Explore l'analyse statistique des données du réseau, qui couvre les structures graphiques, les modèles, les statistiques et les méthodes d'échantillonnage.
Explore le biclustering dans les matrices de données, en identifiant des modèles de comportement cohérents et en discutant des méthodes de calcul pour l'analyse.
Couvre les paradigmes algorithmiques pour les problèmes de graphique dynamique, y compris la connectivité dynamique, la décomposition de l'expansion et le regroupement local, brisant les barrières dans les problèmes de connectivité k-vertex.
Explore les modèles d'affaires des plateformes populaires, l'impact de la publicité ciblée, les bulles de filtre, le harcèlement en ligne et la technologie en politique.
Explore l'estimation stochastique du modèle de bloc, le regroupement spectral, la modularité du réseau, la matrice laplacienne et le regroupement des moyennes k.
Explore l'algorithme de modularité de Louvain pour optimiser la qualité de la communauté grâce à la modularité et ses applications dans l'analyse des réseaux sociaux.
