Node2Vec

update：2020-07-28

  传统的图特征提取方法，例如使用拉普拉斯矩阵，使用谱聚类进行图分割，用于无监督任务中，传统方法计算代价大，效果较差，并且对图具有较强的假设，这些假设在许多情况下是合理的，但在有效性方面却不令人满意。
  定义图的最大似然优化函数，图：$G=(V,E)$，$f=V->R^d$，定义f为高维到低维度的映射函数，对于节点u，定义$N_S(U) \in V $, $N_S(U)$ 代表节点u的邻接网络结构，使用Skip-gram的思想，应用于网络结构中，定义优化函数 ${max\limits_{f} \sum_{u \in V} log P_r($N_S(U)|f(u)) $