Struc2vec的随机游走方式

struc2vec[2017]:struc2vec:Learning Node Representations from Structural Identity

原理：如果两个节点的所有邻居组成的两个序列相似，那么这两个节点就比较相似。

构建网络：

原本只有一个网络（只有一层），现在我们要构造多层网络（即以原始网络为副本创建k层网络）

层与层之间，只有U(k)节点连接U(k+1)，k表示第k层。(即只有节点与自己的上下层节点有连接)

借用这篇文章的话。https://zhuanlan.zhihu.com/p/65539782

g（）函数是比较两个序列相似度的函数，可以是Dynamic Time Warping(动态时间规整算法)，用来计算两个可能长度不等的序列的相似

有了这个概念我们就可以计算网络边的权重。

同层两个节点u，v的权重为（1.12）所示。

不同层之间u与u的上下层w如（1.13）所示。

其中：

   度量了节点u与k层中其他节点的相似度。

   表示同层任意两个节点连边权重的平均值。

 

随机游走方法：

对于节点u，首先每一步有一个概率q在本层， 1-q跳出本层，如果在本层按照公式1.14采样下一个节点，如果跳出本层，按照公式1.15来选择上一层  还是下一层  :

（概率q的取值：论文里没找到，可能是我没认真看）

其中：Zk（u）为规范化因子。

 

最后：随机游走后用skim-gram进行训练得到节点的向量表示（略）。