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 2026-05-20 09:02:08 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 6529

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

FPGA实现PI控制

FPGA实现PI控制

m0_57319166的博客 3897

SystemVue 链路预算、仿真分析步骤

使用SystemVue进行链路预算、频谱分析等，相对ADS更全面。

BeCourageable的博客 3836

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

STM32 LwIP协议栈优化：从TCP延迟10ms降至1ms的内存配置手册

摘要： 本文针对STM32嵌入式开发中LwIP TCP通信的高延迟问题（默认配置下延迟达10~20ms），提出纯软件优化方案，通过调整内存配置与TCP参数将延迟降至1ms。核心问题包括内存池不足、pbuf分配低效及Nagle算法拖累，优化步骤包括： 内存池扩容：增大MEMP_NUM_TCP_PCB至10、PBUF_POOL_SIZE至32，避免资源竞争； pbuf静态池分配：采用2048字节大块缓冲区匹配DMA传输，减少分块与拷贝； 关闭Nagle算法：设置TCP_NODELAY=1，禁用延迟确认以加速小包

weixin_42212753的博客 1710

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

Linux中断子系统（二）—— 通用框架处理

1、数据结构分析 (1)中断描述符结构structirq＿desc： 1）打开CONFIG＿SPARSE＿IRQ宏（中断编号不连续），中断描述符以radix- tree来组织，用户在初始化时进行动态分配，然后再插入radix-tree中； 2）关闭CONFIG＿SPARSE＿IRQ宏（中断编号连续），中断描述符以数组的 形式组织，并且已经分配好； 3）不管哪种形式，最终都可以通过linuxirq号来找到对应的中断描述符； （2）stru...

weixin_38428439的博客 4871

从零开始：手把手教你规划与部署华为FusionCompute虚拟化平台（含网络规划避坑指南）

本文详细介绍了华为FusionCompute虚拟化平台的规划与部署流程，特别针对网络规划中的常见问题提供了避坑指南。从硬件软件清单检查、网络平面配置到VRM部署方案选择，帮助用户高效完成部署并优化性能，适用于云计算环境中的虚拟化平台搭建。

weixin_28693447的博客 243

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

Linux脚本实战之SSH执行远端脚本

Linux脚本实战之SSH连接主机

jks212454的博客 2134

【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

基于STM32L4XX、HAL库的RTL8211FSI-CG以太网收发器（PHY）驱动程序设计

一、简介：RTL8211FSI-CG是Realtek公司生产的一款高性能、低功耗的单端口10/100M以太网收发器(PHY)。它通过RMII(Reduced Media Independent Interface)或MII接口与MAC控制器连接。

zhusl6688的博客 531

pyecharts在jupyter notebook中不能够渲染图表问题。

在使用jupyter notebook中使用pyecharts绘制可视化图表的时候，发现图表不能渲染到页面中，生成的html是没问题的，本文主要解决在jupyter notebook中不能渲染这个问题。

猿小白的博客 1168

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+

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具

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

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

老版QQ原生表情gif动态

这是老版的QQ表情，不过全是动态的的，Windows照片查看器是不会动的，可以右击用浏览器打开查看，再说一遍是老版的，只是分享给宁愿用老版也要动态的人。

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

Camera2Demo

在Camera2 的基础上进行封装，使得Camera2一堆初始化逻辑与Activity分离，降低耦合度，完成预览拍照并保存的操作

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