Graph Embedding——Node2Vec

一、Graph Embedding

  Graph Embedding是一种将图数据转化为低纬度的向量表示的方法,并且在这个过程中能够保持原始图结构的重要拓扑信息。

  本文主要介绍Graph Embedding中的Node Embedding,即专注于将图中的节点表示为向量。Node Embedding,节点嵌入,旨在将图中的节点映射到一个低维度的连续向量空间中,以便在这一空间内,通过向量的几何关系反映出节点在原图中的拓扑结构和节点间的关系等属性。

二、Node2Vec

Node2Vec是一种基于随机游走的图嵌入方法,其灵感来源于自然语言处理中的Word2Vec模型。Node2Vec的核心思想是利用图中的随机游走序列来模拟“句子”,其中节点相当于“单词”。通过这种方式,Node2Vec能够学习到反映图结构特性的节点向量表示。具体来说,Node2Vec首先从图中的每个节点出发执行多次随机游走,生成大量的节点序列,这些序列在概念上类似于自然语言处理中的句子,其中的节点则相当于单词。随后,利用Skip-Gram模型,Node2Vec将这些“句子”作为输入,通过最大化节点序列中的共现概率来学习节点的向量表示。

在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

晓shuo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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