笔记-图嵌入（Graph Embedding）

ZSYGOOOD ZSYGOOOD 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.4w累计阅读 1.4w+平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄12年
关注
原创 最新推荐文章于 2025-12-08 08:30:00 发布 1.4w 阅读 AI 写同款· GEO 优化 ›
图嵌入Graph embedding学习笔记 将图的节点或边映射到一个低维的向量空间，即**将海量、高维、异构、复杂和动态的数据表示为统一、低维、稠密的向量**，用以保存图的结构和性质，旨在实现节点分类与聚类、链接预测、图的重构和可视化 等，提供一种具有更低计算复杂度的方法。 包括**节点、边、子图、全图**基于**手工构造特征、矩阵分解、随机游走、图神经网络**的图嵌入方法。 1.DeepWalk 采用随机游走形成序列，采用skip-gram方法生成节点embedding。 2.node2vec 采用不同的随机游走策略形成序列，类似skip-gram 阅读详情

图嵌入（Graph Embedding，也叫Network Embedding）是一种将图数据（通常为高维稠密的矩阵）映射为低微稠密向量的过程，能够很好地解决图数据难以高效输入机器学习算法的问题。知识图谱属于异构图数据，即节点与边不只一种类型。了解图嵌入能帮助理解图数据的处理过程，拓展思考问题的思路（传统ML基本都是table类型的数据），也能对未来可能的知识图谱研究做一些铺垫准备。学习参考链接如下：

graph embedding

NE(Network Embedding)论文小览，附21篇经典论文和代码

《Attributed Social Network Embedding》论文学习笔记

《阿里凑单算法首次公开！基于Graph Embedding的打包购商品挖掘系统解析》

收录于
科研|算法|论文

当前文章被收录于：

科研|算法|论文
59 篇文章 0 人学习
订阅专栏 查看详情
笔记

当前文章被收录于：

笔记
53 篇文章 0 人学习
订阅专栏 查看详情
机器学习相关

当前文章被收录于：

机器学习相关
51 篇文章 0 人学习
订阅专栏 查看详情
标签
#图嵌入 #Graph Embedding #图数据 #知识图谱
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
【Embedding】EGES：阿里在图嵌入领域中的探索 今天学习的是阿里巴巴 2018 年的论文《Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba》。 这是一篇比较实用的工业论文，提出了 Enhanced Graph Embedding with Side Information（以下简称 EGES）算法，旨在利用 Graph Embedding 的方法解决推荐系统在工业界中的三大问题：扩展性、稀疏性和冷启动问题。 我们一起来看下论文，可以重点关注下如何利用 Si 阅读详情

相关推荐

【Graph Embedding】图嵌入的最佳实践—EGES（Enhanced Graph Embedding with Side Information）

DeepWalk理论 DeepWalk的来源 图嵌入是指在图中随机游走生成顶点的序列，构成训练集，然后采用word2vec中的Skip_gram方法为图中的每个结点学习一个低维向量表示，这是一个无监督训练生成表示向量的过程。DeepWalk 出自论文：DeepWalk: Online Learning of Social Representations，最初提出是用于社交网络关系的提取。给定一个关系：GL=(V,E,X,Y),G_L= (V, E, X, Y ),GL​=(V,E,X,Y), 利用图结构中的

zhong_ddbb的博客 3554

图嵌入 (Graph Embedding)

图嵌入 Random Walk Matrix Fractorization Meta Paths Deep Learning Others 开放资源 开源实现 论文列表和评测 图（Graph / Network）数据类型可以自然地表达物体和物体之间的联系，在我们的日常生活与工作中无处不在。例如：微信和新浪微博等构成了人与人之间的社交网络；互联网上成千上万个页面构成了网页链接网络；国家城市间的运输交通构成了物流网络。 图片来源：The power of rel...

SmartLab307的博客 6530

Graph Embedding（SDNE，Graph2vec，GraphGAN）

SDNE 前一篇整理了3种常用的图嵌入方法，DeepWalk，LINE和Node2vec。Structural Deep Network Embeddings（结构深层网络嵌入，SDNE）的不同之处在于，它并不是基于随机游走的思想，在实践中比较稳定。 主要思路如上图，会将节点向量 si 作为模型的输入，通过自编码器对这个向量进行降维压缩 zi，然后再重建特征。其损失函数定义为： O2=∑∣∣si...

nakaizura 9048

图嵌入综述

图嵌入是什么 目录 图嵌入是什么

TUtou_XiaoGe的博客 2714

SCDM学习笔记（5）

几何前处理后一般会获得几何的固体区域，然而当进行流体仿真的时候是对流体的区域进行计算的。因此，如何快速地从固体的几何模型获得流体的几何模型是一个重点问题。 流体问题一般可分为内流场与外流场问题，对于内流场问题，SCDM有专门的处理工具 工程图纸大致如下： 要创建这个几何的大致策略是画出截面的圆形，再画出轴线，通过扫掠的方式建立几何。 以上是mixing的国体区域，通过体积抽...

