0
雷鋒網(wǎng) AI科技評(píng)論按：近期在北京舉辦了第六屆社會(huì)媒體處理大會(huì)（SMP 2017）。在正會(huì)第一天，電子科大周濤教授做了一場(chǎng)關(guān)于大數(shù)據(jù)在經(jīng)濟(jì)學(xué)、教育學(xué)、社會(huì)學(xué)中應(yīng)用的特邀報(bào)告。周濤教授的精彩報(bào)告，時(shí)常引發(fā)會(huì)場(chǎng)的熱烈掌聲。
在報(bào)告最后，他給在場(chǎng)的學(xué)者們提出自己的建議，他認(rèn)為在當(dāng)前大數(shù)據(jù)和人工智能發(fā)展如火如荼的時(shí)代，社會(huì)學(xué)、經(jīng)濟(jì)學(xué)、教育學(xué)等傳統(tǒng)上只能定性分析的學(xué)科正在面臨著巨大的變化；而當(dāng)時(shí)代發(fā)生巨變時(shí)，青年學(xué)者們一定要站在能夠產(chǎn)生重大成果的地方，所以計(jì)算機(jī)研究人員一定要多多關(guān)注社會(huì)學(xué)科，在這些領(lǐng)域做出自己的貢獻(xiàn)。
此外，周濤教授在回答現(xiàn)場(chǎng)的關(guān)于網(wǎng)絡(luò)時(shí)代個(gè)人如何保護(hù)自己隱私的提問中，認(rèn)為個(gè)人不應(yīng)當(dāng)妄想去保護(hù)自己的隱私，因?yàn)檫@是不可能的，也完全沒有意義；保護(hù)隱私的責(zé)任和義務(wù)在于企業(yè)和政府，而個(gè)人能做的最好方法不過是歸于平凡。所以最后整個(gè)報(bào)告以一句經(jīng)典結(jié)束：因?yàn)槠椒?，所以安全?/p>
周濤，現(xiàn)為電子科技大學(xué)教授，主要從事統(tǒng)計(jì)物理與復(fù)雜性方面的研究。在Physics Reports、PNAS、Nature Communications等國(guó)際SCI期刊發(fā)表200余篇學(xué)術(shù)論文，引用17000余次，H指數(shù)為63。2009年獲教育部自然科學(xué)一等獎(jiǎng)，2011年獲第十二屆中國(guó)青年科技獎(jiǎng)，2013年獲四川省科技進(jìn)步一等獎(jiǎng)，2014年獲中國(guó)計(jì)算機(jī)學(xué)會(huì)自然科學(xué)二等獎(jiǎng)，2014年起歷年入選Elesvier最具國(guó)際影響力中國(guó)科學(xué)家名單（物理天文類）。2015年當(dāng)選第十二屆中華全國(guó)青聯(lián)常務(wù)委員，并擔(dān)任科學(xué)技術(shù)界別工作委員會(huì)副主任。2015年當(dāng)選全國(guó)十大科技創(chuàng)新人物。2016年當(dāng)選四川省首批杰出人才。2017年獲全國(guó)創(chuàng)新爭(zhēng)先獎(jiǎng)。
下文為雷鋒網(wǎng)根據(jù)現(xiàn)場(chǎng)記錄，在不改變?cè)獾那闆r下整理而成。
首先非常高興能夠在這里和這么多同事交流這個(gè)問題，也非常感謝學(xué)旗老師和華偉老師的邀請(qǐng)，謝謝專委會(huì)的組織。
剛才劉老師已經(jīng)提到了社會(huì)計(jì)算的發(fā)展，計(jì)算和社會(huì)經(jīng)濟(jì)學(xué)等，我們探討的是同樣的問題。我們的方法是，用大數(shù)據(jù)、人工智能或統(tǒng)計(jì)分析的辦法通過海量數(shù)據(jù)去解決經(jīng)濟(jì)學(xué)、社會(huì)學(xué)、教育學(xué)等問題。實(shí)際上大數(shù)據(jù)以及人工智能帶來了很大的變化，對(duì)科學(xué)最大的沖擊，不是來自于計(jì)算機(jī)學(xué)科本身，很大程度上是來自于它對(duì)社會(huì)學(xué)、管理學(xué)、心理學(xué)等等學(xué)科的影響，把這些原來只是半定量或者定性分析的學(xué)科變成了一個(gè)定量化的學(xué)科。
