绪论 争论中的大数据、机器学习与未来政治 1
上篇 数据主义 15
第一章 数据军团：权力政治的算法角逐 15
第一节 复杂社会的演进：决策的相互扰动 16
第二节 同意的社会计算：传统民调的罪与罚 24
第三节 数据较量：美国大选幕后的算法操盘手 41
第二章 高频统计：选举中的政治预测 49
第一节 贝叶斯定理：纳特·西尔弗和他的538网站 50
第二节 预测偏差：538网站的数据陷阱 57
第三节 另类统计：最高频争议即为最大影响力 64
第三章 数据外交：一场即将到来的外交革命 68
第一节 从数字外交到数据外交：数据力量的崛起 69
第二节 从技术变革到当前争议：外交决策的数据冲击 72
第三节 从理论假说到案例实践：数据驱动的外交创新 75
第四节 未来前景与关键障碍：数据外交的拓展空间 85
下篇 数据原理 93
第四章 文本分析：情感与意图的自动识别 93
第一节 分词原理：非结构化数据的结构化处理 94
第二节 情感分析：挖掘文本叙述中的情绪波动 110
第三节 主题模型：探索政治文本的隐含语义结构 119
第五章 社会网络：圈子里的政治文化 129
第一节 社会网络：以关系为中心的政治度量 130
第二节 强联系与弱联系：政治系统中的信息传递 135
第三节 中心性分析：发掘政治网络中的关键节点 141
第六章 机器学习：暴力冲突的社会感知 152
第一节 谢林模型：从计算机模拟到机器学习 154
第二节 学习原理：从有监督学习到无监督学习 161
第三节 神经网络：仿生人脑与社会情景的模式识别 166
第四节 预警未来：冲突预测的当前障碍 176
参考文献 180
常用数据网站 198
后记 202