Network Embedding — Node2Vec, DeepWalk, LINE

Network embedding este o familie de metode de învățare a reprezentărilor care mapează fiecare nod al unui graf într-un vector dens, de dimensiune redusă, păstrând proprietățile structurale ale rețelei. Abordarea a fost formalizată pentru date din rețele sociale de către Perozzi, Al-Rfou și Skiena cu DeepWalk (2014), care a adaptat modelul skip-gram Word2Vec la plimbări aleatorii pe grafuri, și extinsă de Grover și Leskovec cu Node2Vec (2016), care a introdus o plimbare aleatorie ponderată ce echilibrează explorarea în lățime și în profunzime. Aceste embedding-uri transformă datele relaționale în vectori de caracteristici pe care clasificatorii standard de machine learning și algoritmii de clustering le pot consuma direct.