基本概念学习
- 节点与边：理解网络的基本组成，节点是网络中的单位，边是节点之间的连接。
- 度：节点的连接数量，衡量其重要性。
- 结构特征：学习度分布、连通性、分层结构等基本概念。
网络模型
- 随机网络：假设边是随机存在的。
- BA模型： preferential attachment 模型，生成小世界网络。
- 度分布模型：幂律分布，如Zipf定律。
网络特征量
- 聚类系数：衡量节点与其他邻居的连接程度。
- 直径：最大最短路径长度。
- 网络性质：度分布的幂律、高聚类系数、低直径。
网络生成模型
- 随机ER模型：假设边是随机存在的。
- BA模型： preferential attachment 模型。
- 度分布模型：幂律分布。
网络动态模型
- 节点和边动态变化：关注网络的动态演变。
- 同步网络：不同网络之间的同步行为。
网络算法
- 社区检测：寻找网络中的 clusters。
- 中心发现：定位核心节点。
- 同步算法：分析网络中的同步行为。
网络可视化
- 图形化表示：用图论方法绘制网络结构。
网络评估指标
- 聚类系数、直径、度分布。
数学模型
- 图论、随机过程、动态过程。
复杂性
- 涌现性：网络行为表现出复杂的模式。
应用领域
- 社交网络分析：用户分群、信息传播。
- 经济网络分析：企业合作。
- 生物网络分析：蛋白质相互作用。
- 网络治理：管理网络结构。
- 网络安全：监控和防御。
实践与工具
- 工具：使用 NetworkX（Python）建模和分析。
- 案例研究：在社交或经济网络中应用。
通过系统的学习和实践,从基础概念入手，逐步深入到模型和算法，结合实际案例，将网络科学方法应用于实际问题，从而掌握其核心应用。
