复杂网络与大数据分析

《复杂网络与大数据分析/大数据系列丛书》是复杂网络与数据分析的入门教材，主要介绍了复杂网络和数据挖掘基本理论，涵盖了复杂网路基本概念、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等知识点，这些新颖的内容，反映了复杂网络与数据分析最近十多年以来的前沿研究和作者的部分研究成果。

为了帮助读者更好的理解书中的内容，本书提供了大量的图例，并且在每章的结尾，给出了文章中所参考的文献，目的是为那些对更高级的主题、重要的历史文献和当前前沿研究感兴趣的读者提供方便。

　　《复杂网络与大数据分析/大数据系列丛书》是复杂网络与大数据分析的基础理论教材，以浅显易懂的语言为来自不同学科领域的研究生和研究人员提供有力指导。全书共10章，分别是复杂网络的基本概念、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的技术研究、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。为了便于读者消化和理解书中的内容，每章末都附有习题。
　　《复杂网络与大数据分析/大数据系列丛书》可以作为高等院校计算机科学与技术、软件工程等专业的研究生教材，也可供从事复杂网络、数据挖掘、数据分析、商务智能等领域研究的教学、科研人员参考。

第1章 复杂网络的基本概念
1．1 度、度分布、度相关性
1．2 介数、路径、权重
1．3 簇、模体、社团
习题1

第2章 复杂网络模型
2．1 规则网络
2．1．1 全局耦合网络
2．1．2 最近邻耦合网络
2．1．3 星形耦合网络
2．2 随机网络
2．2．1 随机网络模型
2．2．2 随机网络的度分布
2．2．3 随机网络的直径和平均距离
2．2．4 随机网络的集聚系数
2．2．5 随机网络的特征谱
2．3 无标度网络
2．3．1 Price模型
2．3．2 BA模型
2．3．3 BA无标度网络的度分布和度相关
2．3．4 BA无标度网络的平均距离和集聚系数
2．3．5 BA无标度网络的特征谱
2．4 动态演化网络
2．4．1 以网络演化的部件划分
2．4．2 以是否考虑权重划分
2．4．3 以演化网络采用的演化机制划分
2．4．4 以演化网络是否动态变化划分
2．5 社区网络
2．5．1 复杂网络中社区结构的分类
2．5．2 社区结构评价标准
2．6 权重网络
2．6．1 加权网络的度量
2．6．2 实际加权网络
2．6．3 加权网络建模
2．7 相依网络
2．7．1 相依网络的子网络
2．7．2 相依网络的相依边
2．7．3 相依网络的组合方式
2．8 多层网络
2．8．1 多层网络的结构
2．8．2 多层网络的度分布
2．8．3 多层网络上的扩散与同步
2．8．4 多层网络的鲁棒性
习题2

第3章 网络鲁棒性
3．1 渗流理论介绍
3．1．1 渗流理论背景
3．1．2 渗流理论简介
3．2 随机攻击与蓄意攻击
3．3 级联失效
3．3．1 渗沙堆模型
3．3．2 OPA模型
3．3．3 CASCADE模型
3．3．4 负载-容量模型
习题3

第4章 网络传播动力学
4．1 传播动力学建模与解析
4．1．1 基于度的动力学模型
4．1．2 基于节点的动力学模型
4．1．3 d维NW小世界网络的线性传播方程
4．1．4 小世界网络传播动力学方程的分形、混沌与分岔
4．2 传播控制
4．2．1 网络免疫
4．2．2 最优资源配置
4．3 传播预测
4．3．1 阈值和爆发规模
4．3．2 传播网络重构
4．3．3 传播溯源
习题4

第5章 网络演化博弈
5．1 复杂网络演化博弈基本框架
5．2 网络博弈动力学
5．2．1 规则网络演化博弈
5．2．2 非规则网络演化博弈
5．2．3 多层网络演化博弈
5．3 网络演化博弈共演化
5．4 网络演化博弈实验
5．5 网络演化博弈的应用
5．5．1 突发公共卫生中的应用
5．5．2 交通工程中的应用
习题5

第6章 数据挖掘
6．1 数据挖掘的核心技术
6．2 “大数据”的典型特征
6．2．1 数据规模大
6．2．2 数据类型多样
6．2．3 数据处理速度快
6．2．4 数据价值密度低
6．3 复杂网络与数据挖掘融合——社会网络分析
习题6

第7章 大规模复杂网络数据获取及存储的技术研究
7．1 分布式网页爬虫设计
7．2 复杂网络数据的语义建模
7．2．1 新数据源属性的语义类型学习
7．2．2 原数据源语义图构建
7．3 非结构化网络数据的分布式索引技术
7．4 大规模复杂网络数据可视化技术
习题7

