机读格式显示(MARC)
- 010 __ |a 978-7-111-71138-4 |d CNY129.00
- 100 __ |a 20220813d2022 em y0chiy50 ea
- 200 1_ |a 异质图表示学习与应用 |A yi zhi tu biao shi xue xi yu ying yong |d = Heterogeneous graph representation learning and applications |f 石川, 王啸, (美) 俞士纶著 |z eng
- 210 __ |a 北京 |c 机械工业出版社 |d 2022
- 215 __ |a xii, 259页, [4] 页图版 |c 图 (部分彩图) |d 26cm
- 225 2_ |a 智能科学与技术丛书 |A zhi neng ke xue yu ji shu cong shu
- 306 __ |a 本书中文简体字版由Springer授权机械工业出版社独家出版
- 314 __ |a 石川, 北京邮电大学计算机学院教授、博士研究生导师、智能通信软件与多媒体北京市重点实验室副主任。主要研究方向: 数据挖掘、机器学习、人工智能和大数据分析。王啸, 北京邮电大学计算机学院副教授, 清华大学计算机科学与技术系博士后。在天津大学计算机科学与技术学院获得博士学位, 是圣路易斯华盛顿大学的联合培养博士。主要研宄领域包括数据挖掘、机器学习、人工智能和大数据分析。俞士纶, (Philip S. Yu), 美国伊利诺伊大学芝加哥分校 (UIC) 计算机科学系杰出教授, 也是信息与技术领域的讲席教授 (Wexler Chair), 美国计算机学会 (ACM) 及美国电气电子工程师学会 (IEEE) 会士, 清华大学数据科学研究院院长、清华大学特聘教授。主要研究领域包括大数据、数据挖掘 (尤其是图或网络挖掘)、社交网络、隐私保护数据发布、数据流、数据库系统以及互联网应用和技术。
- 330 __ |a 本书旨在全面回顾异质图表示学习的发展, 并介绍其最新研究进展。首先从方法和技术两个角度总结了现有的工作, 并介绍了该领域的一些公开资源。然后分类详细介绍了最新模型与应用。最后讨论了异质图表示学习未来的研究方向, 并总结了本书的内容。全书主体内容分为四个部分, 第一部分快速介绍整个领域, 第二、三部分深入研究相关技术和应用, 第四部分基于一个平台来执行代表性算法。
- 410 _0 |1 2001 |a 智能科学与技术丛书
- 500 10 |a Heterogeneous graph representation learning and applications |A Heterogeneous Graph Representation Learning And Applications |m Chinese
- 606 0_ |a 机器学习 |A ji qi xue xi |x 数据采掘
- 701 _0 |a 石川 |A shi chuan |4 著
- 701 _0 |a 王啸 |A wang xiao |4 著
- 701 _0 |a 俞士纶 |A yu shi lun |g (Yu, Philip S.) |4 著
- 801 _0 |a CN |b 湖北三新 |c 20220813
- 905 __ |a SYUT |d TP181/198