網(wǎng)絡(luò)科學(xué)與計算

第1章 網(wǎng)絡(luò)科學(xué)引言
1．1 網(wǎng)絡(luò)科學(xué)定義
1．2 無處不在的網(wǎng)絡(luò)
1．3 復(fù)雜性科學(xué)與復(fù)雜網(wǎng)絡(luò)
1．3．1 復(fù)雜性科學(xué)定義
1．3．2 復(fù)雜性科學(xué)的研究對象
1．3．3 復(fù)雜網(wǎng)絡(luò)的介紹
1．4 網(wǎng)絡(luò)科學(xué)的發(fā)展
1．4．1 Konigsberg七橋問題
1．4．2 隨機(jī)圖理論
1．4．3 小世界實(shí)驗(yàn)
1．4．4 弱連接的強(qiáng)度
1．4．5 復(fù)雜網(wǎng)絡(luò)研究的新紀(jì)元
1．5 網(wǎng)絡(luò)科學(xué)與計算
1．5．1 大數(shù)據(jù)時代下的圖計算
1．5．2 圖計算的特征
1．5．3 圖計算的挑戰(zhàn)
1．5．4 圖計算的應(yīng)用
習(xí)題
本章參考文獻(xiàn)
第2章 網(wǎng)絡(luò)基本特征
2．1 靜態(tài)網(wǎng)絡(luò)
2．1．1 網(wǎng)絡(luò)的表示
2．1．2 節(jié)點(diǎn)與邊的統(tǒng)計特征
2．1．3 節(jié)點(diǎn)的排序特征
2．1．4 子圖特征
2．1．5 全圖特征
2．2 經(jīng)典真實(shí)世界網(wǎng)絡(luò)
習(xí)題
本章參考文獻(xiàn)
第3章 典型網(wǎng)絡(luò)模型
3．1 隨機(jī)圖模型
3．1．1 規(guī)則模型
3．1．2 隨機(jī)圖模型
3．1．3 模型拓?fù)湫再|(zhì)分析
3．2 小世界模型
3．2．1 WS小世界模型
3．2．2 NW小世界模型
3．2．3 模型拓?fù)湫再|(zhì)分析
3．3 無標(biāo)度模型
3．3．1 BA無標(biāo)度模型
3．3．2 Price模型
3．3．3 BA無標(biāo)度模型拓?fù)湫再|(zhì)分析
3．4 其他模型
3．4．1 自相似模型
3．4．2 局域世界演化模型
習(xí)題
本章參考文獻(xiàn)
第4章 網(wǎng)絡(luò)過程模型
4．1 傳播模型
4．1．1 傳染病模型
4．1．2 均勻網(wǎng)絡(luò)的傳播臨界值分析
4．1．3 非均勻網(wǎng)絡(luò)的傳播臨界值分析
4．1．4 免疫控制策略
4．2 網(wǎng)絡(luò)同步
4．2．1 網(wǎng)絡(luò)同步的依據(jù)
4．2．2 網(wǎng)絡(luò)同步能力分析
習(xí)題
本章參考文獻(xiàn)
第5章 網(wǎng)絡(luò)特征計算方法
5．1 基本特征計算
5．2 節(jié)點(diǎn)統(tǒng)計特征計算
5．3 節(jié)點(diǎn)排序特征計算
5．3．1 接近中心性計算
5．3．2 介數(shù)中心性計算
5．3．3 PR值計算
5．3．4 權(quán)威值和樞紐值計算
5．4 子圖特征計算
5．4．1 連通分量與強(qiáng)連通分量
5．4．2 極大和最大完全子圖
5．4．3 模體
5．5 全圖特征計算
5．5．1 單源最短路徑
5．5．2 多源最短路徑
5．5．3 平均路徑長度和網(wǎng)絡(luò)直徑
5．5．4 網(wǎng)絡(luò)密度
5．5．5 聚集系數(shù)
5．5．6 同配系數(shù)
習(xí)題
本章參考文獻(xiàn)
