二阶相似性
二阶相似性适用于有向或者无向图(比如Deepwalk里面就用到了有向的二阶相似性) ， 二阶相似性假定与其他顶点共享邻居顶点的两个点彼此相似(无向有向均可) ， 一个向量u和u'分别表示顶点本身和其他顶点的特定“上下文” ， 意为二阶相似 。 对于每个有向边(i,j) ， 我们首先定义由生成“上下文”的概率：
模型优化
由于O2的计算代价十分的昂贵 ， 因此目标函数优化时使用了负采样方法 ， 为每条边指定了一个目标函数：
实验分析与展示与Deepwalk中的实验类似 。
数据集
语言网络：基于英文维基百科页面构建词共同网络社交网络：Flickr、Youtube引用网络：作者和论文引文网算法
GFDeepwalkLINE-SGD ， LINELINE(1st+2nd):
对于所有方法 ， 随机梯度下降的小批量大小设置为1；以起始值p0=0.025和pt=p0(1-t)设定学习速度 ， T是小批量或边缘样品的总数；为了公平比较 ， 语言网络嵌入的维度被设置为200；而其他网络中 ， 默认设置为128；其他的默认参数设置包括：LINE的负采样k=5 ， 样本总数T=100亿(LINE),T=200亿(GF) ， 窗口大小win=10 ， 步行长度t=40 ， 对于DeepWalk ， 每顶点行走y=40；所有的嵌入向量最终通过设置||w||2=1进行归一化 。
语言网络
评估学习嵌入的有效性：词类比和文档分类 。
词类比：给定一个单词对(a,b)和一个单词c ， 该任务旨在找到一个单词d ， 使得c
和d之间的关系类似于a和b之间的关系 。
社交网络
与语言网络相比 ， 社交网络更加稀缺；将每个节点分配到一个或多个社区的多标签分类任务来评估顶点嵌入；随机抽取不同百分比的顶点进行训练 ， 其余用于评估 。 结果在10次不同运行中进行平均 。 下面是在Flickr和Youtube数据集上的结果展示 。
通过GF和LINE两种方法对引用网络进行评估 。 还通过多标签分类任务评估顶点嵌入 。 我们选择7个流行会议 ， 包括AAAI ， CIKM ， ICML ， KDD ， NIPS ， SIGIR和WWW作为分类类别 。
稳定性
推荐阅读
-
【】交响乐队的四组乐器组到底谁更重要呢？谁在乐队里的分量最大，地位最高呢？
-
-
-
-
中国应急管理|焦作6人亡窒息事故通报：工人掉入塑料物料罐中窒息死亡，其他人员盲目施救致使事故后果扩大
-
李宇春|“挖呀挖”黄老师被扒曾用艺名混圈，好友曝其背后有资本运作
-
「时尚迪科」回头率真的超级高！，渔网袜渔夫帽女神走在路上
-
-
汽车资讯观|亿咖通科技掌握的技术将促进中国智能科技的发展，技术成就未来
-
萧敬腾|萧敬腾再回应红毯状态，大方晒毛发检测结果，网友：真的很酷！
-
-
上海市城市管理行政执法局网站|奉贤城管：新增违建零容忍 普法宣传快速处置
-
-
老照片|历史瞬间：19张您没见过的老照片，看完不敢相信自己的眼睛
-
田野牧蜂蜂蜜知识|有胃病能吃蜂王浆和蜂糖吗?胃不好能吃蜂王浆和蜂蜜吗?
-
只有中国才有的鱼，被称为“鱼中之王”，现在只有少数人会吃
-
【华为荣耀】华为旗舰一降再降，麒麟990 5G+“新低价”，网友：华为良心了
-
-
「别克君威」再等1天就上市，直降4.7万，2.0T小钢炮，完胜宝马3系，又迷倒一片
-
