幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

異質圖表示學習與應用/智能科學與技術叢書

  • 作者：石川//王嘯//(美)俞士綸|責編:劉鋒
  • 出版社：機械工業
  • ISBN：9787111711384
  • 出版日期：2022/08/01
  • 裝幀：平裝
  • 頁數：259
人民幣：RMB 129 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書旨在全面回顧異質圖表示學習的發展，並介紹其最新研究進展。書中首先從方法和技術兩個角度總結了現有的工作，介紹了該領域的一些公開資源，然後分類詳細介紹了最新模型與應用，最後討論了異質圖表示學習未來的研究方向，並總結了本書的內容。全書分為四個部分，第一部分簡要介紹整個領域，第二、三部分深入研究相關技術和應用，第四部分介紹異質圖神經網路演算法平台，並討論未來研究方向。本書不僅可以作為異質圖表示學習領域學術界和工業界的研究指南，還可以作為相關專業學生的參考資料。
作者介紹
石川//王嘯//(美)俞士綸|責編:劉鋒
目錄
序
前言
第一部分  概況
  第1章  引言
    1.1  基本概念和定義
    1.2  圖表示學習
    1.3  異質圖表示學習及其挑戰
    1.4  本書的組織結構
    參考文獻
  第2章  異質圖表示方法的最新進展
    2.1  方法分類
      2.1.1  結構保持的異質圖表示
      2.1.2  屬性輔助的異質圖表示
      2.1.3  動態異質圖表示
      2.1.4  面嚮應用的異質圖表示
    2.2  技術總結
      2.2.1  淺層模型
      2.2.2  深度模型
    2.3  開源資料
      2.3.1  基準數據集
      2.3.2  開源代碼
      2.3.3  可用工具
    參考文獻
第二部分  技術篇
  第3章  結構保持的異質圖表示學習
    3.1  簡介
    3.2  基於元路徑的隨機遊走
      3.2.1  概述
      3.2.2  HERec模型
      3.2.3  實驗
    3.3  基於元路徑的分解
      3.3.1  概述
      3.3.2  NeuACF模型
      3.3.3  實驗
    3.4  關係結構感知的異質圖表示學習演算法
      3.4.1  概述
      3.4.2  異質圖中的關係結構特徵分析
      3.4.3  RHINE模型
      3.4.4  實驗
    3.5  網路模式保持的異質圖表示學習演算法
      3.5.1  概述
      3.5.2  NSHE模型
      3.5.3  實驗
    3.6  本章小結
    參考文獻
  第4章  屬性輔助的異質圖表示學習
    4.1  簡介
    4.2  基於層次注意力機制的異質圖神經網路
      4.2.1  概述
      4.2.2  HAN模型

      4.2.3  實驗
    4.3  異質圖傳播網路
      4.3.1  概述
      4.3.2  語義混淆分析
      4.3.3  HPN模型
      4.3.4  實驗
    4.4  異質圖結構學習
      4.4.1  概述
      4.4.2  HGSL模型
      4.4.3  實驗
    4.5  本章小結
    參考文獻
  第5章  動態異質圖表示學習
    5.1  簡介
    5.2  增量學習
      5.2.1  概述
      5.2.2  DyHNE模型
      5.2.3  實驗
    5.3  時序信息
      5.3.1  概述
      5.3.2  SHCF模型
      5.3.3  實驗
    5.4  時序交互
      5.4.1  概述
      5.4.2  THIGE模型
      5.4.3  實驗
    5.5  本章小結
    參考文獻
  第6章  異質圖表示學習的新興主題
    6.1  簡介
    6.2  對抗學習
      6.2.1  概述
      6.2.2  HeGAN模型
      6.2.3  實驗
    6.3  重要性採樣
      6.3.1  概述
      6.3.2  HeteSamp模型
      6.3.3  實驗
    6.4  雙曲空間表示
      6.4.1  概述
      6.4.2  HHNE模型
      6.4.3  實驗
    6.5  本章小結
    參考文獻
第三部分  應用篇
  第7章  基於異質圖表示學習的推薦
    7.1  簡介
    7.2  TopN推薦
      7.2.1  概述
      7.2.2  MCRec 模型

      7.2.3  實驗
    7.3  冷啟動推薦
      7.3.1  概述
      7.3.2  MetaHIN模型
      7.3.3  實驗
    7.4  作者集識別
      7.4.1  概述
      7.4.2  ASI 模型
      7.4.3  實驗
    7.5  本章小結
    參考文獻
  第8章  基於異質圖表示學習的文本挖掘
    8.1  簡介
    8.2  短文本分類
      8.2.1  概述
      8.2.2  短文本異質圖建模
      8.2.3  HGAT模型
      8.2.4  實驗
    8.3  融合長短期興趣建模的新聞推薦
      8.3.1  概述
      8.3.2  問題形式化
      8.3.3  GNewsRec模型
      8.3.4  實驗
    8.4  偏好解耦的新聞推薦系統
      8.4.1  概述
      8.4.2  GNUD模型
      8.4.3  實驗
    8.5  本章小結
    參考文獻
  第9章  基於異質圖表示學習的工業應用
    9.1  簡介
    9.2  套現用戶檢測
      9.2.1  概述
      9.2.2  預備知識
      9.2.3  HACUD模型
      9.2.4  實驗
    9.3  意圖推薦
      9.3.1  概述
      9.3.2  問題形式化
      9.3.3  MEIRec模型
      9.3.4  實驗
    9.4  分享推薦
      9.4.1  概述
      9.4.2  問題形式化
      9.4.3  HGSRec模型
      9.4.4  實驗
    9.5  好友增強推薦
      9.5.1  概述
      9.5.2  預備知識
      9.5.3  SIAN模型

      9.5.4  實驗
    9.6  本章小結
    參考文獻
第四部分  平台篇
  第10章  異質圖表示學習平台與實踐
    10.1  簡介
    10.2  基礎平台
      10.2.1  深度學習平台
      10.2.2  圖機器學習平台
      10.2.3  異質圖表示學習平台
    10.3  異質圖表示學習實踐
      10.3.1  構建數據集
      10.3.2  構建Trainerflow
      10.3.3  HAN實踐
      10.3.4  RGCN實踐
      10.3.5  HERec實踐
    10.4  本章小結
    參考文獻
  第11章  未來研究方向
    11.1  簡介
    11.2  保持異質圖結構
    11.3  捕獲異質圖特性
    11.4  異質圖上的圖深度學習
    11.5  異質圖表示方法的可靠性
    11.6  更多的現實應用
    11.7  其他
    參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032