社交网络上的计算传播学2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

社交网络上的计算传播学PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 引论1

1.1社交网络分析：从大众传播到人际传播的必然选择2

1.2网络科学领域的结构主义倾向2

1.3计算传播学简介3

1.4基于计算传播学的信息传播过程可计算框架4

1.5本书内容简介5

第2章 单条信息传播的多维度测量7

2.1引言8

2.2扩散规模及扩散率9

2.3扩散网络9

2.3.1高度和宽度10

2.3.2级联率11

2.4扩散阈值13

2.5扩散时间17

2.5.1速度19

2.5.2爆发与持续性20

2.6扩散空间24

2.7本章小结和展望26

参考文献26

第3章 影响信息传播的可计算因素分析29

3.1引言30

3.2社交网络结构特征对传播的影响30

3.2.1网络连通性31

3.2.2度相关性32

3.2.3空间结构33

3.2.4 Hub节点34

3.2.5小世界特性35

3.2.6信息传播对于社交网络结构演化的反作用36

3.3信息属性的影响39

3.4用户属性以及属性相似性的影响41

3.4.1用户自身属性41

3.4.2好友属性的趋同性44

3.4.3好友间的同伴作用45

3.5用户阵发活动模式的影响47

3.6本章小结与展望49

参考文献50

第4章 节点传播能力的测量55

4.1引言56

4.2社交网络中的意见领袖56

4.2.1意见领袖与二级传播理论56

4.2.2意见领袖成因分析57

4.3基于网络结构的节点传播能力测量59

4.3.1节点连接度60

4.3.2结构洞特征60

4.3.3 PageRank算法61

4.3.4 LeaderRank算法62

4.3.5 κ-核分解算法63

4.4基于信息传播的节点传播能力测量65

4.4.1有效用户数量65

4.4.2被转发次数与被提及次数66

4.4.3 TunkRank排序算法67

4.4.4明星指数68

4.5影响最大化问题68

4.6本章小结与展望71

参考文献72

第5章 信息扩散模型79

5.1引言80

5.2经典的信息扩散模型81

5.2.1创新扩散模型81

5.2.2局部相互作用博弈模型84

5.2.3阈值模型85

5.2.4级联模型86

5.2.5 Markov随机场图模型87

5.2.6传染病模型87

5.3数据驱动的信息扩散模型88

5.3.1分支过程模型88

5.3.2数据驱动的级联模型92

5.3.3基于信息亲和性的模型93

5.3.4基于信息扩散升降模式的模型95

5.3.5基于外部影响的模型96

5.3.6基于权威节点影响的模型97

5.3.7其他数据驱动模型98

5.4信息扩散模型的最新进展99

5.4.1谣言传播模型99

5.4.2竞争性的信息扩散模型101

5.4.3其他模型104

5.5本章小结与展望105

参考文献106

第6章 计算传播学在新闻和公共舆论领域的应用111

6.1引言112

6.2传播者研究114

6.2.1新闻传播中传播者研究的现状114

6.2.2公众参与公共舆论传播的不平等性115

6.3受众研究116

6.4内容研究118

6.5渠道研究121

6.6效果研究122

6.6.1公共舆论与受众的认知、态度及行为改变122

6.6.2公共舆论的宏观效果123

6.6.3在线公共舆论与社会运动124

6.6.4社会化计算与在线公共舆论效果研究127

6.7本章小结与展望128

参考文献130

第7章 计算传播学在电子商务中的应用135

7.1引言136

7.2消费者参与口碑传播的心理动机137

7.3消费者参与口碑传播的行为分析138

7.3.1用户评分的统计特征138

7.3.2用户评分的时间特征139

7.4用户评论内容的文本分析140

7.4.1用户评论质量的判定141

7.4.2用户评论的语义分析141

7.4.3用户评论的情感倾向分析143

7.5口碑营销的效果测量144

7.5.1口碑营销的信息传播效果144

