社交网站的数据挖掘与分析.docxVIP

\o社交网站的数据挖掘与分析.docx\t/user_center_v1/doc/Doclist/audited/type/all/folder/all/format/all/uploadTime/all/orderField/default/orderAsc/asc/pageSize/50/keyword/%E6%95%B0%E6%8D%AE/page/3/commend/all/pagenumber/all/checkType/all/optimization/all/optimization_status/0/privateType/all/baseType/0/failType/0/applyState/0/risk_typeid/all/titleIllegal/all/contentIllegal/all/vipType/_blank社交网站

的数据挖掘与分析

目录

\h第1章绪论：Twitter数据的处理

\hPython开发工具的安装

\hTwitter数据的收集和处理

\h摆弄Twitter的API

\h频率分析和词汇多样性

\htweet图的可视化

\h综合应用：用Protovis可视化转发的tweet

\h小结

\h第2章微格式：语义标记和常识碰撞

\hXFN和朋友

\h使用XFN来探讨社交关系

\h对XFN数据的广度优先抓取

\h地理坐标：兴趣爱好的共同主线

\h维基百科文章+Google地图=自驾游是否成立

\h（以健康的名义）对菜谱进行交叉分析

\h对餐厅评论的搜集

\h小结

\h第3章邮箱：虽然老套却很好用

\hmbox：Unix的入门级邮箱

\hmbox+CouchDB=随意的Email分析

\h将文档批量加载到CouchDB中

\h合理的排序

\h映射/化简启发的频率分析

\hcouchdb-lucene：全文索引以及更多

\h将对话线程化到一起

\h看谁在说话

\h使用SIMILETimeline将邮件“事件”可视化

\h分析你自己的邮件数据

\hGraphYour（Gmail）InboxChrome扩展

\h小结

\h第4章Twitter：朋友、关注者和Setwise操作

\hREST风格的和OAuth-CladdedAPI

\h不，你不能知道我的密码

\h干练而中肯的数据采集器

\h一个非常简短的重构子程序

\hRedis：数据结构服务器

\h基本的集合操作

\h使用基本的朋友/关注者度量来增强性能

\h通过计算共同好友和关注者来计算相似性

\h影响的度量

\h友谊图的构建

\h派系检测与分析

\hInfochimp“强链接”API

\h交互式3D图的可视化

\h小结

\h第5章Twitter：tweet，所有的tweet，只有tweet

\h笔PK剑：和tweetPK机枪（?!?）

\h对tweet的分析（每次一个实体）

\h对（Tim的）Tweet的利用

\hTim最常转发谁的tweet

\hTim的影响力

\hTim的tweet中有多少包含hashtag

\h并置潜在的社交网站（或#JustinBieberVS#TeaParty）

\h#JustinBieber和#TeaParty的tweet中最常共同出现的实体

\h平均来说，#JustinBieber或#TeaParty，谁的tweet包含更多hashtag

\h谁更常被转发：#JustinBieber还是#TeaParty

\h#TeaParty和#JustinBieber的tweet实体之间存在多少重叠

\h对大量tweet的可视化

\h使用高级的标签云可视化tweet

\h对Twitter搜索结果中群集结构的可视化

\h小结

\h第6章LinkedIn：为了乐趣（和利润？）将职业网络聚类

\h聚类的动机

\h按职位将联系人聚类

\h规范并统计职位的数量

\h聚类常见的相似性度量

\h聚类的贪心方法

\h分层聚类和k均值聚类

\h获取补充个人信息

\h从地理上聚类网络

\h使用GoogleEarth标识职业网络

\h使用DorlingCartograms标识职业网络

\h小结

\h第7章GoogleBuzz：TF-I