對於算法不太瞭解的同學，這是一個看上去很沒吸引力的標題，預計點擊量超不過200。最近非常迷戀一句話“萬物皆可Embedding”，講的是世間所有的事物都能通過某種方法被向量表示，一旦事物被向量表示了就可以通過乘法去做進一步邏輯處理。比如商品A被表示爲向量m，商品B被表示爲向量n，則m*n的結果就是A和B的相似關係。把事物Embedding的方法有很多，今天就來介紹DeepWalk，一種把圖關係向量化的方法。
DeepWalk有什麼用呢？在推薦、文本分類等領域都有很多場景。比如用戶觀看視頻這件事，所有用戶的視頻觀看順序組合到一起會構成一種圖關係，每個節點是視頻，邊是觀看次數。當有一個客戶先後看了A->B->C三個視頻，那麼下個視頻會看什麼呢，就可以用DeepWalk將所有視頻向量化，然後所有視頻的向量分別與C視頻的向量相乘，分數最高的就可以作爲下一個推薦視頻。
下面這張圖直觀展示了DeepWalk處理數據的過程：
具體DeepWalk做事物Embedding可以分兩步，第一步是Random Walk，第二步是Word2Vector。爲了大家更好的理解，我們先從Word2Vector開始講。
Word2Vector
有的同學會奇怪，做Graph Embedding跟Word2Vector有什麼關係，Word2Vector不是一個文本向量化的方法麼？圖像量化其實可以巧妙的轉化成文本向量化。Word2Vector有一種模式叫做Skip-Gram，就是給定一個文章中的某個詞，預測這個詞的上下文，如下圖展示：
比如我們輸入一個文本“傲海是北京朝陽地區第一帥哥”，“朝陽”的上一個詞是“北京”，下一個詞是“地區”。當這種訓練樣本很多的時候，比如我們找到大量含“朝陽”的詞的語句進行訓練，就可以通過Skip-Gram得出“朝陽”這個詞的向量形式，這就是Skip-Gram這個算法的功能，這裏需要指定一個窗口的概念，就是訓練的時候取每個詞上下幾個詞作爲輸入。那麼這種上下文關係如何映射到圖向量化工作呢？我們接着看。
Random Walk
先來看看這個有向圖，我們可以從圖關係中找到幾個序列，比如A->B->E->C，這是一個有向關係鏈。這個關係跟上文提到的“傲海是北京朝陽地區第一帥哥”是有一定相似性的，我們把“北京”看成A ，“朝陽”看成B，“地區”看成E，這種圖的先後關係可以映射成文本的先後出現關係。Random Walk做的事就是設置一個窗口，然後順着圖關係去隨機找到類似於A->B->E這樣的先後關係。
比如我們設窗口爲2，那麼以B爲定點，可以找到如B->E、B->A這樣的前後關聯關係，這種關係放到Word2Vector裏就能生成每個定點的向量表示。
Ok~講的比較淺，希望大家可以理解哈，希望有幫助，謝謝