社會網絡計算

第1篇 社會網絡的基本認識
第1章 社會網絡計算導論
1.1 社會網絡的背景
1.2 社會網絡的主體
1.3 社會網絡的定義
1.3.1 社會網絡的本質
1.3.2 社會網絡的基本形式
1.3.3 社會網絡的術語
1.4 社會網絡的種類
1.4.1 個體間網絡
1.4.2 組織社會網絡
1.4.3 線上傳播網絡
1.4.4 線下傳播網絡
1.4.5 用戶商品二模網絡
1.5 社會網絡的計算方法
1.5.1 社會網絡的研究簡史
1.5.2 社會網絡的圖同構
1.5.3 社會網絡在電腦中的表示
1.5.4 社會網絡的測量指標—igraph的實際操作
1.5.5 社會網絡計算實例—學生社會網絡計算
1.5.6 社會網絡的計算方法與思維
1.5.7 社會網絡計算在電子商務中的應用
1.6 社會網絡的計算範式
1.7 全書章節安排
思考題
參考資料
第2章 社會網絡的可視化
2.1 數據可視化
2.2 社會網絡可視化
2.3 社會網絡可視化佈局
2.4 社會網絡可視化工具
2.5 Gephi可視化
2.5.1 Gephi簡介
2.5.2 將數據導入Gephi
2.5.3 圖窗體內編輯工具介紹
2.5.4 Gephi可視化實例
2.6 igraph可視化
2.6.1 igraph簡介
2.6.2 用igraph讀取數據
2.6.3 用igraph創建網絡圖
2.6.4 igraph可視化實例
本章小結
思考題
參考資料
第3章 社會網絡中的三元閉包
3.1 三元閉包的基本原理
3.1.1 三元閉包的定義
3.1.2 三元閉包原理的拓展
3.1.3 igraph中網絡節點和邊的演化
3.2 聚類系數
3.2.1 聚類系數的定義
3.2.2 用Gephi計算聚類系數
3.2.3 用igraph計算聚類系數
3.3 嵌入性
3.4 結構洞和中心性
3.4.1 結構洞的測量
3.4.2 用Gephi計算介數
3.4.3 用igraph計算中心性指標
3.5 單模有向網絡中的三元閉包
3.6 線上有向網絡的三元閉包—微博關註網絡實例
3.7 線下有向網絡的三元閉包—學生人際網絡實例
3.7.1 關註影響力的定義
3.7.2 三元閉包研究數據
3.7.3 三元閉包分析方法
3.7.4 三元閉包結果分析
3.7.5 關註影響力研究結論
本章小結
思考題
參考資料
第4章 社會網絡中的強弱關系
4.1 社會網絡的觀察視角
4.2 社會網絡中的橋和捷徑
4.3 關系強度和捷徑
4.4 弱關系和捷徑的關系驗證
4.4.1 鄰里重疊度
4.4.2 用igraph計算兩節點的相似性
4.4.3 弱關系與捷徑的大數據驗證
4.4.4 用igraph包判斷網絡的連通
4.5 弱關系的力量
4.6 加權網絡
4.6.1 加權網絡的定義
4.6.2 加權網絡的測量
4.6.3 基於Gephi的加權網絡可視化
4.6.4 基於igraph的邊訪問
4.7 加權網絡分析實例1—共代碼網絡
4.7.1 共代碼網絡研究問題定義
4.7.2 基金代碼數據收集
4.7.3 確定共代碼網絡的邊
4.7.4 確定共代碼網絡的邊權重
4.7.5 知識流動路徑分析
4.7.6 共代碼網絡研究結論
4.8 加權網絡分析實例2—球隊網絡
4.8.1 加權有向網絡熵的定義
4.8.2 基於加權有向網絡熵的2017年NBA總決賽社會網絡分析
4.8.3 總結與展望
本章小結
思考題
參考資料
第5章 社會網絡中的同質性
5.1 同質性的原理
5.1.1 同質性的含義
5.1.2 同質性的簡單測度
5.1.3 同質性的利弊及意義
5.2 同質性的影響
5.2.1 歸屬網絡
5.2.2 社團閉包和會員閉包
5.2.3 社會選擇和社會影響的驗證
