內容簡介

社交網絡信息傳播是計算機科學、傳播學、社會學、管理學等領域 的重要研究問題，在輿情分析和網絡營銷領域具有廣泛的應用。目前，同類著作更多地站在傳播學或管理學角度介紹信息傳播的模型、原理和應用。而本書主要從計算機科學角度齣發，介紹瞭該領域的經典問題和*新成果，包括傳播模型、話題檢測、影響力*大化等問題。此外，本書麵嚮實際應用場景，闡述瞭如何開發輿情分析和網絡營銷係統。本書可供社交網絡分析與數據挖掘研究領域的研究者瞭解該方嚮的前沿基礎工作，也可供信息傳播與網絡輿情領域的工程實踐人員作為係統構建的參考和指導。

作者簡介

張熙，計算機學會會員，IEEE會員，2012-至今 北京郵電大學計算機學院講師；2014年起擔任可信分布式計算與服務教育部重點實驗室常務副主任

目錄

上篇 理論研究
第1章 傳播模型 2
1．1 引言 2
1．2 解釋模型 4
1．2．1 問題描述 4
1．2．2 解決方案 5
1．3 預測模型 10
1．3．1 基於圖形的方法 10
1．3．2 基於非圖形的方法 15
1．4 本章小結 19
參考文獻 20
第2章 熱門話題檢測 24
2．1 引言 24
2．2 熱點話題（PT）模型 25
2．2．1 熱點話題簡介 26
2．2．2 熱點話題 26
2．2．3 持續性話題 27
2．2．4 模型應用 27
2．3 在綫話題模型（OLDA） 30
2．3．1 概率話題模型和LDA模型的應用 30
2．3．2 OLDA模型原理 31
2．3．3 OLDA模型的先進性 31
2．4 時間和社會話題評估（TSTE） 33
2．4．1 Twitter下的TSTE模型簡介 33
2．4．2 內容提取 34
2．4．3 用戶權威 35
2．4．4 內容衰退理論 36
2．4．5 從新關鍵詞到新話題 37
2．5 話題預測分析 37
2．5．1 趨勢預測 38
2．5．2 趨勢變化的原因 39
2．6 異常檢測算法下的話題發現 40
2．6．1 概率模型簡介 41
2．6．2 概率模型方法 41
2．7 本章小結 44
參考文獻 45


第3章 影響力最大化 47
3．1 引言 47
3．2 影響力最大化基本概念 48
3．2．1 影響力最大化的描述 48
3．2．2 社交網絡的馬爾科夫模型 49
3．3 影響力最大化基本算法 51
3．3．1 啓發式算法 51
3．3．2 貪心算法 52
3．4 新鮮度衰減情況下影響力最大化算法 53
3．4．1 新鮮度衰減函數 54
3．4．2 獨立級聯模型下的新鮮度衰減 54
3．4．3 貪心算法的優化 55
3．4．4 影響力傳播計算算法 57
3．5 社交網絡中信息覆蓋最大化 58
3．5．1 信息覆蓋最大化問題簡介 58
3．5．2 信息覆蓋最大化問題的特徵 59
3．5．3 信息覆蓋最大化問題的解決方法 60
3．6 在綫影響力最大化 61
3．6．1 在綫影響力最大化問題描述 61
3．6．2 節點選擇策略 62
3．6．3 更新不確定影響概率圖 63
3．7 流式子圖的增量算法 63
3．7．1 大規模網絡下影響力最大化問題 64
3．7．2 增量算法的特徵 65
3．8 綫性閾值模型下的可擴展社交網絡影響力最大化 65
3．8．1 問題描述 65
3．8．2 LDAG算法 66
3．9 本章小結 66
參考文獻 66
第4章 收益最大化 69
4．1 引言 69
4．2 最佳營銷策略模型 70
4．2．1 模型簡介 70
4．2．2 正外部性 70
4．2．3 模型結果 71
4．2．4 市場策略 73
4．2．5 對稱設置最佳營銷策略 73
4．2．6 影響-拓展營銷策略 75
4．3 影響-拓展策略的效率 76
4．3．1 營銷策略的社交網絡模型 76
4．3．2 影響-拓展策略的效率 77
4．4 綫性閾值模型下的收益最大化問題 77
4．4．1 用戶估值綫性傳播模型（LT-V） 78
4．4．2 定價策略 79
4．5 固定價格銷售策略 81
4．6 商品數量受限時的收益最大化 82
4．6．1 問題陳述 82
4．6．2 PRUB算法 84
4．6．3 PRUB+IF算法 87
4．7 本章小結 88
參考文獻 88
下篇 工程實踐
第5章 輿情監測 92
5．1 引言 92
5．2 輿情監測相關技術 93
5．2．1 輿情熱點自動監測設計 95
5．2．2 文檔關鍵詞提取設計 100
5．2．3 專題生成技術分析設計 102
5．2．4 主題生成技術分析設計 103
5．3 互聯網輿情監測分析應用係統 104
5．3．1 互聯網輿情監測分析係統結構 105
5．3．2 互聯網輿情監測分析係統功能 107
5．4 典型輿情監測係統 108
5．4．1 信息采集子係統 111
5．4．2 輿情分析子係統 113
5．4．3 輿情處理子係統 115
5．4．4 輿情呈現子係統 118
5．4．5 統一管理平颱 120
5．4．6 安全保障子係統 122
5．4．7 主要技術指標 123
5．5 其他輿情監測係統介紹 124
5．5．1 人民網輿情係統 124
5．5．2 拓爾思 124
5．5．3 鷹擊係統 125
5．5．4 Buzzlogic 125
5．5．5 Nielsen 125
5．5．6 Reputation Defender 126
5．5．7 Visible Technologies 126
5．5．8 Cision 126
5．6 本章小結 127
參考文獻 127
第6章 品牌推薦與保護 128
6．1 引言 128
6．2 網絡口碑營銷與網絡水軍 129
6．3 品牌推薦與保護關鍵技術 131
6．3．1 評論采集技術 132
6．3．2 自動評論技術 135
6．3．3 評論情感傾嚮性分析 139
6．4 品牌推薦與保護係統 142
6．4．1 係統架構 142
6．4．2 係統功能 145
6．4．3 係統數據存儲 151
6．5 網絡水軍識彆研究現狀 152
6．5．1 網絡水軍識彆簡介 152
6．5．2 網絡水軍識彆的關鍵技術研究 154
6．6 本章小結 156
參考文獻 157
第7章 網站驗證碼識彆 162
7．1 引言 162
7．2 驗證碼識彆 163
7．2．1 驗證碼的概念 163
7．2．2 驗證碼分類 164
7．2．3 驗證碼識彆框架 165
7．3 圖片預處理 166
7．3．1 圖像灰度化 168
7．3．2 圖像二值化 169
7．3．3 圖像去噪 170
7．3．4 乾擾綫去除 171
7．4 字符分割 173
7．4．1 字符分割簡介 173
7．4．2 K-Means聚類分割 174
7．4．3 投影分割 175
7．4．4 改進的連通區檢測 176
7．4．5 滴水分割算法 178
7．4．6 基於連通區檢測和投影算法結閤的分割方法 180
7．5 字符識彆 182
7．5．1 字符特徵建模 182
7．5．2 特徵庫生成 188
7．5．3 識彆方法 190
7．6 實驗結果及分析 190
7．6．1 使用輪廓走勢特徵的識彆 191
7．6．2 分割並使用統計特徵的識彆 195
7．6．3 不分割且使用位圖特徵的識彆 199
7．7 驗證碼識彆理論和技術在國內外的研究現狀 203
7．8 本章小結 205
參考文獻 205

