大数据网络传播模型和算法

　　信息和影响力在人际网络中的传播无处不在。大规模社交网络平台的普及和大数据技术的应用为研究信息和影响力在网络中的传播提供了全新的机会。《大数据网络传播模型和算法》系统总结了信息和影响力传播模型和算法方面的近二十年的研究成果。在传播模型方面，本书详细介绍了若干经典的随机传播模型，准确论述了模型之间的关系和模型的主要性质。在传播算法方面，本书以影响力**化为主线，介绍了适用于不同场景的基于影响力传播的优化问题和算法。此外，本书也介绍了其他传播模型和基于数据的网络传播的推断和学习方法等。本书以扎实的理论论述为基础，将基础理论与多方面的应用背景结合，并介绍了相关方面的**研究成果。

　　陈卫，微软亚洲研究院高级研究员。在网络科学，尤其是网络影响力传播方面有多年研究经验。在国际**会议上发表一系列有关网络传播的文章，他引已超过2000次。

目 录
第　1章 网络传播模型概述和分类　001
第　2章 影响力传播的基本模型　009
2．1　递进性影响力传播模型的基本概念　010
2．2　独立级联模型　013
2．3　线性阈值模型　017
2．4　触发模型　024
2．5　通用阈值模型和通用级联模型　026
2．6　传播模型的次模性　035
2．7　通用阈值模型之外的传播模型　040
2．8　相关文献小结和补充资料　044
参考文献　047
第3章　影响力扩展度的计算　049
3．1　精确影响力扩展度计算的难解性　050
3．2　影响力扩展度计算的蒙特卡洛近似　052
3．3　特殊图中的影响力扩展度的精确计算　055
3．4　相关文献小结和补充资料　061
参考文献　062
第4章　影响力最大化问题和算法　063
4．1　影响力最大化问题的定义及其NP难解性　064
4．2　基于次模性的影响力最大化的贪心算法　066
4．3　可扩展的影响力最大化算法　077
4．3．1　基于反向影响力采样的IMM算法　078
4．3．2　IMM算法讨论及其与蒙特卡洛贪心算法的比较　103
4．4　相关文献小结和补充资料　109
参考文献　115
第5章　单实体下其他影响力传播模型和优化问题　119
5．1　带传播延迟的模型和受限时间的影响力最大化　120
5．1．1　IC-M模型及其下的受限时间影响力最大化　121
5．1．2　连续时间传播模型和影响力最大化　125
5．2　收入和利润最大化问题　127
5．2．1　收入最大化问题　127
5．2．2　利润最大化问题　133
5．3　种子集合最小化问题　134
5．4　自适应的影响力最大化　137
5．5　在线影响力最大化　148
5．6　一般营销策略下的影响力最大化　155
5．7　基于影响力的网络中心性刻画　161
5．7．1　SNI中心性和Shapley中心性的公理化刻画　164
5．7．2　计算Shapley和SNI中心性的可扩展算法　169
5．8　相关文献小结和补充资料　171
参考文献　186
第6章　多实体的影响力传播模型和优化问题　195
6．1　多实体竞争传播模型及影响力最大化　196
6．1．1　竞争性影响力最大化　199
6．1．2　影响力阻断最大化　208
6．2　带负面评价的传播模型和影响力最大化　212
6．3　涵盖竞争和互补的一般多实体模型及互补模型下的影响力最大化　216
6．3．1　涵盖竞争和互补的一般多实体模型（Com-IC）　216
6．3．2　互补性模型的影响力最大化　223
6．3．3　三明治近似方法　224
6．3．4　反向影响力采样方法的一般框架和条件　227
6．4　相关文献小结和补充资料　229
参考文献　235
第7章　其他传播模型和传播分析　239
7．1　选举模型　240
7．2　传染病传播模型　248
7．3　网络传播的相变分析及其相关研究　255
7．4　基于博弈论的传播模型　260
参考文献　263
第8章　网络传播的推断和学习　267
参考文献　274
结束语　277
附　录 常用符号表　279