复杂网络建模理论与应用

本书是作者在近年来对数据挖掘和社会网络分析理论研究的基础上撰写的，重点介绍了作者在该领域研究的成果，详细讨论了有关的概念、方法和相关算法。全书共六章，主要包括属性图的定义及其扩展，概率属性图、粗糙属性图和S-粗糙属性图的定义、基本性质及应用；加权社会网络社区发现及链接预测方法；符号社会网络社区发现；复杂社会网络集对建模理论及在社区发现领域的应用；社会影响力传播模型，基于偏好的、基于负面传播的、基于成本控制的影响优选化算法等。本书可供计算机科学与技术学科相关专业硕士研究生、博士研究生和从事相关领域工作的科研人员及工程技术人员参考。

前言
第1章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.1.3 主要研究内容
1.2 复杂网络建模理论研究现状分析
1.2.1 属性图建模现状分析
1.2.2 加权网络建模现状分析
1.2.3 符号网络建模现状分析
1.2.4 集对网络建模现状分析
1.2.5 影响优选化建模现状分析
1.3 复杂网络的应用领域
1.3.1 社区发现及应用
1.3.2 链接预测及应用
1.3.3 影响优选化及应用
第2章 复杂网络属性图建模及应用
2.1 引言
2.2 属性图及其扩展
2.2.1 属性图基本定义
2.2.2 粗糙属性图结构
2.2.3 S-粗糙属性图结构
2.2.4 各种属性图之间的关系
2.3 基于属性图的复杂网络结构分析
2.3.1 基于属性图的网络结构测度分析
2.3.2 基于粗糙属性图的网络结构测度分析
2.4 基于属性图的社区挖掘
2.4.1 粗匹配属性子图
2.4.2 粗糙中心区及挖掘算法
2.4.3 S-粗糙属性图粗糙度与社会网络动态性
第3章 加权网络建模及应用
3.1 引言
3.2 加权网络基本知识
3.2.1 加权网络定义
3.2.2 加权网络描述方法
3.2.3 加权网络的应用领域
3.3 加权网络社区发现建模及应用
3.3.1 加权网络相似性度量方法
3.3.2 加权网络社区发现的建模方法
3.3.3 基于链接强度的加权网络社区发现算法
3.3.4 基于共同邻居的加权网络社区发现算法
3.4 加权网络链接预测建模方法及应用
3.4.1 加权网络链接预测建模方法
3.4.2 基于多路径节点相似性的加权网络链接预测
第4章 符号网络建模及应用
4.1 引言
4.2 符号网络基本知识
4.2.1 符号网络定义
4.2.2 符号网络的特征量
4.2.3 结构平衡理论
4.2.4 符号网络的应用领域
4.3 基于共同邻居的符号网络社区发现
4.3.1 符号网络相似性度量
4.3.2 基于共同邻居的符号网络建模
4.3.3 基于共同邻居的社区发现算法
4.3.4 基于共同邻居紧密度的符号网络社区发现算法
4.4 基于结构平衡理论的符号网络社区发现
4.4.1 基于结构平衡理论的符号网络建模
4.4.2 基于结构平衡理论的社区发现算法
第5章 集对复杂网络建模及应用
5.1 引言
5.2 集对分析理论简介
5.2.1 集对的定义
5.2.2 联系理论
5.2.3 集对分析理论应用领域
5.3 集对网络建模
5.3.1 集对相似性度量
5.3.2 社会网络集对建模
5.3.3 符号网络集对建模
5.3.4 主题关注网络集对建模
5.4 集对网络社区发现
5.4.1 基于集对理论的社会网络社区发现算法
5.4.2 基于集对理论的符号网络动态社区发现算法
5.4.3 基于集对理论的主题关注网络的社区发现算法
第6章 影响优选化建模及应用
6.1 引言
6.2 影响优选化基本知识
6.2.1 影响优选化的定义
6.2.2 社会影响力传播模型
6.2.3 影响优选化的应用领域
6.3 影响优选化建模
6.3.1 基于社区结构的影响优选化建模及算法
6.3.2 基于偏好的影响优选化建模及算法
6.3.3 考虑负面传播的影响优选化建模及算法
6.3.4 基于竞争环境的影响优选化建模及算法
6.3.5 基于遗传算法及模拟退火算法的影响优选化方法
6.3.6 成本控制下的影响优选化方法
参考文献
彩图