具体描述
本书内容分为三个部分，第一部分为互联网大数据的概述；第二部分为互联网大数据的获取与存储，包括了静态或动态WEB页面内容获取技术、结构化或非结构化数据的存储、常见的开源系统等；第二部分为处理与分析技术，包括了文本数据预处理、数据内容的语义分析技术、文本内容分类技术、聚类分析、大数据中的隐私保护、大数据可视化等内容；第三部分为综合应用。
作者简介
目录信息
第1部分概述
第1章互联网大数据
1.1从IT走向DT
1.1.1信息化与Web时代
1.1.2大数据时代
1.2互联网大数据及其特点
1.3互联网大数据处理的相关技术
1.3.1技术体系构成
1.3.2相关技术研究
1.4互联网大数据技术的发展
1.5本书内容安排
思考题
第2部分互联网大数据的获取
第2章Web页面数据获取
2.1网络爬虫技术概述
2.2爬虫的内核技术
2.2.1Web服务器连接器
2.2.2页面解析器
2.2.3爬行策略搜索
2.3主题爬虫技术
2.3.1主题爬虫模块构成
2.3.2主题定义
2.3.3链接相关度估算
2.3.4内容相关度计算
2.4动态Web页面获取技术
2.4.1动态页面的分类
2.4.2动态页面的获取方法
2.4.3模拟浏览器的实现
2.4.4基于脚本解析的实现
2.5微博信息内容获取技术
2.6DeepWeb数据获取技术
2.6.1相关概念
2.6.2DeepWeb数据获取方法
2.7反爬虫技术与反反爬虫技术
2.7.1反爬虫技术
2.7.2反反爬虫技术
2.7.3爬虫技术的展望
思考题
第3章互联网大数据的提取技术
3.1Web页面内容提取技术
3.1.1Web页面内容提取的基本任务
3.1.2Web页面解析方法概述
3.1.3基于HTMLParser的页面解析
3.1.4基于Jsoup的页面解析
3.2基于统计的Web信息抽取方法
3.3其他互联网大数据的提取
3.4阿里云公众趋势分析中的信息提取应用
3.5互联网大数据提取的挑战性问题
思考题
第3部分互联网大数据的结构化处理与分析技术
第4章结构化处理技术
4.1互联网大数据中的文本信息特征
4.2中文文本的词汇切分
4.2.1词汇切分的一般流程
4.2.2基于词典的分词方法
4.2.3基于统计的分词方法
4.2.4歧义处理
4.3词性识别
4.3.1词性标注的难点
4.3.2基于规则的方法
4.3.3基于统计的方法
4.4新词识别
4.5停用词的处理
4.6英文中的词形规范化
4.7开源工具与平台
4.7.1开源工具及应用
4.7.2阿里分词器
思考题
第5章大数据语义分析技术
5.1语义及语义分析
5.2词汇级别的语义技术
5.2.1词汇的语义关系
5.2.2知识库资源
5.2.3词向量
5.2.4词汇的语义相关度计算
5.3句子级别的语义分析技术
5.4命名实体识别技术
5.4.1命名实体识别的研究内容
5.4.2人名识别方法
5.4.3地名识别方法
5.4.4时间识别方法
5.4.5基于机器学习的命名实体识别
5.5大数据语义分析技术的发展
思考题
第6章大数据分析的模型与算法
6.1大数据分析技术概述
6.2特征选择与特征提取
6.2.1特征选择
6.2.2特征提取
6.2.3基于深度学习的特征提取
6.3文本的向量空间模型
6.3.1向量空间模型的维
6.3.2向量空间模型的坐标
6.3.3向量空间模型中的运算
6.3.4文本型数据的逻辑存储结构
6.4文本的概率模型
6.4.1Ngram模型
6.4.2概率主题模型
6.5分类技术
6.5.1分类技术概要
6.5.2经典的分类技术
6.6聚类技术
6.7回归分析
6.7.1回归分析的基本思路
6.7.2线性回归
6.7.3加权线性回归
6.7.4逻辑回归
6.8大数据分析算法的并行化
6.8.1并行化框架
6.8.2矩阵相乘的并行化
6.8.3经典分析算法的并行化
6.9基于阿里云大数据平台的数据挖掘实例
6.9.1网络数据流量分析
6.9.2网络论坛话题分析
思考题
第7章大数据隐私保护
7.1隐私保护概述
7.2隐私保护模型
7.2.1隐私泄露场景
7.2.2k匿名及其演化
7.2.31多元化
7.3位置隐私保护
7.4社会网络隐私保护
思考题
第8章大数据技术平台
8.1概述
8.2大数据技术平台的分类
8.3大数据存储平台
8.3.1大数据存储需要考虑的因素
8.3.2HBase
8.3.3MongoDB
8.3.4Neo4j
8.3.5云数据库
8.3.6其他
8.4大数据可视化
8.4.1大数据可视化的挑战
8.4.2大数据可视化方法
8.4.3大数据可视化工具
8.5Hadoop
8.5.1Hadoop概述
8.5.2Hadoop生态圈及关键技术
8.5.3Hadoop的版本
8.6Spark
8.6.1Spark的概述
8.6.2Spark的生态圈
8.6.3SparkSQL
8.6.4Spark Streaming
8.6.5Spark机器学习
8.7阿里云大数据平台
8.7.1飞天系统
8.7.2大数据集成平台
思考题
第4部分综 合 应 用
第9章基于阿里云大数据技术的个性化新闻推荐
9.1目的与任务
9.2系统架构
9.3存储设计
9.3.1RDS
9.3.2OSS
9.3.3OTS
9.3.4MaxCompute
9.4软件架构
9.4.1ECS
9.4.2爬虫
9.4.3模型训练
9.4.4分类过程
9.4.5开源代码
9.5阿里云大数据的应用开发
9.5.1开发环境
9.5.2部署
9.5.3运行与测试
思考题
参考文献
· · · · · · (收起)
读后感
市面上类似的书不少，但是此书是同时适合基础理论学习和工程实践的类型。推荐偏应用方向数据分析或人工智能创业公司参考，特别适合之前没有相关工作学习经验，但是有大量工程实践经验的同行参考。如果公司之前没有相关需求但是随业务发展需要新增类似需求，或者公司本身不是相...
评分我记得当年复旦听曾老师讲数据挖掘，感觉这课程就很重要，由于首次接触，对教学中的内容特别是算法还理解得不够，现在曾老师把多年的教学，总结成书出版，这是大数据挖掘学习者的福音，读者学习到重要而需要理解的地方，可以反复读慢慢品。 目前市面上有关数据挖掘技术和应用的...
评分市面上类似的书不少，但是此书是同时适合基础理论学习和工程实践的类型。推荐偏应用方向数据分析或人工智能创业公司参考，特别适合之前没有相关工作学习经验，但是有大量工程实践经验的同行参考。如果公司之前没有相关需求但是随业务发展需要新增类似需求，或者公司本身不是相...
评分大数据学习教材的不错选择～从入门到实践，mse上课考试必备～内容覆盖全面发展～老师上课低调幽默风趣，学生一直好评A+~ 其中也包含不少实用技巧。从爬虫到自然语言处理技术的入门知识，课后题目帮助巩固学习，公式推导井然有序，帮助大家更好地稳固而知新。特别是LDA部分的章...
评分市面上类似的书不少，但是此书是同时适合基础理论学习和工程实践的类型。推荐偏应用方向数据分析或人工智能创业公司参考，特别适合之前没有相关工作学习经验，但是有大量工程实践经验的同行参考。如果公司之前没有相关需求但是随业务发展需要新增类似需求，或者公司本身不是相...
