目录
图游走类算法
图游走算法可以理解为一个人在图上行走,最后能得到一条走过的路径
目标
图游走类算法的目标,就是学习出图中每一个节点的低维表示,称为 Node Embeddings。
在得到这些 embeddings 之后,就可以利用这些低维表示来进行接下来的下游任务,比如节点分类之类的等等。
为什么可以用这个低维表示来做下游任务呢?
因为可以利用一些方法,使得每个节点的 embeddings 可以学习到节点跟它的邻居的关系,更好的表示图结构和图特征的信息。
基本思路
- 通过在图进行某种方式的游走,得到多个序列,利用这些序列进行图表示学习。
- 通过图表示学习,利用节点之间的关系,学习到节点的低维表示(Node Embedding),
- 之后利用这些Embeddings做下游任务。
节点可以看做 NLP 中的词,而节点序列进而就可以联想到句子。接下来就要引入 NLP 领域中的一个算法——Word2vec
Word2vec
图游走类模型最开始参考的就是 NLP 领域中的 Word2vec 模型
算法思想
假设,如果只