社会计算是近十年来快速发展起来的一个新兴的研究领域,它一方面依托于近年社交网络技术及应用的快速发展,使得越来越多的网络用户之间产生自联接、自媒体、自选择的内容传播新方式,并且带来了关于针对文本内容深入挖掘与分析研究的强大的动力基础;另一方面传统社会学对于社会活动领域中的分析方法,特别是基于网络化的社会化分析方法,使得人们发现在庞大的网络数据中可以充分地利用其中的一些指标与算法来进行有效的度量与分析,从而使得社会网络分析方法从其他的角度上再次获得了新的生命力。本书则是在这两个研究背景下,结合西安交通大学软件学院社会智能与复杂数据处理实验室近三年来的研究成果,对社会智能与复杂数据处理领域中有关社会舆情分析过程中所采用的核心技术、方法和机制进行了系统的梳理,以期望从技术角度为读者提供一个深入学习和了解该领域前沿动态与关键技术的一个视角。本书不仅可以作为计算机领域、数据挖掘领域、自然语言处理领域及信息管理领域的高年级本科生、研究生的课程教学书与辅导参考书,还可以作为专业领域软件工程师与设计师进行深入技术研究与算法优化的工具参考书。
内容简介
其他
第1章 社会计算与社会舆情分析概述
1.1 社会计算的概念与关键技术
1.2 社会舆情的特征与分析方法
1.3 本书的知识结构
参考文献
第2章 社会网络分析理论与相关技术基础
2.1 社会网络分析方法
2.2 自然语言处理
2.3 数据挖掘与机器学习方法概述
2.4 本章小结
参考文献
第3章 中文文本特征与词分析技术
3.1 中文文本的基本特征
3.2 中文分词技术
3.3 主题词库的构建
3.4 本章小结
参考文献
第4章 社会网络环境下的文本数据预处理技术
4.1 文本数据的词义冲突与数据消歧
4.2 文本数据的稀疏性与降维
4.3 数据融合
4.4 本章小结
参考文献
第5章 文本聚类方法分析
5.1 聚类基础概念
5.2 常用的文本聚类算法
5.3 基于文本数据流的聚类方法
5.4 本章小结
参考文献
第6章 文本分类方法
6.1 分类基础概念
6.2 基于概率的贝叶斯分类方法
6.3 基于核的分类算法
6.4 其他分类器的常用构造算法
6.5 本章小结
参考文献
第7章 信息抽取与摘要自动生成技术
7.1 命名实体的识别与抽取技术
7.2 网络文本数据中的实体间关系的抽取
7.3 话题识别与追踪技术(TDT)
7.4 自动摘要生成技术
7.5 本章小结
参考文献
第8章 社会网络中社区识别与信息传播
8.1 网络社区的识别
8.2 网络信息的传播模型
8.3 链接预测模型与方法
8.4 本章小结
参考文献
第9章 社会网络下的情感分析
9.1 情感计算的基本概念与问题挑战
9.2 文本的主/客观分析与观点挖掘分析方法
9.3 情感分析与计算方法
9.4 本章小结
参考文献
第10章 数据可视化技术
10.1 可视化技术概述
10.2 社会网络可视化的静态分析方法
10.3 动态可视化交互方法与可视化模式挖掘技术
10.4 数据可视化的质量评价方法
10.5 本章小结
参考文献
第11章 社会计算与舆情分析应用
11.1 社会网络舆情分析与应用
11.2 企业社会网络分析与应用
11.3 专家网络与知识图谱应用
11.4 专利地图的应用
11.5 金融风险预测与分析应用
11.6 本章小结
参考文献
第12章 社会计算与舆情分析的技术发展趋势
12.1 大数据与数据世系
12.2 基于机器学习的类人脑科学的演化
12.3 社会计算向社会智能的演化
12.4 小结
参考文献
附录A 基于信息传播的分类及网站示例
附录B 基于LDA模型的候选主题词抽取算法描述
附录C 常用的中文停用词表
附录D TBDC4TS聚类算法伪代码示意
后记
