计算社会学：系统应用篇
全新正版 极速发货
￥ 55.71 5.6折 ￥ 99 全新
库存14件
广东广州
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1203219761
上书时间2024-06-19
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。<br/>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。<br/>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<br/>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。<br/>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<br />推荐序二<br />前言<br />第一篇 网络动力学篇<br />第 1 章 级联行为 ……………………… 2<br />1. 1 网络中的级联现象 …………… 2<br />1. 1. 1 级联现象 ………………… 2<br />1. 1. 2 信息级联 ………………… 3<br />1. 1. 3 级联的特点 ……………… 5<br />1. 2 级联与聚簇 …………………… 5<br />1. 2. 1 级联行为下的协调博弈 ………………… 6<br />1. 2. 2 网络聚簇对级联的<br />影响 ……………………… 9<br />1. 3 网络级联模型………………… 11<br />1. 3. 1 独立级联模型…………… 11<br />1. 3. 2 线性阈值模型…………… 14<br />1. 4 逾渗理论与晶格模型………… 15<br />1. 4. 1 逾渗现象………………… 16<br />1. 4. 2 基本逾渗模型…………… 16<br />1. 4. 3 晶格模型………………… 20<br />1. 5 社会逾渗模型………………… 22<br />1. 5. 1 复杂网络逾渗…………… 23<br />1. 5. 2 定向逾渗模型…………… 24<br />1. 5. 3 首达逾渗模型…………… 25<br />1. 5. 4 爆发性逾渗模型………… 25<br />小结 ………………………………… 27<br />习题 ………………………………… 28<br />参考文献 …………………………… 30<br />第 2 章 随机网络 ……………………… 33<br />2. 1 随机网络模型………………… 33<br />2. 1. 1 ER 随机网络模型 ……… 33<br />2. 1. 2 P1 随机网络模型 ……… 35<br />2. 1. 3 P2 随机网络模型 ……… 40<br />2. 1. 4 指数随机网络模型……… 41<br />2. 2 随机网络模拟实验…………… 42<br />2. 2. 1 随机网络生成…………… 43<br />2. 2. 2 随机网络特性…………… 45<br />小结 ………………………………… 49<br />习题 ………………………………… 49<br />参考文献 …………………………… 50<br />第 3 章 小世界现象 …………………… 51<br />3. 1 小世界现象: 六度分隔……… 51<br />3. 1. 1 六度分隔实验…………… 52<br />3. 1. 2 六度分隔实验拓展……… 53<br />3. 2 小世界网络模型……………… 54<br />3. 2. 1 W-S 模型………………… 54<br />3. 2. 2 W-S-K 模型……………… 58<br />3. 2. 3 其他改进的 W-S 模型 …… 60<br />3. 3 小世界模型仿真……………… 61<br />3. 4 小世界模型应用……………… 64<br />小结 ………………………………… 65<br />习题 ………………………………… 66<br />参考文献 …………………………… 66<br />第 4 章 幂律分布网络 ………………… 69<br />4. 1 幂律…………………………… 69<br />4. 1. 1 幂律的定义……………… 69<br />4. 1. 2 幂律的应用……………… 72<br />4. 2 马太效应与长尾效应………… 73<br />4. 2. 1 马太效应的定义………… 73<br />4. 2. 2 长尾效应的定义………… 75<br />4. 3 无标度网络…………………… 76<br />4. 3. 1 现实网络的无标度<br />分析……………………… 77<br />4. 3. 2 无标度网络的定义及<br />特性……………………… 78<br />4. 3. 3 无标度网络的典型构建<br />模型……………………… 81<br />小结 ………………………………… 85<br />习题 ………………………………… 86<br />参考文献 …………………………… 86<br />第 5 章 流行病学 ……………………… 91<br />5. 1 仓室传染病模型……………… 91<br />5. 1. 1 经典传染病模型………… 91<br />5. 1. 2 扩展传染病模型………… 95<br />5. 1. 3 疾病传播阈值理论……… 98<br />5. 