【Graph Embedding】DeepWalk 算法

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 $G=(V,E)$，其中，$V$ 是节点数， E E