Интернетика, Навигация в сложных сетях, Модели и алгоритмы, Ландэ Д.В., Снарский А.А., Безсуднов И.В., 2009

Интернетика, Навигация в сложных сетях, Модели и алгоритмы, Ландэ Д.В., Снарский А.А., Безсуднов И.В., 2009.
   Настоящая книга посвящена теоретическим и прикладным вопросам нового научного направления — интернетики, охватывающей основы теорий информационного поиска и сложных сетей. Авторы предполагают, что именно на стыке этих двух областей может лежать решение открытой проблемы навигации в современных информационных сетях.
В книге рассматриваются вопросы, относящиеся к информационной структуре вебпространства, теории сложных сетей, моделям информационного поиска и глубинного анализа текстов, общим закономерностям современных информационных потоков и их моделированию.
Книга рассчитана на широкий круг читателей: специалистов в области информационных технологий, прикладных лингвистов, студентов, аспирантов, аналитиков в различных областях. Она может служить основой для построения учебных курсов, посвященных вопросам информационного поиска в сетевой среде.

Пиринговые сети.
В настоящее время WWW не является самой крупной сетью по ресурсам и порождаемому интернет-трафику. Известно, что трафик, объем информационных ресурсов (в байтах), количество узлов пиринговых сетей, если их рассматривать в совокупности, существенно превосходят соответствующие показатели веб. При этом можно отметить, что проблемы поиска и уязвимости в пиринговых сетях, как крупнейшего «белого пятна» современных коммуникаций, пока остаются открытыми.
Пиринговые сети (Peer-to-peer, P2P — равный с равным) — это компьютерные сети, основанные на равноправии участников. В таких сетях отсутствуют выделенные серверы, а каждый узел (peer) является как клиентом, так и сервером. Впервые фраза «peer-to-peer» была использована в 1984 году П. Йохнухуйтсманом (P. Yohnuhuitsman) при разработке архитектуры Advanced Peer to Peer Networking фирмы IBM.
Содержание
Предисловие
Введение
1. Современные информационные сети
1.1. Интернет -- история и протоколы
1.2. Всемирная паутина -- World Wide Web
1.3. Пиринговые сети
1.4. Проблемы развития интернет-контента
2. Информационный поиск
2.1. Булева модель поиска
2.1.1. Классическая булева модель
2.1.2. Расширенная булева модель
2.1.3. Модель нечеткого поиска
2.2. Векторно-пространственная модель поиска
2.3. Вероятностная модель поиска
2.4. Алгоритмы поиска в пиринговых сетях
2.4.1. Алгоритм поиска ресурсов по ключам
2.4.2. Метод широкого первичного поиска
2.4.3. Метод случайного широкого первичного поиска
2.4.4. Интеллектуальный поисковый механизм
2.4.5. Методы "большинства результатов по прошлой эвристике"
2.4.6. Метод "случайных блужданий"
2.5. Информационно-поисковые языки
2.6. Характеристики информационного поиска
3. Концепция Text Mining
3.1. Контент-анализ
3.2. Элементы Text Mining
3.2.1. Извлечение понятий
3.2.2. Определение взаимосвязей понятий
3.2.3. Автоматическое реферирование
3.2.4. Поисковые образы документов
3.2.5. Выявление дублирования информации
3.2.6. Выявление новых событий
3.3. Реализации систем с элементами Text Mining
4. Методы классификации информации
4.1. Задача классификации
4.1.1. Формальное описание задачи классификации
4.1.2. Ранжирование и четкая классификация
4.1.3. Линейная классификация
4.2. Метод Rocchio
4.3. Метод регрессии
4.4. ДНФ-классификатор
4.5. Классификация на основе искусственных нейронных сетей
4.5.1. Формальный нейрон
4.5.2. Искусственная нейронная сеть
4.5.3. Правила обучения перцептрона
4.5.4. Нейронная сеть как классификатор
4.6. Байесовский классификатор
4.6.1. Байесовская логистическая регрессия
4.6.2. Наивная байесовская модель
4.6.3. Байесовский подход к решению проблемы спама
4.6.4. Определение тональности сообщений
4.7. Метод опорных векторов
4.8. Оценка качества классификации
5. Элементы кластерного анализа
5.1. Латентно-семантический анализ
5.1.1. Матричный латентно-семантический анализ
5.1.2. Вероятностный латентно-семантический анализ
5.2. Метод k-means
5.3. Иерархическое группирование-объединение
5.4. Метод суффиксных деревьев
5.5. Гибридные методы
5.6. Ранжирование результатов поиска
5.6.1. Алгоритм HITS
5.6.2. Алгоритм PageRank
5.6.3. Алгоритм Salsa
5.6.4. Ранжирование "по Хиршу"
6. Эмпирические распределения и математический формализм
6.1. Эмпирические закономерности
6.1.1. Распределение Парето
6.1.2. Законы Ципфа
6.1.3. Закономерность Бредфорда
6.1.4. Закон Хипса
6.2. Степенные распределения случайных величин
6.3. Однородные функции и скейлинг
6.4. Параметр порядка и фазовые переходы
7. Энтропия и количество информации
7.1. Энтропия Шеннона
7.2. Свойства энтропии
7.3. Условная энтропия
7.4. Энтропия непрерывного источника информации
7.5. Количество информации
7.6. Взаимная информация
8. Основы теории сложных сетей
8.1. Параметры сложных сетей
8.1.1. Параметры узлов сети
8.1.2. Общие параметры сети
8.1.3. Распределение степеней узлов
8.1.4. Путь между узлами
8.1.5. Коэффициент кластерности
8.1.6. Посредничество
8.1.7. Эластичность сети
8.1.8. Структура сообщества
8.2. Модель слабых связей
8.3. Модель малых миров
8.4. WWW как сложная сеть
8.4.1. Топология WWW
8.4.2. Сетевая структура новостного веб
8.5. Визуализация сложных сетей
9. Элементы теории перколяции
9.1. Задача теории перколяции
9.2. Характеристики перколяционных сетей
9.3. Сеть с экспоненциально широким распределением
9.4. Диодные перколяционные сети
9.5. Перколяция на случайных сетях
9.6. Теория перколяции и моделирование атак на сети
10. Модели информационных потоков
10.1. Линейная модель
10.2. Экспоненциальная модель
10.3. Логистическая модель
10.4. Модель диффузии информации
10.5. Модель самоорганизованной критичности
11. Элементы фрактального анализа
11.1. Фракталы и фрактальная размерность
11.2. Абстрактные фракталы
11.3. Информационное пространство и фракталы
11.4. Фракталы и временные ряды
11.4.1. Метод DFA
11.4.2. Корреляционный анализ
11.4.3. Фактор Фано
11.4.4. Показатель Херста
11.5. Мультифрактальный анализ рядов измерений
Заключение
Список сокращений
Глоссарий
Литература.