datawhale 第二天

最新推荐文章于 2024-07-17 23:56:40 发布

qq_41568035

最新推荐文章于 2024-07-17 23:56:40 发布

阅读量86

点赞数

分类专栏：笔记

本文链接：https://blog.csdn.net/qq_41568035/article/details/118060648

版权

笔记专栏收录该内容

2 篇文章 0 订阅

订阅专栏

本文介绍了几种图嵌入方法，包括DeepWalk、node2vec、LINE、struc2vec和SDNE。DeepWalk通过随机游走生成节点序列，使用skip-gram模型学习节点表示。LINE则侧重于捕获一阶和二阶相似度，适合大规模图。node2vec采用概率随机游走策略。struc2vec关注图的结构信息，而SDNE利用多层非线性网络捕捉相似性。

摘要由CSDN通过智能技术生成

DeepWalk在无向图上
采用随机游走得到一个节点序列
2. LINE

DeepWalk在无向图上, LINE在有向图上
适用于大规模的图上, 表示节点之间的结构信息
一阶: 局部的结构信息
二阶: 节点的邻居, 共享邻居的节点可能是相似的

1.DeepWalk：采用随机游走，形成序列，采用skip-gram方式生成节点embedding。
2.node2vec：不同的随机游走策略, 基于概率的随机游走，形成序列，类似skip-gram方式生成节点embedding。
3.LINE：捕获节点的一阶和二阶相似度，分别求解，再将一阶二阶拼接在一起，作为节点的embedding
4.struc2vec：对图的结构信息进行捕获，在其结构重要性大于邻居重要性时，有较好的效果。
5.SDNE：采用了多个非线性层的方式捕获一阶二阶的相似性。