更新时间：2021-03-23 19:25
《社交网络演化计算——模型、方法与案例》是2018年3月清华大学出版社出版的图书，作者是王元卓、于建业、李静远、靳小龙。
本书主要以博弈论、演化博弈论为模型基础，深入地探讨了社交网络演化的建模方法，并结合具体应用场景,介绍了社交网络中的信息、网络和群体的演化计算问题的建模、分析与评价方法，并通过新浪微博、Twitter、Facebook、Google+、Youtube等真实数据的演化计算与分析，深入地探讨了社交网络中信息传播、网络结构和群体行为的演化规律，以及如何进行跨网络的时序预测与推荐。
本书既可供计算机、通信、信息等相关专业的教师、研究生和大学高年级学生作为教材或教学参考书，也可供社交网站、电商、网络营销等方面的研究人员和工程技术人员参考。
社交网络演化计算——模型、方法与案例
第一部分社交网络与建模方法
第1章社交网络
1.1概述
1.2社交网络的研究要素
1.2.1网络结构
1.2.2群体行为
1.2.3网络信息
1.3社交网络的演化
1.3.1网络信息的传播
1.3.2网络结构的演化
1.3.3群体行为的演化
1.4社交网络中的分析
小结
参考文献
第2章博弈论
2.1概述
2.2博弈论基础
2.2.1博弈论的基本构架
2.2.2理性行为
2.2.3有限理性
2.2.4常见博弈模型
2.3纳什均衡
2.3.1纳什均衡及举例
2.3.2纳什均衡的存在性
2.3.3严格竞争博弈
2.3.4混合策略纳什均衡
2.4合作博弈
2.4.1可转移支付合作博弈
2.4.2核
2.4.3核的非空性
2.4.4无可转移支付的合作博弈
2.4.5Shapley值
小结
参考文献
第3章演化博弈
3.1概述
3.2演化博弈基础
3.2.1演化博弈的基本结构
3.2.2种群博弈
3.2.3复制者动态
3.2.4演化稳定策略
3.3网络演化博弈
3.3.1静态网络上的演化博弈
3.3.2动态网络上的演化博弈
3.3.3相互依赖网络上的演化博弈
小结
参考文献
第4章社交演化博弈
4.1概述
4.2建模方法
4.2.1基本概念
4.2.2博弈设置
4.2.3更新机制
4.3大规模社交行为仿真分析
4.3.1两两交互行为模型设置
4.3.2群交互行为模型设置
4.3.3更新机制
4.3.4仿真结果分析
小结
参考文献
第二部分单一网络的社交网络演化计算
第5章网络结构对信息传播的影响
5.1信息传播与网络结构
5.1.1典型网络拓扑结构
5.1.2拓扑结构对信息传播的影响
5.1.3信息传播的一致性模型
5.2竞争性信息传播
5.2.1概述
5.2.2竞争性信息传播模型
5.2.3竞争性信息传播模型稳定性分析
5.2.4竞争性信息传播模型模拟
5.2.5网络拓扑结构对竞争性信息传播的影响
5.2.6信息发布时间点对竞争性信息传播的影响
5.2.7网络节点特征对竞争性信息传播的影响
5.2.8竞争信息传播演化过程分析
小结
参考文献
第6章信息行为对网络结构的影响
6.1概述
6.2社交网络中典型信息行为分析
6.2.1信息分享行为
6.2.2信息交互行为
6.3网络结构更新方式分析
6.3.1基于随机选择的网络结构更新方式
6.3.2基于声誉的网络结构更新方式
6.3.3基于影响力的网络结构更新方式
6.3.4基于关系强度的网络结构更新方式
6.4信息分享行为对网络结构的影响
6.4.1信息分享行为模型
6.4.2更新机制
6.4.3实验结果分析
6.5信息交互行为对网络结构的影响
6.5.1信息交互行为模型
6.5.2更新机制
6.5.3实验结果与分析
小结
参考文献
第7章群体行为与网络结构的协同演化
7.1概述
7.2社交网络群体评价指标
7.2.1群体结构评价指标
7.2.2群体行为评价指标
7.3社交网络群体识别方法
7.3.1相关研究工作
7.3.2信息交互群体识别方法
7.3.3局部均衡的计算
7.3.4实验结果分析
7.4重叠群体的行为与结构协同演化
7.4.1重叠群体相互影响的方式
7.4.2模型设置
7.4.3实验结果与分析
7.5跨网络群体的用户关注度竞争
7.5.1竞争性社交演化博弈模型
7.5.2实验结果与分析
小结
参考文献
第三部分跨网络的社交网络演化计算
第8章跨网络用户偏好可预测性分析
8.1概述
8.2相关研究工作
8.2.1用户特征模型
8.2.2用户特征建模学习方法
8.2.3用户特征表述方式
8.3基于知识库理解的时空用户特征建模
8.3.1基于显式反馈的用户特征建模
8.3.2基于隐式反馈的用户特征建模
8.3.3时间维度和空间维度上的用户特征建模
8.4跨网络用户偏好可预测性分析
8.4.1实验数据集与用户建模方法
8.4.2实验结果与分析
小结
参考文献
第9章社交网络用户在强关联消费网络中的偏好预测
9.1概述
9.2相关研究工作
9.2.1个性化预测技术
9.2.2个性化预测方法
9.2.3推荐系统评价指标
9.3强关联预测模型与方法
9.3.1基于显式反馈的用户偏好预测
9.3.2基于隐式反馈的用户偏好预测
9.3.3基于消费网络属性的用户偏好预测
9.3.4预测模型
9.4强关联预测方法实例分析
9.4.1数据集
9.4.2评价指标与预测方法
9.4.3实验结果与分析
小结
参考文献
第10章社交网络用户在弱关联消费网络中的偏好预测
10.1概述
10.2相关研究工作
10.3社交网络与消费网络间的用户账户关联方法
10.3.1用户账户相似度计算策略
10.3.2用户账户匹配方法
10.3.3用户账户关联方法实例分析
10.4弱关联预测实例分析
小结
参考文献
第四部分辅助分析工具和案例分析
第11章演化博弈辅助分析工具
11.1Gambit
11.2TNGLab
11.3GAMUT
11.4Flock
11.4.1基本架构
11.4.2工作流程示例
小结
参考文献
第12章真实社交网络中的应用案例分析
12.1Twitter和新浪微博的信息分享行为分析实例
12.1.1Twitter与新浪微博的演化性分析
12.1.2对Twitter与新浪微博的网络特性预测
12.2新浪微博中电影和电视剧的竞争传播分析实例
12.2.1新浪微博中电影竞争信息异步传播分析
12.2.2新浪微博中电视剧竞争信息异步传播分析
12.3新浪微博中电商间信息的竞争性传播分析实例
12.4足球圈在新浪微博和腾讯微博的使用热度趋势分析实例
小结
参考文献