【读论文】Incorporate Group Information to Enhance Network Embedding

这篇文章是CIKM的短文，只有四页。因为是短文，所以很多地方说的不是很详细。

以下是一篇科普文中，给的这篇文章的介绍：

之前基本上所有的Network Embedding方法只考虑了网络的节点以及节点与节点之间的边。但是在很多社交网络中（比如YouTube和FaceBook），用户可以自行建组，别人也可以选择加入他人建立的组中。同一组的节点即使直接没有边，一般也会存在一些内在关系。所以该文考虑将组的信息加入到Network Embedding中。该文的思想比较简单，每个相同的组也会学到一个向量表示，组向量有两个用处：
1）在利用周围节点预测中心节点时，组向量也会加入预测;
2）组向量也会预测组中的其他节点。最后目标函数是将上述两项相加而成，得到令人满意的实验结果。

我看了下这篇文章，下面是文章中给出的神经网络的网络结构图

这篇文章把Deepwalk的方法中的目标函数加上了一个Group label的，目标函数如下：

g和上下文一块用来预测$v_j$同时g还同时预测上下文中label为g的节点

个人感觉这篇文章提出的方法创新性不算太大，思路还是不错的，不过不如我自己的那个方法通用，嘿嘿嘿。