在线社交网络分析

图书标准信息

• 作者 方滨兴 著
• 出版社 电子工业出版社
• 出版时间 2014-11
• 版次 1
• ISBN 9787121235085
• 定价 79.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 392页
• 字数 572千字
• 正文语种 简体中文

【内容简介】

本书从在线社交网络的“结构与演化―群体与互动―信息与传播”三个方面展开，系统、深入地阐述了在线社交网络分析中的基础理论、关键方法和技术，主要内容包括社交网络的结构特性与演化机理分析、社交网络群体行为的形成与互动规律，以及社交网络的信息传播模型及演化规律。本书第一次比较全面地揭示了社交网络的“结构、群体、信息”三个要素之间的复杂交互关系和互动规律，为开展社交网络分析与信息传播研究提供了重要的理论和技术支撑。

【作者简介】

方滨兴，1984年获清华大学硕士学位，1989年获哈尔滨工业大学博士学位。1984年起工作于哈尔滨工业大学，1992年晋升为教授职称，1995年选聘为哈尔滨工业大学博士生指导教师。2003年起任中科院计算所客座研究员，博士生导师，信息安全方向首席科学家。2005年遴选为中国工程院院士，2007年至2013年任北京邮电大学校长。主要研究方向为社交网络分析、网络安全、信息内容安全、并行处理、互联网技术等。担任国家应急管理专家组成员，国家信息化专家咨询委员会委员兼网络与信息安全专业委员会副主任，国家“十二五”863计划专家委员会委员，国家自然科学基金可信软件重大专项专家组副组长，工业和信息化部网络与信息安全专家咨询组组长，中国通信学会副理事长兼通信安全技术委员会主任，中国计算机学会计算机安全专业委员会主任，中国互联网协会副理事长兼网络与信息安全工作委员会主任，中国通信标准化协会网络与信息安全技术委员会（TC8）主席，北京邮电大学可信分布式计算与服务教育部重点实验室主任。目前作为国家973计划首席科学家主持973项目“社交网络分析与网络信息传播的基础研究”。

