譯者序
前言
致謝
作者簡介
技術編輯簡介
第1章　用戶：誰參與社交媒體 1
1.1　測量Wikipedia中用戶行為的變化 1
1.1.1　用戶活動的多樣性 2
1.1.2　人類活動中的長尾效應 18
1.2　隨處可見的長尾效應：80/20定律 20
1.3　Twitter上的在線行為 23
1.3.1　檢索用戶的Tweet 24
1.3.2　對數(shù)分區(qū) 26
1.3.3　Twitter上的用戶活動 27
1.4　總結 28
第2章　網(wǎng)絡：社交媒體如何運行 29
2.1　社交網(wǎng)絡的類型和屬性 30
2.1.1　用戶何時創(chuàng)建連接：顯式網(wǎng)絡 30
2.1.2　有向圖與無向圖 31
2.1.3　節(jié)點和邊的屬性 31
2.1.4　加權圖 32
2.1.5　由活動構建圖：隱式網(wǎng)絡 33
2.2　網(wǎng)絡可視化 35
2.3　度：贏家通吃 38
2.3.1　連接計數(shù) 40
2.3.2　用戶連接的長尾分布 41
2.3.3　超越理想網(wǎng)絡模型 43
2.4　捕獲相關：三角結構、簇和同配性 45
2.4.1　局部三角結構和簇 45
2.4.2　同配性 49
2.5　總結 53
第3章　時序過程：用戶何時使用社交媒體 54
3.1　傳統(tǒng)模型如何描述事件發(fā)生的時間 54
3.2　事件間隔時間 57
3.2.1　與無記憶過程的對比 60
3.2.2　自相關 63
3.2.3　與無記憶過程的偏離 64
3.2.4　用戶活動中的時間周期 66
3.3　個體行為的爆發(fā) 70
3.4　預測長期指標 78
3.4.1　發(fā)現(xiàn)趨勢 80
3.4.2　發(fā)現(xiàn)季節(jié)性 82
3.4.3　利用ARIMA預測時間序列 84
3.5　總結 86
第4章　內容：社交媒體中有什么 88
4.1　定義內容：聚焦于文本和非結構數(shù)據(jù) 88
4.1.1　從文本生成特征：自然語言處理基礎 89
4.1.2　文本中詞條的基本統(tǒng)計 91
4.2　使用內容特征識別主題 92
4.2.1　話題的流行度 98
4.2.2　用戶個體興趣有多么多樣化 100
4.3　從高維文本中抽取低維信息 102
4.4　總結 120
第5章　處理大型數(shù)據(jù)集 122
5.1　MapReduce：組織并行和串行操作 122
5.1.1　單詞計數(shù) 124
5.1.2　偏斜：最后一個Reducer的詛咒 127
5.2　多階段MapReduce流 127
5.2.1　扇出 129
5.2.2　歸并數(shù)據(jù)流 129
5.2.3　連接兩個數(shù)據(jù)源 131
5.2.4　連接小數(shù)據(jù)集 134
5.2.5　大規(guī)模MapReduce模型 134
5.3　MapReduc程序設計模式 135
5.3.1　靜態(tài)MapReduce作業(yè) 135
5.3.2　迭代MapReduce作業(yè) 140
5.3.3　增量MapReduce作業(yè) 146
5.3.4　時間相關的MapReduce作業(yè) 146
5.3.5　處理長尾分布社交媒體數(shù)據(jù)的挑戰(zhàn) 153
5.4　抽樣和近似：以較少計算得到結果 154
5.4.1　HyperLogLog 156
5.4.2　Bloom過濾器 161
5.4.3　Count-Min Sketch 166
5.5　在Hadoop集群上運行 171
5.5.1　在Amazon EC2上安裝CHD集群 171
5.5.2　為合作者提供IAM存取 174
5.5.3　根據(jù)需要增加集群處理能力 175
5.6　總結 175
第6章　學習、映射和推薦 177
6.1　在線社交媒體服務 177
6.1.1　搜索引擎 177
6.1.2　內容參與 178
6.1.3　與現(xiàn)實世界的互動 179
6.1.4　與人的互動 180
6.2　問題闡述 180
6.3　學習和映射 182
6.3.1　矩陣分解 183
6.3.2　學習和訓練 184
6.3.3　電影評分示范 187
6.4　預測與推薦 197
6.4.1　評估 199
6.4.2　方法概述 200
6.5　總結 209
第7章　結論 210
7.1　人類互動模式出乎意料的穩(wěn)定性 210
7.2　均值、標準差和抽樣 211
7.3　移除異常值 216