2011-A Complex Network Analysis of Human Mobility


只保留较强的见面关系,圈子内部是不是就人人一样熟?

论文名片|Theus Hossmann、Thrasyvoulos Spyropoulos、Franck Legendre,A Complex Network Analysis of Human Mobility,2011 IEEE Conference on Computer Communications Workshops(INFOCOM WKSHPS),Network Science for Communication Networks(NetSciCom),2011,第 876–881 页。这是一项观察性的接触网络测量,不是转发实验。

两个人反复碰面,可能是同一间实验室的同事,也可能只是每天都经过同一个食堂。若把谁和谁见过收成一张网,常见直觉是:关系强的人抱成内部差不多一样熟的团,团和团之间才靠弱关系串起来。这个场景只帮助想象边权的差别,不是论文记下的某两个人。

Hossmann、Spyropoulos 和 Legendre 检查的是这个直觉的后半句。他们把四组移动记录收成一张加权接触图(weighted contact graph):节点是携带设备的人,边权同时计入见面次数和总时长。只保留较强的边时,网络仍然又密又短;加权图上也分得出社区。社区内部却仍然又疏又重尾,分布形态接近整张网,并不是一块人人一样熟的团。

先说结论

  • 只保留全部可能节点对中最强的 4% 时,达特茅斯、ETH、Gowalla、MIT 的聚类系数是 0.54、0.53、0.26 和 0.57。同密度随机图的期望聚类系数是 0.04。此时平均最短路径是 2.6、4.0、2.8 和 3.8 跳,分母是这个二值图里能够连通的节点对,不是地理距离。
  • 加权图上 Louvain 划分的模块度 Q,同一顺序为 0.84、0.81、0.7 和 0.52。随机划分的期望是 0。聚类高不等于模块度高:MIT 聚类高而 Q 最低,Gowalla 聚类最低而 Q 仍有 0.7。
  • 社区不是完全图。社区内部边权为正的比例,同一顺序是 0.65、0.47、0.13 和 0.92,分母是同一社区内的节点对。Gowalla 有 87% 的社区内节点对没有正边权。
  • 边权变异系数按同一顺序,全局为 3.4、2.7、7.2、2.5,社区内为 1.8、2.2、5.9、1.4,都高于指数分布的 1。社区内分布与全局形态相近。中位数通常社区更高,Gowalla 两边都是 0.24。
  • 边权按节点加总再除以节点数之后,分布更接近指数,而不是无标度网络的幂律度分布。论文据此质疑按度中心性选中继的常见理由,但没有测量送达时间。

四组见面记录,为什么不能当成同一种边?

这里的分析单位是接触图里的节点和节点对,不是一个人一天的坐标序列。论文把一次接触定义为两台设备处于彼此无线传输范围内、可以交换数据的一段时间。四组数据把这句话落实成不同的事件,后面的边不能当成同一种物理碰面。

数据 节点与场景 时段 记录方式 接触总次数 每设备接触次数
达特茅斯 DART 1,044,校园 17 周,2003-11-02 至 2004-02-28 接入点关联 4,200,000 4,000
苏黎世联邦理工 ETH 285,校园 近 15 周;正文印为 2006-10-25 至 2006-02-03 接入点关联 99,000 350
Gowalla 473,得克萨斯州 6 个月,2010 年 4 月至 9 月 自行签到 19,000 40
MIT 92,校园学生和职员 轨迹中的 3 个月,未给起止日 蓝牙扫描 81,961 890

每设备接触次数是总次数除以人数后的取整,分母是上表节点数。MIT 最清楚:81,961÷92≈890.9,表中记为 890。达特茅斯 4,200,000÷1,044≈4,023,表中记为 4,000。这四组数字来自表 I,不是受访者问卷人数。

人选也有门槛。达特茅斯保留平均每周至少 5 天有关联的设备,即 17 周里至少 5×17=85 天。ETH 用同一规则,论文写成至少 75 天。Gowalla 保留 6 个月内每周至少 5 天在得克萨斯州有签到的重度用户。MIT 没有写同样的活跃天数门槛,只说取了 92 名校园学生和职员的 3 个月。筛选前的校园总人数或 Gowalla 全部用户数,论文没有给出。

