复杂网络与大数据分析
本书作为基础理论教材，它以浅显易懂的语言为来自不同学科领域的研究生和提供有力指导。本书共十章，分别是：复杂网络基本概念、复杂网络模型、网络鲁棒性、网络传播动力学、网络演化博弈、数据挖掘、大规模复杂网络数据获取及存储、节点影响力排序、网络聚类技术分析、推荐系统和链路预测。这些内容由浅入深，对不同的读者，侧重点不同。
作者简介
1．基本情况：
卜湛，男，1987年出生，博士，副教授，硕导，ACM/CCF会员，信息工程学院软件工程专业系主任，主要承担本科生《数据挖掘》及研究生《复杂网络理论》教学工作，研究方向包括复杂网络、数据挖掘及人工智能。在南京航空航天大学就读博士期间，曾在美国阿拉巴马大学伯明翰分校进行为期1年的访问研究，博士学位论文入选江苏省计算机协会2015年度江苏省优秀博士论文。近年来在数据挖掘和人工智能等领域的国际权威期刊和会议发表了包括TKDE，TCYB，KAIS，INUFUS，KBS在内的30余篇学术论文。
2．学术水平：
代表性期刊论文（*表示通信作者）
1)ZhanBu，ZhiangWu*，JieCao，YichuanJiang，LocalCommunityMiningonDistributedandDynamicNetworksfromaMultiagentPerspective，IEEETransactionsonCybernetics，vol.46，no.4，pp.986-999，2016.(SCI:4.943)
2)Hui-JiaLi
目 录
第1章复杂网络的基本概念1
1.1度、度分布、度相关性3
1.2介数、路径、权重6
1.3簇、模体、社团10
习题115第2章复杂网络模型17
2.1规则网络17
2.1.1全局耦合网络17
2.1.2最近邻耦合网络18
2.1.3星形耦合网络19
2.2随机网络19
2.2.1随机网络模型20
2.2.2随机网络的度分布20
2.2.3随机网络的直径和平均距离21
2.2.4随机网络的集聚系数22
2.2.5随机网络的特征谱22
2.3无标度网络23
2.3.1Price模型24
2.3.2BA模型24
2.3.3BA无标度网络的度分布和度相关26
2.3.4BA无标度网络的平均距离和集聚系数27
2.3.5BA无标度网络的特征谱28
2.4动态演化网络29
2.4.1以网络演化的部件划分29
2.4.2以是否考虑权重划分30
2.4.3以演化网络采用的演化机制划分31
2.4.4以演化网络是否动态变化划分312.5社区网络31
2.5.1复杂网络中社区结构的分类32
2.5.2社区结构评价标准34
2.6权重网络34
2.6.1加权网络的度量35
2.6.2实际加权网络37
2.6.3加权网络建模39
2.7相依网络41
2.7.1相依网络的子网络41
2.7.2相依网络的相依边42
2.7.3相依网络的组合方式43
2.8多层网络43
2.8.1多层网络的结构44
2.8.2多层网络的度分布45
2.8.3多层网络上的扩散与同步45
2.8.4多层网络的鲁棒性46
习题246第3章网络鲁棒性48
3.1渗流理论介绍48
3.1.1渗流理论背景48
3.1.2渗流理论简介48
3.2随机攻击与蓄意攻击52
3.3级联失效53
3.3.1渗沙堆模型54
3.3.2OPA模型54
3.3.3CASCADE模型54
3.3.4负载容量模型54
习题356第4章网络传播动力学57
4.1传播动力学建模与解析57
4.1.1基于度的动力学模型58
4.1.2基于节点的动力学模型58
4.1.3d维NW小世界网络的线性传播方程60
4.1.4小世界网络传播动力学方程的分形、混沌与分岔61
4.2传播控制62
4.2.1网络免疫62
4.2.2最优资源配置65
4.3传播预测67
4.3.1阈值和爆发规模67
4.3.2传播网络重构70
4.3.3传播溯源72
习题475第5章网络演化博弈76
5.1复杂网络演化博弈基本框架78
5.2网络博弈动力学79
5.2.1规则网络演化博弈79
5.2.2非规则网络演化博弈82
5.2.3多层网络演化博弈85
5.3网络演化博弈共演化86
5.4网络演化博弈实验88
5.5网络演化博弈的应用90
5.5.1突发公共卫生中的应用90
5.5.2交通工程中的应用93
习题597第6章数据挖掘98
