关于唐杰老师18年KDD-DeepInf-社会影响力论文初次理解《DeepInf: Social Influence Prediction with Deep Learning》

纯属个人记录,有错误的话,勿喷~

《DeepInf: Social Influence Prediction with Deep Learning》

唐杰老师的这篇论文目前阅读了2遍,代码看了一遍,最初阅读有了一个对模型的初步认知,模型数据来源主要是图结构以及图中每个节点的action state,通过这两个输入得到最终的下一个time stamp的action state。其中用到的技术是先通过random walk,游走过程中允许回到初始节点,为每个节点游走出若干次定长序列,然后通过embedding的方法得到一个节点的D维表示,D由人为给出,个人理解的是先考虑最基本的Deepwalk得到embedding序列,此时每个节点的embedding只包含图的结构信息,类似简单的社交网络中,只存在关注关系,所得到的embedding。这也是我在看代码的过程中突然出现问题的地方,思考的问题如下(有点蠢 QAQ)

问题:Deepwalk如何得到embedding,它有什么用?

思考:一开始在思考如果是一个社交网络,网络中只有用户与用户之间的关注信息,而用户本身没有特征?那么如何构造embedding,他们的初试特征又是什么?一开始这一点困扰了很久,但其实很蠢,对于这样一种以图的形式展现出来的用户与用户之前的关系情况,很显然,他们的特征应该是认为构造的,我们可以想到的嘴合适的特征就是类似word embedding过程中一样,只不过图中有邻接矩阵的形式,每个节点直接使用一个向量表示,向量维度和用

你可能感兴趣的:(GNN学习笔记,表示学习,社会影响力)