論文メモ node2vec: Scalable Feature Learning for Networks 概要 node2vec deepwalkと同様、無向グラフの潜在ベクトルを取得する DeepWalkとの対比DeepWalk [24]。このアプローチは,一様なランダムウォークをシミュレートすることで,d次元の特徴表現を学習する.DeepWalkのサンプリング戦略は、p=1、q=1のnode2vecの特殊なケースと見ることができる。 LINE [28]。このアプローチは,2つの別々のフェーズでd次元の特徴表現を学習する.最初のフェーズでは、ノードの直近の隣人に対するBFSスタイルのシミュレーションによってd/2次元を学習する。第2段階では,ソースノードから2ホップの距離にあるノードを厳密にサンプリングすることで,次のd/2次元を学習 現在の特徴量学習アプローチは、ネットワークで観察される接続パターンの多様性を捉えるには十分な表現力を持っていない DeepWalkはp=1, q=1の特殊な場合 ノードのネットワーク近傍を(サンプルとして)生成するために、2次ランダムウォークの手法 dtxは{0, 1, 2}のいずれか πvx = αpq(t, x) · wvx q < 1の場合、歩行はノードtからより遠くのノードを訪問する傾向 q>1の場合,ランダムウォークはノードtに近いノードに偏っている パラメータqは、探索が「内向き」と「外向き」のノードを区別 グラフ内のすべてのノードの直近の隣人を保存するための空間計算量はO(|E|) アイディアだけをあとから聞けば、理解できるが、最初に考えつくのが難しいのだろう。。。 Line, Node2vec, DeepWalk
Related Articles