本书特色
基础支撑理论
核心方法内涵
应用关键技术
学科交叉融合
理论实践共进
开源共享共建
内容简介
计算社会学定义为:计算社会学以移动互联网、社交媒体、物联网等新兴技术为基础,借助于统计理论、知识推理和人工智能等理论体系从跨域、连续、非结构化的海量数据中分析个体的静态属性,洞察群体和宏观社会的动态变化,是一门蓬勃发展的综合性交叉学科。。
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,围绕典型应用统梳理计算社会学的代表性应用。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,突出社会计算学近年来的最新研究成果和关键技术突破。
课程PPT下载
从聚类问题的核心目标任务出发,介绍聚类中的距离度量概念,系统梳理了聚类任务中的典型算法
介绍基础、经典的分类算法:贝叶斯分类器、支持向量机、决策树和随机森林等
介绍传统的神经网络的基本概念和理论,以及新型的神经网络
介绍卷积神经网络、循环递归神经网络、图神经网络等模型,以及模型训练优化方法
介绍对抗生成网络、自编码器、编解码器、注意力机制
从三元闭包、结构洞等理论出发介绍强关系和弱关系的应用和联系
介绍社会同质化现象、同质化的形成原理以及同质化的社会性影响
介绍认知平衡模型和结构平衡理论、极化的成因以及极化网络的量化和检测方法
介绍社会权力的形成机理和量化方法
介绍幂率分布的数学特性、典型应用,以及无标度网络及其特性
介绍典型的传染病模型,并以新冠病毒传播为例,介绍传染病的防控和干预
介绍经典语言建模方法、自然语言处理中典型任务和预训练模型
介绍潜在语义分析、概率潜在语义分析、潜在狄利克雷分配模型
从词语、句子/文档和属性三个粒度介绍情感分析的研究进展
从单模态用户画像和多模态用户画像两个角度介绍用户画像领域最新进展
介绍协同过滤、基于内容、基于深度学习、基于情境感知、基于图神经网络等的推荐方法以及现有的评估策略
介绍假消息定义、假消息认知机理、多模态假消息检测方法、群智融合假消息检测方法和可解释假消息检测方法
介绍虚拟机器人涉及到的关键技术、塑造的流程以及虚拟机器人塑造平台AI-Mate的系统架构