我今天主要是給大家講三個(gè)例子來說明這種影響。這三個(gè)例子也都是我們近期的工作，一個(gè)是經(jīng)濟(jì)學(xué)的、一個(gè)教育學(xué)的，最后一個(gè)社會(huì)學(xué)的。
第一個(gè)例子就是我們用大數(shù)據(jù)加上人工智能的辦法，去感知一個(gè)區(qū)域經(jīng)濟(jì)發(fā)展的真實(shí)現(xiàn)象，然后嘗試給出這個(gè)區(qū)域經(jīng)濟(jì)發(fā)展的建議。
以前我們分析經(jīng)濟(jì)，用到了很多指標(biāo)，像PPI、CPI、GDP等等。但是這些指數(shù)本身具有一些誤解，比如說它比較滯后，往往需要半年甚至一年才能知道以前發(fā)生了什么；此外，中間還夾雜有大量虛假的東西，例如層層假報(bào)數(shù)據(jù)，讓報(bào)上去的數(shù)據(jù)比原有的好看等等。
那么我們想要做什么呢？我們想先了解一個(gè)區(qū)域，比如一個(gè)地級(jí)市，它真實(shí)發(fā)生的經(jīng)濟(jì)情況是什么樣子的？有沒有風(fēng)險(xiǎn)？以及如果說我們看到一個(gè)區(qū)域的發(fā)展，我們能不能給出一些建議？
我們處理的方法是，通過海量事實(shí)數(shù)據(jù)，通過精確的分析，去感知它宏觀的經(jīng)濟(jì)社會(huì)是怎么發(fā)展，然后來預(yù)測(cè)可能的風(fēng)險(xiǎn)。
舉個(gè)例子。我們對(duì)300個(gè)地級(jí)市進(jìn)行經(jīng)濟(jì)社會(huì)風(fēng)險(xiǎn)的監(jiān)測(cè)。我們不再看它的GDP、PPI、CPI這些。我們收集了一些能夠第一時(shí)間反應(yīng)一個(gè)城市變化的數(shù)據(jù)。首先，我們從公開的網(wǎng)站上爬到各個(gè)城市的航空、鐵路和公路人口流量（只有四十多個(gè)城市有公路人口流量，其他的只有航空和鐵路的人口流量），也就是有多少人坐飛機(jī)、火車經(jīng)過這些城市。其次是在這些城市注冊(cè)的公司招聘的職位數(shù)目、職位類型和薪資水平。再次是所有這些城市的信息化和科技創(chuàng)新水平。最后是用遙感數(shù)據(jù)觀察這些城市正在進(jìn)行的重大建設(shè)項(xiàng)目，看看地面有沒有人和車輛頻繁運(yùn)動(dòng)，地表有沒有發(fā)生變化，從而推斷這些項(xiàng)目是否正常進(jìn)行。
我們能夠在第一時(shí)間獲得第一手這些數(shù)據(jù)。利用這些數(shù)據(jù)，我們來反向去看這些城市有沒有可能的重大風(fēng)險(xiǎn)。
我給大家舉一個(gè)特別容易理解的例子，就是像鄂爾多斯這樣的城市出現(xiàn)的問題。鄂爾多斯發(fā)生了什么事情呢？我們知道，在2013年，由于稀土和煤炭?jī)r(jià)格的大幅度下降，使得原本超高速發(fā)展的鄂爾多斯（當(dāng)時(shí)鄂爾多斯一個(gè)城市的經(jīng)濟(jì)超過包頭、呼和浩特的總和）的經(jīng)濟(jì)迅速下滑，很多建設(shè)的樓房都成了空樓，成了全世界最大的“鬼城”。
我們?cè)趺慈タ催@樣一個(gè)問題呢？我們分析了兩個(gè)很簡(jiǎn)單的量。第一個(gè)是信息化程度，數(shù)據(jù)就是這個(gè)城市有多少上網(wǎng)的IP（例如當(dāng)年新浪微博、貼吧等）。另一個(gè)就是這個(gè)城市申請(qǐng)了多少市場(chǎng)占有權(quán)（文章、專利等），依此來看它的科技創(chuàng)新能力。
