Trending on TikTok

Buldak

Sunscreen

Sanrio

English

{{sellerTotalView > 1 ? __("sellers", {number: sellerTotalView}) : __("seller", {number: sellerTotalView}) }}, {{numTotalView > 1 ? __("items", {number: numTotalView}) : __("item", {number: numTotalView}) }}

View Cart & Check Out

Nickname

Let us know how to properly address you.

Update Your Name

xxxxxxx@yamibuy.com

Account Orders Favorites

Points 0

Coupons 0

Gift Card Balance $0.00

Sign Out

Change Your Zip Code

Inventory information and delivery speeds may vary for different locations.

Location History

We will notify you by email when the item back in stock.

Your email: {{remindEmail}}

Cancel

Jingdong book

大数据互联网大规模数据挖掘与分布式处理（第2版）

View Cart & Check Out

{{buttonTypePin == 3 ? __("Scan to view more PinGo") : __("Scan to start")}}

Books Computers & Internet Computer Journal

Jingdong book

大数据互联网大规模数据挖掘与分布式处理（第2版）

Name: 大数据 互联网大规模数据挖掘与分布式处理（第2版）
Brand: Jingdong book
SKU: 3118103641
Price: 47.22 USD
Availability: OutOfStock

{{__(":people-members", {'people': item.limit_people_count})}} {{ itemCurrency }}{{ item.valid_price }} {{ itemCurrency }}{{ item.invalid_price }} {{ itemDiscount }}

Ends in

{{ itemCurrency }}{{ priceFormat(item.valid_price / item.bundle_specification) }}/{{ item.unit }}

{{ itemCurrency }}{{ item.valid_price }} {{ itemCurrency }}{{ priceFormat(item.valid_price / item.bundle_specification) }}/{{ item.unit }} {{ itemCurrency }}{{ item.invalid_price }} {{itemDiscount}}

Sale ends in

Sale will starts after Sale ends in

{{ __( "Pay with Gift Card to get sale price: :itemCurrency:price", { 'itemCurrency' : itemCurrency, 'price' : (item.giftcard_price ? priceFormat(item.giftcard_price) : '0.00') } ) }} ({{ itemCurrency }}{{ priceFormat(item.giftcard_price / item.bundle_specification) }}/{{ item.unit }}) Details

Best before

Currently unavailable.

We don't know when or if this item will be back in stock.

Unavailable in your area.

Sold Out

Details

Full product details

Content Description

本书由斯坦福大学“Web挖掘”课程的内容总结而成，主要关注极大规模数据的挖掘。主要内容包括分布式文件系统、相似性搜索、搜索引擎技术、频繁项集挖掘、聚类算法、广告管理及推荐系统。其中相关章节有对应的习题，以巩固所讲解的内容。读者更可以从网上获取相关拓展材料。

Author Description

Comments

Jure Leskovec 斯坦福大学计算机科学系助理教授，研究方向是大型社交和信息网络的数据挖掘。他的研究成果获得了很多奖项，如Microsoft Research Faculty Fellowship、Alfred P. Sloan Fellowship和Okawa Foundation Fellowship，还获得了很多最佳论文奖，同时也被《纽约时报》《华尔街日报》《华盛顿邮报》《麻省理工科技评论》《连线》、NBC、BBC等流行的社会媒体刊载。他还创建了斯坦福网络分析平台（SNAP，https://snap.stanford.edu）。

Anand Rajaraman 数据库和Web技术领域权威，创业投资基金Cambrian联合创始人，斯坦福大学计算机科学系助理教授。Rajaraman的职业生涯非常成功：1996年创办Junglee公司，两年后被亚马逊以2.5亿美元收购，Rajaraman被聘为亚马逊技术总监，推动亚马逊从一个零售商转型为零售平台；2000年与人合创Cambrian，孵化出几个后来被谷歌收购的公司；2005年创办Kosmix公司并任CEO，该公司于2011年被沃尔玛集团收购，Rajaraman被聘为沃尔玛负责全球电子商务业务的高级副总裁。Rajaraman生于印度，在斯坦福大学获得计算机科学硕士和博士学位。求学期间与人合著的一篇论文荣列近20年来被引用次数最多的论文之一。

