本书由Danai Koutra和全球知名的数据挖掘领域奠基人之一Christos Fa-loutsos教授合著，介绍了图挖掘领域一个崭新的研究方向。全书内容主要包括两个部分：第一部分介绍了单图上的概要表示以及节点标签分类算法；第二部分介绍了群图上的概要表示以及群图的相似性度量和节点对齐算法。
本书适合对图挖掘研究感兴趣的读者阅读，包括相关研究方向的研究人员、本科生和研究生，以及不具有图挖掘研究背景但是对图挖掘问题感兴趣的读者。此外，本书与应用实践结合紧密，对于有志于从图挖掘角度解决实际问题的从业人士也非常具有启发意义。

译者序
原书前言
原书致谢
作者简介
第1章 绪论
1.1 概述
1.2 本书的架构
1.2.1 第一部分：单图挖掘
1.2.2 第二部分：群图挖掘
1.2.3 源代码和支撑材料
1.3 预备知识
1.3.1 图的基本定义
1.3.2 图的数据结构
1.3.3 线性代数基本概念
1.3.4 图的主要特性
1.4 常用符号
第一部分 单图挖掘
第2章 静态图概要抽取
2.1 概述与动机
2.2 问题描述
2.2.1 图概要抽取的MDL准则
2.2.2 模型编码
2.2.3 误差编码
2.3 VoG：基于词汇表的图概要抽取
2.3.1 子图生成
2.3.2 子图标记
2.3.3 概要组装
2.3.4 示例
2.3.5 计算复杂度
2.4 实证结果
2.4.1 定量分析
2.4.2 定性分析
2.4.3 可扩展性
2.5 讨论
2.6 相关工作
第3章 图的推理
3.1 关联推断技术
3.1.1 RWR
3.1.2 SSL
3.1.3 BP
3.1.4 本节小结
3.2 FABP
3.2.1 推导
3.2.2 收敛性分析
3.2.3 算法
3.3 扩展到多个类
3.4 实证结果
3.4.1 准确度
3.4.2 收敛性
3.4.3 鲁棒性
3.4.4 可扩展性
第二部分 群图挖掘
第4章 动态图概要抽取
4.1 问题描述
4.1.1 动态图概要抽取的MDL准则
4.1.2 编码模型
4.1.3 误差编码
4.2 TIMECRUNCH：基于词汇表的动态图概要抽取
4.2.1 生成候选静态结构
4.2.2 标注候选静态结构
4.2.3 组装候选时序结构
4.2.4 概要合成
4.3 实证结果
4.3.1 定量分析
4.3.2 定性分析
4.3.3 可扩展性
4.4 相关工作
第5章 图的相似性
5.1 直觉
5.1.1 概述
5.1.2 节点亲和度测量
5.1.3 信念传播的应用
5.1.4 相似性度量的预期性质
5.2 DELTACON：“δ”连通性动态检测
5.2.1 算法描述
5.2.2 快速计算
5.2.3 预期性质
5.3 DELTACON-ATTR：节点和边的归因
5.3.1 算法描述
5.3.2 可扩展性
5.4 实证结果
5.4.1 DELTACON与直觉的一致性
5.4.2 DELTACON-ATTR与直觉的一致性
5.4.3 可扩展性
5.4.4 鲁棒性
5.5 应用
5.5.1 Enron数据集实证分析
5.5.2 大脑连通图聚类
5.5.3 恢复连接组的对应关系
5.6 相关工作
第6章 图的对齐
6.1 问题的形式化描述
6.2 BIG-ALIGN：二分图的对齐
6.2.1 数学形式化表示
6.2.2 具体问题的优化
6.2.3 算法描述
6.3 UNI-ALIGN：二分图对齐算法在单分图上的推广
6.4 实证结果
6.4.1 BIG-ALIGN的准确度和运行时间
6.4.2 UNI-ALIGN的准确度和运行时间
6.5 讨论
6.6 相关工作
第7章 结论与进一步的研究问题
参考文献