全书主题索引
本页按学习问题组织章节入口。13 个 source unit 的译文均已公开,章节/附录另有 10 个学习笔记和并排页;第 2H 章是另行编写的项目补充单元,提供正文、笔记和并排页; 以下锚点直接指向译文、笔记或全书级导航页。Theorem、校勘和外部文献的保留边界 仍按各单元页面说明。
随机图与网络生成
随机图、度与连通性
- 第 1 章:网络现象、稀疏性与连通性
- 第 2 章:Erdős–Rényi 与相变
- 第 2 章:配置模型
- 第 2 章:优先连接
- 第 2 章:空间网络
- 第 2 章:块模型总览
- 第 2 章:ERGM 与 $p_1$ 模型
- 第 2H 章(项目补充):超图对象与四种表示
- 第 2H 章(项目补充):随机超图基线
- 第 2H 章(项目补充):HSBM 与 DCHSBM
相关入口:第 2 章学习笔记、术语表中的随机图词条。
中心性、谱与随机游走
节点重要性与排名
社区检测与谱恢复
从 cut 到信息论恢复
相关入口:第 4 章学习笔记。阅读时把“优化得到的划分”、 “统计模型下的标签恢复”和“数值例子”分开记录。
半监督学习与标签传播
少量标签下的图推断
- 标签信息源(oracle)与总体问题
- 标签传播(label propagation)
- 标签扩散(label spreading)
- 广义拉普拉斯方法(generalized Laplacian)
- Poisson learning
- 约束谱聚类(constrained spectral clustering)
- 拉普拉斯正则化(Laplacian regularization)
- 稀疏标签传播(sparse label propagation)
- 附录 B 证明工具
时序网络
成员、交互与在线推断
建议与第 2 章的块模型及第 5 章的标签传播对读, 但不要把静态模型、动态模型和 SSL 类比误写成同一假设。
抽样与部分观测
第 7 章:网络抽样
当前状态:译文、学习笔记和并排页均已公开。入口覆盖独立均匀抽样、滚雪球抽样、 Metropolis–Hastings、被访者驱动抽样(RDS)、带均匀跳跃的 RDS、Ratio with Tours、网络模体计数和数值比较。 Theorem 7.1 是原书陈述但未在书中证明的 CLT,不能在这里简化成已验证结论。
先修建议:查看第 3 章的谱/随机游走与 首中时间,再读第 7 章学习笔记和参考文献导览。
数学工具与证明链
附录 A:背景工具
当前状态:附录 A 译文、学习笔记和并排页均已公开。学习层仍可使用背景工具包, 其中标明了概率、图论、对称矩阵、范数、Courant–Fischer 极小极大定理和图上微积分的最低记号; 具体对象和 Proof 边界请回到附录 A 译文与学习笔记。
附录 B:Theorem 5.5 的证明工具
附录 B 的八个对象服务于第 5 章定理 5.5。E2 已由谱重数关闭;E3 已用有效谱隙下界取代; E9 已按 2025 正式论文 Lemma B.7 在新增条件下关闭。原书精确常数链仍作为源文错误保留, 项目使用第 5 章笔记中的谱隙显式修订定理。
书末查找入口
参考文献、索引与作者简介
书末三单元均有正式译文,但不另建学习笔记和并排阅读页;本页的参考文献导览与主题索引提供 学习入口,但不把它们写成对全部书目、索引层级或作者信息的重新审计。