万本电子书0元读

万本电子书0元读

顶部广告

矩阵分解学习及其网络社区发现方法电子书

本书系统性地介绍目前矩阵分解学习和网络社区发现的主要研究方法,并针对网络社区发现中数据特性问题,以社会网络和科学网络为主要应用数据!进行社区发现相关方法实例与应用介绍。

售       价:¥

纸质售价:¥36.00购买纸书

2人正在读 | 0人评论 6.8

作       者:施晓华

出  版  社:上海交通大学出版社

出版时间:2020-12-01

字       数:8.6万

所属分类: 人文社科 > 社会科学 > 社会科学总论

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
在网络科学的社区发现应用中,由于所有的网络结构均可以通过关系图来表示,而图的主要结构表征即为其邻矩阵;因此应用矩阵分解学习相关方法,能有效将整个社区网络中节聚合到不同社区中,可以得到很好的应用效果。本书将系统性地介绍目前矩阵分解学习和网络社区发现的主要研究方法,并针对网络社区发现中数据特性问题,介绍不同矩阵分解算法,以社会网络和科学网络为主要应用数据,行社区发现相关方法实例与应用介绍。本书以理论、方法和案例结合;从学术脉络,逐步展问题,从应用角度,逐步解决问题。本书适合高校计算机专业和社会网络分析与管理相关读者使用。<br/>【作者】<br/>施晓华,博士,上海交通大学副研究馆员,2019年获上海交通大学计算机博士学位,目前担任上海交通大学图书馆平台与技术支撑部主任。<br/>
目录展开

书名页

目录

内容提要

前言

1 绪论

1.1 引言

1.2 本书主要内容

1.3 本书结构安排

2 社区发现方法

2.1 传统方法

2.2 分裂方法

2.3 基于模块度的方法

2.4 统计推断法

2.5 重叠社区发现

2.6 贝叶斯社区发现

2.7 本章小结

3 矩阵分解学习主要方法

3.1 PCA矩阵分解

3.2 ICA矩阵分解

3.3 SVD矩阵分解

3.4 VQ矩阵分解

3.5 NMF非负矩阵分解

3.6 半监督NMF分解

3.7 贝叶斯NMF分解

3.8 矩阵分解中的模式选择

3.9 矩阵分解学习与社区发现

3.10 本章小结

4 基于半监督矩阵分解的社区发现方法

4.1 半监督对称NMF方法

4.2 PCSNMF方法设计及算法推导

4.2.1 目标函数设计

4.2.2 对应算法

4.2.3 计算复杂度分析

4.3 PCSNMF在社会网络中的实验与分析

4.3.1 主要数据集介绍

4.3.2 主要评价指标

4.3.3 验证确定社区数量

4.3.4 方法结果比较

4.4 本章小结

5 基于贝叶斯矩阵分解的社区发现方法

5.1 贝叶斯对称NMF方法

5.1.1 泊松似然

5.1.2 BSNMF的迭代公式

5.1.3 社区数量KC的推导

5.2 BSNMF非重叠社区发现实验

5.3 BSNMF在重叠社区发现中的应用

5.3.1 重叠社区判定阈值的确定

5.3.2 重叠社区的社区发现主要判别指标

5.3.3 不同重叠网络社区发现的性能比较结果

5.3.4 不同网络上的重叠社区发现效果比较

5.4 本章小结

6 矩阵分解学习社区发现应用研究

6.1 科学网络社区发现应用

6.1.1 DBLP科学网络中的应用分析

6.1.2 SJTU合作发文网络应用实践

6.2 中文科学网络社区发现应用实践

6.3 机构学术数据处理及学者甄别社区发现应用实践

6.3.1 通过文本距离进行数据处理

6.3.2 学者甄别过程中的社区发现应用

6.4 数字人文社会网络方法应用

6.4.1 数字人文中的社会网络分析方法

6.4.2 上海交通大学古徽州契约文书社会网络分析实践

6.5 本章小结

7 总结及展望

7.1 总结

7.2 展望

参考文献

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部