7.5.2口碑营销中信息传播的影响因素145

7.5.3口碑传播对品牌认知的影响147

7.5.4口碑传播对购买行为的影响148

7.6广告受众的精准定向149

7.6.1基于用户行为的受众定向150

7.6.2基于社会关系的受众定向151

7.6.3基于用户自创内容的受众定向152

7.7本章小结与展望154

参考文献156

第8章 行为、情绪和感受的计算传播学163

8.1引言164

8.2行为的计算传播学研究165

8.2.1恶性行为的传播165

8.2.2合作行为的传播167

8.2.3导致肥胖的行为传播168

8.2.4吸烟行为的传播171

8.2.5饮酒行为的传播174

8.2.6睡眠行为的传播177

8.3情绪和感受的计算传播学研究179

8.3.1幸福感的传播179

8.3.2孤独感的传播183

8.3.3抑郁的传播185

8.3.4不同极性情绪的传播特性差异188

8.3.5情绪传播研究中的学术道德189

8.4影响行为、情绪和感受传播的因素分析191

8.4.1网络结构的影响191

8.4.2趋同性的影响193

8.5社会影响、趋同性与共因原理196

8.6本章小结与展望198

参考文献199

第9章 社交网络的抽样策略及在计算传播学中的应用209

9.1在线社交网络的常用抽样策略210

9.1.1随机抽样210

9.1.2广度优先搜索抽样212

9.1.3滚雪球抽样212

9.1.4森林火灾抽样213

9.1.5随机行走抽样214

9.1.6 Metropolis-Hastings随机行走抽样215

9.1.7有偏随机行走抽样216

9.1.8融合随机抽样和依存式抽样的混合抽样216

9.2评估和比较各种抽样策略的性能217

9.2.1常用统计量217

9.2.2常用统计方法218

9.2.3性能比较219

9.3其他类型社交网络中的抽样策略221

9.3.1有向社交网络的抽样221

9.3.2具有强社团结构网络的抽样222

9.4局部大数据的分析与应用222

9.4.1局部大数据与随机样本数据的区别222

9.4.2局部数据中边界效应的影响223

9.5信息传播研究中的抽样策略226

9.5.1衡量信息传播抽样效果的统计量226

9.5.2基于网络拓扑结构的抽样227

9.5.3基于信息传播特性的抽样策略227

9.5.4融合信息传播特性和拓扑结构的抽样228

9.5.5信息源确定与信息传播路径重构229

9.6本章小结与展望231

参考文献232

第10章 基于置乱算法的社交网络零模型构造及应用237

10.1引言238

10.2静态无权网络零模型的构造239

10.2.1基于网络模型构造零模型的局限性240

10.2.2基于随机断边重连的1阶零模型240

10.2.3强同配特性或异配特性的断边重连零模型242

10.2.4基于随机断边重连的2阶零模型243

10.2.5局部断边重连算法244

10.3静态加权网络零模型的构造246

10.3.1权重置乱算法246

10.3.2等权重置乱算法247

10.3.3局部权重置乱算法248

10.4时变网络零模型的构造249

10.4.1时变网络简介250

10.4.2连边置乱算法251

10.4.3时间置乱算法251

10.4.4时间随机化算法253

10.4.5时权置乱算法254

10.4.6等权置乱算法255

10.4.7接触置乱算法256

10.4.8时间倒转算法257

10.4.9叠加算法258

10.4.10区间图上的置乱算法259

10.5双层网络上的节点置乱零模型261

10.6本章小结与展望264

参考文献265

第11章 基于Python语言的计算传播学定量分析入门273

11.1 Python语言简介274

11.2数据抓取274

11.2.1直接抓取数据275

11.2.2模拟浏览器抓取数据276

11.2.3基于API接口抓取数据278

11.3数据预处理285

11.4可视化289

11.5数据分析292

11.5.1节点属性292

11.5.2网络属性296

11.5.3传播属性298

11.6本章小结303

参考文献304