全书主要内容有社会网络概述、社区发现理论基础、基于链接强度的加权网络社区发现方法、基于共同邻居的加权网络社区发现方法、链接预测理论基础、基于多路径节点相似性的加权网络链接预测方法、基于结构平衡理论与节点相似性的符号网络链接预测方法。本书所提供的加权网络社区发现以及链接预测基本原理和实现技术可以为国内外相关领域的学者以及技术人员提供全新思路和有益参考，是一本不可多得的好书。

随着微博、论坛、即时通信等社会网络应用系统的蓬勃发展与迅速普及，社会网络已成为人们生活中不可或缺的一部分，有关社会网络的分析与研究也成为人们关注的热点。其中，发现整个网络的社区结构以及演化过程中的链接预测是十分关键的问题。社区结构对于理解真实网络的拓扑结构、功能分析等具有重要的意义，目前已被广泛应用于潜在客户发现、恐怖组织识别、流行病传播与控制等诸多领域。链接预测则为社会网络的结构分析提供了理论基础，并有力推动网络演化模型的理论研究，此外还可帮助分析数据缺失的网络，恢复原有结构，被广泛应用于社会学、信息学和生物学等众多领域，帮助研究人员减少工作量，降低科研难度和成本。通过对真实网络的结构特征和行为模式的研究，发现潜在的演化规律，并对网络行为进行预测，帮助解释社会现象，如网络信息传播激励、用户态势分析等。

目前对于传统社会网络中的社区发现以及链接预测方面的研究成果较为丰富，但是有关加权社会网络中的社区发现和链接预测方面的研究成果却较为鲜见，由此限制了加权社会网络的结构分析与研究。然而社会网络中边的权重对于理解整个网络结构的形成以及演化规律却具有重要意义。为此，作者依托国家自然科学基金面上项目“基于主题关注模型的在线社交网络社区发现与信息传播机理研究”(项目号61472340)和国家自然科学基金青年基金项目“基于信息熵的社交网络社会影响传播问题的研究”(项目号61602401)，锤炼了自己多年来的教学和科研成果及经验撰写了此书，力图为基于相似性的社会网络社区发现及链接预测方法研究提供有益参考与借鉴。

本书紧密结合当前社会网络分析领域的研究热点，详细论述了社会网络社区发现与链接预测两方面的相关知识。针对现有方法在准确率和计算复杂度方面存在的问题，以及加权社会网络中的社区发现与链接预测研究目的，作者综合考虑了社会网络图中节点的局部属性与全局路径结构特征，重新定义了加权相似性指标，并在此基础上提出了四个算法，通过相关描述及实验分析向读者展示了加权网络社区发现与链接预测的原理、技术、实现过程以及评价方法等。

本书注重理论性与实用性，凝聚了作者多年的教学与科研经验，涵盖了社区发现与链接预测领域的基础理论知识，并融入了一些典型算法，通俗易懂且实用性较强，适合作为从事社会网络分析中的社区发现与链接预测研究的相关人员的技术参考书。本书由东北石油大学刘苗苗、张永生撰写，全书共分为8章，刘苗苗负责统稿，第1章由张永生撰写，第2章至第8章由刘苗苗撰写，全书的校对工作由刘苗苗、张永生共同完成。各章主要内容如下。

第1章： 社会网络概述。主要论述复杂网络及其模型、社会网络相关概念及其特性、社会网络理论基础以及社会网络分析技术等，重点介绍了加权社会网络的相关理论知识以及研究热点。

第2章： 社区发现技术理论基础。主要论述社区的概念、社区发现技术研究现状、几种经典的社区发现算法以及社区发现的评价指标。

第3章： 基于链接强度的加权网络社区发现方法。对现有加权网络社区发现算法AGMA存在的问题进行分析，在此基础上提出新的算法CRMA，给出了算法思想、实现方法、实验结果与分析。

第4章： 基于共同邻居的加权网络社区发现方法。结合加权网络特征，定义了基于共同邻居节点的加权相似度，在此基础上提出新的加权网络社区发现算法IEM，给出了算法思想、实现过程以及实验结果与分析。