Jeffrey David Ullman 美国国家工程院院士，计算机科学家。早年在贝尔实验室工作，之后任教于普林斯顿大学，十年后加入斯坦福大学直至退休，一生的科研、著书和育人成果卓著。他是ACM会员，曾获SIGMOD创新奖、高德纳奖、冯诺依曼奖等多项科研大奖；他是“龙书”《编译原理》、数据库名著《数据库系统实现》等多部经典著作的合著者；麾下多名学生成为了数据库领域的专家，其中最有名的当属谷歌创始人Sergey Brin；本书第二作者也是他的得意弟子。Ullman目前任Gradiance公司CEO。

Catalogue

第1 章数据挖掘基本概念 1
1．1 数据挖掘的定义 1
1．1．1 统计建模 1
1．1．2 机器学习 1
1．1．3 建模的计算方法 2
1．1．4 数据汇总 2
1．1．5 特征抽取 3
1．2 数据挖掘的统计限制 4
1．2．1 整体情报预警 4
1．2．2 邦弗朗尼原理 4
1．2．3 邦弗朗尼原理的一个例子 5
1．2．4 习题 6
1．3 相关知识 6
1．3．1 词语在文档中的重要性 6
1．3．2 哈希函数 7
1．3．3 索引 8
1．3．4 二级存储器 9
1．3．5 自然对数的底e 10
1．3．6 幂定律 11
1．3．7 习题 12
1．4 本书概要 13
1．5 小结 14
1．6 参考文献 15
第2 章 MapReduce及新软件栈 16
2．1 分布式文件系统 17
2．1．1 计算节点的物理结构 17
2．1．2 大规模文件系统的结构 18
2．2 MapReduce 19
2．2．1 Map 任务 20
2．2．2 按键分组 20
2．2．3 Reduce 任务 21
2．2．4 组合器 21
2．2．5 MapReduce 的执行细节 22
2．2．6 节点失效的处理 23
2．2．7 习题 23
2．3 使用MapReduce 的算法 23
2．3．1 基于MapReduce 的矩阵—向量
乘法实现 24
2．3．2 向量v 法放入内存时的处理 24
2．3．3 关系代数运算 25
2．3．4 基于MapReduce 的选择运算 27
2．3．5 基于MapReduce 的投影运算 27
2．3．6 基于MapReduce 的并、交和差运算 28
2．3．7 基于MapReduce 的自然连接运算 28
2．3．8 基于MapReduce 的分组和聚合运算 29
2．3．9 矩阵乘法 29
2．3．10 基于单步MapReduce 的矩阵乘法 30
2．3．11 习题 31
2．4 MapReduce 的扩展 31
2．4．1 工作流系统 32
2．4．2 MapReduce 的递归扩展版本 33
2．4．3 Pregel 系统 35
2．4．4 习题 35
2．5 通信开销模型 36
2．5．1 任务网络的通信开销 36
2．5．2 时钟时间 37
2．5．3 多路连接 38
2．5．4 习题 41
2．6 MapReduce 复杂性理论 41
2．6．1 Reducer 规模及复制率 41
2．6．2 一个例子：相似性连接 42
2．6．3 MapReduce 问题的一个图模型 44
2．6．4 映射模式 45
2．6．5 并非所有输入都存在时的处理 46
2．6．6 复制率的下界 46
2．6．7 案例分析：矩阵乘法 48
2．6．8 习题 51
2．7 小结 51
2．8 参考文献 53
第3 章相似项发现 55
3．1 近邻搜索的应用 55
3．1．1 集合的Jaccard 相似度 55
3．1．2 文档的相似度 56
3．1．3 协同过滤——一个集合相似问题 57
3．1．4 习题 58
3．2 文档的shingling 58
3．2．1 k-shingle 58
3．2．2 shingle 大小的选择 59
3．2．3 对shingle 进行哈希 59
3．2．4 基于词的shingle 60
3．2．5 习题 60
3．3 保持相似度的集合摘要表示 61
3．3．1 集合的矩阵表示 61
3．3．2 最小哈希 62
3．3．3 最小哈希及Jaccard 相似度 62
3．3．4 最小哈希签名 63
3．3．5 最小哈希签名的计算 63
3．3．6 习题 66
3．4 文档的局部敏感哈希算法 67
3．4．1 面向最小哈希签名的LSH 67
3．4．2 行条化策略的分析 68
3．4．3 上述技术的综合 69
3．4．4 习题 70
3．5 距离测度 70
3．5．1 距离测度的定义 71
3．5．2 欧氏距离 71
3．5．3 Jaccard 距离 72
3．5．4 余弦距离72
3．5．5 编辑距离 73
3．5．6 海明距离 74
3．5．7 习题 74
3．6 局部敏感函数理论 75
3．6．1 局部敏感函数 76
3．6．2 面向Jaccard 距离的局部敏感函数族 77
3．6．3 局部敏感函数族的放大处理 77
3．6．4 习题 79
3．7 面向其他距离测度的LSH 函数族 80
3．7．1 面向海明距离的LSH 函数族 80
3．7．2 随机超平面和余弦距离 80
3．7．3 梗概 81
3．7．4 面向欧氏距离的LSH 函数族 82
3．7．5 面向欧氏空间的更多LSH函数族 83
3．7．6 习题 83
3．8 LSH 函数的应用 84
3．8．1 实体关联 84
3．8．2 一个实体关联的例子 85
3．8．3 记录匹配的验证 86
3．8．4 指纹匹配 87
3．8．5 适用于指纹匹配的LSH函数族 87
3．8．6 相似新闻报道检测 88
3．8．7 习题 89
3．9 面向高相似度的方法 90
3．9．1 相等项发现 90
3．9．2 集合的字符串表示方法 91
3．9．3 基于长度的过滤 91
3．9．4 前缀索引 92
3．9．5 位置信息的使用 93
3．9．6 使用位置和长度信息的索引 94
3．9．7 习题 96
3．10 小结 97
3．11 参考文献 98
第4 章数据流挖掘 100
4．1 流数据模型 100
4．1．1 一个数据流管理系统 100
4．1．2 流数据源的例子 101
4．1．3 流查询 102
4．1．4 流处理中的若干问题 103
4．2 流当中的数据抽样 103
4．2．1 一个富于启发性的例子 104
4．2．2 代表性样本的获取 104
4．2．3 一般的抽样问题 105
4．2．4 样本规模的变化 105
4．2．5 习题 106
4．3 流过滤 106
4．3．1 一个例子 106
4．3．2 布隆过滤器 107
4．3．3 布隆过滤方法的分析 107
4．3．4 习题108
4．4 流中独立元素的数目统计 109
4．4．1 独立元素计数问题 109
4．4．2 FM 算法 109
4．4．3 组合估计 110
4．4．4 空间需求 111
4．4．5 习题 111
4．5 矩估计 111
4．5．1 矩定义 111
4．5．2 二阶矩估计的AMS 算法 112
4．5．3 AMS 算法有效的原因 113
4．5．4 更高阶矩的估计 113
4．5．5 限流的处理 114
4．5．6 习题 115
4．6 窗口内的计数问题 116
4．6．1 精确计数的开销 116
4．6．2 DGIM 算法 116
4．6．3 DGIM 算法的存储需求 118
4．6．4 DGIM 算法中的查询应答 118
4．6．5 DGIM 条件的保持 119
4．6．6 降低错误率 120
4．6．7 窗口内计数问题的扩展 120
4．6．8 习题 121
4．7 衰减窗口 121
4．7．1 最常见元素问题 121
4．7．2 衰减窗口的定义 122
4．7．3 最流行元素的发现 123
4．8 小结 123
4．9 参考文献 124
第5 章链接分析 126
5．1 PageRank 126
5．1．1 早期的搜索引擎及词项作弊 126
5．1．2 PageRank 的定义 128
5．1．3 Web 结构 130
5．1．4 避免终止点 132
5．1．5 采集器陷阱及“抽税”法 134
5．1．6 PageRank 在搜索引擎中的使用 136
5．1．7 习题 136
5．2 PageRank 的快速计算 137
5．2．1 转移矩阵的表示 137
5．2．2 基于MapReduce 的PageRank迭代计算 138
5．2．3 结果向量合并时的组合器使用 139
5．2．4 转移矩阵中块的表示 140
5．2．5 其他高效的PageRank 迭代方法 141
5．2．6 习题 142
5．3 面向主题的PageRank 142
5．3．1 动机 142
5．3．2 有偏

Book Abstract

第9章介绍推荐系统。很多Web应用中都有给用户推荐其感兴趣的数据项的功能。Netflix竞赛就是一个例子，该竞赛期望对用户感兴趣的电影进行预测。而Amazon希望根据顾客的购买兴趣来推荐一款商品。推荐主要有两种方法。一种方法是，我们可以将数据项通过其特征来刻画，比如电影中的明星，然后推荐与已知的用户喜欢的物品具有同样特征的物品。另一种方法是，我们可以考察那些与当前用户具有相似爱好的用户，根据他们喜欢的物品来向当前用户推荐（该技术通常称为协同过滤）。

