Process / pipeline
ネットワーク埋め込み — Node2Vec, DeepWalk, LINE
ネットワーク埋め込みは、グラフの各ノードを、ネットワークの構造的特性を保持しながら、密で低次元のベクトルにマッピングする表現学習手法の一群である。このアプローチは、Perozzi, Al-Rfou, Skiena による DeepWalk (2014) によってソーシャルネットワークデータに対して形式化され、グラフ上のランダムウォークに Word2Vec の skip-gram モデルを適用した。さらに Grover と Leskovec によって Node2Vec (2016) として拡張され、広域優先探索と深さ優先探索のバランスをとるバイアス付きランダムウォークが導入された。これらの埋め込みは、関係データを標準的な機械学習分類器やクラスタリングアルゴリズムが直接消費できる特徴ベクトルに変換する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 1). Network Embedding (Node2Vec, DeepWalk, LINE). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →