立即学习:https://edu.csdn.net/course/play/28642/397299?utm_source=blogtoedu
1. 矩阵可以用一个有向图来储存,,特别是对于稀疏矩阵来说,存储空间的节省尤为显著
2. 很多问题(关系的集合),都可以转化为图来表示
数据的图特征:中心性
- 中介中心性
- 反映一个节点担任其他两个结点之间最短路径的桥梁的次数
- 较高中介中心性的节点(如交通枢纽)有更高流量通过,对网络的控制能力更强
- 接近中心性
- 取决于该节点到其他节点的平均最短距离
- 较高接近中心性的节点(如市中心)李其他节点更近
- 特征向量接近性
- 反映一个节点邻居节点的数量和重要性
- 引用该文章的文章质量多是高质量的,则该文章质量也是较高质量的
- 较高特征向量中心性的节点(如高质量的论文)有更高的权威性
Graph Embedding
- 图上的每一个节点都映射成一个向量,用该向量表示该节点在图中的特征,用该向量送入下一步模型中进行预测
- 图内不同颜色的节点在不同的组内。把所有的节点都映射成向量,把向量投射到二维空间上。可见在向量空间中比较接近的点,在图上的距离也比较接近。此为Graph Embedding的原理。
- Node2vec算法,源自于word2vec算法
- 案例:诈骗电话识别
非监督机器学习
- 图聚类 Graph Clustering
- 社区发现算法
- 社区发现算法