Plongement de réseau — Node2Vec, DeepWalk, LINE

Le plongement de réseau est une famille de méthodes d'apprentissage de représentations qui associent chaque nœud d'un graphe à un vecteur dense de faible dimension tout en préservant les propriétés structurelles du réseau. L'approche a été formalisée pour les données de réseaux sociaux par Perozzi, Al-Rfou et Skiena avec DeepWalk (2014), qui a adapté le modèle Word2Vec skip-gram aux marches aléatoires sur les graphes, et étendue par Grover et Leskovec avec Node2Vec (2016), qui a introduit une marche aléatoire biaisée équilibrant l'exploration en largeur d'abord et en profondeur d'abord. Ces plongements transforment les données relationnelles en vecteurs de caractéristiques que les classificateurs et algorithmes de clustering standards d'apprentissage automatique peuvent consommer directement.