這個(gè)圖中就很有意思。首先看A圖，橫坐標(biāo)是一個(gè)城市的用戶量，縱坐標(biāo)是它的GDP。09年以前，中國(guó)一共是295個(gè)地級(jí)市，我們有293個(gè)完整的記錄數(shù)據(jù)。從這張圖上，我們看到GDP和信息化大致是呈正相關(guān)的。通過線性回歸，我們擬合出一條線，斜率大概為0.93。水平地向上和向下移動(dòng)這條線，超過這兩條回歸線的，就是異常的城市，例如鄂爾多斯、崇左、來賓、中衛(wèi)，它們的信息化水平不高，但是經(jīng)濟(jì)水平遠(yuǎn)高于對(duì)應(yīng)信息化水平的量。這些城市在2013年就從這條線以上掉了下來。這些城市有一個(gè)共同的特點(diǎn)，它們都是高度資源依賴型，例如鄂爾多斯，就是稀土資源比較豐富。
我們知道，在經(jīng)濟(jì)學(xué)里面，往上發(fā)展10%和往下掉10%是完全不一樣的。當(dāng)你高速發(fā)展時(shí)，很多金融機(jī)構(gòu)都給你投資、貸款；但當(dāng)你往下掉時(shí)，很多賬都變成了呆賬、壞賬，然后連鎖效應(yīng)，帶來金融危機(jī)。國(guó)家相關(guān)機(jī)構(gòu)原來給一個(gè)城市投資，包括低息貸款時(shí)，它主要看一個(gè)城市的經(jīng)濟(jì)總量和它前五年的發(fā)展情況；但前面也看到了，鄂爾多斯這樣的城市13年之前，經(jīng)濟(jì)總量和發(fā)展都很好，但其通過我們的分析就可以發(fā)現(xiàn)，事實(shí)上它的風(fēng)險(xiǎn)很大，所以給它借貸的時(shí)候就需要謹(jǐn)慎一些。
下面我們?cè)賮砜匆粋€(gè)關(guān)于巴西的例子。我們從網(wǎng)上爬到了8000多萬(wàn)條數(shù)據(jù)，簡(jiǎn)單來說就是，關(guān)于什么樣的人會(huì)到什么樣的行業(yè)去工作這樣一個(gè)數(shù)據(jù)。巴西分了580多個(gè)行業(yè)（中國(guó)只分82個(gè)行業(yè)），圖中每一個(gè)顏色都是一個(gè)產(chǎn)業(yè)分類，大概有20多個(gè)項(xiàng)，這些項(xiàng)細(xì)分為500多個(gè)行業(yè)，600多個(gè)工種。我們建一個(gè)圖，每個(gè)節(jié)點(diǎn)都是一個(gè)600多維的vector，代表了勞工在這些工種中的分布。然后我們計(jì)算每?jī)蓚€(gè)vector之間的cos值，表示其相關(guān)程度。圖中每個(gè)node的大小表示了這個(gè)工種上人數(shù)的比重。
我們通過構(gòu)建這樣的圖，來看哪些產(chǎn)業(yè)之間的關(guān)系較為相近。（當(dāng)然評(píng)價(jià)兩個(gè)產(chǎn)業(yè)相近有很多辦法，cos值只是其中一種）我們知道，如果兩個(gè)產(chǎn)業(yè)相近，那么它們很有可能會(huì)有共同的經(jīng)濟(jì)元素（人、資源、物流、倉(cāng)儲(chǔ)等），在發(fā)展過程中可能會(huì)有協(xié)同作用。這個(gè)圖很明顯是一個(gè)中心密集型結(jié)構(gòu)。
在產(chǎn)業(yè)發(fā)展過程中，我們發(fā)現(xiàn)了一些特點(diǎn)，例如巴西，它有兩條learning trace。一條是inter-industry learning illustration，也即當(dāng)和 A 產(chǎn)業(yè)相近的產(chǎn)業(yè)發(fā)展的都很好時(shí)，那么 A 產(chǎn)業(yè)也很有可能發(fā)展得很好，所以這時(shí)候如果投資A產(chǎn)業(yè)就很容易成功。
另一個(gè)是inter-regional learning illustration。意思就是，如果我周圍的省A產(chǎn)業(yè)發(fā)展的比較好，而我的A產(chǎn)業(yè)發(fā)展一般般，那么周圍省的A產(chǎn)業(yè)就會(huì)帶動(dòng)我的A產(chǎn)業(yè)的發(fā)展。
這張圖就說明了上面的情況，橫坐標(biāo)是相近產(chǎn)業(yè)/地區(qū)的活動(dòng)密度，縱坐標(biāo)是新產(chǎn)業(yè)/地區(qū)獲得成功發(fā)展的幾率。圖中右邊的子圖是將兩張圖結(jié)合起來看。
這種情況不僅在巴西，中國(guó)也是這樣（中國(guó)只有82個(gè)產(chǎn)業(yè)分類，數(shù)據(jù)比較慘）。例如上海發(fā)展起來后，它周邊的杭州、蘇州、無錫等也都相繼發(fā)展起來了；深、廣發(fā)展起來后，連東莞的企業(yè)都大漲。（北京例外）。
這是從92年到16年北京/河北、上海/浙江的產(chǎn)業(yè)分布圖。從圖中我們可以看出幾個(gè)城市產(chǎn)業(yè)的變化。
在鄰近學(xué)習(xí)方面，中國(guó)的數(shù)據(jù)沒有巴西那么好，不過仍然能夠看出這樣的規(guī)律。如果周邊省份發(fā)展的比較好，那么這一個(gè)省份也會(huì)發(fā)展比較好；隨著距離的減小，它們的工業(yè)相似性也逐漸增大。
上面的這些基于大數(shù)據(jù)和統(tǒng)計(jì)學(xué)的分析，我們就發(fā)現(xiàn)，不同的城市在不同的發(fā)展線條上，投資應(yīng)當(dāng)遵循一定的優(yōu)化策略。這是我講的第一個(gè)例子，就是怎樣用海量的數(shù)據(jù)去感知區(qū)域發(fā)展的現(xiàn)狀，給區(qū)域經(jīng)濟(jì)發(fā)展提供一個(gè)可定量化分析的策略。
教育學(xué)的例子就是，我們?cè)趺赐ㄟ^行為數(shù)據(jù)來實(shí)現(xiàn)預(yù)測(cè)性管理。我們要做的一個(gè)問題就是去發(fā)現(xiàn)一個(gè)學(xué)生是否有重大問題。
對(duì)學(xué)業(yè)有較大影響的因素有很多，例如身體狀況、智商、DNA、人格、行為等。我們主要關(guān)注人格和行為，因?yàn)樗鼈兪强梢愿深A(yù)和調(diào)整的。以前我們對(duì)這些問題的研究只能是通過調(diào)查問卷的形式獲得幾十、幾百的樣本。現(xiàn)在由于技術(shù)進(jìn)步，我們能夠獲得海量的數(shù)據(jù)，例如通過智能手機(jī)、mooc或者wifi等。
我們用的是學(xué)生校園卡使用情況的數(shù)據(jù)，我們根據(jù)這些數(shù)據(jù)能夠知道學(xué)生在學(xué)校里打水、吃飯、洗澡（時(shí)間）、去圖書館、借書等等的情況。我們用了18960個(gè)匿名學(xué)生的大概3000萬(wàn)個(gè)記錄數(shù)據(jù)。
我們先看兩個(gè)簡(jiǎn)單的例子。
一個(gè)就是orderness，看你的生活是否有規(guī)律。我們用真實(shí)熵來衡量orderness。A圖是18960名學(xué)生洗澡（時(shí)間）的數(shù)據(jù)。我們看到orderness排名前5%的學(xué)生（深藍(lán)色），生活非常規(guī)律，基本上只在晚上9點(diǎn)洗澡；而后5%的學(xué)生（淺藍(lán)色），則除了0-6點(diǎn)（澡堂不開門）外一天當(dāng)中任何時(shí)候都可能去洗澡。B圖中是吃飯情況，前5%（棕色）基本上都在三個(gè)飯點(diǎn)吃飯，而后5%（橘黃色）則基本上一天當(dāng)中任何時(shí)候都可能去食堂刷卡，生活明顯沒有任何規(guī)律。
說明一下，這里我們之所以用真實(shí)熵，而不是香農(nóng)熵或者Simpson熵，是因?yàn)槲覀儾粌H要看分布的集中性，還要看分布是否有順序（例如吃飯，最好是早、中、晚餐都有，而沒有間斷）。真實(shí)熵是可以看到序列的規(guī)律性。
