新書推薦：
《
革命与反革命：社会文化视野下的民国政治（近世中国丛书）
》
售價：HK$
93.2
《
画楼：《北洋画报》忆旧（年轮丛书）
》
售價：HK$
337.5
《
大国脊梁：漫画版
》
售價：HK$
80.2
《
跟着渤海小吏读历史：大唐气象（全三册）
》
售價：HK$
189.0
《
心智的构建：大脑如何创造我们的精神世界
》
售價：HK$
81.4
《
美国小史（揭秘“美国何以成为美国”，理解美国的经典入门读物）
》
售價：HK$
81.4
《
中国古代北方民族史丛书——东胡史
》
售價：HK$
87.8
《
巨人传（插图珍藏本）
》
售價：HK$
705.6
|
| 內容簡介： |
|
社会计算是近十年来快速发展起来的一个新兴的研究领域，它一方面依托于近年社交网络技术以及应用的快速发展，使得越来越多的网络用户之间产生自联接、自媒体、自选择的内容传播新方式，并且带来了关于针对文本内容深入挖掘与分析的强大动力基础；另一方面传统社会学对于社会活动领域中的分析方法，特别是基于网络化的社会化分析方法，使得人们发现在庞大的网络数据中，可以充分地利用其中的一些指标与算法进行有效的度量与分析，从而使得社会网络分析方法从技术角度上再次获得了新的生命力。在这两股力量的共同作用与影响下，社会计算领域中大量的研究成果也在不断涌现出来。因此，本书从社会计算和自然语言处理与文本挖掘两个角度出发，针对社会舆情分析过程中存在的核心方法进行综合介绍。
|
| 關於作者： |
|
CCF 会员； ACM会员 。负责或主持过国家863RFID重大专项“基于RFID的信息集成管理技术研究与开发”（2006AA04A118）； 北京市科委重大专项以及海淀区科技项目与博士后科研基金项目等多项；国家科技部火炬计划项目（高技术成果转化协同创新平台与示范）国家社科基金重大项目（“基于多学科理解的社会网络分析模型研究”第5子课题：虚拟Web网络空间中的社会网 络模型与个体行为机制研究）陕西省科技攻关项目： 基于专家知识地图的科技协同创新平台关键技术研究与应用2012K11-18、基于网络化感知计算的智慧社区管理关键技术与应用（2013K06-20）； 2013年，陕西省社科重点项目“中小企业首席工程师交流互动平台”机制研究；2012年，西安市技术转移促进工程项目：社会网络环境下的跨学科知识协同创新关键技术研究（CX121783）榆林市科技局“产学研”合作项目（科技资源统筹协同平台建设）等10余项。
|
| 目錄：
|
目 录
第 1章社会计算与社会舆情分析概述 1
1.1 社会计算的概念与关键技术 1
1.1.1 Web2.0与社会化软件的特征 1
1.1.2 社会计算的概念 3
1.1.3 社会计算与社会智能研究的核心内容 6
1.2 社会舆情的特征与分析方法 10
1.2.1 社会舆情的概念与特征 10
1.2.2 网络舆情的形成和演化过程 11
1.2.3 网络舆情的关键技术与方法 13
1.3 本书的知识结构 15
参考文献 17
实验室相关工作文献 17
第 2章社会网络分析理论与相关技术基础 18
2.1 社会网络分析方法 18
2.1.1 社会网络分析方法的发展与研究的问题域 18
2.1.2 社会网络分析方法的主要理论与概念体系 24
2.1.3 社会网络分析的主要研究方法与分析工具 28
2.2 自然语言处理 31
2.2.1 自然语言处理的基本问题 31
2.2.2 中文分词 32
2.2.3 命名实体识别 33
2.2.4 共指消解 34
2.2.5 实体关系的抽取 34
2.2.6 事件探测与追踪 35
2.3 数据挖掘与机器学习方法概述 35
2.3.1 数据挖掘与机器学习方法 35
2.3.2 基于 Web的文本挖掘 39
2.4 本章小结 41
参考文献 42
第 3章中文文本特征与词分析技术 43
