網路科學與計算(2019年北京郵電大學出版社出版的圖書)

《網路科學與計算》是2019年北京郵電大學出版社出版的圖書，作者是吳斌。

基本介紹

• 書名：網路科學與計算
• 作者：吳斌
• 類別：計算機/網路類圖書
• 出版社：北京郵電大學出版社
• 出版時間：2019年8月
• 開本：16 開
• 裝幀：平裝-膠訂
• ISBN：9787563558407

內容簡介

本書以網路科學為核心內容，並結合大數據相關計算技術，介紹了網路科學基礎知識和與之相關的計算方法。本書重點內容包括網路科學引言、網路基本特徵、典型網路模型、網路過程模型、網路特徵計算方法、圖計算重要算法、圖計算框架、大數據下的網路計算等。本書突出介紹在現今大規模網路和相關數據不斷湧現的背景下與網路科學相關的基本理論和計算技術。本書可作為計算機學科相關專業，特別是數據科學與大數據技術專業的專業教材。

作者簡介

吳斌，男，北京郵電大學計算機學院數據科學與服務中心教授，博士生導師。 1991年畢業於北京郵電大學， 獲學士學位；1998年就讀於中國科學院研究生院，獲碩士學位；2002年畢業於中國科學院計算技術研究所， 獲博士學位。主要研究涉及數據科學領域，包括分散式計算、雲計算、人工智慧與機器學習、知識管理、複雜網路等。從事相關技術在電子政務、國家安全、智慧城市等領域的套用。主持一項國家重點研發計畫項目，並承擔多項國家重點基礎研究發展計畫項目、國家高技術研究發展計畫項目、國家自然科學基金項目等科研項目課題、以及企業橫向項目等數十項研究課題及套用開發項目。在國內外重要學術刊物及會議上發表學術論文100餘篇，撰寫專著2本，申請發明專利5項，軟體著作權7項。

圖書目錄

第1章網路科學引言1

1.1網路科學定義2

1.2無處不在的網路2

1.3複雜性科學與複雜網路4

1.3.1複雜性科學定義4

1.3.2複雜性科學的研究對象4

1.3.3複雜網路的介紹7

1.4網路科學的發展7

1.4.1Konigsberg七橋問題7

1.4.2隨機圖理論9

1.4.3小世界實驗9

1.4.4弱連線的強度11

1.4.5複雜網路研究的新紀元11

1.5網路科學與計算12

1.5.1大數據時代下的圖計算12

1.5.2圖計算的特徵13

1.5.3圖計算的挑戰13

1.5.4圖計算的套用14

習題15

本章參考文獻15

第2章網路基本特徵17

2.1靜態網路18

2.1.1網路的表示18

2.1.2節點與邊的統計特徵20

2.1.3節點的排序特徵22

2.1.4子圖特徵27

2.1.5全圖特徵28

2.2經典真實世界網路29

習題30

本章參考文獻32

第3章典型網路模型34

3.1隨機圖模型35

3.1.1規則模型35

3.1.2隨機圖模型37

3.1.3模型拓撲性質分析39

3.2小世界模型41

3.2.1WS小世界模型41

3.2.2NW小世界模型43

3.2.3模型拓撲性質分析44

3.3無標度模型47

3.3.1BA無標度模型47

3.3.2Price模型48

3.3.3BA無標度模型拓撲性質分析49

3.4其他模型50

3.4.1自相似模型50

3.4.2局域世界演化模型52

習題54

本章參考文獻55

第4章網路過程模型56

4.1傳播模型57

4.1.1傳染病模型58

4.1.2均勻網路的傳播臨界值分析62

4.1.3非均勻網路的傳播臨界值分析63

4.1.4免疫控制策略65

4.2網路同步67

4.2.1網路同步的依據68

4.2.2網路同步能力分析69

習題70

本章參考文獻72

第5章網路特徵計算方法75

5.1基本特徵計算76

5.2節點統計特徵計算76

5.3節點排序特徵計算79

5.3.1接近中心性計算79

5.3.2介數中心性計算80

5.3.3PR值計算82

5.3.4權威值和樞紐值計算84

5.4子圖特徵計算86

5.4.1連通分量與強連通分量86

5.4.2極大和完全子圖89

5.4.3模體93

5.5全圖特徵計算95

5.5.1單源短路徑95

5.5.2多源短路徑97

5.5.3平均路徑長度和網路直徑100

5.5.4網路密度101

5.5.5聚集係數101

5.5.6同配係數103

習題104

本章參考文獻106

第6章圖計算重要算法108

6.1社區發現109

6.1.1社區定義109

6.1.2評價指標110

6.1.3社區發現算法111

6.1.4社區發現趨勢122

6.2鏈路預測123

6.2.1鏈路預測介紹123

6.2.2基於相似性的鏈路預測算法124

6.2.3基於似然估計的鏈路預測算法129

6.3信息傳播131

6.3.1獨立級聯模型131

6.3.2線性閾值模型133

6.4面向圖的表示學習134

6.4.1圖表示學習的定義及目標135

6.4.2圖表示學習的常用算法135

習題141

本章參考文獻142

第7章圖計算框架145

7.1大數據計算框架146

7.1.1批處理框架147

7.1.2流計算框架150

7.1.3互動式分析框架152

7.1.4其他類型的框架153

7.2常用的圖計算框架153

7.2.1節點中心計算模型154

7.2.2邊中心計算模型156

7.2.3路徑中心計算模型157

7.2.4子圖中心計算模型157

7.3圖計算相關軟體158

7.3.1Pregel158

7.3.2Spark GraphX159

7.3.3GraphLab160

7.3.4XStream161

7.3.5GraphLab PowerGraph161

7.3.6PathGraph161

7.3.7Apache Giraph162

7.3.8GRAPE162

7.3.9Scalable Graph163

7.3.10TurboGraph 164

習題164

本章參考文獻164

第8章大數據下的網路計算166

8.1GraphX特性167

8.1.1GraphX的優勢167

8.1.2彈性分散式屬性圖167

8.1.3GraphX支持的處理方式168

8.1.4GraphX支持的存儲方式169

8.2用GraphX處理大規模圖169

8.2.1GraphX計算模式169

8.2.2內置算法簡析173

8.3大規模社交網路挖掘平台176

8.3.1平台整體設計176

8.3.2網路特徵指標計算的並行化179

8.3.3社團發現算法的並行化184

8.3.4平台使用實例190

8.4Graph OLAM大規模多維網路分析框架195

8.4.1路徑維度立方體模型195

8.4.2Graph OLAP簡介197

8.4.3基於路徑維度立方體的大規模多維網路分析框架200

本章參考文獻202

第9章網路科學套用204

9.1線上社交網路分析205

9.1.1虛擬社區發現205

9.1.2線上社交網路影響力分析208

9.1.3信息傳播規律209

9.2知識圖譜211

9.2.1知識圖譜的定義與架構211

9.2.2知識圖譜的構建技術212

9.2.3知識圖譜的套用215

9.3複雜網路的魯棒性216

9.4社會計算217

9.4.1社會計算的興起與現狀217

9.4.2社會計算的研究領域218

9.5用戶畫像220

9.6套用系統實例222

9.6.1學者畫像系統222

9.6.2微博信息傳播可視化工具225

9.6.3知識圖譜搜尋226

本章參考文獻227