Graph 探索之DeepWalk，Line，Node2Vec

Graph 探索之DeepWalk，Line，Node2Vec

  网络表示学习**（Network Representation Learning，NRL），也称为图嵌入法（Graph Embedding Method，GEM）：用低维、稠密、实值的向量表示网络中的节点（含有语义关系，利于计算存储，不用再手动提特征（自适应性），且可以将异质信息投影到同一个低维空间中方便进行下游计算）。也就是说这三种方法都是拿来给图结构提取embedding的。
  Network Embedding算法主要有经历了以下三代的发展：

第一代：基于矩阵特征向量（谱聚类）
第二代：基于Random Walk（Deep Walk & Node2Vec）
第二代：基于Deep Learning（SDNE， GCN， GraphSAGE）

一、DeepWalk

总体步骤就是Network/graph ---------random walk ---------得到节点序列-------- skip-gram

其中主要想说的是random walk这里主要是依据边权重进