《面向社會化媒體大數據的社會計算》是2015年清華大學出版社出版的圖書，作者是梁循、楊小平、周小平、張海燕。
基本介紹
- 中文名：面向社會化媒體大數據的社會計算
- 作者：梁循、楊小平、周小平、張海燕
- 出版社：清華大學出版
- 出版時間：2015年
- 定價：25 元
- 裝幀：平裝
- ISBN：9787302374565
圖書簡介,目錄,
圖書簡介
本書綜合了大量國內外的最新資料和作者的研究成果，介紹了社會計算的定義和研究內容，以社會化兆永雅媒體大數據為例討論寒踏了數據獲取和知識表示，從社會化媒體的網路結構和內容的角度研究了社區發現算法和興趣社區劃分方法，討論了社會化媒體網路信息的傳播問題、跨平台挖掘以及群體戀櫃射地智慧的一些相關研究成果。
目錄
第1章緒言
1.1社會計算定義
1.2社會計算研究內容
1.2.1數據集成厚殼地
1.2.2社區發現
1.2.3群體智慧
1.2.4知識發現與決策支持
1.3本章小結
思考題
第2章社會化媒體及其知識表示
2.1社會化媒體定義
2.2社會化媒體分類
2.2.1部落格
2.2.2社交網路
2.2.3微博
2.2.4分享平台
2.2.5論壇
2.2.6知識協作
2.2.7即時通信
2.2.8垂直社區
2.2.9搜尋引擎
2.3主流社會化媒體
2.3.1維基百科
2.3.2新浪微博
2.4社會化媒體大數據
2.5社會化媒體大數據獲取方法
2.5.1維基百科數據獲取方法
2.5.2新芝盛碑浪微博數據獲取方法
2.6現有社會網路分析軟體
2.6.1UCINET軟體
2.6.2NetDraw軟體
2.6.3Pajek軟體
2.6.4NetMiner軟體
2.6.5StOCNET軟體
2.7本章小結
思考題
第3章基於網路結構的社區發現
3.1非重疊嬸贈騙社區發現
3.1.1傳統算法
3.1.2分裂算法
3.1.3基於模組度的方法
3.1.4動力學算法
3.1.5局部社區發現算法
3.1.6幾種經典社區算法
3.2重疊社區發現
3.2.1重疊社區發現
3.2.2重疊社區發現算法分類
3.3本章小結
思考題
第4章基於內容的...
4.1主題模型
4.1.1主題模型簡介
4.1.2主題模型內容
4.2LDA模型
4.2.1LDA模型簡介
4.2.2LDA模型內容
4.2.3LDA模型統計推斷
4.3LDA模型的變形
4.3.1AT模型
4.3.2ART模型
4.3.3CART模型
4.4主題模型在社區發現中的套用
4.4.1簡介
4.4.2網路結構挖掘
4.5本章小結
思考題
第5章社會網路信息傳播分析
5.1社會網路中的信息傳播
5.2社會網路中的信息傳播模型
5.2.1病毒傳播模型
5.2.2影響力傳播模型
5.3社會網路中的信息傳播的套用
5.3.1影響最大化
5.3.2病毒行銷
5.3.3謠言的防控
5.4本章小結
思考題
第6章社會化媒體計算套用
6.1基於社會化媒體文本挖掘的情感分析
6.1.1情感分析研究概述
6.1.2情感分析文本預處理
6.1.3微博情感傾向分類模型
6.1.4情感分類評價指標
6.2基於流形學習的社會化媒體金融複合
數據的預測
6.2.1金融預測研究概述
6.2.2原始數據獲取及量化處理
6.2.3基於指標與維度的數據優騙組嬸轎化
6.2.4金融預測模型及評價指標
6.3個性化服務
6.3.1國內社交網站推薦系統的發展現狀
6.3.2推薦的相關技術
6.3.3一個例子： 動態信息推薦
6.4本章小結
思考題
第7章社會化媒體跨平台挖掘
7.1基於用戶名的用戶識別
7.1.1記憶力受限因素
7.1.2知識受限因素
7.2基於網路結構的用戶識別
7.2.1種子結點識別
7.2.2疊代識別
7.3本章小結
思考題
第8章群體智慧
8.1蟻群算法
8.2粒子群算法
8.3人工魚群算法
8.4人工免疫算法
8.5人本計算
8.6補充材料： 尋找潛艇“天蠍號”
8.7本章小結
思考題
參考文獻
4.4.1簡介
4.4.2網路結構挖掘
4.5本章小結
思考題
第5章社會網路信息傳播分析
5.1社會網路中的信息傳播
5.2社會網路中的信息傳播模型
5.2.1病毒傳播模型
5.2.2影響力傳播模型
5.3社會網路中的信息傳播的套用
5.3.1影響最大化
5.3.2病毒行銷
5.3.3謠言的防控
5.4本章小結
思考題
第6章社會化媒體計算套用
6.1基於社會化媒體文本挖掘的情感分析
6.1.1情感分析研究概述
6.1.2情感分析文本預處理
6.1.3微博情感傾向分類模型
6.1.4情感分類評價指標
6.2基於流形學習的社會化媒體金融複合
數據的預測
6.2.1金融預測研究概述
6.2.2原始數據獲取及量化處理
6.2.3基於指標與維度的數據最佳化
6.2.4金融預測模型及評價指標
6.3個性化服務
6.3.1國內社交網站推薦系統的發展現狀
6.3.2推薦的相關技術
6.3.3一個例子： 動態信息推薦
6.4本章小結
思考題
第7章社會化媒體跨平台挖掘
7.1基於用戶名的用戶識別
7.1.1記憶力受限因素
7.1.2知識受限因素
7.2基於網路結構的用戶識別
7.2.1種子結點識別
7.2.2疊代識別
7.3本章小結
思考題
第8章群體智慧
8.1蟻群算法
8.2粒子群算法
8.3人工魚群算法
8.4人工免疫算法
8.5人本計算
8.6補充材料： 尋找潛艇“天蠍號”
8.7本章小結
思考題
參考文獻
