arxiv网络科学论文摘要7篇,arxiv网络科学论文摘要15篇

职业隔离的社会网络分析

社会网络中的并发方差估计与攻击检测/隔离:结构观察性、Kronecker乘积网络与卡方检测

系统图的收缩分析:在状态估计中的应用;

嵌入了对抗图的鲁棒类属框架

在社交网络上检测处理效果修饰

SOK :假新闻大爆炸2023 :可以停止病毒的感染吗?

通过API捕获Twitter数据:技术/法律视角

他们怎么发推文? 沙特阿拉伯推特的详细分析

Sockpuppet检查:电报案例分析;

DepressionNet :社交媒体上抑郁检测的新摘要强化深度框架;

在维基百科中建模集体期望和响应

基于渗流理论的避免疾病传播迁移策略: COVID-19;

根据罗森标准测量的聚变能收支平衡和增益方面的进展;

考虑关系的异构图表示学习

发现扩散过程背后随时间变化的社区状态的动态鹰过程;

编辑介绍:文字与网络的力量;

挫败感在多智能体符号网上集体决策动态过程中的作用;

从基础数据中发现知识-生命周期方法-使用多层网络

延迟意识和疲劳对传染病控制中自我隔离效应的影响;

职业隔离的社交网络分析原文标题: asocialnetworkanalysisofoccupationalsegregation

地址: http://arxiv.org/abs/2004.09293

作者: I. Sebastian Buhai,Marco J. van der Leij

摘要:我们提出了职业隔离与两个社会群体之间劳动力市场不平等的平衡互动模型。 这种模式完全是通过文献记载的倾向,指向具有相同“社会色彩”的非正式求职者而产生的。 推荐工作的预期社会色彩同质性为来自不同社会群体的个人提供了战略性的不同职业选择,这与可以观察到不同种族或性别劳动力市场差异的稳定的职业隔离均衡模型相一致,部分职业隔离均衡具有持续的工资和就业不平等。 通过校准和仿真练习支持定性分析,进一步表明第一和第二最优功利主义社会最优主义需要隔离,任何整合政策都需要明确分配关注点。 我们的框架强调,只有通过同质网络进行的社会交往,才能成为传播和持续存在性别和种族劳动力市场差距的重要渠道,并补充口味和统计歧视等长期研究机制。

社交网络中的并发方差估计与攻击检测/隔离:结构观察性、Kronecker乘积网络与卡方检测原文标题: simultaneousdistributedestimationandattackdetection/isolationinsocialnetworks:structural observability,Kronecker-Product Network,and Chi-Square Detector

地址: http://arxiv.org/abs/2105.10639

作者: Mohammadreza Doostmohammadian,Themistoklis Charalambous,Miadreza Shafie-khah,Nader Meskin,Usman A. Khan

摘要:当状态观测被无限支持的高斯噪声破坏,可能受到随机对抗时,考虑了线性系统的方差估计。 认为配备单时标估计器和本地卡端( chi ^ 2)检测器的传感器可以同时观察状态、共享信息,将噪声/攻击破坏的数据本地融合,自行检测可能的异常观察。 该方案适用于与满秩(可逆)矩阵相关的各种系统,但在社交网络中的方差推理语境下进行了讨论。 在以下意义上,提出的技术优于传统结果。 ( I )我们在不简化支持上限的情况下考虑了高斯噪声; ) ii )现有的基于chi ^ 2的技术都是集中式的,而我们提出的技术是分布式的,其中传感器local使用特定的概率阈值在没有中央协调器的情况下检测攻击。 ( iii )由于没有在传感器上建立本地可观察性假设,所以我们的方法可以用于大规模的社交网络。 另外,在适当的约束条件下设计了块对角增益(估计量)矩阵,为了隔离攻击,考虑了线性矩阵不等式) LMI )的方法。

系统图的收缩分析:在状态估计中的应用原文标题: analysisofcontractionsinsystemgraphs:applicationtostateestimation

地址: http://arxiv.org/abs/2105.10641

作者: Mohammadreza Doostmohammadian,Themistoklis Charalambous,Miadreza Shafie-khah,Hamid R. Rabiee,Usman A. Khan

