《计算传播学导论》
Branch: master
Clone or download
Fetching latest commit…
Cannot retrieve the latest commit at this time.
Permalink
Type Name Latest commit message Commit time
Failed to load latest commit information.
.github/ISSUE_TEMPLATE
code
img
slides
.DS_Store
README.md
_config.yml
index.md
preface.png

README.md

《计算传播学导论》

  • 作者: 张伦 / 王成军 / 许小可
  • 出版社: 北京师范大学出版社
  • 出版年: 2018-9
  • 页数: 239
  • 装帧: 平装
  • ISBN: 9787303241200

本项目文件包括:

  1. python代码
  2. PPT文件
  3. 勘误信息

勘误

本书勘误信息https://computational-class.github.io/ccrbook/

欢迎在 https://github.com/computational-class/ccrbook/issues/ 讨论本书内容或提出关于本书的任何问题,非常感谢!对于所提出的问题,我们将尽快勘误,并在未来推出修订版时一并订正。

二十一世纪是计算社会科学的时代。1998年邓肯·瓦茨关于小世界网络的模型和1999年阿尔伯特·巴拉巴西关于幂律和无标度网络的研究复兴了网络科学。一石激起千层浪,在学术领域产生了深远的影响。对于万维网上的人类行为的研究也形成了一个子领域,被称之为万维网科学(Web Science);伴随着社交媒体等数字媒体的发展,社会网络分析开始受到前所未有的重视,社交网络上的信息流动网络研究也引起广泛的兴趣;与此同时,机器学习和数据科学取得了突飞猛进的发展,进一步加速了计算化的浪潮;在新闻传播产业当中,数据驱动的新闻生产、计算广告和媒体推荐系统开始成为席卷世界的潮流。面对海量的互联网数据、持续困扰人类的重大社会问题、崭新的理论视角、诱人的物理学模型,在世界大战中发展起来的新闻传播学研究会走向什么地方?这构成了困扰我们的时代问题,而计算传播学正是试图回应这一时代叩问的一种尝试。在大数据和人工智能时代,未来的计算社会科学家更需要训练问题意识、培养计算思维、增强数据挖掘和分析的能力,而这正是本书写作的一个重要目的。

计算传播学将传播学研究置于数据和计算方法的坚固基础上。数据作为一种新的石油,解放了社会科学家对于理论的过度依赖。随着数字媒体的发展,人类社会积累的人类传播行为数据的规模日趋庞大,详尽地记录了社会发展和人类互动的各种细节。运用这些生动的人类传播行为数据,可以从更细的颗粒度、更大的样本规模上让我们捕捉社会的发展。毫无疑问,对于数据的挖掘依赖于人类的计算能力的提高,依赖于跨学科的研究方法和研究视角。我们人类传播行为的基因恰恰隐藏在互动性当中,但这种人类传播行为的互动性本身也使得传播过程充满了复杂性。网络科学为捕捉到纷繁复杂的人类互动提供了一个很好的视角。从数据出发,借助于计算方法和好的理论视角,就可以更好地刻画人类传播行为的模式和法则。

目录

  • 第一章 计算传播学导论
    • 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
    • 第一节 文本分析研究现状 16
    • 第二节 文本分析与传播学研究 18
    • 第三节 文本分析的基本步骤:文本的结构化处理 29
    • 第四节 Python语言简介 40
    • 本章小结 42
  • 第三章 情感分析
    • 第一节 情感分析简介 44
    • 第二节 情感分析与传播学研究 45
    • 第三节 Python进行情感分析 53
    • 第四节 情感分析的基本算法 54
    • 本章小结 68
  • 第四章 语义建模
    • 第一节 语义建模与传播学研究 72
    • 第二节 LDA主题生成模型基本原理 77
    • 第三节 语义模型的Python实现 80
    • 第四节 有监督机器学习分类算法 82
    • 本章小结 84
  • 第五章 网络传播与传播网络
    • 第一节 引言 86
    • 第二节 网络传播中的热点研究问题 88
    • 第三节 社会网络的拓扑结构特征 96
    • 第四节 传播网络的拓扑结构统计量 105
    • 第五节 社会网络和传播网络之间的结构相关性 111
    • 第六节 传播加权网络的多维度测量 115
    • 第七节 传播时效网络的多维度测量 122
    • 本章小结 131
  • 第六章 网络传播模型与机器学习框架
    • 第一节 引言 134
    • 第二节 信息传播模型 135
    • 第三节 信息传播的机器学习分析框架 149
    • 第四节 影响信息传播的其他因素 151
    • 第五节 特征选择方法 157
    • 第六节 信息传播的机器学习评价指标 160
    • 第七节 基于实证数据的信息流行度预测 163
    • 第八节
    • 本章小结 171
  • 第七章 数据新闻
    • 第一节 产生背景 174
    • 第二节 理论源流 176
    • 第三节 实战练习 192
    • 第四节
    • 本章小结 207
  • 第八章 计算广告
    • 第一节 引言 210
    • 第二节 发展历程 212
    • 第三节 优化目标 216
    • 第四节 计算广告市场的博弈、拍卖与匹配 218
    • 第五节 计算广告市场的拍卖机制设计 229
    • 第六节
    • 本章小结 234
  • 后记 寻找人类传播行为的基因

相关图书

《社交网络上的计算传播学》 本书的姊妹篇是在2015年出版的《社交网络上的计算传播学》一书,后者从概念、模型、理论的角度对计算传播学在社交网络方面的应用进行了一个综合的介绍。

本书的Github项目地址见:https://github.com/computational-class/ccsnbook

相关课程