深度学习网络表征学习算法的目标是获得网络的低维稠密表示。对于大规模网络（如社会网络）。网络表征学习的目标是把网络中的每个节点表示成为个低维稠密的向量并且保证在这个低维空间上能够很好地保留网络的拓扑结构节点表示能够当作节点的特征用于节点分类、节点聚类、网络可视化、链接预测等不同的任务。受到词向量学习技术word2vec的启发，近年来产生了大量高效的网络节点表示算法，最经典的算法包括DeepWalk、LINE以及node2vec等。这些算法本质上是通过保留网络的局部结构性来估计节点的表示。
此文由 怡心湖 编辑，若您觉得有益，欢迎分享转发！：首页 > 常识论 » 深度学习中的网络表征学习的算法目标简介