著者紹介

内容

目次

第1章　データマイニング 1.1　データマイニングとは何か? 1.2　データマイニングの統計的な限界 1.3　知っておくと役に立つこと 1.4　本書の概略 1.5　第1章の要約 1.6　第1章の参照文献 第2章　大規模ファイルシステムとマップレデュース 2.1　分散ファイルシステム 2.2　マップレデュース 2.3　マップレデュースを用いたアルゴリズム 2.4　マップレデュースへの拡張 2.5　クラスター計算の効率 2.6　第2章の要約 2.7　第2章の参照文献 第3章　類似したアイテムを探す 3.1　近傍探索の応用 3.2　文書のシングリング 3.3　類似度を保持した集合の要約 3.4　文書の局所性鋭敏型ハッシング 3.5　距離尺度 3.6　局所性鋭敏型関数の理論 3.7　その他の距離尺度のためのLSH族 3.8　局所性鋭敏型ハッシュ法の応用 3.9　高い類似度に対する手法 3.10　第3章の要約 3.11　第3章の参照文献 第4章　データストリームのマイニング 4.1　ストリームデータモデル 4.2　ストリームデータのサンプリング 4.3　ストリームをフィルタリングする 4.4　ストリーム中の異なる要素を数える 4.5　モーメントを推定する 4.6　窓に含まれる1の数をカウントする 4.7　減衰する窓 4.8　第4章の要約 4.9　第4章の参照文献 第5章　リンク解析 5.1　PageRank 5.2　PageRankの効率の良い計算 5.3　話題に敏感なPageRank 5.4　リンクスパム 5.5　ハブとオーソリティー 5.6　第5章の要約 5.7　第5章の参照文献 第6章　頻出アイテムセット 6.1　マーケットバスケットモデル 6.2　マーケットバスケットとアプリオリアルゴリズム 6.3　主記憶上でより大きなデータセットを扱う 6.4　パスの回数が限られているアルゴリズム 6.5　ストリームで頻出アイテムを数える 6.6　第6章の要約 6.7　第6章の参照文献 第7章　クラスタリング 7.1　クラスタリング技法の入門 7.2　階層型クラスタリング 7.3　K平均アルゴリズム 7.4　CUREアルゴリズム 7.5　非ユークリッド空間でのクラスタリング 7.6　ストリームに対するクラスタリングと並列化 7.7　第7章の要約 7.8　第7章の参照文献 第8章　ウェブ上での宣伝 8.1　オンライン広告の課題 8.2　オンラインアルゴリズム 8.3　マッチング問題 8.4　アドワーズ問題 8.5　アドワーズの実装 8.6　第8章の要約 8.7　第8章の参照文献 第9章　推薦システム 9.1　推薦システムの1つのモデル 9.2　内容にもとづいた推薦 9.3　協調フィルタリング 9.4　次元の削減 9.5　Netflixチャレンジ 9.6　第9章の要約 9.7　第9章の参照文献