社交網絡分析
劉小洋
- 出版商: 電子工業
- 出版日期: 2021-05-01
- 定價: $474
- 售價: 8.5 折 $403
- 語言: 簡體中文
- 頁數: 244
- 裝訂: 平裝
- ISBN: 7121410648
- ISBN-13: 9787121410642
已絕版
買這商品的人也買了...
-
$505圖解Spark:核心技術與案例實戰
-
$560$437 -
$403AWS Lambda 實戰 : 開發事件驅動的無服務器應用程序 (AWS Lambda in Action: Event-Driven Serverless Applications)
-
$254亞馬遜 AWS 雲基礎與實戰
-
$474$450 -
$414$393 -
$680$578 -
$419$398 -
$580$458 -
$454Python 3反爬蟲原理與繞過實戰
-
$653AWS 高級網絡官方學習指南 (專項領域) (AWS Certified Advanced Networking Official Study Guide: Specialty Exam)
-
$414$393 -
$760$646 -
$780$616 -
$1,000$790 -
$254文本數據挖掘與 Python 應用
-
$438$416 -
$398區塊鏈精要 : 全球數字化時代的區塊鏈多重博弈
-
$709雲網絡:數字經濟的連接
-
$708$673 -
$449財務報表分析與商業決策
-
$509Jupyter 金融應用 從入門到實踐
-
$600$468 -
$880$748 -
$539$512
相關主題
商品描述
隨著社交服務的快速發展,社交網絡進入社會經濟、生活、工作的各個方面,催生了各種針對社交網絡的理論計算方法和分析技術。本書主要圍繞社交網絡分析展開,主要內容包括社交網絡基本概念與術語、社交網絡分析理論基礎、社交網絡文本情感分析、社交網絡鏈路預測、社交網絡信息傳播動力學分析、社交網絡不實信息傳播分析、社交網絡蠕蟲傳播與免疫分析、社交網絡動態社區發現方法分析。全書可讀性強,內容豐富,涉及電腦科學、數學、新聞與傳播學、社會學、管理學等多個學科領域。本書適合作為高等學校相關專業的教材,也可供相關領域的研究人員參考。
作者簡介
劉小洋,博士、博士後;副教授,碩士生導師。美國IEEE 、ACM成員,CCF會員。
任《IEEE Transactions on Cybernetics》《IEEE/ACM Transactions on Networking》《Computer Networks》《International Journal of Systems Science》《IEEE Transactions on Industrial Informatics》《計算機學報》《中文信息學報》《計算機科學》等國內外期刊審稿專家; 《重慶理工大學》(自然科學版) 青年編委。
目錄大綱
目錄
第1章緒論1
1.1社交網絡1
1.1.1社交網絡的相關定義1
1.1.2社交網絡的發展1
1.2社交網絡的本質4
1.3社交網絡數據挖掘的意義5
1.4社交網絡的基本概念6
1.4.1 “六度分隔”理論6
1.4.2弱關係、強關係7
1.4.3貝肯數8
1.4.4頓巴數9
1.5無處不在的社交網絡9
1.5.1航空領域的應用9
1.5.2交通領域的應用10
1.5.3社交領域的應用10
1.5.4醫療領域的應用10
1.5.5傳染病領域的應用11
1.6社交網絡分析的主要研究方向12
1.6.1信息傳播12
1.6.2情感分析12
1.6.3熱點事件分析12
1. 6.4影響最大化13
1.6.5鏈路預測14
1.6.6社區發現14
1.7社交網絡的前沿方向15
1.7.1多層網絡15
1.7.2時序網絡16
1.7.3網絡動力學17
1.7.4圖網絡17
