前言 1
第1章绪论：Twitter数据的处理 9
Python开发工具的安装 9
Twitter数据的收集和处理 11
小结 24
第2章微格式：语义标记和常识碰撞 26
XFN和朋友 27
使用XFN来探讨社交关系 29
地理坐标：兴趣爱好的共同主线 37
（以健康的名义）对菜谱进行交叉分析 41
对餐厅评论的搜集 43
小结 45
第3章邮箱：虽然老套却很好用 47
mbox:Unix的入门级邮箱 48
mbox+CouchDB=随意的Email分析 54
将对话线程化到一起 70
使用SIMILE Timeline将邮件“事件”可视化 79
分析你自己的邮件数据 82
小结 84
第4章Twitter：朋友、关注者和Setwise操作 85
REST风格的和OAuth-Cladded API 86
干练而中肯的数据采集器 90
友谊图的构建 108
小结 116
第5章Twitter： tweet，所有的tweet，只有tweet 118
笔PK剑：和tweet PK机枪（？！？） 118
对tweet的分析（每次一个实体） 121
并置潜在的社交网站（或#JustinBieber VS #TeaParty） 144
对大量tweet的可视化 155
小结 163
第6章Linkedin：为了乐趣（和利润？）将职业网络聚类 164
聚类的动机 165
按职位将联系人聚类 167
获取补充个人信息 183
从地理上聚类网络 188
小结 192
第7章GoogleBuzz：TF-IDF、余弦相似性和搭配 194
Buzz=Twitter+博客（？？？） 195
使用NLTK处理数据 198
文本挖掘的基本原则 201
查找相似文档 208
在二元语法中发Buzz 215
利用Gmail 221
在中断之前试着创建一个搜索引擎 225
小结 226
第8章博客及其他：自然语言处理（等） 228
NLP：帕累托式介绍 228
使用NLTK的典型NLP管线 231
使用NLTK检测博客中的句子 234
对文件的总结 237
以实体为中心的分析：对数据的深层了解 245
小结 256
第9章Facebook：一体化的奇迹 257
利用社交网络数据 258
对Facebook数据的可视化 274
小结 294
第10章语义网：简短的讨论 296
发展中的变革 296
人不可能只靠事实生活 297
期望 301