Multifuente Heterogénea Gráficos Big Data Aprendizaje de representaciones

La gran cantidad de datos acumulados y complejos también supone un reto para la consulta y el procesamiento. Con la actualización de los datos, el número de nodos y aristas contenidos en el gráfico puede ser cada vez mayor. El número de nodos en los datos de estructura de grafos a gran escala puede alcanzar millones o incluso cientos de millones, y presenta las características de multifuente, heterogeneidad, isomerización y dinámica.Los big data heterogéneos de múltiples fuentes pueden modelarse a menudo en una estructura de datos de grafos con aprendizaje de representación. El grafo complejo suele tener ciertas particularidades, lo que aumenta la dificultad de la investigación. El modelo de aprendizaje de representación de datos de grafos complejos heterogéneos a gran escala tiene una amplia gama de aplicaciones en muchos campos. Este libro aborda estos modelos de aprendizaje de representación de grafos heterogéneos a gran escala, así como sus aplicaciones en el campo de la seguridad pública.