学习metapath2vec

对于论文metapath2vec: Scalable Representation Learning for Heterogeneous Networks
在自己的理解和另一位博主的介绍下https://blog.csdn.net/hy_jz/article/details/78877483
感觉要弄懂首先要弄明白几个基本模型，术语，方法等，如下：
1.skip-gram(word2evc)
https://www.cnblogs.com/baiting/p/5840017.html
https://www.leiphone.com/news/201706/PamWKpfRFEI42McI.html
2.Tensorflow(论文用tensorflow 实现skip-gram模型)
3.负采样
4.deepwalk ,node2vec
5.random walk

最后谈一下，看完论文后的总结，大概就是目前基于word2vec 的网络表示学习方法（representation learning frameworks）有deepwalk ,node2vec等 。
deepwalk ,node2vec用到1.random walk
2.skip-gram模型
但问题是deepwalk ,node2vec等方法针对的是同构网络（homogeneous network），而针对异构网络（heterogeneous network）的基于word2evc的网络学习方法却还没有。因此想将deepwalk ，node2vec的原理应用到异构网络，从而开发出metapath2evc，metapath2evc++。这两个方法用到
1. meta-path-based-random walk
2. heterogeneous skip-gram模型