Network Embedding总结：deepwalk、node2vec、struct2vec、LINE、SDNE

最新推荐文章于 2023-06-29 11:40:18 发布
最新推荐文章于 2023-06-29 11:40:18 发布
阅读量1.2k 收藏 6
点赞数 4
分类专栏： 深度学习 文章标签： 深度学习 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/CCwantfly/article/details/109890047
版权
本文总结了网络嵌入的主要方法，包括deepwalk、node2vec、struct2vec和LINE。deepwalk采用随机游走和skipgram学习节点表示；node2vec引入了基于BFS和DFS的采样策略；struct2vec通过多层图解决远程相似性问题；LINE则考虑了一阶和二阶相似性。各方法在处理节点相似度和采样策略上有所区别，并在实际应用中各有优势和挑战。
摘要由CSDN通过智能技术生成

目录

deepwalk

模型：随机截断游走+skipgram+层级softmax
整个过程：

  1. 输入：图的边集和点集
  2. 使用随机游走来获得结点序列
  3. 使用skip-gram算法来获得结点表示
  4. 使用层级softmax来优化目标函数
  5. 获得输出：结点的潜在表示
    在这里插入图片描述
    具体算法：
    在这里插入图片描述
    在这里插入图片描述

总结：没有一个专门为网络嵌入设计的目标函数、使用二阶相似性（游走序列）来考虑两个结点的相似性。
疑问：两个结点的相似度是怎么样比较出来的？（文中只提到了根据节点计算上下文序列的概率然后生成向量表示，最后映射到如输出图所示的结果）
在这里插入图片描述