ETH 的日历本身对不齐:开始日印成 2006 年 10 月 25 日,结束日印成 2006 年 2 月 3 日,结束早于开始。近 15 周和 75 天是论文给出的筛选口径,不能靠这两个日期再核对一遍跨度。

场景也不一样。达特茅斯同时有学校和住所;ETH 的接入点不在住宅楼里,主要记下工作时段。Gowalla 由签到应用的性质,更多是外出和社交。MIT 最小,但论文认为工作、住所和休闲都有。作者判断,来源多样使结果更一般;这是判断,不是对某座城市人口的抽样检验。结果描述的是这些高频设备,不是每周只出现一两天的人。

边的含义差在定义上。达特茅斯和 ETH 把同一时间连到同一个接入点视为接触,并事先去掉短于 60 秒的断连,以及设备在相邻接入点之间来回跳。这是共址推断,不是直接测到的无线电链路。Gowalla 没有签退,同一地点相隔不到 1 小时的签到记为一次接触,时长一律假定为 1 小时。论文脚注说明,若每次接触时长都相同,这个小时数不改变后文的边权图,因此这组数据分不开见面次数和见面时长。MIT 是四组里唯一直接扫描接触的数据,蓝牙间隔 5 分钟,较短的碰面可能没有被记上。后文的强,是在这些定义下相对本数据集更频繁或更久,不是四组共用的分钟数。

一个边权,怎样同时记住次数和时长?

机会网络把每次见面当成传数据的机会。见面勤,转发机会多;见面久,一次能传的数据多。这两件事不是同一个数,而大多数网络指标只接受每对节点一个权重。

论文先给节点对 {i, j} 一个二维特征。见面次数 fᵢⱼ 和总时长 tᵢⱼ 各自减去本数据集的均值,再除以标准差:

zᵢⱼ = ((fᵢⱼ − f̄) / σ_f, (tᵢⱼ − t̄) / σ_t)

然后投影到次数和时长变异最大的方向,也就是二者 2×2 协方差矩阵里最大特征值对应的特征向量 v₁:

wᵢⱼ = v₁ᵀ zᵢⱼ + w₀

w₀ 取没有接触的那一对在同一方向上的投影,用来把边权平移成正数。wᵢⱼ 越大,表示这对人相对本数据集的其他人见面更频繁或更久。它是标准化之后的分数,不是分钟,也不是次数。各数据集分开标准化,达特茅斯的 0.74 和 Gowalla 的 0.24 不能当成同样的见面强度。同一数据集内部,全局和社区可以比。

整段记录被收成一张静态图,等于假定这段时间里的见面规律大致稳定。论文写明,有些轨迹并不平稳;实际做协议可以用滑动窗口,但本文的表和图都没有报告窗口结果。

取阈值之前,四张图都是连通的:任意两个节点之间都存在一条路径。边权为正的节点对占全部节点对的比例,正文写为达特茅斯 0.12、ETH 0.09、Gowalla 0.04、MIT 0.68。表 IV 的全局密度一栏里,ETH 是 0.10,其余三组与正文相同。两处都指 wᵢⱼ > 0 的比例。0.09 和 0.10 是印刷差异,下面不把其中一个改写成另一个。

只留最强的一小部分边,路为什么还短?

图 1 是达特茅斯接触图的一种布局。同色节点聚成大小不等的团,团与团之间有灰色连线。图注没有定义颜色,不能把颜色当成后文社区划分的图例,也不能从图上数出社区个数。它只说明这张图肉眼就不像均匀撒开的随机点。

完整原论文图1

图 1|达特茅斯的接触图,肉眼是否已经不像随机连边?

无字母子图。节点是设备,灰色线是接触关系,颜色没有图例。能看到成团,不能读出聚类系数、路径长度或模块度。来源:原论文 Fig. 1。

要比较四组数据,需要两个有明确分母的指标。节点 i 的聚类系数,是连着 i 的三角形个数除以连着 i 的三元组个数,范围从 0 到 1,表示邻居之间也相连的比例。全图聚类系数是各节点这个比例的平均。平均路径长度是最短路径的跳数,对所有能够连通的节点对取平均。

