网络科学与计算

本书既可为相关管理部门提供决策参考和理论指导，又可帮助相关企事业单位优化产品与服务，并且依据网络科学中个体的不同特点，为用户提供精准的个性化推荐。

随着人工智能、大数据及自媒体的快速进步，网络科学的计算思维与分析方法在人们生活、工作等方面得到了广泛应用与发展，同时也催生了各种对网络科学的理论计算方法和分析技术。本书主要围绕网络科学与计算展开，主要内容包括图论、网络模型、网络度分布及其度量、网络相似性度量、网络科学中的特征计算、网络谱度量、基于熵理论的网络科学分析、图计算重要算法、网络科学应用、网络科学计算分析。本书可读性强，内容丰富，涉及计算机科学、数学、新闻与传播学、社会学、管理学等多个学科领域。

刘小洋，教授，硕士生导师。西北工业大学博士，先后在重庆大学、美国阿拉巴马大学从事博士后研究工作，现任职于重庆理工大学计算机科学与工程学院。中国计算机学会CCF高级会员，IEEE Transactions on Cybernetics等国内外权威期刊审稿专家。

第1章网络科学概论1
1.1网络科学1
1.1.1网络科学的相关定义1
1.1.2网络科学的发展历程1
1.2网络科学的基本概念4
1.2.1连通性4
1.2.2度与稀疏性5
1.2.3度分布5
1.3网络科学的性质5
1.3.1大小6
1.3.2密度6
1.3.3网络直径6
1.4网络科学的主要模型7
1.4.1艾狄胥-雷尼模型7
1.4.2瓦茨-斯特罗加茨模型7
1.5网络科学的分支领域8
1.5.1生物神经网络8
1.5.2人工神经网络8
1.5.3经济网络10
1.6网络科学的前沿方向10
1.6.1时序网络10
1.6.2网络上的动力学过程11
1.6.3自适应网络11
1.6.4高阶网络12
1.7本章小结12
思考题12
参考文献12
第2章图论14
2.1图的基本要素14
2.1.1节点和边14
2.1.2度和度分布15
2.2图的表示16
2.2.1邻接矩阵16
2.2.2邻接表17
2.2.3关联矩阵表示法17
2.2.4边列表17
2.3图的类型18
2.4图的连通性19
2.5特殊图21
2.5.1接近图21
2.5.2平面图22
2.5.3二分图22
2.5.4树23
2.5.5桥23
2.5.6特殊子图23
2.6图的应用分析25
2.6.1图/树的遍历25
2.6.2最短路径算法26
2.6.3最小生成树28
2.6.4网络流算法28
2.7本章小结31
思考题31
参考文献31
第3章网络模型33
3.1规则网络与随机网络33
3.1.1规则网络33
3.1.2随机网络33
3.1.3对比分析34
3.2小世界网络35
3.2.1小世界网络35
3.2.2应用分析35
3.3无标度网络36
3.3.1无标度网络36
3.3.2应用分析36
3.4本章小结39
思考题39
参考文献39
第4章网络度分布及其度量41
4.1节点度41
4.1.1度与平均度41
4.1.2出度与入度41
4.2度分布42
4.2.1度分布的概念42
4.2.2钟形曲线到长尾分布43
4.2.3幂律分布44
4.3度相关性及其度量46
4.3.1高阶度分布的引入46
4.3.2联合概率分布47
4.3.3条件概率和余平均度48
4.3.4同配系数49
4.4应用分析50
4.4.1蛋白组演化网络50
4.4.2预测流感病毒发生50
4.4.3区域创新系统50
4.5本章小结51
思考题51
参考文献51
第5章网络相似性度量53
5.1图相似简介53
5.2结构相似性54
5.3图同构与图相似55
5.3.1图同构55
5.3.2图编辑距离56
5.3.3不同类型的图同构57
5.4相似性度量指标58
5.4.1基于路径的度量方法59
5.4.2基于树的度量方法61
5.4.3图编辑距离度量方法64
5.5应用分析65
5.5.1图嵌入模型65
5.5.2图匹配网络66
5.5.3实验分析67
5.6本章小结69
思考题69
参考文献70
第6章网络科学中的特征计算72
6.1图的距离72
6.2平均距离73
6.3集聚系数74
6.4圈系数77
6.5无标度随机图的集聚系数79
6.6应用分析80
6.7本章小结82
思考题82
参考文献82
第7章网络谱度量分析84
7.1网络特征值84
7.2谱半径85
7.3特征谱及其在网络科学中的应用87
7.4网络谱密度分析88
7.5随机图的谱93
7.6本章小结93
思考题93
参考文献94
第8章网络熵95
8.1网络熵95
8.1.1熵在网络模型中的表示95
8.1.2网络结构熵96
8.2基于度的熵97
8.3基于距离的熵98
8.4基于特征向量及特征值的熵98
8.5基于图论的网络熵分析99
8.5.1引言99
8.5.2局部连通性100
8.5.3全局中心性100
8.6基于子图的熵102
8.6.1密集子图和稠密子图103
8.6.2频繁子图104
8.6.3连通子图104
8.7基于随机图的熵106
8.7.1随机网络106
8.8应用分析107
8.8.1基于网络熵的重要节点发现107
8.8.2EnD节点重要性排序算法108
8.9本章小结109
思考题110
参考文献110
第9章图计算重要算法111
9.1社区发现111
9.1.1相关模型112
9.1.2提出的社区发现方法114
9.1.3时间复杂度和实验结果分析118
9.1.4应用分析122
9.2链路预测124
9.2.1模型框架124
9.2.2算法描述126
9.2.3实验设置128
9.2.4实验结果与分析129
9.3网络影响力扩散算法138
9.3.1引言138
9.3.2问题描述与分析138
9.3.3基于目标感知的分配激励模型143
9.3.4实验结果与分析148
9.4本章小结155
思考题155
参考文献155
第10章网络科学应用157
10.1网络信息级联预测157
10.1.1引言157
10.1.2自激励点过程157
10.1.3数据预处理158
10.1.4自激励点过程的图卷积级联预测160
10.1.5实验结果与分析163
10.1.6模型收敛性169
10.2推荐系统170
10.2.1引言170
10.2.2相关工作171
10.2.3问题定义175
10.3情感分析177
10.3.1引言177
10.3.2相关工作178
10.3.3基于多模态的舆情情感分类180
10.3.4实验结果与分析185
10.4复杂网络分层抽样190
10.4.1引言190
10.4.2相关工作191
10.5网络关键节点识别194
10.5.1引言194
10.5.2相关工作196
10.5.3准备工作198
10.6本章小结201
思考题202
参考文献202
第11章网络科学计算分析204
11.1引言204
11.2相关工作205
11.3分析方法205
11.3.1共词分析205
11.3.2节点中心性算法206
11.3.3特征向量中心性210
11.4实验数据分析212
11.4.1人物共词分析212
11.4.2小世界性分析215
11.5实验和结果216
11.5.1关键人物重要性分析216
11.5.2SIR模型评估中心性220
11.5.3人物相关性分析223
11.5.4人物聚类分析224
11.5.5小说人物关系图谱226
11.5.6舆情分析227
11.6本章小结228
思考题228
参考文献229