大數(shù)據(jù) 互聯(lián)網(wǎng)大規(guī)模數(shù)據(jù)挖掘與分布式處理（第2版）簡(jiǎn)介，目錄書(shū)摘
2020-04-26 10:26
來(lái)源：京東
作者：京東
大數(shù)據(jù) 互聯(lián)網(wǎng)大規(guī)模數(shù)據(jù)挖掘與分布式處理（第2版）
暫無(wú)報(bào)價(jià)
700+評(píng)論
98%好評(píng)
內(nèi)容簡(jiǎn)介: 本書(shū)由斯坦福大學(xué)“Web挖掘”課程的內(nèi)容總結(jié)而成，主要關(guān)注極大規(guī)模數(shù)據(jù)的挖掘。主要內(nèi)容包括分布式文件系統(tǒng)、相似性搜索、搜索引擎技術(shù)、頻繁項(xiàng)集挖掘、聚類(lèi)算法、廣告管理及推薦系統(tǒng)。其中相關(guān)章節(jié)有對(duì)應(yīng)的習(xí)題，以鞏固所講解的內(nèi)容。讀者更可以從網(wǎng)上獲取相關(guān)拓展材料。
作者簡(jiǎn)介:本書(shū)由斯坦福大學(xué)“Web挖掘”課程的內(nèi)容總結(jié)而成，主要關(guān)注極大規(guī)模數(shù)據(jù)的挖掘。主要內(nèi)容包括分布式文件系統(tǒng)、相似性搜索、搜索引擎技術(shù)、頻繁項(xiàng)集挖掘、聚類(lèi)算法、廣告管理及推薦系統(tǒng)。其中相關(guān)章節(jié)有對(duì)應(yīng)的習(xí)題，以鞏固所講解的內(nèi)容。讀者更可以從網(wǎng)上獲取相關(guān)拓展材料。
目錄:第1 章 數(shù)據(jù)挖掘基本概念 1
1．1 數(shù)據(jù)挖掘的定義 1
1．1．1 統(tǒng)計(jì)建模 1
1．1．2 機(jī)器學(xué)習(xí) 1
1．1．3 建模的計(jì)算方法 2
1．1．4 數(shù)據(jù)匯總 2
1．1．5 特征抽取 3
1．2 數(shù)據(jù)挖掘的統(tǒng)計(jì)限制 4
1．2．1 整體情報(bào)預(yù)警 4
1．2．2 邦弗朗尼原理 4
1．2．3 邦弗朗尼原理的一個(gè)例子 5
1．2．4 習(xí)題 6
1．3 相關(guān)知識(shí) 6
1．3．1 詞語(yǔ)在文檔中的重要性 6
1．3．2 哈希函數(shù) 7
1．3．3 索引 8
1．3．4 二級(jí)存儲(chǔ)器 9
1．3．5 自然對(duì)數(shù)的底e 10
1．3．6 冪定律 11
1．3．7 習(xí)題 12
1．4 本書(shū)概要 13
1．5 小結(jié) 14
1．6 參考文獻(xiàn) 15
第2 章 MapReduce及新軟件棧 16
2．1 分布式文件系統(tǒng) 17
2．1．1 計(jì)算節(jié)點(diǎn)的物理結(jié)構(gòu) 17
2．1．2 大規(guī)模文件系統(tǒng)的結(jié)構(gòu) 18
2．2 MapReduce 19
2．2．1 Map 任務(wù) 20
2．2．2 按鍵分組 20
2．2．3 Reduce 任務(wù) 21
2．2．4 組合器 21
2．2．5 MapReduce 的執(zhí)行細(xì)節(jié) 22
2．2．6 節(jié)點(diǎn)失效的處理 23
2．2．7 習(xí)題 23
2．3 使用MapReduce 的算法 23
2．3．1 基于MapReduce 的矩陣—向量
乘法實(shí)現(xiàn) 24
2．3．2 向量v 法放入內(nèi)存時(shí)的處理 24
2．3．3 關(guān)系代數(shù)運(yùn)算 25
2．3．4 基于MapReduce 的選擇運(yùn)算 27
2．3．5 基于MapReduce 的投影運(yùn)算 27
2．3．6 基于MapReduce 的并、交和差運(yùn)算 28
2．3．7 基于MapReduce 的自然連接運(yùn)算 28
2．3．8 基于MapReduce 的分組和聚合運(yùn)算 29
2．3．9 矩陣乘法 29
2．3．10 基于單步MapReduce 的矩陣乘法 30
2．3．11 習(xí)題 31
2．4 MapReduce 的擴(kuò)展 31
2．4．1 工作流系統(tǒng) 32
2．4．2 MapReduce 的遞歸擴(kuò)展版本 33
