网络图模型
网络
网络/图:
诚然,我们可以直接用 对网络进行表示,但这样会丢失很多信息(具体在网络映射章节解释)。
网络分析任务
大都是描述或预测性问题:节点影响力(Node importance);寻找节点社区(Community detection);网络距离(Network distance);链接预测(Link prediction);节点分类(Node classification)...
瓶颈
1. 高计算复杂度
如果要计算一个网络中两个节点的相似度,首先要计算与其相连的各节点,而各节点又有相连节点。所以,分析一个网络中两节点的相似度,相当于需要遍历整个网络,这个计算复杂度是极其高的。
2. 低并发能力
网络确实可以并行计算,但是因为网络节点相互间的关联性,导致并行计算的同时各机器间又要有大量交互,这大大降低了并行计算的优势。
3. 不适用机器学习方法
现有机器学习方法大都假设元素可用向量空间中的一个向量表示,所以我们正在探寻将网络映射成向量,这样就将新的问题转化成已知问题可进行解决了。
网络图模型方案
因为存在上述瓶颈,现在存在两大流派去处理网络图模型:
1、大规模图处理
在系统和框架中寻求解决方案,设计网络图模型针对需求的对应算法
2、网络映射
将网络图映射到矩阵或向量中,将新问题转化成之前解决过的问题
Source
http://pengcui.thumedialab.com/papers/NetworkEmbeddingSurvey.pdf
http://pengcui.thumedialab.com/papers/KDD%20network%20representation%20tutorial-v3.pptx
Last updated