点击上方蓝字关注我们

任何社会性动物在个体与个体、群体与个体之间都存在着相互影响的关系，例如个体依从群体的行为会有利于猎食或减少被猎食的可能。而人类作为具有复杂交流手段的高级社会性动物，人际和社会影响力在人们的社会生活中更是无处不在。小到听一首歌曲、看一部电影、读一本新书、选一个餐馆，大到买一处房产、选择职业方向、选择生活的城市、确定政治观点等，我们的各种选择和决定常常受到家人、同事、朋友以及更广泛的大众倾向的影响。深入认识影响力的产生和传播模式有助于理解人类群体和个体的行为，从而使我们能够预测人们的行为，为政府、机构、企业等部门的决策提供可靠的依据和建议。比如企业在做新产品推广时，可以利用对用户影响力及其传播的了解，选择有影响力的用户和传播渠道，从而帮助产品推广；公益机构可以通过影响力传播推动公益事业的发展，比如增强全民健康意识，推动扶助贫困地区等；政府可以选择合适的影响力群体和渠道来扩大其政策的影响或抵御谣言的传播。

社会影响力的研究在社会科学和市场学领域已有较长的历史，奠定了影响力传播研究的基础。比如Christakis和Fowler利用美国一个城市上万人32年的医疗记录数据验证了肥胖症和吸烟行为会在社交网络中相互影响和传播。而伴随着互联网、在线社交网络和大数据的兴起及其日益广泛的应用，在更大规模下更深入地研究影响力的传播也成为可能。比如基于著名的社交网站脸书（Facebook）平台展开的两项大数据研究通过在线随机实验的方式，分别验证了影响力在选举意愿和应用选择中的存在性及其决定性因素。

对信息和影响力在网络中传播的研究属于典型的交叉学科研究领域。研究者们可以从计算机科学、复杂网络、统计物理、概率论、社会学、心理学、管理科学等多个角度对其各个方面进行研究探索。今天推荐的这本书《大数据网络传播模型和算法》主要从计算机科学的视角，介绍、讨论影响力网络传播研究方面主要的研究成果，并辅助介绍相关的复杂网络等方面的成果。与其他学科领域相比，计算机科学研究的一个主要特点是强调算法的设计和分析，这也是贯穿本书的主要线索。本书的阐述主要围绕影响力网络传播的两个方面——模型和算法进行。先介绍影响力传播的基本模型，再介绍在基本模型上的主要优化问题及其算法；介绍完基本的模型和算法后，进一步展开介绍各种拓展模型及其在拓展模型上的优化算法。由于算法要在大数据环境下适用于大规模的网络，因此还专门详细介绍了高效可扩展的优化算法的设计及分析。

本书的写作力求在严谨地表述传播模型和算法的同时，给读者一些直观的洞见和启发，使读者了解一些模型和算法背后的思想和方法。本书涵盖了计算机科学领域在近20年中研究影响力传播的主要结果以及作者在这方面近期的一些研究成果。由于篇幅有限，而且这个领域的范围广泛并在不断更新，作者选择了一些主要的内容加以细致讨论，而其他相关内容以每章结尾的文献小结形式加以总结，并适当提示了一些可能的进一步研究方向。有些章节还加入了作者本人对相应问题的进一步理解和思考，超出了原始文献的讨论范围。

本书面向的读者首先包括广大对影响力和网络研究感兴趣或已投入研究的学者、专家和学生，希望这些读者能通过本书对这一领域有较为全面的、系统的了解，并从中找到感兴趣的进一步研究的方向。其次，本书对于众多业界的实践者（如大数据工程师、网络分析师等）了解这一仍在快速成长的领域也很有益处，这些读者可以从中了解网络传播研究的背景、基本问题和最新动态，从而发现有可能与实践相结合的机会。本书也可以作为高校网络科学和大数据技术课程的一部分授课内容。

推荐理由

微软亚洲研究院高级研究员、IEEE Fellow系统地总结了信息和影响力传播模型和算法方面的近二十年的研究成果，帮助读者深入了解模型和算法背后的思想和方法。

作者简介

陈卫，微软亚洲研究院高级研究员，清华大学客座教授，中国科学院计算技术研究所客座研究员。国际电气和电子工程师协会会士（IEEE Fellow）。中国计算机学会大数据专家委员会和理论计算机科学专业委员会委员。《大数据》编委。主要研究方向包括社交与信息网络、在线学习、网络博弈论和经济学、分布式计算等。陈卫在影响力传播和影响力最大化方面进行了广泛和深入的研究，取得一系列开创性研究成果，至今这方面工作他引次数已逾6 000次。陈卫与另外两位合作者曾合著这方面的第一部英文学术专著。在网络科学、社交网络其他相关方向及在线学习、分布式计算等方向，陈卫也做出了很多有影响力的工作。

作者：陈卫

书号：978-7-115-52554-3

原价：169.00元（点击书封优惠购买）

大数据期刊

《大数据（Big Data Research，BDR）》双月刊是由中华人民共和国工业和信息化部主管，人民邮电出版社主办，中国计算机学会大数据专家委员会学术指导，北京信通传媒有限责任公司出版的期刊，已成功入选中文科技核心期刊、中国计算机学会会刊、中国计算机学会推荐中文科技期刊，并被评为2018年国家哲学社会科学文献中心学术期刊数据库“综合性人文社会科学”学科最受欢迎期刊。

关注《大数据》期刊微信公众号，获取更多内容