查看: 224|回復: 18

《O\'Reilly：社交網站的資料採擷與分析》 [複製鏈接]

yellow_dog

Youth II

Rank: 6 Rank: 6

好友: 0
帖子: 4115
積分: 9674
最後登錄: 2018-7-30
在線時間: 0 小時

電梯直達

樓主

發表於 2013-4-29 18:20:48 |只看該作者 |倒序瀏覽

中文名: O'Reilly：社交網站的資料採擷與分析
資源格式: PDF
語言: 簡體中文
簡介:

內容簡介：
Facebook、Twitter和LinkedIn產生瞭大量寶貴的社交資料，但是怎樣才能找出誰通過社交媒介正在進行聯繫？他們在討論些什麼？或者他們在哪兒？本書簡潔而且具有可操作性，它將揭示如何回答這些問題甚至更多的問題。你將學到如何組合社交網路資料、分析技術，如何通過視覺化幫助你找到你一直在社交世界中尋找的內容，以及你聞所未聞的有用資訊。
　　《社交網站的資料採擷與分析》每章都介紹瞭在社交網路的不同領域挖掘資料的技術，這些領域包括博客和電子郵件。你所需要具備的就是一定的程式設計經驗和學習基本的Python工具的意願。
　　通過本書，你將：
　　獲得對社交網路世界的直觀認識
　　使用GitHub上靈活的腳本來獲取從諸如Twitter、Facebook和LinkedIn等社交網路API中的資料
　　學習如何應用便捷的Python工具來交叉分析你所收集的資料
　　通過XFN探討基於微格式的社交聯繫
　　應用諸如TF-IDF、餘弦相似性、搭配分析、文檔摘要、派系檢測之類的先進挖掘技術
　　通過基於HTML 5和JavaScript工具包的網路技術建立互動式視覺化
目錄:
前言
第1章緒論：Twitter 資料的處理
Python 開發工具的安裝
Twitter 資料的收集和處理
小結
第2章微格式：語義標記和常識碰撞
XFN 和朋友
使?FN 來探討社交關係
地理座標：興趣愛好的共同主線
(以健康的名義)對菜譜進行交叉分析
對餐廳評論的搜集
小結
第3章郵箱：雖然老套卻很好用
mbox：Unix 的入門級郵箱
mbox+CouchDB= 隨意的Email 分析
將對話執行緒化到一起
使用SIMILE Timeline 將郵件“事件”視覺化
分析你自己的郵件資料
小結
第4章 Twitter ：朋友、關註者和Setwise 操作
REST 風格的和OAuth-Cladded API
幹練而中肯的資料獲取器
友誼圖的構建
小結
第5章 Twitter：tweet ，所有的tweet ，隻有tweet
筆PK 劍：和tweet PK 機槍
對tweet 的分析(每次一個實體)
並置潛在的社交網站(或#JustinBieber VS #TeaParty)
對大量tweet 的視覺化
小結
第6章 LinkedIn ：為瞭樂趣(和利潤？)將職業網路聚類
聚類的動機
按職位將連絡人聚類
獲取補充個人資訊
從地理上聚類網路
小結
第7章 Google Buzz：TF-IDF 、餘弦相似性和搭配194
Buzz=Twitter+ 博客
使用NLTK 處理資料
文本挖掘的基本原則
查找相似文檔
在二元語法中發Buzz
利用Gmail
在中斷之前試著創建一個搜尋引擎……
小結
第8章博客及其他：自然語言處理(等)
NLP ：帕累托式介紹
使用NLTK 的典型NLP 管線
使用NLTK 檢測博客中的句子
對文件的總結
以實體為中心的分析：對資料的深層瞭解
小結256
第9章 Facebook ：一體化的奇跡
利用社交網路資料
對Facebook 數據的視覺化
小結
第10章語義網：簡短的討論
發展中的變革
人不可能隻靠事實生活
期望
PDF | 59.3 | UL/BU/180UL/HF
《O'Reilly：社交網站的資料採擷與分析》
下載點 : http://hugefiles.net/ndjwgktz6740 | http://billionuploads.com/pcpks23yrnbv | http://180upload.com/w8ft73vh3ktp | http://ul.to/xkdagyor