這張圖也是根據(jù)18960名學(xué)生數(shù)據(jù)的分析。右邊這張很容易理解，學(xué)習(xí)的努力程度（用的是進(jìn)出圖書館的數(shù)據(jù)來計(jì)算）和GPA是高度正相關(guān)的。一個(gè)有意思的發(fā)現(xiàn)是，生活的規(guī)律性也和GPA成正相關(guān)，也就是說生活越規(guī)律，學(xué)習(xí)成績(jī)就越好。
值得說明的是勤奮程度和生活的orderness是完全不相關(guān)的。所以前面的兩個(gè)正相關(guān)的規(guī)律是完全獨(dú)立的。
基于此，我們做了一個(gè)非常有意思的事情就是：異常分析。藍(lán)色的是成績(jī)下降，紅色的是成績(jī)上升。我們發(fā)現(xiàn)成績(jī)下降與行為的關(guān)聯(lián)是非常強(qiáng)的，而成績(jī)上升則不一定。換句話說，逆襲不太容易，即使你做到了勤奮學(xué)習(xí)，成績(jī)也不一定能有顯著地提升。上升的我們管不了，但是我們可以通過你的異常行為來預(yù)測(cè)下次考試你的成績(jī)是否會(huì)下滑。例如，你之前每月去30次圖書館，這個(gè)月就去了一次，那么肯定有問題。我們有20多個(gè)類似的異常分析。當(dāng)然我們拿到的數(shù)據(jù)是匿名的，但是每個(gè)輔導(dǎo)員都知道大約100個(gè)學(xué)生匿名數(shù)據(jù)和學(xué)號(hào)的對(duì)應(yīng)。如果出現(xiàn)了重大異常，例如連續(xù)多天沒有刷卡記錄，計(jì)算機(jī)就會(huì)自動(dòng)給你的輔導(dǎo)員發(fā)一個(gè)通知，我們稱之為失聯(lián)預(yù)警。
這個(gè)事例就說明，將行為數(shù)據(jù)（特別是orderness數(shù)據(jù)）和勤奮程度數(shù)據(jù)結(jié)合起來使用，能夠提高對(duì)學(xué)生學(xué)習(xí)成績(jī)的預(yù)測(cè)性。
最后一個(gè)例子是怎樣用big data做宗教網(wǎng)絡(luò)的組織模式的研究。由于時(shí)間原因，我就簡(jiǎn)單地介紹一下。我們做的一件事就是用新浪微博的數(shù)據(jù)來做宗教網(wǎng)絡(luò)的分析，當(dāng)然這里面涉及到大量的文本分析，就不再具體說了。我們看一下這些宗教是怎么組織的。
這是中國(guó)的宗教網(wǎng)絡(luò)關(guān)系，不同的顏色代表了不同的宗教。人數(shù)最多的竟然是基督教，大概占一半左右；佛教占40%左右，其他道教和伊斯蘭教大概占10%左右。我們看到，宗教與宗教之間也是有聯(lián)系的（相互是粉絲），但是在這張宗教網(wǎng)絡(luò)中有一個(gè)非常獨(dú)特的一點(diǎn)就是，網(wǎng)絡(luò)是非常highly, highly, highly，strong, strong, strong的內(nèi)關(guān)聯(lián)的。strong到什么程度呢？如果我們算Newman的Mixing Pattern強(qiáng)度，它是0.987。其他幾百種社交網(wǎng)絡(luò)的情況，包括民主黨和共和黨的關(guān)系、不同人種之間的關(guān)系，這些分離都比不上宗教。宗教對(duì)內(nèi)非常凝聚，對(duì)外則很少連接，這些比民主黨/共和黨，比不同人種之間的分離還要嚴(yán)重。這是我們第一個(gè)比較大的發(fā)現(xiàn)，即宗教帶來的隔離和分離，事實(shí)上是高于人種、高于膚色、高于政治信仰、高于國(guó)家的。
第二個(gè)發(fā)現(xiàn)是，既然分離的這么厲害，那么跨越宗教的連接又是怎么樣的呢？通過這張圖我們看到，跨越宗教的連接其實(shí)很少；而總體而言，佛教雖然沒有基督教人多，但是它在不同的宗教中起到了保持連通性的作用；通過文本分析，我們發(fā)現(xiàn)百分之七八十的保持連通的邊都有做慈善的標(biāo)簽。這是一個(gè)非常重要的信息。
