为你推荐
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
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
