DeepWalk是最早提出的基于 Word2vec 的节点向量化模型。其主要思路,就是利用构造节点在网络上的随机游走路径,来模仿文本生成的过程,提供一个节点序列,然后用Skip-gram和Hierarchical Softmax模型对随机游走序列中每个局部窗口内的节点对进行概率建模,最大化随机游走序列的似然概率,并使用最终随机梯度下降学习参数。
Node2Vec:万物皆可Embedding
AINLP
1+阅读 · 2020年12月4日
图表示学习起源: 从Word2vec到DeepWalk
图与推荐
0+阅读 · 2020年3月24日
GraphSAGE: GCN落地必读论文
AI100
29+阅读 · 2019年8月15日
用万字长文聊一聊 Embedding 技术
图与推荐
0+阅读 · 2020年11月25日
一文梳理2019年腾讯广告算法大赛冠军方案
新智元
0+阅读 · 2019年9月29日
Graph Embedding方案之DeepWalk
凡人机器学习
5+阅读 · 2019年11月13日
ICLR 2020 | 探索新的图表征学习思路
学术头条
1+阅读 · 2020年4月30日
基于 GNN 的图表示学习
DataFunTalk
9+阅读 · 2020年1月17日
【好东西传送门日报】2019-02-13 星期三
好东西传送门
0+阅读 · 2019年2月13日
Embedding技术在房产推荐中的应用
AINLP
1+阅读 · 2020年4月30日
「图与推荐指南针」: 顶级学者/研究组有哪些?
图与推荐
5+阅读 · 2020年2月16日
2019腾讯广告算法大赛方案分享(冠军)
大数据技术
12+阅读 · 2019年8月26日
参考链接
微信扫码咨询专知VIP会员