複雜網路與大數據分析

《複雜網路與大數據分析》是2019年11月清華大學出版社出版的圖書，作者是卜湛、曹傑、李慧嘉。

基本介紹

• 中文名：複雜網路與大數據分析
• 作者：卜湛、曹傑、李慧嘉
• 出版社：清華大學出版社
• 出版時間：2019年11月
• 定價：39 元
• ISBN：9787302532330

內容簡介

本書作為基礎理論教材，它以淺顯易懂的語言為來自不同學科領域的研究生和研究人員提供有力指導。本書共十章，分別是：複雜網路基本概念、複雜網路模型、網路魯棒性、網路傳播動力學、網路演化博弈、數據挖掘、大規模複雜網路數據獲取及存儲、節點影響力排序、網路聚類技術分析、推薦系統和鏈路預測。這些內容由淺入深，對不同的讀者，側重點不同。

圖書目錄

第1章複雜網路的基本概念1

1.1度、度分布、度相關性3

1.2介數、路徑、權重6

1.3簇、模體、社團10

習題115第2章複雜網路模型17

2.1規則網路17

2.1.1全局耦合網路17

2.1.2最近鄰耦合網路18

2.1.3星形耦合網路19

2.2隨機網路19

2.2.1隨機網路模型20

2.2.2隨機網路的度分布20

2.2.3隨機網路的直徑和平均距離21

2.2.4隨機網路的集聚係數22

2.2.5隨機網路的特徵譜22

2.3無標度網路23

2.3.1Price模型24

2.3.2BA模型24

2.3.3BA無標度網路的度分布和度相關26

2.3.4BA無標度網路的平均距離和集聚係數27

2.3.5BA無標度網路的特徵譜28

2.4動態演化網路29

2.4.1以網路演化的部件劃分29

2.4.2以是否考慮權重劃分30

2.4.3以演化網路採用的演化機制劃分31

2.4.4以演化網路是否動態變化劃分312.5社區網路31

2.5.1複雜網路中社區結構的分類32

2.5.2社區結構評價標準34

2.6權重網路34

2.6.1加權網路的度量35

2.6.2實際加權網路37

2.6.3加權網路建模39

2.7相依網路41

2.7.1相依網路的子網路41

2.7.2相依網路的相依邊42

2.7.3相依網路的組合方式43

2.8多層網路43

2.8.1多層網路的結構44

2.8.2多層網路的度分布45

2.8.3多層網路上的擴散與同步45

2.8.4多層網路的魯棒性46

習題246第3章網路魯棒性48

3.1滲流理論介紹48

3.1.1滲流理論背景48

3.1.2滲流理論簡介48

3.2隨機攻擊與蓄意攻擊52

3.3級聯失效53

3.3.1滲沙堆模型54

3.3.2OPA模型54

3.3.3CASCADE模型54

3.3.4負載容量模型54

習題356第4章網路傳播動力學57

4.1傳播動力學建模與解析57

4.1.1基於度的動力學模型58

4.1.2基於節點的動力學模型58

4.1.3d維NW小世界網路的線性傳播方程60

4.1.4小世界網路傳播動力學方程的分形、混沌與分岔61

4.2傳播控制62

4.2.1網路免疫62

4.2.2最優資源配置65

4.3傳播預測67

4.3.1閾值和爆發規模67

4.3.2傳播網路重構70

4.3.3傳播溯源72

習題475第5章網路演化博弈76

5.1複雜網路演化博弈基本框架78

5.2網路博弈動力學79

5.2.1規則網路演化博弈79

5.2.2非規則網路演化博弈82

5.2.3多層網路演化博弈85

5.3網路演化博弈共演化86

5.4網路演化博弈實驗88

5.5網路演化博弈的套用90

5.5.1突發公共衛生中的套用90

5.5.2交通工程中的套用93

習題597第6章數據挖掘98

6.1數據挖掘的核心技術98

6.2“大數據”的典型特徵99

6.2.1數據規模大100

6.2.2數據類型多樣100

6.2.3數據處理速度快101

6.2.4數據價值密度低101

6.3複雜網路與數據挖掘融合——社會網路分析102

習題6102第7章大規模複雜網路數據獲取及存儲的技術研究103

7.1分散式網頁爬蟲設計103

7.2複雜網路數據的語義建模106

7.2.1新數據源屬性的語義類型學習106

7.2.2原數據源語義圖構建106

7.3非結構化網路數據的分散式索引技術109

7.4大規模複雜網路數據可視化技術109

習題7110第8章節點影響力排序111

8.1結構性的節點影響力排序111

8.1.1基於網路局部屬性的指標111

8.1.2基於網路全局屬性的指標112

8.1.3基於網路位置屬性的指標115

8.1.4基於隨機遊走的節點影響力排序117

8.2功能性的節點影響力排序119

習題8121第9章網路聚類技術分析122

9.1經典社區發現算法122

9.1.1譜平分法124

9.1.2KernighanLin算法126

9.1.3Maximun Flow Communities算法126

9.1.4極值最佳化算法127

9.1.5層次社區發現算法128

9.1.6重疊社區發現算法130

9.2複雜網路屬性圖聚類算法132

9.2.1基於距離的聚類132

9.2.2基於模型的聚類133

9.2.3基於多特徵融合的屬性圖聚類算法133

9.2.4基於多節點社團意識系統的屬性圖聚類算法137

9.3基於動態社交博弈的屬性圖聚類算法140

9.3.1屬性圖算法分析141

9.3.2有限靜態博弈143

9.3.3動態社交博弈144

9.3.4動態簇形成博弈和自學習算法146

習題9151第10章推薦系統和鏈路預測153

10.1推薦系統的定義153

10.2推薦系統算法155

10.2.1基於用戶行為數據的推薦155

10.2.2基於內容數據的推薦157

10.2.3基於社會網路數據的推薦158

10.3推薦系統的評測159

10.3.1推薦系統的評測方法160

10.3.2推薦系統的評測指標162

10.4鏈路預測的基本概念171

10.4.1鏈路預測方法171

10.4.2基於相似性的鏈路預測171

10.4.3基於似然分析的鏈路預測174

習題10176參考文獻177