3.1 中文文本的基本特征 43
3.1.1 中文文本的基本特征 43
3.1.2 中文文本分析的任务与数据结构特征 45
3.1.3 中文文本句法结构分析 50
3.1.4 基于统计的句法分析方法 54
3.2 中文分词技术 55
3.2.1 中文分词的核心问题 55
3.2.2 基于规则的中文分词的关键技术与算法 58
3.2.3 基于统计的中文分词的关键技术与算法 60
3.2.4 基于理解的分词方法 65
3.2.5 主要中文分词工具 65
3.3 主题词库的构建 67
3.3.1 主题词基本概念 67
3.3.2 主题词间的关系定义 69
3.3.3 主题词的抽取方法 71
3.3.4 主题词库的构建 73
3.4 本章小结 79
参考文献 80
实验室相关工作 80
第 4章社会网络环境下的文本数据预处理技术 81
4.1 文本数据的词义冲突与数据消歧 81
4.1.1 文本数据存在的词义冲突与消歧 81
4.1.2 基于知识的词义消歧方法 83
4.1.3 无监督的词义消歧技术 86
4.1.4 有监督的词义消歧技术 89
4.2 文本数据的稀疏性与降维 90
4.2.1 数据稀疏问题及解决 91
4.2.2 数据平滑技术 92
4.2.3 数据降维方法 93
4.3 数据融合 97
4.3.1 数据融合的概念与方法 98
4.3.2 实体的识别与统一表示 99
4.3.3 数据冲突处理 102
4.3.4 数据关联 103
4.4 本章小结 104
参考文献 104
实验室相关工作 106
第 5章文本聚类方法分析 107
5.1 聚类基础概念 107
5.1.1 聚类算法的定义 107
5.1.2 聚类算法的目标与基本数据结构 108
5.1.3 数据对象距离及相似度度量 109
5.1.4 其他数据类型与相似度度量 111
5.2 常用的文本聚类算法 113
5.2.1 文本聚类的基本需求 113
5.2.2 文本聚类方法 114
5.2.3 文本聚类结果的评价方法 120
5.3 基于文本数据流的聚类方法121
5.3.1 数据流问题的背景 121
5.3.2 数据流基本概念与模型 122
5.3.3 数据流聚类方法 124
5.3.4 演化分析技术 129
5.4 本章小结 131
参考文献 131
实验室相关工作 133
第 6章文本分类方法134
6.1 分类基础概念 134
6.1.1 分类问题的定义 134
6.1.2 文本分类与目标 135
6.1.3 分类算法的评价 136
6.2 基于概率的贝叶斯分类方法137
6.2.1 贝叶斯概率公式 138
6.2.2 朴素贝叶斯分类原理 138
6.2.3 基于朴素贝叶斯分类算法的文本分类器设计 139
6.2.4 贝叶斯网络模型 141
6.3 基于核的分类算法 143
6.3.1 支持向量机算法 143
6.3.2 核函数的定义 145
6.3.3 多类问题的求解算法 147
6.4 其他分类器的常用构造算法149
6.4.1 Rocchio分类算法 149
6.4.2 KNN算法 149
6.4.3 Boosting算法 151
6.5 本章小结 152
参考文献 153
第 7章信息抽取与摘要自动生成技术 154
7.1 命名实体的识别与抽取技术154
7.1.1 命名实体识别的基本任务 154
7.1.2 人名实体抽取 156
7.1.3 地名实体抽取方法 160
7.1.4 机构名实体抽取方法 163
7.2 网络文本数据中的实体间关系的抽取165
7.2.1 实体关系的定义与基本分类 165
7.2.2 存在关系的实体对抽取方法 166
7.2.3 基于核函数的实体关系抽取方法 168
7.3 话题识别与追踪技术（TDT）171
7.3.1 话题识别与追踪需要解决的问题与目标 171
7.3.2 话题识别与追踪的经典方法 173
