圖機器學習

本書詳細闡述了與圖機器學習相關的基本解決方案，主要包括圖的基礎知識、圖機器學習概述、無監督圖學習、有監督圖學習、使用圖機器學習技術解決問題、社交網路圖、使用圖進行文本分析和自然語言處理、信用卡交易的圖分析、構建資料驅動的圖應用程式和圖的新趨勢等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。本書適合作為高等院校電腦及相關專業的教材和教學參考書，也可作為相關開發人員的自學用書和參考手冊。

第1篇 圖機器學習簡介
第1章 圖的基礎知識
1.1 技術要求
1.2 圖的定義
1.3 圖的類型
1.3.1 有向圖
1.3.2 多重圖
1.3.3 加權圖
1.3.4 二分圖
1.4 圖的表示方式
1.4.1 鄰接矩陣
1.4.2 邊列表
1.5 繪製圖
1.5.1 networkx
1.5.2 Gephi
1.6 圖屬性
1.7 集成指標
1.7.1 距離、路徑和 短路徑
1.7.2 特徵路徑長度
1.7.3 全域和局部效率
1.8 隔離指標
1.8.1 聚類係數
1.8.2 傳遞性
1.8.3 模組度
1.9 中心性指標
1.9.1 度中心性
1.9.2 接近度中心性
1.9.3 仲介中心性
1.10 彈性指標
1.11 圖和網路模型示例
1.11.1 簡單的圖的示例
1.11.2 生成圖模型
1.11.3 Watts-Strogatz(1998)
1.11.4 Barabasi-Albert(1999)
1.12 基準資料集和存儲庫
1.12.1 網路資料存儲庫
1.12.2 斯坦福網路分析平臺
1.12.3 開放圖基準
1.13 處理大圖
1.14 小結

第2章 圖機器學習概述
2.1 技術要求
2.2 理解在圖上執行的機器學習
2.2.1 機器學習的基本原理
2.2.2 在圖上執行機器學習的優勢
2.3 泛化的圖嵌入問題
2.4 圖嵌入機器學習演算法的分類
2.4.1 編碼器和解碼器架構
2.4.2 嵌入演算法的分類
2.4.3 嵌入演算法的有監督和無監督版本