图书介绍

Python社会媒体挖掘2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

（意）马尔科·邦扎尼尼著；陈小莉，陶俊杰译著
出版社：北京：人民邮电出版社
ISBN：9787115494016
出版时间：2018
标注页数：230页
文件大小：24MB
文件页数：242页
主题词：软件工具－程序设计

PDF下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢] [在线试读本书] [在线获取解压码]

点击复制MD5值：b38466952059db5173a7497af7cd3261

下载说明

Python社会媒体挖掘PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载详情点击-查看共享计划

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数要大于标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章社会媒体、社交数据和Python1

1.1 入门1

1.2 社会媒体——机遇和挑战2

1.2.1 机遇3

1.2.2 挑战4

1.2.3 社会媒体挖掘技术7

1.3 Python的数据科学工具10

1.3.1 Python开发环境的安装11

1.3.2 高效的数据分析14

1.3.3 机器学习17

1.3.4 自然语言处理21

1.3.5 社会网络分析25

1.3.6 数据可视化26

1.4 Python中的数据处理28

1.5 创建复杂的数据管道29

1.6 小结30

第2章 Twitter数据挖掘——标签、话题和时间序列31

2.1 入门31

2.2 Twitter API32

2.2.1 接口访问频率限制32

2.2.2 搜索与流33

2.3 从Twitter收集数据34

2.3.1 从时间线获取推文35

2.3.2 推文的结构38

2.3.3 使用流API42

2.4 分析推文——实体分析44

2.5 分析推文——文本分析48

2.6 分析推文——时间序列分析54

2.7 小结57

第3章 Twitter用户、粉丝和社区58

3.1 用户、好友和粉丝58

3.1.1 回到Twitter API58

3.1.2 用户资料的结构59

3.1.3 下载好友和粉丝的资料62

3.1.4 分析你的社会网络64

3.1.5 度量影响力和参与度68

3.2 挖掘粉丝72

3.3 挖掘对话77

3.4 在地图上绘制推文80

3.4.1 将推文转换为GeoJSON80

3.4.2 用Folium轻松绘制地图83

3.5 小结89

第4章 Facebook帖子、页面和用户互动90

4.1 Facebook Graph API90

4.1.1 注册你的应用90

4.1.2 鉴权和安全92

4.1.3 用Python连接Facebook Graph API93

4.2 挖掘你的帖子96

4.2.1 帖子的结构99

4.2.2 时间频率分析99

4.3 挖掘Facebook页面101

4.3.1 从页面获取帖子103

4.3.2 度量参与度107

4.3.3 用词云可视化帖子112

4.4 小结114

第5章 Google＋话题分析115

5.1 Google＋ API入门115

5.2 在Web GUI中嵌入搜索结果120

5.2.1 Python的装饰器121

5.2.2 Flask路由和模板122

5.3 Google＋页面的笔记和活动125

5.4 笔记的文本分析和TF-IDF计算127

5.5 小结134

第6章 Stack Exchange提问和回答135

6.1 提问和回答135

6.2 Stack Exchange API入门137

6.2.1 搜索带标签的问题139

6.2.2 搜索用户142

6.3 处理Stack Exchange的存档数据144

6.4 问题标签的文本分类149

6.4.1 监督学习和文本分类149

6.4.2 分类算法153

6.4.3 评估155

6.4.4 Stack Exchange数据的文本分类157

6.4.5 在实时应用中嵌入分类器161

6.5 小结165

第7章博客、RSS、维基百科和自然语言处理166

7.1 博客和自然语言处理166

7.2 从博客和网站获取数据166

7.2.1 使用WordPress.com API167

7.2.2 使用Blogger API170

7.2.3 解析RSS和Atom订阅173

7.2.4 从维基百科获取数据174

7.2.5 关于网络爬取的一点建议176

7.3 自然语言处理基础177

7.3.1 文本处理177

7.3.2 信息抽取185

7.4 小结190

第8章挖掘所有数据191

8.1 很多社交API191

8.2 挖掘YouTube上的视频191

8.3 挖掘GitHub上的开源软件196

8.4 挖掘Yelp上的本地商家203

8.5 创建自定义的Python客户端208

8.6 小结210

第9章关联数据和语义网211

9.1 数据网211

9.1.1 语义网词汇212

9.1.2 微格式215

9.1.3 关联数据和开放数据216

9.1.4 RDF217

9.1.5 JSON-LD格式218

9.1.6 Schema.org219

9.2 从DBpedia挖掘关系220

9.3 挖掘地理坐标222

9.3.1 从维基百科抽取地理数据222

9.3.2 在Google Maps上绘制地理数据225

9.4 小结229