特异群组挖掘电子书

扉页

版权页

内容提要

丛书总序

前言

第1章 绪论

1.1 大数据

1.2 大数据挖掘

1.3 特异群组挖掘任务

1.4 小结

参考文献

第2章 为什么需要特异群组挖掘

2.1 聚类

2.2 异常检测

2.3 图数据上的异常挖掘

2.4 特异群组挖掘

2.5 特异群组挖掘与其他任务间的关系

2.6 小结

参考文献

第3章 特异群组挖掘的应用

3.1 证券市场操纵行为挖掘

3.2 医疗保险中的保费欺诈行为挖掘

3.3 有组织犯罪行为挖掘

3.4 金融风控中团伙欺诈检测

3.5 生命科学研究中的特异群组挖掘

3.6 流行病学调查中的密切接触者发现

3.7 其他应用场景

3.8 小结

参考文献

第4章 特异群组挖掘原理与框架

4.1 特异群组挖掘形式化描述

4.2 特异群组挖掘框架算法

4.3 实验与结果分析

4.4 特异群组挖掘应用步骤

4.5 小结

参考文献

第5章 相似性与相似性连接

5.1 相似性

5.2 相似性连接

5.3 相似性搜索中的索引结构

5.4 异质网络上的自相似性连接

5.4.1 异质信息网络

5.4.2 异质网络上的相似性度量

5.4.3 基于路径的自相似性连接

5.5 实验与结果分析

5.5.1 效率分析

5.5.2 有效性分析

5.5.3 Topk相似连接示例

5.6 小结

参考文献

第6章 无监督的复杂行为数据表示学习

6.1 行为数据

6.2 表示学习

6.2.1 词嵌入模型

6.2.2 图嵌入模型

6.2.3 异质网络表示学习

6.2.4 知识图谱表示学习

6.2.5 用户-商品对表示学习

6.3 基于交互图嵌入的复杂行为数据表示学习

6.3.1 交互图定义

6.3.2 无属性交互图嵌入

6.3.3 IGE模型

6.4 实验与结果分析

6.4.1 实验描述

6.4.2 实验结果分析

6.5 IGE算法在证券投资行为分析中的应用

6.6 小结

参考文献

第7章 半监督的复杂行为数据表示学习

7.1 图半监督学习

7.2 问题定义

7.3 算法模型

7.4 实验与结果分析

7.4.1 实验描述

7.4.2 实验结果分析

7.5 小结

参考文献

第8章 半监督群组检测

8.1 群组检测

8.2 问题定义

8.3 算法模型

8.3.1 判别器

8.3.2 生成器

8.3.3 预训练与强制教学

8.3.4 群组生成

8.4 实验与结果分析

8.4.1 实验描述

8.4.2 实验结果分析

8.5 小结

参考文献

第9章 增量复杂行为数据特征分析

9.1 问题定义

9.2 增量复杂行为数据特征表示算法

9.2.1 日交易记录编码

9.2.2 预测编码

9.2.3 生成式对抗网络

9.2.4 特征向量表示

9.3 方法应用与实验分析：游资账户识别

9.3.1 业务问题定义

9.3.2 数据来源与预处理

9.3.3 游资账户识别

9.3.4 游资账户聚类

9.4 小结

参考文献

第10章 面向动态图的节点表示学习

10.1 动态网络节点嵌入

10.1.1 静态网络节点嵌入方法

10.1.2 单向量节点嵌入表示方法

10.1.3 多向量节点嵌入表示方法

10.1.4 函数式节点嵌入表示方法

10.2 问题定义

10.3 DynGraphGAN算法

10.3.1 生成器

10.3.2 判别器

10.3.3 算法细节

10.4 实验与结果分析

10.4.1 数据集

10.4.2 基准算法

10.4.3 评估任务

10.4.4 链路重构和链路预测分析

10.4.5 参数敏感性分析

10.5 小结

参考文献

第11章 多源网络对齐

11.1 多源数据网络

11.2 问题定义

11.3 HGANE算法

11.3.1 层次图注意机制

11.3.2 对齐网络表示

11.3.3 面向协同链接预测的网络表示框架

11.4 实验与结果分析

11.4.1 数据集

11.4.2 对比方法

11.4.3 实验设置

11.4.4 实验结果

11.4.5 假设验证

11.4.6 参数分析

11.5 小结

参考文献

第12章 总结与展望

12.1 总结

12.2 展望