第5章： 链接预测技术理论基础。主要介绍了链接预测问题描述与链接预测技术研究现状、经典的相似性指标、链接预测精度评价方法等内容。

第6章： 基于多路径节点相似性的加权网络链接预测方法。在对加权网络链接预测方法进行深入研究的基础上，针对现有相似性计算方法存在的问题，提出了新的加权网络链接预测算法STNMP，给出了算法的基本思想、相关定义及描述、实验结果与分析。

第7章： 基于结构平衡理论与节点相似性的符号网络链接预测方法。首先介绍了符号网络的相关概念及结构平衡理论，基于链接预测与符号预测双重目标，提出了新的符号网络链接预测算法PSNBS，给出了算法描述以及实验结果分析。

第8章： 对全书的工作进行了总结，对加权社会网络中的社区发现与链接预测方法发展趋势进行了展望。

本书是在博士论文《加权网络社区发现与链接预测方法研究》的基础上进行的拓展研究，在此特别感谢燕山大学对我的培养，感谢我的博士生导师郭景峰教授。本人在攻读博士学位的四年时间里，郭老师给予了我悉心的指导和帮助。他渊博的学识、敏锐的学术洞察力让我受益匪浅，更重要的是让我懂得了如何科学地分析、思考和研究。本书相关研究工作也得到了郭景峰、陈晶两位老师的国家自然科学基金项目的支持，特此感谢！

感谢东北石油大学的领导和同事们，他们对我的研究工作提供了无私的帮助。感谢我的博士后导师付晓飞教授，自本人在东北石油大学任职以来，无论是在教学还是科研工作中，付老师都给予了我许多宝贵的意见。他严谨的治学态度、创新进取的科研精神给我留下了深刻的印象，也正是他的鼓励与支持，才使我有毅力和勇气在进入博士后工作站之后近一年的时间里完成了本书。在以后的科研工作中，我会永远心存感激并铭记两位导师的谆谆教诲。

感谢清华大学出版社的工作人员，对本书的出版给予了极大的帮助，并付出了辛苦汗水。衷心感谢我的家人，感谢他们在我读博、工作以及撰写此书期间对我的理解与支持，给予了我前进道路上克服困难的动力，同时为我营造了良好的写作环境，使得本书能够顺利完成。此外，本书撰写过程中参考了大量专家学者的文献，吸收了其中的许多观点，在此由衷地向相关作者表示感谢。感谢一路上有你们的陪伴，正是有你们，沿途的风景才格外美丽。

最后，本书承蒙黑龙江省自然科学基金项目(NO.LH2019F042，符号网络中基于结构平衡理论的预测模型及预测方法研究)和东北石油大学青年基金项目(NO.2018QNQ01，融合多特征的符号网络链接预测方法)资助，特此致谢。

