DeepWalk、Node2vec对美国大学生足球队进行Embedding

于 2021-03-11 20:19:24 发布
阅读量220 收藏 2
点赞数 1
分类专栏： python深度学习项目案例
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_27328197/article/details/114678522
版权

文章目录

前言

什么是AI？
The theory and development of computer systems able to perform tasks normally requiring human intelligence.(–Oxford Dictionary)
Using data to solve problems.(–cy)

什么是Graph Embedding

在这里插入图片描述
在这里插入图片描述

DeepWalk

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
举例（最近时间精力有限，代码过程注解见gitee）：DeepWalk对美国大学生足球队进行Embedding

Node2Vec

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
举例（最近时间精力有限，代码过程注解见gitee）：Node2vec对美国大学生足球队进行Embedding

总结

（如果您发现我写的有错误，欢迎在评论区批评指正）

不懂六月飞雪
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
使用DeepWalk从图中提取特征
TensorFlowNews
12-03 7256
目录 数据的图示 不同类型的基于图的特征 节点属性 局部结构特征 节点嵌入 DeepWalk简介 在Python中实施DeepWalk以查找相似的Wikipedia页面 数据的图示 当你想到“网络”时，会想到什么？通常是诸如社交网络，互联网，已连接的IoT设备，铁路网络或电信网络之类的事物。在图论中，这些网络称为图。 网络是互连节点的集合。节点表示实体，它们之间的连接是某种关系。 ...
美国大学生足球联赛数据集football——node2vec
我的博客
09-22 810
# 使用Node2Vec对space_data进行压缩 import networkx as nx from tqdm import tqdm from sklearn.decomposition import PCA from node2vec import Node2Vec import matplotlib.pyplot as plt import warnings warnings.filterwarnings('ignore') # 数据加载，构造图 G = nx.read_gml('footb
基于Deepwalk的网络拓扑相似度预测与表位相关的TCR
03-08
摘要当前，在线上有许多工具可用于T细胞表位预测。 他们通常专注于肽与抗原呈递细胞（APC）表面上的主要组织相容性复合体（MHC）分子的结合。 但是，肽和MHC复合物与T细胞受体（TCR）的结合对于免疫过程也很关键。 鉴定人表位与TCR的结合将对开发疫苗有用。 它还在诸如癌症和自身免疫性疾病等医学问题上具有广阔的前景。 我们提出了一种基于相似性的基于相似性的TCR表位预测方法。 本文介绍了Deepwalk方法，用于计算TCR-TCR之间的拓扑相似性，构建TCR相似性网络拓扑，并基于已知的TCR-表位关联预测TCR与表位之间的相关性。 我们从VDJDB数据库和经过训练的模型中从22种表位中选择数据，以实现TCR表位预测。 我们根据来自22种类型的表位的数据训练了一个模型，预测每个TCR属于哪个表位。 为了与其他方法进行比较，我们还生成了第二种方法，该方法包括为每种类型的表位训练模型，以便我们可以从大量的TCR中预测哪个TCR与表位结合。 我们使用ROC曲线，PR曲线和其他评估指标对我们的模型进行10倍交叉验证。 在第一个模型中，我们方法的AUC值为0.926，支持向量机（SVM）方法的AU
推荐系统（二）Graph Embedding之DeepWalk
更木的博客
01-28 2476
本篇博客概述了DeepWalk的由来以及算法的基本过程，其基本内容包括：1. Graph Embedding的由来，2. Graph Embedding中Graph的构建，3. RandomWalk+Word2Vec算法介绍，3. 代码实现，4. DeepWalk算法的缺点
DeepWalk学习
weixin_30561425的博客
06-13 426
DeepWalk Background 使用机器学习的算法解决问题需要有大量的信息，但是现实世界中的网络中的信息往往比较少，这就导致传统机器学习算法不能在网络中广泛使用。 （Ps: 传统机器学习分类问题是学习一种假设，将样本的属性映射到样本的类标签，但是现实网络中的结点属性信息往往比较少，所以传统机器学习方法不适用与网络。） Introduce deepWalk是网络表征学习的比较基本的算法，用...
阅读笔记--DeepWalk：Online Learning of Social Representations
tn520520的博客
09-13 162
文章目录前言一、方法1.在学习一个网络表示的时候需要注意的几个性质：2.Random Walks3.DeepWalk二、使用步骤1.引入库2.读入数据总结 前言 图网络表示学习：或图表示学习，也称为图嵌入学习，目的是希望能够将网络中的节点用比较低维的向量去表达，同时在这个向量空间中，网络结构的一些性质仍能保持。在原始图中相似（不同的方法对相似的定义不同）的节点其在低维空间也相近，得到的表征向量可以用来做节点分类，链接预测等下游任务。 一、方法 1.在学习一个网络表示的时候需要注意的几个性质： 适应性：网络
