使用 Node2Vec 所学嵌入的社区检测保证

将大型网络的节点嵌入到欧几里得空间是现代机器学习中的常见目标，且有多种工具可用。这些嵌入随后可用作社区检测/节点聚类或链接预测等任务的特征，并达到最先进的性能。除谱聚类方法外，对常用嵌入学习方法的理论理解很少。本文中我们考察 node2vec 所学嵌入的理论性质。我们的主要结果表明，对 node2vec 生成的嵌入向量使用 $k$-means 聚类，可在（度修正的）随机块模型中对节点实现弱一致的社区恢复。我们还讨论了这些嵌入在节点和链接预测任务中的使用。我们从经验上证明了该结果，并考察其与其他网络数据嵌入工具的关系。