社会计算:社区发现和社会媒体挖掘
作者: (美)唐磊 等著,文益民,闭应洲 译
出版时间:2013
《社会计算:社区发现和社会媒体挖掘》从数据挖掘角度介绍社会媒体的性质,评述社会媒体计算的代表性工作,并描述社会媒体带来的挑战。书中介绍了基本概念,使用浅显易懂的例子展示了最新的算法和有效的评价方法,阐述了混杂社会网络中的社区发现技术和社会媒体挖掘技术。本书简明易懂,是研究社会媒体中的社区发现与挖掘技术的入门级读物,适合从事社会媒体数据挖掘研究与应用的学生、研究者和实践者阅读。
目录
- 出版者的话
- 中文版序
- 译者序
- 译者简介
- 致谢
- 第1章 社会媒体与社会计算
- 1.1社会媒体
- 1.2概念与定义
- 1.2.1网络与表示
- 1.2.2大规模网络的属性
- 1.3挑战
- 1.4社会计算的任务
- 1.4.1网络建模
- 1.4.2中心性分析与影响建模
- 1.4.3社区发现
- 1.4.4分类与推荐
- 1.4.5隐私、垃圾信息与安全
- 1.5总结
- 第2章 结点、联系和影响
- 2.1结点的重要性
- 2.2联系的强度
- 2.2.1从网络拓扑中学习
- 2.2.2从用户特点和交互中学习
- 2.2.3从用户行为序列中学习
- 2.3影响建模
- 2.3.1线性阈值模型
- 2.3.2独立级联模型
- 2.3.3影响最大化
- 2.3.4影响和相关的区别
- 第3章 社区发现与评价
- 3.1以结点为中心的社区发现
- 3.1.1完全的相互关系
- 3.1.2可达性
- 3.2以群组为中心的社区发现
- 3.3以网络为中心的社区发现
- 3.3.1顶点相似性
- 3.3.2隐含空间模型
- 3.3.3块模型近似
- 3.3.4谱聚类
- 3.3.5模块度最大化
- 3.3.6一个统一的过程
- 3.4以层次为中心的社区发现
- 3.4.1分裂式层次聚类
- 3.4.2聚合式层次聚类
- 3.5社区评价
- 第4章 混杂网络中的社区发现
- 4.1混杂网络
- 4.2多维网络
- 4.2.1网络集成
- 4.2.2效用集成
- 4.2.3特征集成
- 4.2.4划分集成
- 4.3多模网络
- 4.3.1双模网络的联合聚类
- 4.3.2多模网络
- 第5章 社会媒体挖掘
- 5.1社会媒体中的演化模式
- 5.1.1研究社区演化的朴素方法
- 5.1.2平滑演化网络中的社区演化
- 5.1.3处理网络演化的基于片段的聚类算法
- 5.2网络数据的分类
- 5.2.1集体分类
- 5.2.2基于社区的学习
- 5.2.3总结
- 附录A 数据收集
- 附录B 介数计算
- 附录C k均值聚类
- 参考文献
- 索引