Grafik yerleştirme nedir?

Son zamanlarda DeepWalk ve LINE gibi grafik yerleştirme ile karşılaştım. Ancak, grafik düğünler ve ne zaman kullanılacağı (uygulamalar) olarak hala net bir fikrim yok? Herhangi bir öneri bekliyoruz!

Grafik yerleştirme, ilgili ağ özelliklerini korurken, bir ağdan vektör alanına bir eşlemeyi öğrenir.

Vektör uzayları veri bilimine grafiklerden daha uygundur. Grafikler kenarlar ve düğümler içerir, bu ağ ilişkileri yalnızca belirli bir matematik, istatistik ve makine öğrenimi alt kümesi kullanabilir. Vektör uzayları bu alanlardan daha zengin bir araç setine sahiptir. Ayrıca, vektör işlemleri genellikle eşdeğer grafik işlemlerinden daha basit ve daha hızlıdır.

Bunun bir örneği en yakın komşuları bulmaktır. Bir grafikteki düğümden başka bir düğüme "atlama" işlemi gerçekleştirebilirsiniz. Birkaç atlamadan sonra birçok gerçek dünya grafiğinde çok az anlamlı bilgi vardır (örneğin, arkadaşlarının arkadaşlarının önerileri). Bununla birlikte, vektör uzaylarında, nicel sonuçlar elde etmek için mesafe metriklerini kullanabilirsiniz (örneğin, Öklid mesafesi veya Kosinüs Benzerliği). Anlamlı bir vektör uzayında niceliksel mesafe metrikleriniz varsa, en yakın komşuları bulmak kolaydır.

" Grafik Gömme Teknikleri, Uygulamaları ve Performansı: Anket ", daha ayrıntılı bir genel bakış makalesidir.

Grafik Gömme nedir? "Graph Embeddings" bugün makine öğreniminde sıcak bir alandır. Temel olarak grafiğin topolojisini (çok temel anlamda) yakalayan grafiklerin "gizli vektör temsilini" bulmak anlamına gelir. Köşe-köşe ilişkileri, kenar bilgileri vb. De göz önünde bulundurarak bu "vektör temsilini" zenginleştirebiliriz. çeşitli boyutlardaki altgraflar):

• Köşe Gömme - Burada verilen grafikteki her kökenin gizli vektör temsilini bulabilirsiniz. Daha sonra bu vektörleri uzayda çizerek farklı köşeleri karşılaştırabilirsiniz ve ilginç olarak "benzer" köşeler birbirine benzemeyen veya daha az ilişkili olanlardan daha yakın çizilir. Bu, Perozzi tarafından "DeepWalk" da yapılanla aynıdır.
• Grafik Katıştırmaları - Burada tüm grafiğin kendisinin gizli vektör temsilini bulacaksınız. Örneğin, hangi bileşiklerin birbirine benzediğini, grupta kaç tür bileşik olduğunu (kümeler) vb. Kontrol etmek istediğiniz bir grup kimyasal bileşikleriniz var. Bu vektörleri kullanabilir ve onları uzayda çizebilir ve yukarıdaki tüm bilgileri bulabilirsiniz. Yanardağ tarafından "Derin Grafik Çekirdekleri" nde yapılan çalışma budur.

Uygulamalar - Dikkatle bakıldığında, düğünler "gizli" temsillerdir, yani bir grafikte | V | * | V | bitişiklik matrisi nerede | V | = 1M, bir algoritmada 1M * 1M sayılarını kullanmak veya işlemek zordur. Böylece, d << | V | 'nin bitişik matrisi | V | * d ve kullanımı nispeten daha kolaydır. Başka bir uygulama olabilir - Sosyal ağda benzer ilgi alanlarına ürün önermek istediğimiz basit bir senaryo düşünün. Köşe düğünlerini alarak (burada her insanın vektör temsili anlamına gelir), bu vektörleri çizerek benzer olanları bulabiliriz ve bu öneriyi kolaylaştırır. Bunlar bazı uygulamalar ve diğerleri de var. Güzel bir anket kağıdı başvurabilirsiniz - Grafik Gömme Teknikleri, bir Survey .

Her şey nereden geldi? Bu alanda çok sayıda çalışma yapıldı ve neredeyse hepsi doğal dil işleme alanındaki çığır açan araştırmalardan geliyor - Mikolov'un "Word2Vec". Grafik düğünleri ile ilgili araştırmaya başlamak istiyorsanız, önce Word2Vec'in nasıl çalıştığını anlamanız önerilir. Güzel açıklamalar bulabilirsiniz - Word2Vec parametre öğrenme açıkladı ve Stanford Ders . Sonra listelediğiniz makalelere atlayabilirsiniz. Bu eserler şu şekilde kategorize edilebilir:

• "Vertex Embeddings" temel alınarak çalışır: - DeepWalk , Node2Vec , LINE .

• "Grafik Embeddings" esasına göre çalışır: - Derin Grafik Çekirdekleri , Subgraph2Vec .

Makalede Levin ve arkadaşları tarafından rastgele nokta ürün grafiklerinin omnibusa gömülmesi için merkezi bir sınır teoremi. kağıt, belirli bir grafik katıştırma türü (Omnibus katıştırma), grafik katıştırma yöntemini "bir grafiğin köşelerinin düşük boyutlu bir Öklid uzayındaki vektörlere eşlendiği bir metodoloji" olarak tanımlar. Daha fazla bilgi için bağlantıya bakın.