目錄
前言
第1章 決策支持與無監(jiān)督學習 1
1.1 數(shù)據(jù)驅(qū)動的決策支持 1
1.1.1 數(shù)據(jù)庫知識發(fā)現(xiàn)與數(shù)據(jù)挖掘 1
1.1.2 數(shù)據(jù)挖掘的主要任務 1
1.1.3 數(shù)據(jù)驅(qū)動的決策支持過程 3
1.1.4 決策支持中的數(shù)據(jù)特征 4
1.2 決策支持中的數(shù)據(jù)挖掘方法 7
1.2.1 有監(jiān)督學習 7
1.2.2 無監(jiān)督學習 8
1.3 分類屬性數(shù)據(jù)無監(jiān)督學習問題 9
1.3.1 研究與應用難點 9
1.3.2 深度學習提供的新思路 10
1.3.3 分類屬性數(shù)據(jù)深度無監(jiān)督學習體系 11
1.4 本章小結(jié) 11
第2章 無監(jiān)督學習基礎(chǔ)及其分類屬性數(shù)據(jù)研究 13
2.1 無監(jiān)督學習基礎(chǔ) 13
2.1.1 無監(jiān)督特征學習 13
2.1.2 無監(jiān)督分析過程 14
2.1.3 無監(jiān)督結(jié)果評價 27
2.1.4 分類屬性數(shù)據(jù)無監(jiān)督學習過程 29
2.2 分類屬性數(shù)據(jù)無監(jiān)督特征學習 30
2.2.1 傳統(tǒng)編碼 30
2.2.2 相似度矩陣 31
2.2.3 嵌入表征 32
2.3 分類屬性數(shù)據(jù)聚類 33
2.3.1 分割聚類 33
2.3.2 層次聚類 36
2.3.3 聚類方法分析 36
2.4 分類屬性數(shù)據(jù)聚類結(jié)果評價 37
2.4.1 內(nèi)部有效性評價 38
2.4.2 評價有效性的驗證 40
2.5 本章小結(jié) 41
第3章 深度無監(jiān)督學習 43
3.1 深度無監(jiān)督特征學習 43
3.1.1 重構(gòu)模型 43
3.1.2 生成模型 48
3.1.3 自監(jiān)督學習模型 53
3.2 深度聚類 55
3.2.1 深度聚類概述 55
3.2.2 自動編碼器深度聚類 55
3.2.3 神經(jīng)網(wǎng)絡聚類損失深度聚類 57
3.2.4 變分自動編碼器深度聚類 60
3.2.5 生成式對抗網(wǎng)絡深度聚類 61
3.3 網(wǎng)絡嵌入 62
3.3.1 網(wǎng)絡拓撲結(jié)構(gòu)嵌入 62
3.3.2 網(wǎng)絡輔助信息嵌入 65
3.3.3 網(wǎng)絡外部信息嵌入 66
3.4 本章小結(jié) 66
第4章 分類屬性數(shù)據(jù)深度無監(jiān)督特征學習 68
4.1 決策支持中的深度無監(jiān)督特征學習需求 68
4.2 分類屬性數(shù)據(jù)深度無監(jiān)督特征學習問題 70
4.2.1 問題特征及內(nèi)涵 70
4.2.2 分類屬性間關(guān)系和分類屬性內(nèi)關(guān)系定義 70
4.2.3 網(wǎng)絡嵌入深度無監(jiān)督特征學習思路 72
4.3 加權(quán)異構(gòu)網(wǎng)絡構(gòu)建 74
4.3.1 分類屬性間關(guān)系的網(wǎng)絡構(gòu)建 74
4.3.2 分類屬性內(nèi)關(guān)系的網(wǎng)絡構(gòu)建 74
4.4 網(wǎng)絡嵌入深度無監(jiān)督特征學習 77
4.4.1 分類屬性取值的深度特征學習 77
4.4.2 分類屬性數(shù)據(jù)的特征學習 83
4.4.3 深度無監(jiān)督特征學習的優(yōu)勢分析 84
4.5 實驗分析 85
4.5.1 實驗數(shù)據(jù)集及設(shè)計 85
4.5.2 準確性分析 87
4.5.3 深度特征對聚類效果的提升分析 93
4.5.4 參數(shù)敏感性分析 96
4.6 本章小結(jié) 97
第5章 分類屬性數(shù)據(jù)深度聚類 99
5.1 決策支持中的深度聚類需求 99
5.2 分類屬性數(shù)據(jù)深度聚類問題 100
5.2.1 問題特征及內(nèi)涵 100
5.2.2 網(wǎng)絡嵌入深度聚類思路 101
5.3 網(wǎng)絡嵌入深度聚類 102
5.3.1 加權(quán)異構(gòu)網(wǎng)絡中的對齊編碼 103
5.3.2 聚類損失及類中心初始化 106
5.3.3 深度聚類過程 109
5.3.4 深度聚類的優(yōu)勢分析 112
5.4 實驗分析 113
5.4.1 實驗數(shù)據(jù)集及設(shè)計 113
5.4.2 引入聚類損失對聚類效果的提升分析 115
5.4.3 深度聚類結(jié)果準確性分析 122
5.4.4 特征學習結(jié)果分析 125
5.4.5 參數(shù)敏感性分析 127
5.5 本章小結(jié) 128
第6章 分類屬性數(shù)據(jù)聚類內(nèi)部有效性評價 130
6.1 決策支持中的聚類內(nèi)部有效性評價需求 130
6.2 分類屬性數(shù)據(jù)聚類內(nèi)部有效性評價問題 131
6.2.1 問題特征及內(nèi)涵 131
6.2.2 常用指標特征分析 132
6.3 內(nèi)部有效性評價指標 140
6.3.1 基本思想 140
6.3.2 距離度量 141
6.3.3 指標構(gòu)建 145
6.3.4 特征分析 147
6.4 實驗分析 147
6.4.1 實驗數(shù)據(jù)集及設(shè)計 148
6.4.2 準確性分析 149
6.4.3 適用性分析 155
6.4.4 參數(shù)敏感性分析 158
6.5 本章小結(jié) 159
第7章 分類屬性數(shù)據(jù)深度無監(jiān)督學習的應用實例 160
7.1 人才招聘中的深度無監(jiān)督學習需求 160
7.2 人才招聘數(shù)據(jù)準備 161
7.2.1 數(shù)據(jù)來源 162
7.2.2 數(shù)據(jù)屬性及預處理 162
7.2.3 人才數(shù)據(jù)基本特征分析 163
7.3 人才數(shù)據(jù)深度無監(jiān)督特征學習 166
7.3.1 學習過程 166
7.3.2 學習結(jié)果分析 168
7.4 人才數(shù)據(jù)深度聚類及內(nèi)部有效性評價 170
7.4.1 深度聚類過程 171
7.4.2 內(nèi)部有效性評價 172
7.5 基于人才數(shù)據(jù)聚類結(jié)果的人才招聘決策支持 173
7.5.1 不同類型人才的特征 173
7.5.2 支持人才招聘的決策建議 182
7.6 本章小結(jié) 185
參考文獻 186
索引 197
后記 204