您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. Mining of Massive Datasets

  2. By Anand Rajaraman Jure Leskovec Stanford Univ. Jeffrey D. Ullman Stanford Univ. 大数据挖掘参考资料 by stanford大牛
  3. 所属分类:其它

    • 发布日期:2014-06-09
    • 文件大小:2097152
    • 提供者:sunnyhll
  1. Mining of Massive Datasets

  2. 大数据学习工具书 作者: Anand Rajaraman Jure Leskovec Stanford Univ. Jeffrey D. Ullman Stanford Univ.
  3. 所属分类:讲义

    • 发布日期:2014-08-21
    • 文件大小:2097152
    • 提供者:scu_solar
  1. Mining of Massive datasets

  2. Anand Rajaraman Jure Leskovec Stanford Univ. Jeffrey D. Ullman Stanford Univ.
  3. 所属分类:C/C++

    • 发布日期:2016-06-10
    • 文件大小:2097152
    • 提供者:linmude
  1. Mining of Massive Datasets

  2. Jure Leskovec, Anand Rajaraman, Jeff Ullman 新版,第二版新增社交网络图数据挖掘、降维和大规模机器学习三章
  3. 所属分类:机器学习

    • 发布日期:2017-09-02
    • 文件大小:2097152
    • 提供者:yl__yl
  1. Mining of Massive Datasets.pdf

  2. This book evolved from material developed over several years by Anand Rajaraman and Jeff Ullman for a one-quarter course at Stanford. The course CS345A, titled “Web Mining,” was designed as an advanced graduate course, although it has become accessib
  3. 所属分类:算法与数据结构

    • 发布日期:2017-12-30
    • 文件大小:2097152
    • 提供者:hustmck
  1. 大数据概论课件

  2. 大数据互联网大规模数据挖掘与分布式处理,作者:jure leskovec;anand rajaraman ;jeffrey david ullman 王斌译
  3. 所属分类:讲义

    • 发布日期:2018-01-05
    • 文件大小:41943040
    • 提供者:zj19941201
  1. Mining of Massive Datasets

  2. 《Mining of Massive Datasets》Jure Leskovec 数据挖掘经典参考书。国外上学时教授推荐!! The popularity of the Web and Internet commerce provides many extremely large datasets from which information can be gleaned by data mining. This book focuses on practical algorithms th
  3. 所属分类:机器学习

    • 发布日期:2018-02-20
    • 文件大小:1048576
    • 提供者:weixin_37662589
  1. Mining of Massive Datasets

  2. This book evolved from material developed over several years by Anand Raja- raman and Jeff Ullman for a one-quarter course at Stanford. The course CS345A, titled “Web Mining,” was designed as an advanced graduate course, although it has become acces
  3. 所属分类:机器学习

    • 发布日期:2018-10-15
    • 文件大小:2097152
    • 提供者:yimingpeng
  1. C:\Users\Wells\Desktop\[斯坦福大牛Jure Leskovec新课] CS224W:图机器学习 PPT.rar

  2. 2019 spring CS224W的PPT包+课程导读 Networks are a fundamental tool for modeling complex social, technological, and biological systems. Coupled with the emergence of online social networks and large-scale data availability in biological sciences, this cour
  3. 所属分类:机器学习

    • 发布日期:2019-12-31
    • 文件大小:198180864
    • 提供者:weixin_38486473
  1. bigclamSpark-distribute:bigclam算法的火花实现,资源高效,可应用于庞大的网络-源码

  2. bigclamSpark-分布 该项目由引发 还实现了Yang和Leskovec(2013)提出的BigCLAM模型, 我将大多数collectasmap和广播代码更改为rdd join,以提高资源效率和健壮性。 我使用此代码来检测网络社区,该社区在我的工作中具有数千万个节点,并且可以正常工作。 该代码的重要声明: 1.在Bigclam.scala中,graphpath文件需要包含网络中的各对边,其线由“ \ n”定界,其节点由“ \ t”定界,例如: 1 \ t2 \ n 3 \ t
  3. 所属分类:其它

    • 发布日期:2021-03-22
    • 文件大小:23552
    • 提供者:weixin_42109732
  1. Twitter-基于社交网络的推荐章节数据集.zip

  2. 【数据说明】本数据是Twitter用户的信息,包含了用户的属性、社交圈(circles)和egonetwork,数据已被做了脱敏处理。数据共有81306个用户和1768149条连边。 nodeId.edges:用户nodeId的egonetwork中的所有连边,nodeID是此egonetwork的中心节点。Twitter中的朋友关系是有方向的,比如文件中的一行元素为“a b”,就表示a关注了(follow)b,这不意味着b一定关注了a。注:nodeId并不出现在这些连边列表中,但是中心节点n
  3. 所属分类:讲义

