商品簡介
本書由斯坦福大學“Web挖掘”課程的內容總結而成，主要關注極大規模數據的挖掘。書中包括分布式文件系統、相似性搜索、搜索引擎技術、頻繁項集挖掘、聚類算法、廣告管理及推薦系統、社會網絡圖挖掘和大規模機器學習等主要內容。第3 版新增了決策樹、神經網絡和深度學習等內容。幾乎每節都有對應的習題，以此來鞏固所講解的內容。讀者還可以從網上獲取相關拓展資料。
作者簡介
尤雷.萊斯科夫（Jure Leskovec）
Pinterest公司首席科學家，斯坦福大學計算機科學系副教授，研究方向為大型社交和信息網絡的數據挖掘。他的研究成果獲得了很多獎項，如Microsoft Research Faculty Fellowship、Alfred P. Sloan Fellowship和Okawa Foundation Fellowship，還獲得了很多最佳論文獎，同時也被《紐約時報》《華爾街日報》《華盛頓郵報》《連線》、NBC、BBC和CBC等流行的社會媒體刊載。他還創建了斯坦福網絡分析平臺（SNAP）。
阿南德.拉賈拉曼（Anand Rajaraman）
數據庫和Web技術領域領軍者，硅谷連續創業者和風險投資人，斯坦福大學計算機科學系助理教授。自1996年起創立過多家公司，這些公司先後被亞馬遜、谷歌和沃爾瑪集團收購，而他本人歷任亞馬遜技術總監、沃爾瑪負責全球電子商務業務的副總裁。之後創立了風投公司Milliways Ventures和Rocketship VC，投資過Facebook、Lyft等眾多公司。作為學者，他主要研究數據庫系統、Web和社交媒體，他的研究論文在學術會議上獲得了多個獎項，他在2012年被Fast Company雜志列入“商界Z具創造力100人”。
杰弗裡.大衛.厄爾曼（Jeffrey David Ullman）
計算機科學家，美國國家工程院院士，2020年圖靈獎得主。早年在貝爾實驗室工作，之後任教於普林斯頓大學，十年後加入斯坦福大學直至退休，一生的科研、著書和育人成果卓著。他是ACM會員，曾獲SIGMOD創新獎、高德納獎、馮諾依曼獎等多項科研大獎；合著有“龍書”《編譯原理》、數據庫名著《數據庫系統實現》等多部經典著作；培養的多名學生已成為數據庫領域的專家，其中包括谷歌聯合創始人Sergey Brin，本書第二作者也是他的得意弟子。目前擔任Gradiance公司CEO。
【譯者簡介】
王斌博士
小米AI實驗室主任，NLP首席科學家。中國中文信息學會理事，《中文信息學報》編委。加入小米公司之前，是中科院研究員、博導及中科院大學教授。譯有《信息檢索導論》《大數據：互聯網大規模數據挖掘與分布式處理》和《機器學習實戰》等書。
王達侃
優刻得AI部門負責人，曾任WeWork Research & Applied Science中國區負責人，並曾在LinkedIn、Twitter和微軟亞洲研究院負責AI以及大數據方向的研發工作。碩士畢業於美國斯坦福大學計算機系，本科畢業於上海交通大學ACM班。
名人/編輯推薦
1.本書作者Jeffrey Ullman是2020圖靈獎獲得者；
2.本書譯者是國內知名NLP專家王斌老師；
3.本書內容源自斯坦福大學網紅課程“CS246：海量數據挖掘”、“CS224W：圖機器學習”和“CS341：項目實戰課”；
4.書中以海量數據挖掘和機器學習為重點，全面分析並實現了各種常用的數據挖掘算法，同時介紹了目前Web應用的許多重要話題；
5.在第2版《大數據 互聯網大規模數據挖掘與分布式處理（第2版）》基礎上，第3版內容新增一章，專門探討神經網絡和深度學習並擴充了社會網絡分析和決策樹的相關內容。
本書源自斯坦福大學“CS246：海量數據挖掘”“CS224W：圖機器學習”和“CS341：項目實戰課”三門課程的內容。書中以海量數據挖掘和機器學習為重點，全面分析並實現了各種常用的數據挖掘算法，同時介紹了目前Web應用的許多重要話題。
這一版不僅新增一章，專門探討神經網絡和深度學習這一主題，還在上一版基礎上擴充了社會網絡分析和決策樹的相關內容，同時更新了其他一些內容。
- 分布式文件系統以及MapReduce；
- 相似性搜索；
- 數據流處理以及特殊情況專用處理算法；
- 搜索引擎技術，如谷歌的PageRank；
- 頻繁項集挖掘；
- 大規模高維數據集的聚類算法；
- 廣告管理系統和推薦系統；
- 社會網絡圖挖掘；
- 降維處理，如SVD和CUR分解；
- 大規模機器學習；
- 深度神經網絡。
【亞馬遜讀者好評】
“作為斯坦福大學‘大規模數據挖掘’在線課程的教材，這本書介紹了各種數據挖掘算法以及一些大數據應用。”
“這本書中包含許多熱門的算法，特別是與挖掘圖數據相關的算法，並且算法的理論和實現並重。書中的大量例子相當直觀，易於理解。各章最後還提煉了章節要點，以幫助讀者鞏固和消化知識要點，讓人很驚喜！”
“這本書涵蓋了很多話題，從MapReduce和局部敏感哈希，到圖的算法和大規模機器學習，內容全面、實用。”
目次
第 1章 數據挖掘基本概念 1
1.1 數據挖掘的定義 1
1.1.1 建模 1
1.1.2 統計建模 2
1.1.3 機器學習 2
1.1.4 建模的計算方法 3
1.1.5 數據概括 3
1.1.6 特征抽取 4
1.2 數據挖掘的統計限制 5
