全新正版图书 图神网络：基础、前沿与应用吴凌飞人民邮电出版社9787115598721
正版图书保证质量 七天无理由退货让您购物无忧
￥ 129.4 7.2折 ￥ 178.8 全新
库存41件
北京海淀
认证卖家担保交易快速发货售后保障
作者吴凌飞[等]编
出版社人民邮电出版社
ISBN9787115598721
出版时间2020-12
版次1
装帧平装
开本16开
定价178.8元
货号R_11842871
上书时间2024-02-03
- 最新上架
商品详情
- 品相描述：全新
- 全新正版
- 商品描述
- 第 一部分 引言 第 1章 表征学 1.1 导读 2 1.2 不同领域的表征学 1.2.1 用于图像处理的表征学 1.2.2 用于语音识别的表征学 1.2.3 用于自然语言处理的表征学 1.2.4 用于网络分析的表征学 1.3 小结 9 第 2章 图表征学1 2.1 导读 11 2.2 传统图嵌入方法 12 2.3 现代图嵌入方法 13 2.3.1 保留图结构和属的图表征学3 2.3.2 带有侧面信息的图表征学5 2.3.3 保留信息的图表征学5 2.4 图神网络 16 2.5 小结 17 第3章 图神网络 18 3.1 导读 18 3.2 图神网络概述 19 3.2.1 图神网络基础 19 3.2.2 图神网络前沿 3.2.3 图神网络应用 22 3.2.4 本书组织结构 23 3.3 小结 24 部分 基础 第4章 用于节点分类的图神网络 28 4.1 背景和问题定义 28 4.2 有监督的图神网络 29 4.2.1 图神网络的一般框架 29 4.2.2 图卷积网络 30 4.2.3 图注意力网络 32 4.2.4 消息传递神网络 33 4.2.5 连续图神网络 33 4.2.6 多尺度谱图卷积网络 35 4.3 无监督的图神网络 37 4.3.1 变分图自编码器 37 4.3.2 深度图信息大化 39 4.4 过平滑问题 41 4.5 小结 42 第5章 图神网络的表达能力 44 5.1 导读 44 5.2 图表征学题的提出 47 5.3 强大的消息传递图神网络 49 5.3.1 用于集合的神网络 49 5.3.2 消息传递图神网络 50 5.3.3 MP-GNN的表达能力 51 5.3.4 具有1-WL测试能力的MP-GNN 53 5.4 比1-WL测试更强大的图神网络架构 54 5.4.1 MP-GNN的局限 54 5.4.2 注入属 56 5.4.3 注入确定距离属 61 5.4.4 建立高阶图神网络 65 5.5 小结 69 第6章 图神网络的可扩展 71 6.1 导读 71 6.2 引言 72 6.3 抽样范式 72 6.3.1 节点级抽样 74 6.3.2 层级抽样 76 6.3.3 图级抽样 79 大规模图神系统中的应用 82 .1 物品 82 .2 用户 83 6.5 未来的方向 84 第7章 图神网络的可解释 86 7.1 背景：深度模型的可解释 86 7.1.1 可解释和解释的定义 86 7.1.2 解释的价值 87 7.1.3 传统的解释方法 88 7.1.4 机遇与挑战 90 7.2 图神网络的解释方法 90 7.2.1 背景 91 7.2.2 基于近似的解释 92 7.2.3 基于相关传播的解释 95 7.2.4 基于扰动的解释 96 7.2.5 生成式解释 97 7.3 图神网络的可解释模型 97 7.3.1 基于GNN的注意力模型 98 7.3.2 图上的解耦化表征学00 7.4 图神网络解释的评估 101 7.4.1 基准数据集 101 7.4.2 评价指标 103 7.5 未来的方向 103 第8章 图神网络的对抗鲁棒 105 8.1 动机 105 8.2 图神网络的局限：对抗样本 107 8.2.1 对抗攻击的分类 107 8.2.2 扰动的影响和一些启示 110 8.2.3 讨论和未来的方向 112 8.3 可证明的鲁棒：图神网络的认证 113 8.3.1 特定模型的认证 113 8.3.2 模型无关的认证 115 8.3.3 认证和讨论 116 8.4 