本文介绍了DeepWalk算法，一种将无序Item转化为有序序列并应用于word2vec的方法。算法基于随机游走，适用于无向图，通过随机选择相邻节点形成序列。DeepWalk通过训练这些序列，利用Skip-Gram模型生成节点的向量表示。文中还提供了基于Wikipedia数据集的简单DeepWalk模型实现。
1.DeepWalk算法的核心是随机游走（RandomWalk）
2.随机游走是一种可重复访问已访问节点的深度优先遍历算法
2.随机游走是指在给定节点下随机选择其下一个邻居节点
3.随机游走的目的是把无序列Item变成有序列的形式，可应用word2vec模型
我们本文介绍Item在word2vec的应用算法——DeepWalk。
算法的应用前提
无序列性质的Item迁移到有序列的语言处理的前提是item的分布与词汇的分布都是服从幂律分布，这是一个能迁移的很重要原因：
正因为如此，才想着从通过一定的方法把无序列的item变为有序列的item,把item当作每个单词，就能应用word2vec算法了。
算法介绍
最低0.47元/天 解锁文章
1974
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
