본문내용 바로가기
MD의선택 무료배송 이벤트 소득공제

실전 예제로 살펴보는 집단지성 프로그래밍

사트남 알랙 지음 | 전희원 옮김 | 인사이트 | 2010년 12월 30일 출간

이 책의 다른 상품 정보

  • 정가 : 32,000원
    판매가 : 28,800 [10%↓ 3,200원 할인]
  • 통합포인트 :
    [기본적립] 1,600원 적립 [5% 적립] [추가적립] 5만원 이상 구매 시 2천원 추가적립 안내 [회원혜택] 실버등급 이상, 3만원 이상 구매 시 2~4% 추가적립 안내
  • 추가혜택 : 포인트 안내 도서소득공제 안내 추가혜택 더보기
  • 배송비 : 무료 배송비 안내
  • 배송일정 : 서울특별시 종로구 세종대로 기준 지역변경
    지금 주문하면 내일( 5일,금) 도착 예정 배송일정 안내
  • 바로드림 : 인터넷으로 주문하고 매장에서 직접 수령 안내 바로드림 혜택
    휴일에는 바로드림 픽업으로 더 빨리 받아 보세요. 바로드림 혜택받고 이용하기

이 책의 이벤트 해외주문/바로드림/제휴사주문/업체배송건의 경우 1+1 증정상품이 발송되지 않습니다.

  • 인사이트 출판사의 IT전문서를 편리하게 모아 보세요
    2017.11.22 ~ 2019.12.31
  • #리드잇 페이스북 페이지 팔로우 하시고, 신간소식 빠르게 받아보..
    2017.06.22 ~ 2025.07.31
  • MANNING, O'REILLY, PACKT, WILE..
    2016.03.07 ~ 2020.12.31
상품상세정보
ISBN 9788991268890(8991268897)
쪽수 568쪽
크기 188 * 240 * 35 mm 판형알림
원서명/저자명 Collective lntelligence in action/Alag, Satnam

책소개

이 책이 속한 분야

소셜 네트워크 세상에 숨어 있는 집단지성의 힘!

『실전 예제로 살펴보는 집단지성 프로그래밍』은 집단지성을 실제 웹 애플리케이션에 적용하는 방법을 설명한 책이다. 개념이나 배경 수식을 설명하기 위해 간단한 예제를 보여주며 기능을 구현할 이상적인 아키텍처, 데이터베이스 스키마, 코드 구현과 오픈소스 도구의 사용법까지 넓은 분야의 주제를 다룬다. 크게 3부로 구성되어 있으며 먼저, 데이터를 수집하고 여기에서 정보를 추출하는 방법을 설명한다. 2부에서는 CI기법인 데이터 마이닝과 텍스트 분석 기법, 클러스터링, 예측기술을 설명한다. 더불어 아마존이나 구글 뉴스, 넷플릭스 같은 선두 업체들이 추천 엔진을 어떻게 만들었는지 보여주고 애플리케이션에 적용할만한 다른 접근 방법들도 함께 소개한다.

북소믈리에 한마디!

이 책의 저자는 사용자의 클릭이나 댓글, 태그, 블로깅, 구매 이력 데이터 등 사용자들이 웹 서비스를 사용하며 축적한 데이터에 집단지성을 적용하면, 사용자들이 관심을 가질만한 아이템을 보여주거나 특정 아이템을 구입할만한 사용자가 누구일지 예측할 수 있다고 말한다.

저자소개

저자 : 사트남 알랙

저자 사트남 알랙(Satnam Alag) 박사는 생명과학 커뮤니티를 위한 버티컬 검색 엔진과 웹 2.0 사용자 중심 애플리케이션을 개발하는 넥스트바이오(www.nextbio.com)의 엔지니어링 부사장이다. 15년 동안 기계학습(machine learning) 분야에서 경험을 쌓았으며, 10년이 넘도록 상업적 소프트웨어를 개발/관리했고, Johnson & Johnson’s BabyCenter에서 컨설턴트로, Rearden Commerce에서는 최고 소프트웨어 아키텍트로 재직하기도 했다. 자바 플랫폼의 SCEA(Sun Certified Enterprise Architect) 자격을 가지고 있다.

