs['token_type_ids'].append(output_ids['token_type_ids']) 128 | inputs['attention_mask'].append(output_ids['attention_mask']) 129 | 130 | if train_val_split_ratio is not None: 131 | targets.append(row[target_idx]) 132 | else: 133 | targets.append(list(label2id.keys())[0]) 134 | targets_series = pd.Series(targets) 135 | if label2id is None: 136 | train = True 137 | targets, label2id = convert_label_to_id(targets_series) 138 | else: 139 | targets, = convert_label_to_id(targets_series, label2id) 140 | inputs['targets'] = targets 141 | return label2id, train 142 | 143 | 144 | def train_val_split(inputs, train_val_split_ratio): 145 | num_val = int(len(inputs['input_ids']) * train_val_split_ratio) 146 | train_data = {} 147 | val_data = {} 148 | for key, tensor in inputs.items(): 149 | train_data[key] = tensor[num_val:] 150 | val_data[key] = tensor[:num_val] 151 | outputs = (train_data, val_data) 152 | return outputs 153 | 154 | 155 | class SingleTaskDataset(Dataset): 156 | 157 | def __init__(self, data_path: str): 158 | super(SingleTaskDataset, self).__init__() 159 | self.data_dict = torch.load(data_path) 160 | 161 | def __getitem__(self, index: int) -> tuple: 162 | return (self.data_dict['input_ids'][index], self.data_dict['token_type_ids'][index], 163 | self.data_dict['attention_mask'][index], self.data_dict['targets'][index]) 164 | 165 | def __len__(self) -> int: 166 | return len(self.data_dict['input_ids']) 167 | 168 | 169 | class MultiTaskDataset(Dataset): 170 | 171 | def __init__(self, datasets: Dict[str, SingleTaskDataset]): 172 | super(MultiTaskDataset, self).__init__() 173 | self.datasets = datasets 174 | 175 | def __getitem__(self, index: tuple) -> dict: 176 | task_id, dataset_index = index 177 | return {'task_id': task_id, 'data': self.datasets[task_id][dataset_index]} 178 | 179 | def __len__(self) -> int: 180 | return sum(len(dataset) for dataset in self.datasets.values()) 181 | 182 | 183 | class MultiTaskBatchSampler(BatchSampler): 184 | 185 | def __init__(self, datasets: MultiTaskDataset, batch_size: int, shuffle=True): 186 | super(MultiTaskBatchSampler, self).__init__(sampler=Sampler(datasets), batch_size=batch_size, 187 | drop_last=False) 188 | self.datasets_length = {task_id: len(dataset) for 189 | task_id, dataset in datasets.datasets.items()} 190 | self.shuffle = shuffle 191 | self.batch_size = batch_size 192 | self.task_indexes = [] 193 | self.batch_indexes = {} 194 | self.task_num_batches = {} 195 | self.total_batches = 0 196 | self.init() 197 | 198 | def init(self): 199 | for task_id, dataset_len in self.datasets_length.items(): 200 | num_batches = (dataset_len - 1) // self.batch_size + 1 201 | self.batch_indexes[task_id] = list(range(dataset_len)) 202 | self.task_num_batches[task_id] = num_batches 203 | self.total_batches += num_batches 204 | self.task_indexes.extend([task_id] * num_batches) 205 | 206 | def __len__(self) -> int: 207 | return self.total_batches 208 | 209 | def __iter__(self) -> Iterable: 210 | batch_generator = self.get_batch_generator() 211 | for task_id in self.task_indexes: 212 | current_indexes_gen = batch_generator[task_id] 213 | batch = next(current_indexes_gen) 214 | yield [(task_id, index) for index in batch] 215 | 216 | def get_batch_generator(self) -> Dict[str, Iterable]: 217 | if self.shuffle: 218 | random.shuffle(self.task_indexes) 219 | batch_generator = {} 220 | for task_id, batch_indexes in self.batch_indexes.items(): 221 | if self.shuffle: 222 | random.shuffle(batch_indexes) 223 | batch_generator[task_id] = iter([batch_indexes[i * self.batch_size: (i + 1) * self.batch_size] 224 | for i in range(self.task_num_batches[task_id])]) 225 | return batch_generator 226 | 227 | 228 | def collate_fn(examples: List[dict], max_seq_len: int) -> dict: 229 | task_ids = [] 230 | data = [] 231 | for example in examples: 232 | task_ids.append(example['task_id']) 233 | data.append(example['data']) 234 | 235 | assert (np.array(task_ids) == task_ids[0]).all(), 'batch data must belong to the same task.' 236 | 237 | input_ids_list, token_type_ids_list, attention_mask_list, targets_list = list(zip(*data)) 238 | 239 | cur_max_seq_len = max(len(input_id) for input_id in input_ids_list) 240 | max_seq_len = min(cur_max_seq_len, max_seq_len) 241 | input_ids = torch.zeros((len(input_ids_list), max_seq_len), dtype=torch.long) 242 | token_type_ids = torch.zeros_like(input_ids) 243 | attention_mask = torch.zeros_like(input_ids) 244 | for i in range(len(input_ids_list)): 245 | seq_len = min(len(input_ids_list[i]), max_seq_len) 246 | if seq_len <= max_seq_len: 247 | input_ids[i, :seq_len] = torch.tensor(input_ids_list[i][:seq_len], dtype=torch.long) 248 | else: 249 | input_ids[i, :seq_len] = torch.tensor(input_ids_list[i][:seq_len - 1] + [102], dtype=torch.long) 250 | token_type_ids[i, :seq_len] = torch.tensor(token_type_ids_list[i][:seq_len], dtype=torch.long) 251 | attention_mask[i, :seq_len] = torch.tensor(attention_mask_list[i][:seq_len], dtype=torch.long) 252 | labels = torch.tensor(targets_list, dtype=torch.long) 253 | 254 | return { 255 | 'task_id': task_ids[0], 256 | 'input_ids': input_ids, 257 | 'token_type_ids': token_type_ids, 258 | 'attention_mask': attention_mask, 259 | 'labels': labels 260 | } 261 | 262 | 263 | def compute_metrics(results: EvalPrediction) -> float: 264 | f1 = f1_score(results.predictions, results.label_ids, average='macro') 265 | return f1 266 | 267 | 268 | class EMA: 269 | def __init__(self, model, decay): 270 | self.model = model 271 | self.decay = decay 272 | self.shadow = {} 273 | self.backup = {} 274 | self.register() 275 | 276 | def register(self): 277 | for name, param in self.model.named_parameters(): 278 | if param.requires_grad: 279 | self.shadow[name] = param.data.clone() 280 | 281 | def update(self): 282 | for name, param in self.model.named_parameters(): 283 | if param.requires_grad: 284 | assert name in self.shadow 285 | new_average = (1.0 - self.decay) * param.data + self.decay * self.shadow[name] 286 | self.shadow[name] = new_average.clone() 287 | 288 | def apply_shadow(self): 289 | for name, param in self.model.named_parameters(): 290 | if param.requires_grad: 291 | assert name in self.shadow 292 | self.backup[name] = param.data 293 | param.data = self.shadow[name] 294 | 295 | def restore(self): 296 | for name, param in self.model.named_parameters(): 297 | if param.requires_grad: 298 | assert name in self.backup 299 | param.data = self.backup[name] 300 | self.backup = {} 301 | -------------------------------------------------------------------------------- /code/preprocess.py: -------------------------------------------------------------------------------- 1 | import re 2 | import os 3 | import json 4 | import shutil 5 | from tqdm import tqdm 6 | from collections import defaultdict 7 | 8 | import pandas as pd 9 | 10 | 11 | def clean_duplication(text): 12 | left_square_brackets_pat = re.compile(r'\[+') 13 | right_square_brackets_pat = re.compile(r'\]+') 14 | punct = [',', '\\.', '\\!', '，', '。', '！', '、', '\?', '？'] 15 | 16 | def replace(string, char): 17 | pattern = char + '{2,}' 18 | if char.startswith('\\'): 19 | char = char[1:] 20 | string = re.sub(pattern, char, string) 21 | return string 22 | 23 | text = left_square_brackets_pat.sub('', text) 24 | text = right_square_brackets_pat.sub('', text) 25 | for p in punct: 26 | text = replace(text, p) 27 | return text 28 | 29 | 30 | def emoji2zh(text, inverse_emoji_dict): 31 | for emoji, ch in inverse_emoji_dict.items(): 32 | text = text.replace(emoji, ch) 33 | return text 34 | 35 | 36 | def clean_emotion(data_path, emoji2zh_data, save_dir, train=True): 37 | data = defaultdict(list) 38 | filename = os.path.basename(data_path) 39 | with open(data_path, 'r', encoding='utf8') as f: 40 | texts = f.readlines() 41 | for line in tqdm(texts, desc=data_path): 42 | if train: 43 | id_, text, label = line.strip().split('\t') 44 | else: 45 | id_, text = line.strip().split('\t') 46 | data['id'].append(id_) 47 | text = emoji2zh(text, emoji2zh_data) 48 | text = clean_duplication(text) 49 | data['text'].append(text) 50 | if train: 51 | data['label'].append(label) 52 | df = pd.DataFrame(data) 53 | if not os.path.exists(save_dir): 54 | os.makedirs(save_dir) 55 | df.to_csv(os.path.join(save_dir, filename), index=False, 56 | encoding='utf8', header=False, sep='\t') 57 | return df 58 | 59 | 60 | def clean_nli(data_path, save_dir, train=True): 61 | data = defaultdict(list) 62 | filename = os.path.basename(data_path) 63 | with open(data_path, 'r', encoding='utf8') as f: 64 | texts = f.readlines() 65 | for line in tqdm(texts, desc=data_path): 66 | if train: 67 | id_, text_a, text_b, label = line.strip().split('\t') 68 | else: 69 | id_, text_a, text_b = line.strip().split('\t') 70 | data['id'].append(id_) 71 | data['premise'].append(text_a) 72 | data['hypothesis'].append(text_b) 73 | if train: 74 | data['label'].append(label) 75 | df = pd.DataFrame(data) 76 | if not os.path.exists(save_dir): 77 | os.makedirs(save_dir) 78 | df.to_csv(os.path.join(save_dir, filename), index=False, 79 | encoding='utf8', header=False, sep='\t') 80 | return df 81 | 82 | 83 | def main(): 84 | """只处理了 nli 和 emotion 数据 85 | """ 86 | emoji2zh_data = json.load(open('../user_data/emoji2zh.json', 'r', encoding='utf8')) 87 | data_a_dir = '../tcdata/nlp_round1_data' 88 | data_b_dir = '../tcdata/nlp_round2_data' 89 | cleaned_a_dir = '../user_data/cleaned_nlp_round1_data' 90 | cleaned_b_dir = '../user_data/cleaned_nlp_round2_data' 91 | task_data = { 92 | 'ocemotion': {'predict': 'OCEMOTION_a.csv', 93 | 'train': 'OCEMOTION_train1128.csv', 94 | 'test_b': 'ocemotion_test_B.csv'}, 95 | 'ocnli': {'predict': 'OCNLI_a.csv', 96 | 'train': 'OCNLI_train1128.csv', 97 | 'test_b': 'ocnli_test_B.csv'}, 98 | 'tnews': {'predict': 'TNEWS_a.csv', 99 | 'train': 'TNEWS_train1128.csv', 100 | 'test_b': 'tnews_test_B.csv'} 101 | } 102 | clean_emotion(os.path.join(data_a_dir, task_data['ocemotion']['train']), 103 | emoji2zh_data, 104 | cleaned_a_dir) 105 | clean_emotion(os.path.join(data_a_dir, task_data['ocemotion']['predict']), 106 | emoji2zh_data, 107 | cleaned_a_dir, 108 | train=False) 109 | clean_emotion(os.path.join(data_b_dir, task_data['ocemotion']['test_b']), 110 | emoji2zh_data, 111 | cleaned_b_dir, 112 | train=False) 113 | clean_nli(os.path.join(data_a_dir, task_data['ocnli']['train']), 114 | cleaned_a_dir) 115 | clean_nli(os.path.join(data_a_dir, task_data['ocnli']['predict']), 116 | cleaned_a_dir, 117 | train=False) 118 | clean_nli(os.path.join(data_b_dir, task_data['ocnli']['test_b']), 119 | cleaned_b_dir, 120 | train=False) 121 | print('Start copying tnews data to cleaned directory ...') 122 | shutil.copy(os.path.join(data_a_dir, task_data['tnews']['train']), cleaned_a_dir) 123 | shutil.copy(os.path.join(data_a_dir, task_data['tnews']['predict']), cleaned_a_dir) 124 | shutil.copy(os.path.join(data_b_dir, task_data['tnews']['test_b']), cleaned_b_dir) 125 | print('Finished copying tnews data to cleaned directory ...') 126 | 127 | print('Start copying train data to test b directory ...') 128 | shutil.copy(os.path.join(cleaned_a_dir, task_data['ocemotion']['train']), cleaned_b_dir) 129 | shutil.copy(os.path.join(cleaned_a_dir, task_data['ocnli']['train']), cleaned_b_dir) 130 | shutil.copy(os.path.join(cleaned_a_dir, task_data['tnews']['train']), cleaned_b_dir) 131 | print('Finished copying train data to test b directory ...') 132 | 133 | 134 | if __name__ == '__main__': 135 | main() 136 | -------------------------------------------------------------------------------- /code/preprocess.sh: -------------------------------------------------------------------------------- 1 | python preprocess.py -------------------------------------------------------------------------------- /code/test.sh: -------------------------------------------------------------------------------- 1 | python3 -m mtl.train \ 2 | --data_dir ../user_data/cleaned_nlp_round2_data \ 3 | --data_save_dir ../user_data/nlp_round2_data_processed \ 4 | --output_dir ../user_data/infernce \ 5 | --model_name_or_path ../user_data/best_model \ 6 | --tokenizer_dir ../user_data/best_model \ 7 | --learning_rate 1e-5 \ 8 | --per_device_train_batch_size 16 \ 9 | --per_device_eval_batch_size 16 \ 10 | --num_train_epochs 2 \ 11 | --evaluate_during_training \ 12 | --logging_dir ../user_data/inference_log \ 13 | --logging_first_step \ 14 | --logging_steps 500 \ 15 | --seed 2020 \ 16 | --test_b \ 17 | --do_predict \ 18 | --do_eval \ 19 | --freeze 20 | -------------------------------------------------------------------------------- /code/train_first_stage.sh: -------------------------------------------------------------------------------- 1 | python3 -m mtl.train \ 2 | --data_dir ../user_data/cleaned_nlp_round1_data \ 3 | --data_save_dir ../user_data/nlp_round1_data_processed \ 4 | --output_dir ../user_data/first_stage_ckpt \ 5 | --model_name_or_path hfl/chinese-roberta-wwm-ext-large \ 6 | --tokenizer_dir hfl/chinese-roberta-wwm-ext-large \ 7 | --learning_rate 3e-5 \ 8 | --per_device_train_batch_size 16 \ 9 | --per_device_eval_batch_size 16 \ 10 | --weight_decay 0.0 \ 11 | --warmup_steps 0 \ 12 | --num_train_epochs 6 \ 13 | --evaluate_during_training \ 14 | --logging_dir ../user_data/first_stage_log \ 15 | --logging_first_step \ 16 | --logging_steps 1000 \ 17 | --save_steps 2500 \ 18 | --seed 2020 \ 19 | --do_predict \ 20 | --do_train \ 21 | --do_eval -------------------------------------------------------------------------------- /code/train_second_stage.sh: -------------------------------------------------------------------------------- 1 | python3 -m mtl.train \ 2 | --data_dir ../user_data/cleaned_nlp_round1_data \ 3 | --data_save_dir ../user_data/nlp_round1_data_processed \ 4 | --output_dir ../user_data/second_stage_ckpt \ 5 | --model_name_or_path ../user_data/best-first-stage-model \ 6 | --tokenizer_dir ../user_data/best-first-stage-model \ 7 | --learning_rate 1e-5 \ 8 | --per_device_train_batch_size 16 \ 9 | --per_device_eval_batch_size 16 \ 10 | --weight_decay 0.0 \ 11 | --warmup_steps 0 \ 12 | --num_train_epochs 2 \ 13 | --evaluate_during_training \ 14 | --logging_dir ../user_data/second_stage_log \ 15 | --logging_first_step \ 16 | --logging_steps 500 \ 17 | --save_steps 0 \ 18 | --seed 2020 \ 19 | --do_predict \ 20 | --do_train \ 21 | --do_eval \ 22 | --freeze 23 | -------------------------------------------------------------------------------- /requirements.txt: -------------------------------------------------------------------------------- 1 | packaging==20.4 2 | tqdm==4.48.2 3 | transformers==2.11.0 4 | pandas==1.1.0 5 | numpy==1.18.5 6 | torch==1.5.0 7 | torchvision==0.6.0 8 | dataclasses==0.6 9 | scikit-learn==0.23.2 10 | tensorboardX==2.1 11 | -------------------------------------------------------------------------------- /tcdata/nlp_round1_data/TNEWS_a.csv: -------------------------------------------------------------------------------- 1 | 0 在设计史上,每当相对稳定的发展时期,这种设计思想就会成为主导 2 | 1 利希施泰纳宣布赛季结束后离队:我需要新的挑战 3 | 2 庄家一般都是什么操盘思路? 4 | 3 王者荣耀里搅屎棍英雄都有谁? 5 | 4 照片不小心被删,看看下面的教程,完美找回来! 6 | 5 nba球星小时候!库里萌化!邓肯忧郁!乐福像姑娘!登哥吓到了我 7 | 6 俄坚持不了一个月?中国坚持不了一个小时?美夜郎自大被俄浇其冷水 8 | 7 红场阅兵“老兵被拦”, 普京邀其同行,俄媒:硬汉让军人受尊重 9 | 8 去稻城亚丁旅游前需要准备哪些东西? 10 | 9 武警重庆总队船艇支队成功处置一起船舶搁浅险情 11 | 10 猪价什么时候开始上涨? 12 | 11 想赢勇士想到发疯?格林新发现吓呆众人 13 | 12 王杰和齐秦谁的歌坛地位比较高? 14 | 13 短视频,是怎么杀死你的时间的? 15 | 14 为什么蒂姆·邓肯是nba被盖帽次数最多的“被盖帽王”? 16 | 15 广西歌仙刘三姐有什么传奇故事,历史上真有其人吗? 17 | 16 战败后,日本人在干什么 18 | 17 波尔山羊成为陶家“座上宾” 19 | 18 互金协会成立个人信用信息共享平台 20 | 19 最全草莓知识 21 | 20 李宝英走红毯,网友:下一秒就遭遇最尴尬的了 22 | 21 外滩·中国品牌创新价值榜发布 互联网及制造业品牌表现强势 23 | 22 我国退役的坦克都怎么处理?我们国家想出的这个办法太高明了! 24 | 23 美国的制造业有什么独特之处?处于世界领先地位? 25 | 24 我刚结婚,第二天妈就跟爸提出离婚,妈说出理由后,我含泪说离吧 26 | 25 被称小香港的“鄂尔多斯市”如今怎么样? 27 | 26 印度媒体宣称加尔各答级完胜中国052d?来看看现实真相 28 | 27 为什么国产手游做不出好游戏? 29 | 28 360智能云镜s800重磅来袭 流媒体技术消除后视盲区 30 | 29 世界首款区块链游戏谜恋猫,近日迎来与nba球星的合作 31 | 30 神奇!商丘一高校湖中出现一户“鸟巢家庭” 32 | 31 国乒选择放弃用平板车运送奖杯,转而用精美包装盒运送奖杯,你觉得哪个更霸气? 33 | 32 你觉得2018年谁会是首富? 34 | 33 联想到底怎么了,关于网上所说其站队高通到底是什么回事? 35 | 34 手枪和步枪可以安装消音器,那么大炮可以安装消音器吗?有用吗? 36 | 35 5月12日rng.m3比1战胜ytg实现九连胜,但24小局连胜被终结,这一场比赛你怎么看? 37 | 36 中国斗鱼厉害还是泰国斗鱼厉害? 38 | 37 马瑙斯没有玛瑙,却依旧光辉熠熠 39 | 38 长安逸动dt自动怎么样,标配版或中高配落地价多少? 40 | 39 1980年的2角钱硬币,现在值多少钱? 41 | 40 “五四”特辑——法制进校园 安全伴我行 42 | 41 改革开放40周年当代中国美术大家作品全国巡回展将于5月20日在我市开幕 43 | 42 昂科威车窗两边的亮条和行李架上的电镀氧化了,该怎么处理? 44 | 43 教育大动作!聊城八中整体加入聊城二中教育学区! 45 | 44 安乐死真的应该存在么,我们到底有没有决定生死的权利? 46 | 45 特色小镇是怎么火起来的? 47 | 46 playcoin(ply)交易所征程第二站lbank 48 | 47 中国宣布一条禁令,特朗普崩溃:求放过! 49 | 48 中国1.5亿人还没钱买车,就急着考驾照!原来是这些原因啊 50 | 49 业主委员会有权不让外来车辆进入本小区吗,包括小区内外来租房者有车的住户? 51 | 50 普京全新座驾将出口中国!起售价仅60万人民币! 52 | 51 麦当娜圣母玛利亚造型霸气宝刀不老 53 | 52 这部千元机你知道吗?6寸全面屏 6+128g骁龙660,用户口碑贼好! 54 | 53 excel函数中那些is开头的函数 55 | 54 孩子没完成作业被老师打了两巴掌,我可以去教育局举报吗? 56 | 55 未给虚拟时空中的德军坦克带来优势反成累赘的车长指挥塔 57 | 56 公务员之生存法则,看看你get到求生技能了吗? 58 | 57 彭德怀胆子有多大,敌人被他打到怀疑人生 直骂他是疯子 59 | 58 国际乒联女单最新世界排名:陈梦第1,丁宁无缘前10 60 | 59 58集团与庞大集团合资公司线上售车 61 | 60 新款奔驰e300和新款宝马530哪个性价比高? 62 | 61 为什么印度人上厕所不用纸,都是用手,抠完再洗手? 63 | 62 上大学和不上大学打工有什么区别? 64 | 63 想拥有卡戴珊一样的完美翘臀吗?只需3个动作,让你轻松拥有 65 | 64 如何快速提高象棋水平? 66 | 65 青瓦台魔咒是什么? 67 | 66 金边、暹粒、西港太有名,柬埔寨的这个城市被忽略了太久...... 68 | 67 没有美术功底,可以学平面设计吗? 69 | 68 导演斯皮尔伯格的作品有些什么特点? 