還有一個(gè)非常有意思的信息是，假設(shè)計(jì)算機(jī)是不知道連接之間是否是不同宗教，然后通過逐步去掉這些邊來研究它們的重要性。我們發(fā)現(xiàn)如果按照“度”的方式來去掉這些邊（事實(shí)上就是去掉宗教內(nèi)部的連接），網(wǎng)絡(luò)是沒有相變的；而如果按照“bridgeness”的大?。╞ridgeness的大小表明了溝通不同區(qū)域之間的能力）逐漸去掉這些邊，那么在不同的時(shí)候會(huì)出現(xiàn)兩次相變；當(dāng)按照“betweenness”的大?。ê?jiǎn)單說，這個(gè)指標(biāo)衡量了一個(gè)節(jié)點(diǎn)作為媒介的能力，也就是占據(jù)在其他兩個(gè)節(jié)點(diǎn)最短路徑上最重要的節(jié)點(diǎn)，如果它拒絕溝通信息，那這兩個(gè)節(jié)點(diǎn)就無法溝通，占據(jù)這樣的位置越多，它的中介性就越大）依次去掉這些邊，那么整個(gè)網(wǎng)絡(luò)很快就崩潰了。同樣，如果按“cross link”的大?。ㄟB接不同區(qū)域的能力）來依次去掉邊，網(wǎng)絡(luò)立馬就崩潰。
這說明，保持整個(gè)融合性和聯(lián)通性，是靠著這些跨宗教的人來實(shí)現(xiàn)。至于具體的因素，還需要通過文本來分析這些跨宗教的連接到底是來源于什么樣的共同興趣或?qū)傩浴?/p>
以上我講了三個(gè)例子來說明大數(shù)據(jù)、人工智能的研究在經(jīng)濟(jì)學(xué)、教育學(xué)、社會(huì)學(xué)中的應(yīng)用。給大家一個(gè)建議就是：我有一個(gè)非常強(qiáng)烈的感覺，社會(huì)學(xué)、經(jīng)濟(jì)學(xué)等已經(jīng)在面臨巨變；當(dāng)這個(gè)時(shí)代在發(fā)生巨變的時(shí)代，一定要站在很容易產(chǎn)生一些巨大成果的地方；所以我強(qiáng)烈建議，大家對(duì)社會(huì)學(xué)、經(jīng)濟(jì)學(xué)要有抱負(fù)。
問：個(gè)人如何保護(hù)自己的隱私而不被大公司、大政府甚至恐怖組織所利用？
周濤：這個(gè)問題很好。我的判斷是，個(gè)人是保護(hù)不了自己隱私的。所以個(gè)人就不要往這個(gè)方面試圖發(fā)力。要發(fā)力的是我們國(guó)家通過《網(wǎng)絡(luò)安全法》以及《刑法》第二、第三條的解釋，確保公司和企業(yè)去保護(hù)你的隱私。一種方式就是它不采集你的隱私；第二種是采集完之后立刻銷毀；第三種就是你授權(quán)它采集，它采集完之后只用在很局限的地方，而不會(huì)影響你的個(gè)人隱私，不會(huì)給你帶來傷害。
所以我們應(yīng)該做的是去通過法律來約束大企業(yè)去保護(hù)你的隱私，個(gè)人試圖、或者妄圖保護(hù)自己的隱私是完全不可能的，也沒有任何價(jià)值。例如，只要你出了這個(gè)門，在北京市里，天眼都能知道你的軌跡。你還能不上街？你敲擊鍵盤的順序，原則上主機(jī)商都能拿到！所以自己保護(hù)隱私，這是不太可能的事。所以還不如期望好公司高抬貴手，不侵犯你的隱私。
另外就是，平凡的人會(huì)被保護(hù)得更好。比如iPhone被攻擊后，很多女明星的裸照就被上傳了，但同時(shí)很多其他被攻擊的人照片就沒有被上傳。這是因?yàn)樗齻兲椒玻B黑客都不去關(guān)注。
因?yàn)槠椒?，所以安全?/strong>
雷鋒網(wǎng)注：SMP 2017已然結(jié)束，第七屆社會(huì)媒體處理大會(huì)（SMP 2018）將在哈爾濱市召開。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
