摘要：随着信息技术的发展，社交网络逐渐成为人们沟通的主要方式，而敏感信息暴露在开放的社交网络中所导致的多种隐私信息泄露问题也引起了人们的日益关注。首先，介绍了社

很好用的社会网络软件，方便快捷，制作类图各种图，课程设计必备

主题识别+信息提取模型-基于python实现-LDA--LDA主题模型，可以用于社交网络数据分析研究、异常检测、事件检测与演化模型分析、情感分析、链接预测，信息传播等方面的研究

Coursera上的社交网络分析课程项目 这是SNA在Coursera上的课程项目，于2014年11月24日完成。 本工作主要分析 GitHub 用户对存储库的兴趣网络，以存储库为节点，以对两个存储库加星的用户数为边。 分析不仅关注2012年1月至2014年10月此类网络的快照，还研究了网络演进的整体趋势，以及某些节点的流行度变化。 此存储库包含此报告所需的所有数据、脚本以及报告本身。 可以使用 bigquery/ 中的 sql 文件在 Google BigQuery 上进行试验查询。 出于数据收集目的，应运行脚本 data_batch/generate_queries.py 并将每个生成的查询文件手动复制到 bigquery 以收集数据。 我收集的数据在 data/ 中可用。 要获取 Gephi 的 gdf ​​文件以及 igraph 计算的 ncol 文件，请使用 conve

摘要：结合结构支撑理论，探究节点网络结构支持力的一些性质，提出了社交网络结构中的全网支持力和被支持力的总量一致性，并进一步提出计算节点支持力的方法。谣言作为特殊

到目前为止，在某些标准的谣言传播模型中，从无知者到传播者的过渡概率始终被视为常数。 但是，从实际的角度来看，个体是否被邻居传播者感染的情况在很大程度上取决于他们之间关系的信任度。 为了解决这个问题，我们引入了谣言扩散的随机流行病模型，其中将传染概率定义为联系强度的函数。 此外，我们在指数为gamma = 2.2的情况下，在真实的无标度社交网站上对模型的行为进行了数值研究。 我们证实，关系的强度在谣言传播过程中起着至关重要的作用。 特别是，优先选择弱势关系并不能使谣言传播得更快，更广，但是消除它们后，传播效率将受到很大影响。 另一个重要发现是，扩展器的最大数量max（S）对免疫概率mu和衰变概率nu非常敏感。 我们表明，较小的mu或nu会导致谣言的散布，并且它们之间的关系可以描述为函数ln（max（S））= Av + B，其中截距B和斜率A可以拟合完美地作为亩的幂律功能。 我们的发现可能会提供一些有用的见解，有助于在实践中指导应用程序并减少谣言带来的损害。

社交网络面临着许多的安全问题,目前大部分的研究主要集中于社交网络中的(核心)节点、关系、结构等方面,因此"安全关系"的研究显得尤为重要.通过分析安全风险与发生事件之间的关联,采取等级划分、数值度量、多态数据融合、逻辑关联等因素下定性与定量相结合的计算机制,提出了一种基于贝叶斯网络的社交网络安全关系态势评估模型,为社交网络上安全态势的感知与预测提供理论依据.

PHP >= 5.5.0 (推荐PHP7. 1版本)，Mysql >= 5.5.0 (需支持innodb引擎)，Apache或Nginx，PDO PHP Extension

windows版本的 3.4.1.版本的社区版neo4j数据库

本文研究了信息传播预测问题，提出了一种基 于时空Ｔｒａｎｓｆｏｒｍｅｒ神经网络的模型ＳＴＴ来预测 传播过程．