在线社交网络中的海量用户以相互关注的方式建立社交关系网，信息通过发布、转发、推荐等方式在社会网络中沿着用户社交关系网进行裂变式传播。在线社交网络结构不仅普遍呈现出“物以类聚，人以群分”的社区特性，并且社交网络结构为信息的传播提供了渠道并影响信息的传播。本书以社交网络结构分析为主线，挖掘社交网络中的社区结构，通过追踪信息传播路径构建信息传播树（用户社交关系网的子图），并采用基于统计学零假设的零模型分析信息传播树的结构特性及时权特性，间接研究“新浪微博”中的信息传播特性及网络结构对信息传播的影响。

第1章 绪论
1.1 研究背景
1.2 研究目的与意义
1.2.1 研究目的
1.2.2 研究意义
1.3 本书研究的内容
1.4 本书的组织结构
第2章 社区发现与零模型相关研究综述
2.1 社交网络结构分析
2.1.1 静态结构特性
2.1.2 动态结构特性
2.2 社区发现与评价
2.2.1 社区定义
2.2.2 非重叠社区发现
2.2.3 重叠社区发现
2.2.4 社区质量评价
2.3 社交网络结构对信息传播的影响
2.3.1 Hub节点对信息传播的影响
2.3.2 度度相关性对信息传播的影响
2.3.3 网络连通性对信息传播的影响
2.4 零模型在社交网络分析中的应用
2.4.1 零模型概念
2.4.2 零模型与网络结构分析
2.5 小结
第3章 基于最大团的重叠与层次社区发现
3.1 问题提出
3.2 最大团概述
3.3 算法思想
3.3.1 统一框架
3.3.2 耦合强度
3.3.3 社区质量目标函数
3.4 基于最大团的社区发现算法MOHCC
3.4.1 算法MOHCC具体步骤
3.4.2 算法MOHCC时间复杂度分析
3.5 实验与分析
3.5.1 算法EAGLE中的实证网络
3.5.2 LFR基准网络
3.5.3 Zachary 空手道俱乐部基准网络
3.5.4 宽吻海豚基准网络
3.5.5 论文合署社交网络
3.6 小结
第4章 基于三元组过滤的社区发现研究
4.1 问题提出
4.2 三元组过滤方法（TPM）
4.2.1 相关定义
4.2.2 TPM算法动机
4.3 TPM算法
4.3.1 TPM算法时间复杂度分析
4.3.2 归属系数阈值估计
4.4 实验与分析
4.4.1 Zachary 空手道俱乐部基准网络
4.4.2 Dolphins宽吻海豚基准网络实验
4.4.3 Facebook自我中心网络
4.4.4 NetScience论文合署社交网络
4.5 小结
第5章 基于零模型的信息传播树结构分析及信息传播研究
5.1 研究概述
5.1.1 基于传染病模型的方法
5.1.2 基于树结构的信息传播研究
5.2 研究动机及思路
5.2.1 研究目的及动机
5.2.2 研究思路
5.3 信息传播树模型设计
5.3.1 信息传播树
5.3.2 相关定义
5.3.3 相关符号
5.4 信息传播树实验结果及分析
5.4.1 实验分析数据集
5.4.2 信息传播广度
5.4.3 信息传播深度
5.4.4 信息传播树节点出度分布
5.4.5 信息传播树社区特性
5.4.6 实证分析总结
5.5 信息传播树零模型
5.5.1 实证数据统计约束的0阶信息传播树零模型
5.5.2 随机断边重连的0阶信息传播树零模型
5.5.3 断边重连的2阶信息传播树零模型
5.6 实验与分析
5.6.1 实验数据
5.6.2 实验结果评估
5.6.3 IDT零模型实验结果及分析
5.6.4 社区结构与信息传播
5.6.5 不同主题的信息传播
5.7 小结
第6章 基于时权置乱零模型的信息传播树时权特性及信息传播研究
6.1 问题提出
6.2 问题分析
6.3 新浪微博信息传播树时权特性分析
6.3.1 相关概念与定义
6.3.2 新浪微博信息传播阵发性
6.3.3 新浪微博信息传播累积传播规模分布
6.4 时权置乱的信息传播树零模型
6.4.1 等权重连边置换零模型
6.4.2 节点时权随机置乱零模型
6.5 实验与分析
6.5.1 信息传播阵发性
6.5.2 信息传播规模
6.6 小结
第7章 总结与展望
7.1 总结
7.2 研究展望
参考文献
附录