提高图神网络的鲁棒 117 8.4.1 图 117 8.4.2 过程 118 8.4.3 图神网络的架构 1 8.4.4 讨论和未来的方向 121 8.5 从鲁棒的角行适当评估 122 8.6 小结 124 第三部分 前沿 第9章 图分类 128 9.1 导读 128 9.2 用于图分类的图神网络：典型工作和现代架构 129 9.2.1 空间方法 129 9.2.2 频谱方法 132 9.3 池化层：从节点级输出学输出 133 9.3.1 基于注意力的池化层 134 9.3.2 基于聚类的池化层 134 9.3.3 其他池化层 134 9.4 图神网络和高阶层在图分类中的局限 135 9.5 图神网络在图分类中的应用 137 9.6 基准数据集 137 9.7 小结 138 第 10章 链接预测 139 10.1 导读 139 10.2 传统的链接预测方法 140 10.2.1 启发式方法 140 10.2.2 潜在特征方法 143 10.2.3 基于内容的方法 145 10.3 基于GNN的链接预测方法 145 10.3.1 基于节点的方法 145 10.3.2 基于子图的方法 147 10.3.3 比较基于节点的方法和基于子图的方法 150 10.4 链接预测的理论 151 10.4.1 γ?C衰减启 151 10.4.2 标签 155 10.5 未来的方向 158 10.5.1 加速基于子图的方法 158 10.5.2 设计更强大的标签 159 10.5.3 了解何时使用征 159 第 11章 图生成 160 11.1 导读 160 11.2 典的图生成模型 160 11.2.1 Erd s-Rényi模型 161 11.2.2 块模型 162 11.3 深度图生成模型 163 11.3.1 表征图 163 11.3.2 变分自编码器方法 1 11.3.3 深度自回归方法 168 11.3.4 生成对抗网络方法 174 11.4 小结 178 第 12章 图转换 179 12.1 图转换问题的形式化 179 12.2 节点级转换 180 12.2.1 节点级转换的定义 180 12.2.2 交互网络 180 12.2.3 时空卷积循环神网络 181 12.3 边级转换 182 12.3.1 边级转换的定义 182 12.3.2 图转换生成对抗网络 183 12.3.3 多尺度图转换网络 184 12.3.4 图转换策略网络 185 12.4 节点-边共转换 186 12.4.1 节点-边共转换的定义 186 12.4.2 基于编辑的节点-边共转换 190 12.5 其他基于图的转换 193 12.5.1 序列到图的转换 193 12.5.2 图到序列的转换 194 12.5.3 上下文到图的转换 195 12.6 小结 196 第 13章 图匹配 197 13.1 导读 197 13.2 图匹配学98 13.2.1 问题的定义 199 13.2.2 基于深度学图匹配模型 0 13.2.3 基于GNN的图匹配模型 1 13.3 图相似学05 13.3.1 问题的定义 5 13.3.2 图-图回归任务 6 13.3.3 图-图分类任务 9 13.4 小结 210 第 14章 图结构学11 14.1 导读 211 14.2 传统的图结构学12 14.2.1 无监督图结构学12 14.2.2 有监督图结构学14 14.3 图神网络的图结构学15 14.3.1 图结构和表征的联合学1.3.2 与其他问题的联系 225 14.4 未来的方向 22.4.1 鲁棒的图结构学2.4.2 可扩展的图结构学2.4.3 异质图的图结构学27 14.5 小结 227 第 15章 动态图神网络 228 15.1 导读 228 15.2 背景和表示法 229 15.2.1 图神网络 229 15.2.2 序列模型 230 15.2.3 编码器-解码器框架和模型 233 15.3 动态图的类型 233 15.3.1 离散型与连续型 234 15.3.2 演变类型 235 15.3.3 预测问题、内插法和外推法 235 15.4 