在线社交网络分析与信息传播丛书 虚拟社区发现与演化PDF|Epub|txt|kindle电子书版本网盘下载

在线社交网络分析与信息传播丛书 虚拟社区发现与演化PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 引言1

参考文献3

第2章 社区分析基本知识4

2.1 社区发现的原理4

2.1.1 社区的定义4

2.1.2 社区发现的方法分类6

2.1.3 计算复杂度8

2.2 数据集与算法的评价指标9

2.2.1 经典数据集9

2.2.2 人工数据集产生13

2.2.3 评价指标15

参考文献21

第3章 社区发现经典算法24

3.1 传统基于图分割和谱分析的社区发现算法25

3.1.1 Kernighan-Lin算法25

3.1.2 谱划分27

3.2 基于图聚类的社区发现算法32

3.2.1 主要聚类方法分类32

3.2.2 基于划分聚类的社区发现算法34

3.2.3 基于层次聚类的社区发现算法37

3.2.4 基于密度聚类的社区发现算法38

3.3 社区评估指标及目标优化常用方法41

3.3.1 单目标优化——模块度最优化算法43

3.3.2 多目标优化算法54

3.4 基于信息论和概率的社区发现算法63

3.4.1 标签传播算法63

3.4.2 信息编码算法67

3.4.3 贝叶斯概率模型71

3.4.4 基于随机游走模型的图分割74

3.5 基于物理模型的社区发现算法76

3.5.1 派系过滤算法76

3.5.2 电阻网络电压谱分割方法79

3.5.3 自旋模型79

3.5.4 基于拓扑势的网络社区发现方法81

参考文献83

第4章 社区发现的新兴方法86

4.1 非重叠社区发现方法86

4.1.1 基于多目标的社区发现方法86

4.1.2 基于遗传算法的社区发现方法88

4.1.3 基于稳定度的社区发现方法89

4.1.4 基于后验方法的社区发现方法90

4.1.5 基于截断PageRank的社区发现方法91

4.1.6 基于果蝇爬山策略的社区发现方法93

4.1.7 基于密度的社区发现方法93

4.1.8 基于动态距离学的社区发现方法93

4.1.9 其他社区发现方法96

4.2 重叠社区发现方法96

4.2.1 重叠社区发现的定义及相关概念96

4.2.2 结合隐式链接偏好的重叠社区发现方法97

4.2.3 利用链路空间变换的重叠社区发现101

4.2.4 从局部谱子空间检测重叠社区方法109

4.2.5 重叠社区检测的局部种子选择方法109

4.2.6 基于边聚类的重叠社区发现方法110

4.2.7 基于最大团的重叠社区发现方法111

4.3 属性网络社区发现方法112

4.3.1 属性网络社区发现研究综述112

4.3.2 基于数据融合角度的大规模网络重叠社区发现方法122

4.3.3 属性网络社区发现的其他方法123

4.4 本章小结124

参考文献124

第5章 虚拟社区演化127

5.1 动态网络127

5.1.1 动态网络分析127

5.1.2 动态社区发现与社区演化127

5.2 社区演化模型128

5.2.1 基于核节点的社区演化模型128

5.2.2 带权社区的涌现模型130

5.2.3 基于图模体的GMM132

5.3 演化社区发现算法133

5.3.1 基于动态增量的演化社区发现133

5.3.2 基于距离增量的演化社区发现136

5.3.3 基于博弈论的社会网络动态社区检测139

5.3.4 基于多模式聚类的演化社区发现141

5.3.5 基于拉普拉斯动力学方法的演化社区发现143

5.3.6 基于差分演化的演化社区发现144

5.3.7 基于相邻时刻相似度比较的演化社区发现146

5.4 演化分析框架147

5.4.1 基于事件的社区网络演化分析147

5.4.2 基于角色的社区网络演化分析152

5.4.3 基于独立社区发现的演化分析156

5.4.4 基于网络融合的演化分析157

5.4.5 基于演化聚类平滑性的演化分析157

5.4.6 基于节点行为的社区演化分析158

5.4.7 基于张量分解的社区演化分析159

5.5 社区演化评价164

5.5.1 基于时空独立评价的方法165

5.5.2 基于时空集成评价的方法165

5.5.3 基于统一评价的方法167

参考文献170

第6章 社区分析与其他领域交叉研究173

6.1 基于社区分析的情感研究173

6.1.1 基于多元情感行为时间序列的社交网络用户聚类分析173

6.1.2 社交网络情感社区发现研究176

6.2 基于社区分析的预测方法178

6.2.1 基于社区结构的链接预测和属性推断联合解决方法178

6.2.2 面向多模社交网络的聚类信任预测180

6.3 异质网络中的聚类和排序算法182

6.3.1 异质网络中的社区发现182

6.3.2 基于排序的聚类问题研究188

6.4 社区分析在推荐系统的应用189

6.4.1 社会化推荐190

6.4.2 基于社区的组推荐模型191

6.4.3 其他有关社区分析的推荐算法192

6.5 其他研究194

6.5.1 社区分析在实体消歧领域的应用194

6.5.2 基于社区分析的链路预测200

6.6 本章小结206

参考文献206

第7章 社区发现与演化分析快速计算方法209

7.1 图并行计算框架209

7.1.1 面向大图数据的并行计算模型209

7.1.2 基于内存的并行计算模型215

7.2 图挖掘的快速计算221

7.2.1 大规模图数据处理问题221

7.2.2 图挖掘快速计算：增量式计算实例222

7.2.3 图挖掘快速计算：并行计算实例229

7.3 并行社区发现与演化分析234

7.3.1 基于Spark的并行大型多维网络分析234

7.3.2 一种可扩展的非重叠社区发现算法框架236

7.3.3 基于MapReduce框架的社区发现并行计算方法InfoMR237

7.3.4 基于链路图的大规模网络并行重叠社区发现算法238

7.3.5 基于GraphLab框架的重叠社区发现并行计算方法：DOCvN245

7.4 并行社区发现评估及应用249

7.4.1 传统社区发现评价指标249

7.4.2 并行社区发现评价指标250

参考文献253

第8章 社区分析算法评测平台256

8.1 评测平台综述256

8.1.1 现有的评测方法与平台256

8.1.2 本平台的设计目标259

8.2 平台框架与功能设计260

8.2.1 技术背景260

8.2.2 整体设计263

8.2.3 功能设计268

8.3 平台的扩展277

8.4 平台操作案例280

8.4.1 数据角度280

8.4.2 算法角度282

8.4.3 指标角度287

8.5 平台使用实例290

参考文献294

第9章 总结296

参考文献298