《社会计算:用户线上行为分析与挖掘》内容新颖、丰富、易于理解，反映社会计算和商务智慧型的最新研究和套用趋势。《社会计算:用户线上行为分析与挖掘》主要面向高等院校和科研单位的研究生、博士生和相关研究领域的学者，对业界管理人员和信息技术人员也有一定的参考价值。

第1章 绪论
1.1 大数据分析与社会计算
1.2 用户线上行为的分析与挖掘
1.2.1 线上搜寻行为分析
1.2.2 线上购物行为分析
1.2.3 线上浏览行为分析
1.2.4 线上评论意见挖掘
1.2.5 基于线上行为的推荐
1.2.6 线上标注行为分析
1.2.7 社会网路分析与挖掘
参考文献
第2章 线上搜寻行为分析
2.1 搜寻意图挖掘
2.1.1 问题定义
2.1.2 单视图关係图构建
2.1.3 跨视图关係构建
2.1.4 多视图随机游走模型
2.1.5 查询相似度衡量
2.1.6 多视图随机游走模型与其他模型关係
2.1.7 实验
2.1.8 相关工作
2.1.9 小结
2.2 热点事件挖掘
2.2.1 种子URL发现方法
2.2.2 基于随机游走的局部扩展的事件发现方法
2.2.3 基于马尔科夫随机场的局部扩展方法
2.2.4 事件侦测
2.2.5 案例分析
2.2.6 实验分析
2.2.7 相关工作
2.2.8 小结
参考文献
第3章 线上购物行为分析
3.1 挖掘跨网站购物模式
3.1.1 什幺是跨网站购物模式
3.1.2 跨网站购物模式的无候选集挖掘方法
3.1.3 挖掘其他类型的购物模式
3.1.4 实验及案例分析
3.1.5 相关工作
3.2 交易行为模拟
3.2.1 数据的层次结构
3.2.2 人工层次数据流生成器
3.2.3 测试
3.2.4 结论
参考文献
第4章 线上浏览行为周期性分析
4.1 周期模式相关工作
4.2 基于方差的周期模式
4.3 基于方差的周期模式的类型
4.4 周期模式的发现方法
4.4.1 贪婪分割法
4.4.2 準遍曆法
4.5 预测事件的发生
4.6 实验
4.6.1 线上浏览行为数据集
4.6.2 合成数据
4.7 结论
参考文献
第5章 线上评论意见挖掘
5.1 简介
5.2 线上评论中特徵和意见词的抽取
5.2.1 意见词抽取
5.2.2 意见词和特徵的叠代抽取
5.2.3 同义词的识别
5.2.4 实验
5.2.5 结论
5.3 线上评论情感分析
5.3.1 相关工作
5.3.2 特徵意见对极性判断方法
5.3.3 实验
5.3.4 结论
5.4 线上评论意见挖掘系统
参考文献
第6章 基于线上行为的推荐
6.1 已有推荐方法简介
6.1.1 基于用户的协同过滤
6.1.2 基于产品的协同过滤
6.2 基于线上评论的推荐方法
6.2.1 餐馆模型
6.2.2 用户偏好模型
6.2.3 推荐算法
6.2.4 实验
6.2.5 结论
6.3 线上约会朋友推荐
6.3.1 问题定义
6.3.2 基本预测模型
6.3.3 算法BehvPred
6.3.4 实验
6.3.5 结论
参考文献
第7章 线上标注行为分析
7.1 简介
7.2 相关工作
7.3 基于随机游走的标籤相似度度量
7.3.1 随机游走模型
7.3.2 基于随机游走理论衡量标籤间的相似度
7.3.3 算法分析
7.4 基于邻居搜寻的标籤聚类方法
7.4.1 聚类算法TagClus
7.4.2 时间複杂度分析
7.5 实验
7.5.1 聚类结果
7.5.2 聚类有效性分析
7.5.3 TagClus ；的时间複杂度
7.6 结论
参考文献
第8章 社会网路分析与挖掘
8.1 基于连结的相似度的高效计算
8.1.1 基于连结的相似度简介
8.1.2 相似度的幂律分布
8.1.3 算法
8.1.4 实验
8.1.5 结论
8.2 衡量社会网路中对象间的影响机率
8.2.1 简介
8.2.2 相关工作
8.2.3 衡量影响机率的线性模型
8.2.4 基于随机游走的算法： InfRank
8.2.5 二部图算法Bipartite InfRank
8.2.6 星型图算法Star InfRank
8.2.7 模型解释
8.2.8 实验
8.2.9 结论
参考文献