复杂网络是指由数量巨大的节点在一定时间尺度上相互影响共同构成的复杂系统，一般会使用多种统计量来刻画复杂网络的性质。由于各种统计量的绝对数值往往是无量纲的，而且由于不同网络的规模大小各异、结构干差万别，直接分析实证网络的结果在定性和定量上均不够准确，《网络零模型构造及应用》把与实证网络具有某些相同性质的随机化网络称为该网络的零模型网络。复杂网络零模型能够为实证网络提供一个准确的参照，结合统计量指标可以准确描述实证网络的非平凡特性，有助于揭示复杂网络复杂性的来源和程度。
　　《网络零模型构造及应用》介绍了无权网络、符号网络、加权网络、时效网络和双层网络上各种零模型的构造方法和过程，将经典的假设检验过程引入网络科学领域。在每一章的撰写过程中，注重理论与实际相结合：不但深入分析各类网络零模型网络的构造方法，同时详细探讨这些零模型网络的实际应用。
　　《网络零模型构造及应用》可作为研究生以及高年级本科生学习网络科学和社会网络分析的教学参考书，也可供自然科学、工程技术和社会科学领域的研究人员和学者参考使用。

　　许小可，大连民族大学信息与通信工程学院教授，大连市物联网与大数据工程研究中心副主任。主要研究方向为网络科学、社会网络大数据及计算传播学等。在美国科学院院刊等SCI期刊发表学术论文近50篇。2013年获首批CCF-腾讯犀牛鸟科研基金、阿里巴巴数据创新大赛暨阿里巴巴青年学者支持计划一等奖，2014年获得首批大连市“青年科技之星”称号，2015年以作者出版国内第一部计算传播方面的学术专著《社交网络上的计算传播学》，2016年11月挂职贵州大学校长助理、筹建公共大数据重点实验室，2018年入选国家民委领军人才、辽宁省“兴辽英才计划”首批青年拔尖人才计划。

第1章 引言
1．1 网络零模型研究的理论意义
1．2 构造网络零模型的基本方法
1．3 网络零模型的实际应用价值
1．4 本书的章节安排
参考文献

第2章 无权网络零模型构造及应用
2．1 引言
2．2 不同阶数网络零模型的定义
2．3 基于ER随机图的O阶零模型
2．4 基于配置模型的零模型
2．4．1 基于配置模型的1阶零模型
2．4．2 基于配置模型的2阶零模型
2．4．3 基于配置模型的3阶零模型
2．5 基于随机断边重连的零模型
2．5．1 基于随机断边重连的0阶零模型
2．5．2 基于随机断边重连的1阶零模型
2．5．3 基于随机断边重连的2阶零模型
2．5．4 基于随机断边重连的2．5阶零模型
2．6 检验富人俱乐部效应的局部断边重连零模型
2．7 检验匹配特性的有倾向性断边重连零模型
2．8 依赖于社团结构的零模型
2．8．1 社团内部断边重连零模型
2．8．2 社团间断边重连零模型
2．8．3 增强社团结构的零模型
2．8．4 减弱社团结构的零模型
2．8．5 从高阶零模型到网络中尺度特征
2．8．6 社团内部连边和社团间连边对社团结构的影响
2．8．7 单一社团内部结构对网络社团性质的影响
2．8．8 检验社团检测算法的鲁棒性
2．9 无权有向网络的零模型
2．10 本章小结与展望
参考文献
……

第3章 符号网络零模型构造及应用
第4章 加权网络零模型构造及应用
第5章 时效网络零模型构造及应用
第6章 双层网络零模型构造及应用
索引

　　复杂网络是指由数量巨大的节点在一定时间尺度上相互影响共同构成的复杂系统，在网络科学领域重点关注复杂网络中存在的非平凡性质以及这些性质的生成机理。在实证网络研究中，一般会使用多种统计量来刻画复杂网络的性质。由于各种统计量的绝对数值往往是无量纲的，而且由于不同网络的规模大小各异、结构千差万别，直接分析实证网络的结果在定性和定量上均不够准确，因此在本书中把与实证网络具有某些相同性质的随机化网络称为该网络的零模型网络。复杂网络零模型能为实证网络提供一个准确的参照，结合统计量指标可以准确描述实证网络的非平凡特性，有助于揭示复杂网络复杂性的来源和程度。
　　基于作者本人近年来研究成果，结合国内外学者的重要前沿进展，本书对复杂网络零模型的构造方法和相关应用进行了系统而全面的阐述。本书介绍了无权网络、符号网络、加权网络、时效网络和双层网络上各种零模型的构造方法和过程，将经典的假设检验过程引入到新兴的网络科学领域。每一章的撰写过程中，注重将理论和实际应用两方面进行结合：不但深入分析在各类网络中零模型网络的构造方法，同时也花费大量笔墨去分析这些零模型网络的实际应用。
　　本书的学术价值主要体现在三个方面：
　　第一方面，构造网络零模型有助于使用统计量来更加准确和细致地刻画复杂网络特性。目前网络科学领域中使用的统计量非常多，但是几乎所有的统计量都是无量纲的。由于不同复杂网络的规模大小各异、结构千差万别，因此仅仅计算出统计量的绝对数值来判断网络的宏观特性不仅在定量分析上不够精确，有些时候甚至连定性分析的结果也都不正确。我们把与一个实际网络具有某些相同性质的随机网络称为该实际网络的随机化副本，这类随机化网络在统计学上被称为零模型。一个好的网络零模型能够为原始网络提供一个准确的参照，结合统计量指标就可以准确描述出实际复杂网络的非平凡特性，更好地发挥复杂网络统计量的定量刻画功能。
　　第二方面，构造网络零模型有助于揭示网络复杂性（随机性）的来源和程度。
　　复杂网络之所以“复杂”是因为其结构既不完全随机也不完全确定（规则），是介于两者之间的一种难以描述的系统，可谓是“说不清道不明”，因此揭示每个网络复杂性（随机性）的来源和程度是网络科学领域最基本也是最重要的问题之一。由于不同网络零模型保留的结构或时效特性不同，因此通过比较这些零模型和原始网络之间的结构以及功能差异能够揭示原始网络的复杂性与哪些因素相关，从而逐步探索出其复杂性的结构性来源。此外，每种网络零模型的复杂程度是不同的，如无向无权网络的零模型网络可分为0、1、2和3阶，其随机性逐渐减弱而确定性逐渐增强，通过比较原始实证网络和这四阶零模型统计特性上的差异，可以准确刻画出该网络复杂性（随机性）的程度。
　　第三方面，参照网络零模型的应用案例分析有助于建立一套统一的网络科学研究范式。