斯坦福數(shù)據(jù)挖掘教程（第3版）

定　價(jià)：￥129.00

作　者：	[美] 尤雷·萊斯科夫，阿南德·拉賈拉曼，杰弗里·大衛(wèi)·厄爾曼著，王斌，王達(dá)侃譯
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787115556691	出版時(shí)間：	2021-03-01	包裝：	平裝
開本：	16開	頁數(shù)：	452	字?jǐn)?shù)：

內(nèi)容簡介

　　本書由斯坦福大學(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。書中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、聚類算法、廣告管理及推薦系統(tǒng)、社會(huì)網(wǎng)絡(luò)圖挖掘和大規(guī)模機(jī)器學(xué)習(xí)等主要內(nèi)容。第3 版新增了決策樹、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)等內(nèi)容。幾乎每節(jié)都有對應(yīng)的習(xí)題，以此來鞏固所講解的內(nèi)容。讀者還可以從網(wǎng)上獲取相關(guān)拓展資料。

作者簡介

　　【作者簡介】尤雷.萊斯科夫（Jure Leskovec）Pinterest公司首席科學(xué)家，斯坦福大學(xué)計(jì)算機(jī)科學(xué)系副教授，研究方向?yàn)榇笮蜕缃缓托畔⒕W(wǎng)絡(luò)的數(shù)據(jù)挖掘。他的研究成果獲得了很多獎(jiǎng)項(xiàng)，如Microsoft Research Faculty Fellowship、Alfred P. Sloan Fellowship和Okawa Foundation Fellowship，還獲得了很多最佳論文獎(jiǎng)，同時(shí)也被《紐約時(shí)報(bào)》《華爾街日報(bào)》《華盛頓郵報(bào)》《連線》、NBC、BBC和CBC等流行的社會(huì)媒體刊載。他還創(chuàng)建了斯坦福網(wǎng)絡(luò)分析平臺（SNAP）。阿南德.拉賈拉曼（Anand Rajaraman）數(shù)據(jù)庫和Web技術(shù)領(lǐng)域領(lǐng)軍者，硅谷連續(xù)創(chuàng)業(yè)者和風(fēng)險(xiǎn)投資人，斯坦福大學(xué)計(jì)算機(jī)科學(xué)系助理教授。自1996年起創(chuàng)立過多家公司，這些公司先后被亞馬遜、谷歌和沃爾瑪集團(tuán)收購，而他本人歷任亞馬遜技術(shù)總監(jiān)、沃爾瑪負(fù)責(zé)全球電子商務(wù)業(yè)務(wù)的副總裁。之后創(chuàng)立了風(fēng)投公司Milliways Ventures和Rocketship VC，投資過Facebook、Lyft等眾多公司。作為學(xué)者，他主要研究數(shù)據(jù)庫系統(tǒng)、Web和社交媒體，他的研究論文在學(xué)術(shù)會(huì)議上獲得了多個(gè)獎(jiǎng)項(xiàng)，他在2012年被Fast Company雜志列入“商界Z具創(chuàng)造力100人”。杰弗里.大衛(wèi).厄爾曼（Jeffrey David Ullman）計(jì)算機(jī)科學(xué)家，美國國家工程院院士，2020年圖靈獎(jiǎng)得主。早年在貝爾實(shí)驗(yàn)室工作，之后任教于普林斯頓大學(xué)，十年后加入斯坦福大學(xué)直至退休，一生的科研、著書和育人成果卓著。他是ACM會(huì)員，曾獲SIGMOD創(chuàng)新獎(jiǎng)、高德納獎(jiǎng)、馮諾依曼獎(jiǎng)等多項(xiàng)科研大獎(jiǎng)；合著有“龍書”《編譯原理》、數(shù)據(jù)庫名著《數(shù)據(jù)庫系統(tǒng)實(shí)現(xiàn)》等多部經(jīng)典著作；培養(yǎng)的多名學(xué)生已成為數(shù)據(jù)庫領(lǐng)域的專家，其中包括谷歌聯(lián)合創(chuàng)始人Sergey Brin，本書第二作者也是他的得意弟子。目前擔(dān)任Gradiance公司CEO?！咀g者簡介】王斌博士小米AI實(shí)驗(yàn)室主任，NLP首席科學(xué)家。中國中文信息學(xué)會(huì)理事，《中文信息學(xué)報(bào)》編委。加入小米公司之前，是中科院研究員、博導(dǎo)及中科院大學(xué)教授。譯有《信息檢索導(dǎo)論》《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》和《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》等書。王達(dá)侃優(yōu)刻得AI部門負(fù)責(zé)人，曾任WeWork Research & Applied Science中國區(qū)負(fù)責(zé)人，并曾在LinkedIn、Twitter和微軟亞洲研究院負(fù)責(zé)AI以及大數(shù)據(jù)方向的研發(fā)工作。碩士畢業(yè)于美國斯坦福大學(xué)計(jì)算機(jī)系，本科畢業(yè)于上海交通大學(xué)ACM班。

圖書目錄

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　建?！?

