当前位置:首页 > 工业技术
在线社交网络分析
在线社交网络分析

在线社交网络分析PDF电子书下载

工业技术

  • 电子书积分:13 积分如何计算积分?
  • 作 者:方滨兴,许进,李建华等著
  • 出 版 社:北京:电子工业出版社
  • 出版年份:2014
  • ISBN:9787121235085
  • 页数:380 页
图书介绍:本书从在线社交网络中三个要素“结构”、“群体”和“信息”之间的互动关系出发,介绍社交网络的结构特性与演化机理分析、社交网络群体行为形成与互动规律,以及社交网络中的信息传播模型及演化规律。上述内容中所介绍的开展在线社交网络分析使用的理论、方法和技术涉及计算机科学、社会学、管理学、心理学等多个学科领域,可以揭示社交网络中的关系结构、网络群体、网络信息之间的复杂交互关系和互动规律,为社交网络分析与网络信息传播研究提供重要的理论基础支撑。
《在线社交网络分析》目录

第1章 绪论 1

1.1 社交网络及其发展 1

1.1.1 社交网络的起源 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 在线社交网络的概念 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 无标度特性 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 无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

返回顶部