JavaShuo
栏目
标签
Node2vec
时间 2021-01-05
标签
graph embedding
繁體版
原文
原文链接
参数p控制着重新返回顶点t的概率。如果 p>max(q,1) ,那么下一步较小概率重新返回t;如果p<max(q,1) ,那么下一步会更倾向于回到顶点t。 参数q,如果q>1,那么下一步倾向于回到t或者t的临近顶点,这接近于BFS的探索方式;如果q<1,那么下一步倾向于走到离t更远的顶点,接近于DFS寻路方式。 因此,可以通过设置p和q来控制游走网络的方式。p和q的设置一般是2的指数。
>>阅读原文<<
相关文章
1.
node2vec
2.
Node2Vec(2016KDD)
3.
graph embedding之node2vec
4.
重看《node2vec》
5.
精读论文node2vec
6.
node2vec论文阅读
7.
[Graph Embedding] node2vec 论文笔记
8.
图表示学习之Node2vec
9.
node2vec的一些思考
10.
node2vec: Scalable Feature Learning for Networks阅读报告
更多相关文章...
相关标签/搜索
node2vec
0
分享到微博
分享到微信
分享到QQ
每日一句
每一个你不满意的现在,都有一个你没有努力的曾经。
最新文章
1.
1.2 Illustrator多文档的几种排列方式
2.
5.16--java数据类型转换及杂记
3.
性能指标
4.
(1.2)工厂模式之工厂方法模式
5.
Java记录 -42- Java Collection
6.
Java记录 -42- Java Collection
7.
github使用
8.
Android学习笔记(五十):声明、请求和检查许可
9.
20180626
10.
服务扩容可能引入的负面问题及解决方法
本站公众号
欢迎关注本站公众号,获取更多信息
相关文章
1.
node2vec
2.
Node2Vec(2016KDD)
3.
graph embedding之node2vec
4.
重看《node2vec》
5.
精读论文node2vec
6.
node2vec论文阅读
7.
[Graph Embedding] node2vec 论文笔记
8.
图表示学习之Node2vec
9.
node2vec的一些思考
10.
node2vec: Scalable Feature Learning for Networks阅读报告
>>更多相关文章<<