本书介绍了在人工智能与大数据时代背景下，网络表示学习的理论与应用。提出了网络表示学习的关键在于将网络中的节点映射到低维空间，形成能够反映节点间复杂关系的向量表示。书中讨论了各种先进的网络表示学习方法，如基于图注意力机制、图自编码器和深度学习技术，并提供了大量实验和案例分析，展示了这些方法在不同数据集上的应用效果。这些案例覆盖了社交网络、生物信息学、知识图谱等领域，证明了网络表示学习技术在多样化场景中的适用性和有效性。通过系统的理论基础和丰富的实践案例，本书旨在帮助读者深入理解和应用网络表示学习。
本书适合数据科学、人工智能、机器学习和网络分析等领域的研究人员、工程师、高年级本科生和研究生，以及对大数据分析和复杂网络感兴趣的初学者阅读和参考。
Copyright 版权所有 © jvwen.com 聚文网
