社交網(wǎng)站的數(shù)據(jù)挖掘與分析

定　價：￥59.00

作　者：	（美）羅塞爾著，師蓉譯
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	數(shù)據(jù)倉庫與數(shù)據(jù)挖掘

購買這本書可以去

ISBN：	9787111369608	出版時間：	2012-02-01	包裝：	平裝
開本：	16開	頁數(shù)：	301	字數(shù)：

內容簡介

　　Facebook、Twitter和LinkedIn產(chǎn)生了大量寶貴的社交數(shù)據(jù)，但是怎樣才能找出誰通過社交媒介正在進行聯(lián)系？他們在討論些什么？或者他們在哪兒？本書簡潔而且具有可操作性，它將揭示如何回答這些問題甚至更多的問題。你將學到如何組合社交網(wǎng)絡數(shù)據(jù)、分析技術，如何通過可視化幫助你找到你一直在社交世界中尋找的內容，以及你聞所未聞的有用信息。本書每章都介紹了在社交網(wǎng)絡的不同領域挖掘數(shù)據(jù)的技術，這些領域包括博客和電子郵件。你所需要具備的就是一定的編程經(jīng)驗和學習基本的Python工具的意愿。通過本書，你將 . 獲得對社交網(wǎng)絡世界的直觀認識 .使用GitHub上靈活的腳本來獲取從諸如Twitter、Facebook和LinkedIn等社交網(wǎng)絡API中的數(shù)據(jù)　. 學習如何應用便捷的Python工具來交叉分析你所收集的數(shù)據(jù) . 通過XFN探討基于微格式的社交聯(lián)系 . 應用諸如TF-IDF、余弦相似性、搭配分析、文檔摘要、派系檢測之類的先進挖掘技術 . 通過基于HTML 5和JavaScript工具包的網(wǎng)絡技術建立交互式可視化

作者簡介

　　馬修·羅塞爾（Matthew A.Russell），Digital ReasoningSystems公司的技術副總裁和Zaffra公司的負責人，是熱愛數(shù)據(jù)挖掘、開源和Web應用技術的計算機科學家。他也是《Dojo：The DofinitiveGuide》（O'Reilly出版社）的作者。在LinkedIn上聯(lián)系他或在Twitter上關注@ptwobrussell，可隨時關注他的最新動態(tài)。

圖書目錄

前言
第1章　緒論：Twitter 數(shù)據(jù)的處理
Python 開發(fā)工具的安裝
Twitter 數(shù)據(jù)的收集和處理
小結
第2章　微格式：語義標記和常識碰撞
XFN 和朋友
使用XFN 來探討社交關系
地理坐標：興趣愛好的共同主線
（以健康的名義）對菜譜進行交叉分析
對餐廳評論的搜集
小結
第3章　郵箱：雖然老套卻很好用
mbox：Unix 的入門級郵箱
mbox+CouchDB= 隨意的Email 分析
將對話線程化到一起
使用SIMILE Timeline 將郵件“事件”可視化
分析你自己的郵件數(shù)據(jù)
小結
第4章　Twitter ：朋友、關注者和Setwise 操作
REST 風格的和OAuth-Cladded API
干練而中肯的數(shù)據(jù)采集器
友誼圖的構建
小結
第5章　Twitter：tweet ，所有的tweet ，只有tweet
筆PK 劍：和tweet PK 機槍
對tweet 的分析（每次一個實體）
并置潛在的社交網(wǎng)站（或#JustinBieber VS #TeaParty）
對大量tweet 的可視化
小結
第6章　LinkedIn ：為了樂趣（和利潤？）將職業(yè)網(wǎng)絡聚類
聚類的動機
按職位將聯(lián)系人聚類
獲取補充個人信息
從地理上聚類網(wǎng)絡
小結
第7章　Google Buzz：TF-IDF 、余弦相似性和搭配194
Buzz=Twitter+ 博客
使用NLTK 處理數(shù)據(jù)
文本挖掘的基本原則
查找相似文檔
在二元語法中發(fā)Buzz
利用Gmail
在中斷之前試著創(chuàng)建一個搜索引擎……
小結
第8章　博客及其他：自然語言處理（等）
NLP ：帕累托式介紹
使用NLTK 的典型NLP 管線
使用NLTK 檢測博客中的句子
對文件的總結
以實體為中心的分析：對數(shù)據(jù)的深層了解
小結256
第9章　Facebook ：一體化的奇跡
利用社交網(wǎng)絡數(shù)據(jù)
對Facebook 數(shù)據(jù)的可視化
小結
第10章　語義網(wǎng)：簡短的討論
發(fā)展中的變革
人不可能只靠事實生活
期望