新書推薦:
《
冯友兰和青年谈心系列:看似平淡的坚持
》
售價:NT$
254.0
《
汉字理论与汉字阐释概要 《说解汉字一百五十讲》作者李守奎新作
》
售價:NT$
347.0
《
汗青堂丛书144·决战地中海
》
售價:NT$
765.0
《
逝去的武林(十周年纪念版 武学宗师 口述亲历 李仲轩亲历一九三零年代武人言行录)
》
售價:NT$
250.0
《
唐代冠服图志(百余幅手绘插画 图解唐代各类冠服 涵盖帝后 群臣 女官 士庶 军卫等 展现唐代社会风貌)
》
售價:NT$
398.0
《
知宋·宋代之科举
》
售價:NT$
454.0
《
那本书是(吉竹伸介与又吉直树 天才联动!)
》
售價:NT$
454.0
《
传播的跃迁:人工智能如何革新人类的交流
》
售價:NT$
505.0
|
編輯推薦: |
社区发现是社交网络分析中的一个重要基础问题,且是研究热点。本书不仅会系统梳理已有的社区发现方法,也会详细介绍代表方法,融入当前基于深度学习的社区发现方法。
|
內容簡介: |
本书以社区发现为核心内容,介绍了社区发现的基础知识及与之相关的理论方法。本书重点内容包括网络构建方法、社区分析基本知识、非重叠社区发现方法、重叠社区发现方法、面向富信息网络的社区发现方法、基于网络表示学习的社区发现方法、大规模网络社区发现方法和基于社区发现的交叉研究等。本书突出介绍在现今大规模网络和相关社交网络数据不断涌现的背景下与社区发现方法相关的理论和计算技术。 本书可以作为计算机学科相关专业本科生高年级和研究生相关课程的参考书,也可以作为了解社区发现方法原理的参考资料。
|
關於作者: |
张云雷,博士,男,毕业于北京邮电大学。研究方向为数据挖掘、机器学习、社交网络分析,现已发表期刊和会议论文20余篇,其中SCI论文4篇,出版专著1部。参与国家重点基础研究计划项目1项、国家重点研发计划项目1项、国家高技术研究发展计划项目1项。
|
目錄:
|
第1章引言
本章参考文献
第2章网络构建方法
2.1直接观察法
2.2基于多源数据的学术社交网络构建方法
2.3基于视频的社交网络构建方法
2.3.1问题定义
2.3.2方法
2.4基于多层强化学习的网络构建方法
2.4.1现存问题解决方案
2.4.2构建数据集
2.4.3OHRL算法设计
本章参考文献
第3章社区分析基本知识
3.1社区发现的原理
3.1.1社区的定义
3.1.2社区发现的方法分类
3.2数据集与算法的评价指标
3.2.1经典数据集
3.2.2人工数据集生成
3.2.3评价指标
本章参考文献
第4章非重叠社区发现方法
4.1概述
4.2基于网络模体的局部社区发现方法
4.2.1预备知识
4.2.2通过小化1范数的局部扩张
4.2.3实验结果与分析
4.2.4本节小结
4.3基于种子结点扩张采样的社区发现方法
4.3.1问题定义
4.3.2SENE模型
4.3.3实验结果与分析
本章参考文献
第5章重叠社区发现方法
5.1概述
5.2基于粗糙集的重叠社区发现方法
5.2.1预备知识与定义
5.2.2方法
5.2.3时间复杂度分析
5.3基于边图的重叠社区发现方法
5.3.1方法
5.3.2时间复杂度分析
5.4实验结果与分析
5.4.1对比方法
5.4.2实验环境
5.4.3数据集
5.4.4评价指标
5.4.5实验与结果分析
5.5本章小结
本章参考文献
第6章面向富信息网络的社区发现方法
6.1概述
6.2基于生成模型的动态主题社区发现方法
6.2.1动态主题社区发现方法
6.2.2DTCD模型推理
6.2.3推断快照网络中的各个参数
6.2.4实验结果与分析
6.3本章小结
本章参考文献
第7章基于网络表示学习的社区发现方法
7.1概述
7.2基于矩阵分解的网络表示学习方法
7.2.1M-NMF模型
7.2.2模型化
7.3基于随机游走的网络表示学习方法
7.3.1DeepWalk:社交表示的在线学习
7.3.2Node2Vec: 大规模网络特征学习
7.4基于深度神经网络的网络表示学习方法
7.4.1SDNE结构化深度网络表示学习方法
7.4.2DNGR深度神经网络的网络表示学习方法
7.5其他网络表示学习方法
7.5.1LINE大规模网络表示方法
7.5.2问题定义
7.5.3大规模网络表示方法
7.5.4LANE标签信息属性网络表示学习方法
本章参考文献
第8章大规模网络社区发现方法
8.1概述
8.2基于Spark的并行增量动态社区发现方法
8.2.1基本概念和定义
8.2.2基于Spark的并行增量动态社区发现算法描述
8.2.3实验结果与分析
8.2.4本节小结
8.3基于加权聚类系数的并行增量动态社区发现方法
8.3.1相关工作
8.3.2相关定义
8.3.3SPDCD算法
8.3.4实验结果与分析
8.3.5本节小结
