最近项目需要用到 Graph Embedding 模型,所以简单把这个系列学习一下做个记录。
一、Graph Embedding
Graph Embedding 的中心思想是找到一种映射函数,将图中的每个节点转换为低维稠密的嵌入表示,要求在图中相似的节点在低维空间距离相近。
得到的表示向量可用于下游任务,如节点分类、链接预测、可视化等。
二、DeepWalk 算法
参考文献:
论文题目:DeepWalk: Online Learning of Social Representations
论文来源:KDD 2014
论文原文:https://arxiv.org/pdf/1403.6652.pdf
概述
本文首次将无监督特征学习引入图网络分析中。 DeepWalk 算法通过截断式随机游走(truncated random walk)来学习图网络节点的社区表示(Social Representations)。
问题定义
以节点分类问题为例。
给定图 G = ( V , E ) G=(V,E) G=(V,E),其中, V V V 是节点数, E E