역자 : 전희원

역자 전희원은 인하대학교 학사, 고려대학교 석사를 졸업하였다. 대학원에서 검색과 기계학습을 수학했으며, 『월간 마이크로소프트웨어』 『eWeek』 『IBM developerworks』 등에 검색, 데이터 마이닝, 기계학습, 분산처리에 대한 기고를 해왔다. 현재 야후!에서 기계학습이나 데이터 마이닝이 가미된 검색 관련 지능형 소프트웨어를 개발하고 있다. 블로그에서 고감자라는 아이디로 활동 중이다.

목차

옮긴이의 글
추천의 글
지은이의 글
감사의 글
이 책에 대해
저자에 대해
표지 그림에 대해

1부 지능화를 위한 데이터 수집하기
1장 집단지성에 대한 이해

1.1 집단지성이란 무엇인가
1.2 웹 애플리케이션의 집단지성
1.2.1 집단지성 시작부터 끝까지: 예제 애플리케이션
1.2.2 집단지성의 이점들
1.2.3 집단지성은 웹 2.0의 핵심 요소다
1.2.4 콘텐츠 중심에서 사용자 중심의 애플리케이션으로 바꾸기 위해 집단지성 이용하기
1.3 지능 정보의 분류
1.3.1 명시적 지능 정보
1.3.2 암묵적 지능 정보
1.3.3 추출된 지능 정보
1.4 요약

2장 사용자 교류 정보를 통한 학습
2.1 지능화 시스템 아키텍처
2.1.1 동기식 서비스와 비동기식 서비스
2.1.2 이벤트 드리븐 시스템에서의 실시간 학습
2.1.3 넌이벤트 드리븐 시스템을 위한 폴링 서비스
2.1.4 이벤트 드리븐 아키텍처와 드리븐 아키텍처의 장단점
2.2 집단지성 적용을 위한 알고리즘 기초
2.2.1 사용자와 아이템
2.2.2 사용자 정보 표현하기
2.2.3 콘텐츠 기반의 분석과 협업 필터링
2.2.4 비 구조적 텍스트에서 지능형 정보 추출하기
2.2.5 유사도 계산
2.2.6 데이터셋의 유형
2.3 사용자 교류 정보의 형태
2.3.1 등급과 투표
2.3.2 이메일 보내기 또는 링크 포워딩
2.3.3 북마킹과 저장
2.3.4 아이템 구매
2.3.5 클릭 스트림
2.3.6 리뷰
2.4 사용자 교류 정보를 집단지성으로
2.4.1 예제를 통해 본 등급의 지능 정보화
2.4.2 북마킹과 저장, 상품 구매, 링크 포워딩, 클릭 스트림 그리고 리뷰들의 지능 정보화
2.5 요약

3장 태그로부터의 지능 정보 추출
3.1 태깅에 대한 소개
3.1.1 사용자와 아이템의 태그 관련 메타데이터
3.1.2 전문가가 생성한 태그
3.1.3 사용자가 생성한 태그
3.1.4 기계적으로 생성한 태그
3.1.5 태깅에 대한 팁
3.1.6 왜 태그를 이용하는가?
3.2 어떻게 태그를 이용할까?
3.2.1 동적 내비게이션 만들기
3.2.2 태그 클라우드를 좀더 효과적으로 이용하기
3.2.3 타깃 검색
3.2.4 폭소노미와 사전 구축
3.3 사용자 태깅을 통한 지능 정보 추출 예제
3.3.1 다른 아이템과 관련된 아이템
3.3.2 사용자가 관심을 가질만한 아이템
3.3.3 아이템과 관련 있는 사용자들
3.4 태깅에 적합한 확장성 있는 아키텍처
3.4.1 다른 접근 방법 살펴보기
3.4.2 추천 아키텍처
3.5 태그 클라우드 만들기
3.5.1 태그 클라우드에 적합한 영속적인 디자인
3.5.2 태그 클라우드를 만드는 알고리즘
3.5.3 태그 클라우드 구현
3.5.4 태그 클라우드 보여주기
3.6 유사한 태그 찾기
3.7 요약

4장 콘텐츠에서 지능 정보 추출하기
4.1 콘텐츠 종류와 이들의 통합
4.1.1 콘텐츠 분류
4.1.2 콘텐츠를 통합하기 위한 아키텍처
4.2 집단지성과 관련이 있는 콘텐츠 종류
4.2.1 블로그
4.2.2 위키
4.2.3 그룹과 게시판
4.3 단계적 지능 정보 추출
4.3.1 예제 셋업하기
4.3.2 간단한 분석
4.3.3 불용어 처리
4.3.4 스태밍
4.3.5 구 인식
4.4 단순한 콘텐츠 타입과 복합 콘텐츠 타입
4.5 요약

