node2vec是一种用于网络节点特征学习的高效方法，它通过优化目标函数并使用随机游走策略来捕获节点的邻域信息。该方法结合了深度优先搜索（DFS）和广度优先搜索（BFS）的优点，通过调整参数来平衡不同类型的邻接关系。随机游走策略旨在在DFS和BFS之间取得平衡，以提取节点的结构特征。此外，node2vec也被视为一种半监督学习方法，因为它同时考虑了节点的内容相似性和结构相似性。代码实现可在官方GitHub仓库找到。
本节引用自：
a. 【论文每日读】node2vec: Scalable Feature Learning for Networks
b. node2vec: Scalable Feature Learning for Networks
主要创新点
1、 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，再利用SGD优化，更加高效。其中，“可能性”是节点可以保存其邻居节点的信息，
2、 设计随机游走策略，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：
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
