基础理论篇
第1章 绪论
1.1 实证社会科学的困境
1.2 计算社会科学简史
1.2.1 两大传统
1.2.2 未来挑战
1.3 计算社会科学的基础问题
1.3.1 概念界定
1.3.2 学科边界
1.3.3 研究范式
1.3.4 研究方法
1.4 如何使用本书？
习题1
第2章 Python语言入门
2.1 Python语言简介
2.1.1 简介
2.1.2 历史
2.1.3 Python与计算社会科学
2.2 Python的安装
2.2.1 在Windows上安装Python
2.2.2 在macOS上安装Python
2.2.3 Anaconda安装
2.2.4 PyCharm安装
2.2.5 AI Studio调用
2.3 Python基础语法
2.3.1 数据结构类型
2.3.2 条件语句
2.3.3 循环语句
2.3.4 函数
2.3.5 库（包）
2.3.6 案例：政府工作报告热点分析
2.4 搜集数据：网络爬虫简介
2.4.1 什么是网络爬虫
2.4.2 利用Python进行爬虫
本章小结
习题2
机器学习篇
第3章 回归分析
3.1 算法基础
3.1.1 线性回归的基本原理
3.1.2 线性回归模型的评估指标
3.1.3 方差与偏差的权衡
3.1.4 过拟合与欠拟合
3.2 岭回归
3.2.1 对岭回归的理解
3.2.2 调参
3.2.3 案例1：如何预测居民的幸福度
3.3 拉索回归
3.3.1 对拉索回归的理解
3.3.2 贝叶斯角度理解岭回归与拉索回归
3.3.3 案例2：如何预测住院群体的医疗支出
3.4 弹力网
3.4.1 对弹力网的理解
3.4.2 案例3：如何预测小麦产量
本章小结
习题3
第4章 非参数监督学习
4.1 K近邻法
4.2 决策树
4.2.1 决策树是什么？
4.2.2 案例1：申请研究生的录取率预测
4.3 集成学习
4.3.1 袋装法
4.3.2 随机森林
4.3.3 提升法
4.3.4 案例2：员工离职率预测
本章小结
习题4
第5章 聚类分析
5.1 计算社会科学也需要聚类分析
5.2 聚类分析基础
5.2.1 距离：如何测量两个人的相似程度？
5.2.2 聚类结果的性能评估
5.2.3 聚类结果的选择与解读
5.3 原型聚类
5.3.1 经典聚类算法：Kmeans
5.3.2 其他原型聚类算法
5.3.3 案例1：强基建与促发展——中国村庄发展的类型差异
5.4 密度聚类与层次聚类
5.4.1 密度聚类
5.4.2 层次聚类
5.4.3 案例2：关注与忽略——中国家庭教育的不同模式
5.5 聚类分析展望
本章小结
习题5
文本与图像分析篇
第6章 神经网络
6.1 神经网络简史
6.2 神经网络原理
6.2.1 感知器（Perceptron）
6.2.2 反向传播算法思想
6.3 卷积神经网络
6.3.1 感受野
6.3.2 共享参数
6.3.3 池化
6.3.4 拉平和SoftMax
6.3.5 应用场景
6.4 案例分析
6.4.1 案例1：单体汉字书法识别
6.4.2 案例2：文本自动生成
本章小结
习题6
第7章 自然语言处理
7.1 自然语言处理基础
7.1.1 “是什么”：自然语言的特点
7.1.2 “做什么”：自然语言处理的任务
7.1.3 “怎么做”：自然语言处理的演进
7.2 词法分析: 分词、词性标注与命名实体识别
7.2.1 中文分词
7.2.2 词性标注
7.2.3 命名实体识别
7.2.4 案例1：使用BaiduLAC进行词法分析
7.3 信息提取
7.3.1 关键词提取
7.3.2 关键句提取
7.3.3 实体关系抽取
7.3.4 案例2：信息抽取
7.4 文本分类与文本聚类
7.4.1 文本分类
7.4.2 文本聚类
7.4.3 案例3：谣言分类
7.4.4 案例4：通过LDA主题模型进行主题聚类
本章小结
习题7
第8章 计算机视觉
8.1 计算机视觉基础
8.1.1 计算机视觉简史
8.1.2 图像形成
8.2 识别
8.2.1 图像分类
8.2.2 目标检测
8.2.3 图像分割
8.2.4 视频理解
8.2.5 案例1：汉字书法场景识别
8.3 特征提取
8.3.1 边缘检测
8.3.2 轮廓追踪
8.3.3 案例2：假的真不了？
8.4 图像对齐与拼接
8.4.1 图像对齐
8.4.2 图像拼接
8.4.3 图像合成
8.5 运动估计
8.5.1 平移对齐和光流
8.5.2 运动追踪
8.5.3 案例3：老照片翻新
本章小结
习题8
复杂性与网络分析篇
第9章 社会网络分析基础
9.1 社会网络语境下图的基本构成：点与边的意义
9.2 线性视角下的局部流动性：游走、路径及连通
展开
