幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

虛擬社區發現與演化/在線社交網路分析與信息傳播叢書

  • 作者：吳斌//張雲雷|總主編:方濱興
  • 出版社：科學
  • ISBN：9787030584755
  • 出版日期：2018/09/01
  • 裝幀：平裝
  • 頁數：299
人民幣：RMB 108 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    吳斌，張雲雷著的《虛擬社區發現與演化》系統介紹虛擬社區發現與演化相關的基本概念，重點介紹近10年來社區發現演算法的研究進展；並介紹與其相關的社區演化分析演算法；同時對社區發現與演化分析相關演算法在其他研究方向如社會化推薦、知識圖譜構建、鏈接預測等問題的應用進行梳理和總結；針對超大規模社交網路分析問題，專門介紹基於當前主流大數據圖計算平台的並行社區分析演算法；最後，針對如何簡單、快捷地評價社區發現演算法的優劣問題，從不同角度介紹社區分析演算法評測平台的設計思路，並演示相關示例，方便用戶理解。
    本書是一部關於網路社區結構分析的、內容全面的參考書，可以作為網路科學等相關專業高年級本科生和研究生的教材，也可供社交網路、複雜網路結構等相關問題的科研、技術人員參考。
作者介紹
吳斌//張雲雷|總主編:方濱興
目錄
前言
第1章  引言
  參考文獻
第2章  社區分析基本知識
  2.1  社區發現的原理
    2.1.1  社區的定義
    2.1.2  社區發現的方法分類
    2.1.3  計算複雜度
  2.2  數據集與演算法的評價指標
    2.2.1  經典數據集
    2.2.2  人工數據集產生
    2.2.3  評價指標
  參考文獻
第3章  社區發現經典演算法
  3.1  傳統基於圖分割和譜分析的社區發現演算法
    3.1.1  Kemighan-Lin演算法
    3.1.2  譜劃分
  3.2  基於圖聚類的社區發現演算法
    3.2.1  主要聚類方法分類
    3.2.2  基於劃分聚類的社區發現演算法
    3.2.3  基於層次聚類的社區發現演算法
    3.2.4  基於密度聚類的社區發現演算法
  3.3  社區評估指標及目標優化常用方法
    3.3.1  單目標優化——模塊度最優化演算法
    3.3.2  多目標優化演算法
  3.4  基於資訊理論和概率的社區發現演算法
    3.4.1  標籤傳播演算法
    3.4.2  信息編碼演算法
    3.4.3  貝葉斯概率模型
    3.4.4  基於隨機遊走模型的圖分割
  3.5  基於物理模型的社區發現演算法
    3.5.1  派系過濾演算法
    3.5.2  電阻網路電壓譜分割方法
    3.5.3  自旋模型
    3.5.4  基於拓撲勢的網路社區發現方法
  參考文獻
第4章  社區發現的新興方法
  4.1  非重疊社區發現方法
    4.1.1  基於多目標的社區發現方法
    4.1.2  基於遺傳演算法的社區發現方法
    4.1.3  基於穩定度的社區發現方法
    4.1.4  基於后驗方法的社區發現方法
    4.1.5  基於截斷PageRank的社區發現方法
    4.1.6  基於果蠅爬山策略的社區發現方法
    4.1.7  基於密度的社區發現方法
    4.1.8  基於動態距離學的社區發現方法
    4.1.9  其他社區發現方法
  4.2  重疊社區發現方法
    4.2.1  重疊社區發現的定義及相關概念
    4.2.2  結合隱式鏈接偏好的重疊社區發現方法

