• 正文概述
  • 评价建议



  • 本书介绍了一些主流技术在商业项目中的应用,包括机器学习中的分类、聚类和线性回归,搜索引擎,推荐系统,用户行为跟踪,架构设计的基本理念及常用的消息和缓存机制。在这个过程中,我们有机会实践R、Mahout、Solr、Elasticsearch、Hadoop、HBase、Hive、Flume、Kafka、Storm等系统。如前所述,本书最大的特色就是,从商业需求出发演变到合理的技术方案和实现,因此根据不同的应用场景、不同的数据集合、不同的进阶难度,我们为读者提供了反复温习和加深印象的机会。

     

    大数据架构和算法实现之路:电商系统的技术实战 完整pdf插图

     

    目录
    推荐序
    前言
    引子 1
    第一篇 支持高效的运营
    第1章 方案设计和技术选型:分类 5
    1.1 分类的基本概念 6
    1.2 分类任务的处理流程 7
    1.3 算法:朴素贝叶斯和K最近邻 8
    1.3.1 朴素贝叶斯 8
    1.3.2 K最近邻 9
    1.4 分类效果评估 10
    1.5 相关软件:R和Mahout 12
    1.5.1 R简介 12
    1.5.2 Mahout简介 13
    1.5.3 Hadoop简介 14
    1.6 案例实践 17
    1.6.1 实验环境设置 17
    1.6.2 中文分词 18
    1.6.3 使用R进行朴素贝叶斯分类 22
    1.6.4 使用R进行K最近邻分类 37
    1.6.5 单机环境使用Mahout运行朴素贝叶斯分类 39
    1.6.6 多机环境使用Mahout运行朴素贝叶斯分类 47
    1.7 更多的思考 58
    第2章 方案设计和技术选型:聚类 60
    2.1 聚类的基本概念 60
    2.2 算法:K均值和层次型聚类 61
    2.2.1 K均值聚类 61
    2.2.2 层次型聚类 62
    2.3 聚类的效果评估 64
    2.4 案例实践 66
    2.4.1 使用R进行K均值聚类 66
    2.4.2 使用Mahout进行K均值聚类 69
    第3章 方案设计和技术选型:因变量连续的回归分析 74
    3.1 线性回归的基本概念 74
    3.2 案例实践 76
    3.2.1 实验环境设置 76
    3.2.2 R中数据的标准化 78
    3.2.3 使用R的线性回归分析 81
    第二篇 为顾客发现喜欢的商品:
    基础篇
    第4章 方案设计和技术选型:搜索 94
    4.1 搜索引擎的基本概念 94
    4.1.1 相关性 95
    4.1.2 及时性 97
    4.2 搜索引擎的评估 100
    4.3 为什么不是数据库 103
    4.4 系统框架 104
    4.4.1 离线预处理 104
    4.4.2 在线查询 107
    4.5 常见的搜索引擎实现 108
    4.5.1 Lucene简介 108
    4.5.2 Solr简介 113
    4.5.3 Elasticsearch简介 120
    4.6 案例实践 123
    4.6.1 实验环境设置 123
    4.6.2 基于Solr的实现 123
    4.6.3 基于Elasticsearch的实现 154
    4.6.4 统一的搜索API 175
    第三篇 为顾客发现喜欢的商品:高级篇
    第5章 方案设计和技术选型:NoSQL和搜索的整合 195
    5.1 问题分析 195
    5.2 HBase简介 196
    5.3 结合HBase和搜索引擎 203
    5.4 案例实践 204
    5.4.1 实验环境设置 204
    5.4.2 HBase的部署 205
    5.4.3 HBase和搜索引擎的集成 211
    第6章 方案设计和技术选型:查询分类和搜索的整合 219
    6.1 问题分析 219
    6.2 结合分类器和搜索引擎 219
    6.3 案例实践 225
    6.3.1 实验环境设置 225
    6.3.2 构建查询分类器 226
    6.3.3 定制化的搜索排序 229
    6.3.4 整合查询分类和定制化排序 236
    第7章 方案设计和技术选型:个性化搜索 245
    7.1 问题分析 245
    7.2 结合用户画像和搜索引擎 245