1.1.2　統(tǒng)計(jì)建模　2

1.1.3　機(jī)器學(xué)習(xí)　2

1.1.4　建模的計(jì)算方法　3

1.1.5　數(shù)據(jù)概括　3

1.1.6　特征抽取　4

1.2　數(shù)據(jù)挖掘的統(tǒng)計(jì)限制　5

1.2.1　整體情報(bào)預(yù)警　5

1.2.2　邦弗朗尼原理　5

1.2.3　邦弗朗尼原理的一個(gè)例子　6

1.2.4　習(xí)題　7

1.3　相關(guān)知識　7

1.3.1　詞語在文檔中的重要性　7

1.3.2　哈希函數(shù)　8

1.3.3　索引　9

1.3.4　二級存儲(chǔ)器　10

1.3.5　自然對數(shù)的底e　11

1.3.6　冪定律　12

1.3.7　習(xí)題　13

1.4　本書概要　14

1.5　小結(jié)　15

1.6　參考文獻(xiàn)　16

第　2章 MapReduce和新軟件?！?7

2.1　分布式文件系統(tǒng)　18

2.1.1　計(jì)算節(jié)點(diǎn)的物理結(jié)構(gòu)　18

2.1.2　大規(guī)模文件系統(tǒng)的結(jié)構(gòu)　19

2.2　MapReduce　20

2.2.1　Map任務(wù)　21

2.2.2　按鍵分組　21

2.2.3　Reduce任務(wù)　22

2.2.4　組合器　22

2.2.5　MapReduce的執(zhí)行細(xì)節(jié)　23

2.2.6　節(jié)點(diǎn)故障的處理　24

2.2.7　習(xí)題　24

2.3　使用MapReduce的算法　24

2.3.1　基于MapReduce的矩陣—向量乘法實(shí)現(xiàn)　25

2.3.2　向量v無法放入內(nèi)存時(shí)的處理　26

2.3.4　基于MapReduce的選擇運(yùn)算　28

2.3.5　基于MapReduce的投影運(yùn)算　28

2.3.6　基于MapReduce的并、交和差運(yùn)算　29

2.3.7　基于MapReduce的自然連接運(yùn)算　29

2.3.8　基于MapReduce的分組和聚合運(yùn)算　30

2.3.9　矩陣乘法　30

2.3.10　基于單步MapReduce的矩陣乘法　31

2.3.11　習(xí)題　32

2.4　MapReduce的擴(kuò)展　32

2.4.1　工作流系統(tǒng)　33

2.4.2　Spark　34

2.4.3　Spark實(shí)現(xiàn)　36

2.4.4　TensorFlow　37

2.4.5　MapReduce的遞歸擴(kuò)展版本　38

2.4.6　整體同步系統(tǒng)　40

2.4.7　習(xí)題　41

2.5　通信開銷模型　41

2.5.1　任務(wù)網(wǎng)絡(luò)的通信開銷　42

2.5.2　時(shí)鐘時(shí)間　43

2.5.3　多路連接　43

2.5.4　習(xí)題　46

2.6　MapReduce復(fù)雜性理論　47

2.6.1　Reducer規(guī)模及復(fù)制率　47

2.6.2　一個(gè)例子：相似性連接　48

2.6.3　MapReduce問題的一個(gè)圖模型　51

2.6.5　并非所有輸入都存在時(shí)的處理　52

2.6.7　案例分析：矩陣乘法　54

2.6.8　習(xí)題　57

2.7　小結(jié)　58

2.8　參考文獻(xiàn)　59

第3章　相似項(xiàng)發(fā)現(xiàn)　61

3.1　集合相似度的應(yīng)用　62

3.1.1　集合的Jaccard相似度　62

3.1.2　文檔的相似度　62

3.1.3　協(xié)同過濾——一個(gè)集合相似問題　63

3.1.4　習(xí)題　64

3.2　文檔的shingling　65

3.2.1　k-shingle　65

3.2.2　shingle大小的選擇　65

3.2.3　對shingle進(jìn)行哈希　66

3.2.4　基于詞的shingle　66

3.2.5　習(xí)題　67

3.3　保持相似度的集合摘要表示　67

3.3.1　集合的矩陣表示　67

3.3.2　最小哈?！?8

3.3.3　最小哈希和Jaccard相似度　69

3.3.4　最小哈希簽名　69

3.3.5　最小哈希簽名的計(jì)算　70

3.3.6　對最小哈希加速　72

3.3.7　使用哈希加速　73

3.3.8　習(xí)題　75

3.4　文檔的局部敏感哈希算法　76

3.4.1　面向最小哈希簽名的LSH　76

3.4.2　行條化策略的分析　77

3.4.3　上述技術(shù)的綜合　79