5장 블로그 검색
5.1 블로고스피어에 대한 소개
5.1.1 블로고스피어의 활용
5.1.2 RSS: 발행 포맷
5.1.3 블로그 트래킹 회사들
5.2 블로그 검색을 위한 프레임워크 구축
5.2.1 검색기
5.2.2 검색 파라미터
5.2.3 검색 결과
5.2.4 XML 결과 분석
5.2.5 예외 처리
5.3 기본 클래스 구현
5.3.1 검색 파라미터 구현
5.3.2 검색 결과 객체 구현
5.3.3 검색기 구현
5.3.4 XML 응답 파싱
5.3.5 프레임워크의 확장
5.4 테크노라티 통합하기
5.4.1 테크노라티 검색 API 개요
5.4.2 테크로라티 통합을 위한 클래스 구현
5.5 블로그라인스 통합하기
5.5.1 블로그라인스 검색 API 개요
5.5.2 블로그라인스 통합을 위한 클래스 구현
5.6 RSS를 사용하는 프로바이더 통합
5.6.1 쿼리 파라미터 일반화
5.6.2 블로그 검색기 일반화
5.6.3 RSS 2.0 XML 파서 만들기
5.7 요약

6장 지능형 웹 크롤링
6.1 웹 크롤링 개요
6.1.1 왜 웹을 수집할까
6.1.2 크롤링 프로세스
6.1.3 지능형 크롤링과 집중 크롤링
6.1.4 딥 크롤링
6.1.5 사용할만한 크롤러들
6.2 지능형 크롤러의 단계적 구현
6.2.1 핵심 알고리즘 구현
6.2.2 무례하지 않게 : robots.txt의 룰을 따르라
6.2.3 콘텐츠 가져오기
6.2.4 URL 추출
6.2.5 크롤러를 똑똑하게 만들자
6.2.6 크롤러 구동
6.2.7 크롤러 확장하기
6.3 너치를 사용한 대용량 크롤링
6.3.1 너치 설치
6.3.2 너치 크롤러 구동하기
6.3.3 너치로 검색하기
6.3.4 아파치 하둡, 맵/리듀스, 드라이어드
6.4 요약

2부 지능 정보 추출
7장 데이터 마이닝 : 프로세스, 툴킷, 표준

7.1 데이터 마이닝의 핵심 개념
7.1.1 속성
7.1.2 교사 학습과 비교사 학습
7.1.3 주요 학습 알고리즘
7.1.4 마이닝 프로세스
7.2 오픈소스 데이터 마이닝 프레임워크 사용하기 : 외카(WEKA)
7.2.1 외카 애플리케이션 사용하기 : 단계별 튜토리얼
7.2.2 외카 API의 이해
7.2.3 외카 API 활용 예제
7.3 표준 데이터 마이닝 API : 자바 데이터 마이닝(JDM)
7.3.1 JDM 아키텍처
7.3.2 JDM 핵심 객체
7.3.3 데이터셋의 표현
7.3.4 모델 학습
7.3.5 알고리즘 설정
7.3.6 JDM 테스크
7.3.7 JDM 연결
7.3.8 DME 연결 예제 코드
7.3.9 JDM 모델과 PMML
7.4 요약

8장 텍스트 분석 툴킷 구축하기
8.1 텍스트 분석기 만들기
8.1.1 루씬 활용
8.1.2 어근 추출 분석기 만들기
8.1.3 동의어와 구를 추출하는 필터 만들기
8.1.4 동의어와 구를 추출하는 분석기 만들기
8.1.5 분석기가 작동하게 만들기
8.2 텍스트 분석 인프라 구축하기
8.2.1 태그 인프라 만들기
8.2.2 텀벡터 인프라 만들기
8.2.3 텍스트 분석기 클래스 만들기
8.2.4 텍스트 분석 인프라 적용하기
8.3 프레임워크 적용 사례
8.4 요약

