返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 异构信息网络挖掘 (美)孙艺洲,(美)韩家炜 著;段磊,朱敏,唐常杰 译 专业科技 文轩网
  • 新华书店正版
    • 作者: (美)孙艺洲,(美)韩家炜 著;段磊,朱敏,唐常杰 译著
    • 出版社: 机械工业出版社
    • 出版时间:2017-05-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: (美)孙艺洲,(美)韩家炜 著;段磊,朱敏,唐常杰 译著
    • 出版社:机械工业出版社
    • 出版时间:2017-05-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2017-05-01
    • 页数:163
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111549956
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    异构信息网络挖掘

    作  者:(美)孙艺洲,(美)韩家炜 著;段磊,朱敏,唐常杰 译
    定  价:69
    出 版 社:机械工业出版社
    出版日期:2017年05月01日
    页  数:163
    装  帧:精装
    ISBN:9787111549956
    主编推荐

    内容简介

    本书介绍了异构信息网络挖掘的原理和方法,包括基于排名的聚类与分类、基于元路径的相似性搜索和挖掘、关系强度感知挖掘,以及若干有前景的研究方向。本书是伊利诺伊大学香槟分校数据挖掘不错课程的参考教材,适合作为数据挖掘方向的研究生教材,也适合数据挖掘研究人员和专业技术人员参考。

    作者简介

    孙艺洲,拥有伊利诺伊大学厄巴纳-尚佩恩分校计算机系博士学位,师从有名数据挖掘科学家JiaweiHan(韩家炜)教授。目前是西北大学计算机和信息科学学院副教授。
    韩家炜,伊利诺伊大学厄巴纳-尚佩恩分校计算机科学系Bliss教授。由于在数据挖掘和数据库系统领域卓有成效的研究工作,他曾多次获得各种荣誉和奖励,其中包括2004年ACMSIGKDD颁发的佳创新奖,2005年IEEEComputerSociety颁发的技术成就奖,2009年IEEE颁发的W.WallaceMcDowell奖。他是ACM和IEEE会士。

    精彩内容

    目录
    丛书前言
    译者序
    摘要和关键词
    作者简介
    第1章引言
    1.1异构信息网络是什么
    1.2为什么异构网络挖掘是一项新的挑战
    1.3本书的内容组织
    第一部分基于排名的聚类和分类
    第2章基于排名的聚类
    2.1概述
    2.2RankClus算法
    2.2.1排名函数
    2.2.2从条件排名分布到新的聚类度量
    2.2.3聚类中心和距离测量
    2.2.4RankClus算法总结
    2.2.5实验结果
    2.3NetClus算法
    2.3.1排名函数
    2.3.2NetClus算法框架
    2.3.3网络聚类中目标对象生成模型
    2.3.4目标对象和属性对象的后验概率
    2.3.5实验结果
    第3章异构信息网络的分类
    3.1概述
    3.2GNetMine
    3.2.1分类问题定义
    3.2.2基于图的正则化框架
    3.3RankClass
    3.3.1RankClass框架
    3.3.2基于图的排名
    3.3.3调整网络
    3.3.4后验概率计算
    3.4实验结果
    3.4.1数据集
    3.4.2准确性研究
    3.4.3案例研究
    第二部分基于元路径的相似性搜索和挖掘
    第4章基于元路径的相似性搜索
    4.1概述
    4.2PathSim:基于元路径的相似性度量
    4.2.1网络模式和元路径
    4.2.2基于元路径的相似性框架
    4.2.3PathSim:全新的相似性度量
    4.3单一元路径的在线查询处理
    4.3.1单一元路径的连接
    4.3.2基准算法
    4.3.3基于共同聚类的剪枝
    4.4多重元路径的组合
    4.5实验结果
    4.5.1有效性
    4.5.2效率对比
    4.5.3Flickr网络的案例研究
    第5章基于元路径的关系预测
    5.1概述
    5.2基于元路径的关系预测框架
    5.2.1基于元路径的拓扑特征空间
    5.2.2监督式关系预测框架
    5.3合著关系预测
    5.3.1合著关系预测模型
    5.3.2实验结果
    5.4带时间的关系预测
    5.4.1面向作者引用关系预测的基于元路径的拓扑特征
    5.4.2关系建立时间预测模型
    5.4.3实验结果
    第三部分关系强度感知挖掘
    第6章不接近属性的关系强度感知聚类
    6.1概述
    6.2关系强度感知聚类的问题定义
    6.3聚类框架
    6.3.1模型综述
    6.3.2属性生成建模
    6.3.3结构一致性建模
    6.3.4统一模型
    6.4聚类算法
    6.4.1聚类优化
    6.4.2链接类型强度学习
    6.4.3整合:GenClus算法
    6.5实验结果
    6.5.1数据集
    6.5.2有效性研究
    第7章通过元路径选择的用户引导聚类
    7.1概述
    7.2用户引导聚类的元路径选择问题
    7.2.1元路径选择问题
    7.2.2用户引导的聚类
    7.2.3问题定义
    7.3概率模型
    7.3.1关系生成建模
    7.3.2用户引导建模
    7.3.3对元路径选择的质量权重建模
    7.3.4统一模型
    7.4学习算法
    7.4.1给定元路径权重优化聚类结果
    7.4.2给定聚类结果优化元路径权重
    7.4.3PathSelClus算法
    7.5实验结果
    7.5.1数据集
    7.5.2有效性研究
    7.5.3元路径权重的案例研究
    7.6讨论
    第8章研究前沿
    参考文献

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购