摘要
其他人正在查看的类似内容
笔记
在这项工作中，场地包括会议和期刊。 多图是允许两个节点之间有多条边的图，可以通过标签指定。 我们的符号灵感来自[ 17 ]. 除了单个单词外，甚至n-gram也可以映射到向量。 n-gram是一组 n个 连续单词。 如第节所述 3.2 频繁出现的 n个 连续单词被识别并替换为单个单词，例如。， 机器学习 被替换为 机器学习 . 类似的（但相反的问题）是Skip-n-gram模型，即训练神经网络来预测 n个 从表象看语境词 w个 Skip-n-gram方法可以概括为“预测给定单词的上下文”，而CBOW简而言之是“预测给定上下文的单词”。 Py2neo Python库可用： http://py2neo.org/ . 虽然在节点上添加属性也可以获得相同的结果，但使用多个标签可以立即访问具有所需标签的节点。 由NLTK框架通过停止词词典执行[ 10 ]. 使用 相似性 标签。 这个想法的灵感来自[ 7 ]虽然他们通过算术函数计算三元组的权重。 下四分位是第25个百分点，上四分位则是第75个百分点。
工具书类
Adomavicius G，Sankaranarayanan R，Sen S，Tuzhilin A（2005），使用多维方法将上下文信息纳入推荐系统。 ACM传输信息系统（TOIS）23（1）：103–145 Aggarwal C C（2011）《社交网络数据分析导论》。 Socl Netw数据分析1-15 Albanese M，d'Acierno A，Moscato V，Persia F，Picariello A（2013）多媒体推荐系统。 ACM Trans Internet Technol（TOIT）13（1）：3 Amato F，Moscato V，Picariello A，Piccialli F（2017）Sos：在线社交网络的多媒体推荐系统。 未来一代计算系统 Angles R，Gutierrez C（2008）《图形数据库模型调查》。 ACM计算调查（CSUR）40（1）：1 Bao J，Zheng Y，Wilkie D，Mokbel M（2015）《基于位置的社交网络的建议：一项调查》。 地理信息19（3）：525–565 Barrat A、Barthelemy M、Pastor-Satorras R、Vespignani A（2004）《复杂加权网络的架构》。 美国国家科学院院刊101（11）：3747–3752 Belák V、Lam S、Hayes C（2012）讨论论坛中的跨社区影响。 ICWSM 12:34–41分 Bengio Y，Ducharme R，Vincent P，Jauvin C（2003）神经概率语言模型。 J Mach学习研究3:1137–1155 Bird S，Klein E，Loper E（2009）《使用Python进行自然语言处理：使用自然语言工具箱分析文本》。 O'Reilly媒体公司。 Boselli R、Cesarini M、Marrara S、Mercorio F、Mezzanzanica M、Pasi G、Viviani M（2017）Wolmis：用于分类网络职位空缺的劳动力市场智能系统。 国际信息系统杂志。 https://doi.org/10.1007/s10844-017-0488-x Boselli R、Cesarini M、Mercorio F、Mezzanzanica M（2017）《使用机器学习实现劳动力市场智能》。 收录于：Altun Y、Das K、Mielikäinen T、Maleba D、Stefanowski J、Read J、Zitnik M、Ceci M、Dzeroski S（eds）数据库中的机器学习和知识发现-欧洲会议，ECML PKDD 2017，马其顿斯科普里，2017年9月18日至22日，会议录，第三部分，计算机科学讲稿，第10536卷。 施普林格，第330-342页。 DOI程序 https://doi.org/10.1007/978-3-319-71273-4_27 ，（以印刷形式出现） Boselli R、Cesarini M、Mercorio F、Mezzanzanica M、Vaccarino A（2017）通过图形数据库进行多媒体推特分析的管道：初步结果。 在：数据2017-关于数据技术和应用的国际会议。 https://doi.org/10.5220/0006490703430349 Cattell R（2011）可扩展sql和nosql数据存储。 ACM Sigmod记录39（4）：12–27 Chikhaoui B、Chiazzaro M、Wang S（2015）动态社会网络中影响演化的新格兰杰因果模型：dblp案例。 In:AAAI，第51–57页 Colace F、De Santo M、Greco L、Moscato V、Picariello A（2015）在线社交网络中推荐项目的以用户为中心的协作框架。 计算人类行为51:694–704 Consens M P，Mendelzon A O（1990）Graphlog：现实生活递归的视觉形式主义。 摘自：第九届ACM SIGACT-SIGMOD-SIGART数据库系统原理研讨会论文集。 ACM，第404–416页 Deng H，King I，Lyu M R（2008）《数据库书目数据专家发现的形式模型》。 2008年第八届IEEE数据挖掘国际会议。 2008年ICDM。 IEEE，第163-172页 Diederich J，Balke W T，Thaden U（2007）演示语义增长包：自动为faceteddblp创建主题方面。 收录：第七届ACM/IEEE-CS数字图书馆联合会议记录。 ACM，第505-505页 分布式图形数据库（2017） http://titan.thinkaurelius.com/ Du N，Wu B，Pei X，Wang B，Xu L（2007）大型社交网络中的社区检测。 