☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

本店POD版圖書均在書名下有明顯紅字標注，POD圖書屬於按需定製，您下單購買後我們纔開始印刷，故不可取消訂單。 我們一般會在您下單後的4-7個工作日內完成發貨，請謹慎下單！商品無質量問題不支持退貨，定價和裝幀可能會與原書不同，請以實物為準！詳情請谘詢客服 購買電子版圖書請與客服直接聯係，或搜索科學齣版社電子商務平颱購買

社會物理學 第6號 社會物理學網絡輿情安全
	曾用價	98.00
	齣版社	科學齣版社
	版次	1
	齣版時間	2017年05月
	開本
	作者	牛文元
	裝幀	平裝
	頁數	164
	字數	300
	ISBN編碼	9787030517111

內容介紹
　　本書是社會物理學係列叢書的第6號，在國際社會物理學研究前沿(第1號)、社會物理學理論與應用(第2號)、社會物理學社會動力學(第3號)、社會物理學社會管理學(第4號)、社會物理學社會治理(第5號)的基礎上，本書從社會物理學與網絡輿情安全研究視角，邀請國內外知名專傢專門撰稿，旨在對國際國內網絡輿情安全zui新的概念方法、係統應用、實證分析等進行深入介紹。

目錄
目錄
CONTENTS
係統工程與係統科學中與大數據相關聯的十大進展 1
數據驅動的社會激勵：從應用到理論 16
基於社會媒體大數據的網絡輿情演化趨勢預測 29
基於城市節點的微信傳播網絡社團探測結果分析 38
風險治理中公眾信任的研究基礎及創新空間 49
國傢治理的係統認知 58
新陳代謝3/4冪律的權力結構解釋 67
公共政策發布前網絡輿情仿真研究 78
基於微博信息的輿情數據挖掘研究 87
賦權輿論傳播網絡中影響力節點發現算法 97
多視角下的輿論傳播及演化研究綜述 107
社會風險研究中的“正態分布陷阱” 123
失敗公共政策的網絡輿情研究 131
政策視角下的中國網絡輿情治理(1997~2016年) 147

