452→超越秩1：在多方面图中发现丰富的社区结构埃克塔·古杰拉·洛加州大学河滨egujr001@ucr.edu摘要拉夫迪普·帕斯里查加州大学河滨rpasr001@ucr.edu关键词加州大学河滨epapalex@cs.ucr.edu真实的多方面或多视图图中的社区是如何我们如何在一个高维、多方面的图中有效、简洁地总结和探索这些社区，而不丢失重要信息？最先进的研究集中在单个图中的模式，识别大型网络的单个快照中的结构或及时演变的图，并随着时间的推移将其缝合。然而，据我们所知，还没有一种方法可以通过联合利用来自各个方面的信息，从多方面图多方面/张量社区提取的最新技术仅限于在提取的社区中发现集团结构，甚至更糟的是，在不存在集团结构的地方强加集团结构在本文中，我们通过授权基于张量的方法从多方面图中提取丰富的社区结构来弥合这一差距。特别是，我们引入了cLL1，一种新的约束块项张量分解，它通常能够从多方面数据集中提取高于秩1但仍然可解释的结构。随后，我们提出了R I c H Com，一种社区结构提取和摘要算法，该算法利用cLL1来识别丰富的社区结构（例如，团、星、链等），同时利用图的不同方面之间的高阶相关性。我们的贡献是四方面的：（a）新的算法：我们去-velopcLL 1，一个从一般多方面数据中提取丰富和可解释结构的有效框架;（b）图形总结和探索：我们提供了RI chCoM，一个总结和编码方案，用于发现和探索cLL 1识别的社区结构;（c）多方面图形生成器：我们提供了一个简单有效的合成多方面图形生成器，（d）真实世界的效用：我们在小型和大型真实数据集上展示了经验结果，这些数据集的性能与现有最先进的数据集相当或更好。CCS概念• 计算方法因子分析;机器学习;正则化。作 者是一个很好的人。本文在知识共享署名4.0国际（CC-BY 4.0）许可下发布作者保留在其个人和公司网站上以适当的署名传播作品的权利WWW©2020 IW 3C 2（国际万维网大会委员会），在知识共享CC-BY 4.0许可下发布。ACM ISBN 978-1-4503-7023-3/20/04。https://doi.org/10.1145/3366423.3380129张量，块项分解，社团结构，多方面数据，图摘要ACM参考格式：书名/责任者：The most important aspects of the study/edited by J. 2020.超越1级：在多方面图中发现丰富的社区结构。在网络会议2020（WWW '20）的会议记录，2020年4月20日至24日，台北，台湾。ACM，美国纽约州纽约市，11页。https://doi.org/10.1145/3366423.33801291引言多方面图出现在各种应用中，如生物医学成像[18]，社交网络[24]，计算机视觉[43]，推荐系统[22]和通信网络[25]，并且通常使用高阶张量[20]进行成形。 这种多方面图的简单示例可以是三模式张量，其中由张量的正面切片表示的每个不同方面是不同通信手段下的社交网络的邻接矩阵。数据的每个这样的方面都是相同的潜在现象的印象，例如，社交网络中友谊的形成或社区随时间的演变。尽管已经有一个显着的重点是图挖掘和社区检测的单一图[11，26，42]，结合不同方面的图最近才受到关注[3，12，13，31]。事实上，考虑到图的所有方面，与“二维”对应物相比，已显示出更好的结果 我们在本文中解决的问题是：给定一个多方面的图，比如说，一个航空公司的空中交通网络，如欧洲-ATN [19]，我们如何有效地描述和总结其社区结构？本文的核心是寻找和可视化结构（例如，集团，连锁，明星等）通过张量分解的方法，在多方面/层图的社区，以便更好地了解他们的属性。据我们所知，最先进的[21]集中在并使用最小描述长度（MDL）原则提供图形原语论文[37]是[21]的进一步扩展，用于动态图和在时间演化场景中拼接时间模式这些方法[21，37]，即使它们提供了非常有价值的见解，但它们要么专注于单个图，要么在单个图中找到社区结构，然后随着时间的推移跟踪它们。我们提出了一种基于张量的方法。一种简单但可解释的CANDECOMP/PARAFAC张量分解[2，6，14]，又名CP（见Def.7）方法是众所周知的，并在文献中进行了研究。传统探索性张量分解（CP [2，6，14]和Tucker [40]）分析中的基本障碍是它可以发现的潜在结构的唯一形式是秩1。