70 | 69 在战场上少见使用弹鼓供弹的枪吗,为什么? 71 | 70 伊朗的小女孩是一个小网红 72 | 71 美国曾在这投下亿万枚炸弹 73 | 72 靠自己,想三年内在西安买房,年薪至少要多少? 74 | 73 怀孕期喝蜂蜜水槐花蜜比较好还是枣花蜜? 75 | 74 河南一贫困县豪掷10亿修路 建成后交通事故下降80% 76 | 75 fast4ward上海站|声震上海滩,王朝战队初展拳脚 77 | 76 板悬+双离合!最便宜的奔驰日子看来是要不好过了 78 | 77 最后的一个月,考生们你们准备好了么? 79 | 78 大连冰峪沟怎么样?值得去吗? 80 | 79 除了新浪微博之外 还有什么可以写些小文章 小感想的途径? 81 | 80 这些全是“硬菜”,最贵的一桌1亿多元,老百姓只能看着流口水了 82 | 81 乌克兰当年失踪的总统现在去哪了? 83 | 82 腾讯没有梦想:这场严肃讨论为何变成了一地鸡毛? 84 | 83 蓝洁瑛眼中美人,刘亦菲眼中美人,张柏芝眼中美人,美的惊心动魄 85 | 84 自驾游|河西走廊上你不可错过的敦煌 86 | 85 未来哪几大行业要垮掉? 87 | 86 上联:雨润红花朵朵鲜,下联如何对? 88 | 87 倍耐力:基于高价值、数字技术和可持续发展的中国战略 89 | 88 互金晚报:央行拟规定支付机构全额交存备付金,首批试点26家 90 | 89 本来玩《迷你世界》,可是现在爱玩《我的世界》了,我错了吗? 91 | 90 印度航空水平差,为什么能够一箭多星甚至发射探测器到火星呢? 92 | 91 葡萄怎么转色快? 93 | 92 在百度工作是一种什么样的体验? 94 | 93 自驾旅行,是买一辆20万以下的房车,还是开普通车再住旅店好? 95 | 94 朱婷留洋第二季 征服与全满贯 96 | 95 gta v升级档如何使用? 97 | 96 过去一年中国收入最高的十大女星排行 98 | 97 全民抖音时代,谁是真龙头? 99 | 98 金星又开撕范冰冰,反遭范冰冰直戳金星的痛处,你怎么看? 100 | 99 今日小诗 感想 101 | 100 报废喷气发动机的五种新用法,战斗族为何格外内行? 102 | 101 郑恺邓超互怼,爆出邓超、鹿晗、陈赫是夜宵三大暗黑势力,要上天 103 | 102 1688分销店铺突然火爆? 104 | 103 从齐天大圣拔毫毛吹出千万个到克隆猴“梦梦”克隆技术到底怎样? 105 | 104 一位貌似学生模样的年青人跪在街头,前面粉笔写着:求助十块路费,你给还是不给? 106 | 105 保级大战,天鹅圣徒孰能绝地求生! 107 | 106 世界上最具有凝聚力的国家是哪个国家? 108 | 107 2018田华首场演唱会五四唱响洛阳 109 | 108 如何客观评价联想总裁杨元庆? 110 | 109 5月8日上市公司利空利好消息一览 111 | 110 中国男乒瑞典之行后,谁最火?肯定是这位‘人民艺术家’,神操作! 112 | 111 80后小伙儿郑州做这种生意 出租无人机一个月能赚上万元 113 | 112 梦幻西游玩家入队满人后却无故被踢 一问队长瞬间火了 114 | 113 莱昂纳多年轻时是有多帅? 115 | 114 五月作物如何管,庄稼长势才能好?且听小编这厢来分解...... 116 | 115 一男一女,不是情侣,去旅游住在一起可以吗? 117 | 116 你是怎样看待小高考的? 118 | 117 哥瑞自动经典版求一个落地价? 119 | 118 巴西神花,此花盛开365天,阳台种一株,30天爬满,秒变花海! 120 | 119 华为手机内存满了,要这样清理才对,难怪手机一直都不好用! 121 | 120 2018年上证指数会跌破2638点吗? 122 | 121 爱尔兰独立战争(1919-1921)的真实影像:爱尔兰民族的自由之战 123 | 122 越南“胡志明市”的经济发展水平相当于中国几线城市? 124 | 123 比特币半月暴跌近20%,这篇比特币买卖指南教你如何入场抄底 125 | 124 战果丰硕!叙政府军再有重大发现,美军放弃支援,反叛武装溃逃 126 | 125 帝豪gs推出纯电版,综合续航400公里 127 | 126 上下五千年,英雄万万千,谁是中华民族最伟大的英雄? 128 | 127 英国混血女星araya hargate金色礼服出席71届戛纳 129 | 128 四野在东北的武器装备是哪里来的? 130 | 129 剧荒了?2018必看十部科幻片,你看了几部?燃到爆炸! 131 | 130 在游戏中必死的关卡(剧情杀)没死打过去了是怎样的体验? 132 | 131 广东省一县级市,人口超120万,历史上多次改名! 133 | 132 如果把长江的水引入新疆的沙漠地带,会把沙漠变成绿洲吗? 134 | 133 美俄剑拔弩张之际,这国终于选边站:坚决不许北约军队进驻 135 | 134 “生态直播”力助乡村振兴 136 | 135 迷你世界地心门怎么弄? 137 | 136 “限投令”下ofo的新车还能在天津投? 138 | 137 丈夫死于意外我带女儿改嫁,上班路上看到一男人我浑身颤抖 139 | 138 这所学校的老校友穿上校服,体验今非昔比的全新课堂 140 | 139 美国对土耳其下最后通牒!胆敢迈出此步,后果自负! 141 | 140 有哪些知名企业却做了很傻的事的例子? 142 | 141 86版西游记导演杨洁去世一周年:谢谢您给了我们一个难忘的童年! 143 | 142 改名字什么时候改比较合适? 144 | 143 想把街机搬回家snk 40周年纪念版neogeo mini 145 | 144 历史上有没有哪两个国家合并成一个国家的? 146 | 145 日本的资源利用率如何? 147 | 146 桂阳庙下古村:古色生香 韵味悠长 148 | 147 农民打了除草剂,为什么草死了而庄稼不死?原来是这3个原因 149 | 148 世界上最大的摩托车重14吨与最快的摩托车时速600公里! 150 | 149 张帅晋级 彭帅出局 151 | 150 我有个上联,请大家指教:中华上下五千年。请个下联? 152 | 151 苹果怎么录音 153 | 152 董卿:一个妈妈能给孩子最好的是什么?至今为止听过最现实的回答! 154 | 153 《灵魂摆渡》鲛人篇:乱了辈分的重生,是妻子还是女儿? 155 | 154 运营商在小区内买了一套房子,用作交换机的机房,这样合法吗? 156 | 155 上联,塞翁失马,焉知祸福? 157 | 156 解决拥堵新方式 不久后将实现 158 | 157 盘点那些年我看过的5大“奇葩珠宝” 159 | 158 4款流行手机支架,车载必备,给人不一样的感觉 160 | 159 飞机一般飞多高? 161 | 160 香港信华&uniyep牵手哥伦比亚大学商学院新闻发布会 162 | 161 昨日市场锌价大涨 分析师有何看法? 163 | 162 滴滴司机寻女后续 | 探访康英老家:养父意外去世近20年 从小由奶奶带大 164 | 163 青岛伟隆阀门股份有限公司关于使用闲置自有资金购买理财产品的进展公告 165 | 164 为什么伊朗是唯一一个不依赖别国武器的中东国家? 166 | 165 美大学教授翻译nba球星中文外号,登哥外号简直亮瞎眼! 167 | 166 去日本吃什么好? 168 | 167 如果美国打伊朗,最快可以多久解决战斗? 169 | 168 怎样评价韩国演员金宣儿? 170 | 169 英国捐精扎堆生育严重:17人“捐出”500多后代,或导致乱伦问题 171 | 170 如何加强云端数据安全 172 | 171 越南披露国有资产出售计划 能源行业受外资青睐 173 | 172 上联:一池芍药胜牡丹,如何对下联? 174 | 173 ufc和mma有什么不同? 175 | 174 腾讯没有梦想,阿里没有盟友,你懂吗? 176 | 175 紫光云全国总部落户天津 177 | 176 英国公参托马斯·查尔德:期待更多的抚州文化元素前去英国 178 | 177 一日之计在于晨,广州教育朝闻 179 | 178 王俊凯易烊千玺王源卸妆后,年轻嘛 180 | 179 英国算是大国吗? 181 | 180 “0首付”购车解决方案,了解一下! 182 | 181 「免费领」教师面试得高分,你一定需要...... 183 | 182 孙亚龙作为中年人请善待自己! 184 | 183 淘宝开口《旅行青蛙》,不知阿里的厨艺能否把冷饭炒香? 185 | 184 三次绝望式加息后:阿根廷向imf申请300亿美元救助拯救比索! 186 | 185 读书、学习、写作,真能改变人生吗? 187 | 186 注意:借条不会写,钱会打水漂,借条应该怎么写! 188 | 187 国家为什么不允许用红砖建房? 189 | 188 潜在头部迹象,显在小底征兆,谁来绝杀? 190 | 189 玩《我的世界》最适合听什么音乐 这首歌能让挖矿效率提升4倍! 191 | 190 只要穿得好,男友在中考 192 | 191 2018“丝绸之路·美丽大荔”渭南国际马拉松赛鸣枪开跑 193 | 192 网约车不干了,兼职什么可以补贴家用? 194 | 193 世界上有一种绝望,叫猛龙队遇见詹姆斯 195 | 194 为什么狙击枪的瞄准镜和枪管不在一条直线上,却能击中目标? 196 | 195 许家印为什么会成为首富? 197 | 196 70、80年代的童星可比现在的tfboys强多了 198 | 197 出发前做好检查,确保万无一失 199 | 198 如何打造休闲农业科普教育基地? 200 | 199 腾讯游戏回应《王者荣耀》对部分手机进行负优化,你怎么看? 201 | 200 有人说南方口音保留有上古音,那么粤语是否跟南越国有关呢? 202 | 201 这小吃在街头很常见,味道虽好,但很多都发霉了,买之前要看清! 203 | 202 德国男乒是否内讧已成难解之谜,奥恰洛夫疑似公开回应 204 | 203 以理工大学、工业大学、科技大学为名的中外名校都有哪些? 205 | 204 男童在峨眉山金顶大便,环卫工劝阻“旁边有厕所”被家长回呛,你怎么看? 206 | 205 离奇!男子叫网约车,竟然叫来一辆......他回想起来还有点怕 207 | 206 手机导航哪个最强? 208 | 207 一整头猪卖完有多少盈利? 209 | 208 江西“落单”白鹤“打飞的”前往吉林白城追赶伙伴 210 | 209 中国两大反舰利器,伊朗正大量采购!美国:破坏地区稳定 211 | 210 「解读cdr系列」错过了cdr,你将错失五年财富暴涨的机会! 212 | 211 一夜诞生5500个千万富豪!揭秘小米的股权激励方案! 213 | 212 失去工作3个月,每天泡网吧打游戏,我还有救吗? 214 | 213 下联:荷叶无意添夏绿,如何对上联? 215 | 214 她是戛纳电影节的常客,姥姥曾参与我国首弹的研究 216 | 215 脱发男人不易患这种癌 217 | 216 你的爱车过敏了吗? 218 | 217 专家指“门道”:海外置业,你选对了吗? 219 | 218 耐摔,是一个人最顶级的实力 220 | 219 0费率、秒到账,cointiger币信钱包互通啦 221 | 220 2017年沪旅游饭店、旅行社服务质量监测报告出炉! 222 | 221 当初土耳其敲诈的10亿美元,中国到底给没给?原来我们都被骗了 223 | 222 vr游戏《virtual virtual reality》支持联想mirage solo 224 | 223 金世妃:特朗普退出伊核,难道是“空头”吗? 225 | 224 作为6x6的鼻祖,路虎还能这么改? 226 | 225 我们都是凡人,大事做不来时,静下心来做些小事吧! 227 | 226 仨教练聊天他去干啥 228 | 227 第三届“中国创翼”创业创新大赛项目征集啦!愿你能在这里放飞梦想! 229 | 228 车企集体转型 与出行公司相比谁是王者? 230 | 229 文化义乌丨义乌婺剧《鸡毛飞上天》入选国家级榜单 231 | 230 俄罗斯与伊朗联手干了什么?让美国措手不及,对俄发强硬警告! 232 | 231 这位中国皇帝死于出征的路上,一生雄图霸略,来犯者打到灭国为止 233 | 232 韩国赛区设立电竞选手名人堂,faker、pray、bengi三人入选! 234 | 233 你在巴塞罗那吃过最好吃的海鲜饭在哪? 235 | 234 故事:转生 236 | 235 对于联想把5g的票投给高通,华为微弱劣势丢失了标准,你怎么看? 237 | 236 八字命理之详说阴阳 238 | 237 每天涨停的票一定有这些特性 239 | 238 你现在是否动不起来,也静不下去? 240 | 239 600吨美国军火运入大马士革 在仓库内全部爆炸 俄:别赖我 241 | 240 伊朗继美国之后退出伊核协议的可能性有多大? 242 | 241 《机车风暴》精神续作《极速猛冲》测试时间公布 243 | 242 直击一位肌肉“爷爷”,其实他才38岁 244 | 243 马化腾朋友圈怼张一鸣:你站错队了! 245 | 244 ayondo公布第一季度报告 交易收入达727万美元 246 | 245 如果往黄石火山扔一颗核弹,能摧毁美国吗? 247 | 246 临海桃渚镇北涧村:落日余辉中留香 248 | 247 特朗普退出伊朗核协议对世界局势将会产生什么影响? 249 | 248 9日 黑龙江涨价,多地正邦提价跟涨温氏,局地飘红或有希望! 250 | 249 9日凌晨特朗普将宣布伊朗核协议的决定,市场会抛弃美元追捧欧元等非美货币吗? 251 | 250 非洲生活如此落后,为什么还有女孩嫁到非洲? 252 | 251 如果美国打伊朗,最快可以多久解决战斗? 253 | 252 想在乡镇开个手机店,怎么低价进小米公司的手机?合伙人怎么申请? 254 | 253 史上最能搞事情的5个英雄,第一名胜率53% 255 | 254 科技部发布国家重点研发计划 新能源汽车专项囊括25项 256 | 255 小型装载机停车半天后再启动时方向不动、大臂不升,加油1分钟左右恢复正常,这是什么原因呢? 257 | 256 如何看待联想总裁杨元庆? 258 | 257 春暖花开(藏头诗) 259 | 258 北大的“鸿鹄”,还是个人的口误? 260 | 259 一路向西,带着《大话西游》的记忆,赴一场迟到的约会 261 | 260 康美在滇首个“健康小镇”项目在丽江启动 262 | 261 当女神和红木遇见,气质一眼就看出来了表漏无疑 263 | 262 《上海女子图鉴》终于来了,第一集就比《北图》深刻很多 264 | 263 那天,我上了恶魔的车 265 | 264 第四十二届亚洲发型化妆大赛携美星,耀未来 266 | 265 苹果6s升级ios11后使用感受怎么样? 267 | 266 中国两位nba专家的夺冠预测对比,球迷支持哪位? 268 | 267 看电商大佬教我们如何赚外国人的钱 269 | 268 nba主场优势到底是什么意思?球迷多能算优势吗? 270 | 269 有土地、林地的看过来,这两项补贴下月底前停发,农民抓紧申请! 271 | 270 这些明星简直要占据当代小鲜肉半壁江山呐,白敬亭,费启鸣,等等 272 | 271 形势比人强,怒怼马云的宗庆后也开始转变! 273 | 272 贝尔科教推出1对1直播编程课 274 | 273 52岁男子徒手百米悬崖峭壁,腿部残疾臂力惊人,关节变形犹如鹰爪 275 | 274 心动!苹果小屏旗舰大曝光:外观配置完美 276 | 275 12日早报速递(国际)英国中央银行英格兰银行发布最新报告 277 | 276 上交所三方回购业务5月9日正式上线 278 | 277 青海耗资12亿元打造一座机场,已试飞成功!不在西宁,也不在海东 279 | 278 为什么世界各国都对楼兰古城感兴趣? 280 | 279 定了!支付宝引入两大基金,以后再也不怕抢不到余额宝了! 281 | 280 假如日本人来拍《头号玩家》,应该是这样的 282 | 281 竟然还有比ak47更好用的gp枪?这把枪才是gp里的神器 283 | 282 开车听音乐导航还依赖手机?车载路由器横空出世,畅享4g 284 | 283 「四川资阳」帅乡也有好玩的!乐至城区及户外旅游景点大盘点 285 | 284 唐嫣的手,林依晨的手,郑爽的手,你最喜欢谁的手呢? 286 | 285 大宅门里二奶奶出殡黄春和雅萍为什么也死了? 287 | 286 洛阳白云山景区:观日出温馨提示 288 | 287 新赛季被称为射手荣耀?这个近战英雄一出破晓,所有射手都崩溃了 289 | 288 美媒文章:美国无力同时管控亚洲两端的危机 290 | 289 绝地求生:女玩家玩游戏的环境,只有你想不到,没有她们做不到 291 | 290 转左不给,转右也不给,退后又不可能,这路应该怎么走呢? 292 | 291 西部世界第二部怎么样? 293 | 292 以色列警告称如果战机被击落将会轰炸俄军事基地,你怎么看? 294 | 293 据说新一季《明日之子》李宇春、吴青峰、张韶涵等加盟,这样的逆天组合是真的吗? 295 | 294 和男神吵架我偷偷躲起来,不料却看到他找我的信息:我媳妇走丢了 296 | 295 阿里财报增速惊人 新零售业态成绩亮眼 297 | 296 如何做到在躺下来的20分钟内睡着? 298 | 297 买车时先让销售知道自己是分期好吗?会不会被套路被坑? 299 | 298 崔永元微博大骂冯小刚是“渣子”,是怎么回事? 300 | 299 梦幻西游:玩梦幻7年了,第一次遇到商人摆错价格,1级玛瑙9万6收 301 | 300 孩子英语不好,怎么办? 302 | 301 咸鱼操作居然也能进第一,大学生直呼:手机目前最好用的配件! 303 | 302 一日本女兵逃亡到中国,后学汉语,在中国结婚生子,深爱中国 304 | 303 上联,月色淡淡映千山,如何对下联? 305 | 304 现在,菲律宾向美国开放5个军事基地,你怎么看? 306 | 305 土耳其郁闷了:这下被韩国坑大了,为啥最强火炮堪比白纸一戳就穿 307 | 306 首付两万左右,月供一千多点,什么车值得购买? 308 | 307 队友不帮忙!保罗大爆发狂飙8三分轰41+10自圆西决梦! 309 | 308 温碧霞不愧是不老女神!52岁还能穿出少女的感觉 让我们怎么活 310 | 309 如果欢乐颂里的四个男神都追你,你会选择谁? 311 | 310 如何理解“知其白守其黑为天下式,知其雄守其雌为天下溪,知其荣守其辱为天下谷”这句话? 312 | 311 想买个天文望远镜,不知哪个品牌的好,在哪里能买到? 313 | 312 十四年如一日,在上海打出东岭品牌 314 | 313 越南巴沙鱼的产业现状和发展规划 315 | 314 深圳gdp已超香港,房价只有香港的1/3,大量港人涌入深圳抢房,为什么? 316 | 315 上联:庭前生瑞草,求下联? 317 | 316 装帧艺术家进校园,讲堂爆棚 318 | 317 这条世界上最长的铁路,跑完需要七八天,占了差不多1/4的地球! 319 | 318 一首《一剪梅》雪花飘寒风啸,一剪寒梅雪中傲留心中! 320 | 319 “英雄殊荣”称霸南非打吡,“硕信尚武”荣获英国二千坚尼桂冠 321 | 320 军事丨美国海军最新型高速双体船,海上测试! 322 | 321 29岁男子全身很奇怪,密密麻麻,女儿接近一看吓得落荒而逃 323 | 322 扔沙袋组照 与掼牛一样,扔沙袋是中国民间古老的体育活动之一 324 | 323 今年民办中小学报名“降温”了 小学报名人数减少近一半 325 | 324 河南小镇真牛叉,独家拥有6大景区,其中2个是5a、4a景区 326 | 325 假如你中奖500万,敢在深圳买房吗? 327 | 326 一场不容错过的品牌营销盛典——2018iai 国际创享节即将开启! 328 | 327 龙湖新壹街商圈恒产,城市中心商务楼 329 | 328 只认识高尔夫gti和type-r?这些小钢炮也是狠角色 330 | 329 李敖遗产风波:李文拒撤告 李戡停止支付其生活费 331 | 330 夏梦去世对于香港文艺圈有什么影响? 332 | 331 缅甸的玉米生意好做吗? 333 | 332 特朗普宣布退出伊朗核协议,这会对世界造成哪些影响? 334 | 333 侯耀华要整理相声家谱收回德字,郭德纲还叫郭德纲吗? 335 | 334 王励勤曾和女星赵薇热恋,今事业家庭双丰收,仕途亨通当处长 336 | 335 王阳明思想为什么没能挽救大明王朝? 337 | 336 如果是你怎么选,梅西or苏亚雷斯,还是阿尔巴? 338 | 337 想一个让人忍不住点的题目 339 | 338 女子在游戏中结实富二代网友,见到本人后,她果断报了警 340 | 339 如果特朗普退出《伊朗核协议》,欧盟有远离美国的想法吗? 341 | 340 胜利靠副业吸金扩展32家分店 新店开在gd咖啡馆旁 342 | 341 梦幻西游:博士生用脑子玩梦幻西游,3个月时间通杀一切! 343 | 342 北极熊可以在南极生存吗? 344 | 343 如何评价《权力的游戏》里的托曼国王? 345 | 344 “斧声烛影”的真相是什么? 346 | 345 爆破守点的最恶心的三把神器 347 | 346 德云色笑笑离婚事件迎反转!网友爆料妻子出轨并爆出聊天记录 348 | 347 中原银行驻马店分行确山任店支行获总行2018年一季度惠农开门红活动“优胜乡镇支行奖” 349 | 348 刘嘉玲手表3000万,韩雪手表1700万,而他的手表仅2000块不到! 350 | 349 四年以降,谢谢你,一直在 351 | 350 小猪佩奇饼干为什么卖得那么火?快消品最新趋势在这里 352 | 351 刘强东和章泽天庆祝清华大学107周年生日并且回应京东假茅台事件 353 | 352 厉害了!银行人都是这么拉存款的! 354 | 353 绝地求生新版本枪械分析,更新后枪械性能分析 355 | 354 朴槿惠如果再选上总统她会去看现在她的住处吗? 356 | 355 微小说:皮包 357 | 356 京东:一季度营收1001亿元 好于预期 358 | 357 恒大足校2018年招生工作将启动,面向全国招收700名小学生 359 | 358 上联:泰山黄山赵本山,如何对下联? 360 | 359 世界最强上单khan:今天我的表现只能打3分,以后努力做到10分 361 | 360 全球平板出货量持续下滑 行业马太效应日趋凸显 362 | 361 品牌是印钞机 363 | 362 韩国最大加密货币交易所涉嫌违规遭调查 364 | 363 美国加州高中发生校园枪击 至少有一人被射中手部 365 | 364 小白如何提高苹果手机拍摄的技巧? 366 | 365 qghappy最差之人是三届总决赛mvp?他没做好这一点让队伍输给xq 367 | 366 全球最美“烂尾楼”,盖了136年还没完工,被誉为上帝之城 368 | 367 农村人口的养老保险金额几年调整一次?有什么政策? 369 | 368 妈妈再也不担心我买错牌子!最常见10种意大利面品牌(中) 370 | 369 詹皇对猛龙真是太残忍,德罗赞主动恶规离场,这眼神心态全崩了 371 | 370 华强北矿机生意:一场关于投机的魔幻秀|调查 372 | 371 你觉得发射卫星与芯片研发哪个更难? 373 | 372 探寻文博会之“最” 374 | 373 国乒选对人了?刘国梁接班人用冠军开启新征程,不敢用新人可理解 375 | 374 《寻梦牡丹亭》文化公园首次亮相 园林与舞美融合 376 | 375 「魅力抚顺」雷锋之城——雷锋精神的发祥地(上) 377 | 376 刘禹宁有着怎样的成就? 378 | 377 诸暨农商银行服务“三农”普惠签约四到位 379 | 378 外面有人1年了,决定离婚,回家后我却撕掉了协议书...... 380 | 379 很靠谱的网赚兼职——店铺分销,轻轻松松做网店 381 | 380 「贵安快报」贵安新区进行旅游行业不合理低价收费专项整治 382 | 381 信用卡分期划算不划算,根据自己的实际情况来判定 383 | 382 东芝事件:震惊全球的苏联间谍案 384 | 383 每天洗马、喂食......从白领到教练 她希望与马儿相处一辈子 385 | 384 省市大学生征兵启动 386 | 385 野人之谜声名远播,中国首个录入世界“三冠王”名录遗产地 387 | 386 英雄联盟8.9版本大改法系装备 变相削弱流浪法师? 388 | 387 刘亦菲参加活动,网友:仙气都没了一半! 389 | 388 沙巴大学什么专业最好 390 | 389 一梯两户两梯四户傻傻分不清,买房忽视“梯户比”谁买谁吃亏 391 | 390 揭阳有没有古建筑? 392 | 391 江西省抚州市临川区临川县三层民房建筑设计图纸很独特 393 | 392 用12张“假”照片,批判和讽刺着这个世界「天桥下的家」 394 | 393 2018年黑龙江的粮食补贴是多少? 395 | 394 马健称火箭队将进入总决赛。火箭真能战胜勇士吗? 396 | 395 哒哒英语“聚能”策略获重大成果:得到好未来高流量端口开放 397 | 396 低价急售一万株双色月季树,10年大苗全部低价处理,你家养过吗? 398 | 397 绿化率和容积率的大小对楼盘到底有什么影响 399 | 398 代表中国队出征!武汉爱心百分百俱乐部青少年比赛拿下两个冠军 400 | 399 空姐遇害,滴滴道歉,妙龄少女深夜出行为何屡遭不测? 401 | 400 原来电影中骑马镜头是这么拍的!钢铁侠亲身示范,看完莫名喜感 402 | 401 世界上最冷村庄:零下71度,上厕所会被冻住,活到100很正常 403 | 402 希拉里高温天穿长夹克上街 原来是为了隐藏这件事 404 | 403 贾巴尔且:五月,金阳将举办索玛花节|纪实掠影 405 | 404 千夫所指顺风车,我来说句公道话 406 | 405 中国女排朱婷央视采访现场,面对镜头,朱婷的呆萌可爱深受欢迎! 407 | 406 什么!刘德华要为杨丽娟还高利贷? 408 | 407 去北京旅游,哪些地方值得玩? 409 | 408 这里有一场有关于“蜘蛛侠”的挑战赛,你来不来! 410 | 409 东方略2017年业绩亏损1655万元 411 | 410 揭秘沙僧闫怀礼死亡原因,这种“被害”去世消息却从未被报道! 412 | 411 职业生涯季后赛新高41分,13个赛季首进西决,如何评价保罗的表现? 413 | 412 美国是怎样进行爱国主义教育的? 414 | 413 蓝色光标市值三年蒸发七成 欲搭车区块链概念谋求逆袭 415 | 414 给你发钱还教你用钱,帮企业员工理财的 brightside 获 400 万美元融资 416 | 415 海地和多米尼加,两国分割一岛为何贫富差距严重? 417 | 416 张成龙如何迎战罗马尼亚“重炮手”马克西姆? 418 | 417 ff91抵京或将量产,贾跃亭要回来了? 419 | 418 韩信为什么活埋自己的母亲? 420 | 419 蝙蝠侠家族都有哪些人物呢? 421 | 420 中国青年出征国际赛 让世界倾听中国声音 422 | 421 上海有多久的历史?五百年前是什么样? 423 | 422 《奇异博士》中多玛姆为什么没有出尔反尔背弃承诺再次入侵地球? 424 | 423 瀚叶股份拟38亿收购量子云 让这981个公众号粉丝的身价涨了6倍! 425 | 424 雷克萨斯汽车怎么样? 426 | 425 明明是个骗局,为什么我的父亲会如此痴迷,作为子女该怎么劝导他? 427 | 426 国展中心外围10项12条配套道路建设9月底前完成! 428 | 427 炸弹真的只有红蓝两根线吗?剪错后会有什么后果?不要再被骗了! 429 | 428 保险业面临智能化变革 尹铭:五年内车险模式将被重构 430 | 429 热闹的新零售其实都在赔本赚吆喝? 431 | 430 这些买房错误心态,估计你都中招了!要谨慎避开 432 | 431 国际化新步伐:黄鹤楼与法国古堡结盟! 433 | 432 乐视网问询函:或触发净资产为负导致暂停上市? 434 | 433 妇联三,复仇者联盟3,要的私我 435 | 434 宁古塔,清朝流放犯人的人间炼狱,那里到底有多可怕? 436 | 435 真实的迪拜生活,一元钱至少可以玩上半天! 437 | 436 有哪些适合发朋友圈的心情说说? 438 | 437 ff 91抵达北京为国产做准备,贾跃亭要归来了? 439 | 438 17岁当上女将军,19岁含冤而死,25年后被平反,500年后被封圣 440 | 439 孩子学习成绩全班倒数,为什么老师不能抽时间为孩子补补课,老师不应该帮孩子提高成绩吗? 441 | 440 三十年之电话怪现状 442 | 441 如何通过互联网暴利赚钱?只要学懂这4招就够! 443 | 442 熊猫在外国真的很受欢迎吗? 444 | 443 汶川地震十年,亲历者说...... 445 | 444 掌握夏天钓鱼的几个技巧,帮你满载而归! 446 | 445 世界首家十星级酒店,一年工资只能住一晚 447 | 446 女婿拍马屁(幽默故事) 448 | 447 nike的flyknit是怎么样的一种鞋面技术? 449 | 448 以色列现在挂出了免战牌,声明无意升级战争,对此你如何看待? 450 | 449 东海双店镇“三个一”缔造乡村“文艺家” 451 | 450 为什么有些国家仍然保留着一夫多妻的制度? 452 | 451 深研儿童行为心理 千江凌云打造全龄儿童活动空间 453 | 452 美国退群后,又提出了对伊朗核设施侵入式检查的要求,伊朗如何回应? 454 | 453 李白《蜀道难》被称为首屈一指之名篇,唐诗之绝唱,如何解读? 455 | 454 四级怎么过? 456 | 455 英雄联盟:uzi直播时间确定,粉丝疯狂舔屏!uzi女朋友都害羞了 457 | 456 你为喜欢的ta,做过的特别傻的事? 458 | 457 「财经24小时」四部委治理违规提取住房公积金 国内油价迎年内第六次上调 459 | 458 陆良龙海“臭参香” 460 | 459 比稀土还珍贵的金属,我国占全球80%的储量 461 | 460 马云判断未来房价会便宜如白菜,是基于什么逻辑? 462 | 461 一旦被美军攻击,或引发国内反应,驻叙俄军获得战术核武器授权 463 | 462 你觉得在未来几百年内是否可以找到外星生命? 464 | 463 单反学习记录 465 | 464 李笑来是如何成为“比特币首富”的? 466 | 465 篮球世界的至尊:你所不知道的nba总冠军戒指的故事 467 | 466 百纳东原:联合运营万里行 468 | 467 上联: 生铁是铁,熟铁是铁,锤子一敲,铁打铁。如何对下联? 469 | 468 韩国旅游业一落千丈,吸引中国游客失败,如今竟然开始赶人! 470 | 469 分析师张琅:5.9黄金、原油eia操作策略,晚间美盘必读 471 | 470 中草药:山茱萸的种植技术及作用 472 | 471 prime day促销指南,新玩法新鲜出炉! 473 | 472 「农耕」带你走进西江千户苗族,快来看看你能认识几件农器? 474 | 473 中国中铁股份有限公司重大事项继续停牌公告 475 | 474 中国最任性的公路:时不时便沉到水里,游客笑了当地居民却哭了 476 | 475 马云干的漂亮,余额宝终于不用抢了! 477 | 476 土耳其樱桃空运出口中国!中国市场是全球最大消费市场之一 478 | 477 如何制裁绝地求生中神仙的法术? 479 | 478 男子为朋友拍了张生活照,因取材独特赢得24万奖金 480 | 479 全新国产标轴宝马x3入门版车型到店实拍!后排空间是这样的! 481 | 480 确认过这眼神,就是张继科、马龙、许昕等马上就要来深圳啦! 482 | 481 中国历史文化名镇——陈炉古镇 483 | 482 对春季高考的成绩不满意,被录取的学校也不满意怎么办? 484 | 483 世界上真的有能手撕鬼子的人吗? 485 | 484 《后来的我们》只能靠读信的老父亲挽尊? 486 | 485 全球戒备最森严的监狱,进去等于活死亡,监禁方式让人抓狂! 487 | 486 海口斌藤村:青砖灰瓦火山居,点石成金致富路 488 | 487 月薪3000的小伙从牛市大赚100万到抵押平仓,血一般的教训 489 | 488 「公司要闻」果树金服ceo蒋树峰受邀参加海归博士交流会 490 | 489 车天天开,底盘很容易生锈!老司机教你一招,分钟除锈还防刮花 491 | 490 狂欢时刻:花生票号带您开启518理财盛宴 492 | 491 2018年中国成都国际女子坐式排球超级六强赛赛事集锦 493 | 492 伊万卡夫妇跑步也秀恩爱,好身材就是这样练出来的 494 | 493 2018年3月乘用车市场回顾及4月市场展望分析 495 | 494 首次开展海上方向实战训练的歼20,会在对海作战方面发挥何种作用? 496 | 495 护照有效期不足6个月能去普吉岛吗? 497 | 496 英国小王子的名字,致敬路易·蒙巴顿,一个差点让女王改姓的男人 498 | 497 你心目中的中国十大城市是哪些? 499 | 498 150架舰载机沉入大海,800水兵死亡,美航母最惨损失拜谁所赐? 500 | 499 instagram隐藏代码披露即将到来的音乐功能 501 | 500 男子撒钱要怀孕女子陪唱遭拒 秒开3枪将其杀死 502 | 501 吉诺比利秃顶之谜之邓肯外传 503 | 502 世界上哪个国家所处的地理位置最不利? 504 | 503 10连胜期间,詹姆斯在场时骑士净胜猛龙178分 505 | 504 登上人民日报头版之前,这个盟市已经在内蒙古日报头版火了一把! 506 | 505 许昕是不是当今乒乓球界打法观赏性最高的球员? 507 | 506 四级残疾证有什么用? 508 | 507 昆池岩:可怕的是人心 509 | 508 nba球员最喜欢收藏什么?乔丹收藏30部法拉利,最后1人拿钱买不到 510 | 509 农村有哪些好玩的东西,好玩的游戏?你最喜欢哪个?你玩过几个? 511 | 510 交了首付之后,为什么提车还要等10天左右? 512 | 511 腾讯一天赚1亿多美元?!都是靠别人的手啊! 513 | 512 特朗普退出伊核协议的目的是什么? 514 | 513 如何用古诗词来表明“我不爱你了”? 515 | 514 中甲实时积分榜:李铁率武汉卓尔回老主场战胜永昌 重回榜首! 516 | 515 怎样看待李诞参加《向往的生活》偷懒被网友骂这件事? 517 | 516 怎样与人交流更走心? 518 | 517 一机两用太阳能采暖神器测试完成~半天升温50度~采暖热水两不误 519 | 518 170多万平方公里的阿拉斯加,为何俄国要贱卖给美国人? 520 | 519 理财的钱存支付宝余利宝和存网商银行余利宝有什么区别?存一个地方利息是不是要高点? 521 | 520 特朗普两个动作,让全法国和英国暴怒 522 | 521 教育,如何融入“信息时代” 523 | 522 震撼航拍!琴岛学院运动会盛大开幕! 524 | 523 撞车后枪杀中国留学生,只判七年? 525 | 524 一篇绝对经典的炒股文章——告诉你股市的真相 526 | 525 武义百名新型“乡土人才”返乡创业 助推打造旅游新业态 527 | 526 刷脸时代来临,这几部手机或许更懂你 528 | 527 为何中国人、日本人和韩国人更喜欢被称为东亚人,而不是亚洲人? 529 | 528 去柬埔寨旅游要办什么手续? 530 | 529 拥抱春天——市直宣传系统2018春季职工趣味运动会侧记 531 | 530 人工智能概述,智能家居,ai音箱,语音互动,智能家庭,智慧社区 532 | 531 禹州市无梁镇举办首届农民文化艺术节 533 | 532 肯德基是不是稳赚不赔的? 534 | 533 伤病,水货外援,新疆天山雪豹遭遇队史最大危机 535 | 534 电脑经常蓝屏死机怎么办?要怎么处理? 536 | 535 《剑网3》制作人c位成功“被出道”,“炜生素”一夜刷屏太疯狂! 537 | 536 这6位演过《三国演义》和《水浒传》,诸葛亮和苏东坡竟是同一人 538 | 537 中国足协启动“杰出星锐计划”推选年轻球员留洋训练 539 | 538 迪士尼乐园不让带食物进去,还开包检查,然后在园区里高价卖食物,这是什么行为? 540 | 539 邀请函丨多媒体城墙实景演出 这场大唐迎宾盛礼你不看看? 541 | 540 上联:荷塘月色美,求下联? 542 | 541 一定要注意轮胎上这4个字,关键时刻非常有用! 543 | 542 aes gener宣布重组智利水电项目 544 | 543 上联:双肩挑世俗,怎么对下联? 545 | 544 丰田不插电混动到底有多牛? 546 | 545 特朗普为什么可以随意废除此前美国政府达成的各种协议? 547 | 546 你还是把单肩包扔了吧,又土又过时,现在流行的双肩包真心漂亮 548 | 547 是谁的母亲又是谁的老婆 549 | 548 全国哪里的玉米产量最大? 550 | 549 有航母就代表军事实力?如果没有这款舰,航母寸步难行! 551 | 550 舌尖上的中药--麦蒿 552 | 551 肥城星美城市广场免费旅游福利开启-“观光水城·品鉴星光” 553 | 552 我这个老电脑怎么才能玩《吃鸡》? 554 | 553 为什么二战时苏联打日本人那么轻松,而美国打日本却很艰难? 555 | 554 如何避免被大数据杀熟? 556 | 555 太穷?2架俄罗斯大飞机已失去买主,中国机会来了! 557 | 556 汽车的制冷系统会对汽车的油耗造成影响吗? 558 | 557 越南的外汇储备有多少? 559 | 558 吃顶级茂名荔枝,找周关! 560 | 559 退休证还有用吗? 561 | 560 手机充电的正确姿势,手机充电不当会让手机提早寿终正寝 562 | 561 河北邢台:“华北第一城”顺德府尚存旧城垣百米 气势不减古韵浓 563 | 562 年底买房好还是年初买房好? 564 | 563 《爱情公寓》电影版定档8月10日 原班人马十年重聚再铸新辉煌 565 | 564 临邑县举行恒通汽贸和德康养殖示范园揭牌仪式 566 | 565 古文与管理系列之十五:管理者异动的原因与建议 567 | 566 北汽首台纯电动gt跑车 静态体验arcfox-7 568 | 567 京东领投,工品汇完成2亿元b1轮融资! 569 | 568 波士顿动力再放大招,机器人避障碍爬楼梯全靠摄像头自主导航 570 | 569 葛洲坝:2016年公司债券(第三期)2018年付息公告 571 | 570 100年前,那些焦虑的中国人 572 | 571 存入余额宝里保本吗? 573 | 572 晚间9大利好关注什么股?医疗涨价军工芯片或爆发涨停潮 574 | 573 明星的妈妈都长什么样,刘诗诗妈妈超美,杨颖妈妈比她还漂亮 575 | 574 马布里先是说广东脏后是蹭中超的热度,球迷:为了事业 576 | 575 威尔希尔迎来自己新生女儿降生,宠溺爱称:我的公主 577 | 576 升空后一直飞行了35年的“道格拉斯型”客机是真的吗? 578 | 577 惨遭去杠杆,这些地方正在排队违约 579 | 578 nba超级巨星都开什么豪车? 580 | 579 巴基斯坦每年房屋建筑需求80万套 将推动gdp快速增长 581 | 580 股东大会上巴菲特被一女孩问题难倒,随后他做了这样的解释 582 | 581 墨西哥 · 寻梦环游多彩国度 583 | 582 陈赫和郑恺为什么被称为阑尾兄弟? 584 | 583 美国的威胁彻底破产!菲总统杜特尔特怒怼:“中国会保护我们” 585 | 584 求天赋异禀美剧百度网盘? 586 | 585 中国哪个侨乡的海外华侨人数最多? 587 | 586 虎皮三彩名字易误会,想象“地三鲜”土豆青椒茄子,保证记一辈子 588 | 587 绝地求生:游戏中成就系统37项你完成了几个? 589 | 588 如何评价保罗即将实现的西决梦? 590 | 589 新款奔驰e300和新款宝马530哪个性价比高? 591 | 590 完胜比特币、以太坊!filecoin收益上千万! 592 | 591 跑者大揭秘:爱跑步的人都把钱花哪儿去了? 593 | 592 一下科技张剑锋:2018年短视频风口依然强劲 市场规模处于成倍攀升中 594 | 593 《乡村爱情》里的刘能到底是靠什么养家糊口? 595 | 594 上过大学的农村女孩和没上过大学的农村女孩有什么区别? 596 | 595 英国海军战舰时代的“见敌必战”是怎么回事? 597 | 596 赣州哪个城市地理位置最好? 598 | 597 县公路局开展非法标志标牌综合整治 599 | 598 这台像奔驰g的便宜货,却一堆人等着想买啊? 600 | 599 渔民钓上满嘴长利齿“不明生物”细看后感觉好像咬到自己! 601 | 600 真的要拍?西蒙·佩吉称愿意出演英国队长 602 | 601 苹果系统ios11.3.1要不要升,升级后有什么bug?哪些手机不要升级? 603 | 602 石崇王恺竞奢华 604 | 603 张常宁和惠若琪谁漂亮? 605 | 604 为什么俄罗斯要在红场阅兵? 606 | 605 比顶配还贵200万的劳斯莱斯幻影?娱乐圈只有这个小富婆买得起! 607 | 606 如果美国打伊朗,最快可以多久解决战斗? 608 | 607 曾经的著名足球解说刘建宏继离开央视和乐视体育,现在去哪了? 609 | 608 武汉摩天大楼有哪些? 610 | 609 巴西大豆从最贵变得最便宜,中国取消两船美豆 611 | 610 菲律宾众议长表示应废除联合国,建立亚洲联合国,有何深意? 612 | 611 阳江:一个重要的客运站即将动工建设! 613 | 612 快手上忘恩负义的4大主播:骚白上榜,牌牌琦最冤! 614 | 613 日本强硬向美说不,是真心还是作秀? 615 | 614 王丽坤被吐槽红毯呆太长,你看不到的还有这些! 616 | 615 二手房卖家一次性收款,但要延迟过户,卖家有什么风险? 617 | 616 新盘测评:国宾区锦悦青山 除了地段含金高还有这些“必杀技”! 618 | 617 「城市赛」杭州滨江宝龙站——“坦克”夺冠|圆满落幕! 619 | 618 历史上有哪些细思极恐的照片? 620 | 619 打击炒房!威海商品房取得预售许可证后3个月内不得涨价 621 | 620 美国下一届大选特朗普会下课吗? 622 | 621 钱文忠 出生于上海 祖籍江苏宜兴 北京大学毕业 师从季羡林先生 623 | 622 女生大脸适不适合短发? 624 | 623 射雕中,梅超风能够威震江湖,功劳最大的居然是她的仇人 625 | 624 专题:汶川地震10周年,他们都去哪了? 626 | 625 以色列为什么呼吁沙特站出来共同反击伊朗? 627 | 626 65岁神秘半导体华人:影响比马云还大今欲1300亿美元收购美国高通 628 | 627 你听过哪些最有逼格的句子? 629 | 628 慈禧棺材本用金丝楠制作,最后却被涂成红色,其原因溥仪羞于开口 630 | 629 美国为什么允许私人机构美联储来控制货币? 631 | 630 超级冷门“小语种”:全世界只有三个人说 632 | 631 作为infp型人,你对于慎独能够做到什么程度? 633 | 632 在农村,有个能干的媳妇,是怎样的生活? 634 | 633 广汽传祺gs3和上汽荣威rx3哪个好一点? 635 | 634 日韩越美少女组合,傻傻的分不清哪个来自日本、韩国和越南! 636 | 635 本田cr-v缺席,4月份最热门的几款日系suv! 637 | 636 骚男最经典操作:钻石局3v7逆风翻盘,粉丝直言那一刻我哭了 638 | 637 落选秀砍生涯新高得分挽救球队,费城状元也肯定他的拼劲! 639 | 638 浙江26个原欠发达县绿色崛起成为全省经济新增长点 640 | 639 乐视做错了什么,为什么人们都希望他倒闭? 641 | 640 「技术分析」卡尔达诺价格技术分析-ada / usd 642 | 641 最美的5位童星,人气颇高的阿拉蕾排名第三,前两位你认识吗? 643 | 642 中储股份(600787)个股行情分析 644 | 643 上联:相思河畔种相思,下联怎么对? 645 | 644 广发证券三年市值蒸发1200亿 业绩报忧欲募资150亿 646 | 645 “嫁给我,从此以后保你z国横着走!”霸道的男人向她求婚 647 | 646 “它”将导致大众市场的终结,并逐步体现市场的个性化 648 | 647 你绝对无法接受的日本风俗,这要在中国会挨揍 649 | 648 郎平用一句话致辞,含泪送惠若琪出嫁,你怎么看? 650 | 649 英语四六级|如何准备四六级口语中的自我介绍 651 | 650 国家散打运动员有多能打? 652 | 651 探访地震极重灾区汉旺:废墟遗址屹立十年 守望新城蝶变重生! 653 | 652 马斯克:明年猎鹰9号再利用间隔缩至24小时 654 | 653 京东发布财报,一季度净利润15.2亿 655 | 654 委内瑞拉爆发大规模难民潮,资源丰富的委内瑞拉为什么会开启内乱模式? 656 | 655 “人造猪肉”即将面世,这对农村的养猪大户有什么影响呢? 657 | 656 86版《西游记》导演杨洁去世,你有什么想说的? 658 | 657 三星s8和vivox21相比,哪个值得买? 659 | 658 优质偶像李准基变身霸道总裁现身发布会,与女主徐睿知cp感十足 660 | 659 林州:桂林“好媳妇”光荣榜——张街村王志平 661 | 660 作啥妖?印度欲监控中国海军活动,可能真当印度洋是后花园了 662 | 661 中国和挪威签署体育交流合作执行计划 663 | 662 燃爆了!军英考场上演战争前线 664 | 663 《抗日奇侠》那个手撕鬼子是真的吗? 665 | 664 我的老婆81斤,这场婚姻着实让我郁闷 666 | 665 德国汉堡科学院院士张建伟:下一代投资风口是ai和机器人 667 | 666 讯早|米家电饭煲完成c轮融资 长租公寓品牌优客逸家获10亿融资 668 | 667 日系最厚道的suv,保值率比途观高,空间堪比途昂,卖24万真不贵 669 | 668 「你」来普天,有“薪”跳! 670 | 669 纳兹官宣怀孕!心疼她欧冠半决赛的防守扑救! 671 | 670 后来的“我们”怎么样了 672 | 671 俄罗斯农民干了一件惊人的事情,他们抓了一只老虎 673 | 672 希特勒知道日本偷袭珍珠港之后是什么反应? 674 | 673 林孜财金:5.8黄金震荡不停,是多或空?原油是否能做多? 675 | 674 刘国梁发文庆祝中国男乒世乒赛夺冠,他想表达什么? 676 | 675 权力的游戏“魔山”7年磨练 夺世界最强壮男人桂冠 677 | 676 1993年和2001年的梅花五角硬币,目前的市场价是多少? 678 | 677 绩效比教师高2000多,谁拿走了老师绩效? 679 | 678 东华理工大学长江学院 680 | 679 2018年毛猪价格会破八吗? 681 | 680 风冷摩托车怎样降温? 682 | 681 怎么看待以色列妄图建立“中东超级联盟”围剿伊朗? 683 | 682 2018年下半年,闽侯的热门区域在哪里? 684 | 683 长江上有座寺庙,八百年水淹无数次,可依然屹立,被称“阁坚强” 685 | 684 复读高三好吗? 686 | 685 你们都农村杀牛时为什么要蒙面? 687 | 686 以色列现在挂出了免战牌,声明无意升级战争,对此你如何看待? 688 | 687 凯撒见到埃及艳后,为何要先脱掉她的衣服?原来与罗马一规矩有关 689 | 688 沙特为什么帮巴基斯坦? 690 | 689 斗鱼战略布局领跑行业,冯提莫任重庆共青团推广大 691 | 690 奇瑞汽车使用的cvt变速箱质量如何? 692 | 691 二战最好的5大狙击步枪 盘点 693 | 692 上联:巧逢春景添月色,求下联? 694 | 693 快递公司买飞机对不对?巴菲特早已看穿一切 695 | 694 暂定5月17日,以重庆为名的火箭要上天了! 696 | 695 各种垃圾和死者遗体投入恒河,印度人却还在直接饮用,能灭瘟疫 697 | 696 樊胜美选择陈家康而不是王柏川说明了什么? 698 | 697 bug外挂满天飞各种坑钱充值,荒野行动是不是要凉了! 699 | 698 福建各城市2018年4月房价大比拼,平潭这个小县城是要逆天而行了 700 | 699 莆田走出产业扶贫特色路 701 | 700 撒贝宁:听说你们玩电竞都很有钱?电竞冠军笑着说了三个字,惊呆 702 | 701 世界上拥有“奇葩车”最多的人! 703 | 702 你在哪一刻体验到了真正的贫富差距? 704 | 703 如何评价黄绮珊的经历? 705 | 704 马云回到母校,安静的听了一节阿里课堂,学生都没发现! 706 | 705 俄罗斯为什么斗不过美国? 707 | 706 在宿舍熬夜打游戏的那些人,后来怎么样了? 708 | 707 老婆做微商近两年,做的一个家快要支离破碎 709 | 708 世界十大最聪明的人:霍金智商倒数第一 710 | 709 几位年过40都还没结婚的女星,最后一位美的让人窒息,却无人敢娶 711 | 710 美华裔获艺术比赛冠军 作品将在华盛顿国会山庄展出 712 | 711 乐视爆亏138亿,深交所已经下发“病危通知书”! 713 | 712 启东并入上海的可能性有多大? 714 | 713 以不变应万变 715 | 714 三十多岁,脸暗黑,长斑怎么回事? 716 | 715 骑士挺进东部半决赛。骑士会不会像11年一样把不可能变可能,再得总冠军? 717 | 716 18岁牛津大学华裔美女辩手完美诠释:人家比你好看,还比你努力! 718 | 717 莱昂纳多投资了500万美元的激光器 719 | 718 生猪供应阶段性过剩 养殖迎来新一轮洗牌 720 | 719 小孩初中毕业读什么技术学校? 721 | 720 王者荣耀:首款圣斗士皮肤已确定!最帅气的皮肤给出场率75%的英雄! 722 | 721 美推出伊核协议,伊朗强硬回击,将继续研究弹道导弹 723 | 722 此奇人砍头时还和监斩官开玩笑 724 | 723 “开宝马,坐奔驰”这话现在还适用吗? 725 | 724 我和月光姐姐的悄悄话(连载十一) 726 | 725 区块链游戏以太小丑 呆萌还能打工赚钱 速速领回家 727 | 726 教育好自己的孩子,是你最重要的事业! 728 | 727 火箭112-102爵士队,保罗41+8+12,三分10中8,你怎么评价? 729 | 728 古龙武侠小说赏析(71部),创作不受传统拘束,中外经典镕铸一炉 730 | 729 《宝贝回家》王守平:我们的新时代需要楷模来引领 731 | 730 平凡的人离开了忠诚和勤奋将一事无成 732 | 731 化肥染色是什么?肥料中染色剂的添加量 733 | 732 2018年四川省第九期赏花指数发布 734 | 733 许亚萍叫错陈赫的名字,最尴尬的是他 735 | 734 隆昌市深挖传统特色打造“中国夏布之乡” 736 | 735 叫我官人微博爆料虎牙官请演员上分,变相提升韩服实力 737 | 736 以色列特拉维夫法院迫使银行接受比特币交易资金 738 | 737 全国十大重点产茶县之一“寿宁” 739 | 738 排骨教主斗鱼c位出道,首秀表现完美,小缘,纳豆送上火箭祝福! 740 | 739 王者荣耀 新英雄有没有人觉得是射手.mp4 741 | 740 搞到一张20年前的汽车报价单 涨姿势了 742 | 741 周杰伦邓紫棋入住过的酒店价格竟如此便宜 743 | 742 【龙虎榜】5月8日国融厦门松岳路2898万独食罗 牛 山 744 | 743 做一个苗木农场,有资源没有资金,怎样才能融资? 745 | 744 假如你中奖1000万,你是接着上班还是回家创业还是出去旅游消费? 746 | 745 领略中国红木文化魅力 747 | 746 上联:醉吟古今月,下联怎么对? 748 | 747 你觉得八年后的房子会成白菜价吗? 749 | 748 5月9日a股午盘分析:指数相对安全,下午可关注创业板 750 | 749 中兴违反了美国的什么禁令,导致美国封杀中兴,真的违反了吗? 751 | 750 尚方宝剑和丹书铁券,哪个占上风? 752 | 751 在农村最“忌讳”的5种动物,老人教导,碰到后决不能杀害它们 753 | 752 高中女老师惊艳亮相教室,学生纷纷拿出手机拍照 754 | 753 农村女保姆刚被男雇主收拾完 小伙打电话来她却不敢接 755 | 754 人民币再涨“春回大地”,中国抛出“橄榄枝”!这国:必须接! 756 | 755 李云龙自杀后,段鹏从他身上偷走4样东西,10年后才敢公之于众! 757 | 756 第六届五峰山大樱桃观光休闲采摘节开幕 758 | 757 为什么国内推崇汉服阻力重重? 759 | 758 爱是最美的语言 760 | 759 专访:印尼和中国人文交流方兴未艾——访印尼新任驻华大使乔哈里 761 | 760 找回童年快乐《赛尔号:无限宇宙》打造精灵趣味玩法 762 | 761 温州两人入选中国工艺美术大师 763 | 762 上联:千秋笔墨惊天地,下联是什么? 764 | 763 玩过王者荣耀后,去玩lol是什么体验? 765 | 764 中国最漂亮的4大“富豪夫人”,赵薇竟落榜,第一当之无愧 766 | 765 msi快报恭喜闪电狼3-0击败gmb挺进季中赛正赛! 767 | 766 阿娇今日晒出婚纱照眼泛泪光,网友感叹:十年前给她的打击太大了 768 | 767 郑州经济技术开发区锦程小学“乐·美·智”特色教育发展纪实 769 | 768 2018赛季crc中国拉力锦标赛11日在开阳打响 770 | 769 雍正即位当夜,十七爷来为什么见他? 771 | 770 嘀嗒出行登陆济南,补贴频频,能否再掀网约车大战? 772 | 771 你这辈子最崇拜和敬仰的人是谁,为什么? 773 | 772 真能提高记忆力?考生“进补”需谨慎 774 | 773 干货一箩筐|have用法小总结,看你还记得多少? 775 | 774 农村90岁老人身体健康还能干农活,一生就是离不开一样东西 776 | 775 李敏镐豪宅内景疑曝光 墙上贴着自己的帅照 777 | 776 原来西游记写的是佛教和道教的派系斗争 778 | 777 买房还要买车位?几十万一个地下车位划得来吗? 779 | 778 比你优秀的人,比你更努力 780 | 779 这七种人,别炒股,因为你赚不到钱的! 781 | 780 父母不高,怎么才能让宝宝长高呢?医生说做到这5点,一点也不难 782 | 781 鱼类的细菌性肠炎病主要流行的时间以及症状 783 | 782 2017二建水利《葵花宝典》2018备考依然超级有价值,万变不离其宗 784 | 783 让男人“朝思暮想”的好货,花费不多,满足一把翱翔蓝天的梦想 785 | 784 国外现超级咖啡机器人 一小时120杯造型科幻 786 | 785 家里有很多衣服鞋子的女生是什么样的人? 787 | 786 如何看待google要求厂商重视security patch? 788 | 787 运乾财经:gfms报告隐藏两大爆点 金价有望创五年来最大年度涨幅 789 | 788 郭士强在辽宁队夺冠之后前往欧洲学习。你怎么看? 790 | 789 2018第二届阳光国际少儿茶艺大赛开启武汉分赛区 791 | 790 特朗普宣布美国退出伊核协议 792 | 791 不仅成龙有私生子!周润发、陈坤、汪峰、那英等纷纷上榜! 793 | 792 缅甸的一所精神病院,男女同住,孩子生下来后无人照看 794 | 793 鹧鸪天·立夏云中徙燕回 795 | 794 奥巴马政府是如何对待战争的? 796 | 795 广岛原子弹爆炸之后,日本政府高层对原子弹的认识过程是怎样的? 797 | 796 batcon全球区块链应用与技术大会暨展览会抢滩上海 798 | 797 怎样才算搭上《区块链》这趟车? 799 | 798 叙利亚局势中土耳其、美国、俄罗斯分别支持谁,各自代表什么利益? 800 | 799 堪称完美的何炅却曾因一个缺点被黄磊嫌弃,马天宇也曾有这个缺点 801 | 800 世界麻将大赛:这才是麻将界的顶尖高手! 802 | 801 同是单身妈妈的两个女人,一个把孩子当未来,一个把孩子当摇钱树 803 | 802 上海智殷执行董事兼首席科学家迟永琳:沉迷运动控制 804 | 803 油电混合发动机和插电混合发动机哪个好? 805 | 804 拆迁一夜暴富,可是拆迁的流程你知道吗?万一你的好运降临呢! 806 | 805 孙杨《跨界歌王》输不起,让领导和评委向他道歉? 807 | 806 纯净水设备容易操作吗? 808 | 807 数月销售大增 金茂首四月签约486亿里的规模竞速 809 | 808 为什么说有灵性的动物不能打? 810 | 809 阿三哥不只是笨,他们还会推卸责任 811 | 810 绝地求生决赛圈的时候,步枪消音器和补偿器你更愿意用哪个? 812 | 811 中国代购“贪小便宜”,乘飞机到韩国后被拒绝入境 813 | 812 云南卫计委公示的医师资格考试收费标准拟调整方案,你能接受嘛? 814 | 813 君生我未生,我生君已老 815 | 814 珠海有哪些全国闻名的企业? 816 | 815 当今中国品牌已上升到更高的阶段,“四大类型”正逐渐成熟! 817 | 816 刚刚,重创美国的杀手锏突然出鞘,股市会暴涨吗? 818 | 817 量子被观察后坍塌成了某个状态,而且每次都不一样,观察的意义何在? 819 | 818 不去新疆,不知中国之美! 820 | 819 「官方」嘉兴中安银领国际详情,收益如何 821 | 820 王者荣耀:gk遭qg零封,第二局干将五成输出,无奈输给网络! 822 | 821 梅罗争辉还有10年!梅西c罗体测数据对比 身体年龄不到25岁 823 | 822 单位公积金缴存比例降低,对你影响有多大?速看! 824 | 823 王牌对王牌:当新款奔驰e300遇上新款宝马530,谁更胜一筹? 825 | 824 魔幻手机:游所为滥用虚拟功能,结果把自己从天下摔下来了? 826 | 825 短线蛋价或迎上涨契机 827 | 826 英国一项研究称,使用手机可能导致脑癌 828 | 827 后来的我们,全款变成了首付 829 | 828 2018年薪资最高的十大行业是哪些?要找/换工作的快来看看! 830 | 829 特朗普即将宣布伊核协议决定,油市屏息以待 831 | 830 怎样的句式才算“犯孤平”? 832 | 831 急脾气怎么慢慢调成慢性子? 833 | 832 新加坡军事力量如何? 834 | 833 黄轩与唐嫣要合作啦,十分值得期待的一部都市励志情感剧哦! 835 | 834 什么银行关闭了? 836 | 835 你觉得顺德属于几线城市? 837 | 836 进了娱乐圈你就会变漂亮,不信看看这些明星 838 | 837 农村老人怎么养老? 839 | 838 被骂惨的《爵迹》第二部又来了,tfboys全员加盟,网友:烂片预定 840 | 839 针对伊核协议为什么美国可以在对方无过错的情况下单方面退出,难道协议对美国无约束吗? 841 | 840 2018安徽省阳光人寿安庆中支招聘正式编制人员6人公告 842 | 841 no more nice girls,然后呢? 843 | 842 “独角兽”版图扩张 预计涨幅超三成 6股受益 844 | 843 如何用万用表测水泵电机是否烧了? 845 | 844 红米哪一款手机比较便宜? 846 | 845 实拍:船员14年的海上生活,海鲜吃到腻,夜晚是最孤独寂寞的 847 | 846 活捉一只舞神猫咪,喵:你这样我都不好意思了! 848 | 847 余额宝升级后,之前购买的天弘基金里面的理财产品到期后,怎么办? 849 | 848 工品汇完成2亿元b1轮融资!京东、雄牛资本领投 850 | 849 在东莞打工的人越来越少,他们都去哪里了呢? 851 | 850 第一视频拟收购疯狂体育,将在游戏、竞猜互动等方面与2018世界杯结合 852 | 851 这个店铺340块3t希捷硬盘有什么猫腻? 853 | 852 我的世界龙息有什么用? 854 | 853 西安第一产业是什么? 855 | 854 原创上联:月落星稀天将晓,如何对下联? 856 | 855 大众途观这款车都有什么优点和缺点?还是听听这位车主怎么说吧! 857 | 856 智能燃气表原一组电池可用一年,现只能用20天是怎么回事? 858 | 857 母亲节|你养我长大,我爱你到老 859 | 858 怎么评价多米尼克·安格尔的画作? 860 | 859 湖南省的省会长沙,为什么会叫长沙? 861 | 860 《使命召唤10幽灵》沙漠游戏 862 | 861 泽泻,虽然生于水泽,却是泻水的第一良药 863 | 862 《温暖的尸体》只要长得帅丧尸也能撩到妹 864 | 863 电影行业怨声载道,宣发行业乱象愈演愈烈 865 | 864 金正恩时隔41天再次来华会晤习近平,这5点值得注意 866 | 865 滨州人快看对不对!滨州发展面临的三个问题,及造成问题三个原因 867 | 866 老子诞生之地,道教祖庭天静宫 868 | 867 高新区丝博会陕西省集中成功签约项目两个 总金额210 亿元 869 | 868 港股或迎来“区块链第一股”:嘉楠耘智计划赴港ipo募资 10亿美元 870 | 869 48岁高龄产妇生下女儿,10天后又被推进产房,全家笑弯了腰 871 | 870 美国法院判伊朗赔付9·11遇难者家属逾60亿美元,你怎么看? 872 | 871 虎牙上市成中国直播新名片,网友感慨:中国游戏直播终拿得出手了 873 | 872 美国退出伊核协议将产生哪些后果? 874 | 873 莆田有钱的土豪,为何都喜欢在老家建豪宅? 875 | 874 直击命比钻石更硬的6大死刑犯:被枪毙身中9枪,依然不死 876 | 875 肥胖夫妻连续压坏两辆车悬架 被出租车公司拉黑后称受到歧视 877 | 876 苍松翠竹的川西坝子:安仁 878 | 877 cmc markets万元国际旅行大礼等你拿 879 | 878 购买二手苹果7需要注意什么? 880 | 879 林高远回深圳省亲遭老父亲“捅一刀” 不应该!看688这么说 881 | 880 三条让人欲罢不能的西北环线 882 | 881 京张高铁为什么不接北京南站或者是北京西站? 883 | 882 亚冠最大黑马狂飙!斩落夺冠热门,韩国霸主比恒大还悲剧 884 | 883 霍市(鸿宇、双利总店,兔儿岭)第100期 粮油副食品 885 | 884 儿童助听器怎样用? 886 | 885 宋朝的家国情怀 887 | 886 带你寻找重庆传说中那24层没有电梯的楼房 888 | 887 你读过的最悲伤最伤感的一句话或一首诗是什么? 889 | 888 “三片区”小学招生网上登记如何操作?今年镇海养老保险资格认证有何变化? 890 | 889 川藏线有哪些不真实报道? 891 | 890 12个世界最美湖泊,美若人间仙境!中国四川九寨沟的五花海上榜! 892 | 891 中国汽车市场不再容许马虎,福特、斯巴鲁、捷豹路虎又召回了 893 | 892 朱婷回国,在机场被大批粉丝包围,鲜花多到拿不下,你怎么看? 894 | 893 农民有必要买养老保险吗,以后养老金怎么领取? 895 | 894 十大娱乐圈女明星精修照对比现原形,杨颖显老态,关晓彤膀大腰圆 896 | 895 虚拟中的虎式坦克vs现实中的虎式坦克 897 | 896 人的命运是由什么决定的? 898 | 897 007的新玩具,阿斯顿马丁要做潜水艇,价值超400万美元 899 | 898 微信里面的腾讯理财通,华夏基金财富宝安全吗? 900 | 899 腹有诗书气自华|你的气质里藏着你走过的路、读过的书和爱过的人 901 | 900 如何看待苏炳添在18年国际田联钻石联赛上海站以0.01秒的劣势屈居亚军? 902 | 901 影视作品中的哪些常识性错误让你哭笑不得? 903 | 902 2015版的长安奔奔还值得购入吗? 904 | 903 2018年英国私立学校报告:成绩好、设施佳、大陆学生增速快 905 | 904 清华造车外观和奔驰几乎一样?网友直呼:失去创造力,国之悲哀! 906 | 905 为什么农村田野有很多的野山鸡? 907 | 906 拼多多怎么做可以增加曝光? 908 | 907 你见过苗寨里待客的方式吗?网友调侃:这才是真正的不醉不归啊! 909 | 908 青岛,威海和大连都属于海滨城市,你最喜欢哪个? 910 | 909 提前祝贺保罗终圆西决梦!网友:送上祝福吧! 911 | 910 融e邦金服|北京中科联众科技股份有限公司430083挂牌新三板 912 | 911 招商蛇口前4月签约销售417.04 亿 同比增加 21.44% 913 | 912 虎牙今晚敲钟纳斯达克率先上市,宣传片隐藏巨大野心! 914 | 913 农村建造成本最低的自建房:土袋房 915 | 914 美规版布加迪chiron,跟中规版区别在哪里 916 | 915 海尔大厨电之制造:5大工厂实现全球高端厨电定制 917 | 916 最是灞河岸 生活正当时 绿城西安2018生活方式发布会圆满落 918 | 917 侣行在伊拉克,叙利亚等的土豪行为,为后来的探险家造成巨大的伤害,您怎么看? 919 | 918 农村屋顶安装太阳能投资划算吗? 920 | 919 龙的传人统治msi,karsa接班人带领闪电狼晋级小组赛! 921 | 920 九旬俄罗斯老人在中国生活85年,照顾瘫痪丈夫15年,不愿回俄罗斯 922 | 921 明明支付宝里的利息比银行要好,为什么还是很多人非得把钱存在银行里,存死期? 923 | 922 上线两年,便成为电商市场绝佳样本,网易严选为什么这么牛? 924 | 923 一生中有4次机会可以改变你的命运,如果你还没有放弃自己的话 925 | 924 “芯片之王”黄金坑潜伏已久,公布年报增578%,接力紫光国芯 926 | 925 济南市区的大集取缔后,采购实惠的农产品可以来这里看看 927 | 926 夜里的那件事儿(现代故事) 928 | 927 面部表情太丰富,怎么治? 929 | 928 同学锐志三年三万公里一十三万五卖,值不值? 930 | 929 有一个外国女友是种怎样的体验? 931 | 930 金庸武侠小说里的高手们,原来都隐居在这里 932 | 931 王者荣耀玩家炫耀账号id,网友跟风一起晒,看到后面笑喷了! 933 | 932 古代考状元相当于现在的什么? 934 | 933 我们常犯的英语错误,可能大约90%学英语的人都犯过,来纠正吧 935 | 934 当年他用同样手法杀三姨太,如今又要杀易继培,幸好被这二人所救 936 | 935 佛系体验《热血江湖手游》精灵旅行已出发 937 | 936 日媒票选“4月动画最受欢迎男角色”,佐佐木入榜,安室透登顶! 938 | 937 为了孩子,整个小区大楼变成“铁笼” 939 | 938 为什么韩国现任总统文在寅比朴瑾惠李明博更受韩国广大人民尊重啊? 940 | 939 江南女画家王思懿中国画作品欣赏 941 | 940 细数那些nba大佬们最豪座驾top5,排名第一的竟然在nba拿老将底薪 942 | 941 手握40万现金,该去买房付个首付,还是理财产品更靠谱? 943 | 942 淞沪会战112岁老兵,长寿秘籍狠打专家脸,晚年生活很开心 944 | 943 这组小画有意思 945 | 944 大爷提着包子找老板谈生意,老板一品尝,立刻答应合作 946 | 945 蒙顶山上茶 幸福牛碾坪 947 | 946 有什么鬼故事是真实的? 948 | 947 韩国同胞很扎心,买房需要不吃不喝9年,北上广表示不服 949 | 948 中国最贵的火车票,一张近6000块,穿越3个国家36个城市! 950 | 949 当郑爽和周冬雨一同现身机场 终于见到什么是纯天然美少女了 951 | 950 7000元左右的游戏本有什么推荐? 952 | 951 买荣耀几合适?在1000到1500左右的? 953 | 952 我体育差,真的不怪我,怪老天 954 | 953 王者荣耀:让2追3,以1敌3,又是一场超级大翻盘! 955 | 954 小米生态链3款人气王新品首发,款款屠夫价,专为年轻人的520而来 956 | 955 韩城旅游推介会在西安举办,促进黄河金三角旅游突破发展 957 | 956 农村六十岁老人到多久能领到一千多元的养老金? 958 | 957 物美价廉!捷克军火比毛熊精致,比西方便宜,还没附加条件 959 | 958 空中擦出火花!美俄新一轮较量?9人失去生命,网友:损失7亿 960 | 959 民国第一女神和她的三个男人 961 | 960 昌吉车主注意!油价又要变了! 962 | 961 「堡垒之夜」50vs50模式限时开启! 963 | 962 美国“借鉴”中国这项黑科技,不仅为其节省千万资金,还解决一难题 964 | 963 「注意」女性乘坐网约车安全防范指南:千万别做这件事 965 | 964 弹道导弹并不是核武器,为什么一些国家不允许发展? 966 | 965 美国老大地位还能折腾多少年? 967 | 966 蹭红毯算啥?今年戛纳,赖红毯的赖破纪录了 968 | 967 为什么有大单进入股价还会下跌? 969 | 968 国足再迎好消息!亚洲杯进四强只需跨过一道坎,里皮踢他们有经验 970 | 969 现在的房地产行业饱和了吗,房子是剩余还是紧缺? 971 | 970 如果美国总统下令要求微软关闭中国的电脑系统,我们该如何应对? 972 | 971 靠捡垃圾2年赚了1000万,这才是真的帅! 973 | 972 高质量的音乐陪伴(下) 974 | 973 规模化猪场的生物安全管理规范 975 | 974 汶川地震十年了,回顾那些定格的瞬间,很多人难忘 976 | 975 链圈大佬上演奇葩说,刷爆朋友圈,最有趣区块链大赛启动趴全记录 977 | 976 小程序:万亿新零售市场的一张好牌? 978 | 977 木牛流马!美军作战将有大批无人车运补给,中国尚在起步阶段 979 | 978 零的突破!日本第一大券商要来中国搞事情,还挖了一位文科状元! 980 | 979 京东“数量”惊人 平台第二季度或将有重大突破 981 | 980 夏季,天气越来越热,驾车时阳光刺眼怎么办? 982 | 981 想摆脱隐形贫困?帮你下班之后增加收入 983 | 982 白云国际机场在亚洲机场中处什么水平? 984 | 983 一辆“房车”诠释的爱在旅途 985 | 984 财经观察:中国印度尼西亚经济合作步入新阶段 986 | 985 福州最大最全的超市在哪里? 987 | 986 普京在刚上台时说要带领俄罗斯成为强国,就目前的形势来看,俄罗斯是否成为了强国? 988 | 987 画面罕见很惊喜:国产航母上竟有它,大小是直-9两倍 989 | 988 农村一种似蛇的虫子,长得怪吓人,鸡皮疙瘩掉一地了 990 | 989 创业要御风而行 991 | 990 六日战争回顾:以色列飞机成功摧毁埃及空军基地 992 | 991 滴滴客服:我们已经下班了 993 | 992 国产汽车发动机到底比韩国、日本差多少呢? 994 | 993 壕,贝尔厄齐尔等人上榜富豪榜 995 | 994 胡杏儿出席某活动,网友:还是有点肉好看,女人应有的状态 996 | 995 俄罗斯一武装直升机在叙利亚坠毁 997 | 996 美国华人博物馆推出首个中医药历史专题展 998 | 997 印度安得拉邦警方下令:酒店客户必须登记在区块链上 999 | 998 拿手机就能叫来公交,白富美们也爱坐? 1000 | 999 巨亏138亿!风雨飘摇中的乐视再受深交所问询 1001 | 1000 没钱人如何创业? 1002 | 1001 留学生美国签证被悄悄注销?一旦出境无法返回美国! 1003 | 1002 现在有一辆续航200公里的电动汽车,以后是不是可以自己换成续航400公里的电池? 1004 | 1003 帮萨达姆大骂美国的外交部长坚守岗位到最后一刻,结局怎样? 1005 | 1004 启动仪式现...... 1006 | 1005 中国装备最先进武器!反应时间仅5秒,却是仿制俄罗斯? 1007 | 1006 这家“餐厅”竟让陆毅如此着迷? 1008 | 1007 你最看好的独角兽的上市公司是哪一家? 1009 | 1008 细数那些uci禁止的自行车科技和装备,你知道几个? 1010 | 1009 美国贸易保护冲击非洲制造业 1011 | 1010 白色降落伞那么显眼,是把伞兵的性命当儿戏吗? 1012 | 1011 全世界都无法阻止微商,他们都能制造出北极光了 1013 | 1012 八路军发动百团大战时,日军华北方面军司令官是谁? 1014 | 1013 如何评价杨元庆? 1015 | 1014 steam数据终于恢复 中国玩家又“影响”了世界 1016 | 1015 如果有一天你遇上交通事故,别慌! 1017 | 1016 如何在全球电商市场抢占先机?10个技巧保持竞争优势 1018 | 1017 什么地方可以买到便宜点的房车? 1019 | 1018 熬过最悲苦时候的你怎么样了?网友:几个爷爷每天厚颜无耻讨好 1020 | 1019 《绝地求生》海岛地图 sanhok 5月11日 归来! 1021 | 1020 阳信鼓书院喜获山东省文化惠民活动品牌 1022 | 1021 这种果子几乎很多人都见过和吃过吧! 1023 | 1022 回头却又似从前:从2014到2018 1024 | 1023 王者荣耀版本最强的四大边路,他们每一个都是能打能抗,容易上手 1025 | 1024 挑战花艺“奥林匹克”!45届世界技能大赛住建行业选拔上海开赛 1026 | 1025 华为的麒麟芯片这么厉害,为什么不卖给国内的其他手机制造商? 1027 | 1026 演员李小璐:生我的和我生的! 1028 | 1027 有哪些一开始很惊艳到后来却觉得low的东西? 1029 | 1028 妻送我坐飞机,偶遇一个人,我知道自己婚姻失败了! 1030 | 1029 军人妈妈,您配得上这世间所有的赞誉! 1031 | 1030 从遥远的北极开采来的天然气是怎么输送回来? 1032 | 1031 华尔街日报:东芝对其180亿美元芯片交易的前景感到悲观 1033 | 1032 石家庄夏季有休闲避暑的景区吗? 1034 | 1033 外号,号外。如何接句? 1035 | 1034 这位超模的身价太高,走一步竟然要45万美元! 1036 | 1035 画家杨象乔以作品《蚩尤》讴歌民族精神 1037 | 1036 「msi进行时」day0前线观察:耶稣升天节、勃兰登堡门和时差 1038 | 1037 如何看待英国潜艇遭毛熊堵截? 1039 | 1038 小学语文1-6年级重点成语、格言、农谚、歇后语、对联汇总,收藏 1040 | 1039 本科毕业,三月份辞职,到现在没找到工作,很迷茫,感觉自己啥都不会做,该怎么办? 1041 | 1040 美国为什么不出口石油? 1042 | 1041 不做微信跟随者,淘宝上线小游戏触发大创新 1043 | 1042 本田的发动机好还是丰田的发动机好? 1044 | 1043 如何快速训练长跑使其达到及格标准? 1045 | 1044 银行出错,卡里多的钱花掉犯法吗? 1046 | 1045 美元金融屠刀再次举起!委内瑞拉无人用现金,只接受物物交换? 1047 | 1046 《西游记》神仙为什么又敬又怕唐王李世民? 1048 | 1047 权威发布:国内五大知名网贷公司排行榜!果断收藏...... 1049 | 1048 明明中国比印度发达,但为何印度女孩不愿嫁到中国?原因很简单 1050 | 1049 世界强国不少,为何美国如此强大? 1051 | 1050 如果留学生想申请加拿大魁北克经验类移民项目,需要符合什么样的条件? 1052 | 1051 厉害了!世界海拔最高动物园是咱山西造 1053 | 1052 原来养鱼都不用鱼塘了,高科技养鱼系统,真是大开眼界 1054 | 1053 锡林浩特市2018旅游季活动启动仪式暨中国马都文化广场系列活动盛大开幕 1055 | 1054 现在的女生素颜还敢出门吗? 1056 | 1055 两年27家击剑馆落地生根 小众击剑为何在杭州大热 1057 | 1056 为什么马自达颜值高性能好却始终不能大卖? 1058 | 1057 怎样学习多地控制电路? 1059 | 1058 刘邦为何要杀韩信? 1060 | 1059 是什么造就了一代天骄成吉思汗? 1061 | 1060 绥中十大特产,最后一个绥中人都鲜为人知,却集食之大成称其最! 1062 | 1061 勇士最大的优势在哪里?字母哥道破了联盟多数球员的真实想法 1063 | 1062 完成3倍寿命疲劳测试?这款国产战机寿命将大幅提升 1064 | 1063 星巴克宣布厕所全面开放,8000门店停业半天接受培训 1065 | 1064 雷军为什么不先卖蓝色版小米6,而是先卖亮黑? 1066 | 1065 解密2018款帝豪gl“多维极智体验空间” 1067 | 1066 诺曼底登陆到底有多惨烈? 1068 | 1067 京沪高铁北京段旁边的驾校,了解一下 1069 | 1068 上联:仙山升明月,下联怎么对? 1070 | 1069 在乡下有什么好的创业项目?怎样走好创业的第一步? 1071 | 1070 薛宝钗和林黛玉谁的出身高? 1072 | 1071 就目前综合实力,你认为哪个城市会最先成为我国的第五个直辖市? 1073 | 1072 华为公司那么强,为什么任正非从未上过富豪榜? 1074 | 1073 2018款凯锐浩克上市 售价8.50-12.00万元 1075 | 1074 荒野行动:故柠:你能吃鸡我给你一百块,结局你猜不到! 1076 | 1075 一起传火?《黑暗之魂:重置版》要来了 1077 | 1076 为什么《西游记》《八仙过海》当年都很火,而现在《八仙过海》别说翻拍,连重播都没? 1078 | 1077 特朗普宣布退出伊核协议采取“最高级别”经济制裁 油价反弹 1079 | 1078 广州富力与申花的比赛中,富力外援雷鸟受伤离场,对富力影响不小 1080 | 1079 女明星同台比美,不是谁都能艳压的,要有她这种身高才行 1081 | 1080 《甄嬛传》全集有哪些常识上的错误? 1082 | 1081 未来这10大职业将面临失业?美国推测十年后可能消失的行业 1083 | 1082 世界第五领土大国:不仅能卖中国大豆 还造出一款“袖珍大飞机” 1084 | 1083 汕头烈士陵园管理处职工詹晓云被评为广东首批“红色守护人” 1085 | 1084 风小筝翻唱《太多》你猜得出是哪部电视剧的插曲吗?可不止一部哦 1086 | 1085 河南洛阳栾川老君山,中国道教信众拜谒圣地,中原文化杰出代表! 1087 | 1086 现在拥有多少钱才算是有钱呢? 1088 | 1087 热刺本赛季一大症结成爆冷因子 赛季末英超豪门球队需防平局 1089 | 1088 刀塔2的psg.lgd今年表现怎么样?会不会成为第4支被邀请到ti8的队伍? 1090 | 1089 上联:双肩挑世俗,怎么对下联? 1091 | 1090 我有个上联,请大家指教:中华上下五千年。请个下联? 1092 | 1091 怎样看待msi首日俄罗斯gmb战队最后以黑科技阵容拿下三胜? 1093 | 1092 美国数据公司localblox泄露4800万网民资料 1094 | 1093 养一头猪竟亏300元!风口上的“二师兄”为啥不起飞了? 1095 | 1094 羊肚菌种植前景怎么样? 1096 | 1095 2018年第三届丝博会开幕石泉“鎏金铜蚕”引关注 1097 | 1096 东西忘了拿,暖心汪帮忙叼下车妈哭笑不得 1098 | 1097 干出一家年营收6036亿的公司,原来是靠入赘发家,后又娶两任妻子 1099 | 1098 最新消息!