0%

Web数据挖掘 PDF 下载

《Web数据挖掘》

链接: https://pan.baidu.com/s/1gXNWqo1v4vZWN9wZPa4svw 提取码: tmy4

过去几十年里,Web的迅速发展使其成为世界上规模的公共数据源。Web挖掘的目标是从Web超链接、网页内容和使用日志中探寻有用的信息。

  《世界计算机教材精选:Web数据挖掘(第2版)》旨在阐述Web数据挖掘的概念及其核心算法,使读者获得相对完整的关于Web数据挖掘的算法和技术知识。本书不仅介绍了搜索、页面爬取和资源探索以及链接分析等传统的Web挖掘主题,而且还介绍了结构化数据的抽取、信息整合、观点挖掘和Web使用挖掘等内容,这些内容在已有书籍中没有提及过,但它们在Web数据挖掘中却占有非常重要的地位。全书分为两大部分:部分包括第2章到第5章,介绍数据挖掘的基础,第二部分包括第6章到2章,介绍Web相关的挖掘任务。从本书自版出版之后,很多领域已经有了重大的进展。新版大部分的章节都已经添加了新的材料来反应这些进展,主要的改动在1章和2章中,这两章已经被重新撰写并做了重要的扩展。

  《世界计算机教材精选:Web数据挖掘(第2版)》不仅可作为本科生的教科书,也是在Web数据挖掘和相关领域研读博士学位的研究生的重要参考用书,同时对Web挖掘研究人员和实践人员获取知识、信息、甚至是创新想法也很有帮助。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231

目录

章 概述

1.1 什么是万维网

1.2 万维网和互联网的历史简述

1.3 Web数据挖掘

1.3.1 什么是数据挖掘

1.3.2 什么是Web数据挖掘

1.4 各章概要

1.5 如何阅读本书

文献评注

参考文献

部分 数据挖掘基础

第2章 关联规则和序列模式

2.1 关联规则的基本概念

2.2 Apriori算法

2.2.1 频繁项目集生成

2.2.2 关联规则生成

2.3 关联规则挖掘的数据格式

2.4 多小支持度的关联规则挖掘

2.4.1 扩展模型

2.4.2 挖掘算法

2.4.3 规则生成

2.5 分类关联规则挖掘

2.5.1 问题描述

2.5.2 挖掘算法

2.5.3 多小支持度分类关联规则挖掘

2.6 序列模式的基本概念

2.7 基于GSP挖掘序列模式

2.7.1 GSP算法

2.7.2 多小支持度挖掘

2.8 基于PrefixSpan算法的序列模式挖掘

2.8.1 PrefixSpan算法

2.8.2 多小支持度挖掘

2.9 从序列模式中产生规则

2.9.1 序列规则

2.9.2 标签序列规则

2.9.3 分类序列规则

文献评注

参考文献

第3章 监督学习

3.1 基本概念

3.2 决策树归纳

3.2.1 学习算法

3.2.2 混杂度函数

3.2.3 处理连续属性

3.2.4 其他一些问题

3.3 评估分类器

3.3.1 评估方法

3.3.2 查准率、查全率、F-score和平衡点(BreakevePoint)

3.3.3 受试者工作特征曲线

3.3.4 提升曲线

3.4 规则归纳

3.4.1 顺序化覆盖

3.4.2 规则学习:Learn-One-Rule函数

3.4.3 讨论

3.5 基于关联规则的分类

3.5.1 使用类关联规则进行分类

3.5.2 使用类关联规则作为分类属性

3.5.3 使用古典的关联规则分类

3.6 朴素贝叶斯分类

3.7 朴素贝叶斯文本分类

3.7.1 概率框架

3.7.2 朴素贝叶斯模型

3.7.3 讨论

3.8 支持向量机

3.8.1 线性支持向量机:可分的情况

3.8.2 线性支持向量机:数据不可分的情况

3.8.3 非线性支持向量机:核方法总结

3.9 A、近邻学习

3.10 分类器的集成

3.10.1 Bagging

3.10.2 Boosting

文献评注

参考文献

第4章 无监督学习

4.1 基本概念

4.2 A-均值聚类

4.2.1 A-均值算法

4.2.2 A-均值算法的硬盘版本

4.2.3 优势和劣势

4.3 聚类的表示

4.3.1 聚类的一般表示方法

4.3.2 任意形状的聚类

4.4 层次聚类

4.4.1 单连结方法

4.4.2 全连结方法

4.4.3 平均连结方法

4.4.4 优势和劣势

4.5 距离函数

4.5.1 数字属性

4.5.2 布尔属性和名词性属性

4.5.3 文本文档

4.6 数据标准化

4.7 混合属性的处理

4.8 采用哪种聚类算法

4.9 聚类的评估

4.10 发现数据区域和数据空洞

文献评注

参考文献

第5章 部分监督学习

5.1 从已标注数据和无标注数据中学习

5.1.1 使用朴素贝叶斯分类器的EM算法

5.1.2 Co-naining

5.1.3 自学习

5.1.4 直推式支持向量机

5.1.5 基于图的方法

5.1.6 讨论

5.2 从正例和无标注数据中学习

5.2.1 PU学习的应用

5.2.2 理论基础

5.2.3 建立分类器:两步方法

5.2.4 建立分类器:偏置SVM

5.2.5 建立分类器:概率估计

5.2.6 讨论

第2部分 Web挖掘


最后,这里为大家准备了几百本的互联网电子书,有需要的过来取吧。点击获取

本页书籍均来自网络,如有侵权,请联系我立即删除。我的邮箱:yaojianguolq@163.com

------ 全文结束------