2．4．3 Pregel 系統(tǒng) 35
2．4．4 習(xí)題 35
2．5 通信開(kāi)銷(xiāo)模型 36
2．5．1 任務(wù)網(wǎng)絡(luò)的通信開(kāi)銷(xiāo) 36
2．5．2 時(shí)鐘時(shí)間 37
2．5．3 多路連接 38
2．5．4 習(xí)題 41
2．6 MapReduce 復(fù)雜性理論 41
2．6．1 Reducer 規(guī)模及復(fù)制率 41
2．6．2 一個(gè)例子：相似性連接 42
2．6．3 MapReduce 問(wèn)題的一個(gè)圖模型 44
2．6．4 映射模式 45
2．6．5 并非所有輸入都存在時(shí)的處理 46
2．6．6 復(fù)制率的下界 46
2．6．7 案例分析：矩陣乘法 48
2．6．8 習(xí)題 51
2．7 小結(jié) 51
2．8 參考文獻(xiàn) 53
第3 章 相似項(xiàng)發(fā)現(xiàn) 55
3．1 近鄰搜索的應(yīng)用 55
3．1．1 集合的Jaccard 相似度 55
3．1．2 文檔的相似度 56
3．1．3 協(xié)同過(guò)濾——一個(gè)集合相似問(wèn)題 57
3．1．4 習(xí)題 58
3．2 文檔的shingling 58
3．2．1 k-shingle 58
3．2．2 shingle 大小的選擇 59
3．2．3 對(duì)shingle 進(jìn)行哈希 59
3．2．4 基于詞的shingle 60
3．2．5 習(xí)題 60
3．3 保持相似度的集合摘要表示 61
3．3．1 集合的矩陣表示 61
3．3．2 最小哈希 62
3．3．3 最小哈希及Jaccard 相似度 62
3．3．4 最小哈希簽名 63
3．3．5 最小哈希簽名的計(jì)算 63
3．3．6 習(xí)題 66
3．4 文檔的局部敏感哈希算法 67
3．4．1 面向最小哈希簽名的LSH 67
3．4．2 行條化策略的分析 68
3．4．3 上述技術(shù)的綜合 69
3．4．4 習(xí)題 70
3．5 距離測(cè)度 70
3．5．1 距離測(cè)度的定義 71
3．5．2 歐氏距離 71
3．5．3 Jaccard 距離 72
3．5．4 余弦距離72
3．5．5 編輯距離 73
3．5．6 海明距離 74
3．5．7 習(xí)題 74
3．6 局部敏感函數(shù)理論 75
3．6．1 局部敏感函數(shù) 76
3．6．2 面向Jaccard 距離的局部敏感函數(shù)族 77
3．6．3 局部敏感函數(shù)族的放大處理 77
3．6．4 習(xí)題 79
3．7 面向其他距離測(cè)度的LSH 函數(shù)族 80
3．7．1 面向海明距離的LSH 函數(shù)族 80
3．7．2 隨機(jī)超平面和余弦距離 80
3．7．3 梗概 81
3．7．4 面向歐氏距離的LSH 函數(shù)族 82
3．7．5 面向歐氏空間的更多LSH函數(shù)族 83
3．7．6 習(xí)題 83
3．8 LSH 函數(shù)的應(yīng)用 84
3．8．1 實(shí)體關(guān)聯(lián) 84
3．8．2 一個(gè)實(shí)體關(guān)聯(lián)的例子 85
3．8．3 記錄匹配的驗(yàn)證 86
3．8．4 指紋匹配 87
3．8．5 適用于指紋匹配的LSH函數(shù)族 87
3．8．6 相似新聞報(bào)道檢測(cè) 88
3．8．7 習(xí)題 89
3．9 面向高相似度的方法 90
3．9．1 相等項(xiàng)發(fā)現(xiàn) 90
3．9．2 集合的字符串表示方法 91
3．9．3 基于長(zhǎng)度的過(guò)濾 91
3．9．4 前綴索引 92
3．9．5 位置信息的使用 93
3．9．6 使用位置和長(zhǎng)度信息的索引 94
3．9．7 習(xí)題 96
3．10 小結(jié) 97
3．11 參考文獻(xiàn) 98
第4 章 數(shù)據(jù)流挖掘 100
4．1 流數(shù)據(jù)模型 100
4．1．1 一個(gè)數(shù)據(jù)流管理系統(tǒng) 100
4．1．2 流數(shù)據(jù)源的例子 101
4．1．3 流查詢 102
4．1．4 流處理中的若干問(wèn)題 103
4．2 流當(dāng)中的數(shù)據(jù)抽樣 103