儋州驾驶证科目一、科目四可以预约考试了 1100 | 1099 头号“敌人”浮现!美国危机来临:需要中国帮忙才能渡过难关? 1101 | 1100 印花税是什么?征税范围包括哪些? 1102 | 1101 罗士信天生神力,两招生擒隋朝在将魏文通,魏文通战力第几? 1103 | 1102 教你判断p2p平台的背景 1104 | 1103 马云耗资万亿,支付宝新功能面世,5亿用户彻夜狂欢! 1105 | 1104 上联:生是真豪杰,怎样对下联? 1106 | 1105 他是目前最强肝帝,至今无人超越!800万勇士 1107 | 1106 蒋雯丽老公顾长卫虽不出名但是百万出行豪车却很犀利! 1108 | 1107 智利阅兵出现神奇方阵,女兵一人一只小奶狗 1109 | 1108 小法:本赛季前场浪费机会太多,最让我们后悔 1110 | 1109 特朗普为什么可以单方面退出核协议? 1111 | 1110 如何看待淮南一中两名学生被海军航空大学航空飞行与指挥专业录取? 1112 | 1111 「知子花教育」家长的这些行为,会把孩子培养成渣男! 1113 | 1112 绝地求生pcpi中国邀请赛来临,qm战队强势出击 1114 | 1113 蒙古帝国为什么不能征服印度? 1115 | 1114 欧盟与美国分道扬镳? 1116 | 1115 儿媳妇要参加同学聚会,婆婆亲自带她去打扮,太漂亮了 1117 | 1116 潍坊市农业农村工作持续走在全省及全国前列 1118 | 1117 麻雀人工养殖犯法吗?捕杀麻雀多少只会被判刑? 1119 | 1118 想要赚钱?你不能错过的5个美股中国区块链概念股(附列表) 1120 | 1119 12日热点新闻:马哈蒂尔宣布特赦前副总理安华 二十年前送其入狱 1121 | 1120 山东落户政策放宽!人才落户"零门槛"! 1122 | 1121 詹姆斯和梅西在体育史上谁的地位更高? 1123 | 1122 「消息」立刻出行获蚂蚁金服领投 1124 | 1123 哪些车型适合跑滴滴? 1125 | 1124 世乒赛女团半决赛和决赛,教练为何让朱雨玲出任三号单打? 1126 | 1125 你说大哥会在外面有私生子吗 1127 | 1126 理性分析rng小虎拿凯瑞英雄还是混子英雄好?传统四保一能走多远? 1128 | 1127 最值得入手的大众品牌,9万就配定速巡航,空间却逼近大众途观 1129 | 1128 妈妈如何让孩子好好吃饭,好好写作业 1130 | 1129 万达影视城刚开业,灵山卫片区又火了,三百个亿的投资又签约了 1131 | 1130 上联:泰山黄山赵本山,如何对下联? 1132 | 1131 “全明星”嘉宾阵容及精彩议程大曝光!南京峰会启幕仅剩3天! 1133 | 1132 一年时光,新兵的蜕变之旅...... 1134 | 1133 《全职高手》电视剧,各大战队阵容公开 1135 | 1134 俄罗斯空军7天之内两次因故障坠机,如此巧合释放了什么信号? 1136 | 1135 农村老话“人穷断六亲”,“六亲”指哪些人? 1137 | 1136 中国钨钢铣刀生产加工聚集地在哪? 1138 | 1137 探访地震极重灾区汉旺:废墟遗址屹立十年 守望新城蝶变重生! 1139 | 1138 生石花如何种植? 1140 | 1139 ella老公晒全家福庆结婚六周年,蹒跚学步的劲宝可爱爆棚! 1141 | 1140 为什么现在没有外国考古队在中国考古,中国考古队却可以在国外考古呢? 1142 | 1141 既然复仇者联盟有惊奇队长,为何不早点让惊奇队长出山? 1143 | 1142 不愧是退伍老兵,面对外国商人的挑衅,老兵几句话让对方哑口无言 1144 | 1143 王者荣耀kpl:rng.m 3:1战胜ytg 九连胜领跑东部榜单! 1145 | 1144 中国第一善——佛山何享健,捐74.6亿元,居胡润慈善榜榜首! 1146 | 1145 王者荣耀的几个上限分别是多少?减cd,攻速,移速......求完整的,谢谢? 1147 | 1146 特变电工:掌控核心技术 从大漠走向世界 1148 | 1147 有人说麦田怪圈是外星人的杰作,可为何外星人从不在中国的麦田一展身手呢? 1149 | 1148 0509行业动态丨职业教育量子计算机,锂电池影视苹果产业链 1150 | 1149 联想被踢出恒生指数,是什么导致了联想现在的这种境地? 1151 | 1150 阿克苏为何被称为“塞外江南”? 1152 | 1151 中国反隐身雷达层出不穷,打破f35不破金身,潜在买家都在嘀咕 1153 | 1152 上联:戏演古今情,善恶忠奸收眼底,请对下联? 1154 | 1153 58岁因病早逝,触动郎平出山,一年后葬于故乡 1155 | 1154 互联网黄金业务有了规定,投资人应该如何应对? 1156 | 1155 发完这篇推送 我想写点啥 1157 | 1156 死磕5年、力排众议,他推翻了《战神》的一切,终于创造了新的巅峰 1158 | 1157 美国退出伊核协议,谁才是最大赢家? 1159 | 1158 目前最接地气的会计行业现状分析,财务人不学习?还有出路? 1160 | 1159 澳大利亚104岁科学家抵瑞士,预计2日后安乐死 1161 | 1160 内地十大老戏骨,每人都有自己心中排名,还有好多,你认为的是? 1162 | 1161 赵薇,网友:你这是在跳舞,还是在玩游戏 1163 | 1162 《机遇之城2018》正式发布 大西安缘何位列第六? 1164 | 1163 老干妈,一个值得认真研究的商业模型! 1165 | 1164 在西双版纳买房:勐巴拉国际旅游度假区均价1400元/平 1166 | 1165 绵阳第三届残运会暨第二届特奥会将于5月中旬召开 1167 | 1166 孙杨现身北京机场 走路潇洒帅气不输男模 1168 | 1167 这车不光实用,牌子也很硬!7座+全景天窗,不足8万! 1169 | 1168 分析师:纽约共识大会将是比特币价格重大突破的机会 1170 | 1169 哪款国产车是普通人想买买不起,有钱人买的起却瞧不上的? 1171 | 1170 战争开始信号显露,俄做出关键举动,最新杀手武器进驻一线基地 1172 | 1171 新捷达、新锋范、威驰哪个比较实用? 1173 | 1172 美“豪华谈判团”刚刚离开,环球时报一则消息让国人炸锅 1174 | 1173 为什么航母出海前,一定要砸摔一个酒瓶呢?今天我终于知道了 1175 | 1174 石棉枇杷成为引领农旅融合发展的产业果 1176 | 1175 小留学生在美国寄宿家庭的噩梦:如同生活在监狱 1177 | 1176 沙特阿拉伯解禁 女性6月底将可开车上路 1178 | 1177 马云演讲 成功不只一种方法,找到合适自己的就是最好的 (2) 1179 | 1178 方舟子说象棋源自印度,中国古代没有大象,你认为这种说法怎么样? 1180 | 1179 炒股最关键的环节是什么? 1181 | 1180 巅峰时期的内德维德是什么水平? 1182 | 1181 看到这张纸,雷军开怀大笑,小米迎来最重要的时刻 1183 | 1182 袭人偷试云雨,迅速收获一个小男孩的心,这是否是她一生的原罪? 1184 | 1183 “掌舵”法国满一年 马克龙交出了怎样的答卷? 1185 | 1184 走过云南的昆明,到过贵州的贵阳,哪个城市更适合宜居旅游呢? 1186 | 1185 俄罗斯特种部队训练 居然要装备五种手枪真不嫌乱 1187 | 1186 潍坊什么产业比较发达? 1188 | 1187 玖富仲裁是真的吗? 1189 | 1188 老人仨月做两缸稀罕酱,城里大妈竟闲恶心,半天没开张她含泪睡着 1190 | 1189 西湖大学博士研究生招生面试完成 百余博士将于9月入学 1191 | 1190 高情商的人,不会说的四句话 1192 | 1191 为什么我国汽车工业发展迅猛,却没有几个好看、令人叫好的车标? 1193 | 1192 买车时切记不要说这三类话,说了过后,别怪销售坑你 1194 | 1193 联想是个什么性质的企业?它为什么要把5g标准长码投给高通?对它以后的发展是好是坏? 1195 | 1194 《不可饶恕》——比死亡更艰难的是饶恕,肮脏的不是手段,是人心 1196 | 1195 “蔬菜墙”惊艳亮相 1197 | 1196 拒绝垃圾时间上场!骑士新人公然违抗泰伦-卢,球迷:钱少人傻! 1198 | 1197 怎么给微信相片加字? 1199 | 1198 小舅子结婚我随礼一万,岳母回了一包喜糖,回家一拆红了眼 1200 | 1199 18款丰田酷路泽4000 霸气越野豪车独占鳌头 1201 | 1200 苍溪县回水小学第八届春季学生运动会顺利开幕 1202 | 1201 悄无声息的黑衣人:gign马赛反劫机行动 1203 | 1202 “一带一路”可成中日合作新机遇 1204 | 1203 a股首只独角兽无悬念涨停,阿里全资收购巴基斯坦电商 1205 | 1204 为什么古德利本赛季在恒大的表现和他上个赛季在泰达的表现简直判若两人? 1206 | 1205 专转本机构,专转本老师,江苏专转本考生如何分辨老师是不是名师? 1207 | 1206 樟木头开展联合整治行动 已扣90辆违法泥头车 1208 | 1207 农用地、基本农田、建设用地、设施农用地,这些土地性质怎么用? 1209 | 1208 这些用卡心得你知道多少? 1210 | 1209 如何评价印度电影《起跑线》? 1211 | 1210 为什么现在很少甚至都没有什么灵异事件了? 1212 | 1211 97-如果有牛市,应该选什么板块? 1213 | 1212 在外漂泊的游子,一定要进来看看 1214 | 1213 媳妇提前回家,不料听到这样的话,她推开了家门 1215 | 1214 哪支球队能在g5晋级决赛?勇士需稳住别浪,火箭队仍存1大变数! 1216 | 1215 王者荣耀:孤影逆天灵物,队友直呼神辅助,亚瑟:我做错了啥 1217 | 1216 已经过了学习语言的黄金时期,还能学好英语吗? 1218 | 1217 叙利亚为什么会有人反对巴沙尔政府? 1219 | 1218 有用!建筑工程各种参数在此 1220 | 1219 如果凯皇和团藏在佩恩进攻木叶时前来支援,木叶还会垮吗? 1221 | 1220 “爱马虎” 怎么办? 1222 | 1221 场均16分锋卫摇摆人来到火箭!薪金吃紧,下赛季两人最有可能离队 1223 | 1222 叫停弄虚作假的“示范班” 1224 | 1223 2000左右买什么手机? 1225 | 1224 今天的他们很会玩嘛~ 1226 | 1225 陈乔恩晒范冰冰送给她的礼物,意外暴露了范冰冰字如其人 1227 | 1226 ipo前夕,小米估值遭市场连续下调,彭博称最新估值600-700亿美元 1228 | 1227 卡塔尔的皇太后谢赫·莫扎为何被称为“当代甄嬛”?她经历了什么? 1229 | 1228 问答系统冠军之路:用 cnn 做问答任务的 qanet 1230 | 1229 告别微信、支付宝?银行宣布大消息! 1231 | 1230 落地国产竟比海外便宜,开过它的车主蔑视gla,也就x2能镇住它了 1232 | 1231 美国总统特朗普上任后,到处搅动世界风云,他的目的是什么? 1233 | 1232 《凤囚凰》马雪云到死都不明白,即使没有楚玉,容止也不可能爱她 1234 | 1233 丹东楼市癫狂:外地炒房客豪赌“第二个深圳” 1235 | 1234 小孩子是留在农村老家读书比较好还是送到城里好呢? 1236 | 1235 让人垂涎三尺!世界各国15种著名街头小吃 1237 | 1236 108岁老人还下地干活,捉100只虾给家人做菜吃,还会喂给儿孙吃! 1238 | 1237 银行不喜欢支付宝,为什么支付宝还可以从银行的卡上转钱? 1239 | 1238 北汽要火了,国产“宝马x6”现身街头,比汉兰达大一圈,不足10万 1240 | 1239 2018款比亚迪f3最低配落地价多少钱? 1241 | 1240 翻手机相册的时候,分享照片按成了删除照片,结果照片没了怎么办? 1242 | 1241 刘和刚见到农村老乡,感动的泪洒全场,你是农民兄弟的骄傲! 1243 | 1242 迪丽热巴身着大花裙亮相电影发布会 靓丽女神 1244 | 1243 这件事儿过去一年了!荆州人,你记得吗? 1245 | 1244 瑞虎8与东南dx7prime怎么选? 1246 | 1245 李克强向东盟秘书处赠送《黄山迎客松》有何寓意? 1247 | 1246 后悔买迈腾了!这b级车比奔驰奥迪上档次,仅16万还买啥雅阁天籁 1248 | 1247 收下兵哥哥这套超神技能,你再也不担心“荒野求生”了! 1249 | 1248 盘龙城国家考古遗址公园今年底对外开放 1250 | 1249 《刺激战场》有哪些武器可以在摩托车上使用? 1251 | 1250 菲律宾对中国免签了,你会去菲律宾旅游吗? 1252 | 1251 nevsun公司拒绝了价值12亿美元的收购邀约 股价飙升 1253 | 1252 如何查找静电? 1254 | 1253 泰拳王子播求究竟多强,李小龙传奇中的李小龙更像他真实的人生 1255 | 1254 除了挤爆的洪崖洞,重庆还有这几个地方一定要去! 1256 | 1255 揭秘:世界十大雇佣兵组织 有的人数竟达百万之众! 1257 | 1256 恐龙快打 区区几个枪兵在我们麦瑟面前根本不值一提呀 1258 | 1257 机器人卖彩票?南沙独角兽集训营路演处处都是黑科技 1259 | 1258 叙利亚局势大变,政府军进展迅速,席卷叛军弹药库 1260 | 1259 从央视离职的几位主持人,有人消失,有人选择创业,有人继续走红 1261 | 1260 在外打车要注意的十条铁律!深渊凝视着我们,我们也凝视着它! 1262 | 1261 看景腻了,不如看看淮安的这些人文景观,让自己有一次心灵之旅 1263 | 1262 房贷为何不能自己选择银行? 1264 | 1263 iphone用户如何清理垃圾?正姐教给你! 1265 | 1264 王者荣耀:玩家脑洞大开,连问3个问题,小妲己瞬间懵了! 1266 | 1265 小药材带动大扶贫 神威药业打造精准扶贫新样本 1267 | 1266 徐志摩微诗歌大赛投稿突破两万首 1268 | 1267 放弃抱“金主”认爱张继科后,景甜牛仔套裙性感迷人锁骨抢镜 1269 | 1268 开着兰博基尼的中国富二代,在澳洲被关进了大牢 1270 | 1269 2018年5月9日今日鸡蛋价格早报,产品高价抑制走货速度 1271 | 1270 赞成星谷再添超级配套!浙大紫金港校区2019年全面建成 1272 | 1271 羊奶收购价年内飙升近一倍 1273 | 1272 如果季后赛这是种规则,结局会如何? 1274 | 1273 留学哥大住哪儿好?2018最新哥大租房攻略解救你! 1275 | 1274 学霸展示追星新高度!浙大医学生发表sci论文致谢偶像林俊杰,获人民日报点赞! 1276 | 1275 有好嗓子和播音经历可以做什么? 1277 | 1276 省教育厅:不得用"100%考试通过率" 违规或取消办学资格 1278 | 1277 他是厦门活字典,他的家族也是厦门历史一段缩影,值得一看! 1279 | 1278 宁夏有个灵武市,灵武市有个地方叫大海子「原创」 1280 | 1279 黄光裕能否带领国美卷土重来? 1281 | 1280 2018中超联赛第9轮赛况,重庆斯威主场0:1负于天津权健 1282 | 1281 德云色黑莓是谁?爆lol主播笑笑孙亚龙前妻慧慧婚内出轨童童 1283 | 1282 武汉:开发商不得将“房查”作为购房的前置条件 1284 | 1283 为什么亚马逊不收购阿里巴巴,成为全球最大的电商公司? 1285 | 1284 新疆地大物博,可不可以往新疆移居呢? 1286 | 1285 琅琊榜:梁帝问高湛梅长苏是林殊吗?高湛第一次做出正面回答! 1287 | 1286 超美图片(六) 1288 | 1287 400电话增强企业服务 1289 | 1288 豪车也难逃被召回的命运,宝马奔驰统统上榜 1290 | 1289 江西投入超百亿元 助城市低收入家庭改善住房条件 1291 | 1290 杨广到底是一个怎样的人? 1292 | 1291 俄开创胜利日阅兵“无人化”先河 多副“新面孔”震撼登场 1293 | 1292 beaba 薄如蝉翼,炫彩人生! 1294 | 1293 微信留言新功能,让我拉黑前男友...... 1295 | 1294 小说:为了救母亲,她不惜牺牲自己来到他身边,维持求而不得的爱情 1296 | 1295 开车时这个坏习惯要改掉,很多汽车发动机大修都是这原因 1297 | 1296 农村保姆第一天大显身手,做得饭被全家夸奖,城里少爷都要学 1298 | 1297 我爱我家相寓,让你放心 给你舒心 许你安心 1299 | 1298 离开老东家 henry首尔开餐馆当店家 1300 | 1299 8日球鞋上脚精选 詹姆斯12次季后赛横扫对手 76人扳回一城 1301 | 1300 必看;什么是独角兽股票? 1302 | 1301 我是一名房产中介,现在半年没开单了,还要坚持下去吗? 1303 | 1302 乡村振兴专家:项目都套上田园综合体或特色小镇帽子 这样好吗? 1304 | 1303 有可能最先实现的改变世界的技术是什么? 1305 | 1304 狗狗死后为什么不能埋? 1306 | 1305 什么叫做天炉战法? 1307 | 1306 机构买入这3股 抛售鹿港文化3993万元 1308 | 1307 大荔人、雨中情——中国渭南国际马拉松赛让你跟着激情跑 1309 | 1308 电竞马蓉坐实!笑笑、孙亚龙、慧慧、童童、copo酱事件最全盘点! 1310 | 1309 如果联想给华为的短码投票,中国的5g是否拥有专利权? 1311 | 1310 全香港唯有他的葬礼阵容人群挤满半条街,堪称近50年来最大阵仗! 1312 | 1311 沙特和以色列会联手对付宿敌伊朗吗? 1313 | 1312 辣妈李小璐性感婚纱写真图:洁白的婚纱,十分纯真 1314 | 1313 古里医疗器械产业园二期项目合作签约 1315 | 1314 山不在高,有仙则名。下句如何对? 1316 | 1315 《雨中的思念》就让相思的雨飞向满天 梦中的爱人早已经走远 1317 | 1316 世界最大航母横空出世,排水量高达12万吨,性能甩美国十几条街 1318 | 1317 中国最美的5个富婆 1319 | 1318 狗是怎么拍电影的? 1320 | 1319 dnf玩家深夜感叹卢克攻坚:单刷震颤交复活币,混团翻牌希望落空 1321 | 1320 城市保卫者衣服是怎么弄的? 1322 | 1321 我同学的同事讲述自己亲身经历的灵异故事,买房要看好! 1323 | 1322 淄博旅游说明会走进山东理工大学 千张门票赠学子 1324 | 1323 京东连续8个季度盈利,刘强东称好戏才刚刚开始 1325 | 1324 下联:一点飞鸿踏雪无痕,如何对上联? 1326 | 1325 我用老婆手机发工资给月嫂, 收到月嫂回复, 才知她身份不一般 1327 | 1326 原子弹的原理那么简单,为什么其他各国还是造不出来? 1328 | 1327 标致308、1.6l和1.2t怎么选?1.2的三缸相比英朗的三缸发动机怎么样? 1329 | 1328 户口是江苏这29个村镇的人要享福了!国家给政策重点扶持! 1330 | 1329 海拔5250米,中国开建一座大型基地,日本:交钱可否借宝一用? 1331 | 1330 不要让这种骗局出现在你身边 找到这种工作 马上走人! 1332 | 1331 中国要用世界最大飞机发卫星? 1333 | 1332 马6当年全国b级车销量第一,为什么阿特兹是好车却卖不好 1334 | 1333 lol:终极技能帽被移除 剑圣又是新符文的最大受益者 1335 | 1334 木马是一种远程控制工具,具有隐蔽性和非授权性的特点 1336 | 1335 「紫塞」农家游|九顶山自然风景区带你去看著名画师“李学亮”! 1337 | 1336 打靶平底锅即将绝版!饰品商人疯狂操作 3小时疯涨10倍 1338 | 1337 养斗鱼秘诀之一 1339 | 1338 张效诚32岁生日,与老婆吴敏霞同框甜秀恩爱! 1340 | 1339 为什么有的lol玩家打了很久游戏也不会进步? 1341 | 1340 虎牙上市,骚男miss携手敲钟,然而网友关心的却是miss情感问题! 1342 | 1341 长汀:龙岩市劳模戴南火—不忘初心 一心为农 1343 | 1342 没有美术功底,可以学平面设计吗? 1344 | 1343 笑笑离婚因老婆出轨?前妻反曝笑笑出轨证据 网友感慨贵圈真乱 1345 | 1344 《暗黑破坏神2》血鸟有什么来历? 1346 | 1345 男生怎样看待女生主动? 1347 | 1346 面对智能手机的竞争,电脑系统还会有下一代吗? 1348 | 1347 美媒:中国银行正在蚕食世界,体量达美国2倍 1349 | 1348 为何张辽和高顺会被陈登所骗? 1350 | 1349 湖州33家企业成为市首批商标品牌联动保护试点 1351 | 1350 北京出发的七条国道,高速直达全国 1352 | 1351 媲美三峡!四川这个旷世幽谷,只对中国人开放! 1353 | 1352 笑笑躺枪!离婚事件未了另有蹊跷? 1354 | 1353 西部还保持3:1 东部队形终于被破坏了 难道预言要成真了? 1355 | 1354 土耳其王牌坦克师只等一声令下,2000美军突然挡在中间 1356 | 1355 为送女儿礼物,花300万买劳斯莱斯,看到实车时,网友:我服! 1357 | 1356 劳斯莱斯首款suv今日发布,后备箱暗藏一张鸡尾酒桌,奢华! 1358 | 1357 故宫的一个地方曾经是妇孺皆知,如今能够进去的都是贵宾 1359 | 1358 赵薇、范冰冰、林心如,你觉得谁最漂亮? 1360 | 1359 这是继“黑鹰坠落”后美军在非洲最大惨败 当时都发生了什么? 1361 | 1360 女人为什么永远不跟你说真话?没有几个男人知道答案 1362 | 1361 《巴霍巴利王2:终结》高清资源分享观看 1363 | 1362 nc供应链领域高级顾问为你来支招 1364 | 1363 毛主席弃笔从戎到后面经历了这些事情,才下定决心又去读书 1365 | 1364 《我是大侦探》杨幂休闲风再亮相 造型百变角色身份引猜测 1366 | 1365 惊诧:建筑民工能写出这么好的诗! 1367 | 1366 你想让我吃人嘴软,对吗? 1368 | 1367 近千斤女子穿不了衣服,20年未下床,幸亏生的都是女儿 1369 | 1368 散户应该怎么在股市上永久不衰长期发展? 1370 | 1369 美国宣布推出“群聊”,金融市场经历动荡一夜! 1371 | 1370 联想公布出来的5g投票的英文证明,是什么意思,你怎么看? 1372 | 1371 澳大利亚大学新南威尔士大学好吗 1373 | 1372 近期热播的《独孤天下》中,独孤伽罗凭借聪慧和毅力成为皇后。为何史书中对独孤皇后的评价却不高? 1374 | 1373 水浒传:一首会杀人的唢呐背景音乐,响起就会要人命 1375 | 1374 伊朗和以色列互射炮弹:美国对以支持 俄罗斯为啥中立 1376 | 1375 怎么把红米3的cpu改成835? 1377 | 1376 场面火爆!史蒂文斯吃t,小欧文挥拳恩比德,奇兵发挥76人拒横扫 1378 | 1377 做明星的亲戚都有啥体验?郑恺弟弟颜值在线,张嘉译最接地气! 1379 | 1378 路透:物流投资拖累利润率 京东盈利逊于预期 1380 | 1379 《温暖的弦》与《何以笙箫默》中的爱情有什么异同点,你更喜欢哪一个? 1381 | 1380 想买一辆能自驾去西藏的车,自吸2.0还是1.4t更适合?15万以内裸车求推荐? 1382 | 1381 哪里才是真正的“中国荔枝之乡”? 1383 | 1382 如何获取淘宝优惠券? 1384 | 1383 中国现存最完整的清代王府是哪一座? 1385 | 1384 《极限挑战》引爆“人生起跑线”话题:起点低怕什么,大不了加倍努力 1386 | 1385 现在俄罗斯是如何看待奥斯特洛夫斯基《钢铁是怎样炼成的》这本书? 1387 | 1386 武直10性能这么好:但为何十多年生产量还不到300架 1388 | 1387 上联:一轮明月亮天下,下联怎么对? 1389 | 1388 traleader为其账户增添比特币及以太坊作为基准货币 1390 | 1389 暴力美学 基洛夫级核动力巡洋舰“彼得大帝”号 1391 | 1390 升级高校报告厅新体验 理光pj lu8000工程投影机进驻上外 1392 | 1391 「5·12护士节特刊」用司法维护医患关系和谐稳定 1393 | 1392 这4条自驾线路你最钟情哪一条?趁着年轻,勇敢出发吧! 1394 | 1393 性价比秒杀奥迪a4, 19款大众cc终于亮相,光颜值就值40万! 1395 | 1394 冯女郎与谋女郎开撕了?苗苗正面“碰瓷”巩俐,输赢也太明显了吧 1396 | 1395 半决赛期间接受奥拉朱旺特训的周琦,能否在西部决赛中扮演火箭赢球的x因素? 1397 | 1396 罗格斯大学到底怎么样? 1398 | 1397 男人喝这种野菜熬的汤 身体都比较棒 1399 | 1398 交通发达的小城市并不值得投资房产,已有先例! 1400 | 1399 榨油每公斤利润多少?姥爷香榨油利润分析 1401 | 1400 庭院式的道路,美丽乡村,道路提升颜值,不仅于绿化,还可以美化 1402 | 1401 天空之城——中国香港 1403 | 1402 超震撼!今天“女神”过生日,湄洲岛人山人海,热闹非凡! 1404 | 1403 为什么世界人民越来越看清美国的真面目。越来越多国家抛弃美国模式? 1405 | 1404 农村公公打工回家,孝顺儿媳骑车去接,回到家婆婆却说公公不懂事 1406 | 1405 日本0.6排量的车,为什么中国没有? 1407 | 1406 为什么说小程序在某一程度可以替代app?替代之后有什么好处 1408 | 1407 文化部出手了!所有周杰伦演唱会门票溢价出售的平台将被下架处理 1409 | 1408 宝沃bxi7/bx6双车上市即凉凉,假洋鬼子是真把自己当奥迪 1410 | 1409 一台电视机最长能用几年 1411 | 1410 预算1万5,外星人和玩家国度选哪种笔记本比较好? 1412 | 1411 《王者荣耀》5月8号更新,四位英雄金币降价了,值不值得购买? 1413 | 1412 36氪首发|获普华资本数千万a轮融资,创新诊疗商业化平台「梅傲生物」将拓展精准医疗布局 1414 | 1413 “散步詹”如何做到边打比赛边休息?他在场74.4%的时间都在走路 1415 | 1414 给nba每个球队休赛期引援建议! 1416 | 1415 新车磨合期需要多久?新手司机来看看! 1417 | 1416 为什么说火星最有可能存在外星生命呢? 1418 | 1417 中日物价水平对比——你根本无法想象! 1419 | 1418 斯大林为何要在大儿子被俘后下令逮捕儿媳? 1420 | 1419 云南深山藏一村庄,村民60年不曾踏出村子半步,至今无人使用网络 1421 | 1420 quora:最不可思议的巧合 1422 | 1421 偶像练习生出道那么久却经常出现在热搜,你怎么看? 1423 | 1422 以色列为什么最近要和伊朗针锋相对? 1424 | 1423 活动|中国企业应对欧盟一般数据保护条例研讨会 1425 | 1424 以空袭叙境内伊朗目标叙外交部:侵略行动恶化地区局势 1426 | 1425 管道疏通,只要你肯干就能挣钱 1427 | 1426 我国一邻国,户外方便历史悠久,为改变现状总理号召建1亿公厕! 1428 | 1427 牛市什么股票最先涨,什么股票最后涨? 1429 | 1428 酒后驾驶是违规还是违法? 1430 | 1429 为什么姑舅亲而姨表不亲? 1431 | 1430 第三届软件园电子竞技大赛落下帷幕,700名程序员参赛 1432 | 1431 中国女排20岁新星又升级!训练中再现新技能,郎平制造新惊喜吗 1433 | 1432 疯狂的区块链,分裂的朋友圈 1434 | 1433 又是每年一度的高考即将到来,家长们如何帮助学习? 1435 | 1434 《堡垒之夜》与《复仇者联盟3》联动 变身灭霸毁灭全场 1436 | 1435 炒米粑原来是湖口流泗的做得最好! 1437 | 1436 你们做过的试卷上出现过哪些明星? 1438 | 1437 “我有手枪抓我”:男子发挑衅视频被拘 1439 | 1438 什么工作接触程序员的机会最多? 1440 | 1439 电商大环境下,工厂直销产品是否会产生涨价的情况? 1441 | 1440 战争使命:实在没子弹了只能徒手打了! 1442 | 1441 为什么王者荣耀最近卸载量越来越多? 1443 | 1442 第二届石家庄市旅发大会下月举办,这些景点值得一玩! 1444 | 1443 这个非洲机场到处都是中文,游客说“感觉像回到自己的家一样” 1445 | 1444 vr·ar联合实验室获奖不断,再获金奖! 1446 | 1445 河南贫困县最多的五座地级市,洛阳、南阳上榜 1447 | 1446 新型农民职业资格证书去哪里办证,怎么收费? 1448 | 1447 伊核协议美国去留众说纷纭,美油巨震艰难收复70关口 1449 | 1448 国家生猪市场2018年第18周(交易)价格指数分析 1450 | 1449 *st宜化10.4亿元甩卖巨亏包袱新疆宜化 1451 | 1450 清洁节气门有必要吗?不清洁会有什么结果? 1452 | 1451 盘点19张交通警察都吓到吐血的奇葩超载! 1453 | 1452 每个币圈人士都会用到的应用类型 1454 | 1453 环京利好不断 1455 | 1454 新时代情况下,白酒的消费人群如何变迁 1456 | 1455 堵车长龙中,为何一般很难见到豪车的身影? 1457 | 1456 为什么西边套房比东边套房贵? 1458 | 1457 曼城新赛季会连霸英超吗?买来这四人可成就伟业 1459 | 1458 如果美国打伊朗,最快可以多久解决战斗? 1460 | 1459 投票事件后,华为将采取什么措施应付联想? 1461 | 1460 深山里的一块错字残碑,挖出了多年的谜团,墓主竟是这位红颜 1462 | 1461 无关恐慌,我为什么认为99%的代币将归零? 1463 | 1462 国际太极拳大师陈自强第十次年度访英传播太极拳 1464 | 1463 本来开飞机,后来修飞机 1465 | 1464 书法:《观沧海》作品欣赏,比之《念奴娇赤壁怀古》又如何? 1466 | 1465 上联:双肩挑世俗,怎么对下联? 1467 | 1466 广州恒大0-3大连一方,卡纳瓦罗最后目睹点球判罚为何露出迷之微笑? 1468 | 1467 京东第一季度eps不及预期 股价盘前大跌近4% 1469 | 1468 朋友自驾去了新疆,又不想驾车回来,车怎么办? 1470 | 1469 安检是安检正不正经就不知道了!说一说你在安检时碰到过哪些趣事 1471 | 1470 物业公司应如何处理与业主委员会的关系? 1472 | 1471 电竞俱乐部edg融资近亿;24小时无人便利店“哈哈零售融资数千万 1473 | 1472 泰国第一拳王遭女友抛弃一蹶不振,邹市明有望重返巅峰 1474 | 1473 苹果大数据杀熟?真正的大数据杀熟(杀手)是这些企业 1475 | 1474 乌鲁木齐周边哪有野钓? 1476 | 1475 超级玛丽要被追上了,后果不敢想象!你玩过这游戏吗? 1477 | 1476 我想组装一台吃鸡的主机,价格在5000-6000元,有什么好的推荐吗? 1478 | 1477 当朋友圈有人一直在晒这个的时候,就要警惕了 1479 | 1478 陕西:三大变革 打造高质量发展引擎 1480 | 1479 福特脑洞真大!把摩托车塞进汽车里,骑、开两不误 1481 | 1480 看看人家的办公室,才知道他们为什么愿意加班 1482 | 1481 5g不仅仅是网速那么简单,5g到底意味着什么? 1483 | 1482 号外:前瞻2018一建挂靠最新价格——防止入坑!慎重!再慎重! 1484 | 1483 46岁,妈妈改嫁了 1485 | 1484 学费不用愁!海南生源地信用助学贷款预申请启动,满足这些条件可申请 1486 | 1485 如何看待明世隐这种“混子上分型”英雄在王者荣耀里的表现? 1487 | 1486 泰国房产市场到底怎么样? 1488 | 1487 怎么在手机app上实现月收入过万? 1489 | 1488 全新红色版iphone 8开箱,激活的那一瞬间,哇,令人窒息的手机! 1490 | 1489 drive.ai无人打车服务进德州,我们用15分钟见识了「新手驾驶员」 1491 | 1490 薛之谦携手岳云鹏同居创作 多元身份匠心不变 1492 | 1491 2018msi入围赛总结:呆萌还是跟他以前一样厉害 1493 | 1492 万万没想到,马化腾与张一鸣竟在朋友圈撕逼,网友:想笑! 1494 | 1493 汶川地震10周年纪念,记着那些感人的画面,映射出的人性美 1495 | 1494 新月格格:大结局,努达海死了,新月实现了承诺与他同生共死 1496 | 1495 请问软件工程专业中国大学排名顺序是什么?谢谢? 1497 | 1496 飞思 645df套机是哪个国家的? 1498 | 1497 拿来主义有哪些利弊? 1499 | 1498 动物界的中央空调,原来是只“大老鼠”,不过挺可爱的 1500 | 1499 日本农民只认dji?大疆农业在日本快速崛起 1501 | -------------------------------------------------------------------------------- /tcdata/nlp_round1_data/download.sh: -------------------------------------------------------------------------------- 1 | wget https://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531841/OCEMOTION_a.csv 2 | wget https://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531841/OCNLI_a.csv 3 | wget https://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531841/TNEWS_a.csv 4 | wget http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531841/OCNLI_train1128.csv 5 | wget http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531841/TNEWS_train1128.csv 6 | wget http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531841/OCEMOTION_train1128.csv 7 | -------------------------------------------------------------------------------- /tcdata/nlp_round2_data/download.sh: -------------------------------------------------------------------------------- 1 | wget http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531841/b/ocemotion_test_B.csv 2 | wget http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531841/b/ocnli_test_B.csv 3 | wget http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531841/b/tnews_test_B.csv 4 | -------------------------------------------------------------------------------- /tcdata/nlp_round2_data/tnews_test_B.csv: -------------------------------------------------------------------------------- 1 | 0 加长3.4米，玛莎拉蒂Ghibli奇特改装，内饰极尽奢华 2 | 1 许广平的坎坷婚恋：逃婚来北京，初恋横死，追鲁迅多年、登报示爱 3 | 2 监管出手，仁东控股被暂停融资买入，股价惨遭12连跌停丨热公司 4 | 3 四口之家开着房车去旅行，来到南岭之中，正式告别江西省 5 | 4 库克的决心：把苹果代工移出中国 6 | 5 卓越的生命之花需要用美育浇灌 7 | 6 艾草什么时间收割？ 8 | 7 《品读诗人毛泽东》：诗意人生与革命精神 9 | 8 宏光PLUS牛了，空间堪比“小货车”，能轻松载7人，6年免检 10 | 9 徽班进京是中国文化的大事件 11 | 10 企示录｜共建互联 蓝绿双城剑指新生态 12 | 11 大众电影百花奖获奖名单 13 | 12 成语“引车卖浆”的由来 14 | 13 汪曾祺：以日常说话的态度写小说 15 | 14 《人民的名义》高育良会娶高小凤的原因，其实是因为他的本质 16 | 15 笔落青山流清韵 17 | 16 荣威RX5 PLUS匠心国潮珍藏版，真的是让人欣喜 18 | 17 决定房价的涨跌真的只是成本？这“一实一虚”也许才是关键因素 19 | 18 摩洛哥王妃：现实版灰姑娘，三次落跑未果嫁入王室，活出顶级人生 20 | 19 从2299元跌至1798元，50倍变焦手机已掉至千元档 21 | 20 新车 | 售价12.99万元起 2021款斯柯达柯珞克上市 22 | 21 图书馆应当强化“数字供给”｜长江评论 23 | 22 华为P50 Pro大曝光，后置圆缺形6摄，搭载了麒麟9000 24 | 23 辣椒苗栽完用什么肥或者药长的快？ 25 | 24 为什么蔡崇信一点蚂蚁股份都没有？ 26 | 25 刘半城留下的一片瓦 27 | 26 低配车型售价为9.48万的2021款宋MAX值得购买吗？ 28 | 27 一亩收入可以到10000元以上的农作物有哪些？ 29 | 28 违反限聚令被罚，美牧师：我懂法，但法外有大法 30 | 29 0-0！欧冠3冠王轰然倒地！小组垫底出局，4大耻辱纪录诞生 31 | 30 我在农村有个院子，加工什么利润大，销路好找？ 32 | 31 难忘那一句“哨音就是命令” 33 | 32 南宁这里有千亩白色花海！牧场、草坪、湖泊…风景超美 34 | 33 互联网时代如何保护个人信息 35 | 34 苹果被罚款 7800 万！手机厂商这个「虚假宣传」早该整治了 36 | 35 破冰渡江 敌机就在头顶飞过 37 | 36 美记：几位对手高管相信骑士将交易走庄神 可能就在揭幕战前 38 | 37 局外人：加缪的另类幸福 39 | 38 能力超强还是因父之名？