6.1数据挖掘的核心技术98
6.2“大数据”的典型特征99
6.2.1数据规模大100
6.2.2数据类型多样100
6.2.3数据处理速度快101
6.2.4数据价值密度低101
6.3复杂网络与数据挖掘融合——社会网络分析102
习题6102第7章大规模复杂网络数据获取及存储的技术研究103
7.1分布式网页爬虫设计103
7.2复杂网络数据的语义建模106
7.2.1新数据源属性的语义类型学习106
7.2.2原数据源语义图构建106
7.3非结构化网络数据的分布式索引技术109
7.4大规模复杂网络数据可视化技术109
习题7110第8章节点影响力排序111
8.1结构性的节点影响力排序111
8.1.1基于网络局部属性的指标111
8.1.2基于网络全局属性的指标112
8.1.3基于网络位置属性的指标115
8.1.4基于随机游走的节点影响力排序117
8.2功能性的节点影响力排序119
习题8121第9章网络聚类技术分析122
9.1经典社区发现算法122
9.1.1谱平分法124
9.1.2KernighanLin算法126
9.1.3MaximunFlowCommunities算法126
9.1.4极值优化算法127
9.1.5层次社区发现算法128
9.1.6重叠社区发现算法130
9.2复杂网络属性图聚类算法132
9.2.1基于距离的聚类132
9.2.2基于模型的聚类133
9.2.3基于多特征融合的属性图聚类算法133
9.2.4基于多节点社团意识系统的属性图聚类算法137
9.3基于动态社交博弈的属性图聚类算法140
9.3.1属性图算法分析141
9.3.2有限静态博弈143
9.3.3动态社交博弈144
9.3.4动态簇形成博弈和自学习算法146
习题9151第10章推荐系统和链路预测153
10.1推荐系统的定义153
10.2推荐系统算法155
10.2.1基于用户行为数据的推荐155
10.2.2基于内容数据的推荐157
10.2.3基于社会网络数据的推荐158
10.3推荐系统的评测159
10.3.1推荐系统的评测方法160
10.3.2推荐系统的评测指标162
10.4链路预测的基本概念171
10.4.1链路预测方法171
10.4.2基于相似性的链路预测171
10.4.3基于似然分析的链路预测174
习题10176参考文献177
作者简介
1．基本情况：
卜湛，男，1987年出生，博士，副教授，硕导，ACM/CCF会员，信息工程学院软件工程专业系主任，主要承担本科生《数据挖掘》及研究生《复杂网络理论》教学工作，研究方向包括复杂网络、数据挖掘及人工智能。在南京航空航天大学就读博士期间，曾在美国阿拉巴马大学伯明翰分校进行为期1年的访问研究，博士学位论文入选江苏省计算机协会2015年度江苏省优秀博士论文。近年来在数据挖掘和人工智能等领域的国际权威期刊和会议发表了包括TKDE，TCYB，KAIS，INUFUS，KBS在内的30余篇学术论文。
2．学术水平：
代表性期刊论文（*表示通信作者）
1)ZhanBu，ZhiangWu*，JieCao，YichuanJiang，LocalCommunityMiningonDistributedandDynamicNetworksfromaMultiagentPerspective，IEEETransactionsonCybernetics，vol.46，no.4，pp.986-999，2016.(SCI:4.943)
2)Hui-JiaLi
目 录
第1章复杂网络的基本概念1
1.1度、度分布、度相关性3
1.2介数、路径、权重6
1.3簇、模体、社团10
习题115第2章复杂网络模型17
2.1规则网络17
2.1.1全局耦合网络17
2.1.2最近邻耦合网络18
2.1.3星形耦合网络19
2.2随机网络19
2.2.1随机网络模型20
2.2.2随机网络的度分布20
2.2.3随机网络的直径和平均距离21
2.2.4随机网络的集聚系数22
2.2.5随机网络的特征谱22
2.3无标度网络23
2.3.1Price模型24
2.3.2BA模型24
2.3.3BA无标度网络的度分布和度相关26
2.3.4BA无标度网络的平均距离和集聚系数27
2.3.5BA无标度网络的特征谱28
2.4动态演化网络29
2.4.1以网络演化的部件划分29
