دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Graph mining: laws, tools, and case studies
دانلود کتاب نمودار کاوی: قوانین ، ابزارها و مطالعات موردی
مشخصات کتاب
Graph mining: laws, tools, and case studies
ویرایش: نویسندگان: Faloutsos. Christos, Chakrabarti. Deepayan سری: Synthesis lectures on data mining and knowledge discovery #6 ISBN (شابک) : 9781608451159, 160845116X ناشر: Morgan & Claypool Publishers سال نشر: 2012 تعداد صفحات: 209 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
قیمت کتاب (تومان) : 46,000
کلمات کلیدی مربوط به کتاب نمودار کاوی: قوانین ، ابزارها و مطالعات موردی: داده کاوی، مولدهای گراف، رتبه صفحه، قوانین قدرت، تجزیه ارزش تکی، شبکه های اجتماعی، شبکه های کامپیوتری--مدل های ریاضی، کامپیوترها--برنامه های سازمانی--ابزارهای هوش تجاری، کامپیوترها--هوش (AI) و معناشناسی، شبکه های اجتماعی-- مدل‌های ریاضی، داده‌کاوی، تئوری نمودار، کتاب‌های الکترونیک، شبکه‌های اجتماعی - مدل‌های ریاضی، شبکه‌های رایانه‌ای - مدل‌های ریاضی، رایانه‌ها - برنامه‌های کاربردی سازمانی - ابزارهای هوش تجاری، رایانه‌ها - هوش (AI) و Se
در صورت تبدیل فایل کتاب Graph mining: laws, tools, and case studies به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب نمودار کاوی: قوانین ، ابزارها و مطالعات موردی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب نمودار کاوی: قوانین ، ابزارها و مطالعات موردی
قدردانی -- 1. مقدمه. وب چه شکلی است؟ چگونه می‌توانیم الگوها، جوامع، نقاط پرت را در یک شبکه اجتماعی پیدا کنیم؟ مرکزی ترین گره های یک شبکه کدامند؟ اینها سوالاتی است که انگیزه این کار را ایجاد می کند. شبکه‌ها و نمودارها در بسیاری از تنظیمات مختلف ظاهر می‌شوند، به‌عنوان مثال در شبکه‌های اجتماعی، شبکه‌های ارتباطی رایانه‌ای (تشخیص نفوذ، مدیریت ترافیک)، شبکه‌های تعامل پروتئین-پروتئین در زیست‌شناسی، نمودارهای دوبخشی سند-متن در بازیابی متن، نمودارهای شخص-حساب در امور مالی. کشف تقلب و سایر موارد در این کار، ابتدا چندین الگوی شگفت‌انگیز را فهرست می‌کنیم که نمودارهای واقعی تمایل دارند از آنها پیروی کنند. سپس فهرستی دقیق از ژنراتورهایی که سعی می کنند این الگوها را منعکس کنند، ارائه می دهیم. ژنراتورها مهم هستند، زیرا می‌توانند به سناریوهای \"چه می‌شد\"، برون‌یابی‌ها و ناشناس‌سازی کمک کنند. سپس فهرستی از ابزارهای قدرتمند برای تجزیه و تحلیل گراف، و به‌ویژه روش‌های طیفی (تجزیه ارزش واحد (SVD))، تانسورها، و مطالعات موردی مانند الگوریتم معروف \"pageRank\" و الگوریتم \"HITS\" برای رتبه‌بندی وب ارائه می‌کنیم. نتایج جستجو. در نهایت، با بررسی ابزارها و مشاهدات از حوزه‌های مرتبط مانند جامعه‌شناسی، که دیدگاه‌های مکمل را ارائه می‌کنند، نتیجه‌گیری می‌کنیم.