第10章介绍社会网络及分析算法。最典型的社会网络的例子是Facebook的朋友关系图，其中节点代表人，而两个人如果是朋友的话，他们之间就有边相连。而像Twitter上的粉丝关注构成的有向图也可以看成社会网络。社会网络中一个要解决的普遍问题是识别其中的“社区”，即一个个小规模的节点集合，但是集合内节点之间却有大量的边将它们连接起来。社会网络的其他问题也是图的一般性问题，比如传递闭包或图直径的计算，但是在网络规模如此巨大的情况下问题也变得十分困难。

第11章介绍降维技术。给定一个极大的、通常比较稀疏的矩阵。我们可以将该矩阵想象为两类实体之间的关系表示，比如观众对影片的评级关系。直观上看，只会存在很少量的概念，而且概念的数目会比影片或观众的数目少很多，这些概念可以解释为什么某些观众喜欢某些影片。我们提供了多个将矩阵简化为多个矩阵的乘积的算法，简化后的矩阵某一维要小很多。其中，一个矩阵将一类实体与这些少量的概念相关联，另一个矩阵将概念和另一类实体相关联。如果处理正确的话，这些小矩阵的乘积会十分接近原始矩阵。

最后，第12章讨论极大规模数据集上的机器学习算法。其中的技术包括感知机、支持向量机、基于梯度下降的模型求解、近邻模型和决策树等。

……

Specifications

Brand

Jingdong book

Brand Origin

China

Disclaimer

Product packaging, specifications and price are subject to change without notice. All information about the products on our website is provided for information purposes only. Please always read labels, warnings and directions provided with the product before use.

View Full Terms of Use

Scan to Share

Add to favorites

{{ $isZh ? coupon.coupon_name_sub : coupon.coupon_ename_sub | formatCurrency }}

Clip coupons

Quantity

{{buttonTypePin == 3 ? __("Scan to view more PinGo") : __("Scan to start")}}

Sold by JD@CHINA

Ship to

Free shipping over 69

Genuine guarantee

View details

Region

Added to Cart

Keep Shopping

More to Consider

Coupons

Clip Clipped Over

Expires soon {{ formatTime(coupon.use_end_time) }}

Share this item with friends

Cancel

Yami Gift Card

Get this exclusive deal when paying with gift card

Terms and Conditions

Gift card deals are special offers for selected products;

The gift card deals will automatically be activated if a customer uses gift card balance at check out and the balance is sufficient to pay for the total price of the shopping cart products with gift card deals;

You will not be able to activate the gift card deals if you choose other payment methods besides gift card. The products will be purchased at their normal prices;

If your account balance is not enough to pay for the products with gift card deals, you can choose to reload your gift card balance by clicking on the Reload button at either shopping cart page or check out page;

Products that have gift card deals can be recognized by a special symbol showing 'GC Deal';

For any additional questions or concerns, please contact our customer service;

Yamibuy reserves the right of final interpretation.

Sold by Yami

Service Guarantee

Free Shipping over $49

Easy Returns

Ships from United States

Shipping

United States

Standard Shipping is $5.99 (Excluding Alaska & Hawaii). Free on orders of $49 or more.

Local Express is $5.99 (Available in Parts of CA, NJ, MA & PA). Free on orders of $49 or more.

2-Day Express (Includes Alaska & Hawaii) starts at $19.99.

Return Policy

Yami is committed to provide our customers with a peace of mind when purchasing from us. Most items shipped from Yamibuy.com can be returned within 30 days of receipt of shipment (For Food, Beverages, Snacks, Dry Goods, Health supplements, Fresh Grocery and Perishables Goods, within 7 days of receipt of shipment due to damages or quality issues; To ensure that every customer receives safe and high-quality products, we do not provide refunds or returns for beauty products once they have been opened or used, except in the case of quality issues; Some products may have different policies or requirements associated with them, please see below for products under special categories, or contact Yami Customer Service for further assistance).
Thank you for your understanding and support.

