同類熱銷排行榜

多視圖網路表示學習技術(精)

作者：趙海興//冶忠林|責編:趙麗欣
出版社：科學
ISBN：9787030720061

出版日期：2022/03/01
裝幀：精裝
頁數：140

人民幣：RMB 112 元售價：元

內容大鋼

    網路表示學習在複雜網路數據挖掘領域有重要的影響力，其因能夠有效編碼網路結構特徵與網路節點附屬特徵而得到廣泛的應用。網路表示學習旨在將研究對象之間的上下文關係、結構關係、層次關係等嵌入低維度的表示向量空間中，從而為後續的機器學習任務提供更為優質的特徵輸入。
    本書共6章。其中，第1章主要介紹網路表示學習的基本概念和研究進展；第2章主要介紹網路表示學習的理論知識；第3章主要介紹如何改進網路表示學習中的隨機遊走過程；第4章主要介紹如何聯合網路的兩類特徵進行網路表示學習任務；第5章主要介紹如何聯合網路的3類特徵進行網路表示學習任務；第6章主要介紹網路表示學習的應用。
    本書既可作為網路表示學習、圖神經網路、數據挖掘、社會計算、複雜網路等領域研究和開發人員的參考書，也適用於企業開發者和項目經理閱讀，還可供對圖深度學習感興趣的本科生和研究生參考。

作者介紹

趙海興//冶忠林|責編:趙麗欣

第1章  緒論
  1.1  網路表示學習基礎知識
  1.2  網路表示學習研究進展
    1.2.1  詞表示學習
    1.2.2  網路表示學習
  1.3  本書研究內容
第2章  Word2Vec與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  語言與網路
    2.2.2  隨機遊走
    2.2.3  模型建模
  2.3  Word2Vec與DeepWalk的關係
第3章  網路表示學習中的隨機遊走
  3.1  改進上下文節點選擇過程
    3.1.1  問題描述
    3.1.2  模型框架
    3.1.3  實驗分析
  3.2  改進隨機遊走策略和節點選擇過程
    3.2.1  問題描述
    3.2.2  模型框架
    3.2.3  實驗分析
第4章  二視圖特徵聯合建模
  4.1  文本特徵關聯的最大隔DeepWalk
    4.1.1  問題描述
    4.1.2  模型框架
    4.1.3  實驗分析
  4.2  節點文本特徵多元關係建模
    4.2.1  問題描述
    4.2.2  模型框架
    4.2.3  實驗分析
  4.3  節點層次樹多元關係建模
    4.3.1  問題描述
    4.3.2  模型框架
    4.3.3  實驗分析
第5章  三視圖特徵聯合建模
  5.1  基於誘導矩陣補全的三元特徵矩陣融合策略
    5.1.1  問題描述
    5.1.2  模型框架
    5.1.3  實驗分析
  5.2  三元特徵矩陣融合策略與網路表示學習
    5.2.1  問題描述
    5.2.2  模型框架
    5.2.3  實驗分析
第6章  網路表示學習與詞表示學習
  6.1  網路表示學習與詞表示學習中的應用

  6.2  基於描述信息約束的詞表示學習
    6.2.1  問題描述
    6.2.2  模型框架
    6.2.3  實驗分析
參考文獻

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

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

同類熱銷排行榜

最近瀏覽的商品

多視圖網路表示學習技術(精)