本書針對分類屬性數據無監(jiān)督數據挖掘任務中的三個關鍵問題—特征學習、分析過程和結果評價，闡述分類屬性數據深度無監(jiān)督學習理論及決策應用。全書共7章，第1章概述數據驅動決策支持的技術基礎、有監(jiān)督學習和無監(jiān)督學習兩類數據挖掘方法及分類屬性數據無監(jiān)督學習問題；第2章介紹分類屬性數據的無監(jiān)督特征學習、聚類分析和聚類結果評價等相關理論與方法；第3章系統(tǒng)闡述深度無監(jiān)督特征學習、深度聚類和網絡嵌入方法；第4～6章針對分類屬性數據提供了包含深度無監(jiān)督特征學習、深度聚類和聚類內部有效性評價的一整套深度無監(jiān)督學習解決方案；第7章以人才招聘為實際問題背景，演繹了分類屬性數據深度無監(jiān)督學習方法在決策支持中的應用。

更多科學出版社服務，請掃碼獲取。

信息資源的科學分類與調查，國家信息中心優(yōu)秀研究成果一等獎，2013年，排名第1。

目錄
前言
第1章 決策支持與無監(jiān)督學習 1
1.1 數據驅動的決策支持 1
1.1.1 數據庫知識發(fā)現與數據挖掘 1
1.1.2 數據挖掘的主要任務 1
1.1.3 數據驅動的決策支持過程 3
1.1.4 決策支持中的數據特征 4
1.2 決策支持中的數據挖掘方法 7
1.2.1 有監(jiān)督學習 7
1.2.2 無監(jiān)督學習 8
1.3 分類屬性數據無監(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 分類屬性數據深度無監(jiān)督學習體系 11
1.4 本章小結 11
第2章 無監(jiān)督學習基礎及其分類屬性數據研究 13
2.1 無監(jiān)督學習基礎 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)督結果評價 27
2.1.4 分類屬性數據無監(jiān)督學習過程 29
2.2 分類屬性數據無監(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 分類屬性數據聚類 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 分類屬性數據聚類結果評價 37
2.4.1 內部有效性評價 38
2.4.2 評價有效性的驗證 40
2.5 本章小結 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 神經網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 生成式對抗網絡深度聚類 61
3.3 網絡嵌入 62
3.3.1 網絡拓撲結構嵌入 62
3.3.2 網絡輔助信息嵌入 65
3.3.3 網絡外部信息嵌入 66
3.4 本章小結 66
第4章 分類屬性數據深度無監(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 分類屬性數據深度無監(jiān)督特征學習問題 70
4.2.1 問題特征及內涵 70
4.2.2 分類屬性間關系和分類屬性內關系定義 70
4.2.3 網絡嵌入深度無監(jiān)督特征學習思路 72
4.3 加權異構網絡構建 74
4.3.1 分類屬性間關系的網絡構建 74
4.3.2 分類屬性內關系的網絡構建 74
4.4 網絡嵌入深度無監(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 分類屬性數據的特征學習 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 實驗數據集及設計 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 參數敏感性分析 96
4.6 本章小結 97
第5章 分類屬性數據深度聚類 99
5.1 決策支持中的深度聚類需求 99
5.2 分類屬性數據深度聚類問題 100
5.2.1 問題特征及內涵 100
5.2.2 網絡嵌入深度聚類思路 101
5.3 網絡嵌入深度聚類 102
5.3.1 加權異構網絡中的對齊編碼 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 實驗數據集及設計 113
5.4.2 引入聚類損失對聚類效果的提升分析 115
5.4.3 深度聚類結果準確性分析 122
5.4.4 特征學習結果分析 125
5.4.5 參數敏感性分析 127
5.5 本章小結 128
第6章 分類屬性數據聚類內部有效性評價 130
6.1 決策支持中的聚類內部有效性評價需求 130
6.2 分類屬性數據聚類內部有效性評價問題 131
6.2.1 問題特征及內涵 131
6.2.2 常用指標特征分析 132
6.3 內部有效性評價指標 140
6.3.1 基本思想 140
6.3.2 距離度量 141
6.3.3 指標構建 145
6.3.4 特征分析 147
6.4 實驗分析 147
6.4.1 實驗數據集及設計 148
6.4.2 準確性分析 149
6.4.3 適用性分析 155
6.4.4 參數敏感性分析 158
6.5 本章小結 159
第7章 分類屬性數據深度無監(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 人才招聘數據準備 161
7.2.1 數據來源 162
7.2.2 數據屬性及預處理 162
7.2.3 人才數據基本特征分析 163
7.3 人才數據深度無監(jiān)督特征學習 166
7.3.1 學習過程 166
7.3.2 學習結果分析 168
7.4 人才數據深度聚類及內部有效性評價 170
7.4.1 深度聚類過程 171
7.4.2 內部有效性評價 172
7.5 基于人才數據聚類結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 185
參考文獻 186
索引 197
后記 204