node2vec

1.背景

DeepWalk中根据边的权重进行随机游走，而node2vec加了一个权重调整参数，最终生成的随机序列是一种DFS和BFS的结合；模型仍使用skip gram去训练。

2.原理

2.1 Random Walks

给定一个起始节点，我们模拟一个固定长度的随机游走，表示行走中的第个节点，起始节点：。节点走到节点概率定义为:

是节点之间非归一化概率；

是节点之间概率的和，用于归一化使用;

2.2 Search bias α

假设已知游走路径已从走到,从节点 走到下一个节点按照转移概率选择对应的节点；

其中：

是

到

的最近的距离，在论文中

的取值为

这两个参数决定离开起始节点的速度；

2.2.1 参数p

1. 表示访问已遍历节点的可能性；
2. ：表示在连续两步，越小的可能访问已遍历节点；这种策略鼓励适度的探索，并避免了距离为2的节点抽样中的冗余
3. ：表示遍历的节点接近起始节点；

2.2.2 参数q

1. 允许搜索区分“向内”和“向外”节点；
2. : 表示越大的可能抽样节点靠近；可以获得与遍历中的开始节点相关的底层图的局部视图，与BFS类似；
3. : 表示越大的可能抽样节点远离； 与DFS类似；
4. 就是deepwalk

3. algorithm

3.源码

py版本代码结构：

4.参考文献

1. 论文地址：https://arxiv.org/abs/1607.00653
2. 代码地址：https://github.com/aditya-grover/node2vec
3. 别名采样算法：https://hips.seas.harvard.edu/blog/2013/03/03/the-alias-method-efficient-sampling-with-many-discrete-outcomes/
4. 别名采样算法：https://blog.csdn.net/lee813/article/details/51497012