社會(huì)媒體挖掘

定　價(jià)：￥59.00

作　者：	（美）扎法拉尼（Reza Zafarani）（美）阿巴西（Mohammad Ali Abbasi）（美）劉（Huan Liu）
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	計(jì)算機(jī)/網(wǎng)絡(luò) 數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)

購(gòu)買這本書(shū)可以去

ISBN：	9787115406392	出版時(shí)間：	2015-11-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	241	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)集成了近年來(lái)社會(huì)媒體、社會(huì)網(wǎng)絡(luò)分析以及數(shù)據(jù)挖掘的前沿成果，為學(xué)生、從業(yè)者、研究人員和項(xiàng)目經(jīng)理提供了一個(gè)方便的平臺(tái)，以便理解社會(huì)媒體挖掘的基礎(chǔ)知識(shí)和潛能。本書(shū)介紹了社會(huì)媒體數(shù)據(jù)的問(wèn)題，并闡述了網(wǎng)絡(luò)分析和數(shù)據(jù)挖掘的基本概念、新問(wèn)題以及有效的算法。

作者簡(jiǎn)介

　　Reza Zafarani 雪城大學(xué)助理教授，曾為亞利桑那州立大學(xué)計(jì)算機(jī)科學(xué)與工程專業(yè)助理研究員。研究方向?yàn)樯鐣?huì)媒體挖掘、機(jī)器學(xué)習(xí)、社會(huì)網(wǎng)絡(luò)分析和社會(huì)計(jì)算。研究重點(diǎn)是大規(guī)模用戶行為分析，以及跨社會(huì)媒體網(wǎng)站的信息整合和建模。Mohammad Ali Abbasi 亞利桑那州立大學(xué)計(jì)算機(jī)科學(xué)與工程專業(yè)助理研究員。研究方向?yàn)槲谋痉治觥⑿畔z索、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和社會(huì)計(jì)算。研究重點(diǎn)是用戶歸檔、用戶可信度評(píng)估、推薦系統(tǒng)、社會(huì)網(wǎng)絡(luò)分析，以及社會(huì)媒體在現(xiàn)實(shí)世界的應(yīng)用。Huan Liu（劉歡）亞利桑那州立大學(xué)計(jì)算機(jī)科學(xué)與工程專業(yè)教授，在教學(xué)和科研領(lǐng)域都取得了公認(rèn)的優(yōu)異成績(jī)。研究方向?yàn)閿?shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、社會(huì)計(jì)算、人工智能，以及真實(shí)數(shù)據(jù)密集型應(yīng)用的問(wèn)題。