在綫試讀
係統工程與係統科學中與大數據相關聯的十大進展
　　顧基發
　　摘要
　　大數據已經吸引瞭不少學者和實際工作者從不同角度去研究它，本文不是從數據和信息科學的角度去研究它，而是從係統的角度去研究。利用係統理論齣發去研究與大數據相關的十大進展：大係統、大網絡、大數據、大解析、大方法論、大心理、大行為、大綜閤集成、大研討廳、大智慧。
　　1. 引言
　　大數據似乎已經被宣傳的有些過火瞭。其實要處理的係統越來越大、越來越復雜，這纔是我們更要關心的。本文企圖從大係統連帶齣現的一些大數據現象及解決問題的方法著手來看看這些年的重要進展和突破。這裏列舉齣十個，當然是講其主要的進展，也許可以更多一些，也許可以少一點，其中的一些進展，作者在其他場閤也曾經有所涉及。
　　2. 大係統（big system）
　　係統的名詞早已有瞭，但是比較係統地去研究它還是20世紀40~60年代，之後也絡繹不絕地齣現瞭一些新的名詞，如復雜係統、大規模係統、開放係統等，一直到90年代又齣現瞭一些新的名字，並且受到更深的研究和更廣的應用，涉及的規模都很大，這裏隻介紹其中三個比較著名的大係統：開放復雜巨係統（open complex giant system）、復雜適應係統（complex adaptive system）和體係（system of systems）。
　　2.1 開放復雜巨係統
　　錢學森在1990年提齣一大類係統，如果其元素和子係統種類很多並有層次結構，它們之間相互關係又很復雜，這就是復雜巨係統。如果這個係統又是開放的，就稱作開放的復雜巨係統。所謂種類多其實就是巨大，而關係復雜是指相互作用是非綫性的，而係統和環境之間不斷交換物質和能量信息，即開放性。作為例子，錢學森曾提到腦係統、社會係統、軍事係統、地理係統（含生態、環境係統）、人體係統、星係係統。
　　2.2 復雜適應係統
　　1994年，約翰·霍蘭德（John Holland）在聖菲研究所做瞭名為“隱秩序”的著名演講，而後齣版瞭《隱秩序———適應性造就復雜性》一書。復雜適應係統（complex adaptive systems，CAS），也稱復雜性科學（complexity science），是20世紀末興起的前沿科學。復雜適應係統理論的核心思想———適應性造就復雜性。
　　復雜適應係統理論的基本思想可以概述如下：係統中的成員稱為具有適應性的主體（adaptive agent），簡稱為主體。所謂具有適應性，就是指它能夠與環境及其他主體進行交互作用。主體在這種持續不斷的交互作用的過程中，不斷地“學習” 或“積纍經驗”，並且根據學到的經驗改變自身的結構和行為方式。整個宏觀係統的演變或進化，包括新層次的産生，分化和多樣性的齣現，新的、聚閤而成的、更大的主體的齣現等，都是在這個基礎上逐步派生齣來的。
　　復雜適應係統理論把係統的成員看做是具有自身目的與主動性的、積極的主體。正是這種主動性及它與環境的反復的、相互的作用，纔是係統發展和進化的基本動因。宏觀的變化和個體分化都可以從個體的行為規律中找到根源。霍蘭把個體與環境之間這種主動的、反復的交互作用用“適應” 一詞加以概括，適應産生復雜性，如蟻群、生態、胚胎、神經網絡、人體免疫係統、計算機網絡和全球經濟係統。所有這些係統中，眾多獨立的要素在許多方麵進行著相互作用。在每種情況下，這些無窮無盡的相互作用使每個復雜係統作為一個整體産生瞭自發性的自組織。
　　復雜適應係統理論的提齣，正好解決瞭管理實踐中如何纔能增強組織適應力的問題；約翰·霍蘭德認為將復雜適應係統理論應用到組織管理中，研究如何建立符閤復雜適應係統特徵的組織並進行有效管理，是組織管理的重要發展方嚮；並且，他提齣瞭“復雜適應組織” 的概念，它是指在組織成員具有自主判斷和行為能力，具有與其他成員和環境交互信息和物質的能力，能夠根據其他成員的行為和環境的變化不斷調整行為規則，從而使自身及整個組織與環境相適應，如圖1所示（Murray，1994；Holland，1992，1999）。
　　2.3 體係
　　關於體係亦稱係統的係統（system of systems），總宇宙是一個體係，各個星係是一個體係。社會是一個體係，人文是一個體係，宗教是一個體係，多軍兵種閤成作戰是一個體係。大體係裏含有無窮無盡的小體係，小體係裏含有無盡無量的、可以無窮深入的更小的體係。
　　圖1 復雜適應係統例子
　　體係是由一組復雜分係統構成的，它們有5 個特點：①分係統操作是獨立；②分係統管理是獨立的；③係統和分係統都是在演化的；④總係統有突現的行為；⑤分係統在地理上是分散的（圖2）。例如，軍隊組織多兵種大演習就是一個體係（圖3）（Sheard，2006，2007；Mo，2008）。
　　圖2 體係的定義
　　3. 大網絡（big network）
　　生活中有不少係統會以網絡形式齣現，如交通網、通信網等。近年來由於互聯網和物聯網等齣現，網絡的規模越來越大，其相互關係也越來越復雜，除齣現瞭大網絡和復雜網絡，還齣現一些有特殊性質的網絡，如小世界網絡和無標度網絡等。從物理結構而言，有社會網絡、生物網絡、經濟網絡等。
　　圖3 體係例子
　　從處理網絡手段講有復雜網絡分析（complex network analysis，CNA），從時間演化看有動態網絡分析（dynamic network analysis，DNA），從規模和因素復雜看還有網絡的網絡（network of networks）或超網絡（super network）。國內外應用較多的有社會輿情分析、尋找恐怖分子、供應鏈等。
　　4. 大數據（big data）
　　4.1 大數據概述
　　由於齣現越來越大的大係統和大網絡，相應的就産生越來越大的數據，從1PB=1024TB=1048576GB、1EB=1024PB=1048576TB到1ZB=1024EB=1048576PB，甚至還有更大的YB等。從大數據的特性而言，有所謂的“4V”：容量（volume），數據的大小；種類（variety），數據類型的多樣性；速度（velocity），獲得數據的速度；價值（value），閤理運用大數據，也有認為是可變性（variability）或真實性（veracity）等。
　　大數據的齣現使人們更關注它的存儲、轉換和加工等，並開發齣各種類型的數據庫和數據倉庫等。另外為瞭人們能明白地理解它們，對數據的可視化也特彆引起人們的關注。例如，美國國土安全部在開發ADVISE 係統時，就專門開發瞭軟件如Starlight 係統、In-Spire 係統來顯示得到的數據，並且用來找恐怖分子或其他對安全有威脅的人，也可用於找到有用的知識（圖4，圖5）。
　　圖4 Starlight係統
　　圖5 In-Spire係統
　　4.2 數據科學（data science）
　　比大數據發展稍慢一點的是數據科學。但是數據科學要處理的數據不僅有大數據，還有小數據，有時就很少幾個樣本數據，還有人工數據用計算機大量自動按程序産生的，還有就是專傢們主觀判斷形成的數據。作者在文中曾對數據科學有更多的介紹（Gu and Zhang，2014，2015）。
　　4.3 從數據挖掘到專傢挖掘
　　利用數據挖掘（data mining） 可以從數據中挖齣有用的知識，隨後文本中也可以挖掘，稱為文本挖掘（text mining），再後來從流媒體也可以挖掘。更廣泛的是從網上信息中去挖掘有用的東西，稱為網上挖掘（web mining）。由於這些挖掘的對象數量要求很大，很早有人就提齣數據挖掘所需數據往往需要所謂的海量數據。近年來由於重視專傢經驗，因此提齣瞭專傢挖掘（expert mining）。這時數據量往往不大，屬於小數據。在進行導彈可靠性和載人飛船的安全性評估時，可用的實物試驗樣本很少，但是評估齣的可靠性和安全性卻很高，這時無法使用統計中大樣本定理，有時也需要用到專傢的經驗，這種專傢人數也不會太多（顧基發，2009b，2014）。
　　4.4 從數據到智慧（data-information-knowledge-wisdom，DIKW）
　　早在20世紀末，Zeleny和Ackoff分彆提齣DIKW序列（圖6），但是Ackoff序列中多瞭一個U（understanding），如圖7所示（Ackoff，1989）。正是這個U使人們懂得知識的價值和為什麼要用這個知識，也是迴答瞭大數據中的第4個V。其實知識是兩種：隱知識和顯知識。一般計算機主要處理顯知識，而隱知識往往存在於專傢腦中，以一種經驗的形式存在。能否很好地運用隱知識也是一種智慧的錶示，當然智慧更多是為瞭解決新問題而形成的新知識，即創新。
　　圖6 DIKW
　　圖7 DIKUW（Ackoff）
　　其實ADVISE係統很好地體現瞭從數據、信息到知識的全過程，裏麵的核心思想是知識網絡圖和數據科學。作者也是第*次從這個項目中學到數據科學的名詞（圖8）。
　　5. 大解析（big analytics）
　　大數據要真有用處，離不開數字解析去深度分析。過去由於係統不大或數據
社會物理學 第6號 社會物理學網絡輿情安全 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價

查看全網最低價