网志栈编辑推荐
内容简介
本书采用多学科的方法研究社交网络，并讨论了该领域内*的研究成果。本书也讨论了如何发现在线社交网络中的结构属性以拓展社交网络的分析和建立未来的在线服务，以及几个分析信息扩散的例子，在书中提出了基于全新沟通平台的研究成果，即特定的在线社交网络的结构属性是如何影响该类服务的关键特征的。
作者简介
凌非，复杂网络相关专业硕士研究生，主要研究链路预测、社交网络等，曾在 SCI 发表相关论文。热爱翻译，是 SwiftGG 翻译组成员。现从事 iOS 开发工作。程之，浙江工业大学硕士，师从杨旭华教授。从事复杂网络方向研究3年多时间，主要感兴趣的领域有社交网络、智慧交通。 Valerio Arnaboldi、Andrea Passarella和Marco Conti是意大利信息和远程信息技术研究所国家研究委员会委员，Robiin I.M.Dunba 是英国牛津大学和阿尔托大学研究员。
目录
目 录
第1章 引言 1
1.1 离线社交网络和在线社交网络 1
1.2 网络与现实交织下的在线社交网络 3
1.3 自我网络分析和社交大脑假说 6
1.4 本书的目的 7
1.5 本书结构 8
第2章 人类社交网络 9
2.1 引言 9
2.2 无权社交网络的宏观属性 10
2.2.1 复杂网络中的指标 10
2.2.2 社交网络分析中得出的关键结论 14
2.2.3 生成网络图的网络模型 23
2.3 从社交网络图到互动网络图 26
2.4 社会网络的微观属性 29
2.4.1 自我网络中的层级结构 31
2.4.2 扩展自我网络与结构洞 33
2.5 桥接社交网络中的微观和宏观属性 35
2.6 本章小结 38
第3章 Facebook中的自我网络结构及连边强度 40
3.1 引言 40
3.2 在Facebook中对连边强度进行建模 41
3.2.1 基础工作 41
3.2.2 Facebook 数据及分析的方法论 43
3.2.3 Facebook中连边强度的组合 45
3.2.4 预测连边强度的模型 48
3.3 Facebook中自我网络的结构 53
3.3.1 用于在线自我网络分析的大规模数据集 54
3.3.2 Facebook中自我网络的层级结构 59
3.3.3 验证 63
3.3.4 讨论 65
3.4 本章总结和讨论 66
第4章 Twitter中自我网络的结构 68
4.1 介绍 68
4.2 对于Twitter自我网络分析的数据集 68
4.2.1 Twitter用户的活跃时长 69
4.2.2 Twitter的社交相关用户 71
4.3 Twitter中自我网络的结构属性 75
4.3.1 Twitter自我网络的尺寸对认知限制的影响 75
4.3.2 Twitter中自我网络层级 77
4.3.3 Facebook和Twitter之间的比较 80
4.4 总结和讨论 81
第5章 Twitter自我网络的进化动力学 83
5.1 个人资料 83
5.2 社交网络图的演化属性 83
5.3 Twitter自我网络的动态分析方法 87
5.4 Twitter自我网络的动态特性 89
5.4.1 个人社交关系的演化 89
5.4.2 用户离开Twitter 91
5.4.3 无向交流 92
5.4.4 社团活跃度 94
5.4.5 社交容量和自我网络层级的动态性 95
5.4.6 自我网络更换频率 98
5.5 总结和讨论 102
第6章 结论 105
6.1 介绍 105
6.2 自我网络结构和信息扩散 105
6.3 研究方向 109
6.4 本书里程碑 112
参考文献 114
媒体评论
前沿
译 者 序
20世纪末，大量研究人员发现，真实世界并不像看上去那么随机，而且可以将其对应到图论中，利用图论的知识来分析和解释现实生活的现象。因此，复杂网络的研究应运而生。
