檢視图数据管理与挖掘的原始碼

{| class="wikitable" align="right"
|-
|<center><img src=https://www0.kfzimg.com/G06/M00/39/AD/p4YBAFqbVk-ANPUfAABhKORKB4I670_s.jpg width="260"></center>
<small>[https://book.kongfz.com/14708/7290334314 来自 孔夫子网 的图片]</small>
|}

《'''图数据管理与挖掘'''》，洪亮 著，出版社： 科学出版社。

随着[[科学]]技术日新月异地发展，传播知识信息手段<ref>[https://www.sohu.com/a/131814077_620113 涨知识：古人用什么方法传递信息？]，搜狐，2017-04-03</ref>，除了书籍、[[报刊]]外，其他工具也逐渐产生和发展起来。但书籍的作用，是其他传播工具或手段所不能代替的。在当代，无论是中国，还是其他国家，书籍仍然是促进社会政治、经济、文化发展必不可少的重要传播工具<ref>[https://www.sohu.com/a/158173666_573074 书究竟有何用？]，搜狐，2017-07-18</ref>。

==内容简介==

《图数据管理与挖掘》介绍了图数据管理与挖掘的关键技术，涵盖基于集合相似度的子图匹配查询处理方法与原型系统、情境感知的个性化推荐方法、利用多层聚簇的跨类协同过滤推荐算法、基于潜在主题的准确性Web社区协同推荐方法、基于用户社区全域关系闭包的高效均衡性Web[[社区]]推荐方法、Web社区推荐原型系统、大规模时空图中人类行为模式的实时挖掘方法、基于潜在引用图数据的专利价值评估方法、基于专利关联的新颖专利查找方法，以及异构专利网络中的竞争对手主题预测方法。
　　
《图数据管理与挖掘》适合计算机、信息管理等相关专业的高年级本科生和研究生阅读，也可作为数据科学等相关领域的研究与开发人员的参考书。

==目录==

前言

第1章 大图数据库中基于集合相似度的子图匹配查询处理方法

1．1 引言

1．2 预备知识

1．2．1 问题定义

1．2．2 [[架构]]

