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:
本店所有商品

  • 全新正版异质图表示学习与应用9787111711384机械工业出版社
    • 作者: 石川著 | 石川编 | 石川译 | 石川绘
    • 出版社: 机械工业出版社
    • 出版时间:2021-04
    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:
    如梦图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 石川著| 石川编| 石川译| 石川绘
    • 出版社:机械工业出版社
    • 出版时间:2021-04
    • 版次:1
    • 字数:371
    • 页数:259
    • 开本:16开
    • ISBN:9787111711384
    • 版权提供:机械工业出版社
    • 作者:石川
    • 著:石川
    • 装帧:平装
    • 印次:暂无
    • 定价:129.00
    • ISBN:9787111711384
    • 出版社:机械工业出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2021-04
    • 页数:259
    • 外部编号:11689048
    • 版次:1
    • 成品尺寸:暂无

    序 前言 部 概况 章引言2 1.1 基本概念和定义2 1.2 图表示学习5 1.3 异质图表示学习及其挑战5 1.4 本书的组织结构6 参考文献6 第2 章异质图表示方法的近期新进展9 2.1 方法分类9 2.1.1 结构保持的异质图表示9 2.1.2 属辅的异质图表示11 2.1.3 动态异质图表示12 2.1.4 面向应用的异质图表示12 2.2 技术总结14 2.2.1 浅层模型14 2.2.2 深度模型14 . 开源资料15 ..1 基准数据集15 ..2 开源代码16 .. 可用工具16 参考文献18 第二部分 技术篇 第3 章结构保持的异质图表示学习26 3.1 简介26 3.2 基于元路径的随机游走27 3.2.1 概述27 3.2.2 HERec 模型27 3.. 实验31 3.3 基于元路径的分解34 3.3.1 概述34 3.3.2 NeuACF 模型35 3.3.3 实验38 3.4 关系结构感知的异质图表示学习算法43 3.4.1 概述43 3.4.2 异质图中的关系结构特征分析44 3.4.3 RHINE 模型47 3.4.4 实验48 3.5 网络模式保持的异质图表示学习算法51 3.5.1 概述51 3.5.2 NSHE 模型5 .5.3 实验55 3.6 本章小结56 参考文献57 第4 章属辅的异质图表示学习61 4.1 简介61 4.2 基于层次注意力机制的异质图神经网络62 4.2.1 概述62 4.2.2 HAN 模型63 4.. 实验66 4.3 异质图传播网络70 4.3.1 概述70 4.3.2 语义混淆分析71 4.3.3 HPN 模型73 4.3.4 实验76 4.4 异质图结构学习77 4.4.1 概述77 4.4.2 HGSL 模型78 4.4.3 实验82 4.5 本章小结84 参考文献84 第5 章动态异质图表示学习88 5.1 简介88 5.2 增量学习89 5.2.1 概述89 5.2.2 DyHNE 模型89 5.. 实验95 5.3 时序信息99 5.3.1 概述99 5.3.2 SHCF 模型100 5.3.3 实验103 5.4 时序交互105 5.4.1 概述105 5.4.2 THIGE 模型106 5.4.3 实验110 5.5 本章小结111 参考文献112 第6 章异质图表示学习的新兴主题116 6.1 简介116 6.2 对抗学习117 6.2.1 概述117 6.2.2 HeGAN 模型118 6.. 实验121 6.3 重要采样122 6.3.1 概述122 6.3.2 HeteSamp 模型1 ..3 实验127 6.4 双曲空间表示130 6.4.1 概述130 6.4.2 HHNE 模型130 6.4.3 实验132 6.5 本章小结135 参考文献135 第三部分 应用篇 第7 章基于异质图表示学习的140 7.1 简介140 7.2 TopN141 7.2.1 概述141 7.2.2 MCRec 模型142 7.. 实验145 7.3 冷启动148 7.3.1 概述148 7.3.2 MetaHIN 模型149 7.3.3 实验153 7.4 作者集识别156 7.4.1 概述156 7.4.2 ASI 模型157 7.4.3 实验162 7.5 本章小结164 参考文献164 第8 章基于异质图表示学习的文本挖掘168 8.1 简介168 8.2 短文本分类169 8.2.1 概述169 8.2.2 短文本异质图建模169 8.. HGAT 模型171 8.2.4 实验173 8.3 融合长短期兴趣建模的新闻176 8.3.1 概述176 8.3.2 问题形式化177 8.3.3 GNewsRec 模型177 8.3.4 实验182 8.4 偏好解耦的新闻系统184 8.4.1 概述184 8.4.2 GNUD 模型185 8.4.3 实验188 8.5 本章小结190 参考文献191 第9 章基于异质图表示学习的工业应用195 9.1 简介195 9.2 用户检测196 9.2.1 概述196 9.2.2 预备知识196 9.. HACUD 模型197 9.2.4 实验200 9.3 意图202 9.3.1 概述202 9.3.2 问题形式化203 9.3.3 MEIRec 模型204 9.3.4 实验207 9.4 分享209..1概述209..2问题形式化210 9.4.3 HGSRec 模型210 9.4.4 实验214 9.5 好友217 9.5.1 概述217 9.5.2 预备知识218 9.5.3 SIAN 模型219 9.5.4 实验222 9.6 本章小结226 参考文献22 第部分 平台篇 0 章异质图表示学台与实践0 10.1 简介0 10.2 基础平台1 10.2.1 深度学台1 10.2.2 图机器学台4 10.. 异质图表示学台 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 241 10.3.3 HAN 实践243 10.3.4 RGCN 实践246 10.3.5 HERec 实践248 10.4 本章小结250 参考文献250 1 章未来研究方向252 11.1 简介252 11.2 保持异质图结构253 11.3 捕获异质图特253 11.4 异质图上的图深度学习254 11.5 异质图表示方法的可靠254 11.6 更多的现实应用255 11.7 255 参考文献256

    本书旨在全面回顾异质图表示学习的发展,并介绍前沿研究进展。首先从方和技两个角度总结了现有的工作,并介绍了该领域的一些公开资源。然后分类详细 介绍了新模型与应用。全书主体内容分为两部分,部分重点介绍四种主要的异质图表示学习模型。第2部分介绍了异质图表示学习在现实工业场景中的应用。之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。

    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