自2009年至今，计算社会学步入了发展的黄金时期。多学科的深度交叉融合，以人工智能为代表的数据科学方法的快速发展以及跨空间、多模态数据的快速富集等都使得计算社会学得到蓬勃发展，让社会科学研究呈现出崭新面貌，为解释人类行为、群体认知、社会演化等提供了重要的理论和方法支撑。本书采用渐进式的组织思路，以人工智能的经典模型为基础理论支撑，从社交网络分析、网络动力学、社交媒体挖掘与社群智能三个维度进行延伸，围绕典型应用系统梳理计算社会学的代表性应用。在兼顾广度和深度的前提下，本书深度融合计算机科学、社会学、人工智能、复杂网络、统计学和自然语言处理等多学科的专业概念，突出社会计算学近年来的研究成果和关键技术突破。本书为人工智能与社会科学交叉融合提供了系统性的理论框架、方法体系与应用阐释，是研究人员、专业人员以及工程、计算、AI、互联网等领域的技术人员不可或缺的参考资料，同时也可作为相关领域的高年级本科生和研究生的教材。

推荐序一

推荐序二

前言

第一篇 网络动力学篇

第 1 章 级联行为 ……………………… 2

1. 1 网络中的级联现象 …………… 2

1. 1. 1 级联现象 ………………… 2

1. 1. 2 信息级联 ………………… 3

1. 1. 3 级联的特点 ……………… 5

1. 2 级联与聚簇 …………………… 5

1. 2. 1 级联行为下的协调博弈 ………………… 6

1. 2. 2 网络聚簇对级联的

影响 ……………………… 9

1. 3 网络级联模型………………… 11

1. 3. 1 独立级联模型…………… 11

1. 3. 2 线性阈值模型…………… 14

1. 4 逾渗理论与晶格模型………… 15

1. 4. 1 逾渗现象………………… 16

1. 4. 2 基本逾渗模型…………… 16

1. 4. 3 晶格模型………………… 20

1. 5 社会逾渗模型………………… 22

1. 5. 1 复杂网络逾渗…………… 23

1. 5. 2 定向逾渗模型…………… 24

1. 5. 3 首达逾渗模型…………… 25

1. 5. 4 爆发性逾渗模型………… 25

小结 ………………………………… 27

习题 ………………………………… 28

参考文献 …………………………… 30

第 2 章 随机网络 ……………………… 33

2. 1 随机网络模型………………… 33

2. 1. 1 ER 随机网络模型 ……… 33

2. 1. 2 P1 随机网络模型 ……… 35

2. 1. 3 P2 随机网络模型 ……… 40

2. 1. 4 指数随机网络模型……… 41

2. 2 随机网络模拟实验…………… 42

2. 2. 1 随机网络生成…………… 43

2. 2. 2 随机网络特性…………… 45

小结 ………………………………… 49

习题 ………………………………… 49

参考文献 …………………………… 50

第 3 章 小世界现象 …………………… 51

3. 1 小世界现象: 六度分隔……… 51

3. 1. 1 六度分隔实验…………… 52

3. 1. 2 六度分隔实验拓展……… 53

3. 2 小世界网络模型……………… 54

3. 2. 1 W-S 模型………………… 54

3. 2. 2 W-S-K 模型……………… 58

3. 2. 3 其他改进的 W-S 模型 …… 60

3. 3 小世界模型仿真……………… 61

3. 4 小世界模型应用……………… 64

小结 ………………………………… 65

习题 ………………………………… 66

参考文献 …………………………… 66

第 4 章 幂律分布网络 ………………… 69

4. 1 幂律…………………………… 69

4. 1. 1 幂律的定义……………… 69

4. 1. 2 幂律的应用……………… 72

4. 2 马太效应与长尾效应………… 73

4. 2. 1 马太效应的定义………… 73

4. 2. 2 长尾效应的定义………… 75

4. 3 无标度网络…………………… 76

4. 3. 1 现实网络的无标度

分析……………………… 77

4. 3. 2 无标度网络的定义及

特性……………………… 78

4. 3. 3 无标度网络的典型构建

模型……………………… 81

小结 ………………………………… 85

习题 ………………………………… 86

参考文献 …………………………… 86

第 5 章 流行病学 ……………………… 91

5. 1 仓室传染病模型……………… 91

5. 1. 1 经典传染病模型………… 91

5. 1. 2 扩展传染病模型………… 95

5. 1. 3 疾病传播阈值理论……… 98

5. 1. 4 传染病的防控…………… 99

5. 2 复杂网络传染病模型 ……… 100

5. 2. 1 接触网络模型中的疾病传播 ………… 102

5. 2. 2 集合种群模型中的疾病传播 ………… 104

小结………………………………… 108

