KWDMS是什么软件的简称

Knowlesys Web Data Mining System简称KWDMS，也叫乐思网络信息采集系统。

是深圳市深圳市乐思软件技术有限公司研发的信息采集软件的英文名。

深圳市乐思软件技术有限公司(简称乐思软件)成立于2003年5月，是位于深圳以网络信息处理为主要经营方向的高新科技企业，在因特网海量信息精确抽取领域拥有丰富的实践经验与领先优势。

乐思网络信息采集系统的主要功能为：根据用户自定义的任务配置，批量而精确地抽取因特网目标网页中的半结构化与非结构化数据，转化为结构化的记录，保存在本地数据库中，用于内部使用或外网发布，快速实现外部信息的获取。

(新疆财经大学 图书馆，新疆 乌鲁木齐 830012)

摘 要：

文章介绍了数据挖掘的含义及与传统数据分析的不同，并 对其在情报研究领域中的应用进行了初步探讨。

关键词：数据挖掘；

情报学；

情报检索；

情报服务

中图分类号：G3507 文献标识码：A 文章编号：1007—6921(2009)07—0303—02

1 情报学领域面临的问题

11 资源全球化 信息海量化

可以说Internet 是全球最大的信息资源库，其资源类型多样，包括教育网站、虚拟图书馆 、虚拟软件库等等，为采集所需信息提供了方便和可能。但同时，网络信息的无序又造 成利用率相对较低。另外，网络海量数据的产生，使提取有用信息困难重重。

12 数据呈现非结构化

就目前大量视频、音频、动画等非结构化数据而言，现有的检索方法对这类数据的搜索难以 奏效。只有数据挖掘技术才能对海量结构化或非结构化数据进行高效检索、处理及分析。

13 情报需求个性化

需求的个性化使得传统的一对多的情报服务模式越来越不适应时代的要求。不同的企业有不 同的竞争情报服务需求，各科研机构需要不同领域的科技查新服务。这些个性化的服务需求 只能通过数据挖掘技术，建立一对一的服务平台来实现。

综上，随着信息量的快速膨胀、信息获得手段和途径的日益增加,人们可以获得的信息越来 越多，可是，人们对有用信息占有比例却越来越小。因此，如何在浩瀚的信息海洋中找到有 用的信息越来越受到关注，数据挖掘技术就是在这样的背景下应运而生。

2 数据挖掘技术简介

21 数据挖掘的含义

简单地讲，数据挖掘是一种利用各种分析工具建构数据分析模型，在大型的数据库 (或数据 仓库) 中提取人们感兴趣的知识的过程。提取的知识一般可以表达为概念、规则、规律、模 式等形式。数据挖掘(Data Mining)，又称数据库中的知识发现，它产生于上世纪80年代初 , 是人 工智能、机器学习与数据库技术相结合的产物。

是从大量的、不完全的、有噪声的、模糊 的、随机的原始数据中，提取隐含在其中的、事先未知的、但又潜在有用的信息的过程。数 据挖掘技术是面向应用的，它不仅面向特定数据库的简单检索查询调用，而且要对这些数据 进行深入的统计、分析和推理，发掘数据间的相互关系，完成从业务数据到决策信息的转换 。数据挖掘技术把人们对数据的应用，从低层次的末端查询提高到为决策者提供决策支持。



22 数据挖掘同传统数据分析的区别

同传统的数据分析相比，数据挖掘是在没有明确假设的前提下挖掘信息，发现的知识通常是 未知的、很难预料的，但对人们是非常有用的；

而传统的数据分析则是在人们提出某种假设 的前提下对数据进行分析，得出的结果往往可以预知。因此，传统的数据分析只是表层的数 据分析，而数据挖掘则是对数据进行深层的挖掘。

3 数据挖掘在情报学领域的应用

31 情报收集

数据挖掘使情报收集方式由人工搜取( 检索、购买、交换等) 扩展到机器自动抓取。数据挖 掘中搜索引擎技术为网上信息资源的情报搜集提供了非常有效的工具，Web 挖掘不但能收集 所需的情报资料，而且可以提供各类信息资源被使用情况以及热点专题等，利用数据挖掘技 术自动对所搜集来的数据进行清理、去冗等处理, 不仅减轻了工作量，而且缩短了从原始信 息变成情报产品的时间。