用图神网络对动态行建模 236 15.4.1 将动态图转换为静态图 236 15.4.2 用于DTDG的图神网络 238 15.4.3 用于CTDG的图神网络 240 15.5 应用 242 15.5.1 基于骨架的人类活动识别 243 15.5.2 交通预测 244 15.5.3 时序知识图谱全 245 15.6 小结 247 第 16章 异质图神网络 248 16.1 HGNN简介 248 16.1.1 HG的基本概念 249 16.1.2 异质给HG嵌入带来的挑战 250 16.1.3 对HG嵌入新发展的简要概述 251 16.2 浅层模型 251 16.2.1 基于分解的方法 252 16.2.2 基于游走的方法 253 16.3 深度模型 254 16.3.1 基于消息传递的方法 254 16.3.2 基于编码器-解码器的方法 257 16.3.3 基于对抗的方法 257 1 回顾 259 16.5 未来的方向 259 16.5.1 结构和属保存 259 16.5.2 更深入的探索 260 16.5.3 可靠 260 16.5.4 应用 261 第 17章 自动机器学62 17.1 背景 262 17.1.1 AutoGNN的表示法 2 17.1.2 AutoGNN的问题定义 2 17.1.3 AutoGNN的挑战 265 17.2 搜索空间 265 17.2.1 架构搜索空间 266 17.2.2 超参数搜索空间 268 17.2.3 的搜索空间 269 17.3 搜索算法 269 17.3.1 搜索 269 17.3.2化搜索 270 17.3.3 基于强化学搜索 270 17.3.4 可微搜索 271 17.3.5 的表现评估 272 17.4 未来的方向 273 第 18章 自监督学75 18.1 导读 275 18.2 自监督学 276 18.3 将SSL应用于图神网络：对策略、损失函数和代理任行分类 277 18.3.1 策略 278 18.3.2 损失函数 281 18.3.3 代理任务 283 18.4 节点级代理任务 283 18.4.1 基于结构的节点级代理任务 284 18.4.2 基于特征的节点级代理任务 285 18.4.3 混合代理任务 285 18.5 图级代理任务 287 18.5.1 基于结构的图级代理任务 287 18.5.2 基于特征的图级代理任务 291 18.5.3 混合代理任务 291 18.6 节点-图级代理任务 293 18.7 讨论 294 18.8 小结 295 第四部分 广泛和新兴的应用 第 19章系统中的图神网络 298 19.1 图神系统中的实践 298 19.1.1 简介 298 19.1.2 预测用户-物品偏好的典方法 302 19.1.3 用户系统中：二分图的视角 302 19.2 案例研究1：动态的GNN学04 19.2.1 动态序贯图 304 19.2.2 DSGL 304 19.2.3 模型预测 307 19.2.4 实验和讨论 308 19.3 案例研究2：设备-云协作的GNN学09 19.3.1 提议的框架 309 19.3.2 实验和讨论 312 19.4 未来的方向 313 第 章 计算机视觉中的图神网络 315 .1 导读 315 .2 将视觉表征为图 316 .2.1 视觉节点表征 316 .2.2 视觉边表征 317 .3 案例研究1：图像 318 .3.1 物体检测 318 .3.2 图像分类 319 .4 案例研究2： 3 .4.1 动作识别 3 .4.2 时序动作定位 322 .5 其他相关工作：跨媒体 322 .5.1 视觉描述 322 .5.2 视觉问答 323 .5.3 跨媒体检索 324 .6 图神网络在计算机视觉中的前沿问题 324 .6.1 用于计算机视觉的图神网络 325 .6.2 图神网络在计算机视觉中的更广泛应用 325 .7 小结 326 第 21章 自然语言处理中的图神网络 327 21.1 导读 327 21.2 将文本建模为图 329 21.2.1 自然语言处理中的图表征 329 