书籍详情
![《异构信息网络挖掘：原理和方法计算机与互联网》[21M]百度网盘|亲测有效|pdf下载](/uploads/s0309/0290f51213554e18.jpg)
异构信息网络挖掘：原理和方法计算机与互联网
- 出版社:互动出版网图书专营店
- 出版时间:2017-01
- 热度:4699
- 上架时间:2024-06-30 09:08:33
- 价格:0.0
书籍下载
书籍预览
免责声明
本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源，一旦发现资源涉及侵权，将立即删除。希望所有用户一同监督并反馈问题，如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
内容介绍
| 书名： | 异构信息网络挖掘： 原理和方法|5082876 |
| 图书定价： | 69元 |
| 图书作者： | （ 美） 孙艺洲（Yizhou Sun）;（ 美） 韩家炜（Jiawei Han） |
| 出版社： | 机械工业出版社 |
| 出版日期： | 2017/1/1 0:00:00 |
| ISBN号： | 9787111549956 |
| 开本： | 16开 |
| 页数： | 0 |
| 版次： | 1-1 |
| 作者简介 |
| [美]孙艺洲（Yizhou Sun），韩家炜(Jiawei Han) 著： 作者简介： 孙艺洲（Yizhou Sun） 2012年在伊利诺伊大学香槟分校获得计算机科学博士学位，目前是美国加州大学洛杉矶分校计算机科学系助理教授，主要研究兴趣集中在大规模信息和社交网络挖掘，曾荣获ACM SIGKDD 2013博士论文奖，2015年美国科学基金会职业成就奖（NSF CAREER Award）。 韩家炜（Jiawei Han）伊利诺伊大学香槟分校的Abel Bliss教授，ACM和IEEE Fellow。曾担任KDD、SDM和ICDM等国际知名会议的程序委员会主席，创办了ACM TKDD学报并任主编。在数据挖掘、数据库和信息网络领域发表论文600余篇，曾获得2004年度ACM SIGKDD创新奖，2015年度IEEE计算机学会技术成就奖，2009年度IEEE计算机学会Wallace McDowell奖。 |
| 内容简介 |
| 本书中文简体字版由美国摩根& 克莱普尔出版公司授权机械工业出版社**出版。未经出版者预先书面许可，不得以任何方式复制或抄袭本书的任何部分。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高级课程的参考教材，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。 |
| 目录 |
丛书前言 译者序 摘要和关键词 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章不完全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 |