具体描述
「文字探勘」与「社群媒体大数据」一拍即合
网路爬虫、机器演算、议题追踪、品牌分析
快速上手玩转社群
从茫茫网路文章中 点字成金
网路爬虫、机器演算、议题追踪、品牌分析
快速上手玩转社群
从茫茫网路文章中 点字成金
解读风向、顺势而为！
洞察关键、赢得先机！
◎全图解：从工具安装、程式架构与社群资讯解读，借由图型呈现快速理解。
◎快速上手：全书採开放原始码工具，程式码分享，轻松复制执行，快速打造属于自己的探勘工具。
◎多范例：列举不同议题的社群分析案例，教导读者写出有价值观点的深入报告。完整解析有效利用社群大数据的技术，拯救千万小编于水火之中！
◎免费实作：本书最大特色为随书附赠30天免费使用eyeSocial社群舆情观测平台，可实际演练，了解如何将社群媒体大数据，从数据蒐集到商业应用一次搞定。
本书适合
‧听过网路舆情分析或社群聆听新名词，对实际用途一知半解的你
‧得无时无刻关心网路爆点，或者监测负面消息的你
‧对文字大数据与资料分析科学有浓厚兴趣的你
‧尝试运用机器学习从大量文本中找出潜在规则的你
‧有专业领域感知力却缺乏社群数据支持研究的你
著者信息
作者简介
谢邦昌
现职
台北医学大学管理学院院长
台北医学大学大数据研究中心主任
台北医学大学生物科技高阶管理硕士在职专班教授
台北市政府市政顾问
学历
国立台湾大学农艺所生物统计组博士
主要经历
辅仁大学统计资讯学系暨研究所教授
辅仁大学进修成长学院院长
辅仁大学总务长
辅仁大学创新育成中心主任
辅仁大学管理学院商学研究所博士班所长
台北医学大学医务管理学系暨研究所教授
台北医学大学大数据研究中心主任
台北医学大学管理学院副院长
谢邦彦
学历
北京市首都经济贸易大学统计博士
现任
美商IEG创新学院深圳总经理
中华资料採矿协会秘书长
中华粹智(TRIZ)创新学会理事
目前为ETtoday东森新闻云及中国时报专栏作家，发表过应用大数据结合各产业的文章，如:市调业的革新，驱动未来的产品研发，社群经营的战略等。
经历
曾任英华达股份有限公司、鸿海精密工业股份有限公司、昇阳光电科技股份有限公司等公司品质主管及六标准差大黑带。
曾辅导两岸各领域企业，创造上亿元的财务绩效。客户领域包括：电子及资讯产品相关产业、太阳光电相关产业、面板产业、化工产业及汽车产业等。服务业领域包含量贩店及连锁酒店、通路商、FMCG等。专业领域为产品创新及技术创新、大数据在各产业的应用。。
郑宇庭
学历
美国明尼苏达大学统计学博士
现职
国立政治大学统计学系副教授
专长
抽样方法、多变量分析、资料採矿、商业智慧、大数据商业化策略
任教科目
商业智慧、巨量资料分析、多变辆分析、统计谘询、抽样方法
经历
司法院资料採矿研讨会委员
中华资料採矿协会常务理事
中华市场研究协会副理事长
政治大学选举研究中心兼任委员
政治大学资料採矿中心主任
政治大学商学院民意与市场调查中心主任
政治大学商学院大数据实验室执行长
硬是爱数据
本公司专注于数据应用的解决方案，团队组成涵盖资料工程、数据演算、前后端架设等领域，致力于处理庞大数据及转化复杂逻辑、打造易读、好上手的一站式数据视觉平台，让您轻松使用是我们的成就。公司网址：insighteye.com.tw
谢邦昌
现职
台北医学大学管理学院院长
台北医学大学大数据研究中心主任
台北医学大学生物科技高阶管理硕士在职专班教授
台北市政府市政顾问
学历
国立台湾大学农艺所生物统计组博士
主要经历
辅仁大学统计资讯学系暨研究所教授
辅仁大学进修成长学院院长
辅仁大学总务长
辅仁大学创新育成中心主任
辅仁大学管理学院商学研究所博士班所长
台北医学大学医务管理学系暨研究所教授
台北医学大学大数据研究中心主任
台北医学大学管理学院副院长
谢邦彦
学历
北京市首都经济贸易大学统计博士
现任
美商IEG创新学院深圳总经理
中华资料採矿协会秘书长
中华粹智(TRIZ)创新学会理事