fastwalk:node2vec随机游走的多线程实现
05-26
该存储库提供了node2vec随机遍历的多线程实现，并具有基于LRU缓存的别名表，它可以在有限的内存使用情况下进行处理，因此可以在单台计算机上遍历大型图。 测试了包含参数的23000个节点和2300万条边的图形 --walk_...
Node2Vec:czz的Node2Vec方法的JAVA实现
05-13
Node2Vec JAVA实现 参考 在图的遍历时，通过p和q两个参数，平衡深度优先（DFS）和广度优先（BFS）。 git： 存储图的结构czzGraph 1.1 图的存储，图的节点，图的边 1.2 图的输入（邻接表，邻接矩阵） 1.3 图的可视化...
node2vec：node2vec算法的实现
02-04
Node2Vec node2vec算法Aditya Grover，Jure Leskovec和Vid Kocijan的Python3实现。 安装pip install node2vec 用法import networkx as nxfrom node2vec import Node2Vec# Create a graphgraph = nx . fast_gnp_...
node2vec论文里面的代码
10-15
Node2vec的核心思想是结合深度优先搜索（DFS）和广度优先搜索（BFS）策略，通过随机游走的方式探索网络结构，并利用词嵌入方法（如Word2Vec）对节点进行学习。 在“node2vec论文里面的代码”中，我们可以找到实现...
图神经网络之图游走类模型算法——DeepWalk
zbp_12138的博客
11-27 3261
目录图游走类算法目标基本思路Word2vec算法思想整体架构Skip Gram——根据中心词预测上下文Negative Sampling——负采样应用到图嵌入领域DeepWalk整体架构Random Walk具体过程 图游走类算法 图游走算法可以理解为一个人在图上行走，最后能得到一条走过的路径 目标 图游走类算法的目标，就是学习出图中每一个节点的低维表示，称为 Node Embeddings。 在得到这些 embeddings 之后，就可以利用这些低维表示来进行接下来的下游任务，比如节点分类之类的等等。
浅谈DeepWalk
rosefun96的博客
05-14 8720
1. 简介 通过随机游走获得序列，然后word2vec向量化。 算法： 在定义好图，比如,把user 和 item 进行边连接，从一个 user出发，可以获得很多个与该user相关的其他item，然后作为一个序列。最终用word2vec，比如skip-gram + 层次softmax。从而向量化user. 参考： 原论文 DeepWalk: Online Learning of Social Representations； ...
node2vec: 图数据的嵌入方法
AI公园
10-16 4121
点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：Elior Cohen编译：ronghuaiyang导读图嵌入是图学习的重要手段，今天给大家介绍一个非常经...
【Graph Embedding】DeepWalk：算法原理，实现和应用
浅梦的学习笔记
02-09 8132
图表示学习 我们都知道在数据结构中，图是一种基础且常用的结构。现实世界中许多场景可以抽象为一种图结构，如社交网络，交通网络，电商网站中用户与物品的关系等。 目前提到图算法一般指： 经典数据结构与算法层面的：最小生成树(Prim,Kruskal,…)，最短路(Dijkstra,Floyed,…)，拓扑排序，关键路径等 概率图模型，涉及图的表示，推断和学习，详细可以参考Koller的书或者公开课 图...
Node2Vec笔记
Deeachain的博客
09-15 1173
node2vec: Scalable Feature Learning for Networks Github整理代码链接，欢迎讨论和交流，觉得有用的可以Star一下。 1.主要思想        目的：是将图中的顶点映射到一个低维连续空间，并且能够保存图的空间结构。        论文的主要亮点，设计了与Deepwalk不同的随机游走方式，每次随机游走会选择是进行宽度
推荐系统中的常用算法——DeepWalk算法
null的专栏
09-16 4415
参考文献 Perozzi B, Alrfou R, Skiena S. DeepWalk: online learning of social representations[J]. 2014:701-710. DeepWalk源码 《DeepWalk: Online Learning of Social Representations》笔记 C实现的DeepWalk ...
DeepWalk
颹蕭蕭
10-13 1562
《DeepWalk: Online Learning of Social Representations》
分别讲解一下DeepWalk和Node2vec，要求带有实例。
最新发布
06-11
DeepWalk和Node2vec都是用于图嵌入的算法，能够将图中的节点映射到低维向量空间中，从而使得节点之间的相似度可以通过向量之间的距离来度量。它们的不同之处在于节点的采样策略不同。 DeepWalk使用随机游走的方法，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值