دانلود کتاب Mining the Web: Discovering Knowledge from Hypertext Data
49,000 تومان
استخراج وب: کشف دانش از داده های فرامتن
| موضوع اصلی | شبکه: اینترنت |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Morgan Kaufmann |
| تعداد صفحه | 344 |
| حجم فایل | 2 مگابایت |
| کد کتاب | 1558607544, 9781558607545 |
| نوبت چاپ | 1 |
| نویسنده | Soumen Chakrabarti |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| سال انتشار | 2002 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
ترجمه فارسی توضیحات (ترجمه ماشینی)
استخراج وب: کشف دانش از داده های فرامتن
کاوش در وب: کشف دانش از دادههای فرامتن اولین کتابی است که به طور کامل به تکنیکهایی برای تولید دانش از حجم وسیع دادههای بدون ساختار وب اختصاص دارد. چاکرابارتی با تکیه بر یک بررسی اولیه از مسائل زیرساختی – از جمله خزیدن وب و نمایه سازی – تکنیک های یادگیری ماشینی سطح پایین را بررسی می کند زیرا آنها به طور خاص به چالش های وب کاوی مربوط می شوند. او سپس بخش پایانی کتاب را به برنامههایی اختصاص میدهد که زیرساخت و تجزیه و تحلیل را با هم متحد میکنند تا یادگیری ماشینی را بر روی دادههای بهدستآمده و ذخیرهشده بهطور سیستماتیک اعمال کند. در اینجا تمرکز بر نتایج است: نقاط قوت و ضعف این برنامه ها، همراه با پتانسیل آنها به عنوان پایه هایی برای پیشرفت بیشتر. از کار چاکرابارتی – پر زحمت، انتقادی، و آینده نگر – خوانندگان درک نظری و عملی لازم را برای مشارکت در تلاش وب کاوی به دست خواهند آورد.
Mining the Web: Discovering Knowledge from Hypertext Data is the first book devoted entirely to techniques for producing knowledge from the vast body of unstructured Web data. Building on an initial survey of infrastructural issues — including Web crawling and indexing — Chakrabarti examines low-level machine learning techniques as they relate specifically to the challenges of Web mining. He then devotes the final part of the book to applications that unite infrastructure and analysis to bring machine learning to bear on systematically acquired and stored data. Here the focus is on results: the strengths and weaknesses of these applications, along with their potential as foundations for further progress. From Chakrabarti’s work — painstaking, critical, and forward-looking — readers will gain the theoretical and practical understanding they need to contribute to the Web mining effort.
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.