考虑一个453（）下一页∥ ∥∈（）下一页分解[10]：XRr=1 （Ar·BT）cr，其中Ar和Br具有WWW≈我多方面数据约束LL1分解结构检测与可视化C2：新颖有效的框架：我们引入了新的约束LL 1-张量分解cLL 1，并且还开发了交替优化和交替方向乘法器方法（AO-ADMM），该方法恢复了非负和稀疏因子。C3：真实世界效用：最后，所提出的分解方法能够通过使用恢复的因子经由RI cH Comon张量 我们提供R I c HComon合成和真实公共多方面数据集的定性分析，这些数据集由数千条边组成。实验证明，R I c H Compots在欧洲空中交通网络（ATN）数据中发现了有趣的结构，如“星”和“集团”（见图1）。2）。图1：RichCom的一个小例子：它分解了多个方面数据，并识别非重叠以及重叠的节点集，其形成子张量和结果结构，如团、二分、链、星等。被编码和可视化。时间演化或多方面图[13，31]，两者都可以表示为一组邻接矩阵，形成三阶张量X。 这些分解只能发现图中的秩为1的结构，这些结构转化为稠密的团;即使图中真正的底层结构不是团，而是一个星，CP也无法提取它，在最好的情况下，它会近似为近团，或者在最坏的情况下，它将无法识别它。 在信号处理文献中，存在块项分解[8][10][11][12][13][14][15]spromise;BTD的一种形式是（L，L，1）R复制：我们公开了我们的Python和MATLAB实现。此外，图和张量生成器以及我们用于评估的小尺寸数据集是也可以在同一个链接。2表1包含了本文中使用的符号在我们概念化我们的论文所处理的问题之前，我们定义了建立问题所必需的某些术语表1：符号及其说明表符号定义X是张量L列，并且基本上提取了前两个维度。在本文中，我们调整和扩展了这个不太知名的张量模型，块项分解-L，L，1（见定义。（10）为此。该模型具有“一般”多方面图探索的潜力请注意，本文并不关注数据中的社区检测，这超出了工作范围在这里，块项张量分解后，每个潜在的成分被认为是社区，我们专注于检测这些社区的结构。动机：RI cH Comis背后的动机是探索高维、多方面的图不可能手动完成。因此，这种图内的主要社区的提取和可视化是实现多方面图探索的重要工具，并且少数简单结构可以容易地理解，并且通常是有意义的。 图2是R I c HCom的说明性示例，其中提供欧盟空中交通网络的摘要的最“重要”子张量在语义上是有趣的。这里，重要性是基于第（4.2）节中解释的MDL方法计算的。 缓解现有AP的局限性，x列向量（粗体字母）x标量（斜体字母）矩阵X张量X的Frobenius范数的Xn模-n矩阵化张量X的R，L 秩，矩阵X的#分量•ucker模式1乘积tenmat（X，n）张量X在给定模n2.1基本定义定义1.两个维数向量a和b的外积I和J分别定义为：a=abT（1）它们的外积是I×J矩阵。定义2. 张量[20，32]：张量是矩阵的高阶广义化。一个N-m阶e2张量XRI1×I1 ···×IN是N个向量的外积，如等式2所示，X=a1<$a2···<$aN（2）基本上由N个变量索引，即 （a1，a2. . . ，aN）。外提出了cLL 1一种新的分解模型，向量（a，b，c）的乘积3模张量X可以写为x=约束块项分解-秩（L，L，1）来考虑a BC所有的指数值伊JK多方面图使用cLL 1，估计因子-我JK通过基于交替优化和交替乘法（AO-ADMM）和用于编码成本的RIcHComis的新算法来发现数据中的社区结构条目，我们的贡献可以总结为：C1：新的问题公式化：我们用公式化前使用如图1所示的新颖张量建模来探索和发现多方面图中的丰富结构。定义3. 秩-1一个N模张量是秩-1的，如果它可以严格分解为N个向量的外积。因此，当我们在重建完整张量时引入更多模式时，我们添加子张量的不同缩放。秩为1的3模张量可以1http://www.cs.ucr.edu/~egujr001/ucr/madlab/src/richcom.zip[2]请注意，文献（以及本文）可互换地使用上述术语以及“顺序”王空军X011001010101010101100010110101111100001011…T1编码T2TNN：社区次张量化···X矩阵（粗体字母）454+K◦ ◦∈（）下一页...如[]∈[] ∈（）下一页∈X轴的1···.