網絡嵌入：理論、方法和應用
楊成 劉知遠 塗存超 石川 孫茂松
- 出版商: 人民郵電
- 出版日期: 2023-09-01
- 定價: $599
- 售價: 7.0 折 $419
- 語言: 簡體中文
- 頁數: 191
- ISBN: 7115611424
- ISBN-13: 9787115611420
-
相關分類:
Machine Learning
- 此書翻譯自: Network Embedding: Theories, Methods, and Applications
立即出貨
中文年末書展｜繁簡參展書2書75折 詳見活動內容 »
-
75折
為你寫的 Vue Components：從原子到系統，一步步用設計思維打造面面俱到的元件實戰力 (iThome 鐵人賽系列書)$780$585 -
75折
BDD in Action, 2/e (中文版)$960$720 -
75折
看不見的戰場：社群、AI 與企業資安危機$750$563 -
79折
AI 精準提問 × 高效應用：DeepSeek、ChatGPT、Claude、Gemini、Copilot 一本搞定$390$308 -
7折
超實用！Word．Excel．PowerPoint 辦公室 Office 365 省時高手必備 50招, 4/e (暢銷回饋版)$420$294 -
75折
裂縫碎光：資安數位生存戰$550$412 -
日本當代最強插畫 2025 : 150位當代最強畫師豪華作品集$640$576 -
79折
Google BI 解決方案：Looker Studio × AI 數據驅動行銷實作，完美整合 Google Analytics 4、Google Ads、ChatGPT、Gemini$630$498 -
79折
超有料 Plus！職場第一實用的 AI 工作術 - 用對 AI 工具、自動化 Agent, 讓生產力全面進化！$599$473 -
75折
從零開始學 Visual C# 2022 程式設計, 4/e (暢銷回饋版)$690$518 -
75折
Windows 11 制霸攻略：圖解 AI 與 Copilot 應用，輕鬆搞懂新手必學的 Windows 技巧$640$480 -
75折
精準駕馭 Word！論文寫作絕非難事 (好評回饋版)$480$360 -
Sam Yang 的插畫藝術：用 Procreate / PS 畫出最強男友視角 x 女孩美好日常$699$629 -
79折
AI 加持！Google Sheets 超級工作流$599$473 -
78折
想要 SSR? 快使用 Nuxt 吧!：Nuxt 讓 Vue.js 更好處理 SEO 搜尋引擎最佳化（iThome鐵人賽系列書）$780$608 -
78折
超實用！業務．總管．人資的辦公室 WORD 365 省時高手必備 50招 (第二版)$500$390 -
7折
Node-RED + YOLO + ESP32-CAM：AIoT 智慧物聯網與邊緣 AI 專題實戰$680$476 -
79折
「生成式⇄AI」：52 個零程式互動體驗，打造新世代人工智慧素養$599$473 -
7折
Windows APT Warfare：惡意程式前線戰術指南, 3/e$720$504 -
75折
我輩程式人：回顧從 Ada 到 AI 這條程式路，程式人如何改變世界的歷史與未來展望 (We, Programmers: A Chronicle of Coders from Ada to AI)$850$637 -
75折
不用自己寫！用 GitHub Copilot 搞定 LLM 應用開發$600$450 -
79折
Tensorflow 接班王者：Google JAX 深度學習又快又強大 (好評回饋版)$780$616 -
79折
GPT4 會你也會 - 共融機器人的多模態互動式情感分析 (好評回饋版)$700$553 -
79折
技術士技能檢定 電腦軟體應用丙級術科解題教本｜Office 2021$460$363 -
75折
Notion 與 Notion AI 全能實戰手冊：生活、學習與職場的智慧策略 (暢銷回饋版)$560$420
相關主題
商品描述
本書系統地介紹了網絡表示學習的基本概念、模型和應用。本書從網絡嵌入的背景和興起開始介紹，為讀者提供一個整體的描述；通過對多個代表性方法的介紹，闡述了網絡嵌入技術的發展和基於矩陣分解的統一網絡嵌入框架；提出了結合附加信息的網絡嵌入方法——結合圖中節點屬性/內容/標簽的網絡嵌入；面向不同特性圖結構的網絡嵌入方法——面向具有社區結構的/大規模的/異質圖結構的網絡嵌入。本書還進一步介紹了網絡嵌入的不同應用，如推薦場景和信息擴散預測。本書的最後總結了這些方法和應用，並展望了未來的研究方向。
