Вбудовування мережі — Node2Vec, DeepWalk, LINE
Вбудовування мережі — це сімейство методів навчання представлень, які відображають кожен вузол графа в щільний, низьковимірний вектор, зберігаючи при цьому структурні властивості мережі. Цей підхід був формалізований для даних соціальних мереж Пероззі, Аль-Рфу та Скієною за допомогою DeepWalk (2014), яка адаптувала модель skip-gram Word2Vec до випадкових блукань на графах, і розширений Гровером та Лесковецем за допомогою Node2Vec (2016), яка ввела зміщене випадкове блукання, що балансує між дослідженням у ширину та глибину. Ці вбудовування перетворюють реляційні дані на вектори ознак, які стандартні класифікатори машинного навчання та алгоритми кластеризації можуть споживати безпосередньо.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Network Embedding (Node2Vec, DeepWalk, LINE). ScholarGate. https://scholargate.app/uk/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.
- Центральний аналізМережевий аналіз↔ compare
- Виявлення спільнотМережевий аналіз↔ compare
- Прогнозування зв'язківМережевий аналіз↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →