一、如何理解打算传播学
1、 从家当运用的角度理解
打算传播学：打算传播指数据驱动的、借助于可打算方法所进行的传播过程；打算传播学指剖析打算传播征象的研究领域。
干系传播的数据 -> 通过打算方法（例如统计、机器学习、自然措辞处理、深度学习） -> 传播上的新创造。
打算传播学的范例运用例子：Netflix公司记录并积累用户行为数据（数据驱动，借助可打算方法），剖析用户与网站的交互行为，根据用户个性化需求，对用户进行个性化的视频推举（进行的传播过程）。
2、从打算社会科学的角度理解
打算社会科学：采取可打算的方法研究社会科学的一个学术分支。数据驱动（大规模的数据驱动和剖析），利用打算方法达到研究目标，从而理解社会科学（个体群体的行为模式）。
打算社会科学的紧张研究脉络：网络科学，多主体建模等。
3、定义打算传播学
打算传播学（computational communication research）是可打算社会科学（computational social science）的主要分支。
紧张关注人类传播行为的可打算性根本
以传播网络剖析、传播文本挖掘、数学建模等为紧张剖析工具
以非参与地方式大规模地网络并剖析人类传播行为数据
挖掘人类传播行为背后的模式和法则
剖析模式背后的天生机制与基本事理
可以被广泛地运用于数据新闻和打算广告等场景
看重编程演习、数学建模、可打算思维
二、 21世纪科学的特色
1、互联网大数据
2、 网络科学 (network science):
网络科学是专门研究繁芜网络系统（由人、影响力和技能组成的网络，eg. 金融网络，社交网络，电脑网络，交通网络等）的定性和定量规律的一门崭新的交叉科学。
Eg. 网络系统的例子：金融网络系统etc
结合互联网大数据及网络科学，我们就可以进行诸多课题的研究，比如选举行为可以通过社交网络传染；通过网络数据可以进行用户情绪剖析；预测股票市场；预测选举结果；利用搜索引擎数据预测流感等
三、网络科学干系知识及网络科学的经典问题
（备注：部分内容为非视频内容，此处为通过视频先容后的拓展）
好文推举：从大家网看网络科学的X个经典问题
http://www.cnblogs.com/guolei/p/3513496.html
1、 网络科学基本观点
节点（node），网络中的节点
连边（edge, link）,连接各个网络节点的边
2、网络科学经典问题
链路预测（link prediction）：预测网络中的哪些节点有“不存在但该当存在的边”或“现在不存在但往后可能存在的边”。
社团创造（community detection）：创造网络中的潜在社团（社团常日指网络中比较稠密（dense）的部分，例如社交网络中几个人组成的一个小团体）
中央性（centrality）：度中央性（degree centrality）指节点的邻居个数；介数中央性（betweenness centrality）衡量信息传输的桥梁浸染（eg.介数中央性高的节点/边一样平常处于网络的“交通要道”）
繁芜网络的拓扑特性（Network Topology, 即用传输介质互连各种设备的物理布局）
网络的比拟（alignment）与去匿名化（de-anonymization）：网络比拟指通过比拟不同网络节点的相似特色，找出A节点在不同网络上的对应点（以社交网络为例，比如A在QQ上用名字x，在微博上用名字y，通过网络比拟技能就可以将名字x和名字y对等起来，由于它们在真实天下里是同一个人A）。网络比拟的一大运用是去匿名化（比如A在QQ上用的是真名x，在微博用的是虚假名称y。A用y的名字在微博发帖产生了较大的社会影响，通过网络的比拟，就可以找到A在QQ的名字x，末了找到真实天下的A的信息）。
(a) 小天下(SWN)，例如社交网络中的“六度分割”（你和任何一个陌生人之间所间隔的人不会超过六个）
(b) 无标度(SFN), 度数（节点的邻居个数）高的节点是很少的，度数低的节点占绝大多数。
拓展：以一定概率随机重连规则网络中的连边，可以大幅度降落网络的均匀路径长度，以有效增加网络的聚类系数（Watts and Strogatz
(1999)，见下图）。
四、科学与理论的要素与境界
1、 理论即逻辑的组合
2、理论的沙漏模型
学术论文的构造；以小见大；问题驱动；理论驱动；兴趣驱动；研究设计
3、形成理论的七要素
社会现实；理论传统；理论框架；理论假设；论据；论证；理论
4、理论的四境界
事理；机制；模式/定律；数据
五、 可打算性（computability）与可打算化（computational）1、 可打算性：关注事物本身可以被打算的程度（是否可以用算法办理问题）2、 可打算化：问题可被建模，抽象化，仿照等等六、 其它补充
1、 打算传播学的资源
Gdelt新闻数据库（http://gdeltproject.org/）
谷歌帮助的一个新闻数据项目，它监测环球100多种措辞的广播新闻、报纸新闻和网络新闻，从中提取个中的地点、组织、人物、韶光，并将所有这些数据开放。目前开放的数据紧张分为事宜数据库和环球知识图谱数据库两类。
打算传播网（http://computational-communication.com/）
打算传播学网站致力于探求传播学可打算化的基因、学习和传播可打算化思维/方法（电子化数据网络能力、编程能力、数学建模能力、网络剖析、文本挖掘）、理解和演习打算传播学的社会化运用方法（数据新闻、打算广告、可视化等）。
2、 打算传播学的常用工具：R和Python
3、 打算传播学的学科根本
4、打算传播学的常用模式或法则：异速增长定律
异速成长律，便是指系统的两个宏不雅观变量X和Y之间服从一个幂律方程：
个中c和α都是常数。
详细可参照：
http://wiki.swarma.net/index.php/%E5%BC%82%E9%80%9F%E7%94%9F%E9%95%BF%E5%BE%8B
打算传播学——用AI穿透你的把稳力壁垒
http://campus.swarma.org/vdetail=10140#src=1
王成军：南京大学新闻与传播学院助理研究员，Ogilvy数据实验室主任，以及打算传播、Web挖掘联合研究体成员。他的多篇打算传播学文章揭橥在SCI以及SSCI杂志上，包括Scientific Reports、PLoS ONE、PhysicaA、Cyberpsychology等。
集智AI学园特推出重磅课程！
喷鼻香港理工大学的美女博士手把手教你搭建一个谈天机器人！
http://campus.swarma.org/gpac=10296#src=2
咨询课程内容，请添加集智AI学园园长微信cancyqian。
推举阅读
重磅系列课程：打造你自己的谈天机器人 | 李嫣然
课程推举 | 厉害了我的GAN
《深入浅出GAN-事理与运用》学习条记
系列课程：从Python到Tensorflow——点亮你的AI技能树
课程推举 | 攻击的强化学习
AI江湖|筑基篇——人工神经网络
深度 | 人工智能让我们失落业？不，这取决于我们自己
学员原创 | 人工智能产品经理的新出发点（200页PPT下载）
基于神经机器翻译技能的英文修正器养成记 | 集智原创发明
关注集智AI学园"大众号
获取更多更有趣的AI教程吧！
搜索微信公众年夜众号：swarmAI
集智AI学园QQ群：426390994
学园网站：campus.swarma.org
商务互助｜zhangqian@swarma.org
投稿转载｜wangjiannan@swarma.org