|
| Titre : |
Modeling the Internet and the Web : Probabilistic methods and algorithms / |
| Type de document : |
texte imprimé |
| Auteurs : |
Pierre Baldi ; Paolo Frasconi ; Padhraic Smyth |
| Editeur : |
Chichester, England : Wiley |
| Année de publication : |
2003 |
| Importance : |
1 vol.(285 p.) |
| Présentation : |
ill. |
| Format : |
24 cm |
| ISBN/ISSN/EAN : |
978-0-470-84906-4 |
| Catégories : |
Informatique
|
| Mots-clés : |
Internet : Modèles mathématiques
Télécommunications : Trafic : Modèles mathématiques
Web : Modèles mathématiques
Cyberespace : Modèles mathématiques
Probabilités |
| Index. décimale : |
004.6 Communications, interfaçage |
| Résumé : |
La modélisation d'Internet et du Web couvre les aspects les plus importants de la modélisation du Web à l'aide d'un traitement mathématique et probabiliste moderne. Il se concentre sur les couches d'information et d'application, ainsi que sur certaines des propriétés émergentes d'Internet.
Fournit une introduction complète à la modélisation d'Internet et du Web au niveau de l'information.
Adopte une approche moderne basée sur la modélisation mathématique, probabiliste et graphique.
Fourni une présentation intégrée de la théorie, des exemples, des exercices et des applications.
Couvre des sujets clés tels que l'analyse de texte, l'analyse de liens, les techniques d'exploration, le comportement humain et le commerce sur le Web.
De nature interdisciplinaire, la modélisation de l'Internet et du Web intéressera les étudiants et les chercheurs de diverses disciplines, notamment l'informatique, l'apprentissage automatique, l'ingénierie, les statistiques, l'économie, les affaires et les sciences sociales. |
| Note de contenu : |
Sommaire
Preface.
1 Mathematical Background.
1.1 Probability and Learning from a Bayesian Perspective.
1.2 Parameter Estimation from Data.
1.3 Mixture Models and the Expectation Maximization Algorithm.
1.4 Graphical Models.
1.5 Classification.
1.6 Clustering.
1.7 Power–Law Distributions.
1.8 Exercises.
2 Basic WWW Technologies.
2.1 Web Documents.
2.2 Resource Identifiers: URI, URL, and URN.
2.3 Protocols.
2.4 Log Files.
2.5 Search Engines.
2.6 Exercises.
3 Web Graphs.
3.1 Internet and Web Graphs.
3.2 Generative Models for the Web Graph and Other Networks.
3.3 Applications.
3.4 Notes and Additional Technical References.
3.5 Exercises.
4 Text Analysis.
4.1 Indexing.
4.2 Lexical Processing.
4.3 Content–Based Ranking.
4.4 Probabilistic Retrieval.
4.5 Latent Semantic Analysis.
4.6 Text Categorization.
4.7 Exploiting Hyperlinks.
4.8 Document Clustering.
4.9 Information Extraction.
4.10 Exercises.
5 Link Analysis.
5.1 Early Approaches to Link Analysis.
5.2 Nonnegative Matrices and Dominant Eigenvectors.
5.3 Hubs and Authorities: HITS.
5.4 PageRank.
5.5 Stability.
5.6 Probabilistic Link Analysis.
5.7 Limitations of Link Analysis.
6 Advanced Crawling Techniques.
6.1 Selective Crawling.
6.2 Focused Crawling.
6.3 Distributed Crawling.
6.4 Web Dynamics.
7 Modeling and Understanding Human Behavior on the Web.
7.1 Introduction.
7.2 Web Data and Measurement Issues.
7.3 Empirical Client–Side Studies of Browsing Behavior.
7.4 Probabilistic Models of Browsing Behavior.
7.5 Modeling and Understanding Search Engine Querying.
7.6 Exercises.
8 Commerce on the Web: Models and Applications.
8.1 Introduction.
8.2 Customer Data on theWeb.
8.3 Automated Recommender Systems.
8.4 Networks and Recommendations.
8.5 Web Path Analysis for Purchase Prediction.
8.6 Exercises.
Appendix A: Mathematical Complements.
A.1 Graph Theory.
A.2 Distributions.
A.3 Singular Value Decomposition.
A.4 Markov Chains.
A.5 Information Theory.
Appendix B: List of Main Symbols and Abbreviations.
