社会媒体挖掘 内容简介

过去十年中，社会媒体蓬勃发展，彻底改变了人们的社交行为和企业的商业模式。人们在社会媒体上交互、分享和阅读内容，进而以空前的速度产生了大量数据。理解和处理这类新型数据，并从中发现有用的模式，对于交叉学科研究、新算法和工具的研发来讲是挑战与机遇并存。本书整合了社会媒体、社会网络分析以及数据挖掘的相关知识，为学生、从业者、研究人员和项目经理理解社会媒体挖掘的基础知识和潜能，提供了一个方便的平台。本书介绍了社会媒体数据独有的问题，并阐述了网络分析以及数据挖掘中的基本概念、新出现的问题和有效的算法。本书可作为高年级本科生和低年级硕士生的教材，也可以作为短期专业课程用书。书中涵盖了不同难度的练习题，可以帮助读者在社会媒体数据挖掘的不同场景中理解和应用相关的概念、原理以及方法。

社会媒体挖掘 本书特色

本书集成了近年来社会媒体、社会网络分析以及数据挖掘的前沿成果，为学生、从业者、研究人员和项目经理提供了一个方便的平台，以便理解社会媒体挖掘的基础知识和潜能。本书介绍了社会媒体数据的问题，并阐述了网络分析和数据挖掘的基本概念、新问题以及有效的算法。

社会媒体挖掘 目录

第1 章 引言11.1 什么是社会媒体挖掘11.2 挖掘领域的新挑战21.3 本书概览和读者指南31.4 小结51.5 参考文献及注释51.6 习题6**部分 基础知识第2 章 图的基本要素102.1 图的基础知识112.1.1 结点112.1.2 边112.1.3 度和度的分布122.2 图的表示142.2.1 邻接矩阵142.2.2 邻接表152.2.3 边列表152.3 图的类型162.4 图的连通性172.5 特殊图212.5.1 树和森林212.5.2 特殊子图212.5.3 完全图232.5.4 平面图232.5.5 二分图232.5.6 正则图242.5.7 桥252.6 图算法252.6.1 图/树的遍历252.6.2 *短路径算法272.6.3 *小生成树292.6.4 网络流算法312.6.5 二分图**匹配342.6.6 桥检测352.7 小结362.8 参考文献及注释372.9 习题37第3 章 网络度量403.1 中心性403.1.1 度中心性403.1.2 特征向量中心性423.1.3 katz 中心性443.1.4 pagerank 463.1.5 中间中心性473.1.6 接近中心性483.1.7 群体中心性503.2 传递性与相互性513.2.1 传递性513.2.2 相互性533.3 平衡和地位553.4 相似度573.4.1 结构等价性573.4.2 规则等价性593.5 小结613.6 参考文献及注释613.7 习题62第4 章 网络模型644.1 真实世界网络的属性644.1.1 度分布654.1.2 聚类系数664.1.3 平均路径长度674.2 随机图模型674.2.1 随机图的演变694.2.2 随机图的属性714.2.3 基于随机图的真实世界网络建模734.3 小世界模型734.3.1 小世界模型的属性754.3.2 基于小世界模型对真实世界网络建模774.4 优先链接模型774.4.1 优先链接模型的属性784.4.2 基于优先链接模型对真实世界网络进行建模804.5 小结804.6 参考文献及注释814.7 习题81第5 章 数据挖掘的基本要素835.1 数据845.2 数据预处理875.3 数据挖掘算法895.4 监督学习895.4.1 决策树905.4.2 朴素贝叶斯分类器925.4.3 *近邻分类器935.4.4 利用社交信息辅助分类945.4.5 回归965.4.6 监督学习评估995.5 无监督学习995.5.1 聚类算法1005.5.2 无监督学习的评估1025.6 小结1045.7 参考文献及注释1055.8 习题106第二部分 社区和交互第6 章 社区分析1106.1 社区发现1126.1.1 社区发现算法1136.1.2 基于成员的社区发现1146.1.3 基于群组的社区发现1196.2 社区演变 1266.2.1 网络是如何演变的 1266.2.2 演变网络中的社区发现 1296.3 社区评价 1316.3.1 存在真实答案时的评价 1316.3.2 无真实答案的评价 1346.4 小结 1356.5 参考文献及注释 1366.6 习题 137第7 章 社会媒体中的信息传播 1397.1 羊群效应 1407.1.1 羊群效应的贝叶斯建模 1427.1.2 干预 1447.2 信息级联 1457.2.1 独立级联模型 1457.2.2 级联范围**化 1477.2.3 干预 1497.3 社交网络中的创新扩散 1497.3.1 创新的特征 1507.3.2 创新扩散模型 1507.3.3 创新扩散过程建模 1527.3.4 干预 1557.4 流行病模型 1557.4.1 定义 1567.4.2 si 模型 1567.4.3 sir 模型 1587.4.4 sis 模型 1597.4.5 sirs 模型 1607.4.6 干预 1617.5 小结 1617.6 参考文献及注释 1627.7 习题 163第三部分 应用第8 章 影响力和同质性 1668.1 度量同配性 1678.1.1 度量符号属性的同配性 1678.1.2 度量序数属性的同配性 1708.2 影响力 1728.2.1 度量影响力 1728.2.2 影响力建模1758.3 同质性1798.3.1 度量同质性1798.3.2 同质性建模1798.4 区分影响力和同质性1808.4.1 洗牌测试1808.4.2 边缘反转测试1818.4.3 随机化测试1818.5 小结1848.6 参考文献及注释1848.7 习题185第9 章 社会媒体中的推荐1879.1 挑战1889.2 经典的推荐算法1889.2.1 基于内容的算法1899.2.2 协同过滤1899.2.3 将个人推荐推广到群体推荐1959.3 基于社会背景知识的推荐系统1979.3.1 单独使用社会背景知识1989.3.2 基于社会背景知识的经典算法扩展1989.3.3 社会背景知识受限的推荐2009.4 推荐系统评价2029.4.1 评估预测的准确率2029.4.2 评估推荐的相关性2039.4.3 评估推荐的排序2049.5 小结2059.6 参考文献及注释2069.7 习题207第10 章 行为分析20810.1 个体行为20810.1.1 个体行为分析20910.1.2 个体行为建模21310.1.3 个体行为预测21410.2 群体行为21710.2.1 群体行为分析21710.2.2 群体行为建模22110.2.3 群体行为预测22110.3 小结22210.4 参考文献及注释22310.5 习题224参考文献 225

