第一章  复杂网络基本概论

  1.1 什么是网络

  1.1.1 社会网络

  1.1.2 技术网络

  1.1.3 生物网络

  1.2 如何刻画网络

  1.2.1 平均距离与小世界效应

  1.2.2 度分布与无标度特性

  1.2.3 局部结构

  1.2.4 节点与链路的中心性

  1.2.5 群落结构

  1.2.6 关联性

  1.2.7 熵

  1.2.8 其他网络特征概览

  1.3 最基本的网络模型

  1.3.1 规则网络

  1.3.2 随机网络

  1.3.3 小世界网络

  1.3.4 无标度网络

  1.4 小结

第二章  链路预测的基本概念

  2.1 背景和意义

  2.2 问题描述

  2.3 数据集划分

  2.3.1 随机抽样

  2.3.2 逐项遍历

  2.3.3 k-折叠交叉检验

  2.3.4 滚雪球抽样

  2.3.5 熟识者抽样

  2.3.6 随机游走抽样

  2.3.7 基于路径抽样

  2.4 评价指标

  2.4.1 AUC

  2.4.2 精确度

  2.4.3 排序分

第三章  基于相似性的链路预测

  3.1 基于局部信息的相似性指标

  3.1.1 基于共同邻居的相似性指标

  3.1.2 偏好连接相似性

  3.1.3 局部朴素贝叶斯模型

  3.2 基于路径的相似性指标

  3.2.1 局部路径指标

  3.2.2 Katz指标

  3.2.3 LHN-Ⅱ指标

  3.3 基于随机游走的相似性指标

  3.3.1 全局随机游走

  3.3.2 局部随机游走

  3.4 其他相似性算法

  6.2 基于局部结构的预测

  6.3 有向网络的势理论

第七章  二部分网络的链路预测

  7.1 什么是二部分网络

  7.1.1 二部分网络的结构特征

  7.1.2 二部分网络与其他网络的关系

  7.1.3 二部分网络的演化建模

  7.2 链路预测方法

  7.2.1 二部分网络的层次结构模型

  7.2.2 核函数方法

  7.2.3 内部边方法

第八章  链路预测的应用

  8.1 网络重构

  8.2 基于似然分析的网络演化模型评价方法

  8.2.1 演化模型的似然分析

  8.2.2 Internet自主系统演化模型的比较

  8.3 节点的标签分类问题

  8.3.1 基于幽灵边的标签分类

  8.3.2 基于节点相似性的标签分类

  8.3.3 标签分类与链路预测

  8.3.4 标签分类的其他应用

  8.4 链路预测在蛋白质相互作用网中的应用

  8.5 链路预测在社交网络上的应用

  8.5.1 方向与互惠

  8.5.2 社交网络中的好友推荐

  8.5.3 预测异质的社交关系

  8.5.4 社交网络中的强关系与弱关系

  8.5.5 小结

  8.6 异常链路分析

  8.6.1 异常边

  8.6.2 异常边与网络连通性

  8.6.3 异常边与网络传输能力

第九章  结束语

参考文献

附录A 概念、方法和算法

  A.1 AUC计算中的n取值问题

  A.2 局部朴素贝叶斯模型

  A.3 网络上的随机游走

  A.4 矩阵求逆及其快速算法

  A.4.1 矩阵基本概念

  A.4.2 算法效率的度量方法

  A.4.3 矩阵求逆算法

  A.4.4 稀疏矩阵

  A.5 吉布斯抽样方法

  A.5.1 算法简介

  A.5.2 算法思想

  A.5.3 算法描述

附录B 资料汇总

  B.1 相似性

  B.2 实验涉及的真实网络信息

附录C 算法的程序实现

  C.1 网络的输入与构建

  C.2 数据集划分

  C.3 AUC计算

  C.4 相似性的计算

  C.5 基于相似性的链路预测主函数

名词索引

人名索引