本书主要围绕在线社交网络信息传播与舆情演化分析展开，旨在反映在线社交网络信息传播过程与舆情演化规律。主要从在线社交网络影响力最大化、在线社交网络社区发现、基于突发公共事件与负反馈能力、热扩散运动下的信息传播规律、人工神经网络、社交网络用户自身属性、节点信息负反馈与竞争性特性、微博舆情信息等角度，深入剖析在线社交网络信息传播规律、传播模型与舆情演化规律，并结合真实在线社交网络案例进行舆情演化分析。本书总结了作者团队的研究成果和实际的研究经验，同时总结和梳理了在线社交网络信息传播与舆情演化分析的研究现状和未来的发展动态。 本书涉及计算机科学、数学、社会学、新闻与传播学、管理学等多个学科领域，可供从事社交网络的科研人员和高等院校相关专业的研究生、本科生阅读，也可为从事社交网络、复杂网络、新闻与传播学、动力学及大数据分析相关领域工作的教学、科研人员提供参考。

第1章 在线社交网络
1.1 在线社交网络概述
1.1.1 在线社交网络的定义
1.1.2 在线社交网络的服务平台
1.1.3 在线社交网络的发展历程
1.2 在线社交网络的特点
1.3 在线社交网络的表示与特性
1.3.1 在线社交网络的表示
l.3.2 在线社交网络的特性
1.4 在线社交网络网站的功能
1.5 在线社交网络的主要研究方向
1.6 在线社交网络结构模型
1.7 在线社交网络分析工具
1.7.1 NetLogo
1.7.2 Gephi
1.7.3 Pajek
1.7.4 Python
1.7.5 MATLAB
1.7.6 Tableau
本章小结
参考文献
第2章 在线社交网络大数据分析
2.1 大数据概述
2.1.1 大数据与数据处理
2.1.2 大数据分析方法
2.2 数据挖掘
2.2.1 数据挖掘的定义
2.2.2 数据挖掘分析方法
2.3 在线社交网络大数据挖掘
2.3.1 Web数据挖掘
2.3.2 文本挖掘
2.3.3 多媒体挖掘
2.4 在线社交网络大数据应用
2.4.1 聚类的算法与应用
2.4.2 分类的算法与应用
2.4.3 预测的模型与应用
本章小结
参考文献
第3章 在线社交网络用户影响力分析
3.1 微博意见领袖影响力模型构建与分析
3.1.1 意见领袖影响力分析研究
3.1.2 意见领袖影响力模型构建与分析
3.1.3 仿真结果与分析
3.2 在线社交网络用户影响力最大化算法
3.2.1 贪心算法
3.2.2 Degree算法
3.2.3 DegreeDiscount算法
3.2.4 PageRank算法
3.2.5 基于结构洞的贪心算法——SG算法
3.2.6 基于结构洞和中心度的影响力最大化算法——s}tDD算法
3.3 基于有向无环图和中心度的影响力最大化算法——LAD算法
3.3.1 构造有向无环图
3.3.2 基于有向无环图和中心度的LAD算法
3.4 实验与结果分析
3.4.1 实验数据集
……
第4章 在线社交网络社区发现算法研究
第5章 在线社交网络信息传播建模分析
第6章 微博舆情信息传播建模与演化分析
第7章 在线社交网络突发公共事件信息传播与舆情演化分析
第8章 融合社交网络用户自身属性的信息传播建模与舆情演化分析
第9章 基于热扩散运动的在线社交网络信息传播与舆情演化分析
第10章 基于人工神经网络的信息传播建模与舆情演化分析