借助人工智能相关技术，帮助人们方便、高效地利用网络大数据信息，已成为当前IT业的研究热点之一。本书介绍社交网络等海量异构信息采集算法；对文本挖掘与自然语言处理中涉及到情感分析、微博情绪诱因分析、电商产品评价与意见挖掘等内容进行研究，并提供丰富的应用案例。

高凯，男，汉族，教授；博士毕业于上海交通大学计算机应用技术专业，省级重点学科“计算机软件与理论”中“信息检索与云计算”方向学术带头人，硕士研究生导师；中国计算机学会CCF高级会员，CCF计算机应用专委会常务委员，河北省京津冀大数据产业协会专委，河北省科技专家库成员，石家庄市工业企业特派员；国外学术期刊International Journal of Computer Applications in Technology副主编，5th /6th /7th /8th International Conference on Modelling, Identification and Control程序委员会委员；主要研究方向为海量异构信息处理、大数据搜索与挖掘、自然语言处理、网络信息检索、社会计算等；近几年出版了《大数据搜索与挖掘》、《信息检索与智能处理》、《网络信息检索技术及搜索引擎系统开发》等学术专著，以及《大数据搜索与日志挖掘及可视化方案》、《Android 程序设计基础教程》、《计算机专业英语》、《数据库原理与应用》多部编著和规划教材。

随着互联网的快速发展以及微博等社交媒体的普及应用，个人获取、发布和管理的信息量呈爆炸式增长。尽管分享图片和视频在社交网络中已很普遍，但人们可能更倾向于使用文字发表对某一事件或某件商品的看法和评价，这些主观性的文本可以是用户对某个产品或服务的评论，也可以是公众对某个热点事件的观点。由于立场不同，人们对生活中某类事件所持的态度可能会有差异（即使是针对类似事件）。这些海量短文本中可能蕴含着人们对某些事件的情感、情绪、立场、观点、看法等主观态度。如何从文本挖掘角度（可能要借助部分基于规则的方法）并借助机器学习、深度学习与自然语言处理等技术帮助人们分析、挖掘和利用这些富含情感信息的文本信息，已成为当前IT业的研究热点之一。 情感计算关注的科学问题是将对情感的研究从感性认知上升为可计算模型。有效理解和分析社交网络开放域文本中蕴含的情绪和立场倾向性，完成情感判断、情绪诱因分析、情绪分类、用户立场倾向性分析等是必要的。认知心理学研究表明，情感是与个体社会性需要相联系的主观体验，具有个性化、稳定性等特点；情绪是以个体愿望和需要为中介的心理活动，具有情境性、暂时性等特点，它反映了人们的心理状态，是人们对客观事物是否满足其需要而产生的主观体验，它易受外部环境、认知过程等因素影响；相比传统的情感分析方法，立场分析致力于自动识别在线用户所发表评论对一个特定话题支持与否的态度。通过情感计算，了解大规模人群情感及其倾向性的特点，可使之成为决策中的重要参考依据。例如，在商业决策领域，通过对海量用户评论的观点挖掘，能够获取可靠的用户反馈信息，了解产品的优缺点，这样也有助于深刻理解用户的真实需求，实现精准营...