作者简介：

查鲁C. 阿加沃尔（Charu C. Aggarwal）是IBM T. J. Watson研究中心的杰出研究人员，于1996年获麻省理工学院博士学位。他对数据挖掘领域有着广泛的研究，在国际会议和期刊上发表了250多篇论文，拥有80多项专利。他曾三次被评为IBM的“杰出发明人”，并曾获得IBM公司奖、IBM杰出创新奖和两项IBM杰出技术成就奖。他因为提出基于冷凝的数据挖掘中的隐私保护技术而获得EDBT2014的时间检验奖。他还获得了IEEE ICDM研究贡献奖（2015），这是数据挖掘领域对具有突出贡献的研究的两个*高奖项之一。.他曾多次担任ACM/IEEE知名国际学术会议的主席或程序委员会主席，并担任大数据相关多个知名期刊的主编或编委。由于在知识发现和数据挖掘算法上的贡献，他入选SIAM、ACM和IEEE的会士。

译者简介：

王晓阳 复旦大学特聘教授、博士生导师，中国计算机学会会士，ACM会员，IEEE高级会员。主要研究兴趣为大数据分析、数据安全等。于复旦大学获得计算机科学学士、硕士学位，于美国南加州大学获得计算机科学博士学位。曾在美国乔治梅森大学、美国佛蒙特大学、美国国家科学基金会任职。2011年至今在复旦大学任职。主持多项美国国家科学基金项目、中国国家重点研发计划项目、自然科学基金重点项目、上海市重大科研项目等，并发表过百余篇高质量学术论文，现任Springer DSE期刊主编，IEEE ICDE会议系列、IEEE BigComp会议系列指导委员会委员，曾任CCF上海分部主席，IEEE ICDE 2012及ACM CIKM 2014总主席，WAIM会议系列指导委员会主席。曾获得美国国家科学基金CAREER Award。

王建勇 清华大学计算机系教授，国际电器与电子工程师协会会士（IEEE Fellow），中国人工智能学会会士（CAAI Fellow），江苏省大数据安全与智能处理重点实验室首届学术委员会副主任。主要研究领域为数据挖掘及知识发现。迄今发表论文100余篇（其中单篇*高引用2000余次）。曾担任IEEE ICDM’19、WISE’15、BioMedCom’14、WAIM’13、ADMA’11、NDBC’10等会议的程序委员会联合主席以及IEEE TKDE、ACM TKDD和《软件学报》等期刊的编委。入选2007年度教育部“新世纪优秀人才”支持计划和2009年度日本大川研究基金资助计划。获得WWW’08的Best Posters Award、2009年度和2010年度HP实验室创新研究奖以及教育部2013年度自然科学奖二等奖。

禹晓辉 南京大学学士、香港中文大学硕士、加拿大多伦多大学博士，加拿大约克大学副教授，山东大学兼职教授、博士生导师，中国计算机学会大数据专委会委员、数据库专委会委员。研究工作主要集中在大数据管理和分析领域，研究方向涵盖时空大数据处理与挖掘、面向人工智能的数据管理、社交媒体挖掘等。主持加拿大自然科学与工程理事会基金、中国国家自然科学基金等多项国家和工业界资助的科研项目。在IEEE Trans. on Knowl. & Data Eng.及SIGMOD、VLDB、ICDE等国内外期刊和会议上发表高质量论文近100篇，是3项美国专利的发明人。曾任WAIM2015、CloudDM2015等知名国际会议的程序委员会主席，是国际期刊Information Systems（Elsevier）的编委、加拿大自然科学与工程理事会NSERC特邀评审专家。

陈世敏 中科院计算所研究员，中国科学院大学岗位教师，分别于1997年和1999年获得清华大学计算机系学士和硕士学位，于2005年在美国卡内基梅隆大学获得计算机科学博士学位。主要研究方向为数据库系统和大数据系统。曾在SIGMOD、ISCA、VLDB、ASPLOS、ICDE、CIDR等顶级国际会议和ACM TODS、IEEE TKDE等顶级国际期刊发表过论文，并获得ICDE’04 Best Paper、SIGMOD’01 Runner-up Best Paper和2008年体系结构国际会议年度顶级论文奖（Top Picks’08）。曾担任PVLDB 2017、ICDE 2018、ICDCS 2016、CIKM 2014等会议的PC Area Chair，长期担任大数据新硬件技术的主要Workshop HardBD的Co-Chair。