7.3.3 话题识别与追踪的评价方法 175
7.4 自动摘要生成技术 176
7.4.1 自动文档摘要生成所需要解决的问题与目标 176
7.4.2 单文档自动摘要生成技术 178
7.4.3 多文档自动文摘生成的关键技术 181
7.4.4 自动摘要系统的评价标准 183
7.5 本章小结 185
参考文献 185
第 8章社会网络中社区识别与信息传播188
8.1 网络社区的识别 188
8.1.1 网络社区的概念 189
8.1.2 网络社区的特征与关键问题 191
8.1.3 基于非重叠社区的发现算法 195
8.1.4 基于重叠的网络社区发现与识别算法 198
8.1.5 社区发现算法评价方法 201
8.2 网络信息的传播模型 203
8.2.1 网络信息传播中的基本问题 203
8.2.2 行动者影响力分析 204
8.2.3 信息传播动力学模型 207
8.3 链接预测模型与方法 211
8.3.1 链接预测的概念与主要目标 212
8.3.2 链接预测存在的主要算法分类与指标 212
8.3.3 链接预测存在的经典算法 215
8.4 本章小结 218
参考文献 218
第 9章社会网络下的情感分析221
9.1 情感计算的基本概念与问题挑战221
9.1.1 情感分析的概念与研究目标 221
9.1.2 情感词的识别与标注 223
9.1.3 情感词典的构建 225
9.2 文本的主客观分析与观点挖掘分析方法228
9.2.1 文本的主客观分析方法 228
9.2.2 观点挖掘分析方法 229
9.3 情感分析与计算方法 232
9.3.1 基于词的经典情感计算与分析方法 232
9.3.2 不同粒度下的情感分析方法 234
9.3.3 文档主体对象的情感倾向分析方法 240
9.3.4 跨领域文档的情感倾向分析方法 245
9.3.5 情感计算评价方法 245
9.4 本章小结 246
参考文献 247
第 10章数据可视化技术250
10.1 可视化技术概述 250
10.1.1 可视化技术的基本概念与目标 250
10.1.2 可视化技术的分类 252
10.2 社会网络可视化的静态分析方法260
10.2.1 社会网络环境下的可视化方法介绍 260
10.2.2 力导引布局（Force-directed Layout）相关算法 262
10.2.3 层次布局（Tier-based Layout） 264
10.2.4 树形布局（Tree-based Layout） 269
10.3 动态可视化交互方法与可视化模式挖掘技术273
10.3.1 可视化的动态交互与形变技术 274
10.3.2 可视化模式挖掘与分析方法 277
10.4 数据可视化的质量评价方法278
10.4.1 数据可视化的质量评价模型 278
10.4.2 数据可视化的质量评价指标 280
10.5 本章小结 281
参考文献 282
第 11章社会计算与舆情分析应用284
11.1 社会网络舆情分析与应用284
11.1.1 分析指标体系与分析模型的建立 284
11.1.2 分析平台的建立与应用 288
11.2 企业社会网络分析与应用289
11.2.1 企业社会网络构造方法 290
11.2.2 企业特征的抽取 291
11.2.3 企业社会网络服务平台与可视化分析 292
11.3 专家网络与知识图谱应用293
11.3.1 专家模型的构建与属性抽取规则 293
11.3.2 专家模型中的属性消歧与网络构建 297
11.4 专利地图的应用298
11.4.1 专利地图的研究与制作方法 298
11.4.2 专利地图的构建与分析 299
11.5 金融风险预测与分析应用302
11.6 本章小结304
参考文献 305
第 12章社会计算与舆情分析的技术发展趋势307
12.1 大数据与数据世系 308