5.3 二模網絡的計算
5.3.1 二模網絡的表示
5.3.2 二模網絡的測量
5.3.3 Ucinet中的二模網絡分析
5.3.4 二(多)模網絡的描述
5.4 隔離模型—社會網絡的計算實驗
5.4.1 隔離現象
5.4.2 謝林模型示意
5.4.3 Netlogo中的隔離模型
5.4.4 社交中的空間移動
本章小結
思考題
參考資料
第6章 社會網絡中的正負平衡
6.1 正負關系
6.2 關系屬性與平衡性
6.2.1 三元關系中的結構平衡問題
6.2.2 社會網絡的結構平衡
6.2.3 整體平衡指數
6.3 結構平衡理論的實際應用
6.3.1 在日常生活中的應用
6.3.2 在商業管理中的應用
6.3.3 在電子商務中的應用
6.4 平衡定理
6.4.1 平衡定理的證明
6.4.2 弱平衡網絡
6.4.3 非完全網絡中的結構平衡
6.4.4 有向符號網絡中的結構平衡
6.4.5 igraph中社會網絡的遍歷
6.5 社會地位理論
6.5.1 結構平衡理論和社會地位理論
6.5.2 社會地位理論中的關系組合模式
6.6 符號網絡的應用
6.7 igraph中的社群檢測
6.7.1 igraph社群檢測函數介紹
6.7.2 社群檢測函數的比較
6.7.3 igraph社群檢測應用舉例
本章小結
思考題
參考資料
第2篇 社會網絡的洞察發現
第7章 社會網絡中的小世界
7.1 小世界現象
7.1.1 六度分隔
7.1.2 Erdos數
7.1.3 Bacon數
7.1.4 人立方
7.2 經典的小世界模型
7.2.1 網絡的結構與隨機性
7.2.2 Watts-Strogatz小世界模型
7.2.3 小世界網絡的判斷
7.2.4 Netlogo中的小世界模型
7.2.5 igraph中的小世界模型
7.3 擴展的小世界模型
7.3.1 分散搜索
7.3.2 Watts-Strogatz-Kleinberg網絡模型擴展小世界模型
7.3.3 搜索中的空間距離
7.3.4 搜索中的社會距離
7.3.5 利用在線社會網絡進行驗證
7.3.6 igraph中的K-核分解與社會距離
7.4 萬維網鏈接中的小世界現象
7.4.1 網頁鏈接有向圖
7.4.2 領結模型
7.4.3 其他網頁鏈接模型
7.5 社會網絡中的小世界效應實例—在線醫療社區用戶交互行為
7.5.1 研究對象
7.5.2 數據處理及工具
7.5.3 整體網絡結構分析
7.5.4 個體網絡結構分析
本章小結
思考題
參考資料
第8章 社會網絡中的冪律
8.1 正態分佈
8.2 流行性
8.3 冪律的定義和基本特性
8.3.1 什麽是冪律
8.3.2 其他符合冪律的實例
8.3.3 冪律的基本特性
8.4 隨機網絡和無標度網絡
8.4.1 igraph中的Erdos-Renyi隨機網絡模型
8.4.2 igraph中的BA無標度網絡模型
8.4.3 隨機和無標度網絡的度分佈
8.5 冪律的產生機制
8.5.1 優勢鏈接模型
8.5.2 富者更富的在線隨機試驗
8.5.3 Netlogo中的BA優勢鏈接模型
8.5.4 Netlogo中的ER隨機網絡模型
8.6 長尾理論與應用
8.6.1 長尾的定義
8.6.2 長尾理論的應用
8.6.3 網上購物的富者更富現象
8.7 其他形式的冪律
8.7.1 齊普夫定律
8.7.2 稠密化冪律
本章小結
思考題
參考資料
第9章 社會網絡中的社區
9.1 基本概念
9.1.1 背景介紹
9.1.2 社區的定義
9.2 社區發現
9.2.1 社區發現的定義
9.2.2 社區發現的評價指標
9.3 社區發現算法
9.3.1 非重疊社區發現算法
9.3.2 重疊社區發現算法
