《表3 基于神经语言模型的网络表示学习代表性算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向科研合作预测领域的作者相关度算法分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于神经语言模型的网络表示学习是目前的研究热点，其基本原理和思路来源于代表性的词向量生成工具Word2Vec。[20]Word2Vec工具包含CBOW模型和Skip-gram模型，选取输入词的前后n个词作为上下文，学习包含语义信息的输入词的向量表示。针对网络结构和神经语言模型的特点，网络表示学习把节点类比为词，把在网络中获得的节点序列类比为句子，将节点序列作为Word2Vec的输入，根据每个节点的上下文信息，得到节点的向量表示。根据节点序列获取方式的不同，形成了以Deep Walk[21]、LINE[15]、Node2vec[22]、Metapath2Vec[17]等为代表的基于神经语言模型的网络表示学习方法（见表3）。