●緒論爭論中的大數據、機器學習與未來政治
上篇數據主義
章數據軍團:權力政治的算法角逐
節復雜社會的演進:決策的相互擾動
第二節同意的社會計算:傳統民調的罪與罰
第三節數據較量:美國大選幕後的算法操盤手
第二章高頻統計:選舉中的政治預測
節貝葉斯定理:納特·西爾弗和他的538網站
第二節預測偏差:538網站的數據陷阱
第三節另類統計:最高頻爭議即為優選影響力
第三章數據外交:一場即將到來的外交革命
節從數字外交到數據外交:數據力量的崛起
第二節從技術變革到當前爭議:外交決策的數據衝擊
第三節從理論假說到案例實踐:數據驅動的外交創新
第四節未來前景與關鍵障礙:數據外交的拓展空間
下篇數據原理
第四章文本分析:情感與意圖的自動識別
節分詞原理:非結構化數據的結構化處理
第二節情感分析:挖掘文本敘述中的情緒波動
第三節主題模型:探索政治文本的隱含語義結構
第五章社會網絡:圈子裡的政治文化
節社會網絡:以關繫為中心的政治度量
第二節強聯繫與弱聯繫:政治繫統中的信息傳遞
第三節中心性分析:發掘政治網絡中的關鍵節點
第六章機器學習:暴力衝突的社會感知
節謝林模型:從計算機模擬到機器學習
第二節學習原理:從有監督學習到無監督學習
第三節神經網絡:仿生人腦與社會情景的模式識別
第四節預警未來:衝突預測的當前障礙
參考文獻
內容簡介
本書闡述的是:在一個相互聯繫而又彼此擾動的復雜世界裡,現實政治的數據化進程與基於數據的政治分析技巧,特別是如何利用數據分析技術來洞察政治變動和復雜人際關繫的可行性。在研究設計上,本書主要沿著兩條線索展開:一條線索立足政治實踐,試圖通過闡述大數據和機器學習技術在現代政治中的應用,來理解現代政治中信息的生產、聚合和傳遞規律,以此窺探數據精英的崛起和新的社會權力重組,這部分內容主要涉及政治選舉中的高頻統計、數據外交和衝突預測;而另外一條線索則關乎跨學科的理論融合與闡釋,重點梳理了幾個經典數據分析理念和機器學習原理,內容涵括政治文本中的數據挖掘與情感分析、政治關繫中的社交網絡與度量,以及基於神經網絡的社會感知預測。