node2vec Scalable Feature Learning for Networks.pdf
基本介绍
非完全随机游走。而是按照权重进行采样，通过调节p，q参数实现。
p值小：更愿意返回，BFS（广度优先）
q值小：更愿意远行，DFS（深度优先）
特点
优点
- 通过调节p，q值，实现有偏随机游走，探索节点社群、功能等不同属性
- 首次把节点分类用于Link Prediction
- 可解释性、可拓展性好，性能卓越
缺点
- 需要大量随机游走序列训练
- 距离较远的两个节点无法直接互相影响，看不到全图信息
- 无监督，仅编码图的连接信息，没有利用节点的属性特征
- 没有真正用到神经网络和深度学习
论文精读
Title