在复杂网络中，节点可以代表复杂系统中的独立元素，而节点间的连接关系则可以用连边来映射。例如，在社交网络中，如果把网络中的用户看成社交网络中的节点，那么这些用户则是通过相互之间的关注或其他交互行为构成了整个社交网络。网络自身带有的拓扑结构和网络特性等特征可以作为研究人员了解和揭示网络本质的途径。
现如今，人们的生活已经离不开互联网了，而互联网上的在线社交网络尤其与人们的生活密切相关。其中，Facebook和Twitter 作为世界上最大的两个在线社交网络，为研究人员了解和揭示网络中的有趣现象提供了很好的研究对象，并且还可以通过研究结果不断地改进和优化现有的应用。
本书的作者 Valerio Arnaboldi等，从复杂网络中用到的图论知识和分析方法入手，讨论了 Facebook和Twitter 中自我网络的结构属性，并与其他社交网络进行了比较；另外，从动力学的角度分析了Twitter中的自我网络，并为在线社交网络的改进和优化提出了一些建议。最后，还讨论了如何发现在线社交网络中的结构属性以拓展对社交网络的分析并建立在线服务。
在本书的翻译过程中，我的师弟程之投入了巨大的精力，在此表示感谢。最后，感谢电子工业出版社给了我们这次机会，感谢
感谢作者Valerio Arnaboldi和他的团队，为我们带来如此美妙的研究方向和分析方法；感谢我的师弟程之为翻译付出的宝贵时间和精力；感谢SwiftGG的riven和其他小伙伴们的帮助；感谢电子工业出版社的张迪编辑以及其他幕后工作者的辛勤劳动；最后还要感谢家人，感谢你们的理解和支持。
在本书的翻译和校对过程中，译者虽已尽力将作者的意思以通俗易懂的方式表述出来，但毕竟能力有限，问题和疏漏在所难免，恳请各位读者批评指正。
凌非 ； ；
2017年1月
；
前 ； ； ； 言
毫无疑问，在线社交网络（OSNs），如Facebook和Twitter，正在改变我们的沟通方式，同时它们也管理着我们的社交生活。智能手机的普及使网络与现实世界（Cyber-Physical World）的社交联系变得难以区分，且互相依赖。
在这种场景下，在线社交网络的分析成为了有趣且重要的话题，原因有二。（1）透过在线社交网络中用户的行为可以深刻理解人类的社交行为。众所周知，人们的社交容量是受限于他们的认知和时间资源的。同时，在线社交网络在这方面的影响仍然是未知的。（2）在线社交网络是用户与信息在网络与现实交织的世界中首要的沟通方式。发现在线社交网络中人类关系的关键特性可能对设计以用户为中心的服务大有帮助。
本书中，我们研究并分析了个人社交网络（自我网络，Ego Networks）的结构属性。本书采用多学科的方法来研究社交网络，并讨论了该领域内最新的研究成果。结果显示，Facebook和Twitter中的自我网络与先前离线环境下发现的结构属性相同。这就意味着，尽管在线社交网络使人们在生活中有巨大的改变，但也不能提升人们的社交容量，因为这显然受限于人的大脑容量。此外，由于Facebook和Twitter的大量数据，因此与离线社交网络相比，在线社交网络可能会发现自我网络中的新属性。这意味着，我们可以采用大规模在线沟通数据集的研究方法来深化人类社交行为的知识。实际上，在线数据呈现了一种研究人类行为的微观视角。
最后，本书也讨论了如何发现在线社交网络中的结构属性以拓展对社交网络的分析和建立未来的在线服务。我们也讨论了几个分析信息扩散的例子，并在本书中提出了基于全新沟通平台的研究成果，即特定的在线社交网络的结构属性是如何影响该类服务的关键特征的。
免费在线读
在线社交网络：在Facebook和Twitter个体关系网中发现的人类认知约束 pdf下载声明
本pdf资料下载仅供个人学习和研究使用，不能用于商业用途，请在下载后24小时内删除。如果喜欢，请购买正版
