本书采用渐进式的组织思路，以人工智能的经典模型为基础理论支撑，从社交网络分析、网络动力学、社交媒体挖掘与社群智能三个维度进行延伸，围绕典型应用系统梳理计算社会学的代表性应用。在兼顾广度和深度的前提下，本书深度融合计算机科学、社会学、人工智能、复杂网络、统计学和自然语言处理等多学科的专业概念，突出社会计算学近年来的研究成果和关键技术突破。 本书为人工智能与社会科学交叉融合提供了系统性的理论框架、方法体系与应用阐释，是研究人员、专业人员以及工程、计算、AI、互联网等领域的技术人员不可或缺的参考资料，同时也可作为相关领域的高年级本科生和研究生的教材。

推荐序一
推荐序二
前言
第一篇 网络动力学篇
第1章 级联行为
1.1 网络中的级联现象
1.1.1 级联现象
1.1.2 信息级联
1.1.3 级联的特点
1.2 级联与聚簇
1.2.1 级联行为下的协调博弈
1.2.2 网络聚簇对级联的影响
1.3 网络级联模型
1.3.1 独立级联模型
1.3.2 线性阈值模型
1.4 逾渗理论与晶格模型
1.4.1 逾渗现象
1.4.2 基本逾渗模型
1.4.3 晶格模型
1.5 社会逾渗模型
1.5.1 复杂网络逾渗
1.5.2 定向逾渗模型
1.5.3 首达逾渗模型
1.5.4 爆发性逾渗模型
小结
习题
参考文献
第2章 随机网络
2.1 随机网络模型
2.1.1 ER随机网络模型
2.1.2 P1随机网络模型
2.1.3 P2随机网络模型
2.1.4 指数随机网络模型
2.2 随机网络模拟实验
2.2.1 随机网络生成
2.2.2 随机网络特性
小结
习题
参考文献
第3章 小世界现象
3.1 小世界现象：六度分隔
3.1.1 六度分隔实验
3.1.2 六度分隔实验拓展
3.2 小世界网络模型
3.2.1 W-S模型
3.2.2 W-S-K模型
3.2.3 其他改进的W-S模型
……
第二篇 社交媒体挖掘也社群智能篇