第1章　引言　　1
1.1　什麼是社會媒體挖掘　　1
1.2　挖掘領域的新挑戰　　2
1.3　本書概覽和讀者指南　　3
1.4　小結　　5
1.5　參考文獻及注釋　　5
1.6　習題　　6
第一部分 基礎知識
第2章　圖的基本要素　　10
2.1　圖的基礎知識　　11
2.1.1　結點　　11
2.1.2　邊　　11
2.1.3　度和度的分布　　12
2.2　圖的錶示　　14
2.2.1　鄰接矩陣　　14
2.2.2　鄰接錶　　15
2.2.3　邊列錶　　15
2.3　圖的類型　　16
2.4　圖的連通性　　17
2.5　特殊圖　　21
2.5.1　樹和森林　　21
2.5.2　特殊子圖　　21
2.5.3　完全圖　　23
2.5.4　平麵圖　　23
2.5.5　二分圖　　23
2.5.6　正則圖　　24
2.5.7　橋　　25
2.6　圖算法　　25
2.6.1　圖/樹的遍曆　　25
2.6.2　最短路徑算法　　27
2.6.3　最小生成樹　　29
2.6.4　網絡流算法　　31
2.6.5　二分圖最大匹配　　34
2.6.6　橋檢測　　35
2.7　小結　　36
2.8　參考文獻及注釋　　37
2.9　習題　　37
第3章　網絡度量　　40
3.1　中心性　　40
3.1.1　度中心性　　40
3.1.2　特徵嚮量中心性　　42
3.1.3　Katz中心性　　44
3.1.4　PageRank　　46
3.1.5　中間中心性　　47
3.1.6　接近中心性　　48
3.1.7　群體中心性　　50
3.2　傳遞性與相互性　　51
3.2.1　傳遞性　　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　結構等價性　　57
3.4.2　規則等價性　　59
3.5　小結　　61
3.6　參考文獻及注釋　　61
3.7　習題　　62
第4章　網絡模型　　64
4.1　真實世界網絡的屬性　　64
4.1.1　度分布　　65
4.1.2　聚類係數　　66
4.1.3　平均路徑長度　　67
4.2　隨機圖模型　　67
4.2.1　隨機圖的演變　　69
4.2.2　隨機圖的屬性　　71
4.2.3　基於隨機圖的真實世界網絡建模　　73
4.3　小世界模型　　73
4.3.1　小世界模型的屬性　　75
4.3.2　基於小世界模型對真實世界網絡建模　　77
4.4　優先鏈接模型　　77
4.4.1　優先鏈接模型的屬性　　78
4.4.2　基於優先鏈接模型對真實世界網絡進行建模　　80
4.5　小結　　80
4.6　參考文獻及注釋　　81
4.7　習題　　81
第5章　數據挖掘的基本要素　　83
5.1　數據　　84
5.2　數據預處理　　87
5.3　數據挖掘算法　　89
5.4　監督學習　　89
5.4.1　決策樹　　90
5.4.2　樸素貝葉斯分類器　　92
5.4.3　最近鄰分類器　　93
5.4.4　利用社交信息輔助分類　　94
5.4.5　迴歸　　96
5.4.6　監督學習評估　　99
5.5　無監督學習　　99
5.5.1　聚類算法　　100
5.5.2　無監督學習的評估　　102
5.6　小結　　104
5.7　參考文獻及注釋　　105
5.8　習題　　106
第二部分 社區和交互
第6章　社區分析　　110
6.1　社區發現　　112
6.1.1　社區發現算法　　113
6.1.2　基於成員的社區發現　　114
6.1.3　基於群組的社區發現　　119
6.2　社區演變　　 126
6.2.1　網絡是如何演變的　　 126
6.2.2　演變網絡中的社區發現　　 129
6.3　社區評價　　 131
6.3.1　存在真實答案時的評價　　 131
6.3.2　無真實答案的評價　　 134
6.4　小結　　 135
6.5　參考文獻及注釋　　 136
6.6　習題　　 137
第7章　社會媒體中的信息傳播　　 139
7.1　羊群效應　　 140
7.1.1　羊群效應的貝葉斯建模　　 142
7.1.2　乾預　　 144
7.2　信息級聯　　 145
7.2.1　獨立級聯模型　　 145
7.2.2　級聯範圍最大化　　 147
7.2.3　乾預　　 149
7.3　社交網絡中的創新擴散　　 149
7.3.1　創新的特徵　　 150
7.3.2　創新擴散模型　　 150
7.3.3　創新擴散過程建模　　 152
7.3.4　乾預　　 155
7.4　流行病模型　　 155
7.4.1　定義　　 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　乾預　　 161
7.5　小結　　 161
7.6　參考文獻及注釋　　 162
7.7　習題　　 163
第三部分 應用
第8章　影響力和同質性　　 166
8.1　度量同配性　　 167
8.1.1　度量符號屬性的同配性　　 167
8.1.2　度量序數屬性的同配性　　 170
8.2　影響力　　 172
8.2.1　度量影響力　　 172
8.2.2　影響力建模　　175
8.3　同質性　　179
8.3.1　度量同質性　　179
8.3.2　同質性建模　　179
8.4　區分影響力和同質性　　180
8.4.1　洗牌測試　　180
8.4.2　邊緣反轉測試　　181
8.4.3　隨機化測試　　181
8.5　小結　　184
8.6　參考文獻及注釋　　184
8.7　習題　　185
第9章　社會媒體中的推薦　　187
9.1　挑戰　　188
9.2　經典的推薦算法　　188
9.2.1　基於內容的算法　　189
9.2.2　協同過濾　　189
9.2.3　將個人推薦推廣到群體推薦　　195
9.3　基於社會背景知識的推薦係統　　197
9.3.1　單獨使用社會背景知識　　198
9.3.2　基於社會背景知識的經典算法擴展　　198
9.3.3　社會背景知識受限的推薦　　200
9.4　推薦係統評價　　202
9.4.1　評估預測的準確率　　202
9.4.2　評估推薦的相關性　　203
9.4.3　評估推薦的排序　　204
9.5　小結　　205
9.6　參考文獻及注釋　　206
9.7　習題　　207
第10章　行為分析　　208
10.1　個體行為　　208
10.1.1　個體行為分析　　209
10.1.2　個體行為建模　　213
10.1.3　個體行為預測　　214
10.2　群體行為　　217
10.2.1　群體行為分析　　217
10.2.2　群體行為建模　　221
10.2.3　群體行為預測　　221
10.3　小結　　222
10.4　參考文獻及注釋　　223
10.5　習題　　224
參考文獻　　225
· · · · · · (收起)