計算社會學：系統(tǒng)應用篇

定　價：￥99.00

作　者：	郭斌梁韻基於志文
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥83.60)

ISBN：	9787111743989	出版時間：	2024-03-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　自2009年至今，計算社會學步入了發(fā)展的黃金時期。多學科的深度交叉融合，以人工智能為代表的數(shù)據(jù)科學方法的快速發(fā)展以及跨空間、多模態(tài)數(shù)據(jù)的快速富集等都使得計算社會學得到蓬勃發(fā)展，讓社會科學研究呈現(xiàn)出嶄新面貌，為解釋人類行為、群體認知、社會演化等提供了重要的理論和方法支撐。本書采用漸進式的組織思路，以人工智能的經(jīng)典模型為基礎理論支撐，從社交網(wǎng)絡分析、網(wǎng)絡動力學、社交媒體挖掘與社群智能三個維度進行延伸，圍繞典型應用系統(tǒng)梳理計算社會學的代表性應用。在兼顧廣度和深度的前提下，本書深度融合計算機科學、社會學、人工智能、復雜網(wǎng)絡、統(tǒng)計學和自然語言處理等多學科的專業(yè)概念，突出社會計算學近年來的研究成果和關鍵技術突破。本書為人工智能與社會科學交叉融合提供了系統(tǒng)性的理論框架、方法體系與應用闡釋，是研究人員、專業(yè)人員以及工程、計算、AI、互聯(lián)網(wǎng)等領域的技術人員不可或缺的參考資料，同時也可作為相關領域的高年級本科生和研究生的教材。

作者簡介

　　郭斌，工學博士，西北工業(yè)大學計算機學院教授/副院長，國家杰出青年科學基金獲得者，工信部智能感知與計算重點實驗室副主任，“一帶一路”智能物聯(lián)網(wǎng)國際合作聯(lián)盟秘書長。2009年在日本慶應大學獲博士學位，2009-2011年在法國國立電信學院進行博士后研究。主要從事普適與泛在計算、移動群智感知、人機物融合群智計算方面研究。在IEEE/ACM匯刊等國內(nèi)外重要期刊和會議上發(fā)表論文150余篇，曾獲得自然科學一等獎、陜西省自然科學一等獎以及IEEE UIC’17等國際會議“最佳論文獎。梁韻基，工學博士，西北工業(yè)大學計算機學院副教授，任CCF普適計算專委會委員。主要研究方向為群智感知、智能物聯(lián)網(wǎng)、信息系統(tǒng)等。在IEEE TDSC、IEEE TMC、ACM TKDD、ACM TOSN、IEEE TIV等國際著名期刊和 AAAI、ACM UbiComp等國際會議上發(fā)表論文50余篇，主持國家自然科學基金面上項目、青年項目、國家重點研發(fā)計劃子課題、人工智能2030計劃子課題等。獲得陜西省自然科學一等獎、陜西高等學校科學技術特等獎。於志文工學博士，西北工業(yè)大學教授，哈爾濱工程大學副校長，“長江學者”特聘教授，國家杰出青年科學基金獲得者，國家“萬人計劃”科技創(chuàng)新領軍人才，國家重點研發(fā)專項項目首席科學家。人機物融合群智計算重點實驗室主任，工信部智能感知與計算重點實驗室主任。主要從事移動互聯(lián)網(wǎng)、普適計算、人機系統(tǒng)、社會感知等領域的研究工作。已在IEEE TMC、IEEETKDE等國際頂級學術期刊和INFOCOM、ACM UbiComp、KDD 等國際會議上發(fā)表論文150余篇。擔任IEEE Transactions on Human-Machine Systems、IEEE Communications Magazine、ACM IMWUT等國際權威期刊編委，擔任ACM UbiComp、IEEE PerCom、IJCAI 等國際會議程序委員或主席40余次。擔任ACM西安分會主席，IEEE高級會員，中國計算機學會會士、常務理事、普適計算專業(yè)委員會主任等。曾獲中國計算機學會優(yōu)秀博士學位論文獎、中國計算機學會青年科學家獎、國家級教學成果二等獎、自然科學一等獎和陜西省科學技術一等獎。

