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

  • 醉染图书异质图表示学习与应用9787111711384
  • 正版全新
    • 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:2022-08-01
    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:
    醉染图书旗舰店
    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:2022-08-01
    • 版次:1
    • 印次:1
    • 页数:272
    • 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:1
    • 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:2022-08-01
    • 页数:272
    • 外部编号:1202705589
    • 版次:1
    • 成品尺寸:暂无



    前言

    部概况

    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属辅的异质图表示

    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

    .开源资料

    ..1基准数据集

    ..2开源代码

    ..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..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章属辅的异质图表示学习

    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..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..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..实验

    6.3重要采样

    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

    7.1简介

    7.2TopN

    7.2.1概述

    7.2.2MCRec模型

    7..实验

    7.3冷启动

    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..HGAT模型

    8.2.4实验

    8.3融合长短期兴趣建模的新闻

    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用户检测

    9.2.1概述

    9.2.2预备知识

    9..HACUD模型

    9.2.4实验

    9.3意图

    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

    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

    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

    0章异质图表示学台与实践

    10.1简介

    10.2基础平台

    10.2.1深度学台

    10.2.2图机器学台

    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

    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

    1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

    11.4异质图上的图深度学习

    11.5异质图表示方法的可靠

    11.6更多的现实应用

    11.7

    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