求真百科歡迎當事人提供第一手真實資料,洗刷冤屈,終結網路霸凌。

圖數據管理與挖掘檢視原始碼討論檢視歷史

事實揭露 揭密真相
前往: 導覽搜尋

來自 孔夫子網 的圖片

圖數據管理與挖掘》,洪亮 著,出版社: 科學出版社。

隨着科學技術日新月異地發展,傳播知識信息手段[1],除了書籍、報刊外,其他工具也逐漸產生和發展起來。但書籍的作用,是其他傳播工具或手段所不能代替的。在當代,無論是中國,還是其他國家,書籍仍然是促進社會政治、經濟、文化發展必不可少的重要傳播工具[2]

內容簡介

《圖數據管理與挖掘》介紹了圖數據管理與挖掘的關鍵技術,涵蓋基於集合相似度的子圖匹配查詢處理方法與原型系統、情境感知的個性化推薦方法、利用多層聚簇的跨類協同過濾推薦算法、基於潛在主題的準確性Web社區協同推薦方法、基於用戶社區全域關係閉包的高效均衡性Web社區推薦方法、Web社區推薦原型系統、大規模時空圖中人類行為模式的實時挖掘方法、基於潛在引用圖數據的專利價值評估方法、基於專利關聯的新穎專利查找方法,以及異構專利網絡中的競爭對手主題預測方法。    《圖數據管理與挖掘》適合計算機、信息管理等相關專業的高年級本科生和研究生閱讀,也可作為數據科學等相關領域的研究與開發人員的參考書。

