社會網路計算

《社會網路計算》是電子工業出版社出版的圖書，作者是吳江。

基本介紹

• 中文名：社會網路計算 
• 作者：吳江
• 出版時間：2023年6月
• 出版社：電子工業出版社
• 頁數：428 頁
• 字數：678千字
• ISBN：9787121458101
• 開本：16 開

內容簡介

我們所處的高度互聯的網路世界，是由人與人及周邊的各種事物和事件所組成的社會網路，該網路承載著各種各樣的人際關係和用戶行為，能為社會化趨勢的電子商務等套用提供豐富的社會環境。本書將深入淺出地介紹社會網路的基礎理論及常用的社會網路計算工具的使用實踐，並建立社會網路研究理論和套用結合的計算範式，從而幫助我們掌握並理解網路時代下諸多錯綜複雜的社會現象所需的計算思維。全書分為3篇，第1篇從社會網路的基本認識出發，介紹社會網路的一些基本原理與實踐方法，包括三元閉包、強弱關係、同質性、正負平衡等社會網路計算基礎理論；第2篇從社會網路的洞察發現出發，介紹社會網路中的一些原理和規律，包括社會網路中的小世界、冪律、社區、傳播、博弈、超網路等；第3篇從社會網路的分析理解出發，介紹社會網路的套用和分析方法，涵蓋社會網路的連結預測、影響力評價、動態分析、隨機試驗、建模仿真及表示學習。全書在介紹基礎理論的同時，還將基於igraph、Gephi、Ucinet、RSiena、Netlogo、NetworkX等社會網路計算軟體及常用的程式語言(如R語言和Python語言)，介紹相關社會網路的計算和套用實踐。 本書將社會網路計算的基礎理論與實踐緊密結合，可供在圖書情報檔案、管理科學與工程、工商管理、公共管理等學科中從事社會網路相關研究的學者參考，也可作為電子商務、信息管理與信息系統等專業的本科生和研究生的參考用書。

