消息首页搜索举报

异质图表示学习与应用

96.75 7.5折 129 全新

库存5件

四川成都

认证卖家担保交易快速发货售后保障

作者石川

出版社机械工业出版社

ISBN9787111711384

出版时间2022-08

装帧平装

开本16开

定价129元

货号1202705589

上书时间2024-12-16

聚合博文书店

十年老店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 7小时
好评率暂无

最新上架

战国策注释(全3册) ¥115.89

巨变与突围碰撞中的清帝国 1644-1840 ¥48.02

企鹅寄冰 ¥6.39

颠覆技术形成产业的创新生态系统研究——以石墨烯产业为例 ¥44.08

质量管理小组基础知识 ¥36.80

1分钟漫画底层逻辑 ¥29.80

细说五千年写给普通人的中国史(1-4) ¥179.00

中华翻译家代表译文库李善兰卷 ¥58.80

长夜行 ¥27.50

商品详情

品相描述：全新

商品描述: 目录
序

前言

第一部分概况

第1章引言

1.1基本概念和定义

1.2图表示学习

1.3异质图表示学习及其挑战

1.4本书的组织结构

参考文献

第2章异质图表示方法的近期新进展

2.1方法分类

2.1.1结构保持的异质图表示

2.1.2属性辅助的异质图表示

2.1.3动态异质图表示

2.1.4面向应用的异质图表示

2.2技术总结

2.2.1浅层模型

2.2.2深度模型

2.3开源资料

2.3.1基准数据集

2.3.2开源代码

2.3.3可用工具

参考文献

第二部分技术篇

第3章结构保持的异质图表示学习

3.1简介

3.2基于元路径的随机游走

3.2.1概述

3.2.2HERec模型

3.2.3实验

3.3基于元路径的分解

3.3.1概述

3.3.2NeuACF模型

3.3.3实验

3.4关系结构感知的异质图表示学习算法

3.4.1概述

3.4.2异质图中的关系结构特征分析

3.4.3RHINE模型

3.4.4实验

3.5网络模式保持的异质图表示学习算法

3.5.1概述

3.5.2NSHE模型

3.5.3实验

3.6本章小结

参考文献

第4章属性辅助的异质图表示学习

4.1简介

4.2基于层次注意力机制的异质图神经网络

4.2.1概述

4.2.2HAN模型

4.2.3实验

4.3异质图传播网络

4.3.1概述

4.3.2语义混淆分析

4.3.3HPN模型

4.3.4实验

4.4异质图结构学习

4.4.1概述

4.4.2HGSL模型

4.4.3实验

4.5本章小结

参考文献

第5章动态异质图表示学习

5.1简介

5.2增量学习

5.2.1概述

5.2.2DyHNE模型

5.2.3实验

5.3时序信息

5.3.1概述

5.3.2SHCF模型

5.3.3实验

5.4时序交互

5.4.1概述

5.4.2THIGE模型

5.4.3实验

5.5本章小结

参考文献

第6章异质图表示学习的新兴主题

6.1简介

6.2对抗学习

6.2.1概述

6.2.2HeGAN模型

6.2.3实验

6.3重要性采样

6.3.1概述

6.3.2HeteSamp模型

6.3.3实验

6.4双曲空间表示

6.4.1概述

6.4.2HHNE模型

6.4.3实验

6.5本章小结

参考文献

第三部分应用篇

第7章基于异质图表示学习的推荐

7.1简介

7.2TopN推荐

7.2.1概述

7.2.2MCRec模型

7.2.3实验

7.3冷启动推荐

7.3.1概述

7.3.2MetaHIN模型

7.3.3实验

7.4作者集识别

7.4.1概述

7.4.2ASI模型

7.4.3实验

7.5本章小结

参考文献

第8章基于异质图表示学习的文本挖掘

8.1简介

8.2短文本分类

8.2.1概述

8.2.2短文本异质图建模

8.2.3HGAT模型

8.2.4实验

8.3融合长短期兴趣建模的新闻推荐

8.3.1概述

8.3.2问题形式化

8.3.3GNewsRec模型

8.3.4实验

8.4偏好解耦的新闻推荐系统

8.4.1概述

8.4.2GNUD模型

8.4.3实验

8.5本章小结

参考文献

第9章基于异质图表示学习的工业应用

9.1简介

9.2套现用户检测

9.2.1概述

9.2.2预备知识

9.2.3HACUD模型

9.2.4实验

9.3意图推荐

9.3.1概述

9.3.2问题形式化

9.3.3MEIRec模型

9.3.4实验

9.4分享推荐

9.4.1概述

9.4.2问题形式化

9.4.3HGSRec模型

9.4.4实验

9.5好友增强推荐

9.5.1概述

9.5.2预备知识

9.5.3SIAN模型

9.5.4实验

9.6本章小结

参考文献

第四部分平台篇

第10章异质图表示学习平台与实践

10.1简介

10.2基础平台

10.2.1深度学习平台

10.2.2图机器学习平台

10.2.3异质图表示学习平台

10.3异质图表示学习实践

10.3.1构建数据集

10.3.2构建Trainerflow

10.3.3HAN实践

10.3.4RGCN实践

10.3.5HERec实践

10.4本章小结

参考文献

第11章未来研究方向

11.1简介

11.2保持异质图结构

11.3捕获异质图特性

11.4异质图上的图深度学习

11.5异质图表示方法的可靠性

11.6更多的现实应用

11.7其他

参考文献

内容摘要
本书旨在全面回顾异质图表示学习的发展，并介绍其近期新研究进展。书中首先从方法和技术两个角度总结了现有的工作，介绍了该领域的一些公开资源，然后分类详细介绍了近期新模型与应用，最后讨论了异质图表示学习未来的研究方向，并总结了本书的内容。全书分为四个部分，第一部分简要介绍整个领域，第二、三部分深入研究相关技术和应用，第四部分介绍异质图神经网络算法平台，并讨论未来研究方向。本书不仅可以作为异质图表示学习领域学术界和工业界的研究指南，还可以作为相关专业学生的参考资料。

— 没有更多了 —