 |
-- 會員 / 註冊 --
|
 |
|
|
|
Python社會媒體挖掘 ( 簡體 字) |
| 作者：[意]馬爾科·邦扎尼尼（Marco Bonzanini） | 類別：1. -> 程式設計 -> Python |
| 譯者： |
| 出版社：人民郵電出版社 |  3dWoo書號： 50126
詢問書籍請說出此書號！【缺書】
NT售價： 345 元 |
| 出版日：10/1/2018 |
| 頁數：229 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787115494016 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：本書共分為9章，從社會媒體API、數據挖掘技巧和Python的數據科學工具這3個主題進行闡釋。主要內容包括：如何用Python通過公共API與社會媒體平臺交互，如何以方便的格式為數據分析存儲社會媒體數據，如何使用Python數據科學工具分割社會媒體數據，如何用文本分析方法理解社會媒體數據，如何用先進的統計和分析手段從海量數據中挖掘出有用信息，以及如何用Web技術來可視化數據。 |
目錄：第 1章 社會媒體、社交數據和Python 1
1.1 入門 1
1.2 社會媒體——機遇和挑戰 2
1.2.1 機遇 3
1.2.2 挑戰 4
1.2.3 社會媒體挖掘技術 7
1.3 Python的數據科學工具 10
1.3.1 Python開發環境的安裝 11
1.3.2 高效的數據分析 14
1.3.3 機器學習 17
1.3.4 自然語言處理 21
1.3.5 社會網絡分析 25
1.3.6 數據可視化 26
1.4 Python中的數據處理 28
1.5 創建復雜的數據管道 29
1.6 小結 30
第 2章 Twitter數據挖掘——標簽、話題和時間序列 31
2.1 入門 31
2.2 Twitter API 32
2.2.1 接口訪問頻率限制 32
2.2.2 搜索與流 33
2.3 從Twitter收集數據 34
2.3.1 從時間線獲取推文 35
2.3.2 推文的結構 38
2.3.3 使用流API 42
2.4 分析推文——實體分析 44
2.5 分析推文——文本分析 48
2.6 分析推文——時間序列分析 54
2.7 小結 57
第3章 Twitter用戶、粉絲和社區 58
3.1 用戶、好友和粉絲 58
3.1.1 回到Twitter API 58
3.1.2 用戶資料的結構 59
3.1.3 下載好友和粉絲的資料 62
3.1.4 分析你的社會網絡 64
3.1.5 度量影響力和參與度 68
3.2 挖掘粉絲 72
3.3 挖掘對話 77
3.4 在地圖上繪制推文 80
3.4.1 將推文轉換為GeoJSON 80
3.4.2 用Folium輕松繪制地圖 83
3.5 小結 89
第4章 Facebook帖子、頁面和用戶互動 90
4.1 Facebook Graph API 90
4.1.1 注冊你的應用 90
4.1.2 鑒權和安全 92
4.1.3 用Python連接Facebook Graph API 93
4.2 挖掘你的帖子 96
4.2.1 帖子的結構 99
4.2.2 時間頻率分析 99
4.3 挖掘Facebook頁面 101
4.3.1 從頁面獲取帖子 103
4.3.2 度量參與度 107
4.3.3 用詞云可視化帖子 112
4.4 小結 114
第5章 Google+話題分析 115
5.1 Google+ API入門 115
5.2 在Web GUI中嵌入搜索結果 120
5.2.1 Python的裝飾器 121
5.2.2 Flask路由和模板 122
5.3 Google+頁面的筆記和活動 125
5.4 筆記的文本分析和TF-IDF計算 127
5.5 小結 134
第6章 Stack Exchange提問和回答 135
6.1 提問和回答 135
6.2 Stack Exchange API入門 137
6.2.1 搜索帶標簽的問題 139
6.2.2 搜索用戶 142
6.3 處理Stack Exchange的存檔數據 144
6.4 問題標簽的文本分類 149
6.4.1 監督學習和文本分類 149
6.4.2 分類算法 153
6.4.3 評估 155
6.4.4 Stack Exchange數據的文本分類 157
6.4.5 在實時應用中嵌入分類器 161
6.5 小結 165
第7章 博客、RSS、維基百科和自然語言處理 166
7.1 博客和自然語言處理 166
7.2 從博客和網站獲取數據 166
7.2.1 使用WordPress.com API 167
7.2.2 使用Blogger API 170
7.2.3 解析RSS和Atom訂閱 173
7.2.4 從維基百科獲取數據 174
7.2.5 關于網絡爬取的一點建議 176
7.3 自然語言處理基礎 177
7.3.1 文本處理 177
7.3.2 信息抽取 185
7.4 小結 190
第8章 挖掘所有數據 191
8.1 很多社交API 191
8.2 挖掘YouTube上的視頻 191
8.3 挖掘GitHub上的開源軟件 196
8.4 挖掘Yelp上的本地商家 203
8.5 創建自定義的Python客戶端 208
8.6 小結 210
第9章 關聯數據和語義網 211
9.1 數據網 211
9.1.1 語義網詞匯 212
9.1.2 微格式 215
9.1.3 關聯數據和開放數據 216
9.1.4 RDF 217
9.1.5 JSON-LD格式 218
9.1.6 Schema.org 219
9.2 從DBpedia挖掘關系 220
9.3 挖掘地理坐標 222
9.3.1 從維基百科抽取地理數據 222
9.3.2 在Google Maps上繪制地理數據 225
9.4 小結 229 |
| 序： |
|
