《异构信息网络挖掘(原理和方法)(精)/大数据管理丛书》（(美)孙艺洲//韩家炜|译者:段磊//朱敏//唐常杰）-图书推荐

内容提要

孙艺洲、韩家炜著的《异构信息网络挖掘(原理和方法)(精)》介绍了异构信息网络挖掘的原理和方法，包括基于排名的聚类与分类、基于元路径的相似性搜索和挖掘、关系强度感知挖掘，以及若干有前景的研究方向。本书是伊利诺伊大学香槟分校数据挖掘高级课程的参考教材，适合作为数据挖掘方向的研究生教材，也适合数据挖掘研究人员和专业技术人员参考。

目录

丛书前言
译者序
摘要和关键词
作者简介
第1章 引言
1.1 异构信息网络是什么
1.2 为什么异构网络挖掘是一项新的挑战
1.3 本书的内容组织
部分 基于排名的聚类和分类
第2章 基于排名的聚类
2.1 概述
2.2 RankClus算法
2.2.1 排名函数
2.2.2 从条件排名分布到新的聚类度量
2.2.3 聚类中心和距离测量
2.2.4 RankClus算法总结
2.2.5 实验结果
2.3 NetClus算法
2.3.1 排名函数
2.3.2 NetClus算法框架
2.3.3 网络聚类中目标对象生成模型
2.3.4 目标对象和属性对象的后验概率
2.3.5 实验结果
第3章 异构信息网络的分类
3.1 概述
3.2 GNetMine
3.2.1 分类问题定义
3.2.2 基于图的正则化框架
3.3 RankClass
3.3.1 RankClass框架
3.3.2 基于图的排名
3.3.3 调整网络
3.3.4 后验概率计算
3.4 实验结果
3.4.1 数据集
3.4.2 准确性研究
3.4.3 案例研究
第二部分 基于元路径的相似性搜索和挖掘
第4章 基于元路径的相似性搜索
4.1 概述
4.2 PathSim：基于元路径的相似性度量
4.2.1 网络模式和元路径
4.2.2 基于元路径的相似性框架
4.2.3 PathSim：全新的相似性度量
4.3 单一元路径的在线查询处理
4.3.1 单一元路径的连接
4.3.2 基准算法
4.3.3 基于共同聚类的剪枝
4.4 多重元路径的组合
4.5 实验结果
4.5.1 有效性
4.5.2 效率对比
4.5.3 Flickr网络的案例研究
第5章 基于元路径的关系预测
5.1 概述
5.2 基于元路径的关系预测框架
5.2.1 基于元路径的拓扑特征空间
5.2.2 监督式关系预测框架
5.3 合著关系预测
5.3.1 合著关系预测模型
5.3.2 实验结果
5.4 带时间的关系预测
5.4.1 面向作者引用关系预测的基于元路径的拓扑特征
5.4.2 关系建立时间预测模型
5.4.3 实验结果
第三部分 关系强度感知挖掘
第6章 不 属性的关系强度感知聚类
6.1 概述
6.2 关系强度感知聚类的问题定义
6.3 聚类框架
6.3.1 模型综述
6.3.2 属性生成建模
6.3.3 结构一致性建模
6.3.4 统一模型
6.4 聚类算法
6.4.1 聚类优化
6.4.2 链接类型强度学习
6.4.3 整合：GenClus算法
6.5 实验结果
6.5.1 数据集
6.5.2 有效性研究
第7章 通过元路径选择的用户引导聚类
7.1 概述
7.2 用户引导聚类的元路径选择问题
7.2.1 元路径选择问题
7.2.2 用户引导的聚类
7.2.3 问题定义
7.3 概率模型
7.3.1 关系生成建模
7.3.2 用户引导建模
7.3.3 对元路径选择的质量权重建模
7.3.4 统一模型
7.4 学习算法
7.4.1 给定元路径权重优化聚类结果
7.4.2 给定聚类结果优化元路径权重
7.4.3 PathSelClus算法
7.5 实验结果
7.5.1 数据集
7.5.2 有效性研究
7.5.3 元路径权重的案例研究
7.6 讨论
第8章 研究前沿
参考文献

卖贝商城 推荐：《异构信息网络挖掘(原理和方法)(精)/大数据管理丛书》（(美)孙艺洲//韩家炜|译者:段磊//朱敏//唐常杰）