本书以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析Web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数据子集）、搜索引擎核心技术（爬虫、索引、查询引擎、PageRank算法等）、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术（垃圾邮件过滤、文本过滤）、用决策树技术实现预测和决策建模功能、社交网络的信息匹配技术、机器学习和人工智能应用等。
本书是Web开发者、架构师、应用工程师等的绝佳选择。

《群智能优化算法及其应用》编著者雷秀娟。
《群智能优化算法及其应用》内容提要：本书以群智能优化算法中的粒子群优化(]Particle Swarm Optimization，PSO)算法为主线，着重阐述了PSO算法的基本原理、改进策略，从解空间设计、粒子编码以及求解流程等方面进行了详细设计与阐述，对蚁群优化(Ant Colony Optimization，AC0)算法、人工鱼群(Artificial FisbSchool AFS)算法以及新颖的人工蜂群(Artificial Bee Colony，ABC)算法和细菌觅食优化(Bactena Foragmg Optimization，BF0)算法等群智能优化算法也做了简要介绍，结合群智能优化机理，对PPI网络的功能模块聚类分析问题进行模型构建和算法设计，是本书的特色所在。
本书可作为人工智能、计算机科学、管理科学、系统工程、自动化、生物信息学等专业高年级本科生、研究生和教师的参考书，也可供理工科其他专业的师生参考，还可供从事优化领域的科技人员阅读和参考。