YL20260  9787121300004    9787121280702

用户网络行为画像 大数据中的用户网络行为画像分析与内容应用

　如何能牢牢地黏住老用户、吸引新用户、读懂用户的偏好兴趣和喜怒哀乐，这都是对企业发展至关重要甚至关乎生死存亡的问题，解决这个问题的方法就是。本书分为上中下三篇，共13章，上篇为用户画像知识工程基础，包括表征建模、画像计算、存储及各种更新维护等管理操作；中篇为与用户画像，包括传统协同过滤等经典算法的介绍，以及涉及用户画像的方法；下篇为应用案例分析，包括Netflix、阿里等数据竞赛的经典数据案例，以及在具体工程开发过程的具体案例，分别从需求、总体结构、算法设计、运行流程及测试结果等五个方面提供详细案例指导。

上 篇
第1章 用户画像概述3
1．1 用户画像数据来源3
1．1．1 用户属性5
1．1．2 用户观影行为5
1．2 用户画像特性5
1．2．1 动态性5
1．2．2 时空局部性6
1．3 用户画像应用领域6
1．3．1 搜索引擎6
1．3．27
1．3．3 其他业务定制与优化7
1．4 大数据给用户画像带来的机遇与挑战8
第2章 用户画像建模9
2．1 用户定量画像9
2．2 用户定性画像10
2．2．1 标签与用户定性画像10
2．2．2 基于知识的用户定性画像分析12
2．2．3 用户定性画像的构建16
2．2．4 定性画像知识的存储22
2．2．5 定性画像知识的推理26
2．3 本章参考文献29
第3章 群体用户画像分析31
3．1 用户画像相似度32
3．1．1 定量相似度计算32
3．1．2 定性相似度计算34
3．1．3 综合相似度计算35
3．2 用户画像聚类36
第4章 用户画像管理41
4．1 存储机制41
4．1．1 关系型数据库42
4．1．2 NoSQL数据库43
4．1．3 数据仓库45
4．2 查询机制46
4．3 定时更新机制47
4．3．1 获取实时用户信息47
4．3．2 更新触发条件48
4．3．3 更新机制49
中 篇
第5章 视频概述55
5．1 主流方法的分类56
5．1．1 协同过滤的方法56
5．1．2 基于内容的方法57
5．1．3 基于知识的方法59
5．1．4 混合方法60
5．2的评测方法61
5．3 视频与用户画像的逻辑关系61
第6章 协同过滤方法65
6．1 概述65
6．2 关系矩阵及矩阵计算67
6．2．1 U-U矩阵67
6．2．2 V-V矩阵70
6．2．3 U-V矩阵72
6．3 基于记忆的协同过滤算法74
6．3．1 基于用户的协同过滤算法75............

大数据架构详解：从数据获取到深度学习

本书从架构、业务、技术三个维度深入浅出地介绍了大数据处理领域端到端的知识。主要内容包括三部分：部分从数据的产生、采集、计算、存储、消费端到端的角度介绍大数据技术的起源、发展、关键技术点和未来趋势，结合生动的业界新产品，以及学术界新的研究方向和成果，让深奥的技术浅显易懂；第二部分从业务和技术角度介绍实际案例，让读者理解大数据的用途及技术的本质；第三部分介绍大数据技术不是孤立的，讲解如何与前沿的云技术、深度学习、机器学习等相结合。

部分 大数据的本质
第1章 大数据是什么 2
1．1 大数据导论 2
1．1．1 大数据简史 2
1．1．2 大数据现状 3
1．1．3 大数据与BI 3
1．2 企业数据资产 4
1．3 大数据挑战 5
1．3．1 成本挑战 6
1．3．2 实时性挑战 6
1．3．3 安全挑战 6
1．4 小结 6
第2章 运营商大数据架构 7
2．1 架构驱动的因素 7
2．2 大数据平台架构 7
2．3 平台发展趋势 8
2．4 小结 8
第3章 运营商大数据业务 9
3．1 运营商常见的大数据业务 9
3．1．1 SQM（运维质量管理） 9
3．1．2 CSE（客户体验提升） 9
3．1．3 MSS（市场运维支撑） 10
3．1．4 DMP（数据管理平台） 10
3．2 小结 11
第二部分 大数据技术
第4章 数据获取 14
4．1 数据分类 14
4．2 数据获取组件 14
4．3 探针 15
4．3．1 探针原理 15
4．3．2 探针的关键能力 16
4．4 网页采集 26
4．4．1 网络爬虫 26
4．4．2 简单爬虫Python代码示例 32
4．5 日志收集 33
4．5．1 Flume 33
4．5．2 其他日志收集组件 47
4．6 数据分发中间件 47
4．6．1 数据分发中间件的作用 47
4．6．2 Kafka架构和原理 47
4．7 小结 82
第5章 流处理 83
5．1 算子 83
5．2 流的概念 83
5．3 流的应用场景 84
5．3．1 金融领域 84
5．3．2 电信领域 85
5．4 业界两种典型的流引擎 85
5．4．1 Storm 85
5．4．2 Spark Streaming 89
5．4．3 融合框架 102
5．5 CEP 108
5．5．1 CEP是什么 108
5．5．2 CEP的架构 109
5．5．3 Esper 110
5．6 实时结合机器学习 110
5．6．1 Eagle的特点 111
5．6．2 Eagle概览 111
5．7 小结 116
第6章 交互式分析 117
6．1 交互式分析的概念 117
6．2 MPP DB技术 118........