Tag：社交  大数据挖掘

社交大数据挖掘
前折页
书名页
译者序
原书前言
目录
第1章  社交媒体
     1.1  什么是社交媒体
     1.2  代表性社交媒体
          1.2.1  Twitter
          1.2.2  Flickr
          1.2.3　YouTube
          1.2.4　Facebook
          1.2.5　维基百科
          1.2.6　通用网络
          1.2.7　其他社交媒体
     参考文献
第2章  大数据和社交数据
     2.1  大数据
     2.2  物理真实世界与社交媒体的交互
     2.3　集成框架
     2.4　交互的建模和分析
     2.5　元分析模型———概念层
          2.5.1　面向对象的集成分析模型
          2.5.2　原始案例
     2.6　假设的生成和验证———逻辑层
          2.6.1　多变量分析
          2.6.2　数据挖掘
          2.6.3　发现和识别影响
          2.6.4  影响的定量测量
     2.7　兴趣回顾———互动挖掘
     2.8　分布式并行计算框架
          2.8.1　NoSQL
          2.8.2　MapReduce———一种并行分布式计算的机制
          2.8.3  Hadoop
     参考文献
第3章　大数据时代的假设
     3.1　什么是假设
     3.2　数据采样
     3.3　假设验证
     3.4　 假设构建
          3.4.1　归纳法
          3.4.2　推理
          3.4.3　可信推理
          3.4.4　不明推论式
          3.4.5　相关性
          3.4.6　因果关系
          3.4.7　类比
          3.4.8　传递定律
     3.5　假设的粒度
     3.6　对假设的重新审视
     参考文献
第4章  社交大数据应用
     4.1  普通网页与社交媒体之间作为分析主体的差异
     4.2　基于要素的社交媒体应用分类
     4.3　基于目标的社交媒体应用分类
     4.4　通过MiPS模型描述模型
          4.4.1  简单例子
          4.4.2　更复杂的例子
          4.4.3　伪相关关系
     4.5　展望
     参考文献
第5章  数据挖掘中的基本概念
     5.1  什么是数据挖掘
     5.2　技术问题和相关技术
     5.3　数据挖掘任务
     5.4　基本数据结构
     5.5　数据质量
     参考文献
第6章  关联规则挖掘
     6.1　关联分析的应用
     6.2　基本概念
     6.3　各种关联规则
     6.4　Apriori算法的概述
     6.5　生成关联规则
     参考文献
第7章　聚类
     7.1　应用
     7.2　数据结构
     7.3　距离
     7.4　聚类算法
     7.5　基于分区的集群
     7.6　分层聚类
     7.7　聚类结果的评价
     参考文献
第8章  分类
     8.1　动机
     8.2　分类任务
     8.3  决策树归纳
     8.4　测量属性选择
     8.5　创建分类规则
     8.6　扩展基本算法
     8.7　模型精度
     8.8　提高精度
     8.9　其他模型
     参考文献
第9章  预测
     9.1　预测和分类
     9.2　预测模型
          9.2.1　多元回归模型
          9.2.2　非线性函数的变换
          9.2.3　路径分析模型
          9.2.4　多指标模型
          9.2.5　因子分析模型
          9.2.6　因子的旋转
          9.2.7　结构方程模型研究
          9.2.8　因子修正或降维
     参考文献
第10章  Web结构挖掘
     10.1　Web挖掘
     10.2　结构挖掘
          10.2.1　文献计量学
          10.2.2　引用参考数据库和影响因子
          10.2.3　h指数———学术研究者的价值
          10.2.4　声望
          10.2.5　PageRank
          10.2.6　HITS
     参考文献
第11章  Web内容挖掘
     11.1　搜索引擎
          11.1.1　网页抓取
          11.1.2　索引网页
          11.1.3　网页排名
     11.2　信息检索技术
          11.2.1　特征
          11.2.2　向量空间模型
          11.2.3　查询结果的准确性
          11.2.4　其他问题
     11.3　网页分类
          11.3.1　支持向量机
          11.3.2　k最近邻算法
          11.3.3　朴素贝叶斯
     11.4　网页聚类
     11.5　微博总结
     参考文献
第12章  Web访问日志挖掘信息提取深层Web挖掘
     12.1　Web访问日志挖掘
          12.1.1　访问日志挖掘和推荐
          12.1.2  聚类访问模式
          12.1.3　合作滤波和Web个性化
     12.2　信息提取
          12.2.1　信息提取中的任务
          12.2.2　信息提取中的问题
          12.2.3　信息提取方法
     12.3　Web深层挖掘
     参考文献
第13章  媒体挖掘
     13.1　XML挖掘
          13.1.1　挖掘XML
          13.1.2　XML结构挖掘
          13.1.3　XML内容挖掘
     13.2  挖掘更普遍的结构
     13.3　多媒体数据挖掘
     13.4  流数据挖掘
          13.4.1　基本技术
          13.4.2  数据挖掘任务
     参考文献
第14章  可扩展性和异常检测
     14.1  关联分析的可扩展性
          14.1.1　不共享内存
          14.1.2　共享内存
     14.2　 聚类可扩展性的方法
          14.2.1　分层方法
          14.2.2　基于密度的聚类
          14.2.3 图聚类
     14.3　分类和其他任务的可扩展性
     14.4　异常值检测
     参考文献
附录
     附录A  在大数据时代数据科学家所需的能力和专业知识
     附录B  关于结构、内容和访问日志挖掘技术之间关系的备注
版权页
后折页

BCCN本地下载 

 

>> 评论

 

热门Tag：