立即學習:https://edu.csdn.net/course/play/28642/397299?utm_source=blogtoedu
1. 矩陣可以用一個有向圖來儲存,,特别是對于稀疏矩陣來說,存儲空間的節省尤為顯著
2. 很多問題(關系的集合),都可以轉化為圖來表示
資料的圖特征:中心性
- 中介中心性
- 反映一個節點擔任其他兩個結點之間最短路徑的橋梁的次數
- 較高中介中心性的節點(如交通樞紐)有更高流量通過,對網絡的控制能力更強
- 接近中心性
- 取決于該節點到其他節點的平均最短距離
- 較高接近中心性的節點(如市中心)李其他節點更近
- 特征向量接近性
- 反映一個節點鄰居節點的數量和重要性
- 引用該文章的文章品質多是高品質的,則該文章品質也是較高品質的
- 較高特征向量中心性的節點(如高品質的論文)有更高的權威性
Graph Embedding
- 圖上的每一個節點都映射成一個向量,用該向量表示該節點在圖中的特征,用該向量送入下一步模型中進行預測
- 圖内不同顔色的節點在不同的組内。把所有的節點都映射成向量,把向量投射到二維空間上。可見在向量空間中比較接近的點,在圖上的距離也比較接近。此為Graph Embedding的原理。
學習筆記(01):AI 大師課之線上技術峰會-機器學習中的圖算法以及在圖數庫上的應用案例分析... - Node2vec算法,源自于word2vec算法
- 案例:詐騙電話識别
非監督機器學習
- 圖聚類 Graph Clustering
- 社群發現算法
- 社群發現算法