加权图上这两个指标的推广不容易解释。论文改为按边权从高到低保留,使二值图的密度固定在 1%、2%、3% 和 4%。这里的密度是保留下来的边占全部可能节点对的比例。这样做是为了在四组之间对齐保留比例,不是因为存在一个跨数据集通用的分钟阈值。论文把留下来的部分称为可预测骨架,把去掉的部分称为更随机、更难预测的接触;这一步依据他们此前的工作,本文没有另报预测准确率。能直接从本文读出的是:最强的那些边本身长什么样。

对照是边以固定概率独立出现的随机图,常称 Erdős–Rényi 图。这种图的聚类系数期望等于密度。论文举例,10% 的节点对相连时期望聚类系数是 0.1;按同一关系,4% 时期望是 0.04,1% 时期望是 0.01。10% 只是解释这个线性关系,不是他们使用的阈值。

数据 聚类 1% 聚类 2% 聚类 3% 聚类 4% 路径 1% 路径 2% 路径 3% 路径 4%
达特茅斯 0.71 0.63 0.57 0.54 7.4 3.7 2.9 2.6
ETH — 0.66 0.57 0.53 — 6.1 5.6 4.0
Gowalla 0.28 0.27 0.27 0.26 4.5 3.4 3.0 2.8
MIT — — 0.56 0.57 — — 4.6 3.8

空格表示该密度下没有巨大连通分量,论文不报告一个小数。先看 4% 这一列,因为四组在这里都有巨大连通分量。聚类系数 0.54、0.53、0.26、0.57,基线都是 0.04。达特茅斯的 0.54 是这个基线的 13.5 倍,Gowalla 的 0.26 是 6.5 倍。平均路径是 2.6、4.0、2.8、3.8 跳。论文没有给出同规模随机图的路径长度,所以短是相对数跳而言,不是相对一条随机图基线算出的倍数。

1% 时只有达特茅斯和 Gowalla 仍有巨大连通分量。达特茅斯聚类 0.71,基线 0.01,路径 7.4 跳;Gowalla 聚类 0.28,路径 4.5 跳。ETH 在 1%、MIT 在 1% 和 2% 都没有巨大连通分量。阈值从紧放到松,聚类略降、路径变短,但高于同密度随机图、路径只有数跳这个方向保持不变。强到什么程度才连得起来,四组并不一样。

Gowalla 的聚类明显更低,四个阈值都在 0.26 到 0.28。论文把它归到签到更多记录外出和社交,而工作场所和住所里的关系更容易传递。这是按数据场景作的解释,不是用社会关系标签做过的检验。

小世界在这里采用 Newman 的用法:路径短,这一点随机图也有;聚类高,表示关系倾向于传递。两个条件一起出现,才叫小世界。Chaintreau 等人此前用传染式转发数过中继跳数,强边和只偶然见面的弱边都算进去,说明短路径可以存在,但没有说明只靠反复出现的强边也能短,也没有报聚类。他们的网络大约小一个数量级,MIT 已是其中最大的一组。本文把比较推进到约 1,000 个节点的达特茅斯,以及地理范围更宽的得克萨斯州签到。它支持的是强边骨架上的小世界,不是消息已经测出能够很快送达。

社区分得很开,是否就是内部人人相连?

社区在这里指一组节点,组内连接强于组向外面的连接。高聚类不一定产生这种分组。论文脚注举了环形格子:每个节点连接左右各 K 个邻居,K 是不小于 2 的常数,不做随机重连时,聚类系数可以到 3/4,但没有社区。所以表 II 的高聚类还要另做一次划分。

论文在加权接触图上使用 Louvain 算法,再用 Newman 的模块度 Q 衡量划分质量:

Q = 1/(2m) Σᵢⱼ (wᵢⱼ − dᵢ dⱼ / (2m)) δ(cᵢ, cⱼ)

dᵢ 是节点 i 连出的边权之和,m 是全网边权总和的一半,δ 在两人属于同一社区时为 1,否则为 0。随机划分的期望 Q 是 0。Newman 在若干社交和生物网络里报告过高于 0.3 的模块度,论文拿它作参照,不是显著性阈值。

