"本书将复杂网络理论与算法实现相结合，深入浅出地介绍了网络数据挖掘和网络模拟中的物理机制和相关算法，然后通过Python语言中的NetworkX和igraph库加以实现，最后对所得结果进行了分析和讨论。全书共12章，分别介绍图论基础、网络基本拓扑特性、节点重要性、社团探测、链路预测、网络生成模型、渗流相变和网络鲁棒性、Ising模型和网络博弈、网络传播、网络上的混沌同步、随机游走与node2vec模型和图表示学习等知识。 本书主要面向广大从事复杂系统与复杂网络、网络科学与工程、社交网络分析、网络数据挖掘或图神经网络的专业人员，从事高等教育的专任教师，高等学校的学生及相关领域的广大科研人员。 "

前言 党的二十大报告强调“必须坚持科技是第一生产力、人才是第一资源、创新是第一动力，深入实施科教兴国战略、人才强国战略、创新驱动发展战略，开辟发展新领域新赛道，不断塑造发展新动能新优势”。 复杂网络理论将对象和对象间的联系转换为节点和边加以描述，以图论为数学基础，融合概率论、信息论、博弈论、传播学、非线性动力学、图神经网络、随机过程、推荐系统、数据挖掘、统计物理和复杂系统等知识，已广泛运用到社交网络、Internet、WWW、引文网络、生物网络、金融网络、电力和交通网络等的研究中，逐步发展为研究事物相关性的重要手段和方法之一。 主要内容 本书强调抽象概念的实例化，理论和算法的程序化与可视化，以Python为基本编程工具，辅以NumPy、Matplotlib、NetworkX、igraph、PyTorch和PyG等扩展包，力求形象生动地展示网络数据挖掘的相关内容，使读者可以在短时间内上手开展学习和研究工作。 全书从图论开始，然后逐步介绍网络数据挖掘的各方面知识，共12章。 第1章图论基础，包括几个有趣的图论问题、图的定义和基本概念、图的路和连通性、树与生成树、平面图及其欧拉公式、图的表示和存储。第2章网络基本拓扑特性，包括稀疏性和连通性，度、度分布和度相关性，平均路径长度和网络效率，聚类系数和圈系数，网络子结构： kclique、环和模体。第3章节点重要性，包括无向网络节点重要性指标、有向网络节点重要性指标、节点重要性衡量标准。第4章社团探测，包括社团探测基础、凝聚算法、分裂算法、重叠社团探测算法、其他社团探测算法、社团探测检测标...