References.
Index. |
| Côte titre : |
Fs/19799 |
Modeling the Internet and the Web : Probabilistic methods and algorithms / [texte imprimé] / Pierre Baldi ; Paolo Frasconi ; Padhraic Smyth . - Chichester, England : Wiley, 2003 . - 1 vol.(285 p.) : ill. ; 24 cm. ISBN : 978-0-470-84906-4
| Catégories : |
Informatique
|
| Mots-clés : |
Internet : Modèles mathématiques
Télécommunications : Trafic : Modèles mathématiques
Web : Modèles mathématiques
Cyberespace : Modèles mathématiques
Probabilités |
| Index. décimale : |
004.6 Communications, interfaçage |
| Résumé : |
La modélisation d'Internet et du Web couvre les aspects les plus importants de la modélisation du Web à l'aide d'un traitement mathématique et probabiliste moderne. Il se concentre sur les couches d'information et d'application, ainsi que sur certaines des propriétés émergentes d'Internet.
Fournit une introduction complète à la modélisation d'Internet et du Web au niveau de l'information.
Adopte une approche moderne basée sur la modélisation mathématique, probabiliste et graphique.
Fourni une présentation intégrée de la théorie, des exemples, des exercices et des applications.
Couvre des sujets clés tels que l'analyse de texte, l'analyse de liens, les techniques d'exploration, le comportement humain et le commerce sur le Web.
De nature interdisciplinaire, la modélisation de l'Internet et du Web intéressera les étudiants et les chercheurs de diverses disciplines, notamment l'informatique, l'apprentissage automatique, l'ingénierie, les statistiques, l'économie, les affaires et les sciences sociales. |
| Note de contenu : |
Sommaire
Preface.
1 Mathematical Background.
1.1 Probability and Learning from a Bayesian Perspective.
1.2 Parameter Estimation from Data.
1.3 Mixture Models and the Expectation Maximization Algorithm.
1.4 Graphical Models.
1.5 Classification.
1.6 Clustering.
1.7 Power–Law Distributions.
1.8 Exercises.
2 Basic WWW Technologies.
2.1 Web Documents.
2.2 Resource Identifiers: URI, URL, and URN.
2.3 Protocols.
2.4 Log Files.
2.5 Search Engines.
2.6 Exercises.
3 Web Graphs.
3.1 Internet and Web Graphs.
3.2 Generative Models for the Web Graph and Other Networks.
3.3 Applications.
3.4 Notes and Additional Technical References.
3.5 Exercises.
4 Text Analysis.
4.1 Indexing.
4.2 Lexical Processing.
4.3 Content–Based Ranking.
4.4 Probabilistic Retrieval.
4.5 Latent Semantic Analysis.
4.6 Text Categorization.
4.7 Exploiting Hyperlinks.
4.8 Document Clustering.
4.9 Information Extraction.
4.10 Exercises.
5 Link Analysis.
5.1 Early Approaches to Link Analysis.
5.2 Nonnegative Matrices and Dominant Eigenvectors.
5.3 Hubs and Authorities: HITS.
5.4 PageRank.
5.5 Stability.
5.6 Probabilistic Link Analysis.
5.7 Limitations of Link Analysis.
6 Advanced Crawling Techniques.
6.1 Selective Crawling.
6.2 Focused Crawling.
6.3 Distributed Crawling.
6.4 Web Dynamics.
7 Modeling and Understanding Human Behavior on the Web.
7.1 Introduction.
7.2 Web Data and Measurement Issues.
7.3 Empirical Client–Side Studies of Browsing Behavior.
7.4 Probabilistic Models of Browsing Behavior.
7.5 Modeling and Understanding Search Engine Querying.
7.6 Exercises.
8 Commerce on the Web: Models and Applications.
8.1 Introduction.
8.2 Customer Data on theWeb.
8.3 Automated Recommender Systems.
8.4 Networks and Recommendations.
8.5 Web Path Analysis for Purchase Prediction.
8.6 Exercises.
Appendix A: Mathematical Complements.
A.1 Graph Theory.
A.2 Distributions.
A.3 Singular Value Decomposition.
A.4 Markov Chains.
A.5 Information Theory.
Appendix B: List of Main Symbols and Abbreviations.
References.
Index. |
| Côte titre : |
Fs/19799 |
|  |
Ajouter le résultat dans votre panier Affiner la recherche
