从在线社交网络的“结构与演化—群体与互动—信息与传播”三个方面展开，系统、深入地阐述了在线社交网络分析中的基础理论、关键方法和技术，主要内容包括社交网络的结构特性与演化机理分析、社交网络群体行为的形成与互动规律，以及社交网络的信息传播模型及演化规律。
第一次比较全面地揭示了社交网络的“结构、群体、信息”三个要素之间的复杂交互关系和互动规律，为开展社交网络分析与信息传播研究提供了理论和技术支撑。
由方滨兴、许进、李建华、齐佳音等著，依托于973项目“社交网络分析与网络信息传播的基础研究”。

1、Python实现社交网络影响力最大化Linear_Threshold（线性阈值模型）算法。
2、对线性阈值模型算法进行优化改进，实现贪心算法。
3、代码中有详细注释说明，测试代码，测试节点数据集，并对数据集进行处理，输出测试结果。
4、代码实现环境：Python2.7,Anoconda2,Pycharm2017。

社交网络标准化切入中的相变讨论

作者:王元卓，于建业，李静远，靳小龙著ISBN号:978-7-302-48620-4出版社:北京：清华大学出版社原书扫描的pdf

社交网络方向相关的论文引用数据集cora,Cora数据集，可用于社区发现、社区检测、节点分类、图卷积神经网络GCN等

过去几年,卷积神经网络因其强大的建模能力引起广泛关注,在自然语言处理、图像识别等领域成功应用。
然而,传统的卷积神经网络只能处理欧氏空间数据,而现实生活中的许多场景,如交通网络、社交网络、引用网络等,都是以图数据的形式存在。

《网络数据的统计分析:R语言实践》简介：互联网、社交网络、病毒营销等事物已经为大众所熟知，网络充斥着我们日常生活的各个方面。
在这样的背景下，网络分析成为了定量科学发展最快的领域之一，其起源可以追溯至20世纪30年代的社会网络分析以及几个世纪前的图论研究。
网络研究离不开对数据的度量与分析，因此统计方法在网络分析中发挥着重要作用。
在网络研究的相关书籍中，《网络数据的统计分析:R语言实践》首次采用了这种统计视角。
从最基本的数据操作和网络可视化，到概括网络的特征，再到对网络数据建立模型，《网络数据的统计分析:R语言实践》用丰富的案例说明了如何利用多个R语言扩展包进行各类网络分析。
R语言扩展包igraph提供了大量用于网络分析的功能，书中以其作为主要的工具。

一、作业目的1.学习自主进行文献查阅的能力。
2.学习对某一领域或某一技术进行综合归纳的能力。
3.自学5G关键技术。
4.增强英文阅读能力。
二、作业内容1.针对5G关键技术之一：D2D进行学习。
2.在学校图书馆数字数据库上查询IEEE近两年（2017‐2019）内的论文进行粗读。
3.选取其中的5‐10篇文章进行精读学习并完成一篇文献综述。
三、基本介绍设备到设备通信（Device-to-Device，D2D）是5G关键技术之一。
D2D技术可以应用于以下场景中：（1）社交网络：D2D技术的引入可以更好地支持社交网络服务。
（2）车联网：由于车辆移动的高速特性，传统的网络传输方式会造成很大的时延，很难满足车辆之间通信对实时性的要求。
因此D2D技术可以更好地解决这个问题。
（3）D2D中继：利用D2D通信的特点可以将通信终端的一方作为中继，提高网络的覆盖范围。
（4）紧急通信：在由于自然灾害、或停电等原因引起的网络故障情况下，D2D通信可以利用其近距离通信的特点，使得网络信号中断的终端可以利用与其相邻的用户资源间接的实现通信。
（5）网络扩容：在用户密度较高的地区或者网络覆盖较差的地区，可以利用D2D通信实现正常通信。
当存在多对D2D用户时，可构成虚拟MIMO矩阵。
还可以与多播技术相结合，解决用户对相同数据的需求问题。
针对上述应用场景，涉及5G网络D2D的技术需求包括但不限于如下方面：●D2D发现技术，实现邻近D2D终端的检测及识别。
●D2D同步技术。
●通信模式切换。
●无线资源管理●。
。
。
。
。
。
四、作业要求1.针对D2D的某一应用场景或某一特定技术查询最新（两年内）英文研究论文成果。
2.写一篇不少于5000字的文献综述。

近些年来，人工智能领域又活跃起来，除了传统了学术圈外，Google、Microsoft、facebook等工业界优秀企业也纷纷成立相关研究团队，并取得了很多令人瞩目的成果。
这要归功于社交网络用户产生的大量数据，这些数据大都是原始数据，需要被进一步分析处理;还要归功于廉价而又强大的计算资源的出现，比如GPGPU的快速发展。
除去这些因素，AI尤其是机器学习领域出现的一股新潮流很大程度上推动了这次复兴——深度学习。
本文中我将介绍深度学习背后的关键概念及算法，从最简单的元素开始并以此为基础进行下一步构建。
如果你不太熟悉相关知识，通常的机器学习过程如下：1、机器学习算法需要输入少量标记好的样本，比如10

社交网络社交网络应用程序。
储存库结构如文件夹名称所示，后端Django项目位于backend目录中，而前端React+Next.js项目存储在frontend目录中。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。