分类:网络顶点的矢量表示和应用

研究背景

受word2vec等（GloVe、fasttext, ELMo, BERT）词向量无监督学习的启发，人们希望把网络上的顶点也用矢量来表示，并且保持网络的某些性质。例如矢量可能更加适合用来做聚类分析等。当然，实际上，某种表示到底保持了什么性质，在这个表示下某些网络性质以及后续分析如何做也是一个问题。在这里，我们可以集中关注为了更好地得到聚类的矢量表示算法，也就是发现和保留了网络上的顶点之间的相似性的那样的表示。

那为什么要从词的矢量表示过渡到一般的网络上的顶点的表示呢？大概如何过渡呢？网络是个体之间有联系的一般表示方法，并且狭义上可以为每一种不同的联系构建一个网络，或者想办法把联系的内涵也用网络来表示。于是，网络就成了表示相互联系的事物的一般框架。这个时候，这样的网络上的顶点的矢量表示自然就具有比词语矢量更加一般的意义了。一个自然的解决方法是我们先用某种算法把网络上的近邻关系转化为语料中的词的先后出现关系（近邻关系、共现关系），然后，运用某种词矢量算法来得到顶点的矢量。