社交網(wǎng)絡信息傳播模型、算法及應用

第1章社交網(wǎng)絡概述1
11社交網(wǎng)絡與在線社交網(wǎng)絡1
111社交網(wǎng)絡1
112在線社交網(wǎng)絡3
12社交網(wǎng)絡分析的理論與相關工作6
121社交網(wǎng)絡分析研究方向8
122社交網(wǎng)絡分析研究方法14
13在線社交網(wǎng)絡的表示20
131圖論20
132圖論分析社交網(wǎng)絡的優(yōu)勢29
133圖論模型：節(jié)點與邊的表示形式29
14在線社交網(wǎng)絡結構特征30
141規(guī)則網(wǎng)絡31
142隨機網(wǎng)絡31
143復雜網(wǎng)絡32
144社交網(wǎng)絡的節(jié)點中心性33
145群組38
146超圖44
15在線社交網(wǎng)絡中的負面信息46
151負面信息的影響47
152負面信息的傳播機制48
153研究意義49
16本章小結49
第2章信息傳播模型51
21獨立級聯(lián)模型51
22線性閾值模型54
23傳染病模型58
231SI模型58
232SIS模型58
233SIR模型59
234SEIR模型60
24觸發(fā)模型61
25滲流模型63
26競爭線性閾值模型與競爭獨立級聯(lián)模型65
261競爭線性閾值模型65
262競爭獨立級聯(lián)模型 68
263基于競爭獨立級聯(lián)模型下的競爭影響最大化問題71
27通用閾值模型與通用級聯(lián)模型71
28本章小結74
第3章信息傳播影響力的估計75
31影響力估計的復雜性75
32反向影響集抽樣方法76
321反向影響集抽樣算法77
322競爭傳播過程中的反向影響集構造79
323抽樣復雜度分析80
33分布式抽樣技術80
331分布式抽樣算法81
332抽樣復雜度分析88
34圖神經(jīng)網(wǎng)絡的影響力估計89
341圖神經(jīng)網(wǎng)絡89
342算法設計91
35本章小結93
第4章集函數(shù)的性質94
41次模函數(shù)定義及優(yōu)化方法94
411次模函數(shù)定義95
412貪心算法96
413模性定義98
414超模性定義98
42非次模函數(shù)優(yōu)化99
421次模比的定義99
422曲率的定義100
423集函數(shù)的連續(xù)化101
424非次模函數(shù)的優(yōu)化方法102
425非次模函數(shù)優(yōu)化的實際應用103
43本章小結105
第5章抽樣近似性107
51蒙特卡羅仿真107
52近似算法108
521近似算法AA108
522停止規(guī)則算法109
53下界110
54證明111
541證明的準備工作111
542停止規(guī)則定理的證明113
543AA定理的證明114
544下界定理的證明115
55本章小結118
第6章復雜度分析與算法近似性120
61復雜度分析中的基本概念120
611P問題121
612NP問題121
613NP完全問題 121
614NP難問題121
62信息傳播問題中的復雜度分析122
63信息傳播問題中求解算法的近似性124
631貪心算法求解近似性125
632三明治算法求解近似性126
633集函數(shù)分解算法求解近似性126
64本章小結128
第7章應用130
71從眾效應下的影響力最大化問題130
711問題背景130
712模型構建131
713理論分析132
72社交網(wǎng)絡群組影響力最大化問題138
721問題背景138
722模型構建139
723理論分析140
73社交網(wǎng)絡中群組影響力收益最大化問題144
731問題背景144
732模型構建144
733理論分析145
74社交網(wǎng)絡中謠言源不確定情形下的魯棒控制問題147
741問題背景147
742模型構建148
743理論分析151
75社交網(wǎng)絡中謠言源不確定情形下的隨機優(yōu)化控制問題154
751問題背景154
752模型構建155
753理論分析156
76社交網(wǎng)絡回音壁效應分析與影響力最大化問題157
761問題背景157
762模型構建158
763理論分析161
764算法設計163
77虛假信息交互量最小化問題165
771問題背景165
772模型構建166
78虛假信息群組回音壁效應最小化問題168
781問題背景168
782模型構建168
79虛假信息跨虛實交互網(wǎng)絡傳播最小化問題169
791問題背景169
792模型構建170
710虛實交互社交網(wǎng)絡中競爭虛假信息關注度最小化問題171
7101問題背景171
7102模型構建172
711社交網(wǎng)絡中虛假信息多源頭溯源問題173
7111問題背景173
7112模型構建173
712動態(tài)社交網(wǎng)絡中虛假信息多源頭溯源問題176
7121問題背景176
7122模型構建177
713有符號在線社交網(wǎng)絡中凈正面交互信息量最大化問題178
7131問題背景178
7132模型構建180
7133理論分析183
714基于馬爾可夫鏈的謠言動態(tài)傳播問題185
7141問題背景185
7142模型構建186
7143理論分析195
第8章未來愿景與研究展望198
81社交網(wǎng)絡信息傳播問題前沿熱點198
811異構社交網(wǎng)絡信息傳播模型研究198
812動態(tài)網(wǎng)絡演化模型研究200
813虛實空間交互下虛假信息一體化治理研究201
82社交網(wǎng)絡信息傳播理論前瞻研究203
821基于次模比與曲率的非次模函數(shù)優(yōu)化方法研究203
822自適應次模性優(yōu)化問題研究205
823深度學習在社交網(wǎng)絡中的應用207
83社交網(wǎng)絡典型數(shù)據(jù)集架構與采集208
參考文獻212