前言上一篇文章给大家带来了GraphEmbedding技术中的代表算法Deepwalk ， 今天给大家介绍graphembedding又一代表算法——LINE,LINE(large-scaleinformationNetwork ， 大规模信息网络)致力于将大型的信息网络嵌入到低维的向量空间中 ， 且该模型适用于任何类型(有向、无向亦或是有权重)的信息网络 。 并提出了一种解决经典随机梯度下降限制的边缘采样算法 ， 提高了算法的有效性和效率,且在应用方面更广 。 总结下来LINE有以下几个特点或者优势：
（1）适用广 ， 适合任意类型的网络 ， 不论是有向图还是无向图还是带权图 。
（2）信息全 ， 目标函数（objectivefunction）同时考虑了网络局部特征和全局特征 。
（3）效率高 ， 提出一种边采样的算法 ， 可以很好地解决SGD的效率问题 。
（4）时间快 ， 提出了十分高效网络表示方法 ， 在小时范围内的单机节点上学习百万级顶点网络的表示 。
下面一下来看看这篇文章吧 。
重要定义了解LINE算法之前需要了解一下论文里面的几个重要概念 。
信息网络
信息网络定义为G=(V,E)其中V是顶点集合 ， 顶点表示数据对象 ， E是顶点之间的边缘的集合 ， 每条边表示两个数据对象之间的关系 。 每条边e(E)表示为有序对e=(u,v) ， 并且与权重Wuv>0相关联 ， 权重表示关系的强度 。 如果G是无向的 ， 我们有(u,v)!=(v,u)和Wuv=Wvu；如果G是有向的 ， 我们有(u,v)!=(v,u)和Wuv!=Wvu,一般情况下我们认为权重非负 。
一阶相似性
网络中的一阶相似性是两个顶点之间的局部点对的邻近度 。 对于有边(u,v)连接的每对顶点 ， 该边的权重Wuv表示u和v之间的一阶相似性 ， 如果在u和v之间没有观察到边 ， 他们的一阶相似性为0 。
二阶相似性
二阶相似性指的是一对顶点之间的接近程度(u,v)在网络中是其邻域网络结构之间的相似性 。 数学上 ， 让
大规模信息网络嵌入
给定大网络G=(V,E) ， 大规模信息网络嵌入是将每个顶点v(V)表示为低维空间(d)中的向量 ， 学习一个函数:
以上图为例：一阶相似性表示两个顶点直接相连 ， 比如6和7两个顶点 ， 它们就是相似的；二阶相似表示两个两个顶点有相同的连接顶点 ， 比如5和6虽然不直接连接 ， 但是同时和1,2,3,4相连 ， 所以5和6是相似的 ， 这和协同过滤是不是很像 ， 说白了就是根据图结构来表达顶点间的相似度 。
算法介绍一阶相似性
对每个无向边(i,j) ， 定义顶点vi和vj的联合概率分布为：
推荐阅读
-
幽默搞笑段子集锦|喝了一瓶可乐后又吃了半个西瓜，幽默笑话：女同事就是个奇葩
-
-
「众视AsiaOTT」！，TCL、海信等电视业务再遭美企申请“337调查”
-
关晓彤：《王牌》没给关晓彤开滤镜？镜头怼到脸上，肤色瞬间黑了好几个度
-
-
天空迷彩|大量士兵遗体堆满沟壑，画面过于血腥！亚美尼亚上演教科书式伏击
-
昆阳之战陨石坑还在吗?昆阳之战真的有陨石吗后汉书怎么说_2
-
隋唐|李渊之女安定公主：为活命放弃自己的姓氏，认侄媳妇武则天为干妈
-
-
-
鹿鼎记|罗志祥晒与经纪人女儿合照，大方承认自己干爹身份
-
-
转会广州恒大 何超发长文表态：带着长春人的血性前进
-
电竞小肥仔|和平精英：盘点全套高颜值的军需皮肤，最后一套全员女神装看花眼
-
云从如意刷脸支付PAD，因为AI科技的到来而焕发了新的活力
-
高德打车去偏僻农村吗,农村偏远地区在高德地图上能不能打车
-
四季健康|痛风为何在夏季高发？4个关键点要牢记，8000万男性的“梦魇”
-
『娱乐小队』1.8T爆231马力，8.6秒破百，还看啥H6！，被忽略的“国产精品”
-
-
大妈聊事|报应！虎牙韩涵惨遭九导安排，语音曝光演员价格，得知金额后懵了
