目錄第一部分　科技大數(shù)據(jù)的建模理論第1章　科技大數(shù)據(jù)的張量表示模型 31.1　引言 31.2　基于張量分解的表示模型 71.3　t-FD算法 151.4　理論誤差界的證明 191.5　實驗分析 261.6　小結 32參考文獻 32第2章　科技大數(shù)據(jù)知識圖譜 352.1　知識圖譜概念及發(fā)展 352.2　面向科技大數(shù)據(jù)的知識圖譜 382.3　知識圖譜關鍵技術 402.4　知識圖譜技術分析 52參考文獻 55第3章　科技大數(shù)據(jù)遷移學習 573.1　遷移學習的概念及發(fā)展 573.2　科技大數(shù)據(jù)遷移學習的驅動因素 593.3　遷移學習相關研究 61參考文獻 77第二部分　科技大數(shù)據(jù)的數(shù)據(jù)分析技術第4章　科技情報認知圖譜 874.1　科技情報認知圖譜的概念 874.2　認知推理 924.3　邏輯表達 97參考文獻 99第5章　基于深度遷移學習的圖像語義分類 1005.1　引言 1005.2　算法介紹 1045.3　實驗 1135.4　小結 118參考文獻 118第6章　基于柔性標簽遷移學習的圖像分類 1216.1　引言 1216.2　預備知識 1236.3　MSLT算法介紹 1266.4　實驗 1356.5　小結 139參考文獻 140第7章　科技大數(shù)據(jù)中的學者研究興趣預測 1437.1　引言 1437.2　研究興趣預測 1467.3　自適應屬性選擇的學者研究興趣預測方法 1477.4　實驗 1537.5　小結 155參考文獻 155第8章　科技大數(shù)據(jù)中的學者間合著關系預測方法 1578.1　引言 1578.2　融合語義與結構信息的學者間合著關系預測方法 1588.3　實驗 1628.4　小結 164參考文獻 164第9章　科技大數(shù)據(jù)中的機構間合作關系預測方法 1669.1　問題介紹 1669.2　個體性實體與群體性實體 1679.3　基于表示學習的機構間合作關系預測算法 1699.4　實驗 1739.5　小結 175參考文獻 175