中国民企掌门人更迭，这些“富二代”陆续走上前台 | 财见观察 40 | 39 混动的英菲尼迪QX60，百公里油耗7.9L，售47.98万起 41 | 40 国产车排行榜前十：H6稳居第一，奇瑞只有一款，比亚迪榜上无名 42 | 41 抬头问天的时刻 43 | 42 中年企业家得了癌症，担心死后强势妻子赶走老娘，居住权可解决 44 | 43 “唐僧”取经全靠化缘吗？别幼稚了，玄奘的花费足以令土豪哭泣 45 | 44 初秋探访杭州三台山 46 | 45 许渊冲：转换不同语言之美的百岁翻译家 47 | 46 小翠（聊斋故事） 48 | 47 可以小儿止啼的恶魔：萨达姆长子罪恶一生，把情敌喂给狮子 49 | 48 赤耳诗歌：七星湖传说；古文警句 50 | 49 适合家用的三款合资轿车，颜值没有新款高，但价格实惠、品质可靠 51 | 50 马云进军房地产！“天猫好房”上线，对刚需来说，是好事坏事？ 52 | 51 “星恒杯”成为业内焦点，星恒到底做对了什么？ 53 | 52 苹果旧车再翻，手持苹果11的果粉注意了，触控问题终于解决了 54 | 53 歼-20新设计曝出！会用和F-22一样的机炮设计吗？太鸡肋 55 | 54 在西藏邦达当兵，是我一生最骄傲的事儿 56 | 55 皇马2-0胜门兴夺小组头名，本泽马头球梅开二度 57 | 56 CPI虽然转负 但通缩风险仍很遥远 58 | 57 柳宗元一首五绝，全诗仅用一个“雪”字，就描绘出了天寒地冻之象 59 | 58 滴滴师傅：我没有索要好评，也没有私下交易，一气之下注销账号 60 | 59 没必要太“专一”，汉兰达之外，这三款7座SUV也有实力 61 | 60 巴黎股市CAC40指数8日下跌 62 | 61 李叔同榜书“佛”字书于何时 63 | 62 全新汉兰达海外实拍图，外观年轻动感，搭载2.5L混动系统 64 | 63 中国最早的外滩：比上海外滩早了20年，现为酒吧一条街 65 | 64 《诗》礼互动与诗礼传家 66 | 65 应松：中国经济将迎来长期可持续增长暨未来十年投资机会解读 67 | 66 发掘方志资料 推进方言研究 68 | 67 系统整理中国艺术歌曲，让百年中国声音屹立世界舞台 69 | 68 感觉身体被掏空：中国古人是怎么过夜生活的？ 70 | 69 2021年中国楼市拐点将临，房价开启阴跌模式 71 | 70 《瓦尔特保卫萨拉热窝》故事，主演是铁托朋友，导演饿死在城里 72 | 71 欧美再度“疯狂印钞”，中国货币“坚定紧缩”？中美利差或将扩大 73 | 72 纽约市长：不允许特权阶层“插队”接种疫苗 74 | 73 当法官前vs当法官后 75 | 74 “艺术乡建”，为美好生活添彩 76 | 75 西行的另一种漫记 77 | 76 古诗中的浓浓秋意 78 | 77 浙江一座宫殿式的神庙，地位之高不同凡响，堪称“江南紫禁城” 79 | 78 健康医疗大数据发展应少些炫酷多些沉稳 80 | 79 仅仅一夜！哈登遭遇双重打击，最温情裁员诞生，库里正式表态！ 81 | 80 老板集团总裁赵继宏：AWE是家电品牌不可或缺的展示平台 82 | 81 伊厉王朱㰘：四哥朱棣亲赐恶谥，洛阳人民恨之入骨的荒唐亲王 83 | 82 昔日为争“外滩第一高楼”曾有一场暗潮汹涌 84 | 83 现象分析：三四线的县城对房子没有刚需 85 | 84 2020财富未来50强出炉：小米才是最大的赢家 86 | 85 定向玉米拍卖落地 短期价格如何演化？ 87 | 86 谣言背后的青青稞酒 88 | 87 1966年10月27日，中国首次发射导弹核武器试验成功 89 | 88 科鲁泽Redline2020款中配的欢快版，到底如何？ 90 | 89 两个倒闭电影厂老板，一个把地皮输何鸿燊，一个卖地皮赚62亿 91 | 90 古时重阳节，人们都在吃什么？ 92 | 91 社区团购提货点，只是资本家的登云梯垫脚石，马上就会把你撤了 93 | 92 怎样才算"花粉"？看看用华为手机的人都有哪些特性吧 94 | 93 小米用户将迎来系统升级，MIUI12.5即将到来 95 | 94 中国本就有自己的“素描”法则 96 | 95 疫情引发连锁反应：凛冬将至 美国购物中心洗牌加剧 97 | 96 君思智慧园区：企业入驻产业园区都具有哪些优势？ 98 | 97 佐尔克：冬窗不会引进新前锋，那会阻碍穆科科的成长 99 | 98 波罗的海三国被加入苏联 100 | 99 亲人眼中的汪曾祺：他在文学里闲适隐逸，在家中“没大没小” 101 | 100 青海近年新发现一处红色奇观，让美国探险家惊叹不已 102 | 101 志愿军创造的战斗文化 103 | 102 西藏阿里：探秘古格王朝遗址 104 | 103 你知道《夏洛特烦恼》中夏洛为什么要胖揍刚出道的周杰伦吗？ 105 | 104 宋伊人、邓超元《我凭本事单身》上演逗趣脱单之旅 106 | 105 我玩了50个小时的《赛博朋克2077》：没有超纲，但足够充实 107 | 106 战斗气息十足，外观更加时尚动感，哈弗F7x渲染图曝光 108 | 107 《罗织经》：从这本集邪恶、阴谋的古书中，学会如何保护自身利益 109 | 108 富士康遭黑客攻击被勒索约2.2亿元，公司回应：问题不大 110 | 109 马杜罗希望与拜登对话 111 | 110 一项新研究评估了中欧森林生物经济发展 112 | 111 237匹+后驱！标配10AT的凯迪拉克CT5，为何销量一般？ 113 | 112 因为裁判涉嫌种族歧视 这场欧冠只踢了14分钟 114 | 113 三星反超华为，成Q3榜首：失去了中国业务，三星为何还能这么牛 115 | 114 新白娘子传奇：李公甫夫妇才是最后的赢家，低调做人没什么不好的 116 | 115 古希腊众神那点事儿（1） 117 | 116 楚楚可怜的杏仙，死的到底冤不冤 118 | 117 黑胶时刻｜华语电影中的民谣故事 119 | 118 云游｜巴黎的秋季之旅 120 | 119 尾盘突然跳水，发生了什么大事？ 121 | 120 2021款宝来上市 售价11.20万-15.70万元 122 | 121 中端旗舰别乱买，这四款才是最好的选择，性能给力，流畅用三年 123 | 122 应用五个“新动能”推动资源型城市转型发展 124 | 123 为什么NBA历史前十当中湖人球员占据半壁江山？ 125 | 124 被作为国礼送出的建盏，究竟有什么魅力？ 126 | 125 “优艾智合机器人”获得近亿元A轮融资 127 | 126 当年花百万美元，和巴菲特共进午餐的三个中国人，后来发展如何？ 128 | 127 图个明白｜直播带货的“智商税”，你交过多少？ 129 | 128 农村人的全封闭式阳光暖房到底好不好？为什么？ 130 | 129 如何评价民本思想？ 131 | 130 国外的课外班怎么上 132 | 131 高盛：得益于服务业的弹性 经济增长将好于预期 133 | 132 梅艳芳去世后，为何不给2个哥哥留遗产，却送2套房子给设计师？ 134 | 133 重阳，四个关于“老”的感悟 135 | 134 故事：聊斋故事：郭春救母 136 | 135 iPhone12都售罄了还坚持三年一换？遇到这些问题果断换机 137 | 136 京东升级京喜为事业群，社区团购并入，刘强东亲自带队 138 | 137 商贷转公积金贷款太难了！后期才发现这两者区别大，前期选需谨慎 139 | 138 淡泊名利、扶掖后学的真学者 140 | 139 《大染坊》卢家驹：懂生活，懂放手，优秀的东家，真正的赢家 141 | 140 庄子的逍遥：游于世界之内，天地与我并生，而万物与我为一 142 | 141 《俗世奇人》读后感 143 | 142 丰田RAV4最强版实拍！7.4秒破百，比宝马2.0T还强，每公里油费6分 144 | 143 宋代瓷器的装饰艺术有多少巧思？67图欣赏宋瓷之美（上） 145 | 144 2020年全国U18U16女子拳击锦标赛，河北收获2金2银2铜 146 | 145 白百何94亿票房，超巩俐和章子怡：熬过最难岁月，终会逆风翻盘 147 | 146 成语“东山再起”大家都知道，但出自于哪里呢？就在绍兴上虞 148 | 147 辽宁首节仅18分！全队7次失误，朱荣振4犯，杨鸣气得翻白眼 149 | 148 长相都不好惹，对于首购年轻人伊兰特和MG5哪个更有看头？ 150 | 149 农村树上的野菜“刺老芽”，价格比肉还贵，这是为啥呢？ 151 | 150 关于牛娃，普娃，鸡娃的思考，天生我材必有用！ 152 | 151 陈丹青回忆被流放农村的日子：很绝望的记忆，我觉得全部黑下来了 153 | 152 詹姆斯以下几个扣篮姿势，你喜欢哪一种 154 | 153 互联网卖菜，巨头们的练兵场 155 | 154 欧冠本周最佳候选：内马尔、本泽马、恩内斯里、特鲁宾 156 | 155 B级车合资新玩家！力图中国翻身之作，全新名图静态解析 157 | 156 《世说新语》与《说苑》 158 | 157 苹果到底还是妥协了，iPhone 12首次降价，入场双12 159 | 158 战机另一面！活泼可爱的卡通战机来报到 160 | 159 全新兰德酷路泽来了，新车将于2021年4月发布 161 | 160 新华网评：千万里，我们追寻着你 162 | 161 今天下午两点半股市为何暴跌？ 163 | 162 平民超跑回归家用 全新本田飞度深度体验 164 | 163 别样风情 亦文亦画 165 | 164 政权操作病毒，美国成为“人间地狱” 166 | 165 伟大的抗美援朝战争——新中国的“立国之战”（上） 167 | 166 30万预算，沃尔沃XC60“极简”豪华开启精致生活 168 | 167 云南大理独特的冬景：到大理大学赏樱花感受青春的气息 169 | 168 多造枪支弹药消灭敌人 170 | 169 企业可暂缓或者分期缴纳处罚 171 | 170 “点亮”万象 172 | 171 吴京哄谢楠吃饭甜爆全网：婚姻好不好，吃顿饭就知道了 173 | 172 巨头们的社区团购，打开了潘多拉魔盒，会砸了菜农们的饭碗吗？ 174 | 173 美大控股承接华强化工有机肥生产线项目投产 175 | 174 CBA闹剧，手在篮筐里盖帽裁判无视！李楠怒吼抗议，又凭空加分 176 | 175 文化互译助力中外文化交流与互鉴 177 | 176 兰州女教师彩绘手账：花样记录家乡风光之美 178 | 177 水上面建鸡场，上面养鸡，下面养鱼，这样的养殖基地可行吗？ 179 | 178 联发科将在 2021 年 Q1 发布全新 5G 旗舰芯片 180 | 179 定了！阶段性减免社保费执行到12月底，2021年1月起将全额征收 181 | 180 小米伸缩屏智能机新设计专利曝光 182 | 181 新鲜血液！马刺官方晒瓦塞尔和琼斯的定妆照为新赛季预热 183 | 182 凯迪拉克CT4-V：6.2都造V8的我们，2.7T只配用四缸 184 | 183 子仲姜盘：上海博物馆镇馆之宝，世上仅此一件，背后的故事真甜 185 | 184 疫情下数十万滞留留学生：80万学费上网课，留英申请人数暴涨 186 | 185 美国金融资本那么强大，为什么无法振兴实体产业？ 187 | 186 三分钟看懂，2020年互联网大事记 188 | 187 他们的名字 是抗美援朝英雄部队 189 | 188 2020年11月份SUV销量排行榜出炉，你的爱车排多少呢 190 | 189 面对一天繁星 191 | 190 乡情散文：过年的感觉 192 | 191 当查尔斯王子继位为王时会发生什么样的变化呢？谁会被淘汰掉呢？ 193 | 192 对标小鹏P7/比亚迪汉 领克ZERO电动车明年上市 194 | 193 《教育部基础教育课程教材发展中心 中小学生阅读指导目录（2020年版）》图书推介⑭ 195 | 194 当你不知道自己活着的意义，看看《海街日记》吧 196 | 195 有一种美，叫新疆的美 197 | 196 跟着镜头品诗词｜一叶知秋 198 | 197 动力不俗，配置丰富，长安锐程CC蓝鲸版新在何处 199 | 198 国务院安委办召开重点行业领域中央企业安全防范工作专题会议 200 | 199 听说丁仲礼院士被美国制裁了，而那位采访丁院士的主持人，已经在美国生女，时间会证明：谁是爱国者，谁是叛国者…… 201 | 200 新疆美景看不够？延时摄影带你速览 202 | 201 穿越电缆集团因产品存在一般质量问题被停标6个月 203 | 202 以价值驱动人才建设，中国移动携手员工共创优秀企业 204 | 203 P2P清零后 下一个清理对象会是谁 江苏三方财富机构遇强监管 205 | 204 爵士老矣，尚能用否？华为Mate10体验 206 | 205 七绝·有感于习近平主席视察海军陆战队 207 | 206 史玉柱，人性的双刃剑 208 | 207 博越之后，吉利还有高颜值SUV，比哈弗H6帅，帝豪GS售7.78万 209 | 208 CR-V卖得这么好是什么原因 自主品牌还要再学习 210 | 209 加拿大批准辉瑞/BioNTech卫生事件疫苗 211 | 210 抗美援朝老战士谢荣征：那次战役 我们歼敌15000余人 212 | 211 面对一天繁星 213 | 212 玻璃期货价格创上市新高 行业龙头有望受关注 214 | 213 我的第一本小人书 215 | 214 卖掉自动驾驶，认真做外卖的Uber越来越像美团了 216 | 215 许老板这次来真的了，总部楼下亲自试新车，这次成功概率有多大？ 217 | 216 有100万元能全款买房吗？我建议还是分期买房，3个原因太现实 218 | 217 百度百科泛知识领域布局：视频化、人格化、服务化 219 | 218 农村其他动物越来越少，可是野鸡越来越多，这是为什么呢？ 220 | 219 水滴筹不收取任何手续费，那么它到底是怎么盈利的？ 221 | 220 霞浦的海 222 | 221 给蜜蜂喂白糖水来造假蜂蜜，这种说法是真实存在的吗？ 223 | 222 农村养牛和养羊，各投入10万元，哪个更轻松效益更好呢？ 224 | 223 买高层or买独栋，专家说：以后高层就是“穷人房” 225 | 224 企业为什么要做小程序？原来小程序开发有这么多好处 226 | 225 铁路又出新功能，出行便捷程度更高 227 | 226 齐己《早梅》赏析：“前村深雪里，昨夜一枝开” 228 | 227 京东仓库的欧洲选址、齐鲁号的新目的地，这个荷兰小镇有什么魅力 229 | 228 沈阳重型机器厂——“19天生产10万把军镐”沈阳重型机器厂——“19天生产10万把军镐” 230 | 229 直言·聚焦科创型企业发展 231 | 230 外国博主：这样的中国需要你们的救赎吗？ 232 | 231 选择到底有多重要？一姑娘30岁买了套房，房价增值20倍 233 | 232 非遗"触网"在年轻人中走红，如何融入现代生活 234 | 233 当老李凿开缺口，被泉水冲撞时，他再也撑不住了，顺势倒下 235 | 234 美国制裁伊朗官员和一所大学 236 | 235 雪佛兰科沃兹全系三缸，但顶配落地不足十万，值得入手吗 237 | 236 英欧领导人举行会晤以推动未来关系谈判 238 | 237 哈登与火箭关系几乎破裂 一心前往争冠球队 239 | 238 21年后依然是王者 天逸C5 Aircross挑战麋鹿测试榜单 240 | 239 亭南煤业高质量发展 山东淄矿黄土高坡展新姿 241 | 240 “憩园”中的万千风景近：20年巴金作品的海外传播与研究 242 | 241 美国"好朋友"打脸美国，力挺华为，副总统：不想付出惨重代价 243 | 242 白露为霜 244 | 243 这次，美国政府被加拿大拒绝了 245 | 244 高配13万，两款最火的紧凑型SUV，实力不凡诚意满满 246 | 245 互联网生态衍生多样文化圈 247 | 246 新能源车下一个“风口”？换电模式或将迎来一次逆袭 248 | 247 美国化工厂发生剧烈爆炸，“毒雾”飘散，附近居民闻到刺鼻味道 249 | 248 郴州：以创新构建开放高地 250 | 249 日本北海道七成医护精神负担大 除病毒还担心诽谤 251 | 250 黎巴嫩候任总理向总统奥恩递交18人内阁名单 252 | 251 巴基斯坦反对党议员将集体辞职，总理：政府将对空缺席位进行补选 253 | 252 挺孕肚挤走倪萍拿下陈凯歌，公开手撕杨幂，陈红凭啥这么牛？ 254 | 253 漂白？植皮？吸毒？捐款3亿却在压抑中死亡，迈克尔杰克逊的一生辉煌而悲剧 255 | 254 全球汽车品牌可靠性排行榜TOP20 256 | 255 含着金钥匙出生的安邦，巅峰时期有3万亿资产，3000万个客户，3万名员工，最后却负债上万亿。安邦到底经历了什么？ 257 | 256 执掌印度15年的英迪拉被杀时有多惨?医生:39颗子弹全部命中 258 | 257 “我就是你们的傀儡！”14岁男孩的怒吼，戳穿教育最大的谎言 259 | 258 航天人解答网友神提问：为啥卫星经常选择在半夜发射？ 260 | 259 难怪戴安娜输掉爱情！卡米拉皮帽搭拐杖仍高贵，与查尔斯神仙眷侣 261 | 260 买买买，拆拆拆 262 | 261 1分钟苹果公司简史 263 | 262 书写你人生的《无限可能》 264 | 263 红烛精神照亮西部教育 265 | 264 5500米的高空！波音飞机突然出现一个大洞，乘客：我只想写下遗书 266 | 265 重磅：永恒力发布2025+战略 267 | 266 高丽镶嵌青瓷对中国瓷器镶嵌工艺的仿制与传承 268 | 267 都是本田，皓影为啥卖不过CR-V？ 269 | 268 这个颜值的轿跑SUV，你愿意掏钱吗？​「快车体验328」 270 | 269 安徽新华学院开展优秀传统文化进校园活动 271 | 270 预售12天破1万+订单，这车到底什么来头？​ 272 | 271 脑洞大开！这个由废铜烂铁构成的奇妙世界等你来探索…… 273 | 272 韩雪：我戒指6000万，林心如：我项链3亿，郭晶晶：看我发饰 274 | 273 长津湖战役背后：志愿军第九兵团本属攻台部队，未等棉衣到位便紧急入朝作战 275 | 274 中国第一“邪书”，出自一位木匠之手，正常人却学不了 276 | 275 酷爱挑战的川大元气女孩：玩冲浪、潜水，演戏剧，上节目…… 277 | 276 网曝长续航Model 3再降4万，特斯拉降价的极限在哪里？ 278 | 277 日系两大"巨头"对决，本田缤智VS丰田C-HR，谁是"王者" 279 | 278 玖富普惠出借人：赚钱时认可风险自负，退出时却要刚性兑付 280 | 279 不理离婚传闻，baby拍美人与鱼大片，印花束腰长裙复古优雅 281 | 280 你为何要踏上“考证”之路？ 282 | 281 雷恩骏：麻醉救人的医者，醉心育人的师者 283 | 282 一课译词：有始有终 284 | 283 联合国环境规划署：全球气温2100年恐升高3℃ 285 | 284 本是一脉同枝，为什么宁国府被抄家，荣国府却能侥幸逃过一劫？ 286 | 285 三四线城市，谁在为万元房价买单？ 287 | 286 二连浩特前10月果蔬出口破亿元 288 | 287 小觉的故事：穿越百年、惊艳时光 289 | 288 《鹿鼎记》中神龙教教主洪安通就是金蛇郎君夏雪宜吗？ 290 | 289 传承匠心精神 助力文化强国 291 | 290 日系车热销的启示：品质是根本，口碑是王道 292 | 291 揭秘“美术馆的秘密” 293 | 292 美国两名男童浑身赤裸被母亲遗弃家中多日 屋内满是苍蝇和垃圾 294 | 293 每年存钱利息最高的时期是几月份？ 295 | 294 杨丞琳晒李荣浩与狗对比图，张歆艺袁弘晒丑照，明星另类秀恩爱 296 | 295 “崴了脚”活动活动就好？救治「脚扭伤」切忌错过黄金期 297 | 296 连哄带蒙？华为鸿蒙，12月16日将反击网络喷子 298 | 297 古人的“玩”雪指南 299 | 298 错过便是一生‖《茉莉香片》，一段感情的错过两代人的苦情人生 300 | 299 故事：《聊斋故事》紫玉 301 | 300 鱼和熊掌兼得？8万多元的B级车新宝骏RC-6做到了 302 | 301 抗美援朝战场机要译电员，从密码电报里“认识”了英雄们 303 | 302 人民币持续升值，双12消费又可以省钱了 304 | 303 去掉省内GDP前两名，看看各省总排名有何变化？ 305 | 304 紫光集团旗下多只美元债下跌，2023年美元债势创11月中来最大跌幅 306 | 305 特朗普彻底"失势"？蓬佩奥公开"倒戈"拜登，战斗到底也没用 307 | 306 苹果、谷歌将对把数据卖给美国军方的X-Mode采取行动 308 | 307 “数据产权化+分布式社群”闻闻链商打造新电商 309 | 308 Baby颜值滑铁卢终于翻车！走红毯瘦到脱相好憔悴，一身礼服更廉价 310 | 309 大美桑干河：数千年提炼，数千里流域，形成脍炙人口的桑干奇景 311 | 310 经典敞开解释 解释反哺经典 312 | 311 德国因新冠病毒死亡人数创新高，默克尔支持更严格的限制措施 | 悦读全球 313 | 312 1937年全面抗战前，广东粤军为何从15万削减到10万人？ 314 | 313 我叫马田乐，大家都说我“有点痴” 315 | 314 余光中：死亡不是失去生命，只是走出了时间 316 | 315 丰田与本田，谁家小车更适合家用？致炫 VS 第四代飞度 317 | 316 漫谈房产：预防踩雷，详解二手房买卖所需税费 318 | 317 小身材挑战音量上限，可以唱K的艾特铭客金刚6蓝牙音箱体验 319 | 318 只有户口在村里，没有房屋在村里，能得到安置房吗？ 320 | 319 字母哥晒训练照片：决意奔向伟大 321 | 320 临海一座小山上却有2座唐代古刹，一个热门一个冷清，都不要门票 322 | 321 张艺谋眼光真毒辣，新晋谋女郎高级又耐看，一点不输章子怡周冬雨 323 | 322 DNA机器人，或让更多疾病治疗未来可期 324 | 323 宋朝侯置梅花词两首：雪压小桥溪路乱，独立无言，雾鬓风鬟乱 325 | 324 故事：民间故事：江湖骗术 326 | 325 山沟里藏着个美丽乡村 327 | 326 黑色系期货价格迭创新高 煤炭股、钢铁股集体飙涨 328 | 327 华为智能手机设置充电显示特效，只需简单四个步骤 329 | 328 广西旅游攻略| 五天玩转桂东南 330 | 329 王树声大将回忆西路军失利：从指挥上而言，这次是欠妥当 331 | 330 部编版：三年级上册语文字词+句子练习，期末必备复习资料 332 | 331 宝鸡麟游：隋仁寿宫·唐九成宫4号殿保存完整 333 | 332 赵斗顺事件后，希望不会再有人说废除死刑 334 | 333 世界自然遗产地梵净山云海翻腾美如画 335 | 334 明年上市 国产奥迪e-tron将推续航500公里车型 336 | 335 阅读悦美 | 书店云集，阅读生香，海淀区特色阅读打卡地大盘点 337 | 336 记者调查北京市中小学生写信现状：现在的孩子都不会写信 338 | 337 崔天凯：“新冷战”和“脱钩”根本没有出路 339 | 338 故事：向猪借寿 自作孽不可活 340 | 339 “中庸”中的进取精神 341 | 340 生命的意义是担当 342 | 341 小学生解数学题目要紧跟教学进度，老师没功夫针对你的孩子 343 | 342 中国漆器，其实也是一项伟大发明 344 | 343 美国“军事地质”向“军事地球”拓展 345 | 344 魏晋棺板画上的伏羲女娲图 346 | 345 皮特·奥利弗：创造互联新体验 347 | 346 藏在深山的世界最长风雨桥：不是山水画，却是山水 348 | 347 海越能源集团股份有限公司关于全资子 公司出资设立投资基金的进展公告 349 | 348 民国女作家梅娘笔下的张裕葡萄酒 350 | 349 澳大利亚国际旅行禁令再延3个月 临时签证持有者希望又破灭 351 | 350 浦东开发开放30年艺术展，超出你想象 352 | 351 六脉神剑到射雕时期已经失传，为什么只有两人练成此功？ 353 | 352 华米GTS 2 mini评测：一款轻至19.5克的高颜值手表 354 | 353 福克斯丢了运动标签，从销冠沦为小众车，可瞄准思域难回赛道 355 | 354 升甲附加赛生死战，邓卓翔任意球助武汉三镇领先，本场打平就升级 356 | 355 社区团购，火爆！大资本，对小菜贩歼灭战开始了 357 | 356 关注智能手机老年用户：百度输入法手写模型迎来重磅升级 358 | 357 “生三胎，高考加50分”有人建议！网友：不现实，生得出养不起 359 | 358 2020年白酒行情火热，投资者如何入局？#白酒行情# 360 | 359 曾经的“大众神车”如今起售不到6.5万，这台桑塔纳还值得买吗？ 361 | 360 陈赫火锅店，郑爽炸鸡店，王俊凯奶茶店，而杨颖的店一般人喝不起 362 | 361 注意了！信用卡总是0账单或刷爆的后果，比逾期还可怕 363 | 362 科工力量：中国军方因美国芯片禁令感到焦虑？华尔街日报又胡扯 364 | 363 刘雯近日私服大片，身穿粉色花卉丝绸连衣裙，长发披肩尽显柔美 365 | 364 《野性的呼唤》：爱是不会被忘记的 366 | 365 写山 写书 写人 367 | 366 村上春树的《当我谈跑步时我谈些什么》，是我看过最真实的减肥篇 368 | 367 黄河入海流：你可知道每年造出多少土地？ 369 | 368 瓷器上的“寿”文化，福寿安康 370 | 369 CBA第16轮：广东主场迎战深圳，杜峰迎来考验，深圳有望爆冷 371 | 370 韩国多所大学恢复网上期末考试，但存在强行进行和作弊担忧 372 | 371 27岁非洲女版洪秀全，拉起2万军队搅乱乌干达，这大姐咋做到的 373 | 372 新款大众蔚揽路试图片曝光，细节调整价格不变 374 | 373 2元钱的故事 375 | 374 《猎凶风河谷》，白雪皑皑的荒野中，谁奸杀了那位女孩？ 376 | 375 微信推出支付分信用体系 377 | 376 年底换新机！盘点4部闭着眼睛选的千元机，你会选择哪一部？ 378 | 377 2021年A股市场展望 | 集结令104期 379 | 378 一入秋就美到惊艳的我国著名的四大赏枫胜地，看看你打卡过哪里 380 | 379 王荔：未来我国知识产权将走出一条中国特色知识产权发展之路丨川商展望“十四五”特别报道 381 | 380 外观很漂亮，和逍客同级别，雪佛兰创界1.3T爆发165马力 382 | 381 乐享生活主义 V90CC对比A6 Allroad 383 | 382 "无后驱不豪华"已过时，可变悬挂才是高级豪华车的标配 384 | 383 企业交接班：“助长”而不“拔苗”，“呵护”而不“袒护” 385 | 384 巴黎vs伊斯坦布尔首发：内马尔、姆巴佩领衔 386 | 385 曝新一代日产逍客渲染图 更具科技感 387 | 386 快手组织大调整：宿华全面负责公司治理，仇广宇负责国际化业务 388 | 387 兼修凡尔赛文学的金融人，谁才能制霸全场？ 389 | 388 新车 | 尺寸提升 外观更加运动！新款奥迪Q5L申报图曝光 390 | 389 2020年不只有“烂剧”，回看这9部良心剧，部部都是精品 391 | 390 沙特阿拉伯辉煌历史知道多少 392 | 391 “中国提供了最优方案”——“一带一路”项目在欧洲落地生根稳步推进 393 | 392 詹姆斯之后，会有球员的戒指超过或与詹姆斯相同吗？ 394 | 393 欧冠-阿圭罗斯特林替补建功费兰-托雷斯破门 曼城3-0马赛 395 | 394 科技强国：数智化转型升级的机遇 396 | 395 051B深圳舰：曾有“神州第一舰”的美誉，中期改装后战力爆发 397 | 396 教师成长亟须提高“输入能力” 398 | 397 幼小衔接到底要不要做？怎么做？这是我见过最好的答案 399 | 398 老板喜好太明显，陈坤周迅文艺范，东申三小花气质出众电影脸 400 | 399 皇马vs门兴评分：本泽马双响9.7最高 莫德里奇7.2 401 | 400 NBA三大怪状！不花钱想夺冠/舍得花钱没有球星/年年再重建 402 | 401 刷屏了！当西安邂逅初雪 403 | 402 千秋诗会话佳节，这样赏月很中国 404 | 403 《阿富汗时报》等媒体谴责澳大利亚军人在阿暴行 405 | 404 管理与科学大学学生赢得2020亚洲国际创新奖两项金牌 406 | 405 欧冠16强出炉：德西球队全部晋级，曼联国米无缘 407 | 406 冯远：描绘感人故事的同时 别忽略创想未来 408 | 407 1926年镜头下的杭州：阳春四月的西湖水，岳王庙前的黄包车夫 409 | 408 丹尼格林依旧难忘湖人，仍多次向湖人示好 410 | 409 钢铁会锈，木头会腐，但陶瓷永恒 411 | 410 汉龙旷世倒闭了，一点乐趣都没了。【来自懂车帝车友圈】 412 | 411 全球首座1:1复制还原的“假天仪”亮相　苏颂国际文化节今日隆重启幕 413 | 412 中国财政10大强县：江阴第2，慈溪紧追常熟，湖南入围1个 414 | 413 焦虑的父母、老师与被焦虑的孩子们：为何中小学生负担越减越重 415 | 414 楼市，终于可以松一口气了 416 | 415 克洛普下一站初露苗头，亲承想去有阳光的地方 417 | 416 个人也可以破产，欠债还需要归还吗？ 418 | 417 谷歌自研5nm ARM处理器流片：安卓手机和笔记本有新U用了 419 | 418 法媒：美国亿万富翁的身家在疫情期间不断壮大 420 | 419 阿加莎·克里斯蒂诞辰130周年，这位推理小说女王是处女座 421 | 420 305马力轿跑13.98万起卖！第三代名爵6插混车型上市 422 | 421 莎士比亚书店 423 | 422 沃尔沃XC60配两种外观，人性化设计，操控卓越 424 | 423 50万元！除了入门即6缸，林肯飞行家能否打赢XC90和途锐？ 425 | 424 宁波00后展示古书画修复技艺 426 | 425 清秋暮雨读柳词：忍把浮名，换了浅斟低唱丨周末读诗 427 | 426 缺钱可以提取公积金吗？2020年最新公积金提取条件 428 | 427 品牌集中化渐定型，乳企该如何发展... 429 | 428 装配式建筑站上风口 上百家机构密集调研 430 | 429 上海前首富郭广昌：与青岛啤酒缘尽，投26亿守护白酒 431 | 430 第八届中国创新创业领袖峰会，好心情荣膺“最具投资价值项目奖” 432 | 431 户外零下六度手机依旧坚如磐石 433 | 432 中梁荣获“2020房地产企业运营效率十大榜样” 434 | 433 秘鲁警方发现200米长秘密隧道 直通附近监狱 435 | 434 一个精神探索者的思与诗 436 | 435 片中演员90%是导演亲戚，一波“虎”操作后，竟拍出国产片良心 437 | 436 央视直播！辽宁再遇强敌拒连败，杨鸣怒斥全队，限制一人很关键 438 | 437 新规！新赛季着装要求，各队教练必须戴口罩，违规者或没收选秀权 439 | 438 张灵甫必须死 440 | 439 以科技助推教育高质量发展 441 | 440 四门前驱，全新宝马2系的“加减法”你看懂了吗？ 442 | 441 塞罕坝的秋景，塞罕坝的精神 443 | 442 顺利交房就结束了？入住后才知道有这么多糟心事 444 | 443 《新消费时代》新书上市 445 | 444 2020深圳全球招商大会吸引投资总额超7800亿元 446 | 445 低配不低廉 你值得拥有 别克昂科旗28T 战旗型实拍 447 | 446 疫情时期企业最应该做的四件事 448 | 447 藏在胡同里的政要名流～史家胡同的历史 449 | 448 世界文学新动向｜2020图书盘点开始了 450 | 449 四款高性价比机型价格“触底”，最高好评率达97% 451 | 450 唐僧生父身份缘何引发争议？或隐藏《西游记》版本之谜 452 | 451 中美无人机专用武器怪象，中国研制了几十种，美国就一种 453 | 452 “中国最大汽车集团”传来大消息！或将重启合并谈判 454 | 453 吉利博瑞为何被称"换壳沃尔沃"？售价不高的它，动力表现如何 455 | 454 农村一次性花3万买社保，下个月起领工资，值不值？ 456 | 455 怀念陈国勇 457 | 456 二代接班黛玛诗：电商维新，GMV4年翻3倍 458 | 457 梁山五虎将谁最弱？武松不用出手，也有其他好汉能与五虎将一战 459 | 458 《文心雕龙》最初的遭际并不顺利 460 | 459 万向区块链行业研究 | 区块链2020年度回顾：公链篇 461 | 460 我国的河流，为何南方多叫江，华北中原多叫河，到了东北又叫江 462 | 461 大雪诗意浓｜夜深知雪重，时闻折竹声 463 | 462 凯特五件旧装走全英，上演绝美圣诞配色很精彩，细节之间见气度 464 | 463 陕西一位65岁退伍老兵，勇救溺水的中年女子，军人风采永不褪色 465 | 464 奥迪A6L压力下，奔驰和宝马如何应对？奔驰E级VS宝马5系 466 | 465 教育部：“十三五”期间摸排整治40万所校外培训机构 467 | 466 玻利维亚官员称2021年一季度6%人口将免费接种疫苗 468 | 467 富二代的这种心理，让他被老同学狂骗2236.5万元 469 | 468 雪下，请欣赏。 470 | 469 春雨江南 秋风冀北 471 | 470 ios14.3RC版已推送，修复了一些问题 472 | 471 决赛夜红毯：郭敬明身高被秒杀，任敏陈宥维手挽手，赵薇的鞋好酷 473 | 472 最年轻的老朋友！体验第七代现代伊兰特 474 | 473 CBA名帅正式出山！携手易建联 打造中国篮球未来 475 | 474 生孩子太拼，赌王四太9年剖5胎，吴佩慈6年4胎，她5年剖4胎 476 | 475 宝马、奔驰、沃尔沃……市面上80%豪车品牌，都是他的合作伙伴 477 | 476 四五线城市，存款10万月薪6000，如何理财和买房？ 478 | 477 文学意象衡阳雁里的知识局限 479 | 478 《笑傲江湖》中，佛门领袖方证大师的武功，能与东方不败相斗吗？ 480 | 479 壮美大漠沙海流金 481 | 480 专业第一，斩获国奖！这7位"大神级"学霸齐聚交大，如今全部保研清北！ 482 | 481 如果金融危机来临，保护财产的方式是什么？ 483 | 482 蚂蟥如今晒干800元1斤，农民为什么不原意养呢？ 484 | 483 百万斤已到收获期，收购商迟迟不来，农民：又要烂地里了 485 | 484 浙江海宁达泽庙遗址揭露成片史前聚落 486 | 485 坦克一般由几个人操作？ 487 | 486 向畅销书写作靠近一步 488 | 487 中国品牌6座以上明星MPV车型—宋MAX、M6、嘉际和凯捷 489 | 488 辛弃疾《南乡子·登京口北固亭有怀》欣赏 490 | 489 红薯为什么不能主粮化？ 491 | 490 (回头客战略)谢家华 492 | 491 女排联赛张常宁贡献20分 江苏3-0辽宁提前晋级四强 493 | 492 英国中小学教育的隐忧和惊喜，最新权威报告揭示 494 | 493 童心与诗心：读丰子恺的漫画 495 | 494 林心如终于官宣新剧，清一色“高级脸”太养眼，有望成年度爆剧 496 | 495 余秀华盛赞的3句名言：有才华的诗人，连骂人都不带一个脏字 497 | 496 第七届《亚州时尚人物大典》暨第十三届《金尚奖明星颁奖盛典》 498 | 497 三个理财方法，让你实现资产稳定增值 499 | 498 2.0T后驱+全铝车身，捷豹XFL赛旗版，性价比如何 500 | 499 苏联空军的驾驶舱和投弹舱，难以熟练掌握的控制面板 501 | 500 长安CS85汽车音响改装尼诺帕克N3.2喇叭 带你回归本真 502 | 501 《香山慈幼院》：历史与现实的辉映 503 | 502 为文学打开宽阔的文化空间 504 | 503 论一名优秀“敦煌面壁人”的自我修养 505 | 504 七绝•有感于习近平点亮“1微克蓝”初心 506 | 505 中国特色的朝鲜族聚居区，藏着百年部落，可以看到130年老房子 507 | 506 进口奥迪A4 Allroad，旅行车迷的春天 508 | 507 唐宋文人与徐州历史文化 509 | 508 1982年世界杯金靴，意大利传奇球星保罗·罗西去世 510 | 509 他被称作“老鬼”，守护着我军某新型导弹护卫舰的“心脏” 511 | 510 岁末，重温十首大雪诗词，哪一首暖到你？ 512 | 511 《教育部基础教育课程教材发展中心 中小学生阅读指导目录（2020年版）》图书推介 513 | 512 巴西央行维持基准利率在2.00%不变 514 | 513 Galaxy S21将取消附赠 515 | 514 唤醒大运河厚重的文化记忆 516 | 515 欧冠最终积分榜：五大联赛15支球队晋级，大巴黎跟波尔图成独苗 517 | 516 战备演练中频频出彩的连队，竟在一张伪装网上接连栽了跟头 518 | 517 86岁老太几年没出过村，儿子想给她留一张百年相片，盼了3年 519 | 518 由于COVID-19协议，最早哈登可以开始在火箭训练 520 | 519 一颗爱国心，三代传承 521 | 520 湖北、湖南、重庆交界处的恩施，简直是一座“神仙之城” 522 | 521 猪的生命意义是什么？猪被杀时，是否埋怨它的父母，把它生出来？ 523 | 522 一句｜行游长江 瓜洲古渡 524 | 523 中航国际供应链有限公司领导到贵飞交流 525 | 524 边走边画“游世界” 526 | 525 新车 | 油耗低至0.7升！秦PLUS DM申报图曝光 527 | 526 河北承德：秋染避暑山庄 528 | 527 考古学著作《元中国时代》：揭示公元前2300～前1800年华夏大地场景 529 | 528 第八届全国相声小品展演开幕，卢鑫玉浩受邀参加，德云社再次缺席 530 | 529 欧洲七个“袖珍国”，个个都有“金刚钻” 531 | 530 “马首”如何归园？这些曲折你可能不知道 532 | 531 油画里的花园、阳光和女神，美到不打折扣 533 | 532 兰州农民，1976年在黄河上自发修吊桥！44年后，桥怎么样了 534 | 533 于无声处听惊雷，央行货币放水，能否震撼楼市并引发买房人焦虑 535 | 534 与阅读相关的生长 536 | 535 随队记者：湖人训练强度不亚于常规赛，小塔克表现令人眼前一亮 537 | 536 为控制新冠疫情 白俄罗斯将暂停人员从陆路和水路口岸离境 538 | 537 纳卡战争一败涂地！一查二手防空系统毫无用处，亚美尼亚无人担责 539 | 538 散文是“老年” 540 | 539 韩国练习生制度中那些不为人知的苦：想当明星？谈何容易！ 541 | 540 「吃瓜新闻」《赛博朋克2077》今日解锁，你选择了什么开局？ 542 | 541 中石油股价四元多而茅台股价一千八百多这反映了什么？ 543 | 542 五六线县城房价七八千一平，未来会下跌吗？内行建议关注两个方面 544 | 543 今日大雪:重温那些才子才女的温存与豪迈 545 | 544 足球——欧冠：拜仁胜莫斯科火车头 546 | 545 二手房合同里的“陷阱” 547 | 546 下沉星K往往都转化为希望星 548 | 547 未来5年以后的养殖业中，养牛与养猪哪个更有发展前途？ 549 | 548 【1982年世界杯金靴，意大利传奇球星保罗·罗西去世[蜡烛]】#意大利传奇保罗罗西去世#12月10日，据多家意大利媒体报道，1982年世界杯冠军球员及金靴获得者，意大利传奇球星保罗·罗西去世，享年64岁。罗西的妻子费德里卡·卡佩莱蒂也在社交媒体上证实了这一消息。https://www.thepape 550 | 549 Habe田馥甄被老东家华研告侵权怎么回事？SHE解散了吗？ 