1. 4 传染病的防控…………… 99<br />5. 2 复杂网络传染病模型 ……… 100<br />5. 2. 1 接触网络模型中的疾病传播 ………… 102<br />5. 2. 2 集合种群模型中的疾病传播 ………… 104<br />小结………………………………… 108<br />习题………………………………… 108<br />参考文献…………………………… 108<br />第二篇 社交媒体挖掘与社群智能篇<br />第 6 章 自然语言处理 ……………… 112<br />6. 1 自然语言处理概述 ………… 112<br />6. 2 语言模型 …………………… 115<br />6. 2. 1 统计语言模型 ………… 116<br />6. 2. 2 神经网络语言模型 …… 117<br />6. 2. 3 语言模型评价指标 …… 120<br />6. 3 文本表示 …………………… 121<br />6. 3. 1 离散表示 ……………… 121<br />6. 3. 2 基于共现矩阵的分布式表示 ……………… 122<br />6. 3. 3 基于神经网络的分布式表示 ……………… 123<br />6. 4 预训练动态词向量 ………… 127<br />6. 4. 1 预训练概念 …………… 127<br />6. 4. 2 ELMO 模型 …………… 128<br />6. 4. 3 GPT 模型 ……………… 129<br />6. 4. 4 BERT 模型 …………… 131<br />6. 4. 5 基于 BERT 的改进模型 ……………… 132<br />6. 4. 6 XLNet 模型 …………… 134<br />6. 5 统计学习模型 ……………… 136<br />6. 5. 1 马尔可夫模型 ………… 137<br />6. 5. 2 条件随机场 …………… 139<br />6. 6 自然语言处理典型任务 …… 144<br />6. 6. 1 文本预处理任务 ……… 144<br />6. 6. 2 词性标注 ……………… 146<br />6. 6. 3 语义角色标注 ………… 147<br />6. 6. 4 命名实体识别 ………… 148<br />6. 6. 5 自然语言处理工具 …… 149<br />小结………………………………… 151<br />习题………………………………… 151<br />参考文献…………………………… 152<br />第 7 章 文本主题模型 ……………… 154<br />7. 1 潜在语义分析 ……………… 155<br />7. 1. 1 单词向量空间 ………… 155<br />7. 1. 2 主题向量空间 ………… 157<br />7. 1. 3 基于奇异值分解的潜在语义分析算法 ……… 159<br />7. 1. 4 基于非负矩阵分解的潜在语义分析算法 …… 162<br />7. 2 概率潜在语义分析 ………… 164<br />7. 2. 1 概率化文本建模 ……… 165<br />7. 2. 2 生成模型 ……………… 166<br />7. 2. 3 学习算法 ……………… 167<br />7. 3 潜在狄利克雷分配 ………… 169<br />7. 3. 1 狄利克雷分布 ………… 169<br />7. 3. 2 贝叶斯文本建模 ……… 174<br />7. 3. 3 潜在狄利克雷分配模型 …………… 175<br />7. 3. 4 LDA 的吉布斯采样算法 ………… 178<br />7. 4 文本主题模型的扩展 ……… 181<br />7. 4. 1 作者主题模型 ………… 182<br />7. 4. 2 动态主题模型 ………… 183<br />7. 4. 3 标签潜在狄利克雷分配模型 ……………… 184<br />小结………………………………… 186<br />习题………………………………… 186<br />参考文献…………………………… 187<br />第 8 章 情感分析 …………………… 189<br />8. 1 情感分析的基本概念 ……… 189<br />8. 1. 1 情感分析定义 ………… 189<br />8. 1. 2 情感分析任务 ………… 190<br />8. 2 词语级情感分析 …………… 191<br />8. 2. 1 人工构建情感词典 …… 192<br />8. 2. 2 自动化构建情感词典 … 193<br />8. 3 句子/ 文档级的情感分析…… 194<br />8. 3. 1 基于词典的情感分类 … 195<br />8. 3. 2 基于传统机器学习的情感分类 ………… 195<br />8. 3. 3 基于深度学习的情感分类 ……………… 197<br />8. 3. 4 基于迁移学习的情感分类 ……………… 201<br />8. 4 方面级情感分析 …………… 204<br />8. 4. 1 方面实体情感分析 …… 204<br />8. 4. 2 方面类别情感分析 …… 208<br />8. 5 情感分析发展趋势 ………… 210<br />小结………………………………… 211<br />习题………………………………… 212<br />参考文献…………………………… 213<br />第 9 章 用户画像 …………………… 217<br />9. 1 用户画像方法 ……………… 217<br />9. 1. 