数据 社区数 Q
达特茅斯 23 0.84
ETH 21 0.81
Gowalla 29 0.7
MIT 6 0.52

四组都高于 0,也高于 0.3 这一参照,范围是 0.52 到 0.84。论文用谱聚类做了第二次划分,写明结果很接近,但没有给出另一套社区数或 Q。

聚类和模块度在这四组里并不同步。达特茅斯和 ETH 两边都高。MIT 在 3% 和 4% 密度下聚类系数为 0.56 和 0.57,Q 却最低,只有 0.52。Gowalla 聚类最低,Q 仍有 0.7,并分出 29 个社区。论文的解释是:外出签到不太构成三角形,人仍会落入较大的群。这个解释和两个指标的定义相容,论文没有地点类型或社会关系标签来核对这些群是同学、同事还是别的群体。

社区规模也不整齐。图 2 只画了 ETH 和 Gowalla。达特茅斯的直方图因篇幅没有画出,论文说形态相同:多数社区不超过 10 个节点,同时有少数很大的社区。MIT 只有 6 个社区,论文认为不够用来谈规模分布。有的社区达到 100 个节点以上,这句话覆盖论文所讨论的这几组;图 2 里能直接看到的是 Gowalla 横轴 100 以上有柱,ETH 最大的柱落在 100 左侧。

完整原论文图2

图 2|分出来的社区是差不多大,还是少数很大?

(a)ETH,横轴为社区人数,纵轴为社区个数,横轴画到 100,纵轴到 15。高柱靠在左端,80 到 100 之间还有一柱。(b)Gowalla,横轴画到 150,纵轴到 25。左端的柱最高,100 以上还有一柱。柱高没有逐柱标数,精确到个位的人数以论文文字为准:多数不超过 10 个节点。来源:原论文 Fig. 2。

大社区马上带出下一个问题。一百来个节点若真是人人一样熟,内部应接近一张权重均匀的完全图。下面的密度和分布拒绝这个图景。

圈子里面的强弱,为什么仍像整张网?

社区按定义内部更强,所以社区内边权的中位数应高于全部边权的中位数。分布重尾时,平均数容易被极强的几对拉开,论文因此使用中位数。边权仍是前面的标准化分数。

表 IV 有两套密度,分母不同。全局密度的分母是全部节点对:达特茅斯 0.12、ETH 0.10、Gowalla 0.04、MIT 0.68。社区密度的分母是同一社区内的节点对:0.65、0.47、0.13、0.92。MIT 最接近全连通,仍有 8% 的社区内节点对边权为 0。Gowalla 社区内部只有 13% 的节点对有正边权。被划进同一社区,不等于这两个人被记录为见过面。

统计量 范围 达特茅斯 ETH Gowalla MIT
密度 全局 0.12 0.10 0.04 0.68
密度 社区内 0.65 0.47 0.13 0.92
中位数 全局 0.02 0.16 0.24 0.1
中位数 社区内 0.74 0.34 0.24 0.94
变异系数 全局 3.4 2.7 7.2 2.5
变异系数 社区内 1.8 2.2 5.9 1.4
偏度 全局 8.7 5.8 33 7.3
偏度 社区内 5.1 4.5 21 4.5
峰度 全局 188 54 1431 105
峰度 社区内 72 34 607 44

中位数:达特茅斯社区内 0.74、全局 0.02;ETH 是 0.34 对 0.16;MIT 是 0.94 对 0.1。Gowalla 两边都是 0.24。论文概括说社区内中位数强得多。前三组符合,Gowalla 这一格不符合,不能把这句话套到每一格上。

变异系数大于 1,表示比指数分布更散;指数分布的变异系数是 1,偏度是 2,峰度是 9。四组边权的变异系数、偏度和峰度都高于这些参照,社区内也是如此,只是通常低于各自的全局值。Gowalla 的峰度尤其高,全局 1431、社区内 607。论文把更高的峰度读成分布更平、尾巴更厚。这些都是同一套标准化分数内部的形状比较,不是跨数据集的分钟差。

社区内边权是全部边权条目的子集,占条目数的 29%(达特茅斯)、59%(ETH)、42%(Gowalla)和 26%(MIT)。分母是边权条目个数,不是边权之和。它们也不是随机抽出的子集,而是必须落在同一社区内的那些对。因此,社区内分布和全局长得像,并不是抽样本身保证的。

图 3 把这个比较画成互补累积分布:纵轴是边权大于横轴数值的比例,坐标是双对数。黑色实线是全部节点对,红色虚线是社区内部。

完整原论文图3

图 3|社区内部的边权分布,只是整体分布的加强版吗?