习题………………………………… 108

参考文献…………………………… 108

第二篇 社交媒体挖掘与社群智能篇

第 6 章 自然语言处理 ……………… 112

6. 1 自然语言处理概述 ………… 112

6. 2 语言模型 …………………… 115

6. 2. 1 统计语言模型 ………… 116

6. 2. 2 神经网络语言模型 …… 117

6. 2. 3 语言模型评价指标 …… 120

6. 3 文本表示 …………………… 121

6. 3. 1 离散表示 ……………… 121

6. 3. 2 基于共现矩阵的分布式表示 ……………… 122

6. 3. 3 基于神经网络的分布式表示 ……………… 123

6. 4 预训练动态词向量 ………… 127

6. 4. 1 预训练概念 …………… 127

6. 4. 2 ELMO 模型 …………… 128

6. 4. 3 GPT 模型 ……………… 129

6. 4. 4 BERT 模型 …………… 131

6. 4. 5 基于 BERT 的改进模型 ……………… 132

6. 4. 6 XLNet 模型 …………… 134

6. 5 统计学习模型 ……………… 136

6. 5. 1 马尔可夫模型 ………… 137

6. 5. 2 条件随机场 …………… 139

6. 6 自然语言处理典型任务 …… 144

6. 6. 1 文本预处理任务 ……… 144

6. 6. 2 词性标注 ……………… 146

6. 6. 3 语义角色标注 ………… 147

6. 6. 4 命名实体识别 ………… 148

6. 6. 5 自然语言处理工具 …… 149

小结………………………………… 151

习题………………………………… 151

参考文献…………………………… 152

第 7 章 文本主题模型 ……………… 154

7. 1 潜在语义分析 ……………… 155

7. 1. 1 单词向量空间 ………… 155

7. 1. 2 主题向量空间 ………… 157

7. 1. 3 基于奇异值分解的潜在语义分析算法 ……… 159

7. 1. 4 基于非负矩阵分解的潜在语义分析算法 …… 162

7. 2 概率潜在语义分析 ………… 164

7. 2. 1 概率化文本建模 ……… 165

7. 2. 2 生成模型 ……………… 166

7. 2. 3 学习算法 ……………… 167

7. 3 潜在狄利克雷分配 ………… 169

7. 3. 1 狄利克雷分布 ………… 169

7. 3. 2 贝叶斯文本建模 ……… 174

7. 3. 3 潜在狄利克雷分配模型 …………… 175

7. 3. 4 LDA 的吉布斯采样算法 ………… 178

7. 4 文本主题模型的扩展 ……… 181

7. 4. 1 作者主题模型 ………… 182

7. 4. 2 动态主题模型 ………… 183

7. 4. 3 标签潜在狄利克雷分配模型 ……………… 184

小结………………………………… 186

习题………………………………… 186

参考文献…………………………… 187

第 8 章 情感分析 …………………… 189

8. 1 情感分析的基本概念 ……… 189

8. 1. 1 情感分析定义 ………… 189

8. 1. 2 情感分析任务 ………… 190

8. 2 词语级情感分析 …………… 191

8. 2. 1 人工构建情感词典 …… 192

8. 2. 2 自动化构建情感词典 … 193

8. 3 句子/ 文档级的情感分析…… 194

8. 3. 1 基于词典的情感分类 … 195

8. 3. 2 基于传统机器学习的情感分类 ………… 195

8. 3. 3 基于深度学习的情感分类 ……………… 197

8. 3. 4 基于迁移学习的情感分类 ……………… 201

8. 4 方面级情感分析 …………… 204

8. 4. 1 方面实体情感分析 …… 204

8. 4. 2 方面类别情感分析 …… 208

8. 5 情感分析发展趋势 ………… 210

小结………………………………… 211

习题………………………………… 212

参考文献…………………………… 213

第 9 章 用户画像 …………………… 217

9. 1 用户画像方法 ……………… 217

9. 1. 1 人口统计信息挖掘 …… 217

9. 1. 2 用户个性挖掘 ………… 218

9. 1. 3 用户兴趣挖掘 ………… 219

9. 1. 4 用户行为挖掘 ………… 219

9. 1. 5 用户画像流程 ………… 220

9. 2 基于文本数据的用户画像 …………………… 220

9. 2. 1 基于主题模型的用户画像 ………………… 221

9. 2. 2 基于情感分析的用户画像 ………………… 224

9. 2. 3 基于神经网络的用户画像 ………………… 225

9. 2. 4 基于知识图谱的用户画像 ………………… 226

