多视图网络表示学习技术

图书标准信息

• 作者 赵海兴、冶忠林 著
• 出版社 科学出版社
• 出版时间 2022-03
• 版次 1
• ISBN 9787030720061
• 定价 92.00元
• 装帧 精装
• 开本 16开
• 页数 148页
• 字数 202千字

【内容简介】

网络表示学习在复杂网络数据挖掘领域有重要的影响力，其因能够有效编码网络结构特征与网络节点附属特征而得到广泛的应用。网络表示学**在将研究对象之间的上下文关系、结构关系、层次关系等嵌入低维度的表示向量空间中，从而为后续的机器学习任务提供更为优质的特征输入。本书共6章。其中，第1章主要介绍网络表示学习的基本概念和研究进展；第2章主要介绍网络表示学习的理论知识；第3章主要介绍如何改进网络表示学习中的随机游走过程；第4章主要介绍如何联合网络的两类特征进行网络表示学习任务；第5章主要介绍如何联合网络的3类特征进行网络表示学习任务；第6章主要介绍网络表示学习的应用。本书既可作为网络表示学习、图神经网络、数据挖掘、社会计算、复杂网络等领域研究和开发人员的参考书，也适用于企业开发者和项目经理阅读，还可供对图深度学习感兴趣的本科生和研究生参考。

【作者简介】

:
    冶忠林，博士，博士生导师，省部共建藏语智能信息处理及应用国家重点实验室专职科研人员，青海师范大学计算机学院教师。2019年入选青海省“高端创新人才千人计划”拔尖人才。主要研究方向为自然语言处理、复杂网络数据挖掘、图神经网络等，研究的新一代互联网语义搜索引擎在NLPCC开放领域问答国际评测任务中获得了综合性能第一，在第六届与第七届中国计算机学会主办的大数据学术会议两次获得最佳学术论文提名。发表学术论文40余篇，论文《基于多源信息融合的分布式词表示学习》入选《中文信息学报》年度热点文章；授权发明专利2项，实用新型专利2项。主持青海省自然科学基金青年项目1项，青海省重点研发与转化计划子课题1项，参与国家重点研发项目、青海省重点研发与转化计划、国家自然科学基金项目各1项。

【目录】

第1章绪论

1．1网络表示学习基础知识

1．2网络表示学习研究进展

1．2．1词表示学习

1．2．2网络表示学习

1．3本书研究内容

第2章Word2Vec与DeepWalk

2．1Word2Vec

2．1．1NEG

2．1．2HS

2．1．3CBOW模型

2．1．4Skip-Gram模型

2．2DeepWalk

2．2．1语言与网络

2．2．2随机游走

2．2．3模型建模

2．3Word2Vee与DeepWalk的关系

第3章网络表示学习中的随机游走

……