新書推薦：
《
长高食谱 让孩子长高个的饮食方案 0-15周岁儿童调理脾胃食谱书籍宝宝辅食书 让孩子爱吃饭 6-9-12岁儿童营养健康食谱书大全 助力孩子身体棒胃口好长得高
》
售價：NT$
214.0
《
身体自愈力：解决内在病因的身体智慧指南
》
售價：NT$
449.0
《
非言语沟通经典入门：影响人际交往的重要力量（第7版）
》
售價：NT$
560.0
《
山西寺观艺术壁画精编卷
》
售價：NT$
7650.0
《
中国摄影 中式摄影的独特魅力
》
售價：NT$
4998.0
《
山西寺观艺术彩塑精编卷
》
售價：NT$
7650.0
《
积极心理学
》
售價：NT$
254.0
《
自由，不是放纵
》
售價：NT$
250.0
|
| 內容簡介： |
|
在线社会关系网络中信息传播建模与预测研究是网络科学、社会计算等领域的研究热点之一。深入分析网络信息传播的基本模式和内在规律，有助于提高网络管理的科学化水平、规范网络信息传播秩序、培育安全稳定的网络环境，具有重要的理论意义和广阔的应用前景。本书着眼于网络信息传播的微观机理，围绕用户交互的动态性、传播过程的复杂性和人类行为的时间尺度非均匀性等挑战展开研究，形成系列模型和算法，力争为网络信息传播的分析和舆论引导提供基础技术和算法工具，引领社会计算与人工智能交叉研究的科学前沿。
|
| 目錄：
|
|
第1章 绪论 11.1 研究背景 11.2 研究现状 41.3 面临的挑战 71.4 研究目标与内容 81.5 研究的技术路线与创新点 11 第2章 相关研究概述 142.1 网络结构分析 152.1.1 宏观结构分析 152.1.2 中观结构分析 162.1.3 微观结构分析 172.2 用户行为分析 182.2.1 影响力的度量 192.2.2 个体行为分析与建模 212.3 网络信息传播 222.3.1 传播模型 222.3.2 信息传播态势预测 252.3.3 信息传播动态过程建模 282.3.4 基于深度学习的方法 322.4 外部数据资源 352.5 本章小结 37 第3章 信息传播中的累积效应 393.1 引言 393.2 相关工作 413.3 消息扩散树及其统计特征 423.3.1 数据说明 423.3.2 宏观统计特征 423.3.3 传播时序特征 463.4 多次暴露的累积效应 483.5 信息传播基序 533.5.1 结构基序 543.5.2 时序基序 563.6 用户转发选择预测 573.6.1 用户转发选择预测问题形式化 583.6.2 特征选择和实验设置 583.6.3 实验结果 613.7 本章小结 62 第4章 基于早期传播历史的消息流行度预测 634.1 引言 634.2 融合结构多样性的消息流行度预测算法 654.2.1 问题定义 654.2.2 前期分析 654.2.3 结构多样性与消息终流行度的关联 694.2.4 融合结构多样性预测消息流行度 704.2.5 实验设置和预测性能 714.3 利用自激励霍克斯过程建模消息流行度动态过程 724.3.1 生存理论和自激励霍克斯过程简介 724.3.2 利用自激励霍克斯过程建模消息流行度动态过程 754.3.3 参数推断 764.3.4 实验设置和预测性能 774.4 本章小结 81 第5章 基于社区发现时空卷积网络的流行度预测 825.1 引言 825.2 模型 835.2.1 用户嵌入表示 845.2.2 构建社区交互矩阵 855.2.3 卷积结构 885.3 实验 895.3.1 对比方法 895.3.2 评估指标 905.3.3 参数设置 905.3.4 预测结果分析 915.3.5 消融实验 935.4 本章小结 95 第6章 基于图注意力时空网络的流行度预测 976.1 引言 976.2 模型 986.2.1 观察窗口数据表示 996.2.2 网络结构 1006.3 实验 1026.3.1 对比方法与评估指标 1026.3.2 模型参数 1026.3.3 预测结果分析 1036.3.4 消融实验 1056.4 本章小结 106 第7章 基于邻居感知表示学习的流行度预测 1077.1 引言 1077.2 数据分析 1087.3 模型 1097.3.1 用户嵌入表示 1107.3.2 自激励邻居感知 1107.3.3 时间衰减效应与加和池化 1127.4 实验 1127.4.1 对比方法与评估指标 1127.4.2 模型优化和参数设置 1137.4.3 预测结果分析 1137.4.4 时间效应分析 1167.5 本章小结 117 第8章 构建预测算法与传播机理之间的桥梁 1188.1 引言 1188.2 模型 1198.2.1 用户嵌入 1208.2.2 路径编码与加和池化 1218.2.3 非参数时间衰减效应 1238.2.4 输出层 1238.3 实验 1248.3.1 对比方法 1248.3.2 实验设置 1258.3.3 预测结果 1268.3.4 用户嵌入和路径编码分析 1288.3.5 时间效应分析 1298.4 结论 130 第9章 基于耦合图神经网络的流行度预测 1319.1 引言 