9장 클러스터링을 통한 패턴 추출
9.1 블로그 글 클러스터링
9.1.1 텍스트 클러스터링 인프라 정의
9.1.2 테크노라티에서 블로그 글 가져오기
9.1.3 텍스트 분석을 위한 k-means 클러스터링 알고리즘 구현
9.1.4 텍스트 분석을 위한 계층적 클러스터링 알고리즘 구현
9.1.5 기대치 최대화 알고리즘과 고차원 저밀도 데이터 클러스터링 예제
9.2 외카를 이용한 클러스터링
9.2.1 학습셋 만들기
9.2.2 클러스터 생성하기
9.2.3 클러스터링 평가
9.3 JDM API를 이용한 클러스터링
9.3.1 클러스터링 알고리즘과 관련된 JDM 핵심 클래스들
9.3.2 JDM API를 이용한 클러스터링 환경 설정
9.3.3 JDM API를 이용한 클러스터링 태스크 만들기
9.3.4 클러스터링 태스크 실행하기
9.3.5 JDM API를 이용한 클러스터링 모델 가져오기
9.4 요약

10장 예측 시스템 만들기
10.1 분류에 대한 기초
10.1.1 예제를 통해 결정 트리 배우기
10.1.2 나이브 베이지언 분류기
10.1.3 믿음 네트워크
10.2 외카 API를 활용한 블로그 글 분류
10.2.1 블로그 글을 분류하기 위한 데이터셋 빌드
10.2.2 분류기 클래스 구축
10.3 회귀 분석의 기초
10.3.1 선형 회귀 분석
10.3.2 다중 퍼셉트론
10.3.3 원형 기준 함수
10.4 외카를 사용한 회귀 분석
10.5 JDM을 사용한 분류와 회귀 분석
10.5.1 핵심 JDM 교사 학습 관련 클래스
10.5.2 JDM API를 이용한 교사 학습 설정
10.5.3 JDM API를 이용한 분류 태스크 생성
10.5.4 JDM API를 이용한 분류 태스크 실행
10.5.5 JDM API를 이용한 분류 모델 가져오기
10.5.6 JDM API를 이용한 모델 테스트
10.6 요약

3부 애플리케이션에 지능 불어넣기
11장 지능형 검색

11.1 검색의 기본
11.1.1 검색 아키텍처
11.1.2 핵심 루씬 클래스들
11.1.3 기본적인 인덱싱과 검색 예제
11.2 루씬 색인
11.2.1 색인 형식 소개
11.2.2 색인 수정
11.2.3 증분 색인
11.2.4 텀 빈도 벡터에 접근하기
11.2.5 인덱싱 성능 최적화
11.3 루씬으로 검색하기
11.3.1 루씬 스코어링의 이해
11.3.2 루씬 쿼리
11.3.3 검색 결과 정렬하기
11.3.4 다중 필드 검색
11.3.5 필터링
11.3.6 다중 색인 검색
11.3.7 HitCollector의 활용하기
11.3.8 검색 성능 최적화
11.4 유용한 도구와 프레임워크
11.4.1 루크(Luke)
11.4.2 솔라(Solr)
11.4.3 컴퍼스(Compass)
11.4.4 하이버네이트 검색
11.5 지능형 검색 연구
11.5.1 분류기와 예측기로 검색 보강
11.5.2 검색 결과 클러스터링
11.5.3 사용자에 최적화된 검색 결과
11.5.4 커뮤니티 기반 검색
11.5.5 언어 기반 검색
11.5.6 데이터 검색
11.6 요약

12장 추천 엔진 만들기
12.1 추천 엔진의 기초
12.1.1 추천 엔진 소개
12.1.2 아이템 기반 분석과 사용자 기반 분석
12.1.3 콘텐츠 기반과 협업 기반의 유사도 계산
12.1.4 콘텐츠 기반과 협업 기반 비교
12.2 콘텐츠 기반 분석
12.2.1 검색 엔진(루씬)을 사용해 유사 아이템 찾기
12.2.2 콘텐츠 기반의 추천 엔진 구축
12.2.3 문서 클러스터와 관련된 아이템
12.2.4 사용자에 개인화된 콘텐츠
12.3 협업 필터링
12.3.1 k-인접 이웃(k-nearest neighbor)
12.3.2 협업 필터링 구현을 위한 패키지
12.3.3 잠재 은닉 색인으로 차원 줄이기
12.3.4 차원 축소 구현
12.3.5 확률 모델 기반 접근
12.4 실제 사례
12.4.1 아마존의 아이템 대 아이템 추천
12.4.2 구글 뉴스의 개인화
12.4.3 넷플릭스 상금을 타기 위한 넷플릭스와 벨코어의 해결책
12.5 요약

