婵犵數濮烽弫鍛婃叏閻戣棄鏋侀柟闂寸绾剧粯绻涢幋鐑嗙劯婵炴垶鐟﹂崕鐔兼煏婵炲灝鍔氶柣搴弮濮婃椽宕楅懖鈹垮仦闂佸搫鎳忕划宀勬偩閻戣棄钃熼柕澶涚畱閳ь剛鏁婚弻銊モ攽閸℃侗鈧鏌$€n偆銆掔紒杈ㄥ浮閸┾偓妞ゆ帒瀚壕鍏兼叏濡灝浜归柛鐐垫暬閺岋綁鎮╅悜妯糕偓鍐偣閳ь剟鏁冮埀顒€宓勯梺鍛婄☉鏋ù婊勭矒閺屻劑寮村Δ鈧禍楣冩倵濞堝灝鏋涘褍閰i獮鎴﹀閻橆偅鏂€闁诲函缍嗘禍璺横缚婵犲洦鈷戠紓浣光棨椤忓嫷鍤曢悹铏规磪閹烘绠涢柣妤€鐗冮幏娲⒒閸屾氨澧涚紒瀣浮楠炴牠骞囬鐘殿啎閻庣懓澹婇崰鏍嵁閺嶎厽鐓熼柨婵嗘噹濡茬粯銇勯锝囩畼闁圭懓瀚伴幖褰掓偡閺夎法顔囬梻鍌氬€风欢姘跺焵椤掑倸浠滈柤娲诲灡閺呰埖瀵肩€涙ḿ鍘炬俊銈忕畳濞夋洜鑺遍崸妤佺厪闁搞儯鍔屾慨宥嗩殽閻愭潙娴鐐差儔閹粓宕卞鍡橈紙闂傚倸鍊搁崐椋庣矆娓氣偓楠炴牠顢曚綅閸ヮ剦鏁嶉柣鎰綑閳ь剝鍩栫换婵嬫濞戞艾顣哄銈冨劜瀹€鎼佸蓟濞戔懇鈧箓骞嬪┑鍥╀簮婵犵鍓濊ぐ鍐偋閹捐钃熼柨鐔哄Т缁€鍐煃閸濆嫬鈧悂寮冲Δ鍛拺濞村吋鐟х粔顒€霉濠婂骸澧版俊鍙夊姍楠炴帒螖閳ь剚鍎柣鐔哥矊闁帮絽顕i幎钘夌厸闁告劦浜為敍婊堟煛婢跺﹦澧戦柛鏂跨Ч钘熼柛顐犲劜閻撴稑霉閿濆牜娼愮€规洖鐭傞弻鈩冩媴鐟欏嫬纾抽梺杞扮劍閹瑰洭寮幘缁樻櫢闁跨噦鎷� [闂傚倸鍊搁崐鎼佸磹瀹勬噴褰掑炊椤掍礁鍓銈嗗姧缁犳垿鐛姀銈嗙厓閺夌偞澹嗛崝宥嗐亜閺傚灝顏紒杈ㄦ崌瀹曟帒顫濋钘変壕闁告縿鍎抽惌娆撴煕閺囥劌鐏犵紒鐙€鍨堕弻銊╂偆閸屾稑顏� | 闂傚倸鍊搁崐鎼佸磹閻戣姤鍤勯柤鍝ユ暩娴犳氨绱撻崒娆掑厡缂侇噮鍨跺畷婵單旈崘銊ョ亰闂佸搫鍟悧濠囧磹婵犳碍鐓㈡俊顖欒濡叉悂鏌f惔顔煎籍婵﹨娅g划娆撳箰鎼淬垺瀚抽梻浣虹《閺呮盯宕弶鎴殨闁归棿绀侀崘鈧銈嗘尵閸犳捇宕㈤鍛瘈闁汇垽娼ф禒婊堟煟韫囨梻绠炵€规洘绻傞~婵嬫嚋閻㈤潧骞愰梻浣呵归張顒勩€冮崨顔绢洸闁跨噦鎷�]

    • 多视图网络表示学习技术(精)
      • 作者:赵海兴//冶忠林|责编:赵丽欣
      • 出版社:科学
      • ISBN:9787030720061
      • 出版日期:2022/03/01
      • 页数:140
    • 售价:44.8
  • 内容大纲

        网络表示学习在复杂网络数据挖掘领域有重要的影响力,其因能够有效编码网络结构特征与网络节点附属特征而得到广泛的应用。网络表示学习旨在将研究对象之间的上下文关系、结构关系、层次关系等嵌入低维度的表示向量空间中,从而为后续的机器学习任务提供更为优质的特征输入。
        本书共6章。其中,第1章主要介绍网络表示学习的基本概念和研究进展;第2章主要介绍网络表示学习的理论知识;第3章主要介绍如何改进网络表示学习中的随机游走过程;第4章主要介绍如何联合网络的两类特征进行网络表示学习任务;第5章主要介绍如何联合网络的3类特征进行网络表示学习任务;第6章主要介绍网络表示学习的应用。
        本书既可作为网络表示学习、图神经网络、数据挖掘、社会计算、复杂网络等领域研究和开发人员的参考书,也适用于企业开发者和项目经理阅读,还可供对图深度学习感兴趣的本科生和研究生参考。
  • 作者介绍

  • 目录

    第1章  绪论
      1.1  网络表示学习基础知识
      1.2  网络表示学习研究进展
        1.2.1  词表示学习
        1.2.2  网络表示学习
      1.3  本书研究内容
    第2章  Word2Vec与DeepWalk
      2.1  Word2Vec
        2.1.1  NEG
        2.1.2  HS
        2.1.3  CBOW模型
        2.1.4  Skip-Gram模型
      2.2  DeepWalk
        2.2.1  语言与网络
        2.2.2  随机游走
        2.2.3  模型建模
      2.3  Word2Vec与DeepWalk的关系
    第3章  网络表示学习中的随机游走
      3.1  改进上下文节点选择过程
        3.1.1  问题描述
        3.1.2  模型框架
        3.1.3  实验分析
      3.2  改进随机游走策略和节点选择过程
        3.2.1  问题描述
        3.2.2  模型框架
        3.2.3  实验分析
    第4章  二视图特征联合建模
      4.1  文本特征关联的最大隔DeepWalk
        4.1.1  问题描述
        4.1.2  模型框架
        4.1.3  实验分析
      4.2  节点文本特征多元关系建模
        4.2.1  问题描述
        4.2.2  模型框架
        4.2.3  实验分析
      4.3  节点层次树多元关系建模
        4.3.1  问题描述
        4.3.2  模型框架
        4.3.3  实验分析
    第5章  三视图特征联合建模
      5.1  基于诱导矩阵补全的三元特征矩阵融合策略
        5.1.1  问题描述
        5.1.2  模型框架
        5.1.3  实验分析
      5.2  三元特征矩阵融合策略与网络表示学习
        5.2.1  问题描述
        5.2.2  模型框架
        5.2.3  实验分析
    第6章  网络表示学习与词表示学习
      6.1  网络表示学习与词表示学习中的应用

      6.2  基于描述信息约束的词表示学习
        6.2.1  问题描述
        6.2.2  模型框架
        6.2.3  实验分析
    参考文献