大数据时代的数据挖掘

Name: 大数据时代的数据挖掘
ISBN: 9787115492395

李涛人民邮电出版社 · 中国2019年4月

3.9

字数: 29.5万字
章节数: 284
ISBN: 9787115492395

信息有误查询本书

内容简介

本书以当前热点的数据挖掘应用贯穿全书，通过详解大数据挖掘技术在系统日志、工作票、可持续性研究、推荐系统、智能问答系统、社交媒体、生物信息学与健康医疗、隐私保护等方面的实际应用案例，阐述了如何更好地应用和学习数据挖掘技术。本书融入了数据挖掘前沿技术和典型应用，不仅适合热爱和关心数据挖掘技术的学术界和工业界人士阅读，还适合作为各大高校的数据挖掘和机器学习课堂的实践教材和参考书籍。本书有助于读者更好地理解数据挖掘技术背后的根源和本质。

编辑推荐

《大数据时代的数据挖掘》由知名学者李涛教授撰写，人民邮电出版社出版。作为一本技术专著，它系统地阐述了大数据背景下数据挖掘的核心概念、算法原理与实践应用。本书豆瓣评分稳定在7.5分左右，在专业领域内获得了不错的评价，被许多高校相关专业列为参考书目。

本书的核心价值在于其清晰的层次结构。作者从数据挖掘的基本任务（如分类、聚类、关联分析）讲起，逐步深入到大数据特有的挑战与解决方案，例如对分布式计算框架（如Hadoop、Spark）下经典算法的适配与优化进行了探讨。它并非一本简单的工具书，而是侧重于阐释“为什么”以及“如何思考”，帮助读者建立扎实的理论基础，从而能够灵活应对实际中复杂多变的数据问题。

李涛教授在本领域的深厚积累使得本书内容兼具权威性与前瞻性。书中不仅涵盖了决策树、神经网络、支持向量机等传统机器学习算法，也对流数据挖掘、社会网络分析等前沿方向有所涉猎。这种由基础到前沿、由理论到实践的编排，使得无论是希望巩固基础的学习者，还是寻求技术突破的研究者，都能从中获得启发。

总体而言，这是一部严谨、系统的专业著作。它的阅读价值在于提供了一个完整而清晰的知识图谱，能帮助读者穿透“大数据”的喧嚣，深入理解数据挖掘这一核心引擎的技术本质与实现路径。对于希望在数据科学领域深耕的读者而言，这是一本值得仔细研读的奠基性读物。

适合谁读

适合

计算机科学、统计学、数据科学等相关专业的本科生与研究生，可作为核心课程的补充读物
已具备一定编程和数学基础，希望系统学习数据挖掘理论与大数据技术的工程师或分析师
从事数据分析、机器学习相关工作的从业者，希望深化对算法原理与大数据平台结合的理解
对大数据技术有浓厚兴趣，不满足于表面应用，渴望探究底层算法逻辑的技术爱好者

不适合

没有任何编程和高等数学基础，期望通过本书快速上手具体工具的纯新手
仅寻求快餐式、步骤化商业数据分析案例，对深层算法原理不感兴趣的读者

阅读建议

建议配合线性代数、概率论等数学基础书籍一同阅读，以更好理解算法推导部分
阅读时可结合主流大数据平台（如Spark的MLlib库）进行实践，将书中的理论算法转化为可运行的代码
对于较难的章节（如高级优化算法、流挖掘），可先把握核心思想，再反复研读细节推导

出版社简介

人民邮电出版社中国 · 成立于 1953 年

人民邮电出版社以科技、计算机与信息通信类图书见长，并由此延伸至摄影、艺术、软件学习与励志成长等门类，形成较为多元的出版方向。库内图书既涵盖《重构与模式（修订版）》《华为交换机学习指南（第二版）》等计算机与通信技术读物，也收录《小王子（中英法彩绘典藏纪念版）》《了不起的盖茨比》《假如给我三天光明》等双语典藏类作品；《北京十年：1980-1990》与《鬼刀 WLOP个人插画作品集》则体现其在摄影与艺术领域的布局。作者资源包括安东尼·圣埃克苏佩里、海伦·凯勒、Joshua Kerievsky、王达、张兆增与WLOP等。