부록 A 네이버와 다음의 오픈 API를 이용한 블로그 검색
부록 B 참고자료

책 속으로

“이 책은 자칫 재미없고 따분할 수 있는 집단지성 알고리즘을 아주 재미있는 웹 2.0 예제를 통해 보여줍니다. 또한 번역 과정에서 코드를 자세히 들여다보면서 이 책이 데이터 수집, 정제, 저장, 검색, 데이터 마이닝에 대해 적절한 시작점들을 제안해 준다는 사실을 알았습니다. 게다가 자바 아키텍트로 활동했던 저자답게 각 예제가 자바 언어의 특징을 잘 드러내고, 실제 여러분의 시스템에 적용하기에도 편하게 설계되어 있다는 것을 발견하기도 했습니다.
여러분이 웹 애플리케이션에 집단지성을 구현하기 시작했다면 이 책은 좋은 시작점이 되어 줄... 더보기

출판사 서평

소셜 네트워크 세상에 숨어 있는 집단지성의 힘
페이스북의 친구 추천이나 아마존의 책 추천은 어떤 식으로 이루어질까? 사용자에게 직접 정보를 입력하게 하지 않고도, 사용자의 성향이나 관심사 혹은 현재 시점에 필요한 물품 등을 알아낼 수는 없을까? 오늘 추천받은 글과 1개월 전에 추천받은 글의 인기도는 얼마나 차이날까?

정답은 집단지성에 있다. 사용자의 클릭이나 댓글, 태그, 블로깅, 구매 이력 데이터 등 사용자들이 웹 서비스를 사용하며 축적한 데이터에 집단지성을 적용하면, 사용자들이 관심을 가질만한 아이템을 보여주거나 특정 아... 더보기

북로그 리뷰 (0) 쓰러가기

도서 구매 후 리뷰를 작성하시면
결제 90일 이내 300원, 발송 후 5일 이내 400원, 이 상품의 첫 리뷰 500원의 포인트를 드립니다.

포인트는 작성 후 다음 날 적립되며, 도서 발송 전 작성 시에는 발송 후 익일에 적립됩니다.
북로그 리뷰는 본인인증을 거친 회원만 작성 가능합니다.
(※ 외서/eBook/음반/DVD/GIFT 및 잡지 상품 제외) 안내
  • 해당도서의 리뷰가 없습니다.

Klover 평점/리뷰 (0)

문장수집 (0) 문장수집 쓰기 나의 독서기록 보기
※구매도서의 문장수집을 기록하면 통합포인트 적립 안내

교환/반품/품절안내

※ 상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

교환/반품/품절안내
반품/교환방법 마이룸 > 주문관리 > 주문/배송내역 > 주문조회 > 반품/교환신청 ,
[1:1상담>반품/교환/환불] 또는 고객센터 (1544-1900)

※ 오픈마켓, 해외배송주문, 기프트 주문시 [1:1상담>반품/교환/환불]
    또는 고객센터 (1544-1900)
반품/교환가능 기간 변심반품의 경우 수령 후 7일 이내,
상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내
반품/교환비용 변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
반품/교환 불가 사유
  • 소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우
    (단지 확인을 위한 포장 훼손은 제외)
  • 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    예) 화장품, 식품, 가전제품(악세서리 포함) 등
  • 복제가 가능한 상품 등의 포장을 훼손한 경우
    예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집
  • 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서)
  • 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우
  • 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
  • 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에
    해당되는 경우
(1) 해외주문도서 : 이용자의 요청에 의한 개인주문상품으로 단순변심 및 착오로 인한 취소/교환/반품 시 ‘해외주문 반품/취소 수수료’ 고객 부담 (해외주문 반품/취소 수수료 : ①양서-판매정가의 12%, ②일서-판매정가의 7%를 적용)
상품 품절 공급사(출판사) 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는
이메일과 문자로 안내드리겠습니다.
소비자 피해보상
환불지연에 따른 배상
  • 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
    소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됨
  • 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
    소비자 보호에 관한 법률에 따라 처리함

이 분야의 베스트

더보기+

이 분야의 신간

더보기+

바로가기

  • 우측 확장형 배너 2
  • 우측 확장형 배너 2

최근 본 상품