Что такое вложение графов?


13

Недавно я наткнулся на встраивание графиков, таких как DeepWalk и LINE. Тем не менее, я до сих пор не имею четкого представления о том, что подразумевается под вложением графов и когда его использовать (приложения)? Любые предложения приветствуются!


1
Вложение графов - это вложение графов! Таким образом, он берет граф и возвращает вложения для графа, ребер или вершин. Внедрения обеспечивают поиск сходства и, как правило, облегчают машинное обучение, предоставляя представления .
Эмре

@ Эмре, что это значит, встраивая? :)
Волка

1
Поскольку смысл встраивания идет, фиксируя вещи на чем-то. Внедрение графа похоже на закрепление вершин на поверхности и рисование краев для представления, скажем, сети. Так, например, планарный график может быть встроен в поверхность без пересечения ребер. Веса могут быть назначены ребрам и соответствующие длины ребер, а именно. помогает нам понять / оценить, поскольку @Emre упомянул поиск сходства и т. д.2D
Kiritee Gak,

@KiriteeGak Спасибо :) Каковы их реальные приложения? Говорят, их можно использовать по рекомендации и все? но как?
Волка

1
Рекомендацию по видео на Youtube можно представить в виде модели, в которой видео, которое вы смотрите в данный момент, является узлом, на котором вы находитесь, и следующие видео, которые вам рекомендуются, - это те, которые наиболее похожи на вас, исходя из того, что похожие пользователи смотрели дальше, и многие другие. конечно, есть и другие факторы - огромная сеть для прохождения. Эта статья - просто хорошее чтение для понимания приложения.
Кирите Гак

Ответы:


19

Внедрение графа изучает отображение из сети в векторное пространство, сохраняя при этом соответствующие свойства сети.

Векторные пространства более поддаются науке о данных, чем графы. Графики содержат ребра и узлы, эти сетевые отношения могут использовать только определенное подмножество математики, статистики и машинного обучения. Векторные пространства имеют более богатый набор инструментов из этих доменов. Кроме того, векторные операции часто проще и быстрее, чем эквивалентные графовые операции.

Одним из примеров является поиск ближайших соседей. Вы можете выполнить «прыжки» от узла к другому узлу на графике. На многих реальных графиках после пары прыжков содержится мало значимой информации (например, рекомендации друзей друзей друзей). Однако в векторных пространствах вы можете использовать метрики расстояния для получения количественных результатов (например, евклидово расстояние или косинусное сходство). Если у вас есть количественные метрики расстояния в значимом векторном пространстве, найти ближайших соседей просто.

« Методы встраивания графиков, приложения и производительность: обзор » - это обзорная статья, которая углубляется в детали.


26

Что такое графические вложения? «Graph Embeddeds» сегодня является горячей областью в машинном обучении. Это в основном означает поиск «скрытого векторного представления» графов, которое отражает топологию (в самом базовом смысле) графа. Мы можем сделать это «векторное представление» богатым, также учитывая отношения вершина-вершина, информацию о ребрах и т. Д. В графе есть примерно два уровня вложений (конечно, мы можем в любое время определить больше уровней, логически разделив весь граф на подграфы разных размеров):

  • Вложение вершин - Здесь вы найдете скрытое векторное представление каждой вершины в данном графе. Затем вы можете сравнить разные вершины, построив эти векторы в пространстве, и, что интересно, «похожие» вершины будут построены ближе друг к другу, чем те, которые отличаются или менее связаны. Это та же самая работа, что проделана в «DeepWalk» Пероцци.
  • Вложения графа - Здесь вы найдете скрытое векторное представление самого графа. Например, у вас есть группа химических соединений, для которой вы хотите проверить, какие соединения похожи друг на друга, сколько типов соединений присутствует в группе (кластерах) и т. Д. Вы можете использовать эти векторы и наносить их на график в пространстве и найти всю вышеуказанную информацию. Это работа, проделанная Yanardag в «Deep Graph Kernels».

Приложения - если присмотреться, вложения являются «скрытыми» представлениями, что означает, что граф имеет | V | * | V | матрица смежности где | V | = 1M, трудно использовать или обрабатывать числа 1M * 1M в алгоритме. Таким образом, скрытое вложение размерности 'd', где d << | V |, сделало бы матрицу смежности | V | * г и относительно проще в использовании. Другое приложение может быть - Рассмотрим простой сценарий, в котором мы хотим рекомендовать продукты людям, которые имеют схожие интересы в социальной сети. Получая вложения вершин (здесь это означает векторное представление каждого человека), мы можем найти похожие путем построения этих векторов, и это облегчает рекомендации. Это одни приложения, а есть и другие. Вы можете обратиться к хорошей обзорной статье - Методы вложения графиков, Опрос .

Откуда все это пришло? В этой области было проделано много работ, и почти все они были получены из новаторских исследований в области обработки естественного языка - "Word2Vec" Миколова. Если вы хотите начать исследования встраивания графов, я бы рекомендовал сначала понять, как работает Word2Vec. Вы можете найти хорошие объяснения - объяснение изучения параметров Word2Vec и лекция Стэнфорда . Затем вы можете перейти к документам, которые вы перечислили. Эти работы могут быть классифицированы как:


2
Wowww !! Это абсолютно идеальный ответ. Большое спасибо :) Очень хорошо сделано :)
Волька

Привет, Маусам Джайн. Не могли бы вы дать мне знать, могу ли я использовать вложения графа для идентификации важных узлов в сети?
Волка

Привет, Волка. Чтобы ответить на этот вопрос, мне нужно знать, над каким типом графика вы работаете; это твиттер, фейсбук, реддит или что-то еще?
допинг

Спасибо за ваш ответ. Я на самом деле работаю в социальной сети , где я хочу , чтобы определить самые социальные человек :)
Волька

0

В статье Центральная предельная теорема для вложения в омнибус случайных графов точечных произведений Левина и др. В частности, конкретный тип вложения графа (вложение Омнибуса) определяет вложение графа как методологию, «в которой вершины графа отображаются на векторы в евклидовом пространстве с низкой размерностью». Проверьте ссылку для получения дополнительной информации.


добро пожаловать на форум. Если вы хотите упомянуть статью, пожалуйста, запишите ее название как часть текста (поскольку ссылки могут быть неработающими).
Mark.F
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.