32 情报处理

321 对情报处理对象的拓展。数据挖掘技术使情报加工不再局限于结构化数据的处理、单一字符信息的处理，而是拓展到 音像资料、视频信息等可视化信息的处理， 从单一结构化的信息处理延伸到异构的、半结 构、甚至无结构的文本信息的处理。

322 对情报处理技术的创新。数据挖掘提供了更加科学的、丰富多彩的分析处理手段。例如，在信息分类方面，所提供的 判定树归纳分析、贝叶斯分类、传播分类、基于关联的分类等，完全突破了过去基于分类表 的分类思想，使不同的信息采用不同的分类方法，使分类结果更加具有针对性和科学性；

在 信息聚类处理方面，数据挖掘推出的针对不同类型数据的信息聚类方法 ( 划分聚类、层次 聚类、基于密度、基于网络、基于模型的聚类等) 使相同或相似信息能够更加可靠地集聚在 一起。更为重要的是，复杂类型的数据挖掘技术使情报处理更加适应未来多样化信息( 地理 空间信息、时序信息、多媒体数据以及文本与 Web 信息等) 的处理需要，使情报处理不再 受到媒体的限制。

33 情报服务

331 拓宽了情报服务范围，增加了服务项目。传统的、人工检索式的定题服务，将上升为从广博的网上资源和数据库中自动挖掘、并通过 互联网主动地把信息或知识推送给用户的服务方式；

信息的查新服务不再局限在各种大型的 数据库中，而是扩展到整个网络资源，并对各企业门户进行挖掘, 给出全面的分析查新报告 。

332 升华了服务理念，大大提高服务的主动性和质量。由于数据挖掘技术的应用，情报服务的重点将转向为各层次的决策支持服务，而为科技的服 务则更多地由科技人员自己利用挖掘工具采取“自助式”服务。

333 完善了情报服务的内容和形式。

由于数据挖掘的目的是从海量的信息中发现知识，所以，情报部门提供给用户的不仅仅是信 息，还包含着大量用于解决问题的知识，其提供情报的形式也可能是将数据挖掘出的数据组 织成报表或绘制成直观的图形，便于用户分析决策。

34 情报分析

数据挖掘中的关联规则分析技术将是传统情报分析的补充。因为，通过对数据的关联分析可 以发现隐藏在数据之中的、不易被人发现的、甚至与人的意识相违背的关联事件。例如，在 商店的商品关系中，凭主观意识人们无论如何也不会想到“汤匙”和“杂志”会有购物的关 联性，但在对美国一家超市的数据记录的关联挖掘的的确确发现了这样的关联，利用传统的 情报分析方法是很难发现的。数据挖掘中另一种被广泛使用的数据分析技术是联机分析处理 ，它是能够对多维数据进行分析处理的技术，可以从多个视角观察分析，能够同时针对多方 面的数据进行处理。总之，数据挖掘中的数据分析技术将大大加强情报分析的能力，使情报 分析得到多方面的支持，情报分析技术将更加完备和丰富多彩。

35 情报检索技术

针对结构化的数据库或文本型数据，传统的检索技术多为 布尔逻辑检索或全文检索技术，缺 乏对其他媒体数据的检索手段。数据挖掘中对复杂类型数据的检索技术将大大丰富情报检索 的技术手段，如图像识别技术、语音技术、基于相似性的检索技术以及对时序数据采取的关 联检索的技术等。可以肯定，数据挖掘中的多媒体检索技术完全能够用于情报检索之中，情 报检索技术将因此实现跨媒体检索，迎来全面突破。

4 数据挖掘对情报学产生的影响

数据挖掘不仅作为一种技术手段推进了情报学的发展，而且对情报学的理念和研究领域也产 生了广泛而深刻的影响。

41 情报理念的完善

数据挖掘在情报学领域的应用，使情报学更多地注重实用性和使用价值。情报学的使命应该 以信息为素材，以知识的传播、利用、功能为主体。通过技术上的日臻成熟来完善服务于人 的最终理念。比如体现在竞争情报服务上，竞争情报就是满足企业为了赢得市场竞争的优势 ，搜集有关对手的技术、市场、客户、销售等信息，经过分析处理使之变成具有竞争价值的 情报。

42 情报领域的延伸

数据挖掘是一个重要的技术手段，它的应用赋予情报学的研发流程与应用场景更为广阔。

数据挖掘也是一个多学科交叉的新兴研究领域，在这个领域中， 汇集了来自机器学习、模 式识别、数据库、统计学、人工智能以及管理信息系统等各学科的成果，多元化的投入，使 得这一技术得以蓬勃发展，而且已初具规模。

43 情报工作的拓展

情报学发源于图书馆学和文献学，现已发展成为自然科学、技术科学和社会科学的交叉学科 。数据挖掘技术与情报学的完美结合，除学术上的需要外，还具有极大的商业应用前景。即 使在情报学领域上的研究也主要是为生产、管理服务的，研究重点仍然是放在能见经济效益 的应用方面。

5 数据挖掘技术带来的新挑战

目前，数据挖掘技术应用于情报学已经成为学科的热点之一，但也还有许多亟待解决的问题 。尤其在实际推广应用中， 例如:数据的复杂化需要更多领域的专业知识，巨大的数据库对 算法的效率提出更高的要求，数据挖掘中人机交互功能的强化以及对内部数据和个人数据的 安全保护等等。我们坚信，随着数据库技术、人工智能技术及相关学科的不断进步，上述问 题将会逐步得到解决，数据挖掘技术将会更好地服务于情报学的研究，服务于社会。

［参考文献］

［1］ 石冰，郑燕峰 信息检索中的数据挖掘技术［J］情报学报,1999,(3)

［2］ 赵丹群 数据挖掘: 原理、方法及其应用［J］现代图书情报技术,2000(6)

［3］ 蒲群莹 基于数据挖掘的竞争情报系统模型［J］情报技术，2005,(1)

［4］ 苗杰，倪波面向集成竞争情报系统的数据挖掘应用研究［J］ 情报学报,200 1，(4)

数据挖掘就是从大量的数据中，提取隐藏在其中的，事先不知道的、但潜在有用的信息的过程。数据挖掘的目标是建立一个决策模型，根据过去的行动数据来预测未来的行为。比如分析一家公司的不同用户对公司产品的购买情况，进而分析出哪一类客户会对公司的产品有兴趣。在讲究实时、竞争激烈的网络时代，若能事先破解消费者的行为模式，将是公司获利的关键因素之一。数据挖掘是一门交叉学科，它涉及了数据库，人工智能，统计学，可视化等不同的学科和领域。

数据挖掘是数据库中知识发现不可缺少的一部分，而KDD是将未加工的数据转换为有用信息的整个过程，该过程包括一系列转换步骤， 从数据的预处理到数据挖掘结果的后处理。

1、计算机应用技术

研究方向：计算机网络、实时计算机应用、CIMS、计算机图形学、并行计算、网络信息安全、数据库、情感计算、数据挖掘、分布式计算、知识工程、计算机视觉、自动推理、机器学习、草图理解、网络性能分析与协议设计、网络管理与安全、计算机图形学、信息可视化、基于GPU的高性能计算、复杂系统(应急、物流、海洋)领域工程、基于SOA的空间信息共享与业务协同、语义搜索引擎、自然语言处理、机器翻译、搜索引擎、空中交通信息系统与控制、民航信息与决策支持系统、智能交通系统理论与技术等。

专业特点：计算机应用技术是针对社会与各种企事业单位的信息化需求，通过对计算机软硬件与网络技术的选择、应用和集成，对信息系统进行需求分析、规划和设计，提供与实施技术与解决方案，创建优化的信息系统，并对其运行实行有效的技术维护和管理的学科。

培养这方面人才所涉及的知识面包括：数学与信息技术基础、程序设计基础、系统平台技术、计算机网络、信息管理与安全、人机交互、集成程序开发、系统架构与集成、Web与数字媒体技术、工程实施、职业 *** 守等。培养目标是为企事业单位和政府机构提供首席信息官及承担信息化建设核心任务的人才，并提供为IT企业提供系统分析人才。