12.2 基于机器学习的类人脑科学的演化310
12.3 社会计算向社会智能的演化312
12.4 小结 314
参考文献 315
附录 A基于信息传播的分类及网站示例 317
附录 B 基于 LDA模型的候选主题词抽取算法描述318
附录 C常用的中文停用词表321
附录 D TBDC4TS聚类算法伪代码示意333
后记335
|
| 內容試閱：
|
前 言
在 CMU访学的日子是这样的漫长和宁静，远处在匹兹堡城南一角，每天在考虑着自己的生存模式的同时，还时时被来自国内的信息所包围着、簇拥着，深深地感受到世界上最遥远的距离就是没有网络。但是，让自己印象最深刻的场景不是新鲜的空气和美丽的天空，也不是让我心生恐惧的 Pizza大餐，而是当我在实验室内部进行的工作汇报中，刚说到自己希望完成这样一本书时，看到合作导师 Alex教授一脸茫然和不确信。能完成吗？我自己同样也在问自己，这是一个巨大的、辛苦的工作，因为在每一个章节中都存在着巨大的挑战与工作量，尽管在每一章节中我们实验室都有一些相关的工作基础，但是其中大量的背景、算法及算法应用，如何在短短的篇幅中能够尽可能地介绍清楚，这对于我而言绝对是一次重大的挑战。
社会计算是近十年来快速发展起来的一个新兴的研究领域，它一方面依托于近年社交网络技术及应用的快速发展，使得越来越多的网络用户之间产生自连接、自媒体、自选择的内容传播新方式，并且带来了关于针对文本内容深入挖掘与分析研究的强大的动力基础；另一方面，传统社会学对于社会活动领域中的分析方法，特别是基于网络化的社会化分析方法，使得人们发现在庞大的网络数据中，可以充分地利用其中的一些指标与算法来进行有效的度量与分析，从而使得社会网络分析方法从其他的角度上再次获得了新的生命力。在这两股力量的共同作用与影响下，大量社会计算领域中的研究成果也在不断地涌现出来。特别是我们自从 2012年起依托西安交通大学软件学院，建立了一个社会智能与复杂数据处理实验室，我们将研究和关注的目光聚焦到了这个让人兴奋的领域，同时，为了更好地研究和处理相关的数据，我们选择了几个特定的应用领域，一是针对社会网络中的舆情与涌现现象的分析；二是针对利用网络中的舆情与情感来分析金融证券，特别是股票与基金的风险预测；三是利用这些网络中存在的信息资源，如何能够更好地通过内容、实体及关系的挖掘，寻找出一个基于知识内容聚合的新的知识服务机制，如企业与专家之间知识服务合作与匹配的新机制与新模式。这些问题都让我们渴望从社会网络计算的过程中去探索并寻找出一些关键的技术与分析问题的方法；同时，也希望在针对这些非结构化的复杂数据处理过程中，为探索社会智能应用场景下的相关技术、方法和机制奠定研究基础。
但是，每次看到我们新加入的研究生们对这一个研究领域与工作方向的茫然和低水平的重复，也促使我努力来做这样一个尝试，即从社会计算领域中的关键问题
前言 V
出发，特别是在社会舆情分析过程中所遇到的有关文本分析、分词、特征抽取、主题识别与追踪、内容的分类与聚类、摘要的生成、社会情感，以及所涉及的文本挖掘、自然语言理解和机器学习中相关的算法进行一个梳理，形成进入这个研究领域的敲门砖，帮助他们用最快的时间来建立一个领域的研究体系与技术框架，为他们未来的研究与技术生涯奠定坚实的基础。因此，这就需要我必须静下心、坐下来开始了这样一个痛苦的、煎熬的研究和写作过程。
在此过程中我阅读了大量的研究生论文、专著文献及视频资源，其中特别是斯坦福大学、CMU大学及台湾大学的在线机器学习课程，曾经为了深入理解 CRF算法的机制，在 YouTube中浸泡了两天；为了进一步了解 Deep Learning在文本挖掘中的应用，也曾详细研读了 CMU许多教授的内部视频。同时，年过 40还不得不重新学习高等统计学与随机过程，这个过程看似艰辛，但个人内心却是充满了一些收获的喜悦。
