DeepWalk深度游走算法

主要思想

DeepWalk是一种通过整合随机游走与Word2Vec两种技术来进行图结构数据挖掘的有效算法。该算法能够学习网络中的潜在模式，并将图中的节点映射到一个低维空间中以捕获潜在特征信息。

Deepwalk算法

该算法主要由随机游走与生成表示向量两大模块构成。通过随机游走算法(Random walk)，我们能够从图中获取一系列具有代表性的顶点序列；此外，在自然语言处理的基础上，将这些生成的顶点序列被视作由单词构成的句子。每一个这样的序列都可以被视为一个规模较大的语料库的一部分，在此基础上我们可以有效地利用现有的自然语言处理工具（如word2vec）将每个顶点转换为一个维度为 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 \su