图嵌入的几种方法

目前的图算法一般指：
1.数据结构中的，最小生成树（Prim算法），最短路径（迪杰斯特拉，佛洛依德），拓扑排序，关键路径
2.概率图模型，涉及图的表示
3.图神经网络，包括图嵌入（graph embedding(基于随机游走））和GCN(基于邻居汇聚）两部分
图嵌入：
将图中的节点以低维稠密的形式表达，要求在原始图中相似的节点在地位表达空间也接近。得到的表达向量可以用于下游任务
主要有：deepWalk

deepWalk算法

首先从顶点矩阵选取一个样本，假设n个顶点
构造一个二叉树，应该是类似w2v里的哈夫曼树，为了快速寻找到最终的结果。
循环num_walks次：
遍历每个节点，进行深度随机游走，每个节点获得walk_length作为序列。
这里的深度随机游走，是可重复访问已访问节点。
获得所有节点num_walks次的深度随机游走的序列共num_walks*n个序列
将这些序列作为语料放入w2v中使用skim_gram训练。
deepWalk只适用于无权图，因为它是随机选取领域进行DFS.

LINE：

LINE也是基于领域相似假设的方法,可以看作是使用BFS构造领域的算法，还可以使用在带权图。