2.4.2以是否考虑权重划分30
2.4.3以演化网络采用的演化机制划分31
2.4.4以演化网络是否动态变化划分312.5社区网络31
2.5.1复杂网络中社区结构的分类32
2.5.2社区结构评价标准34
2.6权重网络34
2.6.1加权网络的度量35
2.6.2实际加权网络37
2.6.3加权网络建模39
2.7相依网络41
2.7.1相依网络的子网络41
2.7.2相依网络的相依边42
2.7.3相依网络的组合方式43
2.8多层网络43
2.8.1多层网络的结构44
2.8.2多层网络的度分布45
2.8.3多层网络上的扩散与同步45
2.8.4多层网络的鲁棒性46
习题246第3章网络鲁棒性48
3.1渗流理论介绍48
3.1.1渗流理论背景48
3.1.2渗流理论简介48
3.2随机攻击与蓄意攻击52
3.3级联失效53
3.3.1渗沙堆模型54
3.3.2OPA模型54
3.3.3CASCADE模型54
3.3.4负载容量模型54
习题356第4章网络传播动力学57
4.1传播动力学建模与解析57
4.1.1基于度的动力学模型58
4.1.2基于节点的动力学模型58
4.1.3d维NW小世界网络的线性传播方程60
4.1.4小世界网络传播动力学方程的分形、混沌与分岔61
4.2传播控制62
4.2.1网络免疫62
4.2.2最优资源配置65
4.3传播预测67
4.3.1阈值和爆发规模67
4.3.2传播网络重构70
4.3.3传播溯源72
习题475第5章网络演化博弈76
5.1复杂网络演化博弈基本框架78
5.2网络博弈动力学79
5.2.1规则网络演化博弈79
5.2.2非规则网络演化博弈82
5.2.3多层网络演化博弈85
5.3网络演化博弈共演化86
5.4网络演化博弈实验88
5.5网络演化博弈的应用90
5.5.1突发公共卫生中的应用90
5.5.2交通工程中的应用93
习题597第6章数据挖掘98
6.1数据挖掘的核心技术98
6.2“大数据”的典型特征99
6.2.1数据规模大100
6.2.2数据类型多样100
6.2.3数据处理速度快101
6.2.4数据价值密度低101
6.3复杂网络与数据挖掘融合——社会网络分析102
习题6102第7章大规模复杂网络数据获取及存储的技术研究103
7.1分布式网页爬虫设计103
7.2复杂网络数据的语义建模106
7.2.1新数据源属性的语义类型学习106
7.2.2原数据源语义图构建106
7.3非结构化网络数据的分布式索引技术109
7.4大规模复杂网络数据可视化技术109
习题7110第8章节点影响力排序111
8.1结构性的节点影响力排序111
8.1.1基于网络局部属性的指标111
8.1.2基于网络全局属性的指标112
8.1.3基于网络位置属性的指标115
8.1.4基于随机游走的节点影响力排序117
8.2功能性的节点影响力排序119
习题8121第9章网络聚类技术分析122
9.1经典社区发现算法122
9.1.1谱平分法124
9.1.2KernighanLin算法126
9.1.3MaximunFlowCommunities算法126
9.1.4极值优化算法127
9.1.5层次社区发现算法128
9.1.6重叠社区发现算法130
9.2复杂网络属性图聚类算法132
9.2.1基于距离的聚类132
9.2.2基于模型的聚类133
9.2.3基于多特征融合的属性图聚类算法133
9.2.4基于多节点社团意识系统的属性图聚类算法137
9.3基于动态社交博弈的属性图聚类算法140
9.3.1属性图算法分析141
9.3.2有限静态博弈143
9.3.3动态社交博弈144
9.3.4动态簇形成博弈和自学习算法146
习题9151第10章推荐系统和链路预测153
10.1推荐系统的定义153
10.2推荐系统算法155
10.2.1基于用户行为数据的推荐155
10.2.2基于内容数据的推荐157
10.2.3基于社会网络数据的推荐158
10.3推荐系统的评测159
10.3.1推荐系统的评测方法160
10.3.2推荐系统的评测指标162
10.4链路预测的基本概念171
10.4.1链路预测方法171
10.4.2基于相似性的链路预测171
10.4.3基于似然分析的链路预测174
习题10176参考文献177
精选留言