主要思想

Deepwalk是一种将随机游走和word2vec两种算法相结合的图结构数据的挖掘算法。该算法可以学习网络的隐藏信息，能够将图中的节点表示为一个包含潜在信息的向量，

Deepwalk算法

该算法主要分为随机游走和生成表示向量两个部分，首先利用随机游走算法(Random walk)从图中提取一些顶点序列，然后借助自然语言处理思路，将生成的顶点序列看作由单词组成的句子，所有的序列可以看作一个大的语料库，最有利用自然语言处理工具word2vec将每一个顶点表示为一个维度为$d$的向量。

符号定义 一个图可以表示为:

$$G=(V,E)$$
其中$V$表示顶点的集合，$E$表示边的集合，且
$$E\subseteq V\times V$$

算法

随机游走算法

定义

所谓随机游走，就是在网络上不断重复的随机选择游走路径，最终形成一条贯穿网络的路径。
从一个顶点出发，然后按照一定的概率随机移动到一个邻居节点，并将该节点作为一个新的当前节点，如此循环执行若干步，得到一条游走路径。

经验

先大致了解，慢慢的将其全部都搞定

经验

深度游走算法 $\to$图嵌入算法， 慢慢的将其全部都搞定。会自己全部都将其搞完整都行啦的回事与打算。