第1章 绪言 1
1.1 社会计算定义 1
1.2 社会计算研究内容 5
1.2.1 数据集成 5
1.2.2 社区发现 6
1.2.3 群体智慧 6
1.2.4 知识发现与决策支持 6
1.3 本章小结 7
思考题 7
第2章 社会化媒体及其知识表示 8
2.1 社会化媒体定义 8
2.2 社会化媒体分类 9
2.2.1 博客 10
2.2.2 社交网络 10
2.2.3 微博 11
2.2.4 分享平台 11
2.2.5 论坛 12
2.2.6 知识协作 13
2.2.7 即时通信 13
2.2.8 垂直社区 14
2.2.9 搜索引擎 14
2.3 主流社会化媒体 16
2.3.1 维基百科 16
2.3.2 新浪微博 17
2.4 社会化媒体大数据 18
2.5 社会化媒体大数据获取方法 18
2.5.1 维基百科数据获取方法 18
2.5.2 新浪微博数据获取方法 19
2.6 现有社会网络分析软件 21
2.6.1 UCINET软件 21
2.6.2 NetDraw软件 22
2.6.3 Pajek软件 22
2.6.4 NetMiner软件 22
2.6.5 StOCNET软件 23
2.7 本章小结 23
思考题 23
第3章 基于网络结构的社区发现 24
3.1 非重叠社区发现 24
3.1.1 传统算法 24
3.1.2 分裂算法 26
3.1.3 基于模块度的方法 26
3.1.4 动力学算法 27
3.1.5 局部社区发现算法 27
3.1.6 几种经典社区算法 28
3.2 重叠社区发现 31
3.2.1 重叠社区发现 31
3.2.2 重叠社区发现算法分类 32
3.3 本章小结 40
思考题 40
第4章 基于内容的社区聚类方法 41
4.1 主题模型 42
4.1.1 主题模型简介 42
4.1.2 主题模型内容 43
4.2 LDA模型 45
4.2.1 LDA模型简介 46
4.2.2 LDA模型内容 46
4.2.3 LDA模型统计推断 48
4.3 LDA模型的变形 48
4.3.1 AT模型 48
4.3.2 ART模型 49
4.3.3 CART模型 51
4.4 主题模型在社区发现中的应用 51
4.4.1 简介 51
4.4.2 网络结构挖掘 51
4.5 本章小结 52
思考题 53
第5章 社会网络信息传播分析 54
5.1 社会网络中的信息传播 54
5.2 社会网络中的信息传播模型 56
5.2.1 病毒传播模型 56
5.2.2 影响力传播模型 58
5.3 社会网络中的信息传播的应用 63
5.3.1 影响最大化 63
5.3.2 病毒营销 63
5.3.3 谣言的防控 65
5.4 本章小结 65
思考题 65
第6章 社会化媒体计算应用 67
6.1 基于社会化媒体文本挖掘的情感分析 67
6.1.1 情感分析研究概述 67
6.1.2 情感分析文本预处理 68
6.1.3 微博情感倾向分类模型 72
6.1.4 情感分类评价指标 78
6.2 基于流形学习的社会化媒体金融复合数据的预测 79
6.2.1 金融预测研究概述 79
6.2.2 原始数据获取及量化处理 80
6.2.3 基于指标与维度的数据优化 86
6.2.4 金融预测模型及评价指标 92
6.3 个性化服务 96
6.3.1 国内社交网站推荐系统的发展现状 96
6.3.2 推荐的相关技术 99
6.3.3 一个例子：动态信息推荐 100
6.4 本章小结 103
思考题 103
第7章 社会化媒体跨平台挖掘 104
7.1 基于用户名的用户识别 105
7.1.1 记忆力受限因素 106
7.1.2 知识受限因素 106
7.2 基于网络结构的用户识别 107
7.2.1 种子结点识别 107
7.2.2 迭代识别 108
7.3 本章小结 109
思考题 110
第8章 群体智慧 111
8.1 蚁群算法 112
8.2 粒子群算法 115
8.3 人工鱼群算法 119
8.4 人工免疫算法 122
8.5 人本计算 123
8.6 补充材料：寻找潜艇“天蝎号” 125
8.7 本章小结 125
思考题 125
参考文献 127