久久久久久高清毛片一级黑人免费,欧美日韩亚洲电影天堂

《單圖及群圖挖掘：原理、算法與應(yīng)用》由DanaiKoutra和全球知名的數(shù)據(jù)挖掘領(lǐng)域奠基人之一ChristosFaloutsos教授合著，介紹了圖挖掘領(lǐng)域一個嶄新的研究方向�！秵螆D及群圖挖掘：原理、算法與應(yīng)用》內(nèi)容主要包括兩個部分：第壹部分介紹了單圖上的概要表示以及節(jié)點標(biāo)簽分類算法；第二部分介紹了群圖上的概要表示以及群圖的相似性度量和節(jié)點對齊算法。

圖是信息表達的載體，從網(wǎng)頁之間的連接到電子郵件網(wǎng)絡(luò)中的通信關(guān)系，再到大腦神經(jīng)元之間的連接都可以用圖表示。這些圖通常具有數(shù)十億個節(jié)點及它們之間的交互關(guān)系。在這些相互關(guān)聯(lián)的數(shù)據(jù)中，如何找到最重要的結(jié)構(gòu)并對其進行歸納總結(jié)？如何更有效地將它們可視化？如何檢測預(yù)示著重大事件的異常情況（例如對計算機系統(tǒng)的一次攻擊、人腦中疾病的形成或公司的衰落）？本書將呈現(xiàn)一類可擴展、具有理論基礎(chǔ)的發(fā)現(xiàn)算法，它將全局和局部信息結(jié)合起來，以幫助人們理解一個或多個圖。除給出高效的系統(tǒng)性方法論，本書還針對兩個主要方向提供圖理論的思想和模型及現(xiàn)實世界中的實際應(yīng)用： 單圖挖掘（Individual Graph Mining）：本部分主要展示如何通過識別圖的重要結(jié)構(gòu)，可解釋性地抽取單個圖的概要信息。除了通過概要信息對圖加以解釋，本部分還進一步使用推理技術(shù)，即利用少數(shù)實體（通過概要信息抽取技術(shù)或其他方法獲得）及其網(wǎng)絡(luò)結(jié)構(gòu)快速、有效地學(xué)習(xí)未知實體信息。 群圖挖掘（Collective Graph Mining）：本部分將單圖概要信息抽取的概念推廣到時序演化圖中，并展示了如何發(fā)現(xiàn)其中的時序模式。除抽取概要信息，度量兩個圖的相似性在很多應(yīng)用中都是需要解決的前置性問題（例如時序異常檢測、行為模式發(fā)現(xiàn)等）。此外，本部分還提出了一系列可擴展、具有理論背景的算法，以實現(xiàn)多個圖之間的對齊和相似性度量。本書呈現(xiàn)的方法利用了來自不同領(lǐng)域的技術(shù)，如矩陣代數(shù)、圖論、最優(yōu)化、信息論、機器學(xué)習(xí)、金融和社會科學(xué)，來解決現(xiàn)實世界的問題。本書把提出的探索性算法應(yīng)用到海量數(shù)據(jù)集中，其中包括具有66億條邊的互聯(lián)網(wǎng)圖、具有18億條邊的Twitter圖、多達9千萬條邊的腦連接圖，以及合作網(wǎng)絡(luò)、點對點網(wǎng)絡(luò)、瀏覽日志網(wǎng)絡(luò)等，它們都包含數(shù)百萬用戶和他們之間的交互關(guān)系。關(guān)鍵詞數(shù)據(jù)挖掘圖挖掘及探索圖相似性圖匹配網(wǎng)絡(luò)對齊圖概要模式挖掘離群點檢測異常檢測可擴展性快速算法模型可視化社交網(wǎng)絡(luò)腦連接網(wǎng)絡(luò)

你還可能感興趣

我要評論