1 人口统计信息挖掘 …… 217<br />9. 1. 2 用户个性挖掘 ………… 218<br />9. 1. 3 用户兴趣挖掘 ………… 219<br />9. 1. 4 用户行为挖掘 ………… 219<br />9. 1. 5 用户画像流程 ………… 220<br />9. 2 基于文本数据的用户画像 …………………… 220<br />9. 2. 1 基于主题模型的用户画像 ………………… 221<br />9. 2. 2 基于情感分析的用户画像 ………………… 224<br />9. 2. 3 基于神经网络的用户画像 ………………… 225<br />9. 2. 4 基于知识图谱的用户画像 ………………… 226<br />9. 3 多模态数据融合画像 ……… 227<br />9. 3. 1 多模态数据融合方法 … 228<br />9. 3. 2 单任务多模态数据融合画像 ……………… 229<br />9. 3. 3 多任务多模态数据融合画像 ……………… 232<br />9. 4 发展趋势 …………………… 237<br />小结………………………………… 237<br />习题………………………………… 238<br />参考文献…………………………… 238<br />第 10 章 智能推荐 …………………… 242<br />10. 1 推荐系统概述……………… 242<br />10. 2 协同过滤…………………… 243<br />10. 2. 1 基于用户的协同过滤 ……………… 244<br />10. 2. 2 基于项目的协同过滤 ……………… 247<br />10. 2. 3 基于模型的协同过滤 ……………… 250<br />10. 3 基于内容的推荐…………… 252<br />10. 3. 1 基于内容相似性的推荐算法 ……… 253<br />10. 3. 2 基于 FM 的内容推荐 …………… 253<br />10. 4 基于深度学习的推荐……… 255<br />10. 4. 1 Wide&Deep ………… 255<br />10. 4. 2 DeepFM ……………… 257<br />10. 5 基于情境感知的推荐……… 258<br />10. 5. 1 基于情境感知的推荐定义 …………… 258<br />10. 5. 2 基于情境感知的推荐方法 …………… 259<br />10. 6 基于图神经网络的推荐…… 262<br />10. 6. 1 预训练模型 ………… 262<br />10. 6. 2 端到端模型 ………… 265<br />10. 7 评估………………………… 266<br />10. 7. 1 评测方法 …………… 266<br />10. 7. 2 评估指标 …………… 266<br />10. 8 未来的发展方向…………… 273<br />小结………………………………… 275<br />习题………………………………… 275<br />参考文献…………………………… 276<br />第 11 章 假消息传播 ………………… 280<br />11. 1 假消息的定义……………… 280<br />11. 1. 1 假消息的研究背景 …………… 280<br />11. 1. 2 假消息的分类及定义 …………… 282<br />11. 1. 3 假消息在线检测工具 ………… 283<br />11. 2 假消息的认知机理………… 284<br />11. 2. 1 假消息的认知理论 ………… 285<br />11. 2. 2 假消息的统计特征 ………… 288<br />11. 3 多模态假消息检测方法…… 289<br />11. 3. 1 基于底层特征的检测方法 ………… 291<br />11. 3. 2 基于高层特征的检测方法 ………… 292<br />11. 4 群智融合假消息检测……… 295<br />11. 4. 1 群体智能 …………… 295<br />11. 4. 2 隐式群智检测方法 …………… 297<br />11. 4. 3 显式群智检测方法 …………… 305<br />11. 5 可解释假消息检测………… 308<br />11. 5. 1 基于概率图的可解释检测 …………… 308<br />11. 5. 2 基于深度学习的可解释<br />检测 ………………… 310<br />小结………………………………… 312<br />习题………………………………… 314<br />参考文献…………………………… 314<br />第 12 章 虚拟机器人 ………………… 319<br />12. 1 虚拟机器人概述…………… 319<br />12. 1. 1 虚拟机器人定义 …… 319<br />12. 1. 2 虚拟机器人典型案例 ……………… 320<br />12. 2 虚拟形象塑造……………… 321<br />12. 2. 1 虚拟形象塑造定义和分析 ………… 322<br />12. 2. 2 虚拟形象生成 ……… 322<br />12. 2. 3 虚拟表情变换 ……… 325<br />12. 2. 4 虚拟服饰变换 ……… 326<br />12. 3 知识增强对话生成………… 327<br />12. 3. 1 问题背景与定义 …… 328<br />12. 3. 2 非结构化知识增强的对话生成 …… 328<br />12. 3. 3 结构化知识增强的对
— 没有更多了 —
以下为对购买帮助不大的评价