社交媒体数据挖掘与分析

本书围绕着如何探索和理解社交媒体系统的基本组成部分进行组织，简单地说来就是谁（who）、如何（how）、何时（when）和什么（what）构成了社交媒体过程。本书的目标是“授人以渔”。在涵盖了社交媒体分析的主要方面之后，本书还以大量篇幅介绍了大数据环境下处理社交媒体数据所需的工具、算法的原理和实际案例，读者可以以此为基础，快速介入生产环境下的社交媒体数据处理任务。

译者序
前言
致谢
作者简介
技术编辑简介
第1章用户：谁参与社交媒体1
1.1测量Wikipedia中用户行为的变化1
1.1.1用户活动的多样性2
1.1.2人类活动中的长尾效应18
1.2随处可见的长尾效应：80/20定律20
1.3Twitter上的在线行为23
1.3.1检索用户的Tweet24
1.3.2对数分区26
1.3.3Twitter上的用户活动27
1.4总结28
第2章网络：社交媒体如何运行29
2.1社交网络的类型和属性30
2.1.1用户何时创建连接：显式网络30
2.1.2有向图与无向图31
2.1.3节点和边的属性31
2.1.4加权图32
2.1.5由活动构建图：隐式网络33
2.2网络可视化35
2.3度：赢家通吃38
2.3.1连接计数40
2.3.2用户连接的长尾分布41
2.3.3超越理想网络模型43
2.4捕获相关：三角结构、簇和同配性45
2.4.1局部三角结构和簇45
2.4.2同配性49
2.5总结53
第3章时序过程：用户何时使用社交媒体54
3.1传统模型如何描述事件发生的时间54
3.2事件间隔时间57
3.2.1与无记忆过程的对比60
3.2.2自相关63
3.2.3与无记忆过程的偏离64
3.2.4用户活动中的时间周期66
3.3个体行为的爆发70
3.4预测长期指标78
3.4.1发现趋势80
3.4.2发现季节性82
3.4.3利用ARIMA预测时间序列84
3.5总结86
第4章内容：社交媒体中有什么88
4.1定义内容：聚焦于文本和非结构数据88
4.1.1从文本生成特征：自然语言处理基础89
4.1.2文本中词条的基本统计91
4.2使用内容特征识别主题92
4.2.1话题的流行度98
4.2.2用户个体兴趣有多么多样化100
4.3从高维文本中抽取低维信息102
4.4总结120
第5章处理大型数据集122
5.1MapReduce：组织并行和串行操作122
5.1.1单词计数124
5.1.2偏斜：最后一个Reducer的诅咒127
5.2多阶段MapReduce流127
5.2.1扇出129
5.2.2归并数据流129
5.2.3连接两个数据源131
5.2.4连接小数据集134
5.2.5大规模MapReduce模型134
5.3MapReduc程序设计模式135
5.3.1静态MapReduce作业135
5.3.2迭代MapReduce作业140
5.3.3增量MapReduce作业146
5.3.4时间相关的MapReduce作业146
5.3.5处理长尾分布社交媒体数据的挑战153
5.4抽样和近似：以较少计算得到结果154
5.4.1HyperLogLog156
5.4.2Bloom过滤器161
5.4.3Count-MinSketch166
5.5在Hadoop集群上运行171
5.5.1在AmazonEC2上安装CHD集群171
5.5.2为合作者提供IAM存取174
5.5.3根据需要增加集群处理能力175
5.6总结175
第6章学习、映射和推荐177
6.1在线社交媒体服务177
6.1.1搜索引擎177
6.1.2内容参与178
6.1.3与现实世界的互动179
6.1.4与人的互动180
6.2问题阐述180
6.3学习和映射182
6.3.1矩阵分解183
6.3.2学习和训练184
6.3.3电影评分示范187
6.4预测与推荐197
6.4.1评估199
6.4.2方法概述200
6.5总结209
第7章结论210
7.1人类互动模式出乎意料的稳定性210
7.2均值、标准差和抽样211
7.3移除异常值216