3.4.4　習(xí)題　79

3.5　距離測度　80

3.5.1　距離測度的定義　80

3.5.2　歐氏距離　80

3.5.3　Jaccard 距離　81

3.5.4　余弦距離　81

3.5.5　編輯距離　82

3.5.6　海明距離　83

3.5.7　習(xí)題　83

3.6　局部敏感函數(shù)理論　85

3.6.1　局部敏感函數(shù)　85

3.6.2　面向Jaccard距離的局部敏感函數(shù)族　86

3.6.3　局部敏感函數(shù)族的放大處理　87

3.6.4　習(xí)題　89

3.7　面向其他距離測度的LSH函數(shù)族　89

3.7.1　面向海明距離的LSH函數(shù)族　89

3.7.2　隨機(jī)超平面和余弦距離　90

3.7.3　梗概　91

3.7.4　面向歐氏距離的LSH函數(shù)族　91

3.7.5　面向歐氏空間的更多LSH函數(shù)族　92

3.7.6　習(xí)題　93

3.8　LSH函數(shù)的應(yīng)用　93

3.8.1　實(shí)體關(guān)聯(lián)　94

3.8.2　一個(gè)實(shí)體關(guān)聯(lián)的例子　94

3.8.3　記錄匹配的驗(yàn)證　95

3.8.4　指紋匹配　96

3.8.5　適用于指紋匹配的LSH函數(shù)族　98

3.8.7　習(xí)題　99

3.9　面向高相似度的方法　99

3.9.1　相等項(xiàng)發(fā)現(xiàn)　99

3.9.2　集合的字符串表示方法　100

3.9.3　基于長度的過濾　100

3.9.4　前綴索引　101

3.9.5　位置信息的使用　102

3.9.6　使用位置和長度信息的索引　103

3.9.7　習(xí)題　105

3.10　小結(jié)　106

3.11　參考文獻(xiàn)　108

第4章　數(shù)據(jù)流挖掘　109

4.1　流數(shù)據(jù)模型　109

4.1.1　一個(gè)數(shù)據(jù)流管理系統(tǒng)　109

4.1.2　流數(shù)據(jù)源的例子　110

4.1.3　流查詢　111

4.1.4　流處理中的若干問題　112

4.2　流當(dāng)中的數(shù)據(jù)抽樣　112

4.2.1　一個(gè)富有啟發(fā)性的例子　112

4.2.2　代表性樣本的獲取　113

4.2.3　一般的抽樣問題　114

4.2.4　樣本規(guī)模的變化　114

4.2.5　習(xí)題　115

4.3　流過濾　115

4.3.1　一個(gè)例子　115

4.3.2　布隆過濾器　116

4.3.3　布隆過濾方法的分析　116

4.3.4　習(xí)題　117

4.4　流中獨(dú)立元素的數(shù)目統(tǒng)計(jì)　118

4.4.1　獨(dú)立元素計(jì)數(shù)問題　118

4.4.2　FM算法　118

4.4.3　組合估計(jì)　119

4.4.4　空間需求　120

4.4.5　習(xí)題　120

4.5　矩估計(jì)　120

4.5.1　矩定義　120

4.5.2　二階矩估計(jì)的AMS算法　121

4.5.3　AMS算法有效的原因　122

4.5.4　更高階矩的估計(jì)　122

4.5.5　無限流的處理　123

4.5.6　習(xí)題　124

4.6　窗口內(nèi)的計(jì)數(shù)問題　124

4.6.1　精確計(jì)數(shù)的開銷　125

4.6.2　DGIM算法　125

4.6.3　DGIM算法的存儲(chǔ)需求　127

4.6.4　DGIM算法中的查詢應(yīng)答　127

4.6.5　DGIM條件的保持　127

4.6.6　降低錯(cuò)誤率　128

4.6.7　窗口內(nèi)計(jì)數(shù)問題的擴(kuò)展　129

4.6.8　習(xí)題　130

4.7　衰減窗口　130

4.7.1　最常見元素問題　130

4.7.2　衰減窗口的定義　130

4.7.3　最流行元素的發(fā)現(xiàn)　131

4.8　小結(jié)　132

4.9　參考文獻(xiàn)　133

第5章　鏈接分析　134

5.1　PageRank　134

5.1.1　早期的搜索引擎及詞項(xiàng)作弊　134

5.1.2　PageRank的定義　136

5.1.3　Web結(jié)構(gòu)　138

5.1.4　避免終止點(diǎn)　140

5.1.5　采集器陷阱和“抽稅”法　142

5.1.6　PageRank在搜索引擎中的使用　144

5.1.7　習(xí)題　144

5.2　PageRank的快速計(jì)算　145

5.2.1　轉(zhuǎn)移矩陣的表示　146

