顶部
收藏

社交网络上的计算传播学


作者:
许小可 胡海波 张伦 王成军
定价:
59.00元
ISBN:
978-7-04-043069-1
版面字数:
300.000千字
开本:
16开
全书页数:
304页
装帧形式:
平装
重点项目:
暂无
出版时间:
2015-07-20
读者对象:
学术著作
一级分类:
自然科学
二级分类:
交叉学科

计算传播学是计算社会科学的重要分支,计算传播学的分析基础在于人类传播行为的可计算性,而人类传播行为本身的丰富性和复杂性为计算传播学研究提出了重要挑战。本书着重分析了社交网络中影响传播行为的各种可计算因素,以网络科学为理论基础,以计算新闻学、计算广告学等为实践知识框架,全书共11章。第1~5章分析了社交网络中信息传播的测量工具和影响传播的可计算因素;第6~8章主要侧重于介绍社交网络中计算传播学的相关应用;第9~11章介绍与社交网络上计算传播学相关的一些研究方法和数据处理手段。

本书着力于融合多个学科的力量,系统性地为社交网络上的信息传播建立一个完整的可计算框架。本书可作为研究生以及高年级本科生的社交网络分析和计算传播学教材,也可供自然科学、工程技术和社会科学领域的研究人员和学者参考使用。

