编辑推荐
一本系统性梳理计算社会学相关理论和方法的论著。
内容简介
一方面，本书从传统复杂网络分析的角度，详细阐述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、传染病等方面。
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。
作者简介
作者郭斌，1980年生，工学博士，西北工业大学计算机学院教授/博导，计算机系统与微电子系主任，智能感知与计算工信部重点实验室副主任。
章节目录
版权信息
推荐序一
推荐序二
前言
第0章 绪论
0.1 社会学发展历程
0.2 计算社会学发展历程
0.3 计算社会学主要研究内容
0.4 新型社会计算系统的研制与开发
习题
参考文献
第一篇 基础支撑理论与算法篇
第1章 图论
1.1 图的基本概念
1.2 图的存储表示
1.3 图的遍历
1.4 图的相关应用
小结
习题
参考文献
第2章 理论方法概述
2.1 机器学习概览
2.2 数据预处理
2.3 特征抽取与选择
2.4 经验误差与测试误差
2.5 模型评估与选择
小结
习题
参考文献
第3章 线性模型
3.1 基本形式
3.2 线性回归
3.3 逻辑回归
3.4 线性判别分析
小结
习题
参考文献
第4章 聚类
4.1 聚类任务
4.2 基于划分的聚类算法
4.3 基于层次的聚类算法
4.4 基于密度的聚类算法
小结
习题
参考文献
第5章 分类
5.1 决策树
5.2 贝叶斯分类
5.3 支持向量机
5.4 集成学习
小结
习题
参考文献
第6章 神经网络
6.1 神经元模型
6.2 感知机
6.3 误差反向传播算法
6.4 其他常见的神经网络模型
小结
习题
参考文献
第7章 深度学习网络
7.1 深度学习网络概述
7.2 卷积神经网络
7.3 循环神经网络
7.4 图神经网络
7.5 网络训练优化
小结
习题
参考文献
第8章 高级神经网络框架
8.1 自编码器
8.2 编-解码器框架
8.3 注意力机制
8.4 生成对抗网络
小结
习题
参考文献
第二篇 社会网络分析篇
第9章 网络结构与联系
9.1 三元闭包
9.2 强联系与弱联系
9.3 网络社区划分
小结
习题
参考文献
第10章 同质性
10.1 同质现象
10.2 同质性的测量
10.3 同质现象的成因
10.4 同质现象的影响
小结
习题
参考文献
第11章 网络的平衡与极化
11.1 认知平衡模型
11.2 结构平衡理论
11.3 极化现象
11.4 极化网络分析
小结
习题
参考文献
第12章 社会权力
12.1 社会网络中的权力
12.2 纳什均衡与网络议价
12.3 节点权力的度量
小结
习题
参考文献
计算社会学：基础理论篇是2023年由机械工业出版社出版,作者郭斌。
得书感谢您对《计算社会学：基础理论篇》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
