新書推薦:
《
历史的教训(浓缩《文明的故事》精华,总结历史教训的独特见解)
》
售價:NT$
286.0
《
不在场证明谜案(超绝CP陷入冤案!日本文坛超新星推理作家——辻堂梦代表作首次引进!)
》
售價:NT$
265.0
《
明式家具三十年经眼录
》
售價:NT$
2387.0
《
敦煌写本文献学(增订本)
》
售價:NT$
1010.0
《
耕读史
》
售價:NT$
500.0
《
地理计算与R语言
》
售價:NT$
551.0
《
沈括的知识世界:一种闻见主义的实践(中华学术译丛)
》
售價:NT$
398.0
《
大思维:哥伦比亚商学院六步创新思维模型
》
售價:NT$
332.0
編輯推薦:
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。
內容簡介:
本书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。
關於作者:
作者简介: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。2009年3月博士毕业于日本庆应大学,2009-2011年在法国国立电信学院进行博士后研究。入选“新世纪优秀人才”(2012)和第三批国家“万人计划”青年拔尖人才(2017),担任军委科技委国防科技创新特区专家组专家。主要从事普适计算、群智感知计算和大数据智能等方面研究。在国内外重要期刊和会议如IEEE TMC, IEEE THMS, ACM TKDD, ACM Computing Surveys, IEEE Comm. Surveys and Tutorials, UbiComp, INFOCOM, IJCAI等上面发表学术论文150余篇,6篇论文入选ESI热点或高被引论文。曾获得自然科学二等奖1项,获IEEE UIC’17、ISI’19等国际会议最佳论文奖。担任《IEEE Transactions on Human-Machine Systems》,《IEEE Communications Magazine》,《ACM Transactions on Intelligent Systems and Technology》,《IEEE Internet of Things》、《ACM IMWUT》、《Personal and Ubiquitous Computing》、《Frontiers of Computer Science》等国际权威期刊的编委或客座编辑,以及IEEE UIC’15, IEEE CPSCom’17、GPC’20等多个重要国际会议程序主席等职务。IEEE高级会员,CCF杰出会员。个人主页:http://www.guob.org/
目錄 :
目录推荐序一 推荐序二 前言 第0章绪论1 01社会学发展历程1 02计算社会学发展历程4 021计算社会学的孕育期: 20世纪90年代至 2009年5 022计算社会学的黄金期: 2009年至今7 03计算社会学主要研究 内容9 031社交大数据的获取与 分析9 032基于大数据的定量化 研究11 033ABM模拟的仿真模型 研究14 04新型社会计算系统的研制与 开发15 习题18 参考文献18 第一篇基础支撑理论与算法篇 第1章图论24 11图的基本概念24 111图的定义24 112图的基本术语25 12图的存储表示28 121邻接矩阵存储法28 122邻接表存储法29 123十字链表存储法30 124邻接多重表存储法31 13图的遍历32 131广度优先搜索32 132深度优先搜索33 14图的相关应用33 141最小生成树33 142AOV网与拓扑排序35 143AOE网与关键路径36 144最短路径37 小结40 习题40 参考文献41第2章理论方法概述42 21机器学习概览42 211机器学习基本概念42 212发展历程43 213基本流程45 22数据预处理46 221数据清洗46 222数据集成49 223数据归一化50 23特征抽取与选择51 231特征抽取51 232特征选择53 24经验误差与测试误差54 241误差来源与定义54 242欠拟合与过拟合55 25模型评估与选择57 251正则化57 252交叉验证57 253性能度量58 小结61 习题61 参考文献62第3章线性模型64 31基本形式64 32线性回归65 33逻辑回归66 34线性判别分析68 341基本思想68 342算法原理68 小结69 习题70 参考文献70第4章聚类71 41聚类任务71 411聚类任务描述71 412聚类算法的划分72 413距离度量73 414评价函数74 42基于划分的聚类算法77 421K-均值算法77 422K-中心点算法78 43基于层次的聚类算法79 431AGNES算法79 432DIANA算法80 433BIRCH算法81 44基于密度的聚类算法84 小结86 习题86 参考文献87第5章分类89 51决策树90 511决策树模型与学习90 512特征选择91 513决策树的生成95 514决策树的剪枝96 52贝叶斯分类98 521贝叶斯决策论98 522参数估计方法99 523朴素贝叶斯99 524EM算法102 53支持向量机103 531间隔与支持向量103 532对偶问题105 533核函数107 534软间隔109 54集成学习111 541个体与集成111 542Boosting算法112 543Bagging算法113 544结合策略115 小结117 习题117 参考文献118第6章神经网络119 61神经元模型119 611神经元模型的结构120 612激活函数122 613常见激活函数122 62感知机126 621感知机的概念及模型 结构126 622感知机的效果127 623多层感知机的概念及 模型结构128 