diyhoo的编程小屋 6358

stackelberg博弈_博弈论、多智能体、强化学习（随便记点东西）

多智能体应用场景：已实现：游戏AI。正在努力：UAV，物资运输，快递分发，交通系统。未来：社会学，预测群体行为，城市区域合作，国际关系。博弈论基本定义：玩家集合： 策略集合： 收益函数： 囚徒困境：两智能体矩阵博弈坦白抵赖坦白1，13，0抵赖0，32，2占优策略与最佳应对：上表中两者均具有占优策略，即无论如何都应该选坦白。那么构造下表。坦白抵赖坦白1，13，0抵赖0，12，2对于玩家一来说，坦白...

weixin_39611722的博客 2998

三、图嵌入与所需基础知识

用低维、稠密、实值的向量表示网络中的节点。图嵌入是将属性图转换为向量或向量集。嵌入应该捕获图的拓扑结构、顶点到顶点的关系以及关于图、子图和顶点的其他相关信息。

m0_46902739的博客 785

K8S证书过期解决办法之替换证书

k8s证书过期解决方案之替换证书

q_hsolucky的博客 1万+

graph embedding（图嵌入）

图embedding 文章目录图embedding一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下面案例可供参考 一、pandas是什么？ 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。 二、使用步骤 1.引入库 代码如下（示例）： import

mengmeng6666的博客 4348

xsens IMU配置

1.安装驱动 sudo apt-get update sudo apt-get install ros-kinetic-xsens-driver 2.配置IMU 设置输出四元数，加速度、角速度、地磁 cd /opt/ros/kinetic/lib/xsens_driver python mtdevice.py --configure "oq,aa,wr,mf" 3.启动IMU roslaunch xsens_driver xsens_driver.launch 转（https://www.cnblo

qq_41585680的博客 2325

深入解析雪球网股票行情数据爬取：基于WebSocket与API的实时数据获取技术实践

本文详细介绍了如何使用Python爬虫技术获取雪球网的股票行情数据，涵盖了WebSocket实时数据连接和RESTful API接口调用两种主要技术方案。完整的WebSocket客户端，支持实时行情订阅和数据处理功能丰富的API客户端，支持多种数据类型的获取数据存储和管理系统，使用SQLite进行数据持久化实时监控和预警系统，支持自定义预警规则技术指标计算，提供基本的数据分析功能。

2201_76125261的博客 1255

图嵌入Graph Embedding学习笔记

如果图有10个节点，就需要10个维度的one-hot向量 缺点：节点多的化向量的长度比较大，one-hot会丢失一些节点的信息 Graph Embedding优点，简化节点特征长度，保留了一些节点在图上的信息 deepwalk 为了无监督的计算每个节点的embedding，联想到word embedding 它也是无监督计算词的表征，但需要一些语料，图上没有有序的语料，采用随机游走得到图上语料的连续信息 https://www.bilibili.com/video/BV1K5411H7EQ?p=5 ...

蓝砂石的博客 400

SerDes学习笔记：DFE均衡架构示例（USB3.1、PCIe3.0\4.0）

本文探讨了DFE均衡器架构在不同数据接口中的应用特性。研究表明，抽头数量随数据速率提升而增加，1-16抽头架构较为常见。通过PCIeGen3/4实例分析，对比了单抽头、双抽头和15抽头DFE的性能差异，证明多抽头结构能通过精细调节有效提升噪声容限和降低误码率。文章详细阐述了DFE工作原理，包括其通过反馈信号对输入信号的补偿机制，以及不同抽头对消除码间干扰的作用。实验采用8Gbps速率(125ps/UI)进行波形仿真，直观展示了均衡处理前后的信号变化，为理解信道均衡技术提供了重要参考。

一只豌豆象的博客 519

【论文笔记】PyTorch-BigGraph: A Large-scale Graph Embedding Framework（大规模图嵌入）

大规模图嵌入框架 PBG，由Facebook开源。 paper：https://mlsys.org/Conferences/2019/doc/2019/71.pdf 基本思路： 读入edgelist，对各node赋予一个vector，通过更新vector，使得connected entities更加接近，unconnected entities距离更远。 PBG的出发点：图的scale！ 处理方法： graph partitioning, so that the model do..