圖書目錄

第1篇 社會網路的基本認識

第1章 社會網路計算導論

1.1 社會網路的背景

1.2 社會網路的主體

1.3 社會網路的定義

1.3.1 社會網路的本質

1.3.2 社會網路的基本形式

1.3.3 社會網路的術語

1.4 社會網路的種類

1.4.1 個體間網路

1.4.2 組織社會網路

1.4.3 線上傳播網路

1.4.4 線下傳播網路

1.4.5 用戶商品二模網路

1.5 社會網路的計算方法

1.5.1 社會網路的研究簡史

1.5.2 社會網路的圖同構

1.5.3 社會網路在計算機中的表示

1.5.4 社會網路的測量指標—igraph的實際操作

1.5.5 社會網路計算實例—學生社會網路計算

1.5.6 社會網路的計算方法與思維

1.5.7 社會網路計算在電子商務中的套用

1.6 社會網路的計算範式

1.7 全書章節安排

思考題

參考資料

第2章 社會網路的可視化

2.1 數據可視化

2.2 社會網路可視化

2.3 社會網路可視化布局

2.4 社會網路可視化工具

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創建網路圖

2.6.4 igraph可視化實例

本章小結

思考題

參考資料

第3章 社會網路中的三元閉包

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中網路節點和邊的演化

3.2 聚類係數

3.2.1 聚類係數的定義

3.2.2 用Gephi計算聚類係數

3.2.3 用igraph計算聚類係數

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 單模有向網路中的三元閉包

3.6 線上有向網路的三元閉包—微博關注網路實例

3.7 線下有向網路的三元閉包—學生人際網路實例

3.7.1 關注影響力的定義

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 關注影響力研究結論

本章小結

思考題

參考資料

第4章 社會網路中的強弱關係

4.1 社會網路的觀察視角

4.2 社會網路中的橋和捷徑

4.3 關係強度和捷徑

4.4 弱關係和捷徑的關係驗證

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 弱關係與捷徑的大數據驗證

4.4.4 用igraph包判斷網路的連通

4.5 弱關係的力量

4.6 加權網路

4.6.1 加權網路的定義

4.6.2 加權網路的測量

4.6.3 基於Gephi的加權網路可視化

4.6.4 基於igraph的邊訪問

4.7 加權網路分析實例1—共代碼網路

4.7.1 共代碼網路研究問題定義

4.7.2 基金代碼數據收集

4.7.3 確定共代碼網路的邊

4.7.4 確定共代碼網路的邊權重

4.7.5 知識流動路徑分析

4.7.6 共代碼網路研究結論

4.8 加權網路分析實例2—球隊網路

4.8.1 加權有向網路熵的定義

4.8.2 基於加權有向網路熵的2017年NBA總決賽社會網路分析

4.8.3 總結與展望

本章小結

思考題

參考資料

第5章 社會網路中的同質性

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 歸屬網路

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 二模網路的計算

5.3.1 二模網路的表示

5.3.2 二模網路的測量

5.3.3 Ucinet中的二模網路分析

5.3.4 二(多)模網路的描述

5.4 隔離模型—社會網路的計算實驗

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 社會網路中的正負平衡

6.1 正負關係

6.2 關係屬性與平衡性

6.2.1 三元關係中的結構平衡問題

6.2.2 社會網路的結構平衡

6.2.3 整體平衡指數

6.3 結構平衡理論的實際套用

6.3.1 在日常生活中的套用

6.3.2 在商業管理中的套用

6.3.3 在電子商務中的套用

6.4 平衡定理

6.4.1 平衡定理的證明

6.4.2 弱平衡網路

6.4.3 非完全網路中的結構平衡

6.4.4 有向符號網路中的結構平衡

6.4.5 igraph中社會網路的遍歷

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係組合模式

6.6 符號網路的套用

6.7 igraph中的社群檢測

6.7.1 igraph社群檢測函式介紹

6.7.2 社群檢測函式的比較

6.7.3 igraph社群檢測套用舉例

本章小結

思考題

參考資料

第2篇 社會網路的洞察發現

第7章 社會網路中的小世界

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 網路的結構與隨機性

7.2.2 Watts-Strogatz小世界模型

7.2.3 小世界網路的判斷

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 分散搜尋

7.3.2 Watts-Strogatz-Kleinberg網路模型擴展小世界模型

7.3.3 搜尋中的空間距離

7.3.4 搜尋中的社會距離

7.3.5 利用線上社會網路進行驗證

7.3.6 igraph中的K-核分解與社會距離

7.4 全球資訊網連結中的小世界現象

7.4.1 網頁連結有向圖

7.4.2 領結模型

7.4.3 其他網頁連結模型

7.5 社會網路中的小世界效應實例—線上醫療社區用戶互動行為

7.5.1 研究對象

7.5.2 數據處理及工具

7.5.3 整體網路結構分析

7.5.4 個體網路結構分析

本章小結

思考題

參考資料

第8章 社會網路中的冪律

8.1 常態分配

8.2 流行性

8.3 冪律的定義和基本特性

8.3.1 什麼是冪律

8.3.2 其他符合冪律的實例

8.3.3 冪律的基本特性

8.4 隨機網路和無標度網路

8.4.1 igraph中的Erdos-Renyi隨機網路模型

8.4.2 igraph中的BA無標度網路模型

8.4.3 隨機和無標度網路的度分布

8.5 冪律的產生機制

8.5.1 優勢連結模型

8.5.2 富者更富的線上隨機試驗

8.5.3 Netlogo中的BA優勢連結模型

8.5.4 Netlogo中的ER隨機網路模型

8.6 長尾理論與套用

8.6.1 長尾的定義

8.6.2 長尾理論的套用

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 社會網路中的社區

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 社會網路中的傳播

10.1 社會網路中的傳播簡介

