机读格式显示(MARC)

• 000 01375nam0 2200313 450

• 001 0000405878

• 005 20230410150600.0

• 010 __ |a 978-7-121-41077-2 |d CNY109.00

• 021 __ |a CN |b 01-2021-1135

• 035 __ |a (A100000NLC)011319821

• 049 __ |a A100000NLC |b UCS01010611750 |c 011319821 |d NLC01

• 100 __ |a 20210727e20222021em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a y z 000yy

• 106 __ |a r

• 200 1_ |a 图表示学习 |A Tu Biao Shi Xue Xi |d Graph representation learning |f (美)William Hamilton著 |g AI TIME译 |z eng

• 210 __ |a 北京 |c 电子工业出版社 |d 2021 |h 2022重印

• 215 __ |a 14,191页 |d 24cm

• 305 __ |a 由锐拓传媒授权

• 330 __ |a 本书提供了一份关于图表示学习的综述。首先，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，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，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，总结了针对图的深度生成模型的前沿进展，这是图表示学习新生但发展迅速的子集。

• 510 1_ |a Graph representation learning |z eng

• 606 0_ |a 图象处理 |A Tu Xiang Chu Li

• 690 __ |a TP391.413 |v 5

• 701 _0 |c (美) |a 汉密尔顿 |A Han Mi Er Dun |c (Hamilton, William) |4 著

• 712 02 |a AI TIME |A Ai Time |4 译

• 801 _2 |a CN |b OLCC |c 20210917

• 905 __ |a XATU |d TP391.413/583

• 920 __ |a 261060 |z 1