（Ar·Br）cr（1汉莎瑞安航空芬兰航空NearClique明星派系KLM易捷航空奥林匹克航空明星附近二部链阿姆斯特丹机场维也纳国际机场Madrid–Barajas机场伦敦斯坦斯特德机场都柏林机场布鲁塞尔南部-沙勒罗瓦机场阿里坎特-埃尔切Airport国际机场Beyond Rank-1：Discovering Rich Community Structure in Multi-Aspect Graphs WWW图2：RichCom在欧盟航空公司数据集中发现有意义的结构，因为（a）我们显示了从多个因素中创建的邻接矩阵，显示RichComable的视图，以找到稳定的分解并检测各种结构，（b）主要航空公司（例如KLM）运营机场的ATN网络形成星形结构的示例，在每个方面，突出显示了程度最高的机场（枢纽）。可以写成X=a b c。图（3）中示出了秩-1概念的图示。因子矩阵A1，A2，. . . .是来自秩1分量的向量的组合：ai=[ai（1）ai（2）. . . （7）定义8. Tucker分解[40]：秩为P，Q和R的3模张量XRI×J×K的分解定义为外积秩为1的分量和一个小的核心张量G ∈ RP ×Q×R的和：图3：秩1模式3张量。PXG·1 A·2 B·3 C=.Q.R（8）关于我们张量rank（X）=R的秩被定义为产生X作为其和所需的秩1张量定义4. 克罗内克积[32]用符号表示，p=1q= 1r= 1定义9. BTD-（L，M，N）：De Lathauwer et. [8，9]介绍了一种新类型的张量分解，它统一了Tucker分解和矩阵Ai×L和BJ×LKronecker积（BTD）。三模张量X∈RI×J×K的BTD，如图所示∈R4是秩-（L，M，N）项的和，表示为：IJ × L），定义为：a11Ba12B. . . a1LBa21Ba22B. . . a2LBAB=（三）RXr=1Gr·1Ar·2Br·3Cr（9）aI1BaI2B。. . a/定义5. 列Khatri-Rao积[32]：用符号A_c表示，定义了两个矩阵A ∈ RI ×L和B ∈ RJ ×L的列Khatri-Rao积，A_c B ∈ RI J ×LAcB=a1b1a2b2 . . . L（4）如果a和b是向量形式，则Kronecker和J列式Khatri-Rao乘积是相同的，即，ab=ac定义6.分区式克罗内克积[27]：设A =的1 一台2. . . AR RI×LR和B= B1 B2. . . BRRI×LR是两个分块矩阵分区Kronecker乘积为：图4：三阶张量X∈ RI×J×K的BTD-（L，M，N）。RI ×LR，B =[B1 B2. . . BR] ∈ RJ ×MR且C =[C1 C2. . . CR] ∈RK×N R.小核张量Gr ∈RL×M×N是满秩的，定义如下：A B=. A1B1A2B2 . . . ARBR.（五）L，M，N。如果R=1，则Block-term分解和Tucker分解是相同的。定义7.CANDECOMP/PARAFAC（CP）[2，6，14]：CP秩为R的N阶张量XRI1×I1·· ·×IN的合成定义为外积秩-1分量之和定义10. BTD-（L，L，1）[10]：具有张量秩R的3模张量X∈RI ×J ×K的LL1-分解是秩为-（Lr，Lr，1）的块的和，表示为：.R（r） （r）（r）.RTr=1.............因子矩阵（A，B，C）定义为A=[A1一个2. . .一R]∈X=r=1≈I=455=++−R∈一[] ∈R⊗Areд∈~∈~H，HA、B、C112∞WWW其中因子块Ar∈RI×Lr和矩阵Br∈RJ×Lr都是秩-Lr，1≤r≤R.这里，因子矩阵（A，B，C）具有维度A =[A1 A2. . . AR] ∈ RI×LR，B =[B1 B2. . . BR] ∈RJ ×LR和C =[c1 c2. . . cR] ∈ RK ×R。（L×L）单位矩阵表示为IL×L。1L是长度为L的所有1的列向量。3制剂考虑一个多方面图，其中一个tensor的每个正面切片“呼叫”、“文本”等）。这里的一个典型应用是提取图中的社区及其随时间的演变。传统上，我们会对张量进行CP分解，其中每个秩为1的分量将映射到每个社区;此外，a r和b r向量（对应于我们图中节点的两个维度）上的值将给出每个节点对每个社区的成员资格。这种方法在提取社区成员关系方面非常准确[5，13，31]，但是，它不能识别定义社区的子图的形状正如我们在导言中所讨论的那样（第二节）。1）在本文中，第r个社区的重构邻接矩阵为ar bT是秩为1的块，对应于团。因此，CP将集团结构强加给所有共同体，这不一定是真的，并可能导致错误的结论。另一方面，BTD-（L，L，1）能够在前两种模式中提取更高的秩-1分量，从而在提取多方面图中的更丰富的结构方面提供灵活性。我们解决的问题如下：子问题。一个非常适合的优化框架，+......图5：三阶张量X R I × J × K的约束-（L，L，1）。这里，r（.）表示每个块上的约束或惩罚函数在其他更简单的张量模型中显示出希望[1，16，38]，交替乘数法[4]，以交替优化方式应用。 在下一小节中，我们详细推导并描述我们的优化方法。4.1解决cLL1在所提出的框架中，每个步骤包括固定两个因素，并最小化关于第三个因素的子问题在本节中，我们提供了有效解决问题的求解器。4.1.1A因子更新。首先考虑因子A =A1A2的更新。. . AR RI×LR在迭代k时，在固定B=B（k −1）和C = C（k −1）并求解相应的最小化后获得。所产生的子问题，在操作之后可以重写为：A（k）←argmin[（B（k−1）<$C（k−1））<$·X（1）]T（13）其中X（1）=（B<$C）AT是张量模式1中的X。 也是B（k −1）<$C（k −1）：=[（B（k −1）<$c（k−1））（B（k −1）<$c（k −1））。. . （B（k −1）<$c（k −1））]是分块的克罗内克乘积，2R（k−1）R（k−）（k−1）B和C1的结果），其中Br表示分块矩阵4推荐方法：RICHCOM给定X，本节提出了约束LL1分解，以便将多方面图或张量分解为其组成的社区揭示因子，并提供社区结构的编码公式。我们关注一个三阶张量X RI×J×K，其损失函数公式为由下式给出.RrofB（k−1） andc（k−1）表示C（k−1）的列r，表示克罗内克积算子;参见Def。第六章Eq的正则化版本。13是：A（k）←argmin[（B（k− 1）<$C（k−1））<$·X（1）]T+r（A（k−1））（14）约束以这样的方式实现，即当违反约束时，则r（.）取infinity（）的值，否则在正常情况下正则化（例如，稀疏性，l1等）使用有限值来惩罚不需要但合理的解决方案。[38]第一，一个主，一个辅，一个双变量。可作为HRI×LR，HRLR×I和URI×LR分别为介绍了占增广拉格朗日方程（14）. 每次迭代通过AO-ADMM（在算法1中给出）优化因子A，如下：LS（X，A，B，C）=argmin ||X −（Ar·BT）cr ||2（十一）（k） ~（k）1T2TA、 B、 CRFr=1LA（H，H，U）=argmin||(YA·X（））||F + Trace(HH)（十五）上面的Eq。（11）在其非凸优化形式中可以是求解为：{A，B，C} ←argminLS（X，A，B，C）+r（A）+r（B）+r（C）（12）其中r（.）是惩罚函数或约束函数。而不是解决（12）对于所有三个因素，我们可以使用最小二乘法，固给定：作为高阶张量X给出的多方面图和S作为结构词汇：具有最小编码长度（平均比特），即，B（Si）+B（Err）提取：在前两种模式中允许高于秩1的X的潜在成分找到：一组可能重叠的子张量{T1，T2。. . {\fn方正黑体简体\fs18\b1\bord1\shad1\3cH2F2F2F}以高效和可扩展的方式简要描述给定的多方面图社区结构。456~服从H=HF（||Y||/LR）AY=（（−）（−）<$B<$C）r（H）定所有因素矩阵，但每次求解一个。从而将问题转化为三个耦合的线性最小二乘问题+r（H）+（ρ/2）||2||2哪里（k）：k 1k 1，并且是正则化子（例如，非负A_activity、稀疏性等）。 对因子A的约束。拉格朗日乘数被设置为103和2以产生良好的性能。A-O-ADMM求解器进一步发展通过迭代地增加变量H，H~，U直到收敛，457Curr -（）Aprev.