作者：刘小洋 著
页数：200
出版社：国防工业出版社
出版日期：2024
ISBN：9787118133875
电子书格式：pdf/epub/txt
内容简介
随着人工智能、大数据及自媒体的快速进步，复杂网络建模思想与行为分析理论与实践方法在人们生活、工作等方面得到了广泛的应用与发展，同时也催生出了各种对复杂网络的数学建模方法和分析技术。本书主要围绕复杂网络建模与行为分析展开，主要内容包括复杂网络统计特性、经典四种复杂网络模型、复杂网络影响力节点挖掘、复杂网络用户转发行为分析与预测、谣言传播行为分析、个性化推荐行为分析。本书可读性强，内容丰富，涉及计算机科学、数学、新闻与传播学、社会学、管理学等多个学科领域。本书可作为计算机科学与人工智能领等相关领域科研技术人员、工程师和高等院校师生的参考书，也可作为计算机类专业研究生教材。
作者简介
刘小洋，教授，硕士生导师。西北工业大学博士，先后在重庆大学、美国阿拉巴马大学从事博士后研究工作，现任职于重庆理工大学计算机科学与工程学院。中国计算机学会CCF高级会员，IEEE Transactions on Cybernetics等国内外权威期刊审稿专家。
主持/主研国家自然科学基金、国家社会科学基金、教育部青年基金等国家级与省部级项目30余项。在Expert Systems with Applications、IEEE Transactions on Computational Social Systems、《计算机学报》和《中国科学：信息科学》等国内外重要期刊/会议上发表学术论文100余篇；获授权国家发明专利30余项；出版学术著作4部。
目录
第1章 复杂网络概述
11.1 复杂网络基本理论概述
11.1.1 复杂网络基本定义
11.1.2 复杂网络统计特性
21.1.3 拓扑结构属性
41.2复杂网络模型
51.2.1规则网络
51.2.2随机网络
61.2.3小世界网络
71.2.4无标度网络
81.3 本章小结
12参考文献：
第2章 基于网络结构的复杂网络影响力节点识别方法
152.1 相关研究工作
152.1.1 社区划分
152.1.2 优劣解距离法
162.2 基于网络结构和TOPSIS的影响力节点识别框架
182.2.1邻域覆盖策略
182.2.2基于K-shell和邻域覆盖的影响力节点识别框架
202.2.3基于社区和邻域覆盖的影响力节点识别框架
212.3 实验设置
222.3.1 数据集
222.3.2 性能指标
232.4 实验结果和分析
252.4.1 SIR模型和SI模型仿真分析
252.4.2 种子节点分散程度分析
302.5 本章小结32参考文献：
第3章 基于社区的复杂网络影响力最大化建模
343.1 问题分析和研究动机
343.1.1问题分析
343.1.2研究动机
353.2 相关研究工作
353.2.1 反向生成网络
353.2.2 图遍历算法
363.3 基于社区的反向生成网络影响力最大化框架
373.3.1 社区划分
383.3.2 候选节点集生成
383.3.3 选择影响力节点
413.4 实验设置
433.4.1 数据集
433.4.2 性能指标
443.4.3 基线算法
453.5 实验结果及分析
463.5.1 鲁棒性分析
463.5.2 传播规模分析
483.5.3 平均最短路径长度分析
503.6 本章小结51参考文献：51
第4章 基于图注意力的复杂网络影响力最大化模型
534.1 相关研究工作
534.1.1 图注意力网络
534.1.2 信息熵
544.2 影响力最大化模型IMGAT554.2.1 训练数据集
554.2.2 模型结构564.3实验结果及分析564.3.1 实验数据集
564.3.2 SIR模型分析574.3.3 最小种子节点集分析
584.4 本章总结60参考文献：60
第5章 基于时空注意力异构图卷积神经网络的用户转发预测行为分析
第6章 融合超图注意力机制与图卷积网络的用户转发行为906.1 问题描述
第7章 基于边学习的多特征融合谣言检测方法
11.1 复杂网络基本理论概述
11.1.1 复杂网络基本定义
11.1.2 复杂网络统计特性
21.1.3 拓扑结构属性
41.2复杂网络模型
51.2.1规则网络
51.2.2随机网络
61.2.3小世界网络
71.2.4无标度网络
81.3 本章小结
12参考文献：
第2章 基于网络结构的复杂网络影响力节点识别方法
152.1 相关研究工作
152.1.1 社区划分
152.1.2 优劣解距离法
162.2 基于网络结构和TOPSIS的影响力节点识别框架
182.2.1邻域覆盖策略
182.2.2基于K-shell和邻域覆盖的影响力节点识别框架
202.2.3基于社区和邻域覆盖的影响力节点识别框架
212.3 实验设置
222.3.1 数据集
222.3.2 性能指标
232.4 实验结果和分析
252.4.1 SIR模型和SI模型仿真分析
252.4.2 种子节点分散程度分析
302.5 本章小结32参考文献：
第3章 基于社区的复杂网络影响力最大化建模
343.1 问题分析和研究动机
343.1.1问题分析
343.1.2研究动机
353.2 相关研究工作
353.2.1 反向生成网络
353.2.2 图遍历算法
363.3 基于社区的反向生成网络影响力最大化框架
373.3.1 社区划分
383.3.2 候选节点集生成
383.3.3 选择影响力节点
413.4 实验设置
433.4.1 数据集
433.4.2 性能指标
443.4.3 基线算法
453.5 实验结果及分析
463.5.1 鲁棒性分析
463.5.2 传播规模分析
483.5.3 平均最短路径长度分析
503.6 本章小结51参考文献：51
第4章 基于图注意力的复杂网络影响力最大化模型
534.1 相关研究工作
534.1.1 图注意力网络
534.1.2 信息熵
544.2 影响力最大化模型IMGAT554.2.1 训练数据集
554.2.2 模型结构564.3实验结果及分析564.3.1 实验数据集
564.3.2 SIR模型分析574.3.3 最小种子节点集分析
584.4 本章总结60参考文献：60
第5章 基于时空注意力异构图卷积神经网络的用户转发预测行为分析
第6章 融合超图注意力机制与图卷积网络的用户转发行为906.1 问题描述
第7章 基于边学习的多特征融合谣言检测方法