9.4 社區演化
9.4.1 社區演化相關概念
9.4.2 社區演化事件
9.4.3 社區演化算法
9.5 社區研究數據集
9.5.1 人工數據集
9.5.2 真實數據集
本章小結
思考題
參考資料
第10章 社會網絡中的傳播
10.1 社會網絡中的傳播簡介
10.1.1 傳播的含義
10.1.2 社會網絡傳播的影響因素
10.1.3 社會網絡傳播模型
10.2 網絡的傳播形態
10.2.1 網絡中的人際傳播
10.2.2 網絡中的群體傳播
10.2.3 網絡中的組織傳播與大眾傳播
10.3 社會網絡中的信息傳播
10.3.1 社會網絡中的信息傳播的含義
10.3.2 微博中的信息傳播
10.4 社會網絡中的疾病傳播
10.4.1 疾病與傳播網絡
10.4.2 傳染病動力學模型
10.4.3 基於SEIR模型的新冠疫情傳播動力學分析
10.5 社會網絡中的新事物傳播
10.5.1 影響新事物在社會網絡中傳播的因素
10.5.2 新事物傳播模型
10.5.3 阻礙新事物傳播的因素
10.6 社會網絡中的傳播實例—突發公共衛生事件輿情傳播與演變
10.6.1 數據採集與變量設計
10.6.2 描述性統計與相關性分析
10.6.3 回歸分析結果
本章小結
思考題
參考資料
第11章 社會網絡中的博弈
11.1 博弈論基礎
11.1.1 博弈論思維
11.1.2 博弈論基本概念
11.2 演化博弈論—種群動力學
11.2.1 種群博弈
11.2.2 演化穩定性
11.2.3 復制動態
11.3 復雜網絡中的博弈
11.3.1 一般網絡演化博弈過程
11.3.2 網絡博弈在合作研究中的應用
本章小結
思考題
參考資料
第12章 社會網絡中的網絡
12.1 超網絡
12.1.1 超網絡現象與特徵
12.1.2 超網絡數學定義
12.1.3 超網絡在MOOC平臺的應用研究
12.2 二模網絡與多模網絡
12.2.1 二模網絡
12.2.2 多模網絡
12.3 多網絡協同
12.3.1 信息擴散與疫情傳播協同網絡
12.3.2 資源擴散與疫情傳播協同演化網絡
本章小結
思考題
參考資料
第3篇 社會網絡的分析理解
第13章 社會網絡的鏈接預測
13.1 基本概念
13.1.1 鏈接預測的定義
13.1.2 問題描述
13.2 基於相似性的鏈接預測
13.2.1 基於局部信息的相似性指標
13.2.2 基於全局信息的相似性指標
13.2.3 準局部指標
13.2.4 鏈接預測效果評估和結果
13.3 基於概率論和統計的鏈接預測
13.3.1 層次結構模型
13.3.2 隨機分塊模型
13.4 基於機器學習的鏈接預測
13.4.1 基於分類的鏈接預測
13.4.2 基於集成學習的鏈接預測
13.5 鏈接預測的應用場景
13.5.1 網絡重建
13.5.2 用於節點的標簽分類問題
13.5.3 異常鏈接分析
本章小結
思考題
參考資料
第14章 社會網絡的影響力評價
14.1 社會網絡的影響力
14.1.1 社會網絡的影響力定義
14.1.2 社會網絡的影響力範圍與表現形式
14.2 社會網絡的影響力度量
14.2.1 基於局部屬性的度量
14.2.2 基於全局屬性的度量
14.2.3 基於隨機游走的度量
14.2.4 基於社團結構的度量
14.2.5 度量指標對比
14.3 社會網絡的影響力最大化
14.3.1 影響力最大化問題
14.3.2 影響力最大化算法
14.3.3 影響力最大化與最小化
14.4 社會網絡的影響力評價模型
14.4.1 基於信息檢索的評價方法
14.4.2 基於傳播動力學的評價方法
14.4.3 基於影響力傳播模型的評價方法
14.4.4 基於魯棒性和脆弱性的評價方法
