LINE 方法部分

本文有很多問題，LINE方法暫時略過

1. 一階相似性

聯合概率：一階相似性實質上是一個sigmoid function函數，向量越接近，點積越大，聯合概率越大（有點硬扯）
經驗概率：兩點之間邊的權值越大，經驗概率越大
爲了保持一階相似性，一個簡單的辦法是最小化兩者之間的相對熵
因此一階相似度只能用於無向圖，不能用於有向圖

2. 二階相似性

二階相似度假設共享鄰居的頂點彼此相似。每個頂點扮演兩個角色：頂點本身和其他頂點的鄰居。因此，爲每個節點引入兩個向量表示ui和ui：ui是vi被視爲頂點時的表示，ui是當vi被視爲特定鄰居時的表示。