科研状况：本专业是天津市第一个计算机类博士点，主要从事计算机技术在其它领域应用中核心技术问题研究及相关信息系统开发。近年来在计算机集成制造（CIMS）、计算机辅助教学、虚拟现实技术应用、计算机工业控制、电子商务等方向承担国家863项目及重大项目、国家自然科学基金十余项。承担省部级及横向科研课题近百项。为国家和天津市的信息化建设做出了重要贡献。

近几年报考简况：本专业从80年代初开始招生，至今已为国家培养出硕士学位研究生300多名。近年来，报考人数和录取名额逐年同步增加。

硕士期间主要课程及论文要求：主要课程：高等计算机网络、计算理论、排队论及在计算机中的应用、应用组合数学、软件体系结构、面向对象方法学、分布式计算机系统、并行计算、高级计算机图形学、高级人工智能、模式识别与理解、机器学习、密码学与信息安全、统一建模语言。

论文要求：论文选题涉及计算机在各领域应用的理论研究、尖端技术开发、以及在国民经济各个领域的应用研究。论文应能全面反映本学科发展动态、具有科学性、先进性和一定的创新性。对于理论研究课题，要求达到较高的理论水平和创新；对于系统设计、系统开发及系统应用课题，要求指导理论正确，实现技术先进，设计新颖，所设计的系统应能付诸实现、具有实际应用价值并能够带来明显的社会经济效益。 就业方向：本专业培养的研究生具有坚实的计算机科学与技术的理论基础，全面掌握计算机应用领域的理论和工程方法，能很好地胜任高等院校、科研院所、大型企事业单位、高新技术产业等的教学、科研、系统设计、产品开发、应用系统集成等工作。

2、计算机软件与理论

研究方向：计算理论、算法理论； 软件工程、中间件、智能软件、计算环境；并行计算、网格计算、普及计算；密码学、信息安全、数据理论；图形图象算法、可视化方法；人工智能应用基础；理论计算机科学其他方向。

专业特点：计算机软件与理论专业涉及计算机科学与技术的基本理论和方法，强调计算、算法、软件、设计等概念，主要的领域包括计算理论、算法与复杂性、程序设计语言、软件设计与理论、数据库系统、人工智能、 *** 作系统与编译理论、信息安全理论与方法、图形学与可视化计算、以网络为中心的计算等。

科研状况：计算机软件与理论专业是我院重点发展，进步较快的专业。近年来承担国家863、自然科学基金、，以及省部级项目多项。在网络信息安全、中间件技术、并行计算、网格计算、计算机图形学等方面取得了多项前沿性成果。 近几年报考简况：本专业从96年代初开始招生，至今已为国家培养出硕士学位研究生50多名。近年来，报考人数和录取名额逐年同步增加。

硕士期间主要课程及论文要求：主要课程：计算理论、应用组合数学、软件体系结构、面向对象方法学、分布式计算机系统、并行计算、高级计算机图形学、高级人工智能、模式识别与理解、机器学习、密码学与信息安全、统一建模语言。 论文要求：论文选题涉及计算机软件的理论研究、尖端技术开发、以及在国民经济各个领域的应用研究。论文应能全面反映本学科发展动态、具有科学性、先进性和一定的创新性。对于理论研究课题，要求达到较高的理论水平和创新；对于系统设计、系统开发及系统应用课题，要求指导理论正确，实现技术先进，设计新颖，所设计的系统应能付诸实现、具有实际应用价值并能够带来明显的社会经济效益。

就业方向：本专业培养的研究生具有坚实的计算机科学与技术的理论基础，全面掌握计算机软件的理论方法，以及软件工程、信息系统、并行计算、普及计算等等的软件系统开发技术，能很好地胜任高等院校、科研院所、大型企事业单位、高新技术产业等的教学、科研、系统设计、产品开发、应用系统集成等工作。 3、计算机系统结构

研究方向：分布式计算机系统、计算机网络系统与全球个人计算系统、真实感图形生成与虚拟现实技术

专业特点：计算机系统结构（原名计算机组织与系统结构）专业全面研究各种类型的计算机系统（从单机到网络）的构成、硬件与软件的联系与功能匹配、计算机系统性能评价与改进等。该专业的研究课题涉及高性能处理机系统结构、多机系统、并行计算与分布式计算系统、计算机系统性能评价、VLSL设计、容错计算技术、计算机接口技术、计算机网络系统与通信系统、移动计算、全球个人计算系统等。

