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。