多視圖網(wǎng)絡(luò)表示學習技術(shù)

定　價：￥92.00

作　者：	趙海興著
出版社：	科學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787030720061	出版時間：	2022-03-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　網(wǎng)絡(luò)表示學雜網(wǎng)絡(luò)數(shù)據(jù)挖掘領(lǐng)域有重要的影響力，其因能夠有效編碼網(wǎng)絡(luò)結(jié)構(gòu)特征與網(wǎng)絡(luò)節(jié)點附屬特征而得到廣泛的應(yīng)用。網(wǎng)絡(luò)表示學將研究對象之間的上下文關(guān)系、結(jié)構(gòu)關(guān)系、層次關(guān)系等嵌入低維度的表示向量空間中，從而為后續(xù)的機器學提供更為優(yōu)質(zhì)的特征輸入。本書共6章。其中，第1章主要介紹網(wǎng)絡(luò)表示學本概念和研展；第2章主要介紹網(wǎng)絡(luò)表示學論知識；第3章主要介紹如何網(wǎng)絡(luò)表示學隨機游走過程；第4章主要介紹如何聯(lián)合網(wǎng)絡(luò)的兩類特行網(wǎng)絡(luò)表示學；第5章主要介紹如何聯(lián)合網(wǎng)絡(luò)的3類特行網(wǎng)絡(luò)表示學；第6章主要介紹網(wǎng)絡(luò)表示學用。本書既可作為網(wǎng)絡(luò)表示學神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘、社會計算、復雜網(wǎng)絡(luò)等領(lǐng)域研究和開發(fā)人員的參考書，也適用于企業(yè)和項目經(jīng)理閱讀，還可供對圖深度學趣的本科生和研究生參考。

作者簡介

暫缺《多視圖網(wǎng)絡(luò)表示學習技術(shù)》作者簡介

圖書目錄

第1章緒論
1.1網(wǎng)絡(luò)表示學知識
1.2網(wǎng)絡(luò)表示學展
1.2.1詞表示學習
1.2.2網(wǎng)絡(luò)表示學習
1.3本書研究內(nèi)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(wǎng)絡(luò)
2.2.2隨機游走
2.2.3模型建模
2.3 Word2Vec與DeepWalk 的關(guān)系
第3章網(wǎng)絡(luò)表示學隨機游走
3.1上下文節(jié)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隨機游走策略和節(jié)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章二視圖特征聯(lián)合建模
4.1文本特征關(guān)聯(lián)的大隔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(jié)點文本特征多元關(guān)系建模
4.2.1問題描述
4.2.2模型框架
4.2.3實驗分析
4.3節(jié)點層次樹多元關(guān)系建模
4.3.1問題描述
4.3.2模型框架
4.3.3實驗分析
第5章三視圖特征聯(lián)合建模
5.1基于誘導矩陣補全的三元特征矩陣融合策略
5.1.1問題描述
5.1.2模型框架
5.1.3實驗分析
5.2三元特征矩陣融合策略與網(wǎng)絡(luò)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(wǎng)絡(luò)表示學表示學習
6.1網(wǎng)絡(luò)表示學表示學應(yīng)用
6.2基于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