第1章 绪论 1
1.1 研究背景和研究意义 1
1.2 学者网OSN 4
1.3 主要研究内容 5
1.4 本书的组织结构 6
参考文献 8
第2章 在线社交网络挖掘概述 10
2.1 主要研究问题 10
2.1.1 用户分类 10
2.1.2 社区发现 12
2.1.3 观点挖掘与情感分析 14
2.1.4 信息传播 16
2.1.5 社会化推荐 18
2.1.6 可视化分析 20
2.2 存在的问题和挑战 25
2.3 本章小结 26
参考文献 27
第3章 基于随机游走模型的用户分类方法 32
3.1 引言 32
3.2 相关工作 33
3.2.1 随机游走模型 33
3.2.2 集体分类 36
3.3 问题定义 37
3.4 OSN用户分类方法MLCMRW 38
3.4.1 方法概述 38
3.4.2 引导阶段 39
3.4.3 基于随机游走的分类标签迭代推断 40
3.5 实验分析及评价 42
3.5.1 实验数据集 42
3.5.2 评价准则 44
3.5.3 比较方法 45
3.5.4 实验比较结果和分析 46
3.6 本章小结 47
参考文献 48
第4章 集成链接和属性信息的社区发现方法 50
4.1 引言 50
4.2 相关工作 52
4.2.1 NMF基本模型 52
4.2.2 基于NMF的社区发现 53
4.2.3 集成链接和属性信息的社区发现 54
4.3 LANMF：集成链接和属性信息的社区发现方法 54
4.3.1 问题描述 54
4.3.2 链接矩阵和属性关联矩阵联合分解模型 55
4.3.3 迭代更新规则的收敛性证明 56
4.3.4 社区发现算法 59
4.4 实验及应用分析 61
4.4.1 实验数据集 61
4.4.2 评价准则与比较方法 62
4.4.3 实验对比结果分析 63
4.4.4 参数取值分析 65
4.4.5 应用实例 67
4.5 本章小结 72
参考文献 72
第5章 融合社交网络信息的协同过滤推荐方法 75
5.1 引言 75
5.2 相关研究 76
5.2.1 协同过滤推荐方法 76
5.2.2 矩阵分解推荐模型 78
5.3 问题定义 80
5.4 融合OSN信息的协同过滤推荐方法设计 82
5.4.1 基于OSN直接好友关系的推荐 82
5.4.2 融合OSN信息的推荐（SocialRec） 83
5.4.3 关键算法描述及复杂度分析 84
5.5 实验分析及应用 85
5.5.1 实验数据集及评价准则 85
5.5.2 实验结果分析 85
5.5.3 应用实例 89
5.6 本章小结 89
参考文献 90
第6章 SRSH：一种基于Hadoop的社会化推荐系统 92
6.1 引言 92
6.2 相关工作 93
6.2.1 集群计算平台Hadoop 93
6.2.2 基于Hadoop的OSN挖掘应用 95
6.3 系统架构 96
6.4 基于MapReduce的核心算法实现 97
6.4.1 二度好友推荐算法（SDFR） 97
6.4.2 相似用户推荐（SUR） 100
6.4.3 用户社区推荐（UCR） 102
6.4.4 内容推荐（CR） 105
6.5 实验结果与分析 107
6.6 本章小结 109
参考文献 110
第7章 总结和展望 112
7.1 工作总结 112
7.2 研究展望 113