node2vec

在deepwalk的基础上改进了采样策略࿰

最低0.47元/天 解锁文章
宝石男孩
关注
  • 4
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
网络表示学习（DeepWalk，LINE，node2vec，SDNE）
蓁蓁尔的博客
07-24 5万+
1.传统：基于图的表示（又称为基于符号的表示） 如左图 G =（V，E），用不同的符号命名不同的节点，用二维数组（邻接矩阵）的存储结构表示两节点间是否存在连边，存在为1，否则为0。   缺点：长尾分布下大部分节点间没有关系，所以邻接矩阵非常稀疏，不利于存储计算。 2. 网络表示学习（Network Representation Learning，NRL），也称
Graph 探索之DeepWalk，Line，Node2Vec
yao1131的博客
11-29 2014
Graph 探索之DeepWalk，Line，Node2Vec   网络表示学习**（Network Representation Learning，NRL），也称为图嵌入法（Graph Embedding Method，GEM）：用低维、稠密、实值的向量表示网络中的节点（含有语义关系，利于计算存储，不用再手动提特征（自适应性），且可以将异质信息投影到同一个低维空间中方便进行下游计算）。也就是说...
图机器学习--DeepWalk&Node2Vec
m0_46520099的博客
02-16 492
图机器学习，图嵌入算法deepwalk和node2vec讲解及论文精读
Graph Embeding—DeepWalk、Line、SDNE、Node2vec、Struc2vec
I‘m Frank Lee
02-27 1134
Graph Embeding—DeepWalk、Line、SDNE、Node2vec、Struc2vec概念什么是图嵌入（网络嵌入）？为什么用Graph Embeding？DeepWalk（2014）LINE（2015）SDNE（2016）Node2vec（2016）Struc2vec（KDD 2017）扩展 概念 什么是图嵌入（网络嵌入）？ 图嵌入就是将图中的节点用一个较低维度的向量表示，并且这些向量要能反应原先图的某些特性，如在原图中两个节点的结构类似，那么这两个节点的向量表示也应该类似。 机器学习下游
Graph Embedding（DeepWalk，LINE，Node2vec）
nakaizura
01-08 5740
Graph Embedding 属于表示学习。主要是将图中的节点/图表示成低维，实值，稠密的向量形式，使得到的向量能够做进一步的推理，对下游任务会很有帮助。图嵌入（顶点嵌入/图嵌入）方法主要有矩阵分解，随机游走和深度学习。 矩阵分解： 基于矩阵分解的方法是将节点间的关系用矩阵的形式加以表达，然后分解该矩阵以得到嵌入向量。通常用于表示节点关系的矩阵包括邻接矩阵，拉普拉斯矩阵，节点转移概率矩阵，节点...
Graph Neural Networks (GNN)（五）：Graph Embedding (DeepWalk, Line, Node2Vec)
xiaopihaierletian的博客
11-29 551
Graph Neural Networks (GNN)（五）：Graph Embedding (DeepWalk, Line, Node2Vec)
graph embedding之node2vec
Zhangbei_的博客
04-24 1630
在上一篇文章中介绍了DeepWalk，这是第一次将word2vec的思路引入到graph或network中。这篇文章继续介绍graph embedding之node2vec，附个链接http://snap.stanford.edu/node2vec/，其中有文章也有代码。 一、基本思路 graph embedding也是一种特征表示学习方式，借鉴了word2vec的思路。在graph中随机游走...
fastwalk:node2vec随机游走的多线程实现
05-26
node2vec随机游走的多线程实现。 介绍 该存储库提供了node2vec随机遍历的多线程实现，并具有基于LRU缓存的别名表，它可以在有限的内存使用情况下进行处理，因此可以在单台计算机上遍历大型图。 测试了包含参数的...
Deep Learning 实战之 word2vec.pdf
03-08
word2vec的实战文档
jwalk:DeepWalk的Cython实现
05-14
杰沃克 jwalk在图上执行随机游走，并使用Word2Vec学习节点的表示形式。 它还具有在线培训现有模型和指定权重的选项。 安装 ... embedding-size: dimension of word2vec embedding (default=200) h
深度学习中word2vec词向量 text8数据集
最新发布
06-20
基于pytorch学习模型，利用skip-gram模型或者CBOW(Continuous Bag of Words)模型，可以用于训练word2vec词向量，最终得到自己的词向量模型。 训练好模型之后，可以得用text8.test.txt数据对自己的模型进行测试，从而...
ITEM2VEC: NEURAL ITEM EMBEDDING FOR COLLABORATIVE FILTERING
11-03
微软研究人员发表的一篇关于将word2vec模型应用到协同过滤中的Items集合中，来计算items的向量化表示的论文。
【论文逐句精读】node2vec，站在DeepWalk巨人肩膀上再进一步
D_Ddd0701的博客
06-29 1017
node2vec论文逐字逐句精读
图嵌入方法基础学习之Node2vec
wwwkkkmm的博客
04-03 1324
图嵌入方法之Node2vec （Ⅰ）主要思想 node2vec的思想同DeepWalk一样：生成随机游走，对随机游走采样得到（节点，上下文）的组合，然后用处理词向量的方法对这样的组合建模得到网络节点的表示。不过在生成随机游走过程中做了一些创新。 DeepWalk介绍见我另一篇博客 （Ⅱ）核心介绍 Node2vec是DeepWalk的一个改进，只是随机游走的差异很小。它有参数P和Q。参数Q定义了random walk发现图中未发现部分的概率，而参数P定义了random walk返回到前一个节点的概率。参数P控
论文学习笔记：node2vec
weixin_40675092的博客
06-25 617
表征学习 捕获网络中连接模式的多样性 node2vec：学习网络中节点的连续特征表达，将节点映射到一个低维特征空间。最大化的保留节点邻域。在多标签分类和边预测优于当前的state-of-the-art技术。 亮点：通过引入两个参数 p 和 q, 将宽度优先搜索和深度优先搜索引入了随机游走序列的生成过程 . 宽度优先搜索注重邻近的节点并刻画了相对局部的一种网络表示 , 宽度优先中的节点一般会出现很多次 , 从而降低刻画中心节点的邻居节点的方差 ; 深度优先搜索反应了更高层面上的节点间的同质性 . paper做
图神经网络——node2vec
bobobe的专栏
10-04 2417
论文地址：https://arxiv.org/pdf/1607.00653.pdf 发表会议：KDD2016 文章目录1. 引言2. 采样算法2.1. 传统的采样算法2.2. Node2vec中的采样算法2.3. 使用基于random walk采样的好处(时间空间复杂度分析)3. node2vec算法流程 1. 引言 这篇论文可以说是对DeepWalk的扩展。按照LINE中的说法，DeepWalk只捕捉了节点间的二阶相似性，LINE同时捕捉节点间的一阶相似性和二阶相似性。而Node2Vec也是同时捕捉..
node2vec: 网络结构特征提取
热门推荐
Jie Qiao的专栏
08-10 1万+
概述论文主要观点本文将抽取网络中节点的特征转化成最优化一个“可能性”目标函数问题，这个“可能性”是该节点可以保存其邻居节点的信息。成果 node2vec，如上述，利用SGD优化，高效 “随机选择邻居”算法，可让node2vec可适应不同的网络 方法模型定义可能性，并且给予两个条件，构成要优化的目标函数； 条件独立性： 节点之间对称性： 最后目标函数： 既然目标函数描述的是此节点能保存相邻
node2vec论文阅读
myofficials的博客
12-26 1万+
本文要阅读的论文来自数据挖掘领域的顶级会议KDD-2016. 本篇文章是一种Graph representataion 得益于CNN以及Seq2seq等模型，深度学习在图像和自然语言处理等领域有很好的应用。然而在涉及到图（有向图，无向图）结构的应用比如社交网络，如何去对图建模，仍旧是一个问题。该论文提供了一种很好的建模思路。作者受到word2vec的启发，提出了node2vec 一种对于图中的节点使
Windows10+CUDA9.2+CUDNN配置pytorch（GPU）（花了两天时间走了不少坑）
CCwantfly的博客
08-09 2532
Windows10+CUDA9.2+CUDNN配置pytorch（花了两天时间走了不少坑，即使现在已经晚上两点过了，但还是把这两天的总结一下） 环境说明 Windows10 Python3.6.5 CUDA9.2.217 pycharm 最后安装的版本 anaconda3 cuda_9.2.148 cudnn-9.2-windows-7.2.138 步骤 因为之前已经配置好了python的环境（这里不说明安装配置python环境等）： anaconda3安装（这个很简单，
word2vec实战：深度学习中的神奇词向量技术
"《Deep Learning实战之word2vec》是由邓澍军、陆光明和夏龙在2014年2月27日通过网易有道发布的一份深度学习实践文档，专注于介绍word2vec这一重要技术。word2vec是Google于2013年开源的，用于将词汇表中的单词转化...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值