9. 3 多模态数据融合画像 ……… 227

9. 3. 1 多模态数据融合方法 … 228

9. 3. 2 单任务多模态数据融合画像 ……………… 229

9. 3. 3 多任务多模态数据融合画像 ……………… 232

9. 4 发展趋势 …………………… 237

小结………………………………… 237

习题………………………………… 238

参考文献…………………………… 238

第 10 章 智能推荐 …………………… 242

10. 1 推荐系统概述……………… 242

10. 2 协同过滤…………………… 243

10. 2. 1 基于用户的协同过滤 ……………… 244

10. 2. 2 基于项目的协同过滤 ……………… 247

10. 2. 3 基于模型的协同过滤 ……………… 250

10. 3 基于内容的推荐…………… 252

10. 3. 1 基于内容相似性的推荐算法 ……… 253

10. 3. 2 基于 FM 的内容推荐 …………… 253

10. 4 基于深度学习的推荐……… 255

10. 4. 1 Wide&Deep ………… 255

10. 4. 2 DeepFM ……………… 257

10. 5 基于情境感知的推荐……… 258

10. 5. 1 基于情境感知的推荐定义 …………… 258

10. 5. 2 基于情境感知的推荐方法 …………… 259

10. 6 基于图神经网络的推荐…… 262

10. 6. 1 预训练模型 ………… 262

10. 6. 2 端到端模型 ………… 265

10. 7 评估………………………… 266

10. 7. 1 评测方法 …………… 266

10. 7. 2 评估指标 …………… 266

10. 8 未来的发展方向…………… 273

小结………………………………… 275

习题………………………………… 275

参考文献…………………………… 276

第 11 章 假消息传播 ………………… 280

11. 1 假消息的定义……………… 280

11. 1. 1 假消息的研究背景 …………… 280

11. 1. 2 假消息的分类及定义 …………… 282

11. 1. 3 假消息在线检测工具 ………… 283

11. 2 假消息的认知机理………… 284

11. 2. 1 假消息的认知理论 ………… 285

11. 2. 2 假消息的统计特征 ………… 288

11. 3 多模态假消息检测方法…… 289

11. 3. 1 基于底层特征的检测方法 ………… 291

11. 3. 2 基于高层特征的检测方法 ………… 292

11. 4 群智融合假消息检测……… 295

11. 4. 1 群体智能 …………… 295

11. 4. 2 隐式群智检测方法 …………… 297

11. 4. 3 显式群智检测方法 …………… 305

11. 5 可解释假消息检测………… 308

11. 5. 1 基于概率图的可解释检测 …………… 308

11. 5. 2 基于深度学习的可解释

检测 ………………… 310

小结………………………………… 312

习题………………………………… 314

参考文献…………………………… 314

第 12 章 虚拟机器人 ………………… 319

12. 1 虚拟机器人概述…………… 319

12. 1. 1 虚拟机器人定义 …… 319

12. 1. 2 虚拟机器人典型案例 ……………… 320

12. 2 虚拟形象塑造……………… 321

12. 2. 1 虚拟形象塑造定义和分析 ………… 322

12. 2. 2 虚拟形象生成 ……… 322

12. 2. 3 虚拟表情变换 ……… 325

12. 2. 4 虚拟服饰变换 ……… 326

12. 3 知识增强对话生成………… 327

12. 3. 1 问题背景与定义 …… 328

12. 3. 2 非结构化知识增强的对话生成 …… 328

12. 3. 3 结构化知识增强的对话生成 …… 334

12. 4 个性化对话生成…………… 337

12. 4. 1 问题背景与定义 …… 337

12. 4. 2 基于用户嵌入编码的方法 ……………… 338

12. 4. 3 基于迁移学习与元学习的方法 ………… 340

12. 4. 4 基于变分自编码器网络的方法 ………… 341

12. 5 多模态知识问答…………… 344

12. 5. 1 视觉问答 …………… 344

12. 5. 2 知识问答 …………… 350

12. 6 应用案例 AI-Mate ………… 355

12. 6. 1 应用背景 …………… 355

12. 6. 2 系统框架 …………… 356

12. 6. 3 应用场景 …………… 360

12. 6. 4 系统展示 …………… 362

小结………………………………… 363

习题………………………………… 363

参考文献…………………………… 364