8.4基于边图的并行重叠社区发现方法
8.4.1方法
8.4.2时间复杂度分析
8.4.3并行化设计
8.4.4实验结果与分析
8.4.5本节小结
本章参考文献
第9章基于社区发现的交叉研究
9.1概述
9.2基于社交网络社区的组推荐框架
9.2.1组推荐问题定义
9.2.2基于社交网络社区的组推荐框架
9.2.3实验结果与分析
9.2.4本节小结
9.3基于社区分析的情感研究
9.3.1基于多元情感行为时间序列的社交网络用户聚类分析
9.3.2社交网络情感社区发现研究
本章参考文献
第10章总结
本章参考文献
|
內容試閱:
|
社交网络已经成为人们沟通交流的重要手段,而社交媒体也已经成为人们获取信息的主要渠道。社交网络中的结点代表用户,边代表用户之间的好友关系、评论关系及转发关系,等等。社交网络的网络结构蕴含着丰富的知识,社交网络用户的行为具有潜在的模式,社交网络中的信息传播具有潜在的规律。在政府管理、企业的市场营销等领域,社交网络已经成为了解用户观点和习惯的关键渠道。显而易见,社交网络分析已经成为具有社会价值和商业价值的重要科学问题。社交网络本质上是一种复杂网络,而复杂网络是网络科学研究的基础对象。社区结构分析是网络科学研究的基础问题,它的研究也随着20世纪末网络科学的悄然兴起而受到众多学者的关注。社区结构分析是从中观结构深入理解社交网络的有效手段,能够进一步分析社交网络中的群体行为,能够进一步对社交网络上信息的传播过程进行建模,因此社区结构分析有着重要意义。本书正是基于此,从问题分类、方法、技术及应用等不同的角度来总结社区发现的研究成果。
本书共10章,从内容上可分为3个部分。第1部分是基础知识,包括第1、2、3、10章,分别是引言、网络构建方法、社区分析基本知识和总结,这部分是全书的基础章节,对相关章节涉及的基础知识和核心技术进行初步介绍与总结。第2部分是相关算法,包括第4、5、6、7、8章,分别是非重叠社区发现方法、重叠社区发现方法、面向富信息网络的社区发现方法、基于网络表示学习的社区发现方法、大规模网络社区发现方法。第3部分是社区发现方法的应用,即第9章,基于社区发现的交叉研究。
本书各主要章节内容如下。
第2章主要介绍网络构建方法。社区发现的研究对象是网络数据。网络构建是形成网络数据的直接方法,其处理对象包含了个体之间的直接交互、文本数据、视频数据等,分别对应直接观察法、基于多源数据的学术社交网络构建方法、基于视频的网络构建方法。
第3章主要介绍社区分析基本知识。内容包括:社区的定义,这是其他章节的基础知识;传统的社区发现方法及其算法复杂度,传统方法包含了非重叠社区发现方法和重叠社区发现方法;数据集与算法的评价指标,数据集包含了经典数据集、人工数据集,评价指标包含了模块度、标准互信息、正确率、兰德指数、杰卡德指数、调整的兰德指数、Omega指数,等等。
第4章主要介绍近的非重叠社区发现方法。非重叠社区发现方法将节点指派为一个确定的社区。本章结合网络模体和网络表示学习方法,分别介绍了基于网络模体的局部社区发现方法和基于种子结点扩张采样的社区发现方法。
第5章主要介绍重叠社区发现方法。针对重叠社区发现方法的准确率不高、发现结果具有随机性、过度重叠和无法处理大规模网络等问题,分别介绍了一种基于粗糙集的重叠社区方法和一种基于边图的重叠社区发现方法及其并行化方法。
第6章主要介绍面向富信息网络的社区发现方法。网络数据包含了除网络结构以外的其他信息,比如文本信息、结点属性或行为等,本章介绍了一种对网络结构、文本信息和时间信息统一建模,进而动态发现社区及其主题的方法。
第7章主要介绍基于网络表示学习的社区发现方法。传统的网络表示形式在进行网络处理和分析时存在一些挑战,包括高计算复杂度、低可并行性和机器学习方法的不适用性等。本章介绍了基于矩阵分解的网络表示学习方法、基于随机游走的网络表示学习方法、基于深度神经网络的网络表示学习方法及其他网络表示学习方法。
第8章主要介绍大规模网络社区发现方法。包括基于Spark的并行增量动态社区发现方法、基于加权聚类系数的并行增量动态社区发现方法、基于边图的并行重叠社区发现方法。
第9章主要介绍基于社区发现的交叉研究。包括基于社交网络社区的组推荐框架、基于社区分析的情感研究。
本书的编写得到了华北科技学院计算机学院和北京邮电大学计算机学院数据科学与服务中心师生的支持,他们是田立勤、陈振国、刘宇、吕金娜、宁念文、朱江、尹丁艺、肖琰、张翠云和迟人俊,作者在此一并表示感谢。同时,还要感谢华北科技学院重点学科建设项目的支持,以及北京交通大学出版社谭文芳编辑为本书出版所做的努力。
作者作为在计算机领域从事科研和教学的教师,在专业知识的深度和广度上都有局限性,本书难免存在不足之处,热烈欢迎广大读者反馈,并对本书提出宝贵意见和建议,作者将不断改进。
张云雷
2022年1月
|
|