Broad Learning Through Fusions: An Application on Social Networks

این کتاب مقدمه ای واضح و جامع برای یادگیری گسترده، یکی از مشکلات یادگیری جدید که در داده کاوی و یادگیری ماشین مطالعه شده است، ارائه می دهد. هدف یادگیری گسترده، ادغام چندین منبع اطلاعاتی در مقیاس بزرگ از انواع مختلف با هم، و انجام وظایف داده کاوی هم افزایی در این منابع ترکیبی در یک تحلیل یکپارچه است. این کتاب شبکه های اجتماعی آنلاین را به عنوان یک مثال کاربردی برای معرفی جدیدترین الگوریتم های هم ترازی و کشف دانش می گیرد. علاوه بر مرور کلی یادگیری گسترده، یادگیری ماشین و مبانی شبکه های اجتماعی، موضوعات خاصی که در این کتاب پوشش داده شده است شامل هم ترازی شبکه، پیش بینی لینک، تشخیص جامعه، انتشار اطلاعات، بازاریابی ویروسی و جاسازی شبکه است.

This book offers a clear and comprehensive introduction to broad learning, one of the novel learning problems studied in data mining and machine learning. Broad learning aims at fusing multiple large-scale information sources of diverse varieties together, and carrying out synergistic data mining tasks across these fused sources in one unified analytic. This book takes online social networks as an application example to introduce the latest alignment and knowledge discovery algorithms. Besides the overview of broad learning, machine learning and social network basics, specific topics covered in this book include network alignment, link prediction, community detection, information diffusion, viral marketing, and network embedding.