Conference

第一届“计算传播学”论坛

“第一届“计算传播学”论坛” 投稿邮箱 computational.communication@gmail.com 投稿最后截止时间2016年8月31日 会议时间、地点 时间:2016年9月25日(星期日) 地点:南京大学鼓楼校区费彝民楼 会议主题:计算传播时代 南京大学新闻传播专业建设80周年系列庆典之七 计算传播是指数据驱动的、借助于可计算方法所进行的传播过程,而分析计算传播现象的研究领域就是计算传播学。计算传播的应用有很多,例如数据新闻、计算广告、媒体推荐系统等,在过去的几年里,产生了深远的影响。数据新闻风靡全球,重要的国际媒体和国内媒体纷纷采用数据…

无标度网络的度相关理论

Lazaros K. Gallos, Chaoming Song, Hernán A Makse, 2008. Scaling of Degree Correlations and Its Influence on Diffusion in Scale-Free Networks. Physical Review Letters 100(24):248701 Impact Factor: 7.51 DOI: 10.3731/topologica.2.020 作为联合概率分布的度相关 $P(k_1, k_2) $ 表示度为$k_1$和$k_2$ 的两个节点连接在一起的概率。 如果没有度相关: $P(k_1, k_2) \sim k_1 P(k_1) k_2 P(k_2) $。 对于无标度网络:$P(k_1, k_2) \sim k_1 P(k_1) k_2 P(k_2) \sim k_1^{…

f4

计算传播学的起源、概念和应用

王成军 摘要: 计算传播是指数据驱动的、借助于可计算方法所进行的传播过程,而分析计算传播现象的研究领域就是计算传播学。本文首先分析了计算传播的起源、概念和应用,然后从计算社会科学的角度对计算传播学的理论脉络进行了介绍。基于以上内容,本文介绍了一个计算传播学研究的例子——“新闻地图”研究项目。新闻地图采用Gdelt新闻数据,以可视化的方式呈现了新闻事件的时空分布,并对新闻人物排名提供了一种可计算的思路,研究发现新闻影响力具有一个放大的机制,这种机制是通过新闻引用来实现的。最后讨论了计算传播学研究中存在的从数据到模式,再从模式到机制的研究思路。 关键词:大数据;计算传播学;数据驱动;计算社会科学;新闻地图 来源:王成军 (2016) 计算传播学的起源、概念与应用. 编辑学刊,3:59-64. CNKI下载 一、引言:计算传播 计算传播是指数据驱动的、借助于可计算方法所进行的传播过程,而分析计算…

记忆偏好随机游走模型

Memory-preferential random walk model Yi-Ming Zhao, An Zeng⋆, Xiao-Yong Yan†, Wen-Xu Wang, Ying-Cheng Lai. Universal underpinning of human mobility in the real world and cyberspace. arXiv 2015.12.04 模型设定 有有限个地点,数量为$M$(真实的或者虚拟的),有有限个个体,数量记为$N$。 现在的所在的一个地点记为$\alpha$,下一个地点记为$\beta$这个地点在时间t范围内被访问的次数记为$k_{\beta}$。 ”’随机游走模型”’:去每一个地方(不管去过的地方,还是没有去过的地方)的概率相等,记为1 ”’记忆偏好假…

使用plotly.py进行数据可视化初步

Plotly.js已经开源了,可以在线下生成独立的html文件,因此现在通过python使用plotly完全免费了。本文介绍基于python使用plotly的方法。 Plotly for Python is now entirely open source, free, and self-hosted 安装方法 pip install plotly 需要升级的话,可以输入: pip install plotly –upgrade 使用方法 最简单的使用方法是参照plotly网站给出的案例,见这里(https://plot.ly/python/) Initialization for Online Plotting 如果不上传到plotly网站,此处可以忽略。 import plotly plotly.tools.set_credentials_file(username=’yo…

计算新闻传播学2016课程资料发布(代码、数据、PPT)

2016年5月13日至22日,王成军为复旦大学新媒体课程主讲了《计算新闻传播学》,此次课程围绕计算传播学的实际应用展开,内容涵盖:计算传播学简介、数据科学的编程工具、数据抓取、数据清洗、统计和机器学习、文本挖掘、推荐系统、网络科学等。本课程以Anaconda Python作为编程环境,以jupyter notebook展示编程过程和PPT, 侧重于培养学生的计算思维和网络思维。课程大纲经过祝建华、周葆华两位老师修改,具体内容如下: 时间安排 36学时,两学分 时间 上午 下午 晚上 课时数量 2016-05-13 周五 9:00-12:00 15:30-17:30 作业&答疑 5学时 2016-05-14 周六 9:00-12:00 14:00-17:00 18:00-21:00 8学时 2016-05-15 周天 9:00-12:00 14:00-17:00 作业&答疑 …