用户评价
这本书的语言风格非常独特，夹杂着一种老派技术人员的严谨和一丝不苟，偶尔还能捕捉到一些作者对数据世界的热情和哲学思考。我特别喜欢其中关于“数据伦理与合规性”那一节的论述。在当前这个数据爆炸的时代，仅仅关注技术实现是远远不够的，如何负责任地使用数据，如何构建可信赖的系统，这些都是至关重要的问题。作者没有回避这些复杂且敏感的议题，而是用一种冷静而富有洞察力的笔触进行了剖析，这使得整本书的价值超越了纯粹的技术指南，更像是一部关于现代信息社会基础设施构建的思考录。这种深度和广度结合的叙事方式，在我读过的同类书籍中是比较少见的，让人读后不仅仅是学会了“怎么做”，更重要的是理解了“为什么要这样做”。
评分拿到这本书的时候，我的期待值其实挺高的，毕竟“技术与应用”这个组合往往意味着实战价值。然而，我必须坦诚，这本书在某些深入的算法实现细节上，处理得略显仓促。比如，在讨论分布式计算框架的性能优化策略时，篇幅明显不足，很多关键的调优参数和背后的原理一笔带过，让我感觉像是被领到了一个宏伟建筑的门口，却只被允许窥视了一下外墙。当然，作为一本入门或概览性质的读物，它的广度是值得肯定的，它确实覆盖了从数据源到最终可视化展示的完整链条。但对于那些真正想把系统性能推到极限的工程师来说，可能还需要依赖其他更垂直、更深入的参考资料来补充这部分内容的不足。这本书更像是一本高质量的路线图，而不是一个详尽的施工手册。
评分坦白讲，我是在一个非常偶然的机会下接触到这本书的，当时我正为一个棘手的项目寻找新的解决方案。这本书的价值在于它提供的那些“拿来就能用”的工具集介绍。它对市面上主流的几种开源工具进行了非常客观的对比分析，无论是它们的适用场景、资源消耗，还是社区活跃度，都有详细的表格总结。这种实用主义的倾向，让这本书的翻阅频率远高于我书架上其他那些偏理论的藏书。每当我遇到技术选型上的犹豫时，我总会习惯性地翻到相关的章节重新审视一番。如果说有什么可以改进的地方，或许是对于新兴的、尚未完全成熟的技术栈的介绍略显保守，但考虑到技术迭代的速度，这种谨慎也未尝不是一种负责任的表现。
评分这本书的封面设计非常引人注目，那种深邃的蓝色调搭配着简洁的白色字体，立刻就给人一种专业、前沿的感觉。我原本以为它会是那种枯燥的技术手册，没想到翻开目录，发现作者的叙述逻辑非常清晰，像是为初学者精心绘制的一张导览图。特别是关于数据采集和清洗那一章，讲解得深入浅出，即便是像我这样对底层架构不太熟悉的读者，也能轻松跟上思路。作者似乎非常注重实践性，书中穿插了大量实际案例的分析，这些案例不仅贴合行业前沿趋势，而且步骤详尽，让人有种跃跃欲试去亲自操作的冲动。读完前面几章，我对整个数据处理的生命周期有了一个宏观而扎实的认知，这比我之前零散地学习一些碎片化知识有效得多。整体来说，这本书的排版和用词都透露出一种对知识的尊重和对读者的体贴，非常适合希望系统性掌握该领域核心概念的专业人士和高阶学生。
评分这本书的装帧和纸张质量令人惊喜，这对于一本经常需要被翻阅和做笔记的技术书籍来说，是极大的加分项。我是一个习惯在书上画重点、写批注的读者，这本书的纸张厚度适中，墨水洇开的现象几乎没有。除了物理体验，其结构布局也体现了高水准的编辑水准。图表的清晰度和专业性极高，很多复杂的流程图被设计得一目了然，有效减少了阅读障碍。我发现自己能够非常高效地定位到所需信息，这极大地提升了我的学习效率。总而言之，这是一本可以经受住反复研读考验的佳作，它的内在价值和外在形式都达到了很高的水准，让人愿意将其置于案头，随时取阅。
评分工作需要，买了这本书，已认真读完，好书，5星推荐
评分曾教授出品，深入浅出讲解大数据原理到应用。举例很多，刚启动的项目配合这本书收获颇多。希望老师多多出书。
评分文本分析国内资料还是比较少的，非常推荐
评分内容通俗易懂，可以作为数据分析上系统性的学习，跟着书中的案例和曾老师提供的代码，PPT进行辅助学习，实操动手，很不错，内容由浅到深，新生入门也推荐。看完后，最近更喜欢用来做随手翻越，每次翻到的一个章节topic都有新的感悟。书挺好的，章节主题都是时下热点的研究，有介绍，有深挖，值得推荐！
评分本书提供了大数据详细的理论基础知识和具体应用案例，包括爬虫实现，自然语言处理算法原理，大数据技术体系和经典案例分析、架构和实现。可以帮助读者构建知识体系并且指导自己的项目应用。也可以作为常用的工具书。推荐阅读。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.wenda123.org All Rights Reserved. 图书目录大全 版权所有