# 计算反垄断

- 原标题：Computational Antitrust
- 类型：书籍
- 来源：doi.org
- 发布时间：2026-10-27
- 首次精选：2026-10-27 16:18
- 分级：值得看
- 学习层级：深入
- 主题：[ai-privacy-governance](<https://oplearnx.com/md/topics/ai-privacy-governance.md>)（第 25 位）、[business-decision-apps](<https://oplearnx.com/md/topics/business-decision-apps.md>)（第 31 位）
- 原文链接：[https://doi.org/10.1007/978-981-95-5037-1](<https://doi.org/10.1007/978-981-95-5037-1>)
- 本站页面：[https://oplearnx.com/resources/pk\_818e97e06cc8](<https://oplearnx.com/resources/pk_818e97e06cc8>)

## 摘要

这是一本由 Springer Nature 出版的开放获取图书，作者为 Liu, Wei，出版信息只给到 2026 年。书中提出用于识别数字经济中垄断行为的框架，重点讨论歧视性定价，主题词涉及用机器学习检测垄断行为、大模型在反垄断监管中的应用、平台经济定价算法公平性及双定价模型聚类（DPMC）框架等。

## 概览

- 难度：进阶
- 语言：英文
- 规模：5 章 · 151 页
- 费用：免费

## 学完你能

- 梳理反垄断制度在全球的历史与发展脉络。
- 理解数字经济平台市场中的垄断行为与监管难题。
- 说明大数据差别定价为何可能演化为垄断行为。
- 掌握基于机器学习的双重定价模型聚类（DPMC）框架，用于识别差别定价。
- 描述融合大语言模型与垄断行为识别模型的“计算反垄断大模型”构想。
- 了解面向监管需求的反垄断智能系统框架与功能演示。

## 适合你吗

- 适合：从事反垄断监管、数字经济治理的研究者与实务人员
- 适合：关注人工智能与法律交叉应用的数据科学从业者
- 适合：学习竞争法、数据法并关注平台经济的学生
- 暂不适合：只想读纯法学理论、不关注算法与数据方法的读者
- 暂不适合：需要完整代码与实验步骤的机器学习入门者
- 需要先会：具备反垄断与竞争法基本概念，并对机器学习方法有基础了解，阅读会更顺畅。

## 本书特点

- 内容侧重：以数字平台差别定价为切入点，结合反垄断业务需求，介绍机器学习检测方法与反垄断大模型构想。
- 练习与项目：书中以真实数据模式说明 DPMC 框架，并给出智能系统框架与功能演示；未提及作业或考试安排。
- 费用说明：全书为开放获取，可免费下载 PDF 与 EPUB；另有精装本 USD 59.99（不含税），平装本尚未出版。

## 目录

1. 前言
2. 第 1 章 反垄断的全球历史与发展
3. 第 2 章 数字经济中的反垄断
4. 第 3 章 人工智能与计算反垄断
5. 第 4 章 基于双重定价模型聚类框架的差别定价检测
6. 第 5 章 计算反垄断智能系统框架：风险建模、大模型集成与功能演示

---
来源：LearnMap · 学径（https://oplearnx.com）