第一章 导论 1
第一节 传统传播学简介 2
第二节 计算传播学之于传统传播学：新的研究范式 4
第三节 基于传统传播学的计算传播学研究 6
本章小结 12
第二章 文本分析简介 13
第一节 文本分析研究现状 14
第二节 文本分析与传播学研究 16
第三节 文本分析的基本步骤：文本的结构化处理 27
第四节 Python语言简介 38
本章小结 40
第三章 情感分析 41
第一节 情感分析简介 42
第二节 情感分析与传播学研究 43
第三节 Python进行情感分析 51
第四节 情感分析的基本算法 52
本章小结 66
第四章 语义建模 69
第一节 语义建模与传播学研究 70
第二节 LDA主题生成模型基本原理 75
第三节 语义模型的Python实现 78
第四节 有监督机器学习分类算法 80
本章小结 82
第五章 网络传播与传播网络 83
第一节 引言 84
第二节 网络传播中的热点研究问题 86
第三节 社会网络的拓扑结构特征 94
第四节 传播网络的拓扑结构统计量 103
第五节 社会网络和传播网络之间的结构相关性 109
第六节 传播加权网络的多维度测量 113
第七节 传播时效网络的多维度测量 121
本章小结 129
第六章 网络传播模型与机器学习框架 131
第一节 引言 132
第二节 信息传播模型 133
第三节 信息传播的机器学习分析框架 147
第四节 影响信息传播的其他因素 149
第五节 特征选择方法 155
第六节 信息传播的机器学习评价指标 158
第七节 基于实证数据的信息流行度预测 161
本章小结 169
第七章 数据新闻 171
第一节 产生背景 172
第二节 理论源流 174
第三节 实战练习 190
本章小结 203
第八章 计算广告 205
第一节 引言 206
第二节 发展历程 208
第三节 优化目标 212
第四节 计算广告市场的博弈、拍卖与匹配 214
第五节 计算广告市场的拍卖机制设计 225
本章小结 230
后记 232