在刚过去的十年我们见证了共享Web和社会媒体的诞生，它们用各种富有创意的方式将人们联系在一起。目前，成千上万的用户忙着在线玩、加标签、工作以及开展社交活动，合作、通信和智能正采取着前所未有的新形式。社会媒体的出现促进了商业模式的改变，影响了人们观点和情感的沟通，为大规模地研究人际交互和集体行为提供了无数机会。<br />本书从数据挖掘角度介绍社会媒体的性质，评述社会媒体计算的代表性成果，并描述社会媒体带来的挑战。书中介绍了基本概念，使用浅显易懂的例子展示最新的和有效的评价方法。特别是讨论了基于图的社区发现技术并对处理社会媒体中动态的、混杂的网络进行了重要延伸。另外还展示了发现的社区模式怎样用于社会媒体挖掘。本书中的概念、算法和方法能够帮助人们更好地利用社会媒体，并为建立社会化智能系统提供支持。本书是研究社会媒体中社区发现与挖掘技术的入门级读物，适合以数据为中心的社会媒体学科的学生、研究者和实践者阅读。<br />本书网站http://dmml.asu.edu/cdm/提供了讲课幻灯片、书中所有的图、主要的参考文献、书中使用的一些小型数据集，以及一些代表性算法的源代码。

Lei Tang（唐磊） 2010年于亚利桑那州立大学获博士学位，现为雅虎实验室研究员。他的研究方向包括：社会计算、数据挖掘和社会媒体挖掘，尤其是混杂网络的关系学习、群体进化、特征抽取和影响建模以及社会媒体中的集体行为建模与预测。他是ACM和IEEE会员。
Huan Liu（刘欢） 南加州大学获博士学位，现为亚利桑那州立大学计算机科学与工程教授。他的研究方向包括：数据/网络挖掘、机器学习、社会计算、人工智能等。他是社会计算、行为建模和预测（SBP）国际会议/专题研讨会（http://sbp.asu.edu/）的发起者，同时是AAAI、ACM、ASEE和IEEE的会员。