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

社交網路對齊

  • 作者：張忠寶|責編:楊凌
  • 出版社：人民郵電
  • ISBN：9787115622150
  • 出版日期：2024/02/01
  • 裝幀：平裝
  • 頁數：230
人民幣：RMB 99.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書分為基礎知識、社交網路表示和社交網路對齊方法三部分內容，針對社交網路對齊中的用戶對齊與社區對齊場景，系統介紹了社交網路對齊關鍵技術體系及其應用。
    第一部分「基礎知識」定義了社交網路並進行建模，介紹了後續各種對齊方法中所涉及的圖神經網路、圖表示學習等。第二部分「社交網路表示」分別從微分方程和狄利克雷分佈兩個角度，介紹了基於微分方程的動態圖表示學習演算法和基於狄利克雷分佈的知識圖譜表示方法。第三部分「社交網路對齊方法」以模型建立、演算法介紹、實驗分析的邏輯，重點分析了5種社交網路對齊方法：靜態的社交網路用戶對齊方法、動態的社交網路用戶對齊方法、基於無監督學習的社交網路用戶對齊方法、基於遷移學習的社交網路用戶對齊方法和基於雙曲空間的社交網路社區對齊方法。
    本書既可以作為對社交網路、數據挖掘、圖神經網路感興趣的高年級本科生和研究生的入門書，也可以作為人工智慧領域開發者和研究者的技術參考書。
作者介紹
張忠寶|責編:楊凌
    張忠寶，副教授，博士生導師，北京郵電大學網路與交換技術國家重點實驗室交換與智能控制研究中心副主任，中國人工智慧學會委員，中國電腦學會服務計算專業委員會秘書處成員，中國電腦學會大數據專家委員會通信委員。在社交網路分析、大數據、人工智慧等領域會議/期刊上發表論文60余篇。主持國家重點研發計劃項目課題1項、國家自然科學基金項目2項，擔任IEEE TKDE、IEEE TNSM、Information Science、Computer Network等20余種國際期刊的審稿人和AAAI，Globecom，ICC等國際會議的PCmember。
目錄
第一部分  基礎知識
  第1章  社交網路與圖
    1.1  社交網路
      1.1.1  社交網路概述
      1.1.2  社交網路的形式化表示
    1.2  圖
      1.2.1  圖的經典演算法
      1.2.2  圖的結構分析
      1.2.3  特殊的圖
    1.3  社交網路模型
      1.3.1  ER隨機網路模型
      1.3.2  WS小世界網路模型
      1.3.3  BA無標度網路模型
    1.4  本章小結
    參考文獻
  第2章  圖神經網路
    2.1  圖神經網路基礎
      2.1.1  神經元
      2.1.2  多層感知機
      2.1.3  誤差反向傳播演算法
      2.1.4  圖神經網路的發展歷程
    2.2  圖卷積神經網路
      2.2.1  卷積與池化
      2.2.2  圖卷積
      2.2.3  頻域圖卷積神經網路
      2.2.4  空域圖卷積神經網路
    2.3  圖注意力網路
      2.3.1  注意力機制
      2.3.2  圖注意力網路原理
    2.4  本章小結
    參考文獻
  第3章  圖表示學習及其應用
    3.1  圖嵌入相關理論
      3.1.1  圖嵌入
      3.1.2  編碼器與解碼器
    3.2  基於隨機遊走的圖表示學習
      3.2.1  DeepWalk
      3.2.2  Node2vec
      3.2.3  Metapath2vec
    3.3  基於深度學習的圖表示學習
      3.3.1  GraphSAGE
      3.3.2  VGAE
      3.3.3  GraphCL
    3.4  本章小節
    參考文獻
第二部分  社交網路表示
  第4章  基於微分方程的動態圖表示學習方法
    4.1  問題定義
      4.1.1  符號與概念
      4.1.2  問題描述

