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，本书以影响力最大化为主线，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最新研究成果。

这是一本深入探讨网络传播模型和算法的专著，系统总结了信息和影响力在网络中的传播模型和算法方面的近二十年的研究成果。书中首先介绍了网络传播模型的种类和特征，包括单实体传播和多实体传播，离散时间模型和连续时间模型，以及利用博弈论的工具来描述结点对传播实体的选择。接着，书中详细论述了社交网络的有向图描述，通过有向图的形式，清晰地展示了社交网络中人与人之间的社交关系，以及信息在微博等社交网络中的传播路径。 书中还深入探讨了传播事件和状态变化，描述了网络中信息、观点、行为等如何从一个结点传播到另一个结点的过程，并引起结点状态的变化。在影响力传播方面，书中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，本书以影响力最大化为主线，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。例如，书中探讨了选举模型与信息传播，以及传染病传播模型研究，这些模型在预测和控制传染病传播方面提供了重要的理论依据和方法指导。