4．2．1 一個(gè)富于啟發(fā)性的例子 104
4．2．2 代表性樣本的獲取 104
4．2．3 一般的抽樣問(wèn)題 105
4．2．4 樣本規(guī)模的變化 105
4．2．5 習(xí)題 106
4．3 流過(guò)濾 106
4．3．1 一個(gè)例子 106
4．3．2 布隆過(guò)濾器 107
4．3．3 布隆過(guò)濾方法的分析 107
4．3．4 習(xí)題108
4．4 流中獨(dú)立元素的數(shù)目統(tǒng)計(jì) 109
4．4．1 獨(dú)立元素計(jì)數(shù)問(wèn)題 109
4．4．2 FM 算法 109
4．4．3 組合估計(jì) 110
4．4．4 空間需求 111
4．4．5 習(xí)題 111
4．5 矩估計(jì) 111
4．5．1 矩定義 111
4．5．2 二階矩估計(jì)的AMS 算法 112
4．5．3 AMS 算法有效的原因 113
4．5．4 更高階矩的估計(jì) 113
4．5．5 限流的處理 114
4．5．6 習(xí)題 115
4．6 窗口內(nèi)的計(jì)數(shù)問(wèn)題 116
4．6．1 精確計(jì)數(shù)的開(kāi)銷(xiāo) 116
4．6．2 DGIM 算法 116
4．6．3 DGIM 算法的存儲(chǔ)需求 118
4．6．4 DGIM 算法中的查詢應(yīng)答 118
4．6．5 DGIM 條件的保持 119
4．6．6 降低錯(cuò)誤率 120
4．6．7 窗口內(nèi)計(jì)數(shù)問(wèn)題的擴(kuò)展 120
4．6．8 習(xí)題 121
4．7 衰減窗口 121
4．7．1 最常見(jiàn)元素問(wèn)題 121
4．7．2 衰減窗口的定義 122
4．7．3 最流行元素的發(fā)現(xiàn) 123
4．8 小結(jié) 123
4．9 參考文獻(xiàn) 124
第5 章 鏈接分析 126
5．1 PageRank 126
5．1．1 早期的搜索引擎及詞項(xiàng)作弊 126
5．1．2 PageRank 的定義 128
5．1．3 Web 結(jié)構(gòu) 130
5．1．4 避免終止點(diǎn) 132
5．1．5 采集器陷阱及“抽稅”法 134
5．1．6 PageRank 在搜索引擎中的使用 136
5．1．7 習(xí)題 136
5．2 PageRank 的快速計(jì)算 137
5．2．1 轉(zhuǎn)移矩陣的表示 137
5．2．2 基于MapReduce 的PageRank迭代計(jì)算 138
5．2．3 結(jié)果向量合并時(shí)的組合器使用 139
5．2．4 轉(zhuǎn)移矩陣中塊的表示 140
5．2．5 其他高效的PageRank 迭代方法 141
5．2．6 習(xí)題 142
5．3 面向主題的PageRank 142
5．3．1 動(dòng)機(jī) 142
5．3．2 有偏
1．1 數(shù)據(jù)挖掘的定義 1
1．1．1 統(tǒng)計(jì)建模 1
1．1．2 機(jī)器學(xué)習(xí) 1
1．1．3 建模的計(jì)算方法 2
1．1．4 數(shù)據(jù)匯總 2
1．1．5 特征抽取 3
1．2 數(shù)據(jù)挖掘的統(tǒng)計(jì)限制 4
1．2．1 整體情報(bào)預(yù)警 4
1．2．2 邦弗朗尼原理 4
1．2．3 邦弗朗尼原理的一個(gè)例子 5
1．2．4 習(xí)題 6
1．3 相關(guān)知識(shí) 6
1．3．1 詞語(yǔ)在文檔中的重要性 6
1．3．2 哈希函數(shù) 7
1．3．3 索引 8
1．3．4 二級(jí)存儲(chǔ)器 9
1．3．5 自然對(duì)數(shù)的底e 10
1．3．6 冪定律 11
1．3．7 習(xí)題 12
1．4 本書(shū)概要 13
1．5 小結(jié) 14
1．6 參考文獻(xiàn) 15
第2 章 MapReduce及新軟件棧 16
2．1 分布式文件系統(tǒng) 17
2．1．1 計(jì)算節(jié)點(diǎn)的物理結(jié)構(gòu) 17
2．1．2 大規(guī)模文件系統(tǒng)的結(jié)構(gòu) 18
2．2 MapReduce 19
2．2．1 Map 任務(wù) 20
