دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Krishna Raj P.M., Ankith Mohan, Srinivasa K.G. سری: ISBN (شابک) : 3319967452, 9783319967455 ناشر: Springer سال نشر: 2018 تعداد صفحات: 355 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 15 مگابایت
در صورت تبدیل فایل کتاب Practical Social Network Analysis with Python به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تحلیل عملی شبکه های اجتماعی با پایتون نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
مبانی تحلیل شبکه های اجتماعی را معرفی می کند - درباره مفاهیم کلیدی و تکنیک های مهم تجزیه و تحلیل بحث می کند - با مثال های واقعی نشان می دهد که چگونه شبکه های بزرگ را می توان با استفاده از تکنیک های یادگیری عمیق تجزیه و تحلیل کرد این کتاب بر تجزیه و تحلیل شبکه های اجتماعی از دیدگاه محاسباتی تمرکز دارد و خوانندگان را با جنبه های اساسی نظریه شبکه با بحث در مورد معیارهای مختلف مورد استفاده برای اندازه گیری شبکه اجتماعی آشنا می کند. اشکال مختلف نمودارها و تجزیه و تحلیل آنها را با استفاده از تکنیک هایی مانند فیلتر کردن، خوشه بندی و استخراج قوانین و همچنین نظریه های مهم مانند پدیده جهان کوچک پوشش می دهد. همچنین روش هایی برای شناسایی گره های تاثیرگذار در شبکه و مدل های انتشار اطلاعات ارائه می کند. علاوه بر این، از مثالهایی برای توضیح ابزارهای تجسم شبکههای در مقیاس بزرگ استفاده میکند و موضوعات در حال ظهور مانند دادههای بزرگ و یادگیری عمیق را در زمینه تحلیل شبکههای اجتماعی بررسی میکند. با تبدیل شدن اینترنت به بخشی از زندگی روزمره ما، ابزارهای شبکه های اجتماعی به عنوان ابزار اصلی ارتباط استفاده می شوند. و از آنجایی که حجم و سرعت چنین داده هایی به سرعت در حال افزایش است، نیاز به استفاده از تکنیک های محاسباتی برای تفسیر و درک آن وجود دارد. علاوه بر این، روابط در ساختارهای مولکولی، نویسندگان مشترک در مجلات علمی، و توسعه دهندگان در یک جامعه نرم افزاری نیز می توانند با تجسم آنها به عنوان شبکه بهتر درک شوند. این کتاب تئوری و عمل تجزیه و تحلیل شبکه های اجتماعی را گرد هم می آورد و شامل مفاهیم ریاضی، تکنیک های محاسباتی و مثال هایی از دنیای واقعی است تا دیدی کلی از این حوزه را به خوانندگان ارائه دهد.
Introduces the fundamentals of social network analysis - Discusses key concepts and important analysis techniques - Highlights, with real-world examples, how large networks can be analyzed using deep learning techniques This book focuses on social network analysis from a computational perspective, introducing readers to the fundamental aspects of network theory by discussing the various metrics used to measure the social network. It covers different forms of graphs and their analysis using techniques like filtering, clustering and rule mining, as well as important theories like small world phenomenon. It also presents methods for identifying influential nodes in the network and information dissemination models. Further, it uses examples to explain the tools for visualising large-scale networks, and explores emerging topics like big data and deep learning in the context of social network analysis. With the Internet becoming part of our everyday lives, social networking tools are used as the primary means of communication. And as the volume and speed of such data is increasing rapidly, there is a need to apply computational techniques to interpret and understand it. Moreover, relationships in molecular structures, co-authors in scientific journals, and developers in a software community can also be understood better by visualising them as networks. This book brings together the theory and practice of social network analysis and includes mathematical concepts, computational techniques and examples from the real world to offer readers an overview of this domain.
Front Matter ....Pages i-xxxi
Basics of Graph Theory (Krishna Raj P. M., Ankith Mohan, K. G. Srinivasa)....Pages 1-23
Graph Structure of the Web (Krishna Raj P. M., Ankith Mohan, K. G. Srinivasa)....Pages 25-44
Random Graph Models (Krishna Raj P. M., Ankith Mohan, K. G. Srinivasa)....Pages 45-56
Small World Phenomena (Krishna Raj P. M., Ankith Mohan, K. G. Srinivasa)....Pages 57-85
Graph Structure of Facebook (Krishna Raj P. M., Ankith Mohan, K. G. Srinivasa)....Pages 87-100
Peer-To-Peer Networks (Krishna Raj P. M., Ankith Mohan, K. G. Srinivasa)....Pages 101-108
Signed Networks (Krishna Raj P. M., Ankith Mohan, K. G. Srinivasa)....Pages 109-144
Cascading in Social Networks (Krishna Raj P. M., Ankith Mohan, K. G. Srinivasa)....Pages 145-172
Influence Maximisation (Krishna Raj P. M., Ankith Mohan, K. G. Srinivasa)....Pages 173-188
Outbreak Detection (Krishna Raj P. M., Ankith Mohan, K. G. Srinivasa)....Pages 189-202
Power Law (Krishna Raj P. M., Ankith Mohan, K. G. Srinivasa)....Pages 203-232
Kronecker Graphs (Krishna Raj P. M., Ankith Mohan, K. G. Srinivasa)....Pages 233-243
Link Analysis (Krishna Raj P. M., Ankith Mohan, K. G. Srinivasa)....Pages 245-278
Community Detection (Krishna Raj P. M., Ankith Mohan, K. G. Srinivasa)....Pages 279-299
Representation Learning on Graphs (Krishna Raj P. M., Ankith Mohan, K. G. Srinivasa)....Pages 301-317
Back Matter ....Pages 319-329