摘要:可观察性和估计与系统结构密切相关,可以将其可视化为描绘系统图-状态变量中相互依存关系的图。 例如,在社会系统图中,这种相互依存关系表示不同个体的社会互动。 最近,收缩是图论中来自图论的重要概念,表明对系统的可观察性很重要。 这是因为,为了可观察性,各收缩中的状态测量是必要的。 因此,收缩的大小和数量对于恢复可观察性至关重要。 讨论了平均大小/收缩数与系统图的全局聚类系数( GCC )的相关性。 我们的经验估计,具有较高GCC的系统测量较少,如果测量失败,找到恢复系统可观察性的替代测量的选择也较少。 这很重要。 因为通过调整GCC,可以提高对社交网络和智能电网等大型工程网络的观察性。

嵌入对抗图的鲁棒通用框架原文标题: arobustandgeneralizedframeworkforadversarialgraphembedding

地址: http://arxiv.org/abs/2105.10651

作者:建心李,兴城福,Hao Peng,sen张王,Shijie Zhu,青云sun,Philip S. Yu,Lifang He

摘要:图的嵌入对图的挖掘任务很重要。 随着图表数据的实际应用,近年来提出了很多学习各种类型图表的高质量图表嵌入向量的方法。 然而,许多传统方法通常将从原始图表中随机选择负样本,从而无论噪声如何,都提高训练数据。 另外,这些方法大多只关注明示的图表结构,不能完全刻画各种关系和不对称性等边缘的复杂含义。 为了解决这些问题,我们提出了一个基于对抗网络生成的强大通用的对抗图嵌入框架。 受对抗网络生成的启发,我们提出了一个称为AGE的强大通用的对抗图嵌入框架。 AGE从隐式分布中作为增强的负样本生成伪邻居节点,允许分类器和生成器共同学习各节点的鲁棒性和广义表示。 基于这个框架,我们提出了三种模型来处理三种图表数据,并推导出相应的优化算法。 即,有向图的UG-AGE和DG-AGE,以及异构信息网络的合并。 广泛的实验表明,我们的方法在链路预测、节点分类、地图重构等多种地图挖掘任务上是一致的,并且优于现有的最新技术。

社交网络中的检测处理效果修饰原文标题: detectingtreatmenteffectmodifiersinsocialnetworks

地址: http://arxiv.org/abs/2105.10591

作者: Amir Gilad,Harsh Parikh,Babak Salimi,Sudeepa Roy

摘要:我们研究了社交网络中因果分析的疗效修饰语,其中邻居特征和网络结构可能影响单位结果,目标是利用这类网络属性识别具有不同疗效的子群体。 为此,我们提出了一个称为效果测试修饰符( TEEM )的新框架。 这基于网络的特征或者网络模式(例如,单位邻居的特征)通过测试关于复杂的效应限定符的假设来促进数据驱动决策,并且识别可能接受有效或者有害治疗的子组。 说明了考虑社会网络单位共变量、近邻共变量、模式的假设检验方法,结合因果推理、假设检验、图式论思想设计了检验假设效果修正量的算法。 利用实际开发经济学数据集进行了广泛的实验评价。 该数据集包含属于自助团体的金融支持网络抗风险能力的治疗效果,利用具有已知基础事实的合成数据集模拟疫苗效果试验,评价了实验结果框架和算法。

SOK :假新闻大爆炸2023 :可以停止病毒的感染吗? 原文标题: sok:fakenewsoutbreak 2023:canwestoptheviralspread

地址: http://arxiv.org/abs/2105.10671

作者: Tanveer Khan,Antonis Michalas,Adnan Akhunzada

摘要:社交网络的普适性和易用性彻底改变了当今世界信息的产生和传播。 但是,容易获得信息并不等于提高公众的知识水平。 与传统媒体渠道不同,社交网络促进了虚假信息和虚假信息的更快更广泛的传播。 虚假信息的病毒感染可能严重影响公众的行为、态度和信念,最终严重危害民主进程。 如何通过早期发现和控制广泛的传播来限制虚假信息的负面影响是当今研究者面临的主要课题。 为了尽早从现有文献中发现假新闻,本文广泛分析了各种解决方案。 更准确地说,为了识别和分类假消息、在线假消息检测竞赛、统计输出、可用数据集的优缺点,研究了机器学习( ML )模型。 最后,评价了可用于检测和缓解假新闻的在线Web陟览工具,提出了一些开放式的研究课题。

