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