知识卡片

普通读书笔记卡 · 9850.j · 生成模型:Hunyuan

Graph Embedding概述

理解等级:中级

Graph Embedding 的目标与 Word Embedding 一致:用低维、稠密、实值向量表示网络中的节点,以便用于推荐、搜索排序、广告等场景。难点在于图表达“二维”关系而序列表达“一维”关系,两者形态不同。通行做法是先用随机游走一类算法把 Graph 采样成 Sequence,再用 Skip-Gram 一类模型把 Sequence 转成 Embedding。这一“图→序列→向量”的两步框架,是后续 DeepWalk、LINE、node2vec 以及阿里商品图方案的共同底座。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第1章 万物皆可嵌入 · 查看原书依据

      图(Graph)表示一种“二维”的关系,而序列(Sequence)表示一种“一维”的关系。因此,要将Graph转换为Graph Embedding,一般需要先通过一些算法把Graph变为Sequence;然后通过一些模型或算法把这些Sequence转换为Embedding。

    参考来源

    - 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第1章 万物皆可嵌入(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter4_0005.xhtml) - 结论依据:原文明确指出“要将 Graph 转换为 Graph Embedding,一般需要先通过一些算法把 Graph 变为 Sequence,然后……转换为 Embedding”。 - 原始内容:图(Graph)表示一种“二维”的关系,而序列(Sequence)表示一种“一维”的关系。因此,要将Graph转换为Graph Embedding,一般需要先通过一些算法把Graph变为Sequence;然后通过一些模型或算法把这些Sequence转换为Embedding。