【读论文】node2vec: Scalable Feature Learning for Networks
来源:互联网 发布:linux shell 等待 编辑:程序博客网 时间:2024/04/30 05:52
开学第一次组会要将的一篇文章,作为这两年比较出名的network embedding方法,node2vec在去年提出来的时候也是非常有名的,不过之前一直没来得及看,刚好接着讲组会的机会来看一下。
算法方面
看完的整体感受上,这篇文章的主要思路和Deepwalk很接近的,但是是对Deepwalk的一种改进,即其提出了一个有监督的random walk方法,每次节点往下走到不同节点的概率不一样了。然后这种方法可以有效的综合BFS和DFS。用随机游走的话,时间和空间复杂度都有着非常不错的效果。
作者在写法上,是倒着来的,即先叙述了一下BFS和DFS的优缺点,即BFS能够探究图中的结构性质,而DFS则能够探究出内容上的相似性(相邻节点之间的相似性)。其中结构相似性不一定要相连接,甚至可能相距很远。
而除了以上选取context数据集的部分,比较新颖之外,剩下的监督过程也就是用的word2vec那一套东西。
作者对比自己的算法和之前的Deepwalk和LINE算法,认为:
- Deepwalk算法,相当于作者算法的一种特例,就是最平凡情况下的让其随机游走。
- LINE算法本质上相当于一个限制的BFS,只不过它只找一度和二度的节点。不能够去探寻到更远的节点。
实验部分
作者首先用了一个case study来论述自己的BFS和DFS能够分别学习出network communities和network communities。作者用的例子是《悲惨世界》中的人物关系图作为例子。感觉这个例子还是非常能够吸引人,而且可视化效果做的也非常不错呢。
实验部分做的非常的完整,不仅有传统的任务效果评估,而且还有参数敏感度,复杂度,扰动分析。
0 0
- 【读论文】node2vec: Scalable Feature Learning for Networks
- Feature Pyramid Networks for Object Detection 论文笔记
- 论文笔记:Feature Pyramid Networks for Object Detection
- 论文解读之Feature Pyramid Networks for Object Detection
- 论文阅读:Structured Feature Learning for Pose Estimation
- 论文阅读:《Structured Feature Learning for Pose Estimation》CVPR 2016
- 论文笔记之Learning Convolutional Neural Networks for Graphs
- Automatic Feature Learning for Glaucoma Detection Based on Deep Learning论文理解
- 目标检测 Feature Pyramid Networks for Object Detection(FPN)论文笔记
- Object Detection -- 论文FPN(Feature Pyramid Networks for Object Detection)解读
- Adaptive Deconvolutional Networks for Mid and High Level Feature Learning(阅读)
- Adaptive Deconvolutional Networks for Mid and High Level Feature Learning(阅读)
- SymNet:scalable symbolic execution for modernnetworks论文
- 【论文笔记】Scalable Object Detection using Deep Neural Networks
- 论文提要“Scalable Object Detection using Deep Neural Networks”
- 论文研读--Learning Deep Feature Representations with Domain Guided Dropout for Person Re-identification
- 论文阅读:A Discriminative Feature Learning Approach for Deep Face Recognition
- 论文笔记:MatchNet: Unifying Feature and Metric Learning for Patch-Based Matching
- js 触发事件种类类型有哪些?
- OllyScript脚本练习
- AtCoder Regular Contest 069 D - Menagerie 枚举起点 递推
- lightoj 1381 - Scientific Experiment dp
- PAT A 1001. A+B Format (20)
- 【读论文】node2vec: Scalable Feature Learning for Networks
- 浅析 Linux 中的时间编程和实现原理,第 1 部分: Linux 应用层的时间编程
- 第一章 计算机网络概述
- Leetcode-Algorithms Number Complement(数字补码)
- Linux 初始 RAM 磁盘(initrd)概述
- html内容整理第一章节
- listen函数和accept函数
- 《Docker……》笔记-8 Docker核心技术
- 在 Linux 平台中调试 C/C++ 内存泄漏方法