Web & Data Mining

Knoll, Matthias und Andreas Meier,

ISBN 10: 3898646009 / ISBN 13: 9783898646000

Verlag: dpunkt, 2009

Beschreibung

128 S. Ehem. Bibliotheksexemplar mit üblichen Merkmalen wie Signatur und Stempel. Moderate Lager- und Gebrauchsspuren. Text bis auf vereinzelt mögliche Anstreichungen sauber. Gutes Arbeitsexemplar. 9783898646000 Sprache: Deutsch Gewicht in Gramm: 222. Bestandsnummer des Verkäufers 1104288

Bibliografische Details

Titel: Web & Data Mining

Verlag: dpunkt

Erscheinungsdatum: 2009

Einband: Softcover

Auflage: 1.

Über diesen Titel

Reseña del editor:

Unter Mining wird das 'Schürfen' nach wertvollen Informationen und Mustern im WWW, aber auch in Datenbeständen allgemein verstanden. Der Begriff nimmt Bezug auf den Bergbau, bei dem mit technologischen Verfahren große Gesteinsmengen maschinell bearbeitet werden, um Edelsteine oder Edelmetalle zu fördern.

Beim Mining steht der KDD-Prozess (Knowledge Discovery in Databases) im Fokus: Zunächst wird das Auswertungsziel formuliert, anschließend werden relevante Datenbestände beschafft, in einheitliche Datenformate transformiert und in geeigneten Datenmodellen gespeichert, bevor Analyse- und Prognoseverfahren angewendet und die erhaltenen Muster visualisiert und bewertet werden können. So interessiert sich beispielsweise der Handel für das Kaufverhalten von Onlinekunden in einem eShop und möchte im Rahmen seiner CRM-Strategie mit geeigneten Verfahren ein Empfehlungssystem (Recommender System) zur Steigerung des Absatzes aufbauen.

Das Schwerpunktheft HMD 268 enthält zunächst eine Übersicht über die wichtigsten Web- und Data-Mining-Begriffe und -Verfahren. Darauf aufbauend werden aktuelle Beispiele aus unterschiedlichen Anwendungsgebieten vorgestellt und diskutiert. So umfassen die Beispiele unter anderem die folgenden Themen: Clusterbildung und Abweichungsanalyse, Warenkorbanalysen, unscharfe Kundenklassifikation, Anwendung neuronaler Netze, Clickstream-Analysen und Wirkungsprognosen.

Die Auswahl wichtiger Mining-Methoden und die Beschreibung erfolgreicher Fallbeispiele möchten dabei unterstützen, das Potenzial von KDD für das jeweilige Aufgabengebiet zu erkennen und zu bewerten.