本书从微观竞争性信息、宏观竞争性信息、社交网络群体社区行为、用户兴趣、异常用户识别、关键节点用户挖掘、用户链路与热点话题预测等角度入手，结合社交网络的真实案例，深入剖析了社交网络竞争性信息的传播规律与用户行为，并根据作者团队的研究成果和实际研究经验，归纳、总结了社交网络竞争性信息传播与用户行为分析的研究现状和未来发展动态。本书涉及计算机科学、数学、社会学、新闻传播学、管理学等多个学科领域，既可供从事社交网络的科研人员和高校相关专业的研究生阅读，又可供从事社交网络、复杂网络、动力学及相关领域的教学与科研人员参考。

刘小洋，西北工业大学博士，先后在重庆大学、美国The University of Alabama从事博士后研究工作。现任重庆理工大学计算机科学与工程学院副教授，硕士研究生导师
主持/主研国家自然科学基金项目、国家社会科学基金项目、教育部青年基金项目、重庆市科技局项目、重庆市博士后特别资助项目、重庆市教委科技项目等50余项。在靠前外重要刊物发表学术论文100余篇，获国家授权实用新型13项、国家授权发明10余项，出版学术专著3部。

章社交网络概述1
1.1社交网络分析1
1.2社交网络竞争性信息传播分析4
1.2.1经典信息扩散模型4
1.2.2数据驱动传播模型6
1.2.3社会博弈模型8
1.2.4基于传染病的模型9
1.2.5基于物理系统的模型11
1.3社交网络用户行为分析12
1.3.1社交网络群体行为分析12
1.3.2社交网络用户兴趣行为分析13
1.3.3社交网络异常用户分析13
1.3.4社交网络用户影响力行为分析14
1.3.5社交网络用户链路预测行为分析14
1.4社交网络分析理论基础15
1.4.1六度分隔理论15
1.4.2邓巴数字15
1.4.3强关系与弱关系16
1.4.4三度影响力16
1.4.5度中心性16
1.5本章小结17
参考文献17
第2章社交网络竞争性信息正向传播与逆向反馈机制研究19
2.1概述19
2.2社交网络竞争性信息正向传播与逆向反馈19
2.2.1节点级竞争传播与反馈20
2.2.2系统级竞争传播与反馈24
2.3社交网络竞争信息传播生命周期26
2.3.1三阶段传播行为27
2.3.2轰传时间点27
2.3.3传播生存周期28
2.4本章小结29
参考文献29
第3章社交网络竞争性信息扩散微观概率模型研究31
3.1概述31
3.2社交网络竞争性信息扩散微观概率模型构建31
3.2.1竞争性信息扩散过程分析31
3.2.2竞争性信息扩散微观概率模型构建33
3.3实验结果与分析37
3.3.1数值模拟37
3.3.2实证对比与结果分析40
3.4本章小结46
参考文献47
第4章社交网络竞争性信息传播宏观演化模型研究48
4.1概述48
4.2社交网络竞争性信息传播宏观演化模型构建48
4.2.1竞争传播演化过程分析48
4.2.2竞争性信息传播宏观演化模型构建51
4.3社交网络竞争性信息传播宏观模型分析52
4.4实验结果与分析58
4.4.1敏感性分析58
4.4.2仿真分析60
4.4.3实证对比与结果分析82
4.5本章小结86
参考文献86
第5章社交网络群体用户行为分析88
5.1概述88
5.2相关研究工作89
5.3社交网络群体结构分析90
5.4所提社交网络群体发现方法93
5.4.1局部距离拉普拉斯模型93
5.4.2节点秩优化函数95
5.5实验结果与分析96
5.5.1评估指标96
5.5.2人工网络性能比较97
5.5.3真实网络性能比较99
5.6本章小结106
参考文献106
第6章社交网络用户兴趣行为分析108
6.1社交网络用户关系图谱108
6.1.1种子用户109
6.1.2微博用户110
6.2社交网络用户区域分析111
6.3社交网络用户性别和年龄分析112
6.4社交网络用户兴趣行为建模分析113
6.4.1社交网络用户特征提取113
6.4.2社交网络用户行为兴趣模型与结果分析114
6.5本章小结118
参考文献118
第7章社交网络异常用户行为分析120
7.1基于加权随机森林的社交网络异常用户模型120
7.2基于粒子群优化的随机森林异常检测分类123
7.3社交网络异常用户分类结果与对比分析127
7.4本章小结129
参考文献129
第8章社交网络用户影响力行为分析131
8.1相关工作132
8.2传统影响力优选化问题的传播方法133
8.2.1独立级联模型133
8.2.2线性阈值模型134
8.2.3权重级联模型135
8.2.4贪心算法135
8.2.5单次折扣算法135
8.2.6PMIA算法136
8.3构建社交网络用户影响力优选的方法136
8.3.1NAV函数和DMAP优化函数136
8.3.2基于候选种子集的优化策略137
8.3.3用户影响力优选化DLIM算法140
8.4基于微博社交网络的关键用户分析141
8.4.1社交网络用户影响力计算方法141
8.4.2计算用户的自身质量141
8.4.3用户行为特征权值影响力142
8.4.4微博关键用户挖掘过程及结果分析142
8.5实验结果与分析143
8.5.1参数设置与说明143
8.5.2社交网络用户影响力分析144
8.5.3微博关键用户传播影响范围对比分析147
8.6本章小结151
参考文献151
第9章社交网络链路预测行为分析153
9.1社交网络链路预测分析153
9.2算法的时间与空间复杂度分析155
9.3实验设计156
9.3.1数据集156
9.3.2评估指标157
9.3.3对比方法157
9.4实验结果分析157
9.4.1LPCD算法与基于局部信息的链路预测算法对比分析157
9.4.2LPCD算法与基于路径的链路预测算法比较分析159
9.5GN社区划分算法对链路预测算法的影响分析160
9.5.1GN算法对基于局部信息的链路预测算法的影响160
9.5.2GN算法对基于路径的链路预测算法的影响161
9.6各类算法消耗的时间比较162
9.7本章小结163
参考文献163
0章社交网络热点预测用户行为分析165
10.1社交网络热度预测分析165
10.1.1热度预测概述165
10.1.2传统热度预测模型166
10.1.3评价标准166
10.1.4优化的ARWMA模型167
10.1.5今日头条新闻预测结果与分析169
10.2社交网络热点话题预测分析175
10.2.1话题流行度预测模型175
10.2.2优化的随机森林算法（IMRF）179
10.2.3实验结果与分析179
10.3本章小结185
参考文献185