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