Why

Network EmbeddingについてSurveyで全体像を理解する．

What I learned

ネットワークのタスク4つノード分類，リンク予測，クラスタリング，可視化一昔前はグラフはグラフのまま扱っていた，もしくは隣接行列を埋め込んでいた．

エンベッティングの手法 Matrix Factorization, random walk, deep learning ・Matrix Factorization 行列を分解して，低次元にする． HOPEが最新高次の隣接関係も保存することができる．ノード情報を埋め込む手法も多い

・random walk deep walkの次に，node2vec node2vecは幅優先と深さ優先を同時に行う探索を使う HARPは局所解に陥らないようにするアルゴリズムも含んでいる． WalkletsはFactrizationの考え方もミックスしている．

・deep learning 自己符号化機の応用を利用している．　SDNEが有名

流れはdeepの手法が強そう．

application ・visualization embeddingで低次元にしてから，可視化する際にはt=SNEやPCAが使われる．これらは可視化のための手法と認識しておく．

・clustering 役割ベースと構造ベースがある． →隣接関係があるやつを近くにするか，役割的に似ているノードを近くにするか？

・Link predection 偽のリンクの検知 + 将来つながるリンクを探す + 欠落したリンクを探す →レコメンドによく利用される

・Node classification SNSなどで全員が情報を登録しているとは限らない． →ラベルの予測に役立つ

実験 →手法によって得意なapplicationがある．

・ネットワーク再構築 →高次の隣接関係保存するものが強い HOPEやSDNEが強い

・リンク予測 HOPEが強い node2vecはムラがある

・node分類 node2vecが強い

全てのタスクに対して強い手法は存在しない． wantedlyには埋め込み→クラスタリングと，埋め込み→リンク予測を持っていく．