(a)达特茅斯,横轴边权从 10⁻² 到 10²,纵轴从 10⁻⁵ 到 10⁰。(b)ETH,坐标范围与(a)相近。(c)Gowalla,横轴从 10⁻¹ 到 10³,纵轴从 10⁻⁴ 到 10⁰,曲线呈阶梯。(d)MIT,横轴从 10⁻² 到 10²,纵轴从 10⁻⁴ 到 10⁰。四组都是黑实线为全局、红虚线为社区内部。红线整体位于黑线右上方,社区内较强的边权更常见。Gowalla 更接近一条斜直线,论文认为像幂律;另外三组在大权重端下降更快,论文认为尾巴更薄,可能分两段或接近对数正态。图上没有拟合指数。来源:原论文 Fig. 3。

形态相似、位置不同:社区内通常更强,但强弱不均的方式仍像整张网。对转发的含义停留在讨论。找到目的地所在的社区还不够,社区里面仍要再找路。Gowalla 0.13 的社区密度把这件事说得很具体:同一标签下,大多数节点对甚至没有正边权。本文没有做社区内转发实验,没有送达率。

节点强度为什么更接近指数,而不是无标度?

一个人可以不和社区里的每个人都见面,但仍被分进这个社区。论文预期,他对社区同伴的平均边权会更高。

归一化全局强度等于该节点全部边权之和,除以全网节点数。归一化社区强度等于他连向本社区其他节点的边权之和,除以该社区的节点数。分母是节点个数,所以这是平均边权,不是朋友人数,也不是二值图里的度数。论文脚注说,边权之和有时称节点强度(node strength),用来和二值图的度数区分。后文说的度分布,指的是这个归一化强度。

统计量 范围 达特茅斯 ETH Gowalla MIT
中位数 全局 0.10 0.09 0.02 0.41
中位数 社区内 1.7 0.7 0.08 1.8
变异系数 全局 0.9 1.2 1.9 0.7
变异系数 社区内 0.9 1.5 3.5 0.7
偏度 全局 2.2 2.1 5.0 1.0
偏度 社区内 2.6 2.3 6.3 1.4
峰度 全局 11.5 9.0 37 4.2
峰度 社区内 15.1 9.1 52 6.4

四组的社区内中位数都高于全局,包括边权中位数没有升高的 Gowalla:0.08 对 0.02。一个人可以在最典型的单条边上并不更强,同时对社区同伴的平均边权仍然更高。群体成员身份和某一对关系的强度,是两个尺度。

变异系数全局为 0.9、1.2、1.9、0.7,社区内为 0.9、1.5、3.5、0.7。除 Gowalla 外,它们靠近指数分布的 1,也明显小于表 IV 边权的 2.5 到 7.2。偏度的指数参照是 2,峰度的参照是 9。ETH 最接近这组参照,全局峰度就是 9.0。Gowalla 的偏度 5.0 和 6.3、峰度 37 和 52,偏离很大。MIT 的峰度 4.2 和 6.4 低于 9。论文把除 Gowalla 以外的三组概括为接近指数分布;这个概括对达特茅斯和 ETH 更稳,对 MIT 主要来自变异系数和后面的图形,而不是峰度已经等于 9。

图 4 用纵轴取对数、横轴不取对数的坐标画互补累积分布。指数分布在这种坐标上接近直线,幂律则不会。插图使用同一批数值,只是把横轴收到更短的范围,避免主图里靠近零的那一段被压成一条竖线。

完整原论文图4

图 4|归一化强度是接近指数分布,还是接近无标度的幂律?

(a)达特茅斯,主图横轴到 20,纵轴从 10⁻⁴ 到 10⁰,插图横轴大约 0 到 1。(b)ETH,主图横轴到 30,纵轴从 10⁻³ 到 10⁰,插图大约 0 到 2。(c)Gowalla,主图横轴到 80,纵轴从 10⁻³ 到 10⁰,插图大约 0 到 1,尾巴最长。(d)MIT,主图横轴到 8,纵轴从 10⁻² 到 10⁰,插图大约 0 到 2。黑实线为全局,红虚线为社区内。达特茅斯和 ETH 的主图最接近直线,Gowalla 下降更慢。直线是视觉判断,加上表 V 的矩,不是正式的拟合检验。来源:原论文 Fig. 4。

度的异质性小于边权,而且不像无标度网络那种幂律度分布。许多按度中心性逐跳挑选中继的办法,理由来自无标度网络里的搜索。论文指出这个理由在这里不成立,并把它留作以后的定量问题。理由不足还不是实验结论:本文没有送达率,不能写成这种方法行不通。

全局和社区内的边权、强度在分布类型上相近。论文认为,两个尺度上也许可以用相近的路由策略,并暗示接触图可能像一些复杂网络那样跨尺度自相似。同一节写明,这种相似性还要再检验,也计划拿这些统计去对比合成移动模型。自相似和模型对比都不是本篇已经做出的结果。

这些比较能说到哪里?

