标签：嵌入 mathbf vol boldsymbol 矩阵 2.2 节点

1. 节点嵌入——基于矩阵分解的方法

我们得到的所有节点嵌入全部排列到一起，就构成了我们的嵌入矩阵 Z \mathbf{Z} Z：

每一列 z i \mathbf{z_i} zi​代表一个节点的嵌入，其为列向量。当 v v v与 u u u为邻居节点时，我们优化目标是最大化 z v T z u \mathbf{z}_{v}^{\mathrm{T}} \mathbf{z}_{u} zvT​zu​（也就是使余弦相似度尽可能大）。由于我们已经对嵌入进行归一化，因此 z v T z u \mathbf{z}_{v}^{\mathrm{T}} \mathbf{z}_{u} zvT​zu​最大值为1，我们要尽可能使得 z v T z u = A u , v \mathbf{z}_{v}^{\mathrm{T}} \mathbf{z}_{u}=A_{u, v} zvT​zu​=Au,v​，也就是 Z T Z = A \boldsymbol{Z}^{T} \boldsymbol{Z}=A ZTZ=A（ A A A为邻接矩阵）：

但实际上 Z T Z = A \boldsymbol{Z}^{T} \boldsymbol{Z}=A ZTZ=A是几乎不可能达到的，因此我们的优化目标是：

min ⁡ Z ∥ A − Z T Z ∥ 2 \min _{\mathbf{Z}}\left\|A-Z^{T} \boldsymbol{Z}\right\|_{2} Zmin​∥∥​A−ZTZ∥∥​2​

前面的随机游走其实本质上就是使用 softmax 函数替代L2范数，但目标是一致的。此时，由边连通性定义节点相似度的内积解码器等价于

标签：嵌入,mathbf,vol,boldsymbol,矩阵,2.2,节点
来源： https://blog.csdn.net/weixin_41929524/article/details/121468984

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。