第1章 復(fù)雜網(wǎng)絡(luò)概述 11.1 復(fù)雜網(wǎng)絡(luò)基本理論概述 11.1.1 復(fù)雜網(wǎng)絡(luò)基本定義 11.1.2 復(fù)雜網(wǎng)絡(luò)統(tǒng)計(jì)特性 21.1.3 拓?fù)浣Y(jié)構(gòu)屬性 41.2復(fù)雜網(wǎng)絡(luò)模型 51.2.1規(guī)則網(wǎng)絡(luò) 51.2.2隨機(jī)網(wǎng)絡(luò) 61.2.3小世界網(wǎng)絡(luò) 71.2.4無標(biāo)度網(wǎng)絡(luò) 81.3 本章小結(jié) 12參考文獻(xiàn)： 第2章 基于網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜網(wǎng)絡(luò)影響力節(jié)點(diǎn)識(shí)別方法 152.1 相關(guān)研究工作 152.1.1 社區(qū)劃分 152.1.2 優(yōu)劣解距離法 162.2 基于網(wǎng)絡(luò)結(jié)構(gòu)和TOPSIS的影響力節(jié)點(diǎn)識(shí)別框架 182.2.1鄰域覆蓋策略 182.2.2基于K-shell和鄰域覆蓋的影響力節(jié)點(diǎn)識(shí)別框架 202.2.3基于社區(qū)和鄰域覆蓋的影響力節(jié)點(diǎn)識(shí)別框架 212.3 實(shí)驗(yàn)設(shè)置 222.3.1 數(shù)據(jù)集 222.3.2 性能指標(biāo) 232.4 實(shí)驗(yàn)結(jié)果和分析 252.4.1 SIR模型和SI模型仿真分析 252.4.2 種子節(jié)點(diǎn)分散程度分析 302.5 本章小結(jié)32參考文獻(xiàn)： 第3章 基于社區(qū)的復(fù)雜網(wǎng)絡(luò)影響力*大化建模 343.1 問題分析和研究動(dòng)機(jī) 343.1.1問題分析 343.1.2研究動(dòng)機(jī) 353.2 相關(guān)研究工作 353.2.1 反向生成網(wǎng)絡(luò) 353.2.2 圖遍歷算法 363.3 基于社區(qū)的反向生成網(wǎng)絡(luò)影響力*大化框架 373.3.1 社區(qū)劃分 383.3.2 候選節(jié)點(diǎn)集生成 383.3.3 選擇影響力節(jié)點(diǎn) 413.4 實(shí)驗(yàn)設(shè)置 433.4.1 數(shù)據(jù)集 433.4.2 性能指標(biāo) 443.4.3 基線算法 453.5 實(shí)驗(yàn)結(jié)果及分析 463.5.1 魯棒性分析 463.5.2 傳播規(guī)模分析 483.5.3 平均*短路徑長度分析 503.6 本章小結(jié)51參考文獻(xiàn)：51 第4章 基于圖注意力的復(fù)雜網(wǎng)絡(luò)影響力*大化模型 534.1 相關(guān)研究工作 534.1.1 圖注意力網(wǎng)絡(luò) 534.1.2 信息熵 544.2 影響力*大化模型IMGAT554.2.1 訓(xùn)練數(shù)據(jù)集 554.2.2 模型結(jié)構(gòu)564.3實(shí)驗(yàn)結(jié)果及分析564.3.1 實(shí)驗(yàn)數(shù)據(jù)集 564.3.2 SIR模型分析574.3.3 *小種子節(jié)點(diǎn)集分析 584.4 本章總結(jié)60參考文獻(xiàn)：60 第5章 基于時(shí)空注意力異構(gòu)圖卷積神經(jīng)網(wǎng)絡(luò)的用戶轉(zhuǎn)發(fā)預(yù)測行為分析 第6章 融合超圖注意力機(jī)制與圖卷積網(wǎng)絡(luò)的用戶轉(zhuǎn)發(fā)行為906.1 問題描述 第7章 基于邊學(xué)習(xí)的多特征融合謠言檢測方法