2．2．2 按鍵分組 20
2．2．3 Reduce 任務(wù) 21
2．2．4 組合器 21
2．2．5 MapReduce 的執(zhí)行細(xì)節(jié) 22
2．2．6 節(jié)點(diǎn)失效的處理 23
2．2．7 習(xí)題 23
2．3 使用MapReduce 的算法 23
2．3．1 基于MapReduce 的矩陣—向量
乘法實(shí)現(xiàn) 24
2．3．2 向量v 法放入內(nèi)存時(shí)的處理 24
2．3．3 關(guān)系代數(shù)運(yùn)算 25
2．3．4 基于MapReduce 的選擇運(yùn)算 27
2．3．5 基于MapReduce 的投影運(yùn)算 27
2．3．6 基于MapReduce 的并、交和差運(yùn)算 28
2．3．7 基于MapReduce 的自然連接運(yùn)算 28
2．3．8 基于MapReduce 的分組和聚合運(yùn)算 29
2．3．9 矩陣乘法 29
2．3．10 基于單步MapReduce 的矩陣乘法 30
2．3．11 習(xí)題 31
2．4 MapReduce 的擴(kuò)展 31
2．4．1 工作流系統(tǒng) 32
2．4．2 MapReduce 的遞歸擴(kuò)展版本 33
2．4．3 Pregel 系統(tǒng) 35
2．4．4 習(xí)題 35
2．5 通信開(kāi)銷(xiāo)模型 36
2．5．1 任務(wù)網(wǎng)絡(luò)的通信開(kāi)銷(xiāo) 36
2．5．2 時(shí)鐘時(shí)間 37
2．5．3 多路連接 38
2．5．4 習(xí)題 41
2．6 MapReduce 復(fù)雜性理論 41
2．6．1 Reducer 規(guī)模及復(fù)制率 41
2．6．2 一個(gè)例子：相似性連接 42
2．6．3 MapReduce 問(wèn)題的一個(gè)圖模型 44
2．6．4 映射模式 45
2．6．5 并非所有輸入都存在時(shí)的處理 46
2．6．6 復(fù)制率的下界 46
2．6．7 案例分析：矩陣乘法 48
2．6．8 習(xí)題 51
2．7 小結(jié) 51
2．8 參考文獻(xiàn) 53
第3 章 相似項(xiàng)發(fā)現(xiàn) 55
3．1 近鄰搜索的應(yīng)用 55
3．1．1 集合的Jaccard 相似度 55
3．1．2 文檔的相似度 56
3．1．3 協(xié)同過(guò)濾——一個(gè)集合相似問(wèn)題 57
3．1．4 習(xí)題 58
3．2 文檔的shingling 58
3．2．1 k-shingle 58
3．2．2 shingle 大小的選擇 59
3．2．3 對(duì)shingle 進(jìn)行哈希 59
3．2．4 基于詞的shingle 60
3．2．5 習(xí)題 60
3．3 保持相似度的集合摘要表示 61
3．3．1 集合的矩陣表示 61
3．3．2 最小哈希 62
3．3．3 最小哈希及Jaccard 相似度 62
3．3．4 最小哈希簽名 63
3．3．5 最小哈希簽名的計(jì)算 63
3．3．6 習(xí)題 66
3．4 文檔的局部敏感哈希算法 67
3．4．1 面向最小哈希簽名的LSH 67
3．4．2 行條化策略的分析 68
3．4．3 上述技術(shù)的綜合 69
3．4．4 習(xí)題 70
3．5 距離測(cè)度 70
3．5．1 距離測(cè)度的定義 71
3．5．2 歐氏距離 71
3．5．3 Jaccard 距離 72
3．5．4 余弦距離72
3．5．5 編輯距離 73
3．5．6 海明距離 74
3．5．7 習(xí)題 74
3．6 局部敏感函數(shù)理論 75
3．6．1 局部敏感函數(shù) 76
3．6．2 面向Jaccard 距離的局部敏感函數(shù)族 77
3．6．3 局部敏感函數(shù)族的放大處理 77
3．6．4 習(xí)題 79
3．7 面向其他距離測(cè)度的LSH 函數(shù)族 80
3．7．1 面向海明距離的LSH 函數(shù)族 80
3．7．2 隨機(jī)超平面和余弦距離 80
3．7．3 梗概 81
3．7．4 面向歐氏距離的LSH 函數(shù)族 82
3．7．5 面向歐氏空間的更多LSH函數(shù)族 83
3．7．6 習(xí)題 83
3．8 LSH 函數(shù)的應(yīng)用 84
