目 錄
第1章 緒論 1
1.1 社交網絡 1
1.1.1 社交網絡的相關定義 1
1.1.2 社交網絡的發展 1
1.2 社交網絡的本質 4
1.3 社交網絡數據挖掘的意義 5
1.4 社交網絡的基本概念 6
1.4.1 “六度分隔”理論 6
1.4.2 弱關繫、強關繫 7
1.4.3 貝肯數 8
1.4.4 頓巴數 9
1.5 無處不在的社交網絡 9
1.5.1 航空領域的應用 9
1.5.2 交通領域的應用 10
1.5.3 社交領域的應用 10
1.5.4 醫療領域的應用 10
1.5.5 傳染病領域的應用 11
1.6 社交網絡分析的主要研究方向 12
1.6.1 信息傳播 12
1.6.2 情感分析 12
1.6.3 熱點事件分析 12
1.6.4 影響化 13
1.6.5 鏈路預測 14
1.6.6 社區發現 14
1.7 社交網絡的前沿方向 15
1.7.1 多層網絡 15
1.7.2 時序網絡 16
1.7.3 網絡動力學 17
1.7.4 圖網絡 17
1.7.5 自適應網絡 18
1.8 本章小節 18
參考文獻 19
第2章 社交網絡分析理論基礎 21
2.1 圖論 21
2.1.1 哥尼斯堡七橋問題 21
2.1.2 圖的基本概念 22
2.1.3 圖的存儲結構 23
2.1.4 圖的連通性 24
2.1.5 圖的匹配理論 26
2.1.6 支配集、點獨立集、點覆蓋集 28
2.2 網絡的基本特征 29
2.2.1 節點 29
2.2.2 邊 29
2.2.3 度和度的分布 30
2.2.4 圖的表示 31
2.2.5 圖的類型 33
2.2.6 圖的連通性 35
2.3 網絡中的統計特性 36
2.3.1 統計特性 38
2.3.2 網絡演化模型統計特性 43
2.4 網絡中的統計物理學 48
2.4.1 統計物理方法 48
2.4.2 平均場理論方法 49
2.4.3 自組織理論 50
2.4.4 主方程 51
2.5 本章小結 54
參考文獻 54
第3章 社交網絡文本情感分析 56
3.1 基於中文句法的圖卷積情感分析 56
3.1.1 基於深度學習的情感分析概述 58
3.1.2 基於句法依賴樹的情感分析模型 61
3.1.3 實驗結果與分析 67
3.2 基於word2vec和雙向LSTM的情感分類 73
3.2.1 傳統情感分析方法 74
3.2.2 提出的情感分析方法 75
3.2.3 實驗和結果分析 80
3.3 本章小結 87
參考文獻 88
第4章 社交網絡鏈路預測分析 92
4.1 前言 92
4.2 預備知識 94
4.2.1 邏輯斯蒂回歸 94
4.2.2 正則化 96
4.2.3 LightGBM 97
4.2.4 層疊泛化 102
4.3 提出的鏈路預測方法 104
4.3.1 提出的鏈路預測算法 104
4.3.2 鏈路預測模型構建 107
4.4 實驗結果與分析 109
4.4.1 數據集 109
4.4.2 鏈路預測模型評估 109
4.4.3 評價指標 110
4.4.4 基準算法 111
4.4.5 實驗結果與分析 112
4.5 本章小結 122
參考文獻 122
第5章 社交網絡信息傳播動力學分析 126
5.1 引言 126
5.2 傳播動力學分析 129
5.2.1 個體特征分析 129
5.2.2 信息傳播運動分析 132
5.2.3 信息傳播受力分析 134
5.2.4 信息傳播演化過程 136
5.3 結果與分析 139
5.3.1 數值模擬 140
5.3.2 仿真分析 144
5.3.3 實證對比分析 147
5.4 本章小結 151
參考文獻 152
第6章 社交網絡不實信息傳播分析 155
6.1 社交網絡垃圾信息傳播分析 155
6.1.1 垃圾信息傳播概述 155
