說明之前寫的文章的序號混亂，目前作規定標題優先級定位如下：一、1、（1）、<1>，
二、preserving structural role
struc2vec是一種保持結構相似度的圖嵌入方法，與deep walk的mapping function以及reconstructor function一致，下面只對它的extractor進行介紹，
1、measuring structural role similarity 測量結構相似度
結構相似度定義：
2、基于結構相似度構建圖（構建的圖用于生成random walks）
構建一個多層權重圖來包含節點之間的結構相似度，
3、在新構建的圖上進行biased random walk
三、preserving node status
一種圖嵌入方法要求同時保存node co-occurrence以及node global status，這種方法包含兩個部分，一個部分用于保存node co-occurrence（這一部分和deep walk一致），另一個部分用于保存node global status（關注保存global status ranking），在保存global status的部分的extractor計算global status scores，然后對這些scores作降序排列，而reconstructor就用來重構這些ranking，
1、extractor
global status scores可以通過之前2.2部分介紹的中心性度量計算得到，然后對這些scores進行降序排列，得到節點序列
v
(
1
)
,
v
(
2
)
,
.
.
.
,
v
(
n
)
v_{(1)},v_{(2)},...,v_{(n)}
v(1)?,v(2)?,...,v(n)?,下標代表了新的rank，
2、reconstructor
reconstructor需要從embedding資訊中重構出extractor挖掘出的ranking資訊，希望得到所有節點的相對排序，
四、preserving community structure
一種基于矩陣分解的方法保存了node-oriented結構（含connections以及co-occurrence）以及community structure，
1、保存node-oriented structure
包含pairwise connectivity information，鄰居節點的similarity，
(1)extractor
pairwise connection information可以用圖的鄰接矩陣
A
A
A表示，
對于節點
v
i
,
v
j
v_i,v_j
vi?,vj?，pairwise neighborhood similarity定義:
最終，extracted information為矩陣
A
,
S
A,S
A,S.
(2)reconstructor and objective
2、保存community structure
3、完整的objective
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/289464.html
標籤：AI