網絡結構數據分析與應用

第 1 章 概 述 1
1.1 為什么關心網絡結構數據 2
1.2 R 語言與 igraph 包 3
1.3 本書所使用的案例數據 5
第 2 章 認識網絡結構數據 9
2.1 網絡結構數據的定義 10
2.2 網絡結構數據的分類 10
2.2.1 0-1 網絡 11
2.2.2 加權網絡 12
2.2.3 符號網絡 14
2.2.4 雙模網絡 15
2.2.5 動態(tài)網絡 15
2.2.6 其他類型網絡 16
2.3 更多例子 18
2.3.1 社交網絡 18
2.3.2 貿易網絡 19
2.3.3 疾病傳播網絡 20
2.4 鄰接矩陣 20
2.5 網絡結構圖 22
2.6 igraph 包相關代碼示例 24
2.7 本章小結 30
第 3 章 網絡結構數據的可視化 32
3.1 布局方式 33
3.2 裝飾網絡結構圖 38
3.2.1 vertex.xxx 和 edge.xxx 基礎參數設置 39
3.2.2 vertex.xxx 和 edge.xxx 進階參數設置 41
3.2.3 用 V(G) 和 E(G) 設置節(jié)點和連邊的屬性 42
3.3 大規(guī)模網絡的可視化 44
3.3.1 提取核心子圖，將復雜網絡簡單化 44
3.3.2 提取節(jié)點鄰域，繪制網絡子圖 48
3.3.3 劃分網絡社區(qū)，展示網絡社區(qū)結構 50
3.3.4 簡化網絡結構，以節(jié)點簇（社區(qū)）代替節(jié)點 51
3.4 動態(tài)交互式網絡的可視化 53
3.5 其他的可視化軟件 56
3.6 本章小結 56
第 4 章 網絡的描述統(tǒng)計 60
4.1 網絡密度 61
4.2 節(jié)點的度 63
4.2.1 無向網絡的度 63
4.2.2 有向網絡的入度和出度 65
4.3 二元結構 67
4.4 三元結構 70
4.5 路徑、距離、網絡的直徑 72
4.5.1 路徑 72
4.5.2 距離與網絡的直徑 74
4.6 節(jié)點的中心性 76
4.6.1 度中心性 77
4.6.2 接近中心性 77
4.6.3 中介中心性 78
4.7 星狀結構與鄰居 80
4.8 案例：統(tǒng)計學科合作者網絡分析 82
4.9 本章小結 87
第 5 章 網絡結構數據的經典模型 88
5.1 ER 隨機圖模型 89
5.2 指數型隨機圖模型 92
5.2.1 p1 模型 92
5.2.2 馬爾可夫隨機圖模型 94
5.2.3 新的擴展 94
5.2.4 律師合作網絡示例 96
5.3 隨機分塊模型 100
5.3.1 簡單隨機分塊模型 100
5.3.2 度修正的隨機分塊模型 104
5.3.3 其他擴展 105
5.4 潛在空間模型 106
5.4.1 距離模型 106
5.4.2 投影模型 107
5.4.3 其他擴展 107
5.5 本章小結 108
第 6 章 網絡結構數據的社區(qū)發(fā)現(xiàn) 109
6.1 社區(qū)發(fā)現(xiàn)的背景 110
6.1.1 社區(qū)的定義 110
6.1.2 社區(qū)發(fā)現(xiàn) 111
6.1.3 社區(qū)發(fā)現(xiàn)的分類 112
6.2 常用的社區(qū)發(fā)現(xiàn)算法 113
6.2.1 GN 算法113
6.2.2 Fast greedy 117
6.2.3 Leading eigenvector 118
6.2.4 Infomap120
6.2.5 Label propagation 121
6.2.6 Multilevel 122
6.2.7 Walktrap 123
6.2.8 Spinglass 124
6.3 社區(qū)發(fā)現(xiàn)結果的評價 125
6.4 社區(qū)發(fā)現(xiàn)的拓展和應用 128
6.4.1 動態(tài)網絡社區(qū)發(fā)現(xiàn) 128
6.4.2 帶有節(jié)點屬性的網絡社區(qū)發(fā)現(xiàn) 130
6.5 案例：統(tǒng)計學科合作者網絡社區(qū)發(fā)現(xiàn) 130
6.6 本章小結 133
第 7 章 鏈路預測 134
7.1 鏈路預測問題 135
7.2 基于相似性的鏈路預測 135
7.2.1 基于鄰居的相似性指標 136
7.2.2 基于路徑的相似性指標 140
7.3 其他鏈路預測方法 141
7.4 預測效果評價 142
7.5 本章小結 145
附錄 146
參考文獻 150