可以比较有把握地说的是:在这四组记录、这套接触定义和整段时间汇总之下,最强的一小部分边同时具有高聚类和数跳的短路径;加权图的模块度高于随机划分,也高于论文引用的 0.3 参照;社区内部通常更强,但密度远不到处处相连,边权分布的重尾形态接近全局;归一化强度的异质性小于边权,形状更接近指数而不是幂律。

不能从这些图表推出的是:社区因为同学或同事关系才形成;高边权已经被证明可以事先预报,低边权一定是偶遇;某条路径上的消息要等多久;社区标签可以代替社区内部的寻路;四组边权的绝对值可以换算成同一套分钟。每周活跃不到筛选门槛的人、住宅里没有接入点的校园以外的生活,以及这四种记录方式以外的接触,都不在测量范围里。

已经做的稳健性,是 1% 到 4% 四个密度上的方向稳定,以及谱聚类与 Louvain 很接近这一句定性说明。没有数字的部分包括谱聚类的社区数、达特茅斯的社区规模直方图、滑动窗口,以及导航性和合成模型对比。ETH 正文密度 0.09 与表 IV 的 0.10 也不应被看成同一格印刷完全一致。

一句话总结

人与人的见面网在较强的边上已经是小世界,也分得出社区;社区却不是内部人人一样熟的团,它自己的边权和节点强度仍带着整张网那种不均匀。

核心来源

Theus Hossmann、Thrasyvoulos Spyropoulos、Franck Legendre,A Complex Network Analysis of Human Mobility,2011 IEEE Conference on Computer Communications Workshops(INFOCOM WKSHPS),Network Science for Communication Networks(NetSciCom),2011,第 876–881 页。图 1 至图 4、表 I 至表 V 均来自这一版正文。

作者介绍

  • Theus Hossmann:论文署名为苏黎世联邦理工学院通信系统组。他与另外两位作者一起,把无线接触收成加权图,并讨论这种结构对移动模型和机会网络的含义。同一组作者在参考文献中的 2010 年 Infocom 论文,讨论如何把接触映射成转发可用的社会图。
  • Thrasyvoulos Spyropoulos:论文署名为法国 EURECOM 的移动通信方向。论文没有另列职务。他参与的是同一项接触网络结构分析。
  • Franck Legendre:论文署名为苏黎世联邦理工学院通信系统组,与 Hossmann 同一署名单位。论文没有另列职务。

延伸思考

以下是 AI 基于论文结果所作的延伸,不属于原论文结论。

若一个移动模型先划社区,再把社区内部画成权重差不多的团,它会直接错过表 IV。社区密度只有 0.13 到 0.92,社区内边权的变异系数仍是 1.4 到 5.9,高于指数分布的 1。只把模块度调到 0.5 以上也过不了这关:MIT 聚类高而 Q 只有 0.52,Gowalla 聚类低而 Q 有 0.7。一个和本文相称的检验,是用模型生成接触后再画社区内与全局的互补累积分布,看红线是否仍在黑线右上方,同时尾巴还在。

另一个容易混的尺度是 Gowalla 的两个中位数。单条边权的中位数,全局和社区内都是 0.24;归一化社区强度的中位数却是 0.08,全局是 0.02,分母分别是社区人数和全网 473 人。同社区可以提高一个人对同伴的平均边权,却不一定提高最典型的那一条边。把同一社区当成这两个人见面很强,就把这两个尺度叠在了一起。再加上 ETH 和 MIT 在只保留最强 1% 节点对时没有巨大连通分量,强到哪一档才既可重复又仍连得通,也不能由小世界这个名称单独决定。


文章作者: 猴猴猴
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 猴猴猴 !
  目录