Miejska Biblioteka

Eksploracja zasobów internetowych : analiza struktury, zawartości i użytkowania sieci WWW

Autor: Markov, Zdrawko

Odkrywanie tajemnic wyszukiwarek i internautów!Eksploracja zasobów internetowych to podręcznik umożliwiający odkrywanie wzorców w strukturze, zawartości i użytkowaniu sieci WWW.Książka składa się z 3 części:część I - Analiza struktury sieci WWW - zawiera podstawowe idee i metody wyszukiwania informacji tekstowej;część II - Analiza zawartości sieci WWW - dotyczy metod uczenia maszynowego i eksploracji

danych, porządkujących sieć według zawartości - grupowanie i klasyfikacja;część III - Analiza użytkowania sieci WWW - odpowiada na pytanie: jak stosować metody eksploracji danych do badania zachowań użytkowników sieci w celach marketingowych i handlowych.Podręcznika zawiera wiele przykładów i ćwiczeń do samodzielnego wykonania. Przedstawiono w nim rzeczywiste przypadki eksploracji danych.Publikacji towarzyszy prowadzona przez autora strona internetowa: www.dataminingconsultant.com (ang.).

Zobacz pełny opis

---

1. Przedmowa
2. 0.1. Definicja eksploracji zasobów sieciowych
3. 0.2. Cykl książek o eksploracji danych
4. 0.3. Jak zbudowana jest ta książka?
5. 0.4. Dlaczego ta książka jest potrzebna?
6. 0.5. Podejście typu „biała skrzynka” – zrozumienie podstawowych struktur algorytmów i modeli
7. 0.5.1. Omówienie działania algorytmów
8. 0.5.2. Zastosowanie algorytmów do dużego zbioru danych
9. 0.5.3. Ćwiczenia do rozdziałów – upewnij się, że rozumiesz
10. 0.5.4. Ćwiczenia praktyczne – nauka eksploracji danych przez wykonywanie eksploracji danych
11. 0.6. Eksploracja danych jako proces
12. 0.7. Oprogramowanie
13. 0.8. Strona internetowa: www.dataminingconsultant.com
14. 0.9. Eksploracja zasobów internetowych jako podręcznik
15. 0.10. Podziękowania
16. I. Analiza struktury sieci WWW
17. 1. Wyszukiwanie informacji tekstowych i wyszukiwanie w Internecie
18. 1.1. Wyzwania sieci
19. 1.1.1. Wyszukiwarki internetowe
20. 1.1.2. Katalogi stron WWW
21. 1.1.3. Semantic Web
22. 1.2. Ściąganie stron internetowych
23. 1.2.1. Podstawy WWW
24. 1.2.2. Roboty internetowe
25. 1.3. Indeksowanie i wyszukiwanie według słów kluczowych
26. 1.3.1. Reprezentacja dokumentów
27. 1.3.2. Rozważania na temat implementacji
28. 1.3.3. Ranking ważności
29. 1.3.4. Zaawansowane wyszukiwanie tekstów
30. 1.3.5. Używanie struktury HTML do wyszukiwania słów kluczowych
31. 1.4. Ocena jakości wyszukiwania
32. 1.5. Wyszukiwanie według podobieństwa
33. 1.5.1. Miara (odległość) kosinusowa
34. 1.5.2. Współczynnik Jaccarda
35. 1.5.3. Podobieństwo dokumentów
36. 1.6. Literatura
37. 1.7. Ćwiczenia
38. 2. Ranking oparty na strukturze połączeń
39. 2.1. Wprowadzenie
40. 2.2. Analiza sieci społecznych
41. 2.3. Algorytm PageRank
42. 2.4. Autorytety i koncentratory
43. 2.5. Wyszukiwanie oparte na podobieństwie strukturalnym
44. 2.6. Zaawansowane techniki tworzenia rankingów stron
45. 2.7. Literatura
46. 2.8. Ćwiczenia
47. II Analiza zawartości sieci WWW
48. Grupowanie
49. 3.1. Wprowadzenie
50. 3.1.1. Aglomeracyjne grupowanie hierarchiczne
51. 3.2. Algorytm k-średnich
52. 3.3. Grupowanie oparte na prawdopodobieństwie
