|
000
|
01216nam0 2200253 450
|
|
001
|
7535
|
|
010
|
|
@a978-7-121-41077-2@dCNY109.00
|
|
100
|
|
@a20230722d2022 em y0chiy50 ea
|
|
101
|
1
|
@achi@ceng
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aa z 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@a图表示学习@Atu biao shi xue xi@d= Graph representation learning@f(美) William Hamilton著@gAI TIME译@zeng
|
|
210
|
|
@a北京@c电子工业出版社@d2022.05
|
|
215
|
|
@aXIV, 191页@c图@d24cm
|
|
314
|
|
@a责任者规范汉译姓: 汉密尔顿
|
|
330
|
|
@a本书提供了一份关于图表示学习的综述。首先, 本书讨论图表示学习的目标及图论和网络分析的关键方法论。然后, 本书介绍并回顾了学习节点嵌入的方法, 包括基于随机游走的方法以及在知识图谱上的应用。再后, 本书对高度成功的图神经网络 (Graph Neural Network, GNN) 进行了技术上的综合介绍, GNN已成为图数据深度学习领域占主导地位且迅速发展的范式。最后, 本书总结了针对图的深度生成模型的最新进展, 这是图表示学习新生但发展迅速的子集。
|
|
500
|
10
|
@aGraph representation learning@mChinese
|
|
606
|
0
|
@a图象处理@Atu xiang chu li
|
|
690
|
|
@aTP391.413@v5
|
|
701
|
1
|
@a汉密尔顿@Ahan mi er dun@g(Hamilton, William)@4著
|
|
702
|
0
|
@aAI TIME@4译
|
|
801
|
0
|
@aCN@b郑州旅游职业学院@c20230722
|
|
905
|
|
@aZZLYZY@dTP391.413@e561
|
|
|
|
|
| |
| 图表示学习= Graph representation learning/(美) William Hamilton著/AI TIME译.-北京：电子工业出版社，2022.05 |
| XIV, 191页：图；24cm |
| |
| |
| ISBN 978-7-121-41077-2：CNY109.00 |
| 本书提供了一份关于图表示学习的综述。首先, 本书讨论图表示学习的目标及图论和网络分析的关键方法论。然后, 本书介绍并回顾了学习节点嵌入的方法, 包括基于随机游走的方法以及在知识图谱上的应用。再后, 本书对高度成功的图神经网络 (Graph Neural Network, GNN) 进行了技术上的综合介绍, GNN已成为图数据深度学习领域占主导地位且迅速发展的范式。最后, 本书总结了针对图的深度生成模型的最新进展, 这是图表示学习新生但发展迅速的子集。 |
| ● |
正题名：图表示学习
索取号：TP391.413/561
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
1322043
|
213220432
|
十四楼书库/
[索取号:TP391.413/561]
|
在馆
|
架位导航
|
|
2
|
1322044
|
213220441
|
十四楼书库/
[索取号:TP391.413/561]
|
在馆
|
架位导航
|
|
3
|
1322045
|
213220450
|
十四楼书库/
[索取号:TP391.413/561]
|
在馆
|
架位导航
|
