GraphEmbedding系列总结

GraphEmbedding系列总结

Embedding is all you need
Embedding 必须是深度学习中的“基本操作”。不论是 NLP（Normal Language Processing，自然语言处理），搜索排序，还是推荐系统，或者 CTR （Click-Through-Rate，点击通过率）模型，Embedding 都扮演着不可或缺的角色

深度学习中，Embedding 特指用一个低维度向量表示一个实体，可以是一个词（Word2Vec），可以是一个物品（Item2Vec），亦或者网络关系中的节点（Graph Embedding）

Graph Embedding在深度学习推荐系统中广泛使用，从 Word2Vec 到 DeepWalk，从 LINE 到 Node2Vec。本文系列总结目前主流的Graph Embedding算法

具体演化图如下：

Word2Vec

首先从word2Vec开始，Embedding 所获得的低维度向量具有一些特殊的性质。如下图࿰