当前位置:首页 > 文化科学教育体育
社交网络上的计算传播学
社交网络上的计算传播学

社交网络上的计算传播学PDF电子书下载

文化科学教育体育

  • 电子书积分:12 积分如何计算积分?
  • 作 者:许小可等编著
  • 出 版 社:北京:高等教育出版社
  • 出版年份:2015
  • ISBN:9787040430691
  • 页数:304 页
图书介绍: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。
《社交网络上的计算传播学》目录

第1章 引论 1

1.1社交网络分析:从大众传播到人际传播的必然选择 2

1.2网络科学领域的结构主义倾向 2

1.3计算传播学简介 3

1.4基于计算传播学的信息传播过程可计算框架 4

1.5本书内容简介 5

第2章 单条信息传播的多维度测量 7

2.1引言 8

2.2扩散规模及扩散率 9

2.3扩散网络 9

2.3.1高度和宽度 10

2.3.2级联率 11

2.4扩散阈值 13

2.5扩散时间 17

2.5.1速度 19

2.5.2爆发与持续性 20

2.6扩散空间 24

2.7本章小结和展望 26

参考文献 26

第3章 影响信息传播的可计算因素分析 29

3.1引言 30

3.2社交网络结构特征对传播的影响 30

3.2.1网络连通性 31

3.2.2度相关性 32

3.2.3空间结构 33

3.2.4 Hub节点 34

3.2.5小世界特性 35

3.2.6信息传播对于社交网络结构演化的反作用 36

3.3信息属性的影响 39

3.4用户属性以及属性相似性的影响 41

3.4.1用户自身属性 41

3.4.2好友属性的趋同性 44

3.4.3好友间的同伴作用 45

3.5用户阵发活动模式的影响 47

3.6本章小结与展望 49

参考文献 50

第4章 节点传播能力的测量 55

4.1引言 56

4.2社交网络中的意见领袖 56

4.2.1意见领袖与二级传播理论 56

4.2.2意见领袖成因分析 57

4.3基于网络结构的节点传播能力测量 59

4.3.1节点连接度 60

4.3.2结构洞特征 60

4.3.3 PageRank算法 61

4.3.4 LeaderRank算法 62

4.3.5 κ-核分解算法 63

4.4基于信息传播的节点传播能力测量 65

4.4.1有效用户数量 65

4.4.2被转发次数与被提及次数 66

4.4.3 TunkRank排序算法 67

4.4.4明星指数 68

4.5影响最大化问题 68

4.6本章小结与展望 71

参考文献 72

第5章 信息扩散模型 79

5.1引言 80

5.2经典的信息扩散模型 81

5.2.1创新扩散模型 81

5.2.2局部相互作用博弈模型 84

5.2.3阈值模型 85

5.2.4级联模型 86

5.2.5 Markov随机场图模型 87

5.2.6传染病模型 87

5.3数据驱动的信息扩散模型 88

5.3.1分支过程模型 88

5.3.2数据驱动的级联模型 92

5.3.3基于信息亲和性的模型 93

5.3.4基于信息扩散升降模式的模型 95

5.3.5基于外部影响的模型 96

5.3.6基于权威节点影响的模型 97

5.3.7其他数据驱动模型 98

5.4信息扩散模型的最新进展 99

5.4.1谣言传播模型 99

5.4.2竞争性的信息扩散模型 101

5.4.3其他模型 104

5.5本章小结与展望 105

参考文献 106

第6章 计算传播学在新闻和公共舆论领域的应用 111

6.1引言 112

6.2传播者研究 114

6.2.1新闻传播中传播者研究的现状 114

6.2.2公众参与公共舆论传播的不平等性 115

6.3受众研究 116

6.4内容研究 118

6.5渠道研究 121

6.6效果研究 122

6.6.1公共舆论与受众的认知、态度及行为改变 122

6.6.2公共舆论的宏观效果 123

6.6.3在线公共舆论与社会运动 124

6.6.4社会化计算与在线公共舆论效果研究 127

6.7本章小结与展望 128

参考文献 130

第7章 计算传播学在电子商务中的应用 135

7.1引言 136

7.2消费者参与口碑传播的心理动机 137

7.3消费者参与口碑传播的行为分析 138

7.3.1用户评分的统计特征 138

7.3.2用户评分的时间特征 139

7.4用户评论内容的文本分析 140

7.4.1用户评论质量的判定 141

7.4.2用户评论的语义分析 141

