描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787111743989
编辑推荐
本书系统性梳理计算社会学理论和方法的论著，具有极高的教学价值。书中详细介绍了社会网络分析的基础理论、动力学模型和网络统计分析，并将其应用于涌现和传染病等实际领域。此外，书中还深入介绍了人工智能算法（如深度学习）在智能推荐、文本分析、假消息检测和虚拟社交机器人等领域的应用。这本书的特别之处在于融合了计算机科学、社会学、人工智能和复杂网络等多个学科的专业概念，全面呈现了计算社会学领域最新的研究成果和关键技术突破。对于计算社会学的教学而言，这本书是不可或缺的宝贵资料。
内容简介
自2009年至今，计算社会学步入了发展的黄金时期。多学科的深度交叉融合，以人工智能为代表的数据科学方法的快速发展以及跨空间、多模态数据的快速富集等都使得计算社会学得到蓬勃发展，让社会科学研究呈现出崭新面貌，为解释人类行为、群体认知、社会演化等提供了重要的理论和方法支撑。本书采用渐进式的组织思路，以人工智能的经典模型为基础理论支撑，从社交网络分析、网络动力学、社交媒体挖掘与社群智能三个维度进行延伸，围绕典型应用系统梳理计算社会学的代表性应用。在兼顾广度和深度的前提下，本书深度融合计算机科学、社会学、人工智能、复杂网络、统计学和自然语言处理等多学科的专业概念，突出社会计算学近年来的研究成果和关键技术突破。本书为人工智能与社会科学交叉融合提供了系统性的理论框架、方法体系与应用阐释，是研究人员、专业人员以及工程、计算、AI、互联网等领域的技术人员不可或缺的参考资料，同时也可作为相关领域的高年级本科生和研究生的教材。
目 录
推荐序一
推荐序二
前言
第一篇 网络动力学篇
第 1 章 级联行为 ……………………… 2
1. 1 网络中的级联现象 …………… 2
1. 1. 1 级联现象 ………………… 2
1. 1. 2 信息级联 ………………… 3
1. 1. 3 级联的特点 ……………… 5
1. 2 级联与聚簇 …………………… 5
1. 2. 1 级联行为下的协调博弈 ………………… 6
1. 2. 2 网络聚簇对级联的
影响 ……………………… 9
1. 3 网络级联模型………………… 11
1. 3. 1 独立级联模型…………… 11
1. 3. 2 线性阈值模型…………… 14
1. 4 逾渗理论与晶格模型………… 15
1. 4. 1 逾渗现象………………… 16
1. 4. 2 基本逾渗模型…………… 16
1. 4. 3 晶格模型………………… 20
1. 5 社会逾渗模型………………… 22
1. 5. 1 复杂网络逾渗…………… 23
1. 5. 2 定向逾渗模型…………… 24
1. 5. 3 首达逾渗模型…………… 25
1. 5. 4 爆发性逾渗模型………… 25
小结 ………………………………… 27
习题 ………………………………… 28
参考文献 …………………………… 30
第 2 章 随机网络 ……………………… 33
2. 1 随机网络模型………………… 33
2. 1. 1 ER 随机网络模型 ……… 33
2. 1. 2 P1 随机网络模型 ……… 35
2. 1. 3 P2 随机网络模型 ……… 40
2. 1. 4 指数随机网络模型……… 41
2. 2 随机网络模拟实验…………… 42
2. 2. 1 随机网络生成…………… 43
2. 2. 2 随机网络特性…………… 45
小结 ………………………………… 49
习题 ………………………………… 49
参考文献 …………………………… 50
第 3 章 小世界现象 …………………… 51
3. 1 小世界现象: 六度分隔……… 51
3. 1. 1 六度分隔实验…………… 52
3. 1. 2 六度分隔实验拓展……… 53
3. 2 小世界网络模型……………… 54
3. 2. 1 W-S 模型………………… 54
3. 2. 2 W-S-K 模型……………… 58
3. 2. 3 其他改进的 W-S 模型 …… 60
3. 3 小世界模型仿真……………… 61
3. 4 小世界模型应用……………… 64
小结 ………………………………… 65
习题 ………………………………… 66
参考文献 …………………………… 66
