前言
Graph Embedding属于词嵌入模型的延伸方法,目标是:从图数据集中提取特征,使用这些特征来查找相似的节点(实体)。
什么是图?例如:社交媒体、互联网、电信网络、设备通路 等等
图,具体有节点和边组成。
- 邻接矩阵
- 图
所以,从上面的图中,可以轻松的了解到3点信息:
1、节点属性:节点代表实体,并且这些实体具有自己的特征属性
2、局部属性:节点的度(相邻节点的数量),相邻节点的平均度,一个节点与其他节点形成的三角形,等等
3、节点嵌入:通过固定长度的向量表示每个节点
节点嵌入算法还是比较多,有2种经典款:DeepWalk和Node2Vec。
一、DeepWalk算法
DeepWalk = Random Walk + Word2Vec
这个算法往深度走,DFS(深度优先遍历)
DeepWalk算法可以为这个节点找到它背后的embedding&#x