网络表示学习

简述

Network Representation Learning, 网络表示学习.
类似于word2vec, 目标是用低维、稠密、实值的向量表示网络中的节点, 方便下游计算.

基本思想

仍旧类比于word2vec.
使用DFS/BFS的搜索思想对图进行遍历, 得到一系列 sequence, 类比于语料库中的word sequence, 也就是doc或sentence.

deepWalk 论文(2014)

论文见[2], 对应 slides 见[3]. 第一作者个人网站见[4]. 数据集见[5].

问题定义

对社交网络中的成员进行一个或多个类别的分类.

node2vec 论文(2016)

论文见 [7].

参考

1. standFord的工具,node2vec
2. 论文, DeepWalk: Online Learning of Social Representations
3. deepwalk-slides.pdf
4. 论文作者blog,Bryan Perozzi
5. 我的另一篇blog, 网络表示学习,常用数据集
6. github, deep-walk
7. 论文, node2vec: Scalable Feature Learning for Networks