LINE：不得不看的大规模信息网络嵌入

NewBeeNLP原创出品 作者 | kaiyuan

和DeepWalk一样，今天介绍的论文同样是做网络嵌入表示的，但还是有很大区别的。关于DeepWalk，我们已经在之前文章介绍，戳：DeepWalk：图网络与NLP的巧妙融合

论文来自2015年微软，

• 论文：LINE: Large-scale Information Network Embedding
• 链接：https://arxiv.org/abs/1503.03578
• 源码：https://github.com/tangjianpku/LINE

从论文标题就可以看出，文章主打大规模图网络。当时大多数的嵌入表示研究在小型图网络上表现非常不错，但是当网络规模扩展到百万、百亿级别时，就会显得不尽人意。此外，适用场景也比较有限，无法应用到有向或者带权重图中。为此，本文提出了一种新的网络向量嵌入模型LINE，以解决上述等问题。

先验知识

在我们介绍模型之前，以如下示例先来了解一下相关概念定义。

LINE模型

一阶相似性的LINE模型

模型优化

并且保持原有已知节点的embedding不变，更新新来节点的embdding。