Learn More

Sold by Yami

Terms and Conditions of Yami E-Gift Card

If you choose “Redeem automatically” as your delivery method, your gift card balance will be reload automatically after your order has been processed successfully;

If you choose “Send to Email”as your delivery method, the card number and CVV will be sent to the email address automatically;

Any user can use the card number and CVV to redeem the gift card, please keep your gift card information safely. If you have any trouble receiving email, please contact Yami customer service;

Yami gift card can be used to purchase both Yami owned or Marketplace products;

Yami gift card will never expire;

Yami gift card balance does not have to be used up at once;

Return Policy

Gift card that has already been consumed is non-refundable.

Sold by JD@CHINA

Fulfilled by Yami

Service Guarantee

Free Shipping over $49

Easy Returns

Ships from United States

Shipping

United States

Standard Shipping is $5.99 (Excluding Alaska & Hawaii). Free on orders of $49 or more.

Local Express is $5.99 (Available in Parts of CA, NJ, MA & PA). Free on orders of $49 or more.

2-Day Express (Includes Alaska & Hawaii) starts at $19.99.

Return Policy

You may return product within 30 days upon receiving the product. Items returned must be new in it's original packing, including the original invoice for the purchase. Customer return product at their own expense.

Sold by JD@CHINA

Yami-China FC

Service Guarantee

Cross-store Free Shipping over $69

30-days Return

Yami-China FC

Yami has a consolidation warehouse in China which collects multiple sellers’ packages and combines to one order. Our Yami consolidation warehouse will directly ship the packages to your door. Cross-store free shipping over $69.

Return Policy

You may return products within 30 days upon receiving the products. Sellers take responsibilities for any wrong shipment or missing items. Packing needs to be unopened for any other than quality issues return. We promise to pack carefully, but because goods are taking long journey to destinations, simple damages to packaging may occur. Any damages not causing internal goods quality problems are not allowed to return. If you open the package and any quality problem is found, please contact customer service within three days after receipt of goods.

Shipping Information

Yami Consolidation Service Shipping Fee $9.99(Free shipping over $69)

Sellers in China will ship their orders within 1-2 business days once the order is placed. Packages are sent to our consolidation warehouse in China and combined there. Our Yami consolidation warehouse will directly ship the packages to you via UPS. The average time for UPS to ship from China to the United States is about 10 working days and it can be traced using the tracking number. Due to the pandemic, the delivery time may be delayed by about 5 days. The package needs to be signed by the guest. If the receipt is not signed, the customer shall bear the risk of loss of the package.

Sold by JD@CHINA

Service Guarantee

Free shipping over 69

Genuine guarantee

Shipping

Yami Consolidated Shipping $9.99(Free shipping over $69)

Seller will ship the orders within 1-2 business days. The logistics time limit is expected to be 7-15 working days. In case of customs clearance, the delivery time will be extended by 3-7 days. The final receipt date is subject to the information of the postal company.

Yami Points information

All items are excluding from any promotion or points events on Yamibuy.com

Return Policy

Download the Yami App

Feedback

Back Top

Reviews{{'('+ commentList.posts_count + ')'}}

Have your say. Be the first to help other guests.

Write a review

{{i}} star

{{i}} stars

{{ parseInt(commentRatingList[i]) }}%

{{ showTranslate(comment) }}Show Less

{{ strLimit(comment,800) }}Show more

Show Original

Show All

{{ formatTime(comment.in_dtm) }} VERIFIED PURCHASE {{groupData}}

{{ comment.likes_count }} {{ comment.likes_count }} {{ comment.reply_count }} {{comment.in_user==uid ? __('Delete') : __('Report')}}

{{ showTranslate(comment) }}Show Less

{{ strLimit(comment,800) }}Show more

Show Original

Show All

{{ formatTime(comment.in_dtm) }} VERIFIED PURCHASE {{groupData}}

{{ comment.likes_count }} {{ comment.likes_count }} {{ comment.reply_count }} {{comment.in_user==uid ? __('Delete') : __('Report')}}

No related comment~

Load more reviews

Review

{{ showTranslate(commentDetails) }}Show Less

{{ strLimit(commentDetails,800) }}Show more

Show Original

Show All

{{ formatTime(commentDetails.in_dtm) }} VERIFIED PURCHASE {{groupData}}

Please write at least one word

Comments{{'(' + replyList.length + ')'}}

Change Your Zip Code

Location History

大数据 互联网大规模数据挖掘与分布式处理（第2版）

大数据互联网大规模数据挖掘与分布式处理（第2版）