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