1.2.1 整體情報預警 5
1.2.2 邦弗朗尼原理 5
1.2.3 邦弗朗尼原理的一個例子 6
1.2.4 習題 7
1.3 相關知識 7
1.3.1 詞語在文檔中的重要性 7
1.3.2 哈希函數 8
1.3.3 索引 9
1.3.4 二級存儲器 10
1.3.5 自然對數的底e 11
1.3.6 冪定律 12
1.3.7 習題 13
1.4 本書概要 14
1.5 小結 15
1.6 參考文獻 16
第 2章 MapReduce和新軟件棧 17
2.1 分布式文件系統 18
2.1.1 計算節點的物理結構 18
2.1.2 大規模文件系統的結構 19
2.2 MapReduce 20
2.2.1 Map任務 21
2.2.2 按鍵分組 21
2.2.3 Reduce任務 22
2.2.4 組合器 22
2.2.5 MapReduce的執行細節 23
2.2.6 節點故障的處理 24
2.2.7 習題 24
2.3 使用MapReduce的算法 24
2.3.1 基於MapReduce的矩陣—向量乘法實現 25
2.3.2 向量v無法放入內存時的處理 26
2.3.4 基於MapReduce的選擇運算 28
2.3.5 基於MapReduce的投影運算 28
2.3.6 基於MapReduce的並、交和差運算 29
2.3.7 基於MapReduce的自然連接運算 29
2.3.8 基於MapReduce的分組和聚合運算 30
2.3.9 矩陣乘法 30
2.3.10 基於單步MapReduce的矩陣乘法 31
2.3.11 習題 32
2.4 MapReduce的擴展 32
2.4.1 工作流系統 33
2.4.2 Spark 34
2.4.3 Spark實現 36
2.4.4 TensorFlow 37
2.4.5 MapReduce的遞歸擴展版本 38
2.4.6 整體同步系統 40
2.4.7 習題 41
2.5 通信開銷模型 41
2.5.1 任務網絡的通信開銷 42
2.5.2 時鐘時間 43
2.5.3 多路連接 43
2.5.4 習題 46
2.6 MapReduce復雜性理論 47
2.6.1 Reducer規模及復制率 47
2.6.2 一個例子：相似性連接 48
2.6.3 MapReduce問題的一個圖模型 51
2.6.5 並非所有輸入都存在時的處理 52
2.6.7 案例分析：矩陣乘法 54
2.6.8 習題 57
2.7 小結 58
2.8 參考文獻 59
第3章 相似項發現 61
3.1 集合相似度的應用 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 協同過濾——一個集合相似問題 63
3.1.4 習題 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進行哈希 66
3.2.4 基於詞的shingle 66
3.2.5 習題 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 最小哈希 68
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 上述技術的綜合 79
3.4.4 習題 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 餘弦距離 81
3.5.5 編輯距離 82
3.5.6 海明距離 83
3.5.7 習題 83
3.6 局部敏感函數理論 85
3.6.1 局部敏感函數 85
3.6.2 面向Jaccard距離的局部敏感函數族 86
3.6.3 局部敏感函數族的放大處理 87
3.6.4 習題 89
3.7 面向其他距離測度的LSH函數族 89
3.7.1 面向海明距離的LSH函數族 89
3.7.2 隨機超平面和餘弦距離 90
3.7.3 梗概 91
3.7.4 面向歐氏距離的LSH函數族 91
3.7.5 面向歐氏空間的更多LSH函數族 92
3.7.6 習題 93
3.8 LSH函數的應用 93
3.8.1 實體關聯 94
3.8.2 一個實體關聯的例子 94
3.8.3 記錄匹配的驗證 95
3.8.4 指紋匹配 96
3.8.5 適用於指紋匹配的LSH函數族 98
3.8.7 習題 99
3.9 面向高相似度的方法 99
3.9.1 相等項發現 99
3.9.2 集合的字符串表示方法 100
3.9.3 基於長度的過濾 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 習題 105
3.10 小結 106
3.11 參考文獻 108
第4章 數據流挖掘 109
4.1 流數據模型 109
4.1.1 一個數據流管理系統 109
4.1.2 流數據源的例子 110
4.1.3 流查詢 111
4.1.4 流處理中的若幹問題 112
4.2 流當中的數據抽樣 112
4.2.1 一個富有啟發性的例子 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 樣本規模的變化 114
4.2.5 習題 115
4.3 流過濾 115
