社交大數(shù)據(jù)挖掘

定　價(jià)：￥59.00

作　者：	Hiroshi Ishikawa
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	程序設(shè)計(jì) 計(jì)算機(jī)/網(wǎng)絡(luò) 其他

購(gòu)買這本書可以去

ISBN：	9787111577225	出版時(shí)間：	2017-11-01	包裝：	平裝-膠訂
開本：	16開	頁(yè)數(shù)：	173	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《社交大數(shù)據(jù)挖掘》緊緊圍繞社交媒體中的大數(shù)據(jù)問(wèn)題，系統(tǒng)介紹了社交大數(shù)據(jù)的基本概念以及相關(guān)的大數(shù)據(jù)處理技術(shù)，重點(diǎn)介紹了網(wǎng)頁(yè)和媒體的大數(shù)據(jù)挖掘。《社交大數(shù)據(jù)挖掘》共分為14章，總體上可以分為三部分：*部分包括第1章和第2章，介紹了社交大數(shù)據(jù)的基本概念和內(nèi)涵，明晰了社交大數(shù)據(jù)與一般大數(shù)據(jù)的區(qū)別；第二部分為第3章至第9章，介紹了大數(shù)據(jù)處理中涉及的基本概念和技術(shù)方法，包括假設(shè)的定義、通過(guò)數(shù)據(jù)挖掘提出假設(shè)的方法，以及假設(shè)驗(yàn)證的分析方法；第三部分為第10章至第14章，詳細(xì)介紹了社交大數(shù)據(jù)中的網(wǎng)頁(yè)和媒體數(shù)據(jù)挖掘技術(shù)、自然語(yǔ)言處理技術(shù)，以及社交大數(shù)據(jù)的應(yīng)用?！渡缃淮髷?shù)據(jù)挖掘》體系結(jié)構(gòu)完整，內(nèi)容關(guān)注于具有鮮明特色的社交媒體大數(shù)據(jù)，行文通俗易懂，同時(shí)兼具較好的理論參考價(jià)值、實(shí)用性和指導(dǎo)性?！渡缃淮髷?shù)據(jù)挖掘》可為具有一定相關(guān)專業(yè)基礎(chǔ)、對(duì)大數(shù)據(jù)感興趣的師生、工程師及其他專業(yè)人士提供參考。

作者簡(jiǎn)介

暫缺《社交大數(shù)據(jù)挖掘》作者簡(jiǎn)介

圖書目錄

譯者序
原書前言
第1章社交媒體
1. 1什么是社交媒體
1.2代表性社交媒體
1.2.1 Twitter一
1.2.2 Flickr
1.2.3 YouTube
1.2.4 Facebook
1.2.5維基百科
1.2.6通用網(wǎng)絡(luò)
1.2.7其他社交媒體
參考文獻(xiàn)
第2章大數(shù)據(jù)和社交數(shù)據(jù)
2.1 大數(shù)據(jù)
2.2物理真實(shí)世界與社交媒體的交互
2.3集成框架
2.4交互的建模和分析
2.5元分析模型——概念層
2.5.1面向?qū)ο蟮募煞治瞿Ｐ?
2.5.2原始案例
2.6假設(shè)的生成和驗(yàn)證——邏輯層
2.6.1多變量分析
2.6.2數(shù)據(jù)挖掘
2.6.3發(fā)現(xiàn)和識(shí)別影響
2.6.4影響的定量測(cè)量
2.7 興趣回顧——互動(dòng)挖掘
2.8分布式并行計(jì)算框架
2. 8.1 NoSQL
2.8.2 MapReduce--種并行分布式計(jì)算的機(jī)制
2.8.3 Hadoop
參考文獻(xiàn)
第3章大數(shù)據(jù)時(shí)代的假設(shè)
3.1 什么是假設(shè)
3.2數(shù)據(jù)采樣
3.3假設(shè)驗(yàn)證
3.4假設(shè)構(gòu)建
3.4.1歸納法
3.4.2推理
3.4.3可信推理
3.4.4不明推論式
3.4.5相關(guān)性
3.4.6因果關(guān)系
3.4.7類比
3.4.8傳遞定律
3.5假設(shè)的粒度
3.6 對(duì)假設(shè)的重新審視
參考文獻(xiàn)
第4章社交大數(shù)據(jù)應(yīng)用
4.1普通網(wǎng)頁(yè)與社交媒體之間作為分析主體的差異
4.2基于要素的社交媒體應(yīng)用分類
4.3基于目標(biāo)的社交媒體應(yīng)用分類
4.4通過(guò)MiPS模型描
第5章數(shù)據(jù)挖掘中的基本概念
第6章關(guān)聯(lián)規(guī)則挖掘
第7章聚類
第8章分類
第9章預(yù)測(cè)
第10章Wep結(jié)構(gòu)挖掘
第11章Wep內(nèi)容挖掘
第12章Wep訪問(wèn)日志挖掘信息提取深層Wep挖掘
第13章媒體挖掘
第14章可擴(kuò)展性和異常檢測(cè)
附錄