551 | 550 《平凡的世界》在宝鸡大剧院上演 552 | 551 数说新疆“十三五”｜保险业保障水平逐年提升 553 | 552 《父母爱情》为什么说配角安欣，是全剧中最优秀的女人 554 | 553 人间要好诗，杜甫怎样走向世界 555 | 554 职业教育，各国政府持续发力 556 | 555 无论何时出发 都要跑出自己的成绩 557 | 556 我国有哪些银行出现破产倒闭，破产倒闭后银行存款怎么处理？ 558 | 557 北信源：打破网络安全边界，主动安全引领未来 559 | 558 美媒：纽约出台疫情相关补助 多个华裔集中的社区可申请 560 | 559 分化加速　公募基金投资优势有望维持 561 | 560 航拍济南五龙潭 美出层次感 562 | 561 《知否》原著:王舅母—忍辱半生，终于摆脱恶毒小姑子，苦尽甘来 563 | 562 《知否知否应是绿肥红瘦》：母亲的格局，决定孩子一生的高度 564 | 563 光大银行基金中心，多元化投资选择实现无风险高收益 565 | 564 人月两圆话中秋家国情怀 566 | 565 小米11电池容量爆料，2K屏没压力了，但也不能指望轻薄度了 567 | 566 梁山周围没有水，为什么《水浒传》还要写“800里水泊梁山”？ 568 | 567 李叔同的《送别》：美国生，日本长，却在中国成为永远的经典 569 | 568 致敬最可爱的人③｜陈德忠：插进敌人心脏的尖刀 570 | 569 41岁前TVB花旦廖碧儿豪门梦再碎，黄金剩女嫁出去太难 571 | 570 试驾吉利博越百万款 572 | 571 12月10日外汇交易提醒 573 | 572 教育部：2019年全国高中毛入学率89.5% 2020年能实现90%的普及目标 574 | 573 家有一亩地，种什么树好？ 575 | 574 高中女生失联18天，和同学争执后离校，妈妈：最后画面在长江大桥 576 | 575 合法多拉 江铃凯锐EV二代货箱容积可达18.5m³ 577 | 576 李小璐去整容医院，被网友误会整容，这就是所谓的人红是非多吗？ 578 | 577 林霄︱发现王忠纫：《徐霞客游记》的首位整理者 579 | 578 买房应该怎么样去投资？你是否也有这般烦恼？ 580 | 579 用户报告iPhone 12无线充电方面存在问题 已获苹果确认 581 | 580 他红军当过四个军参谋长，资历不低于上将，解放战争越打越靠后了 582 | 581 排超联赛7-13名确定，北京退步大，云南进步快，其余原地踏步 583 | 582 拜登将矛头指向伊万卡，特朗普忍无可忍，公开发表全国讲话 584 | 583 国际社会：中国引领可持续发展 彰显领导力与责任感 585 | 584 艾瑞泽5 PLUS将于12月18日上市 两种风格外观时尚动感 586 | 585 《阴阳师》官方真人剧集即将开拍，概念海报曝光 587 | 586 读书如蛟龙，七绝 588 | 587 张爱玲笔下的恋恋红尘 589 | 588 日本智库重视朝鲜半岛问题研究——以防卫研究所和日本国际问题研究所为例 590 | 589 从兄弟怡怡到至死不和解，鲁迅也难逃“兄弟不分家”的悲剧 591 | 590 董莉英：元代以来中国西藏与尼泊尔边境管理及边界划分 592 | 591 《绿香皂》：照亮童年，这正是我们书写的意义 593 | 592 “储蓄大国”变“负债大国”中国居民总债务200万亿，钱花在哪 594 | 593 草地贡村耍坝子 595 | 594 9岁公主“可爱臭脸”萌翻全球！奶凶高冷，连英国王子都不睬 596 | 595 收评：恒指涨0.75% 京东健康上市次日涨2%市值站稳3500亿港元 597 | 596 每次美股大跌，A股的表现总是还行！（据说，好股票早已涨停板了，垃圾股早已跌停板了！）你手中的股票好不好？拿出来晒晒！！ 598 | 597 《国家宝藏》：厚重文化，鲜活道来 599 | 598 2020秋走进光雾山 感受如诗如画般美景 600 | 599 三年级孩子今日作业，您家的孩子睡了吗？ 601 | 600 年内证监系统发268张罚单 信披违规和内幕交易占比超七成 602 | 601 早知道·财讯热搜榜TOP10（12月10日） 603 | 602 凯特威廉回归温莎城堡！女王一身红喜庆迎接，同框卡米拉尽显老态 604 | 603 70年产权和50年产权的房子究竟有何区别？为什么多花钱也要买前者 605 | 604 忍无可忍？怒斥澳大利亚后，俄罗斯炮轰欧盟，普京霸气摊牌 606 | 605 商务部：明起对澳大利亚进口相关葡萄酒征收临时反补贴税保证金 607 | 606 2020永远的贝多芬 | 让我们一起聆听，吴牧野的深情致敬 608 | 607 纵情驰骋！韩国江原道多个滑雪场开门迎客 609 | 608 英国内阁办公厅大臣：删除内部市场法案争议部分 谈判“前进道路更顺畅” 610 | 609 年轻人买辆起亚傲跑怎么样？价格便宜，开着灵活方便 611 | 610 “枭雄”彭小峰，新能源首富们的大败局 612 | 611 孩子成绩差，可能中了“学习障碍”的毒 613 | 612 为何81％清华留学生都拒绝回国？施一公：中国学生有一共同问题 614 | 613 2021年搭载骁龙888的手机超15部，VIVO手机抢跑测试 615 | 614 “人生之养”小议 616 | 615 奔驰E级评测，搭载1.5T动力184马力，43.08万起售 617 | 616 俄罗斯官员：俄境内扩散的新冠病毒由欧洲多国输入 618 | 617 大额存单存三年期划算还是买国债三年期划算？ 619 | 618 在创新实践教学模式中提升学生综合能力 620 | 619 亲情淡薄！马拉多纳5亿遗产被“疯抢”，11个人不惜开棺认父 621 | 620 40岁演12岁？男演员扮嫩起来，“丫头教”都要输 622 | 621 融在日常 贵在入心 重在践行 623 | 622 朋友，保护好你的本金了吗？ 624 | 623 保障冬季蔬菜供应充足 625 | 624 新疆是个好地方丨打卡霍城县旅游胜地 释放压力彻底“嗨”个够 626 | 625 天下要塞它为首，雁门关有多重要？控扼中原关中，若失守后果难测 627 | 626 英国人觉得它比Q5美，比X3能越野，路虎星脉中期改款亮相 628 | 627 POWER就是给力！体验广汽传祺GS3 POWER 629 | 628 藏于心中的“瓦尔登湖” 630 | 629 《小王子》与《小癞子》 631 | 630 2020十大最热明星，谭松韵辣目洋子上榜，谁是你心中的第一？ 632 | 631 经营企业就是经营人心 633 | 632 人淡如菊的刘诗诗为了宣传也是拼了，却被批油腻，这部剧会火吗？ 634 | 633 人像光影里的“北大英雄” 635 | 634 活在“绩点”困境下的你，真的开心吗？ 636 | 635 为轰-6N准备的两款导弹都太不寻常！国际军评：中国不是在开玩笑 637 | 636 阅读遇到四维读书法，有了工具后的读书，会怎么样呢？ 638 | 637 可无接触窃取手机文件和照片 研究人员详解苹果致命漏洞如何产生 639 | 638 皮卡究竟有何价值？盘点长安凯程F70柴油版 640 | 639 新零售之所以称之为新零售，它新在哪里呢？ 641 | 640 京剧大师梅兰芳并不是天才，8岁学戏时气得老师怒斥，并拂袖而去 642 | 641 单兵外骨骼部署中印边境，“超级炊事班”引印军眼馋 643 | 642 让用户有“关闭算法”的选择权 644 | 643 乌克兰人欲哭无泪，曾经的军工大国已无法修理坦克，准备四处采购 645 | 644 新加坡人都住啥样的房子？带你了解一下。 646 | 645 互联网巨头影响了小菜贩的生计？ 647 | 646 双主炮设计的VT坦克 648 | 647 宣讲家课件：面对海洋的秦始皇帝 ——《史记·秦始皇本纪》研读 649 | 648 陶渊明：人生如逆旅 我亦是行人 不一样的田园 不一样的桃花源 650 | 649 星星中文火 点亮大世界 651 | 650 中国最古老的戏剧秦腔，非物质文化遗产项目传承人有哪些人 652 | 651 美国参议院多数党（共和党）领袖麦康奈尔表示，参议院将通过为期一周的临时支出法案 653 | 652 中国建成世界最大规模高等教育体系 654 | 653 初雪后的北京社稷坛 655 | 654 美国专家：中国消除极端贫困是“伟大的历史成就” 656 | 655 北京踩盘一线报告：天润福熙大道 657 | 656 25万能选到哪些好看、档次高，且性价比足的豪华SUV？ 658 | 657 上市一年销量突破十万，长城炮凭什么做到的？ 659 | 658 对祖国的承诺！祖孙三代跨越74年接力从军 660 | 659 半场过后B组积分榜：皇马暂升第一，门兴第2，矿工第3，国米垫底 661 | 660 北大学霸的笔记本是什么样子的？ 662 | 661 融合教育突围 663 | 662 "读懂移动20年之布局5G云时代，"移动人"都做了哪些准备？ 664 | 663 福建宁德屏南际头村美景 665 | 664 连上手机就能偷信息，共享充电宝涨价反而不安全了？ 666 | 665 科幻话剧《弗兰肯斯坦》在厦上演 667 | 666 又一款高性价比紧凑型SUV 5万级风光500 到底什么样？ 668 | 667 省外游客：来湖北，挺好的 669 | 668 故宫“梁上”之龙 670 | 669 为什么蔡崇信一点蚂蚁股份都没有？ 671 | 670 "独立日"入选36氪"WISE2020最具影响力企业"榜单 672 | 671 黄瓜不能和什么种在一起？ 673 | 672 从抗美援朝战争中汲取敢打必胜的精气神 674 | 673 中秋节冷知识：曾是果子节、结账日、狂欢夜 675 | 674 巴基斯坦怎么也有个塔利班？ 676 | 675 优衣库韩国最大门店将于明年1月末撤店 677 | 676 法媒：中国“遥感30”星座实现对台北24小时覆盖 678 | 677 诗词丨这六首小诗竟然如此简约，但却又美到了极致！ 679 | 678 银行存入这个数，每年可领利息31000元，你达标没？ 680 | 679 中国的大学天文教育概况及思考 681 | 680 换四缸机刚见起色，别克称仍将坚持推三缸机，网友：没作够 682 | 681 晨枫：细品东风-17导弹气动设计 683 | 682 匠心推动发展 数据赋能未来 684 | 683 秦基伟不想站岗，只想战斗，营长：我请示上级，封你秦大刀 685 | 684 终身学习体系建设的法国经验 686 | 685 更大的美系车和更稳的德系车你选谁？迈腾 VS 金牛座 687 | 686 为目前效力球队得分排行榜，前五全都是后卫，哈登库里利拉德领衔 688 | 687 奶爸也适合开的宝马，带你看宝马2系多功能旅行车 689 | 688 秦始皇嬴政一生之敌：自私的臣子李斯 690 | 689 “我们是伤员的保护神，必须逼自己坚强”——纪念抗美援朝70周年 691 | 690 童年亲子关系对孩子的影响，远远超过学校、朋友和社会 692 | 691 为什么10多亿罚款也稳定不了房价，到底是谁在推高房价？ 693 | 692 她是赵薇同学，却因拍吻戏遭老公离婚，后嫁给靳东被宠成公主 694 | 693 大地上的泪光：一代诗人是怎样炼成的 695 | 694 刘碧丽生四胎！洗米华会放弃洗米嫂娶她吗 696 | 695 倒霉蛋幸福的第二天 697 | 696 花开龙门 香飘海外 698 | 697 《考古拾趣》里，那些有趣的考古与“有心人” 699 | 698 谁是戈特利布？是时候来认识这位当代出版界的头号“锦鲤” 700 | 699 故事：保留最后的底线 701 | 700 纸短情长！军爸军妈，秋天的第一封家书请您签收 702 | 701 马自达3 昂克赛拉，家用的代表之作，你喜欢它吗？ 703 | 702 女子因看上小房间不惜花费160万购房，结果要强制拆除，中介：我不知道 704 | 703 在支付宝的定期理财产品里投入10万元，会有风险吗？ 705 | 704 最新爆料！苹果头戴耳机即将发布，新iPhone配备10倍变焦 706 | 705 产油国摇摆不定！原油消息面“纠结”，昨日原油跌幅3.47% 707 | 706 美俄的明星弹道导弹，谁的突防技术更牛？ 708 | 707 “神”的起源 709 | 708 ​比起靠厌世脸出圈小S女儿，梅婷的7岁女儿更胜一筹 710 | 709 出人意料！这三个城市，“住房公积金红利”最丰厚 711 | 710 为了避免出现第五次美国股市熔断，美国政府有人为操纵美国三大股市指数的可能吗？ 712 | 711 李宗盛把自己最烂的歌，丢给助理去唱，结果他成了身价上亿的天王 713 | 712 探寻梅河口市博物馆 一览梅河古今 714 | 713 卡扎菲：曾巴结西方国家，为何最后还遭到西方打压？ 715 | 714 国家出台新政策，农村住房统一规划将要实施，预计2035年完成 716 | 715 如何看待电商平台布局社区 717 | 716 哈登使出浑身解数之后，火箭队为何还是没有丝毫的松口之意呢？ 718 | 717 6.50破了 719 | 718 老师到底出了什么问题，会被这么多人黑（二） 720 | 719 没有飞机坦克，我们照样打胜仗 721 | 720 3.21亿，华为在中原城市群“再下一城” 722 | 721 争议不断，长沙岳麓书院“惟楚有材，于斯为盛”背后的历史真相 723 | 722 十来万想买SUV，这2台国产1台合资推荐给你，有颜有料口碑好 724 | 723 新中国的第一所新型正规大学——中国人民大学有多强？ 725 | 724 秋天来“最氧人”的余姚四明山 赏美景享悠闲 726 | 725 赏秋去哪儿？怎么拍？我们去这些地方踩了点儿 727 | 726 1710.6万箱！天津港今年前11月集装箱吞吐量创历史纪录 728 | 727 非凡的叙写 苦难的磨炼——《左传·晋公子重耳之亡》赏析 729 | 728 新车 | 双前脸造型！奇瑞艾瑞泽5 PLUS本月18日上市 730 | 729 空袭升级 2019年阿富汗平民死亡人数创新高 731 | 730 央行：11月M2余额217.2万亿元 同比增长10.7% 732 | 731 贾宝玉为啥被称为富贵闲人？荣国府隐指中华？作者何必撰此鬼话 733 | 732 有意推动半导体行业，美国推“隐形”产业政策 734 | 733 福特锐际新增车型，价格下探到16.98万，2.0T配8AT 735 | 734 单依纯温暖演绎电影《沐浴之王》主题曲 12月11日洗掉烦恼 736 | 735 政府军向联合国工作人员开枪，埃塞俄比亚北部动荡持续 737 | 736 “微观”中国——读《白鹿原》有感 - 安徽 - 安徽财经网 738 | 737 318让开，新219来了！这是中国最长最美的国道 739 | 738 压哨买断？34+15外线大闸或重返洛杉矶，詹皇：兄弟欢迎回家 740 | 739 最新骗局曝光！内部流水线套路话术爆出 741 | 740 左手，右手 742 | 741 85后心目中的足坛最帅气阵容 门将是我们国家的 743 | 742 城市“活”起来人们更幸福——探索智慧城市 744 | 743 一级消防工程师备考秘籍之如何高效利用真题 745 | 744 读懂这三封家书，就读懂了边疆军人的纸短情长 746 | 745 京郊一个村庄的过街楼，为何和皇家一样用黄琉璃顶？ 747 | 746 这个冬天去吉林吧，这8个地方最能代表北方冰雪风情 748 | 747 伊朗总统称坚定支持“战略盟友”叙利亚 749 | 748 美军不要在错误地点与错误对手再次较量 | 最忠平论 750 | 749 康拓医疗营收低靠小经销商 研发费低飞检3年7遭整改 751 | 750 志愿军海军太低调：很多人不知海军入朝参战，水雷炸美军 752 | 751 从日本追索回国的珍贵文物首现省博 753 | 752 北师大调查：月入2千以下9.64亿人 754 | 753 战场外的较量同样激烈精彩 755 | 754 周迅不适合？角色改编太大？电视剧版《红高粱》真这么差吗？ 756 | 755 原汁原味的“联大”，牵动了你我的神思 757 | 756 实体店的寒冬什么时候才可以过去？巨头们的责任心在哪里 758 | 757 志愿军老战士金朋玲：“雪地潜伏，一趴就是好几天” 759 | 758 一汽-大众ID.4 CROZZ实车图 外观展现年轻运动风格 760 | 759 16年前的今天，麦迪35秒13分天神下凡！传奇职业生涯回顾 761 | 760 《玫瑰开满了麦子店》讲述进城女孩故事 762 | 761 内切撞墙后远射！内马尔完成帽子戏法 763 | 762 12月10日午评，指数探底回升 764 | 763 重庆巫山：赏红叶正当时 765 | 764 俄罗斯布里亚特共和国贝加尔湖附近发生5.5级地震 766 | 765 “伊曼纽尔”行动：道德无瑕与立场一致完美结合的硕果 767 | 766 新疆艾比湖湿地：秋色尽染胡杨林 768 | 767 唐宋八大家的散文文风 769 | 768 今日股市三大股指收跌，明天12月10日星期四，股市会怎么走？ 770 | 769 新能源汽车产品监督检查结果出炉，25家车企存在问题被工信部约谈 771 | 770 颜狗只看脸 772 | 771 广东也有了“帆船酒店”，去不了四川来这里，泡温泉吃海鲜自助餐 773 | 772 四川话百科：有一种套路叫“过场” 774 | 773 站扣巨兽博班，就算浓眉看呆 在姚明面前依然是个弟弟 775 | 774 中山证券因债券承销调查不审慎收警示函 此前曾频被监管层“点名” 776 | 775 瑞芯微电子股份有限公司 关于使用闲置自有资金进行现金管理的进展公告 777 | 776 以牙还牙，以色列是如何跨越20年为慕尼黑惨案遇难者复仇的 778 | 777 山西笔记：娘子关和烈女祠 作者：胡春雨 779 | 778 昨有马伊琍，今有霍思燕，为何明星都爱无视禁烟条例在室内抽烟？ 780 | 779 销量百万的国产SUV归隐山林，传祺元老GS4还能重回巅峰吗？ 781 | 780 广东德比，沈梓捷要打爆广东队内线，深圳队难复仇 782 | 781 《中国人民志愿军战歌》创作只用了半个小时 让整个民族一起沸腾 783 | 782 日本第三次刺激计划着眼经济结构调整 784 | 783 参加中国远征军入缅抗日 在南京亲眼见证日军投降 785 | 784 散文丨命里贵人 786 | 785 二战后以美苏为代表的两大阵营的“冷战” 787 | 786 感受下伊能静演技我觉得演技不错啊，干嘛还有人喷呢 788 | 787 北京冬季限定美景，泉水变壮观冰瀑，风景不输贝加尔湖蓝冰 789 | 788 郑晓龙再拍清朝宫廷剧？女主大概率是孙俪，男主人选陈道明呼声高 790 | 789 月圆中秋——国内十大赏月胜地 791 | 790 全新一代思域将于2021年发布 车身前卫动感 配置智能化提升 792 | 791 受疫情经济多重危机重创 美纽约2万成年人流离失所 793 | 792 贵州松桃三干余名学生同跳苗族花鼓舞 794 | 793 走好海外留学第一步 寄宿生活益处多 795 | 794 一条路的“世界观” 796 | 795 望海楼：“钢”与“气”的辩证法 797 | 796 讲好中国故事要发挥好汉学家作用 798 | 797 坦克炮的最远射程有多远？ 799 | 798 辛巴退款、汪涵翻车，监管将如何洗牌直播电商行业格局？ 800 | 799 重温抗战文学：手掌残损 仍要抚摸这片土地 801 | 800 你真的了解四川吗？ 802 | 801 系列手绘丨山海图志⑧新材料 803 | 802 重磅 | 苹果“开搞”自动驾驶芯片，这是要动特斯拉的奶酪？ 804 | 803 新款CC上市后，奥迪A4：好家伙，我直接好家伙 805 | 804 久其软件并购后遗症：净利润逐季亏损 频频卖资产难堵债务“窟窿” 806 | 805 跨年行情要会玩：别人贪婪时我更贪婪，别人恐慌时我更恐慌 807 | 806 周恩来对创建人民军队的卓越贡献及其现实意义 808 | 807 红米9a和红米9有啥区别 809 | 808 专访：中国脱贫成就推动全球脱贫进程——访亚行东亚局局长詹姆斯·林奇 810 | 809 清华教授：我女儿正势不可挡地成为普通人，作为普通父母，你信吗 811 | 810 孩子朋友圈 家长管不了？ 812 | 811 美国看不得别人好，叙利亚号召难民回国反遭制裁，声称为了自由 813 | 812 2020年12月9日中证指数披露，17渝物流MTN001（101772004）中证隐含违约率超过4% 814 | 813 房地产和基建投资稳住2020年中国，那么靠什么撑起2021年 815 | 814 我们在战位报告 | 东极的水 东极的兵 816 | 815 丽江玉龙雪山脚下的小瑞士，让人真的相信这里住着神仙 817 | 816 波浪谷、雨岔大峡谷、延安、壶口瀑布、黑老锅冰窟行摄四日游 818 | 817 众安保险杨楠：商业健康险正面临巨大发展机遇 819 | 818 飞越三八线击落美军战机 820 | 819 一岗一位皆是战位 821 | 820 伊斯坦布尔欧冠赛场罢赛 称遭遇第四官员种族歧视 822 | 821 涨涨涨！换汇10万美元，7个月相差7万人民币！明年要突破6.3？ 823 | 822 2020全球招商大会：打造全球投资创业绝佳选项之一 深圳产业空间储备充足实现“空间等项目” 824 | 823 从满怀希望到彻底失望，比亚迪汉你还能再垃圾点吗？天窗炸裂，云服务也不能用了，【来自懂车帝车友圈】 825 | 824 马杜罗指控哥伦比亚总统谋划对其进行刺杀 826 | 825 还想重温当年手机里的JAVA游戏吗？ 827 | 826 美国外卖第一股DoorDash上市首日收涨约86% 828 | 827 关于河北唐银钢铁有限公司退城搬迁项目环境影响报告书的批复 829 | 828 伊丽莎白女王一生中曾有63次想与丈夫菲利普亲王离婚 830 | 829 北京人艺再演《家》纪念曹禺诞辰110周年 831 | 830 边境印军搞地道战？现代战争的老掉牙，中国网友：关公面前耍大刀 832 | 831 53岁陈小春疑酒宴任性翻菜，还不会用筷子？被网友嘲没教养 833 | 832 11年新低！经济数据压垮大盘？ 834 | 833 中国最古老的戏剧秦腔，非物质文化遗产项目传承人有哪些人 835 | 834 致敬不灭的风骨与勇气，让记忆永不退色！‍‍‍‍‍‍‍ 836 | 835 昨天尾盘被抢筹的这些板块，今天是不是要涨？ 837 | 836 你放心在路上看风景，我在峨眉山守护你 838 | 837 纯技术说话，可能没人信 839 | 838 就算倒下，也要倒在冲锋的路上 840 | 839 奥克兰，繁华喧嚣与质朴自然并存 841 | 840 石门市场迁址、建免税城···顺义这7大商业项目加速推进 842 | 841 抗战胜利后，我军最大的军区改编为2个野战军，不到一个月被撤销 843 | 842 看完这篇文章，才知道内蒙古的秋天有多美 844 | 843 接娃买菜！3万双门电动车满足你的需求 845 | 844 望之不寒而粟，触之坚硬如鳞，争议大，价格高，这也叫美味水果？ 846 | 845 为何日本会重点轰炸重庆，却很少选择陕北？日军：炸延安不划算 847 | 846 纪念馆中的抗美援朝历史 848 | 847 你以为他们是最佳银幕CP，其实人家是水火不容的宿敌 849 | 848 12.49万起，号称“陆地飞行舱”，瑞虎8 PLUS怎么选？ 850 | 849 走好小学第一步 851 | 850 果不其然，仁东控股就是一个庄股，庄家上套割韭菜。如果甄别这种垃圾股，请参考股狼昨晚分享的文章(12.8晚). 852 | 851 新疆阶段性减免企业社保费122.72亿元 853 | 852 游廿八都古镇 854 | 853 持有酒鬼酒一年半，牛散赵建平账面浮盈近3亿 855 | 854 2021年国家电网招聘：年龄超了还能参加考试吗？ 856 | 855 广东肇庆有块大斑石，有80个足球场大小，被誉为天下第一石 857 | 856 除了芯片，自行车上的小零件也被国外卡脖子 858 | 857 内部交易披露：PDL Community高管净卖出1494.00股 859 | 858 渡江战役前的小冲突，陶勇带队炮击英国战舰，之后升任舰队司令员 860 | 859 民族歌剧《红流澎湃》的艺术魅力 861 | 860 农村做豆腐生意能赚钱吗？ 862 | 861 内马尔让点无缘大四喜 巴黎第1出线 意甲黑马连年进欧冠16强 863 | 862 诗词中的大美中国 864 | 863 第74集团军某旅整合资源破解教育难题 865 | 864 澳大利亚人的祖先都是囚犯吗？聊聊澳大利亚是怎样诞生的 866 | 865 海航集团：即将达成70亿美元出售旗下英迈公司的交易 867 | 866 有色冶炼加工行业上市公司（92家） 868 | 867 张钧甯疑与路人起冲突，对方撒泼闹事砸东西，吓的张钧甯仓惶离场 869 | 868 曼联更衣室认为索帅纵容了寄生虫出现！要求卖博格巴，弃用德赫亚 870 | 869 重磅利好！非洲大陆自贸区1月1日正式启动 有望涵盖39个非洲国家 871 | 870 泰国首都原本是吞武里，为何迁到一河之隔的曼谷？ 872 | 871 要耐用和大空间，这2款合资好车不输丰田本田，9.99万起 873 | 872 「精解缠论」第二篇：运用‘市场动力学’原理提升盈利稳定性 874 | 873 不是房地产中介，天天在视频里面喊卖房子卖地的，是真的吗? 875 | 874 法国为前总统德斯坦举行全国哀悼 876 | 875 从苏轼到杜甫，家国并重的人生才是完整的人生 877 | 876 人民群众是抗日战争胜利最深厚的伟力 878 | 877 《哥哥》苏醒打人事件被提，当事人现状大不同，女主已嫁富二代 879 | 878 抗美援朝老战士回忆安葬牺牲战友细节：地冻三尺挖不出墓坑 880 | 879 凯普生物（300639）机构调研与投资者问答精选（2020年12月07日） 881 | 880 家用MPV的好选择-比亚迪宋MAX，搭载1.5T发动机 882 | 881 这才叫真正的刺激——盘点欧洲杯16队时代那些著名的死亡之组 883 | 882 钢铁运输线上钢铁的兵 884 | 883 新版《六指琴魔》，50岁大叔陈浩民，配美人胚子，高能来袭 885 | 884 「夜读」有一种人生智慧，叫留白 886 | 885 《瞄准》口碑下滑，《雷霆战将》被骂，如今谍战片都存在三大问题 887 | 886 欢太数科斩获“2020中国新经济之王最具影响力企业” 888 | 887 历久弥新永不过时的红旗渠精神 889 | 888 海南日报报业集团与中国银行海南省分行签署战略合作协议 890 | 889 火箭18人定妆照出炉！哈登布朗缺席拍摄，悍将为沃尔让出1号 891 | 890 雪上加霜！疫情与怪病双下加持，印度目前束手无策 892 | 891 小型suv哪款好又便宜：国产还看吉利长安，合资跌入8万以下 893 | 892 家里人口多想买台7座SUV? 这三款10万级车型性价比贼高 894 | 893 《菜根谭》修身之十六：空我不空，不空也空 895 | 894 雪域高原搭起“融合大课堂” 896 | 895 大喊一声“羡慕”！重庆高校寒假时间公布 最长47天 897 | 896 储户存银行350万被工作人员挪用致无法追回，法院判储户承担60 %损失，从法律角度如何解读？ 898 | 897 霸屏黄金剧场 俘获挑剔剧迷《装台》《大秦赋》成主流媒体热议焦点 899 | 898 我们未来可能不再需要进口猪肉，大规模智能化养猪时代即将到来 900 | 899 北京瑰丽酒店精湛演绎传统智慧与划时代建筑 901 | 900 圆明园研究 | 一位死在圆明园的皇后 孝全成皇后死因考辨（四） 902 | 901 不管秦俊杰是第几次因戏生情，大家都别再扯杨紫了 903 | 902 2年前的趵突泉风波：被质疑装了水管水泵，到底装还是没装？ 904 | 903 四处树敌，美国军舰在俄罗斯遭撞击警告，又到东海搅局 905 | 904 嘀！空中Wi-Fi你连上了吗？ 906 | 905 8.28万起，一辆能顶两辆使用的车你不看看？ 907 | 906 以高质量发展为主题推动“十四五”经济社会发展 908 | 907 紧急！美国轮胎不够用了 909 | 908 这几个APP你值得拥有 910 | 909 “官之初”慎烧“三把火” 911 | 910 英国新增16578例新冠肺炎确诊病例 累计确诊1766819例 912 | 911 福克斯为运动而生，两厢、三厢可选，满足不同车友的要求 913 | 912 泰莱宣布全资收购Sweet Green Fields持续加强甜味技术领导地位 914 | 913 长城炮内饰与动力：内饰不再卡车风，动力充足，越野选择多 915 | 914 图赫尔：内马尔让点是了不起的举动，他的心里总会想着队友 916 | 915 二十四节气伴我行——大雪 917 | 916 辽宁没什么景点？兴城这个近600年古建筑，誉为东北最古老文庙 918 | 917 知白守黑背后的戏剧秘辛 919 | 918 中国古代的“国庆节”是怎么来的 920 | 919 天猫精灵妙物传感器三件套：百元即可开启智能生活 921 | 920 智天金融邓智天、CEO交易所崩盘，神奇商城凉凉 922 | 921 楚韵汉风今何在——探访楚汉文化遗存 923 | 922 保护投资创业 海南鼓励支持华侨参与自贸港建设 924 | 923 初冬暖滋味 福州温泉之旅一日游 925 | 924 七绝•赞习近平为“十四五”四大领域指明方向 926 | 925 梦蝶、悼亡与旅行：青年本雅明的爱与迷狂 927 | 926 解读《三国演义》之谁是十八路诸侯中最靓的仔？ 928 | 927 “金融市长”黄奇帆：研究经济学才是终身的事 929 | 928 凯迪拉克CT4/CT5新增全液晶仪表 国内有望同步 930 | 929 福奇喊话美国人：新冠病毒是真的 931 | 930 全广州不到10台的冷门街机游戏，画面细腻精美，却劝退无数高玩 932 | 931 中珠医疗控股股份有限公司 第九届董事会第十九次会议决议公告 933 | 932 海报丨“听党话，跟党走”这就是红军连队的信仰 934 | 933 宝马最新中大型SUV宝马iX实车街头亮相！谁还敢说没科技感？ 935 | 934 中国国家博物馆举办“中国梦与全面建成小康社会”主题研讨会 936 | 935 研究《山海经》三十余年，他们重现了4000年前的华夏地貌 937 | 936 美媒：美国疫情经历最夺命一周 美国平均每小时约92人死于新冠 938 | 937 百公里油耗0.9L，比亚迪新款宋MAX DM的申报图曝光 939 | 938 中原野战军挺进大别山，单独设立了陈谢兵团，其作用不可小觑 940 | 939 冷链食品行业问题频出 现在入市好吗？ 941 | 940 《隐秘而伟大》前传《白桦传奇》第一集 942 | 941 把飞机开成坦克！志愿军空军机身中弹56处平安降落 943 | 942 毛泽东笔下的冬天，大气磅礴，何等壮美，何等洒脱 944 | 943 又是经济泡沫？新能源汽车繁荣背后的危机已可预见 945 | 944 欧冠最新积分榜！3队出线，尤文逆袭巴黎躺赚，8大强队争4席 946 | 945 2020年12月英语六级押题B卷+答案(电子版可打印） 947 | 946 受食品价格上涨影响 巴西11月份物价指数创新高 948 | 947 当我飞向你——三代空军赤子守护祖国蓝天 949 | 948 一把儿时捡的笛子，让他成了篁岭品牌，被誉为最会吹笛子的卖酒人 950 | 949 美洲厂遭黑客攻击勒索1804枚比特币，郭台铭飞鹰计划怎么啦？ 951 | 950 沱江级二号舰即将下水—幻想用飞潜快对抗大舰队，是没有前途的 952 | 951 陕西尽享“进博福利”对外开放脚步不停歇 953 | 952 教育部：疫情期间 近万节网课助力1.8亿中小学生居家学习 954 | 953 先祭谷公，再祭祖宗，曾经的县委书记为什么如此受爱戴？ 955 | 954 在邮政储蓄银行存了五万定期，现在取钱银行什么记录都没有了，该怎么办？ 956 | 955 杨金海：《反杜林论》帮助我们认识真正的科学社会主义 957 | 956 买房贷款最后悔的事！第一次不懂，第三次已经没机会了 958 | 957 唐一平辞任晋商银行执行董事、副董事长、行长 959 | 958 军人退役当年申请公租房，能否特殊照顾和优待 960 | 959 曾力压五粮液，今跌出白酒市值前三，洋河的“梦”碎了？ 961 | 960 2020亚马逊风清云涌，几家欢喜，几家愁 962 | 961 走进抗美援朝英雄部队丨首战命中率90% 空战9分钟历史罕见 963 | 962 海军长沙舰：向着梦想全速前进 964 | 963 中国诗歌史上的别样秋日风景 965 | 964 大跌不要怂！利好来了 966 | 965 国防科大周鹤峰博士为您讲述声全息技术：让声音唾手可“见” 967 | 966 创建更多享誉全球的中国品牌 968 | 967 看人下菜碟，要不得 969 | 968 立足于文学，而不囿于文学 970 | 969 一支特殊的抗美援朝战斗队伍 971 | 970 为什么部分行政机关有认定被征收房屋是违建的冲动？（直播提纲） 972 | 971 农民工，入了城市的圈套 973 | 972 到底是什么决定了股票的价格？ 974 | 973 广西“十四五”持续打造面向东盟开放合作高地 975 | 974 军事装备巡礼6 976 | 975 毛晓彤cosplay红桃皇后，仿佛从《爱丽丝》走出来，太惊艳 977 | 976 妈妈们爱在网上购物，玩具行业入驻天猫需要哪些材料？ 978 | 977 “多面手”的自我养成之路！川大这位男生在责任中成长 979 | 978 第一次二手房交易踩的坑 980 | 979 科达集团股份有限公司 关于股东股份解除质押的公告 981 | 980 是祸躲不过一一目睹了一桩蹊跷祸事 982 | 981 明确了！结核病体检结果将纳入学生健康档案 983 | 982 城市“文化地标”该如何建（来信与访谈） 984 | 983 兰房链：李亚鹏还要做地产？曾欠债4000万，列为失信被执行人 985 | 984 枫林未晚！初冬别样花果山 986 | 985 揭秘清代奇书《海错图》，看这位科普达人如何破解古人海洋图谱 987 | 986 东野的旗帜——东野四纵（二）威武之师——东野四纵驰骋平绥线 988 | 987 佟丽娅，麻烦你清醒一点 989 | 988 在当兵这件事上，大专和本科生存在三个区别，这些细节要弄清 990 | 989 范仲淹念书时 每月有多少生活费？ 991 | 990 欧冠改制以来，皇马29次出战小组赛全部晋级 992 | 991 造型运动动力更强，长安CS55 PLUS现在只要不到9万了 993 | 992 曲高和寡，高端超市集体遇困 994 | 993 英雄赞歌｜他五天不吃不喝歼敌51人 五次和死神擦肩而过 995 | 994 “骑士遇枪神”，毕加索：齐白石真是中国了不起的一位画家 996 | 995 前河北首富苗连生：负债150亿，"归隐"种菜养鸭，拒成贾跃亭 997 | 996 铁矿石01合约一度突破1000元关口 再创历史新高 998 | 997 《百家姓》前世今生（二十二） 999 | 998 新宝骏RM-5定位MPV，车型设计形似SUV 1000 | 999 对华出口停滞后，澳大利亚龙虾价格暴跌50%！美国还抢生意？ 1001 | 1000 英首相飞欧盟 赴“最后晚餐” 1002 | 1001 逍遥游般的行走 1003 | 1002 路虎发现运动：全系2.0T+全时四驱，安全配置是亮点 1004 | 1003 天风证券维持西山煤电买入评级：收购集团优质资产，巩固公司炼焦煤龙头地位 1005 | 1004 晨枫：细品东风-17导弹气动设计 1006 | 1005 南非媒体：放纵或将导致南非疫情“二次暴发” 1007 | 1006 钱塘潮：世界奇观 水利奇迹 1008 | 1007 智能工厂可以有多“聪明”？在进博会上跟随这只“小黄鸭”一起来了解下吧 1009 | 1008 七绝·有感于习近平总书记对川藏铁路开工建设作重要指示 1010 | 1009 中古音学著述与文学诵读 1011 | 1010 美媒排NBA三分最强五支球队，快船身居第三，76人力压全联盟 1012 | 1011 上午历史新高个股一览，吃药喝酒半导体为主。 1013 | 1012 法院强制禁止德国特斯拉工厂 1014 | 1013 “甲骨学堂”故事多：1000场活动和40000个家庭 1015 | 1014 采耳店投资大约多少钱 1016 | 1015 日军为何会放弃地势平坦的滇南，而选择山高谷深的滇西进攻云南？ 1017 | 1016 0-1！欧冠4冠王轰然倒下，84分钟遭绝杀，连续2年末轮出局 1018 | 1017 降价！中国空调业大溃败的开始 1019 | 1018 新车 | 改到丰田也认不出的RAV4，光冈Buddy实车来了 1020 | 1019 华为地图应用Petal Maps上架 已在140多个国家和地区上线 1021 | 1020 美国请中国帮忙修桥，还付给中国上百亿，这项工程究竟有多难？ 1022 | 1021 志愿军有哪些以英雄命名的连、排、班？ 1023 | 1022 假如给你1亿现金，一天后就要归还本金，怎样操作收益最大？ 1024 | 1023 国外天然气托运商制度及对中国的启示 1025 | 1024 索托卡诺空军基地——美国干预中美洲局势的军事枢纽 1026 | 1025 康凯谈药店新零售：平台化思维＋专业化服务才是真出路 1027 | 1026 21岁355天，姆巴佩成为欧冠历史上攻入20球最年轻的球员。他超过的前纪录保持者，正是曾经22岁266天的梅西。 1028 | 1027 同样的演技，为什么胡杏儿能赢得最佳演员，黄奕却不行？ 1029 | 1028 乡愁的回眸与重返 1030 | 1029 配插电式混动系统 广汽丰田威兰达性能版车型曝光 1031 | 1030 定格“巨龙”过大江 1032 | 1031 以两次“耍赖”取回袈裟的孙大圣～漫话西游之第十七回(1) 1033 | 1032 基于直播电商 促进乡村振兴 1034 | 1033 第14届东盟国防部长会议以及相关系列会议开幕 1035 | 1034 马克思与黑格尔法哲学传统 1036 | 1035 纽约油价9日下跌 1037 | 1036 豆瓣9.1，吃过苦头，他还是这么甜 1038 | 1037 动力强油耗低，顶配15万的荣威ei6 MAX我看行 1039 | 1038 新赛季球队实力榜排名，快船、湖人、篮网独一档，勇士、火箭次之 1040 | 1039 韩国GDP与广东差距缩小，“亚洲四小龙”或被广东超越？ 1041 | 1040 语文真的很美妙 1042 | 1041 扎根中国大地 擘画国际坐标 1043 | 1042 《红楼梦》传统服饰里的东方之色：大家富室，衣色皆尚青是已 1044 | 1043 伟哉盛唐，万世荣光 1045 | 1044 风雅啸聚与魏晋唱和诗的兴盛 1046 | 1045 "中国好爷爷"走红，获4000万外国网友点赞，想做爷爷的孙子 1047 | 1046 解锁绝美军校秋景 1048 | 1047 各过各的节！英女王被迫打破30年来最爱圣诞活动 1049 | 1048 教育，为了自主生长 1050 | 1049 埃及火车碰撞事故致5人受伤 已成立铁路技术委员会进行调查 1051 | 1050 现在农村种什么树最值钱？ 1052 | 1051 2021款Jeep牧马人上市，配皮革3D座椅，售42.99万 1053 | 1052 郭沫若为啥提议扒掉北京城墙？这种想法，让人很难理解 1054 | 1053 奔赴更好的“疫”后 1055 | 1054 好看。帅。油耗可以。百万帝豪款。质量保证。缺点。后备箱空间小。胎噪有点大。 总体来说。可以。这个价位 1056 | 1055 《上学歌》里养习惯 1057 | 1056 对比五款MOBA手游中的孙悟空，才发现，谁才是真正的齐天大圣 1058 | 1057 朱庆余和张籍的赠答诗，精妙出彩，诗外的故事更是被传为一段佳话 1059 | 1058 解决同情比亚迪e2升级版是何等神器？ 1060 | 1059 小辣椒亲民厚道，发布8+256G百元新机，久违了 1061 | 1060 女兵丛艺：身怀六甲战斗在朝鲜战场上 1062 | 1061 美国共和党拒绝为总统典礼做准备 轮到拜登出招了 1063 | 1062 印度新增新冠肺炎确诊病例31521例 累计确诊超976万例 1064 | 1063 继续做空股指！Ａ股泡沫太大！不要相信林园等人！证券研报都是忽悠散户的！这一周都是跌的！ 1065 | 1064 陈数金色褶皱长裙高贵典雅女神范儿十足 1066 | 1065 双鱼座文艺少女的世界 1067 | 1066 “露八分”，一种孤独的方言 1068 | 1067 西方插画师作品展亮相清华大学 1069 | 1068 平时“处变”，战时“不惊” 1070 | 1069 郭靖武功高强，为什么他的几个徒弟武功都那么弱？ 1071 | 1070 汪曾祺眼中的文学创作之秘 1072 | 1071 18万左右，你会选国产SUV吗？红旗HS5 VS 传祺GS8 1073 | 1072 冯矿伟：高点酝酿中 1074 | 1073 跌跌不休才正常 1075 | 1074 从1996年到2020年，中国蜂群无人机艰难的进化过程 1076 | 1075 你准备好了吗？地表最强Mini现身了，最大马力350P 1077 | 1076 美女和她的大汉龙[爱慕]【来自懂车帝车友圈】 1078 | 1077 梁山108将里面，按照作恶程度，哪几位可名列“四大恶人”？ 1079 | 1078 美国下手了，刺激法案再流产，黄金一度暴跌逾40美元 1080 | 1079 东京奥运会、欧洲杯足球赛……中央广播电视总台和中国移动联手“播”给你看 1081 | 1080 短视频，打开一扇知识和兴趣的大门 1082 | 1081 中国“上林帮”非洲淘金记 1083 | 1082 山西这个低调小县城，私藏中国第一琉璃古塔，游客不多值得去旅行 1084 | 1083 圆明园传说故事——乾隆吃不到的鲤鱼 1085 | 1084 今年真美，盘锦红海滩正当红，但要在正确的时间出现在正确的地点 1086 | 1085 驻守海拔5000米的兵哥哥冬至吃什么？火锅饺子烤全羊 1087 | 1086 马鞍山雨山区：峥嵘岁月中抹不去的记忆 1088 | 1087 志愿军司令首选粟裕，本已选好三野猛将辅佐，为何后来改为彭总 1089 | 1088 “踩雷”还是“排雷”，哪个是中国金融市场的未来？ 1090 | 1089 湖南化工职业技术学院2020年第二批公开招聘公告 1091 | 1090 默克尔含泪恳求民众配合抗疫：双手合十 连声道歉 1092 | 1091 痴迷烙画 12年她用绝活致敬英雄 1093 | 1092 20万买B级车选2.0L还是2.0T，阿特兹对比速派你选谁？ 1094 | 1093 坚持质量优先 传递品牌价值 1095 | 1094 看看收盘20日线的得失吧！今天才是MACD绿柱出来的第一天，按以往经验，最少等6天后再说了！继续控制仓位观望。 1096 | 1095 五菱银标新秀，大四座MPV凯捷，空间宽敞更灵活 1097 | 1096 杜兰特谈哈登交易流言：我根本没考虑过他 他不是我们队的 1098 | 1097 15万落地三款MPV丨别克GL6、雪佛兰沃兰多、广汽传祺M6 1099 | 1098 她被金子绊倒在贫困中 1100 | 1099 军官的退役安置，新变化 1101 | 1100 扑下身子、力戒浮躁 我国科技创新着力“强基石” 1102 | 1101 福建漳州最值得去的11大景点 1103 | 1102 联合作战收官之役难在哪里 1104 | 1103 内切撞墙后远射！内马尔完成帽子戏法 1105 | 1104 是文化垃圾还是街头艺术？街头涂鸦，一个时代的声音 1106 | 1105 外汇局深化跨境证券投资改革开放 1107 | 1106 格林美：公司管理层将持续坚守“城市矿山+新能源材料”核心产业战略 1108 | 1107 鸡冠区电工小学举行“开启阅读之声 提升语文素养”晨读展示活动 1109 | 1108 长城炮推出乘用版、商用版、越野版，满足不同环境的需求 1110 | 1109 特斯拉德国建厂计划受阻：法院命令暂停砍伐森林 1111 | 1110 16世纪的法国巴黎建筑师有何风格？其中有哪些代表人物？ 1112 | 1111 藏在南京小巷子中的小吃店，栗子和鸭子最受欢迎，每天必排队 1113 | 1112 长津湖战役背后：生还美军老兵称志愿军为不畏死亡的灵魂，让他深知胜利无望 1114 | 1113 解放军解放了海南，为啥没有顺势解放台湾呢？ 1115 | 1114 实拍比亚迪汉EV：体型大过亚洲龙，续航605公里最快3.9秒 1116 | 1115 《皮囊》：身体是灵魂的躯壳，太爱惜身体的人做不成大事 1117 | 1116 志愿军汽车兵满志成：驾车拖走敌人埋藏的定时炸弹 1118 | 1117 英国两名女子因停车发生争吵 其中一人向对方脸上吐痰 1119 | 1118 走进“钢刀连”|“钢刀”是怎样炼成的 1120 | 1119 《明日边缘2》仍在制作筹备中 女主表示剧本很酷 1121 | 1120 孩子厌学怎么办？ 1122 | 1121 郑伊健娇妻罕见露面，47岁穿连体裤露脚踝，罕见卷发美得真抢镜 1123 | 1122 “积怨已久”：日本陆军与海军的矛盾从何而来 1124 | 1123 港通天下 逐浪湾区 2020年广东省智慧港口推进大会顺利召开 1125 | 1124 眼珠一转，计上心来 1126 | 1125 庄股连连跳水，监管部门该出手了 | 风雨看盘 1127 | 1126 界碑旁，那梦中的橄榄树 1128 | 1127 海归创业：将理想生活与创业方向相结合 1129 | 1128 高举上甘岭英雄战旗冲锋 1130 | 1129 北上广深不相信电单车 共享单车终究走向"死"胡同？ 1131 | 1130 美军在第一岛链放前置军火库？中国不是伊朗，东风更不是烧火棍 1132 | 1131 老战士文汉春：歼灭敌军130人、被授予特等功，“军功章是战友们的共同荣誉” 1133 | 1132 祝你们继续胜利！中国人民志愿军万岁！三十八军万岁 1134 | 1133 山峰有多高 山谷就有多深 1135 | 1134 导弹突防技术系列（二）瞒天过海的反探测突防技术 1136 | 1135 建一个五千头猪场要多少钱？ 1137 | 1136 教育部：基础教育全面提质进入新阶段 1138 | 1137 #经济# CPI都快要成负值了，宁可温和通货膨胀，不能通缩，估计元旦后因为春节因素和促进经济会继续放水。#A股# 1139 | 1138 奔腾B70青春期的开始，瞄准轿车市场，这条路怎么走？ 1140 | 1139 <乡土>老马 1141 | 1140 泪目！志愿军老战士70年后再忆抗美援朝 1142 | 1141 河南神火煤电股份有限公司 关于控股股东增持公司股份超过1%的补充更正公告 1143 | 1142 特斯拉股价大跌 摩根大通认为仅值90美元 1144 | 1143 欧冠40球解锁场次：范尼45场最快，内马尔65场排第三 1145 | 1144 藏历十月二十五燃灯日，不能称为“燃灯节”，也和燃灯古佛无关 1146 | 1145 中国联通单方面关闭2G网络 1147 | 1146 “人生之本”小议 1148 | 1147 山东女排握住了恒大的“命门”！一场大胜，为自己赢得冲四强良机 1149 | 1148 龙灯文化传承人谢兆海师傅——让运河龙灯一代代舞下去 1150 | 1149 第一次绥远战役 1151 | 1150 郑异凡｜不舍涓滴：我这十年与书的故事 1152 | 1151 读诗和不读诗 1153 | 1152 布冯：战胜巴萨是一项壮举 继续职业生涯因还有梦想 1154 | 1153 堂堂八冠王3.9亿身价却死于三选二，恒大是着急回家吃叉烧包吗 1155 | 1154 微信红包封面向个人开放，定制价格为1元 1156 | 1155 塞尔维亚驻华临时代办：中国为塞抗疫提供巨大帮助 两国各领域合作富有成效 1157 | 1156 同为亚裔，为什么南亚裔在美国更容易当上CEO？ 1158 | 1157 甘肃省水利工程行业协会成立 1159 | 1158 虽千难万难，吾往矣—谈指挥员的执行力 1160 | 1159 全面促进消费 创造社会价值 1161 | 1160 女司机新选择，菲亚特小车比甲壳虫还帅！精致对开门 1162 | 1161 企业家高端对话 1163 | 1162 战风雪斗严寒！他们是祖国北疆的忠诚卫士 1164 | 1163 童心永葆，幸福教师的奥秘 1165 | 1164 2020年高性价比手机推荐，这五款放心买，但缺点不容忽视 1166 | 1165 巴西学者：期待未来中巴共同制作更多文化产品加强两国人文交流 1167 | 1166 在光影斑斓的话剧舞台，张爱玲和她笔下的女性一起重返上海 1168 | 1167 商务部：很有信心完成今年稳外资的目标任务 1169 | 1168 李盈莹并非天才选手，巴黎奥运会后，没有朱婷的女排或迅速下滑 1170 | 1169 医药基金可以买了吗？医药板块底部了吗，这里有你想要的答案 1171 | 1170 外汇分析：欧洲央行决议后，欧元或大幅上涨 1172 | 1171 郝成秀：偷偷扔了拐杖，忍着疼走了十几里路回到部队 1173 | 1172 德媒：中国经济为何迅速实现正增长？ 1174 | 1173 冲量在线入选猎云网2020年度企业服务领域最具影响力创新企业TOP20 1175 | 1174 中考全面取消择校生：再不努力就晚了！中考只有一次没有复读 1176 | 1175 悠卧雪庐不愁眉，醉墨昏笔嘲冷雲。 1177 | 1176 黄河文化纪行丨北宋皇陵：追忆一个王朝的背影 1178 | 1177 走进朝鲜，朝鲜百姓为什么喜欢准备泡菜过冬？ 1179 | 1178 教育部：普通高中即将实现基本普及 1180 | 1179 米兰华人打麻将 涉嫌赌博和违反防疫法规 1181 | 1180 铝制饭勺见证“钢少气多” 1182 | 1181 84岁柬埔寨太后，让花心国王浪子回头，人美心更美，不输戴安娜 1183 | 1182 8个核武大国中，巴基斯坦最为特殊，没有苏联的援助就没有核武器 1184 | 1183 2020款上汽大通G10定制商务车 居家商务两不误 1185 | 1184 京城内外：初唐文人行旅与诗学表征 1186 | 1185 关爱父母和孩子，从入手一台华为路由开始 1187 | 1186 今日基金操作策略月线回踩完毕，再有下跌都是诱空，大胆进场，不要慌，就这！#股票# #A股# #今日看盘# 1188 | 1187 超燃！纪念抗美援朝出国作战70年定格动画：用胜利，赢和平，赢尊重 1189 | 1188 明星红了为什么还要拼命拍戏？杨幂：没戏拍的日子太恐怖了 1190 | 1189 同飞制冷过会：今年IPO过关第347家 中天国富过2单 1191 | 1190 区块链赋能军事装备管理 1192 | 1191 梁山上三教九流的代表 1193 | 1192 大雪：六出飞花入户时 坐看青竹变琼枝 1194 | 1193 郊林尽染 邀君入画 1195 | 1194 出名的绘画家陈逸飞，涉足多个行业，积劳成疾离开了人世 1196 | 1195 手握3万提宏光MINI，2门4座遮风挡雨，改装后像“大玩具” 1197 | 1196 特斯拉在建“超级工厂”被叫停！竟是因为蛇…… 1198 | 1197 41岁万人迷陈好生日晒照，发量浓密白到发光，豪宅内景意外曝光 1199 | 1198 预算10万左右，外观年轻、时尚，这几款合资小型SUV怎么样？ 1200 | 1199 历史学家汤因比笔下的亚洲高原：看见文明的兴亡与角逐 1201 | 1200 戏台上的“前浪”与“后浪” 1202 | 1201 欧文为何“不服”詹姆斯？或许因心结所在 1203 | 1202 新书推介 | 李天飞：《号令群神：李天飞“封神”笔记》 1204 | 1203 只吹冲锋号 不打退堂鼓 1205 | 1204 冰箱、餐具……2000多年前的“青铜”玩法再现 1206 | 1205 这些国产免费软件你装了么？一点也不流氓的5款国产软件推荐 1207 | 1206 放飞“战鹰”的“超级大弹弓” 1208 | 1207 影响力比品牌知名度更重要的5个原因 1209 | 1208 拿到8个offer，选择中科院硕博连读！他说：凡事皆需苦后甜，功夫到时梦想圆 1210 | 1209 习近平：中华民族是爱好和平的民族，中国人民是爱好和平的人民 1211 | 1210 科考古象雄王国遗址 1212 | 1211 京东也来参团了？互联网巨头们已集结完毕 1213 | 1212 父爱如山，刘诗雯的父亲，是她职业生涯坚强的后盾 1214 | 1213 最齐全了！48个城市2020年“房贷利率+首付比例”一览表 1215 | 1214 他是长津湖战役幸存者之一，为国失去四肢，晚年仍愿重返战场 1216 | 1215 湖南省教育厅、各高校及博汇世联集团代表一行赴马栏山文创园考察 1217 | 1216 空中飞将震敌胆，记中国人民志愿军空军头号王牌赵宝桐的空战生涯 1218 | 1217 11月份质量投诉排行榜：速腾再度拿下冠军，轩逸人红是非多？ 1219 | 1218 每公里油费3分钱，比亚迪秦PLUS，搭全新混动系统 1220 | 1219 娓娓道来中的惊心动魄 1221 | 1220 一图读懂｜长途行军常见伤病有哪些？如何预防？ 1222 | 1221 “从新闻里看到自己评上了职称，有点懵” 1223 | 1222 诗词里的中秋月｜月话中秋 1224 | 1223 空客西班牙公司被任命为“新一代战斗机”的国家承包商 1225 | 1224 攻克核心关键技术难关 氢燃料电池“即将腾飞” 1226 | 1225 农村房子确权可以随便更改户主吗？ 1227 | 1226 这张报纸，记录历史时刻 1228 | 1227 硬刚奥迪Q5L，奔驰SUV有这个实力吗？带你看奔驰GLC 1229 | 1228 迎检与家属正常活动并不冲突 1230 | 1229 家长：“我都能接受孩子成绩差，但老师不干啊，天天打电话！” 1231 | 1230 少见多闻的中国装甲部队，鲜为人知的力量 1232 | 1231 今晚！CBA三双王率队大战广厦男篮，李春江有何妙招限制山西？ 1233 | 1232 他们用一生的写作曲折回应原生家庭的深刻记忆 1234 | 1233 换脸不换心，福克斯家族全新上市，最低10.88万 1235 | 1234 世界十大科技公司榜单，中国两家入围，华为不在此列 1236 | 1235 A股暴跌，失守三千四，券商领跌，中国股市将何去何从，还敢买？ 1237 | 1236 军人干部转业待安置期间如何确定管辖 1238 | 1237 期货股我昨天唯一的保留，今年最赚钱的不是股市是期货，看看商品期货的行情，那是一个火爆。所以期货股没啥表现不应该。 1239 | 1238 家谱的价值之家谱的社会价值之（二） 1240 | 1239 新款大众速腾这款车如何？ 1241 | 1240 北京人艺再演《家》纪念曹禺诞辰110周年 1242 | 1241 画风奇特！西班牙古雕像惨遭遭毁容式修复 1243 | 1242 古人如何节俭过日子 1244 | 1243 这么大的超级大利空都放不倒它持有的化工也不知道是走是留唉 仓位还比较重哦 我太难了 1245 | 1244 一首歌一处风景一道“伤痕”，从来没有任何风景如此“纠缠不清” 1246 | 1245 美国男子来华留学，收藏10万件中国古董，40年后身家轻松过亿 1247 | 1246 陈楸帆对话赫里亚·戈贝尔：中国科幻正在被重视｜中欧文学节 1248 | 1247 小米10青春版官方降价：轻薄机身+潜望镜头仅1899元起 1249 | 1248 雪域高原上，他们年轻的肩膀闪闪发亮 1250 | 1249 半导体封测行业投资机会展望 1251 | 1250 中西部18城房价过万：武汉成都合肥位居前三 1252 | 1251 一身壮志保山河 1253 | 1252 宁德时代：动力电池龙头 领跑全球化起点线 1254 | 1253 秦基伟不想站岗，只想战斗，营长：我请示上级，封你秦大刀 1255 | 1254 中国第一代核弹引爆控制系统奠基者俞大光：小处不可随便，细节决定成败 1256 | 1255 海尔智家：后疫情时代 海外市场高端家电将快速增长 1257 | 1256 双12买苹果手机不要盲目跟风，这3款iPhone最值得考虑 1258 | 1257 警惕打着私募基金旗号非法集资 1259 | 1258 志愿军的故事 | 高炮飞机“拼刺刀” 1260 | 1259 岁月是一首凝重的歌 1261 | 1260 杨鸣炮轰全队2点太差，暗批韩德君头号替补？他和郭少却更该反思 1262 | 1261 年内第一大规模320亿可转债来袭，值得申购吗？ 1263 | 1262 民兵平常都练什么？打仗时又要做什么？来了解一下 1264 | 1263 “一寸光阴一寸金”，下半句不是“寸金难买寸光阴”，涨知识了 1265 | 1264 北望青山：年谱中的河北学人 1266 | 1265 八路军第一纵队为何不能指挥115师？ 1267 | 1266 东部战区第72集团军招收了一批搏击、武术特长兵！值得关注 1268 | 1267 解密《西游记》中宝象国、乌鸡国、朱紫国背后的秘密！ 1269 | 1268 华为mate50什么时候上市 mate50pro发布时间预测 1270 | 1269 一场意外，往往改变人生 1271 | 1270 ios14.3准正式版发布！ 1272 | 1271 笔记反映生活变迁，小说承载社会百态 1273 | 1272 洞察时代语言，搜狗输入法2020年度流行语TOP100超级榜发布 1274 | 1273 孩子是家长的复印件，父母的高度决定了孩子的高度 1275 | 1274 为了夺冠，巅峰期主动转会降薪的NBA球星 1276 | 1275 复刻科尔维特C1，老爷车挂比亚迪Logo，标价近60万？ 1277 | 1276 3.0T 5.3秒破百！拥有无敌大空间的奥迪新车当真很美 1278 | 1277 台军古董坦克易燃易爆炸，但有时候可能是其车组“优势” 1279 | 1278 无锡跨越：产业为基 人才为舵 1280 | 1279 《梁书》：中古史书少见之佳作 1281 | 1280 新车｜竞争欧拉黑猫、比亚迪e1等，新款江铃易至EV3上市 1282 | 1281 三大通信运营商5G套餐全面对比 1283 | 1282 17.98万就有高性能SUV？实拍新款锐际两驱耀享款 1284 | 1283 菊花须插满头归 1285 | 1284 18至19世纪英国人对哭泣态度的变迁 1286 | 1285 宫苑杂谈｜民国初年故宫太和殿的三次“换匾” 1287 | 1286 梁建章妻子出山接管直播业务 直播售后频遭用户投诉 1288 | 1287 为什么母鸡不需要公鸡就能生蛋？那公鸡存在的意义是什么？ 1289 | 1288 A股尾盘杀跌，券商带头下杀，接下来A股行情怎么走？转弱势行情了吗？老牛 正在头条直播，家人们有时间一起来聊聊 1290 | 1289 约翰逊将印度农民抗议与印巴冲突混为一谈，遭英国网友嘲笑 1291 | 1290 《说水浒》第179回 梁山泊大分工(三) 1292 | 1291 午评：调整的时候就这么操作！速看 1293 | 1292 特殊时期的开学 1294 | 1293 孔子的三愆三戒 1295 | 1294 什么塔防，迫使德军运来了“古斯塔夫”？探秘扼守黑海炮台的内部 1296 | 1295 港股打新—VESYNC，今年上半年净利润暴涨10倍 1297 | 1296 青少年，你焦虑了吗？ 1298 | 1297 王宝强的巅峰之作，贡献了教科书般的演技，成了很多表演课的教材 1299 | 1298 《人文草木》：情知所起造化功 1300 | 1299 在十二时辰里，藏着最诗意的中国 1301 | 1300 二次放号不能放掉用户权益 1302 | 1301 了不起的大中国——移动支付 1303 | 1302 37岁韩雪晒近照瘦成纸片人，继杨颖周冬雨后狗啃发型又翻车？ 1304 | 1303 两个倒闭电影厂老板，一个把地皮输何鸿燊，一个卖地皮赚62亿 1305 | 1304 帝剑之外传 1306 | 1305 故事：《后聊斋志异》异人 1307 | 1306 这18人被评为宁夏第三批“塞上文化名家”，来看有你认识的吗？ 1308 | 1307 故事：民间故事：孝子李广贤 1309 | 1308 徐福顺：央企是“新基建”主力军，考核要进一步与时俱进 1310 | 1309 内部代号K-CROSS 一汽丰田将推出全新SUV 1311 | 1310 30万内的越野SUV，可以考虑这三款，空间大性能强最低17万 1312 | 1311 西藏的榜单出炉，当地的这五所学校入选，号称五小天王 1313 | 1312 通过观察资金的进出能够判断主力的方向？12月9日大盘发生了什么事 1314 | 1313 美军基地妖风不断：特种兵涉黑被杀、女兵惨死多人受罚 1315 | 1314 自主抗击，这一仗打得酣畅淋漓 1316 | 1315 中国影像方志︱叙永：木雕石刻暗藏边城密码 百年古祠述说联大春秋 1317 | 1316 秋月之美 1318 | 1317 最好的本泽马提升皇马 1319 | 1318 挺进东北：新四军师长黄克诚不顾惹怒上司，越级请求中央快速进兵 1320 | 1319 杨幂加盟《奇葩说》网友：她不配！结果第一期辩题就被打脸了 1321 | 1320 村上隆加入“DOU艺计划”分享艺术背后的故事 1322 | 1321 中华书局出版《说文解字教本》助普通人“易读、易教、易学” 1323 | 1322 今天，iOS 14.3 RC 版发布，正式版即将到来 1324 | 1323 四十首《琐窗寒》词作，值得品读！（四十之二十·下） 1325 | 1324 想和家人游遍中国 1326 | 1325 新华网评：永远铭记历史的警示 1327 | 1326 米兰大学研究称：意大利去年11月已有儿童感染新冠 1328 | 1327 “更香”淘宝特价版PK“真香”拼多多，却火了1688 1329 | 1328 信寄家我予国：抗美援朝战地家书纪实 1330 | 1329 体验生活中的数学 1331 | 1330 3500战士敌前潜伏19小时，看志愿军是怎样虎口拔牙的？ 1332 | 1331 维纳斯断臂才美《我的世界》那些故意被毁掉一部分的缺憾美神作 1333 | 1332 居里夫人：弱者坐失良机，强者制造时机 1334 | 1333 重启销售，新款捷豹F-Type动力更加出色 1335 | 1334 拜登儿子接受税务调查 1336 | 1335 50个城市四星级酒店二季度房价、出租率、RevPAR排行榜 1337 | 1336 北部战区陆军某边防旅：网上接待日贴心服务边防官兵 1338 | 1337 小米伸缩屏手机有啥特别？根据专利制作的渲染图曝光 1339 | 1338 忠顺王府逃走一个戏子，贾政为何害怕受牵连？曹雪芹：逃人法可怕 1340 | 1339 这张扶贫成绩单，很中国 1341 | 1340 种地都赔钱的她，竟然针线供女儿留学 1342 | 1341 一封写给未来的信 1343 | 1342 故事：圆寂90多年的俄罗斯高僧肉身不腐 1344 | 1343 本田全新“飞度兄弟车”实拍！前脸酷似思域，搭1.0T三缸+CVT 1345 | 1344 中国球员必须站起来了！大牌外援靠不上了，那个时代结束了 1346 | 1345 2020款凯迪拉克CT5评析：刚柔并济，动力十足 1347 | 1346 昔日顶配从6999到3599，华为的倔强？50倍变焦再战三年 1348 | 1347 如果手握25万，奥迪Q3、宝马X1，你会怎么选？ 1349 | 1348 张子枫古装被嘲？脸美不过网红博主的演技扛把子，求求别拼脸了！ 1350 | 1349 凯特真吃亏，就因为太孝顺戴安娜被卡米拉排斥，让梅根捡了大便宜 1351 | 1350 明年最重磅的五部国片！吴京再度出击，张艺谋悬疑大片也稳了 1352 | 1351 《钱钟书选唐诗》出版 1353 | 1352 “自动驾驶热”背后的冷思考 1354 | 1353 海报｜空军某试验训练基地：大漠神箭 砺剑空天 1355 | 1354 高建群：路遥的一些事情说出来是很复杂的 1356 | 1355 2020年10月份小型SUV销量排行完整版，你的爱车排多少呢 1357 | 1356 「新书推荐」长安街读书会第20201203期干部学习新书书单 1358 | 1357 超实用！手机丢了怎么办？ 1359 | 1358 200-21赛季湖人队15人大名单（詹姆斯、戴维斯等） 1360 | 1359 哪来的脸指责中国？他们该和澳士兵一起被送上审判台！ 1361 | 1360 网络安全周｜WiFi有风险 蹭网需谨慎 1362 | 1361 《国家宝藏3》：以“宝”鉴今，传递中国声音 1363 | 1362 抗美援朝珍贵文物背后的故事｜担架见证钢铁战士 1364 | 1363 曲江宴：唐朝最风光的宴会之一，连皇帝都喜欢 1365 | 1364 国信证券：半导体产业高景气 封测行业龙头迎来业绩弹性 1366 | 1365 10日机构强推买入 6股极度低估 1367 | 1366 苹果自动驾驶汽车部门人事变动 1368 | 1367 10-15万合资车怎么选？日系德系都有，这几款好开耐用还保值 1369 | 1368 不让中国说真话？中国漫画家：不好意思，那就给莫里森再来一张吧 1370 | 1369 一位被俘美军向志愿军女兵哭诉：他是偷车贼，只有志愿军把他当人 1371 | 1370 《聊斋志异》于十九世纪末传入法兰西 1372 | 1371 2021年，印度GDP将增长9.9%,成亚洲增长最快经济体？ 1373 | 1372 运用“四则运算法”严格组织生活制度 1374 | 1373 《霜降风抖念旧友》——高淦诗文选 1375 | 1374 “瑶池本是在人间，堪笑凡夫安学仙”-九寨沟旅游分享 1376 | 1375 世茂集团品牌与企划副总裁蒋玉华荣获2020年度金瓴奖“地产影响力人物” 1377 | 1376 纳瓦拉兄弟车型~小改款Navara皮卡车型曝光 1378 | 1377 “用什么勇立潮头，回馈伟大时代”——贵州大学学生分享《习近平与大学生朋友们》学习心得 1379 | 1378 姑父是个“父”字，姨夫却是个“夫”字，咋回事？专家给出了答案 1380 | 1379 投资混凝士搅拌站利润有多大 1381 | 1380 潜心典藏 乐在其中 1382 | 1381 楼市的方向已经明确，房价高但是不下跌是什么原因？五大误区存在 1383 | 1382 带着警卫员摘榆钱、挖野菜的平民元帅 1384 | 1383 鲁迅是否模仿芥川龙之介 1385 | 1384 探访徽墨制作技艺 1386 | 1385 国产7座中型SUV，吉利豪越豪华型，比起对手是否更适合家用 1387 | 1386 车长近4米8的豪车，标配2.0T+8AT，最大优惠后22万多 1388 | 1387 李稻葵：“十四五”开局之年关键 要打造三大经济新增长点 1389 | 1388 50万的宝马只要30多？只开了2年亏10多万，性价比如何？ 1390 | 1389 向他致敬！幕后的“枪王”要退伍了 1391 | 1390 杭州市成立军管会，对杭州实行军事管制 1392 | 1391 新车 | 概念车“量产”？长安UNI系列第二款新车曝光 1393 | 1392 人工智能的崛起与选举政治的末路 1394 | 1393 光影交错记录军人最美战斗姿态 1395 | 1394 光伏概念继续走强，珈伟新能大涨19% 1396 | 1395 蔡亚龙评《经略滇西》︱“军民”特殊建置与滇西内地化 1397 | 1396 世界级遗产广东桑园围的“前世今生” 1398 | 1397 奥迪新A4L更运动，宝马3系更舒适，给你30万买谁？ 1399 | 1398 孙占元：“不完成党交给我的任务，决不离开自己的岗位” 1400 | 1399 20个故事还原抗美援朝“隐形部队”，永远铭记 1401 | 1400 维和白皮书图解丨中国维和30年，为世界和平出征 1402 | 1401 1-8月电信业务收入、业务总量同比分别增3.1%和19.3% 1403 | 1402 2021款坦克300实车到店！黑色涂装获赞配雨量感应式雨刷 1404 | 1403 “处世之道”小议 1405 | 1404 高清组图｜太行秋色美如画 1406 | 1405 腾讯安全杜明灯：新基建加速金融监管科技升级2.0 1407 | 1406 爱马仕旗下中国奢侈品牌「上下」获8000万欧元增资 1408 | 1407 与魔鬼共舞的兵——北京总队执勤第十五支队官兵魔鬼周纪实 1409 | 1408 七个榜单拿下四项冠军！全球智能手机对决，国产机真的没有对手？ 1410 | 1409 保时捷718为何被誉为"撩妹神器"？它的动力表现对得起名气吗 1411 | 1410 宋徽宗的动物园 1412 | 1411 小摩警告特斯拉已被“严重高估” 传苹果与台积电合作开发自动驾驶芯片 1413 | 1412 《西游记》第六十七回提到了一回柿子，说得还挺详细的 1414 | 1413 全面理解和把握构建新发展格局的战略要义 1415 | 1414 门兴输球后观看国米比赛，确认晋级后队员疯狂庆祝 1416 | 1415 临商银行东岳支行认真做好存款保险知识宣传 1417 | 1416 带兵不能有急功近利思想 1418 | 1417 "简单武器"不简单：迫击炮武器中的新秀—车载自行迫击炮 1419 | 1418 河北邯郸著名的邺城三台，曾为曹操所建，因洪水侵袭如今仅剩遗址 1420 | 1419 68年了，我们依然铭记他的名字 1421 | 1420 动力强劲，操控性好，颜值高。走在街上回头率高！真要找缺点的话，城区油耗有点高车机反应不是很理想。倒车影像偶尔会出现卡顿… 1422 | 1421 新被装“初体验” 1423 | 1422 如何实现拓领域和提质量并举 1424 | 1423 讲个你不信的笑话：二战意军战斗素养高于苏军，还得到隆美尔赞扬 1425 | 1424 兰德眼中的中美核力量对比 1426 | 1425 古代服饰文化“知多少” 1427 | 1426 开战斗机的飞行员为什么要呼吸纯氧？ 1428 | 1427 俄罗斯举行战略核力量演习 1429 | 1428 今日收盘，主力资金净流出前50个股。 1430 | 1429 多队争夺同一名额，山东倒数第二，辽宁机会最大 1431 | 1430 广东最长的跨海木栈道，位于阳江海陵岛，犹如长龙在海面上飞舞 1432 | 1431 39岁部队行政副团两年，是降职转业到省直机关还是自主择业？ 1433 | 1432 革命到老学习到老的林伯渠 1434 | 1433 莫让“祖安文化”污染未成年人心灵 1435 | 1434 宣讲家文稿：何问西东：丝绸之路上的文明对话 1436 | 1435 新愚公移山记——花开太阳 1437 | 1436 【地评线】京彩好评：“品牌强国”乘势腾飞赢未来 1438 | 1437 社融规模超预期或助推市场震荡反弹 1439 | 1438 中信保诚基金管理有限公司 关于信诚沪深300指数分级 证券投资基金办理定期份额折算业务的公告 1440 | 1439 计算机网络基础知识总结 1441 | 1440 美军史学家讲述的“北极熊”团被志愿军歼灭记 无一车辆逃出 1442 | 1441 奋进“十三五”·绿色低碳成为企业发展鲜明底色 1443 | 1442 格库铁路，远离家乡的人又多了一条回家的路！ 1444 | 1443 不老的战歌——纪念中国人民志愿军抗美援朝出国作战70周年 1445 | 1444 给军马做这些套餐，你见过吗？ 1446 | 1445 年轻人的梦想车，新奥迪A4L全系配2.0T，卖的比帕萨特还好 1447 | 1446 太平人寿获评“年度最具投资 价值保险公司” 1448 | 1447 以色列为何是“极限节水”国家？以色列节水技术到底多厉害？ 1449 | 1448 金融板块或重回热点 1450 | 1449 韩国即日起提供新冠肺炎免费检查，无接触·无症状均可进行检查 1451 | 1450 琐语中秋 1452 | 1451 郭靖一生有两大错，一是要杀自己兄弟，二是错信一人造成武林大乱 1453 | 1452 英雄赞歌·纪念抗美援朝70周年 | 赵力合：“奇袭白虎团”英雄隐乡间 1454 | 1453 如何安全补救过半中国家庭正在做不合理的资产配置？ 1455 | 1454 关于玖富《多元退出通道》的一些个人看法 1456 | 1455 “夜老虎”今朝换“新牙” 1457 | 1456 这8座“美食之都”，为了吃也要去一趟 1458 | 1457 在遥远的家乡等你凯旋 1459 | 1458 对标宝马3系？全新捷尼赛思G70登陆国内，全系配2.0T 1460 | 1459 国乒大名单出炉！3位实力选手均入围，左手将丁宁终于迎来接班人 1461 | 1460 图160的发动机到底有多大？当人站上去才明白，什么叫巨无霸 1462 | 1461 59岁失去独女 60岁拼死生女 1463 | 1462 境内外产业企业充满期待 1464 | 1463 军情扫描：各国加快提升地理空间情报保障能力 1465 | 1464 一场突如其来的“血案”，揭开了法国混乱的本质 1466 | 1465 中国民协办展览为七十华诞庆生 1467 | 1466 古琴流传上千年，不创新何来《梅花三弄》《潇湘水云》 1468 | 1467 著名网红教授郑强，现场“秀书法”，功力超50%以上中书协会员 1469 | 1468 漫步查茨沃斯庄园 1470 | 1469 科技创新引领卫生健康事业长效发展 1471 | 1470 我想给大家讲一个悲伤的故事 1472 | 1471 “汽车下乡”别乱买，这些才是高品质、低价格，轿车、SUV都有 1473 | 1472 坝上冬景美如画 1474 | 1473 五十五载辉煌奋斗路 三次创业谱写新篇章 1475 | 1474 遇见美！G318国道沿途风景美不胜收 1476 | 1475 王海大队：敢打必胜，有我无敌 1477 | 1476 “90后”大国工匠李云鹤：一件事坚守一甲子 1478 | 1477 技术分析要点之三：量柱，融会贯通才能运筹帷幄 1479 | 1478 李丹婕｜求学问道师友间——《从学与追念》读后 1480 | 1479 新车 | 将后排完全“独立”！试驾上汽大通MAXUS G20 1481 | 1480 不可思议：用打字机作的画 1482 | 1481 大爱情怀陆善标的“梅花缘” 1483 | 1482 市场分化力量来自内部 1484 | 1483 东风风神奕炫，适合家用的国产轿车 1485 | 1484 铁娘子撒切尔偏心儿子，女儿：是个伟大首相，也是糟糕的母亲 1486 | 1485 华西证券给予长安汽车买入评级，自主合资产品周期持续向上 1487 | 1486 明知实力不行，伊拉克却频频叫板美国，谁给了萨达姆勇气？ 1488 | 1487 美国白宫新闻发言人麦肯纳尼抱着宝宝在白宫内欣赏圣诞音乐会。 1489 | 1488 俄罗斯最著名的十大博物馆，排名先后你来定！(上) 1490 | 1489 国防部强硬回应美对台新一波军售，“绿委”王定宇竟嚣张呛：干你X事 1491 | 1490 中国早期的文学史意识，了解一下 1492 | 1491 吴青峰：过去不想装成熟，现在也不会装年轻 1493 | 1492 年度热词“内循环”，对A股市场的投资启示 1494 | 1493 哥伦比亚两所实验室因出具虚假新冠病毒检测报告被关闭 1495 | 1494 真香！雪域孤岛边防连吃上火锅，表情亮了 1496 | 1495 杨过共有六位师傅，书中暗示一位被郭芙害死，一位被周伯通杀死 1497 | 1496 玛丽特朗普眼中的叔叔：我的家庭如何造就这世界最危险的男人 1498 | 1497 新赛季最贵二人组排名：詹眉组合列第四，哈登沃尔总薪水超八千万 1499 | 1498 通过杜甫感受中华文明精神特质——对话英国历史学家、制片人、作家迈克尔·伍德 1500 | 1499 “90后”焦虑经济之买网课：越努力越幸运？ 