新書推薦：
《
中国经济发展的新阶段：机会与选择
》
售價：NT$
454.0
《
DK月季玫瑰百科
》
售價：NT$
959.0
《
为你想要的生活
》
售價：NT$
301.0
《
关键改变：如何实现自我蜕变
》
售價：NT$
352.0
《
超加工人群：为什么有些食物让人一吃就停不下来
》
售價：NT$
454.0
《
历史的教训（浓缩《文明的故事》精华，总结历史教训的独特见解）
》
售價：NT$
286.0
《
不在场证明谜案（超绝CP陷入冤案！日本文坛超新星推理作家——辻堂梦代表作首次引进！）
》
售價：NT$
265.0
《
明式家具三十年经眼录
》
售價：NT$
2387.0
|
| 內容簡介： |
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。刘红岩编著的《社会计算 --用户在线行为分析与挖掘精清华大学学术专著 》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。
|
| 目錄：
|
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
5．1 简介
5．2 在线评论中特征和意见词的抽取
5．2．1 意见词抽取
5．2．2 意见词和特征的迭代抽取
5．2．3 同义词的识别
5．2．4 实验
5．2．5 结论
5．3 在线评论情感分析
5．3．1 相关工作
5．3．2 特征意见对极性判断方法
5．3．3 实验
5．3．4 结论
5．4 在线评论意见挖掘系统
参考文献
第6章 基于在线行为的推荐
6．1 已有推荐方法简介
6．1．1 基于用户的协同过滤
6．1．2 基于产品的协同过滤
6．2 基于在线评论的推荐方法
6．2．1 餐馆模型
6．2．2 用户偏好模型
6．2．3 推荐算法
6．2．4 实验
6．2．5 结论
6．3 在线约会朋友推荐
6．3．1 问题定义
6．3．2 基本预测模型
6．3．3 算法BehvPred
6．3．4 实验
6．3．5 结论
参考文献
第7章 在线标注行为分析
7．1 简介
7．2 相关工作
7．3 基于随机游走的标签相似度度量
7．3．1 随机游走模型
7．3．2 基于随机游走理论衡量标签间的相似度
7．3．3 算法分析
7．4 基于邻居搜索的标签聚类方法
7．4．1 聚类算法TagClus
7．4．2 时间复杂度分析
7．5 实验
7．5．1 聚类结果
7．5．2 聚类有效性分析
7．5．3 TagClus 的时间复杂度
7．6 结论
参考文献
第8章 社会网络分析与挖掘
8．1 基于链接的相似度的高效计算
8．1．1 基于链接的相似度简介
8．1．2 相似度的幂律分布
8．1．3 算法
8．1．4 实验
8．1．5 结论
8．2 衡量社会网络中对象间的影响概率
8．2．1 简介
8．2．2 相关工作
8．2．3 衡量影响概率的线性模型
8．2．4 基于随机游走的算法： InfRank
8．2．5 二部图算法Bipartite InfRank
8．2．6 星型图算法Star InfRank
8．2．7 模型解释
8．2．8 实验
8．2．9 结论
参考文献
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
