این کتاب توسط دو نویسنده به نام‌های آگاروال و مورتی در رابطه با یادگیری ماشین در شبکه‌های اجتماعی به قلم تحریر درآمده و به بررسی شبکه‌های اجتماعی و یادگیری ماشین با هدف به کارگیری آن‌ها در زندگی واقعی می‌پردازد.
"پایگاه رسانه ای گرداب جهت اطلاع و افزایش دانش و سواد فضای مجازی مخاطبان خود و به ویژه دانشجویان، پژوهشگران و تصمیم گیران، کتاب‌هایی را در این عرصه معرفی می‌کند. بدیهی است انتشار این مطالب، لزوما به معنای تایید محتوای آن نیست."
به گزارش گرداب - فصل اول کتاب به یک مقدمه کلی برای تعبیه شبکه‌های اجتماعی می‌پردازد و در فصل دوم به یادگیری بازنمایی شبکه اشاره می‌شود. در ادامه این فصل به بررسی مجموعه داده‌ها و برخی از وظایف پایین دستی یادگیری ماشین که برای ارزیابی اثربخشی رویکرد‌های یادگیری جاسازی شده استفاده می‌شوند، پرداخته می‌شود. هم‌چنین علاوه بر این‌ها، در این فصل، در رابطه با نظریه‌های مختلف در این حوزه با توجه به تحقیقات پیشین محققین، صحبت می‌شود و در نهایت، رویکرد‌های فاکتورسازی ماتریسی و مدل word۲vec به طور کامل مطرح می‌شوند.
فصل سوم کتاب اصول یادگیری عمیق را پوشش می‌دهد که به یادگیری بازنمایی شبکه و وظایف تجزیه و تحلیل کمک می‌کند که در فصل‌های بعدی کتاب بیش‌تر مورد بحث و بررسی قرار می‌گیرند. هم‌چنین شبکه‌های عصبی چندلایه، شبکه‌های عصبی کانولوشن، شبکه‌های عصبی بازگشتی و رمزگذار‌های خودکار در این فصل به طور کامل مورد بررسی و تجزیه و تحلیل قرار گرفته‌اند.
نویسندگان در فصل چهارم این کتاب تعبیه گره‌ها را مورد بحث و بررسی قرار داده‌اند. این الگوریتم‌ها مطابق تکنیک‌هایی که استفاده می‌کنند، دسته‌بندی می‌شوند. برای مثال، رویکرد‌های فاکتورسازی ماتریسی و رویکرد‌های مبتنی بر یادگیری عمیق که از شبکه‌های عصبی گراف استفاده می‌کنند، در این فصل بیان شده‌اند.
فصل پنجم این کتاب رویکرد‌های جاسازی گراف را شرح می‌دهد. این رویکرد‌ها بر اساس این که آیا تعبیه‌های گراف توسط اولین جاسازی گره‌های یادگیری ایجاد می‌شوند و یا مستقیما بدون استفاده از جاسازی‌های گره، دسته‌بندی می‌شوند. هم‌چنین در فصل آخر علاوه بر این موارد، تکنیک‌های ادغام نمودار بررسی شده و مثال‌هایی در این زمینه برای یادگیری بهتر ارائه شده است.
می‌توان به طور کلی این طور گفت که در این کتاب، نویسندگان به بررسی شبکه‌های اجتماعی، یادگیری ماشین و تحلیل مربوط به آن‌ها پرداخته‌اند و به طور خاص، جنبه‌های مهم زیر را در نظر گرفته‌اند:
۱- یک مشکل اساسی در تجزیه و تحلیل داده‌ها، مشکل نمایش است. بنابراین، یادگیری بازنمایی مهم‌ترین گام در رویارویی با هر مشکل عملی در مقیاس بزرگ است.
۲- به طور مفصل طرح‌های مختلف برای یادگیری نمایش شبکه مورد نقد و بررسی قرار گرفته است.
۳- یک مشکل اساسی دیگر که در کتاب به تفصیل بررسی شده است، موضوع تعبیه موجودیت‌های شبکه است، که هر دو طرح تعبیه گره و گراف به تفصیل مورد بررسی قرار گرفته‌اند.
در مجموع این کتاب ۱۱۲ صفحه‌ای با توجه به جدیدترین پیشرفت‌ها در زمینه یادگیری ماشین در شبکه‌های اجتماعی نوشته شده است و با توجه به تخصصی بودن آن، برای محققین حوزه یادگیری ماشین و شبکه‌های اجتماعی مناسب است.
عنوان کتاب: یادگیری ماشین در شبکه‌های اجتماعی
عنوان اصلی: Machine Learning in Social Networks Embedding Nodes, Edges, Communities, and Graphs
نویسنده: مناسوی آگاروال (Manasvi Aggarwal) و ام. ان. مورتی (M.N Murty)
سال انتشار: ۲۰۲۱
ناشر: Springer
