最近、DeepWalkやLINEなどのグラフ埋め込みに出くわしました。しかし、グラフ埋め込みとは何を意味し、いつそれを使用するのか（アプリケーション）については、まだ明確な考えがありません。どんな提案でも大歓迎です！

コメント

  • グラフ埋め込みはグラフの埋め込みです！したがって、グラフを取得して、グラフ、エッジ、または頂点の埋め込みを返します。埋め込みは類似性検索を可能にし、一般に表現を提供することで機械学習を容易にします。
  • @Emre埋め込みとはどういう意味ですか？ 🙂
  • 埋め込みの意味が進むにつれて、物事を何かに固定します。グラフ埋め込みは、頂点をサーフェスに固定し、たとえばネットワークを表すためにエッジを描画するようなものです。したがって、例として、平面グラフをエッジを交差させずに$ 2D $サーフェスに埋め込むことができます。重みは、エッジと適切なエッジの長さに割り当てることができます。 @Emreが類似性検索などについて言及しているので、理解/推定するのに役立ちます。
  • @KiriteeGakありがとう:)彼らの実際のアプリケーションは何ですか？彼らは彼らが推薦とすべてのために使われることができると言いますか？しかし、どのように？
  • Youtubeビデオの推奨は、現在視聴しているビデオが現在のノードであり、推奨に含まれる次のビデオがあなたに最も類似しているモデルとして視覚化できます。同様のユーザーが次に見たものと、もちろんトラバースする巨大なネットワークである他の多くの要因について。このペーパーは、アプリケーションを理解するための簡単な読み物です。

回答

グラフ埋め込みは、関連するネットワークプロパティを保持しながら、ネットワークからベクトル空間へのマッピングを学習します。

ベクトル空間は、グラフよりもデータサイエンスに適しています。グラフにはエッジとノードが含まれ、これらのネットワーク関係では、数学、統計、機械学習の特定のサブセットのみを使用できます。ベクトル空間には、これらのドメインからのより豊富なツールセットがあります。さらに、ベクトル演算は、同等のグラフ演算よりも単純で高速であることがよくあります。

1つの例は、最近傍を見つけることです。グラフ内のノードから別のノードへの「ホップ」を実行できます。数ホップ後の多くの実際のグラフでは、意味のある情報はほとんどありません（たとえば、友達の友達の友達からのおすすめ）。ただし、ベクトル空間では、距離メトリックを使用して定量的な結果を取得できます（たとえば、ユークリッド距離やコサイン類似度）。意味のあるベクトル空間に定量的な距離メトリックがある場合、最近傍を見つけるのは簡単です。

“グラフ埋め込みの手法、アプリケーション、パフォーマンス：調査 “は、より詳細な概要記事です。

回答

グラフ埋め込みとは何ですか？「グラフ埋め込み」は、今日の機械学習で注目されている分野です。これは基本的に、グラフのトポロジー（非常に基本的な意味で）をキャプチャするグラフの「潜在ベクトル表現」を見つけることを意味します。頂点と頂点の関係、エッジ情報なども考慮することで、この「ベクトル表現」を豊かにすることができます。グラフにはおよそ2つのレベルの埋め込みがあります（もちろん、グラフ全体を論理的に分割することで、いつでもより多くのレベルを定義できます。さまざまなサイズのサブグラフ）：

  • 頂点埋め込み-ここに次の潜在的なベクトル表現があります。指定されたグラフのすべての頂点。次に、これらのベクトルを空間にプロットすることで異なる頂点を比較できます。興味深いことに、「類似した」頂点は、類似していない、または関連性の低い頂点よりも互いに近くにプロットされます。これは、Perozziの「DeepWalk」で行われている作業と同じです。
  • グラフ埋め込み-こちらグラフ全体の潜在ベクトル表現が見つかります。たとえば、どの化合物が互いに類似しているか、グループ（クラスター）に含まれる化合物の種類などを確認する化合物のグループがあります。これらのベクトルを使用して、空間にプロットすることができます。上記のすべての情報を見つけます。これは、Yanardagによる「DeepGraphKernels」で行われる作業です。

アプリケーション-注意深く見ると、埋め込みは「潜在的な」表現です。つまり、グラフに| V |があるかどうかを意味します。 * | V | | V |である隣接行列= 1M、アルゴリズムで1M * 1Mの数値を使用または処理するのは困難です。したがって、次元「d」の潜在埋め込み（d < < | V |）は、隣接行列| V |を作成します。 * dおよび比較的使いやすい。別のアプリケーションは次のようになります-ソーシャルネットワークに同様の関心を持つ人々に製品を推奨したいという単純なシナリオを考えてみましょう。頂点の埋め込み（ここでは各人のベクトル表現を意味します）を取得することにより、これらのベクトルをプロットすることで類似したものを見つけることができ、これにより推奨が容易になります。これらはいくつかのアプリケーションであり、他にもあります。素敵な調査論文を参照できます-グラフ埋め込み手法、調査。

すべてはどこから来たのですか？この分野では多くの研究が行われており、ほとんどすべてが自然言語処理分野の画期的な研究であるMikolovによる「Word2Vec」からのものです。グラフ埋め込みの研究を始めたい場合は、最初にWord2Vecがどのように機能するかを理解することをお勧めします。 Word2Vecパラメータ学習の説明とスタンフォードレクチャーなどの優れた説明があります。次に、リストした論文にジャンプできます。これらの作品は次のように分類できます：

コメント

  • Wowww !!これは絶対に完璧な答えです。どうもありがとうございました:)とてもよくできました：）
  • こんにちはMausamJain。グラフ埋め込みを使用してネットワーク内の重要なノードを特定できるかどうか教えていただけますか？
  • こんにちは、Volka。この質問に答えるには、どのタイプのグラフに取り組んでいるのかを知る必要があります。ツイッター、フェイスブック、reddit、それとも他の何かですか？
  • 返信ありがとうございます。私は実際に最もソーシャルな人々を特定したいソーシャルネットワークで働いています：）
  • ここに'この答えのより精巧なバージョンがあります。 towardsdatascience.com/ …

回答

論文 Levinet.alによるランダムドット積グラフのオムニバス埋め込みの中心極限定理紙では、特定のタイプのグラフ埋め込み（Omnibus埋め込み）は、グラフ埋め込みを「グラフの頂点が低次元のユークリッド空間のベクトルにマッピングされる」方法として定義しています。詳細については、リンクを確認してください。

コメント

  • フォーラムへようこそ。論文に言及したい場合は、テキストの一部としてその名前も書き留めてください（リンクが壊れている可能性があるため）。

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です