【目录】

目   录
第1章  绪    论1
1．1  社交网络及其发展1
1．1．1  社交网络起源1
1．1．2  从社会学角度看社交网络的发展历程1
1．1．3  从人类学角度看社交网络的发展历程3
1．2  在线社交网络发展4
1．2．1  在线社交网络概念4
1．2．2  在线社交网络的特点5
1．2．3  在线社交网络的发展5
1．2．4  在线社交网络对人们生活的影响6
1．3  在线社交网络分析的背景和意义7
1．4  在线社交网络分析的科学问题8
1．4．1  在线社交网络分析面临的挑战8
1．4．2  三个科学问题与相关研究内容10
1．5  本书的组织安排18
参考文献20
第2章  社交网络结构特征分析及建模22
2．1  引言22
2．2  示例22
2．3  社交网络的统计特性23
2．3．1  度分布24
2．3．2  平均路径长度24
2．3．3  网络密度25
2．3．4  聚集系数26
2．3．5  介数27
2．4  社交网络特性分析27
2．4．1  小世界现象28
2．4．2  标度特性30
2．4．3  同配性34
2．4．4  互惠性37
2．5  社交网络结构建模与生成37
2．5．1  WS模型38
2．5．2  WS模型的扩展40
2．5．3  BA模型41
2．5．4  BA模型的扩展44
2．5．5  其他模型46
2．6  本章小结48
参考文献49
第3章  虚拟社区发现技术与方法52
3．1  引言52
3．2  虚拟社区发现技术理论基础52
3．2．1  虚拟社区的定义52
3．2．2  虚拟社区发现算法的发展进程54
3．2．3  虚拟社区算法评价的准确度指标55
3．2．4  虚拟社区算法计算复杂度58
3．2．5  用于虚拟社区发现算法测试的典型数据集59
3．3  虚拟社区静态计算发现算法63
3．3．1  模块度最优化算法63
3．3．2  多目标优化算法66
3．3．3  基于概率模型的算法69
3．3．4  信息编码算法72
3．4  虚拟社区动态计算发现算法75
3．4．1  派系过滤算法75
3．4．2  基于相似度的聚合算法78
3．4．3  标签传播算法81
3．4．4  局部扩展优化算法84
3．5  本章小结87
参考文献87
第4章  虚拟社区的演化分析90
4．1  引言90
4．2  虚拟社区的涌现90
4．2．1  虚拟社区涌现的周期闭包91
4．2．2  虚拟社区涌现的偏好连接92
4．2．3  虚拟社区涌现的老化因素96
4．3  虚拟社区的演化98
4．3．1  虚拟社区演化的累积效应98
4．3．2  虚拟社区演化的结构多样性101
4．3．3  虚拟社区演化的结构平衡性105
4．4  演化虚拟社区的发现106
4．4．1  基于相邻时刻相似度直接比较的演化虚拟社区发现106
4．4．2  基于演化聚类分析的演化虚拟社区的发现107
4．4．3  基于拉普拉斯动力学方法的演化虚拟社区发现108
4．4．4  基于派系过滤算法的演化虚拟社区发现109
4．4．5  基于节点行为趋势分析的演化虚拟社区发现110
4．5  本章小结110
参考文献111
第5章  用户行为分析114
5．1  引言114
5．2  在线社交网络用户采纳与忠诚115
5．2．1  在线社交网络用户采纳115
5．2．2  在线社交网络用户忠诚122
5．3  用户个体使用行为130
5．3．1  一般使用行为130
5．3．2  内容创建行为136
5．3．3  内容消费行为144
5．4  用户群体互动行为150
5．4．1  群体互动的关系选择150
5．4．2  群体互动的内容选择154
5．4．3  群体互动的时间规律156
5．5  本章小结159
参考文献160
第6章  社交网络情感分析165
6．1  引言165
6．1．1  情感分析历史165
6．1．2  情感定义及分类166
6．1．3  情感分析应用168
6．2  文本情感分析技术169
6．2．1  基于语义规则的情感分析技术169
6．2．2  基于监督学习的情感分析方法172
6．2．3  基于话题模型的情感分析技术177
6．3  社交网络情感分析技术178
6．3．1  面向短文本的情感分析技术178
6．3．2  基于群体智能的情感分析技术182
6．3．3  社交网络的垃圾意见挖掘技术183
6．4  情感分析技术的延伸与变形184
6．4．1  情感摘要技术185
6．4．2  基于迁移学习机制的情感分析技术186
6．5  本章小结187
参考文献187
第7章  个体影响力分析及技术191
7．1  引言191
7．2  影响强度计算193
7．2．1  基于网络结构的影响强度计算193
7．2．2  基于行为的影响强度计算194
7．2．3  基于话题的影响强度计算196
7．3  影响力个体发现198
7．3．1  基于网络结构的个体影响力计算198
7．3．2  PageRank算法201
7．3．3  基于行为的个体影响力计算204
7．3．4  基于话题的个体影响力计算207
7．4  本章小结208
参考文献208
第8章  群体聚集及影响机制210
8．1  引言210
8．2  群体智慧产生机理212
8．2．1  群体智慧212
8．2．2  自我决定论与群体智慧213
8．2．3  群体智慧产生的条件214
8．2．4  群体智慧产生的影响因素215
8．2．5  群体智慧的分析模型217
8．2．6  社交网络上的群体智慧仿真222
8．3  群体极化产生机理228
8．3．1  群体极化228
8．3．2  社会比较理论与群体极化229
8．3．3  群体极化产生的条件231
8．3．4  群体极化产生的影响因素232
8．3．5  群体极化分析的主要模型233
8．3．6  社交网络结构影响的社交网络群体极化仿真240
8．3．7  有社交网络结构影响的社交网络群体极化仿真244
8．4  本章小结251
参考文献252
第9章  面向社交网络的信息检索256
9．1  引言256
9．2  社交网络内容搜索259
9．2．1  经典信息检索及相关反馈模型259
9．2．2  微博搜索中的查询表示研究266
9．2．3  微博搜索中的文档表示研究270
9．2．4  微博检索模型研究273
9．3  社交网络内容分类277
9．3．1  短文本分类中的特征处理研究278
9．3．2  短文本分类的算法研究280
9．4  社交网络推荐281
9．4．1  社会化推荐简介283
9．4．2  基于记忆的社会化推荐284
9．4．3  基于模型的社会化推荐288
9．5  本章小结293
参考文献294
第10章  社交网络信息传播规律302
10．1  引言302
10．2  社交网络中信息传播影响因素303
10．2．1  社交网络结构303
10．2．2  网络群体304
10．2．3  信息304
10．3  基于网络结构的传播模型305
10．3．1  线性阈值模型305
10．3．2  独立级联模型306
10．3．3  相关扩展模型307
10．4  基于群体状态的传播模型308
10．4．1  经典传染病传播模型308
10．4．2  社交网络中的传染病信息传播模型310
10．4．3  基于影响力的传播模型311
10．5  基于信息特性的传播模型311
10．5．1  多源信息传播分析312
10．5．2  信息竞争传播现象312
10．6  热度预测方法314
10．6．1  基于历史热度的预测模型314
10．6．2  基于网络结构的预测模型315
10．6．3  基于用户行为的预测模型316
10．6．4  基于时间序列法的预测模型317
10．7  信息溯源技术324
10．7．1  信息溯源概述324
10．7．2  基于中心度测量的溯源方法325
10．7．3  通过统计推理框架溯源327
10．7．4  基于反向传播与节点分区的多源信息溯源技术330
10．8  本章小结332
参考文献333
第11章  话题的发现与演化336
11．1  引言336
11．2  话题发现的模型和算法337
11．2．1  基于主题模型的话题发现338
11．2．2  基于向量空间模型的话题发现348
11．2．3  基于词项关系图的话题发现351
11．3  话题演化的模型和算法354
11．3．1  朴素话题演化354
11．3．2  基于主题模型的话题演化356
11．3．3  基于相邻时间片关联的话题演化358
11．4  本章小结359
参考文献359
附录362
第12章  影响力最大化计算方法365
12．1  引言365
12．2  基本概念与理论基础365
12．3  影响力最大化度量标准367
12．4  影响力最大化算法分类368
12．5  影响力最大化贪心算法369
12．5．1  贪心算法基础概念369
12．5．2  BasicGreedy算法369
12．5．3  CELF算法370
12．5．4  MixGreedy算法371
12．5．5  其他贪心算法372
12．5．6  贪心算法小结373
12．6  影响力最大化启发式算法373
12．6．1  DegreeDiscount启发式373
12．6．2  PMIA启发式374
12．6．3  LDAG启发式374
12．6．4  其他启发式375
12．6．5  启发式算法小结376
12．7  影响力最大化问题延伸与变形376
12．7．1  影响力最大化问题延伸376
12．7．2  影响力最大化问题变形377
12．8  本章小结378
参考文献379