《網路結構數據分析與套用》是北京大學出版社於2022年出版的圖書，作者是潘蕊, 張妍, 高天辰。
基本介紹
- 中文名：網路結構數據分析與套用
- 作者：潘蕊, 張妍, 高天辰
- 語言：國語
- 出版時間：2022年11月
- 出版社：北京大學出版社
- 出版地：北京
- 頁數：166 頁
- ISBN：9787301333860
- 類別：計算機/數據分析
- 定價：69 元
- 開本：16 開
- 裝幀：平裝
內容簡介,圖書目錄,作者簡介,
內容簡介
當今社會，網路結構數據普遍存在於各行各業。如何從這些數據中挖掘出價值，並且解決實際問題，成為學界和業界共同關注的研究方向。 本書共七章。第一章主要講解為什麼關心網路結構數據，介紹了R語言及常用的包，同時整理了常用的網路數據集。第二章介紹了網路結構數據的定義及分類。第三章講解了網路結構數據的可視化，重點介紹了針對大規模網路的可視化方法及網路的動態互動式可視化。第四章介紹了描述網路特徵的各種統計量及重要的網路結構。第五章重點介紹了三種經典的網路結構數據模型，第六章主要介紹了網路結構數據中社區發現的相關概念及方法，並整理了常見的評價指標及標準數據集。第七章介紹了網路結構數據分析中的鏈路預測問題。
本書適合網路結構數據的初學者，相關專業的學生或對網路結構數據感興趣的讀者閱讀。
圖書目錄
第 1 章 概 述 1
1.1 為什麼關心網路結構數據 2
1.2 R 語言與 igraph 包 3
1.3 本書所使用的案例數據 5
第 2 章 認識網路結構數據 9
2.1 網路結構數據的定義 10
2.2 網路結構數據的分類 10
2.2.1 0-1 網路 11
2.2.2 加權網路 12
2.2.3 符號網路 14
2.2.4 雙模網路 15
2.2.5 動態網路 15
2.2.6 其他類型網路 16
2.3 更多例子 18
2.3.1 社交網路 18
2.3.2 貿易網路 19
2.3.3 疾病傳播網路 20
2.4 鄰接矩陣 20
2.5 網路結構圖 22
2.6 igraph 包相關代碼示例 24
2.7 本章小結 30
第 3 章 網路結構數據的可視化 32
3.1 布局方式 33
3.2 裝飾網路結構圖 38
3.2.1 vertex.xxx 和 edge.xxx 基礎參數設定 39
3.2.2 vertex.xxx 和 edge.xxx 進階參數設定 41
3.2.3 用 V(G) 和 E(G) 設定節點和連邊的屬性 42
3.3 大規模網路的可視化 44
3.3.1 提取核心子圖，將複雜網路簡單化 44
3.3.2 提取節點鄰域，繪製網路子圖 48
3.3.3 劃分網路社區，展示網路社區結構 50
3.3.4 簡化網路結構，以節點簇（社區）代替節點 51
3.4 動態互動式網路的可視化 53
3.5 其他的可視化軟體 56
3.6 本章小結 56
第 4 章 網路的描述統計 60
4.1 網路密度 61
4.2 節點的度 63
4.2.1 無向網路的度 63
4.2.2 有向網路的入度和出度 65
4.3 二元結構 67
4.4 三元結構 70
4.5 路徑、距離、網路的直徑 72
4.5.1 路徑 72
4.5.2 距離與網路的直徑 74
4.6 節點的中心性 76
4.6.1 度中心性 77
4.6.2 接近中心性 77
4.6.3 中介中心性 78
4.7 星狀結構與鄰居 80
4.8 案例：統計學科合作者網路分析 82
4.9 本章小結 87
第 5 章 網路結構數據的經典模型 88
5.1 ER 隨機圖模型 89
5.2 指數型隨機圖模型 92
5.2.1 p1 模型 92
5.2.2 馬爾可夫隨機圖模型 94
5.2.3 新的擴展 94
5.2.4 律師合作網路示例 96
5.3 隨機分塊模型 100
5.3.1 簡單隨機分塊模型 100
5.3.2 度修正的隨機分塊模型 104
5.3.3 其他擴展 105
5.4 潛在空間模型 106
5.4.1 距離模型 106
5.4.2 投影模型 107
5.4.3 其他擴展 107
5.5 本章小結 108
第 6 章 網路結構數據的社區發現 109
6.1 社區發現的背景 110
6.1.1 社區的定義 110
6.1.2 社區發現 111
6.1.3 社區發現的分類 112
6.2 常用的社區發現算法 113
6.2.1 GN 算法113
6.2.2 Fast greedy 117
6.2.3 Leading eigenvector 118
6.2.4 Infomap120
6.2.5 Label propagation 121
6.2.6 Multilevel 122
6.2.7 Walktrap 123
6.2.8 Spinglass 124
6.3 社區發現結果的評價 125
6.4 社區發現的拓展和套用 128
6.4.1 動態網路社區發現 128
6.4.2 帶有節點屬性的網路社區發現 130
6.5 案例：統計學科合作者網路社區發現 130
6.6 本章小結 133
第 7 章 鏈路預測 134
7.1 鏈路預測問題 135
7.2 基於相似性的鏈路預測 135
7.2.1 基於鄰居的相似性指標 136
7.2.2 基於路徑的相似性指標 140
7.3 其他鏈路預測方法 141
7.4 預測效果評價 142
7.5 本章小結 145
附錄 146
參考文獻 150
作者簡介
潘蕊，中央財經大學統計與數學學院副教授，中央財經大學龍馬學者青年學者。北京大學光華管理學院經濟學博士。主要研究領域為高維數據分析、網路結構數據分析、數據挖掘與建模等。在Annals of Statistics、Journal of the American Statistical Association、《中國科學：數學》等國內外期刊發表論文多篇。著有《數據思維實踐》。
張妍，女，廈門大學在讀博士研究生，研究方向為網路結構數據。
高天辰，男，廈門大學在讀博士研究生，研究方向為複雜網路分析。
