內(nèi)容簡介：本書從數(shù)據(jù)挖掘角度介紹社會媒體的性質(zhì)，評述社會媒體計算的代表性工作，并描述社會媒體帶來的挑戰(zhàn)。書中介紹了基本概念，使用淺顯易懂的例子展示了最新的算法和有效的評價方法，闡述了混雜社會網(wǎng)絡(luò)中的社區(qū)發(fā)現(xiàn)技術(shù)和社會媒體挖掘技術(shù)。

目錄
出版者的話
中文版序
譯者序
譯者簡介
致謝
第1章社會媒體與社會計算
1．1社會媒體
1．2概念與定義
1．2．1網(wǎng)絡(luò)與表示
1．2．2大規(guī)模網(wǎng)絡(luò)的屬性
1．3挑戰(zhàn)
1．4社會計算的任務(wù)
1．4．1網(wǎng)絡(luò)建模
1．4．2中心性分析與影響建模
1．4．3社區(qū)發(fā)現(xiàn)
1．4．4分類與推薦
1．4．5隱私、垃圾信息與安全
1．5總結(jié)

第2章結(jié)點、聯(lián)系和影響
2．1結(jié)點的重要性
2．2聯(lián)系的強度
2．2．1從網(wǎng)絡(luò)拓撲中學(xué)習
2．2．2從用戶特點和交互中學(xué)習
2．2．3從用戶行為序列中學(xué)習
2．3影響建模
2．3．1線性閾值模型
2．3．2獨立級聯(lián)模型
2．3．3影響最大化
2．3．4影響和相關(guān)的區(qū)別

第3章社區(qū)發(fā)現(xiàn)與評價
3．1以結(jié)點為中心的社區(qū)發(fā)現(xiàn)
3．1．1完全的相互關(guān)系
3．1．2可達性
3．2以群組為中心的社區(qū)發(fā)現(xiàn)
3．3以網(wǎng)絡(luò)為中心的社區(qū)發(fā)現(xiàn)
3．3．1頂點相似性
3．3．2隱含空間模型
3．3．3塊模型近似
3．3．4譜聚類
3．3．5模塊度最大化
3．3．6一個統(tǒng)一的過程
3．4以層次為中心的社區(qū)發(fā)現(xiàn)
3．4．1分裂式層次聚類
3．4．2聚合式層次聚類
3．5社區(qū)評價

第4章混雜網(wǎng)絡(luò)中的社區(qū)發(fā)現(xiàn)
4．1混雜網(wǎng)絡(luò)
4．2多維網(wǎng)絡(luò)
4．2．1網(wǎng)絡(luò)集成
4．2．2效用集成
4．2．3特征集成
4．2．4劃分集成
4．3多模網(wǎng)絡(luò)
4．3．1雙模網(wǎng)絡(luò)的聯(lián)合聚類
4．3．2多模網(wǎng)絡(luò)

第5章社會媒體挖掘
5．1社會媒體中的演化模式
5．1．1研究社區(qū)演化的樸素方法
5．1．2平滑演化網(wǎng)絡(luò)中的社區(qū)演化
5．1．3處理網(wǎng)絡(luò)演化的基于片段的聚類算法
5．2網(wǎng)絡(luò)數(shù)據(jù)的分類
5．2．1集體分類
5．2．2基于社區(qū)的學(xué)習
5．2．3總結(jié)
附錄A數(shù)據(jù)收集
附錄B介數(shù)計算
附錄Ck均值聚類
參考文獻
索引