男女选秀弥漫与娱乐机器轰鸣 ——试对《人民日报》的娱乐话语进行文本挖掘与可视化 (2005-2016)

一、研究背景:政治与娱乐之相爱相杀 政经与娱乐似乎总是一对相爱相杀的苦主。如果信奉《娱乐之死》(Amusing Ourselves to Death)的主旨,那么娱乐是莫谈国事的麻醉剂;如果信奉Lifestyle Politics,那么看似与政经无关的内容一样发人深省。在某些以市场导向的国家(见Hallin & Mancini (2004)的划分),万般皆商,布什和川普都可以上电视胡说八道,有媲美电影Spotlight主角的记者,也有如电影Nightcrawler男主角这样的骗子,一切矛盾都是交易(马克吐温说:我们可以用金钱买到最好的政府;肯尼迪还说,人是生而不平等的),总有办法大事化小、小事化了,彼此相安无事。 然而在以意识形态为主导的威权体制(authoritarian state)下,男女相爱莺歌燕舞似乎总显得不合时宜。 以前苏联为例子,Zhu(2001)曾援引美籍俄裔社会学…

中国交通事故媒介日记

项目地址:中国交通事故媒介日记 中国交通事故媒介日记发布,本项目由史丹珺独立完成,由巢乃鹏、王成军指导,项目展示见(http://computational-communication.com/globe/traffic.html)。在2000-2014年这15年间,全国各个省份在媒体报道中的交通事故数量和死亡人数随时间的变化趋势。 从事故数量的维度看,2006年及以前,广东、四川、北京三地交通事故最为严重。2007年之后,广东、浙江、山东、四川的交通事故最为严重。交通事故严重情况由南到北、由东到西整体呈减弱的趋势。从死亡人数的维度看,2007年纪以前,广东、四川两地的交通事故最为严重。2008年及之后,广东、浙江、山东的交通事故最为严重。华东、华南和西南地区的交通事故死亡状况较严重。 北京、上海、天津三地的死亡人数常年多于交通事故数,2010年后,江苏、山东、浙江三省的死亡人数多于交通事…

写给Piggy的Python入门指南——1 初试networkx

Piggy是大连海事大学的一名大四小女生,因缘际会,我们正在合作一个工作。工作中涉及到一个网络指标计算的问题。问题本身并不复杂:已知网络中每两个点之间的流量,计算整个网络里流的效率。这里的网络效率我们定义为所有点对之间流量与最短路径长度之比的和(如果点对间的流量是均匀的,那效率就是网络中所有节点closeness centrality之和)。这样,我们就可以把删除一条边后网络效率的减少量,作为评价流网络中连边重要性的一个指标,简称“删之rank”:) Piggy会点R,但也是刚学。我说既然这样,你不如也学点Python吧,以后做东西遇到程序问题我还能帮你支支招,不然你用R我就只能精神上支持你了:)Piggy说好,我去借几本Python的书学学?我说别了,Python简单到看书都浪费(语法简单,网上下几页速成教程就够了),复杂到看书也学不会(真正实用的包,书上也没有啊),咱边做边学吧:) 1…

使用Python和KNN算法分析NBA运动员

北京时间4月14日,著名球星科比·布莱恩特(Kobe Bryant)在职业生涯告别战中获得60分。 赛后,科比在球场中央向全场致辞,宣布正式告别NBA。 科比的辉煌赛绩无疑证明了他的巨大价值与卓著成就,因此我在思考:NBA历史上与这些超级球星处于同一位置的球员都有谁?这些球员是否能依据某种原则进行分类?能否通过一些算法来预测他们的赛场表现? 根据NBA官网上的部分统计数据,我进行了如下实践。虽然我至今看过的篮球比赛屈指可数,但是不得不承认,分析篮球赛统计数据还是十分有趣的。 一、KNN简介 KNN全称为:K-nearest neighbours,又称为最近邻居法、K近邻算法,是一种用于回归和分类的非参统计法。 在KNN分类(classifier)中,输出结果是分类族群,一个对象归属于哪一类是由其邻居的“多数表决”决定的,如果k=1,则该对象的类别直接由最近一个节点赋予。 在KNN回归(re…