了得網計算機/網絡_異質信息網絡分析與應用

內容簡介

本書首先對異質信息網絡分析的發展以及該領域的一些新穎的數據挖掘任務進行了全面的綜述。本書包括兩個部分。在第I部分，包括第1、2和9章，它深入全面地總結了該領域的進展。這本書第1章深入介紹了異質信息網絡，第2章研究了大多數數據挖掘任務的研究進展。此外，根據發展和趨勢，我們在第9章中指出了未來研究方向。在第II部分中，它通過第3-8章中的幾類數據挖掘任務說明了異質信息網絡分析的特征。

前言
第1章引言 1
1.1 基本概念和定義 1
1.2 與相關概念的比較 4
1.3 異質信息網絡示例數據集 5
1.4 為什麼要進行異質信息網絡分析 8
參考文獻 9
第2章研究進展綜述 13
2.1 相似性搜索 13
2.2 聚類 14
2.3 分類 16
2.4 排名 17
2.5 鏈接預測 19
2.6 推薦 20前言
第1章引言 1
1.1 基本概念和定義 1
1.2 與相關概念的比較 4
1.3 異質信息網絡示例數據集 5
1.4 為什麼要進行異質信息網絡分析 8
參考文獻 9
第2章研究進展綜述 13
2.1 相似性搜索 13
2.2 聚類 14
2.3 分類 16
2.4 排名 17
2.5 鏈接預測 19
2.6 推薦 20
2.7 信息融合 21
2.8 其他應用 22
參考文獻 23
第3章異質對像的相關性度量 29
3.1 HeteSim：一種統一且對稱的相關性度量方法 29
3.1.1 概述 29
3.1.2 HeteSim 度量 31
3.1.3 實驗 38
3.1.4 快速計算策略及實驗 45
3.2 HeteSim 的擴展 49
3.2.1 概述 49
3.2.2 AvgSim：一種新的度量方法 50
3.2.3 AvgSim 的並行化 51
3.2.4 實驗 52
3.3 結論 55
參考文獻 56
第4章基於路徑的排名和聚類 57
4.1 路徑的排名 57
4.1.1 概述 57
4.1.2 HRank 方法 59
4.1.3 實驗 65
4.2 基於排名的聚類 75
4.2.1 概述 75
4.2.2 問題定義 77
4.2.3 HeProjI 算法 80
4.2.4 實驗 86
4.3 結論 90
參考文獻 91
第5章基於異質信息網絡的推薦 93
5.1 基於語義路徑的推薦 93
5.1.1 概述 93
5.1.2 基於異質網絡的推薦框架 95
5.1.3 SemRec 算法 99
5.1.4 實驗 104
5.2 基於矩陣分解的推薦 111
5.2.1 概述 111
5.2.2 SimMF 算法 112
5.2.3 實驗 117
5.3 利用異質信息的社交推薦 123
5.3.1 概述 123
5.3.2 DSR算法 124
5.3.3 實驗 128
5.4 結論 131
參考文獻 132
第6章異質社交網絡上的融合學習 135
6.1 網絡對齊 135
6.1.1 概述 135
6.1.2 術語定義路徑 136
6.1.3 跨網絡對齊 139
6.1.4 實驗 141
6.2 跨對齊網絡的鏈接傳輸 145
6.2.1 概述 146
6.2.2 跨網絡鏈接預測 146
6.2.3 實驗 150
6.3 協同網絡社區檢測 158
6.3.1 概述 158
6.3.2 跨網絡社區檢測 158
6.3.3 實驗 161
6.4 結論 168
參考文獻 169
第7章模式豐富的異質網絡挖掘 171
7.1 模式豐富的異質網絡中的鏈接預測 171
7.1.1 概述 171
7.1.2 LiPaP 算法 173
7.1.3 實驗 177
7.2 知識圖譜路徑的實體集擴展 180
7.2.1 概述 180
7.2.2 MP_ESE 算法 181
7.2.3 實驗 185
7.3 結論 188
參考文獻 188
第8章基於異質網絡的原型繫統 191
8.1 語義推薦繫統 191
8.1.1 概述 191
8.1.2 繫統結構 193
8.1.3 繫統實現 194
8.1.4 繫統演示 197
8.2 可解釋的推薦繫統 198
8.2.1 概述 198
8.2.2 基於異質網絡的推薦 199
8.2.3 繫統框架 201
8.2.4 繫統演示 202
8.3 其他基於異質網絡的原型繫統 204
8.4 結論 205
參考文獻 205
第9章未來的研究方向 207
9.1 更復雜的網絡構建 207
9.2 更強大的挖掘方法 208
9.2.1 網絡結構 208
9.2.2 語義挖掘 209
9.3 更龐大的網絡數據 211
9.4 更多的應用領域 212
參考文獻 213