14.4.5 評價方法對比
14.5 社會網絡的影響力的應用
14.5.1 在科技評價中的應用
14.5.2 在輿情傳播中的應用
14.5.3 在營銷推廣中的應用
14.6 社會網絡的影響力應用實例—醫療輿情事件的微博意見領袖識別
14.6.1 數據收集及處理
14.6.2 數據分析流程及關鍵技術
14.6.3 熱點主題及網絡結構演變分析
14.6.4 微博意見領袖識別結果分析
14.6.5 微博意見領袖影響力分析
本章小結
思考題
參考資料
第15章 社會網絡的動態分析
15.1 隨機行動者模型和Siena
15.2 有向網絡的結構演化分析
15.2.1 有向網絡動態分析的理論背景
15.2.2 有向網絡的結構演化分析實例
15.3 無向網絡的結構演化分析
15.3.1 無向網絡動態分析的理論背景
15.3.2 無向網絡結構演化分析實例
15.4 網絡與行為的協同演化分析
15.4.1 網絡與行為協同演化的原因
15.4.2 網絡行為協同演化模型原理
15.4.3 網絡行為協同演化模型參數估計
15.4.4 網絡與行為協同演化的數據表示
15.4.5 網絡與行為協同演化的模型組成
15.4.6 網絡與行為協同演化分析的實例
15.5 社會網絡動態分析實例1—學生交互網絡演化研究
15.5.1 學生交互網絡數據
15.5.2 學生交互網絡動態分析過程
15.5.3 學生交互網絡分析結果
15.5.4 動態分析結果討論
15.6 社會網絡動態分析實例2—在線醫療社區用戶關系網絡動態演化研究
15.6.1 在線醫療社區用戶關系網絡研究假設
15.6.2 數據收集及處理
15.6.3 研究方法
15.6.4 結果分析
本章小結
思考題
參考資料
第16章 社會網絡的隨機試驗
16.1 什麽是隨機試驗
16.1.1 隨機試驗定義
16.1.2 隨機試驗分類
16.2 為什麽選擇隨機試驗
16.3 隨機試驗在社會網絡研究中的應用
16.3.1 隨機試驗的研究內容
16.3.2 隨機試驗的實驗設計
16.3.3 隨機試驗的實驗規模
16.4 大規模社會網絡隨機試驗
16.5 中規模社會網絡隨機試驗
16.6 小規模社會網絡隨機試驗
16.7 社會網絡研究中隨機試驗的局限與挑戰
本章小結
思考題
參考資料
第17章 社會網絡的建模模擬
17.1 社會模擬的基本定義
17.2 社會模擬的研究範式
17.3 社會模擬的主要方法
17.3.1 基於多智能體的模擬
17.3.2 元胞自動機
17.3.3 復雜網絡模型
17.4 社會模擬的具體應用
17.4.1 信息傳播與網絡輿情
17.4.2 知識管理
17.4.3 科學評價
17.4.4 競爭情報
17.4.5 信息生態
本章小結
思考題
參考資料
第18章 社會網絡的表示學習
18.1 網絡表示學習的基本概念及其發展
18.1.1 基本概念與定義
18.1.2 傳統網絡表示的瓶頸
18.1.3 網絡表示學習的優點
18.1.4 網絡表示學習的五個特徵
18.2 傳統網絡表示學習方法
18.2.1 基於譜方法的網絡表示學習
18.2.2 基於最優化的網絡表示學習
18.3 高級網絡表示學習方法
18.3.1 基於網絡結構信息的方法
18.3.2 結合網絡外部信息的方法
18.3.3 保留網絡高級信息的方法
18.4 網絡表示學習的經典方法案例
18.4.1 DeepWalk方法(2014)
18.4.2 Node2Vec(2016)
18.5 基於網絡表示學習的應用舉例
18.5.1 節點分類
18.5.2 鏈接預測
18.5.3 社區發現
18.5.4 推薦系統
18.5.5 可視化
本章小結
思考題
參考資料
附錄A 社會網絡計算軟件基本操作