用API抓取Twitter数据:技术/法律观点原文标题: crawlingtwitterdatathroughapi:a technical/legal perspective

地址: http://arxiv.org/abs/2105.10724

作者: Shahab Saquib Sohail,Mohammad Muzammil Khan,Mohd Arsalan,Aslam Khan,Jamshed Siddiqui,Syed Hamid Hasan,M. Afshar Alam

摘要:网络媒体驱动的社交网络关系的流行在当今数字时代得到了证明。 这些挑战大多包括不断扩大的社交网络和社交网站各种平台产生的大量数据。 Facebook、Twitter、LinkedIn、Instagram等。 这些数据是用户的个人信息( PII ),可以在部分平台上公开使用,但其他用户为了特定的研究目的获得了一定的许可证并下载。 用户可访问的数据有助于为用户提供更好的推荐服务,但PII用于劫持用户,可能会严重损害利润。 因此,在向用户提供可以访问各种服务的PII时,维护用户的隐私很重要。 因此,提出一种在不损害用户隐私的情况下获得更好推荐服务的方法是一个迫切的问题。 本文建议使用相同的框架。 此外,还广泛讨论了如何通过Twitter API爬取和使用数据。 此外,重点介绍了在数据爬网时关于PII的各种安全性和法律观点。 本文提出的方法被认为将成为数据隐私领域未来研究的标准。

他们怎么发推文? 仔细分析沙特Twitter的原文标题: howtheytweetaninsightfulanalysisoftwitterhandlesofsaudiarabia

地址: http://arxiv.org/abs/2105.10736

作者: Mohammad Muzammil Khan,Shahab Saquib Sohail,Darakhshan Ishrat

摘要:社交网站的出现吸引了全世界众多用户,他们在多个平台上分享自己的感受、新闻、成就和个人想法。 COVID 19期间全球封锁引发的最近危机表明,这些在线社交平台是如何变得越来越强大,在社会四周到处疏远时成为人们联系的主要来源。 因此,就Twitter用户及其行为,就语言、推文频率、所属区域等进行了调查。 上述观察特别是针对沙特阿拉伯。 对王国的推特和推特手柄提出了常见的分析。 结果显示了一个有趣的事实,为进一步研究与中东相关的社会、政治和数据科学领域奠定了基础。

Sockpuppet检查:电报案例分析原文标题: sockpuppetdetection:atelegramcasestudy

地址: http://arxiv.org/abs/2105.10799

作者: Gabriele Pisciotta,Miriana Somenzi,Elisa Barisani,Giulio Rossetti

摘要:在线社交网络( OSN )中,用户经常创建多个账户,这些账户的发布似乎属于不同的人,但实际上是同一个人的假身份。 这些虚构人物可用于辱骂行为,如操纵意见、传播虚假新闻、打扰他人等。 在文献中,这个问题被称为Sockpuppet问题。 我们的工作集中在Telegram上。 它是一种广泛的即时消息传递APP,通常被有组织犯罪或恐怖主义的成员所利用,更常见的是,它因其知名度高而广为人知。

DepressionNet :社交媒体检测抑郁的新摘要扩展深度框架原文标题: depression net:anovelsummarizationboosteddeepframeworkfordepresion

地址: http://arxiv.org/abs/2105.10878

作者: Hamad Zogan,Imran Razzak,Shoaib Jameel,广东墟

摘要: Twitter是目前一个常见的在线社交媒体平台,可以共享用户生成的内容。 这样公开生成的用户数据对医疗技术也很重要。 这是因为发现的模型可以以各种方式带来巨大的好处。 应用之一是自动发现抑郁症等心理健康问题。 以前对自动检测在线社交媒体上不满情绪的研究在很大程度上依赖于用户行为及其语言模式,包括用户的社交互动。 其不利之处在于,这些模型由不相关的内容训练而成,这些内容在检测不满的用户方面可能并不重要。 另外,这些内容对整个模型的效率和有效性有负面影响。 为了克服现有自动抑郁检测方法的缺点,我们提出了一种新的自动抑郁检测计算框架。 该框架首先提取所有用户的推文序列,通过抽象的混合摘要策略选择相关内容,得到更细粒度和精细的信息。 相关内容。 然后,内容进入我们新的深度学习框架,该框架由包括卷积神经网络[CNN]和注意力增强门控循环单元[gru]模型的统一学习机制组成,优于现有的强标准

