第1章 緒論 1.1 網(wǎng)絡(luò)表示學(xué)習(xí)基礎(chǔ)知識 1.2 網(wǎng)絡(luò)表示學(xué)習(xí)研究進(jìn)展 1.2.1 詞表示學(xué)習(xí) 1.2.2 網(wǎng)絡(luò)表示學(xué)習(xí) 1.3 本書研究內(nèi)容 第2章 Word2Vec與DeepWalk 2.1 Word2Vec 2.1.1 NEG 2.1.2 HS 2.1.3 CBOW模型 2.1.4 Skip-Gram模型 2.2 DeepWalk 2.2.1 語言與網(wǎng)絡(luò) 2.2.2 隨機(jī)游走 2.2.3 模型建模 2.3 Word2Vec與DeepWalk的關(guān)系 第3章 網(wǎng)絡(luò)表示學(xué)習(xí)中的隨機(jī)游走 3.1 改進(jìn)上下文節(jié)點(diǎn)選擇過程 3.1.1 問題描述 3.1.2 模型框架 3.1.3 實(shí)驗(yàn)分析 3.2 改進(jìn)隨機(jī)游走策略和節(jié)點(diǎn)選擇過程 3.2.1 問題描述 3.2.2 模型框架 3.2.3 實(shí)驗(yàn)分析 第4章 二視圖特征聯(lián)合建模 4.1 文本特征關(guān)聯(lián)的*大隔DeepWalk 4.1.1 問題描述 4.1.2 模型框架 4.1.3 實(shí)驗(yàn)分析 4.2 節(jié)點(diǎn)文本特征多元關(guān)系建模 4.2.1 問題描述 4.2.2 模型框架 4.2.3 實(shí)驗(yàn)分析 4.3 節(jié)點(diǎn)層次樹多元關(guān)系建模 4.3.1 問題描述 4.3.2 模型框架 4.3.3 實(shí)驗(yàn)分析 第5章 三視圖特征聯(lián)合建模 5.1 基于誘導(dǎo)矩陣補(bǔ)全的三元特征矩陣融合策略 5.1.1 問題描述 5.1.2 模型框架 5.1.3 實(shí)驗(yàn)分析 5.2 三元特征矩陣融合策略與網(wǎng)絡(luò)表示學(xué)習(xí) 5.2.1 問題描述 5.2.2 模型框架 5.2.3 實(shí)驗(yàn)分析 第6章 網(wǎng)絡(luò)表示學(xué)習(xí)與詞表示學(xué)習(xí) 6.1 網(wǎng)絡(luò)表示學(xué)習(xí)與詞表示學(xué)習(xí)中的應(yīng)用 6.2 基于描述信息約束的詞表示學(xué)習(xí) 6.2.1 問題描述 6.2.2 模型框架 6.2.3 實(shí)驗(yàn)分析 參考文獻(xiàn)