本次任务主要讲解了DeepWalk算法和Node2Vec算法,包括:
(1)DeepWalk简介:图嵌入、Word2Vec词嵌入、PPT内容讲解
(2)DeepWalk论文精读:DeepWalk能够把节点编码成低维、稠密、连续的向量,包含节点的结构、连接、社群特征,虽然不包含类别信息,但可用于预测类别信息
(3)DeepWalk代码实战:使用维基百科词条数据构建无向图,生成随机游走节点序列,训练Word2Vec模型,通过计算PageRank得到关键词条,并进行可视化展示
(4)Node2Vec简介:回顾Graph Embedding图嵌入、DeepWalk缺点和Node2Vec简要讲解
(5)Node2Vec论文精读:Node2Vec是半监督算法,使用SGD方法优化,并使用极大似然估计进行训练,采样方法基于二阶随机游走
(6)Node2Vec代码实战:使用内置的悲惨世界数据集,构建Node2Vec模型,进行节点Embedding聚类和降维可视化,对Edge(连接)做Embedding