新書推薦：
《
编织大花园.7，趣味十足的时尚编织
》
售價：HK$
82.8
《
游戏三部曲：游戏改变未来+游戏改变世界+游戏改变人生（套装共3册）
》
售價：HK$
347.6
《
修昔底德与政治秩序
》
售價：HK$
82.8
《
大学问·魏晋清谈史
》
售價：HK$
117.6
《
区域经济与产业发展研究
》
售價：HK$
81.6
《
正念心理学：全面开启自我觉察与接纳的疗愈之旅
》
售價：HK$
83.8
《
车用锂离子动力电池碰撞安全
》
售價：HK$
189.6
《
桥头楼上
》
售價：HK$
63.4
|
| 編輯推薦： |
本书指导你挖掘隐藏在Twitter、Facebook、LinkedIn、Instagram和GitHub等流行社交网站上的丰富数据。通过这本畅销指南，数据科学家、分析师和程序员将学习如何在Jupyter Notebook或者Docker容器中使用Python代码分析社交媒体中的真知灼见——哪些人正在通过社交媒体进行联系？他们正在谈论什么？他们目前身在何处？
在本书的第壹部分，每一章都聚焦社交网站生态的某个具体方面，囊括了各大主流社交网站，也包括了网页、博客和订阅源、邮箱、GitHub以及新增加的Instagram的内容。第二部分提供了实用指南，其中包括超过20个供挖掘Twitter数据之用的简短代码解决方案。
|
| 內容簡介： |
|
在本书的di一部分，每一章都聚焦社交网站生态的某个具体方面，囊括了各大主流社交网站，也包括了网页、博客和订阅、邮箱、GitHub以及新增加的Instagram的内容。第二部分提供了实用指南，其中包含超过20个供挖掘Twitter数据之用的简短代码。
|
| 目錄：
|
|
前言1第一部分 社交网站导引序幕15第1章 挖掘Twitter：探索热门话题、发现人们的谈论内容等171.1 概述171.2 Twitter风靡一时的原因181.3 探索Twitter API201.3.1 基本的Twitter术语201.3.2 创建一个Twitter API连接221.3.3 探索热门话题261.3.4 搜索推文301.4 分析140字（或更多）的推文351.4.1 提取推文实体371.4.2 使用频率分析技术分析推文和推文实体381.4.3 计算推文的词汇丰富性411.4.4 检视转推模式421.4.5 使用直方图将频率数据可视化451.5 本章小结491.6 推荐练习491.7 在线资源50第2章 挖掘Facebook：分析粉丝页面、查看好友关系等522.1 概述532.2 探索Facebook的图谱API532.2.1 理解图谱API552.2.2 理解开放图协议592.3 分析社交图谱联系652.3.1 分析Facebook页面682.3.2 使用pandas操作数据782.4 本章小结852.5 推荐练习862.6 在线资源86第3章 挖掘Instagram：计算机视觉、神经网络、对象识别和人脸检测883.1 概述893.2 探索Instagram API893.2.1 建立Instagram API请求903.2.2 获取你自己的Instagram订阅源923.2.3 通过主题标签检索媒体943.3 Instagram帖子的剖析943.4 人工神经网络速成973.4.1 训练神经网络“看”图片983.4.2 手写数字识别993.4.3 使用预训练的神经网络在照片中识别物体1043.5 神经网络在Instagram帖子中的应用1073.5.1 标记图像内容1073.5.2 在图像中检测人脸1083.6 本章小结1103.7 推荐练习1113.8 在线资源112第4章 挖掘LinkedIn：分组职位、聚类同行等1144.1 概述1154.2 探索LinkedIn API1154.2.1 发起LinkedIn API请求1154.2.2 下载LinkedIn的联系人并保存为CSV文件1194.3 数据聚类速成1204.3.1 