Penyematan Jaringan — Node2Vec, DeepWalk, LINE
Penyematan jaringan ialah keluarga kaedah pembelajaran perwakilan yang memetakan setiap nod graf ke dalam vektor padat berdimensi rendah sambil mengekalkan sifat struktural jaringan. Pendekatan ini diformalkan untuk data rangkaian sosial oleh Perozzi, Al-Rfou, dan Skiena dengan DeepWalk (2014), yang mengadaptasi model skip-gram Word2Vec kepada jalan rawak pada graf, dan diperluaskan oleh Grover dan Leskovec dengan Node2Vec (2016), yang memperkenalkan jalan rawak berat sebelah yang mengimbangi penerokaan luas-pertama dan mendalam-pertama. Penyelarasan ini menukar data relasional kepada vektor ciri yang boleh dimakan secara langsung oleh pengelas pembelajaran mesin dan algoritma pengelompokan standard.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). Network Embedding (Node2Vec, DeepWalk, LINE). ScholarGate. https://scholargate.app/ms/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.
- Analisis SentralitiAnalisis Rangkaian↔ compare
- Pengesanan KomunitiAnalisis Rangkaian↔ compare
- Ramalan PautanAnalisis Rangkaian↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →