《Web数据挖掘》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。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。

书名：Web数据挖掘：超文本数据的知识发现

作者：（印度）(SoumenChakrabarti)查凯莱巴蒂

ISBN：9787115194046

定价：59.00 元

出版社：人民邮电出版社

出版时间：2009

开本：16

作者简介

编辑推荐

目录

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。

编辑推荐

《Web数据挖掘》是Web挖掘与搜索引擎领域的经典著作，自出版以来深受好评，已经被斯坦福、普林斯顿、卡内基梅隆等世界名校采用为教材。书中首先介绍了Web爬行和搜索等许多基础性的问题，并以此为基础，深入阐述了解决Web挖掘各种难题所涉及的机器学习技术，提出了机器学习在系统获取、存储和分析数据中的许多应用，并探讨了这些应用的优劣和发展前景。

《Web数据挖掘》分析透彻，富于前瞻性，为构建Web挖掘创新性应用奠定了理论和实践基础，既适用于信息检索和机器学习领域的研究人员和高校师生，也是广大Web开发人员的优秀参考书。

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

3.2.3RelevanceFeedbackandRocchio'sMethod

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

……