圖書目錄

推薦序一
推薦序二
前言
第一篇網(wǎng)絡動力學篇
第 1 章級聯(lián)行為 ……………………… 2
1. 1 網(wǎng)絡中的級聯(lián)現(xiàn)象 …………… 2
1. 1. 1 級聯(lián)現(xiàn)象 ………………… 2
1. 1. 2 信息級聯(lián) ………………… 3
1. 1. 3 級聯(lián)的特點 ……………… 5
1. 2 級聯(lián)與聚簇 …………………… 5
1. 2. 1 級聯(lián)行為下的協(xié)調(diào)博弈 ………………… 6
1. 2. 2 網(wǎng)絡聚簇對級聯(lián)的
影響 ……………………… 9
1. 3 網(wǎng)絡級聯(lián)模型………………… 11
1. 3. 1 獨立級聯(lián)模型…………… 11
1. 3. 2 線性閾值模型…………… 14
1. 4 逾滲理論與晶格模型………… 15
1. 4. 1 逾滲現(xiàn)象………………… 16
1. 4. 2 基本逾滲模型…………… 16
1. 4. 3 晶格模型………………… 20
1. 5 社會逾滲模型………………… 22
1. 5. 1 復雜網(wǎng)絡逾滲…………… 23
1. 5. 2 定向逾滲模型…………… 24
1. 5. 3 首達逾滲模型…………… 25
1. 5. 4 爆發(fā)性逾滲模型………… 25
小結(jié) ………………………………… 27
習題 ………………………………… 28
參考文獻 …………………………… 30
第 2 章隨機網(wǎng)絡 ……………………… 33
2. 1 隨機網(wǎng)絡模型………………… 33
2. 1. 1 ER 隨機網(wǎng)絡模型 ……… 33
2. 1. 2 P1 隨機網(wǎng)絡模型 ……… 35
2. 1. 3 P2 隨機網(wǎng)絡模型 ……… 40
2. 1. 4 指數(shù)隨機網(wǎng)絡模型……… 41
2. 2 隨機網(wǎng)絡模擬實驗…………… 42
2. 2. 1 隨機網(wǎng)絡生成…………… 43
2. 2. 2 隨機網(wǎng)絡特性…………… 45
小結(jié) ………………………………… 49
習題 ………………………………… 49
參考文獻 …………………………… 50
第 3 章小世界現(xiàn)象 …………………… 51
3. 1 小世界現(xiàn)象: 六度分隔……… 51
3. 1. 1 六度分隔實驗…………… 52
3. 1. 2 六度分隔實驗拓展……… 53
3. 2 小世界網(wǎng)絡模型……………… 54
3. 2. 1 W-S 模型………………… 54
3. 2. 2 W-S-K 模型……………… 58
3. 2. 3 其他改進的 W-S 模型 …… 60
3. 3 小世界模型仿真……………… 61
3. 4 小世界模型應用……………… 64
小結(jié) ………………………………… 65
習題 ………………………………… 66
參考文獻 …………………………… 66
第 4 章冪律分布網(wǎng)絡 ………………… 69
4. 1 冪律…………………………… 69
4. 1. 1 冪律的定義……………… 69
4. 1. 2 冪律的應用……………… 72
4. 2 馬太效應與長尾效應………… 73
4. 2. 1 馬太效應的定義………… 73
4. 2. 2 長尾效應的定義………… 75
4. 3 無標度網(wǎng)絡…………………… 76
4. 3. 1 現(xiàn)實網(wǎng)絡的無標度
分析……………………… 77
4. 3. 2 無標度網(wǎng)絡的定義及
特性……………………… 78
4. 3. 3 無標度網(wǎng)絡的典型構建
模型……………………… 81
小結(jié) ………………………………… 85
習題 ………………………………… 86
參考文獻 …………………………… 86
第 5 章流行病學 ……………………… 91
5. 1 倉室傳染病模型……………… 91
5. 1. 1 經(jīng)典傳染病模型………… 91
5. 1. 2 擴展傳染病模型………… 95
5. 1. 3 疾病傳播閾值理論……… 98
5. 1. 4 傳染病的防控…………… 99
5. 2 復雜網(wǎng)絡傳染病模型 ……… 100
5. 2. 1 接觸網(wǎng)絡模型中的疾病傳播 ………… 102
5. 2. 2 集合種群模型中的疾病傳播 ………… 104
小結(jié)………………………………… 108
習題………………………………… 108
參考文獻…………………………… 108
第二篇社交媒體挖掘與社群智能篇
第 6 章自然語言處理 ……………… 112
6. 1 自然語言處理概述 ………… 112
6. 2 語言模型 …………………… 115
6. 2. 1 統(tǒng)計語言模型 ………… 116
6. 2. 2 神經(jīng)網(wǎng)絡語言模型 …… 117
6. 2. 3 語言模型評價指標 …… 120
6. 3 文本表示 …………………… 121
6. 3. 1 離散表示 ……………… 121
6. 3. 2 基于共現(xiàn)矩陣的分布式表示 ……………… 122
6. 3. 3 基于神經(jīng)網(wǎng)絡的分布式表示 ……………… 123
6. 4 預訓練動態(tài)詞向量 ………… 127
6. 4. 1 預訓練概念 …………… 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 的改進模型 ……………… 132
6. 4. 6 XLNet 模型 …………… 134
6. 5 統(tǒng)計學習模型 ……………… 136
6. 5. 1 馬爾可夫模型 ………… 137
6. 5. 2 條件隨機場 …………… 139
6. 6 自然語言處理典型任務 …… 144
6. 6. 1 文本預處理任務 ……… 144
6. 6. 2 詞性