由于作者水平有限，加上时间仓促，书中难免存在不足之处，敬请读者批评指正。

刘苗苗

东北石油大学

2020年1月

第一篇基础知识

第1章社会网络概述

1.1复杂网络及其模型

1.1.1复杂网络的基本概念

1.1.2复杂网络机制模型

1.2社会网络及其特性

1.2.1社会网络的基本概念

1.2.2社会网络的度量及特性

1.3社会网络理论

1.3.1网络结构观与结构洞理论

1.3.2“二对一”理论与结构角色理论

1.3.3“弱关系”与“嵌入性”理论

1.3.4社会资本理论

1.4加权社会网络

1.4.1加权网络基本概念

1.4.2加权网络常用统计量

1.4.3符号社会网络

1.5社会网络分析概述

1.5.1SNA相关概念

1.5.2SNA的主要研究内容

1.5.3SNA的数据表示方式

1.5.4社会网络可视化分析工具

1.6SNA之实际应用

1.6.1SNA中的计算方式及应用

1.6.2SNA在《红楼梦》文本分析中的应用

1.6.3SNA在企业知识管理中的应用

1.6.4SNA在数据新闻领域的应用

1.7本章小结

第二篇社区发现理论及应用

第2章社区发现技术理论基础

2.1社区发现概述

2.1.1社区是什么

2.1.2社区划分的目的

2.2社区发现技术研究现状

2.2.1无权网络中的社区发现

2.2.2加权网络中的社区发现

2.2.3符号网络中的社区发现

2.2.4社区发现面临的挑战性问题

2.3几种经典的社区发现算法

2.3.1谱平分法

2.3.2GN算法

2.3.3Newman算法

2.3.4Kmeans算法

2.3.5标签传播算法

2.4社区发现的评价指标

2.4.1NMI

2.4.2ARI

2.4.3模块度

2.4.4挫败值与错误率

2.5本章小结

第3章基于链接强度的加权网络社区发现方法

3.1引言

3.2AGMA算法及存在问题

3.2.1AGMA算法主要思想

3.2.2AGMA算法问题分析

3.3CRMA方法

3.3.1相关定义

3.3.2CRMA算法描述

3.4实验与分析

3.4.1实验环境及所用数据集

3.4.2评价指标

3.4.3实验结果及分析

3.4.4算法复杂度分析

3.5本章小结

第4章基于共同邻居的加权网络社区发现方法

4.1引言

4.2IEM方法

4.2.1主要思想

4.2.2基于共同邻居节点的加权相似度定义

4.2.3IEM算法描述

4.3实验与分析

4.3.1所用数据集

4.3.2实验结果及分析

4.3.3算法复杂度分析

4.4本章小结

第三篇链接预测理论及应用

第5章链接预测技术理论基础

5.1链接预测概述

5.1.1问题描述

5.1.2研究背景及意义

5.2链接预测技术研究现状

5.2.1无权网络链接预测研究现状

5.2.2加权网络链接预测研究现状

5.3经典的相似性指标

5.3.1无权网络中的相似性指标

5.3.2加权网络中的相似性指标

5.4预测精度评价方法

5.5本章小结

第6章基于多路径节点相似性的加权网络链接预测方法

6.1引言

6.2STNMP方法

6.2.1核心思想

6.2.2相关定义

6.2.3算法描述

6.3实验与分析

6.3.1评价指标与实验流程

6.3.2数据准备及预处理

6.3.3最优步长参数的确定

6.3.4实验结果及分析

6.4本章小结

第7章基于结构平衡理论与节点相似性的符号网络链接

预测方法

7.1引言

7.2符号网络链接预测理论基础

7.2.1结构平衡理论

7.2.2地位理论

7.2.3符号网络平衡性分析

7.2.4符号网络链接预测研究现状

7.3PSNBS算法

7.3.1核心思想

7.3.2相关定义

7.3.3算法描述

7.4实验与分析

7.4.1实验所用数据集

7.4.2预测精度评价指标

7.4.3边值预测准确率分析

7.4.4符号预测正确性验证

7.4.5与经典算法对比分析

7.5本章小结

第8章结论与展望

附录

参考文献

本书主要内容有社会网络概述、社区发现理论基础、基于链接强度的加权网络社区发现方法、基于共同邻居的加权网络社区发现方法、链接预测理论基础、基于多路径节点相似性的加权网络链接预测方法、基于结构平衡理论与节点相似性的符号网络链接预测方法。本书所提供的加权网络社区发现以及链接预测基本原理和实现技术可以为国内外相关领域的学者以及技术人员提供全新思路和有益参考，是一本不可多得的好书。

刘苗苗，女，1982年5月生，副教授，博士后，硕士生导师，中国计算机学会会员，现就职于东北石油大学秦皇岛校区计算机科学系，主要从事社会网络分析方面的研究。2006年6月获中国海洋大学硕士学位，2017年6月获燕山大学博士学位，之后进入东北石油大学博士后工作站。近5年来，参与2项国家自然科学基金课题、2项省基金课题，主持或参与完成14项省教育教学及科技攻关课题、16项局级教学改革及科研课题。以第一作者发表论文30余篇，其中EI检索16篇。获国家发明专利3项，实用新型专利5项。作为第一主编在清华大学出版社出版教材3部，参与编写教材6部。获得奖励10余项，其中省级优秀教学成果奖4项，局级奖励9项。作者自攻读博士学位以来一直致力于社会网络社区发现与链接预测方面的研究，参与了2项与本著作内容密切相关的国家自然科学基金课题“基于主题关注模型的在线社交网络社区发现与信息传播机理研究”和“基于信息熵的社交网络社会影响传播问题的研究”，主持了2项与本著作内容密切相关的课题“符号网路边值预测方法研究”和“融合多特征的符号网络链接预测方法”。