Mrežno ugrađivanje — Node2Vec, DeepWalk, LINE
Mrežno ugrađivanje je porodica metoda učenja reprezentacija koje mapiraju svaki čvor grafa u gust, niskodimenzionalni vektor, čuvajući strukturna svojstva mreže. Pristup su formalizovali za podatke društvenih mreža Perozzi, Al-Rfou i Skiena sa DeepWalk-om (2014), koji je prilagodio skip-gram model Word2Vec-a na slučajne šetnje po grafovima, i proširili Grover i Leskovec sa Node2Vec-om (2016), koji je uveo pristrasnu slučajnu šetnju koja balansira istraživanje širine i dubine. Ova ugrađivanja pretvaraju relacionirane podatke u vektore karakteristika koje standardni klasifikatori mašinskog učenja i algoritmi klasterovanja mogu direktno da konzumiraju.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
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/sr/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
- Otkrivanje zajednicaAnaliza mreža↔ compare
- Predviđanje vezaAnaliza mreža↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →