大數據與機器學習

本提章射書闡述的是：在一個相互聯繫而又彼此擾動的複雜世界裡，現實政治的數據化進程與基於數據的政治分析技巧，特別是如何利用數據分析技術來洞察政治變動和複雜人際關係的可行性。在研究設計上，本書主要沿著兩條線索展開：一條線索立足政治實踐，試圖通過闡述大數據和機器學習技術在現代政治中的套用，來理解現代政治中信息的生產、聚合和傳遞規律，以此窺探數據精英的崛起和新的社會權力重組，這部分內容主要涉及政治選舉中的高頻統計、數據外交和衝突預測；而另外一條線索則關乎跨學科的理論融合與闡釋，重點梳理了幾個經典數據分析理念和機器學習原理，內容涵括政治文本欠故淋中的數據挖掘與情感分析、政治關係中的社交網路與度量，以及基於神經網路的社會感知預測。

緒論爭論中的大數據、機器學習與未來政治()

上篇數據主義

第一章數據軍團：權力政治的算法角逐()

第一節複雜社會的演進：決策的相互擾動()

第二節同意的社會計算：傳統民調的罪與罰()

第三節數據較量:美國大選幕後的算法操盤手()

第二章高頻統計：選舉中的政治預測()

第一節貝葉斯定理：納特·西爾弗和他的538網站()

第二節預測偏差：538網站的數據陷阱()

第三節另類統計：最高頻爭議即為最大影響力()

第三章數據外交：一全催場即將到來的外交革命()

第一節從數字外交到數據外交：數據力量的崛起()

第二節從技術變革到當前爭議：外交決策的數據衝擊()

第三節從理論假說到案例實踐：數據驅動的外交創新()

第四節未來前景與關鍵障礙：數據外交的拓展空間()

下篇數據原理

第四章文本分析:情感與意圖的自動識別()

第一節分詞原理：非結構化數據的結構化處理()

第二節情感分析：挖掘文本敘述中的情戒判籃緒波動()

第三節主題模型：探索政治文本的隱含語義結構()

第五章社會網路:圈子裡的政治文化()

第一節社會網路：以關係為中心的政治度量()

第二節強聯繫與弱聯繫：政治系統中的信息傳遞()

第三節中心性分析：發掘政治網路中的關鍵節點()

第六章機器學習：暴力衝突的社會感知()

第一節謝林模型：從計算機模擬到機器學習()

第二節學習原理：從有監督學習到無監督學習()

第三節神經網路:仿生人腦與社會情景的模式識別()

第四節預警未來：衝突預測的當前障礙()

參考文獻

董青嶺，對外經濟貿易大學國際關係學院副教授、國家信息中心博士後工作站信息管理科學博士後，2009年6月畢業於外交學院國際關係研究所，獲法學博士學位，當前主要從事大數據科學、人工智慧與國際關係問題的交叉研究，業已在《世界經濟與政治》《外交評論》《國際政治研究》《歐洲研究》以及《國際政治科學》等主流芝企巴循墊主挨期刊發表國際關係論文十餘篇，出版專著《複合建構主義：進化衝突與進化合作》一部，主持“基於大數據驅動的外交決策模式創新與我國實踐路徑研究”“基於開源數據分析的國際安全態勢感知與衝突預測模型研究”等國家社科基金、教育部人文社科基金以及中再檔尋槓國博士後科學基金和校級科研課題多項。

大數據與機器學習

基本介紹

相關詞條

熱門詞條