科研状况：本专业近年来承担多项国家科委、国家教委、国家计委及天津市自然科学基金项目，并有多项科研获奖。其中GT9112计算机解密系统获北京市公安局科技进步二等奖，表面高度复杂实体的CAM获国家科委科技进步二等奖。目前承担国家自然科学基金项目“面向ASIC的真实感图形算法和系统结构的研究”、国家高科技863项目“用于建筑环境仿真设计的分布式多用户虚拟现实系统”、天津自然科学基金项目“分布式多用户VR开发系统平台的研究”和一大批为企事业单位开发的横向科研项目。

近几年报考简况：本专业从80年代初开始招生，至今已为国家培养出硕士学位研究生50多名。近年来，报考人数和录取名额逐年同步增加。

硕士期间主要课程及论文要求：主要课程：应用数学、外语、高等计算机网络、排队论及在计算机中的应用、计算理论、现代计算机体系结构、计算机综合实验、计算机控制及应用、计算机网络研究热点问题、计算机系统仿真、量子计算、密码学与信息安全、面向对象方法学、嵌入式系统设计、统一建模语言、图

象/模式识别与理解、机器学习、软件体系结构。

论文要求：论文选题涉及计算机系统结构的理论研究、尖端技术开发、以及在国民经济各个领域的应用研究。论文应能全面反映本学科发展动态、具有科学性、先进性和一定的创新性。对于理论研究课题，要求达到较高的理论水平和创新；对于系统设计、系统开发及系统应用课题，要求指导理论正确，实现技术先进，设计新颖，所设计的系统应能付诸实现、具有实际应用价值并能够带来明显的社会经济效益。

就业方向：本专业培养的研究生具有坚实的计算机科学与技术的理论基础，全面掌握计算机系统结构、计算机工程、网络工程、嵌入式系统等的应用开发技术、能很好地胜任高等院校、科研院所、大型企事业单位、高新技术产业等的教学、科研、系统设计、产品开发、应用系统集成等工作。

计算机系统结构 02 网络与信息安全

04 计算机通信，信息安全，多媒体信号处理 05 图形图像处理技术

07 计算机图形图像处理技术、嵌入式系统 09 计算机网络与图形图像处理 10 计算机网络与信息处理

11 输入输出技术与设备、图像处理与图像理解 12 信息安全理论与技术,嵌入式系统 13 网络安全

14 信息安全与编码

15 网络安全和网络计算 16 图形图像和外设

17 计算机输入输出技术与设备、图形图像处理与理解 考试科目:

①101政治理论②201英语③301数学（一）④431计算机基础(计算机基础包含离散数学45分；数据结构45分；计算机组成原理60分) 计算机软件与理论 02 面向对象技术

04 软件安全与编译器体系结构 06 分布计算与互联网技术

08 并行与分布计算，生物信息学算法 09 软件工程、信息系统 10 软件理论与应用

11 高可信软件技术、互联网计算与互联网软件、可编程芯片支持软件和嵌入式系统

12 软件测试与自演化技术 14 程序理解、软件再工程

15 计算智能的理论、方法与应用

16 高可信软件技术、互联网计算与互联网软件、可编程芯片支持软件和嵌入式系统

近年来，“大数据”似乎成为了一个越来越时髦的词，它已经不是只有互联网行业谈论的话题了，“大数据”已经开始被越来越多的普通百姓所熟知，大数据也已经渗透到了我们的生活中的。

数据分析这个职业也是目前很有前景的领域之一，越来越多人想投入其中，而在数据呈爆炸式增长的大数据时代，数据过剩，人才短缺。数据海洋 同学凭借多年的从业经验，总结了作为一名数据分析师应该知道的9个问题：

1、如何做好数据分析？

分析师成长是通过“干”、”思”、“熬”出来的。干：多做。哪些是临时需求。你要做各种各样的分析；思：你在边干的过程中，要边思考，边总结，只有这种你才能沉淀。熬：通过时间的积累，你的商业意识、数据分析思维、技能得到提升，广积粮，缓称王，实现厚积而薄发。

