大规模网络数据分析与空间自回归模型

目录 第1章 网络数据的定义及相关指标 1 1.1 网络数据的定义 1 1.2 网络数据的相关指标 9 1.3 网络数据的基本特征 15 1.4 本章小结 20 第2章 大规模网络中的链路预测 21 2.1 基于相似性的链路预测方法 22 2.2 基于概率模型的链路预测方法 28 2.3 单模网络中基于节点流行度的链路预测方法 33 2.4 双模网络中的链路预测方法 43 2.5 大规模双模网络中基于节点流行度的链路预测方法 47 2.6 本章小结 51 2.7 本章附录 52 第3章 网络聚类分析 55 3.1 网络聚类方法简介 56 3.2 基于谱分解的网络聚类算法 64 3.3 网络数据中的谱聚类分析方法推广 70 3.4 大规模数据中的子抽样谱聚类方法 73 3.5 网络聚类的实例 75 3.6 本章小结 78 第4章 网络数据中的空间自回归模型79 4.1 空间自回归模型 79 4.2 网络数据中的自回归模型 84 4.3 传统空间自回归模型的估计方法 87 4.4 本章小结 94 第5章 大规模网络数据中的模型估计方法 95 5.1 问题的来源 95 5.2 条件*小二乘估计方法及相关条件 96 5.3 条件*小二乘估计的性质 102 5.4 条件*小二乘估计的讨论 105 5.5 网络抽样的讨论 107 5.6 数值分析的实例 109 5.7 本章小结 115 5.8 本章附录 115 第6章 网络数据中的空间自回归模型的拓展及应用 120 6.1 多个网络结构的讨论 120 6.2 多元空间自回归模型 123 6.3 双模网络中的空间自回归模型 137 6.4 本章小结 151 6.5 本章附录 151 第7章 网络中的空间自回归模型的其他研究方向 163 7.1 基于传统空间自回归模型的深入探讨 163 7.2 半参数空间自回归模型 164 7.3 空间自回归模型的推广形式——有重复观测的网络数据 166 7.4 基于空间自回归模型的个体异质性探究 168 7.5 本章小结 169 参考文献 170