|
|
|
當今社會，網路結構數據普遍存在於各行各業。如何從這些數據中挖掘出價值，並且解決實際問題，成為學界和業界共同關注的研究方向。本書主要説明讀者初步瞭解網路結構數據，學習使用R語言進行實際數據分析。
本書共七章。第一章主要講解為什麼關心網路結構數據，介紹了R語言及常用的包，同時整理了常用的網路數據集。第二章介紹了網路結構數據的定義及分類，並整理了大量實例以説明讀者快速熟悉網路結構數據。第三章講解了網路結構數據的視覺化，重點介紹了針對大規模網路的視覺化方法及網路的動態互動式視覺化。第四章介紹了描述網路特徵的各種統計量及重要的網路結構，並給出了實例。第五章重點介紹了三種經典的網路結構數據模型，第六章主要介紹了網路結構數據中社區發現的相關概念及方法，並整理了常見的評價指標及標準數據集，通過實例向讀者展示社區發現的應用場景。第七章介紹了網路結構數據分析中的鏈路預測問題。本書適合網路結構數據的初學者，相關專業的學生或對網路結構數據感興趣的讀者閱讀。
潘蕊，中央財經大學統計與數學學院副教授，中央財經大學龍馬學者青年學者。北京大學光華管理學院經濟學博士。主要研究領域為高維數據分析、網路結構數據分析、數據挖掘與建模等。在Annals of Statistics、Journal of the American Statistical Association、《中國科學：數學》等國內外期刊發表論文多篇。著有《數據思維實踐》。
張妍，女，廈門大學在讀博士研究生，研究方向為網路結構數據。
高天辰，男，廈門大學在讀博士研究生，研究方向為複雜網路分析。
第 1 章 概 述 1
1.1 為什麼關心網路結構數據 2
1.2 R 語言與 igraph 包 3
1.3 本書所使用的案例數據 5
第 2 章 認識網路結構數據 9
2.1 網路結構數據的定義 10
2.2 網路結構數據的分類 10
2.2.1 0-1 網路 11
2.2.2 加權網路 12
2.2.3 符號網路 14
2.2.4 雙模網路 15
2.2.5 動態網路 15
2.2.6 其他類型網路 16
2.3 更多例子 18
2.3.1 社交網路 18
2.3.2 貿易網路 19
2.3.3 疾病傳播網路 20
2.4 鄰接矩陣 20
2.5 網路結構圖 22
2.6 igraph 包相關代碼示例 24
2.7 本章小結 30
第 3 章 網路結構數據的視覺化 32
3.1 佈局方式 33
3.2 裝飾網路結構圖 38
3.2.1 vertex.xxx 和 edge.xxx 基礎參數設置 39
3.2.2 vertex.xxx 和 edge.xxx 進階參數設置 41
3.2.3 用 V(G) 和 E(G) 設置節點和連邊的屬性 42
3.3 大規模網路的視覺化 44
3.3.1 提取核心子圖，將複雜網路簡單化 44
3.3.2 提取節點鄰域，繪製網路子圖 48
3.3.3 劃分網路社區，展示網路社區結構 50
3.3.4 簡化網路結構，以節點簇（社區）代替節點 51
3.4 動態互動式網路的視覺化 53
3.5 其他的視覺化軟體 56
3.6 本章小結 56
第 4 章 網路的描述統計 60
4.1 網路密度 61
4.2 節點的度 63
4.2.1 無向網路的度 63
4.2.2 有向網路的入度和出度 65
4.3 二元結構 67
4.4 三元結構 70
4.5 路徑、距離、網路的直徑 72
4.5.1 路徑 72
4.5.2 距離與網路的直徑 74
4.6 節點的中心性 76
4.6.1 度中心性 77
4.6.2 接近中心性 77
4.6.3 仲介中心性 78
4.7 星狀結構與鄰居 80
4.8 案例：統計學科合作者網路分析 82
4.9 本章小結 87
第 5 章 網路結構數據的經典模型 88
5.1 ER 隨機圖模型 89
5.2 指數型隨機圖模型 92
5.2.1 p1 模型 92
5.2.2 瑪律可夫隨機圖模型 94
5.2.3 新的擴展 94
5.2.4 律師合作網路示例 96
5.3 隨機分塊模型 100
5.3.1 簡單隨機分塊模型 100
5.3.2 度修正的隨機分塊模型 104
5.3.3 其他擴展 105
5.4 潛在空間模型 106
5.4.1 距離模型 106
5.4.2 投影模型 107
5.4.3 其他擴展 107
5.5 本章小結 108
第 6 章 網路結構數據的社區發現 109
6.1 社區發現的背景 110
6.1.1 社區的定義 110
6.1.2 社區發現 111
6.1.3 社區發現的分類 112
6.2 常用的社區發現演算法 113
6.2.1 GN 演算法113
6.2.2 Fast greedy 117
6.2.3 Leading eigenvector 118
6.2.4 Infomap120
6.2.5 Label propagation 121
6.2.6 Multilevel 122
6.2.7 Walktrap 123
6.2.8 Spinglass 124
6.3 社區發現結果的評價 125
6.4 社區發現的拓展和應用 128
6.4.1 動態網路社區發現 128
6.4.2 帶有節點屬性的網路社區發現 130
6.5 案例：統計學科合作者網路社區發現 130
6.6 本章小結 133
第 7 章 鏈路預測 134
7.1 鏈路預測問題 135
7.2 基於相似性的鏈路預測 135
7.2.1 基於鄰居的相似性指標 136
7.2.2 基於路徑的相似性指標 140
7.3 其他鏈路預測方法 141
7.4 預測效果評價 142
7.5 本章小結 145
附錄 146
參考文獻 150