2、如何做好数据挖掘？

数据挖掘和数据分析在我认为，都是实现数据价值的“工具”、“方式”。数据挖掘相对于数据分析来说，入门门槛会更高一些，对于数据挖掘方法，挖掘工具要求更高。但做好数据挖掘，参考数据分析。

3、需要看什么类型的书？

很从刚做分析师的朋友，但喜欢问：我想做好分析师要看什么样的书？这个背后的逻辑是不是说你看了别人推荐给你的书，你就可以成为很厉害的分析师。

我的观点是：书是一定要看，而且有机会的时候多看看书。但一定要明白看书你对的价值体现在哪？

但数据分析更多是干，实践中成长的。

4、做好数据分析需求什么样的技能？

我想做数据分析，一定要会SAS、SPSS、R吗？如果你不去做模型。

基本的统计知识肯定要掌握的，但分析师目前主要还是以SQL+EXCEL+PPT来完成一份分析报告。

5、什么专业才能做数据分析？

现在招聘数据分析大多数都是要求：计算机、统计学相关专业。但是我相信未来数据分析招聘的专业会越来越宽，而且很多管理类（营销、管理学、情报学等）专业毕业的人会是比较受欢迎的。因为当大家对数据分析理解越来越深的时候，会发现数据分析核心的能力还是在：分析数据，然后与商业结合。

6、数据分析的价值？

基于历史数据，来告诉相关人的业务情况是怎么样的，结合对于公司业务模式的理解，一起制定相关策略，帮忙公司实现业务目标。

基于公司内、外部的数据，结合分析师对于公司业务的理解、行业发展趋势的理解，提出公司及行业发展趋势，为公司制定相应的战略提供参考。

7、数据分析，到底是分析什么数据？

分析公司内、外部的数据，内部的数据有以下几类（以电子商务为例）：

1、流量数据或者说网站的点击流（日志）数据。

2、订单数据。

3、商品数据。

4、会员数据。

5、供应链相关数据。

6、客服数据。

不同公司对于数据收集的粒度、完整性不一样。是否所有公司都要把所有的数据都收集下来，我的观点是：如果允许，当然越多越好。但是很多是时候是要分析师对评估哪些数据需求收集，保存多久的数据。分析师一定要用一定ROI的意识。

那种数据都没有积累多少，就号称自己是大数据公司，号称通过大数据建议竞争优势，你觉得可能吗

8、数据分析有几种角色？

数据分析：助理分析师、分析师、资深数据分析/数据分析专家、商业分析师；

数据产品经理:我特别喜欢这种角度，我觉得的真正的数据分析师，应该有产品的思维逻辑。因为不管你在做报表，报告，系统，那怕是一个简单的数据需求，你都可以理解为一种数据产品。(什么是产品，产品是解决目标用户的问题。请分析师都牢记这一点。)

数据挖掘：数据挖掘工程师、资深挖掘工程师；

9、什么样的人适合做数据分析？

除了之前我的一些文章讨论到的需要相关的基本的技能外，也许下面的内容对一个数据分析师成长更为重要:

1、看到数据有兴奋感的人。有兴奋感说明你有兴趣，那说明很会有意愿把数据分析好。

2、愿意学习的人。你分析的内容永远不会一尘不变，即使你分析的主题是相对固定，但业务是变化的，你需要不断的学习业务，同不同人沟通，吸收别人的观点。所以分析师一定要报着学习的态度。

3、逻辑思维较强的人。数据分析师想要把你的分析好，一定要有结论思维。

4、表达与沟通。因为数据分析最终价值的实现，一般来说不会是分析师亲自去制定或者实施。所以你一定很有条理、逻辑清晰向别人表达，让业务方认识到你分析结果的价值，从而影响业务方去愿意使用你从数据中得到的观点。

你好！

数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程。

数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

数据挖掘是人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。

数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，作出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，作出正确的决策。

以上就是关于KWDMS是什么软件的简称全部的内容，包括:KWDMS是什么软件的简称、浅谈数据挖掘在情报学领域中的应用、什么是数据挖掘等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！