[] ∈B≥0S←（）i←（）i←（（））~+r（H）+（ρ/2）||H−H+U||（）（）（）C[] ∈←（）∈S（[（）]·）B（）C~+r（H）+（ρ/2）||H−H+U||←/||||节点CommF ← Y A·X（1）B;01 - 02 -2016刘晓波，（||YA||F/s）（C（k −1）<$A（k））：=[（c（k −1）<$A（k））（c（k −1）<$A（k））。. . （c（k −1））18：A（k），A（k）←ADMM（A（k−1），A（k−1），F，G，ρ）F ←（2）;01 - 02 -2016刘晓波，（||黄蓝||F/s）F← Y（k）·X（3）T01 - 02 -2016刘晓波（-3，（||Y（k）||2/s））[（）]B、 ，maxRCCFBeyond Rank-1：Discovering Rich Community Structure in Multi-Aspect Graphs WWW满足标准，即是否满足规定的误差容限，算法1：RI cH Com：发现丰富的社区I. 例如，||A(k)kprev ||F/||A(k)||F ≤ ϵ or maximum numberof结构达到迭代4.1.2B因子更新。更新系数B=B1 B2. . . BRRJ×LR可以通过求解子问题类似地获得：输入：X∈RI×J×K，L∈RR，最大迭代次数Imax。输出：因子矩阵A、B、C、结构S。1：（A，B，C）←cLL1（X，L，Imax）2：Dr←（Ar·BT）r ∈R3：{YR，Y} ←communityDetection（D）B（k）←argmin[（C（k−1）<$A（k））<$·X（2）]T+r（B（k−1））（16），其AO-ADMM求解器为：L（k）（H，H~，U）=argmin||(Y(k)·X）T||2+Trace(HHT)4：对于i = 1：社区总数5： mY节点找到Y节点 ==I6：T Xm，m，m7：i使用第4.2节对T进行编码8：结束9：使用第4.4节可视化S语言10：返回（A，B，C，S）H，H~B（2） F11：函数cLL1（XL I）T2F服从H=H~（十七）12：随机初始化A、B、C十三： s←sum（L）;R←len <$th（L）十四： X1=tenmat（X，1）; X2=tenmat（X，2）; X3=tenmat（X，3）15：whilekImaxor not-convergencedo<16：G ←AAT;Y（k）←（B（k−1）<$C（k−1））†当H∈RJ×LR，H~∈RLR×J和U∈RJ×LR和Y（k）：=十七：.（k）A类10−3（k）2（k）+1 1 2 2R算法ADMM步骤[38]AR）]，提供与14中类似的优化问题。 当量1719：G ←BBT;Y（k）←（c（k−1）<$A（k））†公式化求解（14）的更新规则和类似方法二十：.（k）B.T.B10−3（k）2使用cLL1的通用框架来更新因子B。21：B（k），B（k）←ADMM（B（k−1），B（k−1），F，G，ρ）22：G ←CCT;Y（k）←（A（k）<$B（k））†=[（A（k）B（k））1L（A（k）段B（k）段）1升. . . （A（k）B（k））1L]†二十三：11万美元;22102CR r rCF4.1.3C因子更新。更新系数C= C1 c2. . . CR通过将A和B固定在它们的最新值，获得RK×R，并且通过以下方式解决：24：C（k），C（k）ADMMC（k−1），C（k−1），F，G，ρ第25章：结束26：返回A、B、C第27章：意外4.2社区结构编码一旦所提出的求解器返回（12）的解，下一步是通过提取弱连接分量来C（k）-argmin. [（A（k）c B（k））1 L1. . . （A（k）<$c B（k））1 L]<$X（3）<$T[17]从张量的前两个维度，即获得的矩阵Dr=Creд1 1+r（C（k−1））Rrr（十八）（Ar·BT）。一旦社区形成，我们从原始多方面图或张量中提取子张量TiRb×b×b，使用每个社区下的节点，我们其中X3 ：= 的1 cB11L1一个2cB21L2。. . AR 1LR CT.利用AO-ADMM方法，增广拉格朗日是表示为：L（k）（H，H~，U）=argmin||2+ T r a c e（H H T）||2+Trace(HHT)找到诸如FC：全团;NC：近团;ST：星;CH：链;CB：完全二分;NB：近二分的结构，其在J. Rissanen建模BN的帮助下使用以下编码成本（平均比特）T来最好地描述其特性[35]。