在维基百科中建模集体期望和响应的原文标题: modelingcollectiveanticipationandresponseonwikipedia

地址: http://arxiv.org/abs/2105.10900

作者: Ryota Kobayashi,Patrick Gildersleve,Takeaki Uno,Renaud Lambiotte

摘要:网络媒体流行的动力是由内因性传播机制和应对包括新闻和事件在内的外因性冲击驱动的。 但是,对于流行的时间模式,对与事件相关的信息(例如事件信息)的依赖性的理解很少。 引起持久活动的事件的类型。 这里提出了一个重要特征,即通过预期增长与集体注意力衰减和昼夜节律相结合来描述流行高峰周边动态的简单模型。 通过提出的模型,可以开发出预测未来页面浏览活动和聚类时间序列的新方法。 为了验证我们的方法,我们从维基百科上收集了一系列与计划中事件相关的页面,浏览了数据集。 这些活动是选举和体育活动等我们事先知道的将来日期已经确定的活动。 我们的方法在预测和聚类任务方面优于现有模型。 另外,仅在与协会足球相关的维基百科页面上,我们观察到事件的具体实现(如果我们球队获得了比赛或比赛类型)对事件后的响应动态有很大的影响。 我们的工作证明了恰当地建模集体注意的所有阶段的重要性,以及注意的时间模式和它们所表示的事件的特征基础信息之间的关联。

基于渗流理论的避免疾病传播迁移策略: COVID-19原标题: mobilitystrategiesbasedonpercolationtheorytoavoidthespreadofdiseases:co vid-19

地址: http://arxiv.org/abs/2105.10934

作者: Diana Rosales Herrera,J. E. Ramrez,Jorge Velzquez-Castro,Bogar Daz,M. I. Martnez,P. Vzquez Jurez,a

摘要:人的流动性是传染病传播的重要因素。 特别是,疾病的空间传播是人类活动的结果。 另一方面,基于移动性限制的控制策略通常不受欢迎,且成本高昂。 这些高昂的社会和经济成本使得设计成本最小化、效果最大化的全球协议至关重要。 这项工作计算疾病网络中扩散的渗透阈值。 特别是在墨西哥普埃布拉州,为了防止COVID-19在全球扩散,发现了需要与封闭道路的数量隔离的地区。 计算模拟表明,考虑了提出的策略,感染可以减少94%。 该方法可用于更广泛、更广泛的各个领域,以有助于卫生政策的设计。 -流行病学专家拉普罗维达斯德拉洛斯普罗斯是各地区普遍的因素。 大爆发儿子防治大爆发和流行病学流行病学与流行病学的关联。 美利坚合众国的德比和哥斯达黎加的特立尼达和多巴哥人的最佳策略。 En Este Trabajo,在演播中进行整体预算计算。 需要特别注意的是,在墨西哥Mexico的全球COVID-19和El Estado de Puebla全球宣传活动中,特别注意了当地的限制。 举办模拟竞赛的墨西哥国立军医大学、无拘束军备军、姆斯兰德研究小组和不受兵役国拘束的94%的实现者。 estametodolog‘iapuedeseraplicadaadistintaszonasparaayudaralaautoridadesdesaludenlatomadedecisiones。

基于罗森标准衡量的能源收支平衡与增益融合进展原文标题: progresstowardfusionenergybreakevenandgainasmeasuredagainsthelawsoncriterion

地址: http://arxiv.org/abs/2105.10954

作者: Samuel E. Wurzel,Scott C. Hsu

摘要:罗森标准是追求核聚变能量的重要概念,研究了燃料密度n、能量(约束时间tau与燃料温度t和核聚变等离子体的能量增益q相关联。 本文的目的是解释和回顾Lawson标准,提供一个达到广泛的历史和现代融合实验的参数汇编。 本文关注了罗森标准,这只是评估商业上可能的融合能源系统的进展和最终可能性的许多同等重要的因素之一的任何融合概念。 本文仅包括同行评审文献中公布的实验测量或推理值n、tau和t。 为了提取这些参数,研究了包括磁、惯性、磁惯性融合在内的不同融合方法所固有的方法。 本文旨在为聚变研究者提供参考,为所有其他关注聚变能的人提供指南。

