同類熱銷排行榜

複雜網路建模與行為分析/複雜網路與複雜系統系列著作

作者：劉小洋|責編:崔雲//王京濤
出版社：國防工業
ISBN：9787118133875

出版日期：2024/06/01
裝幀：平裝
頁數：186

人民幣：RMB 129 元售價：元

內容大鋼

隨著人工智慧、大數據及自媒體的快速進步，複雜網路建模思想與行為分析理論與實踐方法在人們生活、工作等方面得到了廣泛的應用與發展，同時也催生出了各種對複雜網路的數學建模方法和分析技術。本書主要圍繞複雜網路建模與行為分析展開，主要內容包括複雜網路統計特性、經典四種複雜網路模型、複雜網路影響力節點挖掘、複雜網路用戶轉發行為分析與預測、謠言傳播行為分析、個性化推薦行為分析。本書可讀性強，內容豐富，涉及電腦科學、數學、新聞與傳播學、社會學、管理學等多個學科領域。
本書可作為電腦科學與人工智慧領等相關領域科研技術人員、工程師和高等院校師生的參考書，也可作為電腦類專業研究生教材。

作者介紹

劉小洋|責編:崔雲//王京濤
劉小洋，教授，碩士生導師。西北工業大學博士，先後在重慶大學、美國阿拉巴馬大學從事博士后研究工作，現任職于重慶理工大學電腦科學與工程學院。中國電腦學會CCF高級會員，IEEE Transactions on Cybernetics等國內外權威期刊審稿專家。主持/主研國家自然科學基金、國家社會科學基金、教育部青年基金等國家級與省部級項目30余項。在Expert Systems with Applications、IEEE Transactions on Computational Social Systems、《電腦學報》和《中國科學：信息科學》等國內外重要期刊/會議上發表學術論文100余篇；獲授權國家發明專利30余項；出版學術著作4部。

第1章  複雜網路概述
  1.1  複雜網路基本理論概述
    1.1.1  複雜網路基本定義
    1.1.2  複雜網路統計特性
    1.1.3  拓撲結構屬性
  1.2  複雜網路模型
    1.2.1  規則網路
    1.2.2  隨機網路
    1.2.3  小世界網路
    1.2.4  無標度網路
  參考文獻
第2章  基於網路結構的複雜網路影響力節點識別方法
  2.1  相關研究工作
    2.1.1  社區劃分
    2.1.2  優劣解距離法
  2.2  基於網路結構和TOPSIS的影響力節點識別框架
    2.2.1  鄰域覆蓋策略
    2.2.2  基於K-shell和鄰域覆蓋的影響力節點識別框架
    2.2.3  基於社區和鄰域覆蓋的影響力節點識別框架
  2.3  實驗設置
    2.3.1  數據集
    2.3.2  性能指標
  2.4  實驗結果和分析
    2.4.1  SIR模型和SI模型模擬分析
    2.4.2  種子節點分散程度分析
  參考文獻
第3章  基於社區的複雜網路影響力最大化建模
  3.1  問題分析和研究動機
    3.1.1  問題分析
    3.1.2  研究動機
  3.2  相關研究工作
    3.2.1  反向生成網路
    3.2.2  圖遍歷演算法
  3.3  基於社區的反向生成網路影響力最大化框架
    3.3.1  社區劃分
    3.3.2  候選節點集生成
    3.3.3  選擇影響力節點
  3.4  實驗設置
    3.4.1  數據集
    3.4.2  性能指標
    3.4.3  基線演算法
  3.5  實驗結果及分析
    3.5.1  穩健性分析
    3.5.2  傳播規模分析
    3.5.3  平均最短路徑長度分析
  參考文獻
第4章  基於圖注意力的複雜網路影響力最大化模型
  4.1  相關研究工作
    4.1.1  圖注意力網路
    4.1.2  信息熵

