《面向社会化媒体大数据的社会计算》综合了大量国内外的最新资料和作者的研究成果，介绍了社会计算的定义和研究内容，以社会化媒体大数据为例讨论了数据获取和知识表示，从社会化媒体的网络结构和内容的角度研究了社区发现算法和兴趣社区划分方法，讨论了社会化媒体网络信息的传播问题、跨平台挖掘以及群体智慧的一些相关研究成果。
《面向社会化媒体大数据的社会计算》全书围绕着三个层次展开叙述：数据层（第1～2章）研究社会化媒体以及社会化媒体的数据获取和知识表示；模型层（第3～5章）重点分析了社区发现和社会建模与分析，社区发现是进行社区建模和分析的基础；应用层（第6～8章）研究社会媒体文本挖掘的情感分析、金融决策分析、跨平台的知识发现、群体智慧方面的应用。全书提供了大量的研究算法和应用实例，每章后均附有思考题。
《面向社会化媒体大数据的社会计算》的读者可以是对社会计算感兴趣的专业人士，或是对社会化媒体挖掘感兴趣的商业界人士，也可作为计算机应用方向的教材或参考书。
目录
- 第1章 绪言
- 1.1 社会计算定义
- 1.2 社会计算研究内容
- 1.2.1 数据集成
- 1.2.2 社区发现
- 1.2.3 群体智慧
- 1.2.4 知识发现与决策支持
- 1.3 本章小结
- 思考题
- 第2章 社会化媒体及其知识表示
- 2.1 社会化媒体定义
- 2.2 社会化媒体分类
- 2.2.1 博客
- 2.2.2 社交网络
- 2.2.3 微博
- 2.2.4 分享平台
- 2.2.5 论坛
- 2.2.6 知识协作
- 2.2.7 即时通信
- 2.2.8 垂直社区
- 2.2.9 搜索引擎
- 2.3 主流社会化媒体
- 2.3.1 维基百科
- 2.3.2 新浪微博
- 2.4 社会化媒体大数据
- 2.5 社会化媒体大数据获取方法
- 2.5.1 维基百科数据获取方法
- 2.5.2 新浪微博数据获取方法
- 2.6 现有社会网络分析软件
- 2.6.1 UCINET软件
- 2.6.2 NetDraw软件
- 2.6.3 Pajek软件
- 2.6.4 NetMiner软件
- 2.6.5 StOCNET软件
- 2.7 本章小结
- 思考题
- 第3章 基于网络结构的社区发现
- 3.1 非重叠社区发现
- 3.1.1 传统算法
- 3.1.2 分裂算法
- 3.1.3 基于模块度的方法
- 3.1.4 动力学算法
- 3.1.5 局部社区发现算法
- 3.1.6 几种经典社区算法
- 3.2 重叠社区发现
- 3.2.1 重叠社区发现
- 3.2.2 重叠社区发现算法分类
- 3.3 本章小结
- 思考题
- 第4章 基于内容的社区聚类方法
- 4.1 主题模型
- 4.1.1 主题模型简介
- 4.1.2 主题模型内容
- 4.2 LDA模型
- 4.2.1 LDA模型简介
- 4.2.2 LDA模型内容
- 4.2.3 LDA模型统计推断
- ……
- 第5章 社会网络信息传播分析
- 第6章 社会化媒体计算应用
- 第7章 社会化媒体跨平台挖掘
-
第8章 群体智慧
