node2vec – نود تو فك
node2vec (2016)
اجعل المسار العشوائي منحازاً بمعاملين: p للعودة وq للاستكشاف، فتختار بين التقاط المجتمعات (تجوال بعيد) أو الأدوار البنيوية (تجوال قريب).
الحدس
اجعل المسار العشوائي منحازاً بمعاملين: p للعودة وq للاستكشاف، فتختار بين التقاط المجتمعات (تجوال بعيد) أو الأدوار البنيوية (تجوال قريب).
الشرح التفصيلي
احتمال الانتقال من v إلى x بعد القدوم من t يعتمد على المسافة بين t وx: يُضرب في 1/p إذا عاد إلى t، و1 إذا كان x جاراً لـ t أيضاً، و1/q إذا ابتعد. q < 1 يشبه البحث بالعمق ويلتقط المجتمعات (التجانس)، وq > 1 يشبه البحث بالعرض ويلتقط التكافؤ البنيوي. ثم Skip-gram مع عيّنات سلبية.
للتنبؤ بالروابط، يُبنى تمثيل للزوج بعملية ثنائية (مثل ضرب Hadamard) على تمثيلي العقدتين، ثم مصنف.
البنية المعمارية
مسارات منحازة (p, q) ← Skip-gram مع سلبيات ← جدول تمثيلات.
المعادلات
\alpha_{pq}(t,x)=\begin{cases}1/p & d_{tx}=0\\ 1 & d_{tx}=1\\ 1/q & d_{tx}=2\end{cases}نقاط القوة
- مرونة في نوع التشابه الملتقط
- فعال وقابل للتوازي
- خط أساس قوي للروابط
القيود
- تحويلي
- لا يستخدم الخصائص
- ضبط p وq مطلوب
التعقيد الحسابي
معالجة مسبقة لاحتمالات الانتقال + O(n·r·l) للمسارات.
متى تستخدمه
تمثيلات دون خصائص، أو خصائص بنيوية لنموذج GNN.
التنفيذ في PyTorch Geometric
torch_geometric.nn.Node2Vecشيفرة توضيحية للاستخدام المعتاد؛ راجع توثيق إصدار المكتبة الذي تستخدمه قبل تشغيلها.
تابع التعلّم
نماذج مرتبطة
دروس تشرحه
المراجع
- Grover, A., & Leskovec, J. (2016). node2vec: Scalable Feature Learning for Networks. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. DOI: 10.1145/2939672.2939754تعميم DeepWalk بمسارات منحازة (ليست GNN).