前言

現實環境中的交互和多類型組件構成了相互連接的網絡——可以稱為信息網絡。這些無處不在的信息網絡是現代信息基礎架構的重要組成部分。近年來，信息網絡分析引起了計算機科學、社會科學、物理學等許多領域研究人員的極大關注。特別是，在過去的十年中，信息網絡分析已成為數據挖掘、數據庫和信息檢索領域的主流方向。基本範式是通過從網絡數據中挖掘鏈接關繫來發現隱藏模式。信息網絡分析還涉及社交網絡分析、鏈接挖掘、圖挖掘和網絡科學方面的工作。
當前信息網絡分析通常基於同質信息網絡，這種網絡中隻有一種類型的對像或鏈接。示例之一是作者合作網絡，該網絡僅包含作者和共同作者之間的關繫。這些同質信息網絡通常是通過簡單地忽略對像和鏈接的異質性或僅考慮一種對像之間的一種鏈接來簡化實際交互繫統。但是，大多數實際的交互繫統都包含多種類型的交互組件，這些組件可以建模為包含不同類型的對像和鏈接的異質信息網絡。例如，文獻數據庫（如DBLP）可以構建成一個異質信息網絡，其中包括多種類型的對像（例如，論文、作者和會議）和鏈接關繫（例如，作者與論文之間的寫/被寫，論文和會議之間的發表/發表於）。顯然，作者合作網絡隱含在異質信息網絡中，可以從論文和作者之間的被寫/寫的關繫推導得到。現實環境中的交互和多類型組件構成了相互連接的網絡——可以稱為信息網絡。這些無處不在的信息網絡是現代信息基礎架構的重要組成部分。近年來，信息網絡分析引起了計算機科學、社會科學、物理學等許多領域研究人員的極大關注。特別是，在過去的十年中，信息網絡分析已成為數據挖掘、數據庫和信息檢索領域的主流方向。基本範式是通過從網絡數據中挖掘鏈接關繫來發現隱藏模式。信息網絡分析還涉及社交網絡分析、鏈接挖掘、圖挖掘和網絡科學方面的工作。
當前信息網絡分析通常基於同質信息網絡，這種網絡中隻有一種類型的對像或鏈接。示例之一是作者合作網絡，該網絡僅包含作者和共同作者之間的關繫。這些同質信息網絡通常是通過簡單地忽略對像和鏈接的異質性或僅考慮一種對像之間的一種鏈接來簡化實際交互繫統。但是，大多數實際的交互繫統都包含多種類型的交互組件，這些組件可以建模為包含不同類型的對像和鏈接的異質信息網絡。例如，文獻數據庫（如DBLP）可以構建成一個異質信息網絡，其中包括多種類型的對像（例如，論文、作者和會議）和鏈接關繫（例如，作者與論文之間的寫/被寫，論文和會議之間的發表/發表於）。顯然，作者合作網絡隱含在異質信息網絡中，可以從論文和作者之間的被寫/寫的關繫推導得到。
與同質信息網絡相比，異質信息網絡可以有效地融合更多的信息，並在對像和鏈接中包含更豐富的語義，從而形成了數據挖掘的新發展。自2009年異質信息網絡的概念首次提出，它很快成為數據挖掘中的一個熱門研究主題，並且基於這種網絡出現了許多創新的數據挖掘任務。此外，一些獨特的分析技術（例如路徑的挖掘）的提出，展現了異質信息網絡的優勢。特別是，隨著大數據時代的到來，異質信息網絡成為一種建模和分析大數據中復雜對像及其關繫的有效方法。
本書首先對異質信息網絡分析的發展以及該領域的一些新穎的數據挖掘任務進行了全面的綜述。本書從邏輯上分為兩個部分。部分包括第1、2、9章，深入全面地總結了該領域的進展。第1章深入介紹異質信息網絡，第2章綜述大多數數據挖掘任務的研究進展，此外，根據發展和趨勢，在第9章中指出了未來的研究方向。在第二部分，通過第3～8章中的幾類數據挖掘任務說明了異質信息網絡分析的特點。第3章介紹相關性度量，第4章介紹排名和聚類，第5章介紹推薦，第6章介紹融合學習，第7章介紹模式豐富的異質網絡挖掘，第8章討論一些有趣的原型繫統。
本書的讀者對像是數據挖掘領域（尤其是社交網絡分析領域）的工程師和研究人員，同時也適用於人工智能和信息學領域的工程師及研究人員。更廣泛地講，讀者對像還包括那些統計學、社會科學、物理學和生物學等其他學科中對社交網絡分析感興趣的學者。本書可用做一些課程的教材，例如數據挖掘、社交網絡分析、復雜網絡、高級人工智能，適合計算機科學及相關專業的高年級本科生或研究生閱讀。建議讀者通過部分快速了解該領域，然後深入研究第二部分中的數據挖掘任務。
衷心感謝參與本書編寫的所有人員。首先，感謝張佳偉博士在第6章所做的貢獻，這使得本書更加完整。然後，感謝我們的合作者在異質信息網絡方面的工作，他們是孔翔南、孫怡舟、吳斌、李依肜、張志強、劉劍、王然、鄭玉艷、鄭靜、曹曉歡、胡嘉偉、孟曉峰、周翀等。我們也要感謝本書編寫過程中的支持者，他們是萬欣、陳曉紀、吉餘崗、紀厚業、張依丁、肖楊、胡斌斌、韓霄天、陳璞迪、宋禮、Govardhana
K.、MelissaFearon、JenniferMalat等。此外，這項工作獲得了中國國家重點基礎研究發展計劃（973）（No.2013CB329600）、中國國家自然科學基金委員會（No.61375058和61672313）以及美國國家科學基金委（III-1526499）的資助。後，感謝我們的家人在整個項目中的全力支持。

商品搜索

商品分类

【醫學】

【各大出版社】