请介绍一下随机游走模型和DeepWalk模型的基本原理

随机游走模型和DeepWalk模型都是图嵌入领域的经典模型，下面是它们的基本原理：
1. 随机游走模型：随机游走是指在图中随机选择一个节点，然后按照一定的策略向周围的节点进行遍历，直到到达预设的停止条件。随机游走模型通过对图进行多次随机游走，得到节点之间的转移概率矩阵，然后通过矩阵分解等方法将节点映射到低维向量空间中，从而实现图嵌入。
2. DeepWalk模型：DeepWalk模型是基于随机游走的图嵌入模型，它通过对图进行多次随机游走，得到节点序列，然后将节点序列看作是一种文本序列，应用Word2vec算法进行训练，得到节点的低维向量表示。DeepWalk模型的整体架构包括两个步骤：第一步是随机游走，第二步是应用Word2vec算法进行训练。