计算社会学：系统应用篇 人工智能 郭斌 梁韵基 於志文 新华正版

图书标准信息

• 作者 郭斌 梁韵基 於志文
• 出版社 机械工业出版社
• 出版时间 2022
• 版次 1
• ISBN 9787111743989
• 定价 99.00元
• 装帧 平装
• 开本 32开
• 页数 768页
• 字数 520千字

【内容简介】

自2009年至今，计算社会学步入了发展的时期。多学科的深度交融合，以人工智能为代表的数据科学方法的快展以及跨空间、多模态数据的快速富集等都使得计算社会学得到蓬勃发展，让社会科学研究呈现出崭新面貌，为解释人类行为、群体认知、社会演化等提供了重要的理论和方法支撑。本书采用渐进式的组织思路，以人工智能的经典模型为基础理论支撑，从社交网络分析、网络动力学、社交媒体挖掘与社群智能三个维度进行延伸，围绕典型应用系统梳理计算社会学的代表应用。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、复杂网络、统计学和自然语言处理等多学科的专业概念，突出社算学来的研究成果和关键技术突破。本书为人工智能与社会科学交融合提供了系统的理论框架、方法体系与应用阐释，是研究人员、专业人员以及工程、计算、ai、互联网等领域的技术人员不可或缺的参资料，同时也可作为相关领域的高年级本科生和的教材。

【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IEEE UIC’17等国际会议“最佳论文奖。

【目录】

序一

序二

前言

篇 网络动力学篇

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 爆发逾渗模型 25

小结 27

题 28

参文献 30

第2章 网络 33

2.1 网络模型 33

2.1.1 er 网络模型 33

2.1.2 p1 网络模型 35

2.1.3 p2 网络模型 40

2.1.4 指数网络模型 41

2.2 网络模拟实验 42

2.2.1 网络生成 43

2.2.2 网络特 45

小结 49

题 49

参文献 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 61

3.4 小世界模型应用 64

小结 65

题 66

参文献 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 78

4.3.3 无标度网络的典型构建模型 81

小结 85

题 86

参文献 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

题 108

参文献 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 xl 模型 134

6.5 统计学模型 136

6.5.1 马尔可夫模型 137

6.5.2 条件场 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 词标注 146

6.6.3 语义角标注 147

6.6.4 命名实体识别 148

……