第1章 Pythonを用いた複雑ネットワーク分析
1.1 はじめに
1.2 Python および外部モジュールのインストール
1.3 Jupyterノートブック
1.4 基本ツール
1.4.1 NumPy
1.4.2 SciPy
1.4.3 Matplotlib
1.5 統計解析ツール
1.5.1 pandas
1.5.2 StatsModels
1.6 よく知られたネットワーク分析ツール：NetworkX
1.7 最新でより強力な分析ツール：graph-tool
1.7.1 インストール
1.7.2 基本処理
1.7.3 Watts-Strogatz モデル
1.7.4 スケールフリーネットワークの持つアキレスの踵
1.7.5 次数相関を持つネットワークの頑強性
1.7.6 SIR モデル
1.8 計算の高速化
1.8.1 実行時間計測ツール
1.8.2 Cython
1.8.3 Numba
1.9 おわりに
コラム1：より詳しく学ぶための参考図書

第2章 ネットワーク分析指標の経済系への応用
2.1 はじめに
2.1.1 ネットワーク科学の3つのアプローチ
2.1.2 ネットワーク科学と社会科学
2.1.3 本章の構成
2.2 経済システムのシステミック・リスクに関するネットワーク研究
2.2.1 システミック・リスク
2.2.2 社会的情報カスケードモデルの応用
2.2.3 DebtRank
2.3 国の経済発展に関するネットワーク研究
2.3.1 国家経済の複雑性に関する課題
2.3.2 Nestedness（入れ子性）
2.3.3 国の産業の多様度と製品の遍在度
2.3.4 経済の複雑性を測る指標
2.3.5 Relatedness
2.4 企業間サプライチェーンに関するネットワーク研究
2.4.1 サプライチェーン構造に関する課題
2.4.2 サプライヤの依存度と重要度
2.4.3 サプライネットワークとNestedness，Relatedness
2.5 道具箱としての2章のまとめ
コラム2：ネットワークのオープンデータと可視化ツール
参考文献

第3章 ランダムウォーク：コミュニティ抽出のキーツール
3.1 はじめに
3.2 ネットワーク上のランダムウォーク
3.2.1 用語と記法
3.2.2 ネットワークにおけるランダムウォークのダイナミクス
3.3 代表的なコミュニティ抽出：ランダムウォークの枠組みによる定式化
3.3.1 コミュニティ
3.3.2 ランダムウォークの滞留としてのコミュニティ
3.3.3 モジュラリティ最大化
3.3.4 インフォマップ
3.4 コミュニティ抽出機能の拡張
3.4.1 マルコフ連鎖のモジュール分解
3.4.2 遍在的コミュニティ
3.4.3 MDMCによるコミュニティ抽出
3.5 今後の展望
3.5.1 コミュニティ抽出の課題
3.5.2 フロンティアとしてのネットワーク型データ分析
3.6 道具箱としての3章のまとめ
コラム3：リッチクラブ–金持ち同士は偶然以上につながっているか？–
参考文献

第4章 インフルエンサーの抽出や最適な攻撃耐性に関する進展
4.1 SNSなどにおける口コミの影響力をビジネスに
4.2 口コミの影響力を表す指標
4.2.1 Collective Influence の基本的考え方
4.2.2 lホップ先の恣意性がない CI propagation
4.2.3 多数決の情報伝搬 LTモデルに対する拡張
4.2.4 GoogleのPageRank中心性との類似
4.3 攻撃耐性の最適強化は本質的に難しい
4.4 機械学習的な高速近似解法
4.5 攻撃に最も強い玉葱状構造の創発
4.5.1 正の次数相関を持つ玉葱状構造
4.5.2 仲介に基づく玉葱状構造の自己組織化
4.5.3 数値例 —頑健性とレジリエンスについて—
4.5.4 次数分布の数値的推定法 —BAモデルにおける解析の拡張—
4.6 道具箱としての4章のまとめ