第 4 章 幂律分布网络 ………………… 69
4. 1 幂律…………………………… 69
4. 1. 1 幂律的定义……………… 69
4. 1. 2 幂律的应用……………… 72
4. 2 马太效应与长尾效应………… 73
4. 2. 1 马太效应的定义………… 73
4. 2. 2 长尾效应的定义………… 75
4. 3 无标度网络…………………… 76
4. 3. 1 现实网络的无标度
分析……………………… 77
4. 3. 2 无标度网络的定义及
特性……………………… 78
4. 3. 3 无标度网络的典型构建
模型……………………… 81
小结 ………………………………… 85
习题 ………………………………… 86
参考文献 …………………………… 86
第 5 章 流行病学 ……………………… 91
5. 1 仓室传染病模型……………… 91
5. 1. 1 经典传染病模型………… 91
5. 1. 2 扩展传染病模型………… 95
5. 1. 3 疾病传播阈值理论……… 98
5. 1. 4 传染病的防控…………… 99
5. 2 复杂网络传染病模型 ……… 100
5. 2. 1 接触网络模型中的疾病传播 ………… 102
5. 2. 2 集合种群模型中的疾病传播 ………… 104
小结………………………………… 108
习题………………………………… 108
参考文献…………………………… 108
第二篇 社交媒体挖掘与社群智能篇
第 6 章 自然语言处理 ……………… 112
6. 1 自然语言处理概述 ………… 112
6. 2 语言模型 …………………… 115
6. 2. 1 统计语言模型 ………… 116
6. 2. 2 神经网络语言模型 …… 117
6. 2. 3 语言模型评价指标 …… 120
6. 3 文本表示 …………………… 121
6. 3. 1 离散表示 ……………… 121
6. 3. 2 基于共现矩阵的分布式表示 ……………… 122
6. 3. 3 基于神经网络的分布式表示 ……………… 123
6. 4 预训练动态词向量 ………… 127
6. 4. 1 预训练概念 …………… 127
6. 4. 2 ELMO 模型 …………… 128
6. 4. 3 GPT 模型 ……………… 129
6. 4. 4 BERT 模型 …………… 131
6. 4. 5 基于 BERT 的改进模型 ……………… 132
6. 4. 6 XLNet 模型 …………… 134
6. 5 统计学习模型 ……………… 136
6. 5. 1 马尔可夫模型 ………… 137
6. 5. 2 条件随机场 …………… 139
6. 6 自然语言处理典型任务 …… 144
6. 6. 1 文本预处理任务 ……… 144
6. 6. 2 词性
推荐序二
前言
第一篇 网络动力学篇
第 1 章 级联行为 ……………………… 2
1. 1 网络中的级联现象 …………… 2
1. 1. 1 级联现象 ………………… 2
1. 1. 2 信息级联 ………………… 3
1. 1. 3 级联的特点 ……………… 5
1. 2 级联与聚簇 …………………… 5
1. 2. 1 级联行为下的协调博弈 ………………… 6
1. 2. 2 网络聚簇对级联的
影响 ……………………… 9
1. 3 网络级联模型………………… 11
1. 3. 1 独立级联模型…………… 11
1. 3. 2 线性阈值模型…………… 14
1. 4 逾渗理论与晶格模型………… 15
1. 4. 1 逾渗现象………………… 16
1. 4. 2 基本逾渗模型…………… 16
1. 4. 3 晶格模型………………… 20
1. 5 社会逾渗模型………………… 22
1. 5. 1 复杂网络逾渗…………… 23
1. 5. 2 定向逾渗模型…………… 24
1. 5. 3 首达逾渗模型…………… 25
1. 5. 4 爆发性逾渗模型………… 25
小结 ………………………………… 27
习题 ………………………………… 28
参考文献 …………………………… 30
第 2 章 随机网络 ……………………… 33
2. 1 随机网络模型………………… 33
2. 1. 1 ER 随机网络模型 ……… 33
2. 1. 2 P1 随机网络模型 ……… 35