对数据进行规范化处理以便进行分析1224.3.2 测量相似度1324.3.3 聚类算法1344.4 本章小结1464.5 推荐练习1474.6 在线资源148第5章 挖掘文本文件：计算文档相似度、提取搭配等1495.1 概述1505.2 文本文件1505.3 TF-IDF简介1525.3.1 词频1525.3.2 逆文档频率1545.3.3 TF-IDF1555.4 用TF-IDF查询人类语言数据1585.4.1 自然语言工具包概述1585.4.2 对人类语言使用TF-IDF1615.4.3 查找相似文档1635.4.4 分析人类语言中的二元文法1695.4.5 分析人类语言数据的反思1775.5 本章小结1785.6 推荐练习1795.7 在线资源179第6章 挖掘网页：使用自然语言处理理解人类语言、总结博客内容等1816.1 概述1826.2 抓取、解析和爬取网页1826.3 通过解码语法来探索语义1886.3.1 一步步讲解自然语言处理1906.3.2 人类语言数据中的句子检测1936.3.3 文档摘要1976.4 以实体为中心的分析：范式转换2046.5 人类语言数据处理分析的质量2136.6 本章小结2156.7 推荐练习2156.8 在线资源216第7章 挖掘邮箱：分析谁和谁说什么以及说的频率等2187.1 概述2197.2 获取和处理邮件语料库2197.2.1 Unix邮箱指南2197.2.2 获得Enron数据2247.2.3 将邮件语料转换为Unix邮箱2267.2.4 将Unix邮箱转换为pandas DataFrame2277.3 分析Enron语料库2307.3.1 根据日期时间范围查询2307.3.2 发件人收件人通信的分析模式2347.3.3 根据关键词查找邮件2377.4 分析你自己的邮件数据2387.4.1 通过OAuth访问你的Gmail2407.4.2 获取和解析邮件2427.4.3 Immersion对电子邮件的可视化模式2447.5 本章小结2457.6 推荐练习2457.7 在线资源246第8章 挖掘GitHub：检查软件协同习惯、构建兴趣图谱等2478.1 概述2488.2 探索GitHub的API2488.2.1 建立GitHub API连接2498.2.2 建立GitHub API请求2538.3 使用属性图为数据建模2548.4 分析GitHub兴趣图谱2578.4.1 初始化一个兴趣图谱2588.4.2 计算图的中心度度量2618.4.3 为用户添加“关注”边来扩展兴趣图谱2638.4.4 以节点为中心获得更高效的查询2738.4.5 兴趣图谱的可视化2788.5 本章小结2798.6 推荐练习2808.7 在线资源281第二部分 Twitter数据挖掘与分析实用指南第9章 Twitter数据挖掘与分析2859.1 访问Twitter的API（开发目的）2869.2 使用OAuth访问Twitter的API（产品目的）2889.3 探索流行话题2909.4 查找推文2919.5 构造方便的函数调用2939.6 使用文本文件存储JSON数据2949.7 使用MongoDB存储和访问JSON数据2959.8 使用信息流API对Twitter数据管道抽样2989.9 采集时序数据2999.10 提取推文实体3009.11 在特定的推文范围内查找最流行的推文3029.12 在特定的推文范围内查找最流行的推文实体3039.13 对频率分析制表3049.14 查找转推了状态的用户3059.15 提取转推的属性3079.16 创建健壮的Twitter请求3089.17 获取用户档案信息3109.18 从任意的文本中提取推文实体3129.19 获得用户的所有好友和关注者3129.20 分析用户的好友和关注者3149.21 获取用户的推文3169.22 爬取好友关系图3189.23 分析推文内容3199.24 提取链接目标摘要3209.25 分析用户收藏的推文3239.26 本章小结3259.27 推荐练习3259.28 在线资源326第三部分 附录附录A 关于本书虚拟机体验的信息329附录B OAuth入门330附录C Python和Jupyter Notebook的使用技巧334