目錄

前言

第1章 大圖數據庫中基於集合相似度的子圖匹配查詢處理方法

1.1 引言

1.2 預備知識

1.2.1 問題定義

1.2.2 架構

1.3 集合相似度剪枝

1.3.1 倒排模式格的構建

1.3.2 剪枝技術

1.3.3 倒排模式格的優化

1.4 基於結構的剪枝操作

1.4.1 結構化簽名

1.4.2 基於簽名的LSH

1.4.3 結構化剪枝

1.5 基於支配集的子圖匹配

1.5.1 DS.匹配算法

1.5.2 支配集的選擇

1.6 實驗分析

1.6.1 數據集合設置

1.6.2 比較方法

1.6.3 線下性能

1.6.4 線上性能

1.7 結論

第2章 基於集合相似度的子圖匹配查詢原型系統

2.1 引言

2.2 預備知識

2.2.1 問題定義

2.2.2 方法概覽

2.3 簽名及DS-Tree

2.3.1 查詢簽名和數據簽名

2.3.2 DS-Tree

2.3.3 利用DS-Tree查詢

2.4 支配子圖

2.5 SMOC算法

2.6 實驗

2.6.1 數據集和實驗環境

2.6.2 對比方法

2.6.3 離線處理性能

2.6.4 在線處理性能

2.7 結論

第3章 利用社會網絡圖數據的情境感知個性化推薦方法

3.1 引言

3.2 預備知識

3.2.1 問題定義

3.2.2 方法框架

3.3 角色挖掘

3.3.1 角色的定義

3.3.2 用條件數據庫進行角色挖掘

3.3.3 情境感知的角色權重

3.4 基於角色的信任模型

3.5 尋找相似用戶

3.5.1 WSSQ算法概述

3.5.2 前綴過濾

3.5.3 L1-範數過濾

3.5.4 相似度計算的優化

3.6 推薦方法

3.7 實驗評價

3.7.1 數據集描述

3.7.2 對比方法

3.7.3 對角色挖掘和信任模型的評價

3.7.4 推薦質量

3.7.5 推薦時間

3.8 結論

第4章 多層聚簇中基於協同過濾的跨類推薦算法

4.1 引言

4.2 預備知識

4.2.1 問題定義

4.2.2 算法框架

4.3 多層聚簇

4.4 利用多層聚簇推薦

4.4.1 推薦框架

4.4.2 Top-K推薦

4.5 實驗

4.5.1 數據集

4.5.2 對比方法

4.5.3 評價標準

4.5.4 參數設置

4.5.5 minsup的影響

4.5.6 效率和擴展性

4.6 結論

第5章 基於潛在主題的準確性Web社區協同推薦方法

5.1 引言

5.2 基於潛在主題的Web社區協同推薦方法

5.2.1 方法框架

5.2.2 ITS值計算.

5.2.3 ETS值計算

5.2.4 IETS值計算

5.2.5 可擴展性

5.3 實驗及分析

5.3.1 數據集描述

5.3.2 實驗方案

5.3.3 實驗結果

5.4.結論

第6章 基於用戶-社區全域關係的新穎性Web社區推薦方法

6.1 引言

6.2 UCTR方法

6.2.1 UCTR方法框架

6.2.2 社區準確度計算

6.2.3 社區新穎度計算

6.2.4 社區UCTR值計算

6.3 實驗及分析

6.3.1 數據集描述

6.3.2 推薦準確性評價

6.3.3 推薦新穎性評價

6.3.4 推薦綜合評價

6.4 結論

第7章 基於用戶-社區全域關係閉包的高效均衡性Web社區推薦方法

7.1 引言

7.2 NovelRec方法

7.2.1 方法框架

7.2.2 離線建模計算

7.2.3 在線推薦計算

7.2.4 NovelRec複雜度分析

7.2.5 用戶冷啟動分析

7.3 實驗及分析

7.3.1 實驗數據分析

7.3.2 推薦準確性分析

7.3.3 推薦新穎性分析

7.3.4 NovelRec性能分析

7.4 結論

第8章 Web社區推薦原型系統

8.1 引言

8.2 Web社區建模

8.2.1 對象代理模型概述

8.2.2 利用對象代理模型建模Web社區

8.3 Web社區管理原型系統

8.3.1 對象代理數據庫概述

8.3.2 基於TOTEM的Web社區管理系統

8.4 Web社區推薦原型系統

8.4.1 推薦系統實現機制

8.4.2 推薦系統功能效果

8.5 結論

第9章 大規模時空圖中人類行為模式的實時挖掘方法

9.1 引言

9.2 預備知識

9.2.1 定義

9.2.2 問題陳述

9.2.3 框架

9.3 在單一時間間隔中的黑洞檢測

9.3.1 STG索引

9.3.2 候選網格選擇

9.3.3 空間擴展

9.3.4 流上限更新

9.4 連續檢測

9.5 實驗評估

9.5.1 數據

9.5.2 北京市案例研究

9.5.3 紐約市案例研究

9.5.4 在單一時段內的表現

9.5.5 連續檢測的表現

9.6 結論

第10章 基於潛在引用圖數據的專利價值評估方法

10.1 引言

10.2 潛在引用關聯

10.3 專利價值評估基本算法

10.4 專利價值評估改進算法

10.5 專利價值評估更新算法

10.6 實驗評估

10.6.1 實驗設置

10.6.2 評估方法

10.6.3 結果與分析

10.7 結論

第11章 基於專利關聯的新穎專利查找方法

11.1 引言

11.2 相對新穎圖

11.3 專利新穎度排序算法

11.4 專利新穎度更新算法

11.5 實驗評估

11.5.1 實驗設置

11.5.2 評估方法

11.5.3 結果與分析

11.6 結論

第12章 異構專利網絡中的競爭對手主題預測方法

12.1 引言

12.2 競爭對手的主題預測的框架

12.3 主題詞選取

12.4 建立企業-主題異構圖

12.5 拓撲特徵的分析和抽取

12.6 基於監督模型的主題預測方法

12.7 實驗評估

12.7.1 實驗設置

12.7.2 評估方法

12.7.3 結果與分析

12.8 結論

參考文獻

參考文獻