6.1.2 傳統病毒傳播模型 156
6.1.3 構建的垃圾信息傳播模型 157
6.1.4 平衡點的穩定性分析 159
6.1.5 數值仿真分析 163
6.1.6 本節小結 168
6.2 社交網絡謠言傳播分析 169
6.2.1 謠言傳播概述 169
6.2.2 正負面信息干擾下的謠言傳播模型 170
6.2.3 實驗結果分析 177
6.2.4 本節小結 183
6.3 本章小結 184
參考文獻 185
第7章 社交網絡蠕蟲傳播與免疫分析 187
7.1 前言 187
7.2 蠕蟲傳播建模分析 188
7.2.1 建模參數和假設 188
7.2.2 主機狀態轉換分析 189
7.3 蠕蟲傳播數學建模 191
7.4 蠕蟲免疫模型 193
7.4.1 P2P蠕蟲免疫倉室 193
7.4.2 蠕蟲免疫數學建模 194
7.5 無蠕蟲病毒的平衡條件 195
7.5.1 流行病理論 195
7.5.2 蠕蟲不會泛濫的條件 196
7.6 仿真分析 198
7.6.1 蠕蟲不會泛濫的充分條件的實驗證明 198
7.6.2 P2P參數對蠕蟲傳播的影響 203
7.6.3 蠕蟲傳播控制 204
7.6.4 蠕蟲免疫模型仿真 205
7.7 本章小結 208
參考文獻 208
第8章 社交網絡動態社區發現方法分析 210
8.1 前言 210
8.2 相關工作 212
8.3 提出的動態社區發現方法 214
8.3.1 相關定義 214
8.3.2 繫統進化的移植分區模型 216
8.4 實驗分析 220
8.4.1 人工網絡 221
8.4.2 真實網絡 224
8.5 本章小結 229
參考文獻 229

前    言
近年來，信息技術的飛速發展帶動了社交網絡的發展，如Facebook、Twitter、新浪微博和豆瓣等社交網絡。We Are Social和Hootsuite在《2020全球數字報告》中指出，普通網民平均每天要花約7小時的時間在社交網絡上，社交媒體用戶數更是突破38億。近60%的世界人口已經上網，世界總人口的一半以上將使用社交媒體。例如，全球每月有11.5億用戶使用微信進行交互，產生了大量的信息。
社交網絡源自網絡社交，即“網絡 社交”，它通過網絡這一載體把人們連接起來，成為人們分享觀點、見解、經驗的工具與平臺，不但實現了線下生活轉移到線上，而且形成了一種新的商業模式，推動了互聯網向現實世界無限靠近。隨著5G等技術不斷取得突破，社交網絡得到了迅速發展，目前已進入社交網絡時代，現階段主要包括社交網站、BBS、IM等，社交工具不斷豐富。
本書致力於研究社交網絡，分析開放的復雜社交繫統，結合統計物理學、社會學、計算機仿真科學和認知神經科學等交叉科學的相關技術與方法，重點關注智能化社會信息的獲取、分析與處理、海量社交網絡信息的獲取和表示、網絡信息處理、動態媒體分析與媒體智能、不實信息傳播、輿論傳播與控制、社交網絡演化和優化等。全書分為8章，具體如下。
第1章為緒論。首先，分析社交網絡的定義與內涵；接著，全面闡述社交網絡的發展趨勢和意義；然後，分析社交網絡中的常見概念，如“六度分隔”理論、弱關繫/強關繫、貝肯數、頓巴數等；之後，從航空、交通、社交、傳染病等不同領域分析社交網絡的應用範疇；再後，從信息傳播、影響化、熱點事件分析、情感分析、鏈路預測、社區發現等方面分析社交網絡的主要研究方向；後，給出社交網絡的前沿方向，如多層網絡、時序網絡、網絡上的動力學、圖網絡、自適應網絡等。
第2章為社交網絡分析理論。首先，介紹圖的基本概念與相關理論，分析圖論的用途等；接著，介紹網絡基本特征，分析鄰接矩陣、鄰接表和邊列表三種網絡結構；然後，描述各種類型的圖，包括零圖和空圖、有向圖/無向圖/混合圖、簡單圖/多重圖和帶權圖，討論圖的連通性及其相關概念，如路徑、通路、回路等，介紹樹和生成樹的概念；再後，討論網絡中的常見統計特性——度分布、聚集繫數、平均路徑長度等；後，分析網絡中的統計物理方法，如平均場理論方法、自組織理論、主方程等，討論主方程在復雜網絡中的應用。
