×
社交网络信息传播模型、算法及应用

包邮社交网络信息传播模型、算法及应用

1星价 ¥55.5 (7.0折)
2星价¥55.5 定价¥79.0
暂无评论
图文详情
  • ISBN:9787111771548
  • 装帧:平装-胶订
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:228
  • 出版时间:2025-02-01
  • 条形码:9787111771548 ; 978-7-111-77154-8

本书特色

本书系统地阐述了信息传播问题中所涉及的各种传播模型、数学优化方法以及计算方法等,为人工智能、大数据、管理科学、运筹学、人文社会科学等领域开展社交网络研究的本科生、研究生以及学者提供重要的参考资料。

内容简介

本书系统地阐述信息传播问题中所涉及的各种传播模型、数学优化方法以及计算方法等,并通过对大量信息传播的实际问题进行了建模与分析。该著作将为人工智能、大数据、管理科学、运筹学、人文社会科学等领域开展相关研究的本科生、研究生以及学者提供重要的参考。

前言

前言

在信息技术迅猛发展的当下,社交网络已经成为人类社会的重要组成部分。它不仅是人们交流沟通的平台,更是信息传播、舆论形成、社会影响力扩散的关键途径。社交网络的广泛应用对政治、经济、文化等诸多领域产生了深远的影响,研究社交网络的结构特征、信息传播机制及其社会影响已成为学术界的重要课题。
信息和影响力在网络中传播的研究是典型的交叉学科研究领域,涉及计算机科学、复杂网络、统计物理学、概率论、社会学、心理学、管理科学等多个学科。研究者从不同学科视角对信息传播和影响力扩散的各个方面进行探讨。本书主要从计算机科学的角度出发,介绍有关网络信息传播及其影响力的研究成果,同时介绍相关复杂网络领域的研究进展和实际应用。

目录

第1章社交网络概述1
11社交网络与在线社交网络1
111社交网络1
112在线社交网络3
12社交网络分析的理论与相关工作6
121社交网络分析研究方向8
122社交网络分析研究方法14
13在线社交网络的表示20
131图论20
132图论分析社交网络的优势29
133图论模型:节点与边的表示形式29
14在线社交网络结构特征30
141规则网络31
142随机网络31
143复杂网络32
144社交网络的节点中心性33
145群组38
146超图44
15在线社交网络中的负面信息46
151负面信息的影响47
152负面信息的传播机制48
153研究意义49
16本章小结49
第2章信息传播模型51
21独立级联模型51
22线性阈值模型54
23传染病模型58
231SI模型58
232SIS模型58
233SIR模型59
234SEIR模型60
24触发模型61
25渗流模型63
26竞争线性阈值模型与竞争独立级联模型65
261竞争线性阈值模型65
262竞争独立级联模型 68
263基于竞争独立级联模型下的竞争影响*大化问题71
27通用阈值模型与通用级联模型71
28本章小结74
第3章信息传播影响力的估计75
31影响力估计的复杂性75
32反向影响集抽样方法76
321反向影响集抽样算法77
322竞争传播过程中的反向影响集构造79
323抽样复杂度分析80
33分布式抽样技术80
331分布式抽样算法81
332抽样复杂度分析88
34图神经网络的影响力估计89
341图神经网络89
342算法设计91
35本章小结93
第4章集函数的性质94
41次模函数定义及优化方法94
411次模函数定义95
412贪心算法96
413模性定义98
414超模性定义98
42非次模函数优化99
421次模比的定义99
422曲率的定义100
423集函数的连续化101
424非次模函数的优化方法102
425非次模函数优化的实际应用103
43本章小结105
第5章抽样近似性107
51蒙特卡罗仿真107
52近似算法108
521近似算法AA108
522停止规则算法109
53下界110
54证明111
541证明的准备工作111
542停止规则定理的证明113
543AA定理的证明114
544下界定理的证明115
55本章小结118
第6章复杂度分析与算法近似性120
61复杂度分析中的基本概念120
611P问题121
612NP问题121
613NP完全问题 121
614NP难问题121
62信息传播问题中的复杂度分析122
63信息传播问题中求解算法的近似性124
631贪心算法求解近似性125
632三明治算法求解近似性126
633集函数分解算法求解近似性126
64本章小结128
第7章应用130
71从众效应下的影响力*大化问题130
711问题背景130
712模型构建131
713理论分析132
72社交网络群组影响力*大化问题138
721问题背景138
722模型构建139
723理论分析140
73社交网络中群组影响力收益*大化问题144
731问题背景144
732模型构建144
733理论分析145
74社交网络中谣言源不确定情形下的鲁棒控制问题147
741问题背景147
742模型构建148
743理论分析151
75社交网络中谣言源不确定情形下的随机优化控制问题154
751问题背景154
752模型构建155
753理论分析156
76社交网络回音壁效应分析与影响力*大化问题157
761问题背景157
762模型构建158
763理论分析161
764算法设计163
77虚假信息交互量*小化问题165
771问题背景165
772模型构建166
78虚假信息群组回音壁效应*小化问题168
781问题背景168
782模型构建168
79虚假信息跨虚实交互网络传播*小化问题169
791问题背景169
792模型构建170
710虚实交互社交网络中竞争虚假信息关注度*小化问题171
7101问题背景171
7102模型构建172
711社交网络中虚假信息多源头溯源问题173
7111问题背景173
7112模型构建173
712动态社交网络中虚假信息多源头溯源问题176
7121问题背景176
7122模型构建177
713有符号在线社交网络中净正面交互信息量*大化问题178
7131问题背景178
7132模型构建180
7133理论分析183
714基于马尔可夫链的谣言动态传播问题185
7141问题背景185
7142模型构建186
7143理论分析195
第8章未来愿景与研究展望198
81社交网络信息传播问题前沿热点198
811异构社交网络信息传播模型研究198
812动态网络演化模型研究200
813虚实空间交互下虚假信息一体化治理研究201
82社交网络信息传播理论前瞻研究203
821基于次模比与曲率的非次模函数优化方法研究203
822自适应次模性优化问题研究205
823深度学习在社交网络中的应用207
83社交网络典型数据集架构与采集208
参考文献212


展开全部

作者简介

朱建明 中国科学院大学教授,博士生导师,应急管理科学与工程学院院长助理,全国专业标准化委员会委员,全国专业学位水平评估专家,中国科协“科创中国”安全与应急管理专业科技服务团团长,中国优选法统筹法与经济数学研究会数学建模与算法分会副理事长,中国优选法统筹法与经济数学研究会应急管理专业委员会秘书长、网络科学分会副秘书长,国家自然科学基金重点项目及面上项目评议专家。斯坦福大学、得克萨斯大学达拉斯分校、新加坡南洋理工大学访问学者。从事运筹学、应急管理、大数据分析、社会计算和网络科学等研究,发表论文 100 余篇,获得中国科学院朱李月华优秀教师奖、北京市应急管理领域青年优秀科技论文一等奖。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航