1319.2 模型 1339.2.1 耦合神经网络框架 1339.2.2 状态图神经网络 1349.2.3 影响力图神经网络 1359.2.4 输出层 1369.3 实验 1379.3.1 对比方法 1379.3.2 参数设置 1389.3.3 评估指标 1389.3.4 预测结果 1399.3.5 比较CoupledGNN和Single-GNN 1409.3.6 参数分析 1419.4 结论 143 第10章 基于图注意力网络的信息级联外源因素建模 14410.1 引言 14410.2 模型 14610.2.1 问题定义 14610.2.2 模型框架 14710.2.3 基于图注意力网络的特征表示 14810.2.4 基于卷积神经网络的外源因素影响力建模 14910.3 实验 15110.3.1 实验集 15110.3.2 对比方法 15310.3.3 实验设置 15410.3.4 实验结果及分析 15510.4 结论与展望 159 第11章 基于时空学习的多视角谣言检测框架 16011.1 引言 16011.2 相关工作 16111.3 基本概念 16211.3.1 符号描述 16311.3.2 问题定义 16311.3.3 Transformer网络 16411.3.4 图神经网络 16411.4 模型框架 16511.4.1 动态时间特征学习模块 16611.4.2 传播结构特征学习模块 16811.4.3 内容文本特征学习模块 17411.4.4 聚合模块 17511.4.5 分类模块 17511.4.6 模型训练 17511.5 实验 17511.5.1 数据集 17611.5.2 实验设置 17611.5.3 实验结果 17711.6 结论 183 第12章 信息传播动态过程中的时间尺度非均匀性 18412.1 引言 18412.2 概述 18512.3 相关工作 18512.4 信息传播动态过程的前期分析 18612.4.1 信息传播动态过程影响因素的复杂性 18612.4.2 信息传播动态过程常见模式 18812.4.3 系统活跃度 18912.5 人类行为的时间尺度非均匀性 19112.5.1 系统活跃度与信息传播动态过程的关联 19112.5.2 全局时间尺度变换 19312.6 信息传播动态过程中的普遍时序模式 19412.7 时间尺度变换对模型预测能力的影响 19812.8 本章小结 199 第13章 研究结论与展望 20113.1 主要研究结论 20113.2 研究展望 204 参考文献 206
|
| 內容試閱：
|
近年来，社交网站和社会媒体等在线社会关系网络逐渐成为互联网服务和应用的主流。人人参与信息的产生、传播和获取，人们信息传播和信息共享的诉求得到了极大程度的满足，获得了前所未有的信息自主权，人的互联和信息的互联高度融合。同时，在线社会关系网络的快速发展带来了信息产生社会化、信息内容碎片化和信息传播网络化等问题，给网络空间的科学管理和有效利用带来了新的挑战。因此，深入分析在线社会关系网络、揭示网络信息传播的基本模式和内在规律、预测消息的未来传播态势，具有重要的学术意义和广泛的应用前景。同时，在线社会关系网络汇聚了大量可感知、可计算的网络数据，这些人类活动的真实记录为研究在线社会关系网络及其上的信息传播提供了宝贵的数据资源和难得的机遇。
本书着眼于网络信息传播的微观机理，围绕用户交互的动态性、传播过程的复杂性和人类行为的时间尺度非均匀性等挑战展开研究，形成系列模型和算法，力争为网络信息传播的分析和舆论引导提供基础技术和算法工具，引领社会计算与人工智能交叉研究的科学前沿。本书反映了作者及其团队多年来关于在线社会关系网络分析和挖掘方面的研究积累，采用平行结构的方式，每章自成体系，各章之间相互关联，共同构建了在线社会关系网络中信息传播建模和预测的研究框架。
书共 13 章，第 1 章介绍了本研究的背景、现状、挑战、目标、内容及技术路线和创新点。第 2 章对本研究相关工作进行了梳理，从 3 个方面进行了详细阐述。第 3～12 章以实证数据分析、传播终态预测、传播过程建模、传播机制理解、异常传播识别、时间尺度归一特性等多个方面展开循序渐进的研究，遵循“理论—模型—算法—应用”逐层递进的研究模式，使得所有研究内容形成一个有机整体，相互渗透、共同参与而又有所侧重，形成“重点突破、以点带面”的技术特色。第 13 章对本书的整体研究工作进行了总结和展望，概括了本书的主要贡献，并对本研究的未来发展方向进行了展望。
本书的出版得到了国家自然科学基金青年项目（项目编号：61702031、91746301）、北京市优秀人才培养资助青年骨干个人项目（项目编号：2017000020124G054）的资助。本书的撰写得到了很多老师及同学的帮助，特向他们表示衷心的感谢。
由于作者的水平和经验有限，本书难免有疏漏和不当之处，恳请专家和读者批评指正，也欢迎各位同行学者提出宝贵意见，共同为我国社会计算与人工智能交叉研究提供助力。
著 者
2021年10月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
