前言1
第1章绪论：Twitter 数据的处理9
Python 开发工具的安装9
Twitter 数据的收集和处理11
小结24
第2章微格式：语义标记和常识碰撞26
XFN 和朋友27
使用XFN 来探讨社交关系29
地理坐标：兴趣爱好的共同主线37
（以健康的名义）对菜谱进行交叉分析41
对餐厅评论的搜集43
小结45
第3章邮箱：虽然老套却很好用47
mbox：Unix 的入门级邮箱48
mbox+CouchDB= 随意的Email 分析54
将对话线程化到一起70
使用SIMILE Timeline 将邮件“事件”可视化79
分析你自己的邮件数据82
小结84
第4章Twitter ：朋友、关注者和Setwise 操作85
REST 风格的和OAuth-Cladded API86
干练而中肯的数据采集器90
友谊图的构建108
小结116
第5章Twitter：tweet ，所有的tweet ，只有tweet 118
笔PK 剑：和tweet PK 机枪（?!?）118
对tweet 的分析（每次一个实体）121
并置潜在的社交网站（或#JustinBieber VS #TeaParty）144
对大量tweet 的可视化155
小结163
第6章LinkedIn ：为了乐趣（和利润？）将职业网络聚类164
聚类的动机165
按职位将联系人聚类167
获取补充个人信息183
从地理上聚类网络188
小结192
第7章Google Buzz：TF-IDF 、余弦相似性和搭配194
Buzz=Twitter+ 博客（???）195
使用NLTK 处理数据198
文本挖掘的基本原则201
查找相似文档208
在二元语法中发Buzz 215
利用Gmail 221
在中断之前试着创建一个搜索引擎……225
小结226
第8章博客及其他：自然语言处理（等）228
NLP ：帕累托式介绍228
使用NLTK 的典型NLP 管线231
使用NLTK 检测博客中的句子234
对文件的总结237
以实体为中心的分析：对数据的深层了解245
小结256
第9章Facebook ：一体化的奇迹257
利用社交网络数据258
对Facebook 数据的可视化274
小结294
第10 章语义网：简短的讨论296
发展中的变革296
人不可能只靠事实生活297
期望301