目次

1 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

2 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

3 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ングの応用

  3.9 高い類似度に対する手法

4 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

5 リンク解析

  5.1 PageRank

  5.2 PageRankの効率のよい計算

  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

6 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

7 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

8 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

  第8章の要約

  第8章の参照文献

9 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

ページの先頭へ