计算社会学:基础理论篇

目录推荐序一
推荐序二
前言
第0章绪论1
01社会学发展历程1
02计算社会学发展历程4
021计算社会学的孕育期：
20世纪90年代至
2009年5
022计算社会学的黄金期：
2009年至今7
03计算社会学主要研究
内容9
031社交大数据的获取与
分析9
032基于大数据的定量化
研究11
033ABM模拟的仿真模型
研究14
04新型社会计算系统的研制与
开发15
习题18
参考文献18
**篇基础支撑理论与算法篇
第1章图论24
11图的基本概念24
111图的定义24
112图的基本术语25
12图的存储表示28
121邻接矩阵存储法28
122邻接表存储法29
123十字链表存储法30
124邻接多重表存储法31
13图的遍历32
131广度优先搜索32
132深度优先搜索33
14图的相关应用33
141*小生成树33
142AOV网与拓扑排序35
143AOE网与关键路径36
144*短路径37
小结40
习题40
参考文献41第2章理论方法概述42
21机器学习概览42
211机器学习基本概念42
212发展历程43
213基本流程45
22数据预处理46
221数据清洗46
222数据集成49
223数据归一化50
23特征抽取与选择51
231特征抽取51
232特征选择53
24经验误差与测试误差54
241误差来源与定义54
242欠拟合与过拟合55
25模型评估与选择57
251正则化57
252交叉验证57
253性能度量58
小结61
习题61
参考文献62第3章线性模型64
31基本形式64
32线性回归65
33逻辑回归66
34线性判别分析68
341基本思想68
342算法原理68
小结69
习题70
参考文献70第4章聚类71
41聚类任务71
411聚类任务描述71
412聚类算法的划分72
413距离度量73
414评价函数74
42基于划分的聚类算法77
421K-均值算法77
422K-中心点算法78
43基于层次的聚类算法79
431AGNES算法79
432DIANA算法80
433BIRCH算法81
44基于密度的聚类算法84
小结86
习题86
参考文献87第5章分类89
51决策树90
511决策树模型与学习90
512特征选择91
513决策树的生成95
514决策树的剪枝96
52贝叶斯分类98
521贝叶斯决策论98
522参数估计方法99
523朴素贝叶斯99
524EM算法102
53支持向量机103
531间隔与支持向量103
532对偶问题105
533核函数107
534软间隔109
54集成学习111
541个体与集成111
542Boosting算法112
543Bagging算法113
544结合策略115
小结117
习题117
参考文献118第6章神经网络119
61神经元模型119
611神经元模型的结构120
612激活函数122
613常见激活函数122
62感知机126
621感知机的概念及模型
结构126
622感知机的效果127
623多层感知机的概念及
模型结构128
63误差反向传播算法130
631误差反向传播算法的
概念130
632信息前向传播131
633误差反向传播132
64其他常见的神经网络
模型135
641玻尔兹曼机135
642深度信念网络138
643脉冲神经网络140
小结143
习题143
参考文献144第7章深度学习网络146
71深度学习网络概述146
72卷积神经网络147
721网络结构148
722经典模型150
73循环神经网络153
731网络结构153
732长短期记忆网络155
74图神经网络157
741网络结构158
742图神经网络模型159
75网络训练优化163
751梯度爆炸与梯度
消失164
752梯度下降优化策略164
753过拟合消减优化
策略167
小结169
习题169
参考文献170第8章高级神经网络框架174
81自编码器174
811预备知识174
812自编码器架构175
813经典自编码器模型175
814变分自编码器179
82编-解码器框架182
821编-解码器基本
框架182
822经典编-解码结构
模型182
83注意力机制185
831标准注意力机制185
832注意力形式186
833Transformer模型187
84生成对抗网络189
841GAN的基本原理189
842经典GAN模型192
843生成对抗网络的
应用195
小结196
习题197
参考文献197
第二篇社会网络分析篇
第9章网络结构与联系202
91三元闭包202
911三元闭包定义202
912聚集系数203
92强联系与弱联系205
921人际关系的强度205
922捷径与桥207
923强联系与弱联系的现实
意义210
93网络社区划分215
931分裂法图划分216
932其他图划分方法
扩展220
小结225
习题225
参考文献226第10章同质性228
101同质现象228
1011什么是同质现象228
1012同质现象的多样化
表现229
102同质性的测量231
1021相对比率和期望
比率231
1022EI同质性指数232
1023Blau异质性指数232
103同质现象的成因233
104同质现象的影响237
1041人群隔离237
1042感知偏差240
1043同伴效应243
小结246
习