Ενσωμάτωση Δικτύου — Node2Vec, DeepWalk, LINE

Η ενσωμάτωση δικτύου (network embedding) είναι μια οικογένεια μεθόδων εκμάθησης αναπαραστάσεων που αντιστοιχίζει κάθε κόμβο ενός γράφου σε ένα πυκνό, χαμηλής διάστασης διάνυσμα, διατηρώντας παράλληλα τις δομικές ιδιότητες του δικτύου. Η προσέγγιση τυποποιήθηκε για δεδομένα κοινωνικών δικτύων από τους Perozzi, Al-Rfou και Skiena με το DeepWalk (2014), το οποίο προσάρμοσε το μοντέλο skip-gram του Word2Vec σε τυχαίους περιπάτους σε γράφους, και επεκτάθηκε από τους Grover και Leskovec με το Node2Vec (2016), το οποίο εισήγαγε έναν μεροληπτικό τυχαίο περίπατο που εξισορροπεί την εξερεύνηση σε πλάτος (breadth-first) και σε βάθος (depth-first). Αυτές οι ενσωματώσεις μετατρέπουν σχεσιακά δεδομένα σε διανύσματα χαρακτηριστικών που μπορούν να καταναλωθούν απευθείας από τυπικούς ταξινομητές μηχανικής μάθησης και αλγορίθμους ομαδοποίησης.