|
| 內容試閱：
|
|
与其说网络是一项技术创新，不如说它是一项社交创举。我设计它意在延伸社交性，帮助大家一起工作，而不是为了制造一种高科技玩具。网络的终极目标是支持并改进现实世界的网络化生存。现实世界中，我们会组成家庭、组织协会、组建公司。现实世界中，我们会跨越空间的樊篱建立信任；我们亦会近在咫尺却心生芥蒂。——Tim Berners-Lee（万维网之父），《编织万维网》（原书由哈珀·柯林斯出版集团出版）Matthew A. Russell的说明自本书第2版出版以来，整个世界发生了很多变化。我经历和学习了许多新事物，技术也以惊人的速度不断发展，社交网络本身已经成熟到一定程度，以至于政府现在正在制定有关如何收集、共享和使用数据的法律政策。我非常确定当下是本书更新的最佳时刻。但我深知撰写本书新版以更新并扩展内容所需的工作量是巨大的，自己的日程安排可能无法满足。我知道是时候找一位合著者，满足对挖掘社交网站数据充满好奇的下一拨企业家、技术人员和骇客的需要。我花了一年多的时间终于找到合适的合著者，他既对这一主题有着共同的热情，又拥有更新本书所需的技能和决心。我都不知该如何表达对合著者Mikhail Klassen本人和他对本书无与伦比的贡献的感谢了。他做了大量的工作。在后面的章节中，你将看到他在让代码与时俱进，让其运行时环境变得易于访问等方面所做的贡献，他还贡献了全新的一章内容。除此之外，他编辑和润色了整个书稿，吸引企业家、技术人员和骇客掀起了一股了解社交网站数据挖掘的热潮。读者必读本书经过精心设计，为特定的目标受众提供一段难以忘怀的学习体验。那些影响心情的电子邮件、糟糕的书评或者其他误导，可能让你对本书的范围和目的产生不必要的误解。为了避免这些混乱，该前言的余下内容试图帮助你了解该书的目标受众。作为一位非常繁忙的职场人士，我们认为时间是最宝贵的财富。尽管我们经常遭遇失败，但是当我们走出这种困境时，我们真的尽力向我们的同行致敬。这个前言是我们试图向你（读者）致敬，我们的致敬方式是清楚地阐释该书能否满足你的期望。管理你的期望首先，本书假设你希望学习如何挖掘来自流行社交网络资源中的数据，避免在运行示例代码时遇到技术问题，并且在该过程中获得很多乐趣。尽管你阅读本书仅仅可能是为了了解社交网站数据挖掘可能做什么事情，但你应该知道本书的写作风格。本书的组织结构让你可以跟随本书尝试许多练习，并且一旦完成了一些安装开发环境的简单步骤就能进入数据挖掘者的行列。如果你以前编写过程序，你应该会发现运行这些示例代码是相对轻松的。如果你以前从未编程过但认为自己的技术领悟能力还可以，那么我敢说本书可作为你一次难忘旅程的出发点，它将以你从未想象到的方式扩展你的思想。为了充分享受本书以及它所提供的内容，你需要对挖掘流行社交网站（如Twitter、Facebook、LinkedIn和Instagram等）存储的各种数据很感兴趣。你需要主动安装Docker，利用它运行本书的虚拟机体验并且在Jupyter Notebook上实践本书的示例代码。Jupyter Notebook是一个奇妙的基于网络的工具，每一章的示例代码都基于它。执行这些代码通常和在键盘上按一些键一样容易，因为所有的代码都是以友好的用户接口呈现的。本书将会教你一些你乐于学习的事物，并且向你的工具箱中加入一些独立的工具，但是可能更加重要的是，它将会为你讲述一个故事并且在途中给你带来快乐。这是一个与社交网站相关的数据科学的故事，它向你展示这些网站中堆积的数据以及一些你能够使用这些数据做到的事。如果你要从头到尾阅读本书，你会注意到这个故事是按照章节顺序展开的。