计算传播学导论

内容简介

计算传播学领域研究，是大数据技术与新闻传播学研究结合产生成果。国际顶尖高等学府已经系统开设了相关课程。而国内新闻传播学院对该门课程的需求较高，但主要瓶颈在于没有系统教材。基于此，本教材旨在以计算社会科学为背景，系统介绍计算传播学这一全新的传播学研究范式，使读者具备利用跨学科方法进行传播学研究的基本能力，为日后志在进入相关领域攻读硕士或博士学位的学生打好坚实的理论和技术基础。此外，本教材通过对数据收集、分析以及结果呈现等方面的实践训练，为有将来志于投身新兴媒体行业（例如，IT 行业、社会化广告、数据分析师等）的读者提供数据采集与分析基本技能。

本书以海量数据获得日益便易的当下为基础，以推动新闻传播学者利用计算思维来研究社会问题，催生了计算传播学这一传播学领域的新兴学科为背景编写。计算传播学致力于寻找传播学可计算化的基因，以传播网络分析、传播文本挖掘、数据科学等为主要分析工具，大规模地收集并分析人类传播行为数据，挖掘人类传播行为背后的模式和法则，分析模式背后的生成机制与基本原理。

基本信息

计算传播学导论封面.jpg

书名:计算传播学导论
定价：49.80 元
作者:张伦王成军许小可
出版社：北京师范大学出版社
ISBN：9787303241200
字数：315 千字
版次：2018 年 11 月第 1 版

作者介绍

张伦

张伦，北京师范大学艺术与传媒学院数字媒体系副教授，中国新闻史学会计算传播学研究委员会理事。主要研究方向为基于数据挖掘方法的新媒体信息传播。于 SSCI、SCI 以及 CSSCI 期刊发表论文 20 余篇；合著出版《社交网络上的计算传播学》(2015 年) 。承担了国家社会科学基金青年项目、教育部人文社会科学研究青年基金项目等多项科研项目。

王成军

王成军，传播学博士，南京大学新闻传播学院副教授，中国新闻史学会计算传播学研究委员会秘书长，计算传播学实验中心主任。参与翻译《社会网络分析:方法与实践》(2013 年)、合著出版《社交网络上的计算传播学》( 2015 年)。

许小可

许小可，大连民族大学教授，优秀学术带头人、数据科学与智能技术重点实验室主任、大连市物联网与大数据工程研究中心副主任。主要研究方向为复杂网络、社交网络大数据、计算传播学等。主持完成国家自然科学基金 3 项，省自然科学基金等省部级项目 3 项，先后获得辽宁省高等学校创新人才支持计划辽宁省高等学校杰出青年学者成长计划支持。合著出版《社交网络上的计算传播学》( 2015 年)。

内容目录

第一章导论 1

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 13

第一节文本分析研究现状 14
第二节文本分析与传播学研究 16
第三节文本分析的基本步骤:文本的结构化处理 27
第四节 Python 语言简介 38
本章小结 40

第三章情感分析 41

第一节情感分析简介 42
第二节情感分析与传播学研究 43
第三节 Python 进行情感分析 51
第四节情感分析的基本算法 52
本章小结 66

第四章语义建模 69

第一节语义建模与传播学研究 70
第二节 LDA 主题生成模型基本原理 75
第三节语义模型的 Python 实现 78
第四节有监督机器学习分类算法 80
本章小结 82

第五章网络传播与传播网络 83

第一节引言 84
第二节网络传播中的热点研究问题 86
第三节社会网络的拓扑结构特征 94
第四节传播网络的拓扑结构统计量 103
第五节社会网络和传播网络之间的结构相关性 109
第六节传播加权网络的多维度测量 113
第七节传播时效网络的多维度测量 121
本章小结 129

第六章网络传播模型与机器学习框架 131

第一节引言 132
第二节信息传播模型 133
第三节信息传播的机器学习分析框架 147
第四节影响信息传播的其他因素 149
第五节特征选择方法 155
第六节信息传播的机器学习评价指标 158
第七节基于实证数据的信息流行度预测 161
第八节本章小结 169

第七章数据新闻 171

第一节产生背景 172
第二节理论源流 174
第三节实战练习 190
第四节本章小结 203

第八章计算广告 205

第一节引言 206
第二节发展历程 208
第三节优化目标 212
第四节计算广告市场的博弈、拍卖与匹配 214
第五节计算广告市场的拍卖机制设计 225
第六节本章小结 230

后记寻找人类传播行为的基因 232

原文摘录

二、什么是计算社会科学与计算传播学 ?

2009 年，包括 Lazer, Pentland 等多位著名学者共同署名的文章《计算社会科学》( Computational Social Science" ) 发表，标志着计算社会科学这一新兴学科的建立。该文章定义了计算社会科学 :通过对海量数据的采集和分析，旨在揭示人类个体和群体行为模式的新兴学科。具体而言，计算社会科学旨在通过对海量数据的收集、处理、存储，同时利用计算技术（如自动内容分类、语义建模、自然语言处理、模拟和统计模型) 分析人类行为模式。
该文章发表 4 年后，至 2013 年， Watts 对计算社会科学发展现状做了简要总结。该文章认为，计算社会科学至 2013 年，已经在海量数据获取计算工具的使用以及跨学科合作等几方面取得了显著进步。但该领域仍有一些重要问题没有解决。例如，对经济危机、传染病和社会运动等重要社会问题的探讨;而这些领域进展缓慢主要缘于社会问题的复杂性。未来，计算社会科学的发展，还需要在以下几个方向着力:对于跨平台数据( Multi -Source Data) 的获取，能够帮研究者更全方位地观察个体行为;在线实验的平台搭建以及在线实验的执行，能够更有效地研究因果关系;最重要的是，社会科学家需要更深入地融人计算社会科学研究。社会科学问题的提出和解决，很大程度上依赖于社会科学家，而不是计算机或其他相关学科的研究者。
因此，在计算社会科学研究范式下，我们对于计算社会科学分支之一的计算传播学做出如下定义:计算传播学致力于寻找传播学可计算化的基因，以传播网络分析、传播文本挖掘、数据科学等为主要分析工具，大规模地收集并分析人类传播行为数据，挖掘人类传播行为背后的模式和法则，分析模式背后的生成机制与基本原理。新数据新方法以及重要问题，是计算传播学不可或缺的三个重要元素。对于初次接触计算传播学这一概念的读者，学习这一新兴领域，大概需要两部分知识:理论与方法。

理论层面，包括社会网络、人类行为理论、公共意见形成与演化以及信息传播模型等。方法层面，又分为数据分析方法和编程软件的学习:前者包括社会网络分析（如指数随机图模式)，文本挖掘，网络挖掘方法（如数据抓取、机器学习、深度学习),统计分析（如时间序列模型、空间分析)，基于个体的模拟建模( Agent- -Based Modeling ) 和可视化分析及技术;而后者则主要包括当前主流开源编程软件，如 R、Python、Echart (可视化分析) 以及部分商业软件（如 Tableau 等)。

目标读者