2. 1. 3 P2 随机网络模型 ……… 40
2. 1. 4 指数随机网络模型……… 41
2. 2 随机网络模拟实验…………… 42
2. 2. 1 随机网络生成…………… 43
2. 2. 2 随机网络特性…………… 45
小结 ………………………………… 49
习题 ………………………………… 49
参考文献 …………………………… 50
第 3 章 小世界现象 …………………… 51
3. 1 小世界现象: 六度分隔……… 51
3. 1. 1 六度分隔实验…………… 52
3. 1. 2 六度分隔实验拓展……… 53
3. 2 小世界网络模型……………… 54
3. 2. 1 W-S 模型………………… 54
3. 2. 2 W-S-K 模型……………… 58
3. 2. 3 其他改进的 W-S 模型 …… 60
3. 3 小世界模型仿真……………… 61
3. 4 小世界模型应用……………… 64
小结 ………………………………… 65
习题 ………………………………… 66
参考文献 …………………………… 66
第 4 章 幂律分布网络 ………………… 69
4. 1 幂律…………………………… 69
4. 1. 1 幂律的定义……………… 69
4. 1. 2 幂律的应用……………… 72
4. 2 马太效应与长尾效应………… 73
4. 2. 1 马太效应的定义………… 73
4. 2. 2 长尾效应的定义………… 75
4. 3 无标度网络…………………… 76
4. 3. 1 现实网络的无标度
分析……………………… 77
4. 3. 2 无标度网络的定义及
特性……………………… 78
4. 3. 3 无标度网络的典型构建
模型……………………… 81
小结 ………………………………… 85
习题 ………………………………… 86
参考文献 …………………………… 86
第 5 章 流行病学 ……………………… 91
5. 1 仓室传染病模型……………… 91
5. 1. 1 经典传染病模型………… 91
5. 1. 2 扩展传染病模型………… 95
5. 1. 3 疾病传播阈值理论……… 98
5. 1. 4 传染病的防控…………… 99
5. 2 复杂网络传染病模型 ……… 100
5. 2. 1 接触网络模型中的疾病传播 ………… 102
5. 2. 2 集合种群模型中的疾病传播 ………… 104
小结………………………………… 108
习题………………………………… 108
参考文献…………………………… 108
第二篇 社交媒体挖掘与社群智能篇
第 6 章 自然语言处理 ……………… 112
6. 1 自然语言处理概述 ………… 112
6. 2 语言模型 …………………… 115
6. 2. 1 统计语言模型 ………… 116
6. 2. 2 神经网络语言模型 …… 117
6. 2. 3 语言模型评价指标 …… 120
6. 3 文本表示 …………………… 121
6. 3. 1 离散表示 ……………… 121
6. 3. 2 基于共现矩阵的分布式表示 ……………… 122
6. 3. 3 基于神经网络的分布式表示 ……………… 123
6. 4 预训练动态词向量 ………… 127
6. 4. 1 预训练概念 …………… 127
6. 4. 2 ELMO 模型 …………… 128
6. 4. 3 GPT 模型 ……………… 129
6. 4. 4 BERT 模型 …………… 131
6. 4. 5 基于 BERT 的改进模型 ……………… 132
6. 4. 6 XLNet 模型 …………… 134
6. 5 统计学习模型 ……………… 136
6. 5. 1 马尔可夫模型 ………… 137
6. 5. 2 条件随机场 …………… 139
6. 6 自然语言处理典型任务 …… 144
6. 6. 1 文本预处理任务 ……… 144
6. 6. 2 词性
前 言
2009年，以哈佛大学拉泽尔教授为首的15名顶级学者在《科学》(Science)发表署名文章，首次提出“计算社会学”(Computational Social Science)这一概念。计算社会学以移动互联网、社交媒体、物联网等新兴技术为基础，借助于统计理论、知识推理和人工智能等理论体系，从跨域、连续、非结构化的海量数据中分析个体的静态属性，洞察群体和宏观社会的动态变化，是一门蓬勃发展的综合性交叉学科。计算社会学已经广泛地应用到政治、经济、社会文化、公共健康等多个领域，与大众的切身利益休戚相关，对国家的战略安全与社会稳定意义重大。
