Мрежово вграждане — Node2Vec, DeepWalk, LINE
Мрежовото вграждане е семейство методи за обучение на представяне, които картографират всеки възел на граф в плътен, нискомерен вектор, като същевременно запазват структурните свойства на мрежата. Подходът е формализиран за данни от социални мрежи от Perozzi, Al-Rfou и Skiena с DeepWalk (2014), който адаптира модела skip-gram на Word2Vec към случайни обхождания на графи, и е разширен от Grover и Leskovec с Node2Vec (2016), който въвежда отклонено случайно обхождане, балансиращо между изследване в ширина (breadth-first) и изследване в дълбочина (depth-first). Тези вграждания превръщат релационни данни във вектори от признаци, които стандартни класификатори за машинно обучение и алгоритми за клъстериране могат да използват директно.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Grover, A. & Leskovec, J. (2016). Node2Vec: Scalable Feature Learning for Networks. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD), 855-864. DOI: 10.1145/2939672.2939754 ↗
- Perozzi, B., Al-Rfou, R., & Skiena, S. (2014). DeepWalk: Online Learning of Social Representations. Proceedings of the 20th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD), 701-710. DOI: 10.1145/2623330.2623732 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). Network Embedding (Node2Vec, DeepWalk, LINE). ScholarGate. https://scholargate.app/bg/network-analysis/network-embedding
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Анализ на централностМрежови анализ↔ compare
- Откриване на общностиМрежови анализ↔ compare
- Предсказване на връзкиМрежови анализ↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →