<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Xj_jun的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Xj_jun</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Xj_jun]]></copyright><item><title><![CDATA[DeepWalk:阅读感悟]]></title><link>https://blog.youkuaiyun.com/Xj_jun/article/details/99676041</link><guid>https://blog.youkuaiyun.com/Xj_jun/article/details/99676041</guid><author>Xj_jun</author><pubDate>Fri, 16 Aug 2019 15:02:01 +0800</pubDate><description><![CDATA[什么是GE
Network Embedding/Graph Embedding目的是希望能够将网络中的节点用比较低维的向量去表达，同时在这个向量空间中，网络结构的一些性质仍能够保持。

如图所示可以将网络中的节点用低维的向量表达，然后来执行实际的任务（异常检测，分类，链接预测等等）
DeepWalk
论文中作者提出自己的三点主要贡献：

作者使用深度学习作为工具去分析图，建立了一个适合复杂模型的R...]]></description><category></category></item></channel></rss>