消息首页搜索举报

计算社会学：系统应用篇

①全新正版，现货速发，7天无理由退换货②天津、成都、无锡、广东等多仓就近发货，订单最迟48小时内发出③无法指定快递④可开电子发票，不清楚的请咨询客服。

71.5 7.2折 99 全新

库存2件

浙江嘉兴

认证卖家担保交易快速发货售后保障

作者郭斌梁韵基於志文

出版社机械工业

ISBN9787111743989

出版时间2024-02

装帧其他

开本其他

定价99元

货号31983628

上书时间2024-10-14

倒爷图书专营店

三年老店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 17小时
好评率暂无

最新上架

范蠡商道研究 ¥28.15

神秘面包小子(2奇怪面包卷)(精) ¥14.57

双碳化学(陈建) ¥30.83

中国儿童文学阅读计划：教室里的名著阅读5 ¥12.41

中国儿童文学阅读计划：教室里的名著阅读4 ¥8.90

三年级课外书7册 ¥83.74

不凌乱!小学生的整理收纳锦囊 ¥20.02

昆虫备忘录+方帽子店+慢性子裁缝和急性子顾客+我变成了一棵树+一支铅笔的梦想 ¥60.37

听写默写天天练.一年级下册(X) ¥7.25

商品详情

品相描述：全新

商品描述: 作者简介
郭斌，工学博士，西北工业大学计算机学院教授/副院长，国家杰出青年科学基金获得者，工信部智能感知与计算重点实验室副主任，“一带一路”智能物联网国际合作联盟秘书长。2009年在日本庆应大学获博士学位，2009-2011年在法国国立电信学院进行博士后研究。主要从事普适与泛在计算、移动群智感知、人机物融合群智计算方面研究。在IEEE/ACM汇刊等国内外重要期刊和会议上发表论文150余篇，曾获得教育部自然科学一等奖、陕西省自然科学一等奖以及IEEEUIC’17等国际会议“最佳论文奖。 梁韵基，工学博士，西北工业大学计算机学院副教授，任CCF普适计算专委会委员。主要研究方向为群智感知、智能物联网、信息系统等。在IEEETDSC、IEEETMC、ACMTKDD、ACMTOSN、IEEETIV等国际著名期刊和AAAI、ACMUbiComp等国际会议上发表论文50余篇，主持国家自然科学基金面上项目、青年项目、国家重点研发计划子课题、人工智能2030计划子课题等。获得陕西省自然科学一等奖、陕西高等学校科学技术特等奖。 於志文工学博士，西北工业大学教授，哈尔滨工程大学副校长，教育部“长江学者”特聘教授，国家杰出青年科学基金获得者，国家“万人计划”科技创新领军人才，国家重点研发专项项目首席科学家。人机物融合群智计算教育部重点实验室主任，工信部智能感知与计算重点实验室主任。主要从事移动互联网、普适计算、人机系统、社会感知等领域的研究工作。已在IEEETMC、IEEE TKDE等国际顶级学术期刊和INFOCOM、ACMUbiComp、KDD等国际会议上发表论文150余篇。担任IEEETransactionsonHuman-MachineSystems、IEEECommunicationsMagazine、ACMIMWUT等国际权威期刊编委，担任ACMUbiComp、IEEEPerCom、IJCAI等国际会议程序委员或主席40余次。担任ACM西安分会主席，IEEE高级会员，中国计算机学会会士、常务理事、普适计算专业委员会主任等。 曾获中国计算机学会优秀博士学位论文奖、中国计算机学会青年科学家奖、国家级教学成果二等奖、教育部自然科学一等奖和陕西省科学技术一等奖。

