直播预告

网络科学的主要研究对象是复杂网络，复杂网络既不是完全无序的随机网络，也不是完全有规律的规则网络。随机网络是网络科学的起源和重要研究对象，跨越经典的随机网络，探索真实网络的复杂性及其来源，是网络科学领域最基础和最重要的任务之一。

本次课程将从经典的 ER 模型讲起，内容涵盖随机模型的发展里程、六度分离和小世界实验、WS模型的构造、幂律分布的非平凡特性、网络连通性的相变等一系列内容。最后，讨论随机模型刻画真实网络的局限性，提出零模型的方法并介绍如何使用模体来刻画网络的复杂性。

直播时间：

8月22日（周六） 19:30-21:30

直播方式：

• 本次课程将在B站免费直播

• 付费学员在腾讯会议上课，可提问交流

扫码报名：

扫描二维码，点击“我要听”预约。我们后续会通过短信通知，提醒大家参加直播（包含直播地址）

主讲人：

许小可，大连民族大学教授， 曾为香港理工大学博士后，香港城市大学访问学者。目前为大连民族大学数据科学与大数据技术学科方向学术带头人、民族信息资源挖掘与利用研究所所长。主要研究方向为社交网络上的大数据处理，重点是研究大型社交网络如QQ，阿里旺旺，人人网以及移动手机通话数据集的数据挖掘和机器学习，以及基于网络科学的计算传播学、新冠肺炎防控等。

随机网络——许小可老师推荐

1. Maslov, S. and Sneppen, K. (2002) Specificity and Stability in Topology of Protein Networks. Science, 296, 910-913.
   
   https://science.sciencemag.org/content/296/5569/910
2. Mahadevan P, Krioukov D, Fall K, et al. Systematic topology analysis and generation using degree correlations[J]. ACM SIGCOMM Computer Communication Review, 2006, 36(4):p. 135-146.
   https://dl.acm.org/doi/10.1145/1151659.1159930
   
3. Orsini, C. et al. Quantifying randomness in real networks. Nat. Commun. 6:8627 doi: 10.1038/ncomms9627 (2015).
   https://www.nature.com/articles/ncomms9627
4. 许小可, 崔文阔, 崔丽艳, 肖婧, & 尚可可. (2019). 无权网络零模型的构造及应用. 电子科技大学学报, 48(001), 122-141.
   http://www.xml-data.org/dzkj-nature/html/2019-1-122.htm
5. Cimini G, Squartini T, Saracco F, et al. The statistical physics of real-world networks[J]. Nature Reviews Physics, 2019, 1(1):58-71.
   https://www.nature.com/articles/s42254-018-0002-6

   
   

许小可老师代表论文

1. Serial interval of SARS-CoV-2 was shortened over time by nonpharmaceutical interventions, Eric H Y Lau，Sheikh Taslim Ali，Lin Wang，Xiao-Ke Xu, 2020-07, Science
   https://science.sciencemag.org/content/early/2020/07/20/science.abc9004
2. Reconstruction of Transmission Pairs for novel Coronavirus Disease 2019 (COVID-19) in mainland China: Estimation of Super-spreading Events, Serial Interval, and Hazard of Infection, Xiao-Ke Xu，Xiao Fan Liu，Ye Wu，Sheikh Taslim Ali, 2020-06, Clinical Infectious Diseases
   https://academic.oup.com/cid/advance-article/doi/10.1093/cid/ciaa790/5859582
3. Sign Prediction by Motif Naive Bayes Model in Social Networks, Si-Yuan Liu，Jing Xiao，Xiao-Ke Xu, 2020-06, Information Sciences
   https://www.sciencedirect.com/science/article/pii/S0020025520305508
4. Link Prediction by Multiple Motifs in Directed Networks, Ya-Fang Liu，Ting Li，Xiao-Ke Xu, 2019-12, IEEE Access
   https://ieeexplore.ieee.org/document/8938769
5. Changing motif distributions in complex networks by manipulating rich-club connections, Xiao-Ke Xu，Jie Zhang，Ping Li，Michael Small, 2011-11, Physica A: Statistical Mechanics and its Applications
   https://www.sciencedirect.com/science/article/abs/pii/S0378437111005164
6. Rich-club connectivity dominates assortativity and transitivity of complex networks, Xiao-Ke Xu，Jie Zhang，Michael Small, 2010-10, Physical Review E
   https://www.researchgate.net/publication/49750930_Rich-club_connectivity_dominates_assortativity_and_transitivity_of_complex_networks
7. Superfamily phenomena and motifs of networks induced from time series, Xiao-Ke Xu，Jie Zhang，Michael Small, 2009-01, Proceedings of the National Academy of Sciences
   https://www.pnas.org/content/105/50/19601

推荐阅读

• 与网络科学家一起，“集智”学习《巴拉巴西网络科学》

• Science经典：复杂网络的简单构造模块——网络模体
  

• 无标度网络模型开山之作：随机网络中标度的涌现

• 复杂网络上的爆发现象综述：相变、爆发、生命起源有何共同之处

• 网络科学专题集智百科词条：

为了追寻网络本质，夯实学术基础，集智学园邀请你和我们一起打造全网首家线上“集智课堂”，一起来探索复杂网络权威巴拉巴西的重磅之作《巴拉巴西网络科学》，共同揭秘网络科学的底层原理 。

我们有幸邀请了汪小帆、赵海兴、许小可、史定华、陈清华、张江、狄增如、陈关荣、樊瑛、刘宗华这十个来自六大不同高校、在网络科学领域耕耘多年的教授作为导师，依据教材框架，各有侧重地为我们共同勾勒出整个学科的美丽图景，展示这个学科的迷人魅力，指引这个学科的灿烂未来。

同时，我们会给学员充分发挥聪明才智、展示个人魅力并赢取奖学金的机会。整本书全部由学员自己申请领读，精通某一知识点的学员可以带领大家进行更深入细化的学习。

👇 扫描下方图片二维码，了解更多课程信息。

往期回顾

如果你是长期关注集智的老朋友，还有另一个好消息告诉你：我们首次对外公开了VIP申请通道。

成为集智VIP，你就是集智自己人了。话不多说，上图：

特别地，付费参加本次巴拉巴西网络科学·集智课堂的同学。在12月16日课程结束之前，可以享受课程抵换优惠，只需再付5999元，即可成为集智三年超级VIP。