63误差反向传播算法130 631误差反向传播算法的 概念130 632信息前向传播131 633误差反向传播132 64其他常见的神经网络 模型135 641玻尔兹曼机135 642深度信念网络138 643脉冲神经网络140 小结143 习题143 参考文献144第7章深度学习网络146 71深度学习网络概述146 72卷积神经网络147 721网络结构148 722经典模型150 73循环神经网络153 731网络结构153 732长短期记忆网络155 74图神经网络157 741网络结构158 742图神经网络模型159 75网络训练优化163 751梯度爆炸与梯度 消失164 752梯度下降优化策略164 753过拟合消减优化 策略167 小结169 习题169 参考文献170第8章高级神经网络框架174 81自编码器174 811预备知识174 812自编码器架构175 813经典自编码器模型175 814变分自编码器179 82编-解码器框架182 821编-解码器基本 框架182 822经典编-解码结构 模型182 83注意力机制185 831标准注意力机制185 832注意力形式186 833Transformer模型187 84生成对抗网络189 841GAN的基本原理189 842经典GAN模型192 843生成对抗网络的 应用195 小结196 习题197 参考文献197 第二篇社会网络分析篇 第9章网络结构与联系202 91三元闭包202 911三元闭包定义202 912聚集系数203 92强联系与弱联系205 921人际关系的强度205 922捷径与桥207 923强联系与弱联系的现实 意义210 93网络社区划分215 931分裂法图划分216 932其他图划分方法 扩展220 小结225 习题225 参考文献226第10章同质性228 101同质现象228 1011什么是同质现象228 1012同质现象的多样化 表现229 102同质性的测量231 1021相对比率和期望 比率231 1022EI同质性指数232 1023Blau异质性指数232 103同质现象的成因233 104同质现象的影响237 1041人群隔离237 1042感知偏差240 1043同伴效应243 小结246 习
內容試閱 :
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,包括生成对抗网络、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,进而介绍了小世界网络模型的数学形式化表达及属性。第4章介绍了幂律分布的数学特性以及幂律分布的典型应用,并基于上述观察,引入无标度网络及其模型特性。第5章介绍了典型的传染病模型,并讲解了传染病的防控和干预。 2社交媒体挖掘与社群智能篇(第6~12章) 第6~8章主要介绍以自然语言理解为基础的社交媒体挖掘方法。其中第6章首先介绍了经典语言建模工作,包括词袋模型、n-gram模型;然后重点介绍了自然语言处理中典型的序列数据处理方法,包括隐马尔可夫和条件随机场;最后介绍了自然语言处理中的典型任务和预训练模型。第7章介绍了主题分析模型,包括潜在语义分析、概率潜在语义分析、潜在狄利克雷分配模型。第8章系统梳理情感挖掘领域的工作,从词语、句子/文档和属性三个粒度总结了情感分析的研究进展。 第9~12章则介绍了计算社会学领域的新兴技术。其中第9章从单模态用户画像和多模态用户画像两个角度总结了用户画像技术的最新工作进展。第10章首先介绍协同过滤和基于内容的推荐两类典型模型;然后介绍基于深度学习的推荐算法,概述基于情境感知的推荐方法;最后总结了推荐系统中现有的评估策略和方法。第11章主要从假消息的定义、假消息的认知机理、多模态假消息检测方法、群智融合假消息检测、可解释假消息检测五个方面展开介绍。第12章主要对虚拟机器人设计与实现过程中所涉及的关键技术进行总结,包括虚拟形象塑造和个性化内容生成等,讲解虚拟机器人塑造完成流程。此外,重点介绍了典型虚拟机器人塑造平台AI-Mate系统架构。 在本书成稿的过程,西北工业大学智能感知与计算工信部重点实验室的研究生深度参与,为书稿的编撰付出了辛劳和智慧:赵志英(上册第1章)、孙月琪(上册第2、3章)、李智敏(上册第4章,下册第9章)、成家慧(上册第5章)、王虹力(上册第6章)、任浩阳(上册第7章)、郝少阳(上册第8章)、张秋韵(上册第9、11章)、冯煦阳(上册第10章)、丁亚三(上册第12章,下册第1、4、11章)、吴广智(下册第2、5章)、张玉琪(下册第3章)、王梓琪(下册第4章)、王豪(上册第8章,下册第6、12章)、李可(下册第7章)、李诺(上册第4章,下册第8、9、10章)、张岩(下册第10章)。在此对他们的辛勤付出表示感谢!感谢实验室学术带头人周兴社教授和学术顾问张大庆教授多年来的悉心培养、指导以及在本书编写和审校过程中给予的宝贵意见。此外还要特别感谢机械工业出版社的编辑们在本书准备过程中给予的全力支持与专业指导。 我们还要特别感谢美国亚利桑那州立大学刘欢教授、澳大利亚新南威尔士大学姚丽娜教授、北京大学李晓明教授、中国科学院自动化研究所曾大军教授、上海交通大学薛可教授、北京航空航天大学马帅教授、北京航空航天大学李建欣教授、西安交通大学饶元教授、微软亚洲研究院首席研究员谢幸博士、微软小冰首席科学家宋睿华博士、京东集团副总裁、京东城市总裁郑宇博士、华为云人工智能领域副总裁袁晶博士等计算社会学领域的同行学者,本书也融入了部分以前大家一起研讨或项目合作的成果。在本书成稿过程中,还有很多同事和朋友以不同形式提供了帮助,难免有所疏漏,在此就不一一列举,敬请各位谅解。 计算社会学作为一个快速发展的新兴研究领域,新概念、新问题、新方法不断涌现,限于作者的学识水平和研究局限,本书难免会存在疏漏或不足之处,敬请读者批评指正。