graph embedding资料汇总

论文阅读

图嵌入(graph embedding)算法的目标是将图中每个顶点映射到一个高维的连续空间中，使得原来图中近邻的顶点或者相同结构的顶点投影到高维空间后，保持近邻关系不变。比较经典的论文有：deepwalk 和 node2vec。

模型解析

deepwalk基于随机游走算法产生节点序列，然后调用word2vec算法学习每个节点的embedding，而node2vec在采样节点序列时同时考虑节点的近邻关系和节点的结构相似关系，利用广度优先和深度优先算法产生节点序列，然后调用word2vec算法学习每个节点的embedding。相关的参考资料有：DeepWalk：算法原理，实现和应用 和 node2vec：算法原理，实现和应用。

模型实战

deepwalk和node2vec算法都包括两部分，一部分是随机游走采样节点序列算法，另一部分是调用word2vec学习节点embedding算法。deepwalk和node2vec的demo案例可以参考：graphEmbeddingDemo 。

源码阅读

deepwalk和node2vec的源码可以直接参考官方版本的源码：deepwalk源码 和 node2vec源码。
参考文献：

1. https://arxiv.org/pdf/1403.6652v2.pdf
2. https://arxiv.org/pdf/1607.00653.pdf
3. https://zhuanlan.zhihu.com/p/56380812
4. https://zhuanlan.zhihu.com/p/56542707
5. https://github.com/shenweichen/GraphEmbeddin
6. https://github.com/phanein/deepwalk
7. https://github.com/aditya-grover/node2vec