دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Community Detection and Mining in Social Media
دانلود کتاب جامعه یابی و استخراج در رسانه های اجتماعی
مشخصات کتاب
Community Detection and Mining in Social Media
ویرایش:
نویسندگان: Lei Tang. Huan Liu
سری: Synthesis Lectures on Data Mining and Knowledge Discovery
ISBN (شابک) : 1608453545, 9781608453542
ناشر: Morgan & Claypool
سال نشر: 2010
تعداد صفحات: 137
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
قیمت کتاب (تومان) : 39,000
در صورت تبدیل فایل کتاب Community Detection and Mining in Social Media به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب جامعه یابی و استخراج در رسانه های اجتماعی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب جامعه یابی و استخراج در رسانه های اجتماعی
این کتاب، از دیدگاه داده کاوی، ویژگی های رسانه های اجتماعی را معرفی می کند، وظایف نمایندگی محاسبات با رسانه های اجتماعی را بررسی می کند، و چالش های مرتبط را نشان می دهد. مفاهیم اساسی را معرفی می‌کند، الگوریتم‌های پیشرفته را با مثال‌های قابل فهم ارائه می‌کند و روش‌های ارزیابی مؤثر را توصیه می‌کند. به طور خاص، در مورد تکنیک‌های تشخیص جامعه مبتنی بر نمودار و بسیاری از برنامه‌های افزودنی مهم که شبکه‌های پویا و ناهمگن را در رسانه‌های اجتماعی مدیریت می‌کنند، بحث می‌کنیم. ما همچنین نشان می‌دهیم که چگونه می‌توان از الگوهای کشف شده جوامع برای استخراج رسانه‌های اجتماعی استفاده کرد. مفاهیم، الگوریتم‌ها و روش‌های ارائه‌شده در این سخنرانی می‌توانند به مهار قدرت رسانه‌های اجتماعی و حمایت از ساختن سیستم‌های هوشمند اجتماعی کمک کنند. این کتاب مقدمه ای در دسترس برای مطالعه \emph{تشخیص و استخراج جامعه در رسانه های اجتماعی} است. این یک مطالعه ضروری برای دانش‌آموزان، محققان و شاغلان در رشته‌ها و برنامه‌هایی است که رسانه‌های اجتماعی منبع کلیدی داده‌ها هستند که کنجکاوی ما را برای درک، مدیریت، نوآوری و برتری برمی‌انگیزد. این کتاب توسط مواد اضافی، از جمله اسلایدهای سخنرانی، مجموعه کامل شکل ها، منابع کلیدی، برخی از مجموعه داده های اسباب بازی استفاده شده در کتاب، و کد منبع الگوریتم های نماینده پشتیبانی می شود. به خوانندگان توصیه می شود برای آخرین اطلاعات به وب سایت کتاب http://dmml.asu.edu/cdm/ مراجعه کنند. فهرست مطالب: رسانه های اجتماعی و محاسبات اجتماعی / گره ها، پیوندها، و تأثیر / تشخیص و ارزیابی جامعه / جوامع در شبکه های ناهمگن / کاوی رسانه های اجتماعی
توضیحاتی درمورد کتاب به خارجی
This book, from a data mining perspective, introduces characteristics of social media, reviews representative tasks of computing with social media, and illustrates associated challenges. It introduces basic concepts, presents state-of-the-art algorithms with easy-to-understand examples, and recommends effective evaluation methods. In particular, we discuss graph-based community detection techniques and many important extensions that handle dynamic, heterogeneous networks in social media. We also demonstrate how discovered patterns of communities can be used for social media mining. The concepts, algorithms, and methods presented in this lecture can help harness the power of social media and support building socially-intelligent systems. This book is an accessible introduction to the study of \emph{community detection and mining in social media}. It is an essential reading for students, researchers, and practitioners in disciplines and applications where social media is a key source of data that piques our curiosity to understand, manage, innovate, and excel. This book is supported by additional materials, including lecture slides, the complete set of figures, key references, some toy data sets used in the book, and the source code of representative algorithms. The readers are encouraged to visit the book website http://dmml.asu.edu/cdm/ for the latest information. Table of Contents: Social Media and Social Computing / Nodes, Ties, and Influence / Community Detection and Evaluation / Communities in Heterogeneous Networks / Social Media Mining
فهرست مطالب
Acknowledgments......Page 13
Social Media......Page 15
Networks and Representations......Page 17
Properties of Large-Scale Networks......Page 19
Challenges......Page 20
Network Modeling......Page 21
Community Detection......Page 22
Privacy, Spam and Security......Page 24
Summary......Page 25
Importance of Nodes......Page 27
Learning from Network Topology......Page 32
Learning from User Attributes and Interactions......Page 34
Influence Modeling......Page 35
Linear Threshold Model (LTM)......Page 36
Independent Cascade Model (ICM)......Page 37
Influence Maximization......Page 38
Distinguishing Influence and Correlation......Page 40
Complete Mutuality......Page 45
Reachability......Page 47
Group-Centric Community Detection......Page 48
Vertex Similarity......Page 49
Latent Space Models......Page 51
Block Model Approximation......Page 53
Spectral Clustering......Page 55
Modularity Maximization......Page 57
A Unified Process......Page 59
Divisive Hierarchical Clustering......Page 60
Agglomerative Hierarchical Clustering......Page 62
Community Evaluation......Page 63
Heterogeneous Networks......Page 69
Multi-Dimensional Networks......Page 71
Network Integration......Page 72
Utility Integration......Page 74
Feature Integration......Page 76
Partition Integration......Page 79
Co-Clustering on Two-Mode Networks......Page 82
Generalization to Multi-Mode Networks......Page 85
Evolution Patterns in Social Media......Page 89
A Naive Approach to Studying Community Evolution......Page 90
Community Evolution in Smoothly Evolving Networks......Page 93
Segment-based Clustering with Evolving Networks......Page 96
Classification with Network Data......Page 98
Collective Classification......Page 99
Community-based Learning......Page 101
Summary......Page 106
Data Collection......Page 107
Computing Betweenness......Page 111
k-Means Clustering......Page 115
Bibliography......Page 119
Authors' Biographies......Page 131
Index......Page 133
