Network Embedding — Node2Vec, DeepWalk, LINE

L'embedding de xarxa és una família de mètodes d'aprenentatge de representacions que mapeja cada node d'un graf a un vector dens de baixa dimensionalitat, preservant les propietats estructurals de la xarxa. L'aproximació fou formalitzada per a dades de xarxes socials per Perozzi, Al-Rfou, i Skiena amb DeepWalk (2014), que adaptà el model skip-gram de Word2Vec a passejos aleatoris sobre grafs, i fou estesa per Grover i Leskovec amb Node2Vec (2016), que introduí un passeig aleatori esbiaixat que equilibra l'exploració en amplada (breadth-first) i en profunditat (depth-first). Aquests embeddings converteixen dades relacionals en vectors de característiques que els classificadors i algorismes de clustering estàndard d'aprenentatge automàtic poden consumir directament.