考虑到关系的异种图表示学习原文的标题。 heterogeneousgraphrepresentationlearningwithrelationawareness

地址: http://arxiv.org/abs/2105.11122

作者: Le Yu,Leilei Sun,Bowen Du,川仁留,Weifeng Lv,惠星

摘要:异构图的表示学习旨在获得有意义的节点表示,以促进节点分类和链路预测等各种下游任务。 现有的杂合学习方法主要是遵循节点表示的传播机制来开发的。 在研究改善更细粒度的节点所显示的学习中的作用的关系方面的工作很少。 确实,共同学习关系的语义表达,针对不同的关系类型识别节点表达是很重要的。 因此,本文提出了一种新的关系感知异构图神经网络,即R-HGNN,考虑关系感知特性细化学习异构图上的节点表示。 具体来说,首先设计专用的图卷积组件,从关系固有的图中分别学习唯一的节点表现。 其次,为了改善不同关系的节点之间表达的交互,开发了关系消息传递模块。 然后通过分层学习关系表示来刻画关系语义,该语义用于指导节点表示学习过程。 此外,提出了语义融合模块,将关系感知节点表达聚合为具有被学习的关系表达的紧凑表达。 最后,我们对各种图表学习任务进行了广泛的实验,实验结果表明,在所有任务中,我们的方法总是优于现有的方法。

发现扩散过程背后随时间变化的社区状态的动态鹰过程原文标题: dynamichawkesprocessesfordiscoveringtime-evolving communities’statesbehindiffusies

地址: http://arxiv.org/abs/2105.11152

作者: Maya Okawa,Tomoharu Iwata,Yusuke Tanaka,Hiroyuki Toda,Takeshi Kurashima,Hisashi Kashima

摘要:传染病流行、社交网络、犯罪等一系列事件随处可见,这类事件的数据包含了关于地区、在线用户组等社区之间潜在传播过程的基本信息。 在许多APP应用中,如流行控制、病毒营销和预测警察,建模扩散过程和预测未来事件非常重要。 鹰进程提供了用于建模扩散过程的中心工具,过去事件的影响由触发器内核描述。 但是,假设启动内核的参数随着时间的推移是静态的,则此参数将决定每个社区如何受到过去事件的影响。 在现实世界中,传播过程不仅取决于过去的影响,还取决于社区现在(随时间变化)的状态,包括对疾病的认识和现在的利益。 本文提出了一种新的霍克过程模型,它刻画了扩散过程背后社区状态的基本动态,并能够基于动态预测事件的发生。 具体地说,对用混合神经网络对这些隐藏动态进行编码的潜在动态函数进行建模。 然后,使用潜在的动态函数及其积分设计触发器内核。 提出的方法被称为动态鹰过程( DHP ),提供了学习随时间变化的社区状态的复杂表示的灵活方法,同时可以计算正确的可能性,便于参数的学习。 在四个实际事件数据集上进行的大量实验表明,DHP优于五种广泛采用的事件预测方法。

编辑介绍:文本和网络力量原文标题: editorial introduction:thepowerofwordsandnetworks

地址: http://arxiv.org/abs/2105.11263

作者: A. Fronzetti Colladon,P. Gloor,D. F. Iezzi

摘要:根据弗洛伊德的说法,“单词本来是魔术,但今天,单词却保留了它古老的神奇力量”。 通过语言,可以改变行为,解决问题。 我们用语言阐明了我们的意图、目标和价值观。 新的文本分析工具有助于理解单词的魔法力量。 如果将其与社会网络研究相结合,即与社会单位之间的关系分析相结合,这种能力将成倍增加。 这本国际信息管理杂志的特刊是《社交网络分析与文本挖掘相结合:从理论到实践》,内容涉及文本挖掘和社交网络分析的异构和创新研究。 目的是丰富落后于理论、经验和方法论的这些领域的交汇点的工作。 本期特刊中收录的9篇文章都介绍了拥有业务APP的方法和工具。 在这篇社论的介绍中对它们进行了概述。

挫败感在多主体符号网上集体决策动态过程中的作用原文标题: theroleoffrustrationincollectivedecision-makingdynamicalprocessesonmultiagention

