Valerio Arnaboldi、Andrea Passarella和Marco Conti是意大利信息和远程信息技术研究所国家研究委员会委员。
Robiin I.M.Dunba是英国牛津大学和阿尔托大学研究员。
凌非，复杂网络相关专业硕士研究生，主要研究链路预测、社交网络等，曾在SCI发表相关论文。热爱翻译，是SwiftGG翻译组成员。现从事iOS开发工作。
程之，浙江工业大学硕士，师从杨旭华教授。从事复杂网络方向研究3年多时间，主要感兴趣的领域有社交网络、智慧交通。

目 录
章 引言\t1
1.1 离线社交网络和在线社交网络\t1
1.2 网络与现实交织下的在线社交网络\t3
1.3 自我网络分析和社交大脑假说\t6
1.4 本书的目的\t7
1.5 本书结构\t8
第2章 人类社交网络\t9
2.1 引言\t9
2.2 无权社交网络的宏观属性\t10
2.2.1 复杂网络中的指标\t10
2.2.2 社交网络分析中得出的关键结论\t14
2.2.3 生成网络图的网络模型\t23
2.3 从社交网络图到互动网络图\t26
2.4 社会网络的微观属性\t29
2.4.1 自我网络中的层级结构\t31
2.4.2 扩展自我网络与结构洞\t33
2.5 桥接社交网络中的微观和宏观属性\t35
2.6 本章小结\t38
第3章 Facebook中的自我网络结构及连边强度\t40
3.1 引言\t40
3.2 在Facebook中对连边强度进行建模\t41
3.2.1 基础工作\t41
3.2.2 Facebook 数据及分析的方法论\t43
3.2.3 Facebook中连边强度的组合\t45
3.2.4 预测连边强度的模型\t48
3.3 Facebook中自我网络的结构\t53
3.3.1 用于在线自我网络分析的大规模数据集\t54
3.3.2 Facebook中自我网络的层级结构\t59
3.3.3 验证\t63
3.3.4 讨论\t65
3.4 本章总结和讨论\t66
第4章 Twitter中自我网络的结构\t68
4.1 介绍\t68
4.2 对于Twitter自我网络分析的数据集\t68
4.2.1 Twitter用户的活跃时长\t69
4.2.2 Twitter的社交相关用户\t71
4.3 Twitter中自我网络的结构属性\t75
4.3.1 Twitter自我网络的尺寸对认知限制的影响\t75
4.3.2 Twitter中自我网络层级\t77
4.3.3 Facebook和Twitter之间的比较\t80
4.4 总结和讨论\t81
第5章 Twitter自我网络的进化动力学\t83
5.1 个人资料\t83
5.2 社交网络图的演化属性\t83
5.3 Twitter自我网络的动态分析方法\t87
5.4 Twitter自我网络的动态特性\t89
5.4.1 个人社交关系的演化\t89
5.4.2 用户离开Twitter\t91
5.4.3 无向交流\t92
5.4.4 社团活跃度\t94
5.4.5 社交容量和自我网络层级的动态性\t95
5.4.6 自我网络更换频率\t98
5.5 总结和讨论\t102
第6章 结论\t105
6.1 介绍\t105
6.2 自我网络结构和信息扩散\t105
6.3 研究方向\t109
6.4 本书里程碑\t112
参考文献\t114

本书采用多学科的方法研究社交网络，并讨论了该领域内最新的研究成果。本书也讨论了如何发现在线社交网络中的结构属性以拓展社交网络的分析和建立未来的在线服务，以及几个分析信息扩散的例子，在书中提出了基于全新沟通平台的研究成果，即特定的在线社交网络的结构属性是如