（贝云网络科技）
内容简介
《社交网站的数据挖掘与分析》内容简介：Facebook. Twitter和Linkedln产生了大量宝贵的社交数据，但是怎样才能找出谁通过社交媒介正在进行联系？他们在讨论些什么？或者他们在哪儿？《社交网站的数据挖掘与分析》简洁而且具有可操作性，它将揭示如何回答这些问题甚至更多的问题。你将学到如何组合社交网站数据、分析技术，如何通过可视化找到你一直在社交世界中寻找的内容，以及你闻所未闻的有用信息。《社交网站的数据挖掘与分析》每章都介绍了在社交网络的不同领域挖掘数据的技术，这些领域包括博客和电子邮件。你所需要具备的就是一定的编程经验和学习基本的Pythonl具的意愿。获得对社交网络世界的直观认识。使用GitHub上灵活的脚本来获取Twitter. Facebook和Linkedln等社交网络API中的数据。学习如何应用便捷的Python工具来交叉分析你所收集的数据。通过XFN探讨基于微格式的社交联系。应用诸如TF-IDF.余弦相似性、搭配分析、文档摘要、派系检测之类的先进挖掘技术。通过基于HTML 5和JavaScript工具包的网络技术建立交互式可视化。编辑推荐
《社交网站的数据挖掘与分析》为Jolt生产效率大奖获奖图书。媒体推荐
“本书是《Programming Collective Intelligence》一书的深入篇，它介绍通过Python从社交网站中采集数据的一种实践方法。”——Jeff Hammerbacher.Cloudera首席科学家“对于探索结构化和非结构化数据的一系列工具、技术和理论，本书给出了丰富、紧凑并实用的介绍。——Alex Martelli.Google高级主管工程师，《Python in a Nutshell》的作者作者简介
作者：(美国)马修•罗塞尔(Matthew A. Russell) 译者：师蓉马修•罗塞尔( Matthew A.Russell)，Digital Reasoning Systems公司的技术副总裁和Zaffra公司的负责人，是热爱数据挖掘、开源和Web应用技术的计算机科学家。他也是《Dojo: The Definitive Guide》(O’Reilly出版社)的作者。
目录
前言第1章 绪论：Twitter 数据的处理Python 开发工具的安装Twitter 数据的收集和处理小结第2章 微格式：语义标记和常识碰撞XFN 和朋友使用XFN 来探讨社交关系地理坐标：兴趣爱好的共同主线（以健康的名义）对菜谱进行交叉分析对餐厅评论的搜集小结
第3章 邮箱：虽然老套却很好用mbox：Unix 的入门级邮箱mbox+CouchDB= 随意的Email分析将对话线程化到一起使用SIMILE Timeline 将邮件“事件”可视化分析你自己的邮件数据小结
第4章 Twitter ：朋友、关注者和Setwise 操作REST 风格的和OAuth-Cladded API干练而中肯的数据采集器友谊图的构建小结
第5章 Twitter：tweet ，所有的tweet ，只有tweet.笔PK 剑：和tweet PK 机枪（？!？）对tweet 的分析（每次一个实体）并置潜在的社交网站（或#JustinBieber VS #TeaParty）对大量tweet 的可视化小结
第6章 LinkedIn ：为了乐趣（和利润？）将职业网络聚类聚类的动机按职位将联系人聚类获取补充个人信息从地理上聚类网络小结
第7章 Google Buzz：TF-IDF 、余弦相似性和搭配Buzz=Twitter+ 博客（？？？）使用NLTK 处理数据文本挖掘的基本原则查找相似文档在二元语法中发Buzz利用Gmail在中断之前试着创建一个搜索引擎小结
第8章 博客及其他：自然语言处理（等）NLP：帕累托式介绍使用NLTK 的典型NLP 管线使用NLTK 检测博客中的句子对文件的总结以实体为中心的分析：对数据的深层了解小结
第9章 Facebook ：一体化的奇迹利用社交网络数据对Facebook 数据的可视化小结
第10章 语义网：简短的讨论发展中的变革人不可能只靠事实生活期望
文摘
版权页：插图：
这幅图虽然很简单，却非常有趣。它连接了8个人，其中，DionAlmaer是共同的主线。然而，请注意，抓取一层或多层可能会引入图中“与其他所有人都连接”的节点。单看图的话，我们无法根据“同事”和“朋友”之间的关系，判别Dion与BenGalbraith的关系是否更为密切，但是如果他在“被他的超链接标识的目标”中提供了任何信息的话，我们就可以抓取Ben的XFN信息，搜索其他同事标签来构建“谁与谁共事”的社交网络。更多挖掘数据的知识请查看第6章，因为它与同事和工作搭档相关。对广度优先技术的简单分析一般我们不会停顿这么长时间来分析该方法，但是由于这个示例是我们编写的第一个真正的算法，而且我们会在本书中多次见到它，因此值得更仔细地对它进行分析。一般来说，当你检查算法时，必须考虑两个标准：效率和有效性。换一种说法就是：性能和质量。任何算法的标准性能分析通常都包括分析它在最坏情况下的时间复杂度和空间复杂度，即对于一个大型数据集，执行程序所花的时间和需要的内存。我们采用的广度优先方法实质上是广度优先搜索，只是我们并没有真正执行搜索，因为结束条件并没有把图扩展到最大深度或直到我们遍历完所有节点。如果搜索了一些具体的东西，而不只是无限地抓取链接，它就可以被视为真正的广度优先搜索了。
购买地址：