    4.2  基於微分方程的動態圖網路表示學習演算法
      4.2.1  演算法框架
      4.2.2  初始化
      4.2.3  節點鄰居採樣
      4.2.4  聚合操作
      4.2.5  自定義損失函數與端到端優化
      4.2.6  性能分析
    4.3  基於受控微分方程的改進演算法
      4.3.1  問題引入
      4.3.2  解決方案與分析
      4.3.3  小結
    4.4  實驗與分析
      4.4.1  數據集
      4.4.2  評價指標
      4.4.3  對比方法
      4.4.4  參數設置
      4.4.5  主要結果和分析
      4.4.6  其他結果
    4.5  本章小結
    參考文獻
  第五章  基於狄利克雷分佈的知識圖譜表示方法
    5.1  問題定義
      5.1.1  符號與概念
      5.1.2  問題描述
    5.2  利用狄利克雷分佈的知識表示學習
      5.2.1  模型建立
      5.2.2  優化目標
    5.3  DiriE表現能力理論分析
      5.3.1  實體與關係的二元嵌入
      5.3.2  複雜關係的表現能力
      5.3.3  知識圖譜的不確定性
    5.4  實驗與分析
      5.4.1  數據集
      5.4.2  相關任務
      5.4.3  評價指標
      5.4.4  主要結果和分析
      5.4.5  關係模式與不確定性分析
    5.5  本章小結
    參考文獻
第三部分  設計網路對齊方法
  第6章  靜態的社交網路用戶對齊方法
    6.1  問題定義
      6.1.1  符號與概念
      6.1.2  問題描述
    6.2  基於矩陣分解的用戶對齊方法
      6.2.1  方法概述
      6.2.2  有約束的雙重表徵模型
      6.2.3  非凸解耦的交替優化演算法
      6.2.4  收斂性分析
    6.3  基於模糊聚類的並行化對齊方法

      6.3.1  方法概述
      6.3.2  增廣圖輔助表徵階段
      6.3.3  平衡感知的模糊聚類階段
    6.4  實驗與分析
      6.4.1  數據集
      6.4.2  評價指標
      6.4.3  對比方法
      6.4.4  參數設置
      6.4.5  結果和分析
    6.5  本章小結
    參考文獻
  第7章  動態的社交網路用戶對齊方法
    7.1  問題定義
      7.1.1  符號與概念
      7.1.2  問題描述
    7.2  基於圖神經網路的聯合優化模型
      7.2.1  模型概述
      7.2.2  動態圖自編碼機
      7.2.3  本征表示學習
      7.2.4  聯合優化模型
    7.3  協同圖深度學習的交替優化演算法
      7.3.1  演算法概述
      7.3.2  投影矩陣最優化子問題
      7.3.3  本征矩陣最優化子問題
      7.3.4  收斂性分析
    7.4  實驗與分析
      7.4.1  數據集
      7.4.2  評價指標
      7.4.3  對比方法
      7.4.4  參數設置
      7.4.5  結果和分析
    7.5  本章小結
    參考文獻
  第8章  基於無監督學習的社交網路用戶對齊方法
    8.1  問題定義
      8.1.1  符號與概念
      8.1.2  問題描述
    8.2  基於結構的無監督多網路用戶對齊框架
      8.2.1  結構公共子空間
      8.2.2  多網路節點映射
      8.2.3  用戶相似度計算
    8.3  聯合優化演算法
      8.3.1  公共子空間基H
      8.3.2  對角錐矩陣B
      8.3.3  複雜度分析
    8.4  實驗與分析
      8.4.1  數據集
      8.4.2  評價指標
      8.4.3  對比方法
      8.4.4  參數設置

      8.4.5  主要結果和分析
    8.5  本章小結
    參考文獻
  第9章  基於遷移學習的社交網路用戶對齊方法
    9.1  問題定義
      9.1.1  符號與概念
      9.1.2  問題描述
    9.2  REBORN框架
      9.2.1  Ego-Transformer：社交網路對齊
      9.2.2  WWGAN：領域差異消除
      9.2.3  REBORN：統一框架
    9.3  實驗與分析
      9.3.1  數據集
      9.3.2  評價指標
      9.3.3  對比方法
      9.3.4  參數設置
      9.3.5  主要結果和分析
    9.4  本章小結
    參考文獻
  第10章  基於雙曲空間的社交網路社區對齊方法
    10.1  問題定義
      10.1.1  符號與概念
      10.1.2  問題描述
    10.2  基於雙曲空間的社區對齊模型
      10.2.1  模型概述
      10.2.2  表徵空間選擇
      10.2.3  雙曲空間與龐加萊球模型
      10.2.4  社交網路的雙曲空間嵌入
      10.2.5  混合雙曲聚類模型
      10.2.6  社區對齊的最優化問題
    10.3  基於黎曼幾何的交替優化演算法
      10.3.1  演算法概述
      10.3.2  社區表徵最優化子問題
      10.3.3  公共子空間最優化子問題
      10.3.4  可識別性分析
    10.4  實驗與分析
      10.4.1  數據集
      10.4.2  評價指標
      10.4.3  對比方法
      10.4.4  參數設置
      10.4.5  結果和分析
    10.5  本章小結
    參考文獻
縮略語

  • 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