第1章 文本挖掘概述
1.1 時代背景
1.2 文本挖掘與數(shù)據(jù)挖掘
第2章 文本預處理
2.1 自然語言處理
2.2 分詞技術
2.3 文本表示
第3章 文本分類
3.1 預測建模
3.2 決策樹分類
3.3 貝葉斯分類
3.4 支持向量機分類
3.5 實踐案例垃圾短信識別
第4章 文本聚類和話題檢測
4.1 概述
4.2 基于相似度的文本聚類
4.3 基于模型的文本聚類
4.4 實踐案例用LDA實現(xiàn)話題檢測
第5章 情感分析和觀點挖掘
5.1 概述
5.2 問題定義
5.3 文檔級情感分析
5.4 句子級情感分析
5.5 方面級情感分析
5.6 存在的問題和挑戰(zhàn)
5.7 實踐案例發(fā)債企業(yè)負面新聞識別系統(tǒng)
第6章 社交網(wǎng)絡及其統(tǒng)計特性
6.1 社交網(wǎng)絡簡介
6.2 相關基本概念
6.3 常見統(tǒng)計特性
6.4 實踐案例微博用戶關系分析
第7章 社區(qū)發(fā)現(xiàn)
7.1 概述
7.2 社區(qū)發(fā)現(xiàn)方法
7.3 社區(qū)發(fā)現(xiàn)相關的研究領域
7.4 實踐案例用邊聚類探測算法發(fā)現(xiàn)社區(qū)
第8章 個體社會影響力分析
8.1 概述
8.2 個體社會影響力及影響強度度量
8.3 實踐案例用PageRank算法計算個體社會影響力
第9章 鏈路預測
9.1 簡介
9.2 基于相似度的鏈路預測算法
9.3 基于等級結構模型的鏈路預測算法
9.4 實踐案例鏈路預測
第10章 網(wǎng)絡信息擴散
10.1 熱點主題的發(fā)現(xiàn)方法
10.2 信息擴散過程的建模與分析
10.3 實踐案例信息擴散計算過程
第11章 數(shù)據(jù)流中的數(shù)據(jù)挖掘
11.1 簡介
11.2 數(shù)據(jù)流中的變化探測
11.3 實時更新數(shù)據(jù)流中的直方圖
11.4 數(shù)據(jù)流中的聚類
11.5 數(shù)據(jù)流的分類
11.6 數(shù)據(jù)流方法的評估
第12章 多媒體數(shù)據(jù)分析
12.1 概述
12.2 基礎知識
12.3 特征提取
12.4 多媒體內容檢索
12.5 多媒體內容識別
12.6 國際評測
12.7 問題與挑戰(zhàn)