作者簡介
楊成，北京郵電大學電腦學院副教授。他分別於 2014 年和 2019 年獲得清華大學電腦科學專業學士學位和博士學位。其研究方向包括網絡表示學習、社會計算和自然語言處理，在 IJCAI、ACL、ACM TOIS、IEEE TKDE 等top級會議和期刊上發表論文四十餘篇，谷歌學術引用近四千次。
劉知遠，清華大學電腦科學與技術系副教授。他分別於在 2006 年和 2011 年獲得清華大學電腦科學與技術專業學士和博士學位。研究方向是自然語言處理和社會計算，在國際期刊和 IJCAI、AAAI、ACL、EMNLP 等會議上發表了六十餘篇論文，谷歌學術應用量超過一萬次。
塗存超，清華大學電腦科學與技術系博士後。他分別於 2013 年和 2018 年獲得清華大學電腦科學與技術專業學士和博士學位。其研究方向包括網絡表示學習、社會計算和法律智能，在 IEEE TKDE、AAAI、ACL、EMNLP 等國際期刊和會議上發表論文二十餘篇。
石川，北京郵電大學電腦學院教授。其主要研究方向包括數據挖掘、機器學習和大數據分析。在數據挖掘方面的top級期刊和會議，如 IEEE TKDE、ACM TIST、KDD、WWW、AAAI 和 IJCAI 等，發表了相關論文一百餘篇。
孫茂松，清華大學電腦科學與技術系教授，清華大學人工智能研究院常務副院長。其研究方向包括自然語言處理、因特網智能、機器學習、社會計算和計算教育學，在各種top級會議和期刊上發表論文二百餘篇，谷歌學術引用量超 1.5 萬次，並於 2020 年當選歐洲科學院外籍院士。
目錄大綱
第 一部分 網絡嵌入介紹
第 1 章 網絡嵌入基礎 3
1.1 背景 3
1.2 網絡嵌入的興起 4
1.3 網絡嵌入的評估 5
1.3.1 節點分類 6
1.3.2 鏈接預測 6
1.3.3 節點聚類 6
第 2 章 一般圖的網絡嵌入 9
2.1 代表性方法 9
2.1.1 早期工作 (約 2001～2013) 9
2.1.2 近期工作（2014 至今） 10
2.2 理論：一種統一的網絡嵌入框架 13
2.2.1 k 階鄰近度 13
2.2.2 網絡表示學習框架 14
2.2.3 對比觀察 16
2.3 方法：網絡嵌入更新 17
2.3.1 問題形式化 17
2.3.2 近似算法 18
2.4 實驗 19
2.4.1 數據集 19
2.4.2 基線方法和實驗設置 20
2.4.3 多標簽分類 21
2.4.4 鏈接預測 22
2.4.5 實驗分析 22
2.5 擴展閱讀 23
第二部分 結合附加信息的網絡嵌入
第 3 章 結合節點屬性的網絡嵌入 27
3.1 概述 27
3.2 方法: 文本輔助 DeepWalk 28
3.2.1 低秩矩陣分解 29
3.2.2 TADW 算法 29
3.2.3 復雜度分析 30
3.3 實驗分析 30
3.3.1 數據集 31
3.3.2 TADW 設置 31
3.3.3 基線方法 31
3.3.4 分類器和實驗設置 32
3.3.5 實驗結果分析 32
3.3.6 案例分析 34
3.4 擴展閱讀 34
第 4 章 回顧結合節點屬性的網絡嵌入：一種基於圖捲積網絡的視角 37
4.1 基於圖捲積網絡的網絡嵌入 37
4.1.1 圖捲積網絡 37
4.1.2 基於圖捲積網絡的屬性圖嵌入 35
4.1.3 討論 39
4.2 方法：自適應圖編碼器 40
4.2.1 問題形式化 40
4.2.2 總體框架 40
4.2.3 拉普拉斯平滑濾波器 41
4.2.4 自適應編碼器 43
4.3 實驗分析 46
4.3.1 數據集 46
4.3.2 基線方法 46
4.3.3 評估指標和參數設置 47
4.3.4 節點聚類結果 48
4.3.5 鏈接預測結果 48
4.3.6 GAE 與 LS+RA 49
4.3.7 消融實驗 49
4.3.8 k 值的選取 50
4.3.9 可視化 52
4.4 擴展閱讀 53
第 5 章 結合節點內容的網絡嵌入 55
5.1 概述 55
5.2 方法：上下文感知網絡嵌入 56
5.2.1 問題形式化 56
5.2.2 總體框架 57
5.2.3 基於結構的目標 57
5.2.4 基於文本的目標 58
5.2.5 上下文無關的文本表示 58
5.2.6 上下文感知的文本表示 59
5.2.7 CANE 的優化 61
5.3 實驗分析 61
5.3.1 數據集 61
5.3.2 基線方法 62
5.3.3 評估指標和實驗設置 62
5.3.4 鏈接預測 63
5.3.5 節點分類 64
5.3.6 案例分析 65
5.4 擴展閱讀 66
第 6 章 結合節點標簽的網絡嵌入 69
