![]()
内容推荐 本书全面地介绍了网络表示学习的基本概念、模型和应用。本书从网络嵌入的背景和兴起开始介绍,为读者提供一个整体的描述;通过对多个代表性方法的介绍,阐述了网络嵌入技术的发展和基于矩阵分解的统一网络嵌入框架;提出了结合附加信息的网络嵌入方法——结合图中节点属性 内容 标签的网络嵌入;面向不同特性图结构的网络嵌入方法——面向具有社区结构的 大规模的 异质图结构的网络嵌入。本书还进一步介绍了网络嵌入的不同应用,如推荐场景和信息扩散预测。本书的最后总结了这些方法和应用,并展望了未来的研究方向。 目录 第一部分网络嵌入介绍 第1章 网络嵌入基础 1.1 背景 1.2 网络嵌入的兴起 1.3 网络嵌入的评估 1.3.1 节点分类 1.3.2 链接预测 1.3.3 节点聚类 第2章 一般图的网络嵌入 2.1 代表性方法 2.1.1 早期工作(约2001~2013) 2.1.2 近期工作(2014至今) 2.2 理论:一种统一的网络嵌入框架 2.2.1 k阶邻近度 2.2.2 网络表示学习框架 2.2.3 对比观察 2.3 方法:网络嵌入更新 2.3.1 问题形式化 2.3.2 近似算法 2.4 实验 2.4.1 数据集 2.4.2 基线方法和实验设置 2.4.3 多标签分类 2.4.4 链接预测 2.4.5 实验分析 2.5 扩展阅读 第二部分结合附加信息的网络嵌入 第3章 结合节点属性的网络嵌入 3.1 概述 3.2 方法:文本辅助DeepWalk 3.2.1 低秩矩阵分解 3.2.2 TADW算法 3.2.3 复杂度分析 3.3 实验分析 3.3.1 数据集 3.3.2 TADW设置 3.3.3 基线方法 3.3.4 分类器和实验设置 3.3.5 实验结果分析 3.3.6 案例分析 3.4 扩展阅读 第4章 回顾结合节点属性的网络嵌入:一种基于图卷积网络的视角 4.1 基于图卷积网络的网络嵌入 4.1.1 图卷积网络 4.1.2 基于图卷积网络的属性图嵌入 4.1.3 讨论 4.2 方法:自适应图编码器 4.2.1 问题形式化 4.2.2 总体框架 4.2.3 拉普拉斯平滑滤波器 4.2.4 自适应编码器 4.3 实验分析 4.3.1 数据集 4.3.2 基线方法 4.3.3 评估指标和参数设置 4.3.4 节点聚类结果 4.3.5 链接预测结果 4.3.6 GAE与LS+RA 4.3.7 消融实验 4.3.8 k值的选取 4.3.9 可视化 4.4 扩展阅读 第5章 结合节点内容的网络嵌入 5.1 概述 5.2 方法:上下文感知网络嵌入 5.2.1 问题形式化 5.2.2 总体框架 5.2.3 基于结构的目标 5.2.4 基于文本的目标 5.2.5 上下文无关的文本表示 5.2.6 上下文感知的文本表示 5.2.7 CANE的优化 5.3 实验分析 5.3.1 数据集 5.3.2 基线方法 5.3.3 评估指标和实验设置 5.3.4 链接预测 5.3.5 节点分类 5.3.6 案例分析 5.4 扩展阅读 第6章 结合节点标签的网络 导语 清华大学计算机科学系研究团队多年理论和实践经验的结晶,内容丰富实用,讲解深入浅出,帮助您理解网络嵌入技术的精髓。 |