十多年来，以移动社交网络、智能手机与可穿戴设备、泛在的物联网终端为代表的信息技术和产品得到广泛应用，为计算社会学提供了前所未见的大规模、多侧面的人类行为感知能力。同时，以大数据和人工智能为代表的数据科学理论，使得研究人员能够抽丝剥茧从大量纷繁芜杂的数据中发现和洞悉其中的本质。层出不穷的新型感知技术和智能算法为研究人类社会提供了一个全新的路径，正在不断地改变社会科学家和数据科学家探索世界、发现规律的方式。
《计算社会学》是一本系统性梳理计算社会学相关理论和方法的论著。一方面，本书从传统复杂网络分析的角度，详细阐述了社会网络分析的基础理论和动力学模型——随机网络、小世界网络、无标度网络和网络统计分析理论等，并将网络过程和行为应用于涌现、流行病学研究等方面。另一方面，融合人工智能在自然语言处理、推荐算法等领域的进展，阐述了人工智能算法尤其是深度学习理论等在智能推荐、文本分析、假消息检测、虚拟社交机器人等领域的应用。在兼顾广度和深度的前提下，本书深度融合计算机科学、社会学、人工智能和复杂网络等多学科的专业概念，突出阐述了计算社会学领域近年来的最新研究成果和关键技术突破。
本书分为上、下两册，采用理论、方法与关键技术相结合的方式安排各章内容。上册《计算社会学：基础理论篇》分为基础支撑理论与算法篇和社会网络分析篇，首先介绍图论及机器学习的基本概念，进而对典型的机器学习算法如线性回归、聚类算法和分类算法，以及极具代表性的深度神经网络算法（如卷积神经网络、循环神经网络、对抗生成网络等）进行基础性介绍，最后从网络基本理论（三元闭包等）出发介绍了强关系和弱关系的应用和联系，从选择和社会影响两个角度阐述了同质化的形成原理，并且阐述了网络极化的形成机理与度量方法，进而从节点权力的角度阐述社会权力的核心内涵。下册《计算社会学：系统应用篇》分为网络动力学篇和社交媒体挖掘与社群智能篇，首先介绍了典型的网络动力学模型，如逾渗理论、ER随机模型、小世界模型和无标度网络模型等，并重点介绍了传染病的建模方法，同时以自然语言理解为基础介绍社交媒体挖掘方法，包括自然语言模型、话题模型等，进而介绍了用户画像、智能推荐、假消息传播和虚拟机器人等计算社会学前沿技术。
上册：
1基础支撑理论与算法篇（第1~8章）
第1章简要介绍图论的基本概念和计算理论，包括图的表示、存储、遍历和最短路径等经典问题。第2章介绍机器学习的基本概念和发展历程，重点介绍机器学习的基本数据处理流程，包括数据预处理、特征抽取与选择、误差的产生和模型评估等。
第3~5章为基础算法。其中第3章主要介绍线性回归模型，包括一元线性回归和多元线性回归。第4章为聚类算法，从聚类问题的核心目标任务出发，引入了聚类中的一个重要概念——距离度量，系统梳理了聚类任务中的典型算法。第5章主要内容包括贝叶斯分类器、支持向量机、决策树和随机森林。另外针对单一模型能力有限的问题，介绍集成学习方法，支持相同或者不同基模型的融合。
第6~8章为高级算法。其中第6章介绍传统的神经网络的基本概念和理论，包括神经元模型、多层感知机、误差反向传播以及其他新型的神经网络，例如玻尔兹曼机、脉冲神经网络等。第7章介绍卷积神经网络、循环神经网络、图神经网络等模型，并从模型训练出发介绍网络模型训练优化方法。第8章介绍其他高级神经网络，包括对抗生成网络、自编码器、编-解码器、注意力机制。
2社会网络分析篇（第9~12章）
第9章从三元闭包等理论出发介绍了强关系和弱关系的应用和联系。第10章首先引入了社会同质现象，并从社会选择和社会影响两个角度阐述同质化的形成原理，并介绍同质化的社会性影响，包括人群隔离、感知偏差、同伴效应等。第11章从网络结构的角度介绍认知平衡模型和结构平衡理论，针对网络中广泛存在的极化现象，阐述了极化的成因以及极化网络的检测和量化方法。第12章从节点权力的角度对社会网络进行深入分析，阐述社会权力的形成机理和量化方法，包括纳什均衡与网络议价、节点权力的度量等。
下册：
1网络动力学篇（第1~5章）
第1章从随大流现象出发，介绍了网络中信息传播的经典模型，包括级联模型、晶格理论、逾渗理论及其变种。第2章重点介绍了ER随机模型及其统计特性，并通过仿真实验对ER模型进行验证分析。第3章从经典的六度分隔实验出发，引入小世界现象，进而介绍了小世
