社会计算

第1章 绪论

1.1 大数据分析与社会计算

1.2 用户在线行为的分析与挖掘

1.2.1 在线搜索行为分析

1.2.2 在线购物行为分析

1.2.3 在线浏览行为分析

1.2.4 在线评论意见挖掘

1.2.5 基于在线行为的推荐

1.2.6 在线标注行为分析

1.2.7 社会网络分析与挖掘

参考文献

第2章 在线搜索行为分析

2.1 搜索意图挖掘

2.1.1 问题定义

2.1.2 单视图关系图构建

2.1.3 跨视图关系构建

2.1.4 多视图随机游走模型

2.1.5 查询相似度衡量

2.1.6 多视图随机游走模型与其他模型关系

2.1.7 实验

2.1.8 相关工作

2.1.9 小结

2.2 热点事件挖掘

2.2.1 种子URL发现方法

2.2.2 基于随机游走的局部扩展的事件发现方法

2.2.3 基于马尔科夫随机场的局部扩展方法

2.2.4 事件侦测

2.2.5 案例分析

2.2.6 实验分析

2.2.7 相关工作

2.2.8 小结

参考文献

第3章 在线购物行为分析

3.1 挖掘跨网站购物模式

3.1.1 什么是跨网站购物模式

3.1.2 跨网站购物模式的无候选集挖掘方法

3.1.3 挖掘其他类型的购物模式

3.1.4 实验及案例分析

3.1.5 相关工作

3.2 交易行为模拟

3.2.1 数据的层次结构

3.2.2 人工层次数据流生成器

3.2.3 测试

3.2.4 结论

参考文献

第4章 在线浏览行为周期性分析

4.1 周期模式相关工作

4.2 基于方差的周期模式

4.3 基于方差的周期模式的类型

4.4 周期模式的发现方法

4.4.1 贪婪分割法

4.4.2 准遍历法

4.5 预测事件的发生

4.6 实验

4.6.1 在线浏览行为数据集

4.6.2 合成数据

4.7 结论

参考文献

第5章 在线评论意见挖掘

第6章 基于在线行为的推荐

第7章 在线标注行为分析

第8章 社会网络分析与挖掘

近年来，随着Web技术的发展和应用的普及，大量用户将线下行为转移到线上进行，并且通过各种社会媒体随时随地进行社会交互和情感表达。这些海量的社会行为形成的大数据，催生了社会计算这个新的跨学科的研究和应用领域。本书在大数据的时代背景和社会计算的框架下，介绍从大量用户在线行为数据中发现其中隐含的用户行为模式和兴趣偏好的方法和技术。全书主要内容分为7个部分，分别介绍用户在线搜索行为、网上购物行为、浏览行为、社会标注行为、评论行为以及社交行为等方面的数据分析技术和方法，涉及搜索意图的分析、购物模式的发现、周期行为的挖掘、标签的有效聚类、评论意见的挖掘、用户偏好的发现、个性化推荐方法、链接分析以及社会网络的分析方法等最新研究内容。本书内容新颖、丰富、易于理解，反映社会计算和商务智能的最新研究和应用趋势。本书主要面向高等院校和科研单位的研究生、博士生和相关研究领域的学者，对业界管理人员和信息技术人员也有一定的参考价值。