社会计算与社交网络分析

课程编码：0839X2M05005H 英文名称：Social Computing and Social Network Analysis 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：周川等

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。

线性代数,概率统计

第一章 引言 2学时
第1节 社会计算简介
第2节 社会媒体与社交网络
第3节 社交网络的表示与性质
第4节 社会媒体上的数据挖掘
第5节 社会媒体挖掘的意义
第6节 社会媒体挖掘的挑战
第7节 本课程关注的社会计算任务有哪些？
第8节 课程设置
第二章 复杂网络的图要素 3学时
第1节 复杂网络与图
第2节 图的基础知识
第3节 图的表示
第4节 图的类型
第5节 图上的通路
第6节 图的连通性
第7节 特殊图
第8节 图算法
第三章 复杂网络度量 3学时
第1节 中心性度量
第2节 传递性和相互性
第3节 相似性
第4节 联系的强度
第四章 复杂网络模型 2学时
第1节 真实世界网络的属性
第2节 随机图模型
第3节 小世界模型
第4节 优先链接模型
第五章 网络表示学习 2学时
第1节 背景
第2节 网络嵌入
第3节 图神经网络
第六章 主题模型 4学时
第1节 贝叶斯概率
第2节 概率图模型
第3节 EM算法
第4节 MCMC方法和Gibbs采样
第5节 主题模型引言
第6节 主题模型的内容框架
第7节 概率隐形语义索引
第8节 LDA主题模型
第七章 话题发现与演化 2学时
第1节 引言
第2节 话题发现的模型和算法
第3节 话题演化简介
第八章 社会媒体信息传播 3学时
第1节 引言
第2节 信息传播影响因素
第3节 基于网络结构的传播模型
第4节 基于群体状态的传播模型
第5节 基于信息特征的传播模型
第6节 热度预测方法
第7节 网络扩散源推断
第8节 影响最大化问题
第九章 社交推荐系统 2学时
第1节 引言
第2节 传统推荐算法
第3节 社会化推荐算法
第4节 推荐系统评估
第十章 文本情感分析 1学时
第1节 引言
第2节 情感分析历史
第3节 情感分析应用
第4节 情感定义及分类
第5节 基于情感词典及其语义规则的情感分析技术
第6节 基于监督学习的情感分析技术
第十一章 社交网络人物分析 3学时
第1节 社交网络数据采集
第2节 用户行为分析
第3节 影响力分析
第4节 跨社交网络账号识别
第十二章 社交网络社区分析 4学时
第1节 网络与社区
第2节 社交网络社区发现方法
第3节 社区的演化与评价
第4节 社区发现方法的评价
第十三章 社交网络链路预测 2学时
第1节 链路预测的意义
第2节 链路预测问题描述及其评价方法
第3节 链路预测的方法
第4节 链路预测的展望
第十四章 社交网络的安全 3学时
第1节 社会媒体谣言的分析与识别
第2节 社会媒体虚假评论的生成与识别
第3节 Fake News的识别
第十五章 数据可视化 3学时
第1节 数据可视化概述
第2节 视觉感知与认知
第3节 数据可视化
第十六章 课程总结 1学时
第1节 内容回顾
第2节 习题解析

周川,男,中国科学院数学与系统科学研究院，副研究员、博士生导师,中国科学院大学网络空间安全学院副教授,中科院青年创新促进会会员。2013年博士毕业于中科院数学院。研究方向为社交网络分析与图挖掘,发表论文90余篇,申请专利12项。曾获2014年度中科院优秀博士学位论文奖、ICCS-14最佳论文奖、IJCNN-17最佳学生论文奖。承担2项国家自然科学基金、3项国家重点研发计划子课题。多次担任AAAI、IJCAI、SDM等国际会议的PC,担任JCR二区期刊IEEE Access副主编,是IEEE TKDE、ACM TKDD等国内外有影响学术期刊的审稿人。担任中国计算机学会（CCF）高级会员、中国中文信息学会（CIPS）青年工作委员会委员和社会媒体处理专委会通讯委员。