4.3.1 一個例子 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 習題 117
4.4 流中獨立元素的數目統計 118
4.4.1 獨立元素計數問題 118
4.4.2 FM算法 118
4.4.3 組合估計 119
4.4.4 空間需求 120
4.4.5 習題 120
4.5 矩估計 120
4.5.1 矩定義 120
4.5.2 二階矩估計的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 122
4.5.5 無限流的處理 123
4.5.6 習題 124
4.6 窗口內的計數問題 124
4.6.1 精確計數的開銷 125
4.6.2 DGIM算法 125
4.6.3 DGIM算法的存儲需求 127
4.6.4 DGIM算法中的查詢應答 127
4.6.5 DGIM條件的保持 127
4.6.6 降低錯誤率 128
4.6.7 窗口內計數問題的擴展 129
4.6.8 習題 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 最流行元素的發現 131
4.8 小結 132
4.9 參考文獻 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作弊 134
5.1.2 PageRank的定義 136
5.1.3 Web結構 138
5.1.4 避免終止點 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 習題 144
5.2 PageRank的快速計算 145
5.2.1 轉移矩陣的表示 146
5.2.2 基於MapReduce的PageRank迭代計算 146
5.2.3 結果向量合並時的組合器使用 147
5.2.4 轉移矩陣中塊的表示 148
5.2.5 其他高效的PageRank迭代方法 149
5.2.6 習題 150
5.3 面向主題的PageRank 150
5.3.1 動機 150
5.3.2 有偏的隨機遊走模型 151
5.3.3 面向主題的PageRank的使用 153
5.3.5 習題 153
5.4 鏈接作弊 153
5.4.1 垃圾農場的架構 154
5.4.2 垃圾農場的分析 155
5.4.3 與鏈接作弊的斗爭 156
5.4.4 TrustRank 156
5.4.5 垃圾質量 156
5.4.6 習題 157
5.5 導航頁和權威頁 157
5.5.1 HITS的直觀意義 158
5.5.2 導航度和權威度的形式化 158
5.5.3 習題 161
5.6 小結 161
5.7 參考文獻 164
第6章 頻繁項集 165
6.1 購物籃模型 165
6.2 購物籃和A-Priori算法 171
6.3 更大數據集在內存中的處理 178
6.4 有限掃描算法 185
6.5 流中的頻繁項計數 190
6.6 小結 192
6.7 參考文獻 194
第7章 聚類 195
7.1 聚類技術介紹 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 流聚類及並行化 218
7.7 小結 222
7.8 參考文獻 224
第8章 Web廣告 226
8.1 在線廣告相關問題 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的實現 240
8.6 小結 243
8.7 參考文獻 245
第9章 推薦系統 246
9.1 推薦系統的模型 246
9.2 基於內容的推薦 249
9.3 協同過濾 257
9.4 降維處理 262
9.5 Netflix競賽 270
9.6 小結 271
9.7 參考文獻 272
第 10章 社會網絡圖挖掘 273
10.1 將社會網絡看成圖 273
10.2 社會網絡圖的聚類 277
10.3 社區的直接發現 283
10.4 圖劃分 287
10.5 重疊社區的發現 293
10.6 Simrank 299
10.7 三角形計數問題. 306
10.8 圖的鄰居性質 311
10.9 小結 324
10.10 參考文獻 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 352
11.6 參考文獻 353
第 12章 大規模機器學習 354
12.1 機器學習模型 354
12.2 感知機 360
12.3 支持向量機 371
12.4 近鄰學習 381
12.5 決策樹 387
12.6 各種學習方法的比較 397
12.7 小結 397
12.8 參考文獻 399
第 13章 神經網絡與深度學習 400
13.1 神經網絡簡介 400
13.2 密集型前饋網絡 405
13.3 反向傳播與梯度下降 413
13.4 卷積神經網絡 420
13.5 循環神經網絡 427
13.6 正則化 433
13.7 小結 435
13.8 參考文獻 436
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。