Directorio de algoritmos de red inteligente

1.1 Ejemplos de aplicaciones web inteligentes 3

1.2 Elementos básicos de las aplicaciones inteligentes 4

1.3 ¿Qué aplicaciones se beneficiarán de la inteligencia? Cinco

Red Social 6

1.3.2 Mashup 7

1.3.3 Portal 8

1.3.4 Wiki 9

1.3.5 Sitio web para compartir archivos 9

1.3.6 Juego en línea 11

1.4 ¿Cómo crear aplicaciones inteligentes? 11

1 . 4 . 1 Consulte funciones y datos 12

1.4.2 Obtenga más datos 12

1.5 Aprendizaje automático, minería de datos y más 16

1.6 Ocho malentendidos comunes en aplicaciones inteligentes 17

1.6.1 Malentendido 1: Los datos son confiables18

1.6.2 Malentendido 2: El cálculo se puede completar inmediatamente19.

1.6.3 Malentendido 3: No es necesario considerar el tamaño de datos de 19.

1.6.4 Malentendido 4: No considerar la escalabilidad de la solución19

1.6.5 Malentendido 5: Usar el mismo método en todas partes19

1.6Mito 6: Siempre podrás conocer el tiempo de cálculo20.

1.6.7 Mito 7: Los modelos complejos son mejores 20

1.6.8 Mito 8: ¿Existen modelos sesgados 20

1.7 Resumen 20

1.8 Cita 21

2 Buscar 22

2.1 Buscar con Lucene 23

2.1.1 Comprender el código de Lucene 24

2.1 .2 Pasos básicos para la búsqueda 31

2.2 ¿Por qué la búsqueda es algo más que una simple indexación? 33

2.3 Mejorar los resultados de búsqueda mediante el análisis de enlaces 35

2 3 1 ranking de página 35 Introducción

2.3.2 Calcular el vector de PageRank 37

2 3 . 3 alfa: El impacto de saltar entre páginas 38

2.3.4 Comprender el método de potencia 40

2.3.5 Puntuación de índice integral y puntuación de PageRank 45<. /p>

2.4 Mejora de los resultados de búsqueda en función de los clics de los usuarios 47

0 clics de los usuarios 48

2.4.2 Uso del clasificador Naive Bayes 50

2.4 .3 Integrar el índice de Lucene, el PageRank y los clics de los usuarios 54

2.5 Clasificación de documentos no vinculados, como Word y PDF 58

2.5.1 Introducción al algoritmo DocRank 58

2 . 5 . 2 El principio de clasificación de documentos 60

2.6 Cuestiones relacionadas con la implementación a gran escala 65

2.7 ¿Obtienen los usuarios los resultados que desean? Precisión y recuperación 67

2.8 Resumen 69

2.9 Cómo hacer 70

2.10 Referencia 72

3 Sistemas recomendados 73

3.1 Tienda de música en línea: conceptos básicos 74

3.1.1 Conceptos de distancia y similitud 75

3.1.2 Cálculo de similitud cercana 80

3.1.3 ¿Cuál es la mejor fórmula de cálculo de similitud? 83

3.2 Cómo funcionan los motores de recomendación 84

Recomendaciones basadas en usuarios similares 85

3.2.2 Recomendaciones basadas en proyectos similares 94

3.2.3 Recomendaciones basadas en contenido 98

3.3 Recomendar amigos, artículos e informes de noticias 104

3 3 1 MyDiggspace com 105 Introducción

3.3.2. Encuentra amigos 106

3 . 3 Funcionamiento interno de Digg Delphi 108

3.4 Películas recomendadas 114 Me gusta Netflix com.

3.4.1 Introducción y recomendación de conjuntos de datos de películas 114

3.4.2 Estandarización de datos y coeficiente de correlación 117

3.5 Implementación y evaluación a gran escala 123< / p>

3.6 Resumen 124

3.7 Tareas pendientes 125

3.8 Referencia 127

4 Agrupación: Agrupación de cosas 128

4.1 Requisitos del cluster 129

4.1.1 Grupo de usuarios del sitio web: caso de estudio 129

4.1.2 Agrupación con orden SQL según la cláusula 131.

4.1.3 Agrupación 132 por ordenación de matrices.

4.2 Descripción general de los algoritmos de agrupamiento 135

4.2.1 Clasificación de los algoritmos de agrupamiento según la estructura de agrupamiento 136

4.2.2 Agrupación según el tipo y la estructura de datos Algoritmo clasificación 137

4.2.3 Clasificación del algoritmo de clustering según el tamaño de los datos 137.

4.3 Algoritmo basado en enlaces 138

4.3.1 Diagrama de árbol: estructura básica de datos de agrupamiento 139.

4.3.2 Descripción general de los algoritmos basados ​​en enlaces 141

4.3.3 Algoritmo de enlace único 142

4.3.4 Algoritmo de enlace promedio 144

4.3.5 Algoritmo de árbol de expansión mínimo 147

4.4 Algoritmo k-means 149

4.4.1 Satisface el algoritmo k-means 150.

4. 4. Principios internos de 2K-means 151

4.5 Agrupación de enlaces robustos (ROCK) 153

4.5.1 Introducción a las rocas 154

4.5.2 ¿Por qué el rock and roll es tan poderoso? 154

4.6 DBSCAN 159

4.6.1 Introducción al algoritmo de densidad 159

4 6 2 El principio de DBS puede 162