-
图的基本概念：
- 顶点和边：顶点代表实体,边表示它们之间的关系。
- 度分布：顶点连接的边数,影响网络结构和社区。
- 聚类系数：衡量社区内部的紧密程度。
-
网络的演化：
规律性变化,如用户添加新朋友或朋友关系改变。
-
信息传播：
传播速度和方式影响结构,如用户数量影响传播时间。
-
网络的分层结构：
分层组织,影响传播路径和信息展示。
-
网络的最短路径和直径：
直径反映网络连通性,影响关系强度。
-
网络的分形性质：
社交网络的自相似特征,体现人类网络结构。
-
规模和性质：
随着规模增加，度分布趋近于幂律,体现特殊性质。
-
网络的动态性质：
动态网络模型，如时间依赖和随机性,影响结构变化。
-
复杂性和发现：
数据挖掘和机器学习,发现网络结构。
应用案例：
- 社交网络分析，推荐系统，生物网络,交通网络等。
挑战与学习路径：
- 理解术语，如“度平方和”和“幂律分布”,查阅资料。
- 深入动态网络模型,如时间依赖和随机性。
- 实践案例分析,如推荐系统应用。
通过系统学习和实践，逐步深化对网络科学的理解,掌握其应用和复杂性分析。
