机读格式显示(MARC)

• 000 01174nam0 2200241 450

• 001 0000826620

• 005 20251001200700.0

• 010 __ |a 978-7-03-077885-7 |d CNY128.00

• 100 __ |a 20241224d2024 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 网络表示学习的理论与应用 |A wang lao biao shi xue xi de li lun yu ying yong |f 王静红著

• 210 __ |a 北京 |c 科学出版社 |d 2024

• 215 __ |a 213页 |c 图 |d 24cm

• 320 __ |a 有书目 (第204-213页)

• 330 __ |a 本书介绍了在人工智能与大数据时代背景下，网络表示学习的理论与应用。提出了网络表示学习的关键在于将网络中的节点映射到低维空间，形成能够反映节点间复杂关系的向量表示。本书讨论了各种先进的网络表示学习方法，如基于图注意力机制、图自编码器和深度学习技术，并提供了大量实验和案例分析，展示了这些方法在不同数据集上的应用效果。这些案例覆盖了社交网络、生物信息学、知识图谱等领域，证明了网络表示学习技术在多样化场景中的适用性和有效性。通过系统的理论基础和丰富的实践案例，本书旨在帮助读者深入理解和应用网络表示学习。

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 王静红 |A wang jing hong |4 著

• 801 _0 |a CN |b WFKJXY |c 20251001

• 905 __ |a WFKJXY |d TP181/576