Web数据挖掘：超文本数据的知识发现

图书标准信息

• 作者 [印]查凯莱巴蒂 著
• 出版社 人民邮电出版社
• 出版时间 2009-02
• 版次 1
• ISBN 9787115194046
• 定价 59.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 344页
• 字数 432千字
• 正文语种 英语
• 原版书名 Mining the Web:Discovering Knowledge from Hypertext Data
• 丛书 图灵原版计算机科学系列

【内容简介】

　　本书是信息检索领域的名著，深入讲解了从大量非结构化Web数据中提取和产生知识的技术。书中首先论述了Web的基础(包括Web信息采集机制、Web标引机制以及基于关键字或基于相似性搜索机制)，然后系统地描述了Web挖掘的基础知识，着重介绍基于超文本的机器学习和数据挖掘方法，如聚类、协同过滤、监督学习、半监督学习，最后讲述了这些基本原理在Web挖掘中的应用。本书为读者提供了坚实的技术背景和最新的知识。
　　本书是从事数据挖掘学术研究和开发的专业人员理想的参考书，同时也适合作为高等院校计算机及相关专业研究生的教材。

【作者简介】

　　SoumenChakrabarti，Web搜索与挖掘领域的知名专家，ACMTransactionsontheWeb副主编。加州大学伯克利分校博士，目前是印度理工学院计算机科学与工程系副教授。曾经供职于IBMAlmaden研究中心，从事超文本数据库和数据挖掘方面的工作。他有丰富的实际项目开发经验，开发了多个Web挖掘系统，并获得了多项美国专利。

【目录】

INTRODUCTION
1.1CrawlingandIndexing
1.2TopicDirectories
1.3ClusteringandClassification
1.4HyperlinkAnalysis
1.5ResourceDiscoveryandVerticalPortals
1.6Structuredvs.UnstructuredDataMining
1.7BibliographicNotes

PARTⅠINFRASTRUCTURE
2CRAWLINGTHEWEB
2.1HTMLandHTTPBasics
2.2CrawlingBasics
2.3EngineeringLarge-ScaleCrawlers
2.3.1DNSCaching，Prefetching，andResolution
2.3.2MultipleConcurrentFetches
2.3.3LinkExtractionandNormalization
2.3.4RobotExclusion
2.3.5EliminatingAlready-VisitedURLs
2.3.6SpiderTraps
2.3.7AvoidingRepeatedExpansionofLinksonDuplicatePages
2.3.8LoadMonitorandManager
2.3.9Per-ServerWork-Queues
2.3.10TextRepository
2.3.11RefreshingCrawledPages

2.4PuttingTogetheraCrawler
2.4.1DesignoftheCoreComponents
2.4.2CaseStudy：Usingw3c-1ibwww
2.5BibliographicNotes

3WEBSEARCHANDINFORMATIONRETRIEVAL
3.1BooleanQueriesandtheInvertedIndex
3.1.1StopwordsandStemming
3.1.2BatchIndexingandUpdates
3.1.3IndexCompressionTechniques

3.2RelevanceRanking
3.2.1RecallandPrecision
3.2.2TheVector-SpaceModel
3.2.3RelevanceFeedbackandRocchiosMethod
3.2.4ProbabilisticRelevanceFeedbackModels
3.2.5AdvancedIssues

3.3SimilaritySearch
3.3.1Handling"Find-Similar"Queries
3.3.2EliminatingNearDuplicatesviaShingling
3.3.3DetectingLocallySimilarSubgraphsoftheWeb
3.4BibliographicNotes

PARTⅡLEARNING
SIMILARITYANDCLUSTERING
4.1FormulationsandApproaches
4.1.1PartitioningApproaches
4.1.2GeometricEmbeddingApproaches
4.1.3GenerativeModelsandProbabilisticApproaches

4.2Bottom-UpandTop-DownPartitioningParadigms
4.2.1AgglomerativeClustering
4.2.2Thek-MeansAlgorithm

4.3ClusteringandVisualizationviaEmbeddings
4.3.1Self-OrganizingMaps(SOMs)
4.3.2MultidimensionalScaling(MDS)andFastMap
4.3.3ProjectionsandSubspaces
4.3.4LatentSemanticIndexing(LSI)

4.4ProbabilisticApproachestoClustering
4.4.1GenerativeDistributionsforDocuments
4.4.2MixtureModelsandExpectationMaximization(EM)
4.4.3MultipleCauseMixtureModel(MCMM)
4.4.4AspectModelsandProbabilisticLSI
4.4.5ModelandFeatureSelection

4.5CollaborativeFiltering
4.5.1ProbabilisticModels
4.5.2CombiningContent-BasedandCollaborativeFeatures
4.6BibliographicNotes

5SUPERVISEDLEARNING
5.1TheSupervisedLearningScenario
5.2OverviewofClassificationStrategies
5.3EvaluatingTextClassifiers
5.3.1Benchmarks
5.3.2MeasuresofAccuracy

5.4NearestNeighborLearners
5.4.1ProsandCons
5.4.2IsTFIDFAppropriate?

5.5FeatureSelection
5.5.1GreedyInclusionAlgorithms
5.5.2TruncationAlgorithms
5.5.3ComparisonandDiscussion

5.6BayesianLearners
5.6.1NaiveBayesLearners
5.6.2Small-DegreeBayesianNetworks

5.7ExploitingHierarchyamongTopics
5.7.1FeatureSelection
5.7.2EnhancedParameterEstimation
5.7.3TrainingandSearchStrategies

5.8MaximumEntropyLearners
5.9DiscriminativeClassification
5.9.1LinearLeast-SquareRegression
5.9.2SupportVectorMachines

5.10HypertextClassification
5.10.1RepresentingHypertextforSupervisedLearning
5.10.2RuleInduction
5.11BibliographicNotes

6SEMISUPERVISEDLEARNING
6.1ExpectationMaximization
6.1.1ExperimentalResults
6.1.2ReducingtheBeliefinUnlabeledDocuments
6.1.3ModelingLabelsUsingManyMixtureComponents
……
PARTⅢAPPLICATIONS