1501 | -------------------------------------------------------------------------------- /user_data/emoji2zh.json: -------------------------------------------------------------------------------- 1 | { 2 | "0⃣️": "零", 3 | "1⃣️": "一", 4 | "2⃣️": "二", 5 | "3⃣️": "三", 6 | "4⃣️": "四", 7 | "5⃣️": "五", 8 | "6⃣️": "六", 9 | "7⃣️": "七", 10 | "8⃣️": "八", 11 | "9⃣️": "九", 12 | "🐞": "瓢蟲", 13 | "🍸": "鸡尾酒", 14 | "🍷": "红酒", 15 | "📫": "信息", 16 | "📪": "商务", 17 | "📋": "剪贴板", 18 | "🇺🇸": "美国", 19 | "🚲": "交通", 20 | "👗": "衣服", 21 | "😆": "眯眼笑", 22 | "🕗": "八點鐘", 23 | "😷": "感冒", 24 | "🍴": "用餐", 25 | "🍔": "漢堡", 26 | "↩️": "向左回转", 27 | "🔃": "重新讀取", 28 | "🔁": "循环播放", 29 | "🔄": "列表循环", 30 | "♻️": "循環", 31 | "✳️": "星星符号", 32 | "♑️": "星座", 33 | "📳": "信息", 34 | "🚠": "交通", 35 | "💫": "心情", 36 | "🇬🇷": "希臘", 37 | "🕠": "五点半", 38 | "🎉": "拉炮", 39 | "🎈": "氣球", 40 | "🇸🇻": "萨尔瓦多共和国", 41 | "⁉️": "符號", 42 | "🙅": "不可", 43 | "☔️": "驟雨", 44 | "🌂": "天气", 45 | "📗": "商务", 46 | "👅": "舌头", 47 | "🍠": "番薯", 48 | "💽": "信息", 49 | "🐯": "虎", 50 | "💂": "卫兵", 51 | "🏁": "運動", 52 | "🔠": "大写字母", 53 | "👄": "嘴", 54 | "👂": "脸部器官", 55 | "🇹🇭": "泰國", 56 | "🍤": "炸虾", 57 | "☝️": "食指", 58 | "🍩": "甜甜圈", 59 | "🎀": "蝴蝶结", 60 | "🇧🇬": "玫瑰王國", 61 | "🌏": "亞洲", 62 | "💙": "藍心", 63 | "🚿": "洗澡", 64 | "⚓️": "渡輪", 65 | "🚩": "三角旗", 66 | "🍅": "水果", 67 | "🐣": "脱壳而出", 68 | "🌁": "雾霾", 69 | "📄": "资料", 70 | "📃": "文書", 71 | "🆙": "顶", 72 | "🐷": "猪头", 73 | "🎊": "碎花彩球", 74 | "🏆": "奪冠", 75 | "🚧": "施工", 76 | "🌎": "地球", 77 | "🎁": "礼物", 78 | "🐾": "掌印", 79 | "™️": "符號", 80 | "👎": "鄙视", 81 | "😒": "鄙视", 82 | "📝": "記錄", 83 | "🇲🇵": "北馬里亞納群島", 84 | "🈺": "營", 85 | "☺️": "笑脸", 86 | "😸": "高兴", 87 | "😄": "呵呵", 88 | "😁": "苦笑", 89 | "😃": "張嘴笑", 90 | "😊": "笑容", 91 | "🚇": "捷運", 92 | "⬇️": "符號", 93 | "🚔": "交通", 94 | "👮": "头像", 95 | "📈": "业绩上涨", 96 | "♐️": "星座", 97 | "🙉": "不聽", 98 | "📢": "扩音喇叭", 99 | "😭": "悲傷", 100 | "😢": "悲傷", 101 | "🌴": "棕榈树", 102 | "🌳": "樹", 103 | "🌲": "常青樹", 104 | "👏": "掌声", 105 | "🈚️": "符號", 106 | "🇲🇿": "莫桑比克", 107 | "⌛️": "计时", 108 | "⏳": "沙漏", 109 | "💌": "情書", 110 | "♌️": "星座", 111 | "🇸🇴": "索马里", 112 | "🎓": "毕业帽", 113 | "🛅": "儲放行李", 114 | "🚅": "和諧號", 115 | "🚄": "高铁", 116 | "📣": "大喇叭", 117 | "🐸": "动物表情", 118 | "🐹": "倉鼠臉", 119 | "👊": "打击", 120 | "🍱": "便当", 121 | "🎄": "聖誕節", 122 | "↪️": "右回转", 123 | "🕛": "十二点", 124 | "🕚": "十一点", 125 | "🕙": "十點鐘", 126 | "🕘": "九点", 127 | "🕖": "七点钟", 128 | "🕕": "六點鐘", 129 | "🕔": "五點鐘", 130 | "🕓": "四点钟", 131 | "🕒": "三點鐘", 132 | "🕑": "两点", 133 | "🕐": "一点", 134 | "⌚️": "手錶", 135 | "➕": "符號", 136 | "🔱": "符號", 137 | "⚡️": "标志", 138 | "☕️": "热饮", 139 | "🙇": "道歉", 140 | "😇": "純潔", 141 | "🙏": "懇求", 142 | "⛳️": "高爾夫球", 143 | "📷": "信息", 144 | "🇩🇰": "丹麥", 145 | "🐻": "熊脸", 146 | "👨": "父亲", 147 | "🍏": "水果", 148 | "🍎": "水果", 149 | "🐴": "馬", 150 | "🐎": "馬", 151 | "🇬🇦": "加蓬", 152 | "💔": "伤心", 153 | "🇨🇼": "庫拉索", 154 | "📒": "帐本", 155 | "🔀": "随机播放", 156 | "🎋": "七夕节", 157 | "🎾": "運動", 158 | "🌟": "天文", 159 | "🇹🇬": "多哥", 160 | "🐗": "猪头", 161 | "👭": "牽手", 162 | "👬": "兄弟", 163 | "👫": "情侣", 164 | "💢": "氣憤", 165 | "🔗": "连结", 166 | "©": "符號", 167 | "🎹": "音乐键盘", 168 | "🇧🇴": "玻利维亚", 169 | "🆓": "符號", 170 | "🌉": "自然", 171 | "🎭": "角色", 172 | "🎇": "慶祝", 173 | "🎆": "慶祝", 174 | "❗️": "驚嘆", 175 | "❕": "驚嘆", 176 | "🔫": "枪械", 177 | "🍥": "牛耳餅", 178 | "📔": "笔记本", 179 | "📓": "笔记本", 180 | "👨‍👩‍👦‍👦": "雙龍之家", 181 | "🕜": "一點半", 182 | "🔑": "钥匙", 183 | "👐": "沒辦法", 184 | "📖": "打開的書本", 185 | "📎": "迴紋針", 186 | "💡": "電燈", 187 | "🎢": "过山车", 188 | "🚓": "交通", 189 | "🚖": "交通", 190 | "🚕": "交通", 191 | "◀️": "上一个", 192 | "▶️": "向右", 193 | "🏀": "運動", 194 | "🚒": "交通", 195 | "🏬": "百货公司", 196 | "👒": "仕女帽", 197 | "🎩": "服装", 198 | "✌️": "剪刀", 199 | "🎬": "活动", 200 | "🎦": "影院", 201 | "👩": "女人", 202 | "🙈": "看不見", 203 | "♈️": "星座", 204 | "🔰": "符號", 205 | "👍": "顶呱呱", 206 | "📘": "藍色書本", 207 | "😎": "墨鏡", 208 | "🐺": "狼臉", 209 | "👿": "惡魔", 210 | "🚃": "交通", 211 | "🌅": "自然", 212 | "🌄": "山間日出", 213 | "🚙": "交通", 214 | "✉️": "邮件", 215 | "🇹🇳": "突尼斯", 216 | "🆕": "符號", 217 | "🇬🇧": "大不列顛", 218 | "㊗️": "祝福", 219 | "❇️": "米字符號", 220 | "🎑": "中秋節", 221 | "🎏": "男孩节", 222 | "🎎": "结婚", 223 | "🏮": "居酒屋灯笼", 224 | "🎐": "慶祝", 225 | "🎅": "慶祝", 226 | "🎃": "南瓜灯", 227 | "🎂": "生日蛋糕", 228 | "✨": "閃亮", 229 | "💆": "按摩", 230 | "👤": "个人", 231 | "💗": "紧张", 232 | "💦": "辛苦", 233 | "🇲🇶": "马提尼克", 234 | "🎰": "吃角子老虎", 235 | "🎮": "打游戏", 236 | "♉️": "星座", 237 | "☑️": "确定", 238 | "👠": "女鞋", 239 | "👟": "運動鞋", 240 | "🚵": "骑车登山", 241 | "🔧": "扳手", 242 | "♿️": "残障人士", 243 | "🇳🇬": "非洲雄鷹", 244 | "💐": "鮮花", 245 | "🛂": "通关检查", 246 | "💃": "角色", 247 | "🍼": "餵奶", 248 | "🇲🇩": "摩爾多瓦", 249 | "🚈": "輕軌電車", 250 | "🆚": "符號", 251 | "📕": "紅色書本", 252 | "😱": "害怕", 253 | "🇵🇹": "葡萄牙", 254 | "🈯️": "符號", 255 | "🅿️": "停車場", 256 | "🉑": "符號", 257 | "😝": "閉眼", 258 | "😕": "撇嘴", 259 | "🙀": "猫脸", 260 | "😿": "伤心", 261 | "😾": "無視", 262 | "😽": "親一口", 263 | "😼": "不怀好意", 264 | "😻": "著迷", 265 | "😺": "驚訝", 266 | "😹": "笑不可抑", 267 | "😶": "無口", 268 | "😵": "眼冒金星", 269 | "😫": "難過", 270 | "😩": "厭倦", 271 | "😤": "得意", 272 | "😋": "吐舌頭", 273 | "😅": "冒冷汗", 274 | "😳": "害臊", 275 | "😲": "吃惊", 276 | "😰": "冒冷汗", 277 | "😪": "睡覺", 278 | "😨": "害怕", 279 | "😥": "失望", 280 | "😣": "着急", 281 | "😈": "惡魔", 282 | "😡": "氣憤", 283 | "😠": "氣憤", 284 | "😞": "不開心", 285 | "😖": "疑问", 286 | "😔": "不開心", 287 | "😓": "紧张", 288 | "😏": "嘴角上揚", 289 | "😚": "親吻", 290 | "😘": "傳情", 291 | "😍": "爱", 292 | "😐": "淡漠", 293 | "😌": "放鬆", 294 | "😜": "鬼脸", 295 | "😂": "笑不可抑", 296 | "😉": "轻松", 297 | "🈸": "符號", 298 | "🚎": "丁丁", 299 | "🚐": "小巴士", 300 | "🚍": "交通", 301 | "🚌": "交通工具", 302 | "🙌": "停止", 303 | "✊": "石頭", 304 | "👌": "確認手勢", 305 | "👋": "拜拜", 306 | "👉": "向右", 307 | "👈": "左邊", 308 | "👇": "向下手势", 309 | "👆": "向上手势", 310 | "✋": "不行", 311 | "⛔️": "禁止进入", 312 | "🐚": "海贝", 313 | "💬": "心情", 314 | "⏪": "向左符号", 315 | "📹": "录像", 316 | "🇩🇯": "吉布提", 317 | "🙊": "不说", 318 | "🔝": "符號", 319 | "✈️": "航空", 320 | "✒️": "钢笔", 321 | "🇰🇿": "哈薩克", 322 | "🇸🇹": "圣多美和普林西比", 323 | "💊": "胶囊", 324 | "💉": "醫療", 325 | "↙️": "左下箭頭", 326 | "↘️": "右下箭頭", 327 | "↗️": "右上箭头", 328 | "↖️": "左上箭头", 329 | "⬆️": "符號", 330 | "⬅️": "符號", 331 | "➡️": "符號", 332 | "♋️": "星座", 333 | "❌": "拒绝", 334 | "👨‍👩‍👧‍👦": "家有兒女", 335 | "💈": "理发店", 336 | "💇": "剪发", 337 | "🎴": "花札牌", 338 | "🃏": "小丑", 339 | "⛽️": "休息区", 340 | "🏂": "滑雪板", 341 | "🚘": "車", 342 | "🚗": "車", 343 | "🏤": "欧洲邮局", 344 | "👱": "金发男子", 345 | "💞": "旋轉的心形", 346 | "🚽": "廁所", 347 | "💝": "愛心禮物", 348 | "🇮🇹": "義大利國旗", 349 | "📼": "录像带", 350 | "®": "符號", 351 | "🐰": "兔子脸", 352 | "🔔": "響鈴", 353 | "📠": "信息", 354 | "🍀": "幸運草", 355 | "📜": "商务", 356 | "🇹🇻": "图瓦卢", 357 | "🚟": "交通", 358 | "🍄": "蘑菇", 359 | "📴": "手機關機", 360 | "💨": "心情", 361 | "🏡": "木屋", 362 | "🏠": "住宅樓", 363 | "🌝": "月亮", 364 | "🌕": "天文", 365 | "⛺️": "帐蓬", 366 | "🍶": "清酒", 367 | "📯": "號角", 368 | "🌰": "板栗", 369 | "💸": "金钱", 370 | "🏉": "橄榄球", 371 | "🏇": "運動", 372 | "🎣": "钓鱼场", 373 | "🏈": "橄榄球", 374 | "🏄": "沖浪", 375 | "🏃": "赛跑", 376 | "🎿": "滑雪", 377 | "🎽": "網球衫", 378 | "⚾️": "運動", 379 | "⚽️": "足球", 380 | "🏊": "游泳", 381 | "🌈": "自然", 382 | "⏫": "上傳", 383 | "🎥": "放映", 384 | "🍻": "啤酒杯", 385 | "🍺": "啤酒杯", 386 | "🍵": "綠茶", 387 | "🍹": "熱帶飲品", 388 | "🈳": "符號", 389 | "🇫🇷": "法国", 390 | "🚤": "交通", 391 | "🐮": "牛", 392 | "🇵🇭": "菲律賓", 393 | "📺": "電視", 394 | "🇯🇲": "牙買加", 395 | "🇱🇮": "列支敦士登", 396 | "🇷🇪": "留尼旺島", 397 | "🐛": "虫子", 398 | "👧": "女孩", 399 | "🎷": "薩克斯", 400 | "♣️": "草花", 401 | "💻": "信息", 402 | "🐘": "動物", 403 | "🚶": "交通", 404 | "🇱🇦": "老挝", 405 | "🐥": "小鸡", 406 | "🚫": "不得入内", 407 | "🈲": "符號", 408 | "🍝": "義大利麵", 409 | "♨️": "泡汤", 410 | "🐃": "牛", 411 | "🌼": "羣花", 412 | "👡": "凉鞋", 413 | "🔞": "少儿不宜", 414 | "📦": "纸箱", 415 | "📞": "听筒", 416 | "💑": "戀人", 417 | "🈴": "符號", 418 | "🇳🇦": "納米比亞", 419 | "🇱🇸": "莱索托", 420 | "📡": "衛星天線", 421 | "👥": "雙人", 422 | "🍈": "水果", 423 | "👔": "衣服", 424 | "🚴": "山地车", 425 | "🎨": "藝術", 426 | "🔪": "水果刀", 427 | "➿": "雙彎曲線", 428 | "💭": "思考", 429 | "🅾️": "血型", 430 | "🆎": "血型", 431 | "🅱️": "血型", 432 | "🅰️": "血型", 433 | "♦️": "方块", 434 | "♥️": "紅心", 435 | "♠️": "黑桃", 436 | "⚠️": "警示", 437 | "🛄": "行李通查", 438 | "🛃": "行李檢查", 439 | "🚸": "注意儿童", 440 | "📵": "禁用手機", 441 | "🚷": "禁止行人", 442 | "🚳": "禁行單車", 443 | "🚱": "禁止飲水", 444 | "🚯": "請勿亂扔", 445 | "🚰": "飲水區", 446 | "🚮": "垃圾桶", 447 | "🚬": "吸烟", 448 | "🚾": "廁所", 449 | "🚭": "禁止吸烟", 450 | "🚼": "寶寶", 451 | "🚻": "衛生間", 452 | "🚺": "女士", 453 | "🚹": "男性", 454 | "✅": "允許", 455 | "📉": "業績下滑", 456 | "🍜": "蒸碗", 457 | "🇩🇿": "阿尔及利亚", 458 | "🐬": "動物", 459 | "🌔": "天文", 460 | "↕️": "符號", 461 | "🍨": "冰激凌", 462 | "🍦": "冰激凌", 463 | "🎤": "音樂", 464 | "❔": "疑问", 465 | "❓": "疑问", 466 | "🙆": "准許", 467 | "🐠": "魚", 468 | "🚊": "交通", 469 | "🇦🇹": "音樂之邦", 470 | "🔘": "单选按钮", 471 | "👚": "服装", 472 | "👕": "休閒裝", 473 | "🚝": "磁悬浮列车", 474 | "🇬🇮": "直布罗陀", 475 | "☁️": "阴天", 476 | "💰": "金钱", 477 | "👹": "怪物", 478 | "🔨": "錘子", 479 | "🇳🇱": "荷兰", 480 | "🇹🇹": "特立尼达和多巴哥", 481 | "🇬🇾": "圭亚那", 482 | "🇳🇨": "新喀里多尼亚", 483 | "🍋": "水果", 484 | "🈶️": "有", 485 | "👩‍👩‍👧‍👧": "一家四口", 486 | "👩‍👩‍👦‍👦": "一家四口", 487 | "👩‍👩‍👧‍👦": "一家四口", 488 | "👨‍👨‍👧‍👧": "一家四口", 489 | "👨‍👨‍👦‍👦": "一家四口", 490 | "👨‍👨‍👧‍👦": "一家四口", 491 | "👨‍👩‍👧‍👧": "雙鳳之家", 492 | "🐢": "乌龟", 493 | "🈷️": "符號", 494 | "🇸🇰": "斯洛伐克", 495 | "🌋": "自然", 496 | "🇦🇼": "阿鲁巴", 497 | "🐔": "母雞", 498 | "⛵️": "帆船", 499 | "📻": "聽廣播", 500 | "💺": "交通", 501 | "👦": "男孩", 502 | "🐧": "動物", 503 | "🇰🇾": "開曼群島", 504 | "ℹ️": "符號", 505 | "💄": "活动", 506 | "👴": "祖父", 507 | "🇪🇹": "埃塞俄比亚", 508 | "📭": "没有来信", 509 | "📬": "商务", 510 | "📮": "郵筒", 511 | "🎫": "票据", 512 | "📶": "信号", 513 | "⛅️": "阴天", 514 | "🇧🇯": "油棕之国", 515 | "🇬🇺": "關島", 516 | "🎯": "直接命中", 517 | "📩": "發送郵件", 518 | "🇬🇪": "喬治亞共和國", 519 | "👞": "皮鞋", 520 | "🕦": "十一點半", 521 | "📥": "商务", 522 | "📚": "书本", 523 | "🍙": "飯糰", 524 | "📑": "書籤標籤", 525 | "🔖": "書簽", 526 | "🔓": "解鎖", 527 | "🔒": "上锁", 528 | "🔐": "安全", 529 | "🔏": "隱私", 530 | "🔎": "详情", 531 | "🔍": "查詢", 532 | "🔋": "電池", 533 | "🔌": "電插頭", 534 | "✂️": "剪刀", 535 | "🔭": "望远镜", 536 | "🔬": "显微镜", 537 | "🔩": "螺栓套件", 538 | "🔦": "手电筒", 539 | "⏩": "向右符号", 540 | "🇳🇿": "新西兰", 541 | "🔥": "點燃", 542 | "🚦": "交通燈", 543 | "🚥": "交通燈", 544 | "🍊": "水果", 545 | "👩‍👩‍👧": "一家三口", 546 | "👩‍👩‍👦": "一家三口", 547 | "👨‍👨‍👧": "一家三口", 548 | "👨‍👨‍👦": "一家三口", 549 | "👨‍👩‍👧": "一家三口", 550 | "👨‍👩‍👦": "一索得男", 551 | "🎲": "骰子", 552 | "🐐": "羊", 553 | "🇺🇿": "烏茲别克", 554 | "⏰": "闹钟", 555 | "🎺": "音樂", 556 | "🙎": "淡漠", 557 | "🙍": "气馁", 558 | "🙋": "舉手", 559 | "💁": "服務員", 560 | "💀": "死亡", 561 | "👾": "怪獸", 562 | "👽": "外星人", 563 | "👼": "天使宝宝", 564 | "👻": "鬼脸", 565 | "👺": "妖怪", 566 | "👸": "公主", 567 | "👷": "施工", 568 | "👶": "寶寶", 569 | "👵": "老妇人", 570 | "👳": "包頭巾的男人", 571 | "👲": "雷鋒叔叔", 572 | "👰": "结婚", 573 | "👯": "头像", 574 | "🌱": "青苗", 575 | "♏️": "星座", 576 | "🕡": "六點半", 577 | "🇨🇫": "中非共和国", 578 | "🍇": "水果", 579 | "🇫🇯": "斐濟", 580 | "🇸🇮": "斯洛維尼亞", 581 | "🇨🇮": "科特迪瓦", 582 | "💜": "彩心", 583 | "🌌": "銀河系", 584 | "🇬🇵": "瓜地洛普", 585 | "📱": "手機", 586 | "🎍": "門松", 587 | "🍃": "叶子", 588 | "🍂": "落叶", 589 | "🍁": "楓葉", 590 | "🌿": "中药", 591 | "🌾": "稻穗", 592 | "🌽": "玉米穗", 593 | "🌺": "扶桑花", 594 | "🌹": "玫瑰", 595 | "🌸": "櫻花", 596 | "🌷": "郁金香", 597 | "🌵": "仙人掌", 598 | "🌻": "向日葵", 599 | "🇻🇨": "聖文森", 600 | "💍": "首飾", 601 | "🔡": "符號", 602 | "💟": "心形装饰", 603 | "🐵": "猴子脸", 604 | "‼️": "雙驚嘆號", 605 | "🚣": "交通", 606 | "💴": "金钱", 607 | "🇮🇶": "伊拉克", 608 | "👢": "服装", 609 | "🇮🇳": "印度", 610 | "🇫🇮": "芬兰", 611 | "🇮🇷": "伊朗", 612 | "💧": "心情", 613 | "🐦": "小鸟", 614 | "🚑": "交通", 615 | "💚": "彩心", 616 | "🍓": "水果", 617 | "🇯🇵": "櫻花之國", 618 | "🐼": "熊猫脸", 619 | "🐶": "狗", 620 | "➗": "符號", 621 | "〽️": "唱歌符號", 622 | "📆": "日历", 623 | "🕥": "十點半", 624 | "🇲🇷": "毛里塔尼亚", 625 | "🍕": "比萨", 626 | "🏧": "取款機", 627 | "🔛": "符號", 628 | "🍳": "烹飪", 629 | "🍲": "浓汤", 630 | "🍰": "草莓蛋糕", 631 | "🍯": "蜜罐", 632 | "🍮": "甜点", 633 | "🍭": "棒棒糖", 634 | "🍬": "糖果", 635 | "🍫": "巧克力", 636 | "🍪": "餅乾", 637 | "🍧": "刨冰", 638 | "🍣": "寿司", 639 | "🍢": "關東煮", 640 | "🍡": "丸子", 641 | "🍖": "骨頭肉", 642 | "🍟": "薯条", 643 | "🍞": "麵包", 644 | "🍚": "米飯", 645 | "🍘": "米果", 646 | "🍛": "咖喱飯", 647 | "🍗": "鸡腿", 648 | "🎠": "旋木", 649 | "🇪🇬": "埃及", 650 | "💷": "金钱", 651 | "💶": "金钱", 652 | "💵": "金钱", 653 | "💳": "金钱", 654 | "💲": "金钱", 655 | "🇨🇭": "瑞士", 656 | "💓": "爱", 657 | "🏨": "宾馆", 658 | "🚞": "交通", 659 | "🐙": "八爪鱼", 660 | "🇨🇳": "五星红旗", 661 | "📟": "呼機", 662 | "🇨🇲": "喀麥隆", 663 | "🇱🇾": "利比亚", 664 | "🔟": "符號", 665 | "🐫": "双蜂骆驼", 666 | "🐆": "動物", 667 | "🇧🇮": "蒲隆地", 668 | "🌐": "子午线", 669 | "🏣": "邮局", 670 | "⛪️": "结婚", 671 | "🚨": "交通", 672 | "🐈": "猫", 673 | "🐱": "猫", 674 | "🇰🇷": "韩国", 675 | "🆑": "符號", 676 | "🛁": "浴缸", 677 | "🎧": "音樂", 678 | "🌠": "彗星", 679 | "🇲🇸": "蒙特色拉特島", 680 | "🉐": "符號", 681 | "⛲️": "噴水池", 682 | "🐀": "動物", 683 | "🐭": "老鼠脸", 684 | "🐓": "公鸡", 685 | "㊙️": "秘方", 686 | "🐉": "青龍", 687 | "🐲": "龙脸", 688 | "✏️": "寫作", 689 | "🐤": "小鸡", 690 | "🐖": "猪", 691 | "🎼": "樂譜", 692 | "👃": "鼻子", 693 | "🇩🇲": "多米尼克", 694 | "🇱🇷": "利比里亚", 695 | "💪": "心情", 696 | "🇮🇩": "印度尼西亚", 697 | "🌀": "漩涡", 698 | "🚪": "門", 699 | "🐋": "鲸鱼", 700 | "🐳": "噴水鯨魚", 701 | "🇸🇽": "荷属圣马丁", 702 | "🇲🇻": "马尔代夫", 703 | "🐊": "鳄鱼", 704 | "🇵🇱": "波兰", 705 | "🎶": "音符", 706 | "🇰🇬": "吉爾吉斯", 707 | "🇹🇴": "東加", 708 | "🇸🇨": "塞席爾", 709 | "📰": "報紙", 710 | "🇫🇴": "法羅群島", 711 | "💘": "一箭穿心", 712 | "📙": "橘色書本", 713 | "🇧🇿": "貝里斯", 714 | "💩": "狗屎", 715 | "🍆": "水果", 716 | "💕": "心", 717 | "💤": "心情", 718 | "🇷🇺": "俄國國旗", 719 | "🕞": "三點半", 720 | "🇦🇬": "安地卡及巴布達", 721 | "💖": "心", 722 | "🇬🇩": "格瑞那達", 723 | "🇺🇬": "乌干达", 724 | "🌍": "歐洲非洲", 725 | "♓️": "星座", 726 | "🇳🇪": "沙中之国", 727 | "🆗": "符號", 728 | "🐪": "動物", 729 | "🚁": "交通", 730 | "🇸🇸": "南苏丹共和国", 731 | "🇳🇮": "尼加拉瓜", 732 | "🏥": "建筑", 733 | "🇲🇾": "馬來西亞", 734 | "🇦🇩": "安道尔共和国", 735 | "🐁": "小白鼠", 736 | "🇳🇺": "纽埃", 737 | "🇰🇪": "肯亞", 738 | "👣": "足迹", 739 | "🐏": "動物", 740 | "🈹": "让利", 741 | "🇳🇴": "挪威", 742 | "🔚": "符號", 743 | "🇷🇼": "盧安達", 744 | "🇱🇻": "拉脱維亞", 745 | "🍍": "水果", 746 | "🚢": "轮船", 747 | "🌃": "星空", 748 | "🎱": "台球", 749 | "🇵🇬": "巴布亚新几内亚", 750 | "🇹🇱": "东帝汶", 751 | "📨": "收件匣", 752 | "🇰🇮": "基里巴斯", 753 | "🇲🇰": "馬其頓", 754 | "💼": "公文包", 755 | "📍": "大頭釘", 756 | "👨‍❤️‍👨": "兄弟情深", 757 | "🌙": "月亮", 758 | "🇿🇦": "南非", 759 | "📲": "打电话", 760 | "🇸🇧": "所羅門群島", 761 | "👖": "牛仔裤", 762 | "🇨🇦": "楓葉之國", 763 | "🇾🇪": "也门", 764 | "🇧🇫": "布吉納法索", 765 | "🇧🇪": "比利时", 766 | "🔙": "退回", 767 | "🚉": "車站", 768 | "👓": "服装", 769 | "🇰🇭": "柬埔寨", 770 | "🏰": "欧洲城堡", 771 | "🇮🇪": "愛爾蘭", 772 | "🇲🇬": "馬達加斯加", 773 | "🇲🇱": "馬利", 774 | "🐕": "狗", 775 | "🐇": "兔子", 776 | "🐅": "老虎", 777 | "🐄": "牛", 778 | "🐂": "牛", 779 | "🐌": "蝸牛", 780 | "🐡": "動物", 781 | "🐟": "魚", 782 | "🐝": "動物", 783 | "🐜": "虫子", 784 | "🐍": "蛇", 785 | "🐩": "狮子狗", 786 | "🐨": "樹袋熊", 787 | "🐑": "綿羊", 788 | "🐽": "猪鼻", 789 | "🐒": "猴子", 790 | "♍️": "处女座", 791 | "👘": "服装", 792 | "🎒": "上学", 793 | "🇦🇲": "亚美尼亚", 794 | "🏢": "办公大楼", 795 | "⛎": "星座", 796 | "🇹🇯": "塔吉克", 797 | "🛀": "洗澡", 798 | "🌒": "天文", 799 | "👪": "家庭", 800 | "🇩🇪": "日耳曼戰車", 801 | "🇵🇪": "祕魯", 802 | "🇹🇨": "土克斯及開科斯群島", 803 | "➖": "符號", 804 | "🎻": "音樂", 805 | "🌘": "残月", 806 | "🇦🇪": "阿聯酋", 807 | "✴️": "符號", 808 | "💣": "心情", 809 | "💋": "親一口", 810 | "💏": "親吻", 811 | "📌": "商务", 812 | "🕟": "四點半", 813 | "🇼🇸": "萨摩亚群岛", 814 | "💎": "寶石", 815 | "🇰🇳": "聖克里斯多福及尼維斯", 816 | "⏬": "符號", 817 | "🏯": "日本城堡", 818 | "🏭": "工業區", 819 | "🏫": "学校", 820 | "🏪": "士多店", 821 | "🏩": "宾馆", 822 | "🏦": "銀行", 823 | "🇬🇶": "赤道几内亚", 824 | "🇨🇩": "刚果民主共和国", 825 | "🌖": "虧凸月", 826 | "❤️": "愛心", 827 | "❄️": "雪花", 828 | "⛄️": "雪人", 829 | "☀️": "太阳", 830 | "🇭🇹": "海地", 831 | "📅": "日历", 832 | "🎡": "摩天輪", 833 | "🇸🇲": "聖馬利諾", 834 | "🇷🇸": "塞尔维亚", 835 | "🇧🇦": "波斯尼亚", 836 | "🍌": "水果", 837 | "🇵🇷": "波多黎各", 838 | "⭕️": "符號", 839 | "💛": "彩心", 840 | "🇰🇵": "朝鮮", 841 | "♒️": "星座", 842 | "🇦🇺": "袋鼠国", 843 | "🇰🇲": "葛摩", 844 | "⭐️": "符號", 845 | "🇭🇰": "紫荊花旗", 846 | "🇦🇴": "安哥拉", 847 | "🇮🇸": "冰岛", 848 | "❎": "不允许", 849 | "🇳🇵": "尼泊爾", 850 | "🇲🇽": "高原雄鷹", 851 | "🇦🇱": "阿爾巴尼亞", 852 | "🆔": "身份", 853 | "🔣": "符號", 854 | "🔂": "單曲循環", 855 | "🇨🇷": "哥斯达黎加", 856 | "🚂": "交通", 857 | "👝": "服装", 858 | "➰": "彎曲線", 859 | "👀": "眼睛", 860 | "🇹🇷": "星月旗", 861 | "👩‍❤️‍👩": "闺蜜情谊", 862 | "💾": "軟盤", 863 | "📤": "發件箱托盤", 864 | "🇱🇺": "卢森堡", 865 | "👛": "服装", 866 | "☎️": "座機", 867 | "📧": "邮件", 868 | "🚜": "交通", 869 | "🇵🇦": "巴拿馬", 870 | "🕢": "七點半", 871 | "↔️": "符號", 872 | "🇱🇧": "黎巴嫩", 873 | "🇹🇿": "坦桑尼亚", 874 | "🇧🇸": "巴哈馬", 875 | "🇲🇴": "澳門", 876 | "🇸🇦": "沙特阿拉伯", 877 | "📂": "文件夹", 878 | "🚡": "交通", 879 | "💒": "婚礼", 880 | "🇭🇷": "克羅埃西亞", 881 | "🇿🇲": "尚比亞", 882 | "🔢": "数字", 883 | "🌆": "自然", 884 | "🚏": "交通", 885 | "🇨🇬": "剛果共和國", 886 | "✖️": "乘號", 887 | "🇸🇪": "瑞典", 888 | "🇧🇳": "文莱", 889 | "🆘": "求救", 890 | "🌇": "自然", 891 | "🆒": "符號", 892 | "📊": "長條圖", 893 | "🇵🇰": "巴基斯坦", 894 | "🍑": "水果", 895 | "⤵️": "转向后方", 896 | "🌊": "潮汐", 897 | "🇸🇬": "新加坡", 898 | "🇻🇬": "英屬維京群島", 899 | "🔤": "切换输入", 900 | "🇸🇷": "苏里南", 901 | "🇦🇷": "阿根廷", 902 | "📇": "索引卡", 903 | "📁": "文件夹", 904 | "🇵🇾": "巴拉圭", 905 | "🇪🇸": "西班牙国旗", 906 | "🇬🇲": "甘比亞", 907 | "🌜": "下弦月", 908 | "🌛": "上弦月", 909 | "🌚": "新月", 910 | "🌗": "下弦月", 911 | "🌓": "上弦月", 912 | "🌑": "新月", 913 | "🌞": "太阳", 914 | "🇩🇴": "多明尼加共和國", 915 | "🇸🇳": "塞内加尔", 916 | "📛": "名牌", 917 | "✔️": "符號", 918 | "🇻🇪": "委内瑞拉", 919 | "🇷🇴": "羅馬尼亞", 920 | "🇲🇦": "摩洛哥", 921 | "🇬🇳": "几内亚", 922 | "🇺🇦": "烏克蘭", 923 | "🇵🇼": "帛琉", 924 | "🇬🇹": "危地马拉", 925 | "🇲🇼": "马拉维", 926 | "〰": "波浪線", 927 | "🔽": "符號", 928 | "🔼": "符號", 929 | "🇨🇴": "哥倫比亞", 930 | "🚚": "貨車", 931 | "🇲🇲": "緬甸", 932 | "🇸🇩": "苏丹", 933 | "🇧🇩": "孟加拉", 934 | "🕤": "九點半", 935 | "🇸🇿": "史瓦濟蘭", 936 | "🔮": "符號", 937 | "Ⓜ️": "符號", 938 | "🍒": "水果", 939 | "🇦🇸": "美属萨摩亚", 940 | "🇲🇹": "馬爾他", 941 | "🇬🇭": "迦納", 942 | "🔜": "符號", 943 | "⤴️": "轉向前方", 944 | "🔯": "符號", 945 | "🈶": "符號", 946 | "🈵": "符號", 947 | "🆖": "符號", 948 | "🇪🇷": "厄立特里亚", 949 | "🇺🇾": "乌拉圭", 950 | "🇬🇫": "法屬圭亞那", 951 | "🇦🇫": "阿富汗", 952 | "📀": "光盘", 953 | "💿": "光盘", 954 | "🇨🇾": "塞浦路斯", 955 | "💱": "货币兑换", 956 | "🇧🇾": "白俄罗斯", 957 | "💅": "指甲油", 958 | "🗽": "自由女神", 959 | "🀄️": "麻将", 960 | "🎪": "馬戲團", 961 | "🇧🇧": "巴貝多", 962 | "🇱🇨": "圣卢西亚", 963 | "🇨🇰": "库克群岛", 964 | "🇭🇳": "洪都拉斯", 965 | "🇴🇲": "阿曼", 966 | "♊️": "双子座", 967 | "🇨🇺": "古巴", 968 | "🇹🇲": "土库曼斯坦", 969 | "🇦🇮": "安圭拉", 970 | "🇦🇿": "亞塞拜然", 971 | "🇨🇻": "佛得角", 972 | "🇻🇮": "美屬維京群島", 973 | "🇧🇭": "巴林", 974 | "🇧🇼": "波扎那", 975 | "🇧🇲": "百慕大", 976 | "🇮🇱": "以色列", 977 | "👜": "挎包", 978 | "💯": "满分", 979 | "🔊": "音量", 980 | "🇹🇫": "法屬南部領地", 981 | "📐": "三角尺", 982 | "📏": "直尺", 983 | "🇵🇸": "巴勒斯坦", 984 | "♎️": "天秤座", 985 | "🇻🇳": "越南", 986 | "🇿🇼": "津巴布韦", 987 | "🇧🇹": "不丹", 988 | "🎸": "音樂", 989 | "🎵": "音符", 990 | "🇧🇷": "桑巴舞者", 991 | "🇪🇪": "爱沙尼亚", 992 | "🇶🇦": "卡達", 993 | "🇻🇺": "瓦努阿图", 994 | "🇲🇳": "蒙古", 995 | "👑": "皇冠", 996 | "👙": "比基尼", 997 | "🕧": "十二點半", 998 | "🇬🇼": "幾內亞比索", 999 | "🇱🇰": "斯里兰卡", 1000 | "🍉": "水果", 1001 | "💥": "爆炸", 1002 | "🎳": "保齡球", 1003 | "👨‍❤️‍💋‍👨": "親吻", 1004 | "👩‍❤️‍💋‍👩": "親吻", 1005 | "🇯🇴": "約旦", 1006 | "🍐": "水果", 1007 | "🇪🇨": "厄瓜多尔", 1008 | "🚀": "火箭", 1009 | "🇸🇱": "塞拉利昂", 1010 | "🕣": "八點半", 1011 | "🕝": "两點半", 1012 | "🇨🇿": "捷克", 1013 | "🇱🇹": "立陶宛", 1014 | "🇰🇼": "科威特", 1015 | "🇸🇾": "叙利亚", 1016 | "🇲🇪": "黑山", 1017 | "🇭🇺": "匈牙利", 1018 | "🇨🇱": "智利" 1019 | } --------------------------------------------------------------------------------