社会计算 pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:机械工业出版社华章分社

作者:Lei Tang

出品人:

页数:144

译者:文益民

出版时间:2012-12-1

价格:35.00元

装帧:平装

isbn号码:9787111402879

丛书系列:计算机科学丛书

图书标签:

数据挖掘
社会计算
机器学习
网络分析
社会网络
社交网络
智能信息处理
计算机科学
社会计算
社交网络分析
大数据
机器学习
人工智能
行为科学
网络科学
复杂系统
数据挖掘
社会影响力

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到小美书屋

book.quotespace.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

在刚过去的十年我们见证了共享Web和社会媒体的诞生，它们用各种富有创意的方式将人们联系在一起。目前，成千上万的用户忙着在线玩、加标签、工作以及开展社交活动，合作、通信和智能正采取着前所未有的新形式。社会媒体的出现促进了商业模式的改变，影响了人们观点和情感的沟通，为大规模地研究人际交互和集体行为提供了无数机会。

本书从数据挖掘角度介绍社会媒体的性质，评述社会媒体计算的代表性成果，并描述社会媒体带来的挑战。书中介绍了基本概念，使用浅显易懂的例子展示最新的和有效的评价方法。特别是讨论了基于图的社区发现技术并对处理社会媒体中动态的、混杂的网络进行了重要延伸。另外还展示了发现的社区模式怎样用于社会媒体挖掘。本书中的概念、算法和方法能够帮助人们更好地利用社会媒体，并为建立社会化智能系统提供支持。本书是研究社会媒体中社区发现与挖掘技术的入门级读物，适合以数据为中心的社会媒体学科的学生、研究者和实践者阅读。