尽管每一章会大体遵循一个容易理解的模式介绍一种社交网站，教你如何使用它的API获取数据，并且介绍一些分析数据的技术，但是该书讲述的更完整故事的复杂度是逐渐增加的。本书的前几章将花一些时间介绍基本概念，然而后面的章会在前几章的基础上系统地介绍一系列挖掘社交网站的工具和技术，你可以将其应用到生活的其他方面。一些社交网站最近几年已经从流行转变到主流再转变到家喻户晓，改变着我们在线上和线下的生活方式，它能够让技术给我们呈现出最好的（有时是最坏的）一面。总的来说，本书的每一章都将社交网站与数据挖掘、分析和可视化技术的内容组织在一起来探索数据，并且回答以下典型的问题：谁与谁相识，哪些人是他们社交网络中共有的。特定人群之间交流的频率有多高。哪一个社交网络关系为特定的领域产生了最大的价值。在网络世界里，地理位置是如何影响你的社会关系的。谁是某个社交网络里最有影响力的人（最流行的人）。人们在谈论些什么（这些没有价值）。基于人们在数字世界使用的人类语言，人们感兴趣的是什么。这些基本问题的答案经常会产生一些有价值的见解并且为企业家、社会科学家以及其他急于理解一个问题空间并且寻找解决方案的实践者展现（有时是盈利的）机会。从零开始构建一个一站式杀手级应用程序（killer app）来回答这些问题，探索远远超出经典可视化库的用法，以及构建任何最先进的东西等活动不在本书的范围之内。如果你购买本书是为了做这些事情，那么你真的会非常失望。然而，本书提供了回答这些问题的基本构造单元并且能够为你构建杀手级应用程序或进行学术研究提供助力。自己浏览几章看看，本书涵盖了大量的必备知识。需要特别注意的一件事是API不断变化。社交媒体存在的时间并不是很久，即使是当今看来最成熟的平台也仍在适应人们的使用方式，并面临着对安全和隐私的新威胁。因此，我们的代码与其平台的接口（API）也可能会发生变化，这意味着本书提供的代码示例将来可能无法正常工作。我们尝试创建对一般用途和应用程序开发人员有用的现实示例，因此其中一些示例将需要提交应用程序以供审核和批准。虽然我们会尽力对这类内容予以标注，但API的服务条款可能随时更改。不过，只要你的应用遵守服务条款，它就有可能获得批准，因此值得你付出努力。以Python为中心的技术本书中的所有示例代码利用了Python语言的优势。Python直观的语法、迷人的包生态系统，可以最小化API访问和数据操作的复杂性。实际上是JSON（http：bit.ly1a1kFaF）的核心数据结构使它成为一个出色的教学工具，它不仅强大而且非常容易启动和运行。如果这还不足以让Python既成为一个伟大的教学选择又成为挖掘社交网络的选择，那么可以借助Jupyter Notebook（http：bit.ly2LOhGvt）这个强大、交互式的代码解释器，它在你的Web浏览器中提供了一个类似笔记（notebook）的用户体验并且将代码执行、代码输出、文本、数学排版、绘图以及更多的功能结合起来。我们很难想到用户体验更好的学习环境，因为它将提供示例代码的麻烦最小化了，你作为读者就可以跟着它一起执行代码而不会遇到任何麻烦。图P-1提供了一个Jupyter Notebook体验的图示，它显示了书中每一章Notebook的仪表盘展示。图P-2显示了其中一个Notebook的视图。图P-1：Jupyter Notebook概览，其中为Notebook的仪表盘展示图P-2：“Chapter 1 - Mining Twitter”Notebook书中的每一章都对应一个附带示例代码的Jupyter Notebook。这使得学习代码、修改bug、按照自己的目的进行自定义成为一种乐趣。如果你编写过一些程序但是却从来没有看到过Python语法，提前浏览几页一定是你需要的。可以在线获得优秀的文档，如果你正在寻找一个权威的Python编程语言的介绍，那么官方的Python教程（http：bit.ly1a1kDj8）是很好的起点。本书第3版的Python源代码彻底升级为使用Python 3.6编写。