地址: http://arxiv.org/abs/2105.11396

作者: Angela Fontan,Claudio Altafini

摘要:该工作考虑了用具有s形非线性和带符号相互作用图的非线性互连动力学模型描述的主网络中的集体决策过程。 决策是在系统的平衡中编码的。 本文旨在研究这种多主体系统,当代表社区的签名图在结构上不均衡时,尤其是当我们改变其挫败感,即与结构平衡的距离时。 模型显示了分支,并已添加到模型中

社会努力“”参数表示主体之间相互作用的强度,因此在我们的分析中起着分支参数的作用。 我们发现,随着社会努力的增加,决策动态地表现出干草叉的分支行为。 在这种情况下,从

当无决定’’的僵局,即起源是唯一的全球稳定平衡点时,存在两种可能性,替代性地实现对社区的决策状态。 随着签署的网络受挫,克服分歧、做出决定的社会努力的价值正在提高。

从基础数据中发现知识-生命周期方法-使用多层网络原文标题: frombasedatatoknowledgediscovery-alifecycleapproach-usingmultilayernetworks

地址: http://arxiv.org/abs/2105.11410

作者: Abhishek Santra,Kanthi Komar,Sanjukta Bhowmick,Sharma Chakravarthy

摘要:用于估计或发现有意义的信息/知识的大而复杂的数据分析包括以下步骤。 (为数据收集、清理、分析准备数据)删除属性等) ) I )数据建模-建模和推导方法使用此方法分析的数据表示; ii )将分析目标转换为生成的模型的计算; 这可以仅是一次计算(例如,团体检测),也可以涉及一系列操作(例如,在基于模型的方式的多个网络上的成对团体检测)。 iii )计算产生的公式-效率和可扩展性体现在此,iv )详细分析结果以明确说明或理解。 此外,将结果可视化使其易懂也很有意义。 本文介绍的Covid-19可视化控制板就是一个例子。 本文介绍了生命周期中使用数据表示法分析数据的所有上述步骤。 这些表示对多个实体、多功能数据集和多层网络越来越重要。 我们用一些数据集建立了利用MLN建模的有效性,并利用提出的去耦方法对其进行了分析。 对覆盖范围采用不同类型的MLN进行建模,采用社区和集中度计算进行分析。 要使用的数据集-美国商业航空公司、IMDb、DBLP和Covid-19数据集。 通过使用确定步骤的实验分析,验证了建模、可计算目标范围和生命周期方法的整体多功能性。 在可能的情况下,利用可独立利用的地面真理验证结果的正确性。 为了保留结构和语义,演示该方法提供的深入查看,以便更好地理解和可视化结果。

延迟意识和疲劳对大爆发控制中自我隔离效应的影响原文标题: theeffectofdelayedawarenessandfatigueontheefficacyofself-isolationinepidemiccontrol

地址: http://arxiv.org/abs/2105.11413

作者: Giulia de Meijere,Vittoria Colizza,Eugenio Valdano,Claudio Castellano

摘要:隔离感染性个体是控制传染病公共卫生的重要措施。 但由于涉及日常生活的强烈干预,往往引起社会心理困扰,造成严重的经济和社会成本。 它们可能成为限制采取措施的机制,或限制对正在实施的措施的遵守。 此外,难以识别轻度症状和缺乏症状可能会影响对感染的认识,进而限制采用。 在此,研究了接触互联网上的大爆发模型,说明合规性的极限和对自我隔离的认知延迟、疲劳导致的过度终端行为。 通过该模型,可以推测各成分的作用,分析柔量和自我隔离时间的权衡。 流行阈值对有效依从性非常敏感,发现有效依从性结合了不完全依从性、延迟意识和疲劳影响。 如果在较短的隔离期内合规性得到改善,则存在最佳隔离期,且短于感染期。 然而,连通性模型的异质性和高度活跃的个人依赖性下降可能几乎完全抵消了自我隔离措施在控制大爆发方面的有效性。

声明: Arxiv文章摘要版权归论文原作者所有,机器翻译后由本人校对整理。 未经同意请不要擅自转载。 该系列将在公众号“网络科研快线”( netsci )和个人博客上同时更新。

动态分享

vivo s1 pro怎么开启4800万像素,vivos15pro带面部识别吗

2022-12-8 10:18:01

动态分享

2023年燃夜城市后,《赛博朋克 2077》全套设计资料解禁,干货7G多。

2022-12-8 10:20:03

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索