挖掘社交网络 (美)罗塞尔(Matthew A. Russell) 著 著作 mobi 下载 网盘 caj lrf pdf txt 阿里云

你应该如何利用丰富的社交网络数据来发现任意两个人之间的连接，他们所交流的话题，以及他们在哪儿？通过《挖掘社交网络(影印版第2版)》(作者:罗塞尔)本次扩展和有效的修订，你将学习到如何获取、分析和总结来自于社交网络每个角落的数据，包括Facebook、Twitter、LinkedIn、Google+、Github、电子邮件、网站和博客。

Preface

PartⅠ.A Guided Tour ofthe SociaIWeb

Prelude

1.Mining Twitter： Exploring Trending Topics， Discovering What People Are Talking About， and More

  1.1.Overview

  1.2.Why Is Twitter All the Rage？

  1.3.Exploring Twitter's API

    1.3.1.Fundamental Twitter Terminology

    1.3.2.Creating a Twitter API Connection

    1.3.3.Exploring Trending Topics

    1.3.4.Searching for Tweets

  1.4.Analyzing the 140 Characters

    1.4.1.Extracting Tweet Entities

    1.4.2.Analyzing Tweets and Tweet Entities with Frequency Analysis

    1.4.3.Computing the Lexical Diversity of Tweets

    1.4.4.Examining Patterns in Retweets

    1.4.5.Visualizing Frequency Data with Histograms

  1.5.Closing Remarks

  1.6.Recommended Exercises

  1.7.Online Resources

2.Mining Facebook： Analyzing Fan Pages， Examining Friendships， and More

  2.1.Overview

  2.2.Exploring Facebook's Social Graph API

    2.2.1.Understanding the Social Graph API

    2.2.2.Understanding the Open Graph Protocol

  2.3.Analyzing Social Graph Connections

    2.3.1.Analyzing Facebook Pages

    2.3.2.Examining Friendships

  2.4.Closing Remarks

  2.5.Recommended Exercises

  2.6.OnlLne Resources

3.Mining Linked In： Faceting Job Trtles， Clustering Colleagues， and More

  3.1.Overview

  3.2.Exploring the Linkedln API

    3.2.1.Making Linkedln API Requests

    3.2.2.Downloading Linkedln Connections as a CSV File

  3.3.Crash Course on Clustering Data

    3.3.1.Clustering Enhances User Experiences

    3.3.2.Normalizing Data to Enable Analysis

    3.3.3.Measuring Similarity

    3.3.4.Clustering Algorithms

  3.4.Closing Remarks

  3.5.Recommended Exerases

  3.6.Online Resources

4.Mining Google Computing Document Similarity， Extracting Collocations， and More

  4.1.Overview

  4.2.Exploring the Google+ API

    4.2.1.Making Google+ API Requests

  4.3.A Whiz—Bang Introduction to TF—IDF

    4.3.1.Term Frequency

    4.3.2.Inverse Document Frequency

    4.3.3.TF—IDF

  4.4.Querying Human Language Data with TF—IDF

    4.4.1.Introducing the Natural Language Toolkit

    4.4.2.Applying TF—IDF to Human Language

    4.4.3.Finding Similar Documents

    4.4.4.Analyzing Bigrams in Human Language

    4.4.5.Reflections on Analyzing Human Language Data

  4.5.Closing Remarks

  4.6.Recommended Exercises

  4.7.Online Resources

5.Mining Web Pages： Using Natural Language Processing to Understand HumanLanguage， Summarize Blog Posts， and More.

  5.1.Overview

  5.2.Scraping， Parsing， and Crawling the Web

    5.2.1.Breadth—First Search in Web Crawling

  5.3.Discovering Semantics by Decoding Syntax

    5.3.1.Natural Language Processing Illustrated Step—by—Step

    5.3.2.Sentence Detection in Human Language Data

    5.3.3.Document Summarization

  5.4.Entity—Centric Analysis： A Paradigm Shift

    5.4.1.Gisting Human Language Data

  5.5.Quality ofAnalytics for Processing Human Language Data

  5.6.Closing Remarks

  5.7.Recommended Exercises

  5.8.Online Resources

6.Mining Mailboxes：Analyzing Who's Talking to Whom About What， How Often，and More

