非結(jié)構(gòu)化數(shù)據(jù)處理技術(shù)及應(yīng)用

目錄
基礎(chǔ)知識(shí)篇
第1章 非結(jié)構(gòu)化數(shù)據(jù)的基礎(chǔ)知識(shí) 3
1.1 大數(shù)據(jù)的基本概念 3
1.2 非結(jié)構(gòu)化數(shù)據(jù)的基本概念 11
1.3 非結(jié)構(gòu)化數(shù)據(jù)研究的必要性 12
1.4 非結(jié)構(gòu)化數(shù)據(jù)挖掘的研究領(lǐng)域 13
第2章 非結(jié)構(gòu)化數(shù)據(jù)挖掘的基礎(chǔ)理論 18
2.1 數(shù)據(jù)挖掘 18
2.2 數(shù)據(jù)挖掘與其他技術(shù)的關(guān)系 29
2.3 圖像挖掘 33
2.4 視頻挖掘 34
第3章 非結(jié)構(gòu)化數(shù)據(jù)挖掘的開源工具及應(yīng)用舉例 37
3.1 WEKA 37
3.2 R語(yǔ)言簡(jiǎn)介 49
結(jié)構(gòu)化數(shù)據(jù)挖掘技術(shù)篇
第4章 數(shù)據(jù)預(yù)處理技術(shù) 61
4.1 數(shù)據(jù)預(yù)處理 62
4.2 數(shù)據(jù)清理 63
4.3 數(shù)據(jù)集成和融合 66
4.4 數(shù)據(jù)變換 67
4.5 數(shù)據(jù)歸約 70
第5章 預(yù)測(cè)模型研究與應(yīng)用 75
5.1 預(yù)測(cè)模型的基礎(chǔ)理論 75
5.2 回歸分析預(yù)測(cè)模型 77
5.3 趨勢(shì)外推預(yù)測(cè)模型 92
5.4 時(shí)間序列預(yù)測(cè)模型 99
5.5 基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型 111
5.6 馬爾可夫預(yù)測(cè)模型 124
第6章 網(wǎng)頁(yè)數(shù)據(jù)的采集技術(shù) 129
6.1 網(wǎng)站信息采集相關(guān)技術(shù)研究 129
6.2 基于爬蟲的網(wǎng)站信息采集技術(shù)整合設(shè)計(jì) 138
6.3 基于爬蟲的網(wǎng)站信息采集技術(shù)整合實(shí)現(xiàn) 155
第7章 非關(guān)系型數(shù)據(jù)庫(kù)存儲(chǔ)技術(shù) 168
7.1 非關(guān)系型數(shù)據(jù)庫(kù)系統(tǒng)發(fā)展的必然性 168
7.2 非關(guān)系型數(shù)據(jù)庫(kù)理論 174
7.3 非關(guān)系型數(shù)據(jù)庫(kù)的使用范例 180
非結(jié)構(gòu)化數(shù)據(jù)挖掘方法及應(yīng)用篇
第8章 非結(jié)構(gòu)化大數(shù)據(jù)的分析平臺(tái) 193
8.1 HDFS海量存儲(chǔ) 195
8.2 Map Reduce 200
8.3 Spark 207
第9章 電商個(gè)性化推薦系統(tǒng)的應(yīng)用 211
9.1 國(guó)內(nèi)外研究現(xiàn)狀 211
9.2 電子商務(wù)個(gè)性化推薦系統(tǒng)理論與技術(shù)介紹 212
9.3 基于協(xié)同過濾的個(gè)性化推薦算法研究與優(yōu)化 226
9.4 基于移動(dòng)平臺(tái)的電商個(gè)性化推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 243
第10章 網(wǎng)購(gòu)評(píng)語(yǔ)情感挖掘的應(yīng)用 272
10.1 國(guó)內(nèi)外研究現(xiàn)狀 272
10.2 情感挖掘理論知識(shí)基礎(chǔ) 275
10.3 改進(jìn)情感傾向模型的建立 291
10.4 改進(jìn)情感傾向模型的應(yīng)用驗(yàn)證 300
10.5 基于情感挖掘的預(yù)測(cè)分析應(yīng)用 315
參考文獻(xiàn) 329
附錄一 肯定性和否定性參考詞組問卷調(diào)查 340
附錄二 特殊程度詞的影響程度問卷調(diào)查 341