您好,欢迎来到聚文网。 登录 免费注册
图机器学习

图机器学习

  • 字数: 350
  • 出版社: 高等教育
  • 作者: 宣琦|责编:刘英|总主编:陈关荣
  • 商品条码: 9787040576399
  • 版次: 1
  • 开本: 16开
  • 页数: 280
  • 出版年份: 2022
  • 印次: 1
定价:¥109 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
网络图作为一种描述复 杂系统结构的通用表征方法 ,近年来获得了包括生命科 学、社会科学、计算机科学 以及物理学等诸多领域的关 注。本书结合网络图结构进 行机器学习算法设计,涉及 图嵌入、图神经网络以及对 抗攻防和增强等内容。全书 共8章:第1章概述了图上的 机器学习任务及算法;第2 —5章分别介绍了节点分类 、链路预测、社团检测、图 分类的机器学习任务及算法 ;第6、7章介绍了对抗攻击 下算法的鲁棒性问题,包括 对抗攻击和对抗防御;第8 章探讨了领域前沿图数据增 强技术,利用图数据自身的 结构和属性信息拓展特征空 间,提升算法性能。相比传 统机器学习类书籍,本书聚 焦网络图数据;相比图神经 网络类书籍,本书更侧重网 络图从微观到宏观的分析。 本书可供网络科学、人 工智能、社会科学及生物信 息等领域的研究生、高年级 本科生及青年学者使用,也 可供工业界从事互联网、大 数据及人工智能等领域工作 的工程师参考使用。
目录
第1章 绪论 1.1 网络科学 1.1.1 神经网络 1.1.2 交易网络 1.1.3 社会网络 1.1.4 互联网 1.2 图数据 1.2.1 图数据的表示 1.2.2 图数据的特征 1.3 图上的机器学习任务 1.3.1 节点分类 1.3.2 链路预测 1.3.3 社团检测 1.3.4 图分类 1.3.5 对抗攻防 1.3.6 数据增强 1.4 图上的机器学习算法 1.4.1 传统方法 1.4.2 图表示学习 1.4.3 图神经网络模型 1.5 -些资源 1.5.1 常用网络数据集网站 1.5.2 本书所使用的图数据集 1.5.3 图数据挖掘常用库 1.5.4 网络可视化工具 参考文献 第2章 节点分类 2.1 节点分类的基本概念 2.1.1 问题描述 2.1.2 评价指标 2.2 基于手动特征的节点分类 2.3 基于图嵌入的节点分类 2.3.1 DeepWalk 2.3.2 node2vec 2.3.3 LINE 2.3.4 SDNE 2.3.5 Graph Factorization 2.3.6 GraRep 2.3.7 HOPE 2.4 基于深度学习的节点分类 2.4.1 GCN 2.4.2 GAT 2.4.3 GraphSAGE模型 2.5 节点分类应用 2.6 本章小结 参考文献 第3章 链路预测 3.1 链路预测的基本概念 3.1.1 问题描述 3.1.2 评价指标

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网