多视图网络表示学习技术
¥
73.9
8.0折
¥
92
全新
库存10件
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
装帧精装
货号x3
上书时间2024-05-18
商品详情
- 品相描述:全新
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
- 【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。
- 【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
……
点击展开
点击收起
— 没有更多了 —
以下为对购买帮助不大的评价