Ugrađivanje mreže — Node2Vec, DeepWalk, LINE
Ugrađivanje mreže (network embedding) je obitelj metoda učenja reprezentacija koje svakoj čvornoj točki grafa mapiraju gusto, niskodimenzionalno vektorsko predstavljanje, istovremeno čuvajući strukturna svojstva mreže. Pristup su formalizirali Perozzi, Al-Rfou i Skiena za podatke društvenih mreža s pomoću DeepWalka (2014.), koji je prilagodio Word2Vec skip-gram model na slučajne šetnje grafom, te ga proširili Grover i Leskovec s Node2Vecom (2016.), koji je uveo pristranu slučajnu šetnju koja balansira istraživanje prema širini i prema dubini. Ova ugrađivanja pretvaraju relacijske podatke u vektore značajki koje standardni klasifikatori strojnog učenja i algoritmi klasteriranja mogu izravno koristiti.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Network Embedding (Node2Vec, DeepWalk, LINE). ScholarGate. https://scholargate.app/hr/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.
- Analiza centralnostiAnaliza mreža↔ compare
- Detekcija zajednicaAnaliza mreža↔ compare
- Predikcija vezaAnaliza mreža↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →