第1章 Web大数据挖掘概述

1.1 大数据与网络大数据

1.2 Web大数据应用及特点

1.2.1 Web大数据

1.2.2 Web大数据特点

1.3 Web挖掘及Web挖掘类型

1.3.1 Web挖掘及Web挖掘类型

1.3.2 Web内容挖掘

1.3.3 Web结构挖掘

1.3.4 Web使用挖掘

1.4 Web挖掘过程

1.4.1 Web内容挖掘过程

1.4.2 Web结构挖掘过程

1.4.3 Web使用挖掘过程

参考文献

第2章 Web数据挖掘基础

2.1 Web信息程序获取方式

2.1.1 网络爬虫

2.1.2 其他Web信息程序获取方式

2.2 Web信息数据抽取

2.2.1 Web网页信息抽取

2.2.2 自然语言文本结构化信息抽取

2.3 Web信息文本模型的文本特征表示

2.3.1 文本模型与文本特征

2.3.2 VSM向量空间模型

2.3.3 布尔模型

2.3.4 概率主题模型

2.4 模式发现常用方法

2.4.1 统计分析

2.4.2 关联分析

2.4.3 分类分析

2.4.4 聚类分析

参考文献

第3章 Web内容及结构挖掘应用案例1：基于Web公共舆情自动分析及预警

3.1 概述

3.1.1 基于Web的公共舆情

3.1.2 网络舆情研究现状

3.2 基于Web意见的舆情分析预测模型

3.2.1 舆情分析预测模型概述

3.2.2 热点舆情发现模型研究

3.2.3 热点舆情发展趋势预测模型

3.3 基于意见挖掘的热点舆情发现模型

3.3.1 改进的热点舆情发现模型

3.3.2 基于Web意见挖掘的报道特征表示

3.4 来源加权的舆情分析模型

3.4.1 舆情来源量化分析指标

3.4.2 Page-Rank算法拓展

3.4.3 构建来源加权的舆情分析模型

3.5 热点舆情识别

3.5.1 话题热度特征描述

3.5.2 话题热度计算函数

3.6 实验及评估

3.6.1 网络新闻数据的抓取

3.6.2 中文分词及文本表示

3.6.3 模型改进效果分析

3.7 C5.0和BP神经网络结合的舆情预测模型

3.7.1 基于C5.0的意见分类

3.7.2 基于BP神经网络预测模型

3.7.3 实验及评估

3.8 小结

参考文献

第4章 Web内容挖掘应用案例2：基于语义的Web信息自动聚合系统的关键技术研究

4.1 信息聚合及相关技术

4.1.1 信息聚合

4.1.2 信息聚合问题研究现状

4.1.3 简易信息聚合技术RSS

4.1.4 数字签名算法Simhash

4.2 一种基于主题的Web信息自动聚合方案

4.2.1 方案架构

4.2.2 信息获取

4.2.3 信息预处理

4.2.4 按主题聚合

4.3 基于标点符号及标签相似度的正文抽取方法

4.3.1 网页类型及结构

4.3.2 常用网页正文抽取方法分析

4.3.3 基于标点分布的网页正文抽取算法

4.3.4 基于标签相似度的多正文网页抽取技术

4.3.5 算法设计及实验

4.4 基于潜在语义的Web信息聚合

4.4.1 概率主题模型与潜在语义分析模型

4.4.2 LDA模型

4.4.3 面向Web信息的LDA模型改进方法

4.4.4 实验结果分析

4.5 本章小结

参考文献

第5章 分布式多源电商数据挖掘

5.1 电子商务及电商数据分析

5.2 电商数据分析挖掘

5.2.1 引言

5.2.2 电商数据定义

5.2.3 电商数据采集

5.2.4 数据分析挖掘

5.3 多源电商数据融合

5.3.1 引言

5.3.2 数据融合

5.3.3 多源电商数据的特点

5.3.4 多数据源电商数据融合总体解决方案

5.3.5 多数据源电商数据融合方案

5.3.6 多数据源电商数据融合的具体实现

5.3.7 实验结果与分析

5.4 分布式电商数据分析挖掘系统

5.4.1 引言

5.4.2 基于Hadoop的分布式电商数据分析挖掘系统

5.4.3 基于Hadoop平台的层次聚类

5.4.4 电商数据的层次聚类分析

参考文献