    4.2.3  利用鏈路空間變換的重疊社區發現
    4.2.4  從局部譜子空間檢測重疊社區方法
    4.2.5  重疊社區檢測的局部種子選擇方法
    4.2.6  基於邊聚類的重疊社區發現方法
    4.2.7  基於最大團的重疊社區發現方法
  4.3  屬性網路社區發現方法
    4.3.1  屬性網路社區發現研究綜述
    4.3.2  基於數據融合角度的大規模網路重疊社區發現方法
    4.3.3  屬性網路社區發現的其他方法
  4.4  本章小結
  參考文獻
第5章  虛擬社區演化
  5.1  動態網路
    5.1.1  動態網路分析
    5.1.2  動態社區發現與社區演化
  5.2  社區演化模型
    5.2.1  基於核節點的社區演化模型
    5.2.2  帶權社區的湧現模型
    5.2.3  基於圖模體的GMM
  5.3  演化社區發現演算法
    5.3.1  基於動態增量的演化社區發現
    5.3.2  基於距離增量的演化社區發現
    5.3.3  基於博弈論的社會網路動態社區檢測
    5.3.4  基於多模式聚類的演化社區發現
    5.3.5  基於拉普拉斯動力學方法的演化社區發現
    5.3.6  基於差分演化的演化社區發現
    5.3.7  基於相鄰時刻相似度比較的演化社區發現
  5.4  演化分析框架
    5.4.1  基於事件的社區網路演化分析
    5.4.2  基於角色的社區網路演化分析
    5.4.3  基於獨立社區發現的演化分析
    5.4.4  基於網路融合的演化分析
    5.4.5  基於演化聚類平滑性的演化分析
    5.4.6  基於節點行為的社區演化分析
    5.4.7  基於張量分解的社區演化分析
  5.5  社區演化評價
    5.5.1  基於時空獨立評價的方法
    5.5.2  基於時空集成評價的方法
    5.5.3  基於統一評價的方法
  參考文獻
第6章  社區分析與其他領域交叉研究
  6.1  基於社區分析的情感研究
    6.1.1  基於多元情感行為時間序列的社交網路用戶聚類分析
    6.1.2  社交網路情感社區發現研究
  6.2  基於社區分析的預測方法
    6.2.1  基於社區結構的鏈接預測和屬性推斷聯合解決方法
    6.2.2  面向多模社交網路的聚類信任預測
  6.3  異質網路中的聚類和排序演算法
    6.3.1  異質網路中的社區發現
    6.3.2  基於排序的聚類問題研究

  6.4  社區分析在推薦系統的應用
    6.4.1  社會化推薦
    6.4.2  基於社區的組推薦模型
    6.4.3  其他有關社區分析的推薦演算法
  6.5  其他研究
    6.5.1  社區分析在實體消歧領域的應用
    6.5.2  基於社區分析的鏈路預測
  6.6  本章小結
  參考文獻
第7章  社區發現與演化分析快速計算方法
  7.1  圖並行計算框架
    7.1.1  面向大圖數據的並行計算模型
    7.1.2  基於內存的並行計算模型
  7.2  圖挖掘的快速計算
    7.2.1  大規模圖數據處理問題
    7.2.2  圖挖掘快速計算：增量式計算實例
    7.2.3  圖挖掘快速計算：並行計算實例
  7.3  並行社區發現與演化分析
    7.3.1  基於Spark的並行大型多維網路分析
    7.3.2  一種可擴展的非重疊社區發現演算法框架
    7.3.3  基於MapReduce框架的社區發現並行計算方法InfoMR
    7.3.4  基於鏈路圖的大規模網路並行重疊社區發現演算法
    7.3.5  基於Gr印hLab框架的重疊社區發現並行計算方法：DOCVN
  7.4  並行社區發現評估及應用
    7.4.1  傳統社區發現評價指標
    7.4.2  並行社區發現評價指標
  參考文獻
第8章  社區分析演算法評測平台
  8.1  評測平台綜述
    8.1.1  現有的評測方法與平台
    8.1.2  本平台的設計目標
  8.2  平台框架與功能設計
    8.2.1  技術背景
    8.2.2  整體設計
    8.2.3  功能設計
  8.3  平台的擴展
  8.4  平台操作案例
    8.4.1  數據角度
    8.4.2  演算法角度
    8.4.3  指標角度
  8.5  平台使用實例
  參考文獻
第9章  總結
  參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032