将 DeepWalk 理解为矩阵分解
机器学习
2015-01-05 v1
摘要
Word2vec 作为学习词语向量表示的高效工具已在许多自然语言处理任务中展示了其有效性。Mikolov 等人提出了 Skip-Gram 和负采样模型来开发这一工具包。Perozzi 等人首次将 Skip-Gram 模型引入社交网络研究，并设计了名为 DeepWalk 的算法用于学习图上的节点嵌入。我们证明 DeepWalk 算法实际上是在对矩阵 M 进行分解，其中每个元素 M_{ij} 是节点 i 在固定步数内随机游走到节点 j 的平均概率的对数。
引用
@article{arxiv.1501.00358,
title = {Comprehend DeepWalk as Matrix Factorization},
author = {Cheng Yang and Zhiyuan Liu},
journal= {arXiv preprint arXiv:1501.00358},
year = {2015}
}
备注
4 pages