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。全书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。
【推荐语】
1.描述的模型范围广泛，以影响力传播模型为主，兼顾选举模型、博弈论模型、传染病模型等网络传播模型。 2.对模型之间的关系作了一定阐述。这是研究论文中很少涉及的，在其他综述性文章和专著中也涉及不多。模型的比较分析有利于研究者和实践者分清模型的适用场合，更有的放矢地应用也有成果。 3.包括网络传播中的*模型和算法，如基于反向可达集合的影响力*化算法、基于Shapley值的网络影响力中心度算法、包含竞争和互补关系的传播模型和算法等。 4.数学和算法描述描写深，使得本册图书区别于一般综述性文章，能够给读者了解从事这方面研究的关键技术内容和背景。
【作者】
陈卫 微软亚洲研究院高 级研究员，清华大学客座教授，中科院计算所客座研究员，IEEE Fellow。在影响力传播和影响力 大化方面取得了一系列创性研究成果，他引次数已逾6000次。陈卫与另外两位合作者曾合著这方面的第 一部英文学术专著。在网络科学、社交网络其他相关方向及在线学习、分布式计算等方向，也做出了很多有影响力的工作。