Jupyter Notebook无疑是很好用的，但是如果你刚开始接触Python编程，那么仅仅建议你跟随网上的说明配置你的开发环境可能会适得其反（甚至可能是无理的）。为了使你尽可能愉快地体验本书，本书提供了一站式虚拟机体验，它包含Jupyter Notebook并预装了你跟随本书示例所需的其他所有依赖。你需要做的就是遵循一些简单的步骤，大约花费15分钟就可以运行源代码了。如果你有编程背景，你可以配置自己的开发环境，但是我们希望能说服你：虚拟机体验是更好的出发点。更多关于本书虚拟机体验的详细信息见附录A。附录C同样值得你注意：它提供了一些Jupyter Notebook的提示以及本书源代码中使用的常见Python编程惯用法。无论你是一位Python新手还是高手，本书最新修复bug的源代码以及附带的用于构建虚拟机的脚本可在GitHub（http：bit.lyMining-the-Social-Web-3E）上获得。GitHub是一个社交Git（http：bit.ly16mhOep）仓库，它始终反映最新可用的示例代码。我们希望社交编程将会增强那些想要一起工作的志同道合者之间的合作，便于他们扩充示例和不断修改感兴趣的问题。希望你会派生（fork）、扩充（extend）并且改进（improve）这些源代码，甚至可能会在这个过程中认识和熟悉一些新朋友。官方GitHub库http：bit.lyMining-the-Social-Web-3E包含本书最新最大程度修复bug的源代码。第3版的具体改进如前所述，第3版由我和Mikhail Klassen合著。技术日新月异，社交媒体平台也随之而变。很显然，本书的更新将会反映正在发生的所有变化。第一个最明显的变化是将代码从Python 2.7升级到Python 3.0以后的新版本。尽管仍然有Python 2.7的老用户，但迁移到Python 3具有很多优点。优点之一便是更好地支持Unicode编码。在处理社交媒体数据（通常包括表情符号和其他语种的文本）时，对Unicode编码的良好支持至关重要。在对用户隐私日益关注的气氛中，社交媒体平台正在更改其API来更好地保护用户信息，通常通过限制第三方应用程序（甚至包括经过审查和批准的应用程序）对其平台数据的访问程度来进行。由于数据访问限制发生了更改，因此本书较早版本中的某些代码示例将无法运行。在这些情况下，我们在它们的约束范围内创建了新示例，但仍然揭示了一些有趣的现象。还有些时候，社交媒体平台更改API的方式彻底导致本书中的代码示例失效，但仍然可以用另外的方式访问到相同的数据。我们通过花时间阅读每个平台的开发者文档，使用新的API重新编写了第2版的代码示例。第3版所做的最大更改可能是增加了有关“挖掘Instagram”的一章（第3章）。Instagram是一个非常受欢迎的平台，我们认为不能错过它。这也使我们有机会展示一些对图像数据进行数据挖掘的有效技术，特别是深度学习算法的应用。该主题很容易变得极端专业化，但是我们以一种易于理解的方式介绍了基础知识，然后应用功能强大的计算机视觉API完成了繁重的工作。最终结果是，只需编写几行Python代码，你就拥有了一个可以查看发布到Instagram上的照片，并告诉你其中内容的系统。另一个重大变化来自第5章。这一章经过大篇幅改写，从原本只是挖掘Google+重组为挖掘一般文本文件。该章的基础理论保持未变，但内容上可以更明确地泛化为任何返回人类语言数据的API响应。我们还做出了其他一些技术决策，有些读者不一定能够理解。在有关挖掘邮箱的那一章（第7章），第2版采用了MongoDB。MongoDB是一种数据库类型，用于存储和查询电子邮件数据。这种类型的系统很有用，但是除非你在Docker容器中运行本书的代码，否则，安装数据库系统会消耗一些额外的精力。另外，我们在第2章中期望介绍更多关于如何使用pandas库的示例。该库已迅速成为数据科学家工具箱中最重要的工具之一，因为它使表格数据的操作变得如此容易，所以我们决定把它放在一本以数据挖掘为主题的书中。