New Internet：大数据挖掘

　　第1章 绪论——从淘金客到矿山主1.1 大数据时代的“四V”1.2 什么是大数据挖掘1.2.1 从数据分析到数据挖掘1.2.2 Web挖掘1.2.3 大数据挖掘之“大”1.3 大数据挖掘的国内外发展1.3.1 数据挖掘的应用发展1.3.2 数据挖掘研究发展1.4 本书内容第2章 一小时了解数据挖掘2.1 数据挖掘是如何解决问题的2.1.1 尿不湿和啤酒2.1.2 Target和怀孕预测指数2.1.3 电子商务网站流量分析2.2 分类：从人脸识别系统说起2.2.1 分类算法的应用2.2.2 数据挖掘分类技术2.2.3 分类算法的评估2.3 一切为了商业2.3.1 什么是商业智能（Business Intelligence）2.3.2 数据挖掘的九大定律2.4 数据挖掘很纠结2.5 数据挖掘的基本流程2.5.1 数据挖掘的一般步骤2.5.2 几个数据挖掘中常用的概念2.5.3 CRISP-DM2.5.4 数据挖掘的评估2.5.5 数据挖掘结果的知识表示2.6 本章相关资源第3章 数据仓库——数据挖掘的基石3.1 存放数据的仓库3.1.1 数据仓库的定义3.1.2 数据仓库和数据库3.2 传统的数据仓库介绍3.3 数据仓库基本结构3.4 OLAP联机分析处理3.5 云存储上的数据仓库3.5.1 Google公司的云架构3.5.2 开源的分布式系统Hadoop3.5.3 Facebook的数据仓库3.5.4 NoSQL3.6 本章相关资源第4章 数据挖掘算法及原理4.1 数据挖掘中的算法4.2 数据挖掘十大经典算法4.3 分类算法（Classification）4.4 聚类算法（Clustering）4.5 关联算法4.5.1 关联算法中的概念4.5.2 关联规则数据挖掘过程4.5.3 关联规则的分类4.5.4 Apriori算法的执行实例4.5.5 关联规则挖掘算法的研究与优化4.6 序列挖掘（Sequence Mining）4.7 数据挖掘建模语言PMML4.8 本章相关资源第5章 在进行数据挖掘之前5.1 数据集成5.2 为何要做数据预处理5.3 数据预处理5.3.1 数据清理5.3.2 数据转换5.3.3 数据规约5.4 本章相关资源第6章 R语言和其他数据挖掘工具6.1 R语言的历史6.1.1 R语言的特点6.1.2 R语言和数据挖掘6.2 其他数据挖掘工具6.2.1 MATLAB6.2.2 其他商用数据挖掘工具6.2.3 开源数据挖掘工具Weka6.3 数据挖掘和云6.4 本章相关资源第7章 互联网上的日志分析7.1 网站日志简介7.2 网站日志处理7.2.1 Web日志预处理7.2.2 Web日志分析和数据挖掘7.3 邮件日志7.4 本章相关资源第8章 数据挖掘和电子邮件8.1 邮件营销与垃圾邮件过滤8.2 数据挖掘和邮件营销8.2.1 如何有效地进行邮件营销8.2.2 邮件营销案例分享之一8.2.3 邮件营销案例分享之二8.2.4 运用数据挖掘RFM模型提高邮件营销效果8.3 数据挖掘和垃圾邮件过滤8.3.1 垃圾邮件8.3.2 垃圾邮件过滤技术8.3.3 垃圾邮件过滤案例8.4 本章相关资源第9章 数据挖掘和互联网广告9.1 互联网广告9.2 广告作弊行为9.3 网站联盟广告9.4 网站联盟广告上的数据挖掘9.4.1 数据助力网盟广告9.4.2 如何应对网盟广告作弊9.5 本章相关资源第10章 数据挖掘和电子商务10.1 中国电子商务现状10.2 在互联网上卖米10.3 用数据来掌握客户10.3.1 客户何时来、从哪来10.3.2 客户最喜欢哪种商品10.3.3 竞争与反竞争分析10.3.4 客户还会买什么10.3.5 哪些客户是我们需要的10.4 电子商务案例10.4.1 电子商务企业案例一10.4.2 电子商务企业案例二10.5 本章相关资源第11章 数据挖掘和Web挖掘11.1 互联网上的个性化-Like11.1.1 Like=像11.1.2 Like=喜欢11.2 Web挖掘和SNS11.2.1 SNS上的数据价值11.2.2 SNS上的数据关联关系11.2.3 SNS上的用户关系11.3 数据挖掘和隐私11.4 本章相关资源第12章 数据挖掘和移动互联网12.1 移动互联网的特殊性12.1.1 锁定用户的数据价值12.1.2 移动互联网上数据的形式12.1.3 移动互联网地理位置信息的价值12.2 数据挖掘和LBS12.2.1 用PU学习算法做文本挖掘12.2.2 用相似匹配算法做地点挖掘12.3 移动互联网数据面临的问题12.4 本章相关资源附录1 技术词汇表附录2 英语参考文献表附录3 中文参考文献表附录4 微博附录5 博客和其他网址

　　    谭磊，复旦大学计算机学士，美国杜克大学计算机硕士，在美国微软服务时间超过13年，曾经担任多家公司多个层级技术管理岗位，在搜索、互联网广告、数据挖掘、电子商务等方面有丰富的经验，是互联网技术领域资深专家。

　　《New Internet：大数据挖掘》全面地介绍了如何使用数据挖掘技术从各种结构的（数据库）或非结构（Web）的海量数据中提取和产生业务知识。作者梳理了各种数据挖掘常用算法和信息采集技术，系统地描述了实际应用时如何在互联网日志分析、电子邮件营销、互联网广告和电子商务上进行数据挖掘，着重介绍了数据挖掘的原理和算法在互联网海量数据挖掘中的应用。　　《New Internet：大数据挖掘》主要特点：全面介绍了数据挖掘和大数据的基本概念和技术；大量采用了实际案例，实用性强；详细介绍了大数据挖掘领域的商业应用。