5.2.2　基于MapReduce的PageRank迭代計(jì)算　146

5.2.3　結(jié)果向量合并時(shí)的組合器使用　147

5.2.4　轉(zhuǎn)移矩陣中塊的表示　148

5.2.5　其他高效的PageRank迭代方法　149

5.2.6　習(xí)題　150

5.3　面向主題的PageRank　150

5.3.1　動(dòng)機(jī)　150

5.3.2　有偏的隨機(jī)游走模型　151

5.3.3　面向主題的PageRank的使用　153

5.3.5　習(xí)題　153

5.4　鏈接作弊　153

5.4.1　垃圾農(nóng)場的架構(gòu)　154

5.4.2　垃圾農(nóng)場的分析　155

5.4.3　與鏈接作弊的斗爭　156

5.4.4　TrustRank　156

5.4.5　垃圾質(zhì)量　156

5.4.6　習(xí)題　157

5.5　導(dǎo)航頁和權(quán)威頁　157

5.5.1　HITS的直觀意義　158

5.5.2　導(dǎo)航度和權(quán)威度的形式化　158

5.5.3　習(xí)題　161

5.6　小結(jié)　161

5.7　參考文獻(xiàn)　164

第6章　頻繁項(xiàng)集　165

6.1　購物籃模型　165

6.2　購物籃和A-Priori算法　171

6.3　更大數(shù)據(jù)集在內(nèi)存中的處理　178

6.4　有限掃描算法　185

6.5　流中的頻繁項(xiàng)計(jì)數(shù)　190

6.6　小結(jié)　192

6.7　參考文獻(xiàn)　194

第7章　聚類　195

7.1　聚類技術(shù)介紹　195

7.2　層次聚類　198

7.3　k-均值算法　206

7.4　CURE算法　212

7.5　非歐空間下的聚類　215

7.6　流聚類及并行化　218

7.7　小結(jié)　222

7.8　參考文獻(xiàn)　224

第8章　Web廣告　226

8.1　在線廣告相關(guān)問題　226

8.2　在線算法　228

8.3　廣告匹配問題　231

8.4　adwords問題　233

8.5　adwords的實(shí)現(xiàn)　240

8.6　小結(jié)　243

8.7　參考文獻(xiàn)　245

第9章　推薦系統(tǒng)　246

9.1　推薦系統(tǒng)的模型　246

9.2　基于內(nèi)容的推薦　249

9.3　協(xié)同過濾　257

9.4　降維處理　262

9.5　Netflix競賽　270

9.6　小結(jié)　271

9.7　參考文獻(xiàn)　272

第　10章社會(huì)網(wǎng)絡(luò)圖挖掘　273

10.1　將社會(huì)網(wǎng)絡(luò)看成圖　273

10.2　社會(huì)網(wǎng)絡(luò)圖的聚類　277

10.3　社區(qū)的直接發(fā)現(xiàn)　283

10.4　圖劃分　287

10.5　重疊社區(qū)的發(fā)現(xiàn)　293

10.6　Simrank　299

10.7　三角形計(jì)數(shù)問題.　306

10.8　圖的鄰居性質(zhì)　311

10.9　小結(jié)　324

10.10　參考文獻(xiàn)　326

第　11章降維處理　328

11.1　特征值和特征向量　328

11.2　主成分分析　334

11.3　奇異值分解　339

11.4　CUR分解　347

11.5　小結(jié)　352

11.6　參考文獻(xiàn)　353

第　12章大規(guī)模機(jī)器學(xué)習(xí)　354

12.1　機(jī)器學(xué)習(xí)模型　354

12.2　感知機(jī)　360

12.3　支持向量機(jī)　371

12.4　近鄰學(xué)習(xí)　381

12.5　決策樹　387

12.6　各種學(xué)習(xí)方法的比較　397

12.7　小結(jié)　397

12.8　參考文獻(xiàn)　399

第　13章神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)　400

13.1　神經(jīng)網(wǎng)絡(luò)簡介　400

13.2　密集型前饋網(wǎng)絡(luò)　405

13.3　反向傳播與梯度下降　413

13.4　卷積神經(jīng)網(wǎng)絡(luò)　420

13.5　循環(huán)神經(jīng)網(wǎng)絡(luò)　427

13.6　正則化　433

13.7　小結(jié)　435

13.8　參考文獻(xiàn)　436