展开全部

主编推荐语

本书是社会网络分析领域的经典图书,基础理论与实践完美结合,是一部逻辑紧密、内容详实,适合所有相关技术人员的参考书。

内容简介

社会网络分析领域的经典图书,逻辑紧密、内容详实,将基础理论与实践完美结合。作者Maksim Tsvetovat 和 Alexander Kouznetsov都具有丰富的数据分析、处理工作经验,是社会网络分析实践技术方面的积极实践者。如果你从事如下工作:社交媒体、社交CRM、社交营销、管理咨询等,你应该读一读这本书,它会告诉你社交系统是如何发展、演变以及运转的。实际上,这本书的内容不仅仅适用于创业公司。整本书就是一门系统的课程,它囊括了几乎一个学期的理论知识和实际操作材料。阅读以后,你就会对于社会网络分析是“危险的”有足够的理解。如果你是这个研究领域的学生,我们强烈鼓励你去寻找并阅读脚注里提到的每一篇论文或每一本书。这样做会让你非常了解这个领域的经典文献,也可以让你自信地开展研究课题。如果你有计算机技术背景,可以从这本书学到主要的社会学概念,并从中提取出可以用来编程的信息和分析数据;如果你有社会学或市场营销背景,你会发现一些熟悉的材料,与此同时也会学到用定量和定性的方法去了解社交背景下的人们。

目录

  • 版权信息
  • O'Reilly Media,Inc.介绍
  • 作者介绍
  • 译者序——社会网络分析:探索关系背后的科学与技术
  • 前言
  • 第1章 导论
  • 分析关系,理解人与群体
  • 二元与赋值关系
  • 对称与非对称关系
  • 多模关系
  • 从关系到网络——超乎所见
  • 社会网络与连接分析
  • 非正式网络的力量
  • 恐怖分子与革命者:社会网络的力量
  • 监狱中的社会网络
  • 恐怖组织的信息网络
  • 推特上的革命
  • 第2章 图论速览
  • 什么是图
  • 邻接矩阵
  • 边列表与邻接列表
  • 哥尼斯堡七桥问题
  • 图的遍历与距离
  • 深度优先搜索
  • 广度优先搜索
  • 路径与漫步
  • 迪杰斯特拉算法
  • 图的距离
  • 图的直径
  • 为什么重要
  • 六度理论神话
  • 小世界网络
  • 第3章 中心性、权力与瓶颈
  • 样本数据
  • 使用Python与NetworkX获取数据
  • 从LiveJournal读取节点与边
  • 滚雪球抽样法
  • 保存和加载文件中的样本数据集
  • 中心性
  • 网络中谁更重要
  • 发现“名人”
  • 发现八卦传播者
  • 发现传播瓶颈或社群桥梁
  • 整合
  • 谁是“灰衣主教”
  • 练习
  • Klout分数
  • PageRank:Google如何测量中心性
  • 中心性测量不能告诉我们什么
  • 第4章 派系、聚类和组元
  • 组元和子图
  • 使用Python分析组元
  • 网络中的岛屿
  • 子图——自我中心网
  • 使用Python提取和可视化自我中心网
  • 三元组
  • 大学生联谊会研究——连接的稳定性与三元组
  • 三元组和恐怖分子
  • 禁止进入的三元组”和结构洞
  • 结构洞和边界跨越
  • 政治中的三元组
  • 有向三元组
  • 分析真实网络中的三元组
  • 真实数据
  • 派系
  • 检测派系
  • 分层聚类
  • 算法
  • 城市聚类
  • 准备数据和聚类
  • 块模型
  • 三元组、网络密度和冲突
  • 第5章 二模网络
  • 竞选资金是否影响选举
  • 二模网络的理论
  • 隶属网络
  • 属性网络
  • 一点数学知识
  • 二模网络实战
  • 政治行动委员会网络
  • 候选人网络
  • 扩展多模网络
  • 练习
  • 第6章 信息扩散:像病毒一样传播开来
  • 病毒视频剖析
  • 脸谱做对了什么
  • 如何估计临界质量
  • 维基经济的临界质量
  • 内容(依旧)为王
  • 信息如何影响网络
  • 具有相同羽毛的鸟
  • 同质性与好奇心
  • 弱关系
  • 邓巴数字和弱关系
  • Python中的一个简单动态模型
  • 处于中间的影响者
  • 练习
  • 网络和信息的共同演化
  • 练习
  • 为什么为网络建立模型
  • 第7章 在现实世界中绘图
  • 中等规模数据:传统SQL关系数据库
  • 大数据:未来,从今天开始
  • 小数据——平面文件表达
  • 边列表文件
  • 古老的二进制格式——##h文件
  • 中等规模数据:数据库表达
  • 什么是游标
  • 什么是事务
  • 名字
  • 节点作为数据,属性作为什么
  • 函数与修饰符
  • 适配器
  • 使用二模数据工作
  • 练习
  • 社会网络和大数据
  • 现实中的数据结构
  • 计算复杂度
  • 大数据很大
  • 运行大数据
  • 我们在分布什么
  • 附录A 收集数据
  • 收集数据时在伦理道德上的注意事项
  • 老派做法
  • 挖掘服务器日志
  • 挖掘社交媒体网站
  • 商业与投资
  • 政治、选举和法院
  • 博客和社会化书签
  • 推特数据采集
  • 脸谱
  • 私人关系网络
  • 脸谱社交图API
  • 附录B 安装软件
  • 为什么我们爱Python
  • 探索性编程
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

机械工业出版社有限公司

机械工业出版社是全国优秀出版社,自1952年成立以来,坚持为科技、为教育服务,以向行业、向学校提供优质、权威的精神产品为宗旨,以“服务社会和人民群众需求,传播社会主义先进文化”为己任,产业结构不断完善,已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸,现已发展为多领域、多学科的大型综合性出版社,涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。