    7.3 案例实践 249
    7.3.1 用户画像的读取 250
    7.3.2 个性化搜索引擎 253
    7.3.3 结果对比 260
    第8章 方案设计和技术选型:搜索分片 267
    8.1 问题分析 267
    8.2 利用搜索的分片机制 269
    8.3 案例实践 271
    8.3.1 Solr路由的实现 271
    8.3.2 Elasticsearch路由的实现 278
    第9章 方案设计和技术选型:搜索提示 283
    9.1 问题分析 283
    9.2 案例实践:基础方案 284
    9.2.1 Solr搜索建议和拼写纠错的实现 284
    9.2.2 Elasticsearch搜索建议和拼写纠错的实现 286
    9.3 改进方案 291
    9.4 案例实践:改进方案 294
    第10章 方案设计和技术选型:推荐 303
    10.1 推荐系统的基本概念 305
    10.2 推荐的核心要素 306
    10.2.1 系统角色 306
    10.2.2 相似度 307
    10.2.3 相似度传播框架 307
    10.3 推荐系统的分类 307
    10.4 混合模型 311
    10.5 系统架构 312
    10.6 Mahout中的推荐算法 313
    10.7 电商常见的推荐系统方案 314
    10.7.1 电商常见的推荐系统方案 314
    10.7.2 相似度的计算 317
    10.7.3 协同过滤 319
    10.7.4 结果的查询 320
    10.8 案例实践 321
    10.8.1 基于内容特征的推荐 321
    10.8.2 基于行为特征的推荐 341
    第四篇 获取数据,跟踪效果
    第11章 方案设计和技术选型:行为跟踪 369
    11.1 基本概念 370
    11.1.1 网站的核心框架 370
    11.1.2 行为数据的类型 371
    11.1.3 行为数据的模式 372
    11.1.4 设计理念 374
    11.2 使用谷歌分析 375
    11.3 自行设计之Flume、HDFS和Hive的整合 378
    11.3.1 数据的收集——Flume简介 378
    11.3.2 数据的存储——Hadoop HDFS回顾 382
    11.3.3 批量数据分析——Hive简介 383
    11.3.4 Flume、HDFS和Hive的整合方案 386
    11.4 自行设计之Flume、Kafka和Storm的整合 386
    11.4.1 实时性数据分析之Kafka简介 386
    11.4.2 实时性数据分析之Storm简介 388
    11.4.3 Flume、Kafka和Storm的整合方案 390
    11.5 案例实践 391
    11.5.1 数据模式的设计 392
    11.5.2 实验环境设置 392
    11.5.3 谷歌分析实战 394
    11.5.4 自主设计实战之Flume、HDFS和Hive的整合 401
    11.5.5 自主设计实战之Flume、Kafka和Storm的整合 410
    11.6 更多的思考 424
    后记 425

    相关说明
    1、本站大部分资源收集于网络以及网友投稿,本不保证资源的完整性以及安全性,请下载后自行测试。
    2、本站所发布的一切非原创资源等仅限用于学习和研究目的;不得用于商业或者非法用途,否则,一切后果请用户自负。
    3、本站非原创信息来自互联网收集,版权归原创作者所有,版权争议与本站无关,如有侵权请邮件与我们联系处理。我们会在三个工作日内予以清除。
    4、所收取费用仅是收集整理费用,用来维系网站运营,性质为用户友情赞助,并非售卖文件费用,本站不对所实际的版权问题负法律责任。
    5、根据2013年1月30日《计算机软件保护条例》为了学习和研究软件内含的设计思想和原理,通过安装、显示、传输或者存储软件等方式使用软件的,可以不经软件著作权人许可,不向其支付报酬。鉴于此,本站希望大家严格按此说明研究软件学习,如需商业运营请购买正版!由于未及时购买正版发生的侵权行为,与本站无关。
    乐搜网 » 大数据架构和算法实现之路:电商系统的技术实战 完整pdf

    发表评论

    正版源码,海量素材,专业课程应有尽有!

    立即查看 了解详情