图学习笔记（五）：图游走类模型

图游走类模型总结

• 图游走类算法的目标：学习每个节点的一维表示（Node embeddings），利用一维表示（Node embeddings）进行下游任务。
• 为什么一维表示（Node embeddings）可以进行下游任务？利用图游走类算法，使得Node embeddings可以学习到节点与邻居的关系，更好的表示图结构图特征的信息。
• 如何得到Node embeddings呢？
• 图游走类算法的过程：在图上进行多次游走得到多个序列，通过图表示学习，利用节点间的关系学习到一维表示（Node embeddings），再利用一维表示（Node embeddings）做下游任务。
• 图游走类算法的应用NLP：可以将图中的节点看作是“词”，图游走产生的序列看作是句子。
  

NLP领域: Word2vec

图游走类模型最开始参考的就是NLP 领域中的Wo