我们所处的高度互联的网络世界，是由人与人及周边的各种事物和事件所组成的社会网络，该网络承载着各种各样的人际关系和用户行为，能为社会化趋势的电子商务等应用提供丰富的社会环境。本书将深入浅出地介绍社会网络的基础理论及常用的社会网络计算工具的使用实践，并建立社会网络研究理论和应用结合的计算范式，从而帮助我们掌握并理解网络时代下诸多错综复杂的社会现象所需的计算思维。全书分为3篇，第1篇从社会网络的基本认识出发，介绍社会网络的一些基本原理与实践方法，包括三元闭包、强弱关系、同质性、正负平衡等社会网络计算基础理论；第2篇从社会网络的洞察发现出发，介绍社会网络中的一些原理和规律，包括社会网络中的小世界、幂律、社区、传播、博弈、超网络等；第3篇从社会网络的分析理解出发，介绍社会网络的应用和分析方法，涵盖社会网络的链接预测、影响力评价、动态分析、随机试验、建模仿真及表示学习。全书在介绍基础理论的同时，还将基于igraph、Gephi、Ucinet、RSiena、Netlogo、NetworkX等社会网络计算软件及常用的编程语言(如R语言和Python语言)，介绍相关社会网络的计算和应用实践。 本书将社会网络计算的基础理论与实践紧密结合，可供在图书情报档案、管理科学与工程、工商管理、公共管理等学科中从事社会网络相关研究的学者参考，也可作为电子商务、信息管理与信息系统等专业的本科生和研究生的参考用书。

吴江，武汉大学二级教授，博士生导师，现任武汉大学信息管理学院副院长、电子商务研究与发展中心主任，武汉数据智能研究院副院长。在华中科技大学管理学院获得博士学位，是美国卡内基梅隆大学计算机学院联合培养的博士。兼任湖北省电子商务学会秘书长、中国科技情报学会健康信息学专委会副主任委员、中国“双法”研究会计算机模拟分会常务理事、中国系统工程学会数据科学与知识系统工程专业委员会常务委员等职务。研究领域聚焦于数字平台与科技赋能，研究方向涉及商务数据智能、社会网络计算、数字乡村建设、智慧医疗康养等。在国内外发表学术研究论文150多篇，出版专著2部，主编教材2部，授权国家发明专利3项。先后主持国家重点研发计划项目、教育部哲学社会科学研究重大课题攻关项目、国家自然科学基金重点项目、国家高端智库项目等10余项国家级项目。

第1篇 社会网络的基本认识
第1章 社会网络计算导论
1.1 社会网络的背景
1.2 社会网络的主体
1.3 社会网络的定义
1.3.1 社会网络的本质
1.3.2 社会网络的基本形式
1.3.3 社会网络的术语
1.4 社会网络的种类
1.4.1 个体间网络
1.4.2 组织社会网络
1.4.3 线上传播网络
1.4.4 线下传播网络
1.4.5 用户商品二模网络
1.5 社会网络的计算方法
1.5.1 社会网络的研究简史
1.5.2 社会网络的图同构
1.5.3 社会网络在计算机中的表示
1.5.4 社会网络的测量指标—igraph的实际操作
1.5.5 社会网络计算实例—学生社会网络计算
1.5.6 社会网络的计算方法与思维
1.5.7 社会网络计算在电子商务中的应用
1.6 社会网络的计算范式
1.7 全书章节安排
思考题
参考资料
第2章 社会网络的可视化
2.1 数据可视化
2.2 社会网络可视化
2.3 社会网络可视化布局
2.4 社会网络可视化工具
2.5 Gephi可视化
2.5.1 Gephi简介
2.5.2 将数据导入Gephi
2.5.3 图窗体内编辑工具介绍
2.5.4 Gephi可视化实例
2.6 igraph可视化
2.6.1 igraph简介
2.6.2 用igraph读取数据
2.6.3 用igraph创建网络图
2.6.4 igraph可视化实例
本章小结
思考题
参考资料
第3章 社会网络中的三元闭包
3.1 三元闭包的基本原理
3.1.1 三元闭包的定义
3.1.2 三元闭包原理的拓展
3.1.3 igraph中网络节点和边的演化
3.2 聚类系数
3.2.1 聚类系数的定义
3.2.2 用Gephi计算聚类系数
3.2.3 用igraph计算聚类系数
3.3 嵌入性
3.4 结构洞和中心性
3.4.1 结构洞的测量
3.4.2 用Gephi计算介数
3.4.3 用igraph计算中心性指标
3.5 单模有向网络中的三元闭包