10.1.1 傳播的含義

10.1.2 社會網路傳播的影響因素

10.1.3 社會網路傳播模型

10.2 網路的傳播形態

10.2.1 網路中的人際傳播

10.2.2 網路中的群體傳播

10.2.3 網路中的組織傳播與大眾傳播

10.3 社會網路中的信息傳播

10.3.1 社會網路中的信息傳播的含義

10.3.2 微博中的信息傳播

10.4 社會網路中的疾病傳播

10.4.1 疾病與傳播網路

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 社會網路中的新事物傳播

10.5.1 影響新事物在社會網路中傳播的因素

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 社會網路中的傳播實例—突發公共衛生事件輿情傳播與演變

10.6.1 數據採集與變數設計

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 社會網路中的博弈

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 複製動態

11.3 複雜網路中的博弈

11.3.1 一般網路演化博弈過程

11.3.2 網路博弈在合作研究中的套用

本章小結

思考題

參考資料

第12章 社會網路中的網路

12.1 超網路

12.1.1 超網路現象與特徵

12.1.2 超網路數學定義

12.1.3 超網路在MOOC平台的套用研究

12.2 二模網路與多模網路

12.2.1 二模網路

12.2.2 多模網路

12.3 多網路協同

12.3.1 信息擴散與疫情傳播協同網路

12.3.2 資源擴散與疫情傳播協同演化網路

本章小結

思考題

參考資料

第3篇 社會網路的分析理解

第13章 社會網路的連結預測

13.1 基本概念

13.1.1 連結預測的定義

13.1.2 問題描述

13.2 基於相似性的連結預測

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 連結預測效果評估和結果

13.3 基於機率論和統計的連結預測

13.3.1 層次結構模型

13.3.2 隨機分塊模型

13.4 基於機器學習的連結預測

13.4.1 基於分類的連結預測

13.4.2 基於集成學習的連結預測

13.5 連結預測的套用場景

13.5.1 網路重建

13.5.2 用於節點的標籤分類問題

13.5.3 異常連結分析

本章小結

思考題

參考資料

第14章 社會網路的影響力評價

14.1 社會網路的影響力

14.1.1 社會網路的影響力定義

14.1.2 社會網路的影響力範圍與表現形式

14.2 社會網路的影響力度量

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 基於隨機遊走的度量

14.2.4 基於社團結構的度量

14.2.5 度量指標對比

14.3 社會網路的影響力最大化

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 社會網路的影響力評價模型

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 社會網路的影響力的套用

14.5.1 在科技評價中的套用

14.5.2 在輿情傳播中的套用

14.5.3 在行銷推廣中的套用

14.6 社會網路的影響力套用實例—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 熱點主題及網路結構演變分析

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 社會網路的動態分析

15.1 隨機行動者模型和Siena

15.2 有向網路的結構演化分析

15.2.1 有向網路動態分析的理論背景

15.2.2 有向網路的結構演化分析實例

15.3 無向網路的結構演化分析

15.3.1 無向網路動態分析的理論背景

15.3.2 無向網路結構演化分析實例

15.4 網路與行為的協同演化分析

15.4.1 網路與行為協同演化的原因

15.4.2 網路行為協同演化模型原理

15.4.3 網路行為協同演化模型參數估計

15.4.4 網路與行為協同演化的數據表示

15.4.5 網路與行為協同演化的模型組成

15.4.6 網路與行為協同演化分析的實例

15.5 社會網路動態分析實例1—學生互動網路演化研究

15.5.1 學生互動網路數據

15.5.2 學生互動網路動態分析過程

15.5.3 學生互動網路分析結果

15.5.4 動態分析結果討論

15.6 社會網路動態分析實例2—線上醫療社區用戶關係網路動態演化研究

15.6.1 線上醫療社區用戶關係網路研究假設

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 社會網路的隨機試驗

16.1 什麼是隨機試驗

16.1.1 隨機試驗定義

16.1.2 隨機試驗分類

16.2 為什麼選擇隨機試驗

16.3 隨機試驗在社會網路研究中的套用

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 大規模社會網路隨機試驗

16.5 中規模社會網路隨機試驗

16.6 小規模社會網路隨機試驗

16.7 社會網路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 社會網路的建模仿真

17.1 社會仿真的基本定義

17.2 社會仿真的研究範式

17.3 社會仿真的主要方法

17.3.1 基於多智慧型體的仿真

17.3.2 元胞自動機

17.3.3 複雜網路模型

17.4 社會仿真的具體套用

17.4.1 信息傳播與網路輿情

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 社會網路的表示學習

18.1 網路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 傳統網路表示的瓶頸

18.1.3 網路表示學習的優點

18.1.4 網路表示學習的五個特徵

18.2 傳統網路表示學習方法

18.2.1 基於譜方法的網路表示學習

18.2.2 基於最最佳化的網路表示學習

18.3 高級網路表示學習方法

18.3.1 基於網路結構信息的方法

18.3.2 結合網路外部信息的方法

18.3.3 保留網路高級信息的方法

18.4 網路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 基於網路表示學習的套用舉例

18.5.1 節點分類

18.5.2 連結預測

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 社會網路計算軟體基本操作