前言/序言

前 言

隨著互聯網進入Web 2.0時代，以新浪微博、網絡社區、Twitter和Facebook為代錶的社交網絡得到飛速發展，信息的傳播速度更快、影響範圍更廣，正在深刻改變著人們的思維方式、行為模式和社會形態。深入理解社交網絡中的信息傳播模式和規律具有重要的科學價值，如能將其閤理利用，將帶來巨大的經濟價值和社會價值。

社交網絡信息傳播涉及計算機科學、傳播學、社會學、管理學和心理學等多個學科領域。目前，同類著作更多地站在傳播學或管理學角度介紹信息傳播的模型、原理和應用，而本書主要從計算機科學角度齣發，基於近些年在數據挖掘和社交網絡分析領域的研究經曆與相關成果，係統梳理瞭社交網絡信息傳播的經典問題和最新研究成果。另外，麵嚮實際應用中的需求，介紹瞭如何實現對傳播信息和網絡輿情的監測、分析和處理。

本書分為上、下兩篇共7章。上篇從理論研究齣發，第1章傳播模型，介紹瞭社交網絡中信息的兩種傳播模型，分彆解釋模型和預測模型；第2章熱門話題檢測，介紹瞭幾種話題檢測的算法，並結閤實例進行瞭分析和對比；第3章影響力最大化，總結分析瞭幾種社交網絡影響力最大化傳播模型及其優化算法；第4章收益最大化，介紹並分析瞭營銷模型及策略，描述瞭相關的算法。下篇從工程實踐齣發，介紹瞭作者團隊近年來開發的網絡輿情監測係統（第5章）、品牌推薦和保護係統（第6章），以及其中涉及的一項核心技術——網站驗證碼識彆（第7章）。

本書可供社交網絡分析與數據挖掘研究領域的研究者瞭解該方嚮的前沿基礎工作，也可供信息傳播與網絡輿情領域的工程實踐人員作為係統構建的參考和指導。

感謝參與本書內容討論、資料收集、內容編纂、成果貢獻和審查校對的北京郵電大學可信分布式計算與服務教育部重點實驗室的老師和同學：吳旭老師和頡夏青老師，博士生蘇援和許晉，碩士生侯玉鋒、李金蘭和麯思宇，以及北京郵電大學國際學院的高炘、麥藝瓊、呂浩然和郭鯤鵬同學。感謝“973”項目“社交網絡分析與網絡信息傳播的基礎研究”對本書的支持。

由於作者水平有限，書中難免有錯誤和疏漏之處，懇請讀者批評指正。

內容豐富，印刷和包裝都不錯，郵寄也挺快的

很好

專業圖書，有一定幫助

挺好的

很好

挺好的

內容豐富，印刷和包裝都不錯，郵寄也挺快的

這個書隻能是娛樂用瞭，沒有一點乾貨！京東快遞運書不能包裝好一點嗎？！運過來都成舊書瞭！！！

很好