複雜網絡建模與行為分析 劉小洋 9787118133875 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：國防工業
物品所在地：中國大陸
原出版社：國防工業
NT$820
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202406*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：複雜網絡建模與行為分析 ISBN：9787118133875 出版社：國防工業 著編譯者：劉小洋 叢書名：複雜網路與複雜系統系列著作 頁數：186 所在地：中國大陸 *此為代購商品 書號：1655337 可大量預訂，請先連絡。 內容簡介 隨著人工智慧、大數據及自媒體的快速進步，複雜網路建模思想與行為分析理論與實踐方法在人們生活、工作等方面得到了廣泛的應用與發展，同時也催生出了各種對複雜網路的數學建模方法和分析技術。本書主要圍繞複雜網路建模與行為分析展開，主要內容包括複雜網路統計特性、經典四種複雜網路模型、複雜網路影響力節點挖掘、複雜網路用戶轉發行為分析與預測、謠言傳播行為分析、個性化推薦行為分析。本書可讀性強，內容豐富，涉及計算機科學、數學、新聞與傳播學、社會學、管理學等多個學科領域。 本書可作為計算機科學與人工智慧領等相關領域科研技術人員、工程師和高等院校師生的參考書，也可作為計算機類專業研究生教材。作者簡介 劉小洋，教授，碩士生導師。西北工業大學博士，先後在重慶大學、美國阿拉巴馬大學從事博士后研究工作，現任職于重慶理工大學計算機科學與工程學院。中國計算機學會CCF高級會員，IEEE Transactions on Cybernetics等國內外權威期刊審稿專家。 主持/主研國家自然科學基金、國家社會科學基金、教育部青年基金等國家級與省部級項目30餘項。在Expert Systems with Applications、IEEE Transactions on Computational Social Systems、《計算機學報》和《中國科學：信息科學》等國內外重要期刊/會議上發表學術論文100餘篇；獲授權國家發明專利30餘項；出版學術著作4部。目錄 第1章 複雜網路概述1 1 複雜網路基本理論概述 1 1 1 複雜網路基本定義 1 1 2 複雜網路統計特性 1 1 3 拓撲結構屬性 1 2 複雜網路模型 1 2 1 規則網路 1 2 2 隨機網路 1 2 3 小世界網路 1 2 4 無標度網路 參考文獻 第2章 基於網路結構的複雜網路影響力節點識別方法 2 1 相關研究工作 2 1 1 社區劃分 2 1 2 優劣解距離法 2 2 基於網路結構和TOPSIS的影響力節點識別框架 2 2 1 鄰域覆蓋策略 2 2 2 基於K-shell和鄰域覆蓋的影響力節點識別框架 2 2 3 基於社區和鄰域覆蓋的影響力節點識別框架 2 3 實驗設置 2 3 1 數據集 2 3 2 性能指標 2 4 實驗結果和分析 2 4 1 SIR模型和SI模型模擬分析 2 4 2 種子節點分散程度分析 參考文獻 第3章 基於社區的複雜網路影響力最大化建模 3 1 問題分析和研究動機 3 1 1 問題分析 3 1 2 研究動機 3 2 相關研究工作 3 2 1 反向生成網路 3 2 2 圖遍歷演算法 3 3 基於社區的反向生成網路影響力最大化框架 3 3 1 社區劃分 3 3 2 候選節點集生成 3 3 3 選擇影響力節點 3 4 實驗設置 3 4 1 數據集 3 4 2 性能指標 3 4 3 基線演算法 3 5 實驗結果及分析 3 5 1 穩健性分析 3 5 2 傳播規模分析 3 5 3 平均最短路徑長度分析 參考文獻 第4章 基於圖注意力的複雜網路影響力最大化模型 4 1 相關研究工作 4 1 1 圖注意力網路 4 1 2 信息熵 4 2 影響力最大化模型IMGAT 4 2 1 訓練數據集 4 2 2 模型結構 4 3 實驗結果及分析 4 3 1 實驗數據集 4 3 2 SIR模型分析 4 3 3 最小種子節點集分析 參考文獻 第5章 基於時空注意力異構圖卷積神經網路的用戶轉發預測行為分析 5 1 圖卷積神經網路 5 1 1 圖數據表示 5 1 2 圖卷積神經網路 5 1 3 GCN的應用領域 5 2 長短期記憶遞歸神經網路 5 2 1 RNN 5 2 2 LSTM的結構 5 2 3 LSTM優勢 5 2 4 LSTM應用 5 3 注意力機制 5 3 1 注意力機制的基本概念 5 3 2 注意力模型的演進歷程 5 3 3 注意力機制的原理 5 3 4 注意力模型的應用 5 4 問題描述 5 5 用戶轉發行為預測方法 5 5 1 用戶表示的學習 5 5 2 用戶表示融合機制 5 5 3 用戶轉發行為預測 5 6 實驗結果與分析 5 6 1 數據集及基線模型 5 6 2 實驗設置 5 6 3 實驗結果與分析 參考文獻 第6章 融合超圖注意力機制與圖卷積網路的用戶轉發行為 6 1 問題描述 6 2 用戶轉發行為預測模型 6 2 1 用戶社交關係的學習 6 2 2 用戶全局偏好學習 6 2 3 用戶轉發行為預測 6 3實驗結果與分析?1006 3 1 數據集 6 3 2 實驗設置 6 3 3 實驗結果與分析 參考文獻 第7章 基於邊學習的多特徵融合謠言檢測方法 7 1 謠言檢測與文本分類技術 7 2 謠言傳播特徵 7 3 詞嵌入模型 7 4 深度學習相關技術 7 4 1 注意力機制 7 4 2 圖卷積網路 7 5 評價指標 7 6 基於邊學習的多特徵融合謠言檢測模型 7 6 1 傳播結構圖構建 7 6 2 模型構建 7 6 3 邊學習傳播結構特徵提取 7 6 4 文本語義特徵提取 7 7 預測及分類 7 8 實驗結果與分析 7 8 1 數據集及基準模型介紹 7 8 2 結果與分析 參考文獻 第8章 融合雙重注意力機制和圖卷積的謠言傳播檢測行為分析 8 1 引言 8 2 融合雙重注意力機制和圖卷積的謠言檢測模型 8 2 1 模型框架 8 2 2 交互性文本語義特徵提取 8 2 3 抗干擾傳播結構特徵提取 8 3 實驗結果與分析 8 3 1 實驗設置 8 3 2 結果與分析 8 3 3 消融實驗結果與分析 8 3 4 早期檢測能力實驗結果與分析 參考文獻 第9章 異質圖自注意力社交推薦行為分析 9 1 推薦系統簡介 9 1 1 推薦系統概述 9 1 2 傳統推薦演算法概述 9 1 3 評價指標 9 2 異質信息網路 9 2 1 定義 9 2 2 網路模式 9 2 3 元路徑 9 3 圖神經網路 9 3 1 圖神經網路概述 9 3 2 推薦系統中圖神經網路的應用 9 4 自注意力機制 9 5 異質圖注意力卷積社交推薦模型架構 9 5 1 初始化嵌入層 9 5 2 多頭節點自注意力層 9 5 3 圖卷積層 9 5 4 社交語義融合層 9 5 5 推薦預測 9 6 模型訓練 9 7 實驗 9 7 1 數據集和基線模型 9 7 2 實驗設置 9 7 3 實驗結果 參考文獻 第10章 融合社交關係的圖卷積協同過濾推薦行為分析 10 1 前提知識 10 1 1 社交高階連通性 10 1 2 交互高階連 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
