出版者的话中文版序译者序译者简介致谢第1章 社会媒体与社会计算1.1 社会媒体1.2 概念与定义1.2.1 网络与表示1.2.2 大规模网络的属性1.3 挑战1.4 社会计算的任务1.4.1 网络建模1.4.2 中心性分析与影响建模1.4.3 社区发现1.4.4 分类与推荐1.4.5 隐私、垃圾信息与安全1.5 总结第2章 结点、联系和影响2.1 结点的重要性2.2 联系的强度2.2.1 从网络拓扑中学习2.2.2 从用户特点和交互中学习2.2.3 从用户行为序列中学习2.3 影响建模2.3.1 线性阈值模型2.3.2 独立级联模型2.3.3 影响最大化2.3.4 影响和相关的区别第3章 社区发现与评价3.1 以结点为中心的社区发现3.1.1 完全的相互关系3.1.2 可达性3.2 以群组为中心的社区发现3.3 以网络为中心的社区发现3.3.1 顶点相似性3.3.2 隐含空间模型3.3.3 块模型近似3.3.4 谱聚类3.3.5 模块度最大化3.3.6 一个统一的过程3.4 以层次为中心的社区发现3.4.1 分裂式层次聚类3.4.2 聚合式层次聚类3.5 社区评价第4章 混杂网络中的社区发现4.1 混杂网络4.2 多维网络4.2.1 网络集成4.2.2 效用集成4.2.3 特征集成4.2.4 划分集成4.3 多模网络4.3.1 双模网络的联合聚类4.3.2 多模网络第5章 社会媒体挖掘5.1 社会媒体中的演化模式5.1.1 研究社区演化的朴素方法5.1.2 平滑演化网络中的社区演化5.1.3 处理网络演化的基于片段的聚类算法5.2 网络数据的分类5.2.1 集体分类5.2.2 基于社区的学习5.2.3 总结附录A 数据收集附录B 介数计算附录C k均值聚类参考文献索引
^ 收 起 
