1. 简介
Graph Embedding指把graph转化为低维vector,使得Graph上的问题可以用vector上的方法处理。
这样做的意义在于:
- 低维vector形式的算法相比原graph形式的算法所需算力更小
- 低维vector形式的算法更多更强
我从一篇综述A Comprehensive Survey of Graph Embedding: Problems, Techniques and Applications入手,了解Graph Embedding的问题定义、技术方法。
综述从Problem Settings,也就是算法的输入输出,的角度对Graph Embedding问题做了分类;之后介绍了不同种类的Techniques。
我由于在相关方面的知识积累比较少,在看综述中的分析、方法时会感到对Graph Embedding问题仍然缺少一个清晰具体的概念,常常不知道所说的graph, node, edge含义到底是什么。所以我想先从一些更为具体的例子入手,先建立对Graph Embedding的一部分认识,再系统地把握Graph Embedding问题。
2. 例子:DeepWalk
DeepWalk的目标是得到node的latent representation,希望这个representation是低维的、连续的;与i.i.d.的sample不同,graph中的node之间有关联,比如在社交网