网络表示学习技术与应用
新华书店全新正版书籍图书 保证_可开发票_极速发货支持7天无理由
￥ 40.5 5.6折 ￥ 72 全新
库存2件
浙江嘉兴
认证卖家担保交易快速发货售后保障
作者礼欣|责编:曾仙
出版社北京理工大学
ISBN9787568297042
出版时间2021-04
装帧其他
开本16开
定价72元
货号31486175
上书时间2024-10-15
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
礼欣，北京理工大学副教授、博士生导师，主要从事数据挖掘、(深度)强化学习、表示学习的相关理论研究和技术应用。讲授过“数据采集与分析”“Python语言程序设计”“机器学习”“高级人工智能”等本科生和研究生课程；曾获2016年MOOC优秀教师奖；近年来以第一作者及通讯作者身份在领域知名国际会议和期刊（如IJCAI、AAAI、ECML-PKDD）发表学术论文若干。
目录
第1部分 网络表示学
第1章 绪论
1.1 引言
1.2 网络表示
1.3 本书的主要内容
第2部分 基础理论
第2章 单关系网络表示理论与技术
2.1 引言
2.2 经典模型
2.2.1 LINE模型
2.2.2 Deep Walk 模型
2.3 深度表示模型
2.3.1 SDNE模型
2.3.2 图神经网络
2.3.3 时间卷积网络
2.4 小结
第3章 多关系网络表示理论与技术
3.1 引言
3.2 经典模型
3.2 结构化嵌入模型
3.2.2 神经张量模型
3.2.3 TransFamily模型
3.2.4 高斯嵌入模型
3.2.5 复数嵌入模型
3.2.6 其他早期经典模型
3.3 深度模型
3.3.1 R-GCN模型.
3.3.2 CompGCN模型
3.3.3 RSN模型
3.3.4 GATNE模型
3.3.5 MNE模型
3.4 小结
第3部分 应用驱动的网络表示学习
第4章 基于单关系表示的网络对齐
4.1 引言
4.2 基于出入度表示的社交网络节点对齐
4.3 基于生成对抗模型的节点对齐
4.3.1 GANE针对链接预测任务的网络嵌入表示模型
4.3.2 DANA针对实体对齐任务的网络嵌入表示模型
4.4 小结
第5章 基于多关系表示的知识图谱对齐
5.1 引言
5.2 MNE
5.3 基于MNE的对齐
5.3 基于概率空间乘法规则的非翻译方法对齐模型
5.3.2 基于概率空间加法规则的非翻译方法对齐模型
5.3.3 算法模型的推导
5.4 基于关系向量化的图神经网络模型
5.4 目的与动机
5.4.2 模型设计
内容摘要
本书主要根据作者近年来的研究成果，对网络嵌入表示学习技术进行梳理和总结，全书深入浅出地介绍了表示学习的基础理论，及其在网络对齐、地点推荐、电子健康记录挖掘等应用方面的前沿技术。具体包括：单/多关系网络表示理论与技术、基于单关系网络表示的社交网络对齐、基于多关系网络表示学习的知识图谱对齐、基于网络表示的电子健康记录挖掘、和社交网络签到地点预测。本书不仅介绍了相关方法、技术和实验结果，还分析了国内外相关的研究工作，供读者学习和参考。
本书可供计算机、软件工程、人工智能等专业的教师及相关领域的技术开发人员参考，也可作为相关专业的高年级本科生和研究生的辅助教材。
— 没有更多了 —
以下为对购买帮助不大的评价