深度优先遍历(DFS)、广度优先遍历(BFS)、随机游走(Random Walk)

深度优先遍历（Depth-First-Search）

深度优先遍历(DFS)的方法是：
从根节点开始（可选图中任意节点作为根节点），并在回溯之前尽可能沿着每个分支进行探索，如下图所示（图摘自Wikipedia）。

深度优先遍历得到的是同质性（homophily）：通过两个节点的距离来衡量它们之间的相似性。如果两个节点的距离越近，则它们的同质性越高，也就是相似度越大。

广度优先遍历（Breadth-First-Search）

广度优先遍历(BFS)的方法是：
从根节点（或图的任意节点，有时称为“搜索关键字” ）开始，并探索当前深度的所有邻居节点，然后再继续下一个节点 深度级别，如下图所示（图摘自Wikipedia）。

广度优先遍历得到的是结构相似性 （structural equivalence）：结构相似性是衡量两个节点在网络中所在的位置和结构的相似性。

BFS的非递归实现类似于深度优先遍历的非递归实现，但在以下两个方面有所不同：

1. 采用先入先出的序列代替了DFS的堆栈
   It uses a queue (First In First Out) instead of a stack
2. 在将顶点加入序列前检查顶点是否被发现，而不是在遍历时才检测
   It checks whether a vertex has been discovered before enqueueing the vertex rather than delaying this check until the vertex is dequeued from the queue.

随机游走（Random Walk）

随机游走是一种数学对象，称为随机过程或随机过程，它描述的路径由某些数学空间（例如整数）上的一系列随机步长组成，最早由Karl Pearson在1905年提出。
图上的随机游走是指选择图中一个顶点，随机地选择一个邻居节点，然后把其作为出发点，再随机选择邻居节点，然后重复。
在加权网络结构图，还可以根据权重来设置某节点游走到另外一个节点的概率。
随机游走在生成节点序列中，在一定程度上既可以照顾到homophily，又可以照顾到structural equivalence。

*文章参考

1. Wikipedia
2. 深度学习在金融领域的应用