社交网络信息传播模型、算法及应用

第1章社交网络概述1

11社交网络与在线社交网络1

111社交网络1

112在线社交网络3

12社交网络分析的理论与相关工作6

121社交网络分析研究方向8

122社交网络分析研究方法14

13在线社交网络的表示20

131图论20

132图论分析社交网络的优势29

133图论模型：节点与边的表示形式29

14在线社交网络结构特征30

141规则网络31

142随机网络31

143复杂网络32

144社交网络的节点中心性33

145群组38

146超图44

15在线社交网络中的负面信息46

151负面信息的影响47

152负面信息的传播机制48

153研究意义49

16本章小结49

第2章信息传播模型51

21独立级联模型51

22线性阈值模型54

23传染病模型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触发模型61

25渗流模型63

26竞争线性阈值模型与竞争独立级联模型65

261竞争线性阈值模型65

262竞争独立级联模型 68

263基于竞争独立级联模型下的竞争影响最大化问题71

27通用阈值模型与通用级联模型71

28本章小结74

第3章信息传播影响力的估计75

31影响力估计的复杂性75

32反向影响集抽样方法76

321反向影响集抽样算法77

322竞争传播过程中的反向影响集构造79

323抽样复杂度分析80

33分布式抽样技术80

331分布式抽样算法81

332抽样复杂度分析88

34图神经网络的影响力估计89

341图神经网络89

342算法设计91

35本章小结93

第4章集函数的性质94

41次模函数定义及优化方法94

411次模函数定义95

412贪心算法96

413模性定义98

414超模性定义98

42非次模函数优化99

421次模比的定义99

422曲率的定义100

423集函数的连续化101

424非次模函数的优化方法102

425非次模函数优化的实际应用103

43本章小结105

第5章抽样近似性107

51蒙特卡罗仿真107

52近似算法108

521近似算法AA108

522停止规则算法109

53下界110

54证明111

541证明的准备工作111

542停止规则定理的证明113

543AA定理的证明114

544下界定理的证明115

55本章小结118

第6章复杂度分析与算法近似性120

61复杂度分析中的基本概念120

611P问题121

612NP问题121

613NP完全问题 121

614NP难问题121

62信息传播问题中的复杂度分析122

63信息传播问题中求解算法的近似性124

631贪心算法求解近似性125

632三明治算法求解近似性126

633集函数分解算法求解近似性126

64本章小结128

第7章应用130

71从众效应下的影响力最大化问题130

711问题背景130

712模型构建131

713理论分析132

72社交网络群组影响力最大化问题138

721问题背景138

722模型构建139

723理论分析140

73社交网络中群组影响力收益最大化问题144

731问题背景144

732模型构建144

733理论分析145

74社交网络中谣言源不确定情形下的鲁棒控制问题147

741问题背景147

742模型构建148

743理论分析151

75社交网络中谣言源不确定情形下的随机优化控制问题154

751问题背景154

752模型构建155

753理论分析156

76社交网络回音壁效应分析与影响力最大化问题157

761问题背景157

762模型构建158

763理论分析161

764算法设计163

77虚假信息交互量最小化问题165

771问题背景165

772模型构建166

78虚假信息群组回音壁效应最小化问题168

781问题背景168

782模型构建168

79虚假信息跨虚实交互网络传播最小化问题169

791问题背景169

792模型构建170

710虚实交互社交网络中竞争虚假信息关注度最小化问题171

7101问题背景171

7102模型构建172

711社交网络中虚假信息多源头溯源问题173

7111问题背景173

7112模型构建173

712动态社交网络中虚假信息多源头溯源问题176

7121问题背景176

7122模型构建177

713有符号在线社交网络中净正面交互信息量最大化问题178

7131问题背景178

7132模型构建180

7133理论分析183

714基于马尔可夫链的谣言动态传播问题185

7141问题背景185

7142模型构建186

7143理论分析195

第8章未来愿景与研究展望198

81社交网络信息传播问题前沿热点198

811异构社交网络信息传播模型研究198

812动态网络演化模型研究200

813虚实空间交互下虚假信息一体化治理研究201

82社交网络信息传播理论前瞻研究203

821基于次模比与曲率的非次模函数优化方法研究203

822自适应次模性优化问题研究205

823深度学习在社交网络中的应用207

83社交网络典型数据集架构与采集208

参考文献212