1.7.5自適應網絡18
1.8本章小節18
參考文獻19
第2章社交網絡分析理論基礎21
2.1圖論21
2.1.1哥尼斯堡七橋問題21
2.1.2圖的基本概念22
2.1.3圖的存儲結構23
2.1.4圖的連通性24
2.1.5圖的匹配理論26
2.1.6支配集、點獨立集、點覆蓋集28
2.2網絡的基本特徵29
2.2.1節點29
2.2.2邊29
2.2.3度和度的分佈30
2.2.4圖的表示31
2.2.5圖的類型33
2.2.6圖的連通性35
2.3網絡中的統計特性36
2.3.1統計特性38
2.3.2網絡演化模型統計特性43
2.4網絡中的統計物理學48
2.4.1統計物理方法48
2.4.2平均場理論方法49
2.4.3自組織理論50
2.4.4主方程51
2.5本章小結54
參考文獻54
第3章社交網絡文本情感分析56
3.1基於中文句法的圖卷積情感分析56
3.1.1基於深度學習的情感分析概述58
3.1.2基於句法依賴樹的情感分析模型61
3.1.3實驗結果與分析67
3.2基於word2vec和雙向LSTM的情感分類73
3 .2.1傳統情感分析方法74
3.2.2提出的情感分析方法75
3.2.3實驗和結果分析80
3.3本章小結87
參考文獻88
第4章社交網絡鏈路預測分析92
4 .1前言92
4.2預備知識94
4.2.1邏輯斯蒂回歸94
4.2.2正則化96
4.2.3 LightGBM 97
4.2.4層疊泛化102
4.3提出的鏈路預測方法104
4.3.1提出的鏈路預測算法104
4.3.2鏈路預測模型構建107
4.4實驗結果與分析109
4.4.1數據集109
4.4.2鏈路預測模型評估109
4.4.3評價指標110
4.4.4基準算法111
4.4.5實驗結果與分析112
4.5本章小結122
參考文獻122
第5章社交網絡信息傳播動力學分析126
5.1引言126
5.2傳播動力學分析129
5.2.1個體特徵分析129
5.2.2信息傳播運動分析132
5.2.3信息傳播受力分析134
5.2.4信息傳播演化過程136
5. 3結果與分析139
5.3.1數值模擬140
5.3.2仿真分析144
5.3.3實證對比分析147
5.4本章小結151
參考文獻152
第6章社交網絡不實信息傳播分析155
6.1社交網絡垃圾信息傳播分析155
6.1.1垃圾信息傳播概述155
6.1.2傳統病毒傳播模型156
6.1.3構建的垃圾信息傳播模型157
6.1.4平衡點的穩定性分析159
6.1.5數值仿真分析163
6.1.6本節小結168
6.2社交網絡謠言傳播分析169
6.2.1謠言傳播概述169
6.2.2正負面信息干擾下的謠言傳播模型170
6.2.3實驗結果分析177
6.2.4本節小結183
6.3本章小結184
參考文獻185
第7章社交網絡蠕蟲傳播與免疫分析187
7.1前言187
7.2蠕蟲傳播建模分析188
7.2.1建模參數和假設188
7.2.2主機狀態轉換分析189
7.3蠕蟲傳播數學建模191
7.4蠕蟲免疫模型193
7.4. 1 P2P蠕蟲免疫倉室193
7.4.2蠕蟲免疫數學建模194
7.5無蠕蟲病毒的平衡條件195
7.5.1流行病理論195
7.5.2蠕蟲不會氾濫的條件196
7 .6仿真分析198
7.6.1蠕蟲不會氾濫的充分條件的實驗證明198
7.6.2 P2P參數對蠕蟲傳播的影響203
7.6.3蠕蟲傳播控制204
7.6.4蠕蟲免疫模型仿真205
7.7本章小結208
參考文獻208
第8章社交網絡動態社區發現方法分析210
8.1前言210
8.2相關工作212
8.3提出的動態社區發現方法214
8.3.1相關定義214
8.3.2系統進化的移植分區模型216
8.4實驗分析220
8.4.1人工網絡221
8.4.2真實網絡224
8.5本章小結229
參考文獻229