消息首页搜索举报

计算社会学：基础理论篇

全新正版极速发货

53.78 5.4折 99 全新

库存9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

出版社机械工业出版社

ISBN9787111746904

出版时间2024-03

装帧平装

开本16开

定价99元

货号1203230966

上书时间2024-06-20

徐小智的书店

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

博物馆里的历史故事 ¥12.65

重口味心理学 2 ¥15.03

福尔摩斯探案集 ¥8.30

味蕾深处是故乡 2 ¥21.33

故事会(合订本130) ¥2.05

冰雪奇缘2 ¥6.04

俄国女皇叶卡捷琳娜二世传 ¥19.61

机械制图习题集第7版 ¥17.09

自然现象如何形成 ¥9.15

商品详情

品相描述：全新

商品描述: 目录
目录推荐序一
推荐序二
前言
第0章绪论1
01社会学发展历程1
02计算社会学发展历程4
021计算社会学的孕育期：
20世纪90年代至
2009年5
022计算社会学的黄金期：
2009年至今7
03计算社会学主要研究
内容9
031社交大数据的获取与
分析9
032基于大数据的定量化
研究11
033ABM模拟的仿真模型
研究14
04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
11图的基本概念24
111图的定义24
112图的基本术语25
12图的存储表示28
121邻接矩阵存储法28
122邻接表存储法29
123十字链表存储法30
124邻接多重表存储法31
13图的遍历32
131广度优先搜索32
132深度优先搜索33
14图的相关应用33
141最小生成树33
142AOV网与拓扑排序35
143AOE网与关键路径36
144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
21机器学习概览42
211机器学习基本概念42
212发展历程43
213基本流程45
22数据预处理46
221数据清洗46
222数据集成49
223数据归一化50
23特征抽取与选择51
231特征抽取51
232特征选择53
24经验误差与测试误差54
241误差来源与定义54
242欠拟合与过拟合55
25模型评估与选择57
251正则化57
252交叉验证57
253性能度量58
小结61
习题61
参考文献62第3章线性模型64
31基本形式64
32线性回归65
33逻辑回归66
34线性判别分析68
341基本思想68
342算法原理68
小结69
习题70
参考文献70第4章聚类71
41聚类任务71
411聚类任务描述71
412聚类算法的划分72
413距离度量73
414评价函数74
42基于划分的聚类算法77
421K-均值算法77
422K-中心点算法78
43基于层次的聚类算法79
431AGNES算法79
432DIANA算法80
433BIRCH算法81
44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
51决策树90
511决策树模型与学习90
512特征选择91
513决策树的生成95
514决策树的剪枝96
52贝叶斯分类98
521贝叶斯决策论98
522参数估计方法99
523朴素贝叶斯99
524EM算法102
53支持向量机103
531间隔与支持向量103
532对偶问题105
533核函数107
534软间隔109
54集成学习111
541个体与集成111
542Boosting算法112
543Bagging算法113
544结合策略115
小结117
习题117
参考文献118第6章神经网络119
61神经元模型119
611神经元模型的结构120
612激活函数122
613常见激活函数122
62感知机126
621感知机的概念及模型
结构126
622感知机的效果127
623多层感知机的概念及
模型结构128
63误差反向传播算法130
631误差反向传播算法的
概念130
632信息前向传播131
633误差反向传播132
64其他常见的神经网络
模型135
641玻尔兹曼机135
642深度信念网络138
643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
71深度学习网络概述146
72卷积神经网络147
721网络结构148
722经典模型150
73循环神经网络153
731网络结构153
732长短期记忆网络155
74图神经网络157
741网络结构158
742图神经网络模型159
75网络训练优化163
751梯度爆炸与梯度
消失164
752梯度下降优化策略164
753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
81自编码器174
811预备知识174
812自编码器架构175
813经典自编码器模型175
814变分自编码器179
82编-解码器框架182
821编-解码器基本
框架182
822经典编-解码结构
模型182
83注意力机制185
831标准注意力机制185
832注意力形式186
833Transformer模型187
84生成对抗网络189
841GAN的基本原理189
842经典GAN模型192
843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
91三元闭包202
911三元闭包定义202
912聚集系数203
92强联系与弱联系205
921人际关系的强度205
922捷径与桥207
923强联系与弱联系的现实
意义210
93网络社区划分215
931分裂法图划分216
932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
101同质现象228
1011什么是同质现象228
1012同质现象的多样化
表现229
102同质性的测量231
1021相对比率和期望
比率231
1022EI同质性指数232
1023Blau异质性指数232
103同质现象的成因233
104同质现象的影响237
1041人群隔离237
1042感知偏差240
1043同伴效应243
小结246
习题246
参考文献247第11章网络的平衡与极化249
111认知平衡模型249
112结构平衡理论250
1121三节点结构平衡251
1122结构平衡定理252
1123弱结构平衡253
113极化现象255
1131极化现象产生与
定义255
1132群体极化的认知
基础257
1133群极化现象示例
分析259
114极化网络分析264
1141极化的衡量265
1142极化网络社区
发现266
小结270
习题271
参考文献272第12章社会权力274
121社会网络中的权力274
1211什么是权力274
1212社会网络权力的
特征277
122纳什均衡与网络议价278
1221什么是博弈279
1222纳什均衡与混合
策略均衡280
1223纳什议价解与权力
交换285
123节点权力的度量288
1231基于拓扑特征的度量
方法289
1232基于随机游走的度量
方法293
1233基于熵的度量方法298
小结301
习题302
参考文献305

内容摘要
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zui新研究成果和关键技术突破。

主编推荐
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近期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。

— 没有更多了 —