同类推荐
-
-
Stable Diffusion AIGC视觉教程
-
¥59.80
-
-
微课学UE虚幻引擎场景搭建
-
¥79.80
-
-
Python编程:案例驱动的快速入门与实践
-
¥45.00
-
-
(教)大语言模型：原理、应用与实践
-
¥68.00
-
-
用AI决胜信息学奥赛（C++编程基础）
-
¥99.00
-
-
Spring Boot实践
-
¥129.80
-
-
RAG技术基础与开发实战
-
¥99.00
-
-
AIGC高效编程：Python游戏开发实战（慕课版）
-
¥59.80
-
-
三维设计基础：Blender
-
¥65.00
-
-
Java程序设计
-
¥55.00
|
|
图书信息
|
|
|
|
大规模社会网络社区发现并行计算理论与方法
|
| ISBN： | 9787518107636 |
定价： | ￥65.00 |
| 作者： | 林旺群，金松昌，石川著 |
出版社： | 兵器工业出版社 |
| 出版时间： | 2021年07月 |
开本： | 24cm |
| 页数： | 210页 |
中图法： | TP393.027 |
相关供货商
|
供货商名称
|
库存量
|
库区
|
更新日期
|
|
|
|
|
|
|
其它供货商库存合计
|
1
|
|
2026-03-19
|
图书简介 | | 本书首先介绍在线社交网络的基本情况，论述社区发现的基本理论和方法，其次，针对大数据环境下在线社交网络社区发现的困难和问题，本书聚焦三部分内容：一是基于BSP并行模型的在线社会网络社区发现理论和方法；二是基于MapReduce框架的在线社会网络层次化社区发现的通用模型和框架；三是基于内存计算的在线社会网络快速计算方法。最后，通过以上三部分(共9章)的论述，本书系统总结和展望大数据环境下社会网络社区发现趋势和挑战。在线社会网络社区发现能够有效的分析社会网隐含结构特征、预测演化趋势、掌控网络态势、鉴别网络群体事件，对维护国家网络内容安全，挖掘网络开源情报具有重要意义。 |
|