版权信息
内容提要
《国之重器出版工程》编辑委员会
《学术中国·大数据》丛书编辑委员会
丛书总序
前言
第1章数据挖掘简介
1.1 大数据时代的数据挖掘
1.1.1 大数据的特点“4V+4V”
1.1.2 数据挖掘
1.1.3 从数据挖掘应用的角度看大数据
1.2 数据挖掘技术的发展历史
1.3 十大数据挖掘算法简介
1.4 数据挖掘平台：FIU-Miner
1.4.1 FIU-Miner平台简介
1.4.2 FIU-Miner系统架构
1.4.3 FIU-Miner应用实例
参考文献
第2章系统日志和事件的挖掘
2.1 数据驱动的网络运维
2.1.1 网络运维1.0阶段：简单数据处理
2.1.2 网络运维2.0阶段：分布式大数据处理框架
2.1.3 网络运维3.0阶段：网络运维平台套件
2.1.4 网络运维4.0阶段：智能化网络运维
2.2 系统日志分析的目的
2.2.1 系统问题诊断
2.2.2 调试与优化
2.2.3 系统安全维护
2.3 日志数据分析管理系统的架构
2.3.1 日志数据的收集和预处理
2.3.2 历史日志数据存储
2.3.3 日志事件数据的分析以及对分析结果的展示和使用
2.4 系统日志的数据形式
2.4.1 无结构的日志数据
2.4.2 结构化与半结构化的日志数据
2.4.3 非结构化数据的转换
2.5 基于日志数据的异常检测
2.5.1 基于监督学习的异常检测
2.5.2 基于无监督学习的异常检测
2.6 系统故障根源跟踪
2.6.1 日志事件的依赖性挖掘
2.6.2 基于依赖关系的系统故障追踪
2.7 日志事件总结
2.7.1 事件总结算法基本要求及相关工作
2.7.2 基于事件发生频率变迁描述的事件总结
2.7.3 基于马尔可夫模型描述的事件总结
2.7.4 基于事件关系网络描述的事件总结
参考文献
第3章工作票数据挖掘
3.1 工作票简介
3.2 工作票产生机制和亟待解决的问题
3.3 研究现状
3.3.1 工作票分类
3.3.2 工作票推荐
3.3.3 整体解决方案和工具
3.4 工作票漏报和误报检测
3.4.1 漏报和误报
3.4.2 基于规则的误报识别方法
3.4.3 半监督的工作票漏报发现方法
3.4.4 评价
3.5 层次多标签工作票分类
3.5.1 问题描述
3.5.2 层次损失函数和期望损失最小化
3.5.3 算法和解决方案
3.5.4 实验
3.6 工作票解决方案推荐
3.6.1 背景
3.6.2 基于KNN的推荐方法
3.6.3 划分方法
3.6.4 概率融合方法
3.6.5 度量学习方法
3.6.6 实验
参考文献
第4章大数据与计算可持续性研究
4.1 大数据与可持续发展
4.1.1 可持续发展
4.1.2 大数据时代可持续发展面临的机遇和挑战
4.2 计算可持续性
4.2.1 计算可持续性数据及其特征
4.2.2 大数据环境下计算可持续性研究现状
4.3 研究案例
4.3.1 基于数据驱动的气象分析
4.3.2 基于数据驱动的建筑能耗分析
参考文献
第5章推荐系统
5.1个性化推荐系统概述
5.2 推荐技术
5.2.1 基于内容的推荐系统
5.2.2 基于协同过滤的推荐系统
5.2.3 基于知识的推荐系统
5.2.4 基于混合技术的推荐系统
5.2.5 基于计算智能的推荐系统
5.2.6 基于社交网络的推荐系统
5.2.7 基于上下文敏感的推荐系统
5.2.8 基于组群的推荐系统
5.3 推荐系统评测
5.3.1 推荐系统评测环境
5.3.2 推荐系统评测指标
5.4 推荐系统实例
5.4.1 新闻推荐
5.4.2 POI推荐
参考文献
第6章智能问答系统
6.1 发展历史
6.2 句法分析
6.2.1 中文分词技术
6.2.2 词的分类和兼类
6.2.3 汉语句法分析
6.3 问题理解
6.3.1 词法分析
6.3.2 问题分类
6.3.3 关键词扩展与抽取
6.3.4 答案抽取
6.4 问题检索
6.4.1 基于词法的问句检索
6.4.2 基于句法的问句检索
6.4.3 基于语义的问句检索
6.4.4 常见问题集的问句检索
6.5 信息抽取
6.5.1 抽取的对象
6.5.2 抽取的种类
6.5.3 抽取的方法
6.6 知识库构建
6.6.1 基本概念
6.6.2 体系结构
6.6.3 关键技术
6.7 知识推理
6.7.1 线索挖掘
6.7.2 关系推理
6.7.3 关系预测
6.8 案例分析
6.8.1 限定域系统的现有案例分析
6.8.2 开放域系统的现有案例分析
参考文献
第7章文本挖掘
7.1 文本表示
7.2 话题挖掘
7.2.1 非负矩阵分解
7.2.2 概率潜在语义分析
7.2.3 潜在狄利克雷分配模型
7.2.4 分析与实例比较
7.3 多文档自动文摘
7.3.1 目标函数选择：句子重要性评价
7.3.2 优化方法
7.3.3 其他的自动文摘问题
7.3.4 实例分析
7.4 情感分析和摘要
7.4.1 基于频繁项集的方法
7.4.2 实例分析
7.4.3 基于方面的话题模型分析方法
7.5 数据挖掘在专利分析中的应用
7.5.1 专利分析的内容、流程与方法
7.5.2 数据挖掘在专利分析中的应用方向
参考文献
第8章多媒体数据挖掘
8.1 多媒体技术的特点
8.1.1 数字化
8.1.2 多样性
8.1.3 集成性
8.1.4 交互性
8.1.5 非线性
8.1.6 实时性
8.2 多媒体数据挖掘概述
8.2.1 背景
8.2.2 研究及应用现状
8.3 多媒体数据的特征抽取
8.3.1 文本特征抽取
8.3.2 图像特征表示
8.4 数据挖掘在图像检索中的应用
8.4.1 应用背景
8.4.2 数据集描述
8.4.3 数据挖掘在图像检索中的算法分析
8.4.4 图像检索案例
8.5 数据挖掘在多媒体信息融合中的应用
8.5.1 应用背景
8.5.2 数据集描述
8.5.3 数据挖掘在多媒体信息融合中的算法分析
8.5.4 多媒体信息融合案例
8.6 数据挖掘在人脸识别中的应用
8.6.1 应用背景
8.6.2 数据集描述
8.6.3 人脸识别算法分析
8.6.4 分布式人脸识别系统设计
参考文献
第9章社交媒体挖掘
9.1 社交媒体数据挖掘简介
9.1.1 社交媒体分析的特点综述
9.1.2 社交媒体的典型应用
9.2 社交网络数据
9.3 数据挖掘在社交媒体热点问题上的应用
9.3.1 社交媒体数据挖掘需求
9.3.2 信息扩散分析
9.3.3 链接的预测
9.3.4 专家与关键人物的挖掘
9.3.5 搜索
9.3.6 信任
9.3.7 社交网络的内容与情感挖掘
参考文献
第10章时空数据挖掘
10.1 时空数据挖掘的发展背景
10.2 时空数据挖掘的相关研究
10.2.1 时空数据的来源
10.2.2 时空数据的基本性质
10.2.3 时空数据挖掘的方法与任务
10.3 时空数据的模式挖掘
10.3.1 时空数据的频繁模式
10.3.2 时空数据的异常模式
10.4 时空数据的聚类和分类
10.4.1 时空数据的聚类
10.4.2 时空数据的分类
10.5 时空数据预测
10.5.1 位置预测
10.5.2 位置推荐
10.6 时空数据挖掘的案例研究
10.6.1 TerryFly GeoCloud
10.6.2 NUPT-ST-Miner
10.7 时空数据挖掘的挑战和发展
参考文献
第11章生物信息学
11.1 生物医学知识综述
11.2 生物医学大数据
11.3 数据挖掘在蛋白质与核酸相互作用研究中的应用
11.3.1 基于机器学习的蛋白质与核酸相互作用的研究策略
11.3.2 案例分析：蛋白质中RNA—结合残基的预测模型
11.4 数据挖掘在生物医学文献中的应用
11.4.1 生物医学文献挖掘概述
11.4.2 数据挖掘应用方法描述
11.5 数据挖掘在基因表达数据中的应用
11.5.1 基因芯片技术
11.5.2 下一代高通量测序技术
11.5.3 RNA-Seq技术与基因芯片技术的比较
11.5.4 数据挖掘在下一代高通量RNA-Seq测序数据中的应用
参考文献
第12章隐私保护和数据挖掘
12.1 隐私保护概述
12.1.1 隐私侵害事件
12.1.2 隐私保护困境
12.1.3 隐私保护要求
12.1.4 隐私保护水平度量
12.2 隐私保护技术分类
12.2.1 匿名化技术
12.2.2 加密技术
12.2.3 数据扰动技术
12.3 隐私保护数据挖掘方法
12.3.1 隐私保护聚类
12.3.2 隐私保护决策树
12.3.3 隐私保护推荐系统
12.3.4 隐私保护贝叶斯算法
12.3.5 隐私保护支持向量机
12.3.6 隐私保护关联规则挖掘
12.4 复杂数据挖掘场景下的隐私保护
12.4.1 大数据隐私保护
12.4.2 图数据隐私保护
12.4.3 云数据隐私保护
12.4.4 隐私保护深度学习
参考文献
第13章健康医疗大数据中的数据挖掘技术
13.1 健康医疗大数据的含义
13.2 数据特性
13.3 预警系统
13.3.1 数据预处理
13.3.2 Bucketing
13.3.3 Bucket Bagging
13.3.4 特征集构造
13.3.5 特征选择
13.3.6 探索性下采样
13.3.7 指数移动平均
13.4 非结构化文本信息的挖掘
13.5 数据挖掘实例
13.5.1 评价标准
13.5.2 实验设计
13.5.3 逻辑回归模型的实验结果
13.5.4 算法比较
13.5.5 预警时间分析
13.6 应用方向
13.6.1 疾病预警预测及生存期分析
13.6.2 疾病辅助诊断治疗
13.6.3 药物研究
13.6.4 医学影像
13.6.5 医院信息系统
13.6.6 远程医疗
13.6.7 健康数据库管理
13.6.8 医疗健康相关企业经营
参考文献

常见问题

这本书和吴恩达的《机器学习》或周志华的《机器学习》（西瓜书）有什么区别？

本书更侧重于“数据挖掘”这一特定领域，且紧密围绕“大数据”场景展开。相比前者更通用的机器学习框架，本书对关联规则、序列模式、异常检测等数据挖掘经典任务有更详尽的阐述，并专门讨论了大数据环境下的计算与存储挑战。它与“西瓜书”可互为补充，后者是更全面的机器学习教材，而本书则在大数据应用背景下对数据挖掘进行了深度聚焦。

书中的代码是用什么语言实现的？需要多深的编程基础？

本书主要以伪代码和算法描述为主，阐释核心逻辑，并未绑定于某一种特定的编程语言。这要求读者需要具备将算法思想转化为代码的能力。通常，掌握Python或Java其中一种，并了解基本的数据结构和控制流程即可跟随学习，但若要实践，需要自行在相应的大数据生态（如PySpark）中实现。

这本书对于找工作（如数据挖掘工程师）有帮助吗？

有显著帮助，但需明确其定位。本书能为你构建扎实且系统的数据挖掘知识体系，这在技术面试中涉及原理阐述和方案设计时是巨大的优势。然而，它不直接提供项目简历或面试题库。建议将本书的理论学习与实际的Kaggle竞赛、开源项目或工作场景相结合，从而将理论优势转化为实践能力。

微信读书相关

读者评论

查询本书

本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。

作者简介

李涛作者

李涛是一位作品跨越多个领域的作者，库内收录其作品27种。其写作题材相当广泛，既有《临床精神病理学》《全国县级医院系列实用手册：精神科医生手册》等医学专业读物，也涉及《糖尿病性视网膜病变微创手术》这样的临床技术主题；在教育与社会议题方面，著有《中国式农村教育现代化》；在软件学习与计算机应用领域，则有《Adobe After Effects CC 高手之路》等实用教程。此外，他还涉足科学科普与法律思维，如《完美的对称：富勒烯的意外发现》《公民法律思维养成50讲：像法律人一样思考》，并参与《健康企业建设评估技术指南》一类应用性写作。由于公开资料有限，其个人生平、专业背景与身份信息尚不明确，目前只能从作品分布看出他兼具专业写作与大众普及的取向，覆盖医学、教育、软件、科普与法律等多个读者群体。