社会媒体挖掘 相关资料

“这本讲述社会媒体的书结构非常合理，对学术界和产业界来说十分有用。该书以清晰易懂的方式全面地讲述了社会网络分析。”——charu aggarwal，ibm公司沃森研究中心“这本书以轻松的方式探索了一个多学科交叉的领域，语言简明，直截了当。书中清晰紧凑地介绍了相关的概念，帮助你自信地深入探索数据挖掘这个奇妙的领域。”——philip yu，伊利诺伊大学芝加哥分校

社会媒体挖掘 作者简介

Reza Zafarani 雪城大学助理教授，曾为亚利桑那州立大学计算机科学与工程专业助理研究员。研究方向为社会媒体挖掘、机器学习、社会网络分析和社会计算。研究重点是大规模用户行为分析，以及跨社会媒体网站的信息整合和建模。Mohammad Ali Abbasi 亚利桑那州立大学计算机科学与工程专业助理研究员。研究方向为文本分析、信息检索、数据挖掘、机器学习和社会计算。研究重点是用户归档、用户可信度评估、推荐系统、社会网络分析，以及社会媒体在现实世界的应用。Huan Liu（刘欢） 亚利桑那州立大学计算机科学与工程专业教授，在教学和科研领域都取得了公认的优异成绩。研究方向为数据挖掘、机器学习、社会计算、人工智能，以及真实数据密集型应用的问题。