但是由于时间关系及个人水平与能力有限，本书内容还存在许多不太如意的地方，特别是对目前本领域最新的前沿研究的处理相对较弱，有许多好的算法因内容篇幅的原因也没有展开，仅仅是提供了一个算法的初步实现框架；同时，也可能在文中存在一些这样或那样的不足、缺陷、甚至是错误，但是希望能够通过本书来抛砖引玉，获得更多领域专家与从业同行们的批评与指正，从而也可以不断地更新与完善本书的内容体系，最终为读者呈现更具有价值的内容，这也是我们一直以来不断努力的奋斗目标。
感谢 Alex教授给我提供的一个宽松的环境与氛围，使我不仅有机会听到图灵大师们精彩的报告与演讲，同时也有机会看看 CMU LTI中的 Pioneer们的创新与思考；还可以通过多场博士答辩会（defense）了解到一流博士工作的问题来源与解决问题的工作方法；更重要的是让我还有一个重新回到教室上课听讲的机会。这一切工作汇总成了我的访学生活及学习研究的动力。特别感谢 LTI的 Infomedia实验室的一群年轻优秀而又勤奋有加的博士和博士后们，与各位一起参加会议讨论、农场干活劳动和节日聚餐的日子都是一次次难得的也是难忘的人生体验。
还需要感谢的是来自交大的几位年轻的校友，特别是刘佳鹏和周抒睿两位博士，也正是因为有了你们的协助，使我少了许多初来美国时的各种不适，特别是在外与你们聚会和共处的日子，都像是我的节日，幸福其实很近也很简单；也特别感谢雷雪辰博士的帮助，感谢他的睿智与幽默及对创新的理解与思考。感谢邱晨博士专程驱车来看我，并和我沟通了许多博士求学过程中存在的问题、思考与建议。同时，也感谢戴涛博士，默默地、努力地协助我管理了整个实验室，保证了它的基本正常运行。另外，要感谢交大社会智能与复杂数据处理实验室里的那一群可爱、有为的青年学俊们，无论与钟旭辉、冯妮、王智民、毛伟宁、张伟奇，还是闫瑞涛、宋明
VI舆情计算方法与技术
爽、刘笑天、赵亚丽与你们每一位同学共同奋斗的岁月，让我虽早生华发但心里还仍然觉得自己还年轻。
此外，需要感谢软件学院的多位老师和领导，特别是曾明老师，也是他把我引入到了这一个充满挑战和创造性的研究领域之中，在各位老师与领导对我们工作的鼎力支持下，才有了今年这一点点初级的成果，相信假以时日，我们应该能够通过更多的人才培养与深入的研究工作，来回报学院所提供的各种基础条件，真心地希望我们的学院在未来的国际与国内竞争中越来越有影响力，也希望我们实验室在将来的某一天能够真正成为一个国际化的研究平台。同时，也需要感谢本书的责任编辑，正是他们专业与细致的工作，才使得本书这么快便完成样稿审订与出版发行。此外，本书的工作得到了 2015年度陕西省科技厅陕西省协同创新计划（2015XT-21） 基于网络化感知计算的智慧社区管理关键技术应用示范研究项目；2015年西安市科技局产学研协同创新计划（CXY1514（5）
基于内容挖掘的专利地图可视化服务的关键技术研究项目；国家社科基金重大项目基于多学科理解的社会网络分析模型研究第 5子课题：虚拟 Web网络空间中的社会网络模型与个体行为机制研究等项目的联合资助，同时也感谢国家留学基金委所给予的出国资助。
感谢我的房东朱焕老师和张青老师，两位旅美多年的音乐家热心地给予了多方面的关照，让我也尽可能快速地融入到这个社区，了解到与已往完全不同的生活模式。同时也感谢罗敏女士等诸多旅美华人朋友对我们所提供的大量热心的帮助。
最后，感谢与我同在彼岸但居住两地的妻子，以及天天与我做伴、每天都有新故事的儿子，没有他们的支持很难在这么短的时间内完成这一个充满挑战的任务。同时，也将此书作为送给年近八旬的老父老母的一份小小礼物，祝愿亲人们健康幸福。
海内知己，天涯毗邻。
于美国卡内基梅隆大学－语言技术研究所信息媒体实验室（Lab of Infomedia） 2015年 9月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