21.2.2 从图的角度完成自然语言处理任务 330 21.3 案例研究1：基于图的文本聚类和匹配 332 21.3.1 基于图聚类的热点事件发现和组织 332 21.3.2 使用图分解和卷行长文档匹配 333 21.4 案例研究2：基于图的多跳阅读理解 335 21.5 未来的方向 338 21.6 小结 339 第 22章 程序分析中的图神网络 341 22.1 导读 341 22.2 程序分析中的机器学42 22.3 程序的图表征 343 22.4 用于程序图的图神网络 345 22.5 案例研究1：检测变量误用缺陷 346 22.6 案例研究2：预测动态类型化语言中的类型 348 22.7 未来的方向 350 第 23章 软件挖掘中的图神网络 352 23.1 导读 352 23.2 将软件建模为图 353 23.2.1 宏观与微观层面的表征 353 23.2.2 将宏观和微观层面的表征结合起来 354 23.3 相关的软件挖掘任务 355 23.4 软件挖掘任务实例：源代结 357 23.4.1 基于GNN的源代结快速入门 357 23.4.2 的方向 363 23.5 小结 3 第 24章 开发中基于图神网络的生物医学知识图谱挖掘 36.1 导读 36.2 现有的生物医学知识图谱 367 24.3 知识图谱的推理 369 24.3.1 传统的KG推理技术 370 24.3.2 基于GNN的KG推理技术 371 24.4 开发中基于KG的假设生成 374 24.4.1 基于KG的再利用的机器学 374 24.4.2 基于KG的再利用在COVID-19中的应用 375 24.5 未来的方向 37.5.1 KG质量控制 37.5.2 可扩展的推理 377 24.5.3 KG与其他生物医学数据的结合 378 第 25章 预测蛋白能和相互作用的图神网络 383 25.1 从蛋白质的相互作用能简介 383 25.1.1 登上舞台：蛋白质-蛋白质相互作用网络 384 25.1.2 问题形式化、假设和噪声：从历史的视角 384 25.1.3 浅层机器学 385 25.1.4 好戏上演：图神网络 386 25.2 三个典型的案例研究 387 25.2.1 案例研究1：蛋白质-蛋白质和蛋白质-相互作用的预测 387 25.2.2 案例研究2：蛋白能能重要的残差的预测 389 25.2.3 案例研究3：使用图自编码器从生物网络的表征中学系链接预测 391 25.3 未来的方向 393 第 26章 异常检测中的图神网络 395 26.1 导读 395 26.2 基于GNN的异常检测的问题 397 26.2.1 特定于数据的问题 397 26.2.2 特定于任务的问题 399 26.2.3 特定于模型的问题 399 26.3 流水线 400 26.3.1 图的构建和转换 400 26.3.2 图表征学01 26.3.3 预测 402 2 分类法 403 26.5 案例研究 404 26.5.1 案例研究1：用于恶意账户检测的图嵌入 404 26.5.2 案例研究2：基于层次注意力机制的用户检测 404 26.5.3 案例研究3：用于恶意程序检测的注意力异质图神网络 405 26.5.4 案例研究过图神网络学表征和相似度量的图匹配框架，用于检测未知的恶意程序 406 26.5.5 案例研究5：使用基于注意力的时间行动态图的异常检测 408 26.5.6 案例研究6：使用GA行垃圾检测 408 26.6 未来的方向 409 第 27章 智慧城市中的图神网络 410 27.1 用于智慧城市的图神网络 410 27.1.1 导读 410 27.1.2 图神网络在智慧城市中的应用场景 411 27.1.3 将城市系统表征为图 413 27.1.4 案例研究1：图神网络在交通和城市规划中的应用 415 27.1.5 案例研究2：图神网络在城市事件和异常况预测中的应用 417 27.1.6 案例研究3：图神网络在城市人类行为分析中的应用 417 27.2 未来的方向 419 参考文献 4
— 没有更多了 —
以下为对购买帮助不大的评价