3.6 线上有向网络的三元闭包—微博关注网络实例
3.7 线下有向网络的三元闭包—学生人际网络实例
3.7.1 关注影响力的定义
3.7.2 三元闭包研究数据
3.7.3 三元闭包分析方法
3.7.4 三元闭包结果分析
3.7.5 关注影响力研究结论
本章小结
思考题
参考资料
第4章 社会网络中的强弱关系
4.1 社会网络的观察视角
4.2 社会网络中的桥和捷径
4.3 关系强度和捷径
4.4 弱关系和捷径的关系验证
4.4.1 邻里重叠度
4.4.2 用igraph计算两节点的相似性
4.4.3 弱关系与捷径的大数据验证
4.4.4 用igraph包判断网络的连通
4.5 弱关系的力量
4.6 加权网络
4.6.1 加权网络的定义
4.6.2 加权网络的测量
4.6.3 基于Gephi的加权网络可视化
4.6.4 基于igraph的边访问
4.7 加权网络分析实例1—共代码网络
4.7.1 共代码网络研究问题定义
4.7.2 基金代码数据收集
4.7.3 确定共代码网络的边
4.7.4 确定共代码网络的边权重
4.7.5 知识流动路径分析
4.7.6 共代码网络研究结论
4.8 加权网络分析实例2—球队网络
4.8.1 加权有向网络熵的定义
4.8.2 基于加权有向网络熵的2017年NBA总决赛社会网络分析
4.8.3 总结与展望
本章小结
思考题
参考资料
第5章 社会网络中的同质性
5.1 同质性的原理
5.1.1 同质性的含义
5.1.2 同质性的简单测度
5.1.3 同质性的利弊及意义
5.2 同质性的影响
5.2.1 归属网络
5.2.2 社团闭包和会员闭包
5.2.3 社会选择和社会影响的验证
5.3 二模网络的计算
5.3.1 二模网络的表示
5.3.2 二模网络的测量
5.3.3 Ucinet中的二模网络分析
5.3.4 二(多)模网络的描述
5.4 隔离模型—社会网络的计算实验
5.4.1 隔离现象
5.4.2 谢林模型示意
5.4.3 Netlogo中的隔离模型
5.4.4 社交中的空间移动
本章小结
思考题
参考资料
第6章 社会网络中的正负平衡
6.1 正负关系
6.2 关系属性与平衡性
6.2.1 三元关系中的结构平衡问题
6.2.2 社会网络的结构平衡
6.2.3 整体平衡指数
6.3 结构平衡理论的实际应用
6.3.1 在日常生活中的应用
6.3.2 在商业管理中的应用
6.3.3 在电子商务中的应用
6.4 平衡定理
6.4.1 平衡定理的证明
6.4.2 弱平衡网络
6.4.3 非完全网络中的结构平衡
6.4.4 有向符号网络中的结构平衡
6.4.5 igraph中社会网络的遍历
6.5 社会地位理论
6.5.1 结构平衡理论和社会地位理论
6.5.2 社会地位理论中的关系组合模式
6.6 符号网络的应用
6.7 igraph中的社群检测
6.7.1 igraph社群检测函数介绍
6.7.2 社群检测函数的比较
6.7.3 igraph社群检测应用举例
本章小结
思考题
参考资料
第2篇 社会网络的洞察发现
第7章 社会网络中的小世界
7.1 小世界现象
7.1.1 六度分隔
7.1.2 Erdos数
7.1.3 Bacon数
7.1.4 人立方
7.2 经典的小世界模型
7.2.1 网络的结构与随机性
7.2.2 Watts-Strogatz小世界模型
7.2.3 小世界网络的判断
7.2.4 Netlogo中的小世界模型
7.2.5 igraph中的小世界模型
7.3 扩展的小世界模型
7.3.1 分散搜索
7.3.2 Watts-Strogatz-Kleinberg网络模型扩展小世界模型
7.3.3 搜索中的空间距离
7.3.4 搜索中的社会距离
7.3.5 利用在线社会网络进行验证
7.3.6 igraph中的K-核分解与社会距离
7.4 万维网链接中的小世界现象
7.4.1 网页链接有向图
7.4.2 领结模型
7.4.3 其他网页链接模型
7.5 社会网络中的小世界效应实例—在线医疗社区用户交互行为
7.5.1 研究对象
7.5.2 数据处理及工具
7.5.3 整体网络结构分析
7.5.4 个体网络结构分析
本章小结
思考题
参考资料
第8章 社会网络中的幂律
8.1 正态分布
8.2 流行性
