• 
  科技大数据的建模...
  ￥101.12元
• 
  面向分类用户个性...
  ￥101.12元
• 
  科技大数据价值链...
  ￥132.72元
• 
  开放协同的科技大...
  ￥124.82元
• 
  科技大数据的查询...
  ￥124.82元

科技大数据的建模理论与分析方法是科技大数据相关技术研究与服务平台建设的重要理论基础和应用方法论。科技大数据主要由非结构化和复杂结构数据组成，涉及广泛而丰富的建模理论和方法。本书内容侧重面向科技大数据应用的基于张量的非结构数据建模、知识图谱及迁移学习等的基本概念及理论，同时介绍相关理论在认知图谱、跨域图像分类以及学者研究兴趣及机构合作关系挖掘等方面的应用。

样章试读

• 暂时还没有任何用户评论

总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

• 暂时还没有任何用户咨询内容

总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

用户名：	匿名用户
E-mail：
咨询内容：

• 目录
  第一部分　科技大数据的建模理论
  第1章　科技大数据的张量表示模型 3
  1.1　引言 3
  1.2　基于张量分解的表示模型 7
  1.3　t-FD算法 15
  1.4　理论误差界的证明 19
  1.5　实验分析 26
  1.6　小结 32
  参考文献 32
  第2章　科技大数据知识图谱 35
  2.1　知识图谱概念及发展 35
  2.2　面向科技大数据的知识图谱 38
  2.3　知识图谱关键技术 40
  2.4　知识图谱技术分析 52
  参考文献 55
  第3章　科技大数据迁移学习 57
  3.1　迁移学习的概念及发展 57
  3.2　科技大数据迁移学习的驱动因素 59
  3.3　迁移学习相关研究 61
  参考文献 77
  第二部分　科技大数据的数据分析技术
  第4章　科技情报认知图谱 87
  4.1　科技情报认知图谱的概念 87
  4.2　认知推理 92
  4.3　逻辑表达 97
  参考文献 99
  第5章　基于深度迁移学习的图像语义分类 100
  5.1　引言 100
  5.2　算法介绍 104
  5.3　实验 113
  5.4　小结 118
  参考文献 118
  第6章　基于柔性标签迁移学习的图像分类 121
  6.1　引言 121
  6.2　预备知识 123
  6.3　MSLT算法介绍 126
  6.4　实验 135
  6.5　小结 139
  参考文献 140
  第7章　科技大数据中的学者研究兴趣预测 143
  7.1　引言 143
  7.2　研究兴趣预测 146
  7.3　自适应属性选择的学者研究兴趣预测方法 147
  7.4　实验 153
  7.5　小结 155
  参考文献 155
  第8章　科技大数据中的学者间合著关系预测方法 157
  8.1　引言 157
  8.2　融合语义与结构信息的学者间合著关系预测方法 158
  8.3　实验 162
  8.4　小结 164
  参考文献 164
  第9章　科技大数据中的机构间合作关系预测方法 166
  9.1　问题介绍 166
  9.2　个体性实体与群体性实体 167
  9.3　基于表示学习的机构间合作关系预测算法 169
  9.4　实验 173
  9.5　小结 175
  参考文献 175