#商务印书馆新书早知道# 《智能传播场景与算法：写给文科生的算法导论》
文科生也能轻松掌握的算法导论。

内容简介：
本书依托作者四年的“网络与新媒体”专业教学实践，力图贯彻新文科理念，给文科生讲解人工智能和智能传播基础知识与相关算法的底层逻辑。书中涉及的高等数学知识（特征空间、核函数、矩阵计算、图论等）均被巧妙地穿插在智能传播算法地讲解过程中，以贴近生活地举例说明完成讲授，有助于文科生循序渐进的吸收算法知识。

作者简介：
王天娇，传播学博士，广东外语外贸大学云山青年学者、副教授，硕士生导师，广州城市舆情治理与国际形象传播研究中心研究员。主要研究领域为政治传播、智能传播、公共关系、修辞与公共传播和媒介与社会变迁。主持国家社科基金项目1项，在SSCI、SCI和中文核心期刊上已发表论文20余篇。学术成果获国际中华传播学会(CCA)杰出博士论文奖、全国新闻传播学优秀论文奖等。

目录：
第一部分 总论
第一章 智能传播中的场景与算法
第一节 一种发展史：从计算传播到智能传播
第二节 智能时代中的场景与算法
第二章 场景与算法的辩证关系
第一节 数据场景：学习算法的入场券
第二节 数据算法：探索数据奥秘的钥匙
第三章 智能传播的学习路径
第一节 两种取向
第二节 一种融合路径的探索
第二部分 网络计算
第一章 网络信息搜索的底层逻辑
第一节 放大镜思维
第二节 投票思维
第二章 PageRank算法及其矩阵化表达
第一节 PageRank基础公式
第二节 PageRank算法的矩阵计算
第三节 两个问题
第四节 PageRank算法的困境与优化
第五节 互联网的片区观
第三章 网络与图的计算
第一节 图的构成与邻接矩阵
第二节 复杂关系的图表达与图计算
第三节 作为图的文本：关键词提取与摘要生成
第四节 自然语言处理的基础知识
第四章 网络计算中的中心性度量
第一节 社会影响力与顶点的度分布
第二节 顶点的中心性
第三节 图的中心势
第五章 网络计算的现实场景及其代码实现
第一节 场景与代码：基于多部图投射的排行榜信息挖掘
第二节 场景与代码：三大奖项演员合作网络的计算
第三部分 一种简化世界的方法：聚类
第一章 聚类与智能传播
第一节 什么是聚类？
第二节 非结构化数据的聚类
第二章 聚类前的准备：以文本为例
第一节 词频
第二节 词频—逆文档频率
第三章 相似度的计算
第一节 特征空间与矩阵表达
第二节 文本相似度的计算
第四章 常用聚类算法
第一节 层次聚类
第二节 K均值聚类
第三节 基于密度的空间聚类
第四节 LDA主题模型
第五章 相似度的应用：推荐算法与关联规则分析
第一节 常用推荐算法
第二节 关联规则挖掘算法
第六章 聚类、推荐与关联规则的现实场景及其代码实现
第一节 场景与代码：基于关联规则的用户影响力挖掘
第二节 场景与代码：基于推荐算法的情感预测
第四部分 智能传播中的机器学习
第一章 机器学习发展简史
第一节 从规则学习到机器学习
第二节 机器学习主要概念辨析
第三节 机器学习的应用
第二章 机器学习的分类
第一节 离线学习与在线学习
第二节 监督学习、无监督学习、半监督学习和自监督学习
第三章 模型评估的底层逻辑
第一节 训练集、测试集和验证集
第二节 K折交叉验证
第三节 过拟合与欠拟合
第四章 模型评估应用
第一节 回归分析与分类任务
第二节 二分类任务场景与基础概念
第三节 单模型评价指标
第四节 多模型评价指标
第五节 二分类算法在多分类问题中的应用
第五章 常用机器学习算法
第一节 K近邻算法
第二节 支持向量机
第三节 从决策树到集成方法
第六章 机器学习算法的现实场景及其代码实现
第一节 场景与代码：虚假新闻的识别
第二节 场景与代码：无监督学习的语料分类与自动摘要生成
参考文献