  4.2  影響力最大化模型IMGAT
    4.2.1  訓練數據集
    4.2.2  模型結構
  4.3  實驗結果及分析
    4.3.1  實驗數據集
    4.3.2  SIR模型分析
    4.3.3  最小種子節點集分析
  參考文獻
第5章  基於時空注意力異構圖卷積神經網路的用戶轉發預測行為分析
  5.1  圖卷積神經網路
    5.1.1  圖數據表示
    5.1.2  圖卷積神經網路
    5.1.3  GCN的應用領域
  5.2  長短期記憶遞歸神經網路
    5.2.1  RNN
    5.2.2  LSTM的結構
    5.2.3  LSTM優勢
    5.2.4  LSTM應用
  5.3  注意力機制
    5.3.1  注意力機制的基本概念
    5.3.2  注意力模型的演進歷程
    5.3.3  注意力機制的原理
    5.3.4  注意力模型的應用
  5.4  問題描述
  5.5  用戶轉發行為預測方法
    5.5.1  用戶表示的學習
    5.5.2  用戶表示融合機制
    5.5.3  用戶轉發行為預測
  5.6  實驗結果與分析
    5.6.1  數據集及基線模型
    5.6.2  實驗設置
    5.6.3  實驗結果與分析
  參考文獻
第6章  融合超圖注意力機制與圖卷積網路的用戶轉發行為
  6.1  問題描述
  6.2  用戶轉發行為預測模型
    6.2.1  用戶社交關係的學習
    6.2.2  用戶全局偏好學習
    6.2.3  用戶轉發行為預測
      6.3實驗結果與分析?1006.3.1  數據集
    6.3.2  實驗設置
    6.3.3  實驗結果與分析
  參考文獻
第7章  基於邊學習的多特徵融合謠言檢測方法
  7.1  謠言檢測與文本分類技術
  7.2  謠言傳播特徵
  7.3  詞嵌入模型
  7.4  深度學習相關技術
    7.4.1  注意力機制
    7.4.2  圖卷積網路

  7.5  評價指標
  7.6  基於邊學習的多特徵融合謠言檢測模型
    7.6.1  傳播結構圖構建
    7.6.2  模型構建
    7.6.3  邊學習傳播結構特徵提取
    7.6.4  文本語義特徵提取
  7.7  預測及分類
  7.8  實驗結果與分析
    7.8.1  數據集及基準模型介紹
    7.8.2  結果與分析
  參考文獻
第8章  融合雙重注意力機制和圖卷積的謠言傳播檢測行為分析
  8.1  引言
  8.2  融合雙重注意力機制和圖卷積的謠言檢測模型
    8.2.1  模型框架
    8.2.2  交互性文本語義特徵提取
    8.2.3  抗干擾傳播結構特徵提取
  8.3  實驗結果與分析
    8.3.1  實驗設置
    8.3.2  結果與分析
    8.3.3  消融實驗結果與分析
    8.3.4  早期檢測能力實驗結果與分析
  參考文獻
第9章  異質圖自注意力社交推薦行為分析
  9.1  推薦系統簡介
    9.1.1  推薦系統概述
    9.1.2  傳統推薦演算法概述
    9.1.3  評價指標
  9.2  異質信息網路
    9.2.1  定義
    9.2.2  網路模式
    9.2.3  元路徑
  9.3  圖神經網路
    9.3.1  圖神經網路概述
    9.3.2  推薦系統中圖神經網路的應用
  9.4  自注意力機制
  9.5  異質圖注意力卷積社交推薦模型架構
    9.5.1  初始化嵌入層
    9.5.2  多頭節點自注意力層
    9.5.3  圖卷積層
    9.5.4  社交語義融合層
    9.5.5  推薦預測
  9.6  模型訓練
  9.7  實驗
    9.7.1  數據集和基線模型
    9.7.2  實驗設置
    9.7.3  實驗結果
  參考文獻
第10章  融合社交關係的圖卷積協同過濾推薦行為分析
  10.1  前提知識

    10.1.1  社交高階連通性
    10.1.2  交互高階連通性
  10.2  模型架構
    10.2.1  初始化嵌入層
    10.2.2  語義聚合層
    10.2.3  語義融合層
    10.2.4  預測層
  10.3  模型訓練
  10.4  實驗
    10.4.1  數據集與基線模型
    10.4.2  實驗設置
    10.4.3  實驗結果
  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

複雜網路建模與行為分析/複雜網路與複雜系統系列著作