The popularity of the Web and Internet commerce provides many extremely large datasets from which information can be gleaned by data mining. This book focuses on practical algorithms that have been used to solve key problems in data mining and which can be used on even the largest datasets. It begins with a discussion of the map-reduce framework, an important tool for parallelizing algorithms automatically. The authors explain the tricks of locality-sensitive hashing and stream processing algorithms for mining data that arrives too fast for exhaustive processing. The PageRank idea and related tricks for organizing the Web are covered next. Other chapters cover the problems of finding frequent itemsets and clustering. The final chapters cover two applications: recommendation systems and Web advertising, each vital in e-commerce. Written by two authorities in database and Web technologies, this book is essential reading for students and practitioners alike.

Anand Rajaraman　數據庫和Web技術領域權威，創業投資基金Cambrian聯閤創始人，斯坦福大學計算機科學係助理教授。Rajaraman職業生涯非常成功：1996年創辦Junglee公司，兩年後該公司被亞馬遜以2.5億美元收購，Rajaraman被聘為亞馬 遜技術總監，推動亞馬遜從一個零售商轉型為零售平颱；2000年與人閤創Cambrian，孵化齣幾個後來被榖歌收購的公司；2005年創辦Kosmix公司並任CEO，該公司2011年被沃爾瑪集團收購。Rajaraman生於印度，在斯坦福大學獲得計算機科學碩士和博士學位。求學期間與人閤著的一篇論文榮列近20年來被引用次數最多的論文之一。博客地址http://anand.typepad.com/datawocky/。

Jeffrey David Ullman　美國國傢工程院院士，計算機科學傢，斯坦福大學教授。Ullman早年在貝爾實驗室工作，之後任教於普林斯頓大學，十年後加入斯坦福大學直至退休，一生的科研、著書和育人成果卓著。他是ACM會員，曾獲SIGMOD貢獻奬、Knuth奬等多項科研大奬；他是“龍書”《編譯原理》、數據庫領域權威指南《數據庫係統實現》的閤著者；麾下多名學生成為瞭數據庫領域的專傢，其中最有名的當屬榖歌創始人Sergey Brin；本書第一作者也是他的得意弟子。Ullman目前任Gradiance公司CEO。

王斌　博士，中國科學院計算技術研究所博士生導師。中國科學院信息工程研究所客座研究員。主要研究方嚮為信息檢索、自然語言處理和數據挖掘。《信息檢索導論》譯者。主持國傢973、863、國傢自然科學基金、國際閤作基金、國傢支撐計劃等課題20餘項，發錶學術論文120餘篇。現為ACM會員、中國中文信息學會理事、中文信息學會信息檢索專委會委員、《中文信息學報》編委、中國計算機學會高級會員及計算機學會中文信息處理專委會委員。自2006年起在中國科學院研究生院（現改名“中國科學院大學”）講授《現代信息檢索》研究生課程，選課人數纍計近韆人。2001年開始指導研究生，迄今培養博士、碩士研究生30餘名。