圖書(shū)目錄

第1 章引言 1
1.1 什么是社會(huì)媒體挖掘 1
1.2 挖掘領(lǐng)域的新挑戰(zhàn) 2
1.3 本書(shū)概覽和讀者指南 3
1.4 小結(jié) 5
1.5 參考文獻(xiàn)及注釋 5
1.6 習(xí)題 6
**部分基礎(chǔ)知識(shí)
第2 章圖的基本要素 10
2.1 圖的基礎(chǔ)知識(shí) 11
2.1.1 結(jié)點(diǎn) 11
2.1.2 邊 11
2.1.3 度和度的分布 12
2.2 圖的表示 14
2.2.1 鄰接矩陣 14
2.2.2 鄰接表 15
2.2.3 邊列表 15
2.3 圖的類型 16
2.4 圖的連通性 17
2.5 特殊圖 21
2.5.1 樹(shù)和森林 21
2.5.2 特殊子圖 21
2.5.3 完全圖 23
2.5.4 平面圖 23
2.5.5 二分圖 23
2.5.6 正則圖 24
2.5.7 橋 25
2.6 圖算法 25
2.6.1 圖/樹(shù)的遍歷 25
2.6.2 *短路徑算法 27
2.6.3 *小生成樹(shù) 29
2.6.4 網(wǎng)絡(luò)流算法 31
2.6.5 二分圖**匹配 34
2.6.6 橋檢測(cè) 35
2.7 小結(jié) 36
2.8 參考文獻(xiàn)及注釋 37
2.9 習(xí)題 37
第3 章網(wǎng)絡(luò)度量 40
3.1 中心性 40
3.1.1 度中心性 40
3.1.2 特征向量中心性 42
3.1.3 Katz 中心性 44
3.1.4 PageRank 46
3.1.5 中間中心性 47
3.1.6 接近中心性 48
3.1.7 群體中心性 50
3.2 傳遞性與相互性 51
3.2.1 傳遞性 51
3.2.2 相互性 53
3.3 平衡和地位 55
3.4 相似度 57
3.4.1 結(jié)構(gòu)等價(jià)性 57
3.4.2 規(guī)則等價(jià)性 59
3.5 小結(jié) 61
3.6 參考文獻(xiàn)及注釋 61
3.7 習(xí)題 62
第4 章網(wǎng)絡(luò)模型 64
4.1 真實(shí)世界網(wǎng)絡(luò)的屬性 64
4.1.1 度分布 65
4.1.2 聚類系數(shù) 66
4.1.3 平均路徑長(zhǎng)度 67
4.2 隨機(jī)圖模型 67
4.2.1 隨機(jī)圖的演變 69
4.2.2 隨機(jī)圖的屬性 71
4.2.3 基于隨機(jī)圖的真實(shí)世界網(wǎng)絡(luò)
建模 73
4.3 小世界模型 73
4.3.1 小世界模型的屬性 75
4.3.2 基于小世界模型對(duì)真實(shí)世界
網(wǎng)絡(luò)建模 77
4.4 優(yōu)先鏈接模型 77
4.4.1 優(yōu)先鏈接模型的屬性 78
4.4.2 基于優(yōu)先鏈接模型對(duì)真實(shí)世界
網(wǎng)絡(luò)進(jìn)行建模 80
4.5 小結(jié) 80
4.6 參考文獻(xiàn)及注釋 81
4.7 習(xí)題 81
第5 章數(shù)據(jù)挖掘的基本要素 83
5.1 數(shù)據(jù) 84
5.2 數(shù)據(jù)預(yù)處理 87
5.3 數(shù)據(jù)挖掘算法 89
5.4 監(jiān)督學(xué)習(xí) 89
5.4.1 決策樹(shù) 90
5.4.2 樸素貝葉斯分類器 92
5.4.3 *近鄰分類器 93
5.4.4 利用社交信息輔助分類 94
5.4.5 回歸 96
5.4.6 監(jiān)督學(xué)習(xí)評(píng)估 99
5.5 無(wú)監(jiān)督學(xué)習(xí) 99
5.5.1 聚類算法 100
5.5.2 無(wú)監(jiān)督學(xué)習(xí)的評(píng)估 102
5.6 小結(jié) 104
5.7 參考文獻(xiàn)及注釋 105
5.8 習(xí)題 106
第二部分社區(qū)和交互
第6 章社區(qū)分析 110
6.1 社區(qū)發(fā)現(xiàn) 112
6.1.1 社區(qū)發(fā)現(xiàn)算法 113
6.1.2 基于成員的社區(qū)發(fā)現(xiàn) 114
6.1.3 基于群組的社區(qū)發(fā)現(xiàn) 119
6.2 社區(qū)演變 126
6.2.1 網(wǎng)絡(luò)是如何演變的 126
6.2.2 演變網(wǎng)絡(luò)中的社區(qū)發(fā)現(xiàn) 129
6.3 社區(qū)評(píng)價(jià) 131
6.3.1 存在真實(shí)答案時(shí)的評(píng)價(jià) 131
6.3.2 無(wú)真實(shí)答案的評(píng)價(jià) 134
6.4 小結(jié) 135
6.5 參考文獻(xiàn)及注釋 136
6.6 習(xí)題 137
第7 章社會(huì)媒體中的信息傳播 139
7.1 羊群效應(yīng) 140
7.1.1 羊群效應(yīng)的貝葉斯建模 142
7.1.2 干預(yù) 144
7.2 信息級(jí)聯(lián) 145
7.2.1 獨(dú)立級(jí)聯(lián)模型 145
7.2.2 級(jí)聯(lián)范圍**化 147
7.2.3 干預(yù) 149
7.3 社交網(wǎng)絡(luò)中的創(chuàng)新擴(kuò)散 149
7.3.1 創(chuàng)新的特征 150
7.3.2 創(chuàng)新擴(kuò)散模型 150
7.3.3 創(chuàng)新擴(kuò)散過(guò)程建模 152
7.3.4 干預(yù) 155
7.4 流行病模型 155
7.4.1 定義 156
7.4.2 SI 模型 156
7.4.3 SIR 模型 158
7.4.4 SIS 模型 159
7.4.5 SIRS 模型 160
7.4.6 干預(yù) 161
7.5 小結(jié) 161
7.6 參考文獻(xiàn)及注釋 162
7.7 習(xí)題 163
第三部分應(yīng)用
第8 章影響力和同質(zhì)性 166
8.1 度量同配性 167
8.1.1 度量符號(hào)屬性的同配性 167
8.1.2 度量序數(shù)屬性的同配性 170
8.2 影響力 172
8.2.1 度量影響力 172
8.2.2 影響力建模 175
8.3 同質(zhì)性 179
8.3.1 度量同質(zhì)性 179
8.3.2 同質(zhì)性建模 179
8.4 區(qū)分影響力和同質(zhì)性 180
8.4.1 洗牌測(cè)試 180
8.4.2 邊緣反轉(zhuǎn)測(cè)試 181
8.4.3 隨機(jī)化測(cè)試 181
8.5 小結(jié) 184
8.6 參考文獻(xiàn)及注釋 184
8.7 習(xí)題 185
第9 章社會(huì)媒體中的推薦 187
9.1 挑戰(zhàn) 188
9.2 經(jīng)典的推薦算法 188
9.2.1 基于內(nèi)容的算法 189
9.2.2 協(xié)同過(guò)濾 189
9.2.3 將個(gè)人推薦推廣到群體推薦 195
9.3 基于社會(huì)背景知識(shí)的推薦系統(tǒng) 197
9.3.1 單獨(dú)使用社會(huì)背景知識(shí) 198
9.3.2 基于社會(huì)背景知識(shí)的經(jīng)典算法
擴(kuò)展 198
9.3.3 社會(huì)背景知識(shí)受限的推薦 200
9.4 推薦系統(tǒng)評(píng)價(jià) 202
9.4.1 評(píng)估預(yù)測(cè)的準(zhǔn)確率 202
9.4.2 評(píng)估推薦的相關(guān)性 203
9.4.3 評(píng)估推薦的排序 204
9.5 小結(jié) 205
9.6 參考文獻(xiàn)及注釋 206
9.7 習(xí)題 207
第10 章行為分析 208
10.1 個(gè)體行為 208
10.1.1 個(gè)體行為分析 209
10.1.2 個(gè)體行為建模 213
10.1.3 個(gè)體行為預(yù)測(cè) 214
10.2 群體行為 217
10.2.1 群體行為分析 217
10.2.2 群體行為建模 221
10.2.3 群體行為預(yù)測(cè)221
10.3 小結(jié) 222
10.4 參考文獻(xiàn)及注釋 223
10.5 習(xí)題 224
參考文獻(xiàn) 225