8.3 幂律的定义和基本特性
8.3.1 什么是幂律
8.3.2 其他符合幂律的实例
8.3.3 幂律的基本特性
8.4 随机网络和无标度网络
8.4.1 igraph中的Erdos-Renyi随机网络模型
8.4.2 igraph中的BA无标度网络模型
8.4.3 随机和无标度网络的度分布
8.5 幂律的产生机制
8.5.1 优势链接模型
8.5.2 富者更富的在线随机试验
8.5.3 Netlogo中的BA优势链接模型
8.5.4 Netlogo中的ER随机网络模型
8.6 长尾理论与应用
8.6.1 长尾的定义
8.6.2 长尾理论的应用
8.6.3 网上购物的富者更富现象
8.7 其他形式的幂律
8.7.1 齐普夫定律
8.7.2 稠密化幂律
本章小结
思考题
参考资料
第9章 社会网络中的社区
9.1 基本概念
9.1.1 背景介绍
9.1.2 社区的定义
9.2 社区发现
9.2.1 社区发现的定义
9.2.2 社区发现的评价指标
9.3 社区发现算法
9.3.1 非重叠社区发现算法
9.3.2 重叠社区发现算法
9.4 社区演化
9.4.1 社区演化相关概念
9.4.2 社区演化事件
9.4.3 社区演化算法
9.5 社区研究数据集
9.5.1 人工数据集
9.5.2 真实数据集
本章小结
思考题
参考资料
第10章 社会网络中的传播
10.1 社会网络中的传播简介
10.1.1 传播的含义
10.1.2 社会网络传播的影响因素
10.1.3 社会网络传播模型
10.2 网络的传播形态
10.2.1 网络中的人际传播
10.2.2 网络中的群体传播
10.2.3 网络中的组织传播与大众传播
10.3 社会网络中的信息传播
10.3.1 社会网络中的信息传播的含义
10.3.2 微博中的信息传播
10.4 社会网络中的疾病传播
10.4.1 疾病与传播网络
10.4.2 传染病动力学模型
10.4.3 基于SEIR模型的新冠疫情传播动力学分析
10.5 社会网络中的新事物传播
10.5.1 影响新事物在社会网络中传播的因素
10.5.2 新事物传播模型
10.5.3 阻碍新事物传播的因素
10.6 社会网络中的传播实例—突发公共卫生事件舆情传播与演变
10.6.1 数据采集与变量设计
10.6.2 描述性统计与相关性分析
10.6.3 回归分析结果
本章小结
思考题
参考资料
第11章 社会网络中的博弈
11.1 博弈论基础
11.1.1 博弈论思维
11.1.2 博弈论基本概念
11.2 演化博弈论—种群动力学
11.2.1 种群博弈
11.2.2 演化稳定性
11.2.3 复制动态
11.3 复杂网络中的博弈
11.3.1 一般网络演化博弈过程
11.3.2 网络博弈在合作研究中的应用
本章小结
思考题
参考资料
第12章 社会网络中的网络
12.1 超网络
12.1.1 超网络现象与特征
12.1.2 超网络数学定义
12.1.3 超网络在MOOC平台的应用研究
12.2 二模网络与多模网络
12.2.1 二模网络
12.2.2 多模网络
12.3 多网络协同
12.3.1 信息扩散与疫情传播协同网络
12.3.2 资源扩散与疫情传播协同演化网络
本章小结
思考题
参考资料
第3篇 社会网络的分析理解
第13章 社会网络的链接预测
13.1 基本概念
13.1.1 链接预测的定义
13.1.2 问题描述
13.2 基于相似性的链接预测
13.2.1 基于局部信息的相似性指标
13.2.2 基于全局信息的相似性指标
13.2.3 准局部指标
13.2.4 链接预测效果评估和结果
13.3 基于概率论和统计的链接预测
13.3.1 层次结构模型
13.3.2 随机分块模型
13.4 基于机器学习的链接预测
13.4.1 基于分类的链接预测
13.4.2 基于集成学习的链接预测
13.5 链接预测的应用场景
13.5.1 网络重建
13.5.2 用于节点的标签分类问题
13.5.3 异常链接分析
本章小结
思考题
参考资料
第14章 社会网络的影响力评价
14.1 社会网络的影响力
14.1.1 社会网络的影响力定义
14.1.2 社会网络的影响力范围与表现形式
14.2 社会网络的影响力度量
14.2.1 基于局部属性的度量