第3章為社交網絡文本情感分析。首先，針對目前的相關研究隻考慮屬性的上下文信息而未結合句法依賴樹這一現像，提出一種基於句法的圖卷積情感分類模型；接著，利用雙向門控制網絡模型學習給定文本的上下文特征表示；然後，構建給定文本的句法依賴樹結構，根據句法依賴樹獲取其鄰接矩陣，與雙向門控制網絡提取的初步特征進行融合，輸入圖卷積神經網絡進行文本的情感特征提取；再後，將得到的情感特征輸入分類器進行文本情感極性分類；後，在數據集上與主流神經網絡模型進行對比。
第4章為社交網絡鏈路預測分析。首先，提出一種改進的社交網絡鏈路預測方法；然後，組合15個相似度指標，進一步提高鏈路預測的穩定性和準確性。
第5章為社交網絡信息傳播動力學分析，主要研究在線社交網絡中信息傳播微觀上的隨機性和無序性與宏觀上的可認知和可觀控之間的關繫。首先，對國內外針對信息傳播動力學模型進行總結，介紹基於傳染病、博弈論和物理繫統的三類主要模型；接著，深入分析在線社交網絡上的信息傳播現像，分別從時間、空間、主體、客體四個維度提取關鍵特征，進行客觀化的定量描述；然後，采用運動學、動力學、時變繫統與信號變換理論，對社交網絡上的信息傳播過程進行分析，構建基於時變阻尼運動的信息傳播動力學模型；後，通過數值模擬實驗分析模型中參數變化的影響及個體特征分布服從的統計規律，通過仿真實驗在無標度網絡上模擬信息傳播過程，通過實證對比實驗對隨機選定的不同領域的六個熱點事件的傳播過程進行比對分析。
第6章為社交網絡不實信息傳播分析。首先，針對網絡垃圾信息傳播研究多采用定性分析方法而難以揭示垃圾信息內在傳播規律的問題，基於病毒傳播的建模思想，考慮不同輸入率和移出率等現實因素，提出垃圾信息的ILDR傳播模型；然後，針對目前社交網絡謠言傳播模型研究中未同時考慮正負外部信息干擾的問題，基於傳統的SEIR模型，提出社交網絡中基於正負信息干擾的SEIR謠言傳播模型；後，通過構建模擬的在線社交網絡對謠言傳播過程進行仿真，分析模型隨時間的演化過程，以及外部信息流入率、傳播率對謠言終傳播規模的影響作用。
第7章為社交網絡蠕蟲傳播與免疫分析。首先，根據實際情況構建影響因子；接著，基於平均場理論方法建立條件觸發型蠕蟲傳播模型及相應的免疫模型；然後，基於蠕蟲的傳播模型和流行病理論，推導無毒平衡點與蠕蟲不會泛濫的充分條件；之後，通過大量仿真實驗驗證蠕蟲不會泛濫的充分條件的正確性，分析不同參數因子對攜帶病毒文件主機和已感染主機的影響，以及不同參數因子對蠕蟲傳播的影響等；後，根據仿真分析和蠕蟲傳播的特性提出一繫列控制策略，指出蠕蟲在具有免疫能力的網絡中的變化趨勢。
第8章為社交網絡動態社區發現方法分析。首先，對典型移植分區模型引入時間維度，將整個動態網絡繫統中的所有狀態作為變量處理，將觀測方程作為變量間的約束，構造一個關於整個動態網絡繫統的誤差函數，並對該誤差函數的二次型進行小化處理，以便較為真實地抽像網絡的觀測結果；然後，采用圖優化策略，一次性考慮整個運動軌跡中的約束，在線性化處理過程中計算雅可比矩陣；後，在人工網絡和真實網絡兩種場景下，比較本章提出的模型與4種代表性模型。
本書的研究成果可為相關管理部門提供決策參考和理論指導，幫助相關企事業單位、公司優化產品和服務。
感謝為本書的完整性作出貢獻的課題組成員何道兵、丁楠、李祥、吳松陽、劉加苗、唐婷、代尚宏、葉舒、馬敏、張夢瑤、苗琛香、趙正陽、劉超、黃賢英等，也感謝自己對“社交網絡分析”研究方向的熱愛。
由於作者水平有限，書中的不足之處在所難免，望讀者不吝賜教。所有關於本書的寶貴建議，請發至作者郵箱lxy3103@163.com。

劉小洋  
2021年1月