返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 醉染图书社交媒体数据挖掘与分析9787111643685
  • 正版全新
    • 作者: (美)加博尔·萨博(Gabor Szabo) 等著 | (美)加博尔·萨博(Gabor Szabo) 等编 | (美)加博尔·萨博(Gabor Szabo) 等译 | (美)加博尔·萨博(Gabor Szabo) 等绘
    • 出版社: 机械工业出版社
    • 出版时间:2020-01-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    醉染图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    新春将至,本公司假期时间为:2025年1月23日至2025年2月7日。2月8日订单陆续发货,期间带来不便,敬请谅解!

    商品参数
    • 作者: (美)加博尔·萨博(Gabor Szabo) 等著| (美)加博尔·萨博(Gabor Szabo) 等编| (美)加博尔·萨博(Gabor Szabo) 等译| (美)加博尔·萨博(Gabor Szabo) 等绘
    • 出版社:机械工业出版社
    • 出版时间:2020-01-01
    • 版次:1
    • 印次:1
    • 页数:219
    • 开本:16开
    • ISBN:9787111643685
    • 版权提供:机械工业出版社
    • 作者:(美)加博尔·萨博(Gabor Szabo) 等
    • 著:(美)加博尔·萨博(Gabor Szabo) 等
    • 装帧:平装
    • 印次:1
    • 定价:79.00
    • ISBN:9787111643685
    • 出版社:机械工业出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2020-01-01
    • 页数:219
    • 外部编号:1202010663
    • 版次:1
    • 成品尺寸:暂无

    译者序
    前言
    致谢
    作者简介
    技术编辑简介
    章用户:谁参与社交媒体1
    1.1测量Wikipedia中用户行为的变化1
    1.1.1用户活动的多样2
    1.1.2人类活动中的长尾效应18
    1.2随处可见的长尾效应:80/20定律20
    1.3Twitter上的在线行为
    1.3.1检索用户的Tweet24
    1.3.2对数分区26
    1.3.3Twitter上的用户活动27
    1.4总结28
    第2章网络:社交媒体如何运行29
    2.1社交网络的类型和属30
    2.1.1用户何时创建连接:显式网络30
    2.1.2有向图与无向图31
    2.1.3节点和边的属31
    2.1.4加权图32
    2.1.5由活动构建图:隐式网络33
    2.2网络可视化35
    .度:赢家通吃38
    ..1连接40
    ..2用户连接的长尾分布41
    ..理想网络模型43
    2.4捕获相关:三角结构、簇和同配45
    2.4.1局部三角结构和簇45
    2.4.2同配49
    2.5总结53
    第3章时序过程:用户何时使用社交媒体54
    3.1传统模型如何描述事件发生的时间54
    3.2事件间隔时间57
    3.2.1与无记忆过程的对比60
    3.2.2自相关63
    3..与无记忆过程的偏离64
    3.2.4用户活动中的时间周期66
    3.3个体行为的爆发70
    3.4预测长期指标78
    3.4.1发现趋势80
    3.4.2发现季节2
    3.4.3利用ARIMA预测时间序列84
    3.5总结86
    第4章内容:社交媒体中有什么88
    4.1定义内容:聚焦于文本和非结构数据88
    4.1.1从文本生成特征:自然语言处理基础89
    4.1.2文本中词条的基本统计91
    4.2使用内容特征识别主题92
    4.2.1话题的流行度98
    4.2.2用户个体兴趣有多么多样化100
    4.3从高维文本中抽取低维信息102
    4.4总结120
    第5章处理大型数据集122
    5.1MapReduce:组织并行和串行操作122
    5.1.1单词124
    5.1.2偏斜:个Reducer的诅咒127
    5.2多阶段MapReduce流127
    5.2.1扇出129
    5.2.2归并数据流129
    5..连接两个数据源131
    5.2.4连接小数据集134
    5.2.5大规模MapReduce模型134
    5.3MapReduc程序设计模式135
    5.3.1静态MapReduce作业135
    5.3.2迭代MapReduce作业140
    5.3.3增量MapReduce作业146
    5.3.4时间相关的MapReduce作业146
    5.3.5处理长尾分布社交媒体数据的挑战153
    5.4抽样和近似:以较少计算得到结果154
    5.4.1HyperLogLg56
    5.4.2Bloom过滤器161
    5.4.3Count-MinSketch166
    5.5在Hadoop集群上运行171
    5.5.1在AmazonEC2上安装CHD集群171
    5.5.2为合作者提供IAM存取174
    5.5.3根据需要增加集群处理能力175
    5.6总结175
    第6章学习、映和177
    6.1在线社交媒体服务177
    6.1.1搜索引擎177
    6.1.2内容参与178
    6.1.3与现实世界的互动179
    6.1.4与人的互动180
    6.2问题阐述180
    6.3学习和映182
    6.3.1矩阵分解183
    6.3.2学习和训练184
    6.3.3电影评分示范187
    6.4预测与197
    6.4.1评估199
    6.4.2方法概述200
    6.5总结209
    第7章结论210
    7.1人类互动模式出乎意料的稳定210
    7.2均值、标准差和抽样211
    7.3移除异常值216

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购