目前为ETtoday东森新闻云及中国时报专栏作家，发表过应用大数据结合各产业的文章，如:市调业的革新，驱动未来的产品研发，社群经营的战略等。
经历
曾任英华达股份有限公司、鸿海精密工业股份有限公司、昇阳光电科技股份有限公司等公司品质主管及六标准差大黑带。
曾辅导两岸各领域企业，创造上亿元的财务绩效。客户领域包括：电子及资讯产品相关产业、太阳光电相关产业、面板产业、化工产业及汽车产业等。服务业领域包含量贩店及连锁酒店、通路商、FMCG等。专业领域为产品创新及技术创新、大数据在各产业的应用。。
郑宇庭
学历
美国明尼苏达大学统计学博士
现职
国立政治大学统计学系副教授
专长
抽样方法、多变量分析、资料採矿、商业智慧、大数据商业化策略
任教科目
商业智慧、巨量资料分析、多变辆分析、统计谘询、抽样方法
经历
司法院资料採矿研讨会委员
中华资料採矿协会常务理事
中华市场研究协会副理事长
政治大学选举研究中心兼任委员
政治大学资料採矿中心主任
政治大学商学院民意与市场调查中心主任
政治大学商学院大数据实验室执行长
硬是爱数据
本公司专注于数据应用的解决方案，团队组成涵盖资料工程、数据演算、前后端架设等领域，致力于处理庞大数据及转化复杂逻辑、打造易读、好上手的一站式数据视觉平台，让您轻松使用是我们的成就。公司网址：insighteye.com.tw
图书目录
第1章 绪论
1.1 社群媒体大数据
1.2 文字探勘与社群媒体大数据一拍即合
第2章 文本分析概念
2.1 文本资料取得
2.2 文本分析程序
第3章 网路文本资料爬虫
3.1 Python简介
3.2 整合开发环境
3.3 Python网路爬虫9
第4章 文字资料预处理
4.1 编码处理
4.2 建立词库
4.3 断词处理
4.4 分析语料库
4.5 正则表达式
第5章 文字探勘分析
5.1 词频统计
5.2 文本—字词矩阵（DTM）
5.3 关键字萃取
5.4 关联分析
5.5 文本集群分析
5.6 主成分分析
5.7 word2vec 词项聚类
第6章 社群舆情大数据
6.1 什么是社群舆情
6.2 聆听社群舆情重要吗
6.3 社群聆听有什么帮助
第7章 社群聆听平台介绍
7.1 关于eyeSocial
7.2 eyeSocial可以做什么
7.3 eyeSocial进入操作
7.4 议题追踪操作说明
7.5 品牌分析操作说明
第8章 社群分析应用案例
8.1 公共议题探讨：「前瞻计画」事件簿
8.2 社会公共案例：流浪狗议题
8.3 舆情剖析案例分享
1.1 社群媒体大数据
1.2 文字探勘与社群媒体大数据一拍即合
第2章 文本分析概念
2.1 文本资料取得
2.2 文本分析程序
第3章 网路文本资料爬虫
3.1 Python简介
3.2 整合开发环境
3.3 Python网路爬虫9
第4章 文字资料预处理
4.1 编码处理
4.2 建立词库
4.3 断词处理
4.4 分析语料库
4.5 正则表达式
第5章 文字探勘分析
5.1 词频统计
5.2 文本—字词矩阵（DTM）
5.3 关键字萃取
5.4 关联分析
5.5 文本集群分析
5.6 主成分分析
5.7 word2vec 词项聚类
第6章 社群舆情大数据
6.1 什么是社群舆情
6.2 聆听社群舆情重要吗
6.3 社群聆听有什么帮助
第7章 社群聆听平台介绍
7.1 关于eyeSocial
7.2 eyeSocial可以做什么
7.3 eyeSocial进入操作
7.4 议题追踪操作说明
7.5 品牌分析操作说明
第8章 社群分析应用案例
8.1 公共议题探讨：「前瞻计画」事件簿
8.2 社会公共案例：流浪狗议题
8.3 舆情剖析案例分享
图书序言
1.1 社群媒体大数据