我们观察到这些结构在现实世界中经常出现H，H~（十九）数据（例如，在公司通信网络中，导致星型（轴辐式）结构的单向相互作用T2F服从H=H~当H∈RK×R，H~∈RR×K，U∈RK×R时，Y（k）：=（A（k））1122RRR在友谊网络中，大多数朋友彼此连接，形成派系或近似派系等）。4.2.1集团和近集团。 这些是最简单的结构，因为所有节点都有类似的角色。对于一个完整的和接近的派系，B（k）†：=A（k）B（k）1L1A（k） B（k）1L2 . . . A（k）B（k）1L[2]对所获得的因子矩阵C（k）的每一列应用归一化（cr crcr）以避免任何下溢或上溢。命题1：如果算法1中由AO-ADMM生成的序列是有界的，则序列{A（k），B（k），C（k）}和AO-ADMM收敛到一个sta-n。Equ的关键点12个。证明：收敛性由[[16]，定理1;[34]，定理2]得出458{|||∗ ||∗||}|}| |∈||||我们提出的方法很容易扩展到高阶张量，因为底层张量模型BTD-rank（L，L，1）自然地扩展。在这项研究中，我们只关注三模张量，为简单起见.我们计算一组全连通或几乎全连通的结考虑子张量TR|B| ×|B| ×|B|，其中b是数字的节点落在社区中，nz为T中的非零元素的数量。此外，考虑n表示T中具有至少两个非零元素的节点的数量。现在如果那么子张量被认为是完全团，否则在范围{0.75∗|B|∗|B|∗|B|≤|nz|≤|B|∗|B|∗|B|}，子张量是459935214 1361148712101不| |不∈←（）~2H~6：R←R+R−RUUHH不（CH）4：R0T中的零对角元，|B|是落在WWW被称为近团，并且我们将平均比特形式化以将该结构编码为。4.4社区结构的可视化社区结构可视化是一个强大的工具，B（FC，NC）=BN（2）2-（|B |C|n| ）−|nz|（|nz|）（二十）社区的内容，可以突出显示模式，并显示节点之间的连接。我们在MATLAB中开发了工具（链接1），- -一种|z|（|z|）+3b3log（b）其中z是T中不存在的元素的数量。直觉是，近似集团越稀疏，编码就越便宜。想象每个社区的结构。 图6是R I c H Com发现的几个结构的可视化，这些结构在美国大学足球数据集中提供了最小编码成本的摘要。4.2.2星形花. 一颗星是非常特殊的情况下的结构，因为它的高度稀疏的性质，它由一个单一的节点，我们称之为枢纽连接到至少其他两个节点。考虑子张量T∈R|B| ×|B| ×|B|我们用公式表示平均比特来编码链420全集团50-5近二分核5500-5明星10371942 865结构为：B（ST）=BN（2）2-（ |B|−1C|n−1|）+nlog（n）（21）图6：可视化：足球[37]数据集的一些社区结构最后，把所有的东西放在一起，我们得到了一般的哪里|n|表示T中具有至少一个非零元素的节点的数量，|B|是社区中节点的数量。4.2.3链在链结构中，每个节点仅链接到我们的RI cH Comand ADMM求解器的版本，分别如算法1和2中所示。算法2：方程的ADMM求解器（12）.其相邻的下一个节点之一，并形成超对角子，张量，这意味着它只在对角线位置上、对角线位置上和对角线位置上有非零元素。 考虑子张量TR|B |×|B |×|B|我们用公式表示平均比特来编码结构：输入：残差矩阵RH、RU、RF、RG和ρ输出：RH，RU1：L下Cholesky分解RG+ρI第二章： 而iter 1个节点）结构的总结。最常见的结构是“星”和“近二分”。对于每个数据集，我们提供了每种结构类型的频率数据集国家主义ICSRichComVoG[2[1]TimeCrunc[37]第三十七话节点|NZ|FCNCStCHCBNBFCNCStCHCBNBFCNCStCHCBNB合成5K0。2m54−42752558−3013−−29−22−−−足球1158K1110351−328−2−6435−66−−1欧洲-ATN45010K6512217−2448414−−−−−5−206611−欧盟核心1K221k329136182936031530731−1471454121812−199649936192维基百科7K0。4m557113731130971515−53613153108−939771115as级13k0。7m42612463262372−62626317024
我的内容管理
展开