  • 前辅文
  • 第1章 引论
    • 1.1 社交网络分析:从大众传播到人际传播的必然选择
    • 1.2 网络科学领域的结构主义倾向
    • 1.3 计算传播学简介
    • 1.4 基于计算传播学的信息传播过程可计算框架
    • 1.5 本书内容简介
  • 第2章 单条信息传播的多维度测量
    • 2.1 引言
    • 2.2 扩散规模及扩散率
    • 2.3 扩散网络
      • 2.3.1 高度和宽度
      • 2.3.2 级联率
    • 2.4 扩散阈值
    • 2.5 扩散时间
      • 2.5.1 速度
      • 2.5.2 爆发与持续性
    • 2.6 扩散空间
    • 2.7 本章小结和展望
    • 参考文献
  • 第3章 影响信息传播的可计算因素分析
    • 3.1 引言
    • 3.2 社交网络结构特征对传播的影响
      • 3.2.1 网络连通性
      • 3.2.2 度相关性
      • 3.2.3 空间结构
      • 3.2.4 Hub节点
      • 3.2.5 小世界特性
      • 3.2.6 信息传播对于社交网络结构演化的反作用
    • 3.3 信息属性的影响
    • 3.4 用户属性以及属性相似性的影响
      • 3.4.1 用户自身属性
      • 3.4.2 好友属性的趋同性
      • 3.4.3 好友间的同伴作用
    • 3.5 用户阵发活动模式的影响
    • 3.6 本章小结与展望
    • 参考文献
  • 第4章 节点传播能力的测量
    • 4.1 引言
    • 4.2 社交网络中的意见领袖
      • 4.2.1 意见领袖与二级传播理论
      • 4.2.2 意见领袖成因分析
    • 4.3 基于网络结构的节点传播能力测量
      • 4.3.1 节点连接度
      • 4.3.2 结构洞特征
      • 4.3.3 PageRank算法
      • 4.3.4 LeaderRank算法
      • 4.3.5 k-核分解算法
    • 4.4 基于信息传播的节点传播能力测量
      • 4.4.1 有效用户数量
      • 4.4.2 被转发次数与被提及次数
      • 4.4.3 TunkRank排序算法
      • 4.4.4 明星指数
    • 4.5 影响最大化问题
    • 4.6 本章小结与展望
    • 参考文献
  • 第5章 信息扩散模型
    • 5.1 引言
    • 5.2 经典的信息扩散模型
      • 5.2.1 创新扩散模型
      • 5.2.2 局部相互作用博弈模型
      • 5.2.3 阈值模型
      • 5.2.4 级联模型
      • 5.2.5 Markov随机场图模型
      • 5.2.6 传染病模型
    • 5.3 数据驱动的信息扩散模型
      • 5.3.1 分支过程模型
      • 5.3.2 数据驱动的级联模型
      • 5.3.3 基于信息亲和性的模型
      • 5.3.4 基于信息扩散升降模式的模型
      • 5.3.5 基于外部影响的模型
      • 5.3.6 基于权威节点影响的模型
      • 5.3.7 其他数据驱动模型
    • 5.4 信息扩散模型的最新进展
      • 5.4.1 谣言传播模型
      • 5.4.2 竞争性的信息扩散模型
      • 5.4.3 其他模型
    • 5.5 本章小结与展望
    • 参考文献
  • 第6章 计算传播学在新闻和公共舆论领域的应用
    • 6.1 引言
    • 6.2 传播者研究
      • 6.2.1 新闻传播中传播者研究的现状
      • 6.2.2 公众参与公共舆论传播的不平等性
    • 6.3 受众研究
    • 6.4 内容研究
    • 6.5 渠道研究
    • 6.6 效果研究
      • 6.6.1 公共舆论与受众的认知、态度及行为改变
      • 6.6.2 公共舆论的宏观效果
      • 6.6.3 在线公共舆论与社会运动
      • 6.6.4 社会化计算与在线公共舆论效果研究
    • 6.7 本章小结与展望
    • 参考文献
  • 第7章 计算传播学在电子商务中的应用
    • 7.1 引言
    • 7.2 消费者参与口碑传播的心理动机
    • 7.3 消费者参与口碑传播的行为分析
      • 7.3.1 用户评分的统计特征
      • 7.3.2 用户评分的时间特征
    • 7.4 用户评论内容的文本分析
      • 7.4.1 用户评论质量的判定
      • 7.4.2 用户评论的语义分析
      • 7.4.3 用户评论的情感倾向分析
    • 7.5 口碑营销的效果测量
      • 7.5.1 口碑营销的信息传播效果
      • 7.5.2 口碑营销中信息传播的影响因素
      • 7.5.3 口碑传播对品牌认知的影响
      • 7.5.4 口碑传播对购买行为的影响
    • 7.6 广告受众的精准定向
      • 7.6.1 基于用户行为的受众定向
      • 7.6.2 基于社会关系的受众定向
      • 7.6.3 基于用户自创内容的受众定向
    • 7.7 本章小结与展望
    • 参考文献
  • 第8章 行为、情绪和感受的计算传播学
    • 8.1 引言
    • 8.2 行为的计算传播学研究
      • 8.2.1 恶性行为的传播
      • 8.2.2 合作行为的传播
      • 8.2.3 导致肥胖的行为传播
      • 8.2.4 吸烟行为的传播
      • 8.2.5 饮酒行为的传播
      • 8.2.6 睡眠行为的传播
    • 8.3 情绪和感受的计算传播学研究
      • 8.3.1 幸福感的传播
      • 8.3.2 孤独感的传播
      • 8.3.3 抑郁的传播
      • 8.3.4 不同极性情绪的传播特性差异
      • 8.3.5 情绪传播研究中的学术道德
    • 8.4 影响行为、情绪和感受传播的因素分析
      • 8.4.1 网络结构的影响
      • 8.4.2 趋同性的影响
    • 8.5 社会影响、趋同性与共因原理
    • 8.6 本章小结与展望
    • 参考文献
  • 第9章 社交网络的抽样策略及在计算传播学中的应用
    • 9.1 在线社交网络的常用抽样策略
      • 9.1.1 随机抽样
      • 9.1.2 广度优先搜索抽样
      • 9.1.3 滚雪球抽样
      • 9.1.4 森林火灾抽样
      • 9.1.5 随机行走抽样
      • 9.1.6 Metropolis-Hastings随机行走抽样
      • 9.1.7 有偏随机行走抽样
      • 9.1.8 融合随机抽样和依存式抽样的混合抽样
    • 9.2 评估和比较各种抽样策略的性能
      • 9.2.1 常用统计量
      • 9.2.2 常用统计方法
      • 9.2.3 性能比较
    • 9.3 其他类型社交网络中的抽样策略
      • 9.3.1 有向社交网络的抽样
      • 9.3.2 具有强社团结构网络的抽样
    • 9.4 局部大数据的分析与应用
      • 9.4.1 局部大数据与随机样本数据的区别
      • 9.4.2 局部数据中边界效应的影响
    • 9.5 信息传播研究中的抽样策略
      • 9.5.1 衡量信息传播抽样效果的统计量
      • 9.5.2 基于网络拓扑结构的抽样
      • 9.5.3 基于信息传播特性的抽样策略
      • 9.5.4 融合信息传播特性和拓扑结构的抽样
      • 9.5.5 信息源确定与信息传播路径重构
    • 9.6 本章小结与展望
    • 参考文献
  • 第10章 基于置乱算法的社交网络零模型构造及应用
    • 10.1 引言
    • 10.2 静态无权网络零模型的构造
      • 10.2.1 基于网络模型构造零模型的局限性
      • 10.2.2 基于随机断边重连的1阶零模型
      • 10.2.3 强同配特性或异配特性的断边重连零模型
      • 10.2.4 基于随机断边重连的2阶零模型
      • 10.2.5 局部断边重连算法
    • 10.3 静态加权网络零模型的构造
      • 10.3.1 权重置乱算法
      • 10.3.2 等权重置乱算法
      • 10.3.3 局部权重置乱算法
    • 10.4 时变网络零模型的构造
      • 10.4.1 时变网络简介
      • 10.4.2 连边置乱算法
      • 10.4.3 时间置乱算法
      • 10.4.4 时间随机化算法
      • 10.4.5 时权置乱算法
      • 10.4.6 等权置乱算法
      • 10.4.7 接触置乱算法
      • 10.4.8 时间倒转算法
      • 10.4.9 叠加算法
      • 10.4.10 区间图上的置乱算法
    • 10.5 双层网络上的节点置乱零模型
    • 10.6 本章小结与展望
    • 参考文献
  • 第11章 基于Python语言的计算传播学定量分析入门
    • 11.1 Python语言简介
    • 11.2 数据抓取
      • 11.2.1 直接抓取数据
      • 11.2.2 模拟浏览器抓取数据
      • 11.2.3 基于API接口抓取数据
    • 11.3 数据预处理
    • 11.4 可视化
    • 11.5 数据分析
      • 11.5.1 节点属性
      • 11.5.2 网络属性
      • 11.5.3 传播属性
    • 11.6 本章小结
    • 参考文献

相关图书