收录：第九届WebKDD和第一届SNA-KDD 2007网络挖掘和社交网络分析研讨会论文集。 ACM，第16-25页 Elmacioglu E，Lee D（2005）关于dblp-db和更多的六度分离。 ACM SIGMOD记录34（2）：33–40 Girvan M，Newman M E（2002）《社会和生物网络中的社区结构》。 国家科学院学报99（12）：7821–7826 韩J，海宏E，乐G，杜J（2011）nosql数据库调查。 2011年第六届普适计算与应用国际会议（ICPCA）。 IEEE，第363–366页 Jiang M，Cui P，Chen X，Wang F，Zhu W，Yang S（2015）跨领域可转移知识的社会推荐。 IEEE Trans Knowl Data Eng 27（11）：3084–3097 Le T，Zhang D（2015）《Dblpminer：探索书目数据的工具》。 2015年IEEE信息重用与集成（IRI）国际会议。 IEEE，第435–442页 Lee S、Song SI、Kahng M、Lee D、Lee SG（2011）基于随机行走的实体在多维推荐图上的排名。 收录：第五届ACM推荐系统会议记录。 ACM，第93–100页 Ley M（2009）Dblp：一些经验教训。 VLDB Endow 2号程序（2）：1493–1500 Li X，Chen H（2013）二部图中的链接预测建议：基于图核的机器学习方法。 Decis支持系统54（2）：880–890 Liu L，Tang J，Han J，Jiang M，Yang S（2010）挖掘异质网络中的主题级影响。 摘自：第19届ACM信息和知识管理国际会议记录。 ACM，第199-208页 Marrara S、Pasi G、Viviani M、Cesarini M、Mercorio F、Mezzanzanica M、Pappagallo M一种从网络上发现新的劳动力市场职业的语言建模方法。 收录：Sheth AP、Ngonga A、Wang Y、Chang E、Slezak D、Franczyk B、Alt R、Tao X、Unland R（编辑）网络智能国际会议论文集。 ACM，莱比锡，第1026–1034页。 https://doi.org/10.1145/3106426.3109035 Mehmood Y、Barbieri N、Bonchi F、Ukkonen A（2013）Csi：社区层面的社会影响分析。 在：关于数据库中的机器学习和知识发现的欧洲联合会议上。 施普林格，第48–63页 Mikolov T，Chen K，Corrado G，Dean J（2013），向量空间中单词表示的有效估计。 arXiv: 1301.3781 Mikolov T，Sutskever I，Chen K，Corrado G S，Dean J（2013）单词和短语的分布式表示及其合成性。 主题：神经信息处理系统的进展，第3111–3119页 Mikolov T，Yih WT，Zweig G（2013）连续空间词表征的语言规律。 包含：Hlt-naacl，第13卷，第746–751页 Moreira C、Calado P、Martins B（2015）学习在dblp数据集中对学术专家进行排名。 专家系统32（4）：477–493 Nascimento M A，Sander J，Pound J（2003）《sigmod合著图分析》。 ACM Sigmod记录32（3）：8–10 Newman M E（2003）复杂网络的结构和功能。 SIAM版本45（2）：167–256 Newman M E（2004）谁是联系最紧密的科学家？ 科学合著网络研究。 In：复杂网络。 施普林格，第337–370页 Papadopoulos S、Kompatsiaris Y、Vakali A、Spyridonos P（2012）《社交媒体中的社区检测》。 数据最小已知光盘24（3）：515–554 Pham T A N，Li X，Cong G，Zhang Z（2015）基于事件的社交网络推荐的通用图形模型。 2015年IEEE第31届国际数据工程会议（ICDE）。 IEEE，第567–578页 Ricci F、Rokach L、Shapira B、Kantor P B（2015）《推荐系统手册》。 施普林格 Scott J（2017）《社交网络分析》。 圣人 Stonebraker M（2010）Sql数据库与nosql数据库。 通信ACM 53（4）：10–11 Tagarelli A，Interdonato R（2013）对研究合作网络中的替代学习者进行排名。 参加：亚洲数字图书馆国际会议。 施普林格，第93–102页 唐J，孙J，王C，杨Z（2009）大型网络中的社会影响分析。 摘自：第15届ACM SIGKDD知识发现和数据挖掘国际会议论文集。 ACM，第807–816页 Tesoriero C（2013）开始使用orientDB。 Packt出版有限公司 Watts D J，Strogatz S H（1998）“小世界”网络的集体动力学。 自然393（6684）：440–442 Webber J（2012）《neo4j的程序性介绍》。 收录：关于系统、编程和应用：人性化软件的第三届年度会议记录。 ACM，第217–218页 Wu Y，Cao N，Gotz D，Tan Y P，Keim D A（2016）社交媒体数据视觉分析调查。 IEEE Trans Multimed 18（11）：2135–2148 Zaiane O R，Chen J，Goebel R（2007）Dbconnect：dblp数据挖掘研究社区。 收录：第九届WebKDD和第一届SNA-KDD 2007网络挖掘和社交网络分析研讨会论文集。 ACM，第74-81页
