社会计算与社交网络分析  0839X2M05005H

学期:2020—2021学年(春)第二学期 | 课程属性:专业普及课 | 任课教师:沙灜,周川
授课时间: 星期五,第5、6、7 节
授课地点: 教一楼209
授课周次: 1、2、3、4、5、6、7、8、9、10、11、12、13
课程编号: 0839X2M05005H 课时: 40 学分: 2.00
课程属性: 专业普及课 主讲教师:沙灜,周川 助教:
英文名称: Social Computing and Social Network Analysis 召集人:

教学目的、要求

社会媒体在政治经济活动和人们日常生活中发挥作用日益增大,成为近年来的研究热点之一。在本门课程中,我们从网络要素、结构社区、影响传播、用户行为等几个方面,讲授社会计算和社交网络分析中的一些重要思想、理论结果和算法。本课程是计算机科学与技术学科博士和硕士生设立的专业普及课,同时也可作为管理科学和数学学科博士和硕士生的选修课。通过本课程的学习, 希望学生除了掌握一些基本方法和技巧之外, 对社会计算和社交网络分析的近代发展和研究趋向有所了解, 为进一步从事专业研究打下基础。

预修课程

线性代数,概率统计

教 材

《社会媒体挖掘》 刘挺、秦兵、赵妍妍译

主要内容

1 引言(2学时)
1.1 学科背景
1.2 挖掘领域的新挑战
1.3 社会计算的任务
1.4 课程内容设置
2 复杂网络的图要素(3学时)
2.1 图的基础知识
2.2 图的表示、类型和连通性
2.3 特殊图
2.4 图算法
3 复杂网络度量(2学时)
3.1 中心性
3.2 传递性与相互性
3.3 平衡和地位
3.4 相识度
4 复杂网络统计特征与结构建模(2学时)
4.1 度分布
4.2 聚类系数
4.3 平均路径长度
4.4 复杂网络结构模型
5 主题模型(6学时)
5.1 概率图模型
5.2 EM算法
5.3 随机模拟
5.4 马氏链及其平稳分布
5.5 MCMC方法和Gibbs采样
5.6 主题模型概述
5.7 LDA模型
6 话题的发现与演化(2学时)
6.1 基本概念与理论基础
6.2 话题发现的模型与算法
6.3 话题演化的模型与算法
6.4 社交网络舆情分析
7 社会媒体信息传播(2学时)
7.1 信息传播影响因素
7.2 基于网络结构的传播模型
7.3 基于群体状态的传播模型
7.4 基于信息特性的传播模型
7.5 热度预测方法
7.6 影响最大化
7.7 信息溯源技术
8 社交推荐系统(2学时)
8.1 问题与挑战
8.2 经典推荐算法
8.3 基于网络的推荐算法
8.4 推荐系统评价
9 文本情感分析(2学时)
9.1 情感分析定义、分类和发展历史
9.2 文本情感分析技术
9.3 社交网络情感分析技术
9.4 情感分析技术的延伸与变形
9.5 社交网络情感分析的应用
10 社交网络人物分析(3学时)
10.1 社交网络数据获取技术
10.2 用户行为分析
10.3 个人影响力分析
10.4 跨社交网络账号识别
11 社交网络社区发现、分析与评价(3学时)
11.1 网络与社区
11.2 社区发现方法
11.3 社区发现方法的评价
12 社交网络链路预测(3学时)
12.1 链路预测问题描述
12.2 链路预测方法
12.3 评价方法
13 社交网络安全(3学时)
13.1 社交网络的攻击
13.2 社交网络攻击的检测
13.3 个人隐私的泄露
13.4 个人隐私的防护
13.5 虚假谣言信息的识别
14 社交网络可视化(3学时)
14.1 人类感知系统的特点
14.2 可视化工作流程
14.3 可视化交互方法
14.4 可视化设计原则
15 课程总结(2学时)
15.1 研究内容总结
15.2 研究热点展望
15.3 前沿成果汇报讨论

参考文献

1) 《在线社交网络分析》 方滨兴等著
2) 《社会计算:社区发现和社会媒体挖掘》 唐磊、刘欢著
4) 《社会计算的基本方法与应用》王飞跃、李晓晨、毛文吉、王涛著