　　Jiawei Han（韩家炜），是伊利诺伊大学厄巴纳-尚佩恩分校计算机科学系的Bliss教授。他因知识发现和数据挖掘研究方面的贡献而获得许多奖励，包括ACM SIGKDD创新奖（2004）、IEEE计算机学会技术成就奖（2005）和IEEE W.Wallace McDowell奖（2009）。他是ACM和IEEE会士。他还担任《ACM Transactions on Knowledge Discovery from Data》的执行主编（2006—2011）和许多杂志的编委，包括《IEEE Transactions on Knowledge and Data Engineering》和《Data Mining Knowledge Discovery》。

　　Micheline Kamber，由加拿大魁北克蒙特利尔Concordia大学获计算机科学（人工智能专业）硕士学位。她曾是NSERC学者，作为研究者在McGill大学、西蒙-弗雷泽大学和瑞士工作。她的数据挖掘背景和以易于理解的形式写作的热情使得本书更受专业人员、教师和学生的欢迎。

　　Jian Pei（裴健），现在是西蒙-弗雷泽大学计算机科学学院教授。他在Jiawei Han的指导下，于2002年获西蒙-弗雷泽大学计算科学博士学位。他在数据挖掘、数据库、Web搜索和信息检索的主要学术论坛发表了大量文章，并积极服务于学术团体。他的文章被引用数千次，并获多次荣誉奖。他是多种数据挖掘和数据分析杂志的助理编辑。

2016年8月作为首席数据科学家加入华为；2017年调入云BU任AI首席科学家；自2004年起在加拿大Simon Fraser University计算科学学院任教，历任助理教授、副教授、教授，曾任学院主管科研和产业合作的副院长；现兼任统计与精算系及健康科学学院教授，2013-2016年任国际电子电工学会，知识与数据工程学报主编，美国计算机学会会士，国际电子电工学会会士，自2014年起任Canada Research Chair (Tier 1) in Big Data Science 2017年起任美国计算机学会知识发现与数据挖掘专委会（SIGKDD）主席

《数据挖掘：原理与实践》

本书中文版分为基础篇和进阶篇，深入探讨了数据挖掘的各个方面，从基础知识到复杂的数据类型及其应用，涉及数据挖掘的各种问题领域。它超越了传统上对数据挖掘问题的关注，引入了高级数据类型，例如文本、时间序列、离散序列、空间数据、图数据和社交网络数据。到目前为止，还没有一本书以如此全面和综合的方式探讨所有这些主题。

基础篇（包括原书的第1-13章）详细介绍了针对数据挖掘的四个主要问题（聚类、分类、关联模式挖掘和异常分析）的各种解决方法、用于文本数据领域的特定挖掘方法，以及对于数据流的挖掘应用。

进阶篇（包括原书的第14-20章）主要讨论了用于不同数据领域（例如时序数据、序列数据、空间数据、图数据）的特定挖掘方法，以及重要的数据挖掘应用（例如Web数据挖掘、排名、推荐、社交网络分析和隐私保护）。

本书在直观解释和数学细节上取得了很好的平衡，既包含研究人员需要的数学公式，又以简单直观的方式呈现出来，方便学生和从业人员（包括数学背景有限的人）阅读。本书包括大量插图、示例和练习，并把重点放在语义可解释的示例上，特别适合作为高级数据挖掘课程的教材。

　　《数据挖掘：概念与技术（原书第3版）》完整全面地讲述数据挖掘的概念、方法、技术和全新研究进展。本书对前两版做了全面修订，加强和重新组织了全书的技术内容，重点论述了数据预处理、频繁模式挖掘、分类和聚类等的内容，还全面讲述了OLAP和离群点检测，并研讨了挖掘网络、复杂数据类型以及重要应用领域。
　　《数据挖掘：概念与技术（原书第3版）》是数据挖掘和知识发现领域内的所有教师、研究人员、开发人员和用户都必读的参考书，是一本适用于数据分析、数据挖掘和知识发现课程的优秀教材，可以用做高年级本科生或者一年级研究生的数据挖掘导论教材。