第8章 节点影响力排序
8．1 结构性的节点影响力排序
8．1．1 基于网络局部属性的指标
8．1．2 基于网络全局属性的指标
8．1．3 基于网络位置属性的指标
8．1．4 基于随机游走的节点影响力排序
8．2 功能性的节点影响力排序
习题8

第9章 网络聚类技术分析
9．1 经典社区发现算法
9．1．1 谱平分法
9．1．2 Kernighan-Lin算法
9．1．3 Maximun Flow Communities算法
9．1．4 极值优化算法
9．1．5 层次社区发现算法
9．1．6 重叠社区发现算法
9．2 复杂网络属性图聚类算法
9．2．1 基于距离的聚类
9．2．2 基于模型的聚类
9．2．3 基于多特征融合的属性图聚类算法
9．2．4 基于多节点社团意识系统的属性图聚类算法
9．3 基于动态社交博弈的属性图聚类算法
9．3．1 属性图算法分析
9．3．2 有限静态博弈
9．3．3 动态社交博弈
9．3．4 动态簇形成博弈和自学习算法
习题9

第10章 推荐系统和链路预测
10．1 推荐系统的定义
10．2 推荐系统算法
10．2．1 基于用户行为数据的推荐
10．2．2 基于内容数据的推荐
10．2．3 基于社会网络数据的推荐
10．3 推荐系统的评测
10．3．1 推荐系统的评测方法
10．3．2 推荐系统的评测指标
10．4 链路预测的基本概念
10．4．1 链路预测方法
10．4．2 基于相似性的链路预测
10．4．3 基于似然分析的链路预测
习题10

参考文献

复杂网络作为一门新兴科学，是对复杂系统的抽象和描述。对于任何包含大量组成单元的复杂系统，当把构成单元的节点、单元之间的相互关系抽象为边时，都可以当作复杂网络来研究。复杂网络并不仅仅是我们在媒体上看到的所谓的互联网，它研究的是网络现象，而世界上除了互联网以外，复杂网络的例子在自然界和人类社会中比比皆是，包括自然界中天然存在的星系、食物链网络、神经网络、蛋白网络；人类社会中存在的社交网络、传染病传播网络、知识传播网络；人类创造的交通网络、通信网络、电力网络、计算机网络等。这些网络不仅在规模上巨大，在结构上复杂，而且在时间、空间上都具有动态的复杂性。复杂网络还是研究复杂系统的一种角度和方法，它关注系统中个体相互关联作用的拓扑结构，是理解复杂系统性质和功能的基础，是对存在的网络现象及其复杂性进行解释的学科。它同样还作为研究复杂系统的一个新兴工具，可以较为形象、准确地描述系统主体之间的联系，因此它在计算机、生命科学等领域得到了广泛的应用。

随着复杂网络理论的深入研究、网络规模的不断扩大，网络的内部结构特性产生了海量的数据，单纯研究小规模网络已无法满足研究人员的需求，因此，在数据驱动下分析复杂网络成为当下的主流方法。但是，就目前已有的著作看，它们仅仅是系统地介绍复杂网络涉及的内容和研究进展，讲述网络拓扑特性与模型，复杂网络上的传播行为、相继故障、搜索算法和社团结构，以及复杂网络的同步与控制等基础知识，并没有将复杂网络分析与大数据挖掘相结合，这将严重限制对复杂网络的分析。因此，本书将复杂网络与数据分析相结合，为相关领域的研究人员提供有价值的参考。

本书在作者科研团队多年讲授相关课程和从事相关课题研究的基础上凝练而成，同时也吸收了国内外学者的相关成果。书中深入浅出地介绍了复杂网络基本理论和数据挖掘基本知识。主要分为两部分： 第一部分介绍经典复杂网络基本理论，融合最近国内外复杂网络研究领域的最新成果；第二部分着重介绍网络大数据的获取、存储和挖掘方法，将复杂网络分析和数据挖掘相结合，通过一些经典案例分析，介绍网络大数据挖掘的相关方法和应用前景。全书共10章，分别介绍复杂网络的基本概念、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的技术研究、节点影响力排序、网络聚类技术分析、推荐系统和链路预测，这些新颖的内容反映了复杂网络与数据分析最近10多年以来的前沿研究和作者的部分研究成果。为了帮助读者更好地理解书中的内容，我们提供了大量的图例，目的是为对更高级的主题、重要的历史文献和当前前沿研究感兴趣的读者提供方便。在编写的过程中，我们以创新教学模式、践行“授人以渔”的教学方法，强调以厚基础重实践为原则，以师生易教、善教、易学、乐学为教与学的目标，对传统教材的体系进行了调整，以分散难点，突出重点。

本书的写作得到南京财经大学信息工程学院同仁的大力支持，清华大学出版社也给予了很大的帮助，在此一并表示感谢！

限于作者水平，书中缺点和错误在所难免，望有关专家和广大读者批评指正。

卜湛

于江苏省电子商务重点实验室

2019年8月