●前言
部分社交网站导引
序幕
章挖掘Twitter：探索热门话题、发现人们的谈论内容等
1.1概述
1.2Twitter风靡一时的原因
1.3探索TwitterAPI
1.3.1基本的Twitter术语
1.3.2创建一个TwitterAPI连接
1.3.3探索热门话题
1.3.4搜索推文
1.4分析140字（或更多）的推文
1.4.1提取推文实体
1.4.2使用频率分析技术分析推文和推文实体
1.4.3计算推文的词汇丰富性
1.4.4检视转推模式
1.4.5使用直方图将频率数据可视化
1.5本章小结
1.6推荐练习
1.7在线资源
第2章挖掘Facebook：分析粉丝页面、查看好友关系等
2.1概述
2.2探索Facebook的图谱API
2.2.1理解图谱API
2.2.2理解开放图协议
2.3分析社交图谱联系
2.3.1分析Facebook页面
2.3.2使用pandas操作数据
2.4本章小结
2.5推荐练习
2.6在线资源
第3章挖掘Instagram：计算机视觉、神经网络、对象识别和人脸检测
3.1概述
3.2探索InstagramAPI
3.2.1建立InstagramAPI请求
3.2.2获取你自己的Instagram订阅源
3.2.3通过主题标签检索媒体
3.3Instagram帖子的剖析
3.4人工神经网络速成
3.4.1训练神经网络“看”图片
3.4.2手写数字识别
3.4.3使用预训练的神经网络在照片中识别物体
3.5神经网络在Instagram帖子中的应用
3.5.1标记图像内容
3.5.2在图像中检测人脸
3.6本章小结
3.7推荐练习
3.8在线资源
第4章挖掘LinkedIn：分组职位、聚类同行等
4.1概述
4.2探索LinkedInAPI
4.2.1发起LinkedInAPI请求
4.2.2下载LinkedIn的联系人并保存为CSV文件
4.3数据聚类速成
4.3.1对数据进行规范化处理以便进行分析
4.3.2测量相似度
4.3.3聚类算法
4.4本章小结
4.5推荐练习
4.6在线资源
第5章挖掘文本文件：计算文档相似度、提取搭配等
5.1概述
5.2文本文件
5.3TF-IDF简介
5.3.1词频
5.3.2逆文档频率
5.3.3TF-IDF
5.4用TF-IDF查询人类语言数据
5.4.1自然语言工具包概述
5.4.2对人类语言使用TF-IDF
5.4.3查找相似文档
5.4.4分析人类语言中的二元文法
5.4.5分析人类语言数据的反思
5.5本章小结
5.6推荐练习
5.7在线资源
第6章挖掘网页：使用自然语言处理理解人类语言、总结博客内容等
6.1概述
6.2抓取、解析和爬取网页
6.3通过解码语法来探索语义
6.3.1一步步讲解自然语言处理
6.3.2人类语言数据中的句子检测
6.3.3文档摘要
以实体为中心的分析：范式转换
6.5人类语言数据处理分析的质量
6.6本章小结
6.7推荐练习
6.8在线资源
第7章挖掘邮箱：分析谁和谁说什么以及说的频率等
7.1概述
7.2获取和处理邮件语料库
7.2.1Unix邮箱指南
7.2.2获得Enron数据
7.2.3将邮件语料转换为Unix邮箱
7.2.4将Unix邮箱转换为pandasDataFrame
7.3分析Enron语料库
7.3.1根据日期/时间范围查询
7.3.2发件人/收件人通信的分析模式
7.3.3根据关键词查找邮件
7.4分析你自己的邮件数据
7.4.1通过OAuth访问你的Gmail
7.4.2获取和解析邮件
7.4.3Immersion对电子邮件的可视化模式
7.5本章小结
7.6推荐练习
7.7在线资源
第8章挖掘GitHub：检查软件协同习惯、构建兴趣图谱等
8.1概述
8.2探索GitHub的API
8.2.1建立GitHubAPI连接
8.2.2建立GitHubAPI请求
8.3使用属性图为数据建模
8.4分析GitHub兴趣图谱
8.4.1初始化一个兴趣图谱
8.4.2计算图的中心度度量
8.4.3为用户添加“关注”边来扩展兴趣图谱
8.4.4以节点为中心获得更高效的查询
8.4.5兴趣图谱的可视化
8.5本章小结
8.6推荐练习
8.7在线资源
第二部分Twitter数据挖掘与分析实用指南
第9章Twitter数据挖掘与分析
9.1访问Twitter的API（开发目的）
9.2使用OAuth访问Twitter的API（产品目的）
9.3探索流行话题
9.4查找推文
9.5构造方便的函数调用
9.6使用文本文件存储JSON数据
9.7使用MongoDB存储和访问JSON数据
9.8使用信息流API对Twitter数据管道抽样
9.9采集时序数据
……