更新时间：2020-09-18 15:40:55
封面
版权信息
内容提要
《国之重器出版工程》编辑委员会
《学术中国·大数据》丛书编辑委员会
丛书总序
前言
第1章 绪论
1.1 大数据
1.2 大数据挖掘
1.3 特异群组挖掘任务
1.4 小结
参考文献
第2章 为什么需要特异群组挖掘
2.1 聚类
2.2 异常检测
2.3 图数据上的异常挖掘
2.4 特异群组挖掘
2.5 特异群组挖掘与其他任务间的关系
2.6 小结
第3章 特异群组挖掘的应用
3.1 证券市场操纵行为挖掘
3.2 医疗保险中的保费欺诈行为挖掘
3.3 有组织犯罪行为挖掘
3.4 金融风控中团伙欺诈检测
3.5 生命科学研究中的特异群组挖掘
3.6 流行病学调查中的密切接触者发现
3.7 其他应用场景
3.8 小结
第4章 特异群组挖掘原理与框架
4.1 特异群组挖掘形式化描述
4.2 特异群组挖掘框架算法
4.3 实验与结果分析
4.4 特异群组挖掘应用步骤
4.5 小结
第5章 相似性与相似性连接
5.1 相似性[1]
5.2 相似性连接
5.3 相似性搜索中的索引结构
5.4 异质网络上的自相似性连接
5.5 实验与结果分析
5.6 小结
第6章 无监督的复杂行为数据表示学习
6.1 行为数据
6.2 表示学习
6.3 基于交互图嵌入的复杂行为数据表示学习
6.4 实验与结果分析
6.5 IGE算法在证券投资行为分析中的应用
6.6 小结
第7章 半监督的复杂行为数据表示学习
7.1 图半监督学习
7.2 问题定义
7.3 算法模型
7.4 实验与结果分析
7.5 小结
第8章 半监督群组检测
8.1 群组检测
8.2 问题定义
8.3 算法模型
8.4 实验与结果分析
8.5 小结
第9章 增量复杂行为数据特征分析
9.1 问题定义
9.2 增量复杂行为数据特征表示算法
9.3 方法应用与实验分析：游资账户识别
9.4 小结
第10章 面向动态图的节点表示学习
10.1 动态网络节点嵌入
10.2 问题定义
10.3 DynGraphGAN算法
10.4 实验与结果分析
10.5 小结
第11章 多源网络对齐
11.1 多源数据网络
11.2 问题定义
11.3 HGANE算法
11.4 实验与结果分析
11.5 小结
第12章 总结与展望
12.1 总结
12.2 展望
