计算传播学导论

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

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
出版日期：2018-11-01
ISBN：9787303241200
字数：315千字
版次：2018年11月第1版

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。

作者介绍

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，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，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 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

原文摘录

可以从原文中放一些片段，借鉴豆瓣、京东、当当等购书网站提供的信息，注明引用出处即可。

部分书评

从豆瓣、知乎、简书等平台搬运一些好的书评，注明出处即可。

相关书籍

和这个主题相关的还有哪些推荐的书。

参考文献

结尾需要加上：本词条内容翻译自 wikipedia.org，遵守 CC3.0协议。