内容提要 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。 目录 1 INTRODUCTION 1.1 Crawling and Indexing 1.2 Topic Directories 1.3 Clustering and Classification 1.4 Hyperlink Analysis 1.5 Resource Discovery and Vertical Portals 1.6 Structured vs. Unstructured Data Mining 1.7 Bibliographic NotesPART Ⅰ INFRASTRUCTURE 2 CRAWLING THE WEB 2.1 HTML and HTTP Basics 2.2 Crawling Basics 2.3 Engineering Large-Scale Crawlers 2.3.1 DNS Caching, Prefetching, and Resolution 2.3.2 Multiple Concurrent Fetches 2.3.3 Link Extraction and Normalization 2.3.4 Robot Exclusion 2.3.5 Eliminating Already-Visited URLs 2.3.6 Spider Traps 2.3.7 Avoiding Repeated Expansion of Links on Duplicate Pages 2.3.8 Load Monitor and Manager 2.3.9 Per-Server Work-Queues 2.3.10 Text Repository 2.3.11 Refreshing Crawled Pages 2.4 Putting Together a Crawler 2.4.1 Design of the Core Components 2.4.2 Case Study: Using w3c-libwww 2.5 Bibliographic Notes 3 WEB SEARCH AND INFORMATION RETRIEVAL 3.1 Boolean Queries and the Inverted Index 3.1.1 Stopwords and Stemming 3.1.2 Batch Indexing and Updates 3.1.3 Index Compression Techniques 3.2 Relevance Ranking 3.2.1 Recall and Precision 3.2.2 The Vector-Space Model 3.2.3 Relevance Feedback and Rocchio?s Method 3.2.4 Probabilistic Relevance Feedback Models 3.2.5 Advanced Issues 3.3 Similarity Search 3.3.1 Handling òFind-Similaró Queries 3.3.2 Eliminating Near Duplicates via Shingling 3.3.3 Detecting Locally Similar Subgraphs of the Web 3.4 Bibliographic Notes PART Ⅱ LEARNING PART Ⅲ APPLICATIONSReferencesIndex 作者介绍 Soumen Chakrabarti，Web搜索与挖掘领域的知名专家，ACM Transactions on the Web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IBM Almaden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 序言
占位居中
直播中，去观看