6.1 概述 69
6.2 方法：最大間隔 DeepWalk 69
6.2.1 問題形式化 70
6.2.2 基於矩陣分解的 DeepWalk 70
6.2.3 最大間隔 DeepWalk 71
6.2.4 MMDW 的優化 71
6.3 實驗分析 73
6.3.1 數據集和實驗設置 73
6.3.2 基線方法 73
6.3.3 實驗結果和分析 74
6.3.4 可視化 75
6.4 擴展閱讀 76
第三部分 面向不同特性圖結構的網絡嵌入
第 7 章 面向具有社區結構的圖的網絡嵌入 79
7.1 概述 79
7.2 方法：社區增強的網絡表示學習 80
7.2.1 問題形式化 81
7.2.2 DeepWalk 81
7.2.3 社區增強的 DeepWalk 81
7.3 實驗分析 84
7.3.1 數據集 84
7.3.2 基線方法 84
7.3.3 評測指標和參數設置 85
7.3.4 節點分類 86
7.3.5 鏈接預測 86
7.3.6 社區發現 87
7.3.7 發現社區的可視化 87
7.4 擴展閱讀 88
第 8 章 面向大規模圖的網絡嵌入 91
8.1 概述 92
8.2 方法：壓縮式網絡嵌入 93
8.2.1 問題形式化 94
8.2.2 圖劃分 94
8.2.3 組映射 95
8.2.4 組聚合 96
8.2.5 目標函數和優化 96
8.3 實驗分析 97
8.3.1 數據集 97
8.3.2 基線方法和實驗設置 98
8.3.3 鏈接預測 99
8.3.4 多標簽分類 99
8.3.5 可擴展性 102
8.3.6 時間效率 103
8.3.7 不同的圖劃分算法 104
8.4 擴展閱讀 105
第 9 章 面向異質圖的網絡嵌入 107
9.1 概述 107
9.2 方法：關系結構感知的異質圖嵌入 109
9.2.1 問題形式化 109
9.2.2 數據觀察 109
9.2.3 基本思想 111
9.2.4 附屬關系和交互關系的建模 112
9.2.5 異質圖嵌入的統一模型 113
9.3 實驗分析 113
9.3.1 數據集 113
9.3.2 基線方法 113
9.3.3 參數設置 114
9.3.4 節點聚類 114
9.3.5 鏈接預測 115
9.3.6 節點分類 115
9.3.7 變體模型的比較 116
9.3.8 可視化 117
9.4 擴展閱讀 118
第四部分 網絡嵌入應用
第 10 章 面向社會關系抽取的網絡嵌入 123
10.1 概述 123
10.2 方法: 平移網絡 124
10.2.1 問題形式化 124
10.2.2 平移機制 124
10.2.3 邊表示構建 126
10.2.4 整體模型 127
10.2.5 預測 127
10.3 實驗分析 128
10.3.1 數據集 128
10.3.2 基線模型 128
10.3.3 評測指標和實驗設置 129
10.3.4 實驗結果和分析 129
10.3.5 標簽對比 130
10.3.6 案例分析 131
10.4 擴展閱讀 131
第 11 章 面向基於位置的社交網絡推薦系統的網絡嵌入 133
11.1 概述 133
11.2 方法: 網絡與軌跡聯合模型 135
11.2.1 問題形式化 135
11.2.2 社交網絡構建建模 136
11.2.3 移動軌跡生成建模 137
11.2.4 整體模型 141
11.2.5 參數學習 142
11.3 實驗分析 143
11.3.1 數據集 143
11.3.2 評估任務與基線方法 144
11.3.3 下一個位置推薦任務實驗結果 145
11.3.4 好友推薦任務實驗結果 148
11.4 擴展閱讀 149
第 12 章 面向信息傳播預測的網絡嵌入 153
12.1 概述 153
12.2 方法：神經傳播模型 155
12.2.1 問題形式化 155
12.2.2 模型假設 156
12.2.3 使用註意力機制提取活躍用戶 157
12.2.4 使用捲積神經網絡聚合活躍用戶表示進行預測 158
12.2.5 整體架構、模型細節和學習算法 159
12.3 實驗分析 159
12.3.1 數據集 160
12.3.2 基線模型 160
12.3.3 超參數設置 161
12.3.4 微觀級別的傳播預測 161
12.3.5 網絡嵌入的好處 163
12.3.6 可解釋性 164
12.4 擴展閱讀 165
第五部分 網絡嵌入展望
第 13 章 網絡嵌入的未來方向 169
13.1 基於先進技術的網絡嵌入 169
13.2 更細粒度場景中的網絡嵌入 169
13.3 具有更好的可解釋性的網絡嵌入 170
13.4 面向應用的網絡嵌入 170
參考文獻 171
