本书从模型理论和分析应用的角度介绍了科技大数据相关的基础表示模型与数据挖掘算法。具体包括科技大数据的表示模型与学习算法；科技大数据知识图谱的概念和构建技术；科技大数据的图挖掘，跨域迁移学习技术；科技大数据的语义关联与预测分析技术。本书在重点介绍科技大数据相关概念与模型的基础理论的同时，系统讲解了科技大数据知识图谱的概念与构建技术，以及当前科技大数据建模、分析与预测技术的近期新进展。

第一部分 科技大数据的建模理论
第1章 科技大数据的张量表示模型 3
1.1 引言 3
1.2 基于张量分解的表示模型 7
1.3 t-FD算法 15
1.4 理论误差界的证明 19
1.5 实验分析 26
1.6 小结 32
参考文献 32
第2章 科技大数据知识图谱 35
2.1 知识图谱概念及发展 35
2.2 面向科技大数据的知识图谱 38
2.3 知识图谱关键技术 40
2.4 知识图谱技术分析 52
参考文献 55
第3章 科技大数据迁移学习 57
3.1 迁移学习的概念及发展 57
3.2 科技大数据迁移学习的驱动因素 59
3.3 迁移学习相关研究 61
参考文献 77
第二部分 科技大数据的数据分析技术
第4章 科技情报认知图谱 87
4.1 科技情报认知图谱的概念 87
4.2 认知推理 92
4.3 逻辑表达 97
参考文献 99
第5章 基于深度迁移学习的图像语义分类 100
5.1 引言 100
5.2 算法介绍 104
5.3 实验 113
5.4 小结 118
参考文献 118
第6章 基于柔性标签迁移学习的图像分类 121
6.1 引言 121
6.2 预备知识 123
6.3 MSLT算法介绍 126
6.4 实验 135
6.5 小结 139
参考文献 140
第7章 科技大数据中的学者研究兴趣预测 143
7.1 引言 143
7.2 研究兴趣预测 146
7.3 自适应属性选择的学者研究兴趣预测方法 147
7.4 实验 153
7.5 小结 155
参考文献 155
第8章 科技大数据中的学者间合著关系预测方法 157
8.1 引言 157
8.2 融合语义与结构信息的学者间合著关系预测方法 158
8.3 实验 162
8.4 小结 164
参考文献 164
第9章 科技大数据中的机构间合作关系预测方法 166
9.1 问题介绍 166
9.2 个体性实体与群体性实体 167
9.3 基于表示学习的机构间合作关系预测算法 169
9.4 实验 173
9.5 小结 175
参考文献 175