第1章 引言 1
1.1什么是社会媒体挖掘 1
1.2挖掘领域的新挑战 2
1.3本书概览和读者指南 3
1.4小结 5
1.5参考文献及注释 5
1.6习题 6
第一部分 基础知识 10
第2章 图的基本要素 10
2.1图的基础知识 11
2.1.1结点 11
2.1.2边 11
2.1.3度和度的分布 12
2.2图的表示 14
2.2.1邻接矩阵 14
2.2.2邻接表 15
2.2.3边列表 15
2.3图的类型 16
2.4图的连通性 17
2.5特殊图 21
2.5.1树和森林 21
2.5.2特殊子图 21
2.5.3完全图 23
2.5.4平面图 23
2.5.5二分图 23
2.5.6正则图 24
2.5.7桥 25
2.6图算法 25
2.6.1图/树的遍历 25
2.6.2最短路径算法 27
2.6.3最小生成树 29
2.6.4网络流算法 31
2.6.5二分图最大匹配 34
2.6.6桥检测 35
2.7小结 36
2.8参考文献及注释 37
2.9习题 37
第3章 网络度量 40
3.1中心性 40
3.1.1度中心性 40
3.1.2特征向量中心性 42
3.1.3 Katz中心性 44
3.1.4 PageRank 46
3.1.5中间中心性 47
3.1.6接近中心性 48
3.1.7群体中心性 50
3.2传递性与相互性 51
3.2.1传递性 51
3.2.2相互性 53
3.3平衡和地位 55
3.4相似度 57
3.4.1结构等价性 57
3.4.2规则等价性 59
3.5小结 61
3.6参考文献及注释 61
3.7习题 62
第4章 网络模型 64
4.1真实世界网络的属性 64
4.1.1度分布 65
4.1.2聚类系数 66
4.1.3平均路径长度 67
4.2随机图模型 67
4.2.1随机图的演变 69
4.2.2随机图的属性 71
4.2.3基于随机图的真实世界网络建模 73
4.3小世界模型 73
4.3.1小世界模型的属性 75
4.3.2基于小世界模型对真实世界网络建模 77
4.4优先链接模型 77
4.4.1优先链接模型的属性 78
4.4.2基于优先链接模型对真实世界网络进行建模 80
4.5小结 80
4.6参考文献及注释 81
4.7习题 81
第5章 数据挖掘的基本要素 83
5.1数据 84
5.2数据预处理 87
5.3数据挖掘算法 89
5.4监督学习 89
5.4.1决策树 90
5.4.2朴素贝叶斯分类器 92
5.4.3最近邻分类器 93
5.4.4利用社交信息辅助分类 94
5.4.5回归 96
5.4.6监督学习评估 99
5.5无监督学习 99
5.5.1聚类算法 100
5.5.2无监督学习的评估 102
5.6小结 104
5.7参考文献及注释 105
5.8习题 106
第二部分 社区和交互 110
第6章 社区分析 110
6.1社区发现 112
6.1.1社区发现算法 113
6.1.2基于成员的社区发现 114
6.1.3基于群组的社区发现 119
6.2社区演变 126
6.2.1网络是如何演变的 126
6.2.2演变网络中的社区发现 129
6.3社区评价 131
6.3.1存在真实答案时的评价 131
6.3.2无真实答案的评价 134
6.4小结 135
6.5参考文献及注释 136
6.6习题 137
第7章 社会媒体中的信息传播 139
7.1羊群效应 140
7.1.1羊群效应的贝叶斯建模 142
7.1.2干预 144
7.2信息级联 145
7.2.1独立级联模型 145
7.2.2级联范围最大化 147
7.2.3干预 149
7.3社交网络中的创新扩散 149
7.3.1创新的特征 150
7.3.2创新扩散模型 150
7.3.3创新扩散过程建模 152
7.3.4干预 155
7.4流行病模型 155
7.4.1定义 156
7.4.2 SI模型 156
7.4.3 SIR模型 158
7.4.4 SIS模型 159
7.4.5 SIRS模型 160
7.4.6干预 161
7.5小结 161
7.6参考文献及注释 162
7.7习题 163
第三部分 应用 166
第8章 影响力和同质性 166
8.1度量同配性 167
8.1.1度量符号属性的同配性 167
8.1.2度量序数属性的同配性 170
8.2影响力 172
8.2.1度量影响力 172
8.2.2影响力建模 175
8.3同质性 179
8.3.1度量同质性 179
8.3.2同质性建模 179
8.4区分影响力和同质性 180
8.4.1洗牌测试 180
8.4.2边缘反转测试 181
8.4.3随机化测试 181
8.5小结 184
8.6参考文献及注释 184
8.7习题 185
第9章 社会媒体中的推荐 187
9.1挑战 188
9.2经典的推荐算法 188
9.2.1基于内容的算法 189
9.2.2协同过滤 189
9.2.3将个人推荐推广到群体推荐 195
9.3基于社会背景知识的推荐系统 197
9.3.1单独使用社会背景知识 198
9.3.2基于社会背景知识的经典算法扩展 198
9.3.3社会背景知识受限的推荐 200
9.4推荐系统评价 202
9.4.1评估预测的准确率 202
9.4.2评估推荐的相关性 203
9.4.3评估推荐的排序 204
9.5小结 205
9.6参考文献及注释 206
9.7习题 207
第10章 行为分析 208
10.1个体行为 208
10.1.1个体行为分析 209
10.1.2个体行为建模 213
10.1.3个体行为预测 214
10.2群体行为 217
10.2.1群体行为分析 217
10.2.2群体行为建模 221
10.2.3群体行为预测 221
10.3小结 222
10.4参考文献及注释 223
10.5习题 224
参考文献 225