14.2.2 基于全局属性的度量
14.2.3 基于随机游走的度量
14.2.4 基于社团结构的度量
14.2.5 度量指标对比
14.3 社会网络的影响力最大化
14.3.1 影响力最大化问题
14.3.2 影响力最大化算法
14.3.3 影响力最大化与最小化
14.4 社会网络的影响力评价模型
14.4.1 基于信息检索的评价方法
14.4.2 基于传播动力学的评价方法
14.4.3 基于影响力传播模型的评价方法
14.4.4 基于鲁棒性和脆弱性的评价方法
14.4.5 评价方法对比
14.5 社会网络的影响力的应用
14.5.1 在科技评价中的应用
14.5.2 在舆情传播中的应用
14.5.3 在营销推广中的应用
14.6 社会网络的影响力应用实例—医疗舆情事件的微博意见领袖识别
14.6.1 数据收集及处理
14.6.2 数据分析流程及关键技术
14.6.3 热点主题及网络结构演变分析
14.6.4 微博意见领袖识别结果分析
14.6.5 微博意见领袖影响力分析
本章小结
思考题
参考资料
第15章 社会网络的动态分析
15.1 随机行动者模型和Siena
15.2 有向网络的结构演化分析
15.2.1 有向网络动态分析的理论背景
15.2.2 有向网络的结构演化分析实例
15.3 无向网络的结构演化分析
15.3.1 无向网络动态分析的理论背景
15.3.2 无向网络结构演化分析实例
15.4 网络与行为的协同演化分析
15.4.1 网络与行为协同演化的原因
15.4.2 网络行为协同演化模型原理
15.4.3 网络行为协同演化模型参数估计
15.4.4 网络与行为协同演化的数据表示
15.4.5 网络与行为协同演化的模型组成
15.4.6 网络与行为协同演化分析的实例
15.5 社会网络动态分析实例1—学生交互网络演化研究
15.5.1 学生交互网络数据
15.5.2 学生交互网络动态分析过程
15.5.3 学生交互网络分析结果
15.5.4 动态分析结果讨论
15.6 社会网络动态分析实例2—在线医疗社区用户关系网络动态演化研究
15.6.1 在线医疗社区用户关系网络研究假设
15.6.2 数据收集及处理
15.6.3 研究方法
15.6.4 结果分析
本章小结
思考题
参考资料
第16章 社会网络的随机试验
16.1 什么是随机试验
16.1.1 随机试验定义
16.1.2 随机试验分类
16.2 为什么选择随机试验
16.3 随机试验在社会网络研究中的应用
16.3.1 随机试验的研究内容
16.3.2 随机试验的实验设计
16.3.3 随机试验的实验规模
16.4 大规模社会网络随机试验
16.5 中规模社会网络随机试验
16.6 小规模社会网络随机试验
16.7 社会网络研究中随机试验的局限与挑战
本章小结
思考题
参考资料
第17章 社会网络的建模仿真
17.1 社会仿真的基本定义
17.2 社会仿真的研究范式
17.3 社会仿真的主要方法
17.3.1 基于多智能体的仿真
17.3.2 元胞自动机
17.3.3 复杂网络模型
17.4 社会仿真的具体应用
17.4.1 信息传播与网络舆情
17.4.2 知识管理
17.4.3 科学评价
17.4.4 竞争情报
17.4.5 信息生态
本章小结
思考题
参考资料
第18章 社会网络的表示学习
18.1 网络表示学习的基本概念及其发展
18.1.1 基本概念与定义
18.1.2 传统网络表示的瓶颈
18.1.3 网络表示学习的优点
18.1.4 网络表示学习的五个特征
18.2 传统网络表示学习方法
18.2.1 基于谱方法的网络表示学习
18.2.2 基于最优化的网络表示学习
18.3 高级网络表示学习方法
18.3.1 基于网络结构信息的方法
18.3.2 结合网络外部信息的方法
18.3.3 保留网络高级信息的方法
18.4 网络表示学习的经典方法案例
18.4.1 DeepWalk方法(2014)
18.4.2 Node2Vec(2016)
18.5 基于网络表示学习的应用举例
18.5.1 节点分类
18.5.2 链接预测
18.5.3 社区发现
18.5.4 推荐系统
18.5.5 可视化
本章小结
思考题
参考资料
附录A 社会网络计算软件基本操作