不过，我们同时保留了第9章中有关MongoDB的示例，并且如果你使用Docker容器，那么这对你来说只是小菜一碟。最后，我们删除了原来的第9章（挖掘语义网）。这一章最初是作为2010年第1版的一部分起草的，考虑到社交网络的总体发展方向，其总体作用在将近十年之后看起来存疑。我们始终欢迎建设性的反馈意见，我们很乐意以书评、发给@SocialWebMining（http：bit.ly1a1kHzq）的推文或发表在本书Facebook涂鸦墙（http：on.fb.me1a1kHPQ）的评论等方式看到你们的反馈。本书的官方网站和博客http：MiningTheSocialWeb.com会长期扩展本书内容。数据挖掘的伦理问题在撰写本书的时候，《通用数据保护条例》（General Data Protection Regulation，GDPR）的规定刚刚在欧盟完全生效。该条例规定了公司必须如何保护欧盟公民和居民的隐私，从而使用户对其数据有更多的控制权。由于世界各地的公司都在欧洲开展业务，因此几乎所有公司都被迫更改其使用条款和隐私政策，否则将面临处罚。GDPR为隐私设置了新的全球基准，即使世界各地的公司不一定都在欧洲开展业务，也有望对它们产生积极影响。本书第3版的出版正值人们更加关注数据的伦理问题和用户隐私问题。在世界各地，数据代理公司正在收集、整理和转售互联网用户的数据：他们的消费者行为、偏好、政治倾向、邮政编码、收入、年龄等。有时，在某些辖区内，此活动是完全合法的。只要有足够的此类数据，就可以通过高度针对性的营销语、界面设计或误导性信息来利用人的心理影响具体行为。本书是关于如何从社交媒体和网站中挖掘数据并从中获得乐趣的。作为作者，我们充分意识到了这一讽刺性。我们还知道，合法的东西未必是符合道德的。数据挖掘本身就是使用特定技术进行实践的集合，这些技术本身在道德上是中立的。数据挖掘可以呈现很多有用的使用方式。Mikhail Klassen经常提到的一个例子是联合国全球脉动（UN Global Pulse）的工作，这是联合国利用大数据造福全世界的一项举措。例如，通过使用社交媒体数据，可以衡量人们对发展计划（如疫苗接种项目）或一个国家的政治进程的情绪。通过分析Twitter数据，可能可以更快地应对诸如流行病或自然灾害之类的新兴危机。这类例子不一定从人道主义出发。数据挖掘正以激动人心的方式用于开发个性化的学习技术，一些初创公司在努力把它商业化于教育和培训行业。在其他领域，数据挖掘用于预测疾病的大流行、发现新药物或确定哪些基因可能与特定疾病有关，或者何时对发动机进行预防性维护。通过负责任地使用数据并尊重用户隐私，我们按照符合伦理的方式使用数据挖掘是可能的，同时仍可获利并开创惊人的事业。目前，少数的科技公司拥有有关人们日常生活的海量数据。它们承受着越来越大的社会压力和政府监管，要求其负责任地使用此数据。值得称赞的是，许多公司正在更新其策略及API。通过阅读本书，你将更好地了解第三方开发者（例如你自己）可以从这些平台获取什么样的数据，并且你将学习许多用于将数据转化为知识的工具。我们也希望你对技术会被怎样滥用有更多的了解。作为一个知情的公民，你应该拥护政府制定合理的法律来保护每个人的隐私。本书约定本书使用了大量的超链接，这使得它非常适合以PDF等电子格式进行阅读，可以直接从O’Reilly购买电子书。从O’Reilly购买电子书也会确保你在新版本可用时获得自动更新。我们使用bit.ly服务将链接缩短了，这有利于阅读纸质书的读者。所有的超链接都被仔细检查过。本书使用了下列排版约定：楷体表示新术语。斜体（Italic）表示URL、Email地址、文件名和文件扩展名。等宽字体（Constant width）表示程序列表、程序元素，例如变量或函数名、数据库、数据
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
