首先这也是我进入一个全新领域的第一步,本文有描述不准确的地方还望指正。
Network embedding也就是将Graph中的node投影到低维度的向量空间中,再进行后续处理的计算。A Survey on Network Embedding 这篇论文对各种方法的优点和缺点都进行了详细的叙述。
很多复杂的系统都是采用网络的形式,比如社交网络,生物网络,和信息网络。通常这些网络都很复杂,不容易处理,计算和分析,所以我们就需要一种方法来将这些原本复杂的网络变得简单化,这样我们处理起来会方便很多。通常我们会使用图来进行表示,但是对于大型网络,显然用图会非常的吃力。并且大型网络具有以下的缺点:
1.很高的计算复杂度
2.低的平行型
3.无法应用时下热门的机器学习算法
为了应对这一困难与挑战,很多人已经在努力研发新的 Network embedding methods. 在 Network embedding space中,节点之间的关系由点之间的距离来表示,结构上的特点由向量来表示。比如:(来自论文A Survey on Network)
一、Network Embedding的两个目标:
1.能够从已经学习到的Emeddi