    • 发布日期:2021-03-17
    • 文件大小:19922944
    • 提供者:m0_43414114
  1. nbaGNNs:图神经网络模型在2013-2019、2021赛季对nba和ncaa点微分图执行链接预测-源码

  2. 该项目是几个图神经网络模型的实现,用于在NBA和NCAA篮球的2013-2019年,2021赛季的加权有向点微分图上进行链接预测。 打开src / models.py选择测试的年份和日期范围或调整超参数。 运行src / models.py火车并测试模型。 每种预测在2021年的都发布在。 所显示的预测是(主场得分-客场得分)。 模型的输入是表示给定日期的季节状态的图形:“进攻/防守”图形具有nba进攻和防守作为节点,而边沿则表示它们之间的相互作用。 Vegas图以团队为节点,其加权有向边表示
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:4194304
    • 提供者:weixin_42099176
  1. graph_wave-源码

  2. 快速节点嵌入算法。 GraphWave的实现[1] [1] ·· GraphWave实现 GraphWave [1]是一种节点嵌入算法,由Claire Donnat,Marinka Zitnik,David Hallac和Jure Leskovec于2018年提出。它使用了离散信号处理技术。 此处发布的版本使用传播的图信号的快速切比雪夫近似值。 此外,我们构建了一些简单的可视化框架,以便可以轻松地可视化传播的图形信号。 例子 一个在单个节点上具有delta小波的随机图。 颜色显示热量散布(
  3. 所属分类:其它

    • 发布日期:2021-02-16
    • 文件大小:5242880
    • 提供者:weixin_42116791
  1. dm2021-锻炼-源码

  2. 奥尔胡斯大学练习,数据挖掘 奥尔胡斯大学(Aarhus University)的主要基于 Zaki和Meira的书在整个存储库中都被称为[DMA]: Zaki,MJ,Meira Jr,W.和Meira,W.,2014年。数据挖掘和分析:基本概念和算法。 剑桥大学出版社。 在整个存储库中,Leskovec,Rajaraman,Ullman一书被称为[MMD]: Leskovec,J.,Rajaraman,A。和Ullman,JD,2020年。海量数据集的挖掘。 剑桥大学出版社。 请注意,该
  3. 所属分类:其它

    • 发布日期:2021-02-09
    • 文件大小:638976
    • 提供者:weixin_42129113
  1. strong-gnns:图神经网络有多强大?-源码

  2. 图神经网络有多强大? 该存储库是以下论文中PyTorch的官方实验实现: 徐(Keyulu)*,胡伟华(Huahua Hua)*,朱瑞·莱斯科维茨(Jure Leskovec),史蒂芬妮·耶格尔卡(Stefanie Jegelka) 图神经网络有多强大? ICLR 2019。 如果您在工作中使用代码/实验或GIN算法,请引用我们的论文(下面的Bibtex)。 inproceedings{ xu2018how, title={How Powerful are Graph Neural Ne
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:32505856
    • 提供者:weixin_42133969
  1. node2vec:node2vec算法的实现-源码

  2. Node2Vec node2vec算法Aditya Grover,Jure Leskovec和Vid Kocijan的Python3实现。 安装 pip install node2vec 用法 import networkx as nx from node2vec import Node2Vec # Create a graph graph = nx . fast_gnp_random_graph ( n = 100 , p = 0.5 ) # Precompute probabili
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:9216
    • 提供者:weixin_42098104
  1. CS224W笔记-第一课

  2. 第一课:课程介绍和基本概念 CS224的课程题目在2019学年改成了《图的机器学习》,老师还是Jure Leskovec。第一节课对整个课程进行了介绍。主要内容包括3个部分: 什么是图(Graph)及研究的内容。 课程的安排和后勤。 核心概念和名词属于 一、什么是图及研究的内容 2019年的课程内容做了比较大的修改,从原来的主要是做图分析,改成偏重于进行基于图的预测,所以课程名称也改为《图机器学习》。 课程主要的内容是研究: 以图形式表征的数据。 图是什么 General language fo
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:87040
    • 提供者:weixin_38650629
  1. dynamic-graph-papers:动态图表示论文汇总-源码

  2. 动态图表示学习,动态图分析论文汇总项目 本项目总结了动态图表示学习的有关论文,该项目在持续更新中,欢迎大家看/星/叉! 如果大家有值得推荐的工作,可以在问题中提出要推荐的工作,论文下载链接及其工作亮点(有优秀代码实现的工作,会优先考虑在内)。项目中表述有误的部分,也可以在issue中提出。感谢! 引流:【这也是我们的工作,欢迎手表/星/叉】 社交知识图谱专题: : 目录如下: 静态图表示与分析工作 针对静态图表示学习以及静态图分析,挖掘领域,挑选出个人认为值得继承的引用数更高,知名度较高的或
  3. 所属分类:其它

    • 发布日期:2021-03-20
    • 文件大小:26624
    • 提供者:weixin_42157188