《社交網路競爭性信息傳播與用戶行為分析》是2020年電子工業出版社出版的圖書，作者是劉小洋。
基本介紹
- 書名：社交網路競爭性信息傳播與用戶行為分析
- 作者：劉小洋
- 出版社：電子工業出版社
- 出版時間：2020年8月
- 頁數：196 頁
- 定價：69 元
- 開本：16 開
- ISBN：9787121393907
- 千字數：247
- 版次：01-01
簡介,目 錄,
簡介
本書從微觀競爭性信息、巨觀競爭性信息、社交網路群體社區行為、用戶興趣、異常用戶識別、關鍵節點用戶挖掘、用戶鏈路與熱點話題預測等角度入手，結合社交網路的真實案例，深入剖析了社交網路競爭性信息的傳播規律與用戶行為，並根據作者團隊的研究成果和實際研究經驗，歸納、總結了社交網路競爭性信息傳播與用戶行為分析的研究現狀和未來發展動態。本書涉及計算機科學、數學、社會學、新聞傳播學、管理學等多個學科領域，既可供從事社交網路的科研人員和高校相關專業的研究生閱讀，又可供從事社交網路、複雜網路、動力學及相關領域的教學與科研人員參考。
目 錄
第1章 社交網路概述 1
1.1 社交網路分析 1
1.2 社交網路競爭性信息傳播分析 4
1.2.1 經典信息擴散模型 4
1.2.2 數據驅動傳播模型 6
1.2.3 社會博弈模型 8
1.2.4 基於傳染病的模型 9
1.2.5 基於物理系統的模型 11
1.3 社交網路用戶行為分析 12
1.3.1 社交網路群體行為分析 12
1.3.2 社交網路用戶興趣行為分析 13
1.3.3 社交網路異常用戶分析 13
1.3.4 社交網路用戶影響力行為分析 14
1.3.5 社交網路用戶鏈路預測行為分析 14
1.4 社交網路分析理論基礎 15
1.4.1 六度分隔理論 15
1.4.2 鄧巴數字 15
1.4.3 強關係與弱關係 16
1.4.4 三度影響力 16
1.4.5 度中心性 16
1.5 本章小結 17
參考文獻 17
第2章 社交網路競爭性信息正向傳播與逆向反饋機制研究 19
2.1 概述 19
2.2 社交網路競爭性信息正向傳播與逆向反饋 19
2.2.1 節點級競爭傳播與反饋 20
2.2.2 系統級競爭傳播與反饋 24
2.3 社交網路競爭信息傳播生命周期 26
2.3.1 三階段傳播行為 27
2.3.2 轟傳時間點 27
2.3.3 傳播生存周期 28
2.4 本章小結 29
參考文獻 29
第3章 社交網路競爭性信息擴散微觀機率模型研究 31
3.1 概述 31
3.2 社交網路競爭性信息擴散微觀機率模型構建 31
3.2.1 競爭性信息擴散過程分析 31
3.2.2 競爭性信息擴散微觀機率模型構建 33
3.3 實驗結果與分析 37
3.3.1 數值模擬 37
3.3.2 實證對比與結果分析 40
3.4 本章小結 46
參考文獻 47
第4章 社交網路競爭性信息傳播巨觀演化模型研究 48
4.1 概述 48
4.2 社交網路競爭性信息傳播巨觀演化模型構建 48
4.2.1 競爭傳播演化過程分析 48
4.2.2 競爭性信息傳播巨觀演化模型構建 51
4.3 社交網路競爭性信息傳播巨觀模型分析 52
4.4 實驗結果與分析 58
4.4.1 敏感性分析 58
4.4.2 仿真分析 60
4.4.3 實證對比與結果分析 82
4.5 本章小結 86
參考文獻 86
第5章 社交網路群體用戶行為分析 88
5.1 概述 88
5.2 相關研究工作 89
5.3 社交網路群體結構分析 90
5.4 所提社交網路群體發現方法 93
5.4.1 局部距離拉普拉斯模型 93
5.4.2 節點秩最佳化函式 95
5.5 實驗結果與分析 96
5.5.1 評估指標 96
5.5.2 人工網路性能比較 97
5.5.3 真實網路性能比較 99
5.6 本章小結 106
參考文獻 106
第6章 社交網路用戶興趣行為分析 108
6.1 社交網路用戶關係圖譜 108
6.1.1 種子用戶 109
6.1.2 微博用戶 110
6.2 社交網路用戶區域分析 111
6.3 社交網路用戶性別和年齡分析 112
6.4 社交網路用戶興趣行為建模分析 113
6.4.1 社交網路用戶特徵提取 113
6.4.2 社交網路用戶行為興趣模型與結果分析 114
6.5 本章小結 118
參考文獻 118
第7章 社交網路異常用戶行為分析 120
7.1 基於加權隨機森林的社交網路異常用戶模型 120
7.2 基於粒子群最佳化的隨機森林異常檢測分類 123
7.3 社交網路異常用戶分類結果與對比分析 127
7.4 本章小結 129
參考文獻 129
第8章 社交網路用戶影響力行為分析 131
8.1 相關工作 132
8.2 傳統影響力最大化問題的傳播方法 133
8.2.1 獨立級聯模型 133
8.2.2 線性閾值模型 134
8.2.3 權重級聯模型 135
8.2.4 貪心算法 135
8.2.5 單次折扣算法 135
8.2.6 PMIA算法 136
8.3 構建社交網路用戶影響力最大的方法 136
8.3.1 NAV函式和DMAP最佳化函式 136
8.3.2 基於候選種子集的最佳化策略 137
8.3.3 用戶影響力最大化DLIM算法 140
8.4 基於微博社交網路的關鍵用戶分析 141
8.4.1 社交網路用戶影響力計算方法 141
8.4.2 計算用戶的自身質量 141
8.4.3 用戶行為特徵權值影響力 142
8.4.4 微博關鍵用戶挖掘過程及結果分析 142
8.5 實驗結果與分析 143
8.5.1 參數設定與說明 143
8.5.2 社交網路用戶影響力分析 144
8.5.3 微博關鍵用戶傳播影響範圍對比分析 147
8.6 本章小結 151
參考文獻 151
第9章 社交網路鏈路預測行為分析 153
9.1 社交網路鏈路預測分析 153
9.2 算法的時間與空間複雜度分析 155
9.3 實驗設計 156
9.3.1 數據集 156
9.3.2 評估指標 157
9.3.3 對比方法 157
9.4 實驗結果分析 157
9.4.1 LPCD算法與基於局部信息的鏈路預測算法對比分析 157
9.4.2 LPCD算法與基於路徑的鏈路預測算法比較分析 159
9.5 GN社區劃分算法對鏈路預測算法的影響分析 160
9.5.1 GN算法對基於局部信息的鏈路預測算法的影響 160
9.5.2 GN算法對基於路徑的鏈路預測算法的影響 161
9.6 各類算法消耗的時間比較 162
9.7 本章小結 163
參考文獻 163
第10章 社交網路熱點預測用戶行為分析 165
10.1 社交網路熱度預測分析 165
10.1.1 熱度預測概述 165
10.1.2 傳統熱度預測模型 166
10.1.3 評價標準 166
10.1.4 最佳化的ARWMA模型 167
10.1.5 今日頭條新聞預測結果與分析 169
10.2 社交網路熱點話題預測分析 175
10.2.1 話題流行度預測模型 175
10.2.2 最佳化的隨機森林算法（IMRF） 179
10.2.3 實驗結果與分析 179
10.3 本章小結 185
參考文獻 185