1．3 集合相似度剪枝

1．3．1 倒排模式格的构建

1．3．2 剪枝技术

1．3．3 倒排模式格的优化

1．4 基于结构的剪枝操作

1．4．1 结构化签名

1．4．2 基于签名的LSH

1．4．3 结构化剪枝

1．5 基于支配集的子图匹配

1．5．1 DS．匹配算法

1．5．2 支配集的选择

1．6 实验分析

1．6．1 数据集合设置

1．6．2 比较方法

1．6．3 线下性能

1．6．4 线上性能

1．7 结论

第2章 基于集合相似度的子图匹配查询原型系统

2．1 引言

2．2 预备知识

2．2．1 问题定义

2．2．2 方法概览

2．3 签名及DS-Tree

2．3．1 查询签名和数据签名

2．3．2 DS-Tree

2．3．3 利用DS-Tree查询

2．4 支配子图

2．5 SMOC算法

2．6 实验

2．6．1 数据集和实验环境

2．6．2 对比方法

2．6．3 离线处理性能

2．6．4 在线处理性能

2．7 结论

第3章 利用社会网络图数据的情境感知个性化推荐方法

3．1 引言

3．2 预备知识

3．2．1 问题定义

3．2．2 方法框架

3．3 角色挖掘

3．3．1 角色的定义

3．3．2 用条件数据库进行角色挖掘

3．3．3 情境感知的角色权重

3．4 基于角色的信任模型

3．5 寻找相似用户

3．5．1 WSSQ算法概述

3．5．2 前缀过滤

3．5．3 L1-范数过滤

3．5．4 相似度计算的优化

3．6 推荐方法

3．7 实验评价

3．7．1 数据集描述

3．7．2 对比方法

3．7．3 对角色挖掘和信任模型的评价

3．7．4 推荐质量

3．7．5 推荐时间

3．8 结论

第4章 多层聚簇中基于协同过滤的跨类推荐算法

4．1 引言

4．2 预备知识

4．2．1 问题定义

4．2．2 算法框架

4．3 多层聚簇

4．4 利用多层聚簇推荐

4．4．1 推荐框架

4．4．2 Top-K推荐

4．5 实验

4．5．1 数据集

4．5．2 对比方法

4．5．3 评价标准

4．5．4 参数设置

4．5．5 minsup的影响

4．5．6 效率和扩展性

4．6 结论

第5章 基于潜在主题的准确性Web社区协同推荐方法

5．1 引言

5．2 基于潜在主题的Web社区协同推荐方法

5．2．1 方法框架

5．2．2 ITS值计算．

5．2．3 ETS值计算

5．2．4 IETS值计算

5．2．5 可扩展性

5．3 实验及分析

5．3．1 数据集描述

5．3．2 实验方案

5．3．3 实验结果

5．4．结论

第6章 基于用户-社区全域关系的新颖性Web社区推荐方法

6．1 引言

6．2 UCTR方法

6．2．1 UCTR方法框架

6．2．2 社区准确度计算

6．2．3 社区新颖度计算

6．2．4 社区UCTR值计算

6．3 实验及分析

6．3．1 数据集描述

6．3．2 推荐准确性评价

6．3．3 推荐新颖性评价

6．3．4 推荐综合评价

6．4 结论

第7章 基于用户-社区全域关系闭包的高效均衡性Web社区推荐方法

7．1 引言

7．2 NovelRec方法

7．2．1 方法框架

7．2．2 离线建模计算

7．2．3 在线推荐计算

7．2．4 NovelRec复杂度分析

7．2．5 用户冷启动分析

7．3 实验及分析

7．3．1 实验数据分析

7．3．2 推荐准确性分析

7．3．3 推荐新颖性分析

7．3．4 NovelRec性能分析

7．4 结论

第8章 Web社区推荐原型系统

8．1 引言

8．2 Web社区建模

8．2．1 对象代理模型概述

8．2．2 利用对象代理模型建模Web社区

8．3 Web社区管理原型系统

8．3．1 对象代理数据库概述

8．3．2 基于TOTEM的Web社区管理系统

8．4 Web社区推荐原型系统

8．4．1 推荐系统实现机制

8．4．2 推荐系统功能效果

8．5 结论

第9章 大规模时空图中人类行为模式的实时挖掘方法

9．1 引言

9．2 预备知识

9．2．1 定义

9．2．2 问题陈述

9．2．3 框架

9．3 在单一时间间隔中的黑洞检测

9．3．1 STG索引

9．3．2 候选网格选择

9．3．3 空间扩展

9．3．4 流上限更新

9．4 连续检测

9．5 实验评估

9．5．1 数据

9．5．2 北京市案例研究

9．5．3 纽约市案例研究

9．5．4 在单一时段内的表现

9．5．5 连续检测的表现

9．6 结论

第10章 基于潜在引用图数据的专利价值评估方法

10．1 引言

10．2 潜在引用关联

10．3 专利价值评估基本算法

10．4 专利价值评估改进算法

10．5 专利价值评估更新算法

10．6 实验评估

10．6．1 实验设置

10．6．2 评估方法

10．6．3 结果与分析

10．7 结论

第11章 基于专利关联的新颖专利查找方法

11．1 引言

11．2 相对新颖图

11．3 专利新颖度排序算法

11．4 专利新颖度更新算法

11．5 实验评估

11．5．1 实验设置

11．5．2 评估方法

11．5．3 结果与分析

11．6 结论

第12章 异构专利网络中的竞争对手主题预测方法

12．1 引言

12．2 竞争对手的主题预测的框架

12．3 主题词选取

12．4 建立企业-主题异构图

12．5 拓扑特征的分析和抽取

12．6 基于监督模型的主题预测方法

12．7 实验评估

12．7．1 实验设置

12．7．2 评估方法

12．7．3 结果与分析

12．8 结论

参考文献

==参考文献==
[[Category:040 類書總論；百科全書總論]]