社交網(wǎng)站的數(shù)據(jù)挖掘與分析

前言
第1章　緒論：Twitter 數(shù)據(jù)的處理
Python 開(kāi)發(fā)工具的安裝
Twitter 數(shù)據(jù)的收集和處理
小結(jié)
第2章　微格式：語(yǔ)義標(biāo)記和常識(shí)碰撞
XFN 和朋友
使用XFN 來(lái)探討社交關(guān)系
地理坐標(biāo)：興趣愛(ài)好的共同主線
（以健康的名義）對(duì)菜譜進(jìn)行交叉分析
對(duì)餐廳評(píng)論的搜集
小結(jié)
第3章　郵箱：雖然老套卻很好用
mbox：Unix 的入門級(jí)郵箱
mbox+CouchDB= 隨意的Email 分析
將對(duì)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(jié)
第4章　Twitter ：朋友、關(guān)注者和Setwise 操作
REST 風(fēng)格的和OAuth-Cladded API
干練而中肯的數(shù)據(jù)采集器
友誼圖的構(gòu)建
小結(jié)
第5章　Twitter：tweet ，所有的tweet ，只有tweet
筆PK 劍：和tweet PK 機(jī)槍
對(duì)tweet 的分析（每次一個(gè)實(shí)體）
并置潛在的社交網(wǎng)站（或#JustinBieber VS #TeaParty）
對(duì)大量tweet 的可視化
小結(jié)
第6章　LinkedIn ：為了樂(lè)趣（和利潤(rùn)？）將職業(yè)網(wǎng)絡(luò)聚類
聚類的動(dòng)機(jī)
按職位將聯(lián)系人聚類
獲取補(bǔ)充個(gè)人信息
從地理上聚類網(wǎng)絡(luò)
小結(jié)
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(yǔ)法中發(fā)Buzz
利用Gmail
在中斷之前試著創(chuàng)建一個(gè)搜索引擎……
小結(jié)
第8章　博客及其他：自然語(yǔ)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(cè)博客中的句子
對(duì)文件的總結(jié)
以實(shí)體為中心的分析：對(duì)數(shù)據(jù)的深層了解
小結(jié)256
第9章　Facebook ：一體化的奇跡
利用社交網(wǎng)絡(luò)數(shù)據(jù)
對(duì)Facebook 數(shù)據(jù)的可視化
小結(jié)
第10章　語(yǔ)義網(wǎng)：簡(jiǎn)短的討論
發(fā)展中的變革
人不可能只靠事實(shí)生活
期望