電子醫(yī)療健康（E-healthcare）領(lǐng)域因其關(guān)系民眾身心健康且囊括很多相關(guān)主題內(nèi)容，成為最近需求強(qiáng)烈和應(yīng)用較為廣泛的前沿領(lǐng)域。針對(duì)社交媒體平臺(tái)上醫(yī)療健康領(lǐng)域的多文本和復(fù)雜網(wǎng)絡(luò)特性，精準(zhǔn)醫(yī)療用戶數(shù)據(jù)挖掘和社會(huì)網(wǎng)絡(luò)分析等內(nèi)容是重要的研究課題。本書首先在第一章中介紹了電子醫(yī)療健康時(shí)代下面臨的科學(xué)問題和推薦系統(tǒng)研究現(xiàn)狀。然后，在第二章中介紹了社交媒體平臺(tái)上的文本數(shù)據(jù)和網(wǎng)絡(luò)數(shù)據(jù)收集方法；第三章介紹了數(shù)據(jù)挖掘的知識(shí)，包括5個(gè)典型分類算法（k-近鄰、決策樹、支持向量機(jī)、隨機(jī)森林、梯度提升決策樹）和3個(gè)典型的聚類算法（k-means、層次聚類、孤立森林），通過Weka軟件和python語言的使用，講解如何實(shí)現(xiàn)這些數(shù)據(jù)挖掘方法。接著，在第四章中以微博平臺(tái)上的電子醫(yī)療健康主題為例，闡述了基于文本特征集合構(gòu)建和特征選擇的情感分類，并提出了一種情感相似度計(jì)算方法。第五章是社會(huì)網(wǎng)絡(luò)分析在社交媒體平臺(tái)的應(yīng)用，展示了如何使用隨機(jī)指數(shù)圖模型進(jìn)行網(wǎng)絡(luò)連接預(yù)測。最后，在第六、七章中對(duì)社會(huì)化影響力衡量與社會(huì)化推薦系統(tǒng)的研究工作。并利用糖尿病微博數(shù)據(jù)進(jìn)行社會(huì)化推薦的實(shí)證分析，驗(yàn)證本方法的有效性、優(yōu)越性及可推廣性。