第1章 社会媒体与社会计算 1
1.1社会媒体 1
1.2概念与定义 3
1.2.1网络与表示 3
1.2.2大规模网络的属性 5
1.3挑战 7
1.4社会计算的任务 9
1.4.1网络建模 9
1.4.2中心性分析与影响建模 10
1.4.3社区发现 10
1.4.4分类与推荐 12
1.4.5隐私、垃圾信息与安全 13
1.5总结 13
第2章 结点、联系和影响 15
2.1结点的重要性 15
2.2联系的强度 21
2.2.1从网络拓扑中学习 21
2.2.2从用户特点和交互中学习 23
2.2.3从用户行为序列中学习 24
2.3影响建模 25
2.3.1线性阈值模型 26
2.3.2独立级联模型 27
2.3.3影响最大化 29
2.3.4影响和相关的区别 32
第3章 社区发现与评价 36
3.1以结点为中心的社区发现 36
3.1.1完全的相互关系 36
3.1.2可达性 39
3.2以群组为中心的社区发现 40
3.3以网络为中心的社区发现 41
3.3.1顶点相似性 41
3.3.2隐含空间模型 43
3.3.3块模型近似 46
3.3.4谱聚类 48
3.3.5模块度最大化 50
3.3.6一个统一的过程 52
3.4以层次为中心的社区发现 54
3.4.1分裂式层次聚类 54
3.4.2聚合式层次聚类 56
3.5社区评价 57
第4章 混杂网络中的社区发现 62
4.1混杂网络 62
4.2多维网络 65
4.2.1网络集成 66
4.2.2效用集成 68
4.2.3特征集成 71
4.2.4划分集成 74
4.3多模网络 78
4.3.1双模网络的联合聚类 78
4.3.2多模网络 81
第5章 社会媒体挖掘 84
5.1社会媒体中的演化模式 84
5.1.1研究社区演化的朴素方法 86
5.1.2平滑演化网络中的社区演化 88
5.1.3处理网络演化的基于片段的聚类算法 93
5.2网络数据的分类 94
5.2.1集体分类 96
5.2.2基于社区的学习 99
5.2.3总结 104
附录A数据收集 105
附录B介数计算 108
附录C k均值聚类 112
参考文献 115
索引 126