社會媒體挖掘 社会媒体挖掘

<內容簡介>

扎法拉尼、阿巴西、劉編著的《社會媒體挖掘》集成了近年來社會媒體、社會網絡分析以及數據挖掘的前沿成果，為學生、從業者、研究人員和項目經理提供了一個方便的平臺，以便理解社會媒體挖掘的基礎知識和潛能。本書介紹了社會媒體數據的問題，並闡述了網絡分析和數據挖掘的基本概念、新問題以及有效的演算法。
本書可作為高年級本科生或研究生教材，也適用於社會媒體方向的學者、研究人員以及從業人員。

<章節目錄>

第1章  引言
  1.1  什麼是社會媒體挖掘
  1.2  挖掘領域的新挑戰
  1.3  本書概覽和讀者指南
  1.4  小結
  1.5  參考文獻及註釋
  1.6  習題
第一部分  基礎知識
  第2章  圖的基本要素
    2.1  圖的基礎知識
      2.1.1  結點
      2.1.2  邊
      2.1.3  度和度的分佈
    2.2  圖的表示
      2.2.1  鄰接矩陣
      2.2.2  鄰接表
      2.2.3  邊列表
    2.3  圖的類型
    2.4  圖的連通性
    2.5  特殊圖
      2.5.1  樹和森林
      2.5.2  特殊子圖
      2.5.3  完全圖
      2.5.4  平面圖
      2.5.5  二分圖
      2.5.6  正則圖
      2.5.7  橋
    2.6  圖演算法
      2.6.1  圖∕樹的遍歷
      2.6.2  最短路徑演算法
      2.6.3  最小生成樹
      2.6.4  網絡流演算法
      2.6.5  二分圖最大匹配
      2.6.6  橋檢測
    2.7  小結
    2.8  參考文獻及註釋
    2.9  習題
  第3章  網絡度量
    3.1  中心性
      3.1.1  度中心性
      3.1.2  特徵向量中心性
      3.1.3  Katz中心性
      3.1.4  PageRank
      3.1.5  中間中心性
      3.1.6  接近中心性
      3.1.7  群體中心性
    3.2  傳遞性與相互性
      3.2.1  傳遞性
      3.2.2  相互性
    3.3  平衡和地位

    3.4  相似度
      3.4.1  結構等價性
      3.4.2  規則等價性
    3.5  小結
    3.6  參考文獻及註釋
    3.7  習題
  第4章  網絡模型
    4.1  真實世界網絡的屬性
      4.1.1  度分佈
      4.1.2  聚類係數
      4.1.3  平均路徑長度
    4.2  隨機圖模型
      4.2.1  隨機圖的演變
      4.2.2  隨機圖的屬性
      4.2.3  基於隨機圖的真實世界網絡建模
    4.3  小世界模型
      4.3.1  小世界模型的屬性
      4.3.2  基於小世界模型對真實世界網絡建模
    4.4  優先鏈接模型
      4.4.1  優先鏈接模型的屬性
      4.4.2  基於優先鏈接模型對真實世界網絡進行建模
    4.5  小結
    4.6  參考文獻及註釋
    4.7  習題
  第5章  數據挖掘的基本要素
    5.1  數據
    5.2  數據預處理
    5.3  數據挖掘演算法
    5.4  監督學習
      5.4.1  決策樹
      5.4.2  樸素貝葉斯分類器
      5.4.3  最近鄰分類器
      5.4.4  利用社交信息輔助分類
      5.4.5  回掃
      5.4.6  監督學習評估
    5.5  無監督學習
      5.5.1  聚類演算法
      5.5.2  無監督學習的評估
    5.6  小結
    5.7  參考文獻及註釋
    5.8  習題
第二部分  社區和交互
  第6章  社區分析
    6.1  社區發現
      6.1.1  社區發現演算法
    61.2  基於成員的社區發現
    61.3  基於群組的社區發現
    6.2  社區演變
      6.2.1  網絡是如何演變的
      6.2.2  演變網絡中的社區發現

    6.3  社區評價
      6.3.1  存在真實答案時的評價
      6.3.2  無真實答案的評價
    6.4  小結
    6.5  參考文獻及註釋
    6.6  習題
  第7章  社會媒體中的信息傳播
    7.1  羊群效應
      7.1.1  羊群效應的貝葉斯建模
      7.1.2  乾預
    7.2  信息級聯
      7.2.1  獨立級聯模型
      7.2.2  級聯範圍最大化
      7.2.3  乾預
    7.3  社交網絡中的創新擴散
      7.3.1  創新的特徵
      7.3.2  創新擴散模型
      7.3.3  創新擴散過程建模
      7.3.4  乾預
    7.4  流行病模型
    7.4  11定義
      7.4.2  SI模型
      7.4.3  SIR模型
      7.4.4  SIS模型
      7.4.5  SIRS模型
      7.4.6  乾預
    7.5  小結
    7.6  參考文獻及註釋
    7.7  習題
第三部分  應用
  第8章  影響力和同質性
    8.1  度量同配性
      8.1.1  度量符號屬性的同配性
      8.1.2  度量序數屬性的同配性
    8.2  影響力
      8.2.1  度量影響力
      8.2.2  影響力建模
    8.3  同質性
      8.3.1  度量同質性
      8.3.2  同質性建模
    8.4  區分影響力和同質性
      8.4.1  洗牌測試
      8.4.2  邊緣反轉測試
      8.4.3  隨機化測試
    8.5  小結
    8.6  參考文獻及註釋
    8.7  習題
  第9章  社會媒體中的推薦
    9.1  挑戰
    9.2  經典的推薦演算法

      9.2.1  基於內容的演算法
      9.2.2  協同過濾
      9.2.3  將個人推薦推廣到群體推薦
    9.3  基於社會背景知識的推薦系統
      9.3.1  單獨使用社會背景知識
      9.3.2  基於社會背景知識的經典演算法擴展
      9.3.3  社會背景知識受限的推薦
    9.4  推薦系統評價
      9.4.1  評估預測的準確率
      9.4.2  評估推薦的相關性
      9.4.3  評估推薦的排序
    9.5  小結
    9.6  參考文獻及註釋
    9.7  習題
  第10章  行為分析
    10.1  個體行為
      10.1.1  個體行為分析
      10.1.2  個體行為建模
      10.1.3  個體行為預測
    10.2  群體行為
      10.2.1  群體行為分析
      10.2.2  群體行為建模
      10.2.3  群體行為預測
    10.3  小結
    10.4  參考文獻及註釋
    10.5  習題
參考文獻