本书在对在线社交网络挖掘进行概述的基础上，对其中包含的用户分类、社区发现以及社会化推荐等三个典型问题进行了深入研究，分别提出了一种基于随机游走模型的用户分类方法、集成链接和属性信息的社区发现方法、融合社交网络信息的协同过滤推荐方法以及基于Hadoop的社会化推荐系统。本书对每一种方法的研究背景、关键理论以及实验分析等内容进行了详细介绍，并总结归纳了相关工作的研究价值。

贺超波，博士，副教授，硕士生导师，中国计算机学会不错会员，广东省计算机学会协同计算专业委员会委员，主要从事数据库、数据挖掘、社会计算与教育信息化等方面的教学与科研工作。
汤庸，博士，教授，博士生导师，中国计算机学会协同计算专业委员会副主任，广东省计算机学会常务副理事长，主要从事数据库、社会网络计算与大数据应用等方面的教学与科研工作。

第1章绪论
1.1研究背景和研究意义
1.2学者网OSN
1.3主要研究内容
1.4本书的组织结构
参考文献
第2章在线社交网络挖掘概述
2.1主要研究问题
2.1.1用户分类
2.1.2社区发现
2.1.3观点挖掘与情感分析
2.1.4信息传播
2.1.5社会化推荐
2.1.6可视化分析
2.2存在的问题和挑战
2.3本章小结
参考文献
第3章基于随机游走模型的用户分类方法
3.1引言
3.2相关工作
3.1.1随机游走模型
……