十多年来，以移动社交网络、智能手机与可穿戴设备、泛在的物联网终端为代表的信息技术和产品得到广泛应用，为计算社会学提供了前所未见的大规模、多侧面的人类行为感知能力。同时，以大数据和人工智能为代表的数据科学理论，使得研究人员能够抽丝剥茧从大量纷繁芜杂的数据中发现和洞悉其中的本质。层出不穷的新型感知技术和智能算法为研究人类社会提供了一个全新的路径，正在不断地改变社会科学家和数据科学家探索世界、发现规律的方式。
《计算社会学》是一本系统性梳理计算社会学相关理论和方法的论著。一方面，本书从传统复杂网络分析的角度，详细阐述了社会网络分析的基础理论和动力学模型——随机网络、小世界网络、无标度网络和网络统计分析理论等，并将网络过程和行为应用于涌现、流行病学研究等方面。另一方面，融合人工智能在自然语言处理、推荐算法等领域的进展，阐述了人工智能算法尤其是深度学习理论等在智能推荐、文本分析、假消息检测、虚拟社交机器人等领域的应用。在兼顾广度和深度的前提下，本书深度融合计算机科学、社会学、人工智能和复杂网络等多学科的专业概念，突出阐述了计算社会学领域近年来的最新研究成果和关键技术突破。
本书分为上、下两册，采用理论、方法与关键技术相结合的方式安排各章内容。上册《计算社会学：基础理论篇》分为基础支撑理论与算法篇和社会网络分析篇，首先介绍图论及机器学习的基本概念，进而对典型的机器学习算法如线性回归、聚类算法和分类算法，以及极具代表性的深度神经网络算法（如卷积神经网络、循环神经网络、对抗生成网络等）进行基础性介绍，最后从网络基本理论（三元闭包等）出发介绍了强关系和弱关系的应用和联系，从选择和社会影响两个角度阐述了同质化的形成原理，并且阐述了网络极化的形成机理与度量方法，进而从节点权力的角度阐述社会权力的核心内涵。下册《计算社会学：系统应用篇》分为网络动力学篇和社交媒体挖掘与社群智能篇，首先介绍了典型的网络动力学模型，如逾渗理论、ER随机模型、小世界模型和无标度网络模型等，并重点介绍了传染病的建模方法，同时以自然语言理解为基础介绍社交媒体挖掘方法，包括自然语言模型、话题模型等，进而介绍了用户画像、智能推荐、假消息传播和虚拟机器人等计算社会学前沿技术。
上册：
1基础支撑理论与算法篇（第1~8章）
第1章简要介绍图论的基本概念和计算理论，包括图的表示、存储、遍历和最短路径等经典问题。第2章介绍机器学习的基本概念和发展历程，重点介绍机器学习的基本数据处理流程，包括数据预处理、特征抽取与选择、误差的产生和模型评估等。
第3~5章为基础算法。其中第3章主要介绍线性回归模型，包括一元线性回归和多元线性回归。第4章为聚类算法，从聚类问题的核心目标任务出发，引入了聚类中的一个重要概念——距离度量，系统梳理了聚类任务中的典型算法。第5章主要内容包括贝叶斯分类器、支持向量机、决策树和随机森林。另外针对单一模型能力有限的问题，介绍集成学习方法，支持相同或者不同基模型的融合。
第6~8章为高级算法。其中第6章介绍传统的神经网络的基本概念和理论，包括神经元模型、多层感知机、误差反向传播以及其他新型的神经网络，例如玻尔兹曼机、脉冲神经网络等。第7章介绍卷积神经网络、循环神经网络、图神经网络等模型，并从模型训练出发介绍网络模型训练优化方法。第8章介绍其他高级神经网络，包括对抗生成网络、自编码器、编-解码器、注意力机制。
2社会网络分析篇（第9~12章）
第9章从三元闭包等理论出发介绍了强关系和弱关系的应用和联系。第10章首先引入了社会同质现象，并从社会选择和社会影响两个角度阐述同质化的形成原理，并介绍同质化的社会性影响，包括人群隔离、感知偏差、同伴效应等。第11章从网络结构的角度介绍认知平衡模型和结构平衡理论，针对网络中广泛存在的极化现象，阐述了极化的成因以及极化网络的检测和量化方法。第12章从节点权力的角度对社会网络进行深入分析，阐述社会权力的形成机理和量化方法，包括纳什均衡与网络议价、节点权力的度量等。
下册：
1网络动力学篇（第1~5章）
第1章从随大流现象出发，介绍了网络中信息传播的经典模型，包括级联模型、晶格理论、逾渗理论及其变种。第2章重点介绍了ER随机模型及其统计特性，并通过仿真实验对ER模型进行验证分析。第3章从经典的六度分隔实验出发，引入小世界现象，进而介绍了小世
评论
还没有评论。