包邮网络科学与计算

第1章网络科学引言1

1.1网络科学定义2

1.2无处不在的网络2

1.3复杂性科学与复杂网络4

1.3.1复杂性科学定义4

1.3.2复杂性科学的研究对象4

1.3.3复杂网络的介绍7

1.4网络科学的发展7

1.4.1Konigsberg七桥问题7

1.4.2随机图理论9

1.4.3小世界实验9

1.4.4弱连接的强度11

1.4.5复杂网络研究的新纪元11

1.5网络科学与计算12

1.5.1大数据时代下的图计算12

1.5.2图计算的特征13

1.5.3图计算的挑战13

1.5.4图计算的应用14

习题15

本章参考文献15

第2章网络基本特征17

2.1静态网络18

2.1.1网络的表示18

2.1.2节点与边的统计特征20

2.1.3节点的排序特征22

2.1.4子图特征27

2.1.5全图特征28

2.2经典真实世界网络29

习题30

本章参考文献32



第3章典型网络模型34

3.1随机图模型35

3.1.1规则模型35

3.1.2随机图模型37

3.1.3模型拓扑性质分析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模型拓扑性质分析44

3.3无标度模型47

3.3.1BA无标度模型47

3.3.2Price模型48

3.3.3BA无标度模型拓扑性质分析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

习题54

本章参考文献55

第4章网络过程模型56

4.1传播模型57

4.1.1传染病模型58

4.1.2均匀网络的传播临界值分析62

4.1.3非均匀网络的传播临界值分析63

4.1.4免疫控制策略65

4.2网络同步67

4.2.1网络同步的依据68

4.2.2网络同步能力分析69

习题70

本章参考文献72

第5章网络特征计算方法75

5.1基本特征计算76

5.2节点统计特征计算76

5.3节点排序特征计算79

5.3.1接近中心性计算79

5.3.2介数中心性计算80

5.3.3PR值计算82

5.3.4权威值和枢纽值计算84

5.4子图特征计算86

5.4.1连通分量与强连通分量86

5.4.2极大和*大完全子图89

5.4.3模体93

5.5全图特征计算95

5.5.1单源*短路径95

5.5.2多源*短路径97

5.5.3平均路径长度和网络直径100

5.5.4网络密度101

5.5.5聚集系数101

5.5.6同配系数103

习题104

本章参考文献106

第6章图计算重要算法108

6.1社区发现109

6.1.1社区定义109

6.1.2评价指标110

6.1.3社区发现算法111

6.1.4社区发现趋势122

6.2链路预测123

6.2.1链路预测介绍123

6.2.2基于相似性的链路预测算法124

6.2.3基于*大似然估计的链路预测算法129

6.3信息传播131

6.3.1独立级联模型131

6.3.2线性阈值模型133

6.4面向图的表示学习134

6.4.1图表示学习的定义及目标135

6.4.2图表示学习的常用算法135

习题141

本章参考文献142

第7章图计算框架145

7.1大数据计算框架146

7.1.1批处理框架147

7.1.2流计算框架150

7.1.3交互式分析框架152

7.1.4其他类型的框架153

7.2常用的图计算框架153

7.2.1节点中心计算模型154

7.2.2边中心计算模型156

7.2.3路径中心计算模型157

7.2.4子图中心计算模型157

7.3图计算相关软件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

习题164

本章参考文献164

第8章大数据下的网络计算166

8.1GraphX特性167

8.1.1GraphX的优势167

8.1.2弹性分布式属性图167

8.1.3GraphX支持的处理方式168

8.1.4GraphX支持的存储方式169

8.2用GraphX处理大规模图169

8.2.1GraphX计算模式169

8.2.2内置算法简析173

8.3大规模社交网络挖掘平台176

8.3.1平台整体设计176

8.3.2网络特征指标计算的并行化179

8.3.3社团发现算法的并行化184

8.3.4平台使用实例190

8.4Graph OLAM大规模多维网络分析框架195

8.4.1路径维度立方体模型195

8.4.2Graph OLAP简介197

8.4.3基于路径维度立方体的大规模多维网络分析框架200

本章参考文献202

第9章网络科学应用204

9.1在线社交网络分析205

9.1.1虚拟社区发现205

9.1.2在线社交网络影响力分析208

9.1.3信息传播规律209

9.2知识图谱211

9.2.1知识图谱的定义与架构211

9.2.2知识图谱的构建技术212

9.2.3知识图谱的应用215

9.3复杂网络的鲁棒性216

9.4社会计算217

9.4.1社会计算的兴起与现状217

9.4.2社会计算的研究领域218

9.5用户画像220

9.6应用系统实例222

9.6.1学者画像系统222

9.6.2微博信息传播可视化工具225

9.6.3知识图谱搜索226

本章参考文献227