  6.1.Overview

  6.2.Obtaining and Processing a Mail Corpus

    6.2.1.A Primer on Unix Mailboxes

    6.2.2.Getting the Enron Data

    6.2.3.Converting a Mail Corpus to a Unix Mailbox

    6.2.4.Converting Unix Mailboxes to JSON

    6.2.5.Importing a JSONified Mail Corpus into MongoDB

    6.2.6.Programmatically Accessing MongoDB with Python

  6.3.Analyzing the Enron Corpus

    6.3.1.Querying by Date／Time Range

    6.3.2.Analyzing Patterns in Sender／Recipient Communications

    6.3.3.Writing Advanced Queries

    6.3.4.Searching Emails by Keywords

  6.4.Discovering and Visualizing Time—Series Trends

  6.5.Analyzing Your Own Mail Data

    6.5.1.Accessing Your Gmail with OAuth

    6.5.2.Fetching and Parsing Email Messages with IMAP

    6.5.3.Visualizing Patterns in GMail with the "Graph Your Inbox Chrome Extension

  6.6.Closing Remarks

  6.7.Recommended Exercises

  6.8.Online Resources

7 Mining GitHub：lnspecting Software Collaboration Habits， Building Interest Graphs， and More

  7.1.Overview

  7.2.Exploring GitHub's API

    7.2.1.Creating a GitHub API Connection

    7.2.2.Making GitHub API Requests

  7.3.Modeling Data with Property Graphs

  7.4.Analyzing GitHub Interest Graphs

    7.4.1.Seeding an Interest Graph

    7.4.2.Computing Graph Centrality Measures

    7.4.3.Extending the Interest Graph with "Follows" Edges for Users

    7.4.4.Using Nodes as Pivots for More Efflcient Queries

    7.4.5.Visualizing Interest Graphs

  7.5.Closing Remarks

  7.6.Recommended Exercises

  7.7.Online Resources

8.Mining the Semantically Marked—Up Web： Extracting Microformats，lnferencing overRDF， and More.

  8.1.Overview

  8.2.Microformats： Easy—to—Implement Metadata

    8.2.1.Geocoordinates： A Common Thread for Just About Anything

    8.2.2.Using Recipe Data to Improve Online Matchmaking

    8.2.3.Accessing Linkedln's 200 Million Online Resumes

  8.3.From Semantic Markup to Semantic Web： A Brief Interlude

  8.4.The Semantic Web： An Evolutionary Revolution

    8.4.1.Man Cannot Live on Facts Alone

    8.4.2.Inferencing About an Open World

  8.5.Closing Remarks

  8.6.Recommended Exercises

  8.7.Online Resources

PartⅡ.Twitter（ookbook

9.TwitterCookbook

  9.1.Accessing Twitter's API for Development Purposes

  9.2.Doing the OAuth Dance to Access Twitter's API for Production Purposes

  9.3.Discovering the Trending Topics

  9.4.Searching for Tweets

  9.5.Constructing Convenient Function Calls

  9.6.Saving and Restoring JSON Data with Text Files

  9.7.Saving and Accessing JSON Data with MongoDB

  9.8.Sampling the Twitter Firehose with the Streaming API

  9.9.Collecting Time—Series Data

  9.10.Extracting Tweet Entities

  9.11.Finding the Most Popular Tweets in a Collection of Tweets

  9.12.Finding the Most Popular Tweet Entities in a Collection of Tweets

  9.13.Tabulating Frequency Analysis

  9.14.Finding Users Who Have Retweeted a Status

  9.15.Extracting a Retweet's Attribution

  9.16.Making Robust Twitter Requests

  9.17.Resolving User Profile Information

  9.18.Extracting Tweet Entities from Arbitrary Text

  9.19.Getting All Friends or Followers for a User

  9.20.Analyzing a User's Friends and Followers

  9.21.Harvesting a User's Tweets

  9.22.Crawling a Friendship Graph

  9.23.Analyzing Tweet Content

  9.24.Summarizing Link Targets

  9.25.Analyzing a User's Favorite Tweets

  9.26.Closing Remarks

  9.27.Recommended Exercises

  9.28.Online Resources

PartⅢ.Appendixes

A.Information About This Book's Virtual Machine Experience

B.OAuth Primer

C.Python and I Python Notebook Tips & Tricks

Index.

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

    A book is a product, and first editions of any product can be vastly improved upon, aren't always what customers ideally would have wanted, and can have great potential if appropriate feedback is humbly accepted and adjustments are made.This book is no exception, and the feedback and learning experience from interacting with readers and consumers of this book's sample code over the past few years have been incredibly important in shaping this book to be far beyond anything I could have designed ifleft to my own devices.I've incorporated as much of that feedback as possible, and it mostly boils down to the theme ofsimplifying the learning experience for readers.Simplification presents itselfin this second edition in a variety of ways.Perhaps most notably, one of the biggest differences between this book and the previous edition is that the technology toolchain is vastly simplified, and I've employed configuration management by way of an amazing virtualization technology called Vagrant (http:// bit.ly/lalkGeH).The previous edition involved a variety of databases for storage, various visualization toolkits, and assumed that readers could just figure out most of the installation and configuration by reading the online instructions.

    This edition, on the other hand, goes to great lengths to introduce as few disparate technology dependencies as possible and presents them all with a virtual machine experience that abstracts away the complexities of software installation and configuration, which are sometimes considerably more challenging than they might initially seem.From a certain vantage point, the core toolbox is just IPython Notebook and some thirdparty package dependencies (all ofwhich are versioned so that updates to open source software don't cause code breakage) that come preinstalled on a virtual machine. 

在线阅读地址：挖掘社交网络 (美)罗塞尔(Matthew A. Russell) 著 著作在线阅读

在线听书地址：挖掘社交网络 (美)罗塞尔(Matthew A. Russell) 著 著作在线收听

在线购买地址：挖掘社交网络 (美)罗塞尔(Matthew A. Russell) 著 著作在线购买

暂无原文赏析，正在全力查找中！

编辑推荐

罗塞尔编著的《挖掘社交网络(影印版)(第2版)》中简洁而且具有操作性的书将为你展示如何回答这些甚至更多的问题，你将学到如何组合社交网络数据、分析技术，如何通过可视化帮助你找到你一直在社交世界中的内容。书中每个独立章节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python工具的意愿。