Verkkojen upotus — Node2Vec, DeepWalk, LINE
Verkkojen upotus (network embedding) on joukko esitysoppimismenetelmiä, jotka kuvaavat graafin jokaisen solmun tiiviiksi, mataladimensionaaliseksi vektoriksi säilyttäen samalla verkon rakenteelliset ominaisuudet. Menetelmän formalisoivat sosiaalisten verkkojen datalle Perozzi, Al-Rfou ja Skiena DeepWalk-menetelmällä (2014), joka mukautti Word2Vec-skip-gram-mallin graafeilla tehtäviin satunnaiskävelyihin, ja Grover ja Leskovec laajensivat sitä Node2Vec-menetelmällä (2016), joka esitteli painotetun satunnaiskävelyn, joka tasapainottaa leveys- ja syvyyssuuntaista tutkimusta. Nämä upotukset muuttavat relaatiodatan piirrevektoreiksi, joita standardit koneoppimisluokittelijat ja klusterointialgoritmit voivat käyttää suoraan.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Network Embedding (Node2Vec, DeepWalk, LINE). ScholarGate. https://scholargate.app/fi/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.
- KeskisyysanalyysiVerkostoanalyysi↔ compare
- Yhteisöjen tunnistusVerkostoanalyysi↔ compare
- Link PredictionVerkostoanalyysi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →