目录

矩阵分解角度 - 图嵌入(节点嵌入)和随机游走

前言

https://github.com/spiritysdx/images/blob/main/20230921/0.png?raw=true

矩阵分解和随机游走在数学上意义是一样的。

https://github.com/spiritysdx/images/blob/main/20230921/1.png?raw=true

矩阵分解计算

https://github.com/spiritysdx/images/blob/main/20230921/2.png?raw=true

矩阵分解这里可能解析解不能直接求得,且可能不唯一,所以实际计算用的数值解。

https://github.com/spiritysdx/images/blob/main/20230921/3.png?raw=true

https://github.com/spiritysdx/images/blob/main/20230921/4.png?raw=true

具体的证明和推导:https://arxiv.org/pdf/1710.02971.pdf

https://github.com/spiritysdx/images/blob/main/20230921/5.png?raw=true

缺点

  1. 适合静态图而对于动态图过拟合,不能很快的泛化

https://github.com/spiritysdx/images/blob/main/20230921/6.png?raw=true

  1. 仅探索节点相邻的局部信息,采样只能采样邻近位置的节点,远处节点可能也相似但没采样到

https://github.com/spiritysdx/images/blob/main/20230921/7.png?raw=true

  1. 仅利用了连接信息,没使用节点本身的信息(属性信息)

https://github.com/spiritysdx/images/blob/main/20230921/8.png?raw=true

https://github.com/spiritysdx/images/blob/main/20230921/9.png?raw=true

总结

图用矩阵形式表现出来是关键。

https://github.com/spiritysdx/images/blob/main/20230921/10.png?raw=true

https://github.com/spiritysdx/images/blob/main/20230921/11.png?raw=true

https://github.com/spiritysdx/images/blob/main/20230921/12.png?raw=true