第6章 圖計算重要算法
6．1 社區(qū)發(fā)現(xiàn)
6．1．1 社區(qū)定義
6．1．2 評價指標(biāo)
6．1．3 社區(qū)發(fā)現(xiàn)算法
6．1．4 社區(qū)發(fā)現(xiàn)趨勢
6．2 鏈路預(yù)測
6．2．1 鏈路預(yù)測介紹
6．2．2 基于相似性的鏈路預(yù)測算法
6．2．3 基于最大似然估計的鏈路預(yù)測算法
6．3 信息傳播
6．3．1 獨(dú)立級聯(lián)模型
6．3．2 線性閾值模型
6．4 面向圖的表示學(xué)習(xí)
6．4．1 圖表示學(xué)習(xí)的定義及目標(biāo)
6．4．2 圖表示學(xué)習(xí)的常用算法
習(xí)題
本章參考文獻(xiàn)
第7章 圖計算框架
7．1 大數(shù)據(jù)計算框架
7．1．1 批處理框架
7．1．2 流計算框架
7．1．3 交互式分析框架
7．1．4 其他類型的框架
7．2 常用的圖計算框架
7．2．1 節(jié)點(diǎn)中心計算模型
7．2．2 邊中心計算模型
7．2．3 路徑中心計算模型
7．2．4 子圖中心計算模型
7．3 圖計算相關(guān)軟件
7．3．1 Pregel
7．3．2 Spark GraphX
7．3．3 GraphLab
7．3．4 XStream
7．3．5 GraphLab PowerGraph
7．3．6 PathGraph
7．3．7 Apache Giraph
7．3．8 GRAPE
7．3．9 Scalable Graph
7．3．1 0TurboGraph
習(xí)題
本章參考文獻(xiàn)
第8章 大數(shù)據(jù)下的網(wǎng)絡(luò)計算
8．1 GraphX特性
8．1．1 GraphX的優(yōu)勢
8．1．2 彈性分布式屬性圖
8．1．3 GraphX支持的處理方式
8．1．4 GraphX支持的存儲方式
8．2 用GraphX處理大規(guī)模圖
8．2．1 GraphX計算模式
8．2．2 內(nèi)置算法簡析
8．3 大規(guī)模社交網(wǎng)絡(luò)挖掘平臺
8．3．1 平臺整體設(shè)計
8．3．2 網(wǎng)絡(luò)特征指標(biāo)計算的并行化
8．3．3 社團(tuán)發(fā)現(xiàn)算法的并行化
8．3．4 平臺使用實(shí)例
8．4 Graph OLAM大規(guī)模多維網(wǎng)絡(luò)分析框架
8．4．1 路徑維度立方體模型
8．4．2 Graph OLAP簡介
8．4．3 基于路徑維度立方體的大規(guī)模多維網(wǎng)絡(luò)分析框架
本章參考文獻(xiàn)
第9章 網(wǎng)絡(luò)科學(xué)應(yīng)用
9．1 在線社交網(wǎng)絡(luò)分析
9．1．1 虛擬社區(qū)發(fā)現(xiàn)
9．1．2 在線社交網(wǎng)絡(luò)影響力分析
9．1．3 信息傳播規(guī)律
9．2 知識圖譜
9．2．1 知識圖譜的定義與架構(gòu)
9．2．2 知識圖譜的構(gòu)建技術(shù)
9．2．3 知識圖譜的應(yīng)用
9．3 復(fù)雜網(wǎng)絡(luò)的魯棒性
9．4 社會計算
9．4．1 社會計算的興起與現(xiàn)狀
9．4．2 社會計算的研究領(lǐng)域
9．5 用戶畫像
9．6 應(yīng)用系統(tǒng)實(shí)例
9．6．1 學(xué)者畫像系統(tǒng)
9．6．2 微博信息傳播可視化工具
9．6．3 知識圖譜搜索
本章參考文獻(xiàn)