Hálózatágyazás — Node2Vec, DeepWalk, LINE
A hálózatágyazás (network embedding) olyan reprezentációtanulási módszerek családja, amelyek egy gráf minden csomópontját egy sűrű, alacsony dimenziós vektorba képezik le, miközben megőrzik a hálózat szerkezeti tulajdonságait. A megközelítést Perozzi, Al-Rfou és Skiena formalizálta közösségi hálózati adatokra a DeepWalk (2014) módszerrel, amely a Word2Vec skip-gram modelljét adaptálta gráfon végzett véletlen sétákra, majd Grover és Leskovec bővítette ki a Node2Vec (2016) módszerrel, amely egy torzított véletlen sétát vezetett be, kiegyensúlyozva a szélességi és mélységi bejárás közötti választást. Ezek az ágyazások a relációs adatokat olyan jellemzővektorokká alakítják, amelyeket a standard gépi tanulási osztályozók és klaszterezési algoritmusok közvetlenül képesek feldolgozni.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Network Embedding (Node2Vec, DeepWalk, LINE). ScholarGate. https://scholargate.app/hu/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.
- Centralitás-elemzésHálózatelemzés↔ compare
- KözösségdetektálásHálózatelemzés↔ compare
- Link PredictionHálózatelemzés↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →