基本信息

• 商品名称：单图及群图挖掘(原理算法与应用)
• 作者：(美)达奈·库特拉//赫里斯托斯·法鲁索斯|译者:李艳丽//陈端兵//谢文波//周涛
• 定价：59
• 出版社：机械工业
• 书号：9787111622673

其他参考信息（以实物为准）

• 出版时间：2019-06-01
• 印刷时间：2019-06-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：142
• 字数：248千字

内容提要

本书由DanaiKoutra和 知名的数据挖掘领域奠基人之一ChristosFaloutsos教授合著，介绍了图挖掘领域一个崭新的研究方向。全书内容主要包括两个部分：第壹部分介绍了单图上的概要表示以及节点标签分类算法；第二部分介绍了群图上的概要表示以及群图的相似性度量和节点对齐算法。

作者简介

Danai Koutra是密歇根大学安娜堡分校计算机科学与工程系的助理教授。她的研究兴趣包括大规模图挖掘、图相似性计算和匹配、图概要抽取和异常检测。Danai 的研究主要应用于社交网络、合作网络、Web 网络以及大脑连接网络。她现持有1项:“rate-1”专利，并拥有6项(待定)二分图对齐专利。Danai 曾荣获2016年ACM SIGKDD博士论文奖，并荣获SCS博士论文奖( CMU)。她在数据挖掘会议上发表了多篇论文，其中包括两篇获奖论文。她现在共开展3门课程，曾在IBM Watson、Microsoft Research 和Technicolor工作。她于2010年在雅典国立技术大学电子与计算机工程学院获得学士学位，于2015年在卡耐基·梅隆大学计算机科学学院获取博士学位和理学硕士学位。
   Christos Faloutsos 是卡耐基.梅隆大学的教授。他曾于1989年获得美国 科学基金会颁发的总统青年研究员奖，于2006年荣获ICDM研究贡献奖，并于2010年荣获SIGKDD创新奖，曾获得24项论文奖( 包括5项时间考验奖)和4项教学奖。他指导的6位学生荣获了KDD或SCS论文奖。同时他也是ACM Fellow, 并曾担任SIGKDD执行委员会成员。他共发表同行评议文章350多篇，参与撰写17本书中的部分章节，出版专著2本。他共拥有7项专利(及2项待定专利)。他已经开展40门课程和20多个特邀讲座。他的研究兴趣包括针对图和时间序列的大规模数据挖掘、异常检测、张量分解和分形。

目录

译者序
原书前言
原书致谢
作者简介
第1章绪论1
11概述1
12本书的架构1
121 部分：单图挖掘1
122第二部分：群图挖掘2
123源代码和支撑材料3
13预备知识3
131图的基本定义4
132图的数据结构5
133线性代数基本概念6
134图的主要特性7
14常用符号8
部分单图挖掘
第2章静态图概要抽取11
21概述与动机12
22问题描述13
221图概要抽取的MDL准则14
222模型编码15
223误差编码17
23VoG：基于词汇表的图概要抽取17
231子图生成18
232子图标记18
233概要组装19
234示例20
235计算复杂度20
24实证结果21
241定量分析22
242定性分析25
243可扩展性30
25讨论31
26相关工作33
第3章图的推理35
31关联推断技术35
311RWR36
312SSL36
313BP37
314本节小结38
32FABP39
321推导41
322收敛性分析45
323算法46
33扩展到多个类47
34实证结果49
341准确度49
342收敛性50
343鲁棒性51
344可扩展性51
第二部分群图挖掘
第4章动态图概要抽取55
41问题描述56
411动态图概要抽取的MDL准则58
412编码模型58
413误差编码60
42TIMECRUNCH：基于词汇表的动态图概要抽取61
421生成候选静态结构61
422标注候选静态结构61
423组装候选时序结构62
424概要合成63
43实证结果64
431定量分析65
432定性分析66
433可扩展性68
44相关工作68
第5章图的相似性70
51直觉71
511概述71
512节点亲和度测量71
513信念传播的应用72
514相似性度量的预期性质73
52DELTACON：“δ”连通性动态检测73
521算法描述74
522快速计算74
523预期性质77
53DELTACON-ATTR：节点和边的归因82
531算法描述82
532可扩展性84
54实证结果84
541DELTACON与直觉的一致性84
542DELTACON-ATTR与直觉的一致性90
543可扩展性94
544鲁棒性94
55应用96
551Enron数据集实证分析97
552大脑连通图聚类98
553恢复连接组的对应关系99
56相关工作101
第6章图的对齐104
61问题的形式化描述105
62BIG-ALIGN：二分图的对齐106
621数学形式化表示106
622具体问题的优化108
623算法描述112
63UNI-ALIGN：二分图对齐算法在单分图上的推广113
64实证结果114
641BIG-ALIGN的准确度和运行时间115
642UNI-ALIGN的准确度和运行时间118
65讨论119
66相关工作119
第7章结论与进一步的研究问题121
参考文献123