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 词性标注 ……………… 146 6. 6. 3 语义角色标注 ………… 147 6. 6. 4 命名实体识别 ………… 148 6. 6. 5 自然语言处理工具 …… 149 小结………………………………… 151 习题………………………………… 151 参考文献…………………………… 152 第 7 章文本主题模型 ……………… 154 7. 1 潜在语义分析 ……………… 155 7. 1. 1 单词向量空间 ………… 155 7. 1. 2 主题向量空间 ………… 157 7. 1. 3 基于奇异值分解的潜在语义分析算法 ……… 159 7. 1. 4 基于非负矩阵分解的潜在语义分析算法 …… 162 7. 2 概率潜在语义分析 ………… 164 7. 2. 1 概率化文本建模 ……… 165 7. 2. 2 生成模型 ……………… 166 7. 2. 3 学习算法 ……………… 167 7. 3 潜在狄利克雷分配 ………… 169 7. 3. 1 狄利克雷分布 ………… 169 7. 3. 2 贝叶斯文本建模 ……… 174 7. 3. 3 潜在狄利克雷分配模型 …………… 175 7. 3. 4 LDA 的吉布斯采样算法 ………… 178 7. 4 文本主题模型的扩展 ……… 181 7. 4. 1 作者主题模型 ………… 182 7. 4. 2 动态主题模型 ………… 183 7. 4. 3 标签潜在狄利克雷分配模型 ……………… 184 小结………………………………… 186 习题………………………………… 186 参考文献…………………………… 187 第 8 章情感分析 …………………… 189 8. 1 情感分析的基本概念 ……… 189 8. 1. 1 情感分析定义 ………… 189 8. 1. 2 情感分析任务 ………… 190 8. 2 词语级情感分析 …………… 191 8. 2. 1 人工构建情感词典 …… 192 8. 2. 2 自动化构建情感词典 … 193 8. 3 句子/ 文档级的情感分析…… 194 8. 3. 1 基于词典的情感分类 … 195 8. 3. 2 基于传统机器学习的情感分类 ………… 195 8. 3. 3 基于深度学习的情感分类 ……………… 197 8. 3. 4 基于迁移学习的情感分类 ……………… 201 8. 4 方面级情感分析 …………… 204 8. 4. 1 方面实体情感分析 …… 204 8. 4. 2 方面类别情感分析 …… 208 8. 5 情感分析发展趋势 ………… 210 小结………………………………… 211 习题………………………………… 212 参考文献…………………………… 213 第 9 章用户画像 …………………… 217 9. 1 用户画像方法 ……………… 217 9. 1. 1 人口统计信息挖掘 …… 217 9. 1. 2 用户个性挖掘 ………… 218 9. 1. 3 用户兴趣挖掘 ………… 219 9. 1. 4 用户行为挖掘 ………… 219 9. 1. 5 用户画像流程 ………… 220 9. 2 基于文本数据的用户画像 …………………… 220 9. 2. 1 基于主题模型的用户画像 ………………… 221 9. 2. 2 基于情感分析的用户画像 ………………… 224 9. 2. 3 基于神经网络的用户画像 ………………… 225 9. 2. 4 基于知识图谱的用户画像 ………………… 226 9. 3 多模态数据融合画像 ……… 227 9. 3. 1 多模态数据融合方法 … 228 9. 3. 2 单任务多模态数据融合画像 ……………… 229 9. 3. 3 多任务多模态数据融合画像 ……………… 232 9. 4 发展趋势 …………………… 237 小结………………………………… 237 习题………………………………… 238 参考文献…………………………… 238 第 10 章智能推荐 …………………… 242 10. 1 推荐系统概述……………… 242 10. 2 协同过滤…………………… 243 10. 2. 1 基于用户的协同过滤 ……………… 244 10. 2. 2 基于项目的协同过滤 ……………… 247 10. 2. 3 基于模型的协同过滤 ……………… 250 10. 3 基于内容的推荐…………… 252 10. 3. 1 基于内容相似性的推荐算法 ……… 253 10. 3. 2 基于 FM 的内容推荐 …………… 253 10. 4 基于深度学习的推荐……… 255 10. 4. 1 Wide&Deep ………… 255 10. 4. 2 DeepFM ……………… 257 10. 5 基于情境感知的推荐……… 258 10. 5. 1 基于情境感知的推荐定义 …………… 258 10. 5. 2 基于情境感知的推荐方法 …………… 259 10. 6 基于图神经网络的推荐…… 262 10. 6. 1 预训练模型 ………… 262 10. 6. 2 端到端模型 ………… 265 10. 7 评估………………………… 266 10. 7. 1 评测方法 …………… 266 10. 7. 2 评估指标 …………… 266 10. 8 未来的发展方向…………… 273 小结………………………………… 275 习题………………………………… 275 参考文献…………………………… 276 第 11 章假消息传播 ………………… 280 11. 1 假消息的定义……………… 280 11. 1. 1 假消息的研究背景 …………… 280 11. 1. 2 假消息的分类及定义 …………… 282 11. 1. 3 假消息在线检测工具 ………… 283 11. 2 假消息的认知机理………… 284 11. 2. 1 假消息的认知理论 ………… 285 11. 2. 2 假消息的统计特征 ………… 288 11. 3 多模态假消息检测方法…… 289 11. 3. 1 基于底层特征的检测方法 ………… 291 11. 3. 2 基于高层特征的检测方法 ………… 292 11. 4 群智融合假消息检测……… 295 11. 4. 1 群体智能 …………… 295 11. 4. 2 隐式群智检测方法 …………… 297 11. 4. 3 显式群智检测方法 …………… 305 11. 5 可解释假消息检测………… 308 11. 5. 1 基于概率图的可解释检测 …………… 308 11. 5. 2 基于深度学习的可解释 检测 ………………… 310 小结………………………………… 312 习题………………………………… 314 参考文献…………………………… 314 第 12 章虚拟机器人 ………………… 319 12. 1 虚拟机器人概述…………… 319 12. 1. 1 虚拟机器人定义 …… 319 12. 1. 2 虚拟机器人典型案例 ……………… 320 12. 2 虚拟形象塑造……………… 321 12. 2. 1 虚拟形象塑造定义和分析 ………… 322 12. 2. 2 虚拟形象生成 ……… 322 12. 2. 3 虚拟表情变换 ……… 325 12. 2. 4 虚拟服饰变换 ……… 326 12. 3 知识增强对话生成………… 327 12. 3. 1 问题背景与定义 …… 328 12. 3. 2 非结构化知识增强的对话生成 …… 328 12. 3. 3 结构化知识增强的对

— 没有更多了 —