Deepwalk(深度游走)算法简介
深度游走:一种社交表示的在线学习算法
- 主要思想
- Deepwalk算法
- 参考文献
主要思想
Deepwalk是一种将随机游走(random walk)和word2vec两种算法相结合的图结构数据挖掘算法。该算法能够学习网络的隐藏信息,能够将图中的节点表示为一个包含潜在信息的向量,如图1-2所示。
Deepwalk算法
该算法主要分为随机游走和生成表示向量两个部分。首先利用随机游走算法(Random walk)从图中提取一些顶点序列;然后借助自然语言处理的思路,将生成的定点序列看作由单词组成的句子,所有的序列可以看作一个大的语料库(corpus),最有利用自然语言处理工具word2vec将每一个顶点表示为一个维度为d的向量。
- 符号定义:一个图可以表示为:
G=(V,E)G = (V,E) G=(V,E)其中,VVV表示顶点的集合;EEE表示边的集合, 且 E⊆V×VE \subseteq V \times VE⊆V×V。 - 算法:
算法1: DeepWalk(G,w,d,γ,t)DeepWalk(G, w, d, γ, t)DeepWalk(G,w,d,γ,t) |
---|
输入:图G(V,E)G(V, E)G(V,E) |
窗口尺寸 www |
输出维度 ddd |
以每个节点开始的路径数量 γγγ |
每条路径的长度 ttt |
输出:隐含信息的表示矩阵Φ∈R∣V∣×d\Phi \in \textbf R^{\vert V \vert} \times dΦ∈R∣V∣×d |
1. 随机初始化ФФФ |
2: for i=0i=0i=0 to γγγ do |
3: 将顶点随机排列,即O=Shuffle(V)O=Shuffle(V)O=Shuffle(V) |
4: for 每一个vi∈Ovi∈Ovi∈O do: |
5: Wvi=RandomWalk(G,vi,t)W_{v_i} = RandomWalk(G, v_i, t)Wvi=RandomWalk(G,vi,t) |
6. Word2vec(Ф,Wvi,w)Word2vec(Ф, W_{v_i}, w)Word2vec(Ф,Wvi,w) |
7. end for |
8. end for |
参考文献
[1] Perozzi B, Al-Rfou R, Skiena S. DeepWalk: Online Learning of Social Representations[C]. Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining - KDD '14, 2014: 701-710.
Deepwalk(深度游走)算法简介相关推荐
- DeepWalk(深度游走)算法
整理自: Deepwalk(深度游走)算法简介_Mr.Cheng1996的博客-CSDN博客 [论文笔记]DeepWalk - 知乎 DeepWalk是一种将随机游走(random walk)和w ...
- 重启随机游走算法(RWR:Random Walk with Restart)
重启随机游走算法(RWR:Random Walk with Restart) 1 pagerank算法的基本原理 Pagerank算法是Google的网页排名算法,由拉里佩奇发明.其基本思想是民主表决 ...
- python游走代码_介绍一个全局最优化的方法:随机游走算法(Random Walk)
1. 关于全局最优化求解 全局最优化是一个非常复杂的问题,目前还没有一个通用的办法可以对任意复杂函数求解全局最优值.上一篇文章讲解了一个求解局部极小值的方法--梯度下降法.这种方法对于求解精度不高的情 ...
- 介绍一个全局最优化的方法:随机游走算法(Random Walk)
1. 关于全局最优化求解 全局最优化是一个非常复杂的问题,目前还没有一个通用的办法可以对任意复杂函数求解全局最优值.上一篇文章讲解了一个求解局部极小值的方法--梯度下降法.这种方法对于求解精度不高 ...
- 推荐系统 - 3 - 协同过滤算法、随机游走算法
本总结是是个人为防止遗忘而作,不得转载和商用. 本节的前置知识是我总结的"推荐系统 - 1.2". 协同过滤算法 基于用户行为的数据而设计的推荐算法被称为协同过滤算法(Collab ...
- 重启随机游走算法(RWR)
重启随机游走算法(Random Walk with Restart) 1 pagerank算法的基本原理 Pagerank算法是Google的网页排名算法,由拉里佩奇发明.其基本思想是民主表决.在互联 ...
- c语言随机漫步,基于最短路径的随机游走算法研究与应用
摘要: 近年来,人们越来越多地关注数据集中数据点之间的关系.不同种类的网络相继涌现.有链接和节点类型都单一的同质网络如以朋友友谊为基础建立起来的社交网站;以网络链接形成的互联网.另外还有多种链接和节点 ...
- 【图像融合】基于随机游走算法实现多焦点图像融合含Matlab代码
1 内容介绍 近几年来,随机游走模型(random walk)与引导滤波器(guided filter)在图像处理领域受到了研究者们的广泛关注.前者已经被应用于图像处理的多种领域--图像融合.图像平滑 ...
- 图像分割之随机游走算法
转载于:https://blog.csdn.net/broccoli_lian/article/details/79739299 看了部分,没搞很明白,等有时间再看. 版权声明:本文为博主原创文章,未 ...
最新文章
- pythonのSocket
- 全球与中国数位屏市场前景展望与未来规划动向研究报告2022-2028年版
- c语言中 d的作用,C语言中%d,%o,%f,%e,%x的意义
- QT计算器功能的实现
- 当 AI 足够聪明时,我们的验证码还有用吗?
- pycharm的updating indices
- 如何使用Apache Camel,Quarkus和GraalVM快速运行100个骆驼
- HTTPS|SSL笔记-SSL双向认证成功握手过程(含wireshark分析)
- 九连环_儿子的玩具—九连环
- 2017.10.12 小Q的无敌异或 失败总结
- 语义Web的一些概念和资源
- 苹果手机远程服务器桌面,如何进行远程管理?如何实现苹果手机远程管理电脑?...
- Latex、XeLatex无法加粗
- 使用Python绘制词云图(自定义形状)
- Unity---MainTemplate.gradle配置取消v2签名
- Read timed out executing GET (读取执行GET超时)
- 哈佛架构、冯诺依曼架构、指令集
- 梦幻西游手游服务器维护时间表,梦幻西游手游4月17日维护更新公告
- char *s=“\ta\017bc“所占字节数
- 语音识别芯片LD3320介绍续
热门文章
- rust腐蚀怎么单人游戏_腐蚀Rust画面设置指南 游戏设置优化心得分享
- ENVI下植被覆盖度的遥感估算
- 女王祖白绿和糖饭桌子的故事(二)
- SAP QM 启用了Inspection Point的检验批在UD界面里有什么不同?
- java个十百千万位余数_java中求一个整数个十百千位的方法
- 论文 Matching Article Pairs with Graphical Decomposition and Convolutions 阅读笔记
- 2019年“旅行者之选”全球、亚洲、中国最佳目的地 | 周末
- 亚洲销售女神徐鹤宁经典语录——太过精辟,不学必悔
- 学习笔记-----制作图片分类标签
- 谁偷偷删了你的微信?别慌!Python 把 TA 揪出来