大数据在今天已经无处不在，数据成为大量、高速度和高价值的资产，需要有效益的形式来处理数据，提升资料洞察力和决策力。感测器、网路文章、电子邮件、网路点击、供应链讯息，数据正淹没到每一个业务中，拥有最具效率流程来分流洪水般数据的企业，才有机会爆发性成长。数据不仅仅是大型企业的问题，中小型企业也越来越多透过数位管道与客户互动，同样拥有网站、数据库等复杂资料内容。
许多学者对「大数据」的定义有「数据集的大小超出了传统数据库储存，管理和分析的能力」、「必须使用机器学习演算」等等都有着不同的诠释，但可以确定的是「数据」不断在进化，而4V以大量性（volume）、多样性（variety）、高速性（velocity）、价值性（value）等面向，成为描述大数据的共同框架。在资料多样性中，普遍易于使用的结构化数据仅占15～20%，这意味着80% 的数据都是非结构化，如果企业仅分析其数据的20%，那么可以期待分析非结构化数据，有巨大的商业价值等着被挖掘。
网路时代的社群兴起，加上行动上网便利性，几乎上网查资料、阅读别人的心得评论、聊天互动已经是生活的日常习惯，现在想买个3C商品、看电影、选餐厅都离不开先到社群中逛逛看别人的分享经验，我们在社群中的对话都成为非结构化资料的主要来源，而且数据相当惊人：
•Google 每月要处理超过1万亿次搜寻。
•Twitter 每天有超过5亿个推文。
•Facebook 每月活跃使用者直逼20亿用户的状态更新。
包含脸书、论坛、部落格、电子邮件和产品评论网站等非结构化内容，不仅数量庞大、来源众多，而且格式复杂，无时无刻都有网路住民在生产数据，这些蕴含各种宝贵声音的资料，都可以称为社群媒体大数据。对于这些内容，我们通常想知道得更多，例如：从客户服务交易的语音记录中反应哪些资讯？网路新闻或推文该如何解读？产品评论、开箱文中可以得到消费者的观感？或者拨出视频时引起的讨论话题？
大数据在今天已经无处不在，数据成为大量、高速度和高价值的资产，需要有效益的形式来处理数据，提升资料洞察力和决策力。感测器、网路文章、电子邮件、网路点击、供应链讯息，数据正淹没到每一个业务中，拥有最具效率流程来分流洪水般数据的企业，才有机会爆发性成长。数据不仅仅是大型企业的问题，中小型企业也越来越多透过数位管道与客户互动，同样拥有网站、数据库等复杂资料内容。
许多学者对「大数据」的定义有「数据集的大小超出了传统数据库储存，管理和分析的能力」、「必须使用机器学习演算」等等都有着不同的诠释，但可以确定的是「数据」不断在进化，而4V以大量性（volume）、多样性（variety）、高速性（velocity）、价值性（value）等面向，成为描述大数据的共同框架。在资料多样性中，普遍易于使用的结构化数据仅占15～20%，这意味着80% 的数据都是非结构化，如果企业仅分析其数据的20%，那么可以期待分析非结构化数据，有巨大的商业价值等着被挖掘。
网路时代的社群兴起，加上行动上网便利性，几乎上网查资料、阅读别人的心得评论、聊天互动已经是生活的日常习惯，现在想买个3C商品、看电影、选餐厅都离不开先到社群中逛逛看别人的分享经验，我们在社群中的对话都成为非结构化资料的主要来源，而且数据相当惊人：
•Google 每月要处理超过1万亿次搜寻。
•Twitter 每天有超过5亿个推文。
•Facebook 每月活跃使用者直逼20亿用户的状态更新。
包含脸书、论坛、部落格、电子邮件和产品评论网站等非结构化内容，不仅数量庞大、来源众多，而且格式复杂，无时无刻都有网路住民在生产数据，这些蕴含各种宝贵声音的资料，都可以称为社群媒体大数据。对于这些内容，我们通常想知道得更多，例如：从客户服务交易的语音记录中反应哪些资讯？网路新闻或推文该如何解读？产品评论、开箱文中可以得到消费者的观感？或者拨出视频时引起的讨论话题？
图书试读
None
用户评价
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 ttbooks.qciss.net All Rights Reserved. 小特书站 版权所有