本书网站http://dmml.asu.edu/cdm/提供了讲课幻灯片、书中所有的图、主要的参考文献、书中使用的一些小型数据集，以及一些代表性算法的源代码。

洞悉数字时代的复杂交互：《社会网络分析与实证研究》导言：理解人与信息的交织在信息爆炸的今天，理解信息如何在人类社会中流动、影响决策，以及个体如何通过关系网络进行协作与竞争，已成为理解现代社会运作的关键。本书《社会网络分析与实证研究》并非聚焦于宏观的计算理论或算法设计，而是深入探讨如何运用严谨的科学方法，结合社会学、传播学和统计学的视角，剖析现实世界中复杂的人际与组织关系结构。我们旨在提供一套系统的分析工具和理论框架，帮助读者超越直觉判断，以数据驱动的方式揭示隐藏在日常互动背后的结构性力量。第一部分：社会网络理论基础与结构视角本部分为理解网络分析奠定坚实的理论基础。我们首先摒弃将个体视为孤立决策者的传统观点，转而强调“关系”本身的价值。第一章：网络的形态与基本概念本章将详细界定“网络”在社会科学中的具体含义，区分有向图与无向图、二元关系与多元关系。重点讨论网络结构的基本组成要素：节点（Actor）与边（Tie）。我们将深入剖析强连接与弱连接的社会意义，特别是弱连接的桥梁作用（The Strength of Weak Ties），这一概念如何解释信息扩散和机会获取的机制。同时，本章会介绍如何对网络进行初步的可视化，使用图形理论的基本术语来描述网络的基本拓扑特征，如密度、连通性和聚集性。第二章：核心结构测量：中心性指标的社会解读中心性指标是衡量个体在网络中重要性的核心工具。本书将重点介绍并区分三种主要的中心性概念及其在社会情境中的实际意义： 1. 度中心性（Degree Centrality）：关注直接影响力和活跃度。在组织中，高度中心性个体意味着信息接收和发布的效率极高，是信息“枢纽”。 2. 中介中心性（Betweenness Centrality）：衡量个体在信息流中扮演“守门人”或“桥梁”的角色。我们将分析中介性如何转化为权力，以及中介性个体如何控制信息流的路径和内容。 3. 接近中心性（Closeness Centrality）：关注个体接触网络中其他所有节点的平均速度，代表信息传播的效率和“全局可达性”。本章的独特之处在于，我们不只是罗列公式，而是结合市场营销、危机公关和组织变革的案例，阐释不同中心性指标在不同社会目标下的适用性和局限性。第三章：群组识别与社区划分社会网络并非均匀分布，而是由相互联系紧密的子群体构成。本章致力于介绍识别和分析这些“社区”或“群组”的方法。我们将探讨结构洞（Structural Holes）的概念——即网络中不存在直接连接的两个群体之间的空隙。拥有结构洞的个体能够成为不同群体间的协调者和信息聚合者。本章将系统介绍基于关系闭合性（Transitivity）和模块化（Modularity）的社区划分算法，并探讨这些社区在社会运动、企业内部知识共享和文化传播中的作用。第二部分：网络演化、过程与动态分析社会网络是流动的，而非静态的快照。本部分将视角转向时间维度，探讨网络如何形成、如何随时间变化，以及关键的社会过程（如信任的建立、影响力的扩散）如何在网络结构中展开。第四章：网络形成模型与信任的构建一个关键的问题是：为什么某些关系会形成，而另一些不会？本章将引入主要的网络形成理论，包括同质性（Homophily）——“相似的人倾向于聚集在一起”的机制，以及影响力（Influence）模型。我们将区分基于共同特征的联系（如地理、职业背景）和基于互动反馈的联系。更重要的是，我们将探讨信任如何在初期的不确定性中通过重复互动和共享网络地位逐步建立和维持。第五章：信息与意见的扩散动力学信息、意见乃至创新，如何在网络中传播？本章侧重于扩散过程的模拟与实证检验。我们将分析扩散的阈值模型，理解一个观点需要多少网络支持才能实现“临界爆炸”。同时，我们会区分信息传播（Information Cascades）和行为模仿（Contagion），并结合流行病学模型（如SIR模型在社会科学中的应用）来预测特定意见或行为在不同网络结构下的渗透速度和最终覆盖范围。第六章：影响力、地位与权威的测量影响力并非总是与中心性直接挂钩。本章致力于区分“被看见”的中心性和“实际发生作用”的影响力。我们将介绍序列分析（Sequence Analysis）来捕捉互动顺序对结果的影响，并讨论权威和合法性如何通过网络中的正式/非正式授权机制被社会建构。通过实证案例，我们将分析在小型决策群体中，谁的意见最终被采纳，以及这一采纳过程如何反过来巩固该个体的网络地位。第三部分：网络分析的实证应用与方法论本部分聚焦于如何将理论应用于实际数据，强调研究设计的严谨性和对因果推断的谨慎态度。第七章：网络数据的获取与清理现实中的网络数据往往是碎片化、不完整的。本章提供了一套实用的数据收集策略，涵盖问卷调查法（如“你与谁互动？”）、观察法和现有数据库的整合。重点讨论抽样偏差（例如，只收集了已建立关系的样本）对网络结构测量的影响，并介绍如何利用概率模型来估计缺失的连接。第八章：网络结构对组织绩效的影响本章将网络分析应用于组织研究。我们将检验两种对立的网络结构假设： 1. 冗余的价值：高度聚集、高闭合性的网络（强关系网络）如何通过促进信任和协同合作来提升团队绩效。 2. 空隙的红利：拥有结构洞的个体如何通过整合异质信息，在创新和跨部门协调中表现更优。我们将使用定量方法，如多层网络回归模型，来分离个体特征、网络结构和组织产出之间的相互作用效应。第九章：结论与面向未来的研究议程本书总结了社会网络分析在理解现代社会复杂性方面的核心贡献。我们强调，有效的社会干预和政策设计必须建立在对底层关系结构深刻理解的基础上。未来的研究方向应聚焦于多模态网络（结合社交、语义和地理信息的复合网络）的分析，以及如何构建更具适应性和鲁棒性的社会系统。本书特色总结：本书最大的特点在于其方法论的务实性和理论联系的紧密性。它避免了纯粹的计算机科学或算法探讨，而是聚焦于社会关系、权力分配、信息流动等核心社会议题。读者将学会如何识别网络中的关键参与者，理解群体间的张力，并能以一种全新的、结构化的视角来审视人类社会现象。这是一本为社会科学家、市场研究人员、人力资源专家以及所有希望深入理解复杂互动世界的专业人士量身打造的实证指南。

作者简介

Lei Tang（唐磊） 2010年于亚利桑那州立大学获博士学位，现为雅虎实验室研究员。他的研究方向包括：社会计算、数据挖掘和社会媒体挖掘，尤其是混杂网络的关系学习、群体进化、特征抽取和影响建模以及社会媒体中的集体行为建模与预测。他是ACM和IEEE会员。

Huan Liu（刘欢）南加州大学获博士学位，现为亚利桑那州立大学计算机科学与工程教授。他的研究方向包括：数据/网络挖掘、机器学习、社会计算、人工智能等。他是社会计算、行为建模和预测（SBP）国际会议/专题研讨会（http://sbp.asu.edu/）的发起者，同时是AAAI、ACM、ASEE和IEEE的会员。