임베딩 목적의 공통 틀
음성 표본 추출을 사용하는 여러 스킵그램 기반 네트워크 임베딩을 닫힌 형태의 행렬 분해 틀에서 설명한다. 학습 절차가 달라 보이는 방법들이 어떤 행렬을 표현하는지 분석하는 접근이다.
기존 방법 사이의 관계
분석에서는 LINE이 문맥 크기 하나인 DeepWalk의 특수한 경우로 연결된다. PTE는 여러 네트워크 라플라시안의 공동 분해로 node2vec은 이차 무작위 보행의 정상 분포와 전이 확률에 관련된 행렬 분해로 설명한다.
명시적 계산과 근사
이론적 분석을 바탕으로 네트워크 임베딩을 계산하는 NetMF와 근사 알고리즘을 제안했다. 원 연구는 통상적인 네트워크 분석 과제에서 DeepWalk와 LINE 등에 대한 결과를 비교했다.
관련 문서
DeepWalk / LINE 네트워크 임베딩 / node2vec / 행렬 분해 / 그래프 라플라시안 / 표현 학습