3．8．1 實(shí)體關(guān)聯(lián) 84
3．8．2 一個(gè)實(shí)體關(guān)聯(lián)的例子 85
3．8．3 記錄匹配的驗(yàn)證 86
3．8．4 指紋匹配 87
3．8．5 適用于指紋匹配的LSH函數(shù)族 87
3．8．6 相似新聞報(bào)道檢測(cè) 88
3．8．7 習(xí)題 89
3．9 面向高相似度的方法 90
3．9．1 相等項(xiàng)發(fā)現(xiàn) 90
3．9．2 集合的字符串表示方法 91
3．9．3 基于長(zhǎng)度的過(guò)濾 91
3．9．4 前綴索引 92
3．9．5 位置信息的使用 93
3．9．6 使用位置和長(zhǎng)度信息的索引 94
3．9．7 習(xí)題 96
3．10 小結(jié) 97
3．11 參考文獻(xiàn) 98
第4 章 數(shù)據(jù)流挖掘 100
4．1 流數(shù)據(jù)模型 100
4．1．1 一個(gè)數(shù)據(jù)流管理系統(tǒng) 100
4．1．2 流數(shù)據(jù)源的例子 101
4．1．3 流查詢 102
4．1．4 流處理中的若干問(wèn)題 103
4．2 流當(dāng)中的數(shù)據(jù)抽樣 103
4．2．1 一個(gè)富于啟發(fā)性的例子 104
4．2．2 代表性樣本的獲取 104
4．2．3 一般的抽樣問(wèn)題 105
4．2．4 樣本規(guī)模的變化 105
4．2．5 習(xí)題 106
4．3 流過(guò)濾 106
4．3．1 一個(gè)例子 106
4．3．2 布隆過(guò)濾器 107
4．3．3 布隆過(guò)濾方法的分析 107
4．3．4 習(xí)題108
4．4 流中獨(dú)立元素的數(shù)目統(tǒng)計(jì) 109
4．4．1 獨(dú)立元素計(jì)數(shù)問(wèn)題 109
4．4．2 FM 算法 109
4．4．3 組合估計(jì) 110
4．4．4 空間需求 111
4．4．5 習(xí)題 111
4．5 矩估計(jì) 111
4．5．1 矩定義 111
4．5．2 二階矩估計(jì)的AMS 算法 112
4．5．3 AMS 算法有效的原因 113
4．5．4 更高階矩的估計(jì) 113
4．5．5 限流的處理 114
4．5．6 習(xí)題 115
4．6 窗口內(nèi)的計(jì)數(shù)問(wèn)題 116
4．6．1 精確計(jì)數(shù)的開(kāi)銷(xiāo) 116
4．6．2 DGIM 算法 116
4．6．3 DGIM 算法的存儲(chǔ)需求 118
4．6．4 DGIM 算法中的查詢應(yīng)答 118
4．6．5 DGIM 條件的保持 119
4．6．6 降低錯(cuò)誤率 120
4．6．7 窗口內(nèi)計(jì)數(shù)問(wèn)題的擴(kuò)展 120
4．6．8 習(xí)題 121
4．7 衰減窗口 121
4．7．1 最常見(jiàn)元素問(wèn)題 121
4．7．2 衰減窗口的定義 122
4．7．3 最流行元素的發(fā)現(xiàn) 123
4．8 小結(jié) 123
4．9 參考文獻(xiàn) 124
第5 章 鏈接分析 126
5．1 PageRank 126
5．1．1 早期的搜索引擎及詞項(xiàng)作弊 126
5．1．2 PageRank 的定義 128
5．1．3 Web 結(jié)構(gòu) 130
5．1．4 避免終止點(diǎn) 132
5．1．5 采集器陷阱及“抽稅”法 134
5．1．6 PageRank 在搜索引擎中的使用 136
5．1．7 習(xí)題 136
5．2 PageRank 的快速計(jì)算 137
5．2．1 轉(zhuǎn)移矩陣的表示 137
5．2．2 基于MapReduce 的PageRank迭代計(jì)算 138
5．2．3 結(jié)果向量合并時(shí)的組合器使用 139
5．2．4 轉(zhuǎn)移矩陣中塊的表示 140
5．2．5 其他高效的PageRank 迭代方法 141
5．2．6 習(xí)題 142
5．3 面向主題的PageRank 142
5．3．1 動(dòng)機(jī) 142
5．3．2 有偏
相關(guān)商品
京公網(wǎng)安備 11000002000088號(hào)
