Python社會(huì)媒體挖掘

第 1章　社會(huì)媒體、社交數(shù)據(jù)和Python　　1
1．1　入門　1
1．2　社會(huì)媒體——機(jī)遇和挑戰(zhàn)　2
1．2．1　機(jī)遇　3
1．2．2　挑戰(zhàn)　4
1．2．3　社會(huì)媒體挖掘技術(shù)　7
1．3　Python的數(shù)據(jù)科學(xué)工具　10
1．3．1　Python開發(fā)環(huán)境的安裝　11
1．3．2　高效的數(shù)據(jù)分析　14
1．3．3　機(jī)器學(xué)習(xí)　17
1．3．4　自然語(yǔ)言處理　21
1．3．5　社會(huì)網(wǎng)絡(luò)分析　25
1．3．6　數(shù)據(jù)可視化　26
1．4　Python中的數(shù)據(jù)處理　28
1．5　創(chuàng)建復(fù)雜的數(shù)據(jù)管道　29
1．6　小結(jié)　30
第　2章 Twitter數(shù)據(jù)挖掘——標(biāo)簽、話題和時(shí)間序列　31
2．1　入門　31
2．2　Twitter API　32
2．2．1　接口訪問(wèn)頻率限制　32
2．2．2　搜索與流　33
2．3　從Twitter收集數(shù)據(jù)　34
2．3．1　從時(shí)間線獲取推文　35
2．3．2　推文的結(jié)構(gòu)　38
2．3．3　使用流API　42
2．4　分析推文——實(shí)體分析　44
2．5　分析推文——文本分析　48
2．6　分析推文——時(shí)間序列分析　54
2．7　小結(jié)　57
第3章　Twitter用戶、粉絲和社區(qū)　58
3．1　用戶、好友和粉絲　58
3．1．1　回到Twitter API　58
3．1．2　用戶資料的結(jié)構(gòu)　59
3．1．3　下載好友和粉絲的資料　62
3．1．4　分析你的社會(huì)網(wǎng)絡(luò)　64
3．1．5　度量影響力和參與度　68
3．2　挖掘粉絲　72
3．3　挖掘?qū)υ挕?7
3．4　在地圖上繪制推文　80
3．4．1　將推文轉(zhuǎn)換為GeoJSON　80
3．4．2　用Folium輕松繪制地圖　83
3．5　小結(jié)　89
第4章　Facebook帖子、頁(yè)面和用戶互動(dòng)　90
4．1　Facebook Graph API　90
4．1．1　注冊(cè)你的應(yīng)用　90
4．1．2　鑒權(quán)和安全　92
4．1．3　用Python連接Facebook Graph API　93
4．2　挖掘你的帖子　96
4．2．1　帖子的結(jié)構(gòu)　99
4．2．2　時(shí)間頻率分析　99
4．3　挖掘Facebook頁(yè)面　101
4．3．1　從頁(yè)面獲取帖子　103
4．3．2　度量參與度　107
4．3．3　用詞云可視化帖子　112
4．4　小結(jié)　114
第5章　Google+話題分析　115
5．1　Google+ API入門　115
5．2　在Web GUI中嵌入搜索結(jié)果　120
5．2．1　Python的裝飾器　121
5．2．2　Flask路由和模板　122
5．3　Google+頁(yè)面的筆記和活動(dòng)　125
5．4　筆記的文本分析和TF-IDF計(jì)算　127
5．5　小結(jié)　134
第6章　Stack Exchange提問(wèn)和回答　135
6．1　提問(wèn)和回答　135
6．2　Stack Exchange API入門　137
6．2．1　搜索帶標(biāo)簽的問(wèn)題　139
6．2．2　搜索用戶　142
6．3　處理Stack Exchange的存檔數(shù)據(jù)　144
6．4　問(wèn)題標(biāo)簽的文本分類　149
6．4．1　監(jiān)督學(xué)習(xí)和文本分類　149
6．4．2　分類算法　153
6．4．3　評(píng)估　155
6．4．4　Stack Exchange數(shù)據(jù)的文本分類　157
6．4．5　在實(shí)時(shí)應(yīng)用中嵌入分類器　161
6．5　小結(jié)　165
第7章　博客、RSS、維基百科和自然語(yǔ)言處理　166
7．1　博客和自然語(yǔ)言處理　166
7．2　從博客和網(wǎng)站獲取數(shù)據(jù)　166
7．2．1　使用WordPress．com API　167
7．2．2　使用Blogger API　170
7．2．3　解析RSS和Atom訂閱　173
7．2．4　從維基百科獲取數(shù)據(jù)　174
7．2．5　關(guān)于網(wǎng)絡(luò)爬取的一點(diǎn)建議　176
7．3　自然語(yǔ)言處理基礎(chǔ)　177
7．3．1　文本處理　177
7．3．2　信息抽取　185
7．4　小結(jié)　190
第8章　挖掘所有數(shù)據(jù)　191
8．1　很多社交API　191
8．2　挖掘YouTube上的視頻　191
8．3　挖掘GitHub上的開源軟件　196
8．4　挖掘Yelp上的本地商家　203
8．5　創(chuàng)建自定義的Python客戶端　208
8．6　小結(jié)　210
第9章　關(guān)聯(lián)數(shù)據(jù)和語(yǔ)義網(wǎng)　211
9．1　數(shù)據(jù)網(wǎng)　211
9．1．1　語(yǔ)義網(wǎng)詞匯　212
9．1．2　微格式　215
9．1．3　關(guān)聯(lián)數(shù)據(jù)和開放數(shù)據(jù)　216
9．1．4　RDF　217
9．1．5　JSON-LD格式　218
9．1．6　Schema．org　219
9．2　從DBpedia挖掘關(guān)系　220
9．3　挖掘地理坐標(biāo)　222
9．3．1　從維基百科抽取地理數(shù)據(jù)　222
9．3．2　在Google Maps上繪制地理數(shù)據(jù)　225
9．4　小結(jié)　229