53. 3.3.1. Problem skończonej mieszaniny
54. 3.3.2. Problem klasyfikacji
55. 3.3.3. Problem grupowania
56. 3.4. Techniki wspólnego filtrowania (systemy rekomendacyjne)
57. 3.5. Literatura
58. 3.6. Ćwiczenia
59. 4. Ocena grupowania
60. 4.1. Podejścia do oceny grupowania
61. 4.2. Funkcje kryterialne oparte na podobieństwie
62. 4.3. Probabilistyczne funkcje kryterialne
63. 4.4. Model oparty na zasadzie minimalnej długości opisu i ocena cech
64. 4.4.1. Zasada minimalnej długości opisu
65. 4.4.2. Ocena modelu opartego na zasadzie minimalnej długości opisu
66. 4.4.3. Wybór cech
67. 4.5. Ocena za pomocą odwzorowania klas do grup
68. 4.6. Dokładność, kompletność i miara F
69. 4.7. Entropia
70. 4.8. Literatura
71. 4.9. Ćwiczenia
72. 5. Klasyfikacja
73. 5.1. Ogólne otoczenie i techniki oceny
74. 5.2. Algorytm najbliższego sąsiada
75. 5.3. Wybór cech
76. 5.4. Naiwny algorytm Bayesa
77. 5.5. Podejścia numeryczne
78. 5.6. Relacyjne uczenie się – relational learning
79. 5.7. Literatura
80. 5.8. Ćwiczenia
81. III. Analiza użytkowania sieci WWW
82. 6. Wprowadzenie do analizy użytkowania sieci WWW
83. 6.1. Definicja analizy użytkowania sieci WWW
84. 6.2. Metodologia Cross–Industry Standard Process for Data Mining
85. 6.3. Analiza kliknięć
86. 6.4. Pliki log serwera
87. 6.4.1. Pole adresu IP hosta
88. 6.4.2. Pole Data/Czas
89. 6.4.3. Pole żądania HTTP
90. 6.4.4. Pole kodu odpowiedzi HTTP
91. 6.4.5. Pole wielkości transferu (bajty)
92. 6.5. Format CLF
93. 6.5.1. Pole nazwy użytkownika
94. 6.5.2. Pole authuser
95. 6.6. Format ECLF
96. 6.6.1. Pole adresu strony odsyłającej
97. 6.6.2. Pole przeglądarki klienta
98. 6.6.3. Przykład rekordu pliku log
99. 6.7. Format Microsoft IIS
100. 6.8. Dodatkowe informacje
101. 6.9. Literatura
102. 6.10. Ćwiczenia
103. 7. Wstępne przetwarzanie danych do analizy użytkowania sieci WWW
104. 7.1. Konieczność wstępnego przetwarzania danych
105. 7.2. Czyszczenie i filtrowanie danych
106. 7.2.1. Badanie rozszerzeń stron i filtrowanie
107. 7.3. Usuwanie z pliku log wpisów robotów internetowych
108. 7.4. Identyfikacja użytkownika
109. 7.5. Identyfikacja sesji
110. 7.6. Uzupełnianie ścieżek
111. 7.7. Katalogi i przypisanie kategorii
112. 7.8. Dalsze kroki wstępnego przetwarzania danych
113. 7.9. Literatura
114. 7.10. Ćwiczenia
115. 8. Eksploracyjna analiza użytkowania sieci WWW
116. 8.1. Wprowadzenie
117. 8.2. Liczba żądań w sesji
118. 8.3. Długość sesji
119. 8.3.1. Procedura obliczania długości sesji
120. 8.4. Zależność między długościąsesji a liczbą żądań użytkownika
121. 8.5. Średni czas na stronę
122. 8.6. Czas dla pojedynczych stron
123. 8.7. Literatura
124. 8.8. Ćwiczenia
125. 9. Modelowanie użytkowania sieci WWW: grupowanie, reguły asocjacyjne i klasyfikacja
126. 9.1. Wprowadzenie
127. 9.2. Metodologia modelowania
128. 9.3. Definicja grupowania
129. 9.4. Algorytm grupowania BIRCH
130. 9.5. Analiza podobieństw i algorytm Apriori
131. 9.6. Dyskretyzacja zmiennych numerycznych
132. 9.7. Zastosowanie algorytmu Apriori do danych pliku log serwera CCSU
133. 9.8. Drzewa klasyfikacyjne i regresyjne
134. 9.9. Algorytm C4.5
135. 9.10. Literatura
136. 9.11. Ćwiczenia
137. Indeks

Zobacz spis treści