7.4.3用户评论的情感倾向分析 143

7.5口碑营销的效果测量 144

7.5.1口碑营销的信息传播效果 144

7.5.2口碑营销中信息传播的影响因素 145

7.5.3口碑传播对品牌认知的影响 147

7.5.4口碑传播对购买行为的影响 148

7.6广告受众的精准定向 149

7.6.1基于用户行为的受众定向 150

7.6.2基于社会关系的受众定向 151

7.6.3基于用户自创内容的受众定向 152

7.7本章小结与展望 154

参考文献 156

第8章 行为、情绪和感受的计算传播学 163

8.1引言 164

8.2行为的计算传播学研究 165

8.2.1恶性行为的传播 165

8.2.2合作行为的传播 167

8.2.3导致肥胖的行为传播 168

8.2.4吸烟行为的传播 171

8.2.5饮酒行为的传播 174

8.2.6睡眠行为的传播 177

8.3情绪和感受的计算传播学研究 179

8.3.1幸福感的传播 179

8.3.2孤独感的传播 183

8.3.3抑郁的传播 185

8.3.4不同极性情绪的传播特性差异 188

8.3.5情绪传播研究中的学术道德 189

8.4影响行为、情绪和感受传播的因素分析 191

8.4.1网络结构的影响 191

8.4.2趋同性的影响 193

8.5社会影响、趋同性与共因原理 196

8.6本章小结与展望 198

参考文献 199

第9章 社交网络的抽样策略及在计算传播学中的应用 209

9.1在线社交网络的常用抽样策略 210

9.1.1随机抽样 210

9.1.2广度优先搜索抽样 212

9.1.3滚雪球抽样 212

9.1.4森林火灾抽样 213

9.1.5随机行走抽样 214

9.1.6 Metropolis-Hastings随机行走抽样 215

9.1.7有偏随机行走抽样 216

9.1.8融合随机抽样和依存式抽样的混合抽样 216

9.2评估和比较各种抽样策略的性能 217

9.2.1常用统计量 217

9.2.2常用统计方法 218

9.2.3性能比较 219

9.3其他类型社交网络中的抽样策略 221

9.3.1有向社交网络的抽样 221

9.3.2具有强社团结构网络的抽样 222

9.4局部大数据的分析与应用 222

9.4.1局部大数据与随机样本数据的区别 222

9.4.2局部数据中边界效应的影响 223

9.5信息传播研究中的抽样策略 226

9.5.1衡量信息传播抽样效果的统计量 226

9.5.2基于网络拓扑结构的抽样 227

9.5.3基于信息传播特性的抽样策略 227

9.5.4融合信息传播特性和拓扑结构的抽样 228

9.5.5信息源确定与信息传播路径重构 229

9.6本章小结与展望 231

参考文献 232

第10章 基于置乱算法的社交网络零模型构造及应用 237

10.1引言 238

10.2静态无权网络零模型的构造 239

10.2.1基于网络模型构造零模型的局限性 240

10.2.2基于随机断边重连的1阶零模型 240

10.2.3强同配特性或异配特性的断边重连零模型 242

10.2.4基于随机断边重连的2阶零模型 243

10.2.5局部断边重连算法 244

10.3静态加权网络零模型的构造 246

10.3.1权重置乱算法 246

10.3.2等权重置乱算法 247

10.3.3局部权重置乱算法 248

10.4时变网络零模型的构造 249

10.4.1时变网络简介 250

10.4.2连边置乱算法 251

10.4.3时间置乱算法 251

10.4.4时间随机化算法 253

10.4.5时权置乱算法 254

10.4.6等权置乱算法 255

10.4.7接触置乱算法 256

10.4.8时间倒转算法 257

10.4.9叠加算法 258

10.4.10区间图上的置乱算法 259

10.5双层网络上的节点置乱零模型 261

10.6本章小结与展望 264

参考文献 265

第11章 基于Python语言的计算传播学定量分析入门 273

11.1 Python语言简介 274

11.2数据抓取 274

11.2.1直接抓取数据 275

11.2.2模拟浏览器抓取数据 276

11.2.3基于API接口抓取数据 278

11.3数据预处理 285

11.4可视化 289

11.5数据分析 292

11.5.1节点属性 292

11.5.2网络属性 296

11.5.3传播属性 298

11.6本章小结 303

参考文献 304

相关图书
作者其它书籍
返回顶部