تعبیه شبکه — Node2Vec، DeepWalk، LINE

تعبیه شبکه (Network embedding) خانواده‌ای از روش‌های یادگیری بازنمایی است که هر گره از یک گراف را به یک بردار فشرده و کم‌بُعد نگاشت می‌کند، در حالی که خواص ساختاری شبکه را حفظ می‌کند. این رویکرد توسط Perozzi، Al-Rfou و Skiena با DeepWalk (2014) برای داده‌های شبکه اجتماعی رسمی شد، که مدل skip-gram Word2Vec را به پیمایش‌های تصادفی روی گراف‌ها تطبیق داد، و توسط Grover و Leskovec با Node2Vec (2016) گسترش یافت، که پیمایش تصادفی بایاس‌شده‌ای را معرفی کرد که اکتشاف گستره-اول و عمق-اول را متعادل می‌سازد. این تعبیه‌ها داده‌های رابطه‌ای را به بردارهای ویژگی تبدیل می‌کنند که طبقه‌بندها و الگوریتم‌های خوشه‌بندی استاندارد یادگیری ماشین می‌توانند مستقیماً از آن‌ها استفاده کنند.