由美国艾格华所著，陈哲、郭世泽和郑康锋共同翻译的《社会网络数据分析》一书是一本有关社会网络数据分析的译著，系统并全面地给出了社会网络数据分析领域的研究成果。全书共分十六章，内容包含了一组有关在线社会网络数据分析的研究报告，主要内容是对在线社会网络研究的不同方面进行全面综述，因此本书内容也开创了系统梳理在线社会网络研究成果的先河。

由美国艾格华所著，陈哲、郭世泽和郑康锋共同翻译的《社会网络数据分析》一书系统地介绍了在线社会网络数据分析的基本原理和应用技术。全书主要包含两个部分，共16章。第一部分为第1章至第11章，主要介绍在线社会网络结构分析，包括在线社会网络的统计分析方法、社团发现、顶点分类、演化分析、隐私保护数据分析、连接预测以及可视化等。第二部分为第12章至第16章，主要介绍在线社会网络中基于内容的挖掘：1．针对一般数据的通用数据挖掘方法；2．在线社会网络中的文本挖掘方法；3在线社会网络中的多媒体数据挖掘方法；4．在线社会网络中的传感器与数据流挖掘方法。

本书的特点：内容系统全面，概念清晰准确，讲解详细透彻，示例丰富具体。作者在书中举出的例子，绝大部分给出了资源下载的链接。每一章的最后，作者还给出了经典的参考文献，指导性和参考性俱佳。

1 社会网络数据分析概述

 1.1 引言

 1.2 在线社会网络：研究方向

 1.3 社会网络的研究内容

 1.4 总结与展望

2 社会网络的统计特性

 2.1 预备知识

 2.2 静态属性

 2.3 动态属性

 2.4 结论

3 社会网络中的随机游走及其应用：研究综述

 3.1 引言

 3.2 图上随机游走：背景

3.2.1 基于随机游走的相似性测度

3.2.2 其他基于图的相似性测度

3.2.3 半监督学习的图论方法

3.2.4 用基于随机游走的方法聚类

 3.3 相关研究：算法

3.3.1 命中时间和往返时间的算法

3.3.2 计算个性化PageRank和Simrank的算法

3.3.3 计算调和函数的算法

 3.4 相关研究：应用

3.4.1 在机器视觉中的应用

3.4.2 文本分析

3.4.3 协同过滤

3.4.4 处理Web垃圾

 3.5 相关研究：评估和数据集

3.5.1 评估：连接预测

3.5.2 公开数据源

 3.6 结论及未来研究工作

4 社会网络中的社团发现：应用、方法与趋势

 4.1 引言

 4.2 特定上下文环境中的社团

 4.3 核心方法

4.3.1 质量函数

4.3.2 Kernighan-Lin（KL）算法

4.3.3 合并／分解算法

4.3.4 谱算法

4.3.5 多层图划分

4.3.6 马尔科夫聚类

4.3.7 其他方法

 4.4 新出现的领域和问题

4.4.1 动态网络中的社团发现

4.4.2 异构网络中的社团发现

4.4.3 有向网络中的社团发现

4.4.4 在社团发现中结合内容信息和关系信息

 4.5 交叉性问题及结论

5 社会网络中的顶点分类

 5.1 引言

 5.2 问题描述

5.2.1 将数据表示为图

5.2.2 顶点分类问题

 5.3 使用局部分类器的方法

 5.3.1 迭代分类方法

 5.4 基于随机游走的方法

5.4.1 标识传播

5.4.2 图正则化

5.4.3 吸附

5.5 大规模社会网络中的顶点分类

5.5.1 基本方法

5.5.2 二阶方法

5.5.3 Map-Reduce中的实现

 5.6 相关方法

5.6.1 使用图模型推理

5.6.2 参数标注

5.6.3 谱划分

5.6.4 图聚类

 5.7 顶点分类的相关问题

……

6 社会网络中的演化：研究综述

7 社会影响力分析模型和算法综述

8 社会网络中的专家发现算法与系统综述

9 社会网络中的连接预测综述

10 社会网络中的隐私问题综述

11 社会网络的可观化

12 社交媒体数据挖掘

13 社会网络文本挖掘

14 传感器与社会网络的融合

15 社交媒体中的多媒体信息网络

16 社会标注和应用综述