توضیحاتی درمورد کتاب به خارجی
Acknowledgments -- 1. Introduction.;What does the Web look like? How can we find patterns, communities, outliers, in a social network? Which are the most central nodes in a network? These are the questions that motivate this work. Networks and graphs appear in many diverse settings, for example in social networks, computer-communication networks (intrusion detection, traffic management), protein-protein interaction networks in biology, document-text bipartite graphs in text retrieval, person-account graphs in financial fraud detection, and others. In this work, first we list several surprising patterns that real graphs tend to follow. Then we give a detailed list of generators that try to mirror these patterns. Generators are important, because they can help with "what if " scenarios, extrapolations, and anonymization. Then we provide a list of powerful tools for graph analysis, and specifically spectral methods (Singular Value Decomposition (SVD)), tensors, and case studies like the famous "pageRank" algorithm and the "HITS" algorithm for ranking web search results. Finally, we conclude with a survey of tools and observations from related fields like sociology, which provide complementary viewpoints.
فهرست مطالب
Acknowledgments Introduction Patterns and Laws Patterns in Static Graphs S-1: Heavy-tailed Degree Distribution S-2: Eigenvalue Power Law (EPL) S-3 Small Diameter S-4, S-5: Triangle Power Laws (TPL, DTPL) Patterns in Evolving Graphs D-1: Shrinking Diameters D-2: Densification Power Law (DPL) D-3: Diameter-plot and Gelling Point D-4: Oscillating NLCCs Sizes D-5: LPL: Principal Eigenvalue Over Time Patterns in Weighted Graphs W-1: Snapshot Power Laws (SPL)—``Fortification\'\' DW-1: Weight Power Law (WPL) DW-2: LWPL: Weighted Principal Eigenvalue Over Time Discussion—The Structure of Specific Graphs The Internet The World Wide Web (WWW) Discussion—Power Laws and Deviations Power Laws—Slope Estimation Deviations from Power Laws Exponential Cutoffs Lognormals or the ``DGX\'\' Distribution Doubly-Pareto Lognormal (dPln) Summary of Patterns Graph Generators Graph Generators Random Graph Models The Erdös-Rényi Random Graph Model Generalized Random Graph Models Preferential Attachment and Variants Main Ideas Basic Preferential Attachment Initial Attractiveness Internal Edges and Rewiring Related Methods Edge Copying Models Modifying the Preferential Attachment Equation Modeling Increasing Average Degree Node Fitness Measures Generalizing Preferential Attachment PageRank-based Preferential Attachment The Forest Fire Model Summary of Preferential Attachment Models Incorporating Geographical Information Early Models The Small-World Model The Waxman Model The BRITE Generator Other Geographical Constraints Topology from Resource Optimizations The Highly Optimized Tolerance Model The Heuristically Optimized Tradeoffs Model Generators for the Internet Topology Structural Generators The Inet Topology Generator Comparison Studies The RMat (Recursive MATrix) Graph Generator Graph Generation by Kronecker Multiplication Summary and Practitioner\'s Guide Tools and Case Studies SVD, Random Walks, and Tensors Eigenvalues—Definition and Intuition Singular Value Decomposition (SVD). HITS: Hubs and Authorities PageRank Tensors Introduction Main Ideas An Example: Tensors at Work Conclusions—Practitioner\'s Guide Community Detection Clustering Coefficient Methods for Extracting Graph Communities A Word of Caution—``No Good Cuts\'\' Influence/Virus Propagation and Immunization Introduction—Terminology Main Result and its Generality Applications Discussion Simulation Examples 1 : Measure of Connectivity Conclusion Case Studies Proximity and Random Walks Automatic Captioning—Multi-modal Querying The GCap Method Performance and Variations Discussion Conclusions Center-Piece Subgraphs—Who is the Mastermind? Outreach—Related Work Social Networks Mapping Social Networks Dataset Characteristics Structure from Data Social ``Roles\'\' Social Capital Recent Research Directions Differences from Graph Mining Other Related Work Relational Learning Finding Frequent Subgraphs Navigation in Graphs Methods of Navigation Relationship Between Graph Topology and Ease of Navigation Using Social Networks in Other Fields Conclusions Future Research Directions Parting Thoughts Resources Bibliography Authors\' Biographies
نظرات کاربران
کتاب های تصادفی
دانلود کتاب True-Love: Essays on Poetry and Valuing