VisualCortex 1631

5、硬件工程师笔试面试——上拉电阻、下拉电阻（2025版本）

本文系统介绍了上拉电阻和下拉电阻的原理与应用。上拉电阻通过连接电源确保电路高电平状态，常用于数字电路防抖、OC门驱动等场景；下拉电阻连接地线维持低电平，适用于低电平触发电路。文章详细分析了两种电阻的选择方法、功耗与响应速度的平衡策略，以及在高速信号传输中的影响差异。同时对比了二者的优缺点，并提供了模拟电路中的应用实例。最后给出了电阻值计算的工程方法，为硬件工程师的电路设计提供了实用参考。

XU157303764的博客 2870

电路中的DGND、GROUND、GROUND_REF的区别，VREF、VCC、VDD、VEE和VSS的区别？

DGND是数字地，是数字电路部分的公共基准端，用于连接数字电路的接地。

XU157303764的博客 2341

图嵌入（Graph embedding）

目录Graph embedding的意义图嵌入可以解决的问题为什么我们要使用图形嵌入?什么是图嵌入？图嵌入的挑战Word2vec图嵌入方法总结参考资料后记 Graph embedding的意义 Graph广泛存在于真实世界的多种场景中，即节点和边的集合。比如社交网络中人与人之间的联系，生物中蛋白质相互作用以及通信网络中的IP地址之间的通信等等。除此之外，我们最常见的一张图片、一个句子也可以抽象...

小红花yu 1万+

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件，这是C++版本的破解文件

图嵌入（Graph embedding）- 简介

图嵌入（Graph embedding）- 简介Graph embedding的意义图嵌入可以解决的问题为什么我们要使用图形嵌入?什么是图嵌入？图嵌入的挑战Word2vec图嵌入顶点嵌入方法结构深度网络嵌入(SDNE)图嵌入方法其他嵌入方法总结后记 Graph embedding的意义 Graph广泛存在于真实世界的多种场景中，即节点和边的集合。比如社交网络中人与人之间的联系，生物中蛋白质相互作用以及通信网络中的IP地址之间的通信等等。除此之外，我们最常见的一张图片、一个句子也可以抽象地看做是一个图模型的结

Tony2wang的博客 3095

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白

无监督图嵌入Unsupervised graph embedding|基于对抗的图对齐adversarial graph alignment详解

目的：理解并解析graph embedding 与adversarial graph alignment的公式。 相关论文详解： GCN (Graph Convolutional Network) 图卷积网络概览 图注意力网络(GAT) ICLR2018, Graph Attention Network论文详解 旷视CVPR2019图卷积多标签图像识别Multi-Label Image...

祥瑞的技术博客 4586

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用，资源的后缀为tar.gz格式的压缩包

图嵌入与Graph Embedding

1.背景介绍 图(Graph)是一种数据结构，用于表示一组对象之间的关系。在现实生活中，我们可以看到图的应用非常广泛，例如社交网络、知识图谱、信息网络等。随着数据的增长和复杂性，如何有效地处理和挖掘图数据成为了一个重要的研究方向。图嵌入(Graph Embedding)是一种将图结构转换为低维向量表示的技术，可以帮助我们更好地处理和挖掘图数据。 图嵌入技术的主要目的是将图的结构和属性信息映射到...

AI天才研究院 1081

深入理解深度学习——图嵌入（Graph Embedding）

前面的文章介绍了由Word Embedding延伸出的Item Embedding等，这些延伸都建立在它们有序列特性的基础上。其实，可延伸的领域还有很多，有些初看起来与序列无关的领域，通过适当变化后，也同样适用。如下图所示，左边是人们在电商网站浏览物品的轨迹，这些轨迹呈图结构，通过一些算法计算后，可以把左图转换为右图这样具有序列样本特征的格式： Graph Embedding与Word Embedding一样，目的是用低维、稠密、实值的向量表示网络中的节点。目前Gr

冯·诺依曼 2万+

###haohaohao#####为什么要进行图嵌入（Graph embedding）？

为什么要进行图嵌入（Graph embedding）？ 本文参考这篇文章【9】的结构，对其中的部分内容进行修改和补充，其中文中图来大部分自该文章【9】 Graph广泛存在于真实世界的多种场景中，即节点和边的集合。比如社交网络中人与人之间的联系，生物中蛋白质相互作用以及通信网络中的IP地址之间的通信等等。除此之外，我们最常见的一张图片、一个句子也可以抽象地看做是一个图模型的结构，图结构可以说是无...

木东的博客 816

图嵌入(Graph Embedding)方法小结

Embedding 定义：Embedding在数学上是一个函数，即将一个空间的点映射到另一个空间，通常是从高维抽象空间映射到低维的具象空间。 意义：高维数据转换到低维有利于算法的处理，同时解决one-hot向量长度随样本变化而变化以及无法表示两个实体之间的相关性这一问题。 常用方法：word2vec，根据语料库中单词的共线关系求出每个单词的embedding。常用的word2vec模型有cbow...

外婆家的大灰狼 3943

【机器学习】图像嵌入（Graph Embedding）笔记

Graph embedding的简单解释，使用技术和经典算法

Achenganggyel的博客 3490
上一篇： 